농업 분야 컴퓨터 비전(Computer Vision) 기술 확산으로 고품질 학습 데이터 확보가 필수적이나, 기존의 수동 데이터 구축 방식은 많은 시간과 비용이 소요되는 한계가 있다. 이에 본 연구는 최신 멀티모달 파운데이션 모델인 SAM3(Segment Anything Model 3)를 기반으로 반자동 어노테이션 시스템을 개발하였다. 제안 시스템은 (1) 텍스트 프롬프트 기반 객체 인 식, (2) SAM3 기반 정밀 마스크 생성 및 학습 가능한 폴리곤 좌표 변환, (3) 사용자 검증의 3단계로 구성되며 GUI로 구현 되었다. 600장 이미지 평가 결과, SAM3는 92.9%의 매칭률 과 0.790의 평균 정밀도(mAP)를 달성하였으며, 데이터셋 구 축 시간을 수동 작업 대비 96~98% 단축시켰다. 이는 SAM+ CLIP, Grounding DINO+SAM 등 기존 파운데이션 모델 대 비 정확도와 효율성 모든 면에서 월등한 성능이다. 본 연구는 파운데이션 모델의 제로샷 성능을 활용해 농업 데이터 레이블 링 효율을 개선하고 관련 AI 연구 가속화에 기여할 것으로 기 대된다.

기후 변동성과 시장 불확실성이 심화되는 상황에서 노지 작 물의 작황 모니터링은 점차 중요성이 커지고 있다. 기상자료 통계분석, 원격탐사기반 식생지수, 작물모형 중 하나에만 의 존하는 기존 모니터링 접근법은 부분적인 정보만 제공할 뿐, 현장상황을 종합적으로 판단하여 제시하지 못하는 한계가 있 다. 본 연구는 다중출처 데이터와 작물모형을 통합하여 지역 단위 작황 모니터링을 자동으로 수행하는 보고 서비스 개발을 목표로 한다. 제안하는 서비스는 (1) 기상자료 분석을 통한 환 경 특성 평가, (2) 위성영상을 활용한 식생지수 산출을 통한 실 시간 생육 상태 진단, (3) 작물모형을 활용한 기상환경에 따른 잠재 생산량 추정의 세 요소로 구성된다. 이러한 데이터는 파 이프라인을 통해 자동으로 처리하여 그 결과가 지도, 시계열 변화, 생산량 예측을 포함한 지역 단위 작황 보고서로 생성되 도록 시스템을 개발하였다. 잠재생산량은 생산량 통계 자료 와의 비교 검증을 통해 작물모형(APSIM)을 활용한 잠재 생 산량 추정치가 유의한 수준임을 확인하였다. 본 연구에서 제 안한 체계는 다양한 출처에서 생산되는 데이터를 자동화된 보 고 파이프라인으로 통합함으로써 농업 의사결정, 정책 수립, 기후 및 시장 위험에 대한 신속한 대응을 지원할 수 있는 의사 지원시스템의 주요 구성요소로 기여할 것이다.