객체 탐지를 이용한 블루베리 생육량 측정 시스템에 관한 연구 :A Study on the Blueberry Fruit Maturity Rate Measurement System Using Object Detection

편도길

추천

검색

자료유형: 학위논문

저자정보: 편도길 (배재대학교, 배재대학교 대학원)

지도교수: 정회경

발행연도: 2022

저작권: 배재대학교 논문은 저작권에 의해 보호받습니다.

이용수32

이 논문의 연구 히스토리 (2)

2022

객체 탐지를 이용한 블루베리 생육량 측정 시스템

편도길 , 백종우 , 이지은 외 1명 한국지식정보기술학회 논문지 2022.06 학술저널

객체 탐지를 이용한 블루베리 생육량 측정 시스템에 관한 연구

편도길 컴퓨터공학과 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

현재 사회적으로 고령화 시대와 출산율 저하로 인하여 농업에 종사하는 인원의 감소로 인력 부족과, 기후 변화 등으로 농업의 생산량이 정체 또는 감소되고 있다, 또한 국내외적으로 이상 기후로 봄철 냉해 피해로 과수의 생산량이 감소되는 문제가 발생되며, 여름에는 장마와 태풍의 영향으로 각종 농산물의 생산량 급격히 감소한다.
이를 개선하기 위해 농업 환경에 새로운 문제 해결 방안이 모색되어야 하고, 농업의 대규모 생산 중심에서, 다양성과 품질 성장으로 새로운 방향을 모색할 필요가 있다. 국내외에서는 농업 산업에 2차, 3차 산업을 융합, 복합을 하고, 정보통신기술을 도입하여 스마트 농업이라고 하는 전략을 통하여 농업의 생산, 가공, 판로, 소비 등의 분야에 새로운 동력원을 개발하고, 농산물 생산 과정에서 농산품을 최적으로 유지하는 농업 시스템으로, 과수의 생산량 증가와 품질의 상승을 통해 수익을 늘리고 생산 시간과 노동력 등을 줄일 수 있도록 스마트 팜 시스템과 정보통신기술을 활용한 농업 기술을 융합한 방식이며, 과수, 낙농, 원예 등에의 여러 농업 분야에서 생육 대상들을 원격으로 관리하고, 모니터링 하는 특징을 가지고 있어, 현재 발생되고 있는 생산성 저하, 노동력 부족, 품질 저하, 질병 발생 등과 같은 문제를 해결할 수 있다.
이에, 본 논문에서는 농가의 과수 생산량 증가를 위해 스마트 팜을 활용한 과수의 환경 정보 및 생육 상태를 스마트 팜을 활용해 데이터를 수집, 인공지능 기반으로 측정, 분석, 예측을 통해 생육의 상태를 모니터링하고 과수의 수확 적기를 예측하는 알고리즘을 도출하였다.
본 논문에서는 라즈베리파이 시스템을 활용해 농장에서 과수의 생육 상태 정보인 온도, 토양 습도, 토양 산도, 일조량 그리고 과수의 영상 데이터를 수집하여 하둡 분산시스템에 저장하였다. 수집된 과수의 생육 환경 정보는 생육의 최적 정보로 분류, 판단하여 원-핫 인코딩 기법으로 저장하였으며, 과수의 영상 데이터는 컴퓨터 비전의 하위인 객체 탐지기법을 활용하여 분석, 분류하여 원-핫 인코딩을 활용하여 저장하였다.
이를 활용하여 과수의 생육 상태를 측정하기 위해 구글에서 제공하는 오픈소스 기반의 머신러닝 도구인 텐서플로우를 활용하여 생육 상태 측정하였다. 측정 알고리즘 구축을 위해 데이터 범주를 정의하고 전처리 과정을 거친 데이터를 선정하고 알고리즘 수행을 준비한 후 수행 결과에 대한 피드백을 반복하여 학습 진행하여 과수의 생육 상태를 측정할 수 있다.
또한 웹 어플리케이션을 통해 생육 측정 환경에 대한 전 과정을 모니터링 할 수 있으며 최적의 수확 예측 시기를 도출시킬 수 있다. 측정 결과는 웹 어플리케이션을 통해 농가에 정보를 제공하였으며 모바일을 통해 농업 현장에서 언제든지 확인이 가능한 시스템을 구축하였다.

