방제 드론의 살포 성능 최적화를 위한 변이 계수 예측

성백겸 ( Baek-gyeom Seong ),강승우 ( Seung-woo Kang ),조수현 ( Soo-hyun Cho ),이대현 ( Dae-hyun Lee ),이춘구 ( Chun-gu Lee ),유승화 ( Seung-hwa Yu ),김영근 ( Young-keun Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

드론 작업은 지상의 장애물로 인한 제약을 최소화 할 수 있다는 장점이 있어 지상 작업에 비해 효율적인 노동력 활용이 가능하다. 특히, 농업의 경우 고령화 등 노동력 감소문제에 직면하고 있으며 이러한 환경에서 드론 작업의 요구는 지속적으로 증가되고 있는 실정이다. 현재 농작업에서 드론은 주로 방제에 사용되고 있으며, 항공 살포를 통해 광범위한 지역을 한 번에 방제할 수 있지만, 이는 살포시 비산되는 약제가 제대로 대상에 살포되지 않거나 범위를 벗어나 근처의 민가나 다른 작물지대에 피해를 줄 수도 있다. 따라서, 현재 드론의 비행 상태에서 정확하고 일괄적인 방제가 필요하며, 이를 위해서는 신뢰성 있는 방제 성능평가가 필요하다. 본 연구에서는 드론의 살포 최적화를 위한 기초연구로 살포 성능을 예측하였으며 자세히는 인공신경망을 활용하여 드론의 비행 조건별 살포 균일도를 평가하였다. 학습데이터의 수집은 실제 살포 성능평가를 위한 실내 시험장치에서 종합검정방법을 따라 수행되었으며, 감수지 평가를 통해 획득하였다. 학습은 균일살포 정도를 보여주는 변이계수(CV)를 목표로 지도학습을 수행하였으며, 이때 학습모델은 다층신 경망을 이용하여 구성하였다. 학습 결과 평가 표본에 대한 성능은 학습 횟수에 따라 R2가 0.72~0.87 범위로 나타났으며, 본 연구 결과를 통해 다양한 조건에서 드론의 살포 성능을 예측할 수 있는 것을 알 수 있으며, 향후 비행 조건과 살포 성능 간의 상관관계 분석을 통해 환경에 따른 비행 조건제시 등 방제 드론의 살포 성능 최적화에 활용 가능 할 것으로 판단된다.

딥러닝 기반의 의미론적 분할을 이용한 감수지의 도포율 평가

성백겸 ( Baek-gyeom Seong ),강승우 ( Seung-woo Kang ),조수현 ( Soo-hyun Cho ),이대현 ( Dae-hyun Lee ),이춘구 ( Chun-gu Lee ),유승화 ( Seung-hwa Yu ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

재래식 방제 방식보다 노동력 절감의 효과가 있어 그 수요가 나날이 증대되고 있는 드론 방제는 환경이 고려되지 않는 일괄적인 살포 방식으로 인한 효율 저하와 조종자의 숙련도에 따른 살포 성능의 차이가 발생한다는 문제점이 있다. 이를 개선하기 위해 변량방제 연구들이 수행되고 있으며, 주로 감수지를 이용한 살포 실험을 진행한 뒤 감수지 면적과 약제가 도포된 면적의 비율인 도포율을 통해 살포 성능을 평가하여 목표성능과의 오차를 줄이는 방식으로 수행되었다. 이때 도포율을 검출하는 기존 시스템은 조도 등의 촬영 환경에 민감하며, 한 번에 한 장씩 검출을 진행하여 효율이 떨어지는 실정이다. 따라서 본 연구에서는 환경변화에 강인하며, 한 번에 여러 장 검출이 가능한 딥러닝 기반의 의미론적 분할을 활용하여 감수지 사진에서 도포율을 평가하였다. 학습데이터는 한국농업기술원의 농업용 드론 실내 검정시스템에서 수집된 영상으로 구성되었으며, 합성곱 신경망 구성의 U-net 구조를 이용하여 도포 면적 검출 학습을 수행하였다. 학습 결과 평가 표본에 대한 영역검출 성능은 mIoU 0.85, F1-Score 0.91로 나타나 의미론적 분할을 통해 감수지 사진에서 도포 면적 자동 검출과 도포율 평가가 가능하였음을 확인하였다. 향후 모델 성능 향상에 따른 실제 시험으로의 적용으로 감수지 평가 방식의 효율을 증가시켜 방제 드론의 변량 살포 기술 개발을 위한 기초연구로 활용할 수 있을 것으로 판단된다.

