개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
경지면적의 작물 상황에 대한 모니터링 및 분석은 식량자급율을 높이기 위한 가장 중요한 요소이지만, 기존의 모니터링 방법은 노동 집약적이며 시간이 많이 들어 식량자급율을 높이기 위한 방안으로 그 활용성이 떨어진다. 이와같은 단점을 극복하기 위하여 국내에 다수 존재하고 있는 소규모 농지에서의 복합 작물 정보를 모니터링 하기위한 효율적인 방법을 개발할 필요가 있다. 본 연구에서는 복합작물의 분류 정확도를 높이기 위하여 무인항공기에서 취득된 RGB영상과 이를 이용한 식생지수를 딥러닝 입력데이터로 적용하고 복합 밭작물을 분류하였다. 각각의 입력데이터 분류 결과 RGB 영상을 이용한 분류는 전체정확도 80.23%, Kappa 계수 0.65가 나타났고, RGB영상과 식생지수를 이용한 방법의 경우 식생지수 3개(ExG,ExR,VDVI) 추가 데이터는 전체정확도 89.51%, Kappa 계수 0.80이며, 식생지수 6개(ExG,ExR,VDVI,RGRI,NGRDI,ExGR)는 90.35%, Kappa 계수 0.82로 분석되었다. 분류결과 RGB영상만을 이용한 방법에 비하여 식생지수를 추가한 결과 값이 비교적 높게 분석되었으며, 복합작물을 분류하는데 있어 식생지수를 추가한 데이터가 더 좋은 결과를 나타내었다.
목차
Abstract
초록
1. 서론
2. 실험지역 및 자료
3. 실험방법
4. 실험결과
5. 결론
References
참고문헌 (21)
참고문헌 신청
Barrero, O. and Perdomo, S.A. (2018), RGB and multispectral UAV image fusion for Gramineae weed detection in rice fields, Precision Agriculture, Vol. 19, No. 5, pp. 809-822.
Chew, R., Rineer, J., Beach, R., O’Neil, M., Ujeneza, N., Lapidus, D., Miano, T., Hegarty-Craver, M., Polly, J., and Temple, D. S. (2020), Deep Neural Networks and Transfer Learning for Food Crop Identification in UAV Images. Drones, Vol. 4, No. 1, 7p.
Choi, S.K., Lee, S.K., Kang, Y.B., Seong, S.K., Choi, D.Y., and Kim, G.H. (2020), Applicability of Image Classification Using Deep Learning in Small Area: Case of Agricultural Lands Using UAV Image. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 38, No. 1, pp. 23-33.
Gallego, J., Kravchenko, A.N., Kussul, N.N., Skakun, S.V., Shelestov, A.Y., and Grypych, Y.A. (2012), Efficiency assessment of different approaches to crop classification based on satellite and ground observations, Journal of Automation and Information Sciences, Vol. 44, No. 5, pp. 67-80.
Gamon, J.A. and Surfus, J.S. (1999), Assessing leaf pigment content and activity with a reflectometer. The New Phytologist, Vol. 143, No. 1, pp. 105-117.
Chew, R., Rineer, J., Beach, R., O’Neil, M., Ujeneza, N., Lapidus, D., Miano, T., Hegarty-Craver, M., Polly, J., and Temple, D. S. (2020), Deep Neural Networks and Transfer Learning for Food Crop Identification in UAV Images. Drones, Vol. 4, No. 1, 7p.
Choi, S.K., Lee, S.K., Kang, Y.B., Seong, S.K., Choi, D.Y., and Kim, G.H. (2020), Applicability of Image Classification Using Deep Learning in Small Area: Case of Agricultural Lands Using UAV Image. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 38, No. 1, pp. 23-33.
Gallego, J., Kravchenko, A.N., Kussul, N.N., Skakun, S.V., Shelestov, A.Y., and Grypych, Y.A. (2012), Efficiency assessment of different approaches to crop classification based on satellite and ground observations, Journal of Automation and Information Sciences, Vol. 44, No. 5, pp. 67-80.
