http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
권경도 ( Kyung-do Kwon ),김조철 ( Jocheol Kim ),신나리 ( Nari Sin ),최우주 ( Woo-joo Choi ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
잡초 제거는 작물의 정상적인 생육과 수확량에 크게 영향을 주는 농작업 중 하나로 수시로 잡초 제거가 진행되어야 한다. 하지만 잡초 제거 시 예초기 및 농기구 사용 미숙에 따른 사고, 근골격계 질환, 농약에 중독되는 등 크고 작은 피해가 발생하고 있다. 이러한 작업자의 안전사고 방지와 투입되는 노동력 감소를 위해 자동화 및 무인화 시스템에 관한 연구가 활발하게 진행되고 있다. 본 연구에서는 밭에서 발견되는 잡초를 작물과 구분하는 알고리즘을 개발해 스마트 농업기술 발전에 활용하고자 했다. 재배 중인 콩(전라남도 나주)과 콩 주위의 잡초를 함께 촬영하여 영상 데이터를 획득했다. 출현기부터 1주일 간격으로 7주 동안 주기적으로 획득하여 인식 모델 개발을 위한 학습 데이터를 구축했다. 작물과 잡초의 인식을 위해 CNN 기반의 모델을 활용했다. 인식 모델의 과적합을 방지하기 위해 Accuracy와 loss가 일정 값에 수렴하는지 확인하고, 학습 모델의 깊이와 학습 수를 설정했다. 작물과 잡초의 인식 결과에서 유의미한 결과를 도출했으며, 본 연구에서 개발된 인식 모델을 활용하면 선택적 잡초 제거에 활용될 수 있음을 확인했다. 추후 연구에서 데이터 다양성 확보, 대상 작물 확대 및 인식 알고리즘 최적화를 통해 인식 정확도를 높일 예정이다.
소도체 품질 판정을 위한 RGB 영상처리 기술의 적용 가능성 연구
권경도 ( Kyung-do Kwon ),모창연 ( Changyeun Mo ),임종국 ( Jongguk Lim ),김기영 ( Giyoung Kim ),강정숙 ( Jungsook Kang ),이영주 ( Youngju Lee ),조병관 ( Byoung-kwan Cho ),이왕희 ( Wanghee Lee ),양승환 ( Seunghwan Yang ) 한국농업기계학회 2017 한국농업기계학회 학술발표논문집 Vol.22 No.2
국내를 포함한 대부분의 국가에서는 인력(판정사)에 의해 소고기의 품질 등급을 결정하고 있다. 각 나라마다 등급 판정 절차는 상이하지만, 판정 인자는 등급판정부위(국내에서는 좌도체 흉추와 제1 요추 사이의 등심 쪽 절단면)의 근내지방도, 육색, 지방색, 조직감 등으로 크게 다르지 않다. 하지만 판정 과정에서 숙련된 판정사일지라도 주관적인 판단이 포함된다. 이를 해결하고 더 객관적인 정보를 획득하기 위해 다양한 장치와 분석 방법들을 기반으로 활발한 연구가 진행되고 있지만, 실제 현장 적용은 힘든 실정이다. 따라서 본 연구는 사람의 시각을 대체하고 객관적인 데이터를 획득하기 위해 Computer vision 장치와 영상처리를 이용한 소고기 품질 평가에 활용될 시스템 구축을 위한 기초 연구이다. 연구에 사용된 소고기는 실제 판정에 사용되는 등급판정부위를 등급별(1++, 1+, 1 2, 3 등급)로 준비하였다. 각 시료마다 RGB 영상을 획득하고, 품질 판정을 위해 이 영상들을 이용하였다. 영상처리를 위해 왜곡 및 색상 보정, 배경 제거, 관심영역 추출, 고기와 지방 부위 분할 등을 순차적으로 수행하였다. 이는 등급 판정에 주요인자인 근내지방도를 정량적으로 측정하는 알고리즘 개발에 기초 단계로의 활용이 적합하다고 판단된다. 추후 연구에서 이를 중점적으로 다뤄 최종 목표인 자동 품질 판정 시스템 구축에 기여하고자 한다.
