선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구의 구체적인 목적은 모종 시기 판별을 위한 영상처리시스템을 개발하기 위해 작물의 장변, 단변 및 길이의 특징점을 추출할 수 있는 알고리즘 개발하고 오차 분석 및 현장 적용 가능성을 판단하는데 있다.
제안 방법
- 영상처리 시스템은 작물을 촬영하는 영상 입력부와 모터를 구동시키는 구동 시스템으로 구성하였다. 영상 입력부는 대상 작물의 영상을 얻기 위한 장치로 영상획득을 위한 두 대의 카메라와 이를 제어하기 위한한 대의 컴퓨터로 구성하였다.
- 영상 입력부는 대상 작물의 영상을 얻기 위한 장치로 영상획득을 위한 두 대의 카메라와 이를 제어하기 위한한 대의 컴퓨터로 구성하였다.
- 작물의 장변, 단변 및 높이 측정을 위한 영상처리의 알고리즘은 두 대의 카메라를 이용하여 전처리부와 작물의 장단변 및 높이 측정부로 구성하였다. 작물의 장변, 단변 및 높이를 측정하기 위하여 앞쪽과 위쪽에 설치된 2대의 컬러 CCD 카메라를 설치하였다.
- 장단변 및 높이 측정부로 구성하였다. 작물의 장변, 단변 및 높이를 측정하기 위하여 앞쪽과 위쪽에 설치된 2대의 컬러 CCD 카메라를 설치하였다. 카메라를 통하여 입력된 값은 전처리를 이용하여 영상을 획득하였다.
- 본 연구에서는 대상체의 인식정보를 추출하기 위해 작물의 RGB값을 조사해 문턱값(Thresholding)을 사용하였고, 들깨의 경우 100<T<190, 상추의 경우 80 <T< 150, 도라지의 경우 80<T< 160으로 설정하였다. 이치화의 과정을 거친 영상에서 잡음을 제거하기 위해서 라벨링을 하여 순수한 대상체를 획득하였다.
- 이치화의 과정을 거친 영상에서 잡음을 제거하기 위해서 라벨링을 하여 순수한 대상체를 획득하였다. Fig.
- 각 사분면에서 X, y축 최대 좌표는 곧 대상체 잎의 모서리가 된다. 다음 단계로 1 사분면과 3 사분면, 2 사분면과 4 사분면 사이의 좌표 사이의 거리를 계산한 후 거리를 비교하여 긴 것을 장변으로, 짧은 것을 단변으로 인식하도록 하였다. 높이는 y축을 기준으로 가장 높은 점과 낮은 점의 거리를 측정하도록 하였다.
- 영상처리 프로그램은 두 대의 카메라로부터 획득한 영상을 디지털 신호로 변환, 프로그램 처리를 거쳐 Window에 640 x 480 Pixel 크기의 창에서 동시에 출력 및 제어하게 된다. 모터구동 프로그램은 영상처리부가 보낸 신호를 모터 구동PC가 수신을 한 후 모터를 회전시켜 모터를 제어하도록 하였다. 측정된 영상은 모눈종이를 이용한 보정을 하였다.
- 측정된 영상은 모눈종이를 이용한 보정을 하였다. 들깨, 도라지, 상추 세 식물의 높이가 각각 다르기 때문에 각 종마다 높이의 평균을 낸 후 그 위치에 모눈종이를 위치시키고 위쪽에 설치된 카메라로 촬영을 하였다. 외형적인 성장 상태를 보고 모종 시기를 판단하기 때문에 높이, 잎의 장변, 단변을 변수로 측정하였다.
- 들깨, 도라지, 상추 세 식물의 높이가 각각 다르기 때문에 각 종마다 높이의 평균을 낸 후 그 위치에 모눈종이를 위치시키고 위쪽에 설치된 카메라로 촬영을 하였다. 외형적인 성장 상태를 보고 모종 시기를 판단하기 때문에 높이, 잎의 장변, 단변을 변수로 측정하였다. 품종 한 개당 촬영 횟수는 모터의 회전 각도를 30。씩 총 12회로 24개의 이미지를 획득하여 측정하고 각각의 평균값을 구하였다.
- 외형적인 성장 상태를 보고 모종 시기를 판단하기 때문에 높이, 잎의 장변, 단변을 변수로 측정하였다. 품종 한 개당 촬영 횟수는 모터의 회전 각도를 30。씩 총 12회로 24개의 이미지를 획득하여 측정하고 각각의 평균값을 구하였다. 그리고 버니어켈리퍼스를 이용한 실측값과 비교하여 오차를 계산하였다.
