• 한국농공학회논문집
• /
• 제61권1호
• /
• pp.95-105
• /
• 2019

Evapotranpiration (ET) is one of the important factor in Hydrological cycle and irrigation planning. In this study, temperature-based artificial neural network (ANN) model for daily reference crop ET estimation was developed and compared with reference crop evapotranpiration ($ET_0$) from FAO-56 Penman-Monteith method (FAO-56 PM) and parameter regionalized Hargreaves method. The ANN model was trained and tested for 10 weather stations (5 inland stations and 5 costal stations) and two input climate factors, maximum temperature ($T_{max}$), minimum temperature ($T_{min}$), and extraterrestrial radiation (RA) were used for training and validation of temperature-based ANN model. Monthly reference ET by the ANN model also compared with parameter regionalized Hargreaves method for ANN model applicability evaluation. The ANN model evapotranspiration demonstrated more accordance to FAO-56 PM evapotranspiration than the $ET_0$ from parameter regionalized Hargreaves method(R-Hargreaves). The results of this study proposed that daily reference crop ET estimated by the ANN model could be used in the condition of no sufficient climate data.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2022년도 추계학술대회
• /
• pp.88-88
• /
• 2022

Detection of stress responses in crops is important to diagnose crop growth and evaluate yield. Also, the multi-spectral sensor is effectively known to evaluate stress caused by nutrient and moisture in crops or biological agents such as weeds or diseases. Therefore, in this experiment, multispectral images were taken by an unmanned aerial vehicle(UAV) under field condition. The experiment was conducted in the long-term fertilizer field in the National Institute of Crop Science, and experiment area was divided into different status of NPK(Control, N-deficiency, P-deficiency, K-deficiency, Non-fertilizer). Total 11 vegetation indices were created with RGB and NIR reflectance values using python. Variations in nutrient content in plants affect the amount of light reflected or absorbed for each wavelength band. Therefore, the objective of this experiment was to evaluate vegetation indices derived from multispectral reflectance data as input into machine learning algorithm for the classification of nutritional deficiency in rice. RandomForest model was used as a representative ensemble model, and parameters were adjusted through hyperparameter tuning such as RandomSearchCV. As a result, training accuracy was 0.95 and test accuracy was 0.80, and IPCA, NDRE, and EVI were included in the top three indices for feature importance. Also, precision, recall, and f1-score, which are indicators for evaluating the performance of the classification model, showed a distribution of 0.7-0.9 for each class.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1007-1014
• /
• 2022

차세대중형위성(Compact Advanced Satellite 500, CAS500)은 식생, 산림, 농업 등의 분야를 포함한 다양한 목적을 위하여 사용될 수 있으며, 다양한 영역에 대한 빠른 위성영상의 취득이 가능할 것으로 기대되고 있다. 차세대중형위성을 통하여 취득된 위성영상을 농업분야에서 활용하기 위해서는 위성영상 기반 작물재배지역 추출 기법에 대한 개발이 필요하다. 특히, 최근 들어 딥러닝 분야에 대한 연구가 활발해짐에 따라서, 작물재배지역 추출을 위한 딥러닝 모델의 개발 및 훈련자료 생성에 관한 연구가 필요한 실정이다. 본 연구에서는 PlanetScope 위성영상과 팜맵을 이용하여 합천군 지역의 양파 및 마늘 재배지역을 분류하고자 하였다. 특히, 효과적인 모델의 학습을 위하여 작물재배지역의 비율에 따른 모델 성능을 분석하고자 하였다. 실험에 사용한 딥러닝 모델은 Fully Convolutional Densely Connected Convolutional Network (FC-DenseNet)을 작물재배지역 분류의 목적에 맞도록 재구성하여 활용하였다. 실험결과, 훈련자료 내 작물재배지역의 비율이 딥러닝 모델의 성능에 영향을 미치는 것을 확인하였다.

