[논문]자연 재해로 인하여 낙과된 무채색 배 봉지 검출

최두현

doi:10.5573/ieie.2016.53.1.153

[국내논문] 자연 재해로 인하여 낙과된 무채색 배 봉지 검출
Detection of Fallen Pear Bags caused by Natural Disaster 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.53 no.1, 2016년, pp.153 - 158

초록
AI-Helper

본 논문에서는 집중호우, 태풍, 허리케인과 같은 자연재해로 인한 낙과된 배 봉지를 자동으로 검출할 수 있는 알고리즘을 구현하였다. 검출 대상인 배 봉지는 글자가 인쇄된 회색 계열로, 수출용 배를 대량으로 생산하는 상주와 나주의 대규모 농원들에서 주로 사용한다. 제안한 알고리즘은 먼저 영상에서 관심영역을 설정하고, 설정한 관심 영역에 대해 유채색 영역을 제거한 후 형태학적 연산을 사용하여 잡음이나 이상 영역을 제거하여 낙과 영역을 검출한다. 이 낙과 영역을 분석하고 계수하여 낙과 피해 규모를 산정한다. 실험영상으로는 2014년 상주와 나주 배농원에서 촬영한 영상을 사용하였다. 제안한 기법은 실험영상에 대해 90% 이상의 검출 성능을 얻었으며, 알고리즘 구성이 간단해서 실시간 하드웨어 적용 및 모바일 디바이스를 활용한 구현도 가능하다.

Abstract ▼ AI-Helper

A detection algorithm of fallen pear bags caused by natural disaster like heavy rain, typhoon, hurricane, etc. is presented in this paper. The algorithm is developed for the gray pear bags with printed characters which are widely used at pear farms at Sangju and Naju producing large quantity of pears for export. It sets a region of interest (ROI) at first and then eliminates the regions having chromatic color in ROI. Morphological operation and prior information are used to eliminate small noises and several unusual regions and finally the regions of fallen pear bags are remained. The remained regions are analyzed and counted to estimate the scale of damage. Test images are consisted of the images taken at pear farms of Sangju and Naju at 2014. Experimental result shows that the detection rate of pear bags is more than 90% and also the proposed system can be implemented in real-time using hand-held devices because of its simple and parallel architecture.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

피해 정도를 파악하기 위해 사람이 정확하게 과수원 전체를 조사할 수는 없으므로 표본조사를 실시하기는 하지만 정확한 조사방법은 아니다. 본 논문에서는 사람이 직접 해왔던 낙과에 대한 계수를 자동화하기 위해 영상처리 기법을 사용하여 자연재해에 의한 낙과 검출을 시도하고자 한다.
본 논문에서는 자연재해가 발생할 경우, 사람이 직접 바닥에 떨어진 낙과의 수를 계수하여 피해규모를 산정하는 현재의 방식을 개선하여 저렴한 경비로 보다 신속하고 정확하게 객관적인 피해규모를 파악할 수 있는 가능성을 제시하고자 한다. 상대적으로 잘 정형화된 대규모의 배 농원을 대상으로 연구를 진행하였으며, 영상처리 기법을 기반으로 자연재해로 인한 낙과 봉지를 자동으로 검출하여 그 피해 규모를 산정할 수 있는 객관적인 기초 자료로 활용하고자 한다.
본 논문에서는 자연재해로 인한 낙과 피해를 자동으로 검출하기 위한 낙과 검출 시스템을 구현하였다. 구현된 시스템에서는 현재 국내에서 가장 많이 사용되는 글자가 새겨진 회색 계열의 배 봉지에 대해 무채색 정보로 특징을 추출한 후 형태학적 연산과 사이즈와 같은배 봉지가 가지는 사전 정보를 활용하여 최종 낙과를 검출한다.
본 논문에서는 자연재해가 발생할 경우, 사람이 직접 바닥에 떨어진 낙과의 수를 계수하여 피해규모를 산정하는 현재의 방식을 개선하여 저렴한 경비로 보다 신속하고 정확하게 객관적인 피해규모를 파악할 수 있는 가능성을 제시하고자 한다. 상대적으로 잘 정형화된 대규모의 배 농원을 대상으로 연구를 진행하였으며, 영상처리 기법을 기반으로 자연재해로 인한 낙과 봉지를 자동으로 검출하여 그 피해 규모를 산정할 수 있는 객관적인 기초 자료로 활용하고자 한다.

