본 연구에서는 무인 항공기 촬영 사진 정보의 실용성을 파악하였다. 따라서 무인 항공기를 활용한 사진촬영 대상 조사구 중 밭층 조사구역를 대상으로 연속적으로 총 4회 조사하여 조사 시기별 촬영된 무인 항공기 사진을 활용하여 조사구의 작황 변화에 대하여 분석하였다. 지형, 작물 식재, 작형의 변화가 많게 예상되는 지역인 밭층에서는 무인 항공기를 활용하여 현장조사 시기에 맞게 해당 조사구를 직접 촬영하여 사진 정보를 수집, 활용하는 것이 적합하다. 그리고 비교적 변화가 없는 논-시설층에서는 경제적, 효율적 측면을 고려하여 위성영상을 활용하는 것이 적합한 것으로 나타났다. 조사구역에 작물 재배조사를 위한 시스템들이 잘 갖추어지게 된다면, 향후 무인 항공기를 활용하여 일정한 지역에 대한 사진자료를 취득한 후 라이브러리를 활용하여 실시간으로 딥러닝을 활용할 수 있다. 이를 통해 작물의 작황상태를 파악, 재배 면적과 단위 면적당 수량 조사 등으로 전체 작황 및 출하량 등을 분석하는 데에 사용할 수 있을 것으로 판단된다.
본 연구에서는 무인 항공기 촬영 사진 정보의 실용성을 파악하였다. 따라서 무인 항공기를 활용한 사진촬영 대상 조사구 중 밭층 조사구역를 대상으로 연속적으로 총 4회 조사하여 조사 시기별 촬영된 무인 항공기 사진을 활용하여 조사구의 작황 변화에 대하여 분석하였다. 지형, 작물 식재, 작형의 변화가 많게 예상되는 지역인 밭층에서는 무인 항공기를 활용하여 현장조사 시기에 맞게 해당 조사구를 직접 촬영하여 사진 정보를 수집, 활용하는 것이 적합하다. 그리고 비교적 변화가 없는 논-시설층에서는 경제적, 효율적 측면을 고려하여 위성영상을 활용하는 것이 적합한 것으로 나타났다. 조사구역에 작물 재배조사를 위한 시스템들이 잘 갖추어지게 된다면, 향후 무인 항공기를 활용하여 일정한 지역에 대한 사진자료를 취득한 후 라이브러리를 활용하여 실시간으로 딥러닝을 활용할 수 있다. 이를 통해 작물의 작황상태를 파악, 재배 면적과 단위 면적당 수량 조사 등으로 전체 작황 및 출하량 등을 분석하는 데에 사용할 수 있을 것으로 판단된다.
In this study, the practicality of unmanned aerial vehicle photography information was identified. Therefore, a total of four consecutive surveys were conducted on the field-level survey areas among the areas subject to photography using unmanned aerial vehicles, and the changes in crop conditions w...
In this study, the practicality of unmanned aerial vehicle photography information was identified. Therefore, a total of four consecutive surveys were conducted on the field-level survey areas among the areas subject to photography using unmanned aerial vehicles, and the changes in crop conditions were analyzed using pictures of unmanned aerial vehicles taken during each survey. It is appropriate to collect and utilize photographic information by directly taking pictures of the survey area according to the time of the on-site survey using unmanned aerial vehicles in the field layer, which is an area where many changes in topography, crop vegetation, and crop types are expected. And it turned out that it was appropriate to utilize satellite images in consideration of economic and efficient aspects in relatively unchanged rice paddies and facilities. If the survey area is well equipped with systems for crop cultivation, deep learning can be utilized in real time by utilizing libraries after obtaining photographic data for a certain area using unmanned aircraft in the future. Through this process, it is believed that it can be used to analyze the overall crop and shipment volume by identifying the crop status and surveying the quantity per unit area.
