💻 computer science

The Lightweight Cherry Tomato Fruit Maturity Detection Method Based on Improved YOLOv10n

본 논문은 CCFM 특징 융합, PSA-BiFormer 어텐션, 그리고 C2f-Dual 전략을 통합하여 기존 방식 대비 모델 크기와 연산 복잡도를 크게 줄이면서도 높은 정밀도(94.3% mAP)와 속도(369 FPS)를 달est하는 경량 체리 토마토 숙도 검출 모델인 YOLOv10n-FBD를 제안한다.

원저자: Ji Cai, Shuaishuai Cui, Baofan Chen, Yuhao Hao, Kun Wang, Guozhu Song

게시일 2026-06-25

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ji Cai, Shuaishuai Cui, Baofan Chen, Yuhao Hao, Kun Wang, Guozhu Song

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

바쁜 방울토마토 농장을 상상해 보세요. 농부들은 힘든 일을 하고 있습니다. 바로 토마토를 정확한 순간에 수확해야 한다는 점입니다. 너무 일찍 따면 신맛이 나고, 너무 늦으면 썩어버립니다. 이를 손으로 하는 것은 느리고 비용이 많이 들며, 종종 과일에 상처를 입히기도 합니다.

이 논문은 로봇이나 농부가 방울토마토가 **초록색(미성숙)**인지, **빨간색(완숙)**인지, 아니면 **붉은빛(반성숙)**인지를 즉각적으로 알 수 있도록 설계된 새로운 "스마트 카메라 두뇌"를 소개합니다. 이 연구의 목표는 거대한 슈퍼컴퓨터 없이도 스마트폰이나 소형 로봇 같은 단순한 기기에 들어갈 수 있을 만큼 작으면서도, 매우 정확하고 믿을 수 없을 정도로 빠른 시스템을 구축하는 것이었습니다.

연구진이 이 "스마트 두뇌"를 어떻게 만들었는지 쉬운 비유를 통해 설명해 드리겠습니다.

시작점: "기본 모델"

연구진은 YOLOv10n이라는 표준적인 고성능 탐지 시스템에서 시작했습니다. 이것을 아주 유능하지만 약간 몸집이 큰 형사라고 생각하면 됩니다. 무언가를 찾아내는 데는 뛰어나지만, 다소 느리고 기기의 메모리 공간을 많이 차지합니다. 연구팀은 이 형사의 눈은 날카롭게 유지하면서도 더 빠르고 가볍게 만들기를 원했습니다.

세 가지 업그레이드 ("비법 소스")

새로운 모델인 YOLOv10n-FBD를 만들기 위해, 연구진은 이 형사에게 세 가지 특정 업그레이드를 제공했습니다.

1. "다각도 망원경" (CCFM Feature Fusion)

문제점: 때때로 토마토가 멀리 떨어져 있거나 잎 뒤에 숨겨져 있을 수 있습니다. 기존 모델은 작은 세부 사항을 놓치거나 배경과 혼동할 수 있습니다.
해결책: 연구진은 CCFM 모듈을 추가했습니다. 형사에게 여러 렌즈를 통해 동시에 장면을 볼 수 있는 망원경을 준다고 상상해 보세요. 하나는 근접 디테일(피부의 질감 등)을 위한 렌즈이고, 다른 하나는 전체적인 그림(토마토 송이의 전체적인 색상 등)을 위한 렌즈입니다.
결과: 이러한 다양한 시야를 결합함으로써, 모델은 과일에 대해 훨씬 더 풍부한 이해를 얻게 되었고, 작은 토마토나 부분적으로 가려진 토마토를 찾아내는 능력이 훨씬 좋아졌습니다.

2. "스포트라이트" (PSA-BiFormer Attention)

문제점: 농장에는 초록색 잎, 갈색 줄기, 밝은 햇빛 등 많은 노이즈가 존재합니다. 기존 모델은 가끔 토마토 대신 잎을 보는 데 에너지를 낭비하곤 합니다.
해결책: 연구진은 기존의 어텐션(Attention) 시스템을 BiFormer 메커니즘으로 교체했습니다. 이것은 스마트한 스포트라이트와 같습니다. 현장 전체를 균일하게 스캔하는 대신, 스포트라이트는 즉시 빨간색이나 붉은색 형태(토마토)를 포착하고 초록색 잎과 줄기는 무시합니다. 이는 클럽에서 VIP(토마토)만 통과시키고 나머지 사람들은 무시하는 보안 요원과 같습니다.
결과: 모델은 정확히 필요한 곳에 에너지를 집중하여 정확도를 크게 향상시켰습니다.

