딥러닝 기반 토마토 성숙도 판별 시스템
A System for Determining Tomato Maturity Based on Deep Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
현재 농가는 고령화, 인건비 상승 등의 문제를 보이고 있고, 이러한 문제들을 해결하기 위해서는 AI, 영상분석, 빅데이터 등 첨단 기술들을 결합한 스마트 농업의 발전이 필수적인 상황이다. 본 연구에서는 스마트 농업의 발전을 위해 딥러닝 기반의 토마토 성숙도 판별 시스템을 연구하였다. 토마토 이미지를 전처리 하기 위해 RGB, HSV 색상 모델로 이미지마다 색상을 추출하였고, 추출한 이미지를 가우시안 필터를 이용한 잡음제거, Standard Scaler를 통한 데이터 정규화 등을 통해 학습하기 더 쉬운 이미지로 전처리를 진행하였다. 전처리를 진행한 토마토 이미지는 ResNet-50이라는 딥러닝 모델을 이용하여 색상에 따른 토마토 성숙도 판별 이미지를 학습시켰고 토마토 성숙도 판별 모델을 얻을 수 있었다. 토마토 성숙도 판별 모델을 따로 저장한 후 카메라와 결합하여 카메라로 영상을 촬영하면 그 즉시 촬영된 토마토의 등급을 확인할 수 있고 촬영된 영상 또한 추후 모델의 업데이트를 위해 데이터베이스에 저장되게 된다. 이러한 토마토 성숙도판별 시스템을 이용해 수확시기를 놓쳐 발생할 수 있는 피해를 예방하고, 토마토뿐만 아닌 다른 작물도 해당 시스템을 이용해 성숙도를 판단할 수 있는 시스템을 제작하는 등 스마트 농업 분야에 큰 발전에 기여할 것으로 기대된다.
Abstract
Currently, farmers are showing problems such as aging and rising labor costs, and the development of smart agriculture that combines cutting-edge technologies such as AI, video analysis, and big data is essential to solve these problems. In this study, a deep learning-based tomato maturity determination system was studied for the development of smart agriculture. In order to preprocess tomato images, colors were extracted for each image with RGB and HSV color models, and the extracted images were preprocessed into images that were easier to learn through noise removal using Gaussian filters and data normalization through Standard Scaler. The pretreated tomato image learned a tomato maturity discrimination image according to color using a deep learning model called ResNet-50 and a tomato maturity discrimination model was obtained. If a tomato maturity determination model is stored separately and then combined with a camera to take an image, the rating of the captured tomato can be immediately checked, and the captured image is also stored in the database for future model updates. It is expected to contribute to the great development of smart agriculture by using this tomato maturity determination system to prevent damage that may occur due to missed harvest time and to produce a system that can determine maturity by using the system.
참고문헌 (15)
- "The population of farms in Gyeonggi-do decreased by 33% in 10 years" (2023)[URL]
- "The disappearance of eup, myeon, and dong means the diversity of Korean values and traditions disappearing_Population decline, resident self-governing infrastructure is more serious than Japan" (2023)[URL]
- J. G. Cho, "Use of image data for digital agriculture in orchards", Horticulture abstracts, 40, pp.40~40 (2022)
- 양광호, "인공지능기반 디지털농업 기술개발 동향", 한국지식정보기술학회 논문지, 16(6), pp.1315~1322 (2021), 한국지식정보기술학회[DOI]
- 이지훈, "이미지와 센서 데이터를 활용한 딥러닝 기반 반려동물 이상행동 탐지 서비스", 한국컴퓨터정보학회논문지, 27(10), pp.1~9 (2022), 한국컴퓨터정보학회[DOI]
- W. J. Choi, "Steel surface defect classification using ResNet50 Korean Institute of Information Scientists and Engineers", 2021Korean Software Conference Paper Collection, pp.694~696 (2021)
- 강형주, "ResNet-50 합성곱 신경망을 위한 고정 소수점 표현 방법", 한국정보통신학회논문지, 22(1), pp.1~8 (2018), 한국정보통신학회[DOI]
- 김범규, "단시간 수중음향 신호를 활용한 합성곱 신경망 기반의 선박 소음 탐지", 전자공학회논문지, 60(3), pp.61~68 (2023), 대한전자공학회
- 오정원, "비파괴 당도센서와 색상센서를 사용한 빅 데이터 분석 적용 과일 수확시기 예측 시스템 아키텍처 개발", 예술인문사회 융합 멀티미디어 논문지, 7(9), pp.279~287 (2017), 사단법인 인문사회과학기술융합학회[DOI]
- Determination of the status and kind of fruits according to color distribution, "S. G. Son", Institute of Control, Robotics and Systems, 260~261 (2017)
- 채수환, "노이즈에 강인한 HSV 색상 모델 기반손 윤곽 검출 시스템", 멀티미디어학회논문지, 18(10), pp.1149~1156 (2015), 한국멀티미디어학회[DOI]
- 류동성, "HSV 색상 모델과 영역 확장 기법을 이용한 동영상 프레임 이미지의 흑백 만화 카투닝 알고리즘", 정보과학회논문지 : 시스템 및 이론, 35(12), pp.560~567 (2008), 한국정보과학회
- 정민철, "RGB 색상 공간에서 교통 신호등 검출과 인식", 반도체디스플레이기술학회지, 10(3), pp.53~59 (2011), 한국반도체디스플레이기술학회
- 양창주, "LiDAR를 이용한 과수원용 로봇 방제기의 가우시안 필터 기반 고효율 분사 제어 알고리즘 개발", 제어.로봇.시스템학회 논문지, 27(11), pp.897~905 (2021), 제어·로봇·시스템학회[DOI]
- 최종근, "조명영향 분리 얼굴 고유특성 텍스쳐 부분공간 기반 얼굴 이미지 조명 정규화", 전자공학회논문지 - SP, 47(1), pp.25~34 (2010), 대한전자공학회