• 한국산림과학회지
• /
• 제86권4호
• /
• pp.450-458
• /
• 1997

집재기계의 사용시간을 고려하지 않은 작업경비의 비교는, 국내에서와 같이 기계화 작업의 비율이 낮은 경우에서는 적합하지 않다. 기계 및 장비의 활용도를 극대화 시킬 수 있는 작업량은 각 집재기계마다 다르며, 이에 따라 수확 경영규모에 따른 적정 집재기계의 선택이 중요하다. 본 연구에서는 임목수확 기계의 효율적 이용 관리를 위하여, 작업량에 따른 경제적으로 최적의 집재기계 선택방법을 제시하였다. 우리나라의 임업기계화를 추진하는데 있어서, 기계의 이용률을 극대화시킬 수 있는 시업단위는 기계 장비간의 경제적 우위를 비교하는데 반드시 고려할 사항이며, 인건비 상승에 따른 경제성의 변화도 작업시스템의 선정에 있어 함께 고려하여야 할 것이다.

• 생물환경조절학회지
• /
• 제29권4호
• /
• pp.381-387
• /
• 2020

작물의 생체중을 추정하기 위해 다양한 연구가 시도되었지만, 이미지를 활용하여 생체중을 추정한 예는 없었다. 최근 합성곱 신경망을 사용한 이미지 처리 연구가 늘고 있으며, 합성곱 신경망은 미가공 데이터를 그대로 사용할 수 있다. 본 연구에서는 합성곱 신경망을 이용하여 미가공 데이터 상태인 특정 시점의 파프리카 이미지를 입력으로 작물의 생체중을 추정하도록 학습하였다. 실험은 파프리카(Capsicum annuum L.)를 재배하는 온실에서 수행하였다. 합성곱 신경망의 출력값인 생체중은 파괴조사를 통해 수집한 데이터를 기반으로 회귀 분석하였다. 학습된 합성곱 신경망의 결정 계수(R²)의 최고값은 0.95로 나타났다. 생체중 추정값은 실제 측정값과 매우 유사한 경향성을 보여주었다.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1037-1052
• /
• 2019

저자는 접근불능지역인 북한의 임상도 제작을 위한 첫 단계로 Hyperion과 Sentinel-2 위성영상과 질감정보와 지형정보를 활용하여 정확도 98% 이상의 잣나무 및 낙엽송 분류모델을 개발한 바 있다. 북한의 주요 수종 점유율을 고려해 볼 때, 낙엽송(점유율 17.5%), 잣나무(5.8%) 뿐만 아니라 소나무(12.7%), 전나무(8.2%), 참나무류(29.5%)의 점유율이 크므로 수종분류 모델의 확장이 필요하다. 따라서 본 연구에서는 기존의 2개 수종에서 주요 5개 수종으로 분류모델을 확장하기 위해 분광정보와 침엽수 및 활엽수의 수관특성을 고려한 질감정보 및 수종별 생육특성을 고려한 지형정보를 투입하여 방법론을 개선하였다. 연구대상지인 광릉지역의 임상도에서 수종별 위치정보를 취득하여 11,039개의 훈련자료와 2,330개의 검증자료를 구축하였다. 분광정보는 Sentinel-2 영상을 통해 획득하였으며 질감정보는 고해상도인 PlanetScope 영상을, 지형정보는 북한지역으로의 확장 가능성을 고려하여 SRTM DEM을 활용하였다. 머신 러닝 모델은 기존 연구에서 정확도가 검증된 Random Forest 알고리즘을 활용하였다. 분류 결과 전체 80%(Kappa지수 0.80) 정확도로 수종이 분류되었다. 향후 백두산 지역과 남북 고성지역을 대상으로 본 연구에서 개발된 수종분류모델의 확장성을 검토하여 한반도 지역의 수종 분류 모델을 개발하고자 한다.

