영상과 센서를 융합한
생장 통합 분석·제어
네 가지 기술이 하나의 루프로 이어집니다. 영상이 생장 상태를 읽고, 시계열 모델이 내일을 예측하며, 융합 판단이 제어를 제안하고, 농가 피드백이 다시 학습으로 돌아옵니다.
영상 기반 생장 탐지
장수 사과 이미지로 학습한 YOLO11 탐지 모델이 과실을 영상에서 직접 탐지·계수합니다. 과실 면적 변화로 생장 정체·낙과 의심 징후를 경보합니다.
환경·생장 시계열 예측
과거 14일의 기온·습도 흐름을 GRU 모델이 학습해 익일 환경을 예측합니다. 농가 센서가 누적되면 토양수분 등을 추가해 재학습합니다.
센서·영상 융합 제어 판단
센서 최신값, 익일 예측, 탐지 결과, 생육단계 규칙을 함께 평가해 관수·관비·차광·환기 필요 여부를 판단하고 근거와 함께 기록합니다.
농가 피드백 학습 구조
관제 화면의 경보 확인과 현장 피드백이 라벨 수정·재학습 파이프라인으로 이어집니다. 쓸수록 우리 과원에 맞춰지는 시스템입니다.
장수 사과 17,363장으로
학습한 탐지 모델
원본 3,472px 촬영본을 스트리밍 추출해 학습셋 17,363장, 검증셋 3,472장으로 YOLO11 모델을 60에폭 본학습했습니다. 개체 단위 무누수 분할로 검증해 같은 사과가 학습과 검증에 동시에 들어가지 않도록 했습니다.
2026-08-31 본학습 기준 · 서빙 가중치 detector_full/best.pt · 외부 시험기관 성능평가는 실증 기간 중 진행 예정
기준선이 함께 그려지는
환경 예측
기온·습도·토양수분·일사량·토양 EC 시계열에 고온 기준, 관수 기준 15%, 차광 기준선, 적정 범위 밴드를 함께 그려 왜 경보가 났는지 바로 읽힙니다. GRU 익일 예측값은 점선으로 표시됩니다.
미달 지표도 관제 화면의 사업 목표 지표 표에 그대로 공개합니다.
우리 과원에도 적용할 수 있을까요?
과원 규모·재배 방식·설치 환경을 알려주시면 맞춤 구성과 도입 절차를 안내해 드립니다.