- 품종 한 개당 촬영 횟수는 모터의 회전 각도를 30。씩 총 12회로 24개의 이미지를 획득하여 측정하고 각각의 평균값을 구하였다. 그리고 버니어켈리퍼스를 이용한 실측값과 비교하여 오차를 계산하였다.
- 구동 시스템은 스테핑 모터와 모터 제어프로그램으로 이루어졌으며, 구동 PC는 영상입력 컴퓨터와 RS232 시리얼 통신 포트를 통하여 메인 PC와 연결하였다. 정확한 측정을 위해 모터를 30도씩 12번 360。를 회전 시켜 주는 구동 시스템을 구축하였다.
대상 데이터
- 본 연구에는 들깨, 상추, 도라지 세 가지 작물을 사용하였다. 선정 이유는 들깨는 높이, 상추와 도라지는 잎의 장변, 단변의 성장 정도가 모종 시기에 영향을 주기 때문이다.
- 선정 이유는 들깨는 높이, 상추와 도라지는 잎의 장변, 단변의 성장 정도가 모종 시기에 영향을 주기 때문이다. 들깨는 6월 16일에 씨를 뿌린 후 30 일 간의 성장시기를 거친 것을 대상으로 하였다. 도라지는 5월 20일에 상추는 6월 29일에 씨를 뿌린 후 4 주간의 성장시기를 거친 것을 7월 24일 구입하였다.
- 들깨는 6월 16일에 씨를 뿌린 후 30 일 간의 성장시기를 거친 것을 대상으로 하였다. 도라지는 5월 20일에 상추는 6월 29일에 씨를 뿌린 후 4 주간의 성장시기를 거친 것을 7월 24일 구입하였다. Fig.
- 3은 들깨, 도라지, 상추를 나타낸 것이다. 실험 대상의 개수는 한 품종 당 20개씩 총 60개로하였다.
- 카메라는 2차원 길이만을 고려하여 작물의 정 중앙위 쪽에 지상으로부터 990 mm 높이와 정면으로부터 725 mm에 각각 설치하였다. 그림자에 의한 영상처리의 오차를 최소화하기 위해 작물 양쪽에 두 개의 조명을 설치하였다.
- 작물의 장변, 단변 및 높이를 측정하기 위하여 앞쪽과 위쪽에 설치된 2대의 컬러 CCD 카메라를 설치하였다. 카메라를 통하여 입력된 값은 전처리를 이용하여 영상을 획득하였다.
- 모터구동 프로그램은 영상처리부가 보낸 신호를 모터 구동PC가 수신을 한 후 모터를 회전시켜 모터를 제어하도록 하였다. 측정된 영상은 모눈종이를 이용한 보정을 하였다. 들깨, 도라지, 상추 세 식물의 높이가 각각 다르기 때문에 각 종마다 높이의 평균을 낸 후 그 위치에 모눈종이를 위치시키고 위쪽에 설치된 카메라로 촬영을 하였다.
이론/모형
- Kim과 Ruy(1998)는 성장도 측정을 위해 상추를 표본으로 하여 영상처리 기법으로 비파괴적으로 얻은 작물의 외관적인 특징과 파괴적인 방법으로 측정한 뒤 얻은 작물의 중랑과의 관계를 얻었다. 대상체 인식을 위한 알고리즘에 대한 연구는 오류역전파 및 연상 메모리를 이용하였다(Min 등, 2003a, 2003b; Seo 등, 2003; Lee 등, 2003).
성능/효과
- 9%의 낮은 오차율을 보였다. 도라지와 상추는 3 ~ 4 mm의 평균오차를 보였고, 오차율도 7.2 ~ 10.4% 범위로 나타났다. 오차의 원인으로는 작물을 실측할 때의 측정오차와 획득한 영상에서의 픽셀값을 mm로 환산하는 과정에서 렌즈 왜곡 및 3차원 공간의 거리를 2차원에서의 거리로 측정하는데 발생한 오차로 판단된다.
- 세 작물의 높이 , 장변 및 단변의 평균오차는 2.4 ~ 5.5 mm 정도로 영상처리를 이용한 측정이 사람의 시각을 이용한 작물의 생장상태 판별보다 더 정확하다고 판단된다.
후속연구
- 도라지나 상추에 비해 상대적으로 길이가 길었던 들깨의 평균오차가 상추 도라지의 평균오차와 비슷한 수준이기 때문에 크기가 큰 작물일수록 작은 오차율을 가지므로 더 정확한 측정이 가능할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.