다중분광 영상을 이용한 배추의 생육정보 추정 회귀 모델

정종찬 ( Jong-chan Jeong ),유찬석 ( Chan-seok Ryu ),박기수 ( Ki-su Park ),김은리 ( Eun-ri Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

농업 전망에 따르면 배추는 생산량이 2022년 이후로 계속 줄어드는 추세이고 생산량에 의한 가격 편차가 큰 작물이다. 이러한 문제를 해결하기 위해 생산량과 관련이 깊은 생육정보를 분석하는 연구들이 진행되고 있다. 현재 대부분의 연구는 파괴적인 방법으로 생육정보를 얻어내고 있어, 비파괴적으로 정보를 얻고 분석하는 방법이 필요하다. 따라서 본 연구의 목적은 무인기를 활용한 배추의 다중분광 데이터를 이용하여 비파괴적으로 배추의 생육을 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 완주군 국립원예특작과학원 실험포장에서 두 품종의 배추(불암3호, 청명가을)를 재배하여 진행하였다. 배추는 9월 7일 파종하였고 11월 9일 파괴조사를 통해 생체중, 엽장, 엽폭, 중륵폭, 중륵두께, SPAD, 엽수, 엽면적의 생육정보를 취득하였다. 영상은 다중분광 센서(Altum-PT, MicaSense Inc, USA)를 탑재한 무인기를 이용하여 11월 8일 정오에 취득하였다. 취득한 영상은 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 반사값을 추출하였으며 식생지수는 NDVI, GNDVI, GRVI, RVI, DVI, NDRE, SAVI, PRI, OSAVI, TCARI를 사용하였다. 통계 프로그램은 Jupyter Notebook 6.5.2(Python 3.9.13)를 이용하였고 샘플 수는 각 품종별 12개씩 총 24개로 진행하였다. 생육정보 추정을 위해 이상치 제거 후 다중선형회귀 모델을 만들었고 데이터셋 분리(train test split)와 변수선택법을 적용하였다. 모델 평가 방법으로는 R², RMSE와 MAPE를 사용하였고 R²가 0.5 이상인 모델들 중, RMSEC가 작고, MAPEC와 MAPEP의 차이가 작을수록 성능이 좋은 모델로 판단하였다. 가장 성능이 좋은 생육정보 추정 모델은 엽수, SPAD에서 PRI를 이용하여 각각 R²=0.68, RMSEC=3.10ea, MAPEC=7.24%, MAPEP=7.26%와 R²=0.72, RMSEC=2.85, MAPEC=15.3%, MAPEP=15.3%로 나타났고 엽장에서는 NDRE, OSAVI를 이용하여 R²=0.51, RMSEC=2.54cm, MAPEC=9.07%, MAPEP=7.08%로 나타났다. 추후 본 연구 결과를 이용한 생육 모니터링과 수확기 영상을 이용한 수확량 예측 모델의 작성이 배추 생산량 안정성 향상에 도움이 되리라 판단된다.

의사결정트리 기반 초분광 영상을 이용한 옥수수 생육시기별 염해 분류 모델

백현찬 ( Hyeon-chan Baek ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),박기수 ( Ki-su Park ),김은리 ( Eun-ri Kim ),박민준 ( Min-jun Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

본 연구의 목적은 생육 시기별로 인위적인 염 스트레스를 받은 옥수수를 초분광 영상으로 촬영하여 정상과 염 처리의 구분 및 염처리 농도에 따른 분류 가능성을 검토하여 염해 피해 정도를 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 김제시 광활면 새마을 간척지 시험포장에서 옥수수(찰옥2호)의 4본엽기(V4), 6본엽기(V6)와 개화기(R1)에 각각 정상관수(0.5 dS/m), 염 농도별 관수(2, 4, 8 dS/m) 처리하였다. 초분광 센서 (microHSI 410 SHARK, Corning, USA)를 탑재한 무인기 이용하여 각 생육시기별로 염 처리 후 10일 차 정오에 영상을 취득하였다. 취득된 영상은 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 각 생육 시기별 각 처리구별 반사값을 추출하였으며 의사결정트리 기법으로 염 처리 유무와 농도의 구분 가능성을 검토하였다. 염 처리 유무 에서는 V6, R1의 KC가 50% 이상의 분류정확도로 나타났으며 V4의 KC는 29% 이하의 정확도로 산출되어 염 유무 모델 적용하기에 어렵다고 판단된다. 그리하여 V6, R1을 대상으로 염 처리 농도에 대해 분석한 결과, R1의 KC가 52.2%의 정확도로 분류하는 것이 가능하였다. 하지만 V6에서는 36.8% 이하의 정확도로 분류하는 것이 어렵다고 판단된다. 추후 타 간척지 필지에 심겨진 옥수수의 분광데이터에 적용하여 염해 예측 모델 재현성 검토 및 보정이 필요하다고 생각한다.

