Comparative Evaluation of Convolutional and Transformer-Based Detectors for Automated Weed Detection in Precision Agriculture

기술 요약: 자동 잡초 감지를 위한 합성곱 및 트랜스포머 기반 탐지기의 비교 평가

문제 제기
본 논문은 정밀 농업에서 초기 단계 잡초 감지의 중요한 과제를 다루며, 이 작업은 작물과 잡초 간의 높은 형태적 유사성, 큰 클래스 내 변동성, 그리고 비구조화된 환경 조건 (예: 가변적인 조명, 토양 질감, 가림 현상) 으로 인해 복잡해집니다. 딥러닝이 농업 컴퓨터 비전을 발전시켰음에도 불구하고, 기존 솔루션들은 실제 시나리오에서의 견고성 측면에서 종종 어려움을 겪습니다. 구체적으로, 현실적이고 고해상도의 데이터셋을 사용하는 통합 실험 프레임워크 내에서 합성곱 신경망 (CNN) 아키텍처와 트랜스포머 기반 모델 간의 체계적이고 공정한 비교가 부족합니다. 본 연구는 트랜스포머의 전역 문맥 모델링 능력이 정밀한 작물 - 잡초 구분을 위해 CNN 의 계산 효율성보다 실질적인 이점을 제공하는지 여부를 규명하는 것을 목표로 합니다.

방법론
저자들은 스페인의 상업용 토마토 밭에서 수집된 공개 벤치마크인 GROUND-BASED_WEED 데이터셋을 사용하여 포괄적인 비교 평가를 수행했습니다. 이 데이터셋은 조류의 시점 (bird's-eye view) 에서 촬영된 고해상도 (5184 × 3888 픽셀) RGB 이미지로 구성되며, 일곱 개의 주석 클래스 (하나의 작물과 여섯 가지 잡초 종, 그리고 모호한 클래스) 를 포함하고 있으며, 클래스 불균형 및 레이블 노이즈와 같은 실제 세계의 과제를 반영합니다.

실험 설계는 세 가지 대표적인 객체 탐지 아키텍처를 비교했습니다:

1. CNN 기반: YOLOv26-nano는 경량 설계와 임베디드 시스템 적합성으로 선정되었습니다.
2. 트랜스포머 기반: RT-DETR(중간 및 대형 변형) 과 RF-DETR은 자기 주의 (self-attention) 메커니즘을 통해 전역 문맥을 포착하는 능력으로 선정되었습니다.

모든 모델은 NVIDIA RTX 2080 Super GPU 에서 표준화된 프로토콜 (200 에포크, AdamW 옵티마이저, 배치 크기 4) 하에 훈련되었습니다. 정확도와 효율성 간의 트레이드오프를 분석하기 위해 640, 1080, 2160 픽셀의 세 가지 입력 해상도에서 실험을 수행했습니다. 성능은 표준 COCO 지표 (정밀도, 재현율, mAP@50, mAP@50–95) 와 추론 효율성 지표 (지연 시간 및 FPS) 를 사용하여 평가되었습니다.

주요 결과
평가 결과, 계산 효율성과 문맥 모델링 사이에 명확한 트레이드오프가 드러났습니다:

• 성능: YOLOv26-nano 와 RT-DETR 은 특히 더 높은 해상도에서 정밀도, 재현율 및 mAP@50 측면에서 비교 가능한 성능을 달성했습니다. RT-DETR 은 2160 픽셀에서 mAP@50 측면에서 경미한 개선을 보였으나, 이러한 이점은 CNN 기반 접근법과 비교하여 통계적으로 유의미하지 않았습니다. RF-DETR 은 모든 지표에서 일관되게 낮은 성능을 보였습니다.
• 해상도 영향: 입력 해상도를 640 에서 2160 픽셀로 늘리는 것은 탐지 정확도에서 미미한 개선만 가져왔습니다. 저자들은 이러한 현상을 데이터셋의 고유한 특성, 즉 대상 객체 (초기 단계 잡초) 가 이미지에서 매우 작은 비율을 차지한다는 점에 기인하며, 이는 더 높은 해상도가 반드시 더 많은 차별적 특징을 제공하지는 않음을 의미합니다.
• 효율성: YOLOv26-nano 는 트랜스포머 기반 모델에 비해 현저히 낮은 계산 비용과 더 빠른 추론 시간을 보여주었습니다. 트랜스포머 모델은 더 높은 메모리 할당을 요구하며 더 긴 추론 시간을 보였는데, 이는 리소스가 제한된 임베디드 플랫폼에서의 실시간 배포에 도전을 제기합니다.

주요 기여

• 체계적인 비교: 본 연구는 농업 맥락에서 공정한 비교에 관한 문헌의 격차를 해소하기 위해 동일한 조건 하에서 최첨단 CNN 및 트랜스포머 탐지기에 대한 엄격한 병렬 평가를 제공합니다.
• 실제 세계 벤치마킹: 많은 연구들이 통제된 환경에 의존하는 것과 달리, 본 작업은 내재된 노이즈와 클래스 불균형을 가진 고해상도 실제 필드 데이터셋을 활용하여 모델 견고성에 대한 더 현실적인 평가를 제공합니다.
• 해상도 분석: 본 논문은 농업에서 소형 객체 탐지를 위한 입력 해상도 증가의 체감 수익을 조사하여, 이 특정 작업에서는 원시 해상도보다 아키텍처 효율성이 더 중요할 수 있음을 시사합니다.

의의 및 주장
본 논문은 정밀 농업의 초기 단계 잡초 감지를 위해 계층적 CNN 최적화 (특히 YOLOv26-nano) 가 트랜스포머 기반 아키텍처보다 더 견고하고 실현 가능한 접근법을 제공한다고 결론지었습니다. 트랜스포머는 전역 문맥 모델링에 뛰어나지만, 이 능력은 농업 필드에서 작고 분산된 객체를 탐지하는 특정 작업에 있어 상당한 성능 향상으로 이어지지 않습니다.

저자들은 YOLOv26-nano 가 정확도와 계산 효율성 사이에서 가장 유리한 균형을 제공하여, 실제 현장 조건 하에서 작동하는 임베디드 로봇 시스템에 통합하기 위한 선호되는 후보라고 주장합니다. 본 연구는 이 응용 분야에서는 엣지 장치 배포가 우선순위일 때 특히, 단일 단계 CNN 의 효율성이 전역 주의 메커니즘의 이론적 이점보다 중요하다고 강조합니다. 저자들이 제안한 향후 작업에는 불규칙한 잡초 형태를 더 잘 구분하기 위한 인스턴스 분할 탐색과 데이터셋 불균형을 해결하기 위한 합성 데이터 증강 (예: GAN 또는 확산 모델) 사용이 포함됩니다.