UAV 이미지를 고려하여 LLM 에이전트로 최적화된 새로운 YOLO26-MoE 기반 애자 결함 탐지

요약

UAV 영상을 활용한 전력선 애자 결함 탐지를 위해 YOLO26의 고해상도 분기에 Sparse Mixture-of-Experts(MoE) 모듈을 결합한 YOLO26-MoE 아키텍처를 제안합니다. 이 모델은 LLM 에이전트를 활용하여 하이퍼파라미터 최적화를 수행하였으며, 기존 YOLO 모델들을 능가하는 높은 mAP 성능을 달성했습니다.

핵심 포인트

• YOLO26의 고해상도 분기에 Sparse MoE 모듈을 통합하여 미세하고 다양한 결함 패턴에 대한 적응형 특징 정제 구현
• LLM 에이전트를 활용한 하이퍼파라미터 최적화 및 학습 프로세스 자동화
• 0.9900 [email protected] 및 0.9515 [email protected]:0.95를 기록하며 최신 YOLO 모델 대비 우수한 성능 입증
• UAV 기반의 복잡한 배경 및 다양한 촬영 조건에서도 신뢰할 수 있는 결함 탐지 솔루션 제공