$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

EfficientNet 활용한 딸기 병해 진단 서비스
Strawberry disease diagnosis service using EfficientNet 원문보기

스마트미디어저널 = Smart media journal, v.11 no.5, 2022년, pp.26 - 37  

이창준 (순천대학교 스마트융합학부 멀티미디어공학전공) ,  김진성 (순천대학교 스마트융합학부 멀티미디어공학전공) ,  박준 (순천대학교 스마트융합학부 멀티미디어공학전공) ,  김준영 (순천대학교 스마트융합학부 멀티미디어공학전공) ,  박성욱 (순천대학교 스마트융합학부 멀티미디어공학전공) ,  정세훈 (안동대학교 창의융합학부) ,  심춘보 (순천대학교 스마트융합학부 멀티미디어공학전공)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 시설재배 작물 중 딸기의 초기 병해를 방제하고자 이미지를 자동으로 취득하고, EfficientNet 모델을 활용해 병해를 분석하여 농민에게 병해 여부를 알려주고, 전문가를 통한 병해 진단 서비스를 제안한다. 딸기 생육단계의 이미지를 취득하고, 학습된 EfficientNet 모델을 활용해 병해 진단 분석결과를 농민의 애플리케이션으로 전송 후 전문가의 피드백을 신속하게 받을 수 있다. 데이터 세트로는 실제 시설재배를 운영하는 농민을 섭외하여 시스템을 이용해 이미지를 취득하였고, 핸드폰으로 촬영한 이미지의 초안을 활용하여 데이터가 부족한 문제를 해결했다. 실험 결과 EfficientNet B0부터 B7까지의 정확도는 유사하여 추론 속도가 가장 빠른 B0를 채택했다. 성능향상을 위해 ImageNet으로 사전학습 된 모델을 사용해 Fine-tuning 했고, 100 Epoch부터 급격한 성능향상을 확인했다. 제안하는 서비스는 초기 병해를 빠르게 탐지하여 생산량을 증대시킬 것으로 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, images are automatically acquired to control the initial disease of strawberries among facility cultivation crops, and disease analysis is performed using the EfficientNet model to inform farmers of disease status, and disease diagnosis service is proposed by experts. It is possible t...

주제어

#딥러닝   #스마트팜   #식물 병해   #딸기  

참고문헌 (13)

  1. J.W. Oh, H.K. Kim, Il-Tae Kim, "Design and Implementation of Fruit harvest time Predicting System based on Machine Learning," Smart Media Journal, Vol. 8, No. 1, pp. 73-81, Mar. 2019. 

  2. M.H. Nam, Y.N. Jeon, H.C. Lee, H.D. Lee, and H.K. Kang, "Comparative Analysis between Healthy and Powdery Mildew-infected Plants of Strawberry Cultivar Seolhyang," Research in Plant Disease, Vol. 18, No. 2, pp. 80-85, Jun. 2012. 

  3. J. Park, J.Y. Kim, S.W. Park, S.H. Jung, C.B. Sim, "Development of ResNet base Crop Growth Stage Estimation Model," Smart Media Journal, Vol. 11, No. 2, pp. 53-62, Mar. 2022. 

  4. M.H Nam, H.S Kim, T.I Kim, E.M Lee, "Comparison of Environmental-Friendly and Chemical Spray Calendar for Controlling Diseases and Insect Pest of Strawberry during Nuresery Seasons," Research in Plant Disease, Vol. 21, No. 4, pp. 273-279, Dec. 2015. 

  5. S.J. Kim, H.S. Kim, "Deep learning-based Automatic Weed Detection on Onion Field," Smart Media Journal, Vol. 7, No. 3, pp. 16-21, Sep. 2018. 

  6. C.J. Lee, J.S. Kim, J.Y. Kim, J. Park, S.W. Park, and C.B. Sim, "Design of Facility Crops Data Analysis Platform based on Drone for Pest Detection," Proceeding of Fall Conference of the Korea Multimedia Society, Vol. 24, No. 2, pp. 48-50, Nov. 2021. 

  7. M.G. Kim, "Tomato Crop Disease Classification Using an Ensemble Approach Based on a Deep Neural Network," Journal of Korea Multimedia Society, Vol. 23, No. 10, pp. 1250-1257, Oct. 2020. 

  8. M. Tan, and Q. Le, "Efficientnet: Rethinking model scaling for convolutional neural networks," In International Conference on Machine Learning (PMLR), pp. 6105-6114, 2019. 

  9. H.S. Ham, and H.J. J, "A Development of Rose Leaf Disease Classification System using Convolutional Neural Network," The Transactions of the Korean Institute of Electrical Engineers, Vol. 69, No. 7, pp. 1040-1045, Jul. 2020. 

  10. C. Szegedy, S Ioffe, V. Vanhoucke, A.A. Alemi, "Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning," In Thirty-first AAAI conference on artificial inteeligencem, Sanfrancisco, USA, pp. 4278-4284, Feb. 2017. 

  11. K.H. Jo, S.H. Jung, and C.B. Sim, "A Study of Shiitake Disease and Pest Image Analysis based on Deep Learning," Journal of Korea Multimedia Society, Vol. 23, No. 1, 2020. 

  12. A. Krizhevsky, I. Sutskever, and G.E. Hinton, "ImageNet Classification with Deep Convolutional Neural Networks," Advances in neural information processing systems, pp. 1106-1114, 2012. 

  13. J.Y. Kang, I.K. Kim, H.S. Lim, and J.H. Gwak, "A Crack Detection of Wooden Cultural Assets using EfficientNet model," Proceedings of the Korean Society of Computer Information Conference, Vol. 29, No. 2, pp. 125-127, 2021. 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로