의사결정트리 기반 초분광 영상을 이용한 옥수수 생육시기별 염해 분류 모델

백현찬 ( Hyeon-chan Baek ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),박기수 ( Ki-su Park ),김은리 ( Eun-ri Kim ),박민준 ( Min-jun Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

본 연구의 목적은 생육 시기별로 인위적인 염 스트레스를 받은 옥수수를 초분광 영상으로 촬영하여 정상과 염 처리의 구분 및 염처리 농도에 따른 분류 가능성을 검토하여 염해 피해 정도를 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 김제시 광활면 새마을 간척지 시험포장에서 옥수수(찰옥2호)의 4본엽기(V4), 6본엽기(V6)와 개화기(R1)에 각각 정상관수(0.5 dS/m), 염 농도별 관수(2, 4, 8 dS/m) 처리하였다. 초분광 센서 (microHSI 410 SHARK, Corning, USA)를 탑재한 무인기 이용하여 각 생육시기별로 염 처리 후 10일 차 정오에 영상을 취득하였다. 취득된 영상은 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 각 생육 시기별 각 처리구별 반사값을 추출하였으며 의사결정트리 기법으로 염 처리 유무와 농도의 구분 가능성을 검토하였다. 염 처리 유무 에서는 V6, R1의 KC가 50% 이상의 분류정확도로 나타났으며 V4의 KC는 29% 이하의 정확도로 산출되어 염 유무 모델 적용하기에 어렵다고 판단된다. 그리하여 V6, R1을 대상으로 염 처리 농도에 대해 분석한 결과, R1의 KC가 52.2%의 정확도로 분류하는 것이 가능하였다. 하지만 V6에서는 36.8% 이하의 정확도로 분류하는 것이 어렵다고 판단된다. 추후 타 간척지 필지에 심겨진 옥수수의 분광데이터에 적용하여 염해 예측 모델 재현성 검토 및 보정이 필요하다고 생각한다.

의사결정트리 기반 초분광 영상을 이용한 옥수수 생육시기별 염해 분류 모델

백현찬 ( Hyeon-chan Baek ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),박기수 ( Ki-su Park ),김은리 ( Eun-ri Kim ),박민준 ( Min-jun Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

본 연구의 목적은 생육 시기별로 인위적인 염 스트레스를 받은 옥수수를 초분광 영상으로 촬영하여 정상과 염 처리의 구분 및 염처리 농도에 따른 분류 가능성을 검토하여 염해 피해 정도를 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 김제시 광활면 새마을 간척지 시험포장에서 옥수수(찰옥2호)의 4본엽기(V4), 6본엽기(V6)와 개화기(R1)에 각각 정상관수(0.5 dS/m), 염 농도별 관수(2, 4, 8 dS/m) 처리하였다. 초분광 센서 (microHSI 410 SHARK, Corning, USA)를 탑재한 무인기 이용하여 각 생육시기별로 염 처리 후 10일 차 정오에 영상을 취득하였다. 취득된 영상은 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 각 생육 시기별 각 처리구별 반사값을 추출하였으며 의사결정트리 기법으로 염 처리 유무와 농도의 구분 가능성을 검토하였다. 염 처리 유무 에서는 V6, R1의 KC가 50% 이상의 분류정확도로 나타났으며 V4의 KC는 29% 이하의 정확도로 산출되어 염 유무 모델 적용하기에 어렵다고 판단된다. 그리하여 V6, R1을 대상으로 염 처리 농도에 대해 분석한 결과, R1의 KC가 52.2%의 정확도로 분류하는 것이 가능하였다. 하지만 V6에서는 36.8% 이하의 정확도로 분류하는 것이 어렵다고 판단된다. 추후 타 간척지 필지에 심겨진 옥수수의 분광데이터에 적용하여 염해 예측 모델 재현성 검토 및 보정이 필요하다고 생각한다.

