KR101822410B1 - 작물 영상을 사용한 작물 생육 진단 장치 - Google Patents

작물 영상을 사용한 작물 생육 진단 장치 Download PDF

Info

Publication number
KR101822410B1
KR101822410B1 KR1020160093239A KR20160093239A KR101822410B1 KR 101822410 B1 KR101822410 B1 KR 101822410B1 KR 1020160093239 A KR1020160093239 A KR 1020160093239A KR 20160093239 A KR20160093239 A KR 20160093239A KR 101822410 B1 KR101822410 B1 KR 101822410B1
Authority
KR
South Korea
Prior art keywords
crop
image
community
leaf
growth
Prior art date
Application number
KR1020160093239A
Other languages
English (en)
Inventor
이옥정
서범석
김희곤
Original Assignee
아인정보기술 주식회사
사단법인 한국온실작물연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아인정보기술 주식회사, 사단법인 한국온실작물연구소 filed Critical 아인정보기술 주식회사
Priority to KR1020160093239A priority Critical patent/KR101822410B1/ko
Application granted granted Critical
Publication of KR101822410B1 publication Critical patent/KR101822410B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Botany (AREA)
  • Chemical & Material Sciences (AREA)
  • Forests & Forestry (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Wood Science & Technology (AREA)
  • Ecology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Environmental Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

실시예는 군락의 작물 영상을 전송받는 통신부, 상기 군락의 작물 생육 상태 정보를 표시하는 표시부 및, 상기 군락의 작물 영상을 사용하여 군락의 작물 생육 수치를 측정해서 군락의 작물 생육 상태를 진단하고 상기 표시부에 표시하도록 하는 제어부를 포함하고, 상기 제어부는 상기 군락의 작물 생육 상태 진단시 군락의 작물 영상으로 군락의 작물 색채 평면 영상과 군락의 작물 다차원 영상을 사용하고, 상기 군락의 작물 다차원 영상에서 에지(Edge)를 검출하여 배경을 제거해서 작물 기관을 분리한 군락의 작물 다차원 영상 이미지를 제1 생성하며, 상기 제1 생성된 작물 기관을 분리한 군락의 작물 다차원 영상 이미지와 상기 군락의 작물 색채 평면 영상 이미지 간에 화각 기준점을 일치시켜 화각을 맞추고 매핑해서 군락의 작물 색채 동적 이미지를 제2 생성하며, 상기 제2 생성된 군락의 작물 색채 동적 이미지 하에서 해당 작물의 색 특징과 작물 기관별 설정 고유 모양 패턴 기반의 픽셀 세그먼테이션(Pixel segmentation)으로 해당 작물의 모양 패턴과 작물 기관별 에지 정보를 가진 픽셀(Pixel)을 획득해서, 상기 획득된 해당 작물의 색 특징과 작물의 모양 패턴 및 작물 기관별 에지 정보를 가진 픽셀 정보에 기초하여, 작물 기관의 설정 고유 특성에 맞는 특징을 작물 기관별로 추정하여 작물 기관을 식별해서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 작물 기관 생육 수치를 측정해서 군락의 작물 생육 상태를 진단하는 것을 특징으로 하는 작물 영상을 사용한 작물 생육 진단 장치에 관한 것으로, 군락에서의 작물 이미지 인식을 제공하고, 더불어 정확한 작물 기관의 길이, 넓이, 굵기 등의 생육 수치 측정 값을 얻어 이를 통해 작물 생육 상태를 진단하여 작물 수확량 등을 정확히 예측하며, 나아가 재배자의 작물 품질과 생산성 관리 필요성을 해소한다.

