이 연구는 차나무 줄기를 갉아먹는 흰개미(Postelectrotermes militaris, ULWT)를 조기에 발견하기 위해 라즈베리파이 기반 IoT 음향 센서와 딥러닝을 결합한 비침습적 모니터링 프레임워크를 제안한다. 고감도 마이크로 차나무 줄기의 소리를 수집해 위치 좌표와 함께 기록하고, 10초 단위로 잘라 총 2,000개 샘플(건강 1,000개, 감염 1,000개)을 확보한 뒤 1,600/200/200으로 나눠 학습·검증·테스트했다. 푸리에 변환 스펙트로그램으로 학습한 CNN은 테스트셋에서 정확도 81.5%, 정밀도 80.6%, 재현율 83.0%, F1 81.8%, ROC-AUC 0.819를 기록했다. 단순 이진 감염 판별을 넘어 CNN 예측 확률, 평균 음향 진폭, 반경 5m 이내 감염 식물 수를 결합한 가중 심각도 모델과 지리공간 매핑을 통해 고위험 구역 식별과 현장 점검 우선순위 설정을 지원한다.

• •라즈베리파이 기반 고감도 마이크로 차나무 줄기 음향을 수집하는 비침습 IoT 모니터링 시스템
• •2,000개 10초 음향 샘플(건강/감염 각 1,000개)로 CNN 학습, 테스트 정확도 81.5%, ROC-AUC 0.819
• •CNN 확률·음향 진폭·인근 5m 내 감염 식물 수를 결합한 가중 심각도 모델 도입
• •지리공간 매핑으로 고위험 구역을 시각화해 방제 우선순위 결정을 지원