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 : 김동은 ( Dong Eum Kim ) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
주현식 ( Hyun Sik Joo ),신주원 ( Joo Won Shin ),김동은 ( Dong Eum Kim ),김대철 ( Dae Cheol Kim ),김성민 ( Seong Min Kim ),이동훈 ( Dong Hun Lee ),조용진 ( Yongjin Cho ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1
정밀한 농작물 생육상태 진단 및 수확량 예측 분석 모델을 개발을 위해서는 최적화된 분석 모델개발이 필요하다. 확보한 드론 영상으로 농업 공간정보 구축하고 벼 농작물 생육/작황 상태 모니터링 정보를 가시화 기술이 필요하다. 따라서 본 연구에서는 학습용 데이터 기반하에 AI 플랫폼 구축하는데 있다. AI 학습 데이터 구축을 위해 영상전처리 후의 필지단위 타일링 가공 데이터에 작황정보 현장조사 라벨링 데이터를 업로드하였으며 작물 필지와 그 외 지역 구분을 위한 필지 외곽선 추출작업 진행하였다. 테이블 구성 및 이미지 마스킹에 대한 메타정보를 입력하였다. 작물 및 재배면적 판독을 위한 학습 데이터 구축을 위해 각 재배/수확필지를 구분하여 태깅하였다. 인공지능 데이터 구축에서는 75 : 25 로 비율의 Train set으로 진행하였다. 드론 영상은 일정 크기인 512 x 512픽셀로 그리드 분할하고, 태깅된 데이터는 마스킹 이미지로 변환하여 그리드 분할하였다. 그리드 분할된 이미지와 마스킹 이미지는 학습과 테스트를 위한 데이터로 75 :25 의 비율로 분리하였다. AI 알고리즘을 활용한 농작물 생육상태 진단 및 품질, 수확량 예측 분석 모델 선정하였으며, 최적 분석모델 개발을 위한 Classification & Segmentation + Regression Analysis 모델을 적용하였다. 알고리즘을 바탕으로 선정된 벼 농작물 판독 및 인식 모델인 U-Net 모델 개발을 완료하였다. 딥러닝 기술 기반의 이미지 분할기술 중 Semantic Segmentation 기술을 활용하여 이미지 분할 방법 적용하여 농작물(벼)판독 및 재배면적 산출하였다. 선정된 작물의 품질 및 수확량 예측을 위한 추론 모델인 RESNET 모델을 개발할 예정에 있다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
