제한된 데이터셋 조건별 YOLOv8 객체 분할 탐지 성능 비교

송지수 ( Jisu Song ),박재성 ( Jaesung Park ),김동석 ( Dongsuk Kim ),김효성 ( Hyosung Kim ),정은지 ( Eunji Jung ),황현정 ( Hyunjung Hwang ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

최신 딥러닝 기반의 객체 탐지 기술은 놀라운 성능을 보이며, 특히 YOLO (You Only Look Once)아키텍처는 빠르고 정확한 탐지 능력으로 주목받고 있다. 이 아키텍처의 최신 버전인 YOLOv8은 성능과 속도 모두에서 향상을 보였다. 그러나 대부분의 객체 검출 모델은 많은 데이터셋이 필요하며, 실제 환경에서는 금전 및 환경 등의 문제로 큰 데이터셋을 확보하기 어려울 때가 많다. 따라서 본 연구에서는 YOLOv8을 중심으로, 데이터셋의 다양한 구성 방법을 실험하여 객체 분할 탐지 성능의 차이를 비교하여 최적화 방안을 모색하고자 한다. 본 연구는 YOLOv8 아키텍처의 성능을 극대화하는 방법을 탐색하는 것을 주 목적으로 하였다. 이를 위해, 고해상도로 촬영된 딸기 이미지 281개와 해당 이미지의 Instance segmentation 라벨 데이터셋을 사용하였다. 이러한 데이터셋은 다양한 환경 및 조명 조건에서 촬영되었으며, 각 이미지에 대한 정확한 Ground Truth 정보를 라벨 데이터에서 얻을 수 있다. 학습의 효율성과 모델의 일반화 능력을 극대화하기 위해서, 데이터셋의 양과 학습, 검증 데이터의 분할 비율을 조절하며 실험을 진행하였다. 더불어, 기존 YOLO 아키텍처에서 활용하는 mosaic 증강 기법 외에도 여러 다양한 데이터 증강 방법을 적용하여 시험하였다. 성능평가는 주로 IOU(Intersection over Union)를 사용하여 이루어졌다. 예측 결과 중 Confidence 값이 90% 이상인 데이터만을 선별하여, 해당 예측 Mask와 Ground Truth Mask 간의 일치도를 평가하였다. 부족한 데이터셋에서의 딥러닝 모델의 성능 최적화는 중요한 연구 주제 중 하나이다. 본 연구는 제한된 데이터로 YOLOv8 아키텍처의 성능 최적화 방법을 탐색하는 것을 목표로 하였다. 학습의 효율성과 모델의 일반화 능력을 높이기 위한 다양한 실험을 진행하였으며, 이는 최고 수준의 객체 탐지 성능이 필요하지 않고 적당한 수준의 객체 탐지 성능이 필요한 사용자들에게 유용한 참고를 제공할 것으로 기대된다.

상춧잎 생육정보 예측을 위한 CNN모델 비교

송지수 ( Jisu Song ),박재성 ( Jaesung Park ),김동석 ( Dongseok Kim ),김효성 ( Hyosung Kim ),정은지 ( Eunji Jung ),황현정 ( Hyunjung Hwang ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

스마트팜 내에서 생육되는 식물의 적정한 성장을 위한 관리는 필수이다. 그러나 수많은 개체의 생장 수치를 시계열에 따라 모니터링하기에는 많은 시간과 인력이 요구된다. 따라서 스마트팜에서 획득한 이미지 및 영상을 이용하여 대량의 신속한 식물 생체 분석 기술이 개발될 필요가 있다. 본 연구에서는 상추의 이미지와 엽폭, 엽장 데이터를 이용하여 Keras의 CNN모델과 레이어를 사용해 이미지를 통한 잎 크기 예측 모델을 개발하였다. 본 연구에 사용한 데이터는 ‘AiHub’의 ‘지능형 수직농장 통합 데이터(엽채류)‘의 상추 데이터셋이며, bbox데이터를 이용하여 상추의 잎을 잘라낸 적색광 재배 상추의 이미지와 생체데이터를 활용하였다. CNN의 경우 사전 학습된 세 가지의 모델을 선정하였으며 VGG16, Resnet152, NASNetMobile을 사용했다. 이미지 증강, K겹 교차검증, 학습률 조정을 통해 적은 데이터세트에 의한 오류를 줄였다. 최종 모델인 NASNetMobile 에서의 예측은 엽폭과 엽장의 최고 R2 이 0.9436, 0.9568, MSE가 0.3203, 0.6848 등의 좋은 결과를 보인다. 학습용 데이터 세트가 업데이트되어 데이터 수량 및 다양성이 증가되면 성능이 향상되어 오차를 줄이고 실제 수직농장에 적용 가능할 것으로 기대된다.

