Occluded Region Restoration and Geometric Positioning of Fruits Using Deep Learning-Based Pose Estimation and Landmark Detection

최근 농업 분야에서는 수확 로봇의 활용을 위한 연구가 활발히 이루어지고 있으나, 과실이 다른 과실이나 장애물에 가려져 있는 경우 기존 객체 탐지 기법만으로는 과실의 정확한 영역 파악이 어렵다. 본 연구에서는 이러한 문제를 해결하기 위해, 딥러닝 기반의 자세 추정과 랜드마크 검출 기법을 적용하여 가려진 과실의 영역을 복원하고 기하학적 위치를 추정하는 방법을 제안한다. Unity 기반 가상환경에서 과실의 다양한 회전 및 가림 조건을 반영한 RGB-D 데이터를 생성하고, YOLO11s-pose 모델을 활용해 2D 이미지 상에서 과실 외곽 랜드마크를 자동으로 검출하였다. 실험 결과, 객체 탐지 및 자세 추정에서는 mAP50 기준 0.995의 정확도를 보였으며, 회전 각도 평균 오차는 약 2.4°, 정규화된 랜드마크 검출 오차는 0.04 수준으로 나타났다. 본 연구는 부분 가림이 있는 환경에서도 정밀한 과실 인식이 가능함을 보였으며, 향후 실환경 적용을 위한 수확 자동화 기술로 확장될 수 있을 것으로 기대된다.