토마토 인식을 위한 효율적인 학습데이터 가공 방법 연구
손민하 ( Min-ha Son ),권경도 ( Kyung-do Kwon ),김원경 ( Won-kyung Kim ),홍영기 ( Young-ki Hong ),서강훈 ( Gang-hun Seo ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
현재, 국내 토마토 생산의 대부분이 시설재배로 이루어지고 있으며, 토마토 재배면적은 6,010ha로 전체 시설작물 재배면적의 약 7.26%를 차지하고 있다. 최근에는 생산량 증가, 생산비 감소 및 상품화율 증가 등으로 인하여 일반 시설재배에서 스마트 온실로 전환하는 농가가 증가하고 있는 추세로, 이와 관련하여 수경재배 방식으로 재배되는 토마토의 방제, 수확 등의 전반적인 작업을 농업용 로봇을 이용하여 자동화하기 위한 연구가 활발하게 수행되고 있다. 특히, 작물인식은 농업용 로봇의 필수적인 요소기술로써, 작물 인식 시에 잎이나 줄기 및 다른 과실에 의해 가려져서 나타나는 문제점을 해결하기 위한 다양한 연구가 수행 중에 있다. 따라서 본 연구에서는 농업용 로봇의 작물 인식모델 개발을 위한 기초연구로써, 작물의 가려진 부분을 고려하여 라벨링 한 학습모델과 고려하지 않고 라벨링한 학습모델의 인식 정확도를 비교하여 효율적인 학습데이터 가공 방법을 제안하고자 하였다. 모델학습에 이용된 데이터셋은 총 269개의 이미지와 1,990개의 어노테이션 데이터로, 국립농업과학원(전라북도 완주군)의 스마트 온실에서 RGB-D 카메라(D435, In tel, CA, USA)로 촬영하였다. 또한 bounding box 기법을 사용하여 라벨링 하였으며, 75% 이상 가려진 토마토와 뒷 배지의 토마토는 제외하였다. YOLOv4 모델을 활용하여 기계학습을 진행한 결과, IoU50 (Intersection over Union)에서 최고 mAP (mean Average Precision)는 가려진 부분을 고려한 모델과 고려하지 않은 모델이 각각 74.86%, 72.06%로, 가려진 부분을 예측하여 라벨링 한 학습모델의 정확도가 2.8% 더 높은 것으로 나타났다. 하지만 실제 모델에 적용하기에는 다소 낮은 정확도로 판단되므로, 추후 연구에서 더 많은 양의 데이터셋를 적용하여 모델의 정확도를 향상 시켜 두 모델의 성능을 평가하고자 한다.
자동 수확을 위한 RGBD 카메라를 활용한 대상 인식 기술 연구
원진호 ( Jin-ho Won ),양창주 ( Changju Yang ),권경도 ( Kyung-do Kwon ),홍영기 ( Youngki Hong ),김국환 ( Gookhwan Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1
최근 농촌인구의 감소와 고령화로 인한 인력 부족 문제를 첨단 기술과의 접목을 통해 해결하고자 다양한 연구 개발이 진행되고 있다. 시설온실에는 4차산업혁명 핵심 기술과 접목한 ICT 기반 스마트 온실 및 방제, 수확 등에 지능형 로봇에 대한 연구가 국내외에서 활발히 진행되고 있고, 노지에서도 자율주행 트랙터와 로봇방제기 등 자율주행을 기반으로 하는 무인 농작업 기술 개발이 진행되고 있다. 하지만, 노지 환경에서는 실내에서 작업하는 것과는 다르게 날씨, 작업시간, 토질, 토양 상태 등 다양한 환경 변수로 인해 로봇 기술의 적용이 쉽지 않은 실정이다. 본 연구에서는 이러한 외기 조건에 강인한 RGB-Depth 카메라를 이용하여 수확 로봇을 위한 수확 대상 인식 및 상대 위치를 측정하는 기술에 대해 소개하고자 한다. 본 연구의 목적은 자율주행하는 이동체에 탑재한 로봇팔(협동로봇)을 활용하여 로봇팔의 끝단에 장착한 RGBD 카메라로부터 수확 대상까지의 3차원 공간상의 상대 거리를 산출하는 것이다. 최종 목표는 산출된 수확대상까지의 상대 거리를 활용하여 과실을 수확하는 것이다. 우선 첫 번째 단계는 RGBD 카메라를 사용하여 수확대상을 인식하는 것으로, 사용된 RGBD 카메라는 인텔의 RealSense D455 모델을 사용하였다. 수확 대상은 사과로 선정하였고, 이 카메라를 사용하여 영상정보를 취득하였다. 수확 대상 인식을 위해 인공지능 모델 중 하나인 YOLOv3, FastRCNN 기본 모델을 사용하여 미네소타 대학에서 제공하는 데이터셋을 이용하여 사과 인식 성능을 확인하였다. 또한, RGBD 영상을 활용하여 인식된 수확 대상까지의 3차원 공간상의 상대 위치를 측정하였다. 본 연구는 인공지능 기술을 활용하여 수확 대상을 인식하고 대상까지의 상대위치를 산출하여 3차원 공간상에서의 상대 위치 정보를 통해 로봇팔의 최적 이동경로를 역기구학을 통해 산출하고 로봇팔을 이동시켜 자동수확 기술을 개발하는 것이 최종 목적이다. 또한, 한 영상 안에서 인식된 다양한 수확 대상들의 우선 순위를 결정하고 이를 토대로 순차적으로 수확하는 기술도 적용할 계획이다. 이렇게 개발된 로봇팔 기반의 수확로봇은 자율주행하는 이동체에 탑재하여 수확 로봇을 개발할 계획이다.
