딥러닝 모델 기반 시멘틱 세그멘테이션을 이용한 벼 도복 추정 (Estimation of Rice Lodging Using Semantic Segmentation Based on Deep Learning Model)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 22권 / 9호 / 28 ~ 34페이지
· 저자명 : 김병준, 박근호, 안형근, 김기연, 정성환

초록

벼 도복은 매년 태풍 및 장마로 인해 벼 생산에 막대한 피해를 주는 원인이며, 조기 발견을 통해 벼 수확량 및 수발아와 관련된 피해를 예방하기 위핸 효과적인 방법이 필요하다. 본 논문에서는 무인 항공기를 이용하여 촬영된 영상에서 벼 도복을 추정하는 방법을 제안한다. 제안하는 방법은 ResNetV2 101백본 네트워크 기반 DeepLabV3+ 시멘틱 세그멘테이션 모델로, 도복(lodging), 일반 벼(non-lodging), 그리고 배경(background) 영역에 대해 추정한다. 제안한 모델의 학습 및 평가를 위해 경상도, 전라도, 충청도 일대에서 무인 항공기를 이용하여 벼 도복 관련된 816장 영상을 수집하였다. 수집한 데이터는 748개의 학습 데이터, 40개의 검증 데이터, 28개의 평가 데이터로 나눈 후, 추정 성능 향상을 위해 전이학습, Focal Loss 손실 함수 등 다양한 방법을 적용하였다. 평가 데이터 28장에 대해 성능을 평가한 결과, Focal Loss 손실 함수를 적용한 DeepLabV3+ 시멘틱 세그멘테이션 모델이 93.16%의 픽셀 정확도와 87.75%의 mIoU로 좋은 결과를 보였다. 추정된 결과를 통해 도복과 일반벼의 분포를 파악할 뿐만 아니라, 도복의 확산 경향과 피해, 형태 등을 분석하는데 사용할 수 있다고 사료된다.

영어초록

Rice lodging is an annual occurrence that causes enormous damage to rice production by typhoons and rainy seasons. Therefore, it is necessary to find an effective method to prevent the damage to rice yield and pre-harvest sprouting through early detection. This paper proposes an estimation method for rice lodging based on RGB images captured by unmanned aviation vehicles. The proposed method constructs the DeepLabV3+ semantic segmentation model based on ResNetV2 101 backbone network and estimates the area of lodging, non-lodging, and background. To train and evaluate the proposed model, we captured 816 images related to rice lodging using an unmanned aerial vehicle in Gyeongsang-do, Jeolla-do, and Chungcheong-do. The collected dataset was divided into 748 training data, 40 validation data, and 28 evaluation data, which were then used in various methods such as transfer learning and focal loss function for the improved estimation performance. The evaluation of performance using 28 evaluation data shows that the DeepLab V3+ semantic segmentation model, to which the focal loss function was applied, yields the best results with 93.16% pixel accuracy and 87.75% mIoU. Furthermore, the estimation result can be used to find the distribution of lodging and non-lodging and analyze the trend of spreading lodging, damage, and shape.

참고자료

· 없음