본 발명은 딥러닝 기반 식물 병증세 글로컬 서술 방법에 관한 것으로, 이는 FPN(Feature Pyramid Network)가 적용된 Faster R-CNN(Region-based convolutional neural network)을 기반으로 다수 크기의 병해 의심 영역 각각에 대응되는 적어도 하나의 경계 박스를 생성한 후, 경계 박스 각각의 특징 정보, 진단된 병증세 정보, 및 전체 이미지의 컨텍스트 정보를 획득 및 출력하는 병해 의심 영역 검출 단계; LSTM(Long-Short Term Memory) 기반으로 경계 박스 각각의 특징 정보, 진단된 병증세 정보로부터 병해 의심 영역별 위치와 증상을 구체적으로 설명하는 문장을 생성 및 출력함과 동시에, 전체 이미지의 컨텍스트 정보로부터 전체이미지의 전반적 상황을 설명하는 문장을 생성 및 출력하는 문장 생성 단계; 및 문장 생성의 정확도, 병해 의심 영역의 검출 정확도, 병증의 검출 정확도 기반으로 손실 지수를 산출하고, 상기 손실 지수가 최소화되도록 상기 Faster R-CNN와 상기 LSTM를 종단간 훈련시키는 단계를 포함한다.