• 한국산림과학회지
• /
• 제104권2호
• /
• pp.332-335
• /
• 2015

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.

• 스마트미디어저널
• /
• 제12권7호
• /
• pp.9-17
• /
• 2023

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.

• Journal of Biosystems Engineering
• /
• 제40권4호
• /
• pp.417-427
• /
• 2015

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.

• Journal of Animal Science and Technology
• /
• 제65권6호
• /
• pp.1254-1269
• /
• 2023

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.

• 한국식생활문화학회지
• /
• 제10권1호
• /
• pp.45-56
• /
• 1995

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.

• 한국산업정보학회논문지
• /
• 제17권6호
• /
• pp.51-58
• /
• 2012

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.

• 한국응용곤충학회지
• /
• 제61권4호
• /
• pp.639-640
• /
• 2022

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.

• Journal of Applied Biological Chemistry
• /
• 제57권4호
• /
• pp.341-345
• /
• 2014

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.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.426-429
• /
• 2007

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.

• 품질경영학회지
• /
• 제48권4호
• /
• pp.581-596
• /
• 2020

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.