http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
노승우 ( Seung-woo Roh ),홍석주 ( Suk-ju Hong ),김상연 ( Sang-yeon Kim ),김대영 ( Daeyoung Kim ),류지원 ( Jiwon Ryu ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2
최근 한국의 농업은 인공지능 기술을 접목하여 농촌의 문제를 해결하는 연구가 활발히 진행되고 있다. 합성곱신경망(Convolutional Neural Network, CNN)을 기반으로 하는 딥러닝 기술은 특히 영상처리 기술과 결부되어 쉽게 취득 가능한 영상 데이터로부터 주어진 문제의 해결책을 얻을 수 있어 최근 주목받고 있는 기술이다. 병해충 진단은 병징을 관찰하여 병종을 파악할 수 있으므로 딥러닝을 통해 진단이 가능할 것으로 판단된다. 이에 본 연구에서는 RGB 센서로부터 콩 병해충 이미지 데이터를 얻은 뒤 이를 토대로 딥러닝 기반의 영상 분류 모델을 학습시켜 콩 병해충의 진단을 수행하였다. 평가 지표로는 분류 정확도를 사용하였으며 5개의 분류 모델을 학습시켜 최대 분류 정확도를 비교하였다. 이를 위해 배치 사이즈, 학습률 등의 하이퍼파라미터를 조건을 달리해 가며 최적의 학습 조건을 탐색하였다.
노승우 ( Seung-woo Roh ),박성민 ( Seongmin Park ),김응찬 ( Eungchan Kim ),이창협 ( Chang-hyup Lee ),김규민 ( Kyumin Kim ),장하린 ( Harin Jang ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2
벼는 한국의 주요 식량 자원으로 도열병은 벼 생산에 손실을 야기하는 주요 원인 중 하나이다. 그러나 도열병의 진단은 주로 육안에 의존하여 감염 초기 단계에서 진단 정확도가 다소 떨어지는 경향이 있다. 이에 도열병의 초기 진단 방법 개발에 대한 수요가 늘고 있는 추세이다. 광열분광법은 시료에 빛에너지를 조사하여 온도 변화를 측정함으로써 대상의 열물성을 측정하는 방법이다. 도열병균(M. oryzae strain KJ201)은 세포를 파괴하여 구조적 변화를 일으키므로 광열분광법을 통해 정상 벼와 감염 벼의 열물성적 차이를 관측할 수 있다. 본 연구에서는 실내 육종 벼에 대해 광열분광법으로 도열병균의 감염 여부에 따른 물성의 차이를 관측하고자 하였다. 벼는 낙동벼를 사용하였으며 시편은 벼 잎을 잘라 선도 유지를 위해 젖은 휴지로 고정한 것을 사용하였다. 대상을 가열 후 냉각하여 Biexponential curve fitting을 수행해 함수의 파라미터를 취득하였다. 이후 정상 벼와 감염 벼의 파라미터 분포를 비교하였다.
CNN 기반 콩 및 옥수수 밭 우점 잡초 분류 모델 개발
노승우 ( Seung-woo Roh ),박성민 ( Seongmin Park ),홍석주 ( Suk-ju Hong ),김상연 ( Sang-yeon Kim ),김응찬 ( Eungchan Kim ),이창협 ( Chang-hyup Lee ),김성제 ( Sungjay Kim ),류지원 ( Jiwon Ryu ),누르히스나 ( Nandita Irsaulul Nurhisn 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
잡초는 경작지에 자라는 원치 않는 식물로 토양의 영양분을 흡수하여 작물의 생장을 방해하여 농업 생산량 및 농산물의 품질에 악영향을 미친다. 잡초의 올바른 방제법은 초종에 의해 결정되어 잡초를 정확하게 진단할 필요가 있다. 기존의 잡초 진단은 전문가에 의존하여 시간 소모적이고 큰 비용이 필요하였다. 그러나 최근 컴퓨터 공학의 발달로 영상 기반 분류 연구가 활발히 이루어짐에 따라 잡초 분류 연구에도 컴퓨터 공학 기술을 접목하려는 다양한 시도가 이루어지고 있다. 합성곱신경망(Convolutional Neural Network, CNN)은 영상 처리 분야 중에서도 분류 문제에 대해 우수한 성능을 내는 것으로 알려진 딥러닝 기술이다. 본 연구에서는 RGB 센서를 이용하여 잡초 이미지를 획득한 후 CNN 기반 딥러닝 분류 모델을 학습해 잡초 진단 성능을 평가하였다. 분류 대상 잡초는 콩 및 옥수수 밭에서 주로 자라는 14종의 잡초를 선정하였다. 모델의 성능 지표를 평가하기 위해 모델 6종을 선정하여 손실 함수가 최소가 될 때까지 학습한 후 분류 정확도를 비교하였다.
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.