Gamon, J.A. and Surfus, J.S. (1999), Assessing leaf pigment content and activity with a reflectometer. The New Phytologist, Vol. 143, No. 1, pp. 105-117.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
드론 광학센서 기반의 식생지수 정확도 평가
한국측량학회지
2022 .04
-
드론 영상 기반 식생지수를 이용한 농경지 토지이용 분류
한국측량학회지
2022 .12
-
농업분야에서 식생지수의 활용
농업생명과학연구
2021 .10
-
Use of Unmanned Aerial Vehicle for Multi-temporal Monitoring of Soybean Vegetation Fraction
바이오시스템공학(구 한국농업기계학회지)
2016 .01
-
딥러닝 기반 RGB-D 이미지 내 3차원 손 추출 알고리즘
정보 및 제어 논문집
2021 .10
-
RGB-D 영상을 이용한 얼굴 검출 알고리즘
대한전자공학회 학술대회
2016 .06
-
UAV 영상 자료 기반의 농작물 식생지수 정확도 평가
한국측량학회 학술대회자료집
2019 .04
-
식생지수를 이용한 다채널 농작물 이미지의 의미론적 분할
한국통신학회 학술대회논문집
2023 .02
-
드론 영상의 RGB 정보를 이용한 도로 점군자료의 분류
한국측량학회 학술대회자료집
2017 .04
-
노지 스마트 팜을 위한 UAV 근적외영상기반 식생지수와 엽록소 실측 데이터 시계열 비교
대한공간정보학회지
2022 .03
-
딥러닝 기반 RGB 영상의 점진적 초분광 복원 기법
대한전자공학회 학술대회
2020 .08
-
RGB-D 카메라를 활용한 딥러닝 기반의 체결 위치 추정 정확도 향상
대한기계학회 춘추학술대회
2019 .11
-
RGB 센서를 이용한 온도 변화량 추정 연구
대한전기학회 학술대회 논문집
2016 .07
-
RGB와 IR 영상의 압축률에 따른 객체 탐지 신경망 성능 분석
방송공학회논문지
2021 .03
-
Kompsat-3A영상을 이용하여 Deep Learning기법에 따른 식생지수 분석
한국측량학회 학술대회자료집
2019 .04
-
하도 내 식생의 물리적 구조를 산정하기 위한 3차원 지상 레이저 스캐닝의 도입 및 활용
Ecology and Resilient Infrastructure
2020 .06
-
항공영상의 RGB자료를 이용한 LiDAR 점군자료의 객체 분류
대한토목학회 학술대회
2016 .10
-
다중 RGB-D 카메라를 이용한 가상 시점 영상 합성
대한전자공학회 학술대회
2017 .11
-
초분광 영상에 식생 관련 지수 적용에 관한 연구
대한공간정보학회 학술대회
2018 .05
-
위성영상기반 식생지수(EVI)를 이용한 가뭄지수 분석
한국통신학회 학술대회논문집
2018 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
딥러닝 모델 기반 시멘틱 세그멘테이션을 이용한 벼 도복 추정
김병준
,
박근호
,
안형근
외 2명
한국산학기술학회 논문지
2021
.09
모바일 기반 포트홀 탐지 시스템 효율화를 위한 영상 처리 및 딥러닝 기반 알고리즘 연구
김석진
,
안광은
,
이성원
외 2명
한국정보과학회 학술발표논문집
2018
.12
농업분야 무인항공기 영상 활용 동향: 리뷰 및 제안
박진기
,
Am
,
ita Das
외 1명
Korean Journal of Agricultural Science
2015
.09
ResUNet++을 활용한 피부암 병변 분할
박준영
,
한영환
전자공학회논문지
2022
.02
아리랑 5호 위성 영상에서 수계의 의미론적 분할을 위한 딥러닝 모델의 비교 연구
김민지
,
김승규
,
이도훈
외 1명
멀티미디어학회논문지
2022
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-533-001410571