무인기로 취득한 콩 생육시기별 다중분광 영상을 통한 식생지수와 콩 수확량간의 상관관계 분석

백현찬 ( Hyeon-chan Baek ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),김태양 ( Tae-yang Kim ),박민준 ( Min-jun Park ),박기수 ( Ki-su Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1

본 연구에서는 생식생장기에 다양한 생육시기별로 취득한 콩 필지의 다중분광 영상을 이용해 콩 수확량과의 관계분석을 통해 수확량 추정에 높은 가능성을 보이는 식생지수를 구명하는 연구를 진행하였다. 본 실험은 경상남도 밀양시에 위치한 실험 포장(35°26'59.8N 128°47'08.2E)에서 수행하였으며, 회전익 무인기 (Matrice 200 v2, DJI Technology Co. Ltd., China)에 다중분광 센서 (altum, Micasense Inc, USA)를 탑재하여 2018년도부터 3년간 생육시기 (R2, R5, R6, R7)별로 취득한 다중분광 영상에서 분광영상 소프트웨어 (ENVI 5.6, Exelis Visauall information Solution Inc, USA)로 콩 잎의 반사값을 추출해 수확량과 관련된 6개의 식생지수들을 임의로 산출하였다. 각각의 식생지수와 실측한 수확량 사이의 상관성 (r) 평가와 함께 단순선형회귀분석하여 선형지표 R2와 오차지표 root mean squared error (RMSE) 및 relative error (RE)로 추정성능을 평가하였다. 개화기 (R2)에서는 SAVI가 r=0.47 로 다른 식생지수보다 상대적으로 높은 상관관계를 나타내었지만, 단순선 형회귀분석 결과 R2=0.22, RMSE=65.88kg/10a, RE=31.78% 로 수확량 추정가능성을 보이지 않았다. 입비대시 (R5)에서는 MSAVI가 r=0.84로 가장 높은 상관관계를 나타내었고, 단순선형회귀분석 결과 R2=0.71, RMSE=39.72kg/10a, RE=19.16% 로 전 생육시기에서 가장 높은 추정가능성을 보였다. 이외에 R6 (MSAVI)와 R7 (ARVI)의 예측성능은 R2≥0.43, RMSE≤58.36kg/10a, RE≤28.15% 으로 상대적으로 낮은 추정가능성을 보였다. 다양한 생육단계에서 콩 수확량 추정에 유리한 식생지수를 구명한 이 결과를 다양한 환경조건에서 재배되고 있는 콩 필지에서도 활용가능한 모델을 개발해내는 데 기초자료를 활용할 것이다.

의사결정트리 기반 초분광 영상을 이용한 옥수수 생육시기별 염해 분류 모델

백현찬 ( Hyeon-chan Baek ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),박기수 ( Ki-su Park ),김은리 ( Eun-ri Kim ),박민준 ( Min-jun Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