In this study, the practicality of unmanned aerial vehicle photography information was identified. Therefore, a total of four consecutive surveys were conducted on the field-level survey areas among the areas subject to photography using unmanned aerial vehicles, and the changes in crop conditions were analyzed using pictures of unmanned aerial vehicles taken during each survey. It is appropriate to collect and utilize photographic information by directly taking pictures of the survey area according to the time of the on-site survey using unmanned aerial vehicles in the field layer, which is an area where many changes in topography, crop vegetation, and crop types are expected. And it turned out that it was appropriate to utilize satellite images in consideration of economic and efficient aspects in relatively unchanged rice paddies and facilities. If the survey area is well equipped with systems for crop cultivation, deep learning can be utilized in real time by utilizing libraries after obtaining photographic data for a certain area using unmanned aircraft in the future. Through this process, it is believed that it can be used to analyze the overall crop and shipment volume by identifying the crop status and surveying the quantity per unit area.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
사진 영상의 활용 가능성을 분석하였다. 본 논문에서는 무인 항공기를 활용한 사진영상 취득 방법과 자료처리 기법에 관하여 각 단계별 절차 및 유의점을 상세히 소개하였으며, 취득된 이미지를 활용하여 많은 인력이 투입되어 조사해야 되는 농업면적 조사에 무인 항공기를 활용하여 조사함으로써 무인 항공기를 이용하여 취득한 분석 결과가 인공위성을 이용하여 취득한 분석 또는 인력을 이용한 분석에 비해 효율성이 향상됨을 확인하고자 한다.
본 연구에서는 무인 항공기 촬영 영상 정보의 실용성을 파악하기 위하여 무인기촬영 대상 조사구 중 밭층 조사구를 대상으로 연속적으로 총 4회 조사하여 조사시기 별 촬영된 무인 항공기 영상을 통하여 조사구의 작황 변화에 대하여 분석하였다.
이에 본 연구에서는 개발된 초기 버전의 태블릿PC 기반 현장 조사용 조사지원 어플리케이션 활용하는데 있어 실제의 조사환경에 적합하도록 항공사진 영상을 취득하였으며, 이를 기반으로 작물별 영상 라이브러리를 작성하여 작물 재배면적조사 업무에서의 무인 항공 시 사진 영상의 활용 가능성을 분석하였다. 본 논문에서는 무인 항공기를 활용한 사진영상 취득 방법과 자료처리 기법에 관하여 각 단계별 절차 및 유의점을 상세히 소개하였으며, 취득된 이미지를 활용하여 많은 인력이 투입되어 조사해야 되는 농업면적 조사에 무인 항공기를 활용하여 조사함으로써 무인 항공기를 이용하여 취득한 분석 결과가 인공위성을 이용하여 취득한 분석 또는 인력을 이용한 분석에 비해 효율성이 향상됨을 확인하고자 한다.
제안 방법
필요하다. 고정익 비행기를 이용할 경우 이·착륙 공간이 부족하며, 대상 조사구간의 이동거리가 최소 3km 이상이 되어 한 번의 비행으로 여러 조사구를 동시에 촬영하는 것은 불가능하다고 판단하여 본 연구에서는 고정익 무인기의 대체로 회전익 무인기를 투입하였다. 회전익 무인기는 고정익 무인 항공기에 비해 비행속도가 느리고 비행시간이 짧아 1회 비행으로 1개소의 조사구만 촬영 할 수 있다는 단점이 있지만 넓은 이·착륙지가 필요하지 않아 공간의 제약 없이 촬영 할 수 있다는 점이 본 연구의 촬영 선정 조사구에 적합하였다.
지상기준점 매칭과정은 영상의 정확도를 향상시키기 위한 필수작업으로 지상기준점측량의 3차원 좌표를 항공사진에 매칭하여 정확도를 개선하는 과정이며, 항공 삼각측량 과정은 사진별 위치정보와 자세 정보에 기반하여 좌우사진의 공통점을 공액선상의 3차원 공간상에 매칭하게 함으로써 사진별 보정량을 계산하는데 무인 항공기 영상에서는 SfM이라는 영상 매칭 기법으로 무수히 많은 매칭점을 찾아 포인트 클라우드를 생성하고, 이러한 포인트 클라우드는 이후 정사보정에 필요한 DSM제작의 기초가 된다. 그후 정사영상을 제작하게 되는데, 항공삼각측량으로 추출된 포인트 클라우드를 바탕으로 각 포인트들을 매쉬 형태로 구축 후 기하 보정된 항공사진에 DSM을 보간하여 제작된다. 이때 영상의 형태 및 색상을 보정할 수 있으며 왜곡이 심한 경우 수동으로 편집 작업을 할 수 있다.
