KR101328487B1 - 벼의 수확시기 예측 방법 및 장치 - Google Patents
벼의 수확시기 예측 방법 및 장치 Download PDFInfo
- Publication number
- KR101328487B1 KR101328487B1 KR1020110143090A KR20110143090A KR101328487B1 KR 101328487 B1 KR101328487 B1 KR 101328487B1 KR 1020110143090 A KR1020110143090 A KR 1020110143090A KR 20110143090 A KR20110143090 A KR 20110143090A KR 101328487 B1 KR101328487 B1 KR 101328487B1
- Authority
- KR
- South Korea
- Prior art keywords
- rice
- water content
- chromaticity
- calculated
- calculating
- Prior art date
Links
- 238000003306 harvesting Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 15
- 241000209094 Oryza Species 0.000 claims abstract description 104
- 235000007164 Oryza sativa Nutrition 0.000 claims abstract description 104
- 235000009566 rice Nutrition 0.000 claims abstract description 104
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 8
- 239000006227 byproduct Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 235000013339 cereals Nutrition 0.000 description 7
- 230000008676 import Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000001035 drying Methods 0.000 description 5
- 235000021329 brown rice Nutrition 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 229930002875 chlorophyll Natural products 0.000 description 3
- 235000019804 chlorophyll Nutrition 0.000 description 3
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 229920000856 Amylose Polymers 0.000 description 2
- 241001125048 Sardina Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 235000019512 sardine Nutrition 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
발명은 벼의 잎 색도를 이용한 수확시기 예측 장치 및 방법이 개시된다. 일 실시 예에서, 수확 시기를 예측하고자 하는 벼의 잎을 촬영하는 이미지 검출부; 상기 이미지 검출부에 의해 촬영된 벼의 잎 색도를 산출하는 색도 검출부; 상기 색도 검출부를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출하는 함수율 산출부; 및 상기 함수율 산출부에 의해 산출된 벼의 함수율을 이용하여 벼의 수확 시기를 산출하는 수확 시기 예측부를 포함하는 것으로, 재배지에서 직접 벼의 예상 수확 시기를 예측할 수 있는 것입니다.
Description
본 발명은 벼의 수확 시기 예측 장치 및 방법에 관한 것이며, 더욱 상세하게는 재배 농가의 벼(Paddy)를 수확 전에 벼의 잎 색도를 직접 측정하여 해당 벼의 수확 시기를 예상하는 벼의 잎 색도를 이용한 수확 시기 예측 장치 및 방법에 관한 것이다.
일반적으로 벼농사의 형태는 크게 논벼 재배와 밭벼 재배로 나뉘는데 논에 물을 대고 농사를 짓는 논벼 재배가 여러 면에서 유리하기 때문에 벼농사의 대부분은 수도작(水稻作)이며 밭벼 재배는 극히 적은 실정이다.
한국의 벼농사는 보통 4월 상순부터 중순까지 파종하여 9월 하순 또는 10월 경에 성숙기가 되어 수확을 하게 된다.
우리나라에서 수확에 가장 적합한 벼의 수분(함수율)은 24%(w.b.)로 알려져 있으며, 벼를 안전하게 저장할 수 있는 함수율은 15%수준으로서 24%수준에서 반입된 벼는 건조시설에서 15%로 건조되어 저장되고 있다.
만약, 24%수준에서 수확된 벼를 건조하지 않은 상태에서 그대로 둔다면 호흡(Aspiration)에 의해 벼의 탄수화물이 분해되어 품질은 저하하고, 벼의 곡온과 함수율이 높아지게 되며, 높아진 벼의 곡온과 함수율은 호흡을 더욱 촉진하여 최종적으로는 곰팡이 등으로 벼가 부패하게 된다.
따라서 24% 수준에서 수확한 벼는 6시간 이내에 반입 및 건조저장시설에 반입되어 건조가 진행되어야 한다.
수확한 벼들은 지역에 있는 건조저장시설(DSC)이나 미곡종합처리장(RPC)에 설치된 반입 및 건조저장시설에 반입하게 된다.
여기서, 미곡종합처리장의 처리 용량은 보통 2천에서 1만 농가 정도의 처리능력을 가지고 있으며, 건조저장시설은 용량에 따라 130농가 이상의 처리능력을 가지고 있으나, 두 시설에서 하루에 처리할 수 있는 용량에는 한계가 있다.