Description

작물 영상을 사용한 작물 생육 진단 장치{Apparatus for diagnosing growth state of crop organ using crop organ image}
본 명세서에 개시된 내용은 작물의 영상 정보를 사용하여 작물의 생육 상태를 진단하는 장치에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
일반적으로, 작물의 생장과 생장 및 생산성은 S곡선을 그리며, 작물의 생장은 씨앗이 발아하여 뿌리·줄기·잎을 내며, 그 후 광합성이나 질소 동화를 하면서 점차 크기와 무게를 더해가는 과정으로 환경적 요인에 따라 차이가 발생하고, 생장의 차이에 따라 생산성의 차이가 발생한다.
이와 같이 생산량은 재배장소의 형태, 환경조건 등에 따라 작물의 생육상태에 차이가 있으며, 매년 월별 일조시간의 차이와 평균온도 변화에 따라 특히, 가지과 작물인 토마토의 예로 분석하여 볼 때 매년 생산량과 가격의 차이가 발생하고 있고, S곡선과 유사한 계단식 S곡선을 나타낸다.
따라서, 이러한 점을 해결할 수 있도록 작물의 품질과 생산성을 관리하는 것이 필요하다.
그래서, 이러한 필요를 해결할 수 있도록, 작물의 영상을 사용하여 작물 생육 상태를 진단하는 장치가 개발되었다(선행문헌 참조, 선행문헌: 대한민국 출원번호 제10-2010-0117078호, 발명의 명칭 "작물 생장 관측 방법 및 이를 위한 시스템").
하지만, 이러한 기존의 작물 생육 상태를 진단하는 장치는 암실에서 작물 영상을 촬영하여 이루어져 군락의 작물 이미지 인식을 제공하지 못하였고, 특히 RGB 영상 이미지를 사용한 것으로 이러한 RGB 영상 이미지만으로는 앞쪽의 작물과 뒤쪽 작물 간에 겹치거나 뒤틀어진 부분을 식별하지 못하여, 작물 생육 상태 진단시 필요한 작물 기관별 길이, 넓이, 굵기 등의 정확한 생육 수치 측정값을 얻지 못하였으며, 그로 인해서 작물 생육 상태를 정확히 진단하지 못하는 경우가 발생하였다.
개시된 내용은, 군락에서의 작물 이미지 인식을 제공할 수 있도록 하고, 더불어 앞쪽의 작물과 뒤쪽 작물 간에 겹치거나 뒤틀어지는 등으로 인하여 식별하지 못하는 작물 부분을 식별해서 정확한 작물 기관별 생육 수치 측정값을 얻을 수 있도록 하며 또한 이와 연동하여 작물 기관별로 작물 생육 상태를 원활히 진단할 수 있도록 하는 작물 영상을 사용한 작물 생육 진단 장치를 제공하고자 한다.
실시예에 따른 작물 영상을 사용한 작물 생육 진단 장치는,
군락의 작물 색채 평면 영상 이미지와 군락의 작물 다차원 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 군락의 작물 색채 동적 이미지를 생성해서, 구체적인 바로는 군락의 작물 RGB 영상 이미지와 군락의 깊이(Depth) 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 군락의 작물 색채 동적 이미지를 생성해서, 상기 생성된 군락의 작물 색채 동적 이미지 하에서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 정확한 작물 기관 생육 수치 측정 값을 얻어 신뢰성 있게 군락의 작물 생육 상태를 진단하는 것을 특징으로 한다.
실시예들에 의하면, 군락에서의 작물 이미지 인식을 제공하고, 더불어 정확한 작물 기관의 길이, 넓이, 굵기 등의 생육 수치 측정 값을 얻어 이를 통해 작물 생육 상태를 진단하여 작물 수확량 등을 정확히 예측하며, 나아가 재배자의 작물 품질과 생산성 관리 필요성을 해소한다.
그리고, 작물 기관 중 어느 하나의 작물 기관인 엽을 정상적으로 인식하지 못한 경우시에도 엽 작물 기관의 생육 수치를 측정하여, 군락의 작물 생육 상태를 진단한다.
더불어, 작물 기관의 생육 수치 이외에 작물 기관별 온도를 검출해서 온도변화량을 측정하여 군락의 작물 생육 상태를 진단해서, 이를 통해 군락의 작물 생육 상태를 보다 명확히 진단한다.
또한, 작물 기관별 ID(Identification)를 부여하고, 이를 사용해서 작물 상태 진단시마다 동일 작물 기관을 추적하여 동일 작물 기관별로 변화량을 비교해서 쉽게 작물 기관 생육 상태 정보를 관리하고, 동일 작물 기관별로 수확시까지 연속적인 모니터링을 수행하여 작물 상태 진단을 효율적으로 한다.
아울러, 영상 촬영 이미지 이름 규칙을 설정하여 그에 따라 군락의 작물 영상 촬영 이미지를 관리해서, 군락의 작물 영상 촬영 이미지를 효율적으로 관리한다.
도 1은 일실시예에 따른 작물 영상을 사용한 작물 생육 진단 장치의 구성을 도시한 도면
도 2 내지 도 4는 일실시예에 따른 작물 영상을 사용한 작물 생육 진단 장치의 동작을 순서대로 도시한 도면
도 5는 일실시예에 따른 군락의 작물 색채 동적 이미지를 도시한 도면
도 6은 일실시예에 따른 영상촬영이미지 이름 규칙을 도시한 도면
도 1은 일실시예에 따른 작물 영상을 사용한 작물 생육 진단 장치의 구성을 도시한 도면이다.
도 1에 도시된 바와 같이, 일실시예에 따른 작물 영상을 사용한 작물 생육 진단 장치는 군락의 작물 관리자 모바일 단말기나 군락을 이동하면서 군락의 작물을 촬영하는 로봇으로부터 군락의 작물 영상을 전송받는 통신부(미도시), 상기 군락의 작물 생육 상태 정보를 표시하는 표시부(미도시) 및, 군락의 작물 색채 평면 영상 이미지와 군락의 작물 다차원 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 군락의 작물 색채 동적 이미지를 생성해서, 상기 생성된 군락의 작물 색채 동적 이미지 하에서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 정확한 작물 기관 생육 수치 측정 값을 얻어 신뢰성 있게 군락의 작물 생육 상태를 진단하고 상기 표시부에 표시하도록 하는 제어부(100)를 포함한다.