IMU 센서를 활용한 온실 기초 좌표 변동 추정

황현정 ( Hyunjung Hwang ),박재성 ( Jaesung Park ),김동석 ( Dongseok Kim ),송지수 ( Jisu Song ),정은지 ( Eunji Jeong ),유석철 ( Seokcheol Yu ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

시설원예농업은 시장개방화 시대에 국제경쟁력을 발휘할 수 있는 토지절약형 농업으로, 첨단농업기술과 자본을 통해 고부가가치 수출산업으로 육성이 가능한 미래성장 산업분야이다. 국내 시설원예농업은 일부 품목의 대규모 유리온실재배를 제외하면 대부분이 비닐온실에 의한 소규모 시설농업으로, 원예농산물의 안정적인 생산과 공급을 확보하기 위해 지속적으로 발전을 이루어 왔다. 하지만 최근 지구 온난화와 이상 기후 현상으로 기상재해가 빈번하게 발생함에 따라, 원예특작시설의 피해 규모가 증가하는 추세이다. 농식품부는 폭설과 강풍으로 인한 시설 피해가 빈발함에 따라, 국가 및 농업인의 경제적 손실을 최소화하기 위해 내재해 기준 고시를 제정하였다. 본 연구에서는 내재해형 온실 기초의 안정성을 평가하고 관리하는 시스템을 구축하고자, 센서의 성능 검증과 데이터 분석 방법을 제안하였다. 일정한 데이터 수집을 위한 실시간 온실 기초의 안정성 데이터 계측 및 관리 시스템을 구현하여 온실 피해를 예방하는 데 초점을 두었다. 농업 현장에 실제 적용하기 위해서 무게가 가볍고, 설치가 용이한 저비용 센서를 활용하고자 한다. IMU(관성 측정장치) 센서를 통해 회전 방향과 크기, 가속도 데이터를 수집하고 캘리브레이션 과정을 거쳐, 시간에 따른 드리프트 현상과 외부환경에서 들어오는 노이즈를 최소화한다. 시설농업과 같은 실내에서는 GPS를 활용하는데 어려움이 있어, 칼만 필터(Kalman filter)를 이용하여 움직임을 추정하고자 한다. 이는 오픈소스 라이브러리를 활용하여 온실 기초의 움직임을 감지하고, 수치적분을 통해 3차원 공간에서의 좌표 변동을 추적한다. 실내 실험을 통해 센서의 활용성을 검증하고, 장기적인 관점에서 온실 기초의 안정성을 예측하는 시스템을 구현하고자 한다. 추후 연구에서는 외부 기상 조건과 온실 기초 안정성 데이터를 종합적으로 비교 분석하여 상관성을 도출하고, 기상청의 기상 데이터만을 활용하여 온실의 안정성을 예측할 수 있는 메커니즘을 구축하고자 한다.

표토 이미지를 통한 토양 입경 분류를 위한 딥러닝 모델 개발

김동석 ( Dongseok Kim ),송지수 ( Jisu Song ),정은지 ( Eunji Jeong ),황현정 ( Hyunjung Hwang ),박재성 ( Jaesung Park ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

