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 : 최경문 ( Geong-moon-choi ) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
최영우 ( Young-woo-choi ),문병은 ( Byeong-eun-moon ),이건호 ( Gun-ho-lee ),이호민 ( Ho-min-lee ),김나은 ( Na-eun-kim ),최경문 ( Geong-moon-choi ),김현태 ( Hyeon-tae-kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2
국내 농업은 4차 산업혁명 기술 적용으로 더욱 발전하고 있다. 4차 산업혁명 기술은 농업환경의 식물 생장 데이터를 실시간 수집하고, 효율적인 데이터의 가공을 통해 작업자에게 효과적인 정보 제공이 가능하게 한다. 정밀하고 효과적인 알고리즘과 새로운 기술을 도입함으로써 기존의 인력 의존적인 문제점을 효율적으로 개선하고 보완하여 현재 농업환경을 발전시키는 것에 의미가 있다. 따라서 본 연구에서는 농업환경에서 설치된 카메라와 환경 센서를 통해 식물의 질병 발생률을 예측하고, 발생한 식물의 질병을 감지하며 적절한 솔루션을 제공하는 시스템을 개발하는 것이 목적이다. 개발 사양은 CPU: Intel i9-10900k 5.0ghz, RAM: 64gb이며, 개발환경은 Python 3.9, Android 9.0을 사용하였다. 환경 센서는 Arduino, Raspberry Pi를 사용하였으며 전원은 외부에서 공급하였다. 카메라는 Raspberry Pi High Quality Camera를 이용하였다. 딥러닝을 이용한 식물의 질병 예측 및 감지 알고리즘은 CNN 모델의 결과와 환경 감지 모델의 결과를 결합하고, 가중치를 통해 식물의 질병을 예측 및 감지하였다. 학습에 필요한 식물의 질병 데이터는 AI Hub에 위치한 식물 시설 작물 질병 진단 이미지를 이용하였고, 환경 감지 모델의 기반 데이터는 NCPMS를 참조하였다. 환경 데이터 수집은 설치된 Raspberry Pi가 Sensor를 통해 수집하였으며, 실시간으로 HTTP 통신 방식을 이용하여 시스템 서버에 전송하여 데이터를 분석하였다. 작업자 제공 인터페이스는 스마트 단말기를 이용한 안드로이드 애플리케이션을 사용하였고, 작업자의 신원을 확인하는 단계를 거쳐 설치되어 있는 농가의 질병 발생확률, 발생한 질병을 시각적으로 확인할 수 있도록 하였다. 또한 농가에 질병이 발생했을 때 발생 질병에 맞는 솔루션을 제공 받을 수 있도록 하였다. 해당 시스템 구축 결과는 테스트 이미지와 환경데이터를 이용한 예측 및 감지 시에는 평균적으로 0.9에 해당하는 정확도를 보여주었으나 실제 환경에서의 테스트 결과 평균적으로 0.6에 미치는 정확도를 보여주었다. 따라서 시스템의 정확도를 개선하기 위해서는 실시간으로 수집되는 이미지 데이터와 학습용 데이터의 오차를 줄이는 방안이 필요하다.
-
이건호 ( Gun-ho-lee ),문병은 ( Byeong-eun-moon ),최영우 ( Young-woo-choi ),이호민 ( Ho-min-lee ),김나은 ( Na-eun-kim ),최경문 ( Geong-moon-choi ),김현태 ( Hyeon-tae-kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2
지속되는 인구의 고령화속 농업인구의 감소는 현사회에서 풀어야 할 지속적인 문제점이다. 특히 작물류 중 두류(콩)은 수확 및 탈곡과정을 거쳐 제품으로 판매되기 때문에 타 작물에 비해 탈곡시 손실이 많이 일어나며 그에따른 노동력이 더 필요한 실정이다. 본 실험은 두류(콩)의 탈곡 과정중 생기는 탈곡 손실을 저하시키기 위한 선행연구이며 탈곡 과정중 생기는 콩깍지와 급치날 간의 힘을 분석함으로써 시뮬레이션을 통해 탈곡 속도에 따른 힘을 예측 하고있다. 시뮬레이션을 위해 사용한 프로그램인 Solidworks(Solidworks 2020, version 2020, Dassault Systemes, USA)를 통해 길이 350mm 반경 212.55mm의 탈곡통을 Alloy Steel 재질로 제작하였으며, 콩깍지에 해당하는 피격대상은 천연고무 재질로 제작하였다. 급치날과 콩깍지의 위치는 항상 동일 위치에서 측정되었다. 회전율(RPM)의 경우 농기계 기업에서 제시한 RPM을 토대로 근사값울 설정하였으며, 각 250, 300, 350, 400 총 4단계로 분류하였다. 실험 결과 250 RPM에서 평균 1.433 KN/㎟, 300 RPM에서 평균 1.713 KN/㎟, 350 RPM에서 평균 1.982 KN/㎟, 400 RPM에서 평균 2.244 KN/㎟으로 측정되었으며, y=0.2702x + 1.1675의 식에따라 0.9998로 높은 결졍계수를 가짐으로 RPM의 증가에 따른 급치날에 응력이 증가함을 알 수 있다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
