RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      딥러닝 기반의 의미론적 분할을 이용한 감수지의 도포율 평가 = Evaluation of spray ratio from water sensitive paper using semantic segmentation based on deep learning

      한글로보기

      https://www.riss.kr/link?id=A108858536

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      재래식 방제 방식보다 노동력 절감의 효과가 있어 그 수요가 나날이 증대되고 있는 드론 방제는 환경이 고려되지 않는 일괄적인 살포 방식으로 인한 효율 저하와 조종자의 숙련도에 따른 살...

      재래식 방제 방식보다 노동력 절감의 효과가 있어 그 수요가 나날이 증대되고 있는 드론 방제는 환경이 고려되지 않는 일괄적인 살포 방식으로 인한 효율 저하와 조종자의 숙련도에 따른 살포 성능의 차이가 발생한다는 문제점이 있다. 이를 개선하기 위해 변량방제 연구들이 수행되고 있으며, 주로 감수지를 이용한 살포 실험을 진행한 뒤 감수지 면적과 약제가 도포된 면적의 비율인 도포율을 통해 살포 성능을 평가하여 목표성능과의 오차를 줄이는 방식으로 수행되었다. 이때 도포율을 검출하는 기존 시스템은 조도 등의 촬영 환경에 민감하며, 한 번에 한 장씩 검출을 진행하여 효율이 떨어지는 실정이다. 따라서 본 연구에서는 환경변화에 강인하며, 한 번에 여러 장 검출이 가능한 딥러닝 기반의 의미론적 분할을 활용하여 감수지 사진에서 도포율을 평가하였다. 학습데이터는 한국농업기술원의 농업용 드론 실내 검정시스템에서 수집된 영상으로 구성되었으며, 합성곱 신경망 구성의 U-net 구조를 이용하여 도포 면적 검출 학습을 수행하였다. 학습 결과 평가 표본에 대한 영역검출 성능은 mIoU 0.85, F1-Score 0.91로 나타나 의미론적 분할을 통해 감수지 사진에서 도포 면적 자동 검출과 도포율 평가가 가능하였음을 확인하였다. 향후 모델 성능 향상에 따른 실제 시험으로의 적용으로 감수지 평가 방식의 효율을 증가시켜 방제 드론의 변량 살포 기술 개발을 위한 기초연구로 활용할 수 있을 것으로 판단된다.

      더보기

      동일학술지(권/호) 다른 논문

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