수수는 세계 5대 곡물 중 하나이나 국내에서는 소규모로 재배되는 작물로 2009년 이후로 재배면적과 생산량 조사가 이루어지지 않고 있다. 수수는 밭작물의 논 재배시 안정적인 생산이 가능하며 휴경논에 재배된다면 자급률이 상승할 것으로 기대되는 작물이며, 지속적이고 안정적인 수급을 위해서 재배면적과 수량 추정 기술이 요구된다. 따라서 본 연구에서는 수수의 재배면적 산출을 위해 드론 영상을 기반으로 재배지를 추출하는 모델을 개발하였다. 경상북도 안동시 남후면 고상리에 위치한 수수 재배지(36°30'20.3"N 128°36'27.6"E, 약 18ha, 수수 재배 면적 1.6ha)에서 회전익 무인기(Matrice 300 RTK)에 RGB 카메라(Zenmuse P1)를 탑재하여 2022년 7월 8일부터 9월 2일까지 고도 80m, GSD 1cm/pixel로 총 5회 영상을 취득하였다. 그중 7월 28일에 취득한 영상들을 PIX4D 소프트웨어를 이용하여 접합 후 수수 재배지가 포함된 총 7장의 8,000×8,000pixel의 이미지로 분할하여 불필요한 Dataset 수를 감소시켰다. Label-Studio로 Sorghum, Other의 Class로 라벨링을 진행하였고 라벨링된 8,000×8,000pixel 이미지를 랜덤한 위치에서 1,000장의 2,048×2,048pixel 이미지로 분할하여 Dataset을 생성하였다. Train과 Validation의 Dataset 개수는 각 6,000장, 1,000장으로 나누었고 Unet의 Semantic Segmentation 모델을 생성하여 sparse categorical crossentropy 손실 함수와 sparse categorical accuracy 평가지표를 통해 모델의 성능을 평가하였다. 모델의 성능 개선, 학습 시간 단축, 과적합 방지를 위하여 10 Epoch마다 학습률을 ⅓으로 줄이는 전략과 얼리스탑 기능을 사용하였다. 재배면적 확인을 위한 이미지 분할을 진행한 결과, 총 1000 Epoch 중 61 Epoch의 학습이 진행되어 Train Dataset의 경우 loss = 0.0037, accuracy =　0.9985의 성능을 나타내었고, Validation Dataset의 경우 loss = 0.5111, accuracy = 0.9410의 성능을 도출하였다. 추후 다른 시기의 Dataset 추가를 통해 학습모델 및 validation의 성능 개선의 가능성을 검토할 예정이다.