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 : 유현채 ( Hyeonchae Yoo ) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
3차원 딸기 형상 제작을 위한 모델링 및 매핑 과정에 관한 연구
유현채 ( Hyeonchae Yoo ),임종국 ( Jongguk Lim ),김기영 ( Giyoung Kim ),모창연 ( Changyeun Mo ),남소영 ( Soyoung Nam ),김은미 ( Eunmi Kim ) 한국농업기계학회 2017 한국농업기계학회 학술발표논문집 Vol.22 No.2
겨울철을 대표하는 과채류 중의 하나인 딸기는 독특한 향기와 고유의 신맛과 단맛이 조화로운 특징을 가지고 있다. 최근 딸기는 소비자들에게 인기를 얻고 있으며 재배면적과 총 생산액이 꾸준히 증가하고 있는 추세이다. 딸기 선별은 현재 숙련된 전문 선별사에 의해 수행되고 있으며 이러한 인력에 따른 육안선별은 개개인의 숙련도 차이에 따라 주관적으로 판단이 되고 있다. 본 연구에서는 2차원 레이져 스캔 카메라를 이용하여 3차원 딸기 형상을 획득하고 3D 프린터를 이용하여 딸기 모형을 제작하기 위해 수행되었다. 딸기의 3차원 영상을 획득하기 위해 딸기 전용 트레이 위에 딸기를 올려놓고 딸기의 전면과 후면을 2차원 레이져 스캔 카메라(Gocator 2340)를 이용하여 데이터 포인트를 획득하였다. 획득된 딸기의 데이터 포인트를 매트랩 프로그램을 이용하여 메쉬 형태의 3차원 영상으로 변환하였다. 변환된 딸기의 전면과 후면의 3차원 영상을 3D 형상 구현 프로그램인 메쉬 랩을 통하여 재가공하였고 딸기의 후면 영상의 방향을 일치시키기 위해 다시 X축 방향으로 180° 회전하였다. 각각 획득한 딸기 전면과 후면 영상을 모두 선택하여 하나의 영상으로 합체시킨 뒤에 메쉬 형상을 곡면으로 표현하였다. 3차원으로 매핑된 딸기영상은 곡면 안의 각 점들에 대해 법선 방향과 Octree Depth를 설정하여 3차원 모델을 구축하였다. 구축된 3차원 모델을 3D 프린팅하기 위한 전용 프로그램과 파라미터 값을 적용하여 슬라이싱한 후 상용 3D프린터를 활용하여 딸기의 3차원 모형을 제작하였다. 제작된 딸기 모형은 추후 품종별로 형상 데이터를 구축하고 딸기의 형상 측정시 표준 규격품으로 사용하고자 하였다.
-
CCD 칼라 카메라와 영상처리기술을 이용한 딸기의 중량 예측 모델 개발
임종국 ( Jongguk Lim ),김기영 ( Giyoung Kim ),모창연 ( Changyeun Mo ),유현채 ( Hyeonchae Yoo ),오경민 ( Kyoungmin Oh ),김건섭 ( Geonseob Kim ) 한국농업기계학회 2017 한국농업기계학회 학술발표논문집 Vol.22 No.2
겨울철 대표적인 과채류인 딸기는 9월말부터 이듬해 5월 말까지 약 8개월간 재배되고 있으며 3월과 4월에 연간 반입량의 50% 이상이 집중되어 대부분 생식용으로 소비되고 있다. 딸기는 고유의 맛과 향기를 지니고 있으며 비타민 C, 페놀성 화합물 함량도 풍부한 것으로 알려져 있다. 딸기의 재배면적은 지속적으로 증가되고 있으며 딸기 총 생산액은 원예 산물 중에서 가장 높으아 2015년을 기준으로 1조 2천억원 이상이다. 관행딸기 선별은 대부분 육안에 의한 인력 선별에 의존하고 있으며 기형이거나 짓무름이 심한 딸기는 불량과로 구분하고 있다. 딸기는 개별 중량 측정보다는 포장 용기에 담기는 전체 중량에 맞춰 출하하고 있으며 일부 국내 선별장이나 해외에서는 프리트레이에 딸기를 안착시켜 개별 중량을 측정하여 선별하고 있다. 이러한 딸기 중량 측정은 트레이에 안착된 딸기가 로드 셀이 장착된 벨트식 저울을 통과할 때 측정하는 방식을 이용하고 있다. 본 연구에서는 CCD 칼라 카메라로 획득한 딸기 영상 정보를 이용하여 딸기의 착색도 및 기형과를 선별하기 위한 연구를 수행하였으며 추가적으로 기존 벨트식 저울을 대체하여 딸기의 중량을 측정할 수 있는 영상 처리 기술을 개발하기 위해 수행되었다. 중량 예측식 개발을 위해 사용된 딸기 시료는 매향 77개, 설향 395개, 싼타 101개, 장희 91개의 4개 품종 664개를 사용하였다. 664개 딸기로부터 상·하면에서 획득한 1,328개 영상은 초록색 꼭지 부분을 제거한 과육부분에 대한 픽셀수를 카운트하여 실제 측정한 중량과 일차 함수식을 개발하였다. 전체 664개의 딸기를 대상으로 개발된 일차함수 예측식은 Y=0.0011X-5.8153이었으며 이때 R<sup>2</sup>=0.9143으로 우수한 중량 예측 결과를 보여주었다. CCD 칼라 카메라의 딸기 영상정보를 이용하여 딸기의 중량 측정이 가능하다면 딸기 선별 시설 구축을 위한 벨트식 저울을 제외할 수 있어 시스템이 간소화되고 비용이 감소될 수 있을 것으로 기대된다.