가설 설정

그림 6(a), (c), (e)는 각각 설정한 ROI에 대해 제안한 방법에 의한 검출 결과를 원 영상에 중첩시킨 것이며, 그림 6(b), (d), (e)는 색상 정보를 사용하여 검출한 후 형태학적 연산을 적용한 결과를 나타낸 것이다. 제안한 방법이 낙과의 검출과 잡음에 강건함을 알 수 있다.

제안 방법

검출 후보영역에는 검출 대상인 실제 낙과와 낙과처럼 무채색의 특징을 가지는 주변 영역인 기둥과 같은 구조물과 풀잎에 반사된 햇빛, 바닥에 떨어진 무채색 계열의 종이나 이물질 등이 포함된다. 검출 후보 영역으로 남아 있는 배 봉지 이외의 잡음(noise)들을 제거하기 위해서 형태학적 연산(morphology operation) 을 적용하였으며, 영역의 크기와 같은 사전 정보들을 사용하였다. 본 논문에서는 ROI 영역 내의 작거나 배 봉지일 가능성이 없는 불필요한 잡음들을 제거하기 위해 OpenCV(ver.
사용자 화면은 MFC 기반으로 작성되었으며, 각 단계별로 결과 혹은 성능을 확인할 수 있게 구성하였다. 구현된 사용자 화면을 사용하여 상주 및 나주에서 실제로 촬영한 영상과 인터넷에서 확보한 영상에 대해 제안된 낙과 검출 기법의 성능을 테스트하였다.
ROI를 설정한 후에 ROI 부분에 대해서만 유채색과 무채색을 구별하여 유채색 영역을 제거하고 무채색 부분만을 검출 후보 영역으로 한다. 무채색 계열인 배 봉지 영역의 검출은 전체 영상의 RGB 색상 모델에서 R,G, B 각 요소들의 최대값에서 최소값을 뺀 값에 R, G, B의 gray 스케일 값을 나누고 그 값을 임계값과 비교하여 유채색과 무채색을 구별하여 제거하고 검출하였다. 식 (1)은 유채색과 무채색을 구별하기 위해 본 논문에서 사용한 수식을 나타낸 것이다.
실험에 사용한 영상은 상주 및나주의 배농원에서 디지털카메라(WB850F, Samsung, Korea)를 사용하여 획득한 영상들을 사용했다. 배 생육상황 및 과수의 변화, 농원 바닥의 다양한 변화 및 날씨에 따른 영상의 변화를 반영하기 위해 2014년 6월부터 9월까지 총 6회에 걸쳐 상주 및 나주의 농원을 방문하여 착과 및 낙과 영상들을 획득하였다. 획득 시 일조량의 변화에 따른 화질의 변화를 최소화하고 배 봉지 영상을 효과적으로 획득하기 위해 내장된 플래시를 사용하였다.
실험 영상을 획득하고자 방문한상주나 나주의 배농원은 물론이고 국내 대부분의 수출용 배를 생산하는 대규모 농원에서는 글자가 인쇄된 회색봉지를 사용한다. 본 논문에서는 무채색 계열의 글자가 인쇄된 회색 봉지를 대상으로 바닥에 떨어진 낙과를 검출하고 인식하는 기법을 제안한다.
비교를 위해 배 봉지의 색상을 이용한 검출을 시도하였다. 실험 대상 이미지에 대해 검출대상인 배 봉지의 색상을 특징으로 하여 상주 및 나주에서 획득한 영상들에 대해 실험하였다.
비교를 위해 배 봉지의 색상을 이용한 검출을 시도하였다. 실험 대상 이미지에 대해 검출대상인 배 봉지의 색상을 특징으로 하여 상주 및 나주에서 획득한 영상들에 대해 실험하였다. 검출 기준은 각 픽셀의 R, G, B값이 배 봉지 색상 영역인 170에서 255 값 사이를 만족하는 영역들로 하였다.
대부분의 과수원에서는 이러한 자연재해에 의한 피해에 대비해 정부의 지원을 받아 농작물 재해보험에 가입한다. 자연재해로 인한 농작물 피해가 발생할 경우 보험담당자가 피해 농가를 방문하여 피해량을 조사한다. 피해 전과 후의 낙과(또는 착과)에 대한 변화량은 표본조사를 통해 이루어지며, 이정보에 의해 보상액이 결정된다.
9)에서 제공하는 형태학적 연산을 사용하였다. 잡음이 제거된 영상에서 배 봉지 영역을 추출하고 검출 결과를 출력하였다. 그림 2(a)에 대한 형태학적 연산 결과를 그림 2(b)에 나타내었다.

