드론으로 논을 스캔한다! 벼농사 밀도, AI로 계산 끝

벼농사를 짓는 농부들에게 씨앗이 잘 자랐는지, 몇 포기가 싹이 났는지는 수확량과 직결되는 중요한 정보다. 하지만 모내기 뒤 논에서 벼의 밀도를 일일이 세는 일은 여전히 사람 손에 의존한다. 크기가 작고 흩어져 자라는 벼 특성상 오차가 크고 시간도 오래 걸리기 때문이다.

그런데 최근 베트남 껀터대 연구팀이 새로운 방법을 내놨다. 드론에 고해상도 카메라를 달아 하늘에서 논 전체를 찍고, 찍은 이미지를 AI가 분석해 벼의 밀도를 빠르고 정확하게 계산하는 방식이다.

논 위 4m에서 10m까지, 가장 잘 보이는 고도는?

연구팀은 드론을 4m, 6m, 8m, 10m 상공에서 각각 날려가며 2헥타르 논을 촬영했다. 17일 전에 씨를 뿌린 후 싹이 올라온 시점을 골랐다. 드론은 자동으로 경로를 따라 비행하며 RGB 사진을 촬영했고, 현장에서 실제 벼 포기를 일일이 세어 비교 검증도 했다.

이렇게 찍힌 이미지에서 AI는 벼가 있는 자리(씨앗 구멍)를 찾아야 했다. 연구팀은 12개의 단계별 색상 임계값과 노이즈 제거 기술을 써서 물 반사, 역광 등 복잡한 환경에서도 벼의 위치를 식별했다. 이후 YOLOv10 같은 최신 딥러닝 모델과 3단 CNN 모델을 적용해 씨앗이 1포기인지, 여러 포기인지까지 구분했다.

가장 정확한 고도는 6미터!

결과는 어땠을까? 6미터 높이가 가장 정확했다. 너무 낮으면 사진에 벼가 크게 찍혀 오히려 겹쳐 보이고 노이즈가 생겼고, 너무 높으면 작은 벼 포기를 놓쳤다. 연구팀은 드론 촬영으로 계산한 벼 밀도가 실제 손으로 잰 값과 거의 비슷했다고 밝혔다.

게다가 YOLOv10 같은 최신 객체 탐지 모델과 직접 만든 분할 임계값+CNN 모델을 비교해본 결과, CNN 모델이 무리지은 벼까지 잘 분류해줬다. YOLOv10은 단일 객체 위치 파악에는 강했지만, 여러 포기를 구분하긴 힘들었다.

농민이 다시 심을지 말지, AI가 알려준다

이 기술이 실현된다면 농민은 씨앗이 잘 자라지 않은 구역을 일찍 발견해 다시 심거나 비료·농약 투입량을 조절할 수 있다. 즉, 드론 한 대와 AI 알고리즘만 있으면 넓은 논 전체를 빠르고 정확하게 관리할 수 있다는 의미다.

연구팀은 앞으로 계절별·품종별 데이터로 학습 모델을 더 키우고, 드론뿐만 아니라 위성 이미지 등에도 적용해 농업의 자동화를 앞당길 계획이다.

출처 논문
Hieu Luu T, Nguyen TT, Ngo QH, Nguyen HC and Phuc PNK (2025). UAV-based estimation of post-sowing rice plant density using RGB imagery and deep learning across multiple altitudes. Frontiers in Computer Science. https://doi.org/10.3389/fcomp.2025.1551326