[논문]사과 IPM을 위한 항공 및 지리정보 기술의 진보, 제한 및 미래 응용

박용락; 조점래; 최경희; 김현란; 김지원; 김세진; 이동혁; 박창규; 조영식

doi:10.5656/ksae.2021.02.0.009

[국내논문] 사과 IPM을 위한 항공 및 지리정보 기술의 진보, 제한 및 미래 응용
Advances, Limitations, and Future Applications of Aerospace and Geospatial Technologies for Apple IPM 원문보기

한국응용곤충학회지 = Korean journal of applied entomology, v.60 no.1, 2021년, pp.135 - 143

박용락 (웨스트 버지니아대학교) , 조점래 (국립농업과학원 작물보호과) , 최경희 (농촌진흥청 연구운영과) , 김현란 (국립농업과학원 작물보호과) , 김지원 (경상북도농업기술원 농업환경연구과) , 김세진 (국립원예특작과학원 화훼과) , 이동혁 (국립원예특작과학원 사과연구소) , 박창규 (한국농수산대학교) , 조영식 (국립원예특작과학원 사과연구소)

초록
AI-Helper

항공 및 지리 공간 기술은 연구자 및 농업관련 실무자들이 더욱더 쉽게 접근할 수 있게 되었으며, 이러한 기술은 농업과 임업에 있어 현재 병해충 관리의 변화에 중추적인 역할을 할 수 있다. 지난 20년 동안 위성, 유무인항공기, 스펙트럼 센서들, 정보 시스템 및 자동화 현장 장비들의 기술들은 병해충을 감지하고, 특정 지점에 대한 병해충을 방제하는데 사용되어져 왔다. 빅 데이터 기반한 인공 지능과 함께 항공 및 지리 정보 기술의 가용함에도 불구하고 이러한 기술을 사과 IPM에 적용하는 것은 아직 실현되지 않았다. 본 논문은 사과연구소에서 수행한 사례 연구를 통해 사과 IPM 개선에 활용할 수 있는 항공 및 지리 정보기술의 발전과 한계에 대해 논하고자 한다.

Abstract ▼ AI-Helper

Aerospace and geospatial technologies have become more accessible by researchers and agricultural practitioners, and these technologies can play a pivotal role in transforming current pest management practices in agriculture and forestry. During the past 20 years, technologies including satellites, manned and unmanned aircraft, spectral sensors, information systems, and autonomous field equipment, have been used to detect pests and apply control measures site-specifically. Despite the availability of aerospace and geospatial technologies, along with big-data-driven artificial intelligence, applications of such technologies to apple IPM have not been realized yet. Using a case study conducted at the Korea Apple Research Institute, this article discusses the advances and limitations of current aerospace and geospatial technologies that can be used for improving apple IPM.

Keyword

표/그림 (7)