토성은 토양 내 입도 분포 정도에 따른 토양의 구조, 용적밀도, 공극률 등의 물리적 특성을 결정하기 위해 필수적인 정보다. 토양의 입경 크기에 따라 체 분류법과 비중계법을 통한 토성의 분류가 일반적인 방법으로 사용되고 있다. 두 가지 방식 모두 필요로 하는 시료의 양 및 완전 건조를 위한 시간, 반복적인 실험과정 등 소요되는 시간 및 비용이 크다는 단점이 존재한다. 이에 본 연구에서는 농경지 표토의 영상 및 이미지에서 입경 별로 분류할 수 있는 딥러닝 모델을 개발하고자 한다. 선정된 농경지의 6개 지점에서 채취한 토양 시료들을 이용해 체 분류법을 통해 입경 크기별로 분리하여 실내 환경에서 스마트폰 카메라를 통해 영상 및 이미지을 획득하였다. 완전 건조 상태의 입경 별로 촬영한 이미지를 수집하여 Gray Scaling 및 edge detection 등의 DIP기법과 생성된 데이터셋에 대한 딥러닝 방법을 통하여 토양의 입경 별분류 모델을 설계하였다. 해당 연구를 통해 토성 분류과정에 필요한 시간을 단축하고 다수의 농경지를 대상으로 하는 토성 분류 과정을 보다 효율적이고 간단하게 진행할 수 있을 것으로 기대된다. 이후 토성에 대한 정보 이외에 함수비, 용적밀도 등의 정보들을 수집하여 모델 성능을 개선한다면 영상 기반의 물리적 특성에 대한 일괄적인 판단이 가능할 것이라 기대한다.

농경지 3D 모델 구축 및 오픈소스 기반 공간 데이터 가시화

정은지 ( Eunji Jung ),박재성 ( Jaesung Park ),김동석 ( Dongseok Kim ),송지수 ( Jisu Song ),황현정 ( Hyunjung Hwang ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

3D 모델링 구축은 제품 개발, 건축, 게임 등 다양한 분야에서 활용되고 있다. 농업 분야에서도 3D 모델링 구축 및 그 활용은 예외가 아니다. 최근 농업 시설 구축 및 운영, 농지 정보 관리, 생물 및 생체 데이터 관리에서 3D 모델링이 적극적으로 활용되고 있다. 3D 모델 내에서 필요한 데이터를 분류, 추출하고, 이중 원하는 데이터를 가시화하는 작업은 이미 다양하게 활용되고 있는 분야다. 본 연구는 오픈소스를 이용한 설계로 데이터 접근성을 높이고 결과물을 다양한 플랫폼에서 활용할 수 있도록 돕고자 한다. 먼저 드론 촬영으로 습득한 이미지 파일을 SfM(Structure from Motion) 기법으로 처리해 대상지 전체를 3D 모델로 렌더링하였다. 얻은 3D 모델에서 K-Means 클러스터링 알고리즘을 이용하여 시비살포의 불균질도, 농기구가 지나간 경로 등 농경지내 특이 영역을 찾아내고, 이를 3D 모델 위에 가시화하였다. 이 과정은 농업 공간에서 구축된 3D 모델 기반의 복합 데이터셋에서 특정 영역 추출, 분석, 분류의 과정을 거친 타 데이터를 가시화하는 모든 작업에 유용할 것으로 보인다. 농업 분야에서는 화학 비료의 균질한 살포와 농지 현황 분석, 정밀 농업 기술 등에 활용할 수 있을 것으로 기대된다.

온실 기초의 구조적 안전성 평가를 위한 IMU 센서의 활용

황현정 ( Hyunjung Hwang ),박재성 ( Jaesung Park ),김동석 ( Dongseok Kim ),조석훈 ( Sukhoon Cho ),송지수 ( Jisu Song ),정은지 ( Eunji Jung ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