추가로, 일실시예에 따른 작물 생육 진단 장치는 해당 진단 장치와 사용자 간의 인터페이스를 처리하는 사용자 인터페이스(UI) 모듈(미도시)과 데이터 입출력부(미도시) 및 데이터 저장부(미도시)를 포함하고, 부가하여 상기 작물 재배 환경에 상응하는 광도, 온도, 습도, 탄산가스 중 적어도 어느 하나 이상의 환경 데이터를 수집하며, 상기 수집된 데이터는 엽면적 데이터와 더불어 저장하여 작물 품질 예측시 엽면적 증가량의 상관계수로 활용되는 재배환경수집모듈(미도시)을 포함한다.
상기 통신부(또는, "유무선 통신부")는 군락의 작물 관리자 모바일 단말기나 군락을 이동하면서 군락의 작물을 촬영하는 로봇 간에 연동하여, 상기 군락의 환경 정보와 작물 영상을 전송받는 것이다. 그리고, 상기 통신부는 제어부(100)의 제어하에, 유선통신과 무선통신을 활용하여, 이미지 센싱을 하고자 하는 장치 예를 들어, 군락 내 작물 간의 이송 로봇이나 카메라 장치와 연동하여 사용한다. 또한, 상기 유선통신은 시리얼통신이나 이더넷 통신 중 어느 하나를 사용하며, 상기 무선통신은 와이파이나 지그비 방식의 무선통신 중 어느 하나를 사용하여 된 것이다.
표시부는 군락의 작물 생육 상태 정보를 표시하는 것으로, 즉 상기 제어부(100)의 제어하에, 예를 들어 작물의 생육특성과 생장량이나 상기 생육특성 또는 생장량의 각 통계 데이터를 포함한 작물 생육 상태 정보를 표시한다.
제어부(100)는 군락의 작물 색채 평면 영상 이미지와 군락의 작물 다차원 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 군락의 작물 색채 동적 이미지를 생성해서, 상기 생성된 군락의 작물 색채 동적 이미지 하에서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 정확한 작물 기관 생육 수치 측정 값을 얻어 신뢰성 있게 군락의 작물 생육 상태를 진단하고 상기 표시부에 표시하도록 하는 것이다. 즉, 상기 제어부(100)는 상기 군락의 작물 생육 상태 진단시 군락의 작물 영상으로 군락의 작물 색채 평면 영상과 군락의 작물 다차원 영상을 사용하고, 구체적인 예로 군락의 작물 RGB 영상과 군락의 작물 깊이(Depth) 영상을 사용하고, 상기 군락의 작물 다차원 영상에서 에지(Edge)를 검출하여 배경을 제거해서 작물 기관을 분리한 군락의 작물 다차원 영상 이미지를 제1 생성하며, 상기 제1 생성된 작물 기관을 분리한 군락의 작물 다차원 영상 이미지와 상기 군락의 작물 색채 평면 영상 이미지 간에 화각 기준점을 일치시켜 화각을 맞추고 매핑해서 군락의 작물 색채 동적 이미지를 제2 생성하며, 상기 제2 생성된 군락의 작물 색채 동적 이미지 하에서 작물 기관별 설정 고유 모양 패턴을 기반으로 픽셀 세그먼테이션(Pixel segmentation)하여, 해당 작물의 모양 패턴과 작물 기관별 에지 정보를 가진 픽셀(Pixel)을 획득해서 상기 획득된 해당 작물의 모양 패턴과 작물 기관별 에지 정보를 가진 픽셀 정보에 기초하여, 작물 기관의 설정 고유 특성에 맞는 특징을 작물 기관별로 추정하여 작물 기관을 식별해서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 작물 기관 생육 수치를 측정해서 정확한 작물 기관 생육 수치 측정 값을 얻어 신뢰성 있게 군락의 작물 생육 상태를 진단한다.
도 2 내지 도 4는 일실시예에 따른 작물 영상을 사용한 작물 생육 진단 장치의 동작을 순서대로 도시한 도면이다.
도 2 내지 도 4에 도시된 바와 같이, 일실시예에 따른 작물 영상을 사용한 작물 생육 진단 장치는 먼저, 군락의 작물 관리자 모바일 단말기나 군락 내 이송 로봇 또는 카메라 장치로부터 군락의 작물 색채 평면 영상과 군락의 작물 다차원 영상을 제공받는다.
즉, 군락의 작물 생육 상태 진단시 군락의 작물 영상으로 군락의 작물 색채 평면 영상과 군락의 작물 다차원 영상을 제공받는다.
그런 다음, 일실시예에 따라 상기 군락의 작물 색채 평면 영상과 군락의 작물 다차원 영상을 사용하여, 정확한 작물 기관 생육 수치 측정 값을 얻는다.
구체적인 예로, 군락의 작물 RGB 영상과 군락의 작물 깊이(Depth) 영상을 사용하여, 정확한 작물 기관 생육 수치 측정 값을 얻는다.
이러한 정확한 작물 기관 생육 수치 측정 값을 얻는 구체적인 동작을 설명한다.
우선, 일실시예에 따른 작물 생육 진단 장치는 군락의 작물 다차원 영상에서 에지(Edge)를 검출하여(S201) 배경을 제거해서(S202) 작물 기관을 분리한 군락의 작물 다차원 영상 이미지를 제1 생성한다.
다음, 상기 제1 생성된 작물 기관을 분리한 군락의 작물 다차원 영상 이미지와 상기 군락의 작물 색채 평면 영상 이미지 간에 화각 기준점을 일치시켜 화각을 맞추고 매핑해서 군락의 작물 색채 동적 이미지를 제2 생성한다.
그런 다음, 상기 제2 생성된 군락의 작물 색채 동적 이미지 하에서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 정확한 작물 기관 생육 수치 측정 값을 얻어 그를 기반으로 군락의 작물 생육 상태를 진단해서, 신뢰성 있게 군락의 작물 생육 상태를 진단한다(추가하여, 이러한 진단 동작은 작물 기관별로 이루어진다(S203 ~ S215, S232 ~ S235)).
구체적인 동작을 설명한다.
먼저, 상기 제2 생성된 군락의 작물 색채 동적 이미지 하에서 RGB(Red-Green-Blue) 색 정보를 HSV(색상(Hue),채도(Saturation),진하기(Value))의 좌표를 기반으로 기설정된 특정 색을 지정 색공간으로 변환하고, 상기 변환된 HSV 색공간 기반의 영상 내 해당 작물 색 특징과 모양 패턴 특징을 가진 픽셀(Pixel)을 획득한다.
이때, 작물 기관별 설정 고유 모양 패턴을 기반으로 픽셀 세그먼테이션(Pixel segmentation)하여, 해당 작물의 모양 패턴과 작물 기관별 에지 정보를 가진 픽셀(Pixel)을 획득한다.
