Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지
DOI QR코드

DOI QR Code

Development of ResNet based Crop Growth Stage Estimation Model

ResNet 기반 작물 생육단계 추정 모델 개발

  • 박준 (순천대학교 스마트융합학부) ;
  • 김준영 (순천대학교 스마트융합학부) ;
  • 박성욱 (순천대학교 스마트융합학부) ;
  • 정세훈 (안동대학교 창의융합학부) ;
  • 심춘보 (순천대학교 인공지능학부)
  • Received : 2022.03.07
  • Accepted : 2022.03.31
  • Published : 2022.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

Due to the accelerated global warming phenomenon after industrialization, the frequency of changes in the existing environment and abnormal climate is increasing. Agriculture is an industry that is very sensitive to climate change, and global warming causes problems such as reducing crop yields and changing growing regions. In addition, environmental changes make the growth period of crops irregular, making it difficult for even experienced farmers to easily estimate the growth stage of crops, thereby causing various problems. Therefore, in this paper, we propose a CNN model for estimating the growth stage of crops. The proposed model was a model that modified the pooling layer of ResNet, and confirmed the accuracy of higher performance than the growth stage estimation of the ResNet and DenseNet models.

산업화 이후 가속화된 지구 온난화 현상으로 인해 기존환경 변화 및 이상기후 발생 빈도가 증가하고 있다. 농업은 기후변화에 매우 민감한 분야의 산업으로 지구 온난화는 작물의 생산량을 감소시키고 재배 지역이 변하는 등의 문제를 발생시킨다. 또한, 환경 변화는 작물의 생육 시기를 불규칙하게 만들어 숙련된 농사꾼들도 작물의 생육단계를 쉽게 추정할 수 없도록 만들어 여러 문제를 발생시킨다. 이에 본 논문에서는 작물의 생육단계를 추정하기 위한 CNN(Convolution Neural Network) 모델을 제안한다. 제안한 모델은 ResNet의 Pooling Layer를 수정한 모델로 ResNet, DenseNet 모델의 생육단계 추정보다 높은 성능 결과를 확인하였다.

Keywords

Acknowledgement

This work was carried out with the support of "Cooperative Research Program for Agriculture Science & Technology Development (Project No. : PJ015151032020)Rural Development Administration, Republic of Korea.

References

  1. IPCC, "Climate Change 2021 The Physical Science Basis", WGI, Nov. 2021.
  2. WMO, "State of Global Climate 2021 WMO Provisional report", WORLD METEORLOGICAL ORGANIZATION, Seoul, Korea, Nov. 2021.
  3. NOAA, "Global Climate Report-2016", National Centers for Environmental Information, Dec. 2016.
  4. Matt McGrath, "Climate change: Key crops face major shifts as world warms", BBC, https://www.bbc.com/news/science-environment-60141387 (accessed Jan., 26, 2022).
  5. 농림축산식품부, "딸기, 생산 및 가격 동향", 대한민국 정책 브리핑, 2022년 2월
  6. 기상청, "한국 기후변화 평가보고서 2020 : 기후변화 과학적 근거", ISBN 978-89-954715-7-9, 2020년 7월
  7. 김광수, 김준환, 현시우, "주요 채소 작물 대상 작물모형 모수 추정 및 검증을 지원하기 위한 생육 조사 프로토콜 분석", 한국농림기상학회지, 제22권, 제2호, 68-78쪽, 2020년 6월 https://doi.org/10.5532/KJAFM.2020.22.2.68
  8. K. He, X. Zhang, S. Ren, and J. Sun, "Deep residual learning for image recognition," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 770-778, June. 2016.
  9. 김이현, 홍석영, 이훈열, 이재은, 이경도, "마이크로파 산란계를 이용한 벼, 콩 생육단계 추정", 한국토양비료학회지, 제45권, 제4호, 503-510쪽, 2012년 2월 https://doi.org/10.7745/KJSSF.2012.45.4.503
  10. 김진희, 윤진일, "온도시간 기반의 배추 생육단계 추정", 한국농림기상학회지, 제17권, 제4호, 333-339쪽, 2015년 11월 https://doi.org/10.5532/KJAFM.2015.17.4.333
  11. 문태원, 박준영, 손정익 "합성곱 신경망을 이용한 온실 파프리카의 작물 생체중 추정", 생물환경조절학회지, 제29권, 제4호, 381-3387쪽, 2020년 10월
  12. G. Huang, Z. Liu, L. van der Maaten, and K. Q. Weinberger, "Densely Connected Convolutional Networks", Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, Vol. 1, No. 2, pp. 4700-4708, Jul. 2017
  13. A. Mateo-Sanchis, M. Piles, J. Munoz, J. Adsuara, A. Perez-Suay, and G. Camps-Valls, "Synergistic integration of optical and microwave satellite data for crop yield estimation", 2019 The Authors. Published by Elsevier Inc, Vol. 234, No. 1, pp. 111460-111472, Dec. 2019
  14. A. Sulthony Susilo, N. Aditya Karna, And R. Mayasari, "Decision Tree-Based Bok Choy Growth Prediction Model for Smart Farm", 2021 4th International Conference on Information and Communications Technology (ICOIACT), Yogyakarta, Indonesia, Aug. 2021
  15. S. Rasti, Chris. J, Bleakley, G. C. M. Silvestre, N. M. Holden, D. Langton, and G. M. P. O'Hare, "Crop growth stage estimation prior to canopy closure using deep learning algorithms", Neural Computing and Applications, Vol.33, pp. 1733-1743, June. 2020
  16. 강현중, 이준욱, 강성수, 손정익, "스마트 디바이스 기반의 농업환경관리 지원 서비스", 스마트미디어저널, 제1권, 제1호, 42-47쪽, 2012년 03월
  17. 차병래, 최명수, 김봉국, 전오성, 한태호, 김종원, 박선, "차세대 IoF-Cloud 기반 스마트 온실 및 서비스 연구", 스마트미디어저널, 제5권, 제3호, 17-24쪽, 2016년 09월
  18. 오정원, 김행곤, 김일태, "머신러닝 적용 과일 수확시기 예측시스템 설계 및 구현", 스마트미디어저널, 제8권, 제1호, 74-801쪽, 2019년 03월 https://doi.org/10.30693/SMJ.2019.8.1.74
  19. 박준, 정세훈, 심춘보, "CNN을 활용한 수박과 콩의 병해 이미지 분류", 멀티미디어학회, 제23권, 제2호, 2020년 04월