Detection and Tracking Method for Walnuts in a Walnut Sorting Device Based on Improved YOLOv8n+DeepSORT

농업의 세계에서 견과류를 선별하는 작업은 속도와 예리한 눈을 모두 요구하는 일입니다. 수 세기 동안 농부와 가공업자들은 좋은 호두와 나쁜 호두를 분리하기 위해 사람의 손이나 단순한 기계적 체에 의존해 왔습니다. 이러한 전통적인 방식은 작동은 하지만, 느리고 단단한 껍질 깊숙이 숨겨진 미세한 결함들을 놓치는 경우가 많습니다. 딱딱한 외관을 깨뜨리지 않고 그 아래에 무엇이 있는지 보기 위해, 엔지니어들은 X선 이미징 기술을 활용합니다. 병원을 방문해 본 사람이라면 익숙할 이 기술은 보이지 않는 방사선을 사용하여 고체 물체를 통과시키고, 화면에 내부 밀도와 구조를 보여줍니다. 현대적인 컴퓨터 비전과 결합되었을 때, 이 X선 이미지들은 패턴을 인식하도록 학습된 소프트웨어에 의해 분석될 수 있으며, 통통하고 건강한 알맹이와 쪼그라들거나 빈 것을 구별해 냅니다. 그러나 문제는 움직이는 컨베이어 벨트 위에서 이를 충분히 빠르게 수행하는 것인데, 이곳에서는 호두가 연속적이고 혼란스러운 흐름 속에 지나갑니다. 컴퓨터는 각 견과류를 식별할 뿐만 아니라, 옆에 있는 이웃들과 부딪히며 움직이는 순간순간마다 그 움직임을 추적하여 올바르게 분류되도록 보장해야 합니다.

신장 대학교(Xinjiang University)의 연구진은 산업용 선별기를 통과하는 호두를 관찰하고 분류하도록 설계된 새로운 시스템을 개발함으로써 이 구체적인 문제를 해결했습니다. 그들의 목표는 미세한 내부 세부 사항까지 볼 수 있을 만큼 날카로우면서도 공장 라인의 속도를 따라잡을 수 있을 만큼 빠른 디지털 눈을 만드는 것이었습니다. 그들은 먼저 사물을 찾는 데 사용되는 강력한 기존 도구인 신경망이라 불리는 인공지능의 한 유형으로 시작하여, 이를 호두 X선의 독특한 과제에 맞춰 구체적으로 개선했습니다. 실험 과정에서 그들은 시스템에 완벽하게 찬 것부터 완전히 빈 것까지 다양한 상태의 호두 X선 이미지 수천 장을 입력하여, 방사선이 껍질과 내부 알맹이를 통과하는 방식의 미묘한 차이를 소프트웨어가 인식하도록 학습시켰습니다.

그들 솔루션의 핵심은 함께 작동하는 두 가지 부분으로 구성됩니다. 첫 번째 부분은 X선 이미지를 스캔하여 모든 호두를 찾아내고 그 품질을 결정하는 검출기입니다. 두 번째 부분은 벨트를 따라 이동하는 각 호두를 추적하여, 기계가 어느 통에 떨어뜨려야 할지 알 수 있도록 고유한 식별자를 부여하는 추적기입니다. 연구진은 기존 버전의 도구들이 충분히 훌륭하지 않다는 것을 발견했습니다. 호두의 X선 이미지는 종종 대비가 낮아 내부 세부 사항이 흐릿하게 보이며, 표준 소프트웨어는 호두가 너무 빠르게 움직이거나 서로 너무 가까워지면 추적을 놓치는 경우가 있었습니다. 이를 해결하기 위해 팀은 검출 소프트웨어에 세 가지 구체적인 개선 사항을 적용했습니다. 우선, 컴퓨터가 배경의 방해 요소를 무시하고 호두 내부의 가장 중요한 흩어진 세부 사항에 집중할 수 있도록 돕는 새로운 어텐션 메커리즘(attention mechanism)을 추가했습니다. 다음으로, 이미지를 확대하는 표준 단계를 대신하여 매끄러운 가장자리와 질감을 보존하는 더 역동적인 방법을 도입하여 이미지가 뭉개지거나 왜곡되는 것을 방지했습니다. 마지막으로, 서로 다른 정보 계층을 결합하는 시스템 부분을 간소화하여 정확도를 잃지 않으면서 전체 프로세스를 더 빠르게 만들었습니다.

추적 구성 요소의 경우, 연구진은 서로 다른 프레임에 있는 두 호두 이미지가 동일한 물체에 속하는지 결정하는 방식을 변경했습니다. 단순히 형태가 얼마나 겹치는지에만 의존하는 대신, 형태 중심 사이의 거리까지 고려하는 방법을 도입했습니다. 이 작은 조정은 호두들이 밀집해 있거나 부분적으로 가려져 있을 때 매우 중요했는데, 이는 시스템이 각 개별 호두에 대한 일정한 잠금을 유지하도록 도와서 실수로 정체성을 바꾸거나 추적을 놓치는 것을 방지했습니다. 개선된 시스템을 기존 버전과 비교 테스트했을 때 결과는 명확했습니다. 새로운 검출기는 훨씬 더 높은 정확도로 호두를 식별하여 미세한 결함을 더 많이 잡아내고 오작동을 줄였습니다. 또한 초당 412프레임의 속도로 이미지를 처리했는데, 이는 실제 생산 라인의 빠른 흐름을 처리하기에 충분한 속도입니다. 추적 시스템 역시 개선되어 컴퓨터가 대상을 놓치거나 하나의 견과류를 다른 것으로 혼동하는 오류를 줄였습니다.

이 연구는 X선 이미징의 물리적 특성과 컨베이어 벨트 위의 호두의 움직임에 맞춰 이러한 디지털 도구들을 세심하게 조정함으로써, 오랫동안 인간의 판단에 의존해 온 작업을 자동화할 수 있음을 보여줍니다. 개선된 시스템은 단순히 견과류를 찾는 것에 그치지 않고, 전통적인 기계가 따라올 수 없는 정밀도로 그 움직임과 내부 품질을 이해합니다. 이 작업은 속도와 품질이 모두 중요한 견과류 가공 산업에 나아갈 길을 제시합니다. 이러한 고급 알고리즘이 공장 현장의 무질서한 실제 환경을 처리하도록 적응될 수 있음을 입증함으로써, 연구진은 더 효율적이고 신뢰할 수 있으며 자동화된 호두 및 유사한 작물의 선별을 위한 청사진을 제공했습니다. 이 연구 결과는 농업 선별의 미래가 단순히 더 빠른 기계에 있는 것이 아니라, 인간의 눈이 놓칠 수 있는 것을 보고 인간의 손이 잊을 수 있는 것을 기억할 수 있는 더 스마트한 소프트웨어에 있음을 시사합니다.