무인기로 취득한 콩 생육시기별 다중분광 영상을 통한 식생지수와 콩 수확량간의 상관관계 분석

백현찬 ( Hyeon-chan Baek ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),김태양 ( Tae-yang Kim ),박민준 ( Min-jun Park ),박기수 ( Ki-su Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1

본 연구에서는 생식생장기에 다양한 생육시기별로 취득한 콩 필지의 다중분광 영상을 이용해 콩 수확량과의 관계분석을 통해 수확량 추정에 높은 가능성을 보이는 식생지수를 구명하는 연구를 진행하였다. 본 실험은 경상남도 밀양시에 위치한 실험 포장(35°26'59.8"N 128°47'08.2"E)에서 수행하였으며, 회전익 무인기 (Matrice 200 v2, DJI Technology Co. Ltd., China)에 다중분광 센서 (altum, Micasense Inc, USA)를 탑재하여 2018년도부터 3년간 생육시기 (R2, R5, R6, R7)별로 취득한 다중분광 영상에서 분광영상 소프트웨어 (ENVI 5.6, Exelis Visauall information Solution Inc, USA)로 콩 잎의 반사값을 추출해 수확량과 관련된 6개의 식생지수들을 임의로 산출하였다. 각각의 식생지수와 실측한 수확량 사이의 상관성 (r) 평가와 함께 단순선형회귀분석하여 선형지표 R2와 오차지표 root mean squared error (RMSE) 및 relative error (RE)로 추정성능을 평가하였다. 개화기 (R2)에서는 SAVI가 r=0.47 로 다른 식생지수보다 상대적으로 높은 상관관계를 나타내었지만, 단순선 형회귀분석 결과 R2=0.22, RMSE=65.88kg/10a, RE=31.78% 로 수확량 추정가능성을 보이지 않았다. 입비대시 (R5)에서는 MSAVI가 r=0.84로 가장 높은 상관관계를 나타내었고, 단순선형회귀분석 결과 R2=0.71, RMSE=39.72kg/10a, RE=19.16% 로 전 생육시기에서 가장 높은 추정가능성을 보였다. 이외에 R6 (MSAVI)와 R7 (ARVI)의 예측성능은 R2≥0.43, RMSE≤58.36kg/10a, RE≤28.15% 으로 상대적으로 낮은 추정가능성을 보였다. 다양한 생육단계에서 콩 수확량 추정에 유리한 식생지수를 구명한 이 결과를 다양한 환경조건에서 재배되고 있는 콩 필지에서도 활용가능한 모델을 개발해내는 데 기초자료를 활용할 것이다.

무인기 기반 초분광 영상을 이용한 콩 바이러스 병해 분류

송혜영 ( Hye-young Song ),백현찬 ( Hyeon-chan Baek ),박민준 ( Min-jun Park ),박기수 ( Ki-su Park ),김은리 ( Eun-lee Kim ),강예성 ( Ye-seong Kang ),유찬석 ( Chan-seok Ryu ),박진기 ( Jin-ki Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

대표적인 식량작물인 콩은 콩 모자이크 바이러스(Soybean mosaic virus, SMV)가 가장 빈번한 바이러스로 여겨졌으나 최근 기후 및 재배환경의 변화로 다양한 바이러스가 추가 발생 및 증가하여 콩의 품질과 수확량에 영향을 주고 있다. 따라서 병해의 조기 진단 및 선택적 방제를 위한 무인기 기반 원격탐사기술과 변량방제기술의 필요성이 급증하고 있다. 본 연구는 무인기에 탑재된 초분광 센서를 이용하여 콩 바이러스 병해 분류 가능성을 확인하고자 수행되었다. 본 실험은 국립식량과학원 시험포장 (35°29'28.1N 128°44'36.6E)에서 3가지의 콩 품종(대찬, 대원, 청자3호)에 SMV, Soybean yellow common mosaic virus(SYCMV)를 접종 후 진행되었다. 초분광 영상은 2022년 7월 20일에 회전익 무인기(Matrice 300 RTK, DJI Technology Inc., China)에 탑재된 초분광 센서(MicroHSI 410 SHARK, Corning Inc., USA)를 이용하여 고도 25m에서 취득되었으며, 기하 및 방사 보정을 실행한 후 식생지수를 이용하여 작물과 배경을 분리하여 작물만의 반사값을 추출하였다. Decision Tree(DT), Random Forest(RF), Support Vector Machine(SVM), XGBoost 4가지의 기계학습을 통해 SMV, SYCMV, 정상을 분류하는 모델을 개발하였고, 정확도, F1 score, kappa를 모델평가지표로 사용하였다. 그 결과, 4가지 모델 중 SVM 모델이 0.67, 0.65, 0.5로 가장 우수한 성능을 나타내었고, DT, RF, XGBoost 모델은 0.56, 0.54, 0.33 이하의 성능을 나타내었다. 이는 콩 바이러스 병해 발병과 바이러스 종 분류 가능성을 확인하였으며, 향후 시계열 데이터를 추가하여 모델 성능을 개선할 예정이다.

