http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Prediction of Onion Quality Changes during Cold Storage Using Artificial Neural Network
Nurhisna Nandita Irsaulul,Sang-Yeon Kim,Daeyoung Kim,Jiwon Ryu,Seung-Woo Roh,Chang-Hyup Lee,Eungchan Kim,Sung-Jay Kim,Suk-Ju Hong,Jeong Gu Lee,Joonggon Kim,Eun Jin Lee,Ghiseok Kim 한국원예학회 2022 한국원예학회 학술발표요지 Vol.2022 No.11
( Nandita Irsaulul Nurhisna ),( Chang-hyup Lee ),( Eungchan Kim ),( Dae Young Kim ),( Xianhui Xin ),( Mingyu Baek ),( Ghiseok Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2
Strawberry is a globally consumed fruit known for its distinctive sweet and sour taste characteristics. The vitality of achieving optimal strawberry growth and high-quality production is significantly influenced by the condition of the strawberry leaves during the growth stages. While disease detection through visual observation by experts is a conventional method, its practicality diminishes considerably when applied to extensive agricultural settings. In response to these challenges, numerous non-destructive research initiatives have been undertaken to detect diseases affecting strawberry leaves. Recently, computer vision and machine learning have emerged as pivotal methodologies for disease detection and classification. This study focuses on acquiring data from an expansive strawberry farm utilizing an RGB camera. The investigation involves a comprehensive comparison of various image processing methods and machine learning techniques for the detection and quantification of diseased areas on strawberry leaves. The performance of each model is rigorously assessed and evaluated.
Quality Estimation of Net Packaged Onions during Storage Periods using Machine Learning Techniques
Nandita Irsaulul Nurhisna,Sang-Yeon Kim,Seongmin Park,Suk-Ju Hong,Eungchan Kim,Chang-Hyup Lee,Sungjay Kim,Jiwon Ryu,Seungwoo Roh,Daeyoung Kim,Ghiseok Kim 한국포장학회 2022 한국포장학회지 Vol.28 No.3
Onions are a significant crop in Korea, and cultivation is increasing every year along with high demand. Onions are planted in the fall and mainly harvested in June, the rainy season, therefore, physiological changes in onion bulbs during long-term storage might have happened. Onions are stored in cold room and at adequate relative humidity to avoid quality loss. In this study, bio-yield stress and weight loss were measured as the quality parameters of net packaged onions during 10 weeks of storage, and the storage environmental conditions are monitored using sensor networks systems. Quality estimation of net packaged onion during storage was performed using the storage environmental condition data through machine learning approaches. Among the suggested estimation models, support vector regression method showed the best accuracy for the quality estimation of net packaged onions.
Prediction of Onion Quality Changes during Cold Storage Using Artificial Neural Network
Nurhisna Nandita Irsaulul,Sang-Yeon Kim,Daeyoung Kim,Jiwon Ryu,Seung-Woo Roh,Chang-Hyup Lee,Eungchan Kim,Sung-Jay Kim,Suk-Ju Hong,Jeong Gu Lee,Joonggon Kim,Eun Jin Lee,Ghiseok Kim 한국원예학회 2022 한국원예학회 학술발표요지 Vol.2022 No.11
Quality Change Prediction of Onion during Storage Using Artificial Neural Network
난디타이르사우루르누르히스나 ( Nandita Irsaulul Nurhisna ),홍석주 ( Suk-ju Hong ),김응찬 ( Eungchan Kim ),김상연 ( Sang-yeon Kim ),이창협 ( Chang-hyup Lee ),김성제 ( Sung-jay Kim ),노승우 ( Seung-woo Roh ),류지원 ( Jiwon Ryu ),김대영 ( Da 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1
Onion is one of the most important crops in the world. It is consumed as raw or as a component of meals in many different cultures around the world and without any special time. A long stages from harvesting to consumer might be losing the quality of onion. The step that takes a big loss is during the storage and distribution stage. Therefore, this study is attempted to develop a prediction model of onion quality change during storage and distribution to see how the onion is decaying through artificial neural network using real time scale database. By the result of this study, it is expected that it will be prevent a discrepancy in supply chain and demand existing in the storage and distribution of onion and improve overall efficiency.
