딥러닝 기반의 객체 탐지 모델을 활용한 과수 생육 단계 판별 시스템
A System for Determining the Growth Stage of Fruit Tree Using a Deep Learning-Based Object Detection Model
0
조회
0
다운로드
10
인용
0
참고문헌
키워드
초록
인공지능 기술의 발전으로 다양한 분야에서 AI가 접목된 시스템에 대한 관심이 급증하고 있다. 농업에서도 정보통신 기술을 적용한 스마트팜이 활용되고 있으며, 자율주행, 인공위성, 빅데이터 등의 다양한 첨단 기술을 접목하여 데이터 기반의 정밀 농업이 상용화되고 있다. 국내의 경우 시설농업 분야 스마트농업의 상용화 사례가 증가하고 있으나 시설원예 분야에 투자 편증이 심하여, 시설농업과 노지 농업의 투자 격차가 지속해서 벌어지고 있다. 특히, 과수, 식물공장 분야는 투자 규모가 작다. 또한, 빅데이터 수집, 활용 체계가 미흡하다는 문제점이 있다. 이에 본 논문에서는 농업의 빅데이터를 활용하는 방안으로 딥러닝 기반의 객체 탐지 모델을 활용한 과수 생육 단계 판별 시스템을 제안한다. 해당 시스템은 농업 현장에서 사용할 수 있도록 하이브리드 앱을 설계 및 구현하며 과수 생육단계 판별을 위한 객체 탐지 기능을 제공한다.
Abstract
Recently, research and system using AI is rapidly increasing in various fields. Smart farm using artificial intelligence and information communication technology is also being studied in agriculture. In addition, data-based precision agriculture is being commercialized by convergence various advanced technology such as autonomous driving, satellites, and big data. In Korea, the number of commercialization cases of facility agriculture among smart agriculture is increasing. However, research and investment are being biased in the field of facility agriculture. The gap between research and investment in facility agriculture and open-air agriculture continues to increase. The fields of fruit trees and plant factories have low research and investment. There is a problem that the big data collection and utilization system is insufficient. In this paper, we are proposed the system for determining the fruit tree growth stage using a deep learning-based object detection model. The system was proposed as a hybrid app for use in agricultural sites. In addition, we are implemented an object detection function for the fruit tree growth stage determine.
참고문헌 (16)
- 유거송, "스마트농업", KISTEP 기술동향브리프, (03) (2021), 한국과학기술기획평가원
- Redmon, "You only look once : Unified, real-time object detection", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.779~788 (2016)
- Redmon, "Yolov3: An incremental improvement", arXiv preprint arXiv : 1804. 02767, ~ (2018)
- Bochkovskiy, "Yolov4 : Optimal speed and accuracy of object detection", arXiv preprint arXiv : 2004. 10934, ~ (2020)
- 서다솜, "딥러닝을 이용한 온실의 환경에서 토마토 화방 및 과실 객체 검출 모델 연구", 한국통신학회논문지, 46(11), pp.2072~2077 (2021), 한국통신학회[DOI]
- 이희준, "YOLOv3을 이용한 과일표피 불량검출 모델: 복숭아 사례", 경영정보학연구, 22(1), pp.113~124 (2020), 한국경영정보학회
- 고광은, "딥러닝과 확률모델을 이용한 실시간 토마토 개체 추적 알고리즘", 로봇학회 논문지, 16(1), pp.049~055 (2021), 한국로봇학회
- "객체 탐지 정확도 평가 지표 mAP(mean Average.." (2021)[URL]
- "Accuracy(정확도), Recall(재현율), Precision(정밀도), 그리고 F1 Score" (2019)[URL]
- "아이오닉 (모바일 앱 프레임워크)" (2022)[URL]
- 박준, "ResNet 기반 작물 생육단계 추정 모델 개발", 스마트미디어저널, 11(2), pp.53~62 (2022), (사)한국스마트미디어학회[DOI]
- 김삼근, "전이 학습 기반의 모바일 작물 질병 진단을 위한 PWA", 한국산학기술학회논문지, 23(2), pp.22~29 (2022), 한국산학기술학회[DOI]
- 양희찬, "인공지능을 이용한 파프리카 실내 양액 재배 시 발생하는 병해충 자동 검출", 제어.로봇.시스템학회 논문지, 24(11), pp.1020~1024 (2018), 제어·로봇·시스템학회[DOI]
- 양미혜, "Machine learning application for predicting the strawberry harvesting time", Korean Journal of Agricultural Science, 46(2), pp.381~393 (2019), 농업과학연구소[DOI]
- 나명환, "딥러닝 알고리즘을 이용한 토마토에서 발생하는 여러가지 병해충의 탐지와 식별에 대한 웹응용 플렛폼의 구축", 품질경영학회지, 48(4), pp.581~596 (2020), 한국품질경영학회[DOI]
- 문태원, "합성곱 신경망을 이용한 온실 파프리카의 작물 생체중 추정", 생물환경조절학회지, 29(4), pp.381~387 (2020), (사) 한국생물환경조절학회[DOI]