3. "가벼운 배낭" (C2f-Dual Strategy)

문제점: 기존 모델은 무거웠습니다. "근육"(파라미터)이 너무 많아서 작은 기기에서 실행하기에는 느리고 어려웠습니다.
해결책: 연구진은 C2f-Dual 전략을 사용했습니다. 형사가 쓰지도 않는 도구들이 가득 담긴 무거운 배낭을 메고 있다고 상상해 보세요. 연구진은 그 무거운 도구들을 매끈한 다목적 맥가이버 칼로 바꿨습니다. 그들은 작업을 두 개의 효율적인 경로로 나누었습니다. 한 경로는 모양(윤곽)을 처리하고, 다른 경로는 색상을 처리합니다.
결과: 연구진은 모델의 크기를 거의 40% 줄였고, 데이터 측면에서 37.5% 더 가볍게 만들었지만, 형사의 탐지 기술은 전혀 잃지 않았습니다.

결과: 슈퍼 성능을 가진 형사

이 새로운 시스템을 수천 장의 방울토마토 사진으로 학습시킨 결과, 성과는 인상적이었습니다.

속도: 초당 369장의 이미지를 처리할 수 있습니다. 이를 체감하기 쉽게 말하자면, 영화를 초당 369프레임으로 보는 것과 같습니다. 로봇이 밭을 지나가는 동안 실시간으로 토마토를 세고 분류할 수 있습니다.
정확도: 엄격한 기준을 적용했을 때, 토마토의 숙도를 **94.3%**의 확률로 정확하게 식별했습니다. 이는 기존 모델들에 비해 큰 도약입니다.
크기: 전체 "두뇌"의 크기는 단 3.5 MB입니다. 여러분이 휴대폰으로 찍은 고화질 사진 한 장보다도 작으며, 이는 저렴한 소형 하드웨어에도 쉽게 들어갈 수 있음을 의미합니다.

한계점 (논문에서 인정하는 부분)

저자들은 자신들의 시스템이 어려움을 겪을 수 있는 부분에 대해 솔직하게 밝혔습니다. 훈련 데이터의 완벽함을 보장하기 위해, 다음의 경우를 제외했습니다:

잎 뒤에 깊숙이 숨겨진 경우 (심한 가림 현상).
매우 멀리 있거나 아주 작은 경우.
극단적인 조명 조건 (눈부신 빛 반사나 칠흑 같은 어둠).

저자들은 만약 로봇이 잎이 많고 각도가 특이한 실제 과수원에서 이 시스템을 사용한다면, 통제된 테스트 환경보다 실수를 더 많이 할 수 있다고 인정했습니다. 또한, 세 가지 업업그레이드를 모두 결합했을 때 "반성숙" 토마토를 포착하는 정확도가 두 가지 업그레이드만 사용했을 때보다 약간 낮아진다는 점을 언급하며, 아직 미세 조정(fine-tuning)의 여지가 남아 있음을 시사했습니다.

요약

요컨대, 연구진은 강력하지만 무거운 AI 모델을 가져와서 더 좋은 안경(디테일을 보기 위해), 스마트한 스포트라이트(방해 요소를 무시하기 위해), 그리고 가벼운 배 backpack(빠르게 실행하기 위해)을 선물했습니다. 그 결과, 작은 기기에서도 작동하면서 이전 방식보다 더 빠르고 효율적으로, 방울토마토가 수확할 준비가 되었는지 즉각적으로 알려주는 시스템을 만들어냈습니다.

