연구진이 306개 과일 카테고리로 구성된 대규모 데이터셋을 구축했어요. 과일 인식 성능 향상을 위해 이종 백본 기반의 동적 추론 프레임워크 FruitEnsemble을 제안했어요. FruitEnsemble은 MLLM을 활용해 과일의 식물학적 설명을 통합하고 CoT 추론을 통해 시각적 검증을 수행해요.
앙상블 신뢰도가 낮을 경우 MLLM이 작동하여 어려운 샘플을 처리하며, 기존 모델보다 70.49%의 정확도를 달성했어요. FruitEnsemble은 실제 농업 환경에서 시각적 분류 및 품질 검사에 활용될 수 있어요.