산업화 이후 가속화된 지구 온난화 현상으로 인해 기존환경 변화 및 이상기후 발생 빈도가 증가하고 있다. 농업은 기후변화에 매우 민감한 분야의 산업으로 지구 온난화는 작물의 생산량을 감소시키고 재배 지역이 변하는 등의 문제를 발생시킨다. 또한, 환경 변화는 작물의 생육 시기를 불규칙하게 만들어 숙련된 농사꾼들도 작물의 생육단계를 쉽게 추정할 수 없도록 만들어 여러 문제를 발생시킨다. 이에 본 논문에서는 작물의 생육단계를 추정하기 위한 CNN(Convolution Neural Network) 모델을 제안한다. 제안한 모델은 ResNet의 Pooling Layer를 수정한 모델로 ResNet, DenseNet 모델의 생육단계 추정보다 높은 성능 결과를 확인하였다.
산업화 이후 가속화된 지구 온난화 현상으로 인해 기존환경 변화 및 이상기후 발생 빈도가 증가하고 있다. 농업은 기후변화에 매우 민감한 분야의 산업으로 지구 온난화는 작물의 생산량을 감소시키고 재배 지역이 변하는 등의 문제를 발생시킨다. 또한, 환경 변화는 작물의 생육 시기를 불규칙하게 만들어 숙련된 농사꾼들도 작물의 생육단계를 쉽게 추정할 수 없도록 만들어 여러 문제를 발생시킨다. 이에 본 논문에서는 작물의 생육단계를 추정하기 위한 CNN(Convolution Neural Network) 모델을 제안한다. 제안한 모델은 ResNet의 Pooling Layer를 수정한 모델로 ResNet, DenseNet 모델의 생육단계 추정보다 높은 성능 결과를 확인하였다.
Due to the accelerated global warming phenomenon after industrialization, the frequency of changes in the existing environment and abnormal climate is increasing. Agriculture is an industry that is very sensitive to climate change, and global warming causes problems such as reducing crop yields and ...
Due to the accelerated global warming phenomenon after industrialization, the frequency of changes in the existing environment and abnormal climate is increasing. Agriculture is an industry that is very sensitive to climate change, and global warming causes problems such as reducing crop yields and changing growing regions. In addition, environmental changes make the growth period of crops irregular, making it difficult for even experienced farmers to easily estimate the growth stage of crops, thereby causing various problems. Therefore, in this paper, we propose a CNN model for estimating the growth stage of crops. The proposed model was a model that modified the pooling layer of ResNet, and confirmed the accuracy of higher performance than the growth stage estimation of the ResNet and DenseNet models.
Due to the accelerated global warming phenomenon after industrialization, the frequency of changes in the existing environment and abnormal climate is increasing. Agriculture is an industry that is very sensitive to climate change, and global warming causes problems such as reducing crop yields and changing growing regions. In addition, environmental changes make the growth period of crops irregular, making it difficult for even experienced farmers to easily estimate the growth stage of crops, thereby causing various problems. Therefore, in this paper, we propose a CNN model for estimating the growth stage of crops. The proposed model was a model that modified the pooling layer of ResNet, and confirmed the accuracy of higher performance than the growth stage estimation of the ResNet and DenseNet models.
WMO, "State of Global Climate 2021 WMO Provisional report", WORLD METEORLOGICAL ORGANIZATION, Seoul, Korea, Nov. 2021.
NOAA, "Global Climate Report-2016", National Centers for Environmental Information, Dec. 2016.
Matt McGrath, "Climate change: Key crops face major shifts as world warms", BBC, https://www.bbc.com/news/science-environment-60141387 (accessed Jan., 26, 2022).
농림축산식품부, "딸기, 생산 및 가격 동향", 대한민국 정책 브리핑, 2022년 2월
기상청, "한국 기후변화 평가보고서 2020 : 기후변화 과학적 근거", ISBN 978-89-954715-7-9, 2020년 7월
김광수, 김준환, 현시우, "주요 채소 작물 대상 작물모형 모수 추정 및 검증을 지원하기 위한 생육 조사 프로토콜 분석", 한국농림기상학회지, 제22권, 제2호, 68-78쪽, 2020년 6월
K. He, X. Zhang, S. Ren, and J. Sun, "Deep residual learning for image recognition," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 770-778, June. 2016.
김이현, 홍석영, 이훈열, 이재은, 이경도, "마이크로파 산란계를 이용한 벼, 콩 생육단계 추정", 한국토양비료학회지, 제45권, 제4호, 503-510쪽, 2012년 2월
문태원, 박준영, 손정익 "합성곱 신경망을 이용한 온실 파프리카의 작물 생체중 추정", 생물환경조절학회지, 제29권, 제4호, 381-3387쪽, 2020년 10월
G. Huang, Z. Liu, L. van der Maaten, and K. Q. Weinberger, "Densely Connected Convolutional Networks", Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, Vol. 1, No. 2, pp. 4700-4708, Jul. 2017
A. Mateo-Sanchis, M. Piles, J. Munoz, J. Adsuara, A. Perez-Suay, and G. Camps-Valls, "Synergistic integration of optical and microwave satellite data for crop yield estimation", 2019 The Authors. Published by Elsevier Inc, Vol. 234, No. 1, pp. 111460-111472, Dec. 2019
A. Sulthony Susilo, N. Aditya Karna, And R. Mayasari, "Decision Tree-Based Bok Choy Growth Prediction Model for Smart Farm", 2021 4th International Conference on Information and Communications Technology (ICOIACT), Yogyakarta, Indonesia, Aug. 2021
S. Rasti, Chris. J, Bleakley, G. C. M. Silvestre, N. M. Holden, D. Langton, and G. M. P. O'Hare, "Crop growth stage estimation prior to canopy closure using deep learning algorithms", Neural Computing and Applications, Vol.33, pp. 1733-1743, June. 2020
강현중, 이준욱, 강성수, 손정익, "스마트 디바이스 기반의 농업환경관리 지원 서비스", 스마트미디어저널, 제1권, 제1호, 42-47쪽, 2012년 03월
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.