AI 식물 진단 앱 정확도 90%의 진실은? 사진 한 장으로 병을 알아내는 원리와 한계

사진 한 장을 찍어 올리면 AI가 병충해를 짚어주는 식물 진단 앱이 이미 여럿 나와 있다. 다만 ‘얼마나 정확한가’는 서비스마다 검증 수준이 크게 다르다는 점을 짚어볼 필요가 있다.

무엇이 있었나

제주도농업기술원과 농촌진흥청은 2024년 하반기부터 ‘스마트 병해충 진단 서비스’라는 AI 기반 앱을 보급하고 있다. 농업인이 이상 증상이 있는 작물 사진을 올리면 AI가 병해충을 분석하고, 국가농작물병해충관리시스템과 연동해 방제 정보까지 제공하는 방식이다. 제주도에 따르면 이 서비스의 영상 진단 정확도는 평균 90% 이상이며, 딥러닝 기반이라 사용자가 늘어날수록 정확도가 올라간다고 밝혔다.

소비자용 식물 관리 앱 시장에서는 국내 앱 ‘모야모’가 140만 명의 이용자를 보유하고 있으며, 최근 구글의 생성형 AI ‘제미나이(Gemini)’를 결합한 식물 상담 기능을 추가했다. AI 진단으로 해결이 안 되는 경우 실제 전문가에게 질문할 수 있는 기능도 함께 운영하고 있다. 해외에서는 ‘AI Plant Doctor’ 같은 앱이 자체적으로 95%의 정확도를 목표로 한다고 소개하고 있으나, 이는 자체 시뮬레이션 테스트에 기반한 수치로 독립적인 검증 결과는 아니라는 점에 유의할 필요가 있다.

국내에서는 하드웨어까지 결합한 초기 시도도 나오고 있다. 인공지능신문(2026.4.13)에 따르면 광주과학기술원(GIST) 학생 창업팀 ‘루티브’는 AI 카메라와 자체 AI 모델을 결합해 식물의 생육 상태를 진단하는 기기를 개발 중이며, 중소벤처기업부·창업진흥원의 ‘2026 예비창업패키지’에 참여해 기술 검증 단계를 밟고 있다. 아직 상용화 이전의 실증(PoC) 단계라는 점에서, 가정용 AI 진단 하드웨어는 초기 단계에 머물러 있는 것으로 볼 수 있다.

왜 사진 한 장으로는 부족할까 — ‘진단’이 아니라 ‘분류’에 가깝다

AI 식물 진단 앱을 이해할 때 가장 먼저 짚어야 할 점은, 이 기술이 잘하는 것은 이미지 분류이지 원인 추론이 아니라는 사실이다. 같은 겉모습이 전혀 다른 원인에서 비롯되는 경우가 흔하기 때문이다.

예를 들어 ‘잎끝이 갈색으로 마른다’는 증상 하나만 보더라도 원인은 과습으로 인한 뿌리 손상, 건조로 인한 수분 부족, 화학비료·수돗물의 염류 집적, 물리적인 뿌리 손상, 직사광선에 의한 잎 데임 등 여러 갈래로 갈린다. 사람 눈으로 봐도 이 다섯 가지는 사진 한 장만으로 구분하기 쉽지 않은데, AI 역시 마찬가지다. AI 모델은 대량의 사진 데이터에서 ‘이 패턴이 어떤 라벨에 가까운가’를 학습한 것이지, 화분 속 흙의 상태나 최근 며칠간의 관리 이력, 실내 습도 같은 맥락 정보까지 함께 판단하는 것은 아니다. 즉 AI는 증상의 겉모습을 인식하는 데는 능하지만, 그 증상이 ‘왜’ 생겼는지 원인을 추론하는 것은 본질적으로 다른 문제이며, 아직은 사람의 경험적 판단을 완전히 대체하기 어려운 영역이다.

정확도를 좌우하는 것 — 사진의 질

같은 AI 모델이라도 업로드된 사진의 상태에 따라 진단 정확도는 크게 달라질 수 있다. 실제 사용 후기와 서비스 안내에서 공통으로 언급되는 요소는 다음과 같다.