다음, 상기 획득된 해당 작물의 색 특징과 작물의 모양 패턴 및 작물 기관별 에지 정보를 가진 픽셀 정보에 기초하여, 화방, 과일, 줄기, 엽 등의 작물 기관 고유 특성에 맞는 특징을 작물 기관별로 추정해서 작물 기관을 식별하여 작물 기관 이미지를 검출한다.
이때, 일실시예에 따라 작물의 색 특징과 작물의 입체(예: depth)적인 전체 모양 특징 및, 작물 기관별 입체 모양 특징을 더불어 제공하여, 정확히 작물 기관을 식별한다.
그리고, 상기 작물의 입체적인 전체 모양 특징과 작물 기관별 입체 모양 특징을 제공해서, 앞쪽의 작물과 뒤쪽 작물 간에 겹치거나 뒤틀어진 부분 특히 작물 기관의 일부에 해당하는 부분 등도 식별한다.
즉, 기존 RGB 영상 이미지만으로는 평면 영상이어서, 겹치거나 뒤틀어질 경우 등에 해당 부분을 식별하지 못하는 점을 해결하여, 그러한 겹치거나 뒤틀어진 작물 기관의 일부에 해당하는 부분 등도 식별한다.
그래서, 이렇게 정확히 식별된 작물 기관 상의 이미지로부터 작물 기관의 길이, 넓이, 굵기 등의 생육 수치를 측정하여, 정확한 작물 기관 생육 수치 측정 값을 얻는다.
이 경우, 일실시예에 따라 작물 기관의 동적 이미지를 제공해서, 그를 통해 정확한 작물 기관 생육 수치 측정 값을 얻는 효과를 강화한다.
그 결과, 상기 정확히 식별된 작물 기관 이미지로부터 작물 기관 생육 수치를 측정해서, 신뢰성 있게 군락의 작물 생육 상태를 진단한다.
한편, 일실시예에 따른 작물 기관 즉 작물 기관 이미지를 검출하는 구체적인 동작을 설명한다.
먼저, 작물 기관이 화방인 경우, 화방 작물 기관을 검출하는 동작은 a) 여러 화방대상 안의 색 값을 HSL 3차원색공간으로 변환하고, H,S,L 색값의 범위를 추정하며, b) 화방의 색 특징에 상응하는 설정 H,S,L 색값의 문턱(threshold) 범위에 속하는 화소들을 화방으로 정하고, c) 상기 정해진 화방 화소를 가진 이미지를 화방과 배경의 2개값을 가지는 2값 화소로 구성하며, d) 상기 구성된 2값 화소 기반의 이미지를 모폴로지 침식(morphology erosion) 및, 확장연산자를 적용하고 연결 성분 추출 및 대상분리로, 화방대상영역을 결정하여, 상기 화방 작물 기관을 검출한다.
그리고, 열매 작물 기관을 검출하는 동작은 a) 상기 작물의 열매모양에 상응하는 주 화소의 일정 화소 값 간 평균이나 분산 또는, 화소값 절대값 차의 평균이나 분산 특징정보 중 적어도 어느 하나 이상의 특징정보와, 기설정된 다층신경망(MLP) 기반의 열매화소 식별 관련 트레이닝 데이터셋 및, 상기 트레이닝 식별사전으로 된 식별기를 해당 작물의 원본 이미지에 적용하여 열매화소를 획득하고, b) 상기 해당 작물의 원본 이미지를 에지 처리하고 설정 횟수만큼 수축, 세선화(thining)하여 나온 이미지의 블랙(black)에 대응하여 상기 획득된 열매이미지의 화소를 제거해서, 열매가 분리된 이미지로부터 상기 열매 작물 기관을 검출한다.
더불어, 작물 기관이 줄기인 경우, 줄기 작물 기관을 검출하는 동작은 a) 상기 작물의 줄기모양에 상응하는 주 화소의 일정 화소 값 간 평균이나 분산 또는, 화소값 절대값 차의 평균이나 분산 특징정보 중 적어도 어느 하나 이상의 특징정보와, 기설정된 다층신경망 기반의 줄기화소 식별 관련 트레이닝 데이터셋 및, 상기 트레이닝 식별사전으로 된 식별기를 해당 작물의 원본 이미지에 적용하여 줄기화소를 획득하고, b) 상기 해당 작물의 원본 이미지를 에지 처리하고 설정 횟수만큼 수축, 세선화하여 나온 이미지의 블랙(black)에 대응하여 상기 획득된 줄기이미지의 화소를 제거해서, 줄기가 분리된 이미지 중에서 높이/너비가 가장 큰 대상을 선정하여, 상기 줄기 작물 기관을 검출한다.
또한, 엽 작물 기관을 검출하는 것은 a) HSL 색공간에서 칼라 클러스터링을 기반으로 엽의 색 특징과 단색 배경에 상응하는 엽 영역을 검출하고, b) 모폴로지 딜레이션(morphology dilation)을 설정 횟수만큼 적용하여 마디성분을 제거하고 남은 소엽을 연결성분추출 기반으로 카운팅(counting)하며, 잎영역에 대하여 고유값 계산으로 너비, 높이, 면적, 소엽 갯수를 추출하여, 상기 엽 작물 기관을 검출한다.
이렇게 작물 기관을 검출한 경우, 일실시예는 이러한 정확히 식별되어 검출된 작물 기관 이미지로부터 작물 기관 생육 수치를 측정해서, 신뢰성 있게 군락의 작물 생육 상태를 진단한다.
예를 들어, 작물 기관이 엽인 경우, 상기 정확히 식별되어 검출된 작물 기관 이미지로부터 엽장, 엽폭 등의 엽 작물 기관 생육 수치를 측정해서, 신뢰성 있게 군락의 작물 생육 상태를 진단한다.
구체적인 예로, 우선 작물 기관별 현재 엽장, 엽폭 데이터와 현재 마지막 이전 엽장, 엽폭 데이터 간의 차이값을 기반으로 영양생장 범위, 생식생장 범위, 스트레스 범위, 정상생육 상태 범위를 설정하여 등록한다.
그런 다음, 상기 산출된 작물 기관별 현재 대상 작물의 엽장, 엽폭 데이터와 현재 데이터 마지막 이전의 엽장, 엽폭 데이터 간 차이값 범위를 분석하여, 상기 분석된 결과에 상응하는 차이값 범위의 생육상태를 현재 작물의 생육 변화로 설정 성장 단계마다 검출해서 진단한다.
즉, 상기 산출된 작물 기관별 현재 대상 작물의 엽장, 엽폭 데이터와 현재 데이터 마지막 이전의 엽장, 엽폭 데이터 간 차이값이 N의 영양생장 범위에 속하는 경우, 현재 작물의 생육상태 즉, 생육 변화를 영양생장 상태로 검출하여 진단한다. 그리고, 상기 산출된 작물 기관별 현재 작물의 엽장, 엽폭 데이터와 현재 데이터 마지막 이전의 엽장, 엽폭 데이터 간 차이값이 K의 스트레스 범위에 속하는 경우, 현재 작물의 생육상태 즉, 생육 변화를 스트레스 상태로 검출하여 진단한다.
