자낭균인 Taphrina wiesneri는 한국의 공원과 도로 주변에 주로 식재되는 왕벚나무에 빗자루병을 발생시킨다. 이 병원균은 생태적 특성이 잘 알려져 있지 않아 방제법 등을 개발하는데 어려움이 있다. 이번 연구에서는 빗자루 병원균의 월동부위를 조사하기 위해 빗자루 병징을 보이는 왕벚나무의 건전가지와 이병가지, 그리고 병징이 나타나지 않은 건전한 왕벚나무 가지에서 종 특이적 primer (TwITSF와 TwITSR)를 사용하여 월동부위를 조사하였다. 그 결과 빗자루병에 감염된 왕벚나무의 이병가지 뿐만 아니라 건전가지에서도 종 특이적인 PCR 증폭산물이 관찰되었으며, 그 이외의 건전한 왕벚나무와 감염목 주변의 다른 식물 종 샘플에서는 PCR 증폭산물이 관찰되지 않았다.
작물의 병충해는 다양한 작물의 성장에 영향을 미치기 때문에 초기에 병충해를 식별하는 것이 매우 중요하다. 이미 많은 머신러닝(ML) 모델이 작물 병충해의 검사와 분류에 사용되었지만, 머신러닝의 부분 집합인 딥러닝(DL)이 발전을 이루면서 이 연구 분야에서 많은 진보가 있었다. 본 연구에서는 YOLOX 검출기와 MobileNet 분류기를 사용하여 비정상 작물의 병충해 검사 및 정상 작물에 대해서는 성숙도 분류를 진행하였다. 이 방법을 통해 다양한 작물 병충해 특징을 효과적으로 추출할 수 있으며, 실험을 위해 딸기, 고추, 토마토와 관련된 다양한 해상도의 이미지 데이터 셋을 준비하여 작물 병충해 분류에 사용하였다. 실험 결과에 따르면 복잡한 배경 조건을 가진 영상에서 평균 테스트 정확도가 84%, 성숙도 분류 정확도가 83.91% 임을 확인할 수 있었다. 이 모델은 자연 상태에서 3가지 작물에 대한 6가지 질병 검출 및 각 작물의 성숙도 분류를 효과적으로 진행할 수 있었다.
Purpose: This study investigated different band selection methods to classify spectrally similar data - obtained from aerial images of healthy citrus canopies and citrus greening disease (Huanglongbing or HLB) infected canopies - using small differences without unmixing endmember components and therefore without the need for an endmember library. However, large number of hyperspectral bands has high redundancy which had to be reduced through band selection. The objective, therefore, was to first select the best set of bands and then detect citrus Huanglongbing infected canopies using these bands in aerial hyperspectral images. Methods: The forward feature selection algorithm (FFSA) was chosen for band selection. The selected bands were used for identifying HLB infected pixels using various classifiers such as K nearest neighbor (KNN), support vector machine (SVM), naïve Bayesian classifier (NBC), and generalized local discriminant bases (LDB). All bands were also utilized to compare results. Results: It was determined that a few well-chosen bands yielded much better results than when all bands were chosen, and brought the classification results on par with standard hyperspectral classification techniques such as spectral angle mapper (SAM) and mixture tuned matched filtering (MTMF). Median detection accuracies ranged from 66-80%, which showed great potential toward rapid detection of the disease. Conclusions: Among the methods investigated, a support vector machine classifier combined with the forward feature selection algorithm yielded the best results.
This study aims to predict the change in corn share according to the grazing of 20 gestational sows in a mature corn field by taking images with a camera-equipped unmanned air vehicle (UAV). Deep learning based on convolutional neural networks (CNNs) has been verified for its performance in various areas. It has also demonstrated high recognition accuracy and detection time in agricultural applications such as pest and disease diagnosis and prediction. A large amount of data is required to train CNNs effectively. Still, since UAVs capture only a limited number of images, we propose a data augmentation method that can effectively increase data. And most occupancy prediction predicts occupancy by designing a CNN-based object detector for an image and counting the number of recognized objects or calculating the number of pixels occupied by an object. These methods require complex occupancy rate calculations; the accuracy depends on whether the object features of interest are visible in the image. However, in this study, CNN is not approached as a corn object detection and classification problem but as a function approximation and regression problem so that the occupancy rate of corn objects in an image can be represented as the CNN output. The proposed method effectively estimates occupancy for a limited number of cornfield photos, shows excellent prediction accuracy, and confirms the potential and scalability of deep learning.
