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

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 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.