무인기로 취득한 RGB 영상으로 수수 Panicle 탐지

박민준 ( Min-jun Park ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),백현찬 ( Hyeon-chan Baek ),박기수 ( Ki-su Park ),김은리 ( Eun-lee Kim ),박진기 ( Jin-ki Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

수수는 국내에서 생산 및 소비량이 적고 수급 안정성이 낮아 해마다 가격 변동이 심하기 때문에 정확한 재배면적과 수확량을 예측할 필요가 있다. 최근 고해상도 영상장치 및 인공지능 기술의 발달로 다량의 비정형 데이터를 이용하여 작물 분류 및 타겟 검출이 가능하게 되었다. 따라서 본 연구는 무인기로 취득한 RGB 영상과 딥러닝을 이용하여 수수의 수확량을 예측하기 위해 Panicle 개수를 추정하였다. 실험지역은 경상북도 안동시 남후면 고상리에 위치한 수수 재배지(36°30'20.3N 128°36'27.6E)를 대상으로 수행하였다. 회전익 무인기(Matrice 300 RTK, DJI Technology Inc, China)에 RGB 카메라(Zenmuse P1, DJI Technology Inc, China)를 탑재하여 2022년 9월 2일 고도 25m GSD 0.31cm/pixel로 RGB 영상을 취득하였다. 취득한 다수의 고해상도 8192×5460 이미지를 512×512로 자른 뒤 Label-studio를 이용하여 수수 Panicle 부분을 Bounding Box로 라벨링 후 YOLOv5s를 사용해 학습을 진행하였다. 라벨링 작업이 진행된 1200장의 이미지를 6:2:2(Train : Validation : Test) 비율로 나눈 뒤 훈련 횟수는 1000 Epoch로 설정하였으나 Early Stopping 기능으로 127 Epoch 훈련되었다. 모델은 27 Epoch에서 box_loss=0.053, obj_loss=0.172, mAP_0.5=0.789의 높은 성능을 나타내었다. Test 데이터를 이용하여 mAP_50=0.804의 수수 Panicle 탐지 가능성을 볼 수 있었으며 추후 수집해놓은 데이터와 시계열 영상 데이터의 활용으로 수수 Panicle 탐지 모델의 성능을 향상시킬 계획이다.

다년도 분광 데이터를 이용한 콩의 생체중, 엽면적 지수 추정

장시형 ( Si-hyeong Jang ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),박준우 ( Jun-woo Park ),김태양 ( Tae-yang Kim ),강경석 ( Kyung-suk Kang ),박민준 ( Min-jun Park ),백현찬 ( Hyun-chan Baek ),박유현 ( Yu-hyeon Park ),강동 한국농림기상학회 2021 한국농림기상학회지 Vol.23 No.4