GAN을 이용한 참외 차폐영역복원모델 학습용 데이터셋 생성
김성제 ( Sungjay Kim ),누르히스나 ( Nandita Irsaulul Nurhisna ),류지원 ( Jiwon Ryu ),김규민 ( Kyumin Kim ),김상연 ( Sang-yeon Kim ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2
참외와 관련하여 관행적 포복재배 형태를 수직재배 방식으로 개선하고 자동화 기술을 도입하는 연구가 국내에서 활발히 진행 중이다. 특히 수확 자동화에 필요한 수확로봇에 대한 연구도 주목을 받고 있지만 참외는 다른 덩굴식물들과 마찬가지로 잎에 의해 과실이 차폐되는 경우가 많아 과실 인식, 크기 및 숙도 인식에 어려움을 겪는다. 딥러닝을 이용한 차폐영역 복원 모델을 학습하기 위해서는 잎에 의해 차폐된 과실 영역에 대한 정보가 존재하여야 하기 때문에 이미 잎에 차폐된 과실 이미지는 학습 데이터로 부적합하다. 따라서 본 연구에서는 생성형 딥러닝 모델인 GAN을 이용하여 과실의 전체 형상이 드러난 이미지 상에 잎 차폐를 생성하는 방법을 이용한여 차폐영역 복원 모델 학습용 데이터셋을 구성하고자 하였다. GAN 모델 학습을 위해 잎에 차폐되지 않은 과실 이미지와 차폐된 과실 이미지 데이터를 수집하였다. GAN 중에서도 이미지-이미지 변환 모델 중 널리 사용되는 CycleGAN 모델을 사용하였으며, 과실 상에 잎이 생성될 수 있도록 생성되는 영역을 제한하는 attention-guided 기법을 적용하여 실제 잎에 차폐된 과실 이미지와 유사한 데이터셋을 생성하였다.
신경망 기반 저온 저장 중 양파의 품질변화 예측 기술 개발 기초 연구
김상연 ( Sang-yeon Kim ),누르히스나 ( Nandita Irsaulul Nurhisna ),박성민 ( Seongmin Park ),홍석주 ( Suk-ju Hong ),김응찬 ( Eungchan Kim ),박흔동 ( Heundong Park ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
양파는 국내 대표적인 저장 농산물 중 하나로, 저온 저장 환경에서 길게는 약 8개월간 보관하며 시장에 공급되는 것으로 알려져 있다. 하지만, 저장 중 각종 생리장해 및 부패의 영향으로 매년 30% 이상의 높은 저장 손실률을 기록하고 있어 보다 효율적인 저장관리기술의 개발이 필요한 상황이다. 따라서, 본 연구에서는 저장관리기술의 필수적인 요소기술로 활용될 수 있는 저온 저장 중 양파 품질의 실시간 예측 기술을 개발하고자 하였다. 이를 위해, 실제 산지유통센터와 유사한 모의 저장 환경을 설치하였으며, 내부에는 실시간 환경 정보를 수집하기 위한 모니터링 시스템을 구축하였다. 또한, 샘플링을 통한 주기적인 파괴실험을 수행하여 저장 기간 및 환경 변화에 따른 양파의 품질변화를 기록하였다. 이렇게 수집된 환경 및 품질 정보를 활용하여 신경망 기반의 저장 중 양파 품질 예측모델을 학습하였으며, 기존의 전통적인 방식과 비교하여 그 효용성을 평가하고자 하였다. 개발된 기술을 통해 예측된 양파의 품질 정보는 향후 저장 환경 조건의 개선 및 적정 출하 시기 선정 등에 활용될 수 있을 것으로 기대된다.