본 연구의 목적은 생육 시기별로 인위적인 염 스트레스를 받은 옥수수를 초분광 영상으로 촬영하여 정상과 염 처리의 구분 및 염처리 농도에 따른 분류 가능성을 검토하여 염해 피해 정도를 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 김제시 광활면 새마을 간척지 시험포장에서 옥수수(찰옥2호)의 4본엽기(V4), 6본엽기(V6)와 개화기(R1)에 각각 정상관수(0.5 dS/m), 염 농도별 관수(2, 4, 8 dS/m) 처리하였다. 초분광 센서 (microHSI 410 SHARK, Corning, USA)를 탑재한 무인기 이용하여 각 생육시기별로 염 처리 후 10일 차 정오에 영상을 취득하였다. 취득된 영상은 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 각 생육 시기별 각 처리구별 반사값을 추출하였으며 의사결정트리 기법으로 염 처리 유무와 농도의 구분 가능성을 검토하였다. 염 처리 유무 에서는 V6, R1의 KC가 50% 이상의 분류정확도로 나타났으며 V4의 KC는 29% 이하의 정확도로 산출되어 염 유무 모델 적용하기에 어렵다고 판단된다. 그리하여 V6, R1을 대상으로 염 처리 농도에 대해 분석한 결과, R1의 KC가 52.2%의 정확도로 분류하는 것이 가능하였다. 하지만 V6에서는 36.8% 이하의 정확도로 분류하는 것이 어렵다고 판단된다. 추후 타 간척지 필지에 심겨진 옥수수의 분광데이터에 적용하여 염해 예측 모델 재현성 검토 및 보정이 필요하다고 생각한다.

초분광 영상을 이용한 사과나무의 질소 상태 추정

박기수 ( Ki-su Park ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),김태양 ( Tae-yang Kim ),백현찬 ( Hyun-chan Baek ),박민준 ( Min-jun Park ),송혜영 ( Hye-young Song ),조정건 ( Jung-gun Cho ),장시형 ( Si-hyeong Jang ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1

과수 생장 시 충분한 양의 질소 시비가 중요한데 과잉 및 결핍 시 품질과 수확량이 크게 감소한다. 수체의 영양 진단을 위한 분광 기술과 단시간에 데이터 취득할수 있는 원격탐사 기술을 이용하면 대면적 과원에서의 효율적인 재배 관리 및 과수의 안정적인 생산성을 유지할수 있다. 따라서 대규모 과원에서 재배되는 과수의 생산성 향상을 위해 무인기를 활용한 정밀 영양 진단 기술이 필요하다. 본 연구는 무인기에 탑재된 초분광 센서를 이용하여 취득되어진 반사값 데이터로 과수의 영양 상태를 추정하는 모델을 개발하였다. 본 연구는 전라북도 완주군에 위치한 농촌진흥청 국립원예특작과학원 시험 포장 내 심겨진 사과(홍로)나무를 대상으로 2021년 5월 26일부터 10월 14일까지 총 10차례 진행되었다. 실험에 사용된 장비는 회전익 무인기인 Matrice 200 v2와 초분광 센서인 MicroHSI 410 Shark이며 촬영 시간은 태양의 남중고도를 고려하여 11시~1시 사이에 실시하였다. 취득되어진 영상들은 전처리(방사보정, 기하보정) 후 영상 처리를 통해 캐노피의 반사값을 추출하였다. 식물체 데이터인 클로로필과 캐노피 반사값 데이터를 이용하여 다변량 회귀분석인 부분 제곱회귀분석(PLSR)로 추정 모델을 개발하였으며 모델의 성능은 결정계수(R²)와 평균제곱근오차(RMSE), 상대 오차(RE)로 평가하였다. 사과나무의 클로로필 PLSR분석한 결과 Calibration 모델의 R²는 44%, RMSE, RE는 각각 0.92㎍/㎠, 17%이며 Valibration 모델의 R²는 33%, RMSE, RE는 1.01㎍/㎠, 19%로 낮은 성능을 보였다. 생육 시기에 따라 2차례(화아분화기, 성숙기)로 나누어 재분석한 결과 성숙기의 모델 성능 (Cal.= R²= 86%, RMSE= 0.44㎍/㎠, RE= 8% / Val.= R²: 69%, RMSE= 0.65㎍/㎠, RE= 13% )이 높게 나타났는데 엽에 있던 영양분이 가지로 이동하여 잎이 황변되어 질소 시비량에 따른 변이가 크게 차이가 나는 것으로 판단된다. 추후 연구를 통해 주요 생육 시기에 수체의 영양 상태 진단 가능한 모델 개발하여 효율적인 재배관리를 통한 다수확 및 고품질의 과실 생산 기술 개발에 기여할 것으로 사료된다.