콩은 논 대표적인 밭작물로써 온도, 수분, 토양과 같은 환경 조건에 민감하기 때문에 재배 시 포장 관리가 매우 중요하다. 작물 상태를 비파괴적, 비접촉적 방법으로 측정할 수 있는 분광 기술을 활용한다면 작황 예측, 작물 스트레스 및 병충해 판별 등 생육 진단 및 처방을 통해 품질과 수확량을 높일 수 있다. 본 연구에서는 회전익 무인기에 탑재된 다중분광 센서를 이용하여 시험 포장에서 콩 생육 추정 모델 개발하고 재현성을 확인하기 위해 농가 포장에 검증을 수행하였다. 분광 데이터로 산출된 정규화 식생지수(NDVI, GNDVI), 단순비 식생지수(RRVI, GRVI)와 콩 생육 데이터(생체중, LAI)를 선형회귀분석을 실시하여 모델을 개발하였으며 괴산에 위치한 농가포장에서 검증을 실시하였다. 그 결과 생체중의 경우 정규화 식생지수를 이용 시 포화되기 때문에 단순비 식생지수 GRVI를 이용한 모델의 성능이 가장 높았다(R²=0.74, RMSE=246 g/㎡, RE=34.2%). 괴산 농가 포장에 생체중 모델 검증 결과 RMSE=392 g/㎡, RE=32%로 나타났으며 작부 체계별 나누어 검증 결과 단작 포장과 이모작 포장 생체중 모델은 RMSE=315 g/㎡, RE=26% 및 RMSE=381 g/㎡, RE=31%로 나타났다. 작부 체계별 포장과 적산온도가 유사한 연도별 시험 포장(2018+2020년, 2019년)을 나누어 생체중 모델 개발한 결과 단년도(2019년)의 성능이 높게 나타났다. 작부 체계별 적산온도가 유사한 검증과 기존 검증 간 비교 결과 단작 포장은 RMSE 및 RE를 기준으로 각각 29.1%와 34.3%로 개선 되었으나 이모작 포장은 -19.6%, -31.3%로 저하되었다. 적산온도 이외의 환경 요인, 분광 및 생육 데이터 추가 시 다양한 환경 조건에서 재배되는 콩 생육을 추정 가능할 것으로 판단된다. Soybeans (Glycine max), one of major upland crops, require precise management of environmental conditions, such as temperature, water, and soil, during cultivation since they are sensitive to environmental changes. Application of spectral technologies that measure the physiological state of crops remotely has great potential for improving quality and productivity of the soybean by estimating yields, physiological stresses, and diseases. In this study, we developed and validated a soybean growth prediction model using multispectral imagery. We conducted a linear regression analysis between vegetation indices and soybean growth data (fresh weight and LAI) obtained at Miryang fields. The linear regression model was validated at Goesan fields. It was found that the model based on green ratio vegetation index (GRVI) had the greatest performance in prediction of fresh weight at the calibration stage (R²=0.74, RMSE=246 g/㎡, RE=34.2%). In the validation stage, RMSE and RE of the model were 392 g/㎡ and 32%, respectively. The errors of the model differed by cropping system, For example, RMSE and RE of model in single crop fields were 315 g/㎡ and 26%, respectively. On the other hand, the model had greater values of RMSE (381 g/m2) and RE (31%) in double crop fields. As a result of developing models for predicting a fresh weight into two years (2018+2020) with similar accumulated temperature (AT) in three years and a single year (2019) that was different from that AT, the prediction performance of a single year model was better than a two years model. Consequently, compared with those models divided by AT and a three years model, RMSE of a single crop fields were improved by about 29.1%. However, those of double crop fields decreased by about 19.6%. When environmental factors are used along with, spectral data, the reliability of soybean growth prediction can be achieved various environmental conditions.

