토마토 작물의 공기저항 예측을 위한 CFD 적용 토마토 모델 개발

김락우 ( Rack-woo Kim ),이인복 ( In-bok Lee ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.1

온실은 시설 내 작물을 재배하기 위하여 설계되었기 때문에 미기상을 예측할 때는 작물이 미치는 영향과 작물에 미치는 영향 모두를 고려하는 것이 매우 중요하다. 일반적으로 작물은 주변 공기 유동을 방해하는 저항체로 작용하며, 특히 토마토 작물과 같은 높은 캐노피 작물이 온실 내 공기역학적 저항에 영향을 미치기 때문에 내부 기류, 온도 패턴, 자연 환기에 큰 영향을 미친다. 기존 전산유체역학 (Computational fluid dynamics; CFD) 연구에서는 풍동실험을 통하여 토마토 작물 전후의 압력 강하를 측정하고, 다공성 매체에 공기역학적 저항을 적용하여 토마토 작물을 구현하였다. 그러나, 기존 CFD 연구에서의 내부 기류 패턴은 작물의 모양을 단순화 했기 때문에 실제 기류 패턴과 다르게 나타나는 문제점이 있었다. 현재 컴퓨터의 기술이 급속도로 발전함에 따라 CFD 시뮬레이션과 같은 수치해석 기법은 크게 개선되었다. 따라서, 본 연구에서는 CFD 시뮬레이션에서 토마토 작물에 의한 공기의 흐름을 보다 정확히 예측하기 위하여 실제 토마토 작물의 3차원 형상 모델을 개발하고자 한다. 먼저, 풍동실험을 통하여 토마토 작물 전후의 압력 강하를 측정하였으며, 토마토의 공기 역학적 저항을 계산하였다. 3차원 스캐너를 이용하여 토마토 작물 형상을 스캔하였으며, 스캔 데이터를 가공하여 토마토 작물의 3차원 형상 모델을 설계하였다. CFD 시뮬레이션에 설계한 토마토 작물 형상 모델을 적용하였으며, 풍동 실험에서 측정한 압력 강하량과 비교를 통한 검증을 수행하였다. 검증을 통하여 최종 토마토 작물 형상 모델을 개발하였고, 토마토 작물 3차원 형상 모델 적용에 따른 온실 내부 환기량 분석을 수행하였다.

Vi_s-NIR 초분광 영상을 이용한 토마토 숙도 판정에 관한 연구

이보영 ( Bo-young Lee ),백민우 ( Min-woo Baek ),이종환 ( Jong-hwan Lee ),김영진 ( Young-jin Kim ),신정용 ( Jeong-yong Sin ),유우형 ( Woo-hyeong Yu ),송두진 ( Doo-jin Song ),김민지 ( Min-jee Kim ),천승우 ( Seung-woo Chun ),모창연 ( 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

토마토 선별은 중량이나 크기 등을 기준하여 이루어지고 있으며 흠집 등 외관 품질은 작업자가 육안으로 판별한다. 토마토 선별에 많은 노동력이 요구되며 작업자의 숙련도에 따른 편차가 발생한다. 이러한 편차에 의해 선별정확도가 낮아지고 불균일한 품질의 상품이 유통됨으로서 소비자의 신뢰성이 저하된다. 품질 측정 정확도 향상과 품질 균일화를 위해 내부품질을 신속하고 비파괴적으로 측정할 수 있는 기술이 필요하다. 따라서 본 연구는 초분광 영상 기술을 이용하여 토마토의 성숙도 판정 모델을 개발하고 자 한다. 2022년 7월과 8월에 총 672개의 유럽계 토마토와 동양계 토마토를 수확하여 6개의 성숙 단계로 분류하여 실험에 사용하였다. 토마토 숙도는 USDA(United States Department of Agriculture) 표준 분류에 따른 6단계로 (Green, Breaker, Turning, Pink, Light-red, Red)로 하였다. Vis-NIR 초분광 영상 카메라(microHSI™ 410 Vis-NIR Hyperspectral Sensor, Corning^® , USA) 구비된 라인스캐닝 방식의 초분광 영상 장치를 사용하여 400 ~ 1,000 nm 영역에서 토마토의 초분광 영상데이터를 획득하였다. 노출 시간, 스텝 간격은 각각 10ms, 1mm로 설정하여 측정하였다. 부분최소제곱회귀법(Partial Least Squares Regression; PLSR)을 적용하여 토마토 품종에 따른 토마토 숙도 판정 모델을 개발하였다. 토마토 숙도 판정 모델의 성능 평가는 결정계수(R2)와 평균 제곱근 오차(RMSE)를 사용하였다. 초분광 영상을 이용하여 토마토 숙도 판정 모델를 개발한 결과 PLSR 모델의 결정계수(R2)가 0.91로 나타났으며 추후 초분광 영상기술은 토마토의 내외부 품질 판정에 활용될 수 있을 것으로 기대된다.