사과 내부 결함 검출을 위한 근적외선 영상처리 기술 개발 기초 연구
이창협 ( Chang-hyup Lee ),노승우 ( Seung-woo Roh ),김대영 ( Dae Young Kim ),누르히스나 ( Nandita Ursaulul Nurhisna ),백민규 ( Mingyu Baek ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2
사과는 국내에서 대량 소비되는 농산물 중 하나로, 뛰어난 저장성이 특징이다. 이러한 많은 소비량과 저장성은 유통 및 저장 과정에서 내부 결함이 발생할 가능성을 높이며, 이로 인해 소비자의 만족도를 저하시키고 장기적인 사과의 소비에 부정적인 영향을 미칠 수 있다. 사과의 크기, 모양, 색상, 표면 상태, 당도 등의 겉보기 특성을 선별 과정에서 중요한 역할을 하지만, 내부 결함은 대체로 판매 후에야 소비자에게 드러나 이는 큰 문제점으로 남아있다. 본 연구에서는 광원에 대한 반응성을 이용하여 내부가 부패한 사과와 정상 사과를 구별하고자 하였다. 이를 위해 할로겐 광원을 사용할 수 있는 암막 프레임을 설계하고, 상단에는 근적외선 카메라를 부착하여 영상 데이터를 취득하였다. 내부가 부패한 사과는 UTM을 통해 제작하였으며, 제작한 부패 사과와 정상 사과의 광원에 대한 반응성을 근적외선 카메라로 취득하였다. 또한, 해당 근적외선 영상을 분석하고 결함을 판별하기 위한 알고리즘을 개발하였다. 해당 기초 연구를 발전시킨다면, 향후 사과 선별과정에서 기존의 겉보기 품질 뿐만 아니라 내부의 품질도 판별할 수 있는 시스템에 활용될 수 있을 것으로 기대된다.
무인항공기 측정 적외선 항공열영상을 이용한 인공신경망 기반 과수 작물의 수분스트레스 평가 모델 개발
김성제 ( Sungjay Kim ),홍석주 ( Suk-ju Hong ),김상연 ( Sang-yeon Kim ),류지원 ( Jiwon Ryu ),노승우 ( Seung-woo Roh ),김대영 ( Dae Young Kim ),김규민 ( Kyumin Kim ),양권석,김기석 ( Ghiseok Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
환경에 따른 과수 작물의 수분 상태를 정밀하게 파악하는 것은 효율적인 관수 관리에 있어 핵심적이다. 최근 무인항공기 (Unmanned Aerial Vehicle, UAV)를 이용하여 넓은 면적에 분포한 작물의 수분스트레스를 짧은 시간 안에 정밀하게 평가하는 연구들이 많이 이루어지고 있다. 특히, 무인항공기에 탑재된 적외선 열영상 센서로 과수의 엽온을 측정하고, 이를 이용하여 수분스트레스 평가 지표 중 하나인 경험적 수분스트레스 지수 (Crop Water Stress Index, CWSI)를 계산하는 방법이 가장 널리 활용되고 있다. 하지만 무인항공기를 이용한 관측은 장기간 반복적으로 수행하기 어렵기 때문에 무인항공기를 이용해 수집된 데이터로 수분스트레스를 평가하는데 있어 경험적 수분스트레스 지수가 최적의 방법이라고 보기 어렵다. 따라서, 본 연구에서는 인공신경망 기반의 새로운 수분스트레스 진단 모델을 개발하여 무인항공기를 이용한 수분스트레스 평가에 적합한 모델을 제시하고자 하였다. 이를 위해 먼저 항공열영상 온도 보정 모델과 정밀한 엽온 추출을 위한 영상처리 기법 개발하였다. 온도 보정과 엽온 추출 과정을 거친 엽온 데이터를 대기환경 데이터와 함께 투입 변수로 활용하여 과수 작물의 수분스트레스를 평가하는 인공신경망 모델을 구축하였다. 온도 보정에는 흑체가 사용되었으며, 보정 결과 실제 흑체 온도와 보정된 온도 간의 RMSE가 0.68 °C로 낮은 오차를 보였다. 한편, 항공영상에서의 수관 영역 분할을 통한 정밀 엽온 추출을 위해서 딥러닝 Mask R-CNN(Mask Regional-Convolutional Neural Network) 방법론을 적용하였으며, 수관 영역 분할 결과, 평균 정확도 0.95의 성능을 보였다. 수분스트레스 진단 모델은 엽온, 대기온도, 상대습도를 이용해 기공전도도를 예측하는 인공신경망으로 구성되었으며, 모델 예측 결과와 기공전도도 값 간의 상관계수는 0.86로 경험적 수분스트레스 지수와 기공전도도 값 간의 상관계수인 0.56보다 크게 개선되는 것을 확인할 수 있었다. 이러한 연구 결과는 인공신경망 기반의 수분스트레스 평가 모델이 기존의 경험적 수분스트레스 지수에 비해 무인항공기 기반의 수분스트레스 평가에 더 적합하다는 것을 보여주었다는 점에서 의의가 있다.
