본 연구에서는 작물 이미지 데이터셋에 적합한 데이터 증강 기법으로 자연광 기반 증강을 제안하였다. NLA는 밝기, 색온 도, 대비 변화를 반영하여 실제 환경에서 발생 가능한 광조건 을 학습 데이터에 적용함으로써, 기존 YOLO 기본 증강 대비 더욱 현실적인 학습 데이터를 생성할 수 있도록 설계되었다. 참외와 딸기 데이터셋을 대상으로 한 실험 결과, NLA는 Baseline 대비 전반적인 성능 향상을 보였다. 또한 Baseline에 서 학습 후반부에 나타난 성능 저하나 불안정성이 NLA에서 는 완화되어, 제안 기법이 과적합 방지와 학습 안정성 유지에 도 효과적임을 입증하였다. PatchSwap은 Mosaic의 한계를 보완하기 위한 보조적 시도로 실험에 포함되었으나, 종합적 인 성능 향상에는 뚜렷한 기여를 하지 못하였다. 본 연구 결과는 작물 이미지에서 실제 광조건을 반영한 데 이터 증강의 필요성과 유효성을 보여주었으며, 이는 향후 다 양한 작물과 촬영 환경으로 확장 가능한 가능성을 제시한다. 앞으로는 NLA의 적용 범위를 확대하고, 다른 딥러닝 모델 및 추가적인 농업 데이터셋에 대한 성능 검증을 통해 본 기법의 범용성과 실효성을 더욱 강화할 필요가 있다.

폐쇄형 묘생산 시스템에서 청색LED, 적색LED, 백색형광등을 인공광원으로 이용한 가운데 파프리카의 육묘시 생장 특성과 정식 후 생장 및 초기 수량을 분석하고자 본 연구가 수행되었다. 폐쇄형 시스템에서 파프리카 육묘용 환경조건은 광주기 16/8h, 평균 PPF 204μmol·m-2·s-1, 기온 26/20℃, 상대습도 70%이었다. 육묘 후 21일째에 백색형광등과 LED 하에서 생장된 파프리카 묘의 엽장, 엽폭, 엽면적 등 잎 관련지표뿐만 아니라 지상부 생체중과 건물중, 엽록소함량 등이 자연광 처리구에 비해서 크게 나타났다. 청색 LED, 적색LED 및 자연광 처리구에서의 엽면적은 대조구인 형광등 처리구와 비교할 때 각각 63%, 63%, 28%에 해당하였다. 또한 청색LED, 적색LED 및 자연광 처리구의 지상부 건물중은 각각 대조구의 64%, 50%, 22%로 나타났다. 정식 후 18일째에 엽수는 대조구에서 44매로 가장 크게 나타났다. 적색LED, 청색LED 및 자연광 처리구의 엽수는 대조구에 비해서 각각 86%, 81%, 48%로서 정식 시기와 비교할 때 엽수의 차이가 줄어들었다. 정식 후 114일째에 초장은 청색LED와 적색LED 처리구에서 상대적으로 작게 나타났다. 이러한 결과는 단색LED 하에서 육묘된 파프리카의 줄기 신장이 정식 후에 억제된 것으로 판단된다. 초기 4주 동안 수확된 파프리카는 청색LED 3.5개/plant, 적색LED 3.3개/plant, 자연광 1.0개/plant으로서 대조구 2.2개/plant에 비해서 각각 159%, 150%, 45%로 나타났다. 초기수량은 적색LED 453g/plant, 청색LED 403g/plant, 자연광 101g/plant으로서 대조구 273g/plant와 비교할 때 각각 166%, 148%, 37%로 나타났다. 한편 적색LED 처리구에서의 평균 중량은 136g으로서 다른 처리구와 비교할 때 상대적으로 큰 과실이 생산되었다. 한편 정식 후 온실에서의 재배기간이 길어짐에 따라 인공광 처리구와 자연광 처리구에서 수량 차이가 없었다. 이러한 결과를 종합하면 LED 또는 형광등을 인공광원으로 이용한 조건에서 육묘된 파프리카의 정식 후 초기 생육이 양호하였으며, 초기 수확이 자연광 처리구에 비해서 1주 정도 빠르게 이루어졌음을 알 수 있다. 따라서 LED 또는 형광등과 같은 인공광원이 파프리카 육묘에 이용될 경우 묘소질의 향상, 조기 수확 및 초기 수량의 증대가 기대된다.