http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 강유경(YuGyeong Kang) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
송승욱(Seung-Wook Song),강유경(Yugyeong Kang),오승환(Seung-Hwan Oh),이한(Han Lee) 한국원예학회 2021 한국원예학회 학술발표요지 Vol.2021 No.10
위성영상을 활용한 원격탐사 기법은 영상데이터로부터 광범위한 지역 내의 대상체에 대한 정보를 분석할 수 있어 대규모 과원 관리를 위한 새로운 대안으로 제시된다. 정밀 과원 관리를 위해서는 해당 면적에서 재배되는 작물을 분류하여 수확량을 예측하고 재배지 변화를 파악해야 한다. 본 연구에서는 사과, 배 과원 원격탐사 영상 기반 정밀 진단 기술을 개발하여 작목별 분류 가능성을 확인하고 자동 분류 모델을 개발하고자 하였다. 위성영상 획득이 가능하며 많은 사과, 배 과원이 분포되어 있는 충청남도 논산시 가야곡면과 광석면을 대상으로 분류를 수행하였다. 다양한 위성 영상 중 운량 15% 이내에서 8개 밴드 정보를 활용하여 다양한 조건을 적용할 수 있는 WorldView-2 위성영상을 선정하고, 추가로 Landsat8 위성영상을 확보하였다. 효율적인 영상 분석을 위해 과수의 생장이 활발해지는 5월 말~6월 초 기간과 과수가 완전히 익어 수확기에 도달하는 8월 말~9월 초 기간의 영상을 연구 중점 기간으로 선정하였다. 상용 소프트웨어 ENVI를 활용하여 영상 보정 및 합성을 실시한 후 무감독 분류기법 중 하나인 KNN 알고리즘을 적용하였다. 분류한 영상과 육안판독 자료를 비교하여 분류정확도를 확인한 결과 약 80%의 정확도를 나타냈다. 정확도 개선을 위하여 SAR영상을 이용해 과원의 지형적 특징이나 패턴을 추출해 이용하는 방안을 검토 중이다. 향후 3년간 영상을 추가로 수집하여 시계열 영상 제작, 분광 정보에서 얻을 수 있는 식생지수 등을 활용해 작목별 특성을 도출해 냄과 동시에, 다양한 기계학습 모델을 적용하여 알고리즘의 설명력을 높이고 작목 분류에 활용 가능한 형태로 처리, 분석하여 자동 분류 모델을 개발할 예정이다.
-
노지 환경에서 초분광영상 기반 사과 ‘홍로’의 비파괴 수확기 진단 연구
송승욱(Seung-Wook Song),강유경(Yugyeong Kang),오승환(Seung-Hwan Oh),이한(Han Lee) 한국원예학회 2021 한국원예학회 학술발표요지 Vol.2021 No.10
착색계 사과 ‘홍로’의 수확기 판정은 일부 사과의 특성을 조사하여 착색도 70%, 당도 10.5°Bx, 전분지수 70%를 기준으로 하고 있으나 이는 과실을 파괴해야할 뿐만 아니라 각각의 과실마다 성숙되는 시기와 정도가 다르기 때문에 수확대상인 모든 사과의 개별적인 특성을 파악할 수 없다. 본 연구에서는 노지환경에서 비파괴방식으로 과실의 수확기를 진단하기 위하여 초분광영상(Hyperspectral Imaging) 기반으로 사과 과실 영상 정보를 수집하고 촬영된 분광스펙트럼과 품질인자 간 상관성을 구명하고자 하였다. 최근 디지털 농생명 분야에서 활용되는 비파괴 측정 기술 중 하나인 초분광영상은 수십~수백개의 파장대에 대한 분광특성을 이용하여 비파괴적으로 정보를 분석하는 최신 기술이다. 400 ‒ 1000nm에 해당하는 분광스펙트럼을 취득할 수 있는 초분광카메라 FX10(SPECIM, SPECTRAL IMAGING LTD., Oulu, Finland)으로 과실 비대 이후 약 10일 간격으로 사과 20개씩(수확기 30개)을 총 9회 촬영(9/5 현재, 잔여촬영 3회)하고, 해당 사과를 수확하여 파괴 검사방식으로 특성조사를 실시하였다. 200개의 촬영데이터를 170개의 훈련데이터와 30개의 시험데이터로 구분하여 과실의 분광정보와 당도의 상관관계 분석을 위하여 기계학습을 수행하였다. 기계학습 모델은 Random Forest, Gradient Boosting, Decision Tree, XGBoost, LightGBM을 활용하였으며, 각 모델에 추가로 PCA, TruncatedSVD, NMF를 선적용하여 재실시하였다. 최적의 예측모델은 Gradient Boosting을 적용한 것으로, RSME가 약 0.73, 오차율 7.26%로 나타났다. 본 연구는 기존 실내에서 수행된 선행 연구와 비교했을 때 설명력이 다소 낮지만, 비파괴 검사 방법으로 기상조건에 따른 다양한 변수가 존재하는 노지 환경(광조건, 과실위치, 과실방향 등)에서 자료를 취득하여 품질을 예측할 수 있는 기술이 연구되었다는 점에서 의미가 있다. 현재 시점에서 올해 잔여촬영 2회와 향후 3년동안 동일한 시기의 데이터를 추가로 획득하여 분석함으로써 초분광 영상 기반 품질 예측모델의 설명력을 높이고, 당도, 경도, 산도, 전분함량과 같은 품질인자와 분광 스펙트럼 패턴 간의 상관관계와 비파괴 측정 모델 연구를 계속적으로 진행할 예정이다.
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
