드론과 인공지능의 만남, 유채 재배의 미래를 바꾸다: 고해상도 초분광 영상으로 본 수확량 예측 기술

인공지능과 드론으로 농사를 짓는다

서론: 스마트 농업의 최전선, 드론과 인공지능

유채(기름유채, Brassica napus)는 식용유뿐 아니라 사료, 바이오 연료 등 다양한 용도로 활용되는 중요한 작물이다. 특히 중국에서는 전체 유지작물 생산의 40% 이상을 차지할 만큼 경제적 비중이 크다. 하지만 유채의 수확량을 정확히 예측하는 일은 여전히 쉽지 않다. 전통적인 수확량 예측은 사람의 눈에 의존하거나 노동집약적 조사를 필요로 해 시간과 비용이 많이 든다. 이 한계를 뛰어넘기 위해 최근 무인항공기(UAV)와 초분광 영상, 그리고 머신러닝 알고리즘을 활용한 자동화 수확량 예측 기술이 각광받고 있다.

 1: 연구 배경과 목적 - 왜 UAV 기반 초분광 영상인가?

본 논문은 UAV에 탑재된 UHD185 초분광 센서를 활용해 유채의 수확량을 조기에 예측하고자 하는 목적을 가진다. 초분광 영상은 450~950nm의 파장 범위에서 125개 이상의 밴드를 이용해 식물의 생리적 상태를 정밀하게 포착할 수 있다. 여기에 머신러닝 기법을 결합해 주요 파장(EWs)과 식생지수(VIs)를 선별하고, 이를 기반으로 수확량 예측 모델을 구축한다. 이 접근은 기존 RGB나 멀티스펙트럼 영상에 비해 훨씬 더 정밀한 정보를 제공하며, 정확도 면에서 높은 가능성을 보여준다.

 2: 실험 설계 - 현장에서 드론이 수집한 데이터는?

실험은 저장성 항저우에 위치한 저장대학 농업 연구기지에서 진행되었다. 373개 플롯에 대해 질소 농도를 달리 적용(N0~N3)한 후, UAV를 이용해 유채의 꼬투리 형성 시기(수확 직전)에 고도 50m에서 초분광 영상을 수집했다. 영상은 판크로마틱 이미지와 결합 후 방사 보정, 노이즈 제거 등의 전처리 과정을 거쳐 최적의 스펙트럼 데이터를 확보했다.

 3: 머신러닝으로 예측 정확도를 높이다

연구진은 다양한 스펙트럼 전처리 기법(WT, SG, SNV 등)과 파장 선택 알고리즘(SPA, CARS, UVE 등)을 비교 분석했다. 특히 CARS-ELM(경쟁적 적응 재가중 샘플링 기반 극한 학습기) 조합은 R=0.8122, RMSE=170.4 kg/hm2라는 최고 성능을 기록했다. 이는 전체 스펙트럼을 사용하는 모델보다도 더 나은 결과로, 핵심 파장만을 이용해도 예측이 가능함을 시사한다. 식생지수 기반 모델에서도 14개 VIs 조합과 ELM 모델이 좋은 성능을 보였다(R=0.7674).

 4: 결과 해석과 응용 가능성 - 농업 현장의 혁신

본 연구는 UAV 기반 초분광 영상이 단지 정밀농업의 도구에 머무르지 않고, 실질적 수확량 예측이라는 농업 생산성 향상의 핵심 기술로 작동할 수 있음을 보여준다. 특히 유전자 육종이나 비료 처리 연구에서 고속 대량 데이터를 확보해 새로운 품종 선발이나 농법 최적화에 직접적으로 기여할 수 있다. 나아가, 이 기술은 다른 작물(예: 벼, 밀, 옥수수)로 확장 가능하며, 시계열 데이터 축적을 통해 조기 경고 시스템이나 자동 의사결정 지원 시스템으로 발전할 수 있다.

 결론: 유채 재배, 이제는 데이터로 말한다

이 연구는 UAV와 초분광 센서, 머신러닝의 융합을 통해 유채 수확량 예측의 새로운 기준을 제시했다. 핵심 파장만을 활용해도 전체 스펙트럼 못지않은 예측력을 확보할 수 있으며, 이는 센서 경량화나 실시간 처리 시스템 개발에도 도움이 된다. 향후에는 성장 초기 단계의 영상 데이터를 활용한 예측, 이미지 정보의 통합 분석, 딥러닝 기법을 접목한 예측 정확도 개선 등의 후속 연구가 필요하다. 이처럼 기술 기반 농업은 더 이상 미래가 아닌, 현재 진행형이다.

---

출처:

Zhu, H.; Lin, C.; Dong, Z.; Xu, J.-L.; He, Y. Early Yield Prediction of Oilseed Rape Using UAV-Based Hyperspectral Imaging Combined with Machine Learning Algorithms. Agriculture 2025, 15, 1100.