Vis-NIR 초분광 영상을 이용한 토마토 숙도 판별 딥러닝 모델 개발

이보영 ( Bo-young Lee ),백민우 ( Min-woo Baek ),송두진 ( Doo-jin Song ),김민지 ( Min-jee Kim ),천승우 ( Seung-woo Chun ),정천순 ( Cheon-soon Jeong ),모창연 ( Chang-yeun Mo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

토마토는 수확 후에도 숙도가 변화되는 특징이 있어 숙도에 따라 저장기간이 달라진다. 유통과정에서 유통 기간에 따라 토마토 숙도 단계를 고려해야 한다. 토마토 품질 선별은 크기나 색, 결함 등을 기준으로 하여, 크기는 무게에 따라 나눠지고 색과 부패나 형상 불량 등은 육안으로 선별하고 있다. 이러한 육안 선별은 노동력이 요구되며 작업자의 피로도가 높아지면 선별정확도가 낮아질 수 있다. 따라서 품질 정확도 향상을 위해서는 품질을 균일하고 신속하게 측정할 수 있는 기술이 필요하다. 과일의 내부품질을 신속하게 비파괴적으로 측정할 수 있는 기술로 초분광 영상 기술이 활용되고 있다. 따라서 본 연구의 목적은 초분광 영상 기술을 이용하여 토마토의 숙도 판별을 위한 딥러닝 모델을 개발하는 것이다. 2022년 7월과 8월에 총 672개의 유럽계 토마토와 동양계 토마토를 수확하여 6개의 성숙 단계로 분류하여 실험에 사용하였다. 토마토 숙도는 USDA(United States Department of Agriculture) 표준 분류에 따른 6단계(Green, Breaker, Turning, Pink, Light-red, Red)로 하였다. Vis-NIR 초분광 영상 카메라(microHSI™ 410 Vis-NIR Hyperspectral Sensor, Corning® , USA) 구비된 라인스캐닝 방식의 초분광 영상 장치를 사용하여 400 ~ 1,000 nm 영역에서 토마토의 초분광 영상데이터를 획득하였다. 노출 시간, 스텝 간격은 각각 10ms, 1mm로 설정하여 측정하였다. 컨볼루션 신경망(Convolutional neural network; CNN)을 적용하여 토마토 품종에 따른 토마토 숙도 판별 모델을 개발하였다. 토마토 숙도 판별 모델의 성능 평가는 분류 모델 성능지표를 사용하였다. 토마토 숙도 판별 CNN 모델의 정확도는 97.62%로 우수한 결과를 보였다. 본 연구결과는 초분광 영상 기반 토마토 숙도 판별 장치 개발에 활용될 수 있을 것으로 기대된다.

온실 재배 토마토의 생육 시기에 따른 색상 변화 비교

백자영 ( Jayeong Paek ),조병효 ( Byeong-hyo Cho ),양창주 ( Chang-ju Yang ),이강진 ( Kang-jin Lee ),홍영기 ( Young-ki Hong ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