신경망 기반 저온 저장 중 양파의 품질변화 예측 기술 개발 기초 연구
김상연 ( Sang-yeon Kim ),누르히스나 ( Nandita Irsaulul Nurhisna ),박성민 ( Seongmin Park ),홍석주 ( Suk-ju Hong ),김응찬 ( Eungchan Kim ),박흔동 ( Heundong Park ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
양파는 국내 대표적인 저장 농산물 중 하나로, 저온 저장 환경에서 길게는 약 8개월간 보관하며 시장에 공급되는 것으로 알려져 있다. 하지만, 저장 중 각종 생리장해 및 부패의 영향으로 매년 30% 이상의 높은 저장 손실률을 기록하고 있어 보다 효율적인 저장관리기술의 개발이 필요한 상황이다. 따라서, 본 연구에서는 저장관리기술의 필수적인 요소기술로 활용될 수 있는 저온 저장 중 양파 품질의 실시간 예측 기술을 개발하고자 하였다. 이를 위해, 실제 산지유통센터와 유사한 모의 저장 환경을 설치하였으며, 내부에는 실시간 환경 정보를 수집하기 위한 모니터링 시스템을 구축하였다. 또한, 샘플링을 통한 주기적인 파괴실험을 수행하여 저장 기간 및 환경 변화에 따른 양파의 품질변화를 기록하였다. 이렇게 수집된 환경 및 품질 정보를 활용하여 신경망 기반의 저장 중 양파 품질 예측모델을 학습하였으며, 기존의 전통적인 방식과 비교하여 그 효용성을 평가하고자 하였다. 개발된 기술을 통해 예측된 양파의 품질 정보는 향후 저장 환경 조건의 개선 및 적정 출하 시기 선정 등에 활용될 수 있을 것으로 기대된다.
딥러닝 객체 분할 모델 및 RGB 영상 기반 잎 면적 및 장·단축 길이 예측 기술 개발
김규민 ( Kyumin Kim ),노승우 ( Seung-woo Roh ),류지원 ( Jiwon Ryu ),누르히스나 ( Nandita Irsaulul Nurhisna ),장하린 ( Harin Jang ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2
잎이 가진 여러 특성 중 하나인 잎 면적은 식물의 광합성 능력을 결정하는 데 사용되는 주요한 매개변수 중 하나이며 작물 성장 과정과 생산성 관찰 및 예측에 중요한 요소로 여겨진다. 이러한 외부 표현 정보에 대한 모니터링을 위해 파괴 및 비파괴 방식의 연구가 많이 진행되었으며 최근에는 영상과 영상처리 및 딥러닝 기반의 합성곱신경망을 활용한 연구가 활발히 진행되고 있다. 본 연구에서는, 콩 전체 작물의 RGB 영상을 촬영하여 잎의 면적과 장축 및 단축의 길이를 예측하고자 하였다. 동일한 작물을 일정한 날짠 간격을 두고 규칙적으로 촬영하였으며, 딥러닝 객체분할 모델을 활용하여 해당 영상 내 개별 잎의 영역을 인식하였다. 이 후 영상처리 기법을 활용하여 각 잎의 면적, 장축 및 단축의 길이를 추정하였고, 장축의 경우 잎의 곡률을 고려하여 단순 직선이 아닌 곡선 형태로 길이를 추정하였다.
블록체인 및 신경망 기반 유닛로드 시스템 내 양파의 저장 중 품질변화 예측 기술 기초 연구
김상연 ( Sang-yeon Kim ),김대영 ( Daeyoung Kim ),누르히스나 ( Nandita Irsaulul Nurhisna ),김성제 ( Sungjay Kim ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2
오늘날 온라인 신선 물류 유통시장이 급성장함에 따라 농업 분야에서도 각종 ICT 기술을 활용한 스마트 유통 및 물류 시스템의 필요성이 날로 대두되고 있다. 따라서, 본 연구에서는 스마트 유통 물류 시스템의 요소기술 중 하나로 적용될 수 있는 블록체인 및 인공신경망 모델 기반의 농산물 품질변화 예측 기술을 연구하고자 하였다. 국내 대표적인 저장 농산물 중 하나인 양파를 대상으로 저장 과정 중 축적되는 환경정보 및 품질 정보를 블록체인에 저장하여 공유함으로써 농산물 이력 정보의 신뢰성과 신속성을 향상시키고자 한다. 또한, 해당 환경정보를 바탕으로 농산물의 품질변화를 예측하는 인공신경망 기반 모델을 개발하여 농산물의 유통 중 변화하는 품질 정보도 함께 확인할 수 있도록 하고자 한다. 이를 위해 현재 실제 양파 저장환경을 모사한 모의 저장환경을 구성하여 실시간 환경정보 및 주기적인 품질 정보를 축적하고 있으며, 이를 이용해 모델의 강건성을 확보하는 연구를 진행하고 있다. 본 연구의 결과를 통해 오늘날 신선농산물 및 원예특작물의 저장 및 유통과정에 존재하는 수요와 공급의 비대칭을 방지하고 전주기적인 효율성을 향상시킬 수 있을 것으로 기대된다.