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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이봉규
- 발행연도
- 2022
- 저작권
- 제주대학교 논문은 저작권에 의해 보호받습니다.
이용수9
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
식물의 생육은 수분에 의해서 크게 좌우되기 때문에 토양이 재배하는 식물에 최적의 수분을 가지도록 조절하는 것은 중요하다. 최근 초분광영상을 통하여 식물의 생육정보를 자동으로 분석하는 연구가 진행되고 있으며 토양의 수분함량을 측정하는 것도 포함한다. 그러나 초분광영상의 경우 많은 분광밴드로 인하여 발생하는 방대한 데이터로 인하여 분석과정이 복잡하기 때문에 사용이 어렵다. 이런 문제점을 해결하기 위하여 심층신경망 (Deep Neural Network, DNN)을 통한 초분광영상의 분석이 시도되고 있다.
본 논문에서는 토양수분량을 예측할 수 있는 심층신경망의 일종인 합성곱신경망 (Convolution Neural Network, CNN) 기반의 시스템을 제안한다. 제안한 방법은 합성곱신경망이 토양에 대한 초분광영상을 이용하여 수분량에 대한 학습을 한다. 인식 단계에서는 입력되는 초분광영상을 분석하여 입력된 영상이 가지는 수분량을 인식한다.
제안 시스템의 유효성을 보이기 위해서 토양에서 얻은 초분광영상 데이터를 이용하여 수분량을 분석하는 실험을 한다. 실험 결과 인식률은 96.7%로 나타났다. 제시된 기법은 대상 초분광의 전체 대역을 심층학습방법을 사용하여 자동 분석하기 때문에 각 영상에 대해 인식에 필요한 특정 대역을 찾는 노력을 할 필요가 없다.
본 논문에서는 토양수분량을 예측할 수 있는 심층신경망의 일종인 합성곱신경망 (Convolution Neural Network, CNN) 기반의 시스템을 제안한다. 제안한 방법은 합성곱신경망이 토양에 대한 초분광영상을 이용하여 수분량에 대한 학습을 한다. 인식 단계에서는 입력되는 초분광영상을 분석하여 입력된 영상이 가지는 수분량을 인식한다.
제안 시스템의 유효성을 보이기 위해서 토양에서 얻은 초분광영상 데이터를 이용하여 수분량을 분석하는 실험을 한다. 실험 결과 인식률은 96.7%로 나타났다. 제시된 기법은 대상 초분광의 전체 대역을 심층학습방법을 사용하여 자동 분석하기 때문에 각 영상에 대해 인식에 필요한 특정 대역을 찾는 노력을 할 필요가 없다.
목차
표 목차 ⅱ그림 목차 ⅲ초록 ⅳAbstract ⅴⅠ. 서론 1Ⅱ. 배경과 관련 연구 31. 농업분야에 대한 초분광영상 활용 31.1. 초분광영상 (HSI) 기술 41.2. 초분광영상 자료 활용분야 72. 인공신경망과 합성곱신경망 92.1. 인공신경망 (Artificial Neural Networks, ANN) 92.2. 합성곱신경망 (Convolution Neural Network, CNN) 132.3. 합성곱신경망과 초분광영상 분석 21Ⅲ. 초분광영상 분석을 위한 합성곱신경망 25Ⅳ. 구현 및 실험 결과 분석 271. 실험 환경 및 데이터 수집 272. 실험 결과 및 분석 29Ⅴ. 결론 및 향후 연구 방향 31Ⅵ. 참고 문헌 32
최근 본 자료
댓글(0)
0