지식 임베딩을 활용한 이미지 기반 작물 질병 진단 LLM 시스템 구현

Implementation of an Image-Based Crop Disease Diagnosis LLM System Using Knowledge Embeddings

농업 생산성 향상과 품질 향상을 위해 작물질병의 조기 진단과 신속한 대응은 필수적이다. 그러나 기존 YOLO 기반 작물질병 진단은 새로운 작물질병 대응과 구체적 조치 제시에 한계가 있다. 본 논문에서는 대규모 언어 모델(LLM)과 임베딩 기반 검색을 결합한 이미지 기반 작물질병 진단 시스템을 제안한다. 사용자가 업로드한 이미지는 대형언어모델(LLM; Large Language Model)을 통해 자연어로 서술되며, 해당 서술은 Qdrant 벡터 데이터베이스에서 유사 사례 검색에 활용된다. 검색 결과는 LLM에 의해 종합되어 최종 진단과 방제 방법이 자연어로 제공된다. 본 연구는 임베딩과 LLM을 결합한 새로운 진단 체계를 제시하여, 스마트 농업 환경에서 작물질병 관리 효율성을 제고하는 데 기여할 수 있을 것으로 기대된다.

Early diagnosis and rapid response to crop diseases are essential for improving both agricultural productivity and product quality. However, existing YOLO-based diagnostic approaches have limitations in addressing novel diseases and in providing concrete control measures. This study proposes an image-based diagnostic system that integrates a Large Language Model (LLM) with embedding-based retrieval. Uploaded images are described in natural language by the LLM, and the generated description is used as a query for similarity search in a Qdrant vector database. The retrieved results are then synthesized by the LLM to deliver final diagnoses and control methods in natural language. This study presents a novel diagnostic framework that combines embedding-based retrieval with an LLM, and it is expected to improve the efficiency of crop disease management in smart agriculture environments.