대상 데이터

본 논문에서 검출대상으로 하는 것은 현재 상주나 나주의 배농원에서 많이 사용하는 글자가 인쇄된 회색계열의 배 봉지이다. 검출 대상인 배 봉지는 전체적으로는 회색의 무채색 계열이며, 바닥에 떨어진 낙과를 제외한 주변 환경은 맑은 날의 경우 파란색의 하늘이나, 녹색의 풀, 갈색의 흙으로 대부분으로 유채색을 띄고 있다.
본 논문에서는 상대적으로 잘 정돈되어 있고 대규모 재배가 이루어지고 있는 대미 수출용 배를 계약재배하고 있는 상주와 나주의 배농원에서 촬영한 영상들을 연구 대상으로 한다. 대상으로 하는 배농원은 자연재해구제를 위해 매년 정부 지원으로 보험에 가입하고 있다.
2010, Microsoft)를 사용하였으며, C/C++와 오픈소스 라이브러리인 OpenCV를 사용하여 알고리즘을 구현하였다. 실험에 사용한 영상은 상주 및나주의 배농원에서 디지털카메라(WB850F, Samsung, Korea)를 사용하여 획득한 영상들을 사용했다. 배 생육상황 및 과수의 변화, 농원 바닥의 다양한 변화 및 날씨에 따른 영상의 변화를 반영하기 위해 2014년 6월부터 9월까지 총 6회에 걸쳐 상주 및 나주의 농원을 방문하여 착과 및 낙과 영상들을 획득하였다.

이론/모형

다양한 영상들에 대해 성능을 확인하기 위해 성능평가지표로 검출률(detection rate), 미검출률(undetection rate) 및 오검출률(false detection rate)을 사용하였다. 각각의 성능 지표는 식 (2)와 같이 정의한다.

성능/효과

본 논문에서는 자연재해로 인한 낙과 피해를 자동으로 검출하기 위한 낙과 검출 시스템을 구현하였다. 구현된 시스템에서는 현재 국내에서 가장 많이 사용되는 글자가 새겨진 회색 계열의 배 봉지에 대해 무채색 정보로 특징을 추출한 후 형태학적 연산과 사이즈와 같은배 봉지가 가지는 사전 정보를 활용하여 최종 낙과를 검출한다. 상주와 나주의 배농원에서 촬영한 영상과 대규모 낙과 영상에 대해 구현된 시스템을 테스트한 결과의미 있는 검출 성능 도출이 가능함을 확인하였다.
표 1에는 상주와 나주의 배농원에서 촬영한 영상 그룹들에 대한 제안 기법의 검출률, 미검출률, 오검출률을 나타내었다. 상주와 나주의 대규모 배농원에서 촬영한 영상들 모두에서 보험지급 담당자와의 면담에서 확인한 최소 요건(85% 이상)을 충족하는 의미 있는 성능을 보였다.
구현된 시스템에서는 현재 국내에서 가장 많이 사용되는 글자가 새겨진 회색 계열의 배 봉지에 대해 무채색 정보로 특징을 추출한 후 형태학적 연산과 사이즈와 같은배 봉지가 가지는 사전 정보를 활용하여 최종 낙과를 검출한다. 상주와 나주의 배농원에서 촬영한 영상과 대규모 낙과 영상에 대해 구현된 시스템을 테스트한 결과의미 있는 검출 성능 도출이 가능함을 확인하였다.

