http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
도로 표면 시멘틱 분할을 이용한 특수장비 차량 아웃트리거 최적화 방법
김병준 ( Byoungjun Kim ),박근호 ( Keunho Park ),김선형 ( Seonhyeong Kim ),임광진 ( Kwangjin Lim ),최강인 ( Kang-in Choi ),정성환 ( Sunghwan Jeong ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.1
산업 현장에서 인력으로 작업할 수 있는 물리적 한계를 극복하기 위해 특수 목적 차량 작업 시 차량의 넘어짐 방지와 차체 보호를 위해 아웃트리거를 착지시키는데 도로 상태에 따라 사용자가 직접 최적화를 수행하는데 어려움이 존재한다. 본 논문에서는 도로 표면 상태를 신속하게 판단하여 아웃트리거 수직 및 수평 전개 착지 시 시간 소모, 안전사고 발생을 낮추기 위해 시멘틱 분할을 이용한 도로 표면 상태를 분석하는 연구를 수행하였다. 13가지로 구분된 도로 표면 상황에 대하여 DeepLabV3+를 통해 실험한 결과 픽셀 성능0.7819, mIoU 0.7085 결과를 도출하였다.
딥러닝 모델 기반 시멘틱 세그멘테이션을 이용한 벼 도복 추정
김병준(Byoungjun Kim),박근호(Keunho Park),안형근(Hyung-geun Ahn),김기연(Kee-yeun Kim),정성환(Sunghwan Jeong) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.9
벼 도복은 매년 태풍 및 장마로 인해 벼 생산에 막대한 피해를 주는 원인이며, 조기 발견을 통해 벼 수확량 및 수발아와 관련된 피해를 예방하기 위핸 효과적인 방법이 필요하다. 본 논문에서는 무인 항공기를 이용하여 촬영된 영상에서 벼 도복을 추정하는 방법을 제안한다. 제안하는 방법은 ResNetV2 101백본 네트워크 기반 DeepLabV3+ 시멘틱 세그멘테이션 모델로, 도복(lodging), 일반 벼(non-lodging), 그리고 배경(background) 영역에 대해 추정한다. 제안한 모델의 학습 및 평가를 위해 경상도, 전라도, 충청도 일대에서 무인 항공기를 이용하여 벼 도복 관련된 816장 영상을 수집하였다. 수집한 데이터는 748개의 학습 데이터, 40개의 검증 데이터, 28개의 평가 데이터로 나눈 후, 추정 성능 향상을 위해 전이학습, Focal Loss 손실 함수 등 다양한 방법을 적용하였다. 평가 데이터 28장에 대해 성능을 평가한 결과, Focal Loss 손실 함수를 적용한 DeepLabV3+ 시멘틱 세그멘테이션 모델이 93.16%의 픽셀 정확도와 87.75%의 mIoU로 좋은 결과를 보였다. 추정된 결과를 통해 도복과 일반벼의 분포를 파악할 뿐만 아니라, 도복의 확산 경향과 피해, 형태 등을 분석하는데 사용할 수 있다고 사료된다. Rice lodging is an annual occurrence that causes enormous damage to rice production by typhoons and rainy seasons. Therefore, it is necessary to find an effective method to prevent the damage to rice yield and pre-harvest sprouting through early detection. This paper proposes an estimation method for rice lodging based on RGB images captured by unmanned aviation vehicles. The proposed method constructs the DeepLabV3+ semantic segmentation model based on ResNetV2 101 backbone network and estimates the area of lodging, non-lodging, and background. To train and evaluate the proposed model, we captured 816 images related to rice lodging using an unmanned aerial vehicle in Gyeongsang-do, Jeolla-do, and Chungcheong-do. The collected dataset was divided into 748 training data, 40 validation data, and 28 evaluation data, which were then used in various methods such as transfer learning and focal loss function for the improved estimation performance. The evaluation of performance using 28 evaluation data shows that the DeepLab V3+ semantic segmentation model, to which the focal loss function was applied, yields the best results with 93.16% pixel accuracy and 87.75% mIoU. Furthermore, the estimation result can be used to find the distribution of lodging and non-lodging and analyze the trend of spreading lodging, damage, and shape.
딥러닝 모델을 활용한 개선된 비전 기반 딸기 병해 진단
김병준(Byoungjun Kim),박근호(Keunho Park),김동훈(Donghoon Kim),최강인(Kang-in Choi),정성환(Sunghwan Jeong) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
최근 딥러닝 기술의 고도화로 스마트 팜 기술에 관하여 다양한 연구들이 진행되었고 많은 성공 사례를 제시하였다. 하지만, 기존 연구들은 정의된 병해에 대하여 진단을 수행하여 새로운 병해 및 비 정의된 병해에 대해 오판단하는 문제가 존재한다. 본 논문에서는 객체검출 모델을 통해 획득한 후보영역에 대한 공간적인 특징정보를 이용하여 정의 및 비정의 된 병해 진단연구를 수행하였다. 다양한 장소에서 수집한 데이터에 대해 6가지 병해에 대해 객체검출 모델을 학습하고, 정의하지 않은 5가지의 데이터를 포함한 11개의 클래스에 대하여 FPN모델을 통해 공간적인 특징정보를 추출하고 OpenMax 분류기를 학습하였다. 학습된 모델로 실험한 결과 정의 및 비정의 데이터에 대한 분류 성능은 96.94%, macro-f1은 93.55%를 나타내었다.
김병준 ( Byoungjun Kim ),박근호 ( Keunho Park ),최강인 ( Kangin Choi ),김선형 ( Seonhyeong Kim ),안형근 ( Hyung-geun Ahn ),정성환 ( Sunghwan Jeong ) 한국정보처리학회 2021 한국정보처리학회 학술대회논문집 Vol.28 No.2
본 논문은 비전 기술을 기반으로 RHS 칼라차트를 이용하여 작물의 색채를 측정하는 특성조사기준에 관한 연구를 수행하였다. 다양한 색상을 가진 작물의 색채를 측정하기 위해 시료 채취 후 표준 광원 촬영장치 광원 6500K 환경하에 촬영한 영상을 기반으로 분석 위치를 관심영역 선정 후, k-mean clustering을 활용한 세그먼테이션 방법을 통해 대표 RGB 색상을 획득한다. 획득한 RGB 색상과 RHS 칼라차트의 RGB 색상을 유클리디언 거리를 이용하여 최소화하는 RHS 칼라차트 정보를 추정하였다. 7가지 작물 시료에 대해 작물 형질 분석 전문가들이 측정한 결과와 비교 시 전체 평균 △E 5.013의 오차를 결과로 도출하였다.