• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.186-189
• /
• 2022

스마트팜 피노믹스 시스템은 재배하는 식물의 성장조건에 맞게 생육 환경을 일정하게 유지하고 관리하는 장치이지만, 그럼에도 불구하고 식물의 질병은 여러 가지 이유로 발생할 수 있다. 본 논문에서는 스마트팜 피노믹스 시스템에서 Mean Shift Segmentation 을 통한 식물의 질병을 자동으로 검출하는 식물 질병 검출 알고리즘을 제안한다. 식물의 질병 정도가 임의의 임계값을 넘을 경우, 해당 식물을 질병의 정도가 심한 식물로 판별하고, 적절한 수확시기를 결정하여 더 나은 상품성을 가진 식물을 재배할 수 있는 방법을 제시한다. 또한 식물의 질병이 급격하게 심해지는 기간을 확인하여 인간의 개입 없이 완전히 자동화된 시스템으로 더욱 세심하고 효율적인 식물 재배를 가능하게 함을 제시한다. 본 논문에서는 아이스버그(양상추)에 대한 재배 환경을 구축하여 생장 기간에 아이스버그에 발생하는 질병인 팁번 현상을 검출하는 실험을 진행하였다. 본 논문에서 제안한 방법은 다른 종류의 다양한 식물에서도 질병 검출이 가능하며, 스마트팜 피노믹스 시스템에서 질병 검출의 자동화를 위한 한 가지 방법으로 활용될 수 있을 것으로 기대된다.

• 한국육종학회지
• /
• 제43권4호
• /
• pp.233-240
• /
• 2011

식물 피노믹스 분야에서 초고속 대량선발이 가능하도록 만든 화상기술(imaging technology)을 온실자동화 기술, 이미지 촬영 및 분석기술 등으로 분류하여 개념을 정리하고, 화상기술을 개발 및 응용하고 있는 주요 연구기관의 현황을 소개하였다. 연구동향 파악을 위해 작물의 내재해성 검정, 병해충진단, 종자활력 검정, 수확후 관리, 생체리듬 연구 등 다양한 분야에서 응용되고 있는 사례들을 살펴보았다. 향후 열 화상, 형광 화상 기술을 UV-induced blue green fluorescence, hyperspectral imaging 등과 상호 보완해서 multi-sensor 개념으로 발전시켜 나간다면, 식물의 생산량 증대를 위한 스트레스 내성자원 선발의 효율성을 극대화할 수 있을 뿐만 아니라 다양한 파장대의 영상정보로부터 각 스트레스의 특징을 catalogue화하는 것이 가능하여 다양한 스트레스를 정확히 진단하고 정량화할 수 있을 것으로 보이며, 나아가 각종 스트레스에 대한 조기 경보시스템으로도 활용할 수 있을 것이다. 호주 Plant Phenomics Centre에서는 온실과 포장을 포함한 Phenomics 기술의 종합적 개념도를 그림 4와 같이 제시하고 각 부문별 필요기술을 개발 중에 있는데, 종합기술로 완성된다면 현재의 작물 품종개량 속도를 획기적으로 향상시킬 수 있을 것으로 기대된다. 호주는 그 동안 분자생물학, 식물생리학 분야에서는 기술력을 확보해 왔지만 BT, IT 등 융복합농업기술분야에서는 다른 나라에 비해 역량을 결집하지 못하고 뒤쳐져 있었다고 볼 수 있는데, 연구개발의 궁극적인 목표인 실용화 단계에서의 기술우위를 선점함으로써 그간의 약세를 만회하고자 Phenomics 연구시설을 설치하였다고 한다. 이점은 BT 후발주자이면서 국제적 경쟁력을 확보하려는 우리에게 시사하는 바가 크다. Phenomics 연구는 생명공학기술을 통해 창출된 GM 식물체, 전통육종을 통해 육성된 육종재료 등 모든 유용 유전자원을 평가, 검정할 수 있는 신품종 육성의 기본 기술로 부상하고 있다. 지난 수년간 정체되어 있는 국내 종자시장을 고부가 수출산업으로 육성하기 위해서는 유용 유전자원, 농업생명공학산물의 실용화를 가속화하여야 하며, 이를 위해 피노믹스 기술 확보 및 시설 인프라 구축을 전략적으로 신중히 검토해봐야 할 시점이다.

• 한국산업정보학회논문지
• /
• 제24권4호
• /
• pp.1-8
• /
• 2019

식물 표현체(plant phenomics) 연구는 우수한 형질의 식물 품종과 유전적 특성을 선별하기 위해 여러 식물체의 형태적 특징을 관측하고, 획득한 영상 빅데이터를 분석하는 기술이다. 기존의 방법은 검출 대상에 따라 직접 색상 임계값을 변경해야 하기 때문에 빅데이터를 다루는 정밀검정시스템에 적용하기 어렵다. 본 논문에서는 정밀검정시스템을 위한 식물체와 배경의 자동 분할이 가능한 합성곱 신경망(Convolution neural network: CNN) 구조를 제안한다. LeafNet은 9개의 컨벌루션 계층과 식물의 유무를 판단하기 위한 시그모이드(Sigmoid) 활성화 함수로 구성된다. LeafNet을 이용한 학습 결과, 식물 모종 영상에 대하여 정밀도 98.0%, 재현율 90.3%의 결과가 도출되어 정밀검정시스템의 적용 가능성을 확인하였다.

• 방송공학회논문지
• /
• 제27권6호
• /
• pp.923-935
• /
• 2022

본 논문에서는 스마트팜 시스템에서 재배 중인 식물 잎의 질병을 검출하고, 질병 유형을 분류하는 방법을 제안한다. 영상으로부터식물 잎의 컬러 정보와 질병 유형의 형태 정보를 다층 퍼셉트론(MLP) 모델을 이용하여 학습한다. 1단계에서는 입력된 영상의 컬러분포를 분석하여 질병 존재 여부를 판단한다. 1단계의 질병 존재 가능성이 높은 영상에 대하여 2단계에서는 Mean shift clustering을 이용하여 작은 영역으로 분할하고, 각 분할된 영역 단위로 컬러 정보를 추출하여 제안한 Color Network에 의하여 질병 여부를 판별한다. 컬러 분할된 영역이 Color Network에 의하여 질병으로 판별되면, 3단계에서는 그 영역의 형태 정보를 추출하여 제안한 Shape Network를 이용하여 질병의 유형을 분류한다. 사과나무 잎과 서양 양상추(Iceberg)에서 발생하는 두 가지 대분류 유형의 질병에 대하여, 제안한 기법은 작은 영역 단위로는 92.3%의 잎 질병 검출률을 보였으며, 보통 2개 이상의 질병 영역이 존재하는 한 장의 영상 단위로는 99.3% 이상의 검출률을 보였다. 본 논문에서 제안한 방법은 스마트팜 환경에서 잎 식물의 질병 여부를 조기에 발견할 수 있으며, 대상 식물에 따른 추가 학습 없이 다양한 식물과 질병 유형으로 확대 적용이 가능하다.