무인기에 탑재된 다중분광 센서를 활용한 수수 수확량 추정

박민준 ( Min-jun Park ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),김태양 ( Tae-yang Kim ),백현찬 ( Hyeon-chan Baek ),박기수 ( Ki-su Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1

수수는 비옥도가 낮고 척박한 토양과 기후 조건에서도 적응성이 높아 논밭전환 시 안정적 생산에 유리한 작물로 알려져 있다. 또한 주요 식량 및 채소작물에 원격탐사기술로 무인기 기반 영상기술을 접목하여 수량 정보를 수확 전에 제공하기 위한 연구가 활발히 진행되는 반면에 재배면적이 적은 수수 대상으로는 연구가 미비한 상황이다. 따라서 본 연구에서는 무인기 기반 다중분광 영상을 이용한 기초 수수 수량성 예측 가능성을 확인하였다. 경상북도 안동시 남후면 고상리 3개 수수 필지에서 2021년 9월 10일에 무인기 (Matrice 300 RTK, DJI Technology Inc, China)를 이용하여 다중분광 영상을 취득하였고, 그 직후 60주를 샘플링하여 수량성 (종실수, 종실중, 천립중)을 실측하였다. 공간해상도 2.16 cm/pixel로 여러 장의 다중분광 영상을 취득한 후 매핑소프트웨어 (Pix4D mapper pro, Pix4D S.A, Switerland)를 이용해 정사영상을 제작하였다. 분광 영상처리 소프트웨어 (ENVI 5.6, Exelis Visauall information Solution Inc, USA)로 추출된 수수 캐노피 영역의 반사율로 산출된 23가지 식생지수와 실측한 각 수량성 데이터를 부분최소제곱법회귀분석하였고, 선형성을 나타내는 R²와 오차를 나타내는 root mean squared error (RMSE)와 relative error (RE)로 성능 평가하였다. 부분제곱최소회귀분석 결과 종실수는 R²=0.119, RMSE=503ea, RE=19%로 예측 가능성을 보이지 않았다. 종실중 R²=0.317, RMSE=8.30g, RE=16%와 천립중 R²=0.432, RMSE=2.68g, RE=14%의 성능을 보여 마찬가지로 예측 가능성이 높다고 판단하기 어려웠다. 현재 초기 실험으로 충분한 예측성능을 보이는 회귀모델을 개발할 수 없었으나, 추후 방대한 시계열 영상데이터 및 환경데이터를 수집하고 다양한 분석법의 접근으로 농업원격탐사 연구가 미비한 수수 작물에 유의미한 연구자료들을 만들어나갈 계획이다.

온실 내 초분광 영상 취득 시 할로겐과 차광 커튼이 미치는 영향

김태양 ( Tae-yang Kim ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),장시형 ( Si-hyeong Jang ),박준우 ( Jun-woo Park ),강경석 ( Kyung-suk Kang ),백현찬 ( Hyeon-chan Baek ),박민준 ( Min-jun Park ),박진기 ( Jin-ki Park ) 한국농림기상학회 2021 한국농림기상학회지 Vol.23 No.4

