• 화훼연구
• /
• 제19권1호
• /
• pp.55-63
• /
• 2011

본 연구는 무궁화와 무궁화속 식물의 종간 교잡하여 얻은 교잡묘의 특성을 조사하고, 기존 무궁화에 비해 꽃이 크고, 화색이 짙고 특이하며, 잎이 크고 특이하거나, 수고가 큰 교목성 등 형태 및 유전적 특성이 뛰어난 신품종을 육성하고자 하였으며 결과는 다음과 같다. 종간 교잡종 중 양친과 형태적 특성이 다르고 기존 품종에 비해 꽃이 크고 특이한 배달계 품종으로 'W-26'과 'W-27'이 나타났으며, 'WRB-2'는 백단심계로 단심이 푸른색으로 특이하였다. '칠채'(♀)와 '파랑새'(♂)의 교잡실생묘에서 선발된 'RV-25'는 대형화로 단심이 긴 특성이 있었고, 꽃이 기존 품종보다 큰 계통으로 'R-141'과 'R-142'이 있었다. 자연 방임수분된 '칠채'의 실생묘에서 선발된 계통 'R-150', 'R-151', 'R-152', 'R-153', 'R-154' 역시 잎, 꽃, 수형 등이 모본과는 형태적 특성이 다른 잎이 넓고 크며, 꽃이 크고 색이 진하고 수형 또한 큰 직립성이었다. 무궁화속 종간 교잡종 중 선발된 신품종으로는 도입된 종간 교잡 품종 '등낭'을 모본으로 하고 무궁화 홍단심계 홑꽃 교목성 무궁화 '남원'을 화분친으로 하여 교배 조합한 교잡체 중 선발된 Hibiscus ${\times}$ 'W-26'의 화색은 흰색으로 양친과 달랐다. 또한 꽃의 모양은 꽃잎의 길이가 폭보다 훨씬 길고 주걱모양으로 기존의 무궁화에서는 드문 꽃잎이 서로 겹치지 않는 I-a형에 가까웠다. 무궁화 종간교잡종 '등낭'과 무궁화 '남원'의 교잡체로부터 백단심계로 단심의 색이 푸른 'WRB-2'가 선발되었다. 백단심계 신품종 'WRB-2'의 수형은 개장형으로 화분친인 '남원'과 유사하였으며 수고 역시 교목성으로 중간형의 '등낭'보다 화분친인 '남원'과 유사하였다. 무궁화 종간교잡종 '칠채'와 '남원'의 종간 교잡종 중에서 선발된 'R-141'은 화형이 모본인 '칠채'를 많이 닮았으나 화색이 '칠채'의 경우 청단심계로 청색이 짙은 반면 신품종 'R-141'은 붉은색이 강해 새로운 계통으로 선발되었다. 또한 꽃이 크고 꽃잎의 폭이 넓어 완전히 겹치는 I-c형으로 나타났다.

• 방송공학회논문지
• /
• 제26권4호
• /
• pp.453-462
• /
• 2021

자동차 번호인식을 위해선 수많은 번호판 데이터가 필요하다. 번호판 데이터는 과거의 번호판부터 최신의 번호판까지 균형 있는 데이터의 확보가 필요하다. 하지만 실제 과거의 번호판부터 최신의 번호판의 데이터를 획득하는데 어려움이 있다. 이러한 문제를 해결하기 위해 인조 번호판을 이용하여 자동차 번호판을 생성하여 딥러닝을 통한 번호판 인식 연구가 진행되고 있다. 하지만 인조 데이터는 실제 데이터와 차이가 존재하며, 이러한 문제를 해결하기 위해 다양한 데이터 증강 기법을 사용한다. 기존 데이터 증강 방식은 단순히 밝기, 회전, 어파인 변환, 블러, 노이즈등의 방법을 사용하였다. 본 논문에서는 데이터 증강 방법으로 인조데이터를 실제 데이터 스타일로 변환하는 스타일 변환 방법을 적용한다. 또한 실제 번호판 데이터는 원거리가 많고 어두운 경우 잡음이 많이 존재한다. 단순히 입력데이터를 가지고 문자를 인식할 경우 오인식의 가능성이 높다. 이러한 경우 문자인식 향상을 위해 본 논문에서는 문자인식을 위하여 화질개선 방법으로 DeblurGANv2 방법을 적용하여 번호판 인식 정확도를 높였다. 번호판 검출 및 번호판 번호인식을 위한 딥러닝의 방식은 YOLO-V5를 사용하였다. 인조 번호판 데이터 성능을 판단하기 위해 자체적으로 확보한 자동차 번호판을 수집하여 테스트 셋을 구성하였다. 스타일 변환을 적용하지 않은 번호판 검출이 0.614mAP를 기록하였다. 스타일 변환을 적용한 결과 번호판 검출 성능이 0.679mAP 기록하여 성능이 향상되었음을 확인하였다. 또한 번호판 문자인식에는 화질 개선을 하지 않은 검출 성공률은 0.872를 기록하였으며, 화질 개선 후 검출 성능이 0.915를 기록하여 성능 향상이 되었음을 확인 하였다.