식량 안보와 지속 가능한 자원 관리 요구가 증대됨에 따라 스마트 농업이 빠르게 발전하고 있습니다. 클라우드-엣지-디바이스 협업 컴퓨팅은 분산 지능, 실시간 처리, 적응형 의사 결정을 가능하게 하여 기존 중앙 집중식 아키텍처의 한계를 극복하는 혁신적인 패러다임으로 부상했습니다.
본 총설은 농업 분야에서 클라우드-엣지-디바이스 협업의 아키텍처, 기술적 특성 및 적용 시나리오를 포괄적으로 검토합니다. 환경 모니터링, 지능형 관개, UAV-기계 협업, 가축 건강 관리, 병해충 방제 등 주요 응용 분야를 다룹니다.
주요 과제로는 장치 이질성, 데이터 일관성, 자원 제약, 개인 정보 보호 문제가 확인 및 논의됩니다. 또한, 지능형 스케줄링 알고리즘, 경량 엣지 AI, 계층적 데이터 융합, 연합 학습, 상호 운용성 프레임워크, 디지털 트윈 기술을 포함한 여섯 가지 핵심 연구 방향이 제시됩니다.
이 총설은 차세대 스마트 농업 시스템의 설계 및 구현 발전을 위한 실용적인 참고 자료이자 이론적 기반을 제공하는 것을 목표로 합니다.
급증하는 세계 인구와 지속 가능한 농업의 난제 속에서, 고성능 식물 표현형 분석(HTPP)은 작물 육종 및 정밀 농업 발전에 필수적인 도구가 되었습니다. 본 리뷰는 이미지 기반 HTPP의 최신 기술 동향을 종합적으로 다루며, 첨단 센서, 자동화된 표현형 플랫폼 및 딥러닝 기술의 통합에 중점을 둡니다.
연구는 2D, 2.5D, 3D 센서를 포함한 이미징 방식의 진화와 표현형 획득에서의 각 적용을 요약합니다. 또한, 스트레스 및 질병 감지, 성장 모니터링, 기관 계수, 뿌리 시스템 분석, 수확 후 품질 평가와 같은 핵심 표현형 작업에서 딥러닝 기반 모델의 발전을 검토합니다. 특히 트랜스포머 아키텍처, 다중 모드 융합 전략, 약지도 학습, 프롬프트 기반 파운데이션 모델의 등장을 조명합니다.
상당한 발전에도 불구하고, 현재 HTPP 시스템은 높은 비용, 개방형 환경에서의 제한된 일반화 능력, 대규모 주석 데이터셋의 필요성 등 여러 문제에 직면해 있습니다. 이에 대한 잠재적 해결책으로 전이 학습, 디지털 트윈을 통한 합성 데이터 생성, 엣지 장치를 위한 경량 배포, 모델 해석 가능성을 위한 불확실성 추정 등을 논의합니다.
본 리뷰는 주요 개발 사항과 미해결 과제를 강조함으로써, 미래 연구가 확장 가능하고 견고하며 지능적인 식물 표현형 시스템을 향하도록 안내하는 것을 목표로 합니다.