후속연구

가능성을 확인하긴 했지만 여전히 실제 적용을 위해서는 보완해야 할 점들이 많다. 태풍이나 폭우 같은 대규모의 자연재해 발생 시 바람과 빗물에 의해 낙과가 뭉쳐져 있는 경우가 대부분이다.
아울러, 현재 국내에서 사용 중인 9종의 배 봉지에 대해 검출 기능을 확대할 필요도 있으며, 농원의 전수 조사를 위한 촬영 방안 및 구조물이나 예상치 못한 장애물에 대한 대처 및 전자동 피해 산정 시스템을 위한 이동 로봇 및 이동로봇의 경로 설정 등에 대한 연구도 필요하다고 사료된다. 시설 원예와 같이 농원 환경도 자동화를 고려하여 지속적으로 개선된다면 완전 자동화의 시기가 빨리질 수 있을 것으로 사료된다.
현재는 단순히 검출 크기만을 고려하는데, 정교한 계수를 위해서는 그 영역에 대한 영상 분할 등 다양한 시도가 필요하다. 아울러, 현재 국내에서 사용 중인 9종의 배 봉지에 대해 검출 기능을 확대할 필요도 있으며, 농원의 전수 조사를 위한 촬영 방안 및 구조물이나 예상치 못한 장애물에 대한 대처 및 전자동 피해 산정 시스템을 위한 이동 로봇 및 이동로봇의 경로 설정 등에 대한 연구도 필요하다고 사료된다. 시설 원예와 같이 농원 환경도 자동화를 고려하여 지속적으로 개선된다면 완전 자동화의 시기가 빨리질 수 있을 것으로 사료된다.
태풍이나 폭우 같은 대규모의 자연재해 발생 시 바람과 빗물에 의해 낙과가 뭉쳐져 있는 경우가 대부분이다. 현재는 단순히 검출 크기만을 고려하는데, 정교한 계수를 위해서는 그 영역에 대한 영상 분할 등 다양한 시도가 필요하다. 아울러, 현재 국내에서 사용 중인 9종의 배 봉지에 대해 검출 기능을 확대할 필요도 있으며, 농원의 전수 조사를 위한 촬영 방안 및 구조물이나 예상치 못한 장애물에 대한 대처 및 전자동 피해 산정 시스템을 위한 이동 로봇 및 이동로봇의 경로 설정 등에 대한 연구도 필요하다고 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	과수원이 매년 받는 피해는 어떠한가?	과수원에서는 매년 태풍과 집중호우, 우박, 가뭄 등의 자연재해로 인해 과수의 손실 및 과일 생산량 감소 등과 같은 큰 피해를 입는다. 대부분의 과수원에서는 이러한 자연재해에 의한 피해에 대비해 정부의 지원을 받아 농작물 재해보험에 가입한다.
	농작물 재해보험의 보상은 어떻게 이루어지는가?	자연재해로 인한 농작물 피해가 발생할 경우 보험담당자가 피해 농가를 방문하여 피해량을 조사한다. 피해 전과 후의 낙과(또는 착과)에 대한 변화량은 표본조사를 통해 이루어지며, 이정보에 의해 보상액이 결정된다. 피해 정도를 파악하기 위해 사람이 정확하게 과수원 전체를 조사할 수는 없으므로 표본조사를 실시하기는 하지만 정확한 조사방법은 아니다.
	배농원의 피해를 줄이기 위하여 어떠한 방법을 사용하는가?	배농원의 경우 병충해 피해를 최소화하고 착색으로 인한 상품 가치를 극대화하기 위해 착과된 열매에 봉지를 씌운다. 현재 국내에서는 총 9 종류의 봉지가 사용되는데, 판매 대상 및 수출 대상, 구매자의 요구에 따라 다른 봉지가 사용된다.

