MobileNetV2 기반 38종 질병 탐지 및 84% 정확도 달성

Context

농작물 질병의 신속한 진단을 통한 작물 손실 방지를 위한 실시간 탐지 시스템 필요성 증대. 대규모 이미지 데이터를 효율적으로 처리하면서 모바일 및 웹 환경에서 구동 가능한 경량 AI 모델의 필요성 대두.

Technical Solution

• Transfer Learning 기반 MobileNetV2 아키텍처 채택을 통한 모델 경량화 및 학습 효율성 확보
• TensorFlow 2.15 프레임워크 기반의 CNN 모델 설계로 224x224 입력 사이즈의 이미지 분석 최적화
• Django REST Framework를 활용한 API 계층 설계로 Mobile App과의 유연한 데이터 연동 구조 구축
• Data Augmentation 기법 적용을 통한 PlantVillage 데이터셋의 모델 일반화 성능 향상
• CSRF 보호 및 입력값 Sanitization 적용을 통한 보안성이 강화된 이미지 업로드 파이프라인 설계

Impact

• 38개 질병 클래스에 대해 최대 84%의 예측 정확도 달성
• 모델 크기를 약 13MB 수준으로 최적화하여 4GB RAM의 저사양 환경에서도 구동 가능
• 54K 이상의 이미지 데이터를 통한 학습 데이터셋 확보

Key Takeaway

에지 환경이나 저사양 인프라를 고려한 서비스 설계 시 MobileNet과 같은 경량 아키텍처와 Transfer Learning의 조합이 실효성 있는 대안임을 입증.