스마트미디어저널 (Smart Media Journal)

  • 제7권3호
  • /
  • Pages.16-21
  • /
  • 2018
  • /
  • 2287-1322(pISSN)
  • /
  • 2288-9671(eISSN)
한국스마트미디어학회 (THE KOREAN INSTITUTE OF SMART MEDIA)
권호 표지
DOI QR코드

DOI QR Code

딥러닝을 이용한 양파 밭의 잡초 검출 연구

Deep learning-based Automatic Weed Detection on Onion Field

  • 김서정 (전북대학교 전자공학부) ;
  • 이재수 (농공학부, 농업과학원, 농촌진흥청) ;
  • 김형석 (지능형 로봇 연구소, 전북대학교)
  • 투고 : 2018.09.17
  • 심사 : 2018.09.22
  • 발행 : 2018.09.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

이 논문은 양파 밭에서 딥러닝 기반 자동 잡초 검출기의 설계 및 구현을 제시합니다. 이 시스템은 컨볼루션 뉴럴 네트워크를 기반으로 제안 된 영역을 선택합니다. 검출기는 양파 밭에서 직접 찍은 데이터 셋을 가지고 훈련됩니다. 학습이 완료 된 후에, 잡초가 될 확률이 매우 높은 후보 지역을 잡초로 간주합니다. Non-maximum suppression을 통해 오버랩된 박스가 최대한 적게 남게 됩니다. 다른 양파 농장을 통해 수집된 데이터를 통해 제안 된 분류기를 평가합니다. 분류 정확도는 고려 된 데이터 셋에서 약 99%를 보여주며, 제안된 방법이 양파 밭에서 잡초 검출과 관련하여 우수한 성능을 나타냄을 알 수 있습니다.

This paper presents the design and implementation of a deep learning-based automated weed detector on onion fields. The system is based on a Convolutional Neural Network that specifically selects proposed regions. The detector initiates training with a dataset taken from agricultural onion fields, after which candidate regions with very high probability of suspicion are considered weeds. Non-maximum suppression helps preserving the less overlapped bounding boxes. The dataset collected from different onion farms is evaluated with the proposed classifier. Classification accuracy is about 99% for the dataset, indicating the proposed method's superior performance with regard to weed detection on the onion fields.

키워드

참고문헌

  1. Guo, W., Rage, U. K. and Ninomiya, S., "Illumination invariant segmentation of vegetation for time series wheat images based on decision tree model," Computers and Electronics in Agriculture, vol. 96, pp. 58-66, Aug. 2013. https://doi.org/10.1016/j.compag.2013.04.010
  2. Hamuda, E., Glavin, M. and Jones, E., "A survey of image processing techniques for plant extraction and segmentation in the field," Computers and Electronics in Agriculture, vol. 125, pp.184-199, July 2016. https://doi.org/10.1016/j.compag.2016.04.024
  3. Torres-Sanchez, J., Lopez-Granados, F. and Pena, J., "An automatic object-based method for optimal thresholding in uav images: Application for vegetation detection in herbaceous crops," Computers and Electronics in Agriculture, vol. 114, pp. 43-52, July2015. https://doi.org/10.1016/j.compag.2015.03.019
  4. Hall, D., McCool, C., Dayoub, F., Sunderhauf, N. and Upcroft, B., "Evaluation of features for leaf classification in challenging conditions," 2015 IEEE Winter Conference on Applications of Computer Vision, pp. 797-804, Marriott Resort, USA, Jan. 2015.
  5. Chen, S., Skandan, S., Dcunha, S., Das, J., Qu, C., Taylor, C. and Kumar, V., "Counting apples and oranges with deep learning: A data driven approach," IEEE Robotics and Automation Letters, vol. 2, no. 2, pp. 781-788, Jan. 2017. https://doi.org/10.1109/LRA.2017.2651944
  6. Potena, C., Nardi, D. and Pretto, A., "Fast and accurate crop and weed identification with summarized train sets for precision agriculture," Proc. of Int. Conf. on Intelligent Autonomous Systems (IAS), pp. 105-121, 2016.
  7. S. H. Lee, C. S. Chan, P. Wilkin, and P. Remagnino, "Deep-plant:Plant identification with convolutional neural networks," Proc. Ofthe IEEE International Conference on Image Processing (ICIP), pp. 452-456, Dec. 2015.
  8. K.Reyes, J.C.Caicedo, and J.E. Camargo, "Fine-tuning deepconvolutional network for plant recognition," Working Notes of CLEF 2015 conference, vol.1391, pp.121, 2015
  9. 강현중, 이준욱, 강성수, "스마트 디바이스 기반의 농업환경관리 지원 서비스," 스마트미디어저널, 제1권, 제1호, 46-51쪽, 2012년 3월
  10. 문해민, 박진원, 반성범, "역전파가 제거된 CNN과 LDA를 이용한 얼굴 영상 해상도별 얼굴 인식률 분석," 스마트미디어저널, 제5권, 제1호, 24-29쪽, 2016년 3월
  11. 박동주, 김병우, 정영선, 안창욱, "Deep Neural Network 기반 프로야구 일일 관중 수 예측 : 광주 -기아 챔피언스 필드를 중심으로," 스마트미디어저널, 제7권, 제1호, 16-23쪽, 2018년 3월
  12. 박선, 김종원, "오픈 소스 기반의 딥러닝을 이용한 적조생물 이미지 분류," 스마트미디어저널, 제7권, 제2호, 34-39쪽, 2018년 6월