스마트폰 병해충 진단 AI, 정확도와 피해 감소는 달랐다…방제 접근성이 성과를 가른다
스마트폰으로 작물 사진을 찍어 병해충을 가려내는 인공지능은 더 이상 실험실의 아이디어만은 아니다. 다만 검증된 성과를 따져보면, 진단 정확도가 곧바로 농작물 피해 감소로 이어진다고 보기는 어렵다. 실제 현장에서는 사진을 제대로 찍을 수 있는지, 스마트폰과 인터넷을 계속 쓸 수 있는지, 진단 뒤에 약제·전문가 상담·예측정보 같은 방제 수단에 접근할 수 있는지가 성패를 갈랐다.
이 구분은 중요하다. 유엔 식량농업기구(FAO)는 식물 병해충 때문에 해마다 전 세계 작물 수확량의 20~40%가 줄어든다고 본다. 피해 규모가 큰 만큼 조기 진단 기술의 필요성은 분명하지만, 검증 과제는 진단 성능 자체와 그 진단이 실제 방제로 이어지는 조건을 나눠서 보는 데 있다.
현장에서 확인된 것은 “정확한 진단”이지, 자동적인 피해 감소는 아니었다
스마트폰 기반 병해 진단 AI의 현장 성능을 확인한 대표 사례 가운데 하나는 카사바 병해를 대상으로 한 플랜트빌리지 누루(PlantVillage Nuru) 연구다. 이 연구에서 누루는 2020년 기준 평균 65% 정확도로 카사바 질병과 해충 피해 증상을 가려냈다. 같은 비교에서 농업지도 인력은 40~58%, 농민은 18~31% 수준이었다. 다만 이 수치는 잎 한 장만 봤을 때의 단순한 만능 정확도가 아니었다. 위쪽 잎과 아래쪽 잎을 합쳐 한 포기에서 6장의 잎을 확인하면 정확도는 74~88%까지 높아졌다.
이 결과는 두 가지를 함께 보여준다. 첫째, 스마트폰 AI가 현장 진단 보조 도구로 일정한 성능을 낼 수 있다는 점이다. 둘째, 그 성능 자체가 촬영 조건과 관찰 방식에 크게 좌우된다는 점이다. 실제 한국의 국가농작물병해충관리시스템 안내도 병은 피해 부위를 중심으로, 해충은 전체 부위가 잘 나오도록 촬영하라고 적고 있다. 초점이 흐리거나 방해 요소가 많으면 진단 성능이 흔들릴 수 있다는 뜻이다.
국내에서도 병해충 영상 진단은 이미 공공 서비스 단계로 들어왔다. 농촌진흥청은 2024년 9월 대국민 서비스 전환을 발표하면서 농작물 병해충 인공지능 영상진단·처방 앱의 평균 인식 정확도를 95% 수준으로 제시했다. 다만 이 수치는 특정 서비스 체계 안에서 산출된 값이고, 카사바 연구의 현장 비교 수치와는 작물, 병해충 종류, 평가 방식이 다르다. 서로 다른 숫자를 그대로 나란히 놓고 우열을 가를 수는 없다는 뜻이다.
피해가 계속되는 이유는 진단 다음 단계에 있었다
병해충 진단 AI의 한계는 기술 자체보다 이용 조건에서 더 분명하게 드러난다. 코트디부아르의 카사바 농가를 대상으로 한 2024년 연구를 보면, 누루 앱은 이용자들로부터 진단 결과의 신뢰성을 높게 평가받았지만 사용 지속성은 달랐다. 조사 지역 모두에서 프로젝트 지원이 약해진 뒤 이용 빈도가 감소했고, 연구진은 스마트폰 보유 여부, 인터넷 접근, 교육 수준, 농업 서비스와의 접촉이 이용을 가르는 핵심 변수였다고 정리했다.
비이용 농가의 사정은 더 구체적이었다. 연구에서는 비이용자의 76%가 스마트폰이 없었고, 41%는 내려받기·설치·회원 등록 등 사용 절차가 복잡하다고 답했다. 연구진은 스마트폰 구입비와 인터넷 비용이 특히 여성 농민을 포함한 취약 이용자에게 부담이 된다고 봤다. 진단 알고리즘의 정확도가 높더라도, 실제 현장에서는 단말기와 통신비, 사용 지원 체계가 없으면 기술 성과가 중간에서 끊긴다는 의미다.
여기에 방제 실행의 문제도 남는다. 병해충 관리에서는 무엇이 문제인지 아는 것만으로 끝나지 않는다. 등록 약제를 확인하고, 방제 시기를 맞추고, 병해충 예측 정보를 참고하고, 필요하면 전문가에게 추가 진단을 의뢰해야 한다. 한국의 국가농작물병해충관리시스템이 자가진단뿐 아니라 전문가 진단 의뢰, 작목별 병해충 예측정보 확인 기능을 함께 두는 이유도 여기에 있다. 공공 시스템 설계 자체가 ‘진단만으로는 부족하다’는 현실을 반영하고 있는 셈이다.
한국 적용성은 “정확도 경쟁”보다 방제 연결망을 얼마나 붙이느냐에 달렸다
한국에서는 스마트폰 보급률과 통신 환경이 상대적으로 높아 단말기 접근성 문제는 일부 개발도상국보다 약할 수 있다. 그렇다고 병해충 진단 AI가 곧바로 피해를 줄인다고 단정할 수는 없다. 현재 국가농작물병해충관리시스템의 AI 영상진단 안내 페이지에는 진단 가능 작물 목록이 제시돼 있고, 촬영 방법도 세세하게 적혀 있다. 다시 말해 서비스는 이미 실용 단계에 들어왔지만, 모든 작물과 모든 증상을 아무 조건 없이 판별하는 범용 도구는 아니다.
국내 적용에서 더 중요한 지점은 진단 이후의 연결이다. 공공 예찰 정보, 지역 농업기술센터 상담, 등록 약제 정보, 작기와 기상에 맞춘 방제 타이밍이 함께 묶여야 실제 피해 감소 효과를 판단할 수 있다. 농촌진흥청이 영상진단 결과를 바탕으로 전문가 상담과 방제 정보를 제공하는 구조를 강조한 것도 같은 맥락이다.
결국 병해충 진단 AI의 실제 성과는 두 층위로 나눠 봐야 한다. 첫 번째는 사진으로 병해충을 얼마나 잘 가려내느냐는 진단 성능이다. 두 번째는 그 진단이 현장에서 약제 선택, 예찰, 상담, 비용 부담 완화로 이어져 피해를 실제로 줄이느냐는 방제 실행 가능성이다. 지금까지 확인된 자료를 보면 스마트폰 AI는 첫 단계에서 의미 있는 진전을 보여줬지만, 두 번째 단계에서는 여전히 접근성의 격차가 성과를 좌우하고 있다.
자료: FAO, Understanding the context | Pest and Pesticide Management; Mrisho et al., Accuracy of a Smartphone-Based Object Detection Model, PlantVillage Nuru, in Identifying the Foliar Symptoms of the Viral Diseases of Cassava-CMD and CBSD(2020); Azzedine et al., Perception and adoption by cassava farmers of the PlantVillage Nuru application disseminated in the agricultural environment of Côte d’Ivoire(2024); 농촌진흥청, ‘농작물 병해충 인공지능(AI) 영상진단·처방 앱 서비스’ 대국민 서비스 전환(2024-09-25); 농촌진흥청 국가농작물병해충관리시스템, 스마트폰용 진단앱 안내; 농촌진흥청 국가농작물병해충관리시스템, AI 병해충 영상진단 안내