메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
노시영 (농촌진흥청 국립농업과학원 스마트팜개발과) 곽강수 (농촌진흥청 국립농업과학원 스마트팜개발과)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제16권 제6호
발행연도
2021.12
수록면
1,185 - 1,193 (9page)
DOI
10.34163/jkits.2021.16.6.006

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
나방류 해충은 식량작물에 많은 피해를 주는 해충군의 하나로 나방류 유충은 모습과 형태가 비슷하게 생겼으며, 환경 및 기주식물 등에 따라 동일한 나방 유충이더라도 유충의 색이 달라 정확한 나방 유충을 확인하는 것은 숙달된 농업인도 힘들다. 하지만 나방 유충간에도 방제 방법 서로 달라 정확한 나방 유충 판별이 매우 중요하다. 나방 유충 탐지 모델의 주 사용자는 컴퓨터에 대한 기본 지식이 없는 농민이다. 그러기 때문에 가장 중요한 요소는 나방의 유충을 탐지하는 시간이나 정확도 보다 얼마나 적은 오류 탐지(False Positive 또는 Fales Negative)을 하는 것이 보다 중요한 요소라 할 수 있다. 이는 오류 탐지로 잘못된 방제 처리를 한 농민들의 노동력 낭비와 금전적 손실을 예방하고 스마트농업 기술에 대한 신용도를 향상 시킬 수 있기 때문이다. 이러한 문제 해결을 위해서 YOLO 기반의 나방 유충 탐지 모델을 개발하였다. 하지만 YOLO 모델간에도 성능에 차이가 있어 YOLO v2, YOLO v3, YOLO v4 모델을 동일한 나방 유충 이미지로 학습하여 성능을 비교하였다. 실험 결과, YOLO v4 모델이 Precision, Recall, F1-Score가 1.00으로 나왔으며 IoU 88.39%, mAP 79.96%로 다른 YOLO 모델이 비해 성능이 우수한 것으로 확인하였으며, 오류 탐지(False Positive 또는 Fales Negative) 또한 다른 YOLO 모델에 비해 적어 나방 유충 탐지 모델로 적합함을 확인할 수 있었다.

목차

등록된 정보가 없습니다.

참고문헌 (15)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0