4차 산업혁명 시대에는 농림·수산 등 다양한 산업의 혁신을 위해 Information & Communication Technology(ICT) 기반의 융합연구가 요구되고 있다. 딥러닝의 알고리즘이 적극 활용되기 시작하면서, 인공지능 기술과 기존 산업들이 접목되어 융합 ICT 연구 분야의 발전에 기여한다.
본 논문은 ...
4차 산업혁명 시대에는 농림·수산 등 다양한 산업의 혁신을 위해 Information & Communication Technology(ICT) 기반의 융합연구가 요구되고 있다. 딥러닝의 알고리즘이 적극 활용되기 시작하면서, 인공지능 기술과 기존 산업들이 접목되어 융합 ICT 연구 분야의 발전에 기여한다.
본 논문은 무인기로 촬영한 무 재배지 영상 데이터베이스를 구축하고, 그 영상을 기반으로 영역화 및 분류, 시들음병 탐지 방법 등을 제안한다. 고전적인 영상 처리 방식과, 머신러닝 및 클러스터링 기법과 최근 분류와 인식분야에서 고성능을 보이는 Convolutional Neural Network (CNN) 모델과 딥러닝 알고리즘이 연구에 사용되었으며, 가시영역 뿐만 아니라 근전외선영역의 영상도 연구에 활용하였다.
무 재배지 영상에서 무, 땅, 비닐 각 영역을 잘라낸 후, 색상 및 질감특징을 추출하여 유의미한 특징을 추려내고 분류 모델을 구현하였고 97.62% 분류 정확도 달성하였다.
영역 및 시들음병 정도에 따른 Normalised DifferenceVegetation Index(NDVI) 값을 비교 및 분석하였다. 영역별 분석 결과 평균 무 영역 0.4890, 땅 영역 0.2959, 비닐 영역 –0.0605의 값을 얻었고, 발병 상태에 따른 분석 결과 평균 정상 무 0.5165, 시들음병 초기 0.4565, 시들음병 중기 0.3444, 시들음병 말기 0.1772의 NDVI 값을 얻었다.
RGB와 NDVI 영상에서 영역화용 딥러닝 모듈을 사용하여 영역화 실험을 하였으며. RGB의 경우 91.6%, NDVI의 경우 84%의 정확도를 달성하였다.
SURF 알고리즘을 활용하여 재배지 소면적을 스티칭하여 대면적으로 정합하여 보다 직관적인 원격 탐지가 가능하도록 하였다.
슈퍼픽셀 알고리즘을 활용하여 딥러닝 모듈 사용시 고질적인 문제였던 학습데이터레이블링에 소요되는 시간을 현저히 단축시켰으며, 학습 및 분류 속도에서도 개선되었으며, 분류 정확도 97.5%를 달성하였다.
4차 산업혁명 시대에는 농림·수산 등 다양한 산업의 혁신을 위해 Information & Communication Technology(ICT) 기반의 융합연구가 요구되고 있다. 딥러닝의 알고리즘이 적극 활용되기 시작하면서, 인공지능 기술과 기존 산업들이 접목되어 융합 ICT 연구 분야의 발전에 기여한다.
본 논문은 무인기로 촬영한 무 재배지 영상 데이터베이스를 구축하고, 그 영상을 기반으로 영역화 및 분류, 시들음병 탐지 방법 등을 제안한다. 고전적인 영상 처리 방식과, 머신러닝 및 클러스터링 기법과 최근 분류와 인식분야에서 고성능을 보이는 Convolutional Neural Network (CNN) 모델과 딥러닝 알고리즘이 연구에 사용되었으며, 가시영역 뿐만 아니라 근전외선영역의 영상도 연구에 활용하였다.
무 재배지 영상에서 무, 땅, 비닐 각 영역을 잘라낸 후, 색상 및 질감특징을 추출하여 유의미한 특징을 추려내고 분류 모델을 구현하였고 97.62% 분류 정확도 달성하였다.
영역 및 시들음병 정도에 따른 Normalised Difference Vegetation Index(NDVI) 값을 비교 및 분석하였다. 영역별 분석 결과 평균 무 영역 0.4890, 땅 영역 0.2959, 비닐 영역 –0.0605의 값을 얻었고, 발병 상태에 따른 분석 결과 평균 정상 무 0.5165, 시들음병 초기 0.4565, 시들음병 중기 0.3444, 시들음병 말기 0.1772의 NDVI 값을 얻었다.
RGB와 NDVI 영상에서 영역화용 딥러닝 모듈을 사용하여 영역화 실험을 하였으며. RGB의 경우 91.6%, NDVI의 경우 84%의 정확도를 달성하였다.
SURF 알고리즘을 활용하여 재배지 소면적을 스티칭하여 대면적으로 정합하여 보다 직관적인 원격 탐지가 가능하도록 하였다.
슈퍼픽셀 알고리즘을 활용하여 딥러닝 모듈 사용시 고질적인 문제였던 학습데이터 레이블링에 소요되는 시간을 현저히 단축시켰으며, 학습 및 분류 속도에서도 개선되었으며, 분류 정확도 97.5%를 달성하였다.
In recent years, deep learning algorithms are being applied to the field of Information Communication Technology(ICT), contributing to the development of convergence research. In Korea, radish is considered the national vegetable, occupying about 10% of the entire vegetable farming area. However, du...
In recent years, deep learning algorithms are being applied to the field of Information Communication Technology(ICT), contributing to the development of convergence research. In Korea, radish is considered the national vegetable, occupying about 10% of the entire vegetable farming area. However, due to widespread diseases in plants, yields are reported to have declined by more than 50%. These diseases are identified and diagnosed by manual inspection of a large area of fields which requires a huge amount of time and effort, thereby reduces the effectiveness significantly.
This paper proposes an automatic localization and detection of radish diseases on radish fields based on images taken by drones. Furthermore, Deep Learning algorithm based on convolutional neural network has been applied for preopposed system. We conducted classification experiments on a pixel-by-pixel basis of the radish images dataset in both RGB and NDVI color channels.
The main contributions of this research includes 1) The introduction of two large datasets for RGB and NDVI color space. 2) The deep learning algorithm is carried out and achieved the recognition rate of 91.6% for RGB and 84% for NDVI dataset. 3) Superpixel method is used to speed up the data labelling process by automatic segmentation.
In recent years, deep learning algorithms are being applied to the field of Information Communication Technology(ICT), contributing to the development of convergence research. In Korea, radish is considered the national vegetable, occupying about 10% of the entire vegetable farming area. However, due to widespread diseases in plants, yields are reported to have declined by more than 50%. These diseases are identified and diagnosed by manual inspection of a large area of fields which requires a huge amount of time and effort, thereby reduces the effectiveness significantly.
This paper proposes an automatic localization and detection of radish diseases on radish fields based on images taken by drones. Furthermore, Deep Learning algorithm based on convolutional neural network has been applied for preopposed system. We conducted classification experiments on a pixel-by-pixel basis of the radish images dataset in both RGB and NDVI color channels.
The main contributions of this research includes 1) The introduction of two large datasets for RGB and NDVI color space. 2) The deep learning algorithm is carried out and achieved the recognition rate of 91.6% for RGB and 84% for NDVI dataset. 3) Superpixel method is used to speed up the data labelling process by automatic segmentation.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.