• The Journal of the Korea institute of electronic communication sciences
• /
• v.19 no.4
• /
• pp.791-798
• /
• 2024

The purpose of this study is to diagnose diseases in pepper crops using YOLOv8, ResNet50, and Faster R-CNN models and compare their performance. The first model utilizes YOLOv8 for disease diagnosis, the second model uses ResNet50 alone, the third model combines YOLOv8 and ResNet50, and the fourth model uses Faster R-CNN. The performance of each model was evaluated using metrics such as accuracy, precision, recall, and F1-Score. The results show that the combined YOLOv8 and ResNet50 model achieved the highest performance, while the YOLOv8 standalone model also demonstrated high performance.

• 농업기술회보
• /
• v.51 no.3
• /
• pp.25-26
• /
• 2014

가축사료에 항생제 사용이 전면 금지되고 친환경 축산물에 대한 소비자들의 관심이 높아지면서 축산농가에서는 자연스럽게 합성항생제를 대체하는 물질이나 기술에 대한 관심이 높아지고 있다. 최근 미생물과 봉독기술을 활용한 항생제 저감 돼지고기 생산모델을 양돈농가에 접목하여 생산성 향상과 고품질 친환경축산물 생산으로 소득이 증대한 사례가 있어 양돈농가에 소개하여 농가의 경영에 도움이 되었으면 한다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.25 no.4
• /
• pp.398-403
• /
• 2023

Process-based K-cabbage model is based on physiological processes such as photosynthesis and phenology, making it possible to predict crop growth under different climate conditions that have never been experienced before. Current first-stage process-based models can be used to assess climate impact through yield prediction based on climate change scenarios, but no comparison has been performed between big data obtained from the main production area and model prediction so far. The aim of this study was to find out the direction of model improvement when using the current model for yield prediction. For this purpose, model performance evaluation was conducted based on data collected from farmers growing 'Chungwang' cabbage in Taebaek and Samcheok, the main producing areas of Chinese cabbage in highland region. The farms surveyed in this study had different cultivation methods in terms of planting date and soil water and nutrient management. The results showed that the potential biomass estimated using the K-cabbage model exceeded the observed values in all cases. Although predictions and observations at the time of harvest did not show a complete positive correlation due to limitations caused by the use of fresh weight in the model evaluation process (R²=0.74, RMSE=866.4), when fitting the model based on the values 2 weeks before harvest, the growth suitability index was different for each farm. These results are suggested to be due to differences in soil properties and management practices between farms. Therefore, to predict attainable yields taking into account differences in soil and management practices between farms, it is necessary to integrate dynamic soil nutrient and moisture modules into crop models, rather than using arbitrary growth suitability indices in current K-cabbage model.

• Journal of Korea Society of Industrial Information Systems
• /
• v.28 no.5
• /
• pp.1-14
• /
• 2023

Soybeans are one of the world's top five staple crops and a major source of plant-based protein. Due to their susceptibility to climate change, which can significantly impact grain production, the National Agricultural Science Institute is conducting research on crop phenotypes through growth analysis of various soybean varieties. While the process of capturing growth progression photos of soybeans is automated, the verification, recording, and analysis of growth stages are currently done manually. In this paper, we designed and trained a YOLOv5s model to detect soybean leaf objects from image data of soybean plants and a Convolution Neural Network (CNN) model to judgement the unfolding status of the detected soybean leaves. We combined these two models and implemented an algorithm that distinguishes layers based on the coordinates of detected soybean leaves. As a result, we developed a program that takes time-series data of soybeans as input and performs growth analysis. The program can accurately determine the growth stages of soybeans up to the second or third compound leaves.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.114-114
• /
• 2019

최근 들어 집중호우 및 토지이용 변화로 인한 고탁수 문제가 빈번히 발생하고 있다. 이러한 탁수 및 수질오염 문제를 해결하기 위해 환경부는 비점오염원 관리지역을 선정하였으며, Best Management Pratices(BMPs), Low Impact Development(LID) 등 다양한 저감 대책을 시행하고 있다. 비점오염원의 발생원인과 발생위치를 정확하게 증명할 수 없으므로 유역 내 수문 및 수질을 모의할 수 있는 Soil and Water Assessment Tool(SWAT) 모델이 다양한 비점오염원 연구에 널리 활용되고 있다. 그러나 SWAT 모델은 Hydrologic Response Unit(HRU)의 경사도와 경사장을 산정할 때 소유역 내 평균 경사도를 이용하여 토양유실량 및 유출특성을 모의에 필요한 매개변수들을 산정한다는 한계점이 있다. 본 연구에서는 이러한 SWAT 모형의 단점을 보완하기 위하여 실제 경작지를 기준으로 HRU를 생성하고, 실측 경사도와 경사장을 적용하기 위한 기술을 개발하였다. 본 연구에서 개발한 기술을 고탁수로 인해 비점오염원 관리지역으로 지정된 도암호 유역에 적용하여 실측 경사도와 경사장을 적용하여 모의한 유출량과 기존의 SWAT 모델을 통해 모의한 유출량을 비교 분석하였다. 기존 모델의 결과와 본 연구에서 개발한 기술을 적용하여 모의한 결과를 비교하였을 때 수문 컴포넌트 중 중간유출과 기저유출에 있어서 차이가 발생한 것을 알 수 있었다. 또한 본 연구에서 개발된 기술을 적용함으로써 도암호 유역에서 비교적 정확한 토양유실과 Suspended Solids(SS) 모의 결과를 나타냈다. 하지만 본 연구는 도암호 유역만을 대상으로 수행되었기 때문에 다른 비점오염 관리지역에 확대 적용하여 본 연구의 결과를 재검토할 필요가 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.250-250
• /
• 2020

