earticle

영어

This review paper focuses on the digital transformation of yield prediction for the sustainable development of the Jeju citrus industry, emphasizing current applications and future challenges of image analysis technologies. Accurate yield prediction is essential for stabilizing farm income, improving distribution efficiency, balancing supply and demand, and optimizing cultivation strategies. However, traditional statistics-based approaches are limited by climate change, cultivation area fluctuations, and labor shortages. In this context, Al-driven digital technologies —especially non-invasive image analysis —have emerged as promising alternatives. The paper provides an in-depth overview of image analysis applications in two key areas: fruit detection and counting, and fruit size and growth prediction. Notably, deep learning-based object detection models (e.g., YOLO, Faster R-CNN) and 3D reconstruction technologies have improved prediction accuracy. Integrating auxiliary data, such as maturity and quality indicators, is also discussed. Despite these advancements, challenges remain for real-world implementation. These include data collection under varied environments, model robustness (especially against occlusion), and the need for real-time processing and user-friendly system design. Future research should prioritize integrating heterogeneous data — including weather and soil — long-term time-series learning, and developing cost-effective, high-efficiency solutions. These efforts are expected to enhance the accuracy and reliability of citrus yield predictions, driving the digital transformation and sustainable future of the Jeju citrus industry.

한국어

본 리뷰 논문은 제주 감귤 산업의 지속가능한 발전을 위한 생산량 예측 디지털 화에 초점을 맞춰，이미지 분석 기술의 적용 현황과 미래 과제를 심층적으로 분 석한다. 감귤 생산량 예측은 농가 소득 안정화，유통 효율성 증대，시장 수급 조 절，그리고 재배 전략 최적화에 필수적이 다. 하지만 기후 변화，재배 면적 변동， 노동력 부족 등으로 인해 기존 통계 기 반 방식은 한계를 드러낸다. 이에 따라 인공지능(AI) 기반의 디지털 전환，특히 비침습적 이미지 분석 기술이 중요한 해 결책으로 부상한다. 논문은 이미지 분석 기술의 핵심 적용 분야인 감귤 개체 탐 지 및 개수 세기 (Fruit Counting), 그리고 과실 크기 및 생장 예측 기술 동향을 상 세히 다룬다. 특히 딥러닝 기반의 객체 검출 모델(YOLO, Faster R-CNN 등)과 3D 재구성 기술의 발전이 예측 정확도를 획기적으로 높이고 있음을 보여준다. 또 한，숙도 및 품질 지표를 보조 정보로 활 용하는 방안도 제시한다. 그러나 이미지 분석 기반 생산량 예측 시스템이 농업 현장에 성공적으로 안착하기 위해서는 몇 가지 당면 과제를 해결해야 한다. 주 요 과제로는 다양한 환경 조건에서의 데 이터 확보 및 관리의 어려움，모델의 강 건성 및 일반화 문제 (특히 과실 가림 현 상 해결)，그리고 현장 적용을 위한 실시 간 처리 능력과 사용자 친화적인 시스템 개발이 있다. 향후 연구는 이미지 데이터 뿐만 아니라 기상，토양 등 다양한 이종 데이터의 융합 분석，장기 시계열 학습， 그리고 저비용 고효율 솔루션 개발에 집 중해야 할 것이다. 이러한 노력들이 제주 감귤 생산량 예측의 정확도와 신뢰도를 획기적으로 높여，제주 감귤 농업의 성공 적인 디지털 전환과 지속 가능한 미래를 이끌 것으로 기대한다.