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
- 따라서, 본 연구는 모종의 수분 스트레스를 측정하기 위하여 박과의 대표적인 품종인 오이 및 수박에 대해 인공적으로 수분관리 되는 환경에서 모종에 대한 초분광 영상을 취득하여 신속한 수분함량 추정식을 구명하기 위하여 수행하였다.
- 본 연구는 초분광 영상을 이용하여 오이 및 수박과 같은 박과 묘의 수분함량을 추정하기 위해 수행되었다. 오이와 수박 묘 샘플에 수분 스트레스를 가한 후 초분광 영상 취득 시스템을 이용하여 오이와 수박 묘 잎을 촬영하여 반사율을 계산하였고, 건조기를 이용하여 해당 모종의 수분함량을 측정하였다.
제안 방법
- 수분함량으로 분석한 결과, 오이, 수박 묘의 수분함량은 표준편차가 낮아 수분스트레스에 의한 변화가 적은 것으로 사료된다. Boxplot을 이용하여 정규분포를 확인한 결과, Fig. 4와 같이 1개의 오이 묘가 정규분포에서 벗어나는 결과를 나타내어 1개의 오이 모종을 제외한 후 수분함량을 측정한 결과 Table 2와 같이 오이에 대한 정밀도가 높아지는 것으로 조사되어 이를 이용하여 분석하였다.
- 보정된 이미지에서 묘와 배경을 분리하기 위해 식(1)과 같은 식생지수(NDVIGreenNDVI)를 적용하였고 사용된 NIR, Red 및 Green 파장대는 각각 800nm, 670nm, 550nm로 선정(Katsoulas 등, 2016, Francisco 등, 2017)하였다. Density slice를 이용하여 묘와 배경을 구분하는 이치화값을 산출하였고 Region of Interest(ROI)를 지정하여 각 묘의 반사율을 추출하였다.
- 오이와 수박 묘 샘플에 수분 스트레스를 가한 후 초분광 영상 취득 시스템을 이용하여 오이와 수박 묘 잎을 촬영하여 반사율을 계산하였고, 건조기를 이용하여 해당 모종의 수분함량을 측정하였다. 마지막으로 영상의 반사율과 수분함량을 이용하여 부분최소제곱회귀분석을 통해 수분함량 추정모델을 개발하였다. 오이 묘 수분함량 추정모델은 R2 0.
- , New Zealand)를 이용하여 30분 간격으로 측정하였다. 모든 모종의 근권 수분함량을 균일하게 하기 위하여 실험 초기(7월 20일 11시)에 모든 모종을 대상으로 저면 관수를 약 10분 동안 실시하였다. 추가 관수는 7월 20일 19시에 5번 트레이 및 7월 21일 9시 30분에 4, 5번 트레이를 대상으로 저면관수를 하여 일반적으로 육묘장에서 1일간 관수하는 횟수인 1회를 기준으로 과다관수와 적정관수의 차를 확인하고자 하였다.
- 영상 취득 후 각 품종별로 3주씩 샘플링하여 묘의 상토 및 뿌리를 제외한 엽과 줄기의 생체중을 측정하였으며 통풍건조기(VS-4048D, Vision Scientific Co. Ltd., Korea)에 60℃로 72시간 동안 건조 후 건물중을 측정하 였다. 측정한 생체중과 건물중을 이용하여 수분함량을 계산하였다.
- 영상처리는 Fig. 3과 같이 전용 소프트웨어(ENVI 5.2, Exelis Visual Information Solution, USA)를 이용하여 노이즈 보정과 광 보정을 하였다. 보정된 이미지에서 묘와 배경을 분리하기 위해 식(1)과 같은 식생지수(NDVIGreenNDVI)를 적용하였고 사용된 NIR, Red 및 Green 파장대는 각각 800nm, 670nm, 550nm로 선정(Katsoulas 등, 2016, Francisco 등, 2017)하였다.
- Ltd, Korea)로 전남 정읍 육묘장에서 구입하였다. 오이 및 수박묘는 파종 후 각각 18일 및 27일동안 육묘된 모종을 이용하였고, 영상촬영 시 상호간에 잎이 중첩되지 않도록 각 45주를 5개의 50공 트레이에 9주씩 배치하였다.
- 본 연구는 초분광 영상을 이용하여 오이 및 수박과 같은 박과 묘의 수분함량을 추정하기 위해 수행되었다. 오이와 수박 묘 샘플에 수분 스트레스를 가한 후 초분광 영상 취득 시스템을 이용하여 오이와 수박 묘 잎을 촬영하여 반사율을 계산하였고, 건조기를 이용하여 해당 모종의 수분함량을 측정하였다. 마지막으로 영상의 반사율과 수분함량을 이용하여 부분최소제곱회귀분석을 통해 수분함량 추정모델을 개발하였다.
