Krishi Rakshak: EfficientNet 기반 작물 질병 분류 ML 프로젝트 공유

핵심 기술: EfficientNet_b0 모델을 사용하여 작물 질병을 분류하는 종단간(end-to-end) 머신러닝 프로젝트인 Krishi Rakshak을 소개합니다. 소규모 농가에 초점을 맞춘 이 프로젝트는 높은 정확도와 효율적인 배포를 목표로 합니다.

기술적 세부사항:

• 모델 아키텍처: EfficientNet_b0를 기반으로 38개 클래스의 작물 질병 분류를 수행합니다.
• 성능: PlantVillage 데이터셋에서 90% 이상의 정확도를 달성했습니다.
• 학습 기법: AdamW 옵티마이저, 스케줄러, 조기 종료(early stopping)를 사용했습니다.
• 데이터 불균형 처리: 클래스 불균형 문제를 해결하기 위해 가중 손실(weighted loss)을 적용했습니다.
• 평가 지표: 수동 지표 검증, 혼동 행렬, 정밀도, 재현율, F1 점수, 클래스별 정확도를 활용했습니다.
• 배포: PyTorch와 Gradio를 사용하여 다국어 지원 UI를 구축했으며, 경량화되고 모듈화된 추론을 목표로 설계되었습니다.
• 개발: 처음부터 독립적으로 개발되었으며, 실제 필드 데이터의 노이즈 처리 및 최적화에 대한 피드백을 환영합니다.

개발 임팩트: 이 프로젝트는 농업 분야에서 AI 기술을 활용하여 작물 건강을 모니터링하고 질병을 조기에 진단하는 데 기여할 수 있습니다. 효율적인 모델과 사용자 친화적인 인터페이스를 통해 소규모 농가도 쉽게 접근하고 활용할 수 있다는 점에서 실질적인 가치를 가집니다.

커뮤니티 반응: GitHub 저장소와 데모 영상 링크를 통해 프로젝트를 공유하며, ML/AgriTech 커뮤니티의 피드백과 최적화 방안에 대한 의견 교환을 적극적으로 유도하고 있습니다.