http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
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.
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.
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.
박준우 ( Jun-woo Park ),유찬석 ( Chan-seok Ryu ),강경석 ( Kyeong-suk Kang ),장시형 ( Si-hyeong Jang ),김태양 ( Tae-yang Kim ),강예성 ( Ye-seong Kang ),백현찬 ( Hyeon-chan Baek ),박민준 ( Min-jun Park ),김치호 ( Chi-ho Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2
본 연구의 목적은 생육 시기별로 인위적인 염 스트레스를 받은 봄감자를 다중분광 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 봄감자 (수미)의 영양생장기 (VP), 괴경형성기 (TFP)와 괴경비대기 (TGP)에 각각 정상관수 (0.5 dS/m), 염 농도별 관수 (2, 4, 8 dS/m) 처리하였다. 다중분광 센서 (Altum, MicaSense, USA)를 탑재한 무인기를 이용하여 각 생육 시기별로 염 처리 후 10일 차 정오에 영상을 취득하였다. 잎의 반사값을 식생지수 (NDVI, GNDVI, NDRE, EVI, VARI, ExG)로 변환 후 일원배치 분산분석 (One-Way-ANOVA)을 통해 각 생육 시기별 염농도의 구분 가능성을 비교하였다. 영양생장기에서는 NDVI, 괴경형성기에서는 NDVI, VARI 및 ExG를 제외하고 정상과 염해(2 dS/m, 4 dS/m, 8 dS/m)로 구분하는 것이 가능하였고 괴경비대기에서는 모든 식생지수로 두 그룹으로 분류하는 것이 가능하였다. 염 처리 농도는 영양생장기 및 괴경비대기에서는 일부 염농도 간의 구분을 제외하고 모든 식생지수를 이용하여 분류하는 것이 가능하였다. 괴경형성기에서는 EVI를 이용하여 염처리 농도별 분류가 가능하였다. 식생지수에 관계없이 영양생장기에서는 2 dS/m과 4 dS/m, 괴경비대기에서는 2 dS/m와 4 dS/m 및 4 dS/m와 8 dS/m를 구분하는 것이 불가능하였다. 추후 타 간척지 필지에 심겨진 봄감자 또는 내년도 봄감자의 분광데이터에 적용하여 염해 예측 모델 재현성 검토 및 보정이 필요하다고 생각한다.
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.
김은리 ( Eun-ri Kim ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),박기수 ( Ki-su Park ),정종찬 ( Jong-chan Jeong ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
콩은 우리나라 주요 식량 작물 중 하나이지만, 최근 기후 변화에 따른 고온 다습한 기후로 인해 세균병의 발생 빈도가 증가하여 생산량과 품질에 영향을 받고 있다. 그러므로 세균병의 조기 진단 및 방제를 위한 분광 기술과 머신러닝의 필요성이 증가하고 있다. 따라서 본 연구는 온실 내부에서 분광계로 취득된 데이터와 머신러닝을 이용하여 콩 세균병의 일종인 들불병, 불마름병의 분류 가능성 및 성능 개선 방법을 검토하였다. 본 실험은 경상남도 밀양시에 위치한 국립식량과학원 남부작물부의 유리온실(35˚29’30.5”N 128˚44’ 36.2”E)에서 2022년 5월 16일에 2가지 품종(대찬, 청자 3호)에 들불병, 불마름병을 접종하여 진행하였다. 분광 데이터는 2022년 5월 16일부터 2022년 6월 3일까지 총 15일간 분광계(RS-3500, Spectral Evolution, USA)를 이용하여 취득되었다. 데이터 전처리에 따른 모델 성능 개선을 검토하기 위해 결측치 제거, 잡음 스펙트럼 제거, Savitzky-Golay filtering 기법을 통한 평활화를 각각 또는 조합하여 학습데이터를 생성하였다. 원본과 각 전처리를 진행한 데이터는 Decsion Tree(DT), Random Forest(RF), XGBoost, LightGBM 머신러닝 방법으로 들불병, 불마름병, 정상을 분류하는 모델을 개발하여 F1 Score(F), Kappa(K), Confusion Matrix(CM)로 성능평가를 하였다. 품종에 관계없이 원본데이터로 병증의 유무를 판단하는 것은 불가능하였으나, 전처리를 진행한 데이터에서는 유의미한 분류가 가능하였다. 청자의 경우, 전처리를 진행한 데이터 중에는 평활화만을 진행한 데이터의 RF모델이 1.00(F),1.00(K)으로 완벽하게 분류하였다. 대찬 품종의 경우 결측치 제거와 평활화를 함께 진행한 데이터의 RF모델이 0.98(F), 0.99(K)로 가장 좋은 성능을 나타내었다. 이는 분광계로 취득한 데이터에서 평활화 처리가 성능개선에 효과적임을 나타내었고 특히 CM를 확인했을 때, 전처리 전 병을 정상으로 분류하였던 오분류가 모두 정분류가 되어 실제 방제 적용에 있어서도 더 효율적인 모델로 개선됨을 확인하였다. 이를 통해 콩 세균병 분류 진단 및 방제 적용 가능성을 확인하였으며, 향후 파장 대역 조정 및 밴드 셀렉을 통해 분류 효율을 개선할 예정이다.