[논문]멧돼지에 의한 농작물 피해 방지를 위한 유해조수 퇴치 시스템

하영서; 심재창

doi:10.9717/kmms.2020.24.2.215

Abstract ▼ AI-Helper

The agricultural is plagued by agricultural damage from wild boars every year. As a result, research on systems to repelling wild boars continues, and most of the systems are to detect objects with body temperature through sensors and then repelling them with actions such as light and sound. The pro...

The agricultural is plagued by agricultural damage from wild boars every year. As a result, research on systems to repelling wild boars continues, and most of the systems are to detect objects with body temperature through sensors and then repelling them with actions such as light and sound. The problems of these system are operating regardless of wild boars and people, which can cause significant accident when using electric fence. In addition, If the same repelling action is repeated, wild boars can be adapted to that repelling action. As a solution to the two problems, Adaptation problem can be solved by random sounds and distinction problem can be solved by YOLO V4.

주제어

표/그림 (7)

그림 Fig. 1. Repellent System architecture.
그림 Fig. 2. Example YOLO process.
그림 Fig. 3. Comparison of Real Time Model[7].
표 Table 1. AI Detection Message Segment.
그림 Fig. 4. Result of Training.
그림 Fig. 5. Flowchart for Wild Animal Repellent Algorithm.
표 Table 2. Comparison Sensor Type with AI Type.

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 기존 센서형 시스템의 문제인 멧돼지인지에 대한 부분을 해결하고 4가지의 퇴치 동작을 통하여 효과적인 퇴치를 수행하는 유해조수 퇴치기를 개발해보았다. 실제 멧돼지를 가지고 인지를 하고 퇴치 결과를 확인하는 것은 어려움이 존재하였기에 멧돼지 패널을 가지고 진행을 하였다.
본 논문에서는 멧돼지를 사람과 구별하여 판단하기 위한 딥러닝(Deep Learning)을 사용한다. 이를 통해 멧돼지가 나타났을 때만 퇴치 동작을 시행하여 농민이 겪을 수 있는 소음의 문제나 동작의 신뢰성에 대한 문제를 개선하였다. 그리고 퇴치 동작의 알고리즘들을 효과적일 수 있는 방법으로 대체하고 소리에 의한 퇴치는 여러 소리를 무작위로 출력시키면서 멧돼지가 퇴치 동작을 학습하는 단점을 최소화하였다.

제안 방법

이를 통해 멧돼지가 나타났을 때만 퇴치 동작을 시행하여 농민이 겪을 수 있는 소음의 문제나 동작의 신뢰성에 대한 문제를 개선하였다. 그리고 퇴치 동작의 알고리즘들을 효과적일 수 있는 방법으로 대체하고 소리에 의한 퇴치는 여러 소리를 무작위로 출력시키면서 멧돼지가 퇴치 동작을 학습하는 단점을 최소화하였다. 실험 결과, 제안된 방법이 기존의 개발된 장치들에 비해 성능이 우수함을 확인하였다.
Table2는 멧돼지 판넬 뒤에 사람이 숨어서 멧돼지를 움직였을 때 센서형과 인공지능형이 동작하는 횟수를 기록한 것이다. 두 장치를 구별하기 위해서 Sensor를 기반으로 하는 장치는 Sensor형, 본 논문에서 제안한 AI를 사용하는 장치는 AI형이라고 구분짓겠다.
본 논문에서는 기존 센서형 시스템의 문제인 멧돼지인지에 대한 부분을 해결하고 4가지의 퇴치 동작을 통하여 효과적인 퇴치를 수행하는 유해조수 퇴치기를 개발해보았다. 실제 멧돼지를 가지고 인지를 하고 퇴치 결과를 확인하는 것은 어려움이 존재하였기에 멧돼지 패널을 가지고 진행을 하였다. 실험에서거리에 따른 인지에 대해서 Sensor형보다 AI형이 더 뛰어난 성능을 보이는 것을 확인하였다.
처음 멧돼지 507장을 가지고 훈련을 시켜 제작된 가중치 파일을 가지고 테스트를 해본 결과, 돼지를 멧돼지로 인지하는 경우가 많았다. 이러한 특징을 가지고 멧돼지의 데이터 셋 부족 문제를 해결하기 위해 멧돼지와 돼지 데이터를 함께 이용하여 가중치 파일을 제작하였다. 멧돼지는 508장, 돼지는 405장이다.
모든 과정은 젯슨 나노 보드를 통해 진행된다. 젯슨 나노 보드의 GPU의 성능을 이용하여 카메라로 받은 영상을 가지고 딥러닝을 수행, 통한 멧돼지를 실시간으로 구별하고 그 결과를 받아 퇴치 동작을 진행한다. 퇴치 동작이 수행된 후에는 서버 로그 결과를 전송한다.

