과일 생육 단계 인식을 통한 수확 시기 예측

작동 프로세스

1. 이미지 촬영: 고정 카메라를 통해 과수원의 과일 생육 과정을 주기적으로 촬영 또는 녹화합니다.

2. 개체 검출 및 단계 인식: AI 모델이 개별 개체를 인식하고, 발아-잎-꽃-착과-비대-성숙 단계로 분류합니다.

3. 형태학적 특징 추출: 과일의 크기, 직경, 색상 변화, 표면 질감 등 형태학적 지표를 정량화하고, 시간에 따른 성장률이나 당도·경도와 상관성 있는 지표들을 추적하여 성장 곡선을 모델링합니다.

4. 수확 시기 예측: 목표 성숙 지표에 도달하는 시점을 회귀 분석 또는 시계열 분석으로 예측합니다.
   이후 농장 운영자에게 적정 수확 시기 도달 예상일을 안내하고 필요 시 블록 단위로 조기 알림을 발송하여 작업 스케줄을 최적화합니다.

주요 모델 특징

• Interactive SAM 기반 초기 마스크 생성 보조: 연구자/농가 담당자가 몇 개의 프레임에 과일 영역을 지정하면, SAM이 주변 프레임에도 자동 확장하여 초기 마스크 라벨링 효율을 높입니다.

• Albumentations 활용한 실외 영상 증강: 조도 변화, 강우 노이즈, 가우시안 블러, 랜덤 회전/스케일 등의 증강을 적용하여, 다양한 기상/촬영 조건에서도 인식 성능이 유지되도록 설계했습니다.

• ResNet-34 인코더 기반 U-Net 구조: ImageNet 사전학습된 ResNet-34를 인코더로 사용하는 U-Net을 통해, 과일 영역 및 잎/꽃/비대 등의 구조를 픽셀 단위로 정밀하게 분할합니다.

• 단계 분류 + 성장 예측 멀티모델 병합: 세그멘테이션으로 과일 영역을 얻은 후, 이후 단계를 추론하는 분류 모델(예: CNN/Transformer)과 시계열 성장 회귀 예측 모델(LSTM, Transformer, Prophet 등) 을 결합한 멀티모델 구조로 구성합니다.

• 형태학적 피처 기반 보정 모듈: 과일 직경, 색상 변화, 텍스처 지표 등 Morphological Feature를 추출하여, 시계열 예측에 보조 입력으로 추가하고 예측 정확도를 보정합니다.