Market Analysis국내외 서비스 벤치마킹 및
국내외 서비스 벤치마킹 및
차별화 전략
기존 식물 동정 서비스의 한계를 분석하고, 국립생물자원관의 데이터와 최신 AI 기술을 결합하여 독보적인 정확도와 신뢰성을 제공합니다.
해외 주요 서비스
PlantNet, iNaturalist, PictureThis 등
강점
- 전 세계 식물 종을 커버하는 방대한 데이터
- 시민과학 프로젝트 기반의 활발한 데이터 수집
- 다국어 지원 및 사용자 친화적 UI
한계점
- 한국 자생종 인식률 저조 (데이터 부족)
- 국가생물종목록(KTSN) 등 국내 표준 미적용
- 재배 식물 위주로 야생 식물 동정 정확도 변동
국내 현황 및 문제점
기존 공공/민간 서비스 분석
현황
- 국립생물자원관: 곤충, 거북류 등 일부 종 동정 제공
- 농촌진흥청: 병해충 진단 위주 (종 동정 아님)
- 서울시: 학습용 데이터셋 구축 단계
문제점
- 식물 전용 AI 동정 서비스 부재
- 종내 변이 및 종간 유사성 문제 해결 미흡
- 부위별(꽃, 잎, 줄기) 특징을 통합한 정밀 분석 부족
우리의 해결 방안 및 차별점
기존 서비스의 한계를 극복하기 위한 4가지 핵심 전략
KTSN 표준 연동
국가생물종목록(KTSN) 기반의 표준화된 학명/국명 라벨링 시스템을 적용하여 데이터의 신뢰성과 호환성을 보장합니다.
Fine-Grained AI
미세 분류 기술과 Part Localization을 적용하여 육안으로 구별하기 힘든 유사 종 간의 미세한 차이까지 식별합니다.
자생종 특화 데이터
해외 서비스에서 취약한 한국 자생 식물 데이터를 집중적으로 학습하여 국내 환경에 최적화된 동정 성능을 제공합니다.
설명 가능한 AI (XAI)
Grad-CAM 기술을 통해 AI가 판단한 근거(잎의 가장자리, 꽃술 등)를 시각적으로 제시하여 결과의 투명성을 확보합니다.
서비스 비교 분석
| 구분 | 해외 서비스 (PlantNet 등) | 국내 기존 서비스 | 본 플랫폼 (Plant ID) |
|---|---|---|---|
| 주요 대상 | 전 세계 식물 (범용) | 특정 분류군 (곤충 등) 위주 | 한국 자생 식물 특화 |
| 분류 체계 | 자체 분류 체계 | KTSN 일부 적용 | KTSN 완벽 연동 |
| AI 기술 수준 | 일반 이미지 분류 (CNN) | 초기 단계 / 머신러닝 | Fine-Grained + XAI + Attention |
| 판단 근거 제공 | 미제공 (확률만 표시) | 미제공 | Grad-CAM 히트맵 제공 |
| 데이터 관리 | 사용자 참여형 (검증 필요) | 관리자 중심 | 전문가 검수 + 자동 라벨링 |