이러한 작물 재배면적 조사의 효율화를 위한 무인 항공기 활용연구를 추진해왔고, 그에 따라 이미 많은 분량의 영상 라이브러리들을 구축하여 왔다. 연구를 통해 영상 라이브러리의 작물판독 활용 가능성이 제기됨에 따라 작물의 생육 주기와 고도 등을 구분하여 영상을 수집하였다. 본 연구를 통해 촬영된 작성된 영상 라이브러리의 기초자료들은 각 식물의 생육주기별 정보를 담고 있으므로, 이미지를 인식하는 비전 분야의 머신러닝 기술중 신경망 기술을 메인으로 하는 딥러닝 기술을 적용하여 분석하고 이렇게 분석된 각 식물별 정보들을 저장하여 추후 촬영되는 이미지에 대하여 실시간 딥러닝을 거쳐 작물의 종류 및 생육상태, 재배면적측정 등 각종 농업 통계에 활용할 수 있을 것으로 전망하고 있다.
이와 더불어 태블릿PC 활용 기반의 전자조사가 도입되어 현장조사 업무에 어떻게 기여할 수 있는지에 대한 연구를 진행하였는데, 이를 위해 태블릿PC에서 영상자료와 공간정보를 이용하면서 재배면적조사를 할 수 있는 초기 버전의 전자요도 어플리케이션이 개발되었다. 초기 버전의 전자요도 어플리케이션은 태블릿PC 내에서 공간정보를 편집하고 재배면적조사 결과 입력을 위한 기본적인 기능이 가능 하도록하여 조사업무 전반을 획기적으로 개선할 수 있는 것을 확인하였다.
촬영계획수립 절차로는 촬영대상지 사전 조사, 비행 공역 확인, 상세 촬영 계획 수립, 인허가 절차검토의 단계로 구분되며, Fig. 1.과 같은 과정을 거쳐 수행하였다.
촬영된 무인 항공기 영상으로 정사영상 제작을 위해 Pix4D Mapper를 사용하였으며, Pix4D Mapper의 처리 과정은 크게 ① 프로젝트 생성, ② GeoTag된 촬영 사진 입력, ③ 지상기준점 매칭, ④ 항공삼각측량, ⑤ 정사 영상 제작, ⑥ 결과데이터 확인까지 총 6단계로 이루어진다.
대상 데이터
본 연구를 위해 투입된 무인 항공기는 회전익 무인항공기 ‘Phantom4 Pro’를 사용하였다.
비행기체의 제원은 Table 2와 같다. 연구에 활용한 회전익 무인 항공기는 자동항법시스템을 탑재하고 있으며 비행경로, 해상도, 중첩도를 입력하면 자동으로 촬영을 수행하고 영상을 획득한다. 촬영은 100m 고도에서 촬영 해상도 2.
조사구 상세 촬영 계획 수립을 위한 테스트 비행을 진행하였으며 장소는 촬영조사구 면적의 평균인 300m × 200m 정도의 조사구에서 진행되었다. 촬영 기종은 회전익 무인 항공기 Phantom 4 Pro를 사용하였으며, 촬영 조사구 75개소에 대한 상세 계획 수립을 위해서 촬영 고도, 촬영 사진 매수, 촬영 사진용량, 결과물 산출 작업 시간 등에 대한 테스트 비행을 진행하였고 결과는 Table 1과 같다.
200m 정도의 조사구에서 진행되었다. 촬영 기종은 회전익 무인 항공기 Phantom 4 Pro를 사용하였으며, 촬영 조사구 75개소에 대한 상세 계획 수립을 위해서 촬영 고도, 촬영 사진 매수, 촬영 사진용량, 결과물 산출 작업 시간 등에 대한 테스트 비행을 진행하였고 결과는 Table 1과 같다.
성능/효과
Fig. 3.과 같이 지형, 작물 식재, 작형의 변화가 많게 예상되는 지역인 밭층에서는 무인 항공기를 활용하여 현장 조사 시기에 맞게 해당 조사구를 직접 촬영하여 영상정보를 수집, 활용하는 것이 적합하고, 비교적 변화가 없는 논-시설층에서는 경제적, 효율적 측면을 고려하여 위성영상을 활용하는 것이 적합한 것으로 나타났다.
