무인기 영상과 SVM 모델을 이용한 작물 분류 : 충북 괴산군 이담리 지역을 중심으로 :Classification of Crops Using Unmanned Aerial Vehicle Image and Support Vector Machine Model : Focusing on Idam-ri, Goesan-gun, Chungcheongbuk-do

정찬희

추천

검색

자료유형: 학위논문

저자정보: 정찬희 (충북대학교, 충북대학교 대학원)

지도교수: 박종화

발행연도: 2022

저작권: 충북대학교 논문은 저작권에 의해 보호받습니다.

이용수20

이 논문의 연구 히스토리 (2)

2022

무인기 기반 영상과 SVM 모델을 이용한 가을수확 작물 분류 - 충북 괴산군 이담리 지역을 중심으로 -

정찬희 , 고승환 , 박종화 농촌계획 2022.02 학술저널

무인기 영상과 SVM 모델을 이용한 작물 분류 : 충북 괴산군 이담리 지역을 중심으로

정찬희 2022.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

Crop classification is very important for estimating crop yield and figuring out accurate cultivation area. The purpose of this study is to classify crops harvested in fall in Idam-ri, Goesan-gun, Chungcheongbuk-do, korea by using unmanned aerial vehicle (UAV) images and support vector machine (SVM) model. The study proceeded in the order of image acquisition, variable extraction, model building, and evaluation. First, RGB and multispectral image were acquired on September 13, 2021. Independent variables were applied to Farm-Map, and consisted of gray level co-occurrence matrix (GLCM)-based texture characteristics by using RGB images, and multispectral reflectance data. The crop classification model was built using texture characteristics and reflectance data, and finally, accuracy evaluation was performed using the Error Matrix. As a result of the study, the classification model consisted of four types to compare the classification accuracy according to the combination of independent variables. The result of four types of model analysis, recursive feature elimination (RFE) model showed the highest accuracy with an overall accuracy (OA) of 88.64%, Kappa coefficient of 0.84. UAV-based RGB and multispectral images effectively classified cabbage, rice and soybean when the SVM model was applied. The results of this study provided capacity usefully in classifying crops using single-period images. These technologies are expected to improve the accuracy and efficiency of crop cultivation area surveys by supplementing additional data learning, and to provide basic data for estimating crop yields.

#Unmanned Aerial Vehicle #Support Vector Machine #Crop Classification #Gray Level Co-occurrence Matrix

Ⅰ. 서론 1
Ⅱ. 연구사 4
2.1 농업분야 무인기 활용 4
2.2 작물 분류 기법 6
Ⅲ. 이론적 배경 10
3.1 무인기 10
3.2 명암도 동시발생 행렬 13
3.3 객체기반 분류기법 17
3.4 정확도 평가 19
Ⅳ. 재료 및 방법 23
4.1 연구 대상지역 23
4.2 대상작물의 생육주기 24
4.3 연구 재료 26
4.4 연구 방법 31
Ⅴ. 결과 및 고찰 42
5.1 무인기 영상 전처리 및 현장 조사 결과 비교 42
5.2 GLCM 기반 텍스처 특징 추출 47
5.3 SVM 모델 기반 작물 분류 49
5.4 정확도 평가 59
Ⅵ. 결론 65
참고문헌 68

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)