시설 농업은 내부 환경 제어를 통해 외부 위험요소를 차단하고, 안정적으로 높은 품질의 작물을 생산하여 국내 농업 경쟁력에 이바지한다. 하지만 매년 기상재해로 인한 온실 피해가 빈번히 발생하고 그에 따른 경제적 손실이 막대하다. 시설재배 면적과 농가 인구가 감소하고 재배 기술이 향상됨에 따라, 시설재배 구조물의 안전성 확보가 더욱 요구된다. 농업 시설의 경제적 손실을 최소화하기 위해 온실 기초의 안전성을 평가하고, 기초부분에서 보완된 내재해형 온실을 계획하여 온실 피해를 예방하는 데 초점을 두었다. 본 연구에서는 내재해형 온실을 위해 센서 선정 및 센서의 성능 검증, 데이터 분석 방법을 제안하였다. 현장에서 인력을 통해 온실 기초의 안정성 데이터를 지속적으로 획득하기는 어려우므로, 다양한 센서를 통해 자동으로 실시간 데이터를 계측하고 관리하는 시스템을 구성하고자 하였다. 본 연구는 기초 연구로써 다양한 기상현상을 실내에 재현하여 실험을 진행하였다. 무게가 가벼워 설치가 용이하고, 저렴하지만 우수한 성능의 IMU(관성측정장치) 센서를 통해 회전 방향과 회전 크기, 변위 및 가속도 데이터를 수집하였다. 센서를 통해 수집된 동적 데이터는 오픈소스 라이브러리를 활용하여 3차원 공간에서의 좌표 변동을 추적하고, 이를 분석하였다. 센서의 기본 특성 평가 및 실제 외부 환경에서 사용될 센서의 민감도 분석 등을 사전 조사하여 활용성을 검토하였다. 추후 온실 구조물 기초에 본 센서를 부착하여 구조물의 실제 움직임을 빠르게 감지하고, 외부 기상 조건과 비교 분석함으로써 상관성을 도출하는데 활용하고자 한다.

농경지 표토 함수비의 공간 변동성 분석을 위한 맵핑 기법 개발

김동석 ( Dongseok Kim ),박재성 ( Jaesung Park ),송지수 ( Jisu Song ),정은지 ( Eunji Jeong ),황현정 ( Hyunjung Hwang ),박건휘 ( Gunhui Park ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

토양은 같은 필지 내에서도 불균일한 상태로 존재하기 때문에 각 위치에 따라 토성, 공극률, 투수계수, 유기물 함량, pH, EC 등 토양의 물리ㆍ화학적 특성이 서로 다를 수 있다. 이 중 함수비는 가장 기초적인 흙의 특성 중 하나로, 공간 변동성 뿐만 아니라 시간 변동성도 가지고 있어 기상 조건에 따라 수시로 변하며 이에 따라 토양의 강도 특성도 변하게 된다. 대표 지점에서 측정된 함수비를 농지 전 구역에 적용하는 것은 정확성이 부족하며, 이로 인해 공간 특성을 고려한 지점별 적정 관개량을 조절하는 것은 불가능하였다. 본 연구에서는 부산대학교 농장에서 UAV를 이용해 농지 전체를 중복 영역이 80% 수준 이상이 되도록 촬영하고, 취합된 RGB 이미지들로 SfM 기법을 통해 농지의 3D 모델링을 한다. 소형 센서를 통해 측정한 토양의 함수비 데이터를 위치 정보와 함께 3D 모델 위에 맵핑하여 농지 내 토양 함수비 분포 특성을 평가하는데 활용하고자 하였다. 또한 실험실에서 현장 채취 시료에 대해 함수비 조건을 다양하게 변화시켜 가며 이미지를 획득하고 머신러닝 기법을 활용해 함수비 예측 모델을 개발하였다. 본 연구 결과는 향후 현장에서 농기계에 부착한 RGB 센서와 GPS를 통해 얻은 RGB 이미지를 활용해 함수비 예측 모델을 적용하고 실시간으로 3D 모델에 특정 구역별 함수비 데이터를 기록하여 시간대 별 농지 전체의 구역별 함수비의 모니터링을 하는데 활용할 수 있을 것으로 기대된다.

농경지 토양 표면 거칠기 측정을 위한 무인항공기(UAV) 활용

정은지 ( Eunji Jeong ),박재성 ( Jaesung Park ),김동석 ( Dongsuk Kim ),송지수 ( Jisu Song ),황현정 ( Hyunjung Hwang ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

