인공지능 기술의 발전으로 다양한 분야에서 AI가 접목된 시스템에 대한 관심이 급증하고 있다. 농업에서도 정보통신 기술을 적용한 스마트팜이 활용되고 있으며, 자율주행, 인공위성, 빅데이터 등의 다양한 첨단 기술을 접목하여 데이터 기반의 정밀 농업이 상용화되고 있다. 국내의 경우 시설농업 분야 스마트농업의 상용화 사례가 증가하고 있으나 시설원예 분야에 투자 편증이 심하여, 시설농업과 노지 농업의 투자 격차가 지속해서 벌어지고 있다. 특히, 과수, 식물공장 분야는 투자 규모가 작다. 또한, 빅데이터 수집, 활용 체계가 미흡하다는 문제점이 있다. 이에 본 논문에서는 농업의 빅데이터를 활용하는 방안으로 딥러닝 기반의 객체 탐지 모델을 활용한 과수 생육 단계 판별 시스템을 제안한다. 해당 시스템은 농업 현장에서 사용할 수 있도록 하이브리드 앱을 설계 및 구현하며 과수 생육단계 판별을 위한 객체 탐지 기능을 제공한다.
인공지능 기술의 발전으로 다양한 분야에서 AI가 접목된 시스템에 대한 관심이 급증하고 있다. 농업에서도 정보통신 기술을 적용한 스마트팜이 활용되고 있으며, 자율주행, 인공위성, 빅데이터 등의 다양한 첨단 기술을 접목하여 데이터 기반의 정밀 농업이 상용화되고 있다. 국내의 경우 시설농업 분야 스마트농업의 상용화 사례가 증가하고 있으나 시설원예 분야에 투자 편증이 심하여, 시설농업과 노지 농업의 투자 격차가 지속해서 벌어지고 있다. 특히, 과수, 식물공장 분야는 투자 규모가 작다. 또한, 빅데이터 수집, 활용 체계가 미흡하다는 문제점이 있다. 이에 본 논문에서는 농업의 빅데이터를 활용하는 방안으로 딥러닝 기반의 객체 탐지 모델을 활용한 과수 생육 단계 판별 시스템을 제안한다. 해당 시스템은 농업 현장에서 사용할 수 있도록 하이브리드 앱을 설계 및 구현하며 과수 생육단계 판별을 위한 객체 탐지 기능을 제공한다.
Recently, research and system using AI is rapidly increasing in various fields. Smart farm using artificial intelligence and information communication technology is also being studied in agriculture. In addition, data-based precision agriculture is being commercialized by convergence various advance...
Recently, research and system using AI is rapidly increasing in various fields. Smart farm using artificial intelligence and information communication technology is also being studied in agriculture. In addition, data-based precision agriculture is being commercialized by convergence various advanced technology such as autonomous driving, satellites, and big data. In Korea, the number of commercialization cases of facility agriculture among smart agriculture is increasing. However, research and investment are being biased in the field of facility agriculture. The gap between research and investment in facility agriculture and open-air agriculture continues to increase. The fields of fruit trees and plant factories have low research and investment. There is a problem that the big data collection and utilization system is insufficient. In this paper, we are proposed the system for determining the fruit tree growth stage using a deep learning-based object detection model. The system was proposed as a hybrid app for use in agricultural sites. In addition, we are implemented an object detection function for the fruit tree growth stage determine.
Recently, research and system using AI is rapidly increasing in various fields. Smart farm using artificial intelligence and information communication technology is also being studied in agriculture. In addition, data-based precision agriculture is being commercialized by convergence various advanced technology such as autonomous driving, satellites, and big data. In Korea, the number of commercialization cases of facility agriculture among smart agriculture is increasing. However, research and investment are being biased in the field of facility agriculture. The gap between research and investment in facility agriculture and open-air agriculture continues to increase. The fields of fruit trees and plant factories have low research and investment. There is a problem that the big data collection and utilization system is insufficient. In this paper, we are proposed the system for determining the fruit tree growth stage using a deep learning-based object detection model. The system was proposed as a hybrid app for use in agricultural sites. In addition, we are implemented an object detection function for the fruit tree growth stage determine.
Redmon, Joseph, Divvala Santosh, Girchick Ross and Farhadi Ali, "You only look once: Unified, real-time object detection," Proceedings of the IEEE conference on computer vision and pattern recognition. pp. 779-788, 2016.
Redmon, Joseph, and Ali Farhadi. "Yolov3: An incremental improvement," arXiv preprint arXiv:1804.02767, 2018.
Bochkovskiy, Alexey, Chien-Yao Wang, and Hong-Yuan Mark Liao. "Yolov4: Optimal speed and accuracy of object detection," arXiv preprint arXiv:2004.10934, 2020.
서다솜, 김경철, 이명훈, 권경도, 김국환, "딥러닝을 이용한 온실의 환경에서 토마토 화방 및 과실 객체 검출 모델 연구," 한국통신학회논문지, 제46권, 제11호, 2072-2077쪽, 2021년 11월
이희준, 이원석, 최인혁, 이충권, "YOLOv3 을 이용한 과일표피 불량검출 모델: 복숭아 사례," Information Systems Review, 제22권, 제1호, 113-124쪽, 2020년 2월
Ko, KwangEun, Hyun Ji Park, and In Hoon Jang, "Real-Time Tomato Instance Tracking Algorithm by using Deep Learning and Probability Model," The Journal of Korea Robotics Society, Vol. 16, No. 1, 49-55pp, Feb., 2021
박준, 김준영, 박성욱, 정세훈, 심춘보, "ResNet 기반 작물 생육단계 추정 모델 개발," Smaer Media Journal, 제11권, 제2호, 53-62.쪽, 2022년 03월
김삼근, 허환, 안재근, "전이 학습 기반의 모바일 작물 질병 진단을 위한 PWA," Journal of the Korea Academia-Industrial cooperation Society, 제23권, 제2호, 22-29.쪽, 2022
양희찬, 이재수, 이현동, 김형석, "인공지능을 이용한 파프리카 실내 양액 재배 시 발생하는 병해충 자동 검출," Journal of Institute of Control, 제24권, 제11호, 1020-1024.쪽, 2018년 11월
양미혜, 남원호, 김태곤, 이관호, 김영화, "Machine learning application for predicting the strawberry harvesting time," Korean Journal Of Agricultural Science, 제46권, 제2호, 381-393.쪽, 2019년 6월
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.