이때, 스트레스 상태의 작물 생육상태를 해당 등록된 사용자 단말기로 알림하여, 현재 대상 작물의 생육상태가 스트레스 상태임을 사용자에게 알려준다.
이와 관련하여, 추가해서 작물 재배 환경에 상응하는 광도, 온도, 습도, 탄산가스 중 적어도 어느 하나 이상의 환경 데이터를 수집하고, 상기 엽면적 데이터와 더불어 저장하여 작물 품질 예측시 엽면적 증가량의 상관계수로 제공한다.
이 외에, 작물 기관이 화방인 경우, 상기 정확히 식별되어 검출된 작물 기관 이미지로부터 생장점 거리, 굵기 등의 화방 작물 기관 생육 수치를 측정하거나, 작물 기관이 과일인 경우 과장, 과폭 등의 과일 작물 기관 생육 수치를 측정하고, 줄기의 작물 기관인 경우 마디 길이, 마디 굵기 등의 줄기 작물 기관 생육 수치를 측정하여, 신뢰성 있게 군락의 작물 생육 상태를 진단한다.
이상과 같이, 일실시예는 군락의 작물 색채 평면 영상 이미지와 군락의 작물 다차원 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 군락의 작물 색채 동적 이미지를 생성해서, 구체적인 바로는 군락의 작물 RGB 영상 이미지와 군락의 깊이 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 군락의 작물 색채 동적 이미지를 생성해서, 상기 생성된 군락의 작물 색채 동적 이미지 하에서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 정확한 작물 기관 생육 수치 측정 값을 얻어 신뢰성 있게 군락의 작물 생육 상태를 진단하고, 이를 통해 나아가 작물 수확량 등을 정확히 예측한다.
한편, 일실시예는 작물 기관 중 어느 하나의 작물 기관인 엽을 정상적으로 인식하지 못한 경우시에도 엽 작물 기관의 생육 수치를 측정할 수 있도록, 특화된 엽 작물 기관의 생육 수치 측정 동작을 가진다(도 3 참조).
이러한 특화된 엽 작물 기관의 생육 수치 측정 동작의 구체적인 동작을 설명한다.
먼저, 작물 기관이 엽인 경우, 상기 일실시예에 따른 작물 기관 이미지로부터 즉, 군락의 작물 RGB 영상 이미지와 군락의 깊이 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 생성한 군락의 작물 색채 동적 이미지 하에서, 정확히 식별되어 검출된 작물 기관 이미지로부터 우선적으로 설정 제1 순위로 엽장을 제1 인식한다(S216 ~ S218).
다음, 상기 제1 인식 결과 엽장이 설정 실측 엽장에 해당하여 엽장을 정상적으로 인식한 경우, 구체적인 예로 실측 엽장의 에지 등을 설정 선명도 이상으로 인식한 경우 다음번째 순서에 따라, 설정 제2 순위로 엽폭을 제2 인식한다(S219).
그래서, 상기 제2 인식 결과 엽폭이 실측 엽폭에 해당하여 엽폭을 정상적으로 인식한 경우 엽 작물 기관의 생육 수치를 측정한다(S220).
즉, 엽장과 엽폭을 모두 정상적으로 인식한 경우, 엽 작물 기관의 생육 수치를 측정한다.
반면, 상기 제1 인식 결과 엽장이 설정 실측 엽장에 미해당하여 엽장을 비정상적으로 인식한 경우 엽폭을 제3 인식한다(S226).
다음, 상기 제3 인식 결과 엽폭이 설정 실측 엽폭에 해당하여 엽폭을 정상적으로 인식한 경우 상기 정상적으로 인식된 엽폭을 사용하여 [식 1]인 "엽장 = 엽폭 × 설정 기준 엽형 지수(여기서, 상기 설정 기준 엽형 지수는 독립변수와 종속변수를 엽장과 엽폭으로 하여 상호 간에 대응하는 실 엽장 데이터와 실 엽폭 데이터를 설정 개수만큼 설정 회귀분석에 적용해서 산출한 엽장과 엽폭의 상관 관계(설정 기준 엽형 지수 = 엽장/엽폭)로 된 것임)"에 적용해서 엽장을 추정하여(S227) 엽 작물 기관의 생육 수치를 측정한다(S220).
즉, 엽폭을 정상적으로 인식한 경우 그러한 정상적으로 인식된 엽폭을 사용하여 엽장을 추정해서, 엽 작물 기관의 생육 수치를 측정한다.
이와 달리, 상기 제3 인식 결과 엽폭이 설정 실측 엽폭에 미해당하여 엽폭을 비정상적으로 인식한 경우 윗엽 엽장과 아래엽 엽장의 평균을 엽장으로 산출하고(S228) 상기 산출된 엽장을 사용하여 [식 2]인 "엽폭 = 엽장/설정 기준 엽형 지수"에 적용해서 엽폭을 추정하여(S229), 엽 작물 기관의 생육 수치를 측정한다.
즉, 엽장과 엽폭을 모두 비정상적으로 인식한 경우 윗엽 엽장과 아래엽 엽장의 평균을 엽장으로 산출하고, 상기 산출된 엽장을 사용하여 엽폭을 추정해서, 엽 작물 기관의 생육 수치를 측정한다.
그 결과, 엽을 정상적으로 인식하지 못한 경우시에도 엽 작물 기관의 생육 수치를 측정하여, 군락의 작물 생육 상태를 진단한다.
한편, 일실시예는 군락의 작물 생육 상태를 보다 명확히 진단할 수 있도록, 작물 기관별 온도를 검출해서 온도변화량을 측정하여 군락의 작물 생육 상태를 진단하는 동작을 가진다.
즉, 일실시예는 군락의 작물 생육 상태 진단시 군락의 작물 영상으로 군락의 작물 열화상을 사용하고, 상기 군락의 작물 색채 평면 영상에서 작물 기관을 식별해서 상기 작물 기관을 식별한 군락의 작물 색채 평면 영상 이미지와 상기 군락의 작물 열화상 이미지를 매핑시켜 작물 기관 픽셀별 온도를 검출한다.
그런 다음, 상기 검출된 작물 기관 픽셀별 온도와 설정 환경 상 예를 들어, 현재 재배 환경 상 기준 작물 기관 픽셀별 온도 간에 작물 기관별로 비교한다.
상기 비교 결과 상기 검출된 작물 기관 픽셀별 온도가 설정 환경 상 기준 작물 기관 픽셀별 온도에 해당하는 경우 해당 작물 기관의 생육 상태를 정상 생육 상태로 진단한다.
반면, 상기 비교 결과 상기 검출된 작물 기관 픽셀별 온도가 설정 환경 상 기준 작물 기관 픽셀별 온도에 미해당하는 경우 해당 작물 기관의 생육 상태를 이상 생육 상태로 진단하여, 작물 기관 픽셀별 온도를 사용해서 군락의 작물 생육 상태를 진단한다.
즉, 작물 기관별 온도를 검출해서 온도변화량을 측정하여 군락의 작물 생육 상태를 진단한다.
