오이의 품질별 자동 분류 시스템 개발
Development of Automatic Classification System by Quality of Cucumber
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
우리나라의 농업 종사자는 해가 갈수록 감소하고 있는 상황이며 이는 시설 오이 농가에도 해당되는 내용이다. 현재 대부분의 시설 오이 농가에서는 상품 가치가 있는 오이를 일일이 적당한 굵기, 길이, 곡률에 따라 수작업으로 분류하고 유통하고 있다. 여기에서도 인력이 필요하고 많은 시간이 소요되기 때문에 수확한 오이의 품질을 자동으로 분류할 수 있는 시스템을 개발하고자 한다. 오이의 품질은 분류하기 위해서 오이의 외형을 이용하여 영상인식을 통한 분류 방식을 사용하고자 한다. 본 연구에서는 오이의 외형을 활용한 품질 분류가 목표이므로 Teachable Machine을 사용하였다. 본 논문에서 오이의 품질별 분류를 위해 먼저 오이의 등급을 A~G 7단계로 규정하였다. 오이를 촬영한 배경은 무늬가 없는 흰색의 바탕에서 하였다. 무늬가 없다면 흰색보다는 어두운 회색이나 다른 무채색의 배경에서도 분류가 가능하였다. 향후 본 연구의 내용에서 더 나아가 스테레오 카메라를 활용하여 특정한 상황에서만 분류가 가능한 것이 아니라 온실 안에서 오이를 구별하고 수확하는 과정에서 품질을 분류하여 수확할 수 있는 수확부터 출하까지의 오이 품질 관리 시스템 개발을 할 계획이다.
Abstract
The number of agricultural workers in Korea is decreasing year by year, and this is also applicable to facility cucumber farms. Currently, most facility cucumber farms manually classify and distribute cucumbers with product value according to their appropriate thickness, length, and curvature. Here, too, it requires manpower and takes a lot of time, so we intend to develop a system that can automatically classify the quality of harvested cucumbers. In order to classify the quality of cucumbers, a classification method through image recognition is used using the appearance of cucumbers. In this study, the goal is to classify the quality using the appearance of cucumbers, so a teachable machine was used. In this paper, for the classification of cucumbers by quality, the grade of cucumbers was first defined as A to G, 7 stages. The background of filming the cucumber was set on a white background without a pattern. If there were no patterns, it could be classified in dark gray or other achromatic backgrounds rather than white. In the future, we plan to develop a cucumber quality management system from harvest to shipment by classifying the quality in the process of harvesting and distinguishing cucumbers in the greenhouse, not only classifying them under specific circumstances using stereo cameras.
참고문헌 (15)
- "Korean Statistical Information Service"[URL]
- Smart farm status survey report, "Korea Agribusiness Research Institute", Korea Agribusiness Research Institute, ~ (2019)
- "Telecommunications Technology Association"[URL]
- 최석근, "딥러닝을 이용한 소규모 지역의 영상분류 적용성 분석: UAV 영상을 이용한 농경지를 대상으로", 한국측량학회지, 38(1), pp.23~33 (2020), 한국측량학회[DOI]
- 박아람, "돼지의 3차원 메쉬로부터 다층 퍼셉트론 기반 무게 예측 방법", 한국CDE학회 논문집, 27(1), pp.29~36 (2022), 한국CDE학회
- "ML/DL Engineer&Researcher"[URL]
- "Software Engineer interested in Deep Learning"[URL]
- 김균엽, "레이블 기반의 핵심 자질 학습을 통한 문서 범주화에서의 효과적인 전이학습 방법론", 정보과학회논문지, 49(3), pp.214~220 (2022), 한국정보과학회[DOI]
- 이동수, "반려견 자동 품종 분류를 위한 전이학습 효과 분석", 방송공학회 논문지, 27(1), pp.133~145 (2022), 한국방송∙미디어공학회[DOI]
- 황진용, "기동무기체계 분류를 위한 전이학습 기반 앙상블 모델 연구", 한국정보기술학회논문지, 19(12), pp.1~10 (2021), 한국정보기술학회[DOI]
- "DACON"[URL]
- 서동호, "전이학습 기반의 합성곱 신경망을 이용한 애니메이션 캐릭터 성별 분류 기법", 애니메이션연구, 16(4), pp.141~156 (2020), 한국애니메이션학회
- E. J. Kim, "Platform analysis for elementary artificial intelligence education", Proceedings of The Korean Association of Computer Education, 25(2), pp.51~54 (2021)
- 황재민, "구글 티처블 머신을 활용한 군사장애물 분류 모델 설계 및 실증 연구", 한국CDE학회 논문집, 27(2), pp.137~147 (2022), 한국CDE학회
- 권기현, "좌표계산을 통해 동영상의 안면 특징점 분석을 중심으로 한 웹 기반 발표 태도 교정 프로그램 개발", 한국콘텐츠학회 논문지, 22(2), pp.10~21 (2022), 한국콘텐츠학회[DOI]