3차원 영상 데이터를 활용한 콩 생육 측정 방법 평가
Evaluation of Soybean Growth Measurement Method Using 3-Dimensional Data
2
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
최근 3차원 영상 데이터 활용 기술이 주목받으며 레이저 스캐너, 깊이 카메라와 같은 장비를 활용하여 작물의 생육을 측정하려는 연구가 시도되고있다. 작물의 생육 특성을 측정할 때 3차원 영상 데이터를 활용한다면 평면 데이터에서 측정하지 못한 구조와 형태 정보를 이용할 수 있는 장점이있다. 본 연구에서는 콩의 생육 특성을 3차원 영상 데이터를 활용하여 추정하였다. 깊이 카메라를 이용하여 콩의 개화시(R1), 착협기(R3), 종실비대기(R5)에 촬영하고 3차원 데이터로 개체의 초장과 엽면적을 추정하고 실측 값과 비교하였다. 초장 추정을 위해 평면에 투영된 개체의 무게 중심을 이용하여원줄기의 x, y 좌표 위치를 지정하였는데 눈으로 보고 지정한 원줄기의 위치와 무게 중심 점의 x, y 좌표 위치는 높은 결정 계수를 보였다. 초장추정의 경우 콩의 구조와 형태가 발달함에 따라 3차원 영상에서 지면으로부터 개체 상단 지점 간 거리를 이용하는 방법은 실측과 추정 값간오차가 컸다. 엽면적 추정을 위해서 3차원 위치 값을 갖는 개체 표면 점들을 높이에 따라 분할하고 각 높이 구간의 면적을 계산하였다. 3차원데이터 병합 과정에서 늘어난 점 개수로 인해 각 높이 구간에서 계산된 면적이 증가하였기 때문에 추정 값은 과대평가되었다. 향후 3차원 영상을이용한 보다 정밀한 생육 조사를 위해서는 작물 고유의 생육변수 특성을 고려한 데이터 전처리 과정과 분석 방법 개발이 필요할 것으로 사료된다
Abstract
Recently, 3D (3-Dimentional) image data utilization technology has been attracting attention, and studies are being made to measurethe growth of crops using equipment such as laser scanners and depth cameras. If 3D image data is used to measure the growth characteristicsof crops, it has the advantage of using structure and shape information that cannot be measured in planar data. In this study, the growth characteristics of soybeans were estimated using 3D image data. Soybeans were measured at beginning bloom (R1), beginning pod (R3),and beginning seed (R5) by using a depth camera. The x, y coordinate position of the main stem was specified using the centroidof the object projected on the plane for estimating the plant height and showed a high determination coefficient. In the case of plantheight estimation, as the structure and shape of stems and leaves developed, the method using the distance between the top points ofan object from the ground in 3D image had a large error between the actual measurement and the estimated value. For estimating theleaf area, object surface points with 3D position values were divided according to height, and the area of each height section was calculated. The estimated value was overestimated because the calculated area in each height section increased due to the increased number ofpoints in the 3D data merging. For more precise growth investigation using 3D images in the future, it is thought that data pre-processingand analysis method development taking into account the characteristics of unique growth variables of crops are required.
참고문헌 (16)
- Condotta ICFS, "Evaluation of low-cost depth cameras for agricultural applications", Computers and Electronics in Agriculture, 173, pp.1~15 (2020)[DOI]
- Edelsbrunner H, "On the shape of a set of points in the plane", IEEE Transactions on Information Theory, 29, pp.551~559 (1983)[DOI]
- Fu L, "Faster R–CNN–based apple detection in dense-foliage fruiting-wall trees using RGB and depth features for robotic harvesting", Biosystems Engineering, 197, pp.245~256 (2020)[DOI]
- Hilty J, "Plant growth : The what, the how, and the why", New Phytologist, 232, pp.25~41 (2021)[DOI]
- Jurado J, "The impact of canopy reflectance on the 3D structure of individual trees in a Mediterranean Forest", Remote Sensing, 12, pp.14~30 (2020)[DOI]
- 이석인, "키넥트를 이용한 배추 생체중 추정", 한국농림기상학회지, 20(2), pp.205~213 (2018), 한국농림기상학회
- 이윤호, "RGB 컬러 이미지를 이용한 콩의 군락 피복과 엽면적에 대한 저비용평가", 한국농림기상학회지, 22(1), pp.13~19 (2020), 한국농림기상학회
- Lumme J, "Terrestrial laser scanning of agricultural crops. The International Achieves of the Photogrammetry", Remote Sensing and Spatial Information Sciences, 47, pp.563~566 (2008)
- Ma X, "A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud", Ecological Informatics, 68, pp.101524~ (2022)[DOI]
- Neupane C, "Evaluation of depth cameras for use in fruit localization and sizing : Finding a successor to Kinect v2", Agronomy, 11, pp.1780~ (2021)[DOI]
- Paulus S, "Measuring crops in 3D : Using geometry for plant phenotyping", Plant Methods, 15, pp.103~ (2019)[DOI]
- Schnabel R, "Efficient RANSAC for point-cloud shape detection", Computer Graphics Forum, 26, pp.214~226 (2007)[DOI]
- Song P, "High-throughput phenotyping : Breaking through the bot tleneck in future crop breeding", The Crop J, 9, pp.633~645 (2021)[DOI]
- ten Harkel J, "Biomass and crop height estimation of different crops using UAV-Based lidar", Remote Sensing, 12, pp.17~ (2020)[DOI]
- Wiegand C, "Vegetation indices in crop assessments", Remote Sensing of Environment, 35, pp.105~119 (1991)
- Wu S, "An accurate skeleton extraction approach from 3D point clouds of maize plants", Frontiers in Plant Science, 10, pp.248~ (2019)[DOI]