• Journal of Biosystems Engineering
• /
• 제28권3호
• /
• pp.231-238
• /
• 2003

Rose and chrysanthemum are the most popular flowers in Korean floriculture. Sorting flowers is a labor intensive operation in cultivation of the cut flowers and needed to be mechanized. Machine vision is one of the promising solutions for this purpose. This study was carried out to develop hardware and software of a cut flower sorting system using machine vision and to test its performance. Results of this study were summarized as following; 1. Length of the cut flower measured by the machine vision system showed a good correlation with actual length of the flower at a level of the coefficients of determination (R$^2$) of 0.9948 and 0.9993 for rose and chrysanthemum respectively and average measurement errors of the system were about 2% and 1% of the shortest length of the sample flowers. The experimental result showed that the machine vision system could be used successfully to measure length of the cut flowers. 2. Stem diameter of the cut flowers measured by the machine vision system showed a correlation with actual diameter at the coefficients of determination (R$^2$) of 0.8429 and 0.9380 for rose and chrysanthemum respectively and average measurement errors of the system were about 15% and 7.5% of the shortest diameter of the sample flowers which could be a serious source of error in grading operation. It was recommended that the error rate should be considered to set up grading conditions of each class of the cut flowers. 3. Bud maturity of 20 flowers each judged using the machine vision system showed a coincidence with the judgement by inspectors at ranges of 80%∼85% and 85%∼90% for rose and chrysanthemum respectively. Performance of the machine vision system to judge bud maturity could be improved through setting up more precise criteria to judge the maturity with more samples of the flowers. 4. Quality of flower judged by stem curvature using the machine vision system showed a coincidence with the judgement by inspectors at 90% for good and 85% for bad flowers of both rose and chrysanthemum. The levels of coincidence was considered as that the machine vision system used was an acceptable system to judge the quality of flower by stem curvature.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.1616-1616
• /
• 2001

To select kernels for breeding that have required constituent content from either naturally distributed samples or artificially mutated ones, it is necessary to process batch samples in a short time. The constituent content of single-kernel grains such as wheat and rice has been determined using conventional bench type NIR instruments; however, it takes a lot of time and effort. Shizuoka Seiki (Fukuroi-city, Japan) and NFRI (National Food Research Institute) of MAFF (Ministry of Agriculture, forestry and Fisheries of Japan) have jointly developed a continuous high-speed single-kernel brown rice sorting machine based on rice protein content. It consists of several sections such as a feeding mechanism, measuring unit, sorting mechanism and controlling PC. The feeding mechanism picks up single-kernel brown rice from the hopper (maximum of 5kg storage capacity) and sends it to the measuring unit. A spectrum of the brown rice is obtained in the measuring unit, which consists of a near-infrared array sensor. The brown rice is then sorted in the sorting mechanism based on its protein content estimated by the controlling PC. In the present study, measuring speed was approximately 500ms for the full spectrum range and overall sorting speed was approximately 2.8s for one kernel. Accuracy of estimation was approximately SEP=0.5% of dry matter protein content for nonglutinous rice.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.229-239
• /
• 2019

모든 식생 군락은 각자 층위구조를 가지고 있다. 이를 '식생층위구조'라 부른다. 요즈음은 이 층위구조가 산림의 활력도, 다양성, 그리고 환경영향을 평가하는데 중요한 식별자로 작용하기 때문에 산림조사에 있어서 식생층위구조는 필수적으로 조사되어야한다. 그런데, 식생층위구조는 일종의 내부구조이므로 일반적으로 산림조사는 현장조사를 통해 이루어지는데, 이는 전통적인 방식으로 시간과 예산이 많이 든다. 따라서 본 연구에서는 산림의 층위구조를 조사하는데 드는 시간과 예산을 줄이기 위해 넓은 지역 탐사에 효과적인 원격탐사기법 중 항공촬영 사진과 대량의 데이터 마이닝(Data Mining)이 가능한 머신러닝(Machine Learning)기법 이용한 층위구조의 분류 방법을 제시한다. 칼라 항공사진, LiDAR(Light Detection and Ranging) DSM(Digital Surface Model)과 DTM(Digital Terrain Model)을 이용하여 Support Vector Machine(SVM) 머신러닝 기법을 이용하여 층위분류 연구를 진행하였다. 현장조사 자료를 참조하여 SVM기법 분류 결과와 비교했을 때 픽셀수에 기반한 정확도는 66.22%로 확인 되었다. 층위 분류 정확도는 단층과 다층의 구분은 비교적 높게 나타났으나, 다층끼리의 분류는 어렵다는 결론이 나타났다. 이러한 연구결과는 향후 다양한 식생데이터와 영상자료를 수집한다면 식생구조에 대한 머신러닝 연구분야에 더욱 발전이 가능할 것으로 기대된다.

• 한국물환경학회지
• /
• 제35권5호
• /
• pp.425-431
• /
• 2019

Recently, people have been attracting attention to the good quality of water resources as well as water welfare. to improve the quality of life. This study is a papers on the prediction of benthic macroinvertebrate index (BMI), which is a aquatic ecological health, using the machine learning based CFS (Correlation-based Feature Selection) method and the random forest model to compare the measured and predicted values of the BMI. The data collected from the Han River's branch for 10 years are extracted and utilized in 1312 data. Through the utilized data, Pearson correlation analysis showed a lack of correlation between single factor and BMI. The CFS method for multiple regression analysis was introduced. This study calculated 10 factors(water temperature, DO, electrical conductivity, turbidity, BOD, $NH_3-N$, T-N, $PO_4-P$, T-P, Average flow rate) that are considered to be related to the BMI. The random forest model was used based on the ten factors. In order to prove the validity of the model, $R^2$, %Difference, NSE (Nash-Sutcliffe Efficiency) and RMSE (Root Mean Square Error) were used. Each factor was 0.9438, -0.997, and 0,992, and accuracy rate was 71.6% level. As a result, These results can suggest the future direction of water resource management and Pre-review function for water ecological prediction.

