인공지능 기술 기반 넙치 질병 증상 감지 및 분류 기법

• 영문명: AI-powered Paralichthys olivaceus Disease Symptom Detection and Classification Method
• 발행기관: 한국스마트미디어학회
• 저자명: 정종호(Jong Ho Jeong) 김찬진(Chan Jin Kim) 최한석(Han Suk Choi) 장현석(Hyun Suk Jang) 손현승(Hyun Seung Son) 임한규(Han Kyu Lim)
• 간행물 정보: 『스마트미디어저널』Vol13, No.11, 36~48쪽, 전체 13쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2024.11.29

국문 초록

본 연구에서는 넙치의 질병을 빠르게 진단하기 위해 딥러닝 기반 질병 증상 감지 및 머신러닝 기반 질병 분류 기법을 제안한다. 질병 증상 감지 기법은 YOLOv9 모델을 사용하였고, mAP 85.4%, F1-score 75.2% 정도의 우수한 정확도를 보여주었다. 질병 분류에서는 SGD 분류기와 랜덤 포레스트 분류기를 사용한 앙상블 모델을 사용였고, Top-1은 약 72%, Top-2는 약 83%, Top-3는 약 94%로 전체적으로 좋은 정답률을 보였다. 두 기법을 결합하여 테스트한 결과는 질병 분류 결과에 임계값을 설정하지 않을 경우 96%라는 좋은 성능을 보였다. 본 연구에서 제안하는 넙치 질병 증상 감지 및 분류 기법은 두 가지 알고리즘이 상호 보완적으로 작용하여 질병 증상을 정확하게 감지하고 질병 정보를 분류함으로써 신속하고 효과적인 질병 치료 및 예방 조치를 취할 수 있다.

영문 초록

In this study, we propose a deep learning-based disease symptom detection and machine learning-based disease classification technique to quickly diagnose Paralichthys olivaceus diseases. The disease symptom detection technique, using YOLOv9 model, showed excellent accuracy of about 85.4% of mAP and 75.2% of F1-score. The disease classification, an ensemble model using SGD classifier and random forest classifier was used, and the overall good correct answer rate was about 72% for Top-1, 83% for Top-2, and 94% for Top-3. As a result of testing by combining the two algorithms, when the threshold was not set in the disease classification result, it showed good performance of 96%. The Paralichthys olivaceus disease symptom detection and classification technique proposed in this study can take quick and effective disease treatment and prevention measures by the two algorithms working together to accurately detect disease symptoms and classify disease information.

목차

Ⅰ. 서론

Ⅱ. 관련 연구

Ⅲ. 넙치 질병 증상 감지 및 질병 분류 기법

Ⅳ. 실험 결과 및 분석

Ⅴ. 결론

REFERENCES

키워드

넙치 딥러닝 머신러닝 질병증상감지 질병분류 Paralichthys olivaceus deep learing machine learning diseases symtoms detection diseases classification