http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김은리 ( Eun-ri Kim ) (검색결과 6 건)
- 무료
- 기관 내 무료
- 유료
-
초분광영상 데이터를 이용한 딸기 병증 판별 최적 모델 선정
김은리 ( Eun-ri Kim ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),박기수 ( Ki-su Park ),백현찬 ( Hyeon-chan Baek ),박민준 ( Min-jun Park ),김태양 ( Tae-yang Kim ),박은지 ( Eun-jee Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
딸기는 한국의 대표 과채류 중 하나로 2020년 기준 전체 채소 생산액의 10.9%로 큰 비율을 차지하는 작물이다. 국내 발생 딸기 병해 중 시듦병, 역병은 주로 정식 초기에 토양을 매개로 발생하여 큰 피해를 준다. 본 연구에서는 병증이 유사한 시듦병, 역병, 한해를 신속하고 비 파괴적으로 진단하기 위해 초분광 영상과 머신 러닝 기법을 이용하여 정상 개체와의 분류 모델을 개발하고자 한다. 본 실험은 경상남도 농업기술원 하이테크 유리온실(N35.2105°E128.1174°) 내에서 딸기(매향)로 진행하였으며, 각 처리구별(정상, 시듦병, 역병, 한해) 12개체씩 배치하여 총 48개체로 실험하였다. 온실 내 초분광 센서(FX10, Specim Spectral imaging Ltd, Finland)로 2021년 4월 26일부터 6월 1일까지 총 37일간 매일 1일 1회 11시에서 13시 사이에 영상을 취득하였다. 취득된 영상은 ENVI 5.6 Classic(Exclis Visual Information Solution Inc, USA) 소프트웨어로 암전류 및 광 보정 후, ExG(Excess Green) 지수를 이용하여 식생을 분리하고 단일 개체별 반사값 데이터를 추출하였다. 추출된 데이터는 평활화 유무에 따른 성능 비교를 위해 Savitzky-Golay filtering 기법을 수행하여 학습데이터로 생성하였다. 생성된 데이터로 Decision Tree, Random Forest, XGBoost, LightGBM 4가지 기법을 이용하여 모델을 개발하여 비교하였으며, 평활화 유무와 각 모델에 따른 성능은 Kappa와 F1 Score로 평가하였다. Python(Python 3.7.9, Python Software Foundation, USA)으로 평활화를 진행하지 않은 LightGBM이 Kappa=0.666, F1 Score=0.748로 가장 높은 성능을 나타내었다. Kappa와 F1 Score에서 정상 개체와 병증 간의 오분류가 전체 오분류의 93.7%로 높게 나타났다. 이는 매일 Real Time PCR 결과로 감염 여부를 조사할 수 없어, 최종 PCR 결과를 기반으로 판단된 감염 여부와 실제 감염 시기의 차이로 인한 영향으로 추측된다. 추후 매일 Real Time PCR 검사 또는 병증 감염 지수의 시계열 데이터를 취득하여 분류 모델의 성능을 개선할 수 있을 것으로 판단된다.