- 1과 같이 2016년 7월 20일(1 day) 11시에서 7월 21일(2 day) 15시까지 이틀 동안 진행하였다. 온실 내부 온도는 데이터 로거(TH Type Micrologger, HortPlus Co., New Zealand)를 이용하여 30분 간격으로 측정하였다. 모든 모종의 근권 수분함량을 균일하게 하기 위하여 실험 초기(7월 20일 11시)에 모든 모종을 대상으로 저면 관수를 약 10분 동안 실시하였다.
- 모든 모종의 근권 수분함량을 균일하게 하기 위하여 실험 초기(7월 20일 11시)에 모든 모종을 대상으로 저면 관수를 약 10분 동안 실시하였다. 추가 관수는 7월 20일 19시에 5번 트레이 및 7월 21일 9시 30분에 4, 5번 트레이를 대상으로 저면관수를 하여 일반적으로 육묘장에서 1일간 관수하는 횟수인 1회를 기준으로 과다관수와 적정관수의 차를 확인하고자 하였다.
- , Korea)에 60℃로 72시간 동안 건조 후 건물중을 측정하 였다. 측정한 생체중과 건물중을 이용하여 수분함량을 계산하였다.
- 태양광의 변화를 보정하기 위해 트레이 상단에 레퍼런스 보드(EzyBalance Grey/White Card 30”, White balance 18%, Lastolite Ltd, England)를 배치한 후 전용 프로그램(Spectral DAQ, Specim Spectral Imaging Ltd., Finland)을 이용하여 초분광영상을 취득하였다.
대상 데이터
- 2, Exelis Visual Information Solution, USA)를 이용하여 노이즈 보정과 광 보정을 하였다. 보정된 이미지에서 묘와 배경을 분리하기 위해 식(1)과 같은 식생지수(NDVIGreenNDVI)를 적용하였고 사용된 NIR, Red 및 Green 파장대는 각각 800nm, 670nm, 550nm로 선정(Katsoulas 등, 2016, Francisco 등, 2017)하였다. Density slice를 이용하여 묘와 배경을 구분하는 이치화값을 산출하였고 Region of Interest(ROI)를 지정하여 각 묘의 반사율을 추출하였다.
- 실험에 사용한 묘는 오이(Cucumis sativus L., Ipchunakhab, Nongwoo bio Co. Ltd, Korea)와 수박 (Citrullus vulgaris, Gumbo, Nongwoo bio Co. Ltd, Korea)로 전남 정읍 육묘장에서 구입하였다. 오이 및 수박묘는 파종 후 각각 18일 및 27일동안 육묘된 모종을 이용하였고, 영상촬영 시 상호간에 잎이 중첩되지 않도록 각 45주를 5개의 50공 트레이에 9주씩 배치하였다.
- 실험은 원광대학교 시험포장 내 플라스틱온실에서 Fig. 1과 같이 2016년 7월 20일(1 day) 11시에서 7월 21일(2 day) 15시까지 이틀 동안 진행하였다. 온실 내부 온도는 데이터 로거(TH Type Micrologger, HortPlus Co.
- 초분광영상은 초점거리가 23mm, 조리개가 F2.3, 시야각 21.1 인 렌즈(OLE 23 C-Mount, Specim, Finland)를 분광영역이 400-1000nm, 분광 분해능이 2nm인 초분광 카메라(VNIR spectral camera PS, Specim Spectral imaging Ltd., Finland)에 장착하여 지면으로부터 145cm 높이에서 촬영 각도(로테이터의 회전각) 30º로 취득하였다.
- , Finland)에 장착하여 지면으로부터 145cm 높이에서 촬영 각도(로테이터의 회전각) 30º로 취득하였다. 초분광영상은 카메라 자체 노이즈를 줄이기 위한 Dark current image를 측정한 후 자연광 조건에서 7월20일에 저면관수 약 3시간 30분 후인 14시 30분부터 1시간 간격으로 모든 트레이를 대상으로 취득하였고, 7월21 일에 저면관수 전후 30분 및 오전10시에서 오후 3시까지 약 1시간 간격으로 모든 트레이를 대상으로 취득되었다. 태양광의 변화를 보정하기 위해 트레이 상단에 레퍼런스 보드(EzyBalance Grey/White Card 30”, White balance 18%, Lastolite Ltd, England)를 배치한 후 전용 프로그램(Spectral DAQ, Specim Spectral Imaging Ltd.
