영상이미지 활용 배나무 병해충 조사기술 개발
과제구분 기본연구 수행시기 전반기
연구과제 및 세부과제명 연구분야 수행기간 연구실 책임자

인공지능 및 드론의 농업적 활용 기술 개발

 미래농업 ’17~ 원예연구과 이영석

영상이미지 활용 배나무 병해충 조사기술 개발

 미래농업 ’17~’19 원예연구과 이영석
색인용어

배나무, 적성병, 영상이미지, 드론, 인공지능
 
□ 연구 목표
상업용 민간 국내 드론시장은 도입초기로 미미한 편이지만 고 성장세를 보이며 향후 15년간 1.6조원 시장으로 발전할 전망이다. 농업용 드론활용이 드론의 주요 부분을 차지할 것이라 예상되고 있으며 농촌 고령화 및 농촌 일손 부족으로 인한 노동력 절감 및 효율적 생산방법으로 항공방제가 부각되고 있다(정 등, 2015). 드론을 이용하여 방제 뿐 만아니라 농경지의 분류를 전수조사를 하지 않고 드론으로 촬영한 농경지를 논, 고구마, 고추, 옥수수, 깻잎, 과수, 비닐하우스의 7가지 클래스로 구분해내는 컨볼루션 뉴럴 네트워크(Convolution Neural Networks, CNNs)알고리즘을 적용하여 연구하였다(주영도, 2017). 또한 병해충을 줄일 수 있는 과수병 예찰을 위하여 회전익 드론에 다중분광 센서와 RGB 카메라를 탑재하여 고도 15m 상공에서 배 과수를 촬영한 영상을 분석하여, 화상병 감염 여부를 판정할 수 있다는 것이 확인 되었다(김현정 등, 2018). 화상병 모사가지를 이용하여 회전익 드론으로 취득한 RGB 영상을 전처리 과정을 거쳐 영상을 축소 후 기계 학습기법을 도입하여 화상병 발병 여부를 분석함으로써 화상병 예찰 시스템 적용 기술을 개발 하였다(김현정 외, 2019). 기존 딥러닝 기반의 사물인식 방식은 RCNN 종류의 2단계 인식이 대세였는데, 이러한 방식들은 구역과 구분이 순차적으로 계산되어 높은 정확도에 비해 처리 속도가 느리다는 단점을 가지고 있다. YOLO는 한 번의 처리로 구역과 구분을 동시에 처리되어 여러 사물을 실시간으로 검출할 수 있는 강력한 장점이 있다(J. Redmon, 2017). 본 연구는 회전익 드론의 촬영고도와 이송속도를 최적화하여 취득한 고해상도의 RGB 영상을 1/16으로 분할하여 처리하는 전 처리과정을 거치지 않고 취득한 영상을 직접 적용하여 증상을 판단 할 수 있는 딥러닝 인공지능 알고리즘 YOLOv2를 적용 하여 사진 및 동영상 이미지를 빠르게 분석하여 적성병을 검출 할 수 있는 프로그램을 개발하고자 하였다.
 
※ 자세한 내용은 첨부파일을 참고하세요.