Mask R-CNN 기반 사과 병해 진단 서비스 개발

동영상: https://drive.google.com/file/d/1VY796aO1YnD7Uuc9CdH8h6o7nz-wRmcv/view?usp=sharing

파일 정보

• mrcnn 디렉토리: Mask R-CNN base code파일 포함
• apple_wandb.py: custom 모델 정의 코드
• concat_json.py: 각 병해 class의 json파일(어노테이션 정보)을 합치고 오류 검사를 위한 코드
  
  

개발 환경

• OS: Ubuntu 18.04.5 LTS
• GPU: GeForce GTX 1660
• GPU memory: 6GB
• CPU: Intel(R) Core(TM) i5-8500 CPU @ 3.00GHz
• Nvidia driver: 450.51.06
• CUDA 11.1
• Tensorflow-gpu 1.15.0
• Keras 2.3.1
• Vgg Image Annotator
• Python 3.6.8
• Docker
• 협업: Weights & Biases / Notion / Colab
• 웹: Django
• 안드로이드: Android studio

개발 기간

• 2020.09 ~ 2020.11(2개월)

개발 인원 및 역할

• 4명
• 역할 분담
  • 모바일 개발: 2명
  • 웹 개발: 2명
  • 모델 개발: 4명

알고리즘

• Mask R-CNN

역할

• 데이터 수집, 가공
• Mask R-CNN기반 모델 개발
• 웹 개발

학습 상세

데이터

• Train : 205개

• Validation : 58개

• 학습 class

  • Sooty blotch: 그을음병
  • Fly speck: 그을음점무늬병
  • Marssonia blotch: 갈반병
  • Bitter rot: 탄저병
  • White rot: 겹무늬썩음병
  • Brown rot: 잿빛무늬병
  • Normal: 정상
    *Sooty와 Fly speck는 Sooty/Fly로 동시에 진단

• 학습 하이퍼 파라미터

  • Epoch: 96/300
  • Batch_size: 1
  • Backbone: ResNet 50(layers = heads)
  • Detection_min_confidence: 0.9
  • Learning_rate: 0.001->0.0001
  • Optimizer: SGD

결과

Class	AP-50
Bitter rot(탄저병)	0.03
Mar blotch(갈반병)	0.05
Normal(정상)	0.78
Sooty/Fly(그을음병)	0.62
White rot(겹무늬썩음병)	0.73
Brown rot(잿빛무늬병)	0.70

mAP: 0.48

IoU threshold: 0.5(50%)

웹

[메인]

[진단 결과]

[병해 정보]

[농약사 찾기]

[농약 검색]