A study has been performed on the cockroach knowledge and perception of managers, employees and consumers, and the cockroach control management in food service institutions. A total of 759 subjects including 101 managers, 293 employees and 365 consumers was surveyed in Seoul and Pusan areas from July 1994 to September 1994. The results obtained are as follows: The mean rates of the cockroach knowledge (i.e. 62.26/100.0) and perception (i.e. 23.67/30.0) of the consumers were significantly (p<0.001) lower than those of the managers (i.e. 68.87/100.0 and 25.30/30.0, respectively) and the employees (i.e. 69.09/100.0 and 26.99/30.0, respectively). In the cockroach detection rates, however, much higher rate was seen in the consumer group (i.e. 79.5%) than the manager (i.e. 43.3%) and the employee (i.e. 48.5%) groups. Forty and seventy percents of the subjects have suffered from allergies and nuisance by cockroaches, respectively. The cockroach control was performed by 75.5% of the food service institutions and 70.8% of them contracted with pest control operators to reduce the cockroach populations. The cockroach control methods of the operators were aerosol (40.7%) and insecticidal baits (30.5%). Only 33.7% of the institutions had the budgets for the cockroach control. For public health, the managers and the employees of the institutions need to be educated about cockroaches and hygiene. Also, it is suggested that cockroaches be regularly controlled by professional pest control operators.
볼록총채벌레는 최근 감귤원 해충 피해의 주요 해충으로 인식되어 주기적인 예찰이 이루어지고 있으나 성충의 크기가 0.8mm 정도로 작아 육안 식별에 어려움이 있다. 본 논문에서는 예찰 트랩에 포집된 볼록총채벌레를 자동으로 판별하기 위한 후보 영역 검출 방법을 제안하였다. 본 논문에서 사용한 방법은 히스토그램 기반의 템플릿 매칭으로 그레이 이미지와 그레디언트 이미지를 합성한 이미지를 사용하였다. 50 배율의 광학 현미경으로 영상을 획득 하였고, 제안한 방법의 객관적인 성능 판별을 위해 기존 방법[8]과 노이즈 제거 이미지를 이용한 히스토그램 기반 템플릿 매칭방법 그리고 그레디언트 이미지를 이용한 히스토그램 기반 템플릿 매칭 방법들과 비교 실험을 하였다. 실험결과 본 논문에서 제안한 방법이 기존 전처리[8] 방법 보다 약 14.42% 향상된 성능을 보였고, 노이즈 제거 이미지를 이용한 방법보다 41.63%, 그레디언트 이미지를 이용한 방법보다 21.17% 높은 성능을 보였다.
집나방과(Yponomeutidae)에 속한 작은상제집나방(Saridoscelis sphenias Meyrick)은 2016~2017년 전남 진도와 완도에서 채집된 개체를 동정하여 2020 국내 미기록 종으로 보고되었으며, 마취목(Pieris japonica)과 진달래과에 속한 모새나무(Vaccinium bracteatum Thunb.)와 Leucothoe grayana Maxim. var oblongifolia (Miq.)가 기주식물로 알려져 있었다. 이 종은 2014년 8월 제주특별자치도 블루베리 재배지에서 처음 발견된 후 미정착된 것으로 취급되었으나, 2018년에 이어 2019년에도 제주시와 서귀포시 여러 블루베리 농장에서 발생이 확인되었다. 그 후 2020년부터는 노지 과원에서도 발견되고 있다. 부화유충이 처음 신초 줄기 속으로 침입하여 가해하다가 중간크기로 자란 후 탈출하여 몇 개의 신초를 그물로 철하고 집단적으로 가해하는 등 특이한 피해증상이 나타난다. 향후 피해가 우려되는 해충으로 피해증상과 생활사를 간단히 보고한다.
