• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.1146-1149
• /
• 2012

본 연구는 노지에서의 와인용 포도 재배에 있어서 병충해에 대한 실시간 모니터링과 선제적 예방활동을 위해 무선센서 네트워크(Wireless Sensor Network)를 활용하여 데이터를 수집하고 온습도정보, 이미지 등의 분석을 하고 병충해 지식은행을 통한 병충해 발생 확인 및 최적의 조치를 제안하여 와인용 포도의 병충해 피해를 예방하고 생산성을 높일 수 있도록 하는 시스템에 관한 것이다. WSN 센서 노드는 각 블럭 별 및 지형 특성상 높은 고도의 위치 등 다수의 지점에 설치되어 온도 습도 등 환경 데이터를 수집하고, 이미지 센서를 통해 주기적 이미지데이터를 전달하여 지식은행의 데이터를 바탕으로 병충해 발생으로 인한 와인용 포도 재배에 피해가 예상되는 현상을 미리 예측하고 그 해결방안을 제시하여 재배자가 선제적으로 대처할 수 있도록 하여 피해를 최소화한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.457-460
• /
• 2023

본 연구는 시설작물의 병충해 진단을 위해 딥러닝 모델을 응용한 인공지능 서비스 앱, Dr. Vegetable을 제안하고자 한다. 농업 현장에서 숙련된 농부는 한눈에 농작물의 병충해를 판단할 수 있지만 미숙련된 농부는 병충해 피해를 발견하더라도 그 종류와 해결 방법을 찾아내기가 매우 어렵다. 또한 아무리 숙련된 농부라고 할지라도 육안검사만으로 병충해를 조기에 발견하는 것은 쉽지 않다. 한편 시설작물의 경우 병충해에 의한 연쇄피해가 발생할 우려가 있으므로 병충해의 조기 발견 및 방제가 매우 중요하다. 즉, 농부의 경험에 따른 농작물 병해충 진단은 정확성을 장담할 수 없으며 비용과 시간적인 측면에서 위험성이 높다고 할 수 있다. 본 논문에서는 YOLOv5를 활용하여 상추, 고추, 토마토 등 농작물의 병충해를 진단하는 인공지능 서비스를 제안한다. 특히 한국지능정보사회진흥원이 운영하고 있는 AI 통합 플랫폼인 AI 허브에서 제공하는 노지 작물 질병 및 해충 진단 이미지를 사용하여 딥러닝 모델을 학습하였다. 본 연구를 통해 개발된 모바일 어플리케이션을 이용하여 실제 시설농장에서 병충해 진단 서비스를 적용한 결과 약 86%의 정확도, F1 Score 0.84, 그리고 0.98의 mAP 값을 얻을 수 있었다. 본 연구에서 개발한 병충해 진단 딥러닝 모델을 다양한 조도에서 강인하게 동작하도록 개선한다면 농업 현장에서 널리 활용될 수 있을 것으로 기대한다.

• 농약과 식물보호
• /
• 제3권8호
• /
• pp.67-75
• /
• 1982

병충해의 방제목적은 벼의 생육기간 중 벼를 병충해로부터 보호하여 피해를 아주 적게 함으로써 경제적 손실을 막는 데 있다. 이른 봄부터 벼농사 준비를 하여 모기르기, 모내기, 초중기 병충해방제를 잘하여 수확을 눈앞에 두게 되었는데 벼농사 후기에 기상재해 특히 병충해방제 소홀로 예상치 못한 피해를 보아 흉년을 보는 예가 흔히 있다. 특히 비래성 해충은 갑자기 폭발적으로 증가하여 혹독한 피해를 줄 수 있으므로 예찰정보 및 병충해 발생경보등에 귀를 기우려 사전방제에 철저를 기해야 하겠다.

• 농약과 식물보호
• /
• 제10권5호통권92호
• /
• pp.94-100
• /
• 1989

국민소득의 증대와 더불어 생활수준이 향상됨에 따라 쾌적한 주거환경 조성과 정서적인 생활을 영위하기 위하여 꽃의 소비가 날로 증가하고 있고 소비추세 또한 고급 다양화되고 있다. 꽃의 재배면적이 늘어나면서 새로이 문제되는 것이 병충해의 피해로서 그 원인과 대책이 절실히 요구되고 있다. 특히, 꽃은 종류가 많아 병충해 방제가 여간 어렵지 않다. 따라서 효율적인 방제를 위해서는 정확한 진단과 예방이 매우 중요하며 철저한 병충해 방제로 소비자의 기호에 맞는 품질좋은 상품을 생산하는 것이 당면 과제가 아닌가 생각된다. 현지 농가에서 가장 많이 발생되는 병충해를 중심으로 이번호부터 4회에 걸쳐 알아본다.

• 농약과 식물보호
• /
• 제9권2호
• /
• pp.7-12
• /
• 1988

금년도 병충해 방제의 추진방향은 예방위주의 동시 공동방제체제의 정착과 농약의 원활한 공급 및 안전사용지도에 중점을 두고 8년 연속 풍년을 이룩하기 위하여 총력을 기울여야 하겠다.