따라서 농가의 수확시기를 조절할 필요가 있다. 이를 위해서 벼의 함수율과 예상 수확시기를 예측하고 이를 통해 수확시기를 결정하는 것이 필요하다.
수확시기를 결정하기 위해서는 벼의 수확시기를 예측해야 하는데, 종래에는 수확 이전에 얻은 생체 데이터로부터 최종 현미내의 단백질 함량을 추정하는 방법이 공지되어 있다. 예컨대, 이삭이 모두 맺힌 시기의 잎사귀의 질소 함량으로부터 현미의 단백질 함량 비율을 추정하는 방법이 공지되어 있다(일본 식품산업협회의 비파괴검사 심포지엄(1993. 11월)과 야마구찌 농업 실험실의 농산품 처리연구회의 케이스께 요시마쓰의 새순의 근적외선 스펙트럼에 의한 볏잎의 질소 진단방법). 또한 한국공개특허 제2011-0027054호(발명의 명칭: 벼 함수율 측정장치)는 벼 함수율을 측정하는 장치를 기재하고 있다.
그러나 이들 공지기술에 따르면, 평가식을 작성하기 위하여 잎사귀를 화학적으로 분석하였으므로, 결과를 도출하는데 시간이 소요될 수밖에 없는 문제점이 있다. 또한, 25일 내외의 수확기간 중 수확물의 품질이 최대가 되는 수확순서를 결정할 수 있는 지표가 없어, 수확 장비의 성능과 수확시기예측에 따른 품질지표를 이용한 반입체계 구축이 필요한 실정이다.
본 발명은 상기 언급한 문제점을 해결하기 위한 것으로, 계약 재배되는 농민의 필지에서 직접 수확 예정 시점을 판단하는 벼의 잎 색도를 이용한 수확시기 예측 장치 및 방법을 제공함에 목적이 있다.
또한 본 발명은 미곡종합처리장의 처리 용량을 고려하면서 반입되는 벼의 품질이 최대가 되도록 각 필지의 반입 시기를 결정하는데 반입 체계를 제공함에 목적이 있다. 반입되는 벼의 품질 지수(Quality index)는 벼를 가공하여 발생하는 산물들의 경제적 가치를 합산하여 결정되며, 계약 재배 필지를 대상으로 수확시기에 따른 각 필지별 품질 지수의 총합이 최대가 되는 수확시기를 결정하기 위해 반입 알고리즘을 적용한다. 이러한 기술을 통해 농가의 반입계획을 수립하는 수확시기 예측 장치 및 방법을 제공한다.
색도를 이용한 수확시기 예측 장치의 일 측면은 수확 시기를 예측하고자 하는 벼의 잎을 촬영하는 이미지 검출부; 상기 이미지 검출부에 의해 촬영된 벼의 잎 색도를 산출하는 색도 검출부; 상기 색도 검출부를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출하는 함수율 산출부; 및 상기 함수율 산출부에 의해 산출된 벼의 함수율을 이용하여 벼의 수확 시기를 산출하는 수확 시기 예측부를 포함한다.
이때 상기 함수율 산출부에 의해 산출되는 벼의 함수율은, 하기의 [수학식 1]에 의해 산출될 수 있다.
[수학식 1]
Lob = 67.3184 - 1.2872M2 (r2=0.9040)
여기서, Lob는 잎의 칼라 b 값이고, M은 벼의 함수율(%,w.b.)이며, r2는 회기분석에 의한 결정계수이다.
그리고 상기 함수율 산출부는 하기의 [수학식 2]에 의해 함수율을 산출할 수 있다. 이 경우 일기 정보를 활용하여 함수율을 예측하는 것으로, 함수율에 따른 수확시기의 벼 품질지수는 도 6에 도시된 바와 같다.
[수학식 2]
M = 22.8372 + 0.0319SoT - 2.9911E - 0.05SoT2 (r2 = 0.9662)
여기서, M은 벼의 함수율(%,w.b.), SoT는 적산온도(℃), r2는 적산온도와 함수율의 상관관계식의 결정계수이다.