그래서, 이를 통해 군락의 작물 생육 상태를 보다 명확히 진단한다.
한편, 일실시예는 작물 기관별 ID(Identification)를 부여, 작물 상태 진단시마다 동일 작물 기관을 추적해서 동일 작물 기관별로 변화량을 비교하여 쉽게 작물 기관 생육 상태 정보를 관리하고, 동일 작물 기관별로 수확시까지 연속적인 모니터링을 수행하여 작물 상태 진단을 효율적으로 한다.
이를 위해, 일실시예는 일실시예에 따른 군락의 작물 색채 동적 이미지 상으로 작물 기관을 식별해서 작물 기관 이미지 검출시, 상기 검출된 작물 기관 이미지와 기등록된 작물 기관 이미지의 동일 여부를 판별하여, 상기 판별 결과 상기 검출된 작물 기관 이미지와 기등록된 작물 기관 이미지가 상이한 경우, 즉 신규 엽이나 신규 마디, 신규 화방, 신규 과일 나오는 경우마다 작물 기관별 ID를 부여하여 이때, RGB 순번대로 작물 기관별 ID를 부여하여 상기 작물 기관별 ID 상으로 작물 기관 생육 수치의 변화량을 등록해서 갱신, 관리하여 모니터링하거나 이전 작물 기관 생육 수치 간에 변화량을 비교하여 모니터링한다.
반면, 상기 판별 결과 상기 검출된 작물 기관 이미지와 기등록된 작물 기관 이미지가 동일한 경우 작물 기관별 ID를 미부여하고 동일한 해당 기등록된 작물 기관 이미지의 작물 기관별 ID 상으로 작물 기관 생육 수치의 변화량을 등록하여 갱신 관리해서 모니터링하여, 작물 기관별 ID 상으로 동일 작물 기관을 추적해서 작물 기관 생육 수치의 변화량을 연속적으로 수확시까지 모니터링한다.
그 결과, 작물 상태 진단시마다 동일 작물 기관을 추적해서 동일 작물 기관별로 변화량을 비교하여 쉽게 작물 기관 생육 상태 정보를 관리하고, 동일 작물 기관별로 수확시까지 연속적인 모니터링을 수행하여 작물 상태 진단을 효율적으로 한다.
한편, 일실시예는 군락의 작물 영상촬영이미지를 효율적으로 관리할 수 있도록 아래의 동작을 가진다.
즉, 일실시예는 군락의 작물 영상 유형에 따라 구체적인 바로, 일실시예에 따른 군락의 작물 색채 평면 영상과, 군락의 작물 다차원 영상, 군락의 작물 열화상 영상 유형별로 상이한 이미지구분 값을 설정하고 부여하며, 상기 군락의 작물 영상 촬영방향에 따라 구체적인 예인 경우는 정상 촬영방향이나 측면 촬영방향에 따라 상이한 촬영방향 구분 값을 설정하고 부여하며, 더불어 상기 군락의 작물 위치에 따라 상이한 위치번호를 부여하여 된 영상촬영이미지 이름 규칙을 설정하여 등록하고, 상기 군락의 작물 영상 입력시마다 상기 영상촬영이미지 이름 규칙에 따라 현재 군락의 작물 영상 유형에 상응하는 이미지구분 값을 부여하고 현재 군락의 작물 영상 촬영방향에 상응하는 이미지 구분 값을 부여하며, 더불어 현재 군락의 작물 위치에 상응하는 위치번호를 부여하여 영상촬영이미지 이름을 생성해서, 군락의 작물 영상촬영이미지를 효율적으로 관리한다.
도 5는 일실시예에 따른 군락의 작물 색채 동적 이미지를 도시한 도면이다.
도 5에 도시된 바와 같이, 일실시예는 군락의 작물 색채 평면 영상 이미지와 군락의 작물 다차원 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 군락의 작물 색채 동적 이미지를 생성해서, 구체적인 바로는 군락의 작물 RGB 영상 이미지와 군락의 깊이 영상 이미지 간에 화각 기준점을 일치시켜 매핑하여 군락의 작물 색채 동적 이미지를 생성해서, 상기 생성된 군락의 작물 색채 동적 이미지 하에서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 정확한 작물 기관 생육 수치 측정 값을 얻어 신뢰성 있게 군락의 작물 생육 상태를 진단하는데, 여기서는 이러한 군락의 작물 색채 평면 영상 이미지인 군락의 작물 RGB 영상 이미지와 군락의 작물 다차원 영상 이미지인 군락의 작물 깊이 영상 이미지를 도시한 것이고, 더불어 군락의 작물 색채 동적 이미지로 군락의 작물 RGB 영상 이미지와 군락의 작물 깊이 영상 이미지를 병합하여 된 군락의 작물 색채 동적 이미지를 도시한 것이다. 그래서, 군락의 작물 RGB 영상 이미지와 군락의 작물 깊이 영상 이미지의 작물 기관 측정을 위한 화각 기준점 매핑 후 화각 보정 작업하고, 군락의 작물 깊이 영상에서 에지 검출 후 군락의 RGB 영상 이미지와 매핑하여 작물 기관을 식별하며 상기 식별된 작물 기관을 깊이 영상정보에서 측정값을 측정한다.
도 6은 일실시예에 따른 영상촬영이미지 이름 규칙을 도시한 도면이다.
도 6에 도시된 바와 같이, 일실시예에 따른 영상촬영이미지 이름 규칙은 군락의 작물 영상촬영이미지를 효율적으로 관리할 수 있도록 하는데, 구체적인 바로 군락의 작물 영상 유형에 따라 즉 일실시예에 따른 군락의 작물 색채 평면 영상과, 군락의 작물 다차원 영상, 군락의 작물 열화상 영상 유형에 따라 상이한 이미지구분 값을 설정하고 부여하며, 상기 군락의 작물 영상 촬영방향에 따라 구체적인 예인 경우는 정상 촬영방향이나 측면 촬영방향 또는 파노라마 촬영방향에 따라 상이한 촬영방향 구분 값을 설정하고 부여하며, 더불어 상기 군락의 작물 위치에 따라 상이한 위치번호를 부여하여 된 영상촬영이미지 이름 규칙을 설정하여 등록한다. 그래서, 상기 군락의 작물 영상 입력시마다 상기 영상촬영이미지 이름 규칙에 따라 현재 군락의 작물 영상 유형에 상응하는 이미지구분 값을 부여하고 현재 군락의 작물 영상 촬영방향에 상응하는 이미지 구분 값을 부여하며, 더불어 현재 군락의 작물 위치에 상응하는 위치번호를 부여하여 영상촬영이미지 이름을 생성해서, 군락의 작물 영상촬영이미지를 효율적으로 관리한다. 이때, 작물의 초장(총 높이)을 측정하기 위해 파노라마 촬영기법으로 작물의 초장을 측정하여, 일부 작물의 경우 총 높이가 2m를 넘어 화각에 잡히지 않기 때문에 일정재배기간이 지나는 경우 초장을 알 수 없는 점을 해결한다.
* 도면의 주요 부분에 대한 부호의 설명 *
100 : 제어부

