Developing a Lightweight Plant Leaf Disease Classification Model Based on ResNet-9 for On-Device AI
Year: 2025
Type: article
Abstract: 최근 농업에서 딥러닝을 활용한 자동화된 식물 질병 진단 기술의 중요성이 커지고 있다. 하지만, 고성능의 딥러닝 모델을 컴퓨팅 자원이 제한적인 임베디드 시스템 기기에서 직접 구동하는 것은 상당한 기술적 과제를 동반한다. 본 연구에서는 기존의 고성능 모델이 가진 지식을 경량 모델에 효율적으로 이전하고, 이를 모바일 환경에 최적화하는 새로운 프레임워크를 제안한다. 이를 위해, CIE-LAB 색상 공간의 밝기(L)와 색상(AB) 정보를 분리하여 처리하는 Two-Path 접근법을 ResNet-9에 적용하였다. 이후, 교사 모델인 Two-Path InceptionV3으로부터 학생 모델인 Two-Path ResNet-9으로 지식을 전달하는 지식 증류(Knowledge Distillation) 기법을 통해 학습을 진행하였다. 최종적으로, 학습된 모델을 INT8 정수형으로 양자화하여 안드로이드 모바일 애플리케이션에 탑재하였다. 실험 결과, 제안 모델은 기존 대형 모델 대비 파라미터 수를 약 41% 감소시키면서도 99.01%의 높은 정확도를 유지하였다. 추론 속도 측면에서는 데스크톱 CPU (Ryzen 5950X)에서 43.98 FPS (Frames Per Second)를 달성했으며, 모바일 기기인 Galaxy S21 Ultra와 Galaxy A90 5G에서도 각각 9.5 FPS, 4.7 FPS의 속도를 기록했다. 본 연구는 모델의 성능 저하를 최소화하면서 크기와 속도를 획기적으로 개선하여, 실제 농업 현장에서 사용 가능한 실시간 온 디바이스 AI 식물 질병 진단 시스템의 구현 가능성을 입증하였다.
Authors: Dowan Kim, Eunho Kim, Yoonho Koo, Minwoo Kim, Kyunghwan Joo, Chaekyu Lee
Language: English
Topic: Smart Agriculture and AI
Subfield: Plant Science
Domain: Life Sciences
SDG: Zero hunger
Open Access status: diamond
OpenAlex ID: W4412410918