본 연구는 유리온실 내에서 초분광 영상을 취득하였을 때 차광 커튼과 할로겐이 DN value스펙트럼에 미치는 영향에 관한 것이다. 국립식량과학원 남부작물부 유리온실에 설치된 자동영상취득시스템을 이용하였으며 30° 기울어진 보정용 Tarp (1.4×1.4 m, 12%)를 설치한 후 하우징과 거리별(0.7∼2.1 m) 영상데이터를 4가지 조건으로 3반복 취득했다. 차광 커튼과 할로겐을 모두 사용하지 않고 영상을 취득하였을 경우, 직달광부분과 그림자부분은 550 nm를 기준으로 스펙트럼의 변동성이 커졌다. 직달광부분과 그림자부분의 평균 변동계수(Coefficient of variation, CV)값은 각각 1.8%, 4.2%이며 그림자 유무에 관계없이 CV값을 계산 할 경우 12.5%로 증가되었다. 차광 커튼을 사용하지 않고 할로겐만을 이용한 경우 직달광부분과 그림자 부분의 CV 값은 2.6%, 10.6%이고 그림자 유무에 관계없이 CV 값을 계산할 경우 11.2%로 나타났으며 하우징과 거리에 따른 할로겐 보광량 차이로 인해 스펙트럼 변화폭이 증가되었다. 차광커튼만을 사용한 경우 CV 값은 1.6%이며 직달광과 그림자부분의 구분이 사라졌다. 차광 커튼과 할로겐을 모두 사용한 경우 하우징과 거리에 따른 할로겐의 보광량 차이로 CV 값은 10.2%로 증가했다. 할로겐과 차광 커튼을 모두 사용한 영상의 높이 범위 별 CV 값을 계산하였을 때 0.1 m범위는 1.4%, 0.2 m범위는 1.9%, 0.3 m 범위는 2.6%, 0.4 m 범위는 3.3%로 나타났다. 따라서 온실에서 표준화된 영상데이터를 취득하기 위해서는 차광 커튼을 이용해 광을 균일하게 해야하고 할로겐램프를 이용해 보광 할 경우 대상의 수직 높이가 0.2 m 미만이며 대상과 하우징의 거리가 일정하게 유지 되었을 때 유효하다고 판단된다. This study analyzed the effects of light-shielding curtains and halogens on spectrum when acquiring hyperspectral images in a greenhouse. The image data of tarp (1.4*1.4 m, 12%) with 30 degrees of angles was achieved three times with four conditions depending on 14 heights using the automatic image acquisition system installed in the greenhouse at the department of Southern Area of National Institute of Crop Science. When the image was acquired without both a light-shielding curtain and halogen lamp, there was a difference in spectral tendencies between direct light and shadow parts on the base of 550 nm. The average coefficient of variation (CV) for direct light and shadow parts was 1.8% and 4.2%, respective. The average CV value was increased to 12.5% regardless of shadows. When the image was acquired only used a halogen lamp, the average CV of the direct light and shadow parts were 2.6% and 10.6%, and the width of change on the spectrum was increased because the amount of halogen light was changed depending on the height. In the case of shading curtains only used, the average CV was 1.6%, and the distinction between direct light and shadows disappeared. When the image was acquired using a shading curtain and halogen lamp, the average CV was increased to 10.2% because the amount of halogen light differed depending on the height. When the average CV depending on the height was calculated using halogen and light-shielding curtains, it was 1.4% at 0.1m and 1.9% at 0.2 m, 2.6% at 0.3m, and 3.3% at 0.4m of height, respectively. When hyperspectral imagery is acquired, it is necessary to use a shading curtain to minimize the effect of shadows. Moreover, in case of supplementary lighting by using a halogen lamp, it is judged to be effective when the size of the object is less than 0.2 m and the distance between the object and the housing is kept constant.

초분광영상 데이터를 이용한 딸기 병증 판별 최적 모델 선정

김은리 ( Eun-ri Kim ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),박기수 ( Ki-su Park ),백현찬 ( Hyeon-chan Baek ),박민준 ( Min-jun Park ),김태양 ( Tae-yang Kim ),박은지 ( Eun-jee Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

