• 한국전자통신학회논문지
• /
• 제19권4호
• /
• pp.791-798
• /
• 2024

본 연구의 목적은 YOLOv8, ResNet50, Faster R-CNN 모델을 활용하여 고추 작물의 질병을 진단하고, 각 모델의 성능을 비교하는 것이다. 첫 번째 모델은 YOLOv8을 사용하여 질병을 진단하였고, 두 번째 모델은 ResNet50을 단독으로 사용하였다. 세 번째 모델은 YOLOv8과 ResNet50을 결합하여 질병을 진단하였으며, 네 번째 모델은 Faster R-CNN을 사용하여 질병을 진단하였다. 각 모델의 성능은 정확도, 정밀도, 재현율, F1-Score 지표로 평가된다. 연구 결과, YOLOv8과 ResNet50을 결합한 모델이 가장 높은 성능을 보였으며, YOLOv8 단독 모델도 높은 성능을 나타냈다.

• 한국전자통신학회논문지
• /
• 제19권5호
• /
• pp.911-918
• /
• 2024

본 연구는 오이 생육 데이터를 활용하여 머신러닝 기반 착과수 예측 모델을 개발하고 성능을 평가하였다. 본 연구에서는 초장, 마디수, 평균절간장, 줄기 굵기, 엽장, 엽폭, 엽수, 암꽃수를 독립 변수로, 착과수를 종속 변수로 설정하여 예측 모델을 개발하였다. 선형 회귀, 랜덤 포레스트, XGBoost, 서포트 벡터 회귀(SVR), K-최근접 이웃(KNN) 등 다양한 머신러닝 알고리즘을 적용하였으며, 모델 성능은 평균 제곱 오차(MSE)와 결정계수(R²)를 기준으로 평가하였다. 그 결과, 랜덤 포레스트 알고리즘이 MSE 3.91, R² 0.828로 가장 우수한 성능을 보였으며, 오이 생육 데이터의 비선형 관계를 효과적으로 포착함을 확인할 수 있었다. 특히, 랜덤 포레스트 모델은 이상치에 대해 강건한 성능을 보였고, 착과수 예측에서 뛰어난 성능을 입증하였다.