딥러닝 객체 분할 모델 및 RGB-D 영상 기반 수확 전 토마토 생체중 예측 기술 개발
홍석주 ( Suk-ju Hong ),박성민 ( Seongmin Park ),김상연 ( Sang-yeon Kim ),이창협 ( Chang-hyup Lee ),김응찬 ( Eungchan Kim ),김성제 ( Sungjay Kim ),류지원 ( Jiwon Ryu ),노승우 ( Seung-woo Roh ),( Nandita Irsaulul Nurhisna ),김대 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
과실의 생장단계에서의 크기, 형상, 색상은 과실의 품질과 수확시기에 대한 정보를 담고 있다. 특히, 과실의 크기의 경우 과실의 생장 정도와 최종 생산량을 예측하는 데 있어 중요한 정보이다. 이러한 외부 표현 정보에 대한 모니터링을 위해, 영상을 기반으로 한 많은 연구들이 수행되었다. 특히 최근 영상기반의 연구들에서는, 합성곱신경망이나 트랜스포머 등 딥러닝 모델들이 이전의 특징추출 기반의 모델들 대비 높은 성능을 보인다. 본 연구에서는, 재배 중인 토마토의 RGB-D 영상을 촬영하여 크기를 추정하고 크기정보를 통하여 토마토의 생체중을 예측하고 그 성능을 평가하고자 하였다. 영상은 시설원예 토마토들에 대하여 촬영되었으며, 촬영된 토마토는 수확후 부피 및 무게를 측정하였다. 영상 내 토마토의 영역은 딥러닝 객체분할 모델로 인식되었으며, 인식된 영역의 크기 정보를 통해 토마토의 생체중이 예측되었다.
가시광/근적외선 반투과 스펙트럼 및 인공신경망 기반 사과 과실 산도 예측 모델 개발
류지원 ( Jiwon Ryu ),박성민 ( Seongmin Park ),홍석주 ( Suk-ju Hong ),김상연 ( Sang-yeon Kim ),김응찬 ( Eungchan Kim ),이창협 ( Chang-hyup Lee ),김성제 ( Sungjay Kim ),노승우 ( Seung-woo Roh ),누르히스나 ( Nandita Irsaulul Nurhisn 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
사과는 세계적으로 널리 소비되는 청과류에 해당하며, 사과에 함유된 당과 산의 함량은 사과 과실의 맛을 결정하는 주요 품질 인자에 해당한다. 여러 연구들에서 분광 분석 기술을 활용하여 사과 당도에 대한 비파괴 예측 및 선별 기술을 개발해온 것과 달리, 사과 산도의 경우 당도에 비해 낮은 함량으로 인하여 당도만큼 정확한 예측 모델의 개발이 이루어지지 못했다. 따라서, 본 연구에서는 가시광/근적외선(400-1,000 nm) 영역의 분광 스펙트럼에 인공지능 모델을 적용하여 사과 과실의 산도를 예측하는 다양한 회귀 모델을 개발하였고 모델 별 예측 정확도를 평가하였다. 이를 위하여 사과 과실에 대한 반투과 스펙트럼을 취득하여 전처리 기술을 적용하였고, PLS, PLS-ANN, ANN 등의 다양한 회귀모델을 활용한 예측 모델을 개발하였다. 이러한 과정을 통하여 각 예측 모델의 사과 산도 예측 오차를 분석하였고, 산도 예측에 유의미한 파장대역을 선정하였다.
토마토 과실의 검출 및 생육단계 추정을 위한 RGB-D 영상과 딥러닝 객체분할 모델의 적용
홍석주 ( Suk-ju Hong ),이창협 ( Chang-hyup Lee ),박성민 ( Seongmin Park ),김상연 ( Sang-yeon Kim ),김응찬 ( Eungchan Kim ),김성제 ( Sungjay Kim ),노승우 ( Seung-woo Roh ),누르히스나 ( Nandita Irsaulul Nurhisna ),류지원 ( Jiwon Ry 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
토마토는 대표적인 원예작물 중 하나로, 맛을 비롯하여 항산화, 항염증, 항암 효과 등의 다양한 건강적 이점을 갖는다. 최근 각광받는 스마트팜 분야에서는, 원예작물의 과실의 생장단계 모니터링 및 수확을 위한 영상인식기술에 대한 연구들이 활발히 수행되고 있다. 이러한 기술은 농가의 생산량 예측 뿐 아니라 수확의 자동화를 위해서도 필수적이다. 최근 영상 기반의 연구들에서는, 딥러닝 기반의 모델들이 활발히 사용되고 있다. 특히 객체의 영역을 찾아내는 객체 분할 영역 또한 합성곱신경망이나 트랜스포머 등의 딥러닝 알고리즘이 기존 방식들 대비 높은 성능을 보인다. 본 연구에서는 토마토 과실의 객체 분할 모델을 개발하기 위하여 토마토 농가의 RGB-D 영상을 촬영하여 수집하였다. 수집된 데이터는 객체 영역이 폴리곤 형태로 라벨링되었으며, 학습 및 평가를 거쳐 여러 객체 분할 모델들의 성능이 비교 평가되었다.