-
김은리 ( Eun-ri Kim ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),박기수 ( Ki-su Park ),정종찬 ( Jong-chan Jeong ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
콩은 우리나라 주요 식량 작물 중 하나이지만, 최근 기후 변화에 따른 고온 다습한 기후로 인해 세균병의 발생 빈도가 증가하여 생산량과 품질에 영향을 받고 있다. 그러므로 세균병의 조기 진단 및 방제를 위한 분광 기술과 머신러닝의 필요성이 증가하고 있다. 따라서 본 연구는 온실 내부에서 분광계로 취득된 데이터와 머신러닝을 이용하여 콩 세균병의 일종인 들불병, 불마름병의 분류 가능성 및 성능 개선 방법을 검토하였다. 본 실험은 경상남도 밀양시에 위치한 국립식량과학원 남부작물부의 유리온실(35˚29’30.5”N 128˚44’ 36.2”E)에서 2022년 5월 16일에 2가지 품종(대찬, 청자 3호)에 들불병, 불마름병을 접종하여 진행하였다. 분광 데이터는 2022년 5월 16일부터 2022년 6월 3일까지 총 15일간 분광계(RS-3500, Spectral Evolution, USA)를 이용하여 취득되었다. 데이터 전처리에 따른 모델 성능 개선을 검토하기 위해 결측치 제거, 잡음 스펙트럼 제거, Savitzky-Golay filtering 기법을 통한 평활화를 각각 또는 조합하여 학습데이터를 생성하였다. 원본과 각 전처리를 진행한 데이터는 Decsion Tree(DT), Random Forest(RF), XGBoost, LightGBM 머신러닝 방법으로 들불병, 불마름병, 정상을 분류하는 모델을 개발하여 F1 Score(F), Kappa(K), Confusion Matrix(CM)로 성능평가를 하였다. 품종에 관계없이 원본데이터로 병증의 유무를 판단하는 것은 불가능하였으나, 전처리를 진행한 데이터에서는 유의미한 분류가 가능하였다. 청자의 경우, 전처리를 진행한 데이터 중에는 평활화만을 진행한 데이터의 RF모델이 1.00(F),1.00(K)으로 완벽하게 분류하였다. 대찬 품종의 경우 결측치 제거와 평활화를 함께 진행한 데이터의 RF모델이 0.98(F), 0.99(K)로 가장 좋은 성능을 나타내었다. 이는 분광계로 취득한 데이터에서 평활화 처리가 성능개선에 효과적임을 나타내었고 특히 CM를 확인했을 때, 전처리 전 병을 정상으로 분류하였던 오분류가 모두 정분류가 되어 실제 방제 적용에 있어서도 더 효율적인 모델로 개선됨을 확인하였다. 이를 통해 콩 세균병 분류 진단 및 방제 적용 가능성을 확인하였으며, 향후 파장 대역 조정 및 밴드 셀렉을 통해 분류 효율을 개선할 예정이다.
-
다중분광 영상을 이용한 배추의 생육정보 추정 회귀 모델
정종찬 ( Jong-chan Jeong ),유찬석 ( Chan-seok Ryu ),박기수 ( Ki-su Park ),김은리 ( Eun-ri Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
농업 전망에 따르면 배추는 생산량이 2022년 이후로 계속 줄어드는 추세이고 생산량에 의한 가격 편차가 큰 작물이다. 이러한 문제를 해결하기 위해 생산량과 관련이 깊은 생육정보를 분석하는 연구들이 진행되고 있다. 현재 대부분의 연구는 파괴적인 방법으로 생육정보를 얻어내고 있어, 비파괴적으로 정보를 얻고 분석하는 방법이 필요하다. 따라서 본 연구의 목적은 무인기를 활용한 배추의 다중분광 데이터를 이용하여 비파괴적으로 배추의 생육을 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 완주군 국립원예특작과학원 실험포장에서 두 품종의 배추(불암3호, 청명가을)를 재배하여 진행하였다. 배추는 9월 7일 파종하였고 11월 9일 파괴조사를 통해 생체중, 엽장, 엽폭, 중륵폭, 중륵두께, SPAD, 엽수, 엽면적의 생육정보를 취득하였다. 영상은 다중분광 센서(Altum-PT, MicaSense Inc, USA)를 탑재한 무인기를 이용하여 11월 8일 정오에 취득하였다. 