딸기는 한국의 대표 과채류 중 하나로 2020년 기준 전체 채소 생산액의 10.9%로 큰 비율을 차지하는 작물이다. 국내 발생 딸기 병해 중 시듦병, 역병은 주로 정식 초기에 토양을 매개로 발생하여 큰 피해를 준다. 본 연구에서는 병증이 유사한 시듦병, 역병, 한해를 신속하고 비 파괴적으로 진단하기 위해 초분광 영상과 머신 러닝 기법을 이용하여 정상 개체와의 분류 모델을 개발하고자 한다. 본 실험은 경상남도 농업기술원 하이테크 유리온실(N35.2105°E128.1174°) 내에서 딸기(매향)로 진행하였으며, 각 처리구별(정상, 시듦병, 역병, 한해) 12개체씩 배치하여 총 48개체로 실험하였다. 온실 내 초분광 센서(FX10, Specim Spectral imaging Ltd, Finland)로 2021년 4월 26일부터 6월 1일까지 총 37일간 매일 1일 1회 11시에서 13시 사이에 영상을 취득하였다. 취득된 영상은 ENVI 5.6 Classic(Exclis Visual Information Solution Inc, USA) 소프트웨어로 암전류 및 광 보정 후, ExG(Excess Green) 지수를 이용하여 식생을 분리하고 단일 개체별 반사값 데이터를 추출하였다. 추출된 데이터는 평활화 유무에 따른 성능 비교를 위해 Savitzky-Golay filtering 기법을 수행하여 학습데이터로 생성하였다. 생성된 데이터로 Decision Tree, Random Forest, XGBoost, LightGBM 4가지 기법을 이용하여 모델을 개발하여 비교하였으며, 평활화 유무와 각 모델에 따른 성능은 Kappa와 F1 Score로 평가하였다. Python(Python 3.7.9, Python Software Foundation, USA)으로 평활화를 진행하지 않은 LightGBM이 Kappa=0.666, F1 Score=0.748로 가장 높은 성능을 나타내었다. Kappa와 F1 Score에서 정상 개체와 병증 간의 오분류가 전체 오분류의 93.7%로 높게 나타났다. 이는 매일 Real Time PCR 결과로 감염 여부를 조사할 수 없어, 최종 PCR 결과를 기반으로 판단된 감염 여부와 실제 감염 시기의 차이로 인한 영향으로 추측된다. 추후 매일 Real Time PCR 검사 또는 병증 감염 지수의 시계열 데이터를 취득하여 분류 모델의 성능을 개선할 수 있을 것으로 판단된다.

식생지수를 이용한 봄감자 생육시기별 염해 예측 모델

박준우 ( Jun-woo Park ),유찬석 ( Chan-seok Ryu ),강경석 ( Kyeong-suk Kang ),장시형 ( Si-hyeong Jang ),김태양 ( Tae-yang Kim ),강예성 ( Ye-seong Kang ),백현찬 ( Hyeon-chan Baek ),박민준 ( Min-jun Park ),김치호 ( Chi-ho Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2

본 연구의 목적은 생육 시기별로 인위적인 염 스트레스를 받은 봄감자를 다중분광 영상으로 촬영하여 정상과 염 처리의 구분 및 염처리 농도에 따른 분류 가능성을 검토하여 염해 피해 정도를 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 김제시 광활면 새마을 간척지 시험포장에서 봄감자 (수미)의 영양생장기 (VP), 괴경형성기 (TFP)와 괴경비대기 (TGP)에 각각 정상관수 (0.5 dS/m), 염 농도별 관수 (2, 4, 8 dS/m) 처리하였다. 다중분광 센서 (Altum, MicaSense, USA)를 탑재한 무인기를 이용하여 각 생육 시기별로 염 처리 후 10일 차 정오에 영상을 취득하였다. 잎의 반사값을 식생지수 (NDVI, GNDVI, NDRE, EVI, VARI, ExG)로 변환 후 일원배치 분산분석 (One-Way-ANOVA)을 통해 각 생육 시기별 염농도의 구분 가능성을 비교하였다. 영양생장기에서는 NDVI, 괴경형성기에서는 NDVI, VARI 및 ExG를 제외하고 정상과 염해(2 dS/m, 4 dS/m, 8 dS/m)로 구분하는 것이 가능하였고 괴경비대기에서는 모든 식생지수로 두 그룹으로 분류하는 것이 가능하였다. 염 처리 농도는 영양생장기 및 괴경비대기에서는 일부 염농도 간의 구분을 제외하고 모든 식생지수를 이용하여 분류하는 것이 가능하였다. 괴경형성기에서는 EVI를 이용하여 염처리 농도별 분류가 가능하였다. 식생지수에 관계없이 영양생장기에서는 2 dS/m과 4 dS/m, 괴경비대기에서는 2 dS/m와 4 dS/m 및 4 dS/m와 8 dS/m를 구분하는 것이 불가능하였다. 추후 타 간척지 필지에 심겨진 봄감자 또는 내년도 봄감자의 분광데이터에 적용하여 염해 예측 모델 재현성 검토 및 보정이 필요하다고 생각한다.