• 한국농공학회지
• /
• 제35권2호
• /
• pp.73-80
• /
• 1993

A simplified physiologically-based dynamic model, SIMRIW was selected for predicting the growth and yield of rice. The applicability of the model to the rice cultivars and weather conditions in the Republic of Korea was evaluated. Parameters of the model were calibrated using actual rice yields in Suweon region and an optimization scheme, Constrained Rosenbrock Algorithm. The simulated results from the calibrated model were in good agreement with the field data. The model with parameters calibrated for Suweon was applied to other five regions for the evaluation of transferability, but the simulated results fell short of satisfaction. However, the model is found to be applied to real-time prediction of the growth and yield of rice crop, which is believed to be useful for timely rice crop management, agricultural policy making, and optimal irrigation water management.

• 한국시뮬레이션학회논문지
• /
• 제29권4호
• /
• pp.1-7
• /
• 2020

농작물 질병에 대한 조기 진단은 질병의 확산을 억제하고 농업 생산성을 증대하는 데에 있어 중요한 역할을 하고 있다. 최근 합성곱신경망(convolutional neural network, CNN)과 같은 딥러닝 기법을 활용하여 농작물 잎사귀 이미지 데이터세트를 분석하여 농작물 질병을 진단하는 다수의 연구가 진행되었다. 이와 같은 연구를 통해 농작물 질병을 90% 이상의 정확도로 분류할 수 있지만, 사전 학습된 농작물 질병 외에는 진단할 수 없다는 한계를 갖는다. 본 연구에서는 미학습 농작물에 대해 효율적으로 질병 여부를 진단하는 모델을 제안한다. 이를 위해, 먼저 VGG16을 활용한 농작물 질병 분류기(CDC)를 구축하고 PlantVillage 데이터세트을 통해 학습하였다. 이어 미학습 농작물의 질병 진단이 가능하도록 수정된 질병 분류기(mCDC)의 구축방안을 제안하였다. 실험을 통해 본 연구에서 제안한 수정된 질병 분류기(mCDC)가 미학습 농작물의 질병진단에 대해 기존 질병 분류기(CDC)보다 높은 성능을 보임을 확인하였다.

• 디지털콘텐츠학회 논문지
• /
• 제19권6호
• /
• pp.1197-1205
• /
• 2018

본 논문에서는 함정전투체계의 EOTS나 IRST에서 획득한 영상을 초고해상도 영상으로 복원한다. 저해상도에서 초고해상도의 영상을 생성하는 생성 모델과 이를 판별하는 판별 모델로 구성된 생성적 적대 신경망을 이용하고, 다양한 학습 파라미터의 변화를 통한 최적의 값을 제안한다. 실험에 사용되는 학습 파라미터는 crop size와 sub-pixel layer depth, 학습 이미지 종류로 구성되며, 평가는 일반적인 영상 품질 평가 지표에 추가적으로 특징점 추출 알고리즘을 함께 사용하였다. 그 결과, Crop size가 클수록, Sub-pixel layer depth가 깊을수록, 고해상도의 학습이미지를 사용할수록 더 좋은 품질의 영상을 생성한다.

• 대한원격탐사학회지
• /
• 제34권5호
• /
• pp.709-720
• /
• 2018

작황 모니터링에서 바이오매스의 정확한 평가를 위해서는 정확하고 신속한 작물 생육 상황 등 현장자료의 확보가 필수적이다. 또한, 바이오매스의 평가는 작황 모니터링 및 수확량 예측에 활용된다. 무인기 영상은 작물의 성장에 따라 빠르게 수집할 수 있기 때문에 정밀농업에서 포장내 공간변이 파악 및 분석에 사용되고 있다. 본 연구는 원격탐사 기술을 이용한 동계작물 바이오매스 평가 방법 개발을 위하여 식생지수($E{\times}G$)에 의한 식생 피복률(VF)과 작물 표고 모형(CSM) 기반의 초고(PH)를 이용하여 보리와 밀을 대상으로 바이오매스 평가 모델을 개발하는 것을 목적으로 하였다. 식생 피복률, 초고 및 상호작용 항을 독립변수로 하여 다중 선형 회귀 모델을 구축한 결과, 5가지 품종의 결정계수는 0.84~0.99로 나타났으며, 보리와 밀의 결정계수 및 평균 제곱근 오차는 각각 0.91, 0.90 및 102.09, $110.87g/m^2$으로 나타났다. 따라서 무인기 영상을 활용한 동계작물의 바이오매스 평가 및 작황 모니터링이 가능한 것으로 판단된다.