취득한 영상은 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 반사값을 추출하였으며 식생지수는 NDVI, GNDVI, GRVI, RVI, DVI, NDRE, SAVI, PRI, OSAVI, TCARI를 사용하였다. 통계 프로그램은 Jupyter Notebook 6.5.2(Python 3.9.13)를 이용하였고 샘플 수는 각 품종별 12개씩 총 24개로 진행하였다. 생육정보 추정을 위해 이상치 제거 후 다중선형회귀 모델을 만들었고 데이터셋 분리(train test split)와 변수선택법을 적용하였다. 모델 평가 방법으로는 R², RMSE와 MAPE를 사용하였고 R²가 0.5 이상인 모델들 중, RMSEC가 작고, MAPEC와 MAPEP의 차이가 작을수록 성능이 좋은 모델로 판단하였다. 가장 성능이 좋은 생육정보 추정 모델은 엽수, SPAD에서 PRI를 이용하여 각각 R²=0.68, RMSEC=3.10ea, MAPEC=7.24%, MAPEP=7.26%와 R²=0.72, RMSEC=2.85, MAPEC=15.3%, MAPEP=15.3%로 나타났고 엽장에서는 NDRE, OSAVI를 이용하여 R²=0.51, RMSEC=2.54cm, MAPEC=9.07%, MAPEP=7.08%로 나타났다. 추후 본 연구 결과를 이용한 생육 모니터링과 수확기 영상을 이용한 수확량 예측 모델의 작성이 배추 생산량 안정성 향상에 도움이 되리라 판단된다.
-
머신러닝 회귀 모델과 초분광 영상을 이용한 사과나무의 질소 상태 추정
박기수 ( Ki-su Park ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),김은리 ( Eun-ri Kim ),백현찬 ( Hyun-chan Baek ),박민준 ( Min-jun Park ),조정건 ( Jung-gun Cho ),장시형 ( Si-hyeong Jang ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
사과나무의 질소는 세포 분화 및 조직의 생장에 중요한 역할을 하며 수확량과 품질에 큰 영향을 미치는 인자로서 본 연구는 무인기에 탑재된 초분광 센서를 이용하여 취득한 반사값 데이터를 활용하여 사과나무의 질소량을 추정하는 모델을 개발하였다. 전라북도 진안군 백운면에 위치한 농가(35°40'29N 127°23'22E) 내 수령이 10~20년 정도인 사과(후지)나무 38그루를 대상으로 2021년 6월 9일부터 8월 11일까지 무인기(Matrice 300 RTK)에 초분광 센서(micro HSI 410 SHARK)를 탑재하여 약 한달 간격으로 총 3차례 촬영하였다. 촬영된 영상은 방사보정 및 기하보정 후 개체별 캐노피의 반사값을 추출하였다. 반사값의 노이즈를 감소시키고 정밀도를 향상시키기 위해 평활화 기법(Savitzky-Golay Filtering)과 정규화 기법(MinMaxScaler)을 사용하였고 식물체 데이터 Total-N과 반사값 데이터를 이용하여 머신러닝 회귀 모델(Extra Tree, Random Forest)을 개발했다. 정규화 기법만 사용한 Random Forest 모델(Validation Set: R2=0.769, RMSE=0.204% / Test Set: R2=0.791, RMSE=0.164%)이 가장 높은 성능을 나타내었다. 사과의 생육단계에 따라 화아분화기(6~7월)와 성숙 착색기(7~8월)로 나누어 재분석한 결과 화아분화기의 경우 정규화 기법만 사용한 Random Forest 모델(Validation Set: R2=0.136, RMSE=0.207%/ Test Set: R2=0.815, RMSE=0.09%)이 가장 좋은 성능을 나타내었고 성숙 착색기의 경우 정규화 기법만 사용한 Extra Tree 모델(Validation Set: R2=0.828, RMSE=0.200% / Test Set: R2=0.902, RMSE=0.127%)이 가장 좋은 성능을 나타내었다. 추후 연구를 통해 질소 상태만이 아닌 타 영양분과 과실 특성 추정 가능한 모델을 개발하여 과실 생산 기술 개발에 기여할 것으로 사료된다.