-
딸기의 2차원 형상 측정을 위한 농산물의 영상분석 동향조사
강정숙 ( Jungsook Kang ),임종국 ( Jongguk Lim ),모창연 ( Changyeun Mo ),김기영 ( Giyoung Kim ),유현채 ( Hyeonchae Yoo ),권경도 ( Kyungdo Kwon ) 한국농업기계학회 2017 한국농업기계학회 학술발표논문집 Vol.22 No.2
딸기(Fragaria ananassa Duch.)는 쌍떡잎식물 이판화군 장미목 장미과의 여러해살이풀로 겨울철 소비자들이 자주 먹는 주요 과채류 중의 하나이다. 하지만 딸기는 물성이 연하고 접촉 시 조직이 쉽게 변하고 물러지는 특성을 가지고 있다. 접촉 시 물성이 변하는 농산물에 대한 고전적인 시각 기술은 크기, 모양, 형태 및 색상과 같은 외관적 특징을 평가하는 모니터링 방법이 적용되고 있다. 농산물의 외형적 특징 중형상은 생산, 보관, 마케팅 및 소비자 구매 패턴까지 상업적 연결고리로 활용되고 있으며 중요한 품질 지표로서 사용되기도 한다. 산업의 발달과 고성능 카메라의 개발로 영상처리기법은 CCD (Charge Coupled Device) 카메라로 획득된 데이터를 이용하여 농산물의 무게, 형상, 휨, 손상 등을 계산해 농산물의 선별과 비파괴 품질 판정을 가능하게 하였다. 농산물의 형상은 재배할 품종을 선택하거나 포장 선정, 신품종 개발 및 유전적으로 다양한 형상을 유지하는 다양성을 연구할 목적으로 이용되어 온 인자이기도 하다. 딸기처럼 품종에 따라 다양한 형상을 가지는 농산물의 형상 측정은 카메라와 대상물의 측정 위치, 조명 등에 따라 달라지기도 한다. 본 연구에서는 딸기 선별을 위한 형상 측정 알고리즘 개발하기 위해 컴퓨터 vision을 기반으로 하는 농산물의 형상 분석에 대한 연구 동향을 조사하였다. 농산물을 대상으로 다양하게 적용되고 있는 형상 분석 기술 및 방법을 조사하여 딸기의 형상 분석 판별 알고리즘을 개발하는데 참고하고자 한다.
-
김건섭 ( Geonseob Kim ),모창연 ( Changyeon Mo ),김기영 ( Giyoung Kim ),임종국 ( Jongguk Lim ),강정숙 ( Jungsook Kang ),유현채 ( Hyeonchae Yoo ),오경민 ( Gyoungminn Oh ) 한국농업기계학회 2018 한국농업기계학회 학술발표논문집 Vol.23 No.2
딸기는 매력적인 색상과 향을 가지고 있으며 영양학적으로도 우수하여 세계적으로 인기 있는 과일 중하나이다. 최근 국산 딸기의 수출량은 동남아를 중심으로 증가하고 있으며 2017년 기준으로 4천 4백만불 이상을 수출하였다. 딸기는 껍질이 얇고 과육이 연하여 수확 후 품질 저하가 빠르게 진행된다. 주요 수출지역인 동남아의 더운 현지 날씨와 수출에 따른 유통기간 또한 품질에 더욱 악영향을 미친다. 이를 고려하여 수출시 유통기간을 고려하여 수확시기를 결정해야 한다. 현재 수출용 딸기를 재배하는 농가에선 내수용 성숙과에 비해 대략 70-80% 정도 성숙했을 때 수확하고 있다. 소비자가 요구하는 균일한 품질을 제공하기 위해서는 색상선별을 표준화할 필요가 있다. 색상 판별을 위한 기존의 연구에선 딸기의 RGB영상의 색상정보를 활용하여 착색률을 계산하고 이를 숙도 판별에 적용하였다. 하지만 이는 불량과 기준의 하나인 생리장해 부분도 RGB색상정보로만 인식하여 생리장해를 불량과로 인식하지 못하는 문제점과 영상처리과정에서의 영상정보의 손실 등의 문제점을 갖고 있다. 따라서 본 연구는 기존의 영상처리 알고 리즘의 문제점을 보완할 수 있는 머신러닝 적용 가능성을 확인해보기 위해 수행되었다. 머신러닝을 활용한 숙도 판별을 위하여 생리장해가 있는 딸기 영상을 사용하였으며, CCD (Charge coupled Device)카메라로 촬영한 영상은 생리장해 그룹, 과육에서의 착색 및 미착색 그룹, 꽃받침 그룹, 배경 그룹으로 나누고 각 그룹에 해당하는 부분을 각각 다른 색상으로 이미지 처리하였다. RGB데이터들의 상관관계를 알아보기 위해 각각의 색상으로 이미지 처리한 부분의 RGB데이터들을 3x3행렬을 적용하여 LDA (Linear Discriminant Analysis)분석을 진행하였다. 그룹 간 색상정보 분류를 최대화하기 위해 활용한 LDA분석은 파이썬 프로그램을 사용하여 3차원으로 분석한 결과 96.1%의 정확도로 분류되었음을 확인하였다. 향후 분류된 영상정보를 기반으로 각 그룹들을 학습시켜 머신 러닝에 적용한다면 보다 정확하고 객관적으로 딸기의 숙도를 판별할 수 있을 것으로 기대된다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