본 연구에서는 최근 산림소득작물로 재배면적이 급증하고 있는 오미자를 대상으로 일반 농경지와 산림농업지에 살포된 3종의 농약을 대상으로 행방을 비교 평가하였다. 농약살포후 초기 유출수에서만 미량으로 농약성분이 검출되었을 뿐 그 외의 유출수에서는 검출한계미만 수준으로 농약성분이 검출되었다. 토양 중 fenarimol과 chlorothalonil은 처리후 30일째부터 검출한계 미만으로 나타났으나, ethoprophos는 처리후 135일째부터 검출한계 미만으로 나타났다. 수확한 오미자 생재를 대상으로 fenarimol, chlorothalinol, 및 ethoprophos의 오미자 작물에 대한 잔류 정도를 조사한 결과, 조사대상 3종의 농약 모두 검출한계 미만으로 검출되었다. 일반 농경지 보다 산림농업재배지에서 토양중 잔류량이 더 높게 나타난 것은 100% 수광조건인 일반 농경지에 비해 90% 울폐도를 가진 산림농업 재배지에서 광분해도가 더 낮았던 점 그리고 농약성분이 산림농업지에서 비교적 풍부한 fulvic acid와 humic acid와의 흡착량이 더 많았기 때문으로 추정된다.
One of the widely used applications of remote sensing studies is environmental change detection and biodiversity conservation. The study area Hustai Mountain is situated in the transition zone between the Siberian taiga forest and Central Mongolian arid steppe. Hustai National Park carries out one of several reintroduction programs of takhi (wild horse or Equus ferus przewalskii) from various zoos in the world and it represents one of a few textbook examples of successful reintroduction of an animal extinct in the wild. In this paper we describe the results of an analysis on the change of remaining forest area over the 7-year period since Hustai Mountain was designated as a protected area for reintroduction to wild horses. Today the forested area covers approximately 5% of the Hustai National Park, mostly the north-facing slopes above 1400 m altitude. Birch (Betula platyphylla) and aspen (Populus tremula) trees are predominant in the forest. We used Landsat ETM+ images from two different years and multi temporal MODIS NDVI data. Land types were determined by supervised classification methods (Maximum Likelihood algorithm) verified with ground-truthing data and the Land Change Modeler (LCM) which was developed by Clark Labs. Forested area was classified into three different land types, namely the forest land, mountain meadow and mountain steppe. The study results illustrate that the remaining birch forest has rapidly changed to fragmented forest land and to open areas. Underlying causes for such a rapid change during the 15-year period may be manifold. However, the responsible factors appear to be the drying off and outbreak of forest pest species (such as gypsy moth or Lymantria dispar) in the area.
Purpose: purpose of this study was to propose the web application platform which can be to detect and discriminate various diseases and pest of tomato plant based on the large amount of disease image data observed in the facility or the open field. Methods: The deep learning algorithms uesed at the web applivation platform are consisted as the combining form of Faster R-CNN with the pre-trained convolution neural network (CNN) models such as SSD_mobilenet v1, Inception v2, Resnet50 and Resnet101 models. To evaluate the superiority of the newly proposed web application platform, we collected 850 images of four diseases such as Bacterial cankers, Late blight, Leaf miners, and Powdery mildew that occur the most frequent in tomato plants. Of these, 750 were used to learn the algorithm, and the remaining 100 images were used to evaluate the algorithm. Results: From the experiments, the deep learning algorithm combining Faster R-CNN with SSD_mobilnet v1, Inception v2, Resnet50, and Restnet101 showed detection accuracy of 31.0%, 87.7%, 84.4%, and 90.8% respectively. Finally, we constructed a web application platform that can detect and discriminate various tomato deseases using best deep learning algorithm. If farmers uploaded image captured by their digital cameras such as smart phone camera or DSLR (Digital Single Lens Reflex) camera, then they can receive an information for detection, identification and disease control about captured tomato disease through the proposed web application platform. Conclusion: Incheon Port needs to act actively paying.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.