작물 품질 상태 판별: 이미지 프로세싱 및 인공지능 기술 (Guardians of Farm Project)

대학 캡스톤 팀에서 스마트팜 환경의 작물 질병 탐지와 잎 건강 평가를 위한 실험적 품질 판별 파이프라인을 개발했습니다.

초기에는 GroundingDINO와 SAM을 활용한 비지도 시각 그라운딩으로 잎 분할과 RGB 기반 분류를 시도했으나, 클래스 불균형 상황에서 평균 RGB 특성의 편향으로 오분류가 발생했습니다.

팀은 Kaggle 공개 데이터와 현장 촬영 이미지를 결합하고 Roboflow로 라벨링·증강한 뒤, 초기 파이프라인을 YOLOv8 기반 지도 탐지 모델로 교체했습니다.

실험 시스템은 탐지 결과를 오버레이하고 정상·질병 잎 비율을 프로젝트에서 정의한 5단계 건강 지표로 변환합니다. 프로젝트 평가에서 YOLOv8 모델은 mAP@0.5=0.81, 질병 잎 AP=0.846을 기록했습니다.

IoT 기반 모니터링은 향후 확장 가능성으로 제시했으며, 운영 통합이 완료된 기능은 아닙니다.