초분광 영상을 이용한 오이, 토마토 모종의 수분함유량 추정

강정균 ( Jeong Gyune Kang ),유찬석 ( Chan Seok Ryu ),김성헌 ( Seong Heon Kim ),강예성 ( Ye Seong Kang ),( Tapash Kumar Sarkar ),민영봉 ( Young Bong Min ),강동현 ( Dong Hyeon Kang ) 한국농업기계학회 2016 한국농업기계학회 학술발표논문집 Vol.21 No.1

무인기에 탑재된 다중분광 센서를 활용한 수수 수확량 추정

박민준 ( Min-jun Park ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),김태양 ( Tae-yang Kim ),백현찬 ( Hyeon-chan Baek ),박기수 ( Ki-su Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1

수수는 비옥도가 낮고 척박한 토양과 기후 조건에서도 적응성이 높아 논밭전환 시 안정적 생산에 유리한 작물로 알려져 있다. 또한 주요 식량 및 채소작물에 원격탐사기술로 무인기 기반 영상기술을 접목하여 수량 정보를 수확 전에 제공하기 위한 연구가 활발히 진행되는 반면에 재배면적이 적은 수수 대상으로는 연구가 미비한 상황이다. 따라서 본 연구에서는 무인기 기반 다중분광 영상을 이용한 기초 수수 수량성 예측 가능성을 확인하였다. 경상북도 안동시 남후면 고상리 3개 수수 필지에서 2021년 9월 10일에 무인기 (Matrice 300 RTK, DJI Technology Inc, China)를 이용하여 다중분광 영상을 취득하였고, 그 직후 60주를 샘플링하여 수량성 (종실수, 종실중, 천립중)을 실측하였다. 공간해상도 2.16 cm/pixel로 여러 장의 다중분광 영상을 취득한 후 매핑소프트웨어 (Pix4D mapper pro, Pix4D S.A, Switerland)를 이용해 정사영상을 제작하였다. 분광 영상처리 소프트웨어 (ENVI 5.6, Exelis Visauall information Solution Inc, USA)로 추출된 수수 캐노피 영역의 반사율로 산출된 23가지 식생지수와 실측한 각 수량성 데이터를 부분최소제곱법회귀분석하였고, 선형성을 나타내는 R²와 오차를 나타내는 root mean squared error (RMSE)와 relative error (RE)로 성능 평가하였다. 부분제곱최소회귀분석 결과 종실수는 R²=0.119, RMSE=503ea, RE=19%로 예측 가능성을 보이지 않았다. 종실중 R²=0.317, RMSE=8.30g, RE=16%와 천립중 R²=0.432, RMSE=2.68g, RE=14%의 성능을 보여 마찬가지로 예측 가능성이 높다고 판단하기 어려웠다. 현재 초기 실험으로 충분한 예측성능을 보이는 회귀모델을 개발할 수 없었으나, 추후 방대한 시계열 영상데이터 및 환경데이터를 수집하고 다양한 분석법의 접근으로 농업원격탐사 연구가 미비한 수수 작물에 유의미한 연구자료들을 만들어나갈 계획이다.

초분광 영상을 이용한 다양한 모종의 수분함량 추정

강정균 ( Jeong-gyune Kang ),유찬석 ( Chan-seok Ryu ),김성헌 ( Seong-heon Kim ),강예성 ( Ye-seong Kang ),타파스쿠마 ( Tapash Kumar Sarkar ),강동현 ( Dong-hyeon Kang ) 한국농업기계학회 2016 한국농업기계학회 학술발표논문집 Vol.21 No.2

