• 한국컴퓨터정보학회논문지
• /
• 제29권10호
• /
• pp.137-148
• /
• 2024

유럽 꿀벌(Apis mellifera)은 중요한 화분매개자로서 군집 붕괴 현상(CCD)으로 위협받고 있으며, 이는 주로 바로아 응애(Varroa destructor) 감염에 기인한다. 기존의 감염 검사는 침습적이고 시간이 많이 소요되어 벌통에 추가적인 스트레스를 준다. 본 논문에서는 YOLOv8 모델을 활용한 비파괴적이고 신속한 바로아 응애 감염 검사를 위한 2단계 프레임워크를 제안한다. 프레임워크는 벌통 내부에서 촬영한 소초광 이미지를 사용한다. 첫 번째 단계에서 YOLOv8-n 모델로 벌 객체를 탐지하고 개별 벌 이미지를 추출한다. 두 번째 단계에서 YOLOv8-cls 모델로 각 벌의 감염 여부를 판별한다. 제안한 모델은 객체 탐지에서 mAP@0.5 0.701, 감염 분류에서 평균 정확도 91%를 달성하여 효과적인 비파괴적 검사 방법임을 입증한다. 본 연구를 바탕으로 양봉가들에게 바로아 응애 감염의 조기 발견과 관리를 위한 효율적인 도구를 제공하여 CCD 발생을 감소시키고 양봉업의 지속 가능성을 지원할 수 있을 것으로 기대한다.