.svg)
AI 솔루션 문의하기
병해충 탐지 AI를 위한 데이터는 상당 부분 농장 현장에서 지역 농민이 직접 촬영한 사진으로 수집됩니다. 촬영 각도와 조명 거리가 사람마다 제각각이고 흔들린 사진이나 병징이 잘 보이지 않는 사진도 함께 섞여 들어옵니다. 이런 품질 편차를 그대로 두고 학습에 사용하면 인식 정확도가 낮아지기 때문에 수집 단계에서부터 최소한의 촬영 기준을 안내하고 기준에 미달하는 사진을 걸러내는 절차가 함께 마련되어야 합니다.
촬영 기준을 너무 까다롭게 정하면 농민의 참여가 그만큼 줄어들 수 있어 품질과 참여도 사이의 균형을 함께 고려할 필요가 있습니다. 애플리케이션 화면에 촬영 예시 사진을 함께 안내하거나 촬영 도중 초점이 맞았는지를 즉시 알려주는 기능을 더하면 별도의 교육 없이도 품질을 끌어올리는 데 도움이 될 수 있습니다.
병해충 사진에 어떤 병해충이 찍혀 있는지를 정확히 표시하는 작업은 식물병리 지식을 갖춘 전문가의 확인을 필요로 하는 경우가 많습니다. 겉으로 비슷해 보이는 병징이 서로 다른 원인에서 비롯되는 경우가 있어 비전문가의 판단만으로는 오분류가 발생하기 쉽습니다. 전문가 인력은 수가 제한되어 있는 반면 수집되는 사진의 양은 계속 늘어나기 때문에 라벨링 작업이 데이터 운영체계 전체의 병목이 되는 경우가 많습니다.
초벌 분류를 인공지능이 먼저 수행하고 전문가는 애매한 사례나 최종 확인에 집중하도록 역할을 나누면 이러한 병목을 완화하는 데 도움이 될 수 있습니다. 여러 전문가가 같은 사진을 두고 다른 판단을 내리는 경우도 있어 의견이 갈리는 사례를 별도로 모아 기준을 통일하는 협의 절차도 함께 운영될 필요가 있습니다.
같은 병해충이라도 작물의 종류나 생육 단계에 따라 나타나는 모습이 다를 수 있습니다. 어린 모종 시기의 병징과 다 자란 작물의 병징이 겉보기에 차이가 나는 경우도 있어 하나의 기준으로 모든 시기를 아우르기 어렵습니다. 작물별 생육 단계별로 데이터를 구분해 관리하고 각 구간에 필요한 데이터가 충분히 쌓였는지를 별도로 점검한다면 특정 시기의 데이터가 부족해 그 시기의 인식 정확도만 낮아지는 상황을 줄이는 데 도움이 될 수 있습니다. 재배 지역에 따라서도 같은 작물의 생육 속도가 달라질 수 있어 지역별 편차까지 함께 고려하는 편이 좋습니다.
병해충 사진은 애플리케이션 참여도가 높은 일부 지역이나 농가에서 유독 많이 수집되고 다른 지역에서는 상대적으로 적게 모이는 경향이 나타날 수 있습니다. 이렇게 편중된 데이터로 학습한 인공지능은 데이터가 많이 모인 지역의 재배 환경에서는 잘 작동하지만 데이터가 적은 지역에서는 정확도가 떨어질 위험을 안고 있습니다. 지역별 데이터 수집 현황을 지도 형태로 확인하고 수집량이 적은 지역에는 별도의 참여 독려나 현장 방문 수집을 병행한다면 지역 간 정확도 격차를 줄이는 데 도움이 될 수 있습니다. 참여도가 낮은 지역은 애플리케이션 접근성이 낮은 경우도 있어 그 원인을 함께 살펴볼 필요가 있습니다.
기후가 변하거나 새로운 작물이 도입되면 이전에는 관찰되지 않던 병해충이 나타나는 경우가 있습니다. 이런 낯선 병해충은 기존 데이터에 없는 유형이라 기존 기준만으로는 인식되지 않을 수 있습니다. 현장에서 이상 징후로 보고된 사진을 신속하게 전문가에게 전달해 새로운 유형인지를 확인하고 소량의 사례만으로도 임시 분류 기준을 마련해 운영에 반영하는 절차를 갖춘다면 낯선 병해충이 확산되기 전 단계에서 데이터 체계가 대응할 시간을 벌 수 있습니다. 이 절차는 정식 데이터가 충분히 쌓이기 전까지 잠정적인 기준으로 운영되다가 사례가 누적되면 정식 기준으로 전환되는 방식이 적절합니다.
병해충 사진에 촬영된 농장의 위치 정보를 함께 기록하면 그 병해충이 어느 지역에서 얼마나 빠르게 번지고 있는지를 지도 위에서 살펴볼 수 있습니다. 개별 사진만 따로 보면 드러나지 않던 확산 경로가 위치 정보를 모아 놓고 보면 뚜렷하게 나타나는 경우가 있습니다. 인접한 농가에서 비슷한 시기에 유사한 병해충 신고가 이어지는 패턴이 확인되면 아직 신고하지 않은 주변 농가에도 선제적으로 주의를 안내하는 데 이 정보를 활용할 수 있습니다. 다만 위치 정보는 개별 농가를 특정할 수 있는 민감한 정보이기도 해 수집과 공유 범위를 신중하게 설정할 필요가 있습니다.
병해충의 발생은 기온이나 습도 강수량 같은 기상 조건과 연관되어 나타나는 경우가 많습니다. 병해충 사진 데이터만 쌓고 당시의 기상 정보를 함께 기록하지 않으면 이러한 연관성을 나중에 분석하기 어려워집니다. 사진이 촬영된 시점과 위치의 기상 정보를 함께 수집해 데이터베이스에 연결해 둔다면 이후 특정 기상 조건에서 병해충 발생 가능성이 높아지는 패턴을 살펴보는 데 참고할 수 있는 자료로 활용될 수 있습니다. 기상 정보를 매번 수동으로 입력하기보다 외부 기상 자료와 위치 및 시각 정보를 자동으로 연결하는 방식이 운영 부담을 줄이는 데 유리합니다.
.svg)
.svg)