수문시스템은 기후변화와 도시화와 같은 다양한 인간활동으로 인하여 지속적으로 변해오고 있다. 수문시스템의 변화를 이해하는 것은 주요한 과제였으며, 수문모델링, 기후탄력모델 등을 통해 변화의 원인과 정도를 정량화하고자 하는 노력이 이루어져 왔다. 수문모델링 방법은 변화 원인을 통제하고, 각 조건에 따른 영향분석을 수행하기에 용이하나, 유역별 수문모형의 보정과정은 연구자의 많은 노력이 필요하다. 기후탄력모델은 주로 Budyko 곡선이 활용되어왔으며, 장기간의 실측자료를 기반으로 작성된 곡선에서 변화 폭을 통해 기후변화와 인간활동의 영향을 정량화하는 연구가 진행되어왔으나, 장기간의 실측자료가 미비한 유역에서는 적용에 한계가 있다. 본 연구에서는 기후변화와 인간활동에 의한 수문시스템의 변화를 정량화하기 위해 climate elasticity model과 hydrological model을 접목하여 시범유역을 대상으로 분석하고자 한다. 장기간의 유역 유출량 자료는 HSPF 모형을 활용하여 모의하였으며, 2013~2015년은 보정, 2010~2012년은 검정된 모델을 활용하였다. 1970년부터 2015년까지 유출량자료를 활용하여 Budyko curve를 작성하였으며, 1970년대비 2015년의 수문시스템의 변화를 각 원인별로 정량화하였다. 본 연구는 수문시스템의 변화 원인 파악 및 회복을 위한 정책 수립에 기초로 활용할 수 있을 것으로 사료된다.

• Proceedings of the Korean Society of Crop Science Conference
• /
• 2022.10a
• /
• pp.148-148
• /
• 2022

콩[(Glycine max(L.)]은 우리나라에서 벼와 더불어 주요한 식량작물이다. 농촌진흥청에서는 콩 생육데이터를 수집하여 생산성 향상모델을 개발하기 위해 '농업빅데이터수집및생산성향상모델개발' 사업을 수행하고 있다. 수집되는 콩 데이터는 농가정보, 콩 생육정보, 토양정보 부분으로 구성되어 있으며 농가정보는 시군, 시군구, 품종, 파종량, 종자확보경로 등이 수집되고 있다. 그리고 콩 생육정보는 경장, 줄기굵기, 마디수, 가지수, 꼬투리수, 꼬투리립수, 개체당 입수, 종실수량 등이 수집되어 있다. 토양정보는 수분, 지온, EC 등이 수집되고 있다. 주요 항목의 평균은 경장 47.4 cm, 줄기굵기 11.1 mm 마디수 12.7 개, 꼬투리수 54.0 개, 꼬투리립수 2.7 개, 종실수량 227.9 kg/10a 정도이며 토양수분은 26.3 %, 지온은 27.1 ℃ EC는 2.58 ds/CM 정도이다. 주요 형질의 상관관계는 종실수량과 개체당 협수가 0.651로 나타났으며 가지수, 꼬투리수, 개체당협수와 줄기굵기는 각각 0.783, 0.653, 0.663 정도로 나타났다. 추후 이를 기반으로 다중회귀 등 분석 가능한 방법(머신러닝 등)을 적용하여 콩수량을 예측할 수 있는지 검토할 필요가 있다. 또한 본 사업으로 수집된 자료를 분석하여 콩 수량에 영향을 미치는 주요 요인을 평가한 결과는 콩 생산성 향상을 위한 모델 작성에 중요한 자료로 활용될 수 있을 것으로 예상된다.

• Life and Agrochemicals
• /
• v.26 no.4 s.207
• /
• pp.18-21
• /
• 2005

• Magazine of the Korean Society of Agricultural Engineers
• /
• v.62 no.2
• /
• pp.24-31
• /
• 2020

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2001.02a
• /
• pp.339-344
• /
• 2001