객체 탐지를 이용한 블루베리 생육량 측정 시스템
Blueberry Fruit Maturity Rate Measurement System Using Object Detection
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
국내외 이상기후는 봄철 한파 피해로 과수 생산량이 감소하고, 여름에는 장마와 태풍의 영향으로 각종 농산물 생산량이 급격히 감소하는 문제를 일으키고 있다. 이를 개선하기 위해서는 농업 환경에서 새로운 문제 해결 방법을 찾아야 하며, 농업의 대규모 생산 중심에서 다양성과 질적 성장으로의 새로운 방향을 모색할 필요가 있다. 본 논문에서는 농가의 과수 생산량 증가를 위해 스마트 팜을 활용한 과수의 환경 정보 및 생육 상태에 대해 데이터를 수집한다. 이 데이터에 대해 인공지능 기반으로 측정, 분석, 예측하여 생육 상태를 모니터링하며, 과수의 수확 적기를 예측하는 알고리즘을 제안한다. 이를 위해, 라즈베리파이를 활용해 농장에서 과수의 생육 상태 정보인 온도, 토양 습도, 토양 산도, 일조량 그리고 과수의 영상 데이터를 수집하여 하둡분산시스템에 저장한다. 수집된 과수의 생육 환경 정보는 생육의 최적 정보로 분류, 판단하여 원-핫 인코딩 기법으로 저장하고, 과수의 영상 데이터는 객체 탐지기법을 활용하여 분석 및 분류한다. 또한 웹 어플리케이션을 통해 생육 측정 환경에 대한 전 과정을 모니터링 할 수 있으며 최적의 수확 예측 시기를 나타낼 수 있다.
Abstract
Abnormal climate at home and abroad causes a problem fruit tree production is reduced due to damage caused by frost in spring, and the production of various agricultural products is rapidly reduced in summer due to the influence of the rainy season and typhoons. In order to improve this, new problem-solving methods must be found in the agricultural environment, and it is necessary to seek a new direction from the center of large-scale production in agriculture to diversity and quality growth. In this paper, Its collect data on the environmental information and growth status of orchards using smart farms to increase the production of fruit trees in farms. We measure, analyze, and predict this data based on artificial intelligence to monitor the growth status and propose an algorithm to predict the right time to harvest fruit trees. o this end, the Raspberry Pi collects temperature, soil humidity, soil acidity, sunlight, and image data of fruit trees, which are information on the growth status of fruit trees on the farm, and stores them in the Hadoop distributed system. The collected fruit tree growth environment information is classified and judged as optimal information for growth, and is stored using the One-hot encoding technique, and the image data of the fruit tree is analyzed and classified using an object detection technique. In addition, the entire process of the growth measurement environment can be monitored through the web application, and the optimal harvest prediction time can be indicated.
참고문헌 (15)
- 김승재, "스마트 농업 ICT 융합 기술 개발", 한국지식정보기술학회 논문지, 16(6), pp.1369~1377 (2021), 한국지식정보기술학회[DOI]
- Y. J. Kim, "The 4th industrial revolution and the future of our agriculture", Korea rural economic research institute, 202, pp.121~137 (2017)
- 서대석, "스마트 팜 보급 확대를 위한 정책수단의 우선순위 결정", 한국산학기술학회논문지, 17(11), pp.348~354 (2016), 한국산학기술학회[DOI]
- Y. J. Kim, "Smart farm operation status analysis and development direction research", Korea rural economic research institute, 201, pp.29~30 (2016)
- 정이나, "스마트 팜의 자동 제어를 위한 AMCS(Agricultural Machine Control System) 설계", 한국정보전자통신기술학회 논문지, 12(3), pp.201~210 (2019), 한국정보전자통신기술학회
- S. Y. Lee, "Small smart farm monitoring and management system", Korea information technology association, 2019, 455~457
- 김수웅, "스마트팜 통합 플랫폼 설계 및 구현", 한국통신학회논문지, 46(12), pp.2403~2410 (2021), 한국통신학회[DOI]
- Y. Lecun, "Deep learning", Nature, 521, pp.436~444 (2015)
- J. H. Lee, "Comparative study of stock price prediction model using LSTM and bidirectional recurrent neural network", 석사, pp.2019
- J. Long, "Fully convolutional networks for semantic segmentation", Proceedings of the IEEE conference on computer vision and pattern recognition, 84(11), pp.3431~3440 (2015)
- G. E. Hinton, "A fast learning algorithm for deep belief nets", Neural computation, 18(7), pp.1527~1554 (2006)
- Y. Lecun, "Gradient-based learning applied to document recognition", Proceedings of the IEEE conference on computer vision and pattern recognition, 86(11), pp.2278~2324 (2018)
- 이세열, "딥러닝을 이용한 심전도 분류 알고리즘에 관한 연구", 한국지식정보기술학회 논문지, 17(1), pp.71~78 (2022), 한국지식정보기술학회[DOI]
- 서상민, "딥러닝 기반의 철강 표면의 결함 검출기", 한국지식정보기술학회 논문지, 16(5), pp.897~904 (2021), 한국지식정보기술학회[DOI]
- C. Dong, "Image super-resolution using deep convolutional networks", IEEE transactions on pattern analysis and machine intelligence, 38(2), pp.295~308 (2016)