스마트미디어저널 (Smart Media Journal)

  • 제11권4호
  • /
  • Pages.9-18
  • /
  • 2022
  • /
  • 2287-1322(pISSN)
  • /
  • 2288-9671(eISSN)
한국스마트미디어학회 (THE KOREAN INSTITUTE OF SMART MEDIA)
권호 표지
DOI QR코드

DOI QR Code

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

  • 방지현 (순천대학교 스마트융합학부) ;
  • 박준 (순천대학교 스마트융합학부) ;
  • 박성욱 (순천대학교 스마트융합학부) ;
  • 김준영 (순천대학교 스마트융합학부) ;
  • 정세훈 (안동대학교 창의융합학부) ;
  • 심춘보 (순천대학교 인공지능학부)
  • 투고 : 2022.05.06
  • 심사 : 2022.05.31
  • 발행 : 2022.05.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

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.

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.

키워드

과제정보

This work was carried out with the support of "Cooperative Research Program for Agriculture Science & Technology Development (Project No. : PJ015151032022)Rural Development Administration, Republic of Korea.

참고문헌

  1. 유거송, 여창민, "KISTEP 기술동향브리프 스마트 농업," 한국과학기술기획평가원, 03호, 2021
  2. Redmon, Joseph, Divvala Santosh, Girchick Ross and Farhadi Ali, "You only look once: Unified, real-time object detection," Proceedings of the IEEE conference on computer vision and pattern recognition. pp. 779-788, 2016.
  3. Redmon, Joseph, and Ali Farhadi. "Yolov3: An incremental improvement," arXiv preprint arXiv:1804.02767, 2018.
  4. Bochkovskiy, Alexey, Chien-Yao Wang, and Hong-Yuan Mark Liao. "Yolov4: Optimal speed and accuracy of object detection," arXiv preprint arXiv:2004.10934, 2020.
  5. 서다솜, 김경철, 이명훈, 권경도, 김국환, "딥러닝을 이용한 온실의 환경에서 토마토 화방 및 과실 객체 검출 모델 연구," 한국통신학회논문지, 제46권, 제11호, 2072-2077쪽, 2021년 11월
  6. 이희준, 이원석, 최인혁, 이충권, "YOLOv3 을 이용한 과일표피 불량검출 모델: 복숭아 사례," Information Systems Review, 제22권, 제1호, 113-124쪽, 2020년 2월 https://doi.org/10.14329/isr.2020.22.1.113
  7. Ko, KwangEun, Hyun Ji Park, and In Hoon Jang, "Real-Time Tomato Instance Tracking Algorithm by using Deep Learning and Probability Model," The Journal of Korea Robotics Society, Vol. 16, No. 1, 49-55pp, Feb., 2021 https://doi.org/10.7746/jkros.2021.16.1.049
  8. [Object Detection] 객체 탐지 정확도 평가 지표 mAP(mean Average...(2021). https://eehoeskrap.tistory.com/546 (accessed Apr., 24, 2022)
  9. Accuracy(정확도), Recall(재현율), Precision(정밀도), 그리고 F1 Score(2019). https://eunsukimme.github.io/ml/2019/10/21/Accuracy-Recall-Precision-F1-score/ (accessed Apr., 24, 2022)
  10. 아이오닉 (모바일 앱 프레임워크)(2022). https://ko.wikipedia.org/wiki/%EC%95%84%EC%9D%B4%EC%98%A4%EB%8B%89_(%EB%AA%A8%EB%B0%94%EC%9D%BC_%EC%95%B1_%ED%94%84%EB%A0%88%EC%9E%84%EC%9B%8C%ED%81%AC) (accessed Apr., 24, 2022)
  11. 박준, 김준영, 박성욱, 정세훈, 심춘보, "ResNet 기반 작물 생육단계 추정 모델 개발," Smaer Media Journal, 제11권, 제2호, 53-62.쪽, 2022년 03월
  12. 김삼근, 허환, 안재근, "전이 학습 기반의 모바일 작물 질병 진단을 위한 PWA," Journal of the Korea Academia-Industrial cooperation Society, 제23권, 제2호, 22-29.쪽, 2022 https://doi.org/10.5762/KAIS.2022.23.2.22
  13. 양희찬, 이재수, 이현동, 김형석, "인공지능을 이용한 파프리카 실내 양액 재배 시 발생하는 병해충 자동 검출," Journal of Institute of Control, 제24권, 제11호, 1020-1024.쪽, 2018년 11월
  14. 양미혜, 남원호, 김태곤, 이관호, 김영화, "Machine learning application for predicting the strawberry harvesting time," Korean Journal Of Agricultural Science, 제46권, 제2호, 381-393.쪽, 2019년 6월 https://doi.org/10.7744/KJOAS.20190026
  15. 나명환, 조완현, 김상균, "딥러닝 알고리즘을 이용한 토마토에서 발생하는 여러 가지 병해충의 탐지와 식별에 대한 웹응용 플랫폼의 구축," J Korean Soc Qual Manag, 제48권, 제4호, 581-596.pp, 2019 https://doi.org/10.7469/JKSQM.2020.48.4.581
  16. 문태원, 박준영, 손정익, "합성곱 신경망을 이용한 온실 파프리카의 작물 생체중 추정," Protected Horticulture and Plant Factory, 제29권, 제4호, 381-387쪽, 2020년 10월 https://doi.org/10.12791/KSBEC.2020.29.4.381