Claims (5)

  1. 군락의 작물 영상을 전송받는 통신부;
    상기 군락의 작물 생육 상태 정보를 표시하는 표시부; 및
    상기 군락의 작물 영상을 사용하여 군락의 작물 생육 수치를 측정해서 군락의 작물 생육 상태를 진단하고 상기 표시부에 표시하도록 하는 제어부;
    를 포함하고,

    상기 제어부는
    상기 군락의 작물 생육 상태 진단시 군락의 작물 영상으로 군락의 작물 색채 평면 영상과 군락의 작물 다차원 영상을 사용하고, 상기 군락의 작물 다차원 영상에서 에지(Edge)를 검출하여 배경을 제거해서 작물 기관을 분리한 군락의 작물 다차원 영상 이미지를 제1 생성하며, 상기 제1 생성된 작물 기관을 분리한 군락의 작물 다차원 영상 이미지와 상기 군락의 작물 색채 평면 영상 이미지 간에 화각 기준점을 일치시켜 화각을 맞추고 매핑해서 군락의 작물 색채 동적 이미지를 제2 생성하며, 상기 제2 생성된 군락의 작물 색채 동적 이미지 하에서 해당 작물의 색 특징과 작물 기관별 설정 고유 모양 패턴 기반의 픽셀 세그먼테이션(Pixel segmentation)으로 해당 작물의 모양 패턴과 작물 기관별 에지 정보를 가진 픽셀(Pixel)을 획득해서, 상기 획득된 해당 작물의 색 특징과 작물의 모양 패턴 및 작물 기관별 에지 정보를 가진 픽셀 정보에 기초하여, 작물 기관의 설정 고유 특성에 맞는 특징을 작물 기관별로 추정하여 작물 기관을 식별해서 작물 기관 이미지를 검출하여, 상기 검출된 작물 기관 이미지로부터 작물 기관 생육 수치를 측정해서 군락의 작물 생육 상태를 진단하는 것;
    이고,

    상기 작물 기관 이미지로부터 작물 기관 생육 수치를 측정해서 군락의 작물 생육 상태를 진단하는 것은
    상기 작물 기관이 엽인 경우, 엽 작물 기관의 생육 수치를 측정하는 것이, 상기 작물 기관 이미지로부터 설정 제1 순위로 엽장을 제1 인식하고 상기 제1 인식 결과 엽장이 설정 실측 엽장에 해당하여 엽장을 정상적으로 인식한 경우 설정 제2 순위로 엽폭을 제2 인식하며 상기 제2 인식 결과 엽폭이 실측 엽폭에 해당하여 엽폭을 정상적으로 인식한 경우 엽 작물 기관의 생육 수치를 측정하고, 상기 제1 인식 결과 엽장이 설정 실측 엽장에 미해당하여 엽장을 비정상적으로 인식한 경우 엽폭을 제3 인식하며 상기 제3 인식 결과 엽폭이 설정 실측 엽폭에 해당하여 엽폭을 정상적으로 인식한 경우 상기 정상적으로 인식된 엽폭을 사용하여 [식 1]인 "엽장 = 엽폭 × 설정 기준 엽형 지수(여기서, 상기 설정 기준 엽형 지수는 독립변수와 종속변수를 엽장과 엽폭으로 하여 상호 간에 대응하는 설정 개수만큼 설정 회귀분석에 적용해서 산출한 엽장과 엽폭의 상관 관계(설정 기준 엽형 지수 = 엽장/엽폭)로 된 것임)"에 적용해서 엽장을 추정하여 엽 작물 기관의 생육 수치를 측정하고, 상기 제3 인식 결과 엽폭이 설정 실측 엽폭에 미해당하여 엽폭을 비정상적으로 인식한 경우 윗엽 엽장과 아래엽 엽장의 평균을 엽장으로 산출하고 상기 산출된 엽장을 사용하여 [식 2]인 "엽폭 = 엽장/설정 기준 엽형 지수"에 적용해서 엽폭을 추정하여 엽 작물 기관의 생육 수치를 측정하여 된 것;
    을 특징으로 하는 작물 영상을 사용한 작물 생육 진단 장치.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 제어부는
    상기 군락의 작물 생육 상태 진단시 군락의 작물 영상으로 군락의 작물 열화상을 사용하고, 상기 군락의 작물 색채 평면 영상에서 작물 기관을 식별하고 상기 작물 기관을 식별한 군락의 작물 색채 평면 영상 이미지와 상기 군락의 작물 열화상 이미지를 매핑시켜 작물 기관 픽셀별 온도를 검출하며, 상기 검출된 작물 기관 픽셀별 온도와 설정 환경 상 기준 작물 기관 픽셀별 온도 간에 작물 기관별로 비교하여, 상기 비교 결과 상기 검출된 작물 기관 픽셀별 온도가 설정 환경 상 기준 작물 기관 픽셀별 온도에 해당하는 경우 해당 작물 기관의 생육 상태를 정상 생육 상태로 진단하고, 상기 비교 결과 상기 검출된 작물 기관 픽셀별 온도가 설정 환경 상 기준 작물 기관 픽셀별 온도에 미해당하는 경우 해당 작물 기관의 생육 상태를 이상 생육 상태로 진단하여, 작물 기관 픽셀별 온도를 사용해서 군락의 작물 생육 상태를 진단하는 것;
    을 특징으로 하는 작물 영상을 사용한 작물 생육 진단 장치.
  4. 제 1 항에 있어서,
    상기 제어부는
    상기 군락의 작물 색채 동적 이미지 상으로 작물 기관을 식별해서 작물 기관 이미지 검출시, 상기 검출된 작물 기관 이미지와 기등록된 작물 기관 이미지의 동일 여부를 판별하여, 상기 판별 결과 상기 검출된 작물 기관 이미지와 기등록된 작물 기관 이미지가 상이한 경우 작물 기관별 ID를 부여하여 상기 작물 기관별 ID 상으로 작물 기관 생육 수치의 변화량을 등록해서 관리하여 모니터링하고, 상기 판별 결과 상기 검출된 작물 기관 이미지와 기등록된 작물 기관 이미지가 동일한 경우 작물 기관별 ID를 미부여하고 동일한 해당 기등록된 작물 기관 이미지의 작물 기관별 ID 상으로 작물 기관 생육 수치의 변화량을 등록하여 관리해서 모니터링하여, 작물 기관별 ID 상으로 동일 작물 기관을 추적해서 작물 기관 생육 수치의 변화량을 연속적으로 모니터링하는 것;
    을 특징으로 하는 작물 영상을 사용한 작물 생육 진단 장치.
  5. 제 3 항에 있어서,
    상기 제어부는,
    상기 군락의 작물 영상 유형에 따라 상이한 이미지구분 값을 설정하고 부여하며, 상기 군락의 작물 영상 촬영방향에 따라 상이한 촬영방향 구분 값을 설정하고 부여하며, 더불어 상기 군락의 작물 위치에 따라 상이한 위치번호를 부여하여 된 영상촬영이미지 이름 규칙을 설정하여 등록하고, 상기 군락의 작물 영상 입력시마다 상기 영상촬영이미지 이름 규칙에 따라 현재 군락의 작물 영상 유형에 상응하는 이미지구분 값을 부여하고 현재 군락의 작물 영상 촬영방향에 상응하는 이미지 구분 값을 부여하며, 더불어 현재 군락의 작물 위치에 상응하는 위치번호를 부여하여 영상촬영이미지 이름을 생성해서, 군락의 작물 영상촬영이미지 관리하고,

