digitalgreen.org

이 이메일 도메인이 관측된 논문 1건

arXiv:2609.21651v2cs.CV

작물 병해충 진단을 위한 구성 가능한 다단계 비전 파이프라인

Configurable Multi-Stage Vision Pipeline for Crop Disease and Pest Diagnosis

FarmerChat는 Digital Green이 소규모 농가를 위해 제공하는 농업 자문 서비스이다. 작물에 이상이 있어 보이면 농민은 사진을 찍어 전송하며, 그 사진이 질문의 전부이다: 증상에 대한 설명도, 작물 이름도 없으며, 텍스트가 전혀 없는 경우도 많다. 이 서비스는 저가 휴대폰으로 야외에서, 조명이 열악하고 카메라가 흔들리는 상태에서 촬영된 이미지만으로 사진을 사용할 수 있는지, 어떤 작물이 찍혀 있는지, 무엇이 문제인지를 판단해야 한다. 현재 이를 수행하는 시스템은 조정이 불가능하다. 사진 거부를 위한 조정 가능한 임계값이 없고, 작물과 문제 항목을 추가할 수 없으며, 설정할 수 있는 신뢰도 컷오프도 없다. 우리는 에티오피아, 인도, 케냐, 나이지리아에서 FarmerChat로 전송된 약 116만 장의 사진을 연구한다. 프로덕션 품질 게이트는 판정한 이미지 중 46.8%를 거부했으며, 진단 단계에 도달한 이미지 중 4분의 1 이상이 작물 이름을 반환하지 못했고, "질병(disease)"으로 분류된 문제의 35.8%는 작물 정보 없이도 식별 가능한 병해충이었다. 이에 따라 우리는 작업을 품질 게이트(M0), 작물 검출기(M1), 질병/병해충 검출기(M2)의 세 단계로 분리하였다. 경로 A(Route A)는 세 단계 모두를 단일 파인튜닝된 비전-언어 모델(Qwen3-VL-4B)로 채워 한 번의 호출로 응답한다. 경로 B(Route B)는 각 단계를 소형 전문 모델(DaViT, YOLO26)로 채운다. 우리는 프로덕션 GPT-4o 품질 게이트를 12ms에 86.9% F1을 기록하는 소형 MobileNetV3 게이트로 대체하였다. 모든 시스템을 동일한 방식으로 채점한 하나의 테스트 세트에서, 계층적 DaViT-Base는 95.41%의 작물 정확도를 달성하여 프로덕션 기준선의 91.46%를 능가하였다. 또한 진단 성능에서도 앞서며 응답을 거부하는 경우가 전혀 없는 반면, 비교 대상인 모든 언어 모델은 상당 비율의 행에서 진단을 내리지 못했다. 파인튜닝된 모델은 전문 모델들이 갖지 못한 두 가지 기능을 유지한다: 세 단계 모두를 한 번의 호출로 처리하는 것, 그리고 이미지가 답변을 뒷받침할 수 없을 때 더 나은 사진을 요청하는 것이다.