초록 ▼

본 발명은 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것으로서, 보다 상세하게는 식물공장, 유리온실, 스마트팜 등과 같은 통제된 환경에서 작물을 재배함에 있어 일정 주기로 자동 촬영된 영상 정보를 활용하여 작물의 엽 생육 지수를 측정할 수 있고, 이러한 생육지수를 통해 작물의 생육 정도를 예상할 수 있게 됨으로써 효율적인 작물재배 계획을 수립할 수 있도록 하는 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것이다.이를 위해 본 발명은, 작물 생육용 수평베드(5) 상에 위치된 작물(2)의 평면상태 영상을 촬영하는 영상

본 발명은 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것으로서, 보다 상세하게는 식물공장, 유리온실, 스마트팜 등과 같은 통제된 환경에서 작물을 재배함에 있어 일정 주기로 자동 촬영된 영상 정보를 활용하여 작물의 엽 생육 지수를 측정할 수 있고, 이러한 생육지수를 통해 작물의 생육 정도를 예상할 수 있게 됨으로써 효율적인 작물재배 계획을 수립할 수 있도록 하는 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것이다.이를 위해 본 발명은, 작물 생육용 수평베드(5) 상에 위치된 작물(2)의 평면상태 영상을 촬영하는 영상 이미지 자동촬영부(10); 상기 영상 이미지 자동촬영부(10)를 통해 저장된 각 영상 이미지에 대한 평단면 엽 생육지수를 측정하여 생육지표를 형성하는 엽 생육지수 학습부(20); 상기 영상 이미지 자동촬영부(10) 및 엽 생육지수 학습부(20)를 통해 학습된 데이터를 활용하여 이미지를 측정하여 생육지수를 저장하는 엽 생육지수 측정부(30); 상기 엽 생육지수 측정부(30)를 통해 측정된 생육지수와 환경정보를 분석하여 생육상태를 분석하는 생육 분석부(40);를 포함하여 이루어짐을 특징으로 하는 AI를 활용한 작물의 엽 생육지수 측정시스템를 제공한다.

대표청구항 ▼

AI를 활용한 작물의 엽 생육지수 측정시스템에 있어서,작물 생육용 수평베드(5) 상에 위치된 작물(2)의 평면상태 영상을 촬영하는 영상 이미지 자동촬영부(10); 상기 작물 생육용 수평베드(5)는 흰색으로 형성되고, 상기 영상 이미지 자동촬영부(10)는 작물(2)의 수직 상단에서 작물(2)의 평단면상태 영상을 촬영하는 카메라모듈(12)과, 상기 카메라모듈(12)에 연결되어 일정간격으로 정해진 시간마다 카메라모듈(12)에 영상촬영을 지시하는 스케쥴링모듈(14)과, 상기 카메라모듈(12)에서 촬영된 영상을 정해진 클라우드(17)에 저장

AI를 활용한 작물의 엽 생육지수 측정시스템에 있어서,작물 생육용 수평베드(5) 상에 위치된 작물(2)의 평면상태 영상을 촬영하는 영상 이미지 자동촬영부(10); 상기 작물 생육용 수평베드(5)는 흰색으로 형성되고, 상기 영상 이미지 자동촬영부(10)는 작물(2)의 수직 상단에서 작물(2)의 평단면상태 영상을 촬영하는 카메라모듈(12)과, 상기 카메라모듈(12)에 연결되어 일정간격으로 정해진 시간마다 카메라모듈(12)에 영상촬영을 지시하는 스케쥴링모듈(14)과, 상기 카메라모듈(12)에서 촬영된 영상을 정해진 클라우드(17)에 저장되도록 전송하는 전송모듈(16)로 구성되고,상기 스케쥴링모듈(14)에 의해 일정간격으로 정해진 시간마다 엽(leaf)의 생장상태가 연속적으로 촬영되어 저장되고, 상기 연속적으로 촬영되어진 엽(leaf)의 생장상태는 시간, 일자, 기간별로 저장되며, 상기 시간, 일자, 기간별 생장상태는 평균치 또는 최대치를 설정하여 후(後)생장되는 작물(2)의 생장기준으로 대비 적용되도록 하고,상기 영상 이미지 자동촬영부(10)를 통해 저장된 각 영상 이미지에 대한 평단면 엽 생육지수를 측정하여 생육지표를 형성하는 엽 생육지수 학습부(20); 상기 엽 생육지수 학습부(20)는, 상기 영상 이미지 자동촬영부(10)의 클라우드(17)에 저장된 각 영상 이미지에 대해 평단면 상태의 엽 생육지수를 측정하는 생육지표 계측모듈(22)과, 상기 영상 이미지에서 엽 외곽선(3)을 추출한 후 생육지표 계측모듈(22)에서 측정된 생육지표에 라벨링하는 분할모듈(24)과, 상기 작물(2)의 종류와 경계를 인지하여 구분하는 딥러닝학습모듈(26)로 구성되며,상기 영상 이미지 자동촬영부(10) 및 엽 생육지수 학습부(20)를 통해 학습된 데이터를 활용하여 이미지를 측정하여 생육지수를 저장하는 엽 생육지수 측정부(30); 상기 엽 생육지수 측정부(30)는, 상기 엽 생육지수 학습부(20)의 딥러닝학습모듈(26)에서 학습된 데이터를 활용하여 이미지를 측정하는 이미지 측정모듈(32)과, 상기 이미지 측정모듈(32)을 통해 일정간격으로 정해진 설정기간별로 이미지를 측정하여 생육지수를 저장하는 DB모듈(34)로 구성되고,상기 이미지 측정모듈(32)에서 측정된 설정기간 마다의 이미지 엽 외곽선(3)을 따라 일정간격으로 다수의 테두리포인트(4)를 표시하고, 상기 테두리포인트(4) 내의 면적을 측정하여 설정된 성장기준치면적을 이미지 측정모듈(32)에 저장하며, 상기 이미지 측정모듈(32)에 저장된 성장기준치면적을 토대로 한 성장기준외곽선(6)을 수평베드(5) 상에 표시한 후, 실제 생육되는 작물(2)과 면적대비하여 실제성장 속도를 측정토록 하고,상기 엽 생육지수 측정부(30)를 통해 측정된 생육지수와 환경정보를 분석하여 생육상태를 분석하는 생육 분석부(40);를 포함하여 이루어지며,상기 영상 이미지 자동촬영부(10)는 엽(leaf)의 면적을 측정하여 면적의 증가 정도를 통해 엽의 생육지수를 도출하고, 상기 엽 생육지수 학습부(20)는 엽 생육지수를 측정하여 생육지표를 형성하되, 상기 엽의 면적은 수평베드(5) 상의 작물(2) 인근에 면적대비용마킹부(7)를 표시하여 엽 생육지수 학습부(20)의 생육지표 계측모듈(22)에서 상호간의 면적을 대비하여 작물(2)의 엽 외곽선(3) 내의 면적을 계산토록 하고, 상기 면적대비용마킹부(7)는 작물(2)의 색상과 대비되는 보색으로 설정되게 하여 구성되는 것을 특징으로 하는 AI를 활용한 작물의 엽 생육지수 측정시스템.