순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
2025-02 발표 · 피인용 210회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 원 분야 자연과학
피인용 210회·동년 발표 논문 중 인용 상위 1%라는 높은 영향력을 보여 전체 분야 Editor’s Pick에 선정되었습니다.
논문 요약
전통적인 식물 병·해충 진단 방법이 시간·노동·전문 인력에 크게 의존한다는 한계를 극복하기 위해 딥러닝 기술이 도입되었습니다. 본 리뷰는 이미지 처리에 강점을 가진 딥러닝이 식물 질병·해충 식별 정확도를 크게 향상시킨 최근 연구들을 체계적으로 정리합니다. 기존 방법의 문제점을 제시한 뒤, 주요 딥러닝 알고리즘과 적용 사례를 상세히 논의하여 향후 연구 방향을 제시합니다.
후속 연구설계에 활용하기
리뷰에서 제시된 알고리즘·데이터셋 특성을 바탕으로 이미지 해상도·병·해충 종류·데이터 규모 등을 변수로 설정한 실증 연구를 설계할 수 있습니다.
핵심어
딥러닝식물 질병 탐지해충 탐지원격 탐사
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.