하지만 무인 항공기의 등장으로 시의적절한 항공 사진자료 확보가 가능하게 됨으로써 무인 항공기 활용을 통한 작물 재배 면적 현장 조사업무를 획기적으로 개선하는 것을 기대하게 되었다. 따라서 무인 항공기 활용 가능성에 대한 연구가 지속적으로 추진되었고, 무인 항공기를 활용한 현장 조사가 시간 및 장소의 제한성 없이 작물 재배 면적 조사를 수행하는데 도움을 줄 수 있다는 것을 확인하였다.
초기 버전의 전자요도 어플리케이션은 태블릿PC 내에서 공간정보를 편집하고 재배면적조사 결과 입력을 위한 기본적인 기능이 가능 하도록하여 조사업무 전반을 획기적으로 개선할 수 있는 것을 확인하였다.
고정익 비행기를 이용할 경우 이·착륙 공간이 부족하며, 대상 조사구간의 이동거리가 최소 3km 이상이 되어 한 번의 비행으로 여러 조사구를 동시에 촬영하는 것은 불가능하다고 판단하여 본 연구에서는 고정익 무인기의 대체로 회전익 무인기를 투입하였다. 회전익 무인기는 고정익 무인 항공기에 비해 비행속도가 느리고 비행시간이 짧아 1회 비행으로 1개소의 조사구만 촬영 할 수 있다는 단점이 있지만 넓은 이·착륙지가 필요하지 않아 공간의 제약 없이 촬영 할 수 있다는 점이 본 연구의 촬영 선정 조사구에 적합하였다.
후속연구
본영상 라이브러리를 통해 딥러닝을 하여 농업통계조사에 실질적으로 활용을 하고자 한다면, 일반적인 영상 이미지 정보만이 아니라, 각종 속성정보와 조사구별 정보들이 수집되어야 한다. 많은 정보들이 수집되어 학습될수록 판독의 정확도는 올라갈 것이며, 판독의 정확도가 올라간다면 추후에는 현장에서 무인 항공기로 촬영하는 데이터를 실시간으로 판독하여 작물의 재배현황을 작성할 수 있을 것이다.
무인 항공기를 활용한 사진 조사를 통하여 취득한 영상 라이브러리를 제대로 활용하려면 단기적으로 무인 항공기를 통해 조사하기 적합한 조사구들을 구분하여 해당 조사구에 대한 빅테이터 자료를 구축하여 딥러닝 판독 시스템이 갖추어져야할 것이다. 시스템이 갖추어지는 것은 단기적으로 시행하기 어렵기 때문에 중·장기 계획으로 진행하되, 메인 DB가 될 각종 작물들에 대한 영상자료를 얻어내는 것은 지속적으로 시행되어야 할 것으로 보인다.
연구를 통해 영상 라이브러리의 작물판독 활용 가능성이 제기됨에 따라 작물의 생육 주기와 고도 등을 구분하여 영상을 수집하였다. 본 연구를 통해 촬영된 작성된 영상 라이브러리의 기초자료들은 각 식물의 생육주기별 정보를 담고 있으므로, 이미지를 인식하는 비전 분야의 머신러닝 기술중 신경망 기술을 메인으로 하는 딥러닝 기술을 적용하여 분석하고 이렇게 분석된 각 식물별 정보들을 저장하여 추후 촬영되는 이미지에 대하여 실시간 딥러닝을 거쳐 작물의 종류 및 생육상태, 재배면적측정 등 각종 농업 통계에 활용할 수 있을 것으로 전망하고 있다.
위에서 언급한 시스템들이 잘 갖추어지게 된다면, 무인 항공기를 활용하여 일정한 지역에 대한 사진 자료를 취득한 후 실시간으로 딥러닝을 거치고, 이를 통해 작물의 작황 상태를 파악, 재배 면적과 단위 면적당 수량 조사(표본 추출방식)등으로 전체 작황 및 출하량 등을 분석하는 데에도 사용할 수 있을 것으로 판단된다.
