http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
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.
차선 정보를 활용하는 멀티모달 차량 미래 경로 예측 기법
김병도(ByeoungDo Kim),최준원(Jun Won Choi) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
본 논문은 예측 대상 차량의 과거 경로와 주변 다른 차량들의 과거 경로 정보 및 주변 지도 정보 같은 주변 환경 정보로부터 예측에 도움이 되는 정보를 추출하고 이를 반영하여 다양한 주행 가능한 미래 경로를 생성하는 기법을 제안한다. 자율 주행을 위한 경로 예측에서 차량을 둘러싼 주변 환경 정보를 분석하고 이를 반영하여 복잡한 교통 상황에서 가능성 있는 미래 경로를 생성하는 것은 매우 중요한 요소이다. 제안하는 기법은 주변 환경 정보 중 정밀 지도 정보로부터 차선 정보를 추출하고 이를 반영하여 보다 정확한 미래 경로를 예측한다. 제안하는 기법은 우선 예측 대상 차량의 과거 경로를 바탕으로 정밀 지도 정보에서 미래에 주행 가능한 차선 정보를 추출하고 추출한 차선들은 미래에 주행 가능한 차선 후보들로 설정한다. 좌표 시퀀스로 구성된 차선 후보들은 각 차선을 주행하는 다른 주변차량들과 함께 딥러닝 구조를 이용하여 처리되어 특성 벡터를 생성하고 예측 대상 차량의 과거 경로를 바탕으로 해당 후보 차선을 따라 주행 가능성을 계산한다. 다음으로 각 차선 후보들의 특성 벡터는 계산한 주행 가능성을 바탕으로 하나의 특성 벡터로 종합되고 종합한 특성 벡터를 이용하여 딥러닝 기반의 멀티모달 경로 생성기를 이용하여 다양한 미래 예측 경로를 생성한다. 위 과정을 통해 생성한 미래 예측 경로는 예측 대상 차량이 여러 차선 후보들 사이에서 특정 차선을 따라 주행하는 경향을 보이도록 생성되며 이는 차선을 따라 주행하는 차량 주행의 특성을 잘 반영하고 각 후보 차선별로 따라서 주행할 확률을 반영하여 예측하기 때문에 보다 정확한 미래 경로를 예측할 수 있다. 본 논문은 Argoverse와 nuScenes 데이터셋을 이용하여 제안하는 기법의 성능을 검증하였으며 지도 정보를 2D 래스터라이즈 이미지 형태로 사용하는 등의 기존의 다른 방법들과 비교하여 좋은 성능을 보이는 것을 확인하였다.