• 생물환경조절학회지
• /
• 제31권3호
• /
• pp.255-260
• /
• 2022

본 논문은 딥러닝 알고리즘을 이용하여 딸기 영상 데이터의 병충해 존재 여부를 자동으로 검출할 수 있는 서비스 모델을 제안한다. 또한 병징에 특화된 분할 이미지 데이터 세트를 제안하여 딥러닝 모델의 병충해 검출 성능을 향상한다. 딥러닝 모델은 CNN 기반 YOLO를 선정하여 기존의 R-CNN 기반 모델의 느린 학습속도와 추론속도를 개선하였다. 병충해 검출 모델을 학습하기 위해 일반적인 데이터 세트와 제안하는 분할 이미지 데이터 세트를 구축하였다. 딥러닝 모델이 일반적인 학습 데이터 세트를 학습했을 때 병충해 검출률은 81.35%이며 병충해 검출 신뢰도는 73.35%이다. 반면 딥러닝 모델이 분할 이미지 학습 데이터 세트를 학습했을 때 병충해 검출률은 91.93%이며 병충해 검출 신뢰도는 83.41%이다. 따라서 분할 이미지 데이터를 학습한 딥러닝 모델의 성능이 우수하다는 것을 증명할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제48권3호
• /
• pp.90-98
• /
• 2011

전 세계적으로 벼 병충해의 인식과 분류는 농업현장에서 기술적 경제적으로 중요한 요소이다. 컴퓨터 비젼 기술은 벼 병충해를 진단하고 곡물의 효율적인 관리에 유용하다. 영역 분할은 벼 병충해를 조기에 정확하게 탐지하는데 매우 중요한 기술이다. 가우시안 평균기법을 이용한 새로운 벼 병충해 분할 방식을 다양한 색체공간에서 제안하였다. 사용 색체공간에 따라 벼 병충해의 분할에 따른 성능은 달라질 것이다. 따라서, 이 수치연구는 어느 색체공간이 벼 병충해를 분할하는데 최적한지를 결정할 목적으로 수행되었다. 본 연구는 NTSC, CIE, YCbCr, HSV, 그리고 정규화 RGB의 5개의 색체공간을 다루었다. 연구 결과는 YCbCr 색체공간이 98%의 정확도로 벼 병충해 영역을 최적으로 분할하는 것을 보여주었다. 또한 제안하는 방법은 벼 병충해의 영역을 자동화에 의하여 강건하게 분할할 수 있다는 것을 증명하였다.

• 농약과 식물보호
• /
• 제6권9호
• /
• pp.48-56
• /
• 1985

금년도에도 전기 벼농사는 풍년이 될 것임을 보여주고 있다. 초장이나 경수로 보아 약간 떨어지기는 했으나 수량에는 큰 지장을 줄 것 같지 않고 오히려 등숙이 나아질 수 있는 여건이 되기 때문에 큰 기대를 해봄직도 한 상황이다. 그러나 해에 따라서는 예기치 않은 재해와 막바지의 병충해 피해로 말미암아 그 기대가 어긋나는 해도 있었다. 지난 1975년도에서도 모두 풍년임을 자긍하다가 벼멸구의 피해로 그 기대가 사라진 적이 있지 않았던가. 전기 벼농사는 벼의 잎과 줄기를 즉 초장과 경수를 만드는 기간이라면 후기 벼농사는 우리가 실제 필요로 하는 쌀을 만드는 과정이다. 앞으로 해야할 중요한 관리는 물대기 알거름주기 병충해 방제 그리고 제때 벼베기 하는 것들이다.

• 농약과 식물보호
• /
• 제5권8호
• /
• pp.39-48
• /
• 1984

본논 중기의 병충해 방제는 직접 수확과 연관이 되며 또한 본논 중기의 병충해 방제를 소홀히 할 경우 후기에 많은 농작물에 피해를 주어 식량증산 목표에 큰 차질을 가져 오는 근원이 된다. 그중에서도 저온성 해충인 벼줄기 굴파리의 2화기 피해는 직접 수확감수와 관계가 되며 매년 발생면적과 피해가 늘어나고 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.417-419
• /
• 2022

농축업에 ICT 기술을 접목한 스마트 팜은 생육환경을 자동으로 조절하여 노동력 등을 줄이고도 생산성과 품질을 향상시키는 것이 큰 장점이다. 하지만, 수익으로 이어지는 출하량과 품질 유지를 위해서 병충해에 주의를 기울여야 함은 여전하다. 따라서 토마토 잎 병충해 발생 시, 적절한 대응을 통해 더 큰 피해를 막을 수 있으므로, 초기 증상을 포착하는 기법을 개발한다. 오픈 데이터 셋인 Ai hub 의 시설작물 질병 데이터셋과 추가로 확보한 샘플을 포함해 2 개의 충해, 4 개의 병해에 1,231 장으로 데이터셋을 직접 구성해서 학습했다. 객체 탐지와 세그먼테이션이 동시에 가능하며 작은 병변도 잘 탐지하는 모델을 사용해서 총 6 가지 병충해에 대한 뚜렷한 증상 탐지를 보여주었다.