본 연구는 초분광 영상을 이용하여 오이, 토마토, 고추, 수박 모종의 수분함량을 비파괴적으로 추정하기 위해 수행되었다. 단계적으로 수분 스트레스를 받은 오이(n=45), 토마토(n=45), 고추(n=45), 수박(n=45) 모종을 초분광 영상시스템으로 촬영하여 모종 영역의 반사율을 추출하였고, 매 촬영 후 모종의 생체중과 건물중을 측정하여 수분함량을 계산하였다. 모종의 반사율과 계측된 수분함량을 변수로 하여 PLSR분석을 이용하여 수분 추정모델을 구축하였다. 각 모종의 수분 추정모델을 작성한 결과 토마토의 경우 정확도(R²)가 0.74, 정밀도(RMSE 및 RE)가 각각 2.77%, 3.09%로 나타났고, 고추의 경우 수분추정모델의 정확도가 0.68, 정밀도가 각각 1.43%, 1.61%으로 나타났으며, 오이의 경우 정확도가 0.73, 정밀도가 각각 1.45%, 1.58%, 수박의 수분 추정모델의 정확도가 0.66, 정밀도가 각각 1.06%, 1.14%로 나타났다. 위 모종을 박과(오이, 수박) 및 가지과(고추, 토마토)로 구분하여 추정모델을 작성할 경우, 박과 수분 추정모델의 정확도가 0.64, 정밀도가 각각 1.49%, 1.16%로 나타났으며, 가지과의 경우 정확도가 0.67, 정밀도가 각각 2.53%, 2.84%로 나타났다. 생물 분류체계에 관계없이 모든 모종을 이용하여 수분 추정모델을 작성할 경우 모델의 정확도가 0.56, 정밀도가 각각 2.54%, 2.81%로 나타났다. 각 모종의 수분함량을 분석한 결과, 고추, 수박, 오이 모종의 트레이(50공) 셀보다 토마토 모종의 트레이(60공) 셀크기가 작아 수분 스트레스를 더 받은 것으로 판단된다(Jang et al., 2014). 각 모종의 수분함량 추정모델의 결과, 각 모종별로 작성한 수분 추정모델들보다 가지과, 박과, 모든 모종으로 작성한 수분 추정모델들이 정확도는 감소하였지만 정밀도는 차이가 미미한 것으로 나타났다. 본 연구를 통해 초분광 영상을 이용하여 모종별, 과별, 모든 모종의 수분함량 추정가능성을 시사하였고, 모델의 정확도를 개선하기 위해 샘플 수 및 개채별 수분함량의 변이를 증가시키는 것이 필요하다고 판단된다.

다중분광 영상을 이용한 오이 묘 수분함량 추정

장시형 ( Si-hyeong Jang ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),박준우 ( Jun-woo Park ),김태양 ( Tae-yang Kim ),강경석 ( Kyeong-suk Kang ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.1

오이는 박과 작물로 재배환경에 따라 생육에 크게 영향을 받는다. 육묘기때 수분 관리를 소홀히 하면 생육장해가 발생하기 때문에 실시간으로 생육 진단 기술 개발이 필요하다. 본 연구는 온실 내 다중분광 센서가 설치된 영상 시스템을 이용하여 오이 묘의 수분함량 추정 모델을 개발하였다. 본 연구는 전라북도 완주군에 위치한 농촌진흥청 국립원예특작과학원 내 온실에서 2020년 3월 9일부터 12일까지 총 4일 간 실험을 수행하였다. 실험 장비는 5개의 (Blue, Green, Red, Red edge, NIR) 파장으로 이루어진 다중분광 센서(Rededge-M, Micasense Inc., USA)를 이용하였다. 정오마다 촬영한 오이묘 영상은 영상처리를 통해 캐노피의 반사값 추출 및 식생지수 NDVI, GNDVI를 산출하였다. 오이 묘의 수분함량은 촬영 직후 측정한 생체중과 건물중을 이용하여 계산하였다. 오이 묘의 식생지수와 수분함량을 선형회귀분석하여 추정 모델을 개발하였다. 개발된 추정 모델은 정확도(R²)및 정밀도(RMSE)로 성능을 평가하였다. 식생지수 NDVI, GNDVI를 이용한 오이 묘 수분함량 추정 모델의 정확도는 0.31, 0.13로 나타났으며 정밀도는 8.19%, 9.14%로 낮게 나타났다. 온실 내 구조물에 발생하는 그림자 영향을 최소화하고자 촬영시 차광막을 설치했으나 샘플 위치마다 그림자의 영향을 받아 광이 불균일하여 모델의 성능이 낮게 나타난 것으로 판단된다. 이러한 문제를 해결하고자 샘플 위치를 나누어 재분석하였다. 그 결과 NDVI를 이용한 앞쪽 배치된 오이 묘 수분함량 추정 모델의 정확도 및 정밀도는 0.58, 5.97%가 나타났으며 뒷쪽 배치된 오이묘 수분함량 추정 모델의 정확도 및 정밀도는 0.15, 9.99%가 나타나 앞쪽에 배치한 샘플은 뒷쪽에 배치한 샘플에 비해 상대적으로 그림자의 영향을 덜 받아 광이 균일하여 모델의 성능이 개선되었을 것으로 판단된다. 문제점을 보완하고 개선한 모델을 통해 변량 관수 시스템 도입에 기초자료로 사용할 수 있을 것으로 판단된다.

