Krishi Rakshak: 가벼운 EfficientNet 기반 작물 병 분류 모델
카테고리
프로그래밍/소프트웨어 개발
서브카테고리
데이터 분석
대상자
- 데이터 과학자, ML 엔지니어, 농업 기술 개발자
- 난이도: 중급 (모델 설계, 평가 지표, 배포 기술 포함)
핵심 요약
- EfficientNet-b0 사용으로 PlantVillage 데이터셋(38개 클래스)에서 90% 이상 정확도 달성
- 클래스 불균형 해결을 위해 가중치 손실(weighted loss) 적용
- PyTorch + Gradio UI 기반의 가벼운 모듈형 추론 배포 구현
섹션별 세부 요약
1. 모델 개요
- EfficientNet-b0 아키텍처를 기반으로 한 경량 CNN 모델 설계
- AdamW 최적화기와 스케줄러를 사용한 학습
- 조기 중단(early stopping) 기법으로 과적합 방지
2. 평가 지표
- 정밀도(Precision), 재현율(Recall), F1 점수, 클래스별 정확도 계산
- 혼동 행렬(confusion matrix)을 통한 수동 메트릭 검증 수행
- 90% 이상의 전체 정확도 달성, 특정 병종에 대한 고정확도 성능 보장
3. 배포 및 활용
- PyTorch 프레임워크로 구현, Gradio UI 기반의 다국어 지원 웹 인터페이스 제공
- 농업 현장 데이터 노이즈 대응을 위한 모델 최적화 필요성 강조
- GitHub에서 코드 공개 및 구글 드라이브에서 DEMO 영상 제공
결론
- EfficientNet-b0 기반의 경량 모델 설계는 농업 현장에서의 실시간 병 분류에 적합
- 가중치 손실 및 조기 중단 기법은 클래스 불균형 문제 해결에 효과적
- Gradio UI를 통한 다국어 지원은 소규모 농부 사용자 확보에 기여
- GitHub 링크를 통해 코드 공유 및 농업 기술 커뮤니티 피드백 요청 중