• 한국농림기상학회지
• /
• 제22권3호
• /
• pp.194-204
• /
• 2020

작물 모형의 품종에 따른 특성을 나타내는 품종 모수를 추정하기 위해서는 많은 양의 생육 관측 자료가 요구되며, 이를 확보하기 위해서는 많은 비용과 노력이 요구된다. 고품질 자료는 아니더라도 공개되어 있는 작물 생육 자료를 활용하여 모수 추정에 사용할 수 있으나, 이러한 자료의 품질에 대한 평가가 선행되어야 한다. 본 연구에서는 농업자료에 대한 정량적 평가 도구인 DatasetRanker를 사용하여 벼에 대한 지역적응시험 자료를 평가하였다. 또한, 결과를 바탕으로 자료의 품질을 개선하기 위한 관측체계의 개선방안을 제시하고자 하였다. 평가 결과 각각의 품종들은 모두 네 등급 중 세 번째로 높은 은 등급으로 평가되었으며, 더 상위의 등급을 얻지 못한 것은 대체로 생육 및 생육환경에 대한 관측자료의 부족에 기인하였다. 결과를 개선하기 위해서는 추가적인 관측자료가 요구되며, 일부 재배관리 등의 기본적인 조건들에 대한 정보를 추가하는 것만으로도 품질에 대한 평가 점수가 약 10%정도 상승할 것으로 예상되었다. 또한, 정확한 위치정보가 공개될 경우 이를 기준으로 수집되는 토양 정보와 기상 정보의 불확실성을 감소시킬 수 있을 것이다. 생육기간 중 시계열적인 관측자료가 수집된다면 품질이 상당히 개선될 것으로 예상되었으며, 이를 위한 연구가 지속적으로 이루어져야 할 것이다.

• 한국농림기상학회지
• /
• 제22권4호
• /
• pp.340-345
• /
• 2020

본 연구에서는 첨단 옥외환경조절시설인 SPAR 시스템의 작물 및 환경 관측 자료의 품질 관리와 보증 방법을 최초로 제시하였다. 특히 실시간 군락 CO2플럭스의 경우에는 수집되는 자료의 특성을 고려하여 이상치의 제거와 보정이 병행되어야 함을 확인하였다. 본 연구를 통해 구축된 자료 처리 방법들은 향후 SPAR 자료를 통한 작물 생육 모형 개선에 매우 중요하게 활용될 수 있을 것으로 보인다. SPAR 내 작물과 환경 관련 10분 평균 자료는 국립식량과학원 내 작물 연구 통합 정보시스템(Crop Research Information System, CRIS) 웹사이트(www2.nics.go.kr/cris)에서 이용 가능하다.

• 한국농림기상학회지
• /
• 제21권2호
• /
• pp.75-84
• /
• 2019

이 연구의 목적은 random forest 를 활용하여 기상요소만을 이용하여 우리나라 전체의 벼 평균수량을 예측하는데 있다. Random forest 는 예측에 사용되는 각 predictor variable 을 분리할 수 있는데 이를 통해 분리된 시계열 상의 추세가 비정상적인 증가형태를 보였다. 이는 결국 예측능력의 저하로 이어지기 때문에 이를 제거할 필요가 있고 본 연구에서는 이동 평균을 이용하여 제거한 후 예측을 하였다. 1991 년부터 2005 년까지의 기상자료와 수량자료를 학습에 사용하였고 2006 년부터 2015 년까지의 자료들을 검증용으로 사용하였다. 학습자료에 대해서는 상당히 정확한 예측 능력을 보여주었으나 검증 자료에서는 그렇지 못하였다. 그 이유를 분석하기 위해 학습 자료와 검증자료에 대해서 각각 변수 중요도를 산출하여 비교한 결과 두 자료 간에 월별 기상 자료에 대한 중요도가 변동되었음을 발견하였다. 이러하 차이가 발생한 이유는 학습자료와 검증 자료에서의 전국적으로 표준이앙기가 이동하여 벼의 생육기간 자체가 변하였기 때문이다. 따라서, 정확한 예측을 위해서는 지역별 파종기 또는 이앙기에 대한 자료가 필요하며 단순히 기상 자료만을 활용한 예측은 어려운 것으로 생긱된다.