그림 Fig. 1. Example aerial imageries acquired with various aerospace and geospatial technologies. A, Landsat satellite imagery around the Korea Apple Research Institute (KARI, red box); B, SPOT satellite imagery of the KARI (outlined); C, a composite drone image of a specialty-apple plot in the KARI; D, a high-resolution image of the canopy of an apple tree.
그림 Fig. 2. Normalized difference vegetation index (NDVI) maps of the KARI (outlined) in May 2019 (A) and May 2020 (B) generated by using remotely sensed data by MODIS sensors equipped on Landsat satellites. The difference of each pixel in A and B was calculated to determine changes in vegetation between the two years (C; higher values indicating improvement of vegetation from 2019 to 2020). RBG (D), thermal (E, relative surface temperature), and NIR (F) sensors were used to generate additional aerial images to further examine the changes in land use and vegetation. Black arrows indicate a specific apple plot of which vegetation index was increased between 2019 and 2020.
그림 Fig. 3. Detection of great plantain (Plantago asiatica L.), a dominant weed species on a pre-planting apple plot at the KARI. A, composite aerial imagery from 149 aerial images obtained with a rotary-wing drone; B, a close-up view of aerial imagery to detect P. asiatica; C, ground image of P. asiatica. White arrows indicate P. asiatica.
그림 Fig. 4. Detection of two major apple diseases (anthracnose on fruit and Marssonia blotch on leaves, white arrows) at the KARI by using thermal imaging to develop an automated disease detection tool. Note that anthracnose on fruit is not detectable by changing temperature thresholds, but Marssonia blotch on leaves can be detectable. * Multi-Spectral Dynamic Imaging adds visible light details to thermal images, embedding edge and outline detail onto thermal readings.
그림 Fig. 5. Detection of flying insects using thermal imaging. A, RGB image and corresponding thermal image (B) of a flying bum-blebee (white arrow). The unit of the temperature on thermal images is degree Celsius.
그림 Fig. 6. The KARI model for establishing a smart farming system in apple orchards. The model includes automation of apple production, unmanned pest forecasting and monitoring system, and improvement of pest identification algorithm.
그림 Fig. 7. An example aerial system for releasing natural-enemy insects using drones for biological control. Natural enemy insects are loaded into the pod (A), and then the pods are loaded to a dispenser (B). The dispenser is attached to a rotary-wing drone and a pod is deployed aerially (C). After the release of the pods from the sky, the clay cap is broken upon ground impact and the natural-enemy insects escape the pods. Detailed description and operation of the system can be found in Park et al. (2018).

참고문헌 (29)

Bauer, M.E., 1985. Spectral inputs to crop identification and condition assessment. Proc. IEEE, 73, 1071-1085.

상세보기
Brewster, C.C., Allen, J.C., Kopp, D.D., 1999. IPM from space: Using satellite imagery to construct regional crop maps for studying crop-insect interaction. Am. Entomol., 45, 105-17.
Carroll, M.W., Glaser, J.A., Hellmich, R.L., Hunt, T.E., Sappington, T.W., Calvin, D., Copenhaver, K., Fridgen, J., 2008. Use of spectral vegetation indices derived from airborne hyperspectral imagery for detection of European corn borer infestation in Iowa corn plots. J. Econ. Entomol., 101, 1614-1623.

상세보기
Chapman, R.F., 1999. The Insects: structure and function, 4th edition. Cambridge University Press, Cambridge.
Clevers, J.G.P.W., 1999. The use of imaging spectrometry for agricultural applications. ISPRS J. Photogramm., 54, 299-304.

상세보기
Curran, P.J., 1985. Aerial photography for the assessment of crop condition: a review. Appl. Geogr., 5, 347-360.

상세보기
Felsot, A.S., Unsworth, J.B., Linders, J.B., Roberts, G., Rautman, D., Harris, C., Carazo, E., 2010. Agrochemical spray drift; assessment and mitigation - A review. J. Environ. Sci. Health Part B, 46, 1-23.

상세보기
Filho, F.H., Heldens, W.B., Kong, Z., de Lange, E.S., 2020. Drones: Innovative technology for use in precision pest management. J. Econ. Entomol., 113, 1-25.

상세보기
Fitzgerald, G.J., Maas, S.J., Detar, W.R., 2004. Spider mite detection and canopy component mapping in cotton using hyperspectral imagery and spectral mixture analysis. Prec. Agric., 5, 275-289.

상세보기
Hasan, R.I., Yusuf, S.M., Alzubaidi, L., 2020. Review of the state of the art of deep learning for plant diseases: a broad analysis and discussion. Plants, 9, 1302.

상세보기
Hastie, T., Tibshirani, R., Friedman, J., 2009. Overview of supervised learning, in: Hastie, T., Tibshirani, R., Friedman, J. (Eds), The elements of statistical learning, Springer, New York, pp. 9-41.
Heidary, M., Douzals, J.P., Sinfort, C., Vallet, A., 2014. Influence of spray characteristics on potential spray drift of field crop sprayers: a literature review. Crop Prot., 63, 120-130.