데이터처리
- 3, R Development Core Team, Vienna, Austria)을 이용하여 작성하였다. Boxplot으로 정규분포를 확인한 후 영상에서 얻어진 묘의 평균 반사율과 측정한 수분함량을 이용하여 PLSR 모델을 작성하였고 모델의 타당성은 full-cross validation 을 이용하여 나타내었다. 모델의 성능은 Coefficient of determination(R²), Root Mean Square Error(RMSE), Relative Error(RE)으로 평가하였다.
- 모델의 성능은 Coefficient of determination(R²), Root Mean Square Error(RMSE), Relative Error(RE)으로 평가하였다.
성능/효과
- 또한 데이터셋에서 유효범위를 넘어가는 극단치를 제거한 결과오이 모델의 정확도 및 정밀도가 상승하였다. 결론적으로 오이 및 수박 묘 수분함량 추정모델들의 추정선의 기울기 차가 크지 않고, 서로 교차되기 때문에 두 모델들은 모두 수분함량을 추정하는데 있어서 유의한 것으로 판단된다. 또한 샘플의 변수가 넓게 분포된 변이를 갖는다면 추정모델의 정확도와 정밀도는 분명 상승할 것이며, 개선된 모델을 이용하면 저가형 센서를 개발하는데 활용될 수 있을 것으로 사료된다.
- 오이와 수박 묘의 수분함량의 변이가 적어 수분 스트레스를 받은 묘와 수분을 공급받은 묘 사이에 통계적으로 유의한 차이가 나타나지 않았다. 그러나 오이와 수박 묘에서 동일하게 Fig. 5와 같이 수분을 공급 받은 묘와 수분 스트레스를 받은 묘의 반사율은 유의한 차이가 나타났다. 이는 수분함량이 증가하면 반사율도 상승하고 수분함량이 감소하면 반사율이 하강하는 결과와 동일하였다(Kang 등, 2016).
- 또한 각 모델의 정밀도는 비슷하게 나타났으나 수박 모델의 정밀도에 비해 오이, 합산 모델의 밀도도가 낮게 나타났다. 두 품종의 합산 PLSR그래프에서 두 작물을 분리한 결과, 두 선형회귀선이 비슷한 기울기로 교차됨으로써 유의한 것으로 나타났다(Fig. 6).
- 이는 수박의 수분함량 분포가 좁아 모델의 성능을 낮춘 것으로 판단되며 수박의 수분함량 분포가 넓어진다면 수박 및 박과 모델의 성능이 향상될 것으로 사료된다. 또한 각 모델의 정밀도는 비슷하게 나타났으나 수박 모델의 정밀도에 비해 오이, 합산 모델의 밀도도가 낮게 나타났다. 두 품종의 합산 PLSR그래프에서 두 작물을 분리한 결과, 두 선형회귀선이 비슷한 기울기로 교차됨으로써 유의한 것으로 나타났다(Fig.
- 오이 모델이 수박 모델보다 비교적 높은 성능을 보였는데, 이러한 원인은 오이의 수분함량 변이가 넓게 분포되어 있었기 때문이라고 판단된다. 또한 데이터셋에서 유효범위를 넘어가는 극단치를 제거한 결과오이 모델의 정확도 및 정밀도가 상승하였다. 결론적으로 오이 및 수박 묘 수분함량 추정모델들의 추정선의 기울기 차가 크지 않고, 서로 교차되기 때문에 두 모델들은 모두 수분함량을 추정하는데 있어서 유의한 것으로 판단된다.
- 14로 나타났다. 박과 대표품종인 오이와 수박묘를 합산하여 박과작물로 가정하여 수분함량을 추정하였을 때 모델의 정확도는 0.67, 정밀도(RMSE, RE)는 1.26%, 1.36%로 나타났다. 분석결과 오이에 대한 추정모델의 정확도가 가장 높은 것으로 나타났으며, 수박 모델과 두 모종 합산 모델의 정확도가 비슷한 것으로 나타났다.
- 36%로 나타났다. 분석결과 오이에 대한 추정모델의 정확도가 가장 높은 것으로 나타났으며, 수박 모델과 두 모종 합산 모델의 정확도가 비슷한 것으로 나타났다. 이는 수박의 수분함량 분포가 좁아 모델의 성능을 낮춘 것으로 판단되며 수박의 수분함량 분포가 넓어진다면 수박 및 박과 모델의 성능이 향상될 것으로 사료된다.