참고문헌 (14)

S. J. Kim, "Face recognition using the feature space and the image vector," J. of Control, Automation and Systems Engineering, vol. 5, no. 7, pp. 821-826, 1999.
D. I. Han, J. H. Choi, S. J. Yoo, S. C. Oh and J. I. Cho, "Development of Rotation Invariant Real-Time Multiple Face-Detection Engine," J. of The Institute of Electronics Enginners of Korea, vol. 48, no. 4, pp. 116-128, 2011.
W. J. Jeong, J. M. Lee, K. T. Park, and Y. S. Moon, "Detection of car accidents in parking lots," J. of The Institute of Electronics Enginners of Korea, vol. 52, no. 3, pp. 147-153, 2015.
W. J. Hong, M. W. Kim, and I. S. Oh, "Learning-based detection of license plate using SIFT and neural network," J. of The Institute of Electronics Engineers of Korea, vol. 50, no. 8, pp. 187-195, 2013.
B. J. Oh and D. H. Choi, "Implementation of a modified SQI for the preprocessing of magnetic flux leakage signal," J of Magnetics, vol. 18, no. 3, pp. 357-360, 2013.

원문보기 상세보기
J. S. Hong, J. G. Park, I. M. Choi, S. H. Lee, J. B. Kim, and C. J. Yun, "Recognition of fruit in apple tree using color and morphological filters," Kor. J. Hort. Sci. & Technol. vol. 17, no. 2, pp. 127-130, 1999.
D. W. Lee, B. R. Min, J. H. Choi, K. S. Lee, and W. Kim, "Performance test and image processing analysis of a small and medium sized sprayer for pests control for fruit trees and roadside trees," J. of Bio-Environment Control. vol. 29, no. 2, pp. 101-108, 2011.
J. E. Song, S. J. Um, S. Y. Kim, K. C. Son, and J. S. Lee. "Effect of visual recognition of indoor plants on changes of human brain EEG," Kor. J. Hort. Sci. & Technol, vol. 31, no. 4, pp. 415-422, 1999.
J. H. Hwa, D. W. Lee, B. K. Lee, M. Y. Lee, D. S. Choi, and J. T. Hong, "Development of an automatic sprayer arm control system for unmanned pest control of pear trees," Protected Hort. and Plant Factory. vol. 23, no. 1, pp. 26-30, 2014.

원문보기 상세보기
S. Bashir, and N. Sharma. "Remote area plant disease detection using image processing," J. of electronics and Commun. Eng. vol. 2, no. 6, pp. 31-34, 2012.
R. Zhou, L. Damerow, Y. Sun, and M. M. Blanke. "Using colour freatures of cv. 'Gala' apple fruits in an orchard in image processing to predict yield," Precision Agr., vol. 13, issue 5, pp. 568-580, 2012.

상세보기
A. B. Payne, K. B. Walsh, P. P. Subedi, and D. Jarvis. "Estimation of mango crop yield using image analysis-segmentation method," Computers and Electronics in Agr. vol. 91, pp. 57-64, 2013.

상세보기
H. M. Kim, B. G. Han, K. Y. Moon, and D. H. Choi, "Image processing based counting of fallen pears by natural disaster," The Kor. Inst. of Commun. and Info. Sci., pp. 583-584, Kangwon, Korea, 2015. 1.
B. J. Oh, E. J. Park, Y. S. Chung, D. H. Choi, "Detection of pear setting using pear tree image", The Kor, Inst. of Commun. and Info. Sci. pp. 573-574. Kangwon, Korea, 2015. 1.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증