복합환경정보 및 증강 기법을 활용한 작물 병해 영상 분류시스템 설계 및 구현 (Design and Implementation of Crop Disease Image Classification System Using Complex Environmental Information and Data Augmentation)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 48권 / 12호 / 1696 ~ 1705페이지
· 저자명 : 김태현, 백정현, 임동혁, 김만중, 박성진, 이정호

초록

본 논문은 표준 기반의 인공지능 복합환경제어시스템을 이용하여 온실 내부 환경정보와 작물 영상 데이터를 자동으로 취득하였다. 또한 취득 된 영상 데이터와 환경정보를 이용해 병해 발생 예측 정보와 일사량, 광투과율, 산란광 등의 광 환경 정보를 활용하여, 온실 실증 환경에서 쉽게 검출하기 힘들었던 작물 영상을 분석하였다. 작물병해 영상 분석 시 영상 변환 증강기법과 파라미터 미세 조절 등 전처리 기술 적용을 통해 기존 실종 환경에서2020년도에 92.5%였던 병해 검출율을 95.2%로 상향시켰다. 이는 비교 대상이었던 keras를 활용한 딥러닝 병해예측 모델 검출 정확도 최대치인 89%와 비교했을 경우, 6.2%p 이상 향상됐고, 실험실에서 조절한 환경이 아닌외부 환경에서 취득한 unseen data를 이용한 것을 감안할 경우(Practical outcome), 매우 높은 병해 분류 정확도를보여준다고 할 수 있다.

영어초록

This paper uses a KS standard-based artificial intelligence complex environmental control system. In the automatically acquired crop image data, the environmental information from inside the greenhouse is used to predict the occurrence of diseases. In addition, by using light environment information such as insolation, light transmittance, and scattered light, crop diseases that were difficult to detect in the greenhouse demonstration environment were solved by applying pre-processing techniques such as the image conversion enhancement technique and fine parameter adjustment. As a result, the disease detection rate, which was 92.5% in 2020 in the existing demonstration environment, was raised to 95.2%. This was improved by more than 6.2%p when compared with the 89% maximum detection accuracy of the deep learning disease prediction model using keras.
In other words, considering that the unseen data acquired from an external environment rather than an environment controlled by a laboratory was used (Practical outcome), it can be said that the disease classification accuracy is very high.

참고자료

· 없음