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 : 서현권(Hyun Kwon Suh) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
서현권(Hyun Kwon Suh) 한국원예학회 2021 한국원예학회 학술발표요지 Vol.2021 No.10
인공지능을 필두로 하는 첨단 ICT 기술은 다양한 산업과 연구부문에 빠르게 적용되며 크고 작은 변화들을 만들고 있다. 이러한 변화의 흐름은 농업부문에서도 예외가 되진 않는다. 농업 AI대회라고 불리는 “자율 온실 국제대회(Autonomous Greenhouses International Challenge)”는 농업과 인공지능의 융합을 통한 스마트농업의 발전 가능성을 여실히 보여주고 있다. 특히 2019-2020년 네덜란드에서 진행되었던 제2회 대회의 결과는 전세계농업인들과 연구자들에게 신선한 충격을 가져다준 대표적인 사례로써, 인공지능과 ICT에 기반하여 온실 작물 재배를 수행하였던 모든 “AI참여팀”들이 “사람농부팀”보다 더 우수한 생산성(최종이윤 기준)을 달성하였다. 5개의 AI참여팀들이 달성한 최종이윤의 평균은 4.7euro/㎡이었던 반면, 사람농부팀의 최종이윤은 3.1euro/㎡이었다. 특히 AI참여팀들은 대회가 진행되는 6개월 동안 작물재배 현장인 온실에 전혀 출입할 수 없었기에 센서정보와 데이터 분석에만 의존한 채 오로지 원격으로 방울토마토를 재배하였다. 반면에 최고의 재배전문가와 연구자들로 구성된 사람농부팀의 경우 매일 온실을 드나들며 필요한 의사결정과 작업들을 현장에서 직접 판단하고 수행하였기에, 본 대회의 결과가 농업부문에 시사하는 바는 적지 않다. 작물재배와 인공지능의 결합을 통해 우선적으로는 생산성과 이윤의 향상을 추구하는 오늘날의 스마트농업은 생산에서 소비에 이르는 농업 가치사슬의 모든 단계들이 최적화되는 농산업혁신이다. 국내의 경우 이제 걸음마를 시작하는 단계에 있지만, 이미 많은 국가에서는 새로운 아이디어와 첨단 기술로 무장한 스타트업들을 중심으로 기존의 농업 가치사슬과 산업경계를 허무는 혁신적인 농업 서비스와 솔루션이 등장하고 있다. 특히 인공지능은 농업로봇, 원격탐사(remote sensing), 작물 질병탐지, 가격예측 등의 영역에서 괄목할 만한 변화를 이끌며 스마트농업의 핵심경쟁력으로 자리매김했을 뿐 아니라 지구 온난화에 의한 기후변화와 세계 인구증가에 따른 식량부족 등 글로벌 위기에 대한 대응 방안으로서 그 역할과 중요성이 갈수록 증대되고 있다. 하지만 국내 관련 전문인력은 턱없이 부족한 상황으로써 기술개발과 확산을 주도할 수 있는 농업 ICT 융복합 인력 양성이 매우 시급하다. 또한 본격적인 인공지능 보급에서는 농업 데이터 소유권과 농가 고유의 노하우 보호, 그리고 피해에 대한 보상 및 책임 등에 관한 이슈들을 불러일으킬 것으로 예상되는 만큼 이에 대한 검토와 사회적인 논의가 필요한 시점이다.
-
-
2D LIDAR 스캐너와 파티클 필터 레이저빔 모델 기반의 과수 로봇의 주간 내 자율주행
Pieter M. Blok,서현권(Hyun Kwon Suh),Koen van Boheemen,김학진(Hak-Jin Kim),김국환(Gook-Hwan Kim) 제어로봇시스템학회 2018 제어·로봇·시스템학회 논문지 Vol.24 No.8
In mountainous orchards, agricultural tasks, such as crop protection and harvesting, are characterized as being labor intensive and dangerous. An autonomous orchard robot that can execute these unattended seems a promising alternative to increase task operability. An essential function in the development of an autonomous orchard robot is navigation, which is usually based on tree-row detection from LIDAR scan data by using navigational algorithms. This research applies a probabilistic particle filter (PF) algorithm with a novel laser-beam model for the autonomous in-row navigation of an orchard robot. The navigational accuracy of the algorithm is assessed in a Dutch apple orchard over a distance of 500 m, with the robot driving at two velocities: 0.25 m/s and 0.50 m/s. At both speeds, almost 50% of the observed lateral deviations were lower than 0.05 m from the optimal navigation line. With the use of the PF algorithm, the robot navigated itself between six patterns of tree rows with artificially removed trees. Some lateral deviations exceeded 0.10 m when three adjacent trees were missing in both tree rows. Based on these results, a PF with a laser beam model is an accurate and robust algorithm for the autonomous in-row navigation in semi-structured outdoor environments, such as orchards.
-
Greenhouse Library 시뮬레이션과 deep deterministic policy gradient 를 사용한 최적 온실 에너지 사용에 관한 연구
안주연 ( Juyeon Ahn ),박현지 ( Hyunji Park ),서현권 ( Hyun Kwon Suh ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1
Greenhouses Library is an open-source library for dynamic modeling of the indoor climate of a greenhouse developed in the Modelica language. The library was developed to provide an open modeling framework to simulate the climate inside the greenhouse and greenhouse energy interaction. The complex dynamics exist inside the greenhouse. The various environmental conditions also form a complex interaction between the elements. With the existing rule-based environmental control, it is challenging to achieve optimal indoor control inside a complex greenhouse. However, recently, artificial intelligence via reinforcement learning has shown excellent performance in a wide range of fields, especially in fields that require continuous control, such a building environmental control. In this study, artificial intelligence was applied to optimize the use of energy inside the greenhouse. DDPG (Deep Deterministic Policy Gradient) algorithm was implemented using MATLAB Reinforcement Learning toolbox. The agents were trained using Greenhouse Library, which was assumed to provide a viable and practical training approach. Despite a long training period over several repetitions, energy consumption in the greenhouse and other control factors was not improved but rather showed unrealistic control values. The finding of this study should be further investigated in future research.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
