딥러닝 기반의 토양 특성 예측 기법을 위한 토양 표층 이미지의 적정 해상도 검토 = Appropriate Resolution of Soil Surface Image for Soil Property Prediction by Deep Learning Model

국문 초록 (Abstract)

디지털 이미지 기반의 토양 특성 분석은 디지털 이미지 분석 기법의 장점인 신속성, 경제성 등으로 인해 기존의 실험적 방법을 대체할 수 있는 주요 수단으로 자리 잡고 있다. 특히, 딥러닝 기법을 통해 토양 표층 이미지를 분석하여 토양 수분, 밀도 등 대표적인 토양 특성에 대한 정밀한 예측이 가능해져 이미지 기반의 토양 특성 예측 기법의 활용도가 더욱 높아지고 있다. 토양 이미지에서 표현되는 대표적인 특징은 표층의 색상과 질감이다. 이중 색상은 토양 수분, 질감은 토양 밀도와 큰 연관성이 있는 것으로 알려져 있다. 디지털 이미지는 피사체와의 거리에 따라 촬영 면적이 달라진다. 가까운 거리에서 촬영하는 경우 높은 해상도의 이미지를 획득할 수 있으나 촬영 면적이 좁아진다. 반대로, 먼 거리에서 촬영할수록 해상도는 점차 낮아지나 더 넓은 면적의 이미지를 획득할 수 있다. 촬영거리에 따라 하나의 이미지에서 획득할 수 있는 정보의 양이 서로 상이하기 때문에 딥러닝 모델 구축 시 적정 촬영 면적을 결정할 필요가 있다. 따라서 본 연구에서는 다양한 해상도의 토양 표층 이미지를 획득하여 모델을 구축하고, 이를 바탕으로 토양 표층 이미지 기반 딥러닝 모델의 적정 해상도를 제안하고자 한다. 토양 표층 이미지의 획득은 실내 스튜디오에서 진행하였다. 실내 스튜디오는 광 조건의 통제가 가능하며, 카메라의 수직 이동을 통해 다양한 해상도의 디지털 이미지를 획득할 수 있도록 설계하였다. 3종의 토양을 대상으로 다양한 함수비, 밀도 조건에서 토양 이미지를 획득하였다. 디지털 이미지의 해상도는 0.018, 0.029, 0.055 mm/pixel의 3가지이다. 토양 표층 이미지에서 색상, 질감, 형상 등을 대표할 수 있는 특성들을 추출하여 토양의 함수비와 밀도를 예측하기 위한 인자로 하였다. 본 연구의 결과는 토양 이미지 기반의 딥러닝 모델 구축 시 학습 자료의 해상도 결정을 위한 자료로 활용될 수 있을 것으로 판단된다.