메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Mi-Hye Yang (Hankyong National University) Won-Ho Nam (Hankyong National University) Taegon Kim (University of Minnesota) Kwanho Lee (CESeL Primus) Younghwa Kim (Korea Rural Community Corporation)
저널정보
충남대학교 농업과학연구소 Korean Journal of Agricultural Science Korean Journal of Agricultural Science Vol.46 No.2
발행연도
2019.6
수록면
381 - 393 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
A smart farm is a system that combines information and communication technology (ICT), internet of things (IoT), and agricultural technology that enable a farm to operate with minimal labor and to automatically control of a greenhouse environment. Machine learning based on recently data-driven techniques has emerged with big data technologies and high-performance computing to create opportunities to quantify data intensive processes in agricultural operational environments. This paper presents research on the application of machine learning technology to diagnose the growth status of crops and predicting the harvest time of strawberries in a greenhouse according to image processing techniques. To classify the growth stages of the strawberries, we used object inference and detection with machine learning model based on deep learning neural networks and TensorFlow. The classification accuracy was compared based on the training data volume and training epoch. As a result, it was able to classify with an accuracy of over 90% with 200 training images and 8,000 training steps. The detection and classification of the strawberry maturities could be identified with an accuracy of over 90% at the mature and over mature stages of the strawberries. Concurrently, the experimental results are promising, and they show that this approach can be applied to develop a machine learning model for predicting the strawberry harvesting time and can be used to provide key decision support information to both farmers and policy makers about optimal harvest times and harvest planning.
#big data #image classification #machine learning #smart farm #TensorFlow

목차

Abstract
Introduction
Materials and Methods
Results and Discussion
Conclusion
References

참고문헌 (32)

참고문헌 신청
배상민 / 2016 / 딸기를 첨가한 막걸리의 제조와 발효 과정 중 이화학적 및 미생물학적 특성 / 한국균학회지 44(4):307~313 dbpia Balducci F / 2018 / Machine learning applications on agricultural datasets for smart farm enhancement / Machines 6:38 google schola Espejo-Garcia B / 2018 / Machine learning for automatic rule classification of agricultural regulations : A case study in Spain / Computers and Electronics in Agriculture 150:343~352 google schola Hong EM / 2016 / Decision support system for the real-time operation and management of an agricultural water supply / Irrigation and Drainage 65:197~209 google schola Jayaraman PP / 2016 / Internet of things platform for smart farming : Experiences and lessons learnt / Sensors 16:1884 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

합성곱 신경망을 이용한 온실 파프리카의 작물 생체중 추정
문태원 ,  박준영 ,  손정익 시설원예·식물공장 2020 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-520-000726185