농업면적 조사의 경우 경작하는 필요한 시점의 영상이 필요한데 위성영상의 경우 지구를 공전하는 주기에 따라 그 시점이 결정되기 때문에 필요한 시점의 영상을 기간에 확보하는 것이 물리적으로 힘들기 때문이라 할 수 있다. 하지만 무인 항공기의 등장으로 시의적절한 항공 사진자료 확보가 가능하게 됨으로써 무인 항공기 활용을 통한 작물 재배 면적 현장 조사업무를 획기적으로 개선하는 것을 기대하게 되었다. 따라서 무인 항공기 활용 가능성에 대한 연구가 지속적으로 추진되었고, 무인 항공기를 활용한 현장 조사가 시간 및 장소의 제한성 없이 작물 재배 면적 조사를 수행하는데 도움을 줄 수 있다는 것을 확인하였다.
참고문헌 (12)
F. Nex & F. Remondino, (2013). UAV for 3D mapping applications: a review. Applied Geomatics, 6(1), 1-15.
S. I. Na, C. W. Park, K. H. So, H. Y. Ahn & K. D. Lee. (2018). Application Method of Unmanned Aerial Vehicle for Crop Monitoring in Korea. Korean Journal of Remote Sensing, 34(5), 829-846.
K. D. Lee, S. I. Na, C. W. Park, S. Y. Hong, K. H. So & H. Y. Ahn. (2020). Diurnal Change of Reflectance and Vegetation Index from UAV Image in Clear Day Condition. Korean Journal of Remote Sensing, 36(5-1), 735-747. DOI : 10.7780/kjrs.2020.36.5.1.7
D. Gomez-Candon, A. I. De Castro & F. Lopez-Granados. (2013). Assessing the accuracy of mosaics from unmanned aerial vehicle (UAV) imagery for precision agriculture purposes in wheat. An International Journal on Advances in Precision Agriculture, 15(1), 44-56. DOI : 10.1007/s11119-013-9335-4
L. Comba, A. Biglia, D. R. Aimonino & P. Gay. (2018). Unsupervised detection of vineyards by 3D point-cloud UAV photogrammetry for precision agriculture. Computers and Electronics in Agriculture, 155, 84-95. DOI : 10.1016/j.compag.2018.10.005
R. G. Panagiotis, S. Panagiotis, L. Thomas & M. Ioannis. (2020). A compilation of UAV applications for precision agriculture. Computer Networks, 172, 107-148. DOI : 10.1016/j.comnet.2020.107148
S. M. Sung & J. O. Lee. (2017). Accuracy Assessment of Parcel Boundary Surveying with a Fixed-wing UAV versus Rotary-wing UAV, Journal of the Korean Society of Surveying, Geodesy. Photogrammetry and Cartography, 35(6), 535-544. DOI : 10.7848/ksgpc.2017.35.6.535
J. O. Lee & D. P. Kim. (2020), Accuracy Assessment of Feature Collection Method with Unmanned Aerial Vehicle Images Using Stereo Plotting Program StereoCADS. Journal of the Korean Society of Civil Engineers, 40(2), 257-264 DOI : 10.12652/Ksce.2020.40.2.0257
J. W. Lee & S. M. Sung. (2016). Evaluating spatial resolution for quality assurance of UAV images. Journal of Korea Spatial Information Society, 24(2), 141-154. DOI : 10.1007/s41324-016-0015-0
J. W. Lee & S. M. Sung. (2019). Quality Evaluation of UAV Images Using Resolution Target. Journal of the Korean Association of Geographic Information Studies, 22(1), 103-113. DOI : 10.11108/kagis.2019.22.1.103
M. Manyoky, P. Theiler, D. Steudler & H. Eisenbeiss. (2011). Unmanned aerial vehicle in cadastral applications. Proceedings of the International Conference on Unmanned Aerial Vehicle in Geomatics (UAV-g) (Vol. 38, pp. 57-62). Copernicus. DOI : 10.5194/isprsarchives-XXXVIII-1-C22-57-2011
M. Rijsdijk et al. (2013). UAS the process of juridical verification of cadastral border. I International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 1, W2. DOI : 10.5194/isprsarchives-XL-1-W2-325-2013
※ AI-Helper는 부적절한 답변을 할 수 있습니다.