상세보기
Herren, H.R., Bird, T.J., Nadel, D.J., 1987. Technology for automated aerial release of natural enemies of the cassava mealybug and cassava green mite. Int. J. Trop. Insect Sci., 8, 883-885.

상세보기
Jensen, R.R., 1983. Biophysical remote sensing. Ann. Assoc. Am. Geogr., 73, 111-132.

상세보기
Kim, J., Huebner, C., Reardon, R., Park, Y.-L., 2021. Spatiallytargeted biological control of mile-a-minute weed using Rhinoncomimus latipes (Coleoptera: Curculionidae) and an unmanned aircraft system. J. Econ. Entomol., in press.
Mogili, U.R., Deepak, B.B.V.L., 2018. Review on application of drone systems in precision agriculture. Proc. Comp. Sci., 133, 502-509.

상세보기
Moran, M.S., Inoue, Y., Barnes, E.M., 1997. Opportunities and limitations for image-based remote sensing in precision crop management. Remote Sens. Environ., 61, 319-346.

상세보기
NGAC, 2016. Emerging technologies and the geospatial landscape. National Geospatial Advisory Committee, U.S. Department of Interior, Washington, D.C..
Park, Y.-L., Gururajan, S. Thistle, H., Chandran, R., Reardon, R., 2018. Aerial release of Rhinoncomimus latipes (Coleoptera: Curculionidae) to control Persicaria perfoliata (Polygonaceae) using an unmanned aerial system. Pest Manag. Sci., 74, 141-148.

상세보기
Park, Y.-L., Krell, R.K., Carroll, M., 2007. Theory, technology, and practice of site-specific insect pest management. J. Asia-Pac. Entomol., 10, 89-101.

원문보기 상세보기
Park, Y.-L., Tollefson, J.J., 2005. Spatial prediction of corn rootworm (Coleoptera: Chrysomelidae) adult emergence in Iowa cornfields. J. Econ. Entomol., 98, 121-128.

상세보기
Roosjen, P.P., Kellenberger, B., Kooistra, L., Green, D.R., Fahrentrapp, J., 2020. Deep learning for automated detection of Drosophila suzukii: potential for UAVbased monitoring. Pest Manag. Sci., 76, 2994-3002.

상세보기
Rosenthal, G., 2017. PPQ explores the tantalizing promise of unmanned air- craft systems. USDA APHIS. from https://www.aphis.usda.gov/aphis/ourfocus/planthealth/ppq-program-overview/plant-protection-today/articles/unmanned-aircraft-systems (accessed on 15 February, 2020).
Russell, S., Norvig, P., 2020. Artificial Intelligence: A Modern Approach, 4th edition. Pearson, London.
Rustia, D.J.A., Chao, J.J., Chiu, L.Y., Wu, Y.F., Chung, J.Y., Hsu, J.C., Lin, T.T., 2021. Automatic greenhouse insect pest detection and recognition based on a cascaded deep learning classification method. J. Appl. Entomol., in press.
Taiz, L., Zeiger, E., 2006. Plant physiology, 4th edition. Sinauer Associates, Inc., Sunderland, MA.
Wang, A., Zhang, W., Wei, X., 2019. A review on weed detection using ground-based machine vision and image processing techniques. Comp. Electron. Agric., 158, 226-240.

상세보기
Yang, Z., Rao, M.N., Elliott, N.C., Kindler, S.D., Popham, T.W., 2005. Using ground-based multispectral radiometry to detect stress in wheat caused by greenbug (Homoptera: Aphididae) infestation. Comp. Electron. Agric., 47, 121-135.

상세보기
Zhang, J., Huang, Y., Pu, R., Gonzalez-Moreno, P., Yuan, L., Wu, K., Huang, W., 2019. Monitoring plant diseases and pests through remote sensing technology: a review. Comp. Electron. Agric., 165, 104943.

상세보기

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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