과실의 품질과 수확 시기를 판단하기 위해서는 단단함과 색상이 중요한 기준으로 활용된다. 특히, 색상은 비접촉식 방법으로 측정할 수 있으며 큰 비용을 들이지 않고도 과실의 성숙도를 판단하는 데 활용될 수 있다. 일반적으로 토마토는 빨간색이 차지하는 비율에 따라 성숙 단계를 구분한다. 빨간색의 비율이 높고 진할수록 성숙이 잘 된 토마토이다. 따라서, 토마토의 색상 변화를 이용하면 성숙하는 과정에 관한 연구가 가능할 것으로 예상된다. 본 연구는 온실에서 재배된 토마토의 색상 변화를 이용하여 생육 시기에 따라 성숙 과정에 차이가 있는지 비교해 보았다. 이를 위해 토마토가 생육 되는 동안 수확 전까지 3~4일 간격으로 CIE L*a*b* 색 표시계 값을 측정하였다. 여름과 겨울에 생육 된 토마토는 각각 24개와 20개의 샘플이 연구에 사용되었다. 토마토가 생육하는 과정에서 CIE 색상값 L*, b*는 시간이 지나도 큰 변화를 보이지 않았지만, a*는 시간이 지남에 따라 급격하게 증가하는 S자 형태를 보였다. 이는 초록색과 빨간색의 정도를 나타내는 값인 a*값이 토마토의 성숙도를 분석하기 위해 유용하게 활용될 수 있음을 알 수 있다. CIE a*값의 변화를 로지스틱 성장모형을 이용하여 분석한 결과, 겨울에 생육 된 토마토의 a*값의 증가율이 여름에 생육 된 토마토보다 높음을 알 수 있었다. 또한, 토마토가 착화하고 수확되기까지 걸리는 시간은 여름보다 겨울에 짧게 나타났다. 이 결과를 바탕으로 생육 시기의 온도, 습도, CO2, 일사량 등 환경요인이 토마토의 성숙도에 미치는 영향을 분석해 볼 계획이다.

Vis-NIR 투과 분광기술을 이용한 토마토 공동과 선별에 관한 연구

이정은 ( Jeong-eun Lee ),이보영 ( Bo-young Lee ),이종환 ( Jong-hwan Lee ),송두진 ( Doo-jin Song ),김민지 ( Min-jee Kim ),천승우 ( Seung-woo Chun ),정천순 ( Cheon-soon Jeong ),모창연 ( Chang-yeun Mo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

토마토 내부에 충분한 발육이 이루어지지 않으면 토마토 내부에 공동이 발생한다. 토마토 공동과는 정상과에 비해 무게가 가볍고 경도가 낮아 상품가치가 하락하여 품질 등급이 떨어진다. 내부 갈변, 부패나 공동 등 결함을 파악하는 기존 방법은 토마토를 파괴하여 측정하는 방식으로 분석 시간과 비용이 많이 소요되고 전수조사가 어렵다. 이에 토마토 내부 품질을 신속하게 비파괴적으로 선별할 수 있는 기술이 필요하다. 따라서 본 연구에서는 투과방식의 Vis-NIR 분광기술을 이용하여 토마토 공동과 선별 모델을 개발하고자 한다. 실험에 사용된 토마토 시료는 동양계 품종으로 횡성군 토마토 농가에서 숙도 단계별로 수확되었으며 정상과 및 공동과 토마토가 각각 23개였다. 근적외선 분광분석기 (USB4000, Ocean optics Inc., USA) 및 100W의 텅스텐 할로겐 광원을 사용하였으며 472~1,100 nm 파장 범위의 투과스펙트럼을 획득하였다. 20ms의 노출시간으로 토마토 시료 당 120도 간격으로 3부분의 스펙트럼을 측정하였다. 다양한 스펙트럼 전처리를 적용하여 각 숙도 단계별 공동과 선별을 위한 부분최소제곱회귀법 (Partial Least Squares Regression; PLSR) 모델을 개발하였다. 토마토 공동과 선별 모델의 성능평가는 결정계수 (R2)와 평균 제곱근 오차(RMSE)를 사용하였다. 숙도 단계에 따른 공동과 선별 PLSR 모델을 개발한 결과, 모든 단계에서 결정계수 (R2)가 0.85이상으로 우수한 성능 보였다. 따라서 본 연구는 결과는 토마토 공동과 선별과 토마토 품질 규격화 및 표준화 개발을 위한 연구 자료로 활용될 수 있을 것으로 기대된다.

