식물 영상 분할 프로젝트
프로젝트 개요
이 프로젝트는 이미지 분할 기술을 식물 이미지에 적용하여 식물의 잎을 다른 객체와 구분하고, 잎의 색과 모양, 잎 면적 지수 등 식물표현형을 분석하는 것을 목표로 한다. 식물이 포함된 이미지에서 식물의 분할(Segmentation)을 통해 자동으로 비파괴적인 추출이 가능하다면 실시간 모니터링, 비용과 시간 절감 등의 효과를 얻을 수 있다.
이미지 분할이 뭘까?
이미지 분할은 이미지에서 개체와 그 경계를 찾는 데 사용된다. 동일한 라벨을 가진 픽셀이 특정 시각적 특성을 공유하도록 이미지의 모든 픽셀에 라벨을 할당하는 기술이다. 더 자세한 개념은 에서 정리하였다.
왜 농업에서 식물 이미지 분할이 필요할까?
농업에서 식물 이미지 분할 기술은 다양한 방식으로 활용할 수 있다:
- 작물 상태 모니터링: 잎의 상태를 분석하여 병해충 피해 여부, 수분 부족 여부 등을 신속하게 파악할 수 있다.
- 생장 분석: 개별 잎을 식별하여 잎면적 등을 측정하고, 성장 속도를 추적할 수 있다.
- 자동화된 농업 관리: 정확한 식물 위치와 형태를 인식하고 드론이나 로봇을 이용한 자동 수확이나 방제 시스템에 활용할 수 있다.
프로젝트 계획
데이터셋
이 프로젝트에서는 식물 잎 분할 작업에 널리 사용되는 CVPPP2017_LSC 데이터셋을 활용하였다. 이 데이터셋은 다음과 같은 구성 요소를 포함한다.
- 중심좌표(Centers): 각 잎의 중심 위치
- 전경 마스크(fg): 잎이 포한된 영역과 잎이 아닌 영역을 구분하는 이진 마스크
- 라벨 마스크: 각 잎이 고유한 라벨로 표시된 이미지
- RGB이미지: 색상이 포함된 식물 이미지
모델
YOLOv8-Seg 모델을 전이학습하는 방식과 SAM, GroundingDINO 등의 사전훈련 모델을 바로 사용하는 방식을 사용하였다.
결과
1. YOLOv8-Seg
주요 코드 및 과정:
2. CLIPSeg
주요 코드 및 과정:
3. Grounded-SAM
주요 코드 및 과정:
향후 계획
- 분할한 식물 전체 형상에서 잎사귀를 분할할 수 있도록 확장.
- 모델을 고도화하여 잎사귀의 상태를 판별할 수 있도록 개발.
- FastAPI나 Gradio 등을 사용한 실시간 웹 애플리케이션을 적용하여 누구나 접근할 수 있도록 제공.