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 : 좌재호(Jaeho Joa) (검색결과 22 건)
- 무료
- 기관 내 무료
- 유료
-
-
감귤 착과량 추정을 위한 초분광 데이터 차원 축소기법에 관한 연구
김재홍 ( Jaehong Kim ),박요섭 ( Yosup Park ),좌재호 ( Jaeho Joa ),권순화 ( Soonhwa Kwon ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
초분광 이미지는 수백 개의 밴드로 구성되어 있기 때문에 데이터의 양이 방대하고 불필요한 노이즈가 포함되어 있다. 차원 축소 기법은 특정 대표 밴드 추출에 사용되는 데이터 손실을 최소화하면서 데이터 볼륨 감소로 인한 문제를 보상하는 방법으로 사용된다(A.A. Green et al.1988). 일반적으로 사용되는 특징 추출 기법에는 PCA(Principle Component Analysis) 및 MNF(Minimum Noise Fraction)가 있다. MNF 기법은 PCA를 보완하고 잡음 효과를 제거하여 고유분산을 최대화하는 기법이다(Q.S.LI et al.2017). 초분광 영상에 적용하여 분류 정확도를 높이는 것이 더 유용하기 때문에(Xujun Ye et al.2006), 본 연구에서는 MNF 기법을 사용하여 차원을 축소하였다. 노이즈의 영향을 줄이기 위해 MNF 방법을 사용하여 차원을 축소하고, 머신러닝 기반 감독자분류 방식인 SVM(Support Vector Machine) 분류 기법을 적용하여 획득한 초분광 영상을 분류하였다. 본 연구에서는 원본 영상의 MNF 변환 후 저잡음 및 고유값을 갖는 상위 9개 대역에 대한 분류 결과의 정확도를 평가하였다. 분류를 위해 훈련 데이터와 참조 데이터를 설정하였으며, 분류 결과의 정확도를 높이기 위해 트레이닝 데이터를 픽셀 단위로 추출하여 분류 등급별로 이미지 전체에 분포시켰으며, 영향을 받는 음영 영역은 최대한 배제하였다. 초분광 데이터 분석 도구 ENVI(L3HarrisGeospatial INC., USA)를 사용하여, 배경, 감귤 잎 및 감귤 과일을 감귤 캐노피에서 세 그룹으로 분류하였다. 배경, 감귤잎, 감귤과실을 분류하여 해당 모델을 생성하였다. 생성된 모델을 전체 초분광 이미지 데이터 세트에 적용하였다.
-
-
-
-
감귤 착과량 추정을 위한 초분광 데이터 분류 정확도 평가
김재홍 ( Jaehong Kim ),박요섭 ( Yosup Park ),좌재호 ( Jaeho Joa ),권순화 ( Soonhwa Kwon ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
감귤 노지 재배의 과학적 근거를 기반으로 한 농작체계의 지능화 및 효율화가 절실히 요구되고 있다. 감귤의 생산량 추정을 위한 기초자료 수집은 한정된 조사인력이 약 22,000ha에 이르는 방대한 면적을 조사하기에 시간이 오래 걸릴 뿐만 아니라 담당직원은 조사인력의 부족으로 격무에 시달리고 있는 실정이다. 또한 조사인력은 관행적으로 직접 관측조사에 의존하며, 일관되지 않은 데이터수집이 이뤄지고 있다. 과수 수확량의 정확한 예측은 수확 후 관리와 마케팅 계획 등에 있어서 필수 요소 중 하나인데, 과수 재배자는 노동력 산출 및 저장 계획의 근거로 중간도매인들은 포장재와 운반비용 산출 등에 활용됨으로 무엇보다 높은 신뢰성이 요구된다 (Wulfsohn et al. 2012). 농업 엔지니어링 기술 최적화와 농업 관리 관행의 표준화의 결합이 절실히 요구되는 가운데 (Leilei et al. 2022), 본 연구는 드론에서 얻은 초분광 영상 데이터를 이용하여 감귤의 열매 수확량을 빠르고 정확하게 예측하는 기초연구로서, 감귤 과실의 분류를 대표적인 감독자분류인 머신러닝 기반의 SVM(Support Vector Machine) 방식, 딥러닝 기반의 ANN(Artificial Neural Network) 방식, CNN(Convolution Neural Network) 방식의 이미지 분석 알고리즘의 분류 정확도를 평가하였다.
-
-
-
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
