• 생물환경조절학회지
• /
• 제10권3호
• /
• pp.172-180
• /
• 2001

본 연구에서는 포도 수확기 개발을 위하여 가장 중요한 영상처리 알고리즘을 개발하고자 두 대의 카메라를 이용한 스트레오 영상 시스템을 개발하였다. 따라서 3차원 공간상의 포도를 카메라로부터 얻어진 2차원 평면 영상을 분석한 후 알고리즘을 개발하였다. 이를 이용하여 포도 수확을 위한 3차원 공간영상의 거리정보를 획득할 수 있도록 알고리즘을 연구한 결과, 다음과 같은 결론을 얻었다. 가. 모형 포도를 이용한 실내에서의 스트레오 영상 거리 계측 결과 실제거리 1100mm까지는 오차가 5mm 이하로 비교적 정확하게 계측할 수 있었다. 그러나 실제거리 1200mm이상에서는 10mm 이상으로 비교적 오차가 크게 나타났다. 이는 거리가 멀어지면서 영상의 화소값을 통한 거리 계측에서 단위화소에 해당하는 실제거리의 정확도가 감소하였기 때문인 것으로 판단되었다. 나. 현장에서 획득한 포도 영상을 이용한 스트레오 영상 거리계측 결과 실제거리와 계측거리간의 오차가 5mm 이내로서 비교적 정확하게 측정되었다. 따라스 스트레오 영상을 이용한 포도까지의 거리계측용 영상처리 시스템은 현장에서도 적용가능 할 것으로 판단되었다.

• 현장농수산연구지
• /
• 제23권2호
• /
• pp.99-111
• /
• 2021

농경지, 농기계, 농작업자 간 IoT 등의 통신 기술을 이용한 유기적인 정보교환을 통해 생산성, 효율성, 수익성을 높이는 지능형 데이터 농업 형태인 커넥티드 팜이 상용화 단계에 있다. 본 연구는 지능형 농업기계의 교육과정과 농업기계 안전교육 성과지표를 개발하고자 ICT, 로봇, 인공지능 등 첨단 기술을 적용한 농업생산의 무인화 및 고효율화 변화에 따른 농업기계의 특허 동향을 조사 분석하였다. 노지용 자동화 기술과 관련해서 미국, 일본, 유럽, 한국의 특허 건수는 각각 541건, 326건, 128건, 85건으로 미국에서의 특허 활동이 가장 활발한 것으로 나타났고, 일본, 유럽, 한국의 순으로 조사되어 한국에서의 농업 자동화 기술이 선진국에 비해 뒤쳐져있는 것으로 조사되었다. 노지 자동화 기술의 세분기술 분야로 보면, 경로 생성 및 추종 기술, 환경 인식을 통한 작업기 제어 기술, 로봇 농작업 시스템 설계 기술, 작물 및 환경 센싱 기술, 수확량 및 품질 모니터링 기술 분야 순으로 출원 점유율이 높은 것으로 나타났다.

• 생물환경조절학회지
• /
• 제13권1호
• /
• pp.1-7
• /
• 2004

본 연구는 오이수확기의 매니퓰레이터 개발을 위한 기구학적 분석을 하는 것이다. 매니퓰레이터의 정방향 기구학 및 역방향 기구학 분석을 한 후 실제 장치의 반복오차 측정실험을 통해 이론 값을 검증하였다. 매니퓰레이터는 총 세 개의 링크로서 한 개의 수직링크와 두 개의 호전링크로 구성되어져 있으며, 세 개의 스테핑 모터가 각 관절에 장착되어 링크에 동력을 전달한다. 주요 연구결과를 요약하면 다음과 같다. D-H Parameter를 이용하여 정방향 기구학에 의한 매리퓰레이터의 변환 연산자를 얻었다. 역방향 기구학의 해는 두가지로 나타났으며 삼각함수를 이용하여 해를 구하였다. 매리퓰레이터의 반복오차를 측정한 검증 실험에서는 X, Y, Z축에 대하여 반복 오차가 최대 2.60mm, 2.05mm, 1.55mm로 나타났으며, 정방향 및 역방향 기구학에서 오차의 최대지점 및 최소지점의 실제 좌표는 일치하였다. 반복오차 측정 결과는 매리퓰레이터의 목표지점인 오이의 직경에 비해 비교적 작게 나타났다. 측정오차는 실험중 발생한 실험오차로 판단된다. 매니퓰레이터의 오차를 줄이고 작업능률의 향상을 위해서는 링크의 수를 줄이고 오이의 품종 및 재배환경을 고려하여야 하며, 경량이면서도 견고한 재료를 사용하여 하중을 줄여야 한다.

• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.270-278
• /
• 2022

본 연구는 무대재배 복숭아 '미황'을 대상으로 성숙기간 중 RGB 영상을 취득한 후 다양한 품질 지표를 측정하고 이를 딥러닝 기술에 적용하여 복숭아 과실 숙도 분류의 가능성을 탐색하고자 실시하였다. 취득 영상 730개의 데이터를 training과 validation에 사용하였고, 170개는 최종테스트 이미지로 사용하였다. 본 연구에서는 딥러닝을 활용한 성숙도 자동 분류를 위하여 조사된 품질 지표 중 경도, Hue 값, a^*값을 최종 선발하여 이미지를 수동으로 미성숙(immature), 성숙(mature), 과숙(over mature)으로 분류하였다. 이미지 자동 분류는 CNN(Convolutional Neural Networks, 컨볼루션 신경망) 모델 중에서 이미지 분류 및 탐지에서 우수한 성능을 보이고 있는 VGG16, GoogLeNet의 InceptionV3 두종류의 모델을 사용하여 복숭아 품질 지표 값의 분류 이미지별 성능을 측정하였다. 딥러닝을 통한 성숙도 이미지 분석 결과, VGG16과 InceptionV3 모델에서 Hue_left 특성이 각각 87.1%, 83.6%의 성능(F1 기준)을 나타냈고, 그에 비해 Firmness 특성이 각각 72.2%, 76.9%를 나타냈고, Loss율이 각각 54.3%, 62.1%로 Firmness를 기준으로 한 성숙도 분류는 적용성이 낮음을 확인하였다. 추후에 더 많은 종류의 이미지와 다양한 품질 지표를 가지고 학습이 진행된다면 이전 연구보다 향상된 정확도와 세밀한 성숙도 판별이 가능할 것으로 판단되었다.