-
의사결정트리 기반 초분광 영상을 이용한 옥수수 생육시기별 염해 분류 모델
백현찬 ( Hyeon-chan Baek ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),박기수 ( Ki-su Park ),김은리 ( Eun-ri Kim ),박민준 ( Min-jun Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
본 연구의 목적은 생육 시기별로 인위적인 염 스트레스를 받은 옥수수를 초분광 영상으로 촬영하여 정상과 염 처리의 구분 및 염처리 농도에 따른 분류 가능성을 검토하여 염해 피해 정도를 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 김제시 광활면 새마을 간척지 시험포장에서 옥수수(찰옥2호)의 4본엽기(V4), 6본엽기(V6)와 개화기(R1)에 각각 정상관수(0.5 dS/m), 염 농도별 관수(2, 4, 8 dS/m) 처리하였다. 초분광 센서 (microHSI 410 SHARK, Corning, USA)를 탑재한 무인기 이용하여 각 생육시기별로 염 처리 후 10일 차 정오에 영상을 취득하였다. 취득된 영상은 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 각 생육 시기별 각 처리구별 반사값을 추출하였으며 의사결정트리 기법으로 염 처리 유무와 농도의 구분 가능성을 검토하였다. 염 처리 유무 에서는 V6, R1의 KC가 50% 이상의 분류정확도로 나타났으며 V4의 KC는 29% 이하의 정확도로 산출되어 염 유무 모델 적용하기에 어렵다고 판단된다. 그리하여 V6, R1을 대상으로 염 처리 농도에 대해 분석한 결과, R1의 KC가 52.2%의 정확도로 분류하는 것이 가능하였다. 하지만 V6에서는 36.8% 이하의 정확도로 분류하는 것이 어렵다고 판단된다. 추후 타 간척지 필지에 심겨진 옥수수의 분광데이터에 적용하여 염해 예측 모델 재현성 검토 및 보정이 필요하다고 생각한다.
-
의사결정트리 기반 초분광 영상을 이용한 옥수수 생육시기별 염해 분류 모델
백현찬 ( Hyeon-chan Baek ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),박기수 ( Ki-su Park ),김은리 ( Eun-ri Kim ),박민준 ( Min-jun Park ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
본 연구의 목적은 생육 시기별로 인위적인 염 스트레스를 받은 옥수수를 초분광 영상으로 촬영하여 정상과 염 처리의 구분 및 염처리 농도에 따른 분류 가능성을 검토하여 염해 피해 정도를 예측할 수 있는 모델을 개발하는 데 있다. 실험은 전라북도 김제시 광활면 새마을 간척지 시험포장에서 옥수수(찰옥2호)의 4본엽기(V4), 6본엽기(V6)와 개화기(R1)에 각각 정상관수(0.5 dS/m), 염 농도별 관수(2, 4, 8 dS/m) 처리하였다. 초분광 센서 (microHSI 410 SHARK, Corning, USA)를 탑재한 무인기 이용하여 각 생육시기별로 염 처리 후 10일 차 정오에 영상을 취득하였다. 취득된 영상은 영상분석 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 각 생육 시기별 각 처리구별 반사값을 추출하였으며 의사결정트리 기법으로 염 처리 유무와 농도의 구분 가능성을 검토하였다. 염 처리 유무 에서는 V6, R1의 KC가 50% 이상의 분류정확도로 나타났으며 V4의 KC는 29% 이하의 정확도로 산출되어 염 유무 모델 적용하기에 어렵다고 판단된다. 그리하여 V6, R1을 대상으로 염 처리 농도에 대해 분석한 결과, R1의 KC가 52.2%의 정확도로 분류하는 것이 가능하였다. 하지만 V6에서는 36.8% 이하의 정확도로 분류하는 것이 어렵다고 판단된다. 추후 타 간척지 필지에 심겨진 옥수수의 분광데이터에 적용하여 염해 예측 모델 재현성 검토 및 보정이 필요하다고 생각한다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