- 84%로 나타났다. 수분함량으로 분석한 결과, 오이, 수박 묘의 수분함량은 표준편차가 낮아 수분스트레스에 의한 변화가 적은 것으로 사료된다. Boxplot을 이용하여 정규분포를 확인한 결과, Fig.
- 마지막으로 영상의 반사율과 수분함량을 이용하여 부분최소제곱회귀분석을 통해 수분함량 추정모델을 개발하였다. 오이 묘 수분함량 추정모델은 R2 0.73, RMSE 1.45%, RE 1.58%의 성능을 보였으며, 수박 묘 수분함량 추정모델은 R2 0.66, RMSE 1.06%, RE 1.14%의 성능을 보였다. 유효범위를 넘어가는 극단치를 제거하여 모델의 성능을 다시 분석한 결과, 오이 모델의 경우 R2 0.
- 오이 묘의 수분함량은 91.6±2.83%, 수박 묘의 수분함량은 93.0±1.84%로 나타났다.
- 오이, 수박 묘를 이용한 PLSR분석 결과(Table 3), 오이 묘 수분함량 추정모델의 정확도(R2)는 0.79, 정밀도 (RMSE, RE)는 1.10%, 1.20%으로 나타났고, 수박 묘 수분함량 추정모델의 정확도는 0.66, 정밀도(RMSE, RE)는 1.06, 1.14로 나타났다. 박과 대표품종인 오이와 수박묘를 합산하여 박과작물로 가정하여 수분함량을 추정하였을 때 모델의 정확도는 0.
- 오이, 수박을 합하여 분석한 박과의 PLSR모델은 각 작물별로 분석한 모델의 정확도는 차이가 있었으나 정밀도는 비슷한 것으로 나타나 추정이 가능한 것으로 판단된다. 또한 더 많은 샘플과 장시간 스트레스를 가하여 수분함량 분포를 넓혀 분석한다면 모델의 정확도 및 정밀도를 향상시킬 수 있을 것이며, 추후 개선된 모델을 작성한다면 수분함량계측 센서 개발의 기초자료로 사용할 수 있을 것으로 판단된다.
- 20으로 상승하였다. 오이와 수박 묘를 함께 분석하여 모델을 제작한 결과, R2 0.67, RMSE 1.26, RE 1.36으로 분석되었다. 오이 모델이 수박 모델보다 비교적 높은 성능을 보였는데, 이러한 원인은 오이의 수분함량 변이가 넓게 분포되어 있었기 때문이라고 판단된다.
- 14%의 성능을 보였다. 유효범위를 넘어가는 극단치를 제거하여 모델의 성능을 다시 분석한 결과, 오이 모델의 경우 R2 0.79, RMSE 1.10%, RE 1.20으로 상승하였다. 오이와 수박 묘를 함께 분석하여 모델을 제작한 결과, R2 0.
후속연구
- 오이, 수박을 합하여 분석한 박과의 PLSR모델은 각 작물별로 분석한 모델의 정확도는 차이가 있었으나 정밀도는 비슷한 것으로 나타나 추정이 가능한 것으로 판단된다. 또한 더 많은 샘플과 장시간 스트레스를 가하여 수분함량 분포를 넓혀 분석한다면 모델의 정확도 및 정밀도를 향상시킬 수 있을 것이며, 추후 개선된 모델을 작성한다면 수분함량계측 센서 개발의 기초자료로 사용할 수 있을 것으로 판단된다.
- 결론적으로 오이 및 수박 묘 수분함량 추정모델들의 추정선의 기울기 차가 크지 않고, 서로 교차되기 때문에 두 모델들은 모두 수분함량을 추정하는데 있어서 유의한 것으로 판단된다. 또한 샘플의 변수가 넓게 분포된 변이를 갖는다면 추정모델의 정확도와 정밀도는 분명 상승할 것이며, 개선된 모델을 이용하면 저가형 센서를 개발하는데 활용될 수 있을 것으로 사료된다.
- 이는 수분함량이 증가하면 반사율도 상승하고 수분함량이 감소하면 반사율이 하강하는 결과와 동일하였다(Kang 등, 2016). 수분 공급을 받은 직후 영상(10시영상)에서는 유의한 변화가 나타나지 않고 수분 공급 후 1시간 30분이 지난 영상(11시 영상)에서 유의한 차가 나타난 결과로 보아 작물의 반응속도에 대한 연구로 초분광 영상이 유용하게 이용될 수 있을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.