거친 토양 표면에서는 다양한 문제가 발생한다. 물과 토양, 씨앗, 비료 등이 낭비되어 생산 비용이 증가하고, 농기계 사용에 어려움을 주는 등 정밀농업 실현을 방해한다. 표면 거칠기가 높은 토양은 큰 입자를 가질 가능성이 크며, 이로 인해 식물의 성장을 저해할뿐더러 토양 내 수분 배출이 원활치 못하다. 이러한 문제를 해결하기 위하여 토양 거칠기를 측정하는 방법은 이미 알려져 있으나, 농지 전체의 거칠기를 직접 측정하는 것이 아닌 일부 지점에서 측정한 거칠기를 바탕으로 나머지 농지 면적의 거칠기를 예측하는 측정법이라는 단점이 있다. 따라서 본 연구에서는 무인항공기(UAV)를 통해 생성한 포인트 클라우드를 활용하여 토양 표면 거칠기를 효율적으로 측정할 수 있는 방안을 제안하고자 한다. 경상남도 밀양시 소재 농지의 40m 상공에서 4분 39초간 총 180장의 jpg 사진을 촬영하였다. 촬영된 사진을 취합하여 농지 일대의 *.pcd 형식 포인트 클라우드를 제작하였으며, 이후 농지 부분의 조밀 점군만 추출하여 사용하였다. Python과 3D 이미지 처리를 위한 오픈소스 라이브러리를 통해 포인트 클라우드의 특정한 포인트를 기준으로 일정한 반경 이내에서 가장 가까운 점 10개를 선정하여 z축 높낮이 차이를 비교하여 값을 도출하는 알고리즘을 설계하였다. 해당 연구의 활용성을 검증하기 위해 결과를 농지 위에 나타내어 시각화하였다. 본 연구는 특정 지점의 거칠기 값을 대푯값으로 사용하지 않고 최대한 모든 지점의 거칠기를 도출하는 시스템을 설계함으로써 측정된 토양 거칠기의 공간 정확도를 높이고 농지 운영에 도움을 줄 수 있을 것으로 기대된다.

농경지 내 표토 입경 분류를 위한 영상 기반 딥러닝 모델 개발

김동석 ( Dongseok Kim ),송지수 ( Jaesung Park ),황현정 ( Jisu Song ),배성규 ( Sunggyu Bae ),장성준 ( Seongjune Jang ),김주형 ( Juhyeong Kim ),박재성 ( Hyunjung Hwang ) 한국농공학회 2023 한국농공학회 학술대회초록집 Vol.2023 No.0

토성은 입도 분포에 따른 토양 구조, 밀도, 공극 등 물리적 특성을 결정하기 위해 필수적으로 알아야 할 기초적인 특성이다. 토양의 입경 크기에 따라 체 분류법과 비중계법을 통한 토성 분류가 일반적인 방법으로 사용되고 있다. 두 가지 방식 모두 상당량 이상의 현장 토양 시료가 필요하며, 정확한 토성 분류에 필요한 신뢰도 높은 데이터를 취득하기 위해 몇 차례 반복적인 실험이 필요하기도 하다. 완전 건조된 토양 시료를 사용해야 하기 때문에 건조시간 및 분류 실험을 통해 소모되는 시간이 크다는 단점이 있다. 이에 본 연구에서는 선정된 농경지의 6개 지점에서 채취한 토양 시료들을 이용해 토양 입자 크기별로 분류하여 실내 환경에서 소형 RGB 카메라를 통해 영상을 획득하였다. 완전 건조 상태의 이미지와 일정 간격의 함수비 조건별로 촬영한 이미지를 수집하여 Gray Scaling 및 HSV 색상값 등의 DIP기법과 딥러닝 기법을 통하여 토성의 입자 크기별 분류 모델을 설계하였다. 또한 이 결과는 해당 농경지의 시료 채취 지점의 GPS 데이터와 결합하여 GIS 상에 맵핑하였다. 해당 연구를 통해 토성 분류과정에 필요한 시간을 단축하고 다수의 농경지를 대상으로 하는 토성 분류 과정을 보다 효율적이고 간단하게 진행할 수 있을 것으로 기대된다. 또한 GPS 정보와 결합한 GIS 프로그램을 통해 다수의 농경지의 토성 정보를 일괄적으로 파악 가능할 수 있을 것이다. 이후 본 연구를 기반으로 해당 농경지의 토양의 함수비 및 EC, pH 등의 데이터를 수집하여 추가적인 특성 예측 모델을 개발하여 반영할 수 있을 것이라 기대한다.