농업용 드론의 작업 환경에 따른 살포 성능 분석

성백겸 ( Baek-gyeom Seong ),강승우 ( Seung-woo Kang ),조수현 ( Soo-hyun Cho ),이대현 ( Dae-hyun Lee ),이춘구 ( Chun-gu Lee ),유승화 ( Seung-hwa Yu ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

농업용 드론은 항공 방제에 많이 사용되고 있으며, 대규모 면적을 빠른 시간에 일괄적으로 처리 가능할 뿐만 아니라 지상 작업에 비해 장애물 제약이 없어 원격 활용 시 높은 효율을 보여주고 있다. 최근에는 다양한 센서 기술을 기반으로 위치 정보와 결합한 디지털 맵 제공이 가능하며 이를 이용한 위치별 정밀 작업 기술 개발이 활발히 수행되고 있다. 본 연구에서는 농업용 드론의 변량방제 기술 개발을 위해 드론의 작업 환경에 따른 살포성능을 평가하였다. 다양한 작업환경은 실내 시험장치를 통해 모사하였으며, 감수지에 도포된 약제 영역의 비율인 도포율을 성능평가 지표로 사용하였다. 이때, 작업 환경은 풍향, 풍속, 드론의 비행속도, 고도 및 분사 방향과 로터 회전속도의 6개 요인을 이용하여 설정하였다. 성능평가 결과 속도 증가에 따른 분산의 증가는 전체적인 도포율 감소와 관련이 높았으며, 분사 노즐 개수의 증가는 도포율은 증가시키지만 균일한 살포성능에는 크게 영향을 미치지 못하였다. 또한, 비행속도 및 풍속의 증가는 균일한 살포와 도포율에 부정적인 영향을 미치며, 풍향의 실험수준 내에서 살포패턴의 변화는 발생시키지만, 대상 범위 내 도포율에는 큰 차이가 발생 되지 않았다. 본 연구의 결과를 통해 인공지능 등 고도화된 알고리즘을 이용하여 연속적이고 정밀한 구간의 조건에 대한 살포성능 예측이 가능하다면 변량 제어를 이와 연계하여 최적화된 살포가 가능할 것으로 판단된다.

다층신경망을 이용한 드론 방제의 살포 균일도 예측

성백겸(Baek-gyeom Seong),강승우(Seung-woo Kang),조수현(Soo-hyun Cho),한웅철(Xiongzhe Han),유승화(Seung-hwa Yu),이춘구(Chun-gu Lee),강영호(Yeongho Kang),이대현(Dae-hyun Lee) 유공압건설기계학회 2023 드라이브·컨트롤 Vol.20 No.3

드론 방제의 최적화를 위한 딥러닝 기반의 밀도맵 추정

성백겸(Baek-gyeom Seong),한웅철(Xiongzhe Han),유승화(Seung-hwa Yu),이춘구(Chun-gu Lee),강영호(Yeongho Kang),우현호(Hyun Ho Woo),이헌석(Hunsuk Lee),이대현(Dae-Hyun Lee) 유공압건설기계학회 2024 드라이브·컨트롤 Vol.21 No.2

Global population growth has resulted in an increased demand for food production. Simultaneously, aging rural communities have led to a decrease in the workforce, thereby increasing the demand for automation in agriculture. Drones are particularly useful for unmanned pest control fields. However, the current method of uniform spraying leads to environmental damage due to overuse of pesticides and drift by wind. To address this issue, it is necessary to enhance spraying performance through precise performance evaluation. Therefore, as a foundational study aimed at optimizing drone-based pest control technologies, this research evaluated water-sensitive paper (WSP) via density map estimation using convolutional neural networks (CNN) with a encoder-decoder structure. To achieve more accurate estimation, this study implemented multi-task learning, incorporating an additional classifier for image segmentation alongside the density map estimation classifier. The proposed model in this study resulted in a R-squared (R²) of 0.976 for coverage area in the evaluation data set, demonstrating satisfactory performance in evaluating WSP at various density levels. Further research is needed to improve the accuracy of spray result estimations and develop a real-time assessment technology in the field.

