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 : 무함마드아크바앤디아리프 (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
초분광 영상 및 딥러닝을 활용한 작물 수분 스트레스 조기 검출
김한기,무함마드아크바앤디아리프,김태현,서현권,조병관 한국비파괴검사학회 2022 한국비파괴검사학회지 Vol.42 No.6
Abnormal climate phenomena linked to global warming are causing crop growth disorders. Development of crops that are not susceptible to the effects of environmental stress, such as weather, and prescription through early diagnosis of stress symptoms are important to ensure stable crop production. In this study, we aimed to develop a nondestructive diagnostic method that can detect crop drought stress symptoms, one of the main causes of crop yield reduction, at an early stage by using hyperspectral imaging and deep learning. Hyperspectral imaging was performed for seven days from the fourth day after watering was stopped for tomato and red pepper plants, and an analysis method that can distinguish between normal and stress-exposed plants using convolutional neural networks (CNNs) was investigated. The CNN models EfficientNet and ConvNext were modified for hyperspectral-image training, and a classification model was developed using dimensionally reduced hyperspectral datasets. When the principal component analysis dimensionally reduced hyperspectral-imaging data were trained through the EfficientNet model, the classification accuracy of the test set was 94.4%. Hyperspectral-imaging and deep-learning classification techniques are expected to be useful for early detection of drought stress symptoms in tomato and red pepper plants. 지구 온난화와 관련된 이상 기후현상은 농작물 생육 장애에 원인이 되고 있다. 기상 등 환경 스트레스의 영향에 민감하지 않는 작물 개발과 스트레스 증상의 조기진단을 통한 처방은 안정적인 농작물 생산을 위해 필수적이다. 본 연구에서는 농작물 수확량 감소의 주요 원인 중 하나인 농작물 수분 스트레스 증상을 초분광 영상 및 딥러닝기술을 활용하여 조기에 검출할 수 있는 비파괴적 진단방법을 개발하고자 하였다. 토마토와 파프리카 작물을 대상으로 급수 중단 4일차부터 7일 동안 초분광 영상을 측정하였으며, 딥러닝 합성곱 신경망(Convolutional Neural Networks, CNN) 영상분석법을 활용하여 정상 및 스트레스 노출 작물을 구분할 수 있는 분석방법을 고찰하였다. CNN 모델인 EfficientNet과 ConvNext를 변형하여 초분광 영상을 학습할 수 있도록 하였고 차원이 축소된 초분광 영상 데이터 셋을 활용하여 분류 모델을 개발하였다. 분석 결과 PCA로 차원 축소된 초분광 이미지 데이터를 EfficientNet 모델을 통해 학습시켰을 때 테스트 세트의 분류 정확도는 94.4%로 나타났다. 초분광 영상 및 딥러닝 분류기술은 토마토 및 파프리카 작물에 대한 수분 스트레스 증상의 조기 검출에 활용될 수 있을 것으로 사료된다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
