• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• 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.

• Journal of the Korea Institute of Building Construction
• /
• v.21 no.5
• /
• pp.397-408
• /
• 2021

The construction industry has the highest occupational accidents/injuries and has experienced the most fatalities among entire industries. Korean government installed surveillance camera systems at construction sites to reduce occupational accident rates. Construction safety managers are monitoring potential hazards at the sites through surveillance system; however, the human capability of monitoring surveillance system with their own eyes has critical issues. A long-time monitoring surveillance system causes high physical fatigue and has limitations in grasping all accidents in real-time. Therefore, this study aims to build a deep learning-based safety monitoring system that can obtain information on the recognition, location, identification of workers and heavy equipment in the construction sites by applying multiple object tracking with instance segmentation. To evaluate the system's performance, we utilized the Microsoft common objects in context and the multiple object tracking challenge metrics. These results prove that it is optimal for efficiently automating monitoring surveillance system task at construction sites.