그리고 수확 시기 예측부(300)는 산출되는 벼의 수확 시기를 산출하는데 함수율 산출부(200)에 의해 산출된 함수율을 이용하여 각 필지의 QI를 검출하고, 하기의 [수학식 3]을 이용하여 각 필지의 합이 가장 높은 값이 되는 시기를 산출한다. 이때, 수확 시기 예측부(300)는 함수율 산출부(200)에 의해 잎의 색도를 통해 산출된 함수율과 적산온도에 의해 산출된 함수율 중 하나를 이용하거나 두 함수율의 조합을 통해 얻어진 함수율을 벼의 수확 시기를 예측하는데 이용할 수 있다.
[수학식 3]
Max∑(QI1 + QI2 + ... + QIn)
여기서, QIn에서 n은 필지이고, QI는 품질지수를
전술된 구성에 의해 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 장치 및 방법은 현지에서 신속하고 정확하게 계약재배 농민 별로 예상수확 시기를 예측할 수 있는 효과가 있다.
도 1은 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 장치의 구성을 나타낸 기능블록도.
도 2는 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 방법을 나타낸 플로우차트.
도 3은 함수율과 벼 잎의 b(채도)값 미숙립 비율과의 관계를 나타낸 도면.
도 4는 함수율에 따른 낟알수 및 15%로 환산한 생산량(kg/10a)을 나타낸 도면.
도 5는 함수율과 그에 대응되는 품질지수의 관계를 나타낸 도면.
도 6은 함수율에 따라 생산되는 벼 생산량, 부산물 생산량, 쌀의 생산량과 건조료(kg/원)의 관계를 나타낸 도면이다.
도 2는 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 방법을 나타낸 플로우차트.
도 3은 함수율과 벼 잎의 b(채도)값 미숙립 비율과의 관계를 나타낸 도면.
도 4는 함수율에 따른 낟알수 및 15%로 환산한 생산량(kg/10a)을 나타낸 도면.
도 5는 함수율과 그에 대응되는 품질지수의 관계를 나타낸 도면.
도 6은 함수율에 따라 생산되는 벼 생산량, 부산물 생산량, 쌀의 생산량과 건조료(kg/원)의 관계를 나타낸 도면이다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 상세히 설명하기 위하여, 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 장치의 구성을 나타낸 기능블록도이고, 도 2는 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 방법을 나타낸 플로우차트이다.
본 발명에 앞서서 벼의 재배 품질 정보와 수확 적기예측 모델을 개발하기 위해 수확시기별로 필드(Field) 실험을 실시하였고, 수확시기별로 수확된 벼를 이용한 품위 및 품질측정 실험을 계속 진행하였다. 충북진천군 소재 약 30a(3,000㎡, 약 907평)의 농지를 임대(품종 추청)하여 난괴법(Randomized complete block design)으로 45구획(5m×5m, 15실험구×3반복)한 후 출수(heading) 이후로부터 함수율 1~2% 간격으로 14회 이상 수확하여 탈곡, 건조 및 도정하면서 벼의 칼라인자(벼 잎의 색도, 엽록소 및 질소), 품위(미숙립 및 정립비율), 성분(protein, amylose), 품질을 측정하였다.
또한 최종 시료의 조제까지 손상과 품질저하를 최소화하기 위하여 수확 및 탈곡은 손 수확 및 재래식탈곡기를 이용하였으며, 벼 잎의 칼라는 색차계(CM02500M, Minolta, Japan), 엽록소 측정기(SPAD-502Plus, Minolta, Japan) 및 입질소함량측정기(CCN5001J, Satake, Japan)를 이용하여 측정하고 이를 이용하여 [수학식 1]을 얻을 수 있다.
그리고 수확된 벼는 연구원으로 이송하여 상온통풍으로 15.5% ~ 16%까지 건조하여 실험용 현미기와 정미기를 이용하여 도정하였다. 이와 같이 도정된 벼의 동할율, 발아율, 함수율, 단백질, 아밀로스, 지방산가, 천립중, 정립비율, 색도 및 현미 품위 등을 측정하고 그 측정된 정보를 통해 수확시기별 품위 및 품질특성을 얻을 수 있다.
본 발명의 일 실시예에 따른 벼의 잎 색도를 이용한 수확시기 예측 장치 및 방법은 색도 검출부(100), 함수율 산출부(200), 수확 시기 예측부(300) 및 저장부(400)를 포함한다.