초점: 병변 부위가 흐릿하게 찍히면 AI가 인식하는 특징 자체가 왜곡된다.
조명: 그늘지거나 역광인 사진은 색상 정보가 왜곡돼 변색 증상 판별에 불리하다.
촬영 거리: 너무 멀리서 찍으면 병변이 작게 잡혀 특징을 읽기 어렵고, 너무 가까우면 전체적인 패턴(예: 잎 전체의 변색 분포)을 놓친다.
잎의 앞면·뒷면: 응애나 깍지벌레 같은 병해충은 잎 뒷면에서 먼저 나타나는 경우가 많은데, 앞면만 찍으면 놓치기 쉽다.

병변이 의심되는 부위를 근접 촬영한 사진과, 식물 전체 상태를 보여주는 사진을 함께 올리는 것이 진단 정확도를 높이는 데 도움이 된다.

정부 AI vs 소비자 앱, 무엇이 다른가

구분	정부 주도 AI (스마트 병해충 진단 서비스)	소비자용 앱
목적	농업 현장의 작물 병해충 조기 진단	실내·반려식물 관리 보조
검증 방식	정부 기관이 정확도를 공식 발표	대체로 자체 테스트 수치를 마케팅 자료로 제시
데이터 기반	국가농작물병해충관리시스템 등 국가 데이터	서비스 자체 수집 데이터, 공개 범위는 제각각
신뢰도 판단	공식 검증 수치로 상대적으로 신뢰 가능	서비스마다 차이가 커 액면 그대로 받아들이기 어려움

주의: 위 비교는 이번 리서치에서 확인된 사례를 바탕으로 한 일반적 경향이며, 모든 정부·민간 서비스에 동일하게 적용되는 것은 아닙니다.

왜 중요한가

이 흐름에서 짚어야 할 것은, ‘농업용’과 ‘소비자용’ AI 진단의 검증 수준이 다르다는 점이다. 제주도 사례처럼 정부 기관이 운영하며 정확도 수치를 공식 발표한 서비스가 있는 반면, 소비자용 앱들은 대체로 자체 테스트 수치를 마케팅 자료로 제시하는 경우가 많다. 두 경우를 같은 신뢰도로 받아들이는 것은 주의가 필요하다.

국내 식집사에게 미치는 영향

AI 식물 진단 앱은 잎에 이상 증상이 보일 때 대략적인 원인을 빠르게 짚어보는 용도로는 유용할 수 있다. 다만 이것이 확정 진단은 아니라는 점을 염두에 둘 필요가 있다. 특히 뿌리썩음처럼 눈에 잘 보이지 않는 문제나, 여러 원인이 겹친 복합적인 증상은 사진만으로 정확히 가려내기 어렵다. 앱의 진단 결과를 참고하되, 증상이 심하거나 호전되지 않는다면 전문가 상담 기능이 있는 앱을 활용하거나 직접 화훼 전문가에게 문의하는 편이 안전하다.

앞으로 어떻게 될까

정부 주도의 농업용 AI 진단 서비스는 이미 정확도 검증과 함께 확산되고 있는 반면, 가정용 실내식물을 겨냥한 AI 진단은 아직 스타트업 단계의 실증이 이어지는 단계로 보인다. 이 격차가 앞으로 얼마나 빨리 좁혀지는지 지켜봐야 하며, 특히 실내식물 전용 데이터로 학습된 모델의 정확도가 독립적으로 검증되는지가 관건이 될 것으로 보인다.

[282정보연구소 한줄 해설] “AI가 90% 정확하다”는 문구를 볼 때는 그 수치가 누가, 어떤 방식으로 검증했는지부터 확인하는 습관이 필요하다고 본다. 정부 기관이 공식 검증한 수치와 앱 자체 홍보 수치는 신뢰도가 다르다. 또한 AI는 사진 속 패턴을 분류하는 데는 능하지만, 원인을 추론하는 데는 한계가 있다는 점, 그리고 사진의 초점·조명·촬영 거리에 따라서도 결과가 달라질 수 있다는 점을 함께 기억해두면 좋다.