http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
딥러닝을 활용한 위성영상 기반의 강원도 지역의 배추와 무 수확량 예측
박혜빈 ( Hyebin Park ),이예진 ( Yejin Lee ),박선영 ( Seonyoung Park ) 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5
인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다. In this study, a deep learning model was developed to predict the yield of cabbage and radish, one of the five major supply and demand management vegetables, using satellite images of Landsat 8. To predict the yield of cabbage and radish in Gangwon-do from 2015 to 2020, satellite images from June to September, the growing period of cabbage and radish, were used. Normalized difference vegetation index, enhanced vegetation index, lead area index, and land surface temperature were employed in this study as input data for the yield model. Crop yields can be effectively predicted using satellite images because satellites collect continuous spatiotemporal data on the global environment. Based on the model developed previous study, a model designed for input data was proposed in this study. Using time series satellite images, convolutional neural network, a deep learning model, was used to predict crop yield. Landsat 8 provides images every 16 days, but it is difficult to acquire images especially in summer due to the influence of weather such as clouds. As a result, yield prediction was conducted by splitting June to July into one part and August to September into two. Yield prediction was performed using a machine learning approach and reference models , and modeling performance was compared. The model’s performance and early predictability were assessed using year-by-year cross-validation and early prediction. The findings of this study could be applied as basic studies to predict the yield of field crops in Korea.
바이오리듬 분석을 통한 스마트조명 감성제어 서비스 개발
박혜빈(Hyebin Park),박신우(Shinwoo Park),조하나(Hana Cho),윤용익(Yongik Yoon) 한국정보과학회 2016 정보과학회 컴퓨팅의 실제 논문지 Vol.22 No.12
현재, 스마트 삶을 구현하기 위하여 사물인터넷(IoT : Internet of Things)에 이목이 집중되고 있다. 언제 어디서나 스마트폰으로 연결되어 있는 사물을 제어할 수 있게 되었고, 생활 밀접한 곳까지 사물인터넷 기술이 침투하게 되었다. 이에 따라 사용자의 신체 정보와 감성 정보를 수집하는 서비스가 주목을 받고 있다. 따라서, 본 연구에서는 생체가 지닌 내인성(內因性) 리듬인 바이오리듬을 활용하여 추가적인 요소를 수집 분석, 그에 따라 감성에 영향을 끼치는 조명 제어 서비스를 개발한다. 바이오리듬 PSI 학설에 따라, 탄생 순간부터 지니고 있다는 바이오리듬과 신체에 영향을 끼치는 기상 정보, 이동 거리 정보를 수집하여 바이오리듬 분석 알고리즘으로 계산한다. 그 후, 계산된 바이오리듬에 따라 감성을 조절할 수 있는 컬러테라피 조명을 제공, 감성을 조절하고 제어할 수 있게 한다. 이로써 사용자가 보다 편리한 조명제어를, 자신의 감성에 따른 컬러테라피 조명으로 감성을 조절, 제어하여 심신의 안정, 건강 관리, 사고 예방 등의 효과를 가질 수 있도록 연구하고자 한다. The advent of Internet of Things(IoT) has increased the need for development of smart life based on Information and Communication Technology(ICT). By using IoT technology, we are able to control connected appliances using smart devices, such as smart phone. To support the smart life, there is a need to utilize emotion information for human behavior, based on both biorhythm and environment information. Research towards this goal suggests a smart lamp control system that has an effect on the human emotion. According to the PSI theory, the control system calculates the biorhythm with an algorithm that uses the human biorhythm, weather factors and walking amounts. The smart lamp works with the recommended color lights that can control the feelings and emotions of the user. Here, we will show the effect of physical and mental stability, health care, and accident prevention.
증강 스팟라이트 : 프로젝션 증강 현실을 위한 정보 시각화와 모바일 인터페이스 디자인
박혜빈(Park Hyebin),이준(Lee Zune),원광연(Wohn Kwangyun) 한국HCI학회 2018 한국HCI학회 학술대회 Vol.2018 No.1
본 연구는 실제 물체를 활용한 프로젝션 맵핑 전시환경에서 정보와 사용자 사이의 인터랙션 방법에 대해 탐색한다. 프로젝션 증강 현실에서의 정보시각화를 물체 재현의 방식, 물체의 물리적 접촉여부를 중심으로 한 조작 방식으로 그 특징을 정리하였고, 증강된 현실 공간 내에서의 정보탐색에 활용 가능한 새로운 인터랙션 메타포 ‘증강스팟라이트’와 실제 모바일 디바이스의 플래시라이트를 활용한 인터페이스의 프로토타입을 제작하여 그 활용 가능성을 모색하였다. 이러한 제안은 다중 사용자가 동시에 참여 및 감상하면서도 개인화된 능동적 정보 탐색과 직관적인 공간 입력을 가능하게 하여 전시, 공연, 게임, 교육 등의 분야에서 공감각적 경험 디자인에 활용할 수 있을 것이다.