• 한국산림과학회지
• /
• 제112권2호
• /
• pp.145-156
• /
• 2023

본 연구에서는 -18℃ 및 4℃에서 18년간 저장된 소나무 종자 963개에 대해 FT NIR 스펙트럼을 조사하여 7개 머신러닝 방법(XGBoost, Boosted Tree, Bootstrap Forest, Neural Networks, Decision Tree, Support Vector Machine, PLS-DA)을 이용한 종자발아 예측모델을 만들고, 그 성능을 비교하였다. XGBoost 및 Boosted Tree 모델의 예측성능이 가장 우수하였으며, 정확도, 오분류율 및 AUC 값은 각각 0.9722, 0.0278, 0.9735과 0.9653, 0.0347, 0.9647이었다. 2개 모델에서 종자발아 유무를 예측하는 데 있어 상대적 중요도가 높았던 54개 파수 변수들에 대한 파장대는 크게 6개(811~1,088 nm, 1,137~1,273 nm, 1,336~1,453 nm, 1,666~1,671 nm, 1,879~2,045 nm, 2,058~2,409 nm) 그룹으로 나눌 수 있었으며, 방향족 아미노산, 셀룰로스, 리그닌, 전분, 지방산 및 수분과 관련된 것으로 추정되었다. 이상의 결과를 종합할 때, 본 연구에서 얻어진 FT NIR 스펙트럼 데이터과 2개의 머신러닝 모델은 소나무 저장종자의 발아 유무를 정확도 96% 이상으로 예측할 수 있기에 장기저장 종자 유전자원의 비파괴적 활력검정에 유용하게 활용될 수 있을 것으로 생각된다.

• Journal of the Korean Wood Science and Technology
• /
• 제25권1호
• /
• pp.8-14
• /
• 1997

Stress wave velocity, wave impedance, and stress wave elasticity of small, clear bending specimens of five domestic softwoods (Pinus densiflora, Pinus koraiensis, Chamaecyparis obtusa, Cryptomeria japonica, and Larix leptolepis) and four tropical hardwoods(Kempas, Malas, Taun, and Terminalia) were correlated with static bending modulus of elasticity(MOE) and modulus of rupture(MOR). The degree of correlation between stress wave parameters and static bending properties was dependent on wood species tested. Stress wave elasticity and wave impedance were better predictors for static bending properties than stress wave velocity for each species individually and for softwood or hardwood species taken as a group, even though elasticity and impedance were nearly equally correlated with static bending properties apparently. Based upon the correlation coefficient between stress wave parameters and static properties, stress wave elasticity and wave impedance were found as stress wave parameters which can be used for the purpose of the reliable and successful prediction of bending properties. The degree of correlation between static MOE and MOR was also different according to wood species tested. Static MOE was nearly as well correlated with MOR as was stress wave elasticity. The results of this research are encouraging and can be considered as a basis for further work using full-size lumber. From the results of this study, it was concluded that stress wave measurements could provide useful predictions of static bending properties and was a feasible method for machine stress grading of domestic softwoods and tropical hardwoods tested in this study.

• Journal of Forest and Environmental Science
• /
• 제9권1호
• /
• pp.57-66
• /
• 1993

본 연구는 강원도 춘천군에 위치한 임업진흥촉진지역 21,417ha를 대상으로 10개의 지형특성치를 이용, 집락분석과 주성분분석에 의하여 임지를 구분함과 동시에 판별분석에 의하여 임지구분에 영향을 미치는 최소한의 변수를 검토하여, 실질적으로 기계화 집재작업을 위한 작업기종의 선정에 정확한 지형정보를 제공하는데 목적이 있다. 그 결과는 다음과 같다. 1) 고성단지는 총면적 2,252ha로 중에서 57%가 완지형으로 분류되어 트랙터형 집재가 적합하고 43%가 급지형으로 중거리 가선집재형이 적합함을 보여 주었다. 2) 가정단지(2,306ha)와 광판단지(2,627ha)는 각각 65%와 67%가 급지형으로 분류되어 대개 중거리 가선형의 집재가 적합하고, 나머지 35%와 33%가 트랙터형 집재가 적합한 완지형으로 나타났다. 3) 지암단지(4,519ha)는 대부분의 지역이 급지형으로 분류되어 중거리 가선형이 적합하였다. 4) 군자단지(3,400ha), 수동단지(3,894ha), 신포단지(2,430ha)는 총면적중에서 각각 85%, 75%, 75%가 급지형으로 분류되어 중거리 가선집재형이 적합함을 보여 주었다.