색도 검출부(100)는 촬영된 벼의 잎 색도를 산출한다(S10). 이때, 색도 검출부(100)는 색도계 및 CCD 카메라 등을 이용할 수 있다.
함수율 산출부(200)는 색도 검출부(100)를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출한다(S20). 벼의 함수율은 다음의 [수학식 1]과 같다.
[수학식 1]
Lob = 67.3184 - 1.2872M2(r2=0.9040)
여기서, Lob는 잎의 칼라 b 값, M은 벼의 함수율(%,w.b.), r2는 잎의 색도와 벼의 함수율의 상관 관계식의 결정계수이다.
그리고 저장부(400)에는 적산온도(℃) 정보와 함수율에 대응되는 품질지수가 저장된다. 여기서 적산온도란 작물의 생육에 필요한 열량을 나타내기 위한 것으로 생육 일수의 일평균기온을 적산한 것이다.
이때, 함수율 산출부(200)는 잎의 칼라 b(채도) 값뿐만 아니라, 저장부(400)에 저장된 적산온도를 [수학식 2]에 대입하여 함수율을 산출할 수 있다(S30). 이 경우 일기 정보를 활용하여 함수율을 예측하는 것으로, 함수율에 따른 수확시기의 벼 품질지수는 도 6에 도시된 바와 같다.
[수학식 2]
M = 22.8372 + 0.0319SoT - 2.9911E - 0.05SoT2(r2 = 0.9662)
여기서, M은 벼의 함수율(%,w.b.), SoT는 적산온도(℃), r2는 적산온도와 함수율의 상관관계식의 결정계수이다.
도 3은 함수율과 벼 잎의 b값 미숙립 비율과의 관계를 나타낸 도면으로, 함수율과 벼 잎의 b 값은 측정치와 예상치가 유사함을 알 수 있다.
도 4는 함수율에 따른 낟알수 및 15%로 환산한 생산량(kg/10a)을 나타낸 도면으로, 함수율에 따른 낟알 수 및 15%로 환산한 생산량 또한 측정치와 예상치가 유사함을 확인할 수 있다.
그리고 수확 시기 예측부(300)는 산출되는 벼의 수확 시기를 산출하는데 함수율 산출부(200)에 의해 산출된 함수율을 이용하여 각 필지의 QI를 검출하고, 하기의 [수학식 3]을 이용하여 각 필지의 합이 가장 높은 값이 되는 시기를 산출한다. 이때, 수확 시기 예측부(300)는 함수율 산출부(200)에 의해 잎의 색도를 통해 산출된 함수율과 적산온도에 의해 산출된 함수율 중 하나를 이용하거나 두 함수율의 조합을 통해 얻어진 함수율를 벼의 수확 시기를 예측하는데 이용할 수 있다.
[수학식 3]
Max∑(QI1 + QI2 + ... + QIn)
여기서, QIn에서 n은 필지이고, QI는 품질지수를 의미한다.
저장부(400)에는 도 5에 도시된 바와 같이 함수율에 대응되는 품질지수가 저장되는데, 함수율에 따라 생산되는 벼 생산량(15% 기준, kg/10a), 부산물 생산량(kg/10a)(미숙립, 왕겨, 미강 및 싸라기 생산량 정보), 쌀(kg/10a) a건조료(kg/원)에 각 부산물 가격, 정상 쌀 가격 및 건조료 가격이 부과되어 산출된 품질지수가 저장된다.
이때, 함수율에 따라 생산되는 벼 생산량(15% 기준, kg/10a), 부산물 생산량(kg/10a)(미숙립, 왕겨, 미강 및 싸라기 생산량), 쌀(kg/10a)의 생산량과 건조료(kg/원)는 도 5에 도시된 바와 같다.
전술된 상세한 설명이 여러 실시예에 적용된 바와 같이 본 발명의 기본적인 신규한 특징들을 도시하고 기술하고 언급하였지만, 예시된 시스템의 형태 및 상세 사항에 대해 본 발명의 의도를 벗어남이 없이 여러 생략, 교체 및 변경이 이 기술 분야에 숙련된 자에 의해 이루어질 수 있다는 것을 이해할 수 있을 것이다.
