• 사물인터넷융복합논문지
• /
• 제6권1호
• /
• pp.83-95
• /
• 2020

실제 복잡다난한 농작물 밭 환경에서 잡초를 정밀하게 검출하는 것은 이전의 접근방법들로는 이미지 프레임을 정확하게 처리하는 속도 면에서 부족했다. 식물의 질병 분류 문제가 중요시 되는 상황에서 특히 작물의 잡초 문제는 큰 화제가 되고 있다. 이전의 접근방식들은 빠른 알고리즘을 사용하지만 추론 시간이 실시간에 가깝지 않아 통제되지 않은 조건에서 비현실적인 해결책이 된다. 따라서, 복잡한 벼 잡초 검출 과제에 대한 탐지 모델을 제안한다. 실험 결과에 따르면, 우리의 접근 방식의 추론 시간은 잡초 검출 과제에서 상당한 시간절약을 보여준다. 실제 조건에서 실제로 적용할 수 있는 것으로 나타난다. 주어진 예시들은 쌀의 두 가지 성장 단계에서 수집되었고 직접 주석을 달았다.

• Journal of Biosystems Engineering
• /
• 제27권2호
• /
• pp.143-150
• /
• 2002

Several researches for site-specific weed control have tried to increase accuracy of weed detection with machine vision technique. However, there is a problem which needs substantial time to perform site-specific spraying. Therefore, new technology for real-time precision spraying system is needed. This research was executed to develope the new technology to estimate weed density and size in real time, and to conduct a real-time site-specific spraying. It would effectively reduce herbicide amounts applied for a crop field. The real-time precision spraying system consisted of a Differential Global Positioning System (DGPS) with an error of 2 cm, a machine vision system, a geomagnetic sensor for correction of view point of CCD camera and an automatic sprayer with separately controlled nozzle. The weed density was calculated with comparison between position information and a pre-designed electronic map. The position information was obtained in real time using the DGPS and the machine vision. The electronic map contained a position database of crops automatically constructed when seeding. The developed system was tested on an experimental field of Seoul National University. Success rate of the spraying was about 61%.

• 대한임베디드공학회논문지
• /
• 제19권2호
• /
• pp.73-81
• /
• 2024

Recently, mobile manipulators have been utilized in agriculture industry for weed removal and harvest automation. This paper proposes a domain adaptive fruit detection method for harvest automation, by utilizing OWL-ViT model which is an open-vocabulary object detection model. The vision-language model can detect objects based on text prompt, and therefore, it can be extended to detect objects of undefined categories. In the development of deep learning models for real-world problems, constructing a large-scale labeled dataset is a time-consuming task and heavily relies on human effort. To reduce the labor-intensive workload, we utilized a large-scale public dataset as a source domain data and employed a domain adaptation method. Adversarial learning was conducted between a domain discriminator and feature extractor to reduce the gap between the distribution of feature vectors from the source domain and our target domain data. We collected a target domain dataset in a real-like environment and conducted experiments to demonstrate the effectiveness of the proposed method. In experiments, the domain adaptation method improved the AP50 metric from 38.88% to 78.59% for detecting objects within the range of 2m, and we achieved 81.7% of manipulation success rate.

• 한국산학기술학회논문지
• /
• 제16권10호
• /
• pp.7176-7181
• /
• 2015

본 논문은 방초, 방림, 로드킬 등이 적용된 고기능 가드레일 지주에 태양광 모듈을 부착하여 자체 전력을 생산하고 USN을 이용하여 야생동물의 출현과 자동차 도로의 상황을 통합 관제 및 상시 감시할 수 있는 시스템에 관한 것이다. 전체 시스템은 태양광 발전 모듈, 감지 센서부(초전형), 제어부(동작 선택부 및 동작 센서부), USN시스템, DB(응향 및 섬광), 음향 및 섬광 출력부, 로드킬 방지 및 자동차 안전유도 제어 시스템으로 구성된다. 따라서, 도로환경의 개선과 로드킬을 방지하여 동물들을 보호할 수 있고 자동차를 안전하게 유도하며 신재생에너지와 IT융합 기술이 접목된 USN을 이용한 다목적 가드레일의 원격제어 및 모니터링 시스템에 관한 연구이다. USN을 이용한 원격제어 및 모니터링 시스템의 실험결과 무인 감지 시스템의 동작시간은 5.1 ms 이내, 소비전류는 0.328 mA이며 원격제어 시스템의 데이터 전송 속도는 250 kbps, 소비전류는 0.283 mA로 구현됨을 확인할 수 있었다.