AI-Hub

데이터 변경이력

데이터 히스토리

소개

주요 과수(사과, 배)의 화상병 및 유사 병종의 이미지 데이터

구축목적

과수화상병 진단 및 처방 목적의 학습 데이터 구축

구축 내용 및 제공 데이터량

• 실제 촬영본 11만 건 (정상 9.5만 건, 질병 1.5만 건)을 활용하여, 각각 정상 작물 이미지 4만 건, 질병 원본 이미지 1.4만 건, 질병 증강 이미지 14만 건을 포함, 작물 2종에 대해 총 19.4만 건의 과수화상병 학습 데이터 도출
• 촬영 사진 내에서 관찰 대상인 부위를 관심 영역으로써 bounding box annotation을 1차 수행, 해당 영역 내에서 관찰되는 정상/질병에 대한 class number 할당
• 질병으로 분류된 이미지를 바탕으로 각종 transform 기법으로 변환 된 증강 데이터 생성

   

  구축 내용 및 제공 데이터량 표

  구분	과수화상병
  	작물명	질병명	구축수량
  1-0	배	정상	25,617
  1-1		배검은별무늬병	20,422
  1-2		배과수화상병	19,578
  2-0	사과	정상	35,938
  2-3		사과갈색무늬병	22,313
  2-4		사과과수화상병	21,930
  2-5		사과부란병	22,851
  2-6		사과점무늬낙엽병	21,454
  2-7		사과탄저병	21,452
  합계			211,555

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 과수화상병 진단 및 처방 목적의 학습 데이터 구축

활용 분야

• AI 기반 스마트 병해충 진단 및 예찰을 위한 AI 비전 기술 개발

소개

• 과수화상병 발병률이 높은 작물인 배와 사과를 대상으로, 과수화상병을 포함하여 주된 질병들에 대한 비정상(발병) 이미지 및 대응 부위의 정상 이미지를 포함한 AI 학습용 데이터를 구축함.
• 국내 피해 사례에 기반, 배와 사과에 대한 과수화상병 진단을 우선순위로 두어 접근성과 활용도를 목표하였으며, 재사용에 제한이 없도록 저작권 문제를 완전히 해결한 원천 데이터만을 취급함.
• 이미지 전체에 대한 질병 유무 태깅에 그치지 않고, 촬영 부위와 발병된 질병의 명칭, 피해 정도, 발병 부위의 위치 정보를 모두 명기하여, 데이터의 활용도에 따라 작물 질병에 대한 고차원 연구 및 고도화 된 상용화 서비스를 기대할 수 있음.

구축 내용 및 제공 데이터량

• 실제 촬영본 11만 건 (정상 9.5만 건, 질병 1.5만 건)을 활용하여, 각각 정상 작물 이미지 4만 건, 질병 원본 이미지 1.4만 건, 질병 증강 이미지 14만 건을 포함, 작물 2종에 대해 총 19.4만 건의 과수화상병 학습 데이터 도출
• 촬영 사진 내에서 관찰 대상인 부위를 관심 영역으로써 bounding box annotation을 1차 수행, 해당 영역 내에서 관찰되는 정상/질병에 대한 class number 할당
• 질병으로 분류된 이미지를 바탕으로 각종 transform 기법으로 변환 된 증강 데이터 생성

   

  구축 내용 및 제공 데이터량 표

  구분	과수화상병
  	작물명	질병명	구축수량
  1-0	배	정상	25,617
  1-1		배검은별무늬병	20,422
  1-2		배과수화상병	19,578
  2-0	사과	정상	35,938
  2-3		사과갈색무늬병	22,313
  2-4		사과과수화상병	21,930
  2-5		사과부란병	22,851
  2-6		사과점무늬낙엽병	21,454
  2-7		사과탄저병	21,452
  합계			211,555

대표도면

필요성

• AI 기술을 도입한 스마트팜 시스템의 관심이 높아짐에 따라 전 세계적으로 관련 기술 확보의 필요성이 대두됨.
• 현재 국내에서는 과수화상병 피해가 극심해지고 있어 선제적인 예찰 및 대응이 필요한 시점임.
• 배와 사과에서 빈번히 발생하는 과수화상병 데이터 및 추가적인 질병 정보를 이용하여 AI를 통한 자동 진단 시스템을 고려할 수 있으며 이를 위해서는 배와 사과에서 발병하는 질병 정보를 체계적으로 수집할 필요가 있음.
• 그러나 과수화상병 피해의 심각성에 비하여 AI를 통한 자동 진단 시스템 개발의 어려움이 산재해 있음.
• AI 개발자에게는 수집에 대한 낮은 접근성, 어노테이션 시 필요한 도메인 지식의 부족, 농업인들에게는 체계적인 데이터 구축 시스템 미비 및 AI 서비스에 대한 낮은 접근성으로 AI 기술 도입이 요원한 것이 현실
• 이에 국내에서 흔히 재배되는 과수화상병 및 배, 사과의 기타 질병 정보를 체계적으로 관리하고 제공함으로써 AI 모델 개발뿐만 아니라 과수화상병 연구에도 활용될 것으로 기대됨.

데이터 구조

• 데이터 구성

  데이터 구성 표

  데이터 셋	데이터 구성	데이터 예시	데이터 형식
  과수화상병 병해 이미지	▶ 병해에 대한 진전도별 이미지 - 정상, 초기, 중기, 말기 구분별 이미지 ▶ 촬영 환경(위치, 시간 등) 및 질병코드 분류(대상작물, 병해) 등 메타정보 포함	<정상작물이미지> <감염작물이미지>	JPEG파일, JSON 파일

   

• 어노테이션 포맷

  어노테이션 포맷 표

  분류	항목	형식	종류	예시
  이미지 정보 (description)	파일 이름 (image)	문자열	X	01.jpeg
  	취득일자 (date)	문자열	X	2020/11/30
  	촬영 지역 (region)	정수	X	12
  	이미지 높이 (height)	정수	X	3024
  	이미지 너비 (width)	정수	X	4032
  	과제 번호 (task)	정수	77, 78, 79, 80	77
  	촬영 유형 (type)	정수	0 (정상) 1 (질병) 2 (해충) 3 (충해)	1
  학습용정보 (annotations)	질병/해충 코드 (disease)	정수	0, 1, ..., 20	14
  	작물 코드 (crop)	정수	0, 1, ..., 12	9
  	촬영 부위 (area)	정수	0, 1, ..., 7	3
  	작물 생육단계 (grow)	정수	11 (육묘기) 12 (생장기) 13 (착화/과실기)	12
  	질병 피해 정도 (risk)	정수	0 (정상) 1 (초기) 2 (중기) 3 (말기)	2
  	주목 객체의 bbox 좌표 (points)	딕셔너리	{xtl, ytl, xbr, ybr}	{"xtl": 100, "ytl": 200, "xbr": 1100, "ybr": 1200}

   

데이터셋 구축 담당자

수행기관(주관) : 라온피플

수행기관(참여)

데이터 관련 문의처