$\require{mediawiki-texvc}$

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.

Deep Residual Learning 데이터 분석을 통한 효율적인 감귤 실시간 병해충 진단 시스템에 관한 연구
A Study of Effective Citrus Real-time Pest Diagnosis System through Data Analysis of Deep Residual Learning 원문보기

보고서 정보
주관연구기관 전북대학교
Chonbuk National University
연구책임자 이말례
보고서유형최종보고서
발행국가대한민국
언어 한국어
발행년월2019-12
과제시작연도 2019
주관부처 과학기술정보통신부
Ministry of Science and ICT
등록번호 TRKO202100002015
과제고유번호 1711087271
사업명 개인기초연구(과기정통부)(R&D)
DB 구축일자 2021-06-19
키워드 진단 모델.병충해.감귤.인공지능.기계학습.심층학습.컴퓨터 비전.합성곱 신경망.잔차학습.

초록

○ 연구개요
본 연구에서는 진단 모델 학습을 위해 직접 수집한 감귤 병충해 빅데이터 세트와 딥러닝 기반 병충해 자동 진단 모델 아키텍처를 제안한다. 첫 번째로 기존에 어디에도 존재하지 않던 감귤 병충해 관련 빅데이터 세트를 웹에서 직접 수집하였다. 총 12,000장 이상의 이미지 데이터를 직접 수집하고 분류하였고, 이 데이터는 딥러닝 모델을 학습시키기 위해 사용하였다. 두 번째로 딥러닝 기반 병충해 자동 진단 모듈은 사용자가 원하는 사진을 입력하면 어떠한 병해 혹은 충해에 해당하는지 분류해주는 모듈이다. 특히 딥러닝 모델 중

목차 Contents

  • 표지 ... 1
  • 연구결과 요약문 ... 3
  • 목차 ... 4
  • 1. 연구개발과제의 개요 ... 5
  • 1-1. 목표 ... 5
  • 1-2. 추진전략 ... 5
  • 2. 연구수행내용 및 연구결과 ... 6
  • 3. 연구개발결과의 중요성 ... 15
  • 4. 참고문헌 ... 16
  • 5. 연구성과 ... 16
  • 대표적 연구실적 ... 19
  • 끝페이지 ... 27

표/그림 (20)

참고문헌 (25)

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