[논문] UAV 다중스펙트럼 영상으로 벼 병해 매핑을 위한 딥러닝 프레임워크 비교

Source: arXiv - 2606.06359v1

개요

본 연구에서는 UAV(무인항공기) 다중스펙트럼 영상을 활용해 쌀의 세균성 잎마름병(BLB) 중증도를 컨볼루션 신경망(CNN) 및 트랜스포머 기반 모델로 분할한다. 평가된 아키텍처는 ResNet‑101 인코더를 사용한 U‑Net, EfficientNet‑B3 및 EfficientNet‑B7을 적용한 U‑Net++, DeepLabV3+, 그리고 SegFormer이며, 모두 세 가지 입력 구성(다중스펙트럼만, 다중스펙트럼+NDVI, 다중스펙트럼+NDRE)으로 동일한 파이프라인에서 학습되었다. 실험은 공개된 BLB 데이터셋을 이용해 수행했으며, 성능은 평균 IoU(mIoU), 평균 F1(mF1), 평균 정확도(mAcc), 정밀도, 재현율을 기준으로 보고한다. EfficientNet‑B3를 백본으로 한 U‑Net++가 mIoU 97.62%로 가장 높은 성능을 보였으며, SegFormer는 분할 정확도는 다소 낮지만 추론 속도는 비슷한 수준이었다. 전반적으로 결과는 경량 CNN 백본이 현장 BLB 모니터링에 더 신뢰할 수 있음을 시사하고, 식생 지수의 통합이 작지만 일관된 향상을 제공함을 보여준다. 또한 표준화된 UAV 데이터셋이 질병 매핑 방법을 비교하는 데 중요한 가치를 지니며, 현장 적용을 위해 CNN 아키텍처 활용을 권장한다.

주요 기여

이 논문은 다음 분야의 연구를 제시한다:

• cs.CV

방법론

자세한 방법론은 전체 논문을 참고하시기 바랍니다.

실용적 함의

본 연구는 cs.CV 분야의 발전에 기여한다.

저자

• Yadav Raj Ghimire
• Jagrati Talreja
• Tewodros Syum Gebre
• Timothy Agboada
• Shikha V. Chandel
• Leila Hashemi Beni

논문 정보

• arXiv ID: 2606.06359v1
• 분류: cs.CV
• 발표일: 2026년 6월 4일
• PDF: PDF 다운로드