초분광 영상을 이용한 토마토의 경도 예측모델 개발

조병효 ( Byeong-hyo Cho ),이성민 ( Seong Min Lee ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

토마토는 경제적으로 중요한 과채류이며, 국내 토마토 생산량은 2021년 기준 약 37만 톤으로 전년대비 2.5만 톤 정도 증가하였다(KOSIS, 2022). 그러나, 최근에는 농업인구 감소 및 고령화, COVID-19 등 인력 부족으로 인하여 토마토 생산에 어려움을 겪고 있는 실정이며, 이러한 이유로 토마토의 재배부터 수확까지 자동화 전환에 대한 요구가 증가하고 있다. 이에 토마토 모니터링 및 수확 로봇 등 재배에서 수확 작업까지 로봇 기술을 적용하기 위한 연구가 수행되고 있으며, 이를 위해서는 우선적으로 작물의 품질 또는 성숙도 등을 모니터링할 수 있는 기술이 필요하다. 따라서 본 연구에서는 토마토의 성숙도를 비파괴적으로 예측하기 위해 초분광 영상과 기계학습 모델인 SVR (Support vector regression) 모델을 사용하였으며, 토마토의 성숙도를 정량적으로 분류하기 위한 요인으로는 경도를 사용하였다. 먼저, 경도와 밀접한 관계를 갖는 분광 영역을 조사하기 위해 상관분석을 수행하였으며, 그 결과 507-593 nm 사이의 분광 영역이 토마토의 경도와 높은 상관관계(R>0.8)를 갖는 것으로 나타났다. 앞의 결과를 바탕으로, 507-593 nm 사이의 분광 영역(30 밴드)을 입력 데이터로 하여 SVR 모델의 학습을 진행하였으며, 그 결과 SVR 모델의 최적 파라미터는 C의 경우 297, gamma와 epsilon은 각각 1.90 및 1이었다. 앞의 모델을 이용할 경우, 검증 데이터를 기준으로 0.84의 R2와 13.22 N의 RMSE로 비교적 높은 정확도에서 토마토 경도 예측이 가능하였으며, 이를 이용하여 토마토의 수확시기 예측이 가능할 것으로 판단된다. 향후에는 모델의 정확도 개선을 위해 추가적인 실험을 통해 샘플 수를 증가시키고, 실제 온실에 적용하기 위한 기초 실험을 진행할 계획이다.

초분광 영상을 이용한 토마토의 경도 예측모델 개발

조병효 ( Byeong-hyo Cho ),이성민 ( Seong Min Lee ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

토마토는 경제적으로 중요한 과채류이며, 국내 토마토 생산량은 2021년 기준 약 37만 톤으로 전년대비 2.5만 톤 정도 증가하였다(KOSIS, 2022). 그러나, 최근에는 농업인구 감소 및 고령화, COVID-19 등 인력 부족으로 인하여 토마토 생산에 어려움을 겪고 있는 실정이며, 이러한 이유로 토마토의 재배부터 수확까지 자동화 전환에 대한 요구가 증가하고 있다. 이에 토마토 모니터링 및 수확 로봇 등 재배에서 수확 작업까지 로봇 기술을 적용하기 위한 연구가 수행되고 있으며, 이를 위해서는 우선적으로 작물의 품질 또는 성숙도 등을 모니터링할 수 있는 기술이 필요하다. 따라서 본 연구에서는 토마토의 성숙도를 비파괴적으로 예측하기 위해 초분광 영상과 기계학습 모델인 SVR (Support vector regression) 모델을 사용하였으며, 토마토의 성숙도를 정량적으로 분류하기 위한 요인으로는 경도를 사용하였다. 먼저, 경도와 밀접한 관계를 갖는 분광 영역을 조사하기 위해 상관분석을 수행하였으며, 그 결과 507-593 nm 사이의 분광 영역이 토마토의 경도와 높은 상관관계(R>0.8)를 갖는 것으로 나타났다. 앞의 결과를 바탕으로, 507-593 nm 사이의 분광 영역(30 밴드)을 입력 데이터로 하여 SVR 모델의 학습을 진행하였으며, 그 결과 SVR 모델의 최적 파라미터는 C의 경우 297, gamma와 epsilon은 각각 1.90 및 1이었다. 앞의 모델을 이용할 경우, 검증 데이터를 기준으로 0.84의 R2와 13.22 N의 RMSE로 비교적 높은 정확도에서 토마토 경도 예측이 가능하였으며, 이를 이용하여 토마토의 수확시기 예측이 가능할 것으로 판단된다. 향후에는 모델의 정확도 개선을 위해 추가적인 실험을 통해 샘플 수를 증가시키고, 실제 온실에 적용하기 위한 기초 실험을 진행할 계획이다.