    상기 군락의 작물 영상 유형은,
    상기 군락의 작물 색채 평면 영상, 상기 군락의 작물 다차원 영상, 상기 군락의 작물 열화상 영상을 포함한 것;
    을 특징으로 하는 작물 영상을 사용한 작물 생육 진단 장치.
KR1020160093239A 2016-07-22 2016-07-22 작물 영상을 사용한 작물 생육 진단 장치 KR101822410B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160093239A KR101822410B1 (ko) 2016-07-22 2016-07-22 작물 영상을 사용한 작물 생육 진단 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160093239A KR101822410B1 (ko) 2016-07-22 2016-07-22 작물 영상을 사용한 작물 생육 진단 장치

Publications (1)

Publication Number Publication Date
KR101822410B1 true KR101822410B1 (ko) 2018-01-29

Family

ID=61028333

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160093239A KR101822410B1 (ko) 2016-07-22 2016-07-22 작물 영상을 사용한 작물 생육 진단 장치

Country Status (1)

Country Link
KR (1) KR101822410B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190136362A (ko) 2018-05-30 2019-12-10 주식회사 공간정보 농업용 작물의 생육정보 구축시스템
KR102099610B1 (ko) 2019-07-19 2020-04-10 한홍규 식물공장 시스템 및 이를 이용한 식물의 발아여부 및 육성정도 판단방법
CN113743819A (zh) * 2021-09-15 2021-12-03 二十一世纪空间技术应用股份有限公司 农作物估产的方法、装置、电子设备及存储介质
KR20220022961A (ko) 2020-08-20 2022-03-02 아이티컨버젼스 주식회사 개선된 작물생육 분석시스템
KR20220026340A (ko) 2020-08-25 2022-03-04 한국과학기술연구원 작물 영상 기반 작물 생육 계측 시스템, 및 방법
CN114581470A (zh) * 2022-02-16 2022-06-03 三峡大学 一种基于植物群落行为的图像边缘检测方法
CN117237800A (zh) * 2023-08-01 2023-12-15 广州智在信息科技有限公司 基于人工智能的作物生长监控方法及计算机设备
CN118052376A (zh) * 2024-04-16 2024-05-17 四川职业技术学院 一种基于农业物联网的敏感数据异常检测系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012510276A (ja) * 2008-12-03 2012-05-10 フォルシュングスツェントルム・ユーリッヒ・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング 植物の葉片の成長を測定するための方法およびそれに適した装置
JP2016053903A (ja) * 2014-09-04 2016-04-14 国立研究開発法人農業・食品産業技術総合研究機構 植物群落構造解析システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012510276A (ja) * 2008-12-03 2012-05-10 フォルシュングスツェントルム・ユーリッヒ・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング 植物の葉片の成長を測定するための方法およびそれに適した装置
JP2016053903A (ja) * 2014-09-04 2016-04-14 国立研究開発法人農業・食品産業技術総合研究機構 植物群落構造解析システム

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190136362A (ko) 2018-05-30 2019-12-10 주식회사 공간정보 농업용 작물의 생육정보 구축시스템
KR102099610B1 (ko) 2019-07-19 2020-04-10 한홍규 식물공장 시스템 및 이를 이용한 식물의 발아여부 및 육성정도 판단방법
KR20220022961A (ko) 2020-08-20 2022-03-02 아이티컨버젼스 주식회사 개선된 작물생육 분석시스템
KR20220026340A (ko) 2020-08-25 2022-03-04 한국과학기술연구원 작물 영상 기반 작물 생육 계측 시스템, 및 방법
CN113743819A (zh) * 2021-09-15 2021-12-03 二十一世纪空间技术应用股份有限公司 农作物估产的方法、装置、电子设备及存储介质
CN113743819B (zh) * 2021-09-15 2024-03-26 二十一世纪空间技术应用股份有限公司 农作物估产的方法、装置、电子设备及存储介质
CN114581470A (zh) * 2022-02-16 2022-06-03 三峡大学 一种基于植物群落行为的图像边缘检测方法
CN114581470B (zh) * 2022-02-16 2024-04-30 三峡大学 一种基于植物群落行为的图像边缘检测方法
CN117237800A (zh) * 2023-08-01 2023-12-15 广州智在信息科技有限公司 基于人工智能的作物生长监控方法及计算机设备
CN118052376A (zh) * 2024-04-16 2024-05-17 四川职业技术学院 一种基于农业物联网的敏感数据异常检测系统及方法

Similar Documents

Publication Publication Date Title
KR101822410B1 (ko) 작물 영상을 사용한 작물 생육 진단 장치
KR101832724B1 (ko) 영상이미지를 통한 농작물 생육 진단 시스템 및 방법
Yu et al. Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage
KR101763835B1 (ko) 군락에서 영상이미지를 통한 작물기관별 이미지식별시스템
Liu et al. A computer vision system for early stage grape yield estimation based on shoot detection
KR101912651B1 (ko) 군락에서 열화상 이미지를 통한 작물기관별 온도식별시스템에 사용되는 정보처리장치
Nuske et al. Yield estimation in vineyards by visual grape detection
US8781174B2 (en) Method and system for recognizing plant diseases and recording medium
KR20150000435A (ko) 작물 생장 단계 인식 및 환경 제어 시스템 및 그 방법
KR102095539B1 (ko) 인삼의 영상 이미지 분석을 통한 생육량 측정 방법
KR20180057785A (ko) 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법
JP2019037225A (ja) 植物の生育状況監視装置及び植物の生育状況監視方法
Ji et al. In-field automatic detection of maize tassels using computer vision
KR20200020209A (ko) 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치
CN114818909A (zh) 一种基于作物长势特征的杂草检测方法和装置
CN115953690B (zh) 用于无人收割机行进校准的倒伏作物识别方法
Nguyen et al. A vision based method for automatic evaluation of germination rate of rice seeds
CN116612192B (zh) 一种基于数字视频的病虫害区目标定位方法
CN112580671A (zh) 一种基于深度学习的稻穗多发育期自动检测方法及系统
CN117057946A (zh) 一种智慧农业园区数据监控装置及方法
CN109960972B (zh) 一种基于中高分辨率时序遥感数据的农林作物识别方法
CN107064159B (zh) 一种依据植物黄叶检测判断生长趋势的装置及系统
CN115661647A (zh) 一种树木栽种生长状况的定时巡检方法
CN118261488A (zh) 一种基于数字农场的智慧管理系统
KR102531781B1 (ko) 딥러닝 세그멘테이션 인식 기술을 이용한 작물 생장 측정 장치 및 그 방법

Legal Events

Date Code Title Description
GRNT Written decision to grant