http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
의사결정트리 기법을 이용한 초분광 영상기반 벼 도열병 감염 판별 식생지수 선정
강정균 ( Jeong Gyun Kang ),박준우 ( Jun Woo Park ),김치호 ( Chi Ho Kim ),민이기 ( Yi Ki Min ),이호승 ( Ho Seung Lee ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
최근 이상기후의 빈번한 발생으로 벼 도열병 등의 피해가 남부지방을 중심으로 급증하여 수확량 및 품질저하로 이어지고 있다. 따라서 AI, 딥러닝 기술들을 활용한 원격모니터링 기반의 병해 진단과 병증 부위에 농약을 정확하게 살포하기 위한 변량처방 기술 개발의 필요성이 증가하고 있다. 본 논문은 드론에 탑재된 초분광 카메라로 벼 도열병을 촬영하여 분광학적으로 병 감염 여부의 판별가능성을 확인하기 위해 수행되었다. 도열병이 발병한 전라북도 부안군 하서면 장신리의 농가포장(35°43'20.99N, 126°36'37.66E)에서 회전익 드론 (Metric 300, DJI, China)에 초분광 센서(microHSI 410 SHARK, Corning, USA)를 탑재하여 고도 25m, 촬영 속도 4m/s로 초분광 영상을 수집하였다. 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 반사판(Gray scale 12%)으로 광 보정 후 3가지 영역(도열병 벼, 정상 벼, 토양)의 반사율로 18가지 식생지수를 산출하였다. 각각 식생지수로 산출된 도열병 벼(50개), 정상 벼(40개), 토양(40개) 데이터는 7:3, 5:5, 3:7의 Dataset(train:test) 비율로 의사결정트리 모델을 작성하였고 유의한 식생지수를 선정한 후 Overall accuracy(OA)와 Kappa coefficient(KC)로 분류 정확도를 평가하였다(R 4.2.1, The R Foundation, USA). 의사결정 트리를 생성한 결과 모든 Dataset에서 NDVI와 NDRE가 유의한 것으로 나타났으며 두 가지 식생지수를 이용하여 Dataset 7:3일 때 OA가 87%, Ka가 80%로 나타났고 5:5일 때 OA가 92%, KC가 88%, 3:7일 때 OA가 93%, KC가 90%로 나타났다. 모든 Dataset으로 모델을 만들었을 때 분류 가능성이 80% 이상으로 나타나 분류가 가능한 것으로 판단되었으며 추후 더 많은 데이터를 이용하면 분류 정확도의 신뢰도가 상승할 것으로 사료된다.
의사결정트리 기법을 이용한 초분광 영상기반 벼 도열병 감염 판별 식생지수 선정
강정균 ( Jeong Gyun Kang ),박준우 ( Jun Woo Park ),김치호 ( Chi Ho Kim ),민이기 ( Yi Ki Min ),이호승 ( Ho Seung Lee ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
최근 이상기후의 빈번한 발생으로 벼 도열병 등의 피해가 남부지방을 중심으로 급증하여 수확량 및 품질저하로 이어지고 있다. 따라서 AI, 딥러닝 기술들을 활용한 원격모니터링 기반의 병해 진단과 병증 부위에 농약을 정확하게 살포하기 위한 변량처방 기술 개발의 필요성이 증가하고 있다. 본 논문은 드론에 탑재된 초분광 카메라로 벼 도열병을 촬영하여 분광학적으로 병 감염 여부의 판별가능성을 확인하기 위해 수행되었다. 도열병이 발병한 전라북도 부안군 하서면 장신리의 농가포장(35°43'20.99N, 126°36'37.66E)에서 회전익 드론 (Metric 300, DJI, China)에 초분광 센서(microHSI 410 SHARK, Corning, USA)를 탑재하여 고도 25m, 촬영 속도 4m/s로 초분광 영상을 수집하였다. 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 반사판(Gray scale 12%)으로 광 보정 후 3가지 영역(도열병 벼, 정상 벼, 토양)의 반사율로 18가지 식생지수를 산출하였다. 각각 식생지수로 산출된 도열병 벼(50개), 정상 벼(40개), 토양(40개) 데이터는 7:3, 5:5, 3:7의 Dataset(train:test) 비율로 의사결정트리 모델을 작성하였고 유의한 식생지수를 선정한 후 Overall accuracy(OA)와 Kappa coefficient(KC)로 분류 정확도를 평가하였다(R 4.2.1, The R Foundation, USA). 의사결정 트리를 생성한 결과 모든 Dataset에서 NDVI와 NDRE가 유의한 것으로 나타났으며 두 가지 식생지수를 이용하여 Dataset 7:3일 때 OA가 87%, Ka가 80%로 나타났고 5:5일 때 OA가 92%, KC가 88%, 3:7일 때 OA가 93%, KC가 90%로 나타났다. 모든 Dataset으로 모델을 만들었을 때 분류 가능성이 80% 이상으로 나타나 분류가 가능한 것으로 판단되었으며 추후 더 많은 데이터를 이용하면 분류 정확도의 신뢰도가 상승할 것으로 사료된다.