Currently, agricultural production is stagnating or declining due to a shortage of manpower and climate change due to a decrease in the number of people engaged in agriculture due to an aging society and a lower fertility rate. In the summer, the production of various agricultural products rapidly decreased due to the influence of the rainy season and typhoons.
In order to improve this, a new problem-solving method must be found in the agricultural environment, and it is necessary to find a new direction from the center of large-scale production in agriculture to diversity and quality growth. At home and abroad, the secondary and tertiary industries are fused and combined with the agricultural industry, Through the strategy of smart agriculture by introducing information and communication technology, we develop new power sources in the fields of agricultural production, processing, market, consumption, etc. As an agricultural system that optimally maintains agricultural products during the agricultural production process, It is a method that combines a smart farm system and agricultural technology using information and communication technology to increase profits and reduce production time and labor through increased production and quality of fruit trees. It has the characteristics of remotely managing and monitoring growing objects in various agricultural fields such as fruit trees, dairy farming, and horticulture. It can solve problems such as productivity decrease, labor shortage, quality deterioration, and disease occurrence that are currently occurring.
Therefore, in this paper, to increase the production of fruit trees in farms, the environmental information and growth status of fruit trees using smart farms are collected using smart farms, and the growth status is monitored through artificial intelligence-based measurement, analysis, and prediction. And an algorithm for predicting the harvest time of fruit trees was derived.
In this paper, using the Raspberry Pi system, temperature, soil humidity, acidity, sunlight, and image data of fruit trees, which are information on the growth status of fruit trees on the farm, were collected and stored in the Hadoop distributed system. The collected fruit tree growth environment information was classified and judged as optimal information for growth, and stored with a one-hot encoding method. It was saved using encoding.
To measure the growth status of fruit trees using this, the growth status was measured using TensorFlow, an open source-based machine learning tool provided by Google. To establish the measurement algorithm, the growth status of the fruit tree can be measured by defining the data category, selecting the data that has undergone the pre-processing process, preparing the algorithm execution, and repeating the feedback on the execution result to proceed with learning.
In addition, the entire process of the growth measurement environment can be monitored through the web application, and the optimal harvest prediction time can be derived. Measurement results were provided to farms through a web application, and a system that could be checked at any time at the agricultural site through mobile was established.

#인공지능 #머신러닝 #딥러닝 #컴퓨터 비전 #객체 탐지 #블루베리 #생육상태 측정 #스마트 팜

국문초록 ⅰ
약 어 표 ⅲ
목 차 ⅳ
그림목차 ⅶ
도표목차 ⅸ
Ⅰ. 서 론 1
1.1 연구배경 및 필요성 1
1.2 연구의 목적 3
1.3 논문의 구성 4
Ⅱ. 관련연구 5
2.1 머신 러닝의 개념 5
2.1.1 머신 러닝의 학습방법 7
2.1.2 선형 회귀 분석 7
2.1.3 로지스틱 회귀분석 8
2.1.4 텐서플로우 분석도구 9
2.2 딥러닝 10
2.2.1 순환 신경망 12
2.2.2 합성곱 신경망 13
2.2.3 객체 탐지 알고리즘 15
2.3 스마트 팜 19
2.3.1 스마트 팜의 현황 20
2.3.2 스마트 팜과 사물인터넷 22
2.3.3 스마트 팜과 영상 장치 25
2.4 영상처리 기술 25
2.4.1 Gray 모델 26
2.4.2 RGB 색상 모델 26
2.4.3 HSV 색상 모델 27
2.4.4 이진화 영상 처리 28
Ⅲ. 생육상태 측정 모델 30
3.1 제안 모델 구성 30
3.1.1 스마트 팜 시스템 구성 31
3.1.2 수집 데이터 저장 33
3.1.3 이미지 데이터 정제 및 분석 작업 34
3.1.4 데이터 셋 생성 37
3.1.5 인공지능을 이용한 생육 상태 분석 38
3.1.5.1 생육상태 분석 알고리즘 39
3.1.5.2 측정을 위한 생육 특징 정보 생성 39
3.1.5.3 합성곱 신경망을 활용한 생육 상태 분석 43
3.1.6 측정 웹 애플리케이션 44
3.2 제안 모델 구현 47
3.2.1 비즈니스 프로세스 모델링 47
3.2.2 관계형 데이터베이스 ER 다이어그램 49
3.2.3 테이블 스키마 50
Ⅳ. 실험 및 결과 분석 53
4.1 실험 환경 53
4.2 실험 데이터 선정 및 실험 방법 55
4.2.1 과수의 생육 테이블 구성 57
4.2.2 과수의 생육 상태 특징 정보 테이블 58
4.3 인공지능을 활용한 생육상태 모델 분석 61
4.4 측정 웹 애플리케이션 65
4.4.1 측정 모델 구현 65
4.4.2 측정 모델 실험 68
4.4.3 웹 애플리케이션 결과 분석 78
4.4.4 실험 결과 고찰 79
Ⅴ. 결론 및 향후 연구 방향 80
참고문헌 82
영문초록 89
감사의 글(Acknowledgement) 92

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)