토마토 수확을 위한 객체 탐지 및 자세 추정

장민호 ( Min-ho Jang ),신창섭 ( Chang-seop Shin ),황영배 ( Young-bae Hwang ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2

최근 인공지능, 로봇기술 등의 연구가 발전함에 따라 농업 분야에 적용하려는 연구가 활발히 진행되고 있다. 그중 많은 노동력을 요구하는 과채류 수확 작업의 자동화를 위한 수확 로봇 연구가 적극적으로 진행되고 있다. 수확 로봇의 manipulator와 과채류의 충돌로 인한 과채류의 손상을 방지하기 위해서는 정확한 위치 인식과 자세 추정이 필요하다. 본 연구에서는 과채류 중 토마토를 선택하였고 Mask-RCNN 딥러닝 객체 탐지 기법을 통해 익은 토마토의 위치 인식과 segmentation을 진행하였다. 딥러닝 학습을 진행하기 위해서는 많은 양의 토마토 데이터가 필요하지만 충분한 데이터를 얻기 어려운 실상이다. 따라서 적은 실사 이미지로 많은 데이터를 얻을 수 있는 data augmentation을 수행하여 10,000장의 토마토 학습 이미지를 얻었다. 토마토의 자세 추정을 위해 realsense D435 스테레오 카메라를 이용하여 point cloud를 생성하였다. 토마토 point cloud에 해당하는 데이터 집합에 cylinder fitting 알고리즘을 적용하여 토마토와 유사한 실린더를 추출하였다. 이후 실린더의 축 방향을 통해 토마토의 자세를 추정하였다. 이러한 토마토의 위치 인식과 자세 추정을 통해 수확 로봇의 안전하고 정확한 수확이 이루어질 것으로 기대된다. 또한, 추후에 토마토 성숙도에 따른 인식과 자세 추정의 정확도를 높이는 연구가 필요할 것으로 판단된다.

시설토마토에서 녹색 라벨 스티커를 이용한 토마토녹응애의 발생예찰과 개체군 생장

최용석,남윤규,황인수,박홍현,김형환,박덕기,Choi, Yong Seok,Nam, Yun Gyu,Whang, In Su,Park, Hong Hyun,Kim, Hyeong Hwan,Park, Deok Gee 한국응용곤충학회 2012 한국응용곤충학회지 Vol.51 No.4

본 연구는 토마토의 주요해충인 토마토녹응애(Aculops lycopersici Massee)의 조기 예찰을 위한 새로운 예찰법 개발에 관한 것이다. 토마토녹응애는 4월경 최초 발생하여 토마토의 아래 줄기부터 감염시키며 엽병을 타고 잎으로 이동한다. 발생이 심할 경우 줄기는 다소 광택이 나면서 녹이 낀 색을 보이며, 잎은 은빛을 띠다가 점차 녹슨 형태를 띠고 잎 끝이 말린다. 성숙된 과실보다 푸른색을 띠는 시기에 피해를 주며 과실에 피해가 보일 경우는 밀도가 상당히 높아야 하기 때문에 과실 피해를 보기란 쉽지 않다. 녹색의 라벨스티커에서 최초로 토마토녹응애를 찾아내는데 걸리는 시간은 약 7.0초로 가장 짧았으며 청색, 주황색, 백색의 경우 각각 17.1, 19.8, 12.3초의 시간이 걸렸다. 투과현미경에 측광을 주었을 때 가장 관찰이 용이하였다. 토마토녹응애는 4월 하순부터 발생하여 5월 중순 이후 급격히 밀도가 증가하였으며, 6월 중하순경 최대 발생 양상을 보이고 기온이 높아지면서 6월 하순 이후 밀도가 급격히 감소하였다. 토마토녹응애 접종 후 개체군 증가를 보았을 때, 접종 20일 후 하단부 줄기에서 최초로 관찰되었고 60일 후에는 상단부 줄기에서도 관찰되었다. 접종 후 최대의 발생량을 보이는 시기는 줄기의 경우 40일부터 60일까지였으며 잎의 경우는 약 80일 후였다. 라벨스티커는 토마토재배지에서 토마토녹응애의 발생을 예찰하기에 충분하였다. This study is conducted to develop a new method of early occurrence monitoring for Aculops lycopersici Massee (Acari: Eriophyidae), a major pest in tomato. A. lycopersici causes damage to plants such as curling of leaflet edges, followed by leaflet bronzing. As feeding continues by the mites, the plant takes on a russeted, wilted appearance, eventually culminating in leaflet desiccation and finally plant death. Fruit damages in tomato were shown when the density of mites was very high. Also, A. lycopersici caused more damage to unripe fruits than ripe fruits. The time taken to detect A. lycopersici on green label sticker was 7.0 seconds, the shortest. Blue, orange and white label stickers took 17.1, 19.8 and 12.3 seconds respectively. The permeable microscope with side illumination was useful in observing A. lycopersici on label stickers. A. lycopersici began to occur in late-April and the density of the mites increased rapidly after mid-May. The density peaked in mid to late-June, and decreased after late-June. A. lycopersici was observed on lower stems 20 days after the release of mites and observed on higher stems 60 days after. The peaked densities were observed on stems 40 and 60 days after and on leaf 80 days after. The label sticker is enough to monitor early occurrence of A. lycopersici in tomato cultivation facilities.

