http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
오윤경 ( Yungyeong Oh ),김아라 ( Ara Kim ),박선영 ( Seonyoung Park ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-
농촌 지역경제의 기반을 이루는 농업 부문이 성장한계에 직면함에 따라 새로운 소득원을 확보하여 지역사회를 안정적으로 유지하는 것이 주요 과제로 대두되고 있다. 최근 귀농·귀촌 가구가 새로 유입되고 있으나 농업 생산과 관련된 귀농가구는 크게 증가하지 않고 있어 지역의 농특산물을 바탕으로 2·3차 산업과의 융복합 농산업화가 농촌 지역의 활성화 대안으로 부각되고 있다. 이에 정부는 농가·농촌 경제 활성화를 위해 농촌융·복합산업 육성 및 지원에 관한 법률(법률 제 16074호)을 제정하고 2019년 6월부터 시행하면서 다양한 사업들을 추진하고 있다. 이를 바탕으로 2019년 12월 기준 전국에 1,500여개의 농촌융복합산업 인증사업자가 선정되어 운영되고 있으며 정부에서는 다양한 지원정책을 추진하고 있다. 그러나 현재 이들 사업자를 대상으로 지원되는 정책을 살펴보면 금융 및 컨설팅 등 소프트웨어 중심의 일시적인 지원이 주가 되고 있으며, 시설, 지역개발, 체험관광 활성화를 위한 지속적인 유지/관리 지원책은 미흡한 실정이다. 또한, 감소하는 농업 인력과 변화하는 농산물 수요/공급 및 관광 수요/공급 현황을 장기적으로 고려한 경지계획보다는 사업신청 대상자를 중심으로 관행적으로 농민의 의지에 따라 경지 이용이 이루어지고 있는 상황이다. 따라서 본 연구에서는 객관적이고 정량화된 공공 빅데이터를 활용하여 지역에 적합한 융복합 농산업화 유형별 경지이용방법을 제안하기 위한 기초연구를 수행하고자 한다.
YOLO v2를 이용한 항공영상에서의 태양광 발전 시설 객체 탐지
김하영 ( Hayoung Kim ),최규훈 ( Gyuhoon Choi ),유승환 ( Seung-hwan Yoo ),오윤경 ( Yungyeong Oh ) 한국농공학회 2022 한국농공학회 학술대회초록집 Vol.2022 No.-
최근 신재생에너지 발전 비중을 높이기 위해 정부에서는 다양한 지원책을 추진하였으며, 그 결과 급격하게 증가한 태양광 시설로 인해 환경·생태계 훼손 논란을 비롯하여 지역 주민의 민원이 증가하고 있다. 태양광 시설 입지 적합성 및 문제점을 파악하기 위해서는 선행적으로 농촌 시설 현황 모니터링이 필요하다. 그러나 현재 태양광 발전 시설의 설치 현황에 관한 공간정보의 데이터 구축이 아직은 미흡하여 농촌 지역의 토지이용 모니터링에 활용하기에 어려움이 있다. 본 연구에서는 농촌 지역에 설치된 태양광 시설을 탐지하기 위해 인터넷에서 제공되는 고해상도 항공영상에 딥러닝 기술을 적용하여 태양광 시설 설치 여부를 판단하는 연구를 수행하였다. 딥러닝 모델 중 YOLO(You Only Look Once) v2 객체 검출기를 훈련하여 생성된 태양광 시설 검출기를 영상 분석에 활용하였다. 농촌지역에 분포하는 소규모 태양광 시설을 대상으로 AI 분석법을 적용하기에 적합한 최소한의 데이터 셋과 항공 영상의 축척의 크기를 산정하기 위해 축척이 1:5000에서 1:10000 규모인 항공 영상 이미지 약 800장을 수집하여 학습데이터를 구축하고, 이를 바탕으로 태양광 시설 탐지 모델을 생성하였다. 본 연구에서 적용한 모델중 가장 높은 성능을 보인 태양광 시설 객체 탐지 검출률은 약 93%로 나타났다. 향후 학습데이터의 양적인 보완을 통해 영상 분류모델의 객체 탐지 성능을 향상시켜 농촌 지역에 분포하는 다양한 농업시설물을 대상으로 토지이용 현황을 모니터링하는 데 활용하고자 한다.