초분광 영상을 이용한 사과 겹무늬썩음병 조기 예측

장시형 ( Si-hyeong Jang ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),박준우 ( Jun-woo Park ),김태양 ( Tae-yang Kim ),강경석 ( Kyung-suk Kang ),박민준 ( Min-jun Park ),백현찬 ( Hyun-chan Baek ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2

최근 봄~초여름까지 고온건조한 아열대성 기후의 변화로 인해 날씨에 민감한 농업에서 생육장해, 병충해 등 발생하여 품질이나 수확량이 크게 감소한다. 특히 사과, 배, 복숭아와 같은 노지에서 다년간 자라는 과수에서 큰 피해가 발생한다. 사과의 병해 중 ‘겹무늬썩음병’은 고온건조한 환경이 지속되면 뿌리, 가지 그리고 수확기 때 과실에 병증이 나타나며 전염성이 강하여 발병 즉시 나무를 베어버린다. 본 연구에서는 드론에 탑재된 초분광 센서를 이용하여 머신러닝 중 분류기법인 ‘의사결정나무’를 이용해 겹무늬썩음병의 조기 예측 가능성을 검토하였다. 본 실험은 전북 완주에 위치한 농촌진흥청 국립원예특작과학원 내 사과포장에서 진행되었으며 촬영시기는 나뭇잎이 떨어지기 이전인 8월 11일에 촬영되었다. 드론에 탑재된 초분광 센서로 취득된 영상들은 전처리과정인 기하보정 및 방사보정을 실시하고 나뭇잎의 반사값을 추출한 다음 발병 유무에 따라 대조구(정상)와 실험구(발병)으로 나누었다. 대조구에 비해 실험구의 데이터가 현저히 적어 이를 보완하기 위해 오버샘플링 기법 중 SMOTE(Synthetic minority oversampling technique)를 이용하였으며 의사결정나무(Decision Tree, 훈련자료:50%, 검증자료:50%) 모델을 개발하고 Overall Accuracy (OA)와 Kappa coefficient로 분류 정확도를 평가하였다. 오버 샘플링 하기 이전 데이터로 의사결정나무모델 결과 710nm로 Red edge영역과 870nm로 NIR영역에서 유의한 파장이 선정되었으나 OA와 Kappa coefficient 모두 0.5이하로 낮은 분류 정확도가 나타났다. 오버 샘플링을 통한 데이터로 의사결정나무모델 결과 710nm, 750nm로 Red edge영역과 849nm, 870nm로 NIR영역에서 유의한 파장이 선정되었으며 OA는 0.85이상, Kappa coefficient는 0.73의 분류 정확도가 나타났다. 추후 Random forest, Support Vector Machine(SVM)등 다른 머신러닝 분류 알고리즘과 딥러닝 기반 분류 알고리즘을 이용하여 분류 모델 개발 및 비교하여 병 조기 예측 진단 가능성을 높일 필요가 있다고 판단된다.