적외선 열화상 카메라를 이용한 토마토 묘의 수분스트레스 측정

강정균 ( Jeong-gyune Kang ),홍순중 ( Soon-jung Hong ),우영회 ( Young-hoe Woo ),이종원 ( Jong-won Lee ),배광수 ( Kwang-soo Bae ),김동억 ( Dong-eok Kim ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.1

작물에 수분이 부족하게 되면 생육이 어려워지고, 착과 불량, 낙과, 과실 발육저하 등의 생육장해가 나타날 수 있어 수분공급은 매우 중요하다. 따라서 본 연구는 열화상카메라를 이용하여 토마토묘의 열영상을 획득하고 기온을 분석하여 수분스트레스 추정가능성을 보고자 하였다. 토마토묘의 4일 동안 엽온 변화를 열화상 영상을 이용하여 관찰하였다. 관수, 미관수 2개의 그룹으로 나누어 엽온과 기온의 차를 통해 수분스트레스를 비교하였다. 열영상은 열화상카메라(A325sc, FLIR systems USA)이용하여 토마토 육묘트레이 상단에 설치하여 매일 12시에 14개의 육묘트레이를 촬영하였고 영상은 노트북에 자동되도록 하였다. 토마토의 잎에 관심영역을 설정하고 온도변화를 관찰하였으며, 기온은 데이터로거(U12-011, Hobo, USA)로 측정하였다. 촬영 후에는 근권부를 제외한 묘 전체를 건조시켜 수분함량을 측정하였다. 실험결과, 1일차에서는 두 그룹의 온도차는 큰 차이가 없었으며 각 샘플의 수분함량 역시 차이가 없는 것으로 나타났다. 2일차부터 두 그룹간의 온도차가 생기기 시작하였으며 3일차에 미관수한 토마토 묘의 엽온은 기온에 비해 평균 1°C 높은 것으로 나타났다. 또한 관수한 토마토 묘의 엽온은 23.5°C로 기온에 비해 1.7°C 낮았고 수분함량은 미관수한 토마토 묘가 관수한 토마토 묘에 비해 5% 낮은 것으로 나타났다. 4일차에는 미관수한 토마토 묘가 기온에 비해 3.2°C 높았으며 수분함량은 관수한 토마토 묘에 비해 28.7% 낮게 나타나 큰 차이가 있는 것을 확인되었다. 토양수분함량에 따라 엽온의 차이가 큰 것으로 나타나 수분스트레스에 대한 영향이 있는 것으로 판단되며, 열영상만으로 스트레스 정도를 정확히 판단하기는 다소 어려우나 수분스트레스 여부는 판단이 가능해 향후 육묘온실 두상관수시스템과 연계하여 수분공급 제어에 적용 가능할 것으로 사료된다.