대상 데이터

가중치 파일을 제작하는데 이용한 데이터는 총 913장이다. 처음 멧돼지 507장을 가지고 훈련을 시켜 제작된 가중치 파일을 가지고 테스트를 해본 결과, 돼지를 멧돼지로 인지하는 경우가 많았다.
이러한 특징을 가지고 멧돼지의 데이터 셋 부족 문제를 해결하기 위해 멧돼지와 돼지 데이터를 함께 이용하여 가중치 파일을 제작하였다. 멧돼지는 508장, 돼지는 405장이다.

이론/모형

본 논문에서는 멧돼지를 사람과 구별하여 판단하기 위한 딥러닝(Deep Learning)을 사용한다. 이를 통해 멧돼지가 나타났을 때만 퇴치 동작을 시행하여 농민이 겪을 수 있는 소음의 문제나 동작의 신뢰성에 대한 문제를 개선하였다.
유해조수 퇴치기는 멧돼지가 나타나면 논, 밭으로 침입하지 않도록 그 즉시 퇴치를 해야 함에 중요성을 가지고 있다. 본 논문에서는 실시간 인지에 빠르고 정확한 욜로 V4 모델을 이용한다.
본 논문에서는 욜로 중에서 V4모델을 이용한다. Fig.

성능/효과

실험에서거리에 따른 인지에 대해서 Sensor형보다 AI형이 더 뛰어난 성능을 보이는 것을 확인하였다. 멧돼지 판넬없이 사람이 지나갔을 때의 퇴치 동작이 수행 여부도 전기 목책기와 같은 위험한 퇴치 장치를 연동할 때를 고려하면 중요한 실험 요소이지만 Sensor형의 경우에는 사람과 멧돼지를 구별할 수 있는 기능이 없기 때문에 Sensor형과 AI형의 비교 지표가 될 수 없었다. 하지만 AI형 유해조수 퇴치기는 욜로 V4 모델을 이용하여 멧돼지 데이터를 학습시킴으로써 멧돼지가 지나갈 때만 멧돼지라는 것을 인지하고 퇴치 동작을 수행하는 알고리즘으로 진행된다.
그리고 퇴치 동작의 알고리즘들을 효과적일 수 있는 방법으로 대체하고 소리에 의한 퇴치는 여러 소리를 무작위로 출력시키면서 멧돼지가 퇴치 동작을 학습하는 단점을 최소화하였다. 실험 결과, 제안된 방법이 기존의 개발된 장치들에 비해 성능이 우수함을 확인하였다.
실제 멧돼지를 가지고 인지를 하고 퇴치 결과를 확인하는 것은 어려움이 존재하였기에 멧돼지 패널을 가지고 진행을 하였다. 실험에서거리에 따른 인지에 대해서 Sensor형보다 AI형이 더 뛰어난 성능을 보이는 것을 확인하였다. 멧돼지 판넬없이 사람이 지나갔을 때의 퇴치 동작이 수행 여부도 전기 목책기와 같은 위험한 퇴치 장치를 연동할 때를 고려하면 중요한 실험 요소이지만 Sensor형의 경우에는 사람과 멧돼지를 구별할 수 있는 기능이 없기 때문에 Sensor형과 AI형의 비교 지표가 될 수 없었다.
멧돼지 판넬없이 사람이 지나갔을 때의 퇴치 동작이 수행 여부도 전기 목책기와 같은 위험한 퇴치 장치를 연동할 때를 고려하면 중요한 실험 요소이지만 Sensor형의 경우에는 사람과 멧돼지를 구별할 수 있는 기능이 없기 때문에 Sensor형과 AI형의 비교 지표가 될 수 없었다. 하지만 AI형 유해조수 퇴치기는 욜로 V4 모델을 이용하여 멧돼지 데이터를 학습시킴으로써 멧돼지가 지나갈 때만 멧돼지라는 것을 인지하고 퇴치 동작을 수행하는 알고리즘으로 진행된다. 사람이 나타나면 검출이 되지 않기 때문에 퇴치 동작이 수행되지 않는 것이다.

