다중센서 기반 서리관측 시스템의 개선: MFOS v2

Improvement of Multiple-sensor based Frost Observation System (MFOS v2)

본 연구는 개선된 '다중센서 기반 무인 서리관측시스템(MFOS, Multiple-sensor based Frost Observation System)'을 소개하였다. 개선된 시스템인 MFOS v2는 엽면습윤센서를 기반으로 서리 감지는 물론, 서리 발생 주요 인자인 표면온도 예측을 위한 기능도 겸한다. 기존 관측 시스템은 1) 엽면습윤센서 표면이 대부분의 가시광선을 반사하기 때문에 RGB 카메라로 엽면습윤센서 촬영 시 표면에 발생한 얼음(서리) 관측이 어려움, 2) 일출 전과 후에 RGB 카메라 촬영 결과가 어두움, 3) 열적외선 카메라가 온도의 상대적인 고저만을 보여주는 단점들이 존재하였다. 엽면습윤센서 표면에 발생한 얼음(서리) 파악을 위해 검정색으로 표면 도색된 엽면습윤센서를 추가 설치하였고, 동일한 높이에 유리판들을 설치하여 얼음(서리) 발생 확인을 위한 보조 도구로 활용하였다. 일출 전과 후에 RGB 카메라 촬영을 위해 카메라 촬영 시간에 맞춰 전원이 On/Off 되도록 LED 조명을 연동시켜 설치하였다. 상대적인 온도의 높고 낮음 판단만 가능했던 기존의 열적외선 카메라도 픽셀당 온도 값 추출이 가능하도록 개선하였다. 이러한 개선 사항들을 반영한 MFOS v2는 실제 농경지에 설치하여 운영 중이며, 서리예측 모델에 들어갈 입력자료를 생산하는 진보된 서리 관측시스템으로서 중요한 역할을 할 것으로 기대된다.

This study aimed to supplement the shortcomings of the Multiple-sensor-based Frost Observation System (MFOS). The developed frost observation system is an improvement of the existing system. Based on the leaf wetness sensor (LWS), it not only detects frost but also functions to predict surface temperature, which is a major factor in frost occurrence. With the existing observation system, 1) it is difficult to observe ice (frost) formation on the surface when capturing an image of the LWS with an RGB camera because the surface of the sensor reflects most visible light, 2) images captured using the RGB camera before and after sunrise are dark, and 3) the thermal infrared camera only shows the relative high and low temperature. To identify the ice (frost) generated on the surface of the LWS, a LWS that was painted black and three sheets of glass at the same height to be used as an auxiliary tool to check the occurrence of ice (frost) were installed. For RGB camera shooting before and after sunrise, synchronous LED lighting was installed so the power turns on/off according to the camera shooting time. The existing thermal infrared camera, which could only assess the relative temperature (high or low), was improved to extract the temperature value per pixel, and a comparison with the surface temperature sensor installed by the National Institute of Meteorological Sciences (NIMS) was performed to verify its accuracy. As a result of installing and operating the MFOS v2, which reflects these improvements, the accuracy and efficiency of automatic frost observation were demonstrated to be improved, and the usefulness of the data as input data for the frost prediction model was enhanced.