기술 요약: 개선된 YOLOv10n 기반의 경량 체리 토마토 과실 성숙도 검출 방법

문제 제기

체리 토마토 과실의 성숙도를 검출하고 인식하는 작업은 높은 정밀도, 빠른 인식 속도, 그리고 작은 모델 크기 사이의 균형을 동시에 달성해야 한다는 중대한 과제에 직면해 있습니다. 전통적인 수확 방식은 노동 집약적이고 비효ф적이며, 기존의 지능형 수확 시스템은 종종 불충분한 검출 정확도, 높은 미검출률, 과도한 계산 복잡성 문제를 겪습니다. 큰 모델 크기와 높은 처리 요구 사항은 이러한 시스템을 자원이 제한된 장치에 배치하는 것을 방해하여, 실제 농업 환경에서의 실질적인 적용을 제한합니다. 다양한 딥러닝 접근 방식(예: MobileNetV3 기반 YOLOv7, DSP-YOLOv7-CA, Swin Transformer 최적화)이 유망한 결과를 보여주었으나, 많은 모델이 속도, 정확도, 파라미터 수 사이의 최적의 평형점을 찾는 데 어려움을 겪고 있습니다.

방법론

본 연구는 베이스라인 YOLOv10n 아키텍처를 기반으로 구축된 경량 검출 방법인 YOLOv10n-FBD를 제안합니다. 이 모델은 세 가지 주요 기술적 개선을 통해 식별된 과제를 해결합니다:

CCFM (Channel Cross Feature Modulation) 특징 융합:
제한된 픽셀과 반복적인 컨볼루션/풀링으로 인해 발생하는 소규모 객체 검출 시의 정보 손실을 완화하기 위해, 저자들은 기존의 특징 융합 구성 요소를 CCFM 모듈(RT-DETR에서 채택)로 교체했습니다. 이 모듈은 PANet과 유사한 양방향 특징 흐름 아키텍처를 사용하지만 Fusion Block을 포함합니다. 이 블록들은 RepBlock과 어텐션 메커니즘을 사용하여 백본으로부터 추출된 다중 스케일 특징 맵( $S3, S4, S5$ )을 융합합니다. CCFM은 고수준 특징을 평탄화(flattening)하고 멀티 헤드 셀프 어텐션을 적용하여 채널 가중치를 재보정함으로써, 미세한 국부적 세부 정보와 전역적 문맥 정보를 통합하여 스케일 변화에 대한 적응성을 향age시킵니다.
PSA-BiFormer 어텐션 메커니즘:
기존의 위치 민감 어텐션(PSA) 메커니즘의 높은 계산 복잡도와 메모리 요구 사항을 극복하기 위해, 본 연구는 BiFormer 어텐션 메커니즘을 통합했습니다. BiFormer는 Bi-level Routing Attention (BRA) 전략을 채택합니다. 첫째, 영역 수준의 친화도 그래프(affinity graph)를 구축하고 프루닝(pruning)하여 각 노드에 대해 상위- $k$ 개의 연결만을 유지함으로써 무관한 영역을 필터링합니다. 둘째, 필터링된 키-값(key-value) 쌍에 대해 밀집 행렬 곱셈을 사용하는 토큰 간 어텐션(token-to-token attention)을 적용합니다. 이 접근 방식은 콘텐츠 인식 희소성(content-aware sparsity)을 달성하여, 전역 어텐션의 무거운 계산 비용 없이 모델이 중요한 특징(예: 붉은 과실)에 집중하고 배경 간섭(예: 녹색 잎)을 억제할 수 있도록 합니다.
C2f-Dual 경량화 전략:
계산 복잡도와 모델 크기를 줄이기 위해, 백본의 표준 C2f 모듈을 DualConv 설계를 사용하여 재구조화했습니다. 이 전략은 컨볼루션 연산을 두 개의 병렬 서브 레이어로 분리합니다:
- 공간적 특징과 질감 세부 정보를 포착하기 위한 3×3 컨볼루션 브랜치.
- 채널 상호작용과 의미론적 정보를 통합하기 위한 1×1 컨볼루션 브랜치.
  이 브랜치들은 그룹 컨볼루션과 융합 전략을 활용하여 잔차 연결(residual connections)을 통한 그래디언트 흐름의 무결성을 유지하면서도 파라미터와 FLOPs를 크게 줄입니다.

주요 기여

모델 아키텍처: CCFM, BiFormer, C2f-Dual 전략을 성공적으로 통합하여 정확도와 효율성의 트레이드오프를 최적화한 YOLOv10n-FBD 모델의 구축.
특징 강화: CCFM을 도입하여 다중 스케일 특징 표현을 개선하였으며, 특히 부분적으로 가려진 체리 토마토나 작은 크기의 토마토 검출을 지원함.
효율적 어텐션: 표준 PSA를 대체하기 위해 BiFormer 메커니즘을 적용하여, 불필요한 계산을 줄이는 이단계 라우팅 전략을 통해 효율적인 전역 특징 처리를 달성함.
경량화 최적ization: C2f-Dual 전략을 구현하여 검출 성능을 저해하지 않으면서 모델 크기와 파라미터 수를 대폭 압축함.