100 : 색도 검출부 200 : 함수율 산출부
300 : 수확 시기 예측부 400 : 저장부
300 : 수확 시기 예측부 400 : 저장부
Claims (5)
- 삭제
- 벼의 잎 색도를 산출하는 색도 검출부;
상기 색도 검출부를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출하는 함수율 산출부; 및
상기 함수율 산출부에 의해 산출된 벼의 함수율을 이용하여 벼의 수확 시기를 산출하는 수확 시기 예측부를 포함하며,
상기 함수율 산출부에 의해 산출되는 벼의 함수율은,
하기의 [수학식 1]에 의해 산출되는 것을 특징으로 하는 벼의 잎 색도를 이용한 수확시기 예측 장치.
[수학식 1]
Lob = 67.3184 - 1.2872M2 (r2=0.9040)
여기서, Lob는 잎의 칼라 b(채도) 값, M은 벼의 함수율(%,w.b.), r2는 잎의 색도와 벼의 함수율의 상관 관계식의 결정계수이다.
- 벼의 잎 색도를 산출하는 색도 검출부;
상기 색도 검출부를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출하는 함수율 산출부;
상기 함수율 산출부에 의해 산출된 벼의 함수율을 이용하여 벼의 수확 시기를 산출하는 수확 시기 예측부; 및
적산온도가 저장된 저장부를 더 포함하되,
상기 함수율 산출부는
하기의 [수학식 2]를 이용하여 벼의 함수율을 산출하는 것을 특징으로 하는 벼의 잎 색도를 이용한 수확시기 예측 장치.
[수학식 2]
M = 22.8372 + 0.0319SoT - 2.9911E - 0.05SoT2 (r2 = 0.9662)
여기서, M은 벼의 함수율(%,w.b.), SoT는 적산온도(℃), r2는 적산온도와 함수율의 상관관계식의 결정계수이다.
- 제 2항 또는 제3항에 있어서,
함수율 대비 부산물 가격, 쌀 가격 및 건조료에 의해 산출된 품질지수(QI)를 저장하는 저장부를 더 포함하되,
상기 수확 시기 예측부는,
상기 함수율 산출부에 의해 산출된 함수율과 상기 저장부에 저장된 함수율을 비교하여 품질지수를 검출하고, 이를 하기의 [수학식 3]을 이용하여 수확시기를 산출되는 것을 특징으로 하는 벼의 잎 색도를 이용한 수확시기 예측 장치.
[수학식 3]
Max∑(QI1 + QI2 + ... + QIn)
여기서, QIn에서 n은 필지이고, QI는 품질지수를 의미한다.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110143090A KR101328487B1 (ko) | 2011-12-27 | 2011-12-27 | 벼의 수확시기 예측 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110143090A KR101328487B1 (ko) | 2011-12-27 | 2011-12-27 | 벼의 수확시기 예측 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130074948A KR20130074948A (ko) | 2013-07-05 |
| KR101328487B1 true KR101328487B1 (ko) | 2013-11-13 |
Family
ID=48988917
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110143090A KR101328487B1 (ko) | 2011-12-27 | 2011-12-27 | 벼의 수확시기 예측 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101328487B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220030820A (ko) * | 2020-09-03 | 2022-03-11 | 한국식품연구원 | 벼의 품질과 수율에 기반한 초기품질지수 산출 시스템 및 방법 |
| TWI818334B (zh) * | 2021-10-19 | 2023-10-11 | 國立中興大學 | 以手機影像推估穀粒含水量及收穫時期的方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10897849B2 (en) | 2014-04-28 | 2021-01-26 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Characterization of plant behavior using transpiration rate and water uptake rate |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0426684B2 (ko) * | 1986-05-10 | 1992-05-08 | Fujitsu Ltd | |
| JP3468877B2 (ja) * | 1994-10-27 | 2003-11-17 | 矢崎総業株式会社 | 植物の自動診断方法及び装置 |
| JP2008022737A (ja) | 2006-07-19 | 2008-02-07 | Kochi Univ Of Technology | 収穫ロボット |
| KR20120052469A (ko) * | 2010-11-16 | 2012-05-24 | (주)케이원정보통신 | 농작물 재배 관리 시스템 |
-
2011
- 2011-12-27 KR KR1020110143090A patent/KR101328487B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0426684B2 (ko) * | 1986-05-10 | 1992-05-08 | Fujitsu Ltd | |
| JP3468877B2 (ja) * | 1994-10-27 | 2003-11-17 | 矢崎総業株式会社 | 植物の自動診断方法及び装置 |
| JP2008022737A (ja) | 2006-07-19 | 2008-02-07 | Kochi Univ Of Technology | 収穫ロボット |
| KR20120052469A (ko) * | 2010-11-16 | 2012-05-24 | (주)케이원정보통신 | 농작물 재배 관리 시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220030820A (ko) * | 2020-09-03 | 2022-03-11 | 한국식품연구원 | 벼의 품질과 수율에 기반한 초기품질지수 산출 시스템 및 방법 |
| KR102491195B1 (ko) * | 2020-09-03 | 2023-01-20 | 한국식품연구원 | 벼의 품질과 수율에 기반한 초기품질지수 산출 시스템 및 방법 |
