Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on the Deep Learning-Based Tomato Disease Diagnosis Service

딥러닝기반 토마토 병해 진단 서비스 연구

  • 조유진 (순천대학교 스마트융합학부) ;
  • 신창선 (순천대학교 인공지능공학학부)
  • Received : 2022.05.06
  • Accepted : 2022.06.21
  • Published : 2022.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

Tomato crops are easy to expose to disease and spread in a short period of time, so late measures against disease are directly related to production and sales, which can cause damage. Therefore, there is a need for a service that enables early prevention by simply and accurately diagnosing tomato diseases in the field. In this paper, we construct a system that applies a deep learning-based model in which ImageNet transition is learned in advance to classify and serve nine classes of tomatoes for disease and normal cases. We use the input of MobileNet, ResNet, with a deep learning-based CNN structure that builds a lighter neural network using a composite product for the image set of leaves classifying tomato disease and normal from the Plant Village dataset. Through the learning of two proposed models, it is possible to provide fast and convenient services using MobileNet with high accuracy and learning speed.

토마토 작물은 병해에 노출이 쉽고 단시간에 퍼지므로 병해에 대한 늦은 조치로 인한 피해는 생산량과 매출에 직접적인 영향을 끼친다. 따라서, 토마토의 병해에 대해 누구나 현장에서 간편하고 정확하게 진단하여 조기 예방을 가능하게 하는 서비스가 요구된다. 본 논문에서는 사전에 ImageNet 전이 학습된 딥러닝 기반 모델을 적용하여 토마토의 9가지 병해 및 정상인 경우의 클래스를 분류하고 서비스를 제공하는 시스템을 구성한다. Plant Village 데이터 셋으로부터 토마토 병해 및 정상을 분류한 잎의 이미지 셋을 합성곱을 사용하여 조금 더 가벼운 신경망을 구축한 딥러닝 기반 CNN구조를 갖는 MobileNet, ResNet의 입력을 사용한다. 2가지 제안 모델의 학습을 통해 정확도와 학습속도가 빠른 MobileNet를 사용하여 빠르고 편리한 서비스를 제공할 수 있다.

Keywords

Acknowledgement

본 결과물은 농림축산식품부 및 과학기술정보통신부, 농촌진흥청의 재원으로 농림식품기술기획평가원과 스마트팜연구개발사업단의 스마트팜 다부처패키지혁신기술개발사업의 지원을 받아 연구되었음(421028-3) 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 지역지능화혁신인재양성(Grand ICT연구센터) 사업의 연구결과로 수행되었음(IITP-2022-2020-0-01489)

References

  1. 2021년 농림어업조사결과 보도자료(2022). http://kostat.go.kr/portal/korea/kor_nw/1/8/6/index.board?bmode=read&bSeq=&aSeq=417699&pageNo=1&rowNum=10&navCount=10&currPg=&searchInfo=&sTarget=title&sTxt=농림어업조사, 통계청 (accessed Apr.., 27, 2022)
  2. 병충해진단시스템(2022). https://play.google.com/store/search?q=%EB%B3%91%ED%95%B4%EC%B6%A9&c=apps(accessed Apr., 4, 2022)
  3. 김상근, 안재근, "심층 CNN 기반 구조를 이용한 토마토 작물 병해충 분류 모델," 한국산학기술학회 논문지, 제22권 제5호, 7-14쪽, 2021년 7월
  4. 한준희, 정성훈, 박경수, 유태선, "딥러닝 이미지 인식 기술을 활용한 소고기 등심 세부 부위 분류," 한국산업경영시스템학회지, 제44권, 제3호, 1-9쪽, 2021년 9월
  5. 조경호, 정세훈, 심춘보, "딥러닝 기반 표고버섯 병해충 이미지 분석에 관한 연구," 멀티미디어학회논문지, 제23권, 제1호, 50-57쪽, 2020년 1월
  6. 유신성, 최기쁨, 명현, 오효정, "이질 공공빅데이터기반 농장별 맞춤 병해충 예측 모델," 한국정보기술학회논문지, Vol. 18, No. 6, pp. 1-9, Jun. 2020.
  7. ImageNet(2021). http://www.image-net.org(accessed Mar., 5, 2022)
  8. Plant Village(2022). https://www.kaggle.com/datasets/noulam/tomato(accessed Apr., 2, 2022)
  9. Tan Mingxing, and Quoc Le. "Efficientnet: Rethinking model Scaling for convolutional Neural Networks," International conference on machine learning. PMLR, Vol.97, California, USA, Jun. 2019.
  10. MobileNet(2019). http://melonicedlatte.com/machinelearning/2019/11/01/212800.html (accessed Apr., 2, 2022)
  11. efficientnet(2021).https://lynnshin.tistory.com/53 (accessed Apr., 2, 2022)
  12. CNN흐름 (2020).https://junklee.tistory.com/111(accessed Apr., 2, 2022)
  13. [CNN Networks] 5. ResNet - PreActivation(2021).https://velog.io/@woojinn8/CNN-Networks-5.-ResNet-PreActivation(accessed Apr., 14, 2022)
  14. Howard, Andrew G., et al. "Mobilenets: Efficient convolutional neural networks for mobile vision applications," arXiv preprint arXiv:1704.04861, Apr. 2017.
  15. 한유경, "농업기술 - 시설채소의 병해관리는 이렇게," 농업기술회보, 제47권, 제6호, 28-29쪽, 2010년
  16. 장예예, 유첩, 김병준, 선주남,이준환, "딥러닝 기반 소나무 재선충 피해목 탐색," 스마트미디어저널, 제9권 제3호, 46-51쪽, 2020년 9월 https://doi.org/10.30693/SMJ.2020.9.3.46
  17. 박선, 김종원, "오픈 소스 기반의 딥러닝을 이용한 적조생물 이미지 분류," 스마트미디어저널, 제7권, 제2호, 34-39쪽, 2018년 6월 https://doi.org/10.30693/SMJ.2018.7.2.34
  18. 김서정, 이재수, 김형석, "딥러닝을 이용한 양파밭의 잡초 검출 연구," 스마트미디어저널, 제7권, 제3호, 16-21쪽, 2018년 9월 https://doi.org/10.30693/SMJ.2018.7.3.16