돈육 품질 예측을 위한 초분광 영상 기반 산성도 예측

조수현 ( Soo-hyun Cho ),강승우 ( Seung-woo Kang ),성백겸 ( Baek-gyeom Seong ),이대현 ( Dae-hyun Lee ),정사무엘 ( Samooel Jung ),조경 ( Kyung Jo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

돈육은 우리나라에서 가장 높은 소비량을 가진 식육으로 매년 꾸준한 소비증가세를 보이고 있지만, 품질에 대한 소비자들의 신뢰성 부족으로 인해 국내 자급률은 감소하는 추세를 보이고 있다. 돈육의 품질은 pH (산성도), 육질, 색상, 선도 등으로 결정되지만, 현 등급판정 체계는 대부분의 단계에서 육안으로 판정되기 때문에 도체의 미세 변화를 반영할 수 없으므로 정확한 품질 정보를 소비자에게 제공하기 어렵다. 따라서, 본 연구에서는 돼지 도체 품질 예측을 위한 기초 연구로, 초분광 영상을 이용한 pH 예측을 수행하였다. 데이터 확보를 위해 돼지 도체를 초분광 영상으로 촬영한 후, 전체 영역에서 특정 근육 부분의 RoI (region of interest)를 추출하였다. 구간 분류를 위해 샘플의 pH 범위를 양자화하여 동일 간격의 구간으로 label을 변경하였고, 딥러닝 모델은 합성곱신경망(Convolutional neural networks, CNN)을 사용하였다. 모델 학습 결과, 초분광 영상의 전체 스펙트럼 범위에서 R²의 값은 0.86수준으로 도출되어 높은 성능을 보여주었다. 본 연구를 통해 도출된 스펙트럼 분류에 따른 결과는 딥러닝을 활용한 돈육 품질 예측연구에 유의미한 결과를 보여주었고, 데이터 개수 및 라벨의 다양성을 통한 학습모델의 신뢰성 향상이 필요할 것으로 보인다.

딥러닝을 이용한 소 유방염 검출 기술 개발

조수현 ( Soo-hyun Cho ),강승우 ( Seung-woo Kang ),성백겸 ( Baek-gyeom Seong ),이대현 ( Dae-hyun Lee ),이민경 ( Min-gyung Lee ),서성원 ( Seong-won Seo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

소 유방염은 세균이나 곰팡이가 유방 속에 침입하여 염증을 일으키는 병으로, 소 질병 중 가장 많이 발생한다. 유방염에 걸린 소가 생산하는 우유에는 세균 및 체세포수가 많아 유질이 저하되고, 유량이 감소하기 때문에 낙농 생산성에 큰 영향을 끼친다. 이를 해결하기 위한 유방염 조기 진단 연구가 기존에 이루어졌으며, 과거에는 머신러닝을 이용하여 연구했던 반면, 최근에는 자동화 및 실시간 응용 가능성이 높은 딥러닝을 통해 유방염의 조기 진단 연구를 진행하는 추세이다. 따라서, 본 연구에서는 딥러닝 기반의 유방염 검출을 수행하였으며, 입력데이터로 유량 및 환경데이터를 이용하였다. 데이터는 소 유방에 설치된 착유기와 농가의 환경 센서들로부터 수집되었으며, 4개의 농가, 95마리의 소에서 1일 단위로 얻은 데이터를 시계열로 구성하였다. 전처리의 경우, 유방염 진단일을 기준으로 ±3일, ±5일, ±7일의 기간을 라벨데이터로 선택하였으며, 누락된 항목이 존재할 경우, 해당 날짜의 전체 데이터를 제외 처리하였다. 또한, 이종 센서 간 오차를 줄이기 위해 정규화하였다. 딥러닝 모델은 오토인코더 모델을 이용하였으며, 시계열 처리를 위해 합성곱 신경망으로 구성하였고, 교차검증방식을 통해 모델을 선정 및 최종 평가하였다. 본 연구를 통해 소의 축사 환경데이터 및 유량데이터를 바탕으로 딥러닝을 이용하여 실시간으로 유방염에 대한 예측이 가능하다면 질병 예방을 통한 낙농 생산성 증대에 기여가 가능할 것으로 판단된다.

로봇 수확을 위한 참외의 자세 추정

강승우 ( Seung-woo Kang ),조수현 ( Soo-hyun Cho ),성백겸 ( Baek-gyeom Seong ),이대현 ( Dae-hyun Lee ),김경철 ( Kyung-chul Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

