• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 추계 학술발표회 논문집
• /
• pp.143-148
• /
• 2003

본 논문에서는 통계적 방법에 기초한 사과 선별시스템을 이용하여 사과의 색깔을 식별하고자 한다. 이를 위해 T-검정을 이용하여 에지를 검출하였고 검출된 에지로부터 체인코드를 이용하여 사과 영상의 경계선과 환상대 영역을 구하였다. 우리는 주어진 사과영상의 환상대 영역으로부터 R, G, B 채널상에서 히스토그램과 평균 명암값을 구하여 색깔 판정용 표준사과로부터 얻은 기준값들과 비교함으로서 사과의 색깔을 식별하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.758-760
• /
• 2022

본 연구는 머신러닝의 한 종류인 YOLOv5를 이용하여 기존 육안 선별작업을 자동화 하는 기계를 설계하는 것이다. 본 연구에서는 영상촬영과 선별작업을 진행하는 컨베이어 기구와 선별 프로그램을 제작하고, 모든 표면을 검사해 사과의 품질을 3단계로 구별하는 작업을 진행하였다. 결과적으로 투입된 사과의 품질을 성공적으로 분류 하였다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.208-213
• /
• 2021

본 논문에서는 농산물 산지 유통 센터에서 설치되어 사용하고 있는 비파괴 과일 선별 시스템을 이용하여 정상 사과와 내부에 결함이 있는 사과를 판별하기 위한 최적 파장과 해당 스펙트럼의 특성을 구명하고자 하였다. 총 54개 사과에 대해 470 - 1150 nm의 파장 범위에서 정상 사과와 갈변 사과의 투과 스펙트럼을 획득하였다. 주성분 분석(PCA)을 활용하여 정상 사과와 내부 갈변 사과의 군집을 확인하였으며, 판별 모델의 개발과 평가를 위해 부분최소제곱회귀(PLSR) 분석을 수행하였다. PCA 분석에서는 정상 사과와 내부 갈변 사과 군집의 확연한 구분이 보여 높은 판별율의 결과를 보여주었다. PLSR 분석 결과, 전처리를 하지 않은 예측 모델의 상관계수(R)는 0.902, RMSE 값은 0.157이었으며, 전처리를 적용했을 때 예측 모델의 상관계수는 0.906, RMSE 값은 0.154이었다. 따라서, 이 PLSR 모델은 이 시스템을 활용해 내부 갈변이 있는 사과도 우수하게 판별할 수 있음을 알 수 있었다. 이와 같은 방식을 이용할 경우, 외부 결함과 더불어 내부 결함에 대한 농산물 선별과 평가에 적용될 수 있을 것으로 사료된다.

• 스마트미디어저널
• /
• 제11권4호
• /
• pp.46-55
• /
• 2022

과일 품질 자동 선별 시스템에서 흠집이나 부패한 부위가 존재하는 불량 과일을 우선적으로 검출하여 제거하는 작업은 매우 중요하다. 본 연구에서는 기존의 영상처리 기법을 이용하여 불량 부위가 있는 과일 검출하는 방법의 한계점을 극복하기 위하여, 최신 인공지능 기술인 Yolo V4 딥러닝 지능기술을 이용하여 과일 불량 부위를 검출하는 방법을 제안한다. 본 연구에서는 흠집 또는 부패 부위가 존재하는 1,100개의 불량 사과 및 1,300개의 불량 배를 포함한 총 2,400개의 불량 과일에 대하여 Yolo V4 딥러닝 모델을 사용하여 학습하고 불량 부위 검출 실험을 하였다. 성능 실험 결과에 따르면 사과의 정확률은 0.80, 재현율은 0.76, IoU는 69.92%, mAP는 65.27%이고, 배의 정확률은 0.86, 재현율은 0.81, IoU는 70.54%, mAP는 68.75%의 성능을 나타내었다. 본 연구에서 제안한 방법은 기존 영상처리 기법을 이용한 방법보다 불량 부위가 있는 과일을 실시간으로 정확하게 선별하여 기존 과일 자동 품질 선별시스템의 성능을 획기적으로 개선할 수 있다.

• 스마트미디어저널
• /
• 제12권1호
• /
• pp.9-16
• /
• 2023

최근 농가의 사과 품질 선별 작업에서 인적자원의 한계를 극복하기 위해 합성곱 신경망(CNN) 기반 시스템이 개발되고 있다. 그러나 합성곱 신경망은 동일한 크기의 이미지만을 입력받기 때문에 샘플링 등의 전처리 과정이 요구될 수 있으며, 과도 샘플링의 경우 화질 저하, 블러링 등 원본 이미지의 정보손실 문제가 발생한다. 본 논문에서는 위 문제를 최소화하기 위하여, 원본 이미지의 패치 기반 그래프를 생성하고 그래프 트랜스포머 모델의 랜덤워크 기반 위치 인코딩 방법을 제안한다. 위 방법은 랜덤워크 알고리즘 기반 위치정보가 없는 패치들의 위치 임베딩 정보를 지속적으로 학습하고, 기존 그래프 트랜스포머의 자가 주의집중 기법을 통해 유익한 노드정보들을 집계함으로써 최적의 그래프 구조를 찾는다. 따라서 무작위 노드 순서의 새로운 그래프 구조와 이미지의 객체 위치에 따른 임의의 그래프 구조에서도 강건한 성질을 가지며, 좋은 성능을 보여준다. 5가지 사과 품질 데이터셋으로 실험하였을 때, 다른 GNN 모델보다 최소 1.3%에서 최대 4.7%의 학습 정확도가 높았으며, ResNet18 모델의 23.52M보다 약 15% 적은 3.59M의 파라미터 수를 보유하여 연산량 절감에 따른 빠른 추론 속도를 보이며 그 효과를 증명한다.