실험 결과

모델은 산시 농업 골짜기(Shanxi Agricultural Valley)에서 수집된 4,046장의 체리 토마토 이미지 데이터셋을 사용하여 훈련 및 평가되었으며, 성숙도는 세 단계(익은 상태(R), 익지 않은 상태(G), 반 익은 상태(RG))로 분류되었습니다.

성능 지표: YOLOv10n-FBD 모델은 **mAP@.5:.95에서 94.3%**를 달성하였으며, 이는 기존 YOLOv10n 베이스라인보다 2.2% 향상된 수치입니다.
효율성 이득:
- 파라미터 수: 37.5% 감소.
- 모델 크기: 3.5 MB로 압축되어 38.6% 감소.
- 계산 비용: 6.0 GFLOPs로 감소.
- 추론 속도: NVIDIA RTX 3090 GPU에서 369.0 FPS 달성.
비교 분석: 제안된 모델은 주요 모델들(Faster R-CNN, SSD, YOLOv5, YOLOv7, YOLOv8, YOLOv11)과 비교했을 때 mAP@.5:.95에서 2%에서 15% 사이의 향상을 보이며 우수한 성능을 입증했습니다. 또한 모든 비교 대상 YOLO 변형 모델들에 비해 파라미터와 모델 크기 면에서 현저한 감소를 보여주었습니다.
절제 연구(Ablation Studies): 실험 결과, 세 가지 모듈(CCFM + BiFormer + C2f-Dual)의 조합이 CCFM+BiFormer 조합(98.4%)에 비해 mAP@.5(97.9%)가 약간 감소하는 결과를 보였으나, 엄격한 기준인 mAP@.5:.95 지표에서는 94.3%로 안정적으로 유지됨을 확인했습니다. 이는 결합된 모델이 엄격한 평가 기준 하에서 더 나은 강건성과 위치 정확도를 제공함을 시사합니다.

의의 및 한계점

본 논문은 YOLOv10n-FBD 모델이 정밀도와 효율성의 균형을 맞춘 정확하고 효율적인 인식 네트워크를 성공적으로 구축하여, 복잡하고 가변적인 실제 응용 환경 및 자원이 제한된 장치에 적합함을 주장합니다. 이 모델은 동적 비디오 검증 시나리오에서 높은 신뢰도 점수와 검출률을 유지하며 높은 강건성을 보여줍니다.

그러나 저자들은 다음과 같은 특정 한계점을 인정하였습니다:

데이터셋 제약: 주석(annotation)의 일관성을 보장하기 위해 가려짐, 원거리, 극소형 과실을 제외한 데이터셋을 사용했습니다. 따라서 이 데이터셋은 조밀한 과수원 환경의 복잡성을 완전히 반영하지 못할 수 있으며, 이로 인해 그러한 시나리오에서의 검출 오류가 과소평가될 가능성이 있습니다.
일반화 능력: 데이터 수집이 특정 조명 조건, 각도 및 단일 지리적 위치(산시 농업 골짜기)에 국한되어 있어, 극한의 조명이나 다른 식재 패턴에 대한 모델의 일반화 능력이 제한될 수 있습니다.
모듈 호환성: 절제 연구에 따르면 세 가지 모듈을 모두 결합했을 때 경량화된 C2f-Dual 설계가 BiFormer 어텐션 메커니즘의 정밀도에 약간의 영향을 미치는 트레이드오프가 나타났으며, 이는 모듈 간의 시너지 최적화를 위한 여지가 있음을 나타냅니다.

본 연구는 제안된 방법이 경량화된 성숙도 검출을 크게 진전시켰다고 결론지으며, 향 향후 연구에서는 가려진 대상을 포함하도록 주석 규칙을 완화하고, 다양한 환경을 위한 데이터셋을 증강하며, 도입된 모듈 간의 시너지를 더욱 정교하게 다듬는 데 집중할 것이라고 밝혔습니다.