참외는 국내 시설원예 대표 작물 중 하나로 매년 15만 톤 정도가 생산되는 인기 있는 과채류이다. 참외는 수확 작업이 전체 노동시간의 약 36%를 차지하며, 수확 환경은 고온 다습하고 폐쇄되어 있다. 이러한 문제점을 해결하기 위해 참외 수확 로봇의 연구개발이 진행되었으나, 수확 작업과 직접적인 연관이 있는 인식 기술의 경우 연구개발이 전무 하다. 따라서 본 연구에서는 참외 온실에서 효율적인 로봇 수확을 위해 참외 위치 검출 및 자세 추정을 수행하였다. 위치 검출은 영상 수준의 주석작업으로 영역 검출이 가능한 약지도 학습을 사용하여 수행하였으며, 자세 추정은 검출된 영역을 입력 데이터로 사용하여 수행하였다. 위치 검출 단계에서 성능은 재현율, 정밀도가 94%, 90%로 관찰되었으며, 자세추정 단계에서 전체적인 성능은 65%의 검출률을 보여주었으나 그중 수확 작업 시 중요한 정보인 꼭지부와 절단부의 정보는 80% 이상의 검출률이 관찰되었다. 본 연구는 로봇 수확을 위한 작물의 2차원 정보의 빠른 제공을 통해 수확 대상과 선정 및 수확 지점 검출이 가능하였으며 3차원 깊이 정보와 동기화를 통해 실제 수확 작업에 직접적인 기여가 가능할 것으로 판단된다.

심층신경망 기반 축우 활동량 센서 표준화 연구

강승우 ( Seung-woo Kang ),조수현 ( Soo-hyun Cho ),성백겸 ( Baek-gyeom Seong ),이대현 ( Dae-hyun Lee ),이민경 ( Min-gyung Lee ),서성원 ( Seo-seong Won ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

현재 전 세계적으로 축산 무인화 및 자동화를 위한 스마트 축산 기술의 연구개발이 활발히 진행 중이며, 특히 국내에서는 한우 스마트 축산모델 연구가 활발히 진행 중이다. 축우는 축산업에서 큰 비중을 차지하고 있는 산업 중 하나이며, 양돈과는 다르게 평균적으로 1~2마리의 새끼를 낳기 때문에 농가 수익성 향상을 위해 축우의 정확한 발정 판단을 통해 최적의 임신 시기를 도출하여야 한다. 축우의 발정은 활동량 센서를 기반으로 예측할 수 있지만, 축산 농가 별 사용 중인 센서의 종류가 상이하며, 이는 스마트팜 적용에 어려움이 있다. 따라서 본 연구에서는 스마트팜 적용을 위한 주요 활동량 센서들 간의 상관관계 분석 및 표준화 방법을 제시하였다. 데이터는 4가지 센서에서 활동량 데이터를 수집하여 사용하였다. 수집된 데이터는 시계열 데이터로서 분석을 위해 일정 주기를 기준으로 연속적인 구간으로 나누어 데이터를 구성하였으며 기초 통계량을 계산하고 특징을 파악한 후 1차원 합성곱 신경망 기반의 모델을 사용하여 표준화를 진행하였다. 이종 센서 간 데이터 변환 결과는 결정계수(R²)를 사용하여 평가하였으며 본 연구로 유의미한 선형 상관 관계를 예측할 수 있었으나 전체 센서 간 표준화를 위한 추가적인 연구가 필요할 것으로 판단된다.

완숙 토마토 군집 영역 검출 기반 과일 자세 추정

강승우 ( Seung-woo Kang ),조수현 ( Soo-hyun Cho ),성백겸 ( Baek-gyeom Seong ),이대현 ( Dae-hyun Lee ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

수확 로봇의 인식 기술은 안정적인 로봇 수확을 위해 우선 수행되어야 하는 주요 기술이며 딥러닝을 사용한 객체 인식 모델 기반의 작업 대상체 인식 연구가 진행되어 높은 성과를 보여주고 있다. 하지만 수확을 위해선 과실 객체 인식뿐 아니라 절단되어야 하는 줄기의 인식도 필요하며 영상 내 많은 객체가 존재할 경우 인식을 위해 많은 노동력이 필요하므로 수확 효율성을 감소시킬 수 있다. 본 연구에서는 수확 전 영상에서 완숙과 군집 영역을 검출 후 수확 우선순위를 지정하고 그에 따른 2차원 토마토 자세 추정을 수행하였다. 모델 학습을 위한 데이터셋은 농촌진흥청에 위치한 토마토 온실에서 수집하였으며, 토마토 객체를 포함하는 최소한의 사각형을 추출하여 구성하였다. 완숙과 토마토 영역 검출은 CAM을 작성한 후 임계치 처리를 통해 결정하였으며, 해당 결과를 기반으로 매니퓰레이터가 작업 대상체에 접근했을 때를 가정하여 영상 내에서 영역을 좁힌 후 2차원 자세 인식을 연속적으로 수행하는 방식으로 진행하였다. 본 개발 기술은 수확 전 광역 영상에서 완숙과 군집을 검출 후 해당 결과를 기반으로 2차원 자세 인식을 수행하였으며, 수확 경로 추종 및 매니퓰레이터의 접근 위치 제시로 효율적인 로봇 수확이 가능할 것으로 판단된다.