후속연구

결론적으로 향후 다양한 모델을 이용하여 학습된 AI를 가지는 유해조수 퇴치기를 이용하고 각 장치별 퇴치 동작 수행 시간을 측정 등의 추가적인 연구가 이루어진다면 실시간 처리가 중요한 유해조수 퇴치기의 성능을 높이고 실시간 처리 AI모델 중 가장 적합한 모델을 선택하는데 중요한 지표가 될 것이라생각한다. 그리고 멧돼지뿐만 아닌 고라니나 너구리 등과 조류까지 인지가 가능한 모델을 만들게 되면 여러 방면으로 이용이 가능한 시스템을 만들 수 있을 것으로 기대한다.
결론적으로 향후 다양한 모델을 이용하여 학습된 AI를 가지는 유해조수 퇴치기를 이용하고 각 장치별 퇴치 동작 수행 시간을 측정 등의 추가적인 연구가 이루어진다면 실시간 처리가 중요한 유해조수 퇴치기의 성능을 높이고 실시간 처리 AI모델 중 가장 적합한 모델을 선택하는데 중요한 지표가 될 것이라생각한다. 그리고 멧돼지뿐만 아닌 고라니나 너구리 등과 조류까지 인지가 가능한 모델을 만들게 되면 여러 방면으로 이용이 가능한 시스템을 만들 수 있을 것으로 기대한다.
실시간 처리가 중요한 유해조수 퇴치기의 경우에는 해당 시스템의 퇴치 소요 시간을 평가하기에는 다소 무리가 있을 수 있다. 따라서 AI인지후 퇴치 속도까지 모두 비교하기 위해서는 또 다른 AI형 유해조수 퇴치기와 비교하는 것이 필요하다. 본 논문에서는 속도에 대한 측정은 이루어지지 않았기 때문에 추후 연구에서는 AI형 유해조수 퇴치기를 비교하거나 욜로 V4가 아닌 여러 실시간 처리 모델을 이용하여 속도를 비교 검증하는 것이 필요하다.
따라서 AI인지후 퇴치 속도까지 모두 비교하기 위해서는 또 다른 AI형 유해조수 퇴치기와 비교하는 것이 필요하다. 본 논문에서는 속도에 대한 측정은 이루어지지 않았기 때문에 추후 연구에서는 AI형 유해조수 퇴치기를 비교하거나 욜로 V4가 아닌 여러 실시간 처리 모델을 이용하여 속도를 비교 검증하는 것이 필요하다.
사람이 나타나면 검출이 되지 않기 때문에 퇴치 동작이 수행되지 않는 것이다. 실시간 처리가 중요한 유해조수 퇴치기의 경우에는 해당 시스템의 퇴치 소요 시간을 평가하기에는 다소 무리가 있을 수 있다. 따라서 AI인지후 퇴치 속도까지 모두 비교하기 위해서는 또 다른 AI형 유해조수 퇴치기와 비교하는 것이 필요하다.

참고문헌 (10)

S. Lee, E. Lee, and H. Park, C. Seo "Factors affecting Crop Damage by the Wild Boar (Sus scrofa)," Korean Journal of Environment and Ecology, Vol 32, No. 2, pp. 140-146, 2018.

원문보기 상세보기
K.K. Wagner and D.L. Nolte, "Comparison of Active Ingredients and Delivery Systems Indeer Repellents," Wildlife Society Bulletin, Vol. 29, No. 1, pp. 322-330, 2001.

상세보기
Using Sound to Keep Crops Safe. https://modernfarmer.com/2013/11/fake-birdcallspneuma tic-cannons-keeps-crops-safe/ (accessed December 29, 2020).
W. Lee, S. Oh, and Y. Nam, S. Ro, "A Study on the Development of Night Vision Thermal Camera Using Deep Learning," Journal of the Korean Institute of Communication and Information Sciences, Vol. 44, No. 12, pp 2332-2338, 2019.

상세보기
A. Lee, S. Park, and J. Hong, "Development of a Yolo-Based System for Prevention of Wildlife Damage," Journal Korea Information Science Society, pp. 2897-2899, 2018.
C. Woo, "Design and Implementation of Farm Pest Animals Repelling System Based on Open Source," Journal of Korea Multimedia Society Vol. 19, No. 2, pp. 451-445, 2016.

원문보기 상세보기
H. Lim, M. Jie, and W.Choi, "Developed using Quadcopter Crop Protection and Monitoring System from Wild Animals," Journal of the Korea Entertainment Industry Association, Vol. 10, No. 4, pp. 303-301, 2016.
J. Redmon, S. Divvala, and R. Girshich, A. Farhadi, "You Only Look Once: Unified, RealTime Object Detection," arXiv preprint arXiv: 1506.02640, pp. 1-10, 2016.
A. Bochkovskiy, C. Wang, and H.M. Liao, "YOLOv4: Optimal Speed and Accuracy of Object Detection," arXiv preprint arXiv:2004.10934, pp. 1-17, 2020.
GwangJin, Equipment for controlling harmful animals using IoT deep learning, 10-2018-0007540, 2018.

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

[국내논문] 멧돼지에 의한 농작물 피해 방지를 위한 유해조수 퇴치 시스템
Wild Animal Repellent System For Prevention of Crop Damage By Wild Boars 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (7)

표/그림 (7)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 멧돼지에 의한 농작물 피해 방지를 위한 유해조수 퇴치 시스템 Wild Animal Repellent System For Prevention of Crop Damage By Wild Boars 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (7) 모든 표/그림 보기

표/그림 (7) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

심재창 (38)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 멧돼지에 의한 농작물 피해 방지를 위한 유해조수 퇴치 시스템
Wild Animal Repellent System For Prevention of Crop Damage By Wild Boars 원문보기

표/그림 (7)

표/그림 (7)

AI 본문요약
AI-Helper