AI가 농작물 질병을 예측할 수 있을까?
 |
| 농사에 AI 사용은 당연하다 |
시작하며
농업은 우리 삶의 기본이 되는 분야죠. 쌀이든 채소든, 농작물이 잘 자라야 다들 배고프지 않게 살 수 있으니까요. 근데 요즘 들어 농작물 질병 때문에 골치 아픈 일이 많아졌어요. 기후 변화 때문인지, 환경이 점점 더 안 좋아져서인지, 예전처럼 눈으로 보고 손으로 관리하는 것만으로는 한계가 느껴지더라고요. 그래서 문득 궁금해졌어요. 요즘 핫한 인공지능(AI)이 이 문제를 해결해 줄 수 있지 않을까? 이번에 좀 알아보면서 AI가 농사에 어떻게 도움을 줄 수 있는지, 또 어디까지 가능한지 정리해 봤습니다.
AI가 농사에서 하는 일
AI가 농작물 질병을 예측한다고 하면, 저는 제일 먼저 떠오르는 게 사진 찍는 거예요. 예를 들어, 스마트폰이나 드론으로 작물 잎을 찍으면 AI가 그걸 분석해서 "이거 병 걸린 거야!"라고 알려주는 거죠. 이게 가능한 게, AI 안에 이미지 분석 기술이나 딥러닝 같은 게 있어서 잎사귀 상태를 알아채는 데 엄청 빠르고 정확하대요.
최근에 읽은 자료에서 감자 잎 질병을 AI로 98% 맞춘 사례가 있더라고요(Alhammad라는 사람이 연구한 거라던데). 농부 입장에서는 이게 진짜 대단한 도움일 것 같아요. 제가 아는 농사짓는 아저씨도 잎사귀 하나하나 눈으로 확인하느라 힘들다고 했는데, 이런 기술이 있으면 훨씬 편할 거예요. 게다가 요즘은 "설명 가능한 AI(XAI)"라는 것도 있어서, AI가 왜 그렇게 판단했는지 이유도 알려준다고 하니까 신뢰도 더 생길 것 같고요.
또 하나 신기한 건, AI가 날씨나 토양 데이터를 보고 질병이 생길 가능성을 미리 계산할 수 있다는 거예요. 예를 들어, 비가 많이 와서 습도가 높아지면 곰팡이 질병이 생길 확률이 높아지잖아요? 그걸 AI가 미리 알아채서 "곧 위험해질 거야, 조심해!"라고 경고해 준대요. 이건 농부들이 미리 대비할 시간을 벌어주는 셈이죠.
좋은 점
AI가 농사에 들어오면 좋은 점이 꽤 많아요. 일단 빠르고 정확하다는 게 최고예요. 옛날에는 전문가가 직접 밭에 와서 봐야 했는데, 이제는 스마트폰으로 사진만 찍으면 끝이니까 시간도 아끼고요. 또 농약을 덜 써도 된다고 하더라고요. 질병 있는 데만 딱 찍어서 관리하면 되니까 돈도 절약되고, 환경 오염도 줄어들잖아요. 저희 동네에서도 농약 냄새 때문에 걱정하는 분들이 많았는데, 이런 기술이 퍼지면 좀 나아질지도 모르겠어요.
그리고 AI는 쓰면 쓸수록 똑똑해진대요. 데이터가 쌓일수록 더 잘 맞추고, 새로운 병이 생겨도 금방 적응한다고 하니까 앞으로 더 기대돼요.
문제점도 있더라고요
근데 이게 완벽한 건 아니에요. 제가 느낀 건데, 일단 데이터가 엄청 많이 필요하대요. 근데 지역마다 날씨도 다르고, 같은 병이라도 생기는 모양이 다를 수 있어서 데이터 모으기가 쉽지 않을 거예요. 우리나라 시골처럼 인터넷도 잘 안 터지는 데가 많아서 실시간으로 쓰기도 힘들 것 같고요. IoT 센서 같은 첨단 장비가 있어야 제대로 된다고 하는데, 그걸 설치하려면 돈도 좀 들 텐데요.
그리고 AI가 "이거 병이야"라고 해도, 왜 그런지 이해하기 어려울 때가 있대요. 농부 아저씨들이 "이걸 믿어도 되나?" 싶을 수도 있잖아요. 설명을 잘해주는 기술(XAI)이 더 좋아져야 할 것 같아요.
마무리하며
솔직히 AI가 농작물 질병을 예측하는 걸 보면서 신기하기도 하고, 한편으로는 희망적이기도 했어요. 빨리 알아채고 막을 수 있으면 농사도 더 잘되고, 환경도 덜 망가질 테니까요. 근데 아직은 데이터나 장비 같은 걸 더 보완해야 실질적으로 농부들한테 도움이 될 것 같아요.
앞으로 농업이 더 디지털로 변하면서 AI가 진짜 농부들의 든든한 친구가 될 날이 오지 않을까요? 저는 그때쯤이면 밭에서 AI랑 같이 일하는 모습도 볼 수 있을 것 같아서 기대돼요.
참고 문헌
- Alhammad, S. M., Khafaga, D. S., El-hady, W. M., Samy, F. M., & Hosny, K. M. (2025). Deep learning and explainable AI for classification of potato leaf diseases. Frontiers in Artificial Intelligence, 7, 1449329. https://doi.org/10.3389/frai.2024.1449329
- Selvaraju, R. R., Cogswell, M., Das, A., Vedantam, R., Parikh, D., & Batra, D. (2017). Grad-CAM: Visual explanations from deep networks via gradient-based localization. Proceedings of the IEEE International Conference on Computer Vision, 618–626.
---