선형회귀 알고리즘 기반 변량 시비 제어를 위한 입상 비료 특성 모델링 연구
양창주 ( Changju Yang ),홍영기 ( Youngki Hong ),김경철 ( Kyung-chul Kim ),권경도 ( Kyung-do Kwon ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
본 연구는 벼 포장 환경에서 이앙기 작업과 동시에 수행되는 시비 작업 과정에서, 생산성 향상을 위해 재배 기간 중 추비 등의 작업으로 인한 노동력 부담 경감 효과를 위한 완효성 특성을 갖는 복합 성분이 함량된 입제 비료를 사용한다. 그러나 기존 일괄 비료 살포법으로 시비 작업시, 평균 약 1ha의 면적 내에 토질의 상태가 균일하지 못한 문제로 인하여 기대 소득을 위한 총 생산 목표량을 맞추기 위해 필요 이상의 비료가 투입되는 등의 토양 환경오염을 유발하는 문제가 발생되었다. 이와같은 문제를 해결하기 위해 균일한 토질의 상태 조성과 적정 비료량 투입이 필요하며, 사전 조사 및 분석된 토양 특성 정보를 기반으로 생성된 맵 데이터를 활용하여 위치별 적정량 비료 살포가 가능한 기술도입이 필요하다. 이를 위해, 벼의 생육에 가장 큰 영향을 미치는 요소인 질소, 인, 칼륨 성분과 같은 토양 내 무기질 비료 성분별 분석 결과를 기반으로 작성된 특성 맵을 이용하여 입상 비료의 물리적 특성에 따라 변량 시비 제어 알고리즘 개발을 위한 모델링을 제시한다. 이를 위해 선형회귀 알고리즘을 이용하여 입상비료의 물리적 특성에 따른 상관관계를 분석하고, 모델링을 수행하였다. 실험에 사용된 입제 비료는 국내에서 생산 판매중인 16종 제품을 대상으로 수행하였으며, 입제 비료의 물리적 특성을 기반으로 한 시비량 제어 모델 개발을 위해 정밀 무게측정이 가능한 전자저울을 이용하고, 임베디드 제어기가 장착된 변량시비제어기를 이용하여 단위 거리에 따른 비료 토출량을 조사하였으며, 본 논문에서 제안한 모델의 현장 적용 가능성을 확인하였다.
배 과수원 대상 LiDAR 센서기반 과수 인식을 위한 이산 순차지연 기법 연구
양창주 ( Changju Yang ),김국환 ( Gookhwan Kim ),김경철 ( Kyung-chul Kim ),권경도 ( Kyung-do Kwon ),홍영기 ( Youngki Hong ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2
일반적으로 과수원에서 시행되는 관행 방제 방식은 과다 살포 과정에서 발생한 잔류 농약으로 인한 환경오염문제와 현장 작업자에 직접 노출로 인한 피부 및 호흡기 질병 유발 등의 건강 문제가 있었다. 이에 대한 대응책으로 무인화한 농업용 기계를 도입하고 있으며 그중 핵심적으로 경작지 내를 이동하기 위한 자율 조향 기술과 농약을 적당량만 살포하기 위한 분사 제어 기술이 필요하다. 배 과수원에서 사용되는 가지 유인방식 중 2본주지 배상형은 기존의 Y자형보다 작업이 편리하도록 높이를 낮추기 위해 아치형으로 조성하는 특징을 갖고 있다. LiDAR 센서를 사용하여 과수의 체적 데이터를 수집하고 분석한 결과, 2본주지 배상형의 구조적 특성에 기인한 문제로 인해 인식 구간 영역별로 과수 체적에 대한 인식 사각지대가 존재하는 것으로 분석되었다. 본 논문에서는 이러한 문제를 해결하기 위해 이산 순차 지연 알고리즘을 적용한 LiDAR 센서 기반 고효율 분사 제어 알고리즘을 제안하였다. 실험환경으로는 과수원을 일정한 속도로 이동하며 작업하기 위해 GPS기반 궤도형 자율 주행 이동 플랫폼을 활용하고 분사 노즐별로 장착된 솔레노이드 밸브를 제어하도록 하드웨어를 구성하였고, 소프트웨어적으로는 산업용 PC에 Linux OS 와 ROS 환경에 Python으로 프로그램을 구현하였으며, 알고리즘에 사용된 주요 기법으로 다운 샘플링, 가우시안 필터링, 임계값 처리 기법을 적용하고 시뮬레이션을 통해 그 효과를 확인하였다.