A Study on Meta-Learning Based Neural Architecture Search for Crop Disease Diagnosis in IoT Environments

농업 분야에서 병충해 작물의 신속하고 정확한 진단은 생산성과 품질을 높이는 데 매우 중요하다. 그러나 실제 농업 환경에서는 양질의 학습 데이터 부족, IoT 기기의 메모리 용량, 연산 용량 제약과 같은 어려움이 있다. 따라서 작물 병충해 진단을 딥러닝으로 해결하기 위해서는 작은 크기를 갖는 경량 모델이 적은 학습 데이터로도 작물 병충해 진단을 효과적으로 수행할 수 있어야 한다. 본 연구에서는 이러한 문제를 해결하기 위해 메타 러닝 기법과 신경망 구조 탐색 기법을 함께 활용하는 작물 병충해 진단 기법을 제안한다. 제안 기법은 경량 모델로 구성된 탐색 공간에서 다양한 병충해 작물 태스크에 대해 적은 데이터로도 일반화가 가능한 메타 모델을 탐색하여 활용한다. 실제 작물 병충해 데이터로 진행한 실험 결과, 제안된 기법으로 학습된 모델은 기존 연구에서 사용한 모델과 비교하여 파라미터 수가 98.7% 적은 모델로 15.5% 이상의 정확도 향상을 기록하였다. 이와 같은 결과는 제안 기법이 실제 농업 환경에서의 제한된 환경에서도 효과적으로 작물 병충해 진단을 수행할 수 있음을 보여준다.