LLM 기반 딸기 품질 자동 판별

문제

기존 품질 판별은 단순 이미지 분류나 이진 판단에 머물러, 수확 기준·병해 진단 지침 같은 세부 해석을 제공하지 못합니다. 품종·환경에 따라 기준이 달라질 수 있어 고정된 분류기로는 유연한 대응이 어렵다는 한계도 있습니다.

접근

시스템 구성 — YOLOv11-seg 세그멘테이션 → OpenCV 정량 분석 → RAG 문서 검색 → LLM 해석·리포트 생성으로 이어지는 파이프라인.

• YOLOv11-seg로 딸기를 개체 단위로 분리해 분석 대상을 추출했습니다.
• OpenCV 영상처리로 익음 정도(색상), 크기, 병해 의심 요소를 정량화했습니다.
• 측정값을 자연어 프롬프트로 변환해 RAG(검색 증강 생성) 구조로 품질 기준·병해 지침 문서를 검색했습니다.
• LLM이 문서 기반 정보를 해석해 수확 가능 여부와 권고사항을 자연어 리포트로 생성합니다.

고정된 이진 분류기를 넘어, 품질 기준이 달라져도 문서만 바꾸면 적응할 수 있는 문서 기반 해석을 제공하는 것이 목표였습니다.

YOLOv11-seg · OpenCV · RAG · LLM · PyTorch · Python

발표: 김인곤, 신수용, “스마트팜 환경을 위한 LLM 기반 딸기 품질 자동 판별 시스템,” 제35회 통신정보 합동학술대회 (JCCI 2025), 2025.