| TWI818334B (zh) * | 2021-10-19 | 2023-10-11 | 國立中興大學 | 以手機影像推估穀粒含水量及收穫時期的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20130074948A (ko) | 2013-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qiu et al. | Monitoring drought impacts on crop productivity of the US Midwest with solar-induced fluorescence: GOSIF outperforms GOME-2 SIF and MODIS NDVI, EVI, and NIRv | |
| Li et al. | Improving estimation of summer maize nitrogen status with red edge-based spectral vegetation indices | |
| Lee et al. | Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis | |
| Müller et al. | Analysis of vegetation indices derived from hyperspectral reflection measurements for estimating crop canopy parameters of oilseed rape (Brassica napus L.) | |
| Tremblay et al. | Sensing of crop nitrogen status: Opportunities, tools, limitations, and supporting information requirements | |
| Patel et al. | Spectral response of rice crop and its relation to yield and yield attributes | |
| JP2006250827A (ja) | 作物の生育状況分析方法 | |
| Camoglu et al. | Use of infrared thermography and hyperspectral data to detect effects of water stress on pepper | |
| Muharam et al. | Inter-relationships of cotton plant height, canopy width, ground cover and plant nitrogen status indicators | |
| Genc et al. | Determination of plant water stress using spectral reflectance measurements in watermelon (Citrullus vulgaris) | |
| Li et al. | Evaluation of UAV-derived multimodal remote sensing data for biomass prediction and drought tolerance assessment in bioenergy sorghum | |
| KR101328487B1 (ko) | 벼의 수확시기 예측 방법 및 장치 | |
| Aranguren et al. | Topdressing nitrogen recommendation in wheat after applying organic manures: the use of field diagnostic tools | |
| Rosa et al. | Sugarcane response to nitrogen rates, measured by a canopy reflectance sensor | |
| Wang et al. | Evaluation of water-use efficiency in foxtail millet (Setaria italica) using visible-near infrared and thermal spectral sensing techniques | |
| Wang et al. | Using field hyperspectral data to predict cotton yield reduction after hail damage | |
| Islam et al. | Use of normalised difference vegetation index, nitrogen concentration, and total nitrogen content of whole maize plant and plant fractions to estimate yield and nutritive value of hybrid forage maize | |
| Hashimoto et al. | Feasibility of yield estimation based on leaf area dynamics measurements in rice paddy fields of farmers | |
| Köksal et al. | Developing new hyperspectral vegetation indexes sensitive to yield andevapotranspiration of dry beans | |
| Hughes et al. | Non-destructive foliar chlorophyll measurement has the potential to predict crude protein concentration and in vitro ruminal organic matter digestibility in Bracharia decumbens herbage | |
| Glenn | An analysis of ash and isotopic carbon discrimination (Δ13C) methods to evaluate water use efficiency in apple | |
| Bonfil | Monitoring wheat fields by RapidScan: Accuracy and limitations | |
| Mostaza-Colado et al. | Assessing the yield of a multi-varieties crop of Camelina sativa (L.) Crantz through NDVI remote sensing | |
| Wang et al. | An evaluation of two active canopy sensor systems for non-destructive estimation of spring maize biomass | |
| Calzada-Marín et al. | Growth analysis of maralfalfa grass (Pennisetum sp.) in a warm humid climate |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20161101 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20171103 Year of fee payment: 5 |