YOLO v2를 이용한 항공영상에서의 태양광 발전 시설 객체 탐지
김하영 ( Hayoung Kim ),최규훈 ( Gyuhoon Choi ),유승환 ( Seung-hwan Yoo ),오윤경 ( Yungyeong Oh ) 한국농공학회 2022 한국농공학회 학술대회초록집 Vol.2022 No.-
최근 신재생에너지 발전 비중을 높이기 위해 정부에서는 다양한 지원책을 추진하였으며, 그 결과 급격하게 증가한 태양광 시설로 인해 환경·생태계 훼손 논란을 비롯하여 지역 주민의 민원이 증가하고 있다. 태양광 시설 입지 적합성 및 문제점을 파악하기 위해서는 선행적으로 농촌 시설 현황 모니터링이 필요하다. 그러나 현재 태양광 발전 시설의 설치 현황에 관한 공간정보의 데이터 구축이 아직은 미흡하여 농촌 지역의 토지이용 모니터링에 활용하기에 어려움이 있다. 본 연구에서는 농촌 지역에 설치된 태양광 시설을 탐지하기 위해 인터넷에서 제공되는 고해상도 항공영상에 딥러닝 기술을 적용하여 태양광 시설 설치 여부를 판단하는 연구를 수행하였다. 딥러닝 모델 중 YOLO(You Only Look Once) v2 객체 검출기를 훈련하여 생성된 태양광 시설 검출기를 영상 분석에 활용하였다. 농촌지역에 분포하는 소규모 태양광 시설을 대상으로 AI 분석법을 적용하기에 적합한 최소한의 데이터 셋과 항공 영상의 축척의 크기를 산정하기 위해 축척이 1:5000에서 1:10000 규모인 항공 영상 이미지 약 800장을 수집하여 학습데이터를 구축하고, 이를 바탕으로 태양광 시설 탐지 모델을 생성하였다. 본 연구에서 적용한 모델중 가장 높은 성능을 보인 태양광 시설 객체 탐지 검출률은 약 93%로 나타났다. 향후 학습데이터의 양적인 보완을 통해 영상 분류모델의 객체 탐지 성능을 향상시켜 농촌 지역에 분포하는 다양한 농업시설물을 대상으로 토지이용 현황을 모니터링하는 데 활용하고자 한다.
고해상도 농경지 데이터를 이용한 비료사용 농경지의 암모니아 배출량의 시공간적 변화 분석
박진선 ( Park Jinseon ),이세연 ( Lee Se-yeon ),홍세운 ( Hong Se-woon ),나라 ( Na Ra ),오윤경 ( Oh Yungyeong ) 한국농촌계획학회 2021 농촌계획 Vol.27 No.4
Ammonia emission from the agricultural sector contributes almost 78% of total ammonia emission in Korea. The current ammonia emission estimation method from fertilizer application has high uncertainty and needs to be improved. In this study, we propose an improvement method for estimating the amount of ammonia emission from agricultural land with improved spatiotemporal resolution using Farm Manager Registration Information System and criteria for the fertilizer. We calculated ammonia emissions by utilizing the 2020 cultivation area provided by Farm Manager Registration Information System for 55 kinds of upland crops cultivated in the field area of the farmland. As a result, soybeans were the most cultivated field crop in 2020, and the area of cultivated land was surveyed at about 77,021 ha, followed by sweet potatoes 22,057 ha, garlic 20004 ha, potatoes 17,512 ha, and corn 16,636 ha. The month with the highest ammonia emissions throughout the year was calculated by emitting 590.01 ton yr-1 in May, followed by 486.55 ton yr-1 in March. Hallim-eup in Jeju showed the highest ammonia emission at 117.50 ton yr-1.