AI 드론, 벼 500종 생육 단계 정밀 추적…비행시간 78% 감축

인공지능(AI)과 드론을 활용해 수백 가지 벼 품종의 생육 단계를 정밀하게 추적하는 딥러닝 기술이 개발됐다.

27일(현지시간) 난징농업대학교, 도쿄대학교, 허난성 농업과학원 공동 연구팀은 드론으로 촬영한 고해상도 이미지와 중해상도 이미지를 융합해 벼의 생육 단계를 식별하는 다중 스케일 시공간 딥러닝 프레임워크를 개발했다고 밝혔다. 연구 결과는 국제학술지 '플랜트 피노믹스(Plant Phenomics)'에 게재됐다.

이 기술은 촬영 주기가 긴 고해상도 이미지와 촬영 주기가 짧은 중해상도 이미지를 결합하는 방식이다. 연구팀은 '결측 인식 게이트 융합(MAGF)' 메커니즘을 도입해 데이터가 부족한 상황에서도 안정적으로 정보를 처리하도록 했다. 또한 벼 품종마다 성장 시기가 다른 비동기성 문제도 해결했다.

연구팀은 2023년과 2024년 두 재배 기간에 걸쳐 약 500개 벼 품종을 대상으로 10만 장 이상의 이미지를 분석해 기술을 검증했다. 분석 결과, 전반적인 정확도(OA)와 F1 점수는 0.873, 카파 계수는 0.84를 기록했다.

특히 이 기술을 적용하면 고해상도 촬영에 필요한 주간 드론 비행시간을 약 28시간에서 6시간으로 크게 줄일 수 있었다. 이는 정밀 육종을 위한 표현형 분석의 비용 효율성을 높이는 데 기여할 수 있다.

연구팀은 "자주 촬영하는 중해상도 이미지가 지속적인 상황 인식을 유지하고, 가끔 촬영하는 고해상도 이미지가 결정적 단계에서 주기적인 보정 역할을 한다"고 설명했다. 고해상도 촬영 주기를 14일로 늘려도 중해상도 이미지만 매일 관찰하는 것보다 성능이 우수했다.

연구팀은 고해상도 이미지 촬영 간격으로 5~7일이 실용적인 최적 구간이며, 이때 정확도 손실은 약 1.5% 이내라고 제안했다. 향후 연구에서는 성장도일(GDD)과 같은 기상 변수를 모델에 통합하고, 유전자형과 표현형, 환경 간의 관계를 규명하는 프레임워크를 구축할 계획이다.