KR101832724B1 - 영상이미지를 통한 농작물 생육 진단 시스템 및 방법 - Google Patents
영상이미지를 통한 농작물 생육 진단 시스템 및 방법 Download PDFInfo
- Publication number
- KR101832724B1 KR101832724B1 KR1020160115401A KR20160115401A KR101832724B1 KR 101832724 B1 KR101832724 B1 KR 101832724B1 KR 1020160115401 A KR1020160115401 A KR 1020160115401A KR 20160115401 A KR20160115401 A KR 20160115401A KR 101832724 B1 KR101832724 B1 KR 101832724B1
- Authority
- KR
- South Korea
- Prior art keywords
- crop
- growth
- image
- data
- diagnosis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000012010 growth Effects 0.000 claims abstract description 146
- 238000003745 diagnosis Methods 0.000 claims abstract description 72
- 230000008859 change Effects 0.000 claims abstract description 31
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000018109 developmental process Effects 0.000 claims abstract description 6
- 235000016709 nutrition Nutrition 0.000 claims abstract 2
- 230000035764 nutrition Effects 0.000 claims abstract 2
- 244000038559 crop plants Species 0.000 claims description 59
- 238000005259 measurement Methods 0.000 claims description 45
- 210000000056 organ Anatomy 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000003708 edge detection Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 5
- 235000003715 nutritional status Nutrition 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 4
- 230000003442 weekly effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 2
- 238000009313 farming Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 239000005648 plant growth regulator Substances 0.000 claims 2
- 230000004962 physiological condition Effects 0.000 claims 1
- 230000008635 plant growth Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002015 leaf growth Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- H04N5/225—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Mining & Mineral Resources (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
영상이미지를 통한 농작물 생육 진단 시스템 및 방법을 개시한다. 농작물 생육 진단 시스템은 농작물 이미지를 촬영하고, 생육 진단 서버로 전달하는 스마트 단말; 스마트 단말로부터 전달받은 농작물 이미지를 분석하여 엽, 마디, 화방, 과일을 포함하는 작물 기관별 길이, 굵기, 넓이를 측정하여 측정값과 영상 이미지를 저장하고, 저장된 데이터를 기 저장된 작물 별 생육 변화량 기준 데이터와 비교하여, 농작물의 영양 상태, 발달과정, 생리장애를 포함하는 농작물 생육 과정을 진단하고, 진단 결과에 따른 대응 방법과 향후 농작물 상태를 예측하는 진단 서버; 를 포함한다.
Description
농작물의 생육 진단 시스템 및 방법에 관한 것으로 구체적으로, 영상이미지를 통한 농작물 생육 진단 서버 및 시스템에 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.
최근 인터넷, 근거리 무선통신 기술, 이미지프로세싱 및 다양한 센싱 ICT(Information & Communication Technology)복합 기술은 농작물 재배 및 생장 모니터링 시스템에 적용되어 발전하고 있다. 아울러, 농작물의 생장 환경을 관리할 수 있는 온실 모니터링과 관리 시스템 또한 함께 발전하는 추세이다.
최근에는 농작물 모니터링 기술이 농작물의 생장 환경 모니터링뿐만 아니라 농작물의 생육 변화량을 측정하고 성장 과정을 관찰하여 농작물의 상태를 분석하는 농작물 관리 시스템의 형태로도 발전되고 있다. 하지만, 기존의 농작물 이미지 처리 기술은 국내외적으로 초보단계이며 작물기관별 인식과 측정방식은 개별작물의 화분을 이용하여 작물기관을 측정하는 방식이기 때문에, 농가에 별도의 컨베이어시스템이나 촬영장치 및 측정장치가 설치되어야만 한다.
또한 농작물의 높이를 측정하는 경우 일부 농작물의 총 높이가 2m를 넘으면 화각에 잡히지 않기 때문에 일정재배기간이 지나면 농작물의 높이를 파악할 수 없는 문제가 있다. 아울러 촬영 후 이미지 인식에 있어서, 군락 별로 밀집해 있는 작물을 촬영하면, 작물이 겹쳐 있는 경우, 작물 기관을 정확히 인식하기 어렵다. 또한, 현재 측정된 작물 데이터를 수집하여, 작물의 생육 변화량을 예측하거나 작물 상태를 진단할 수 있는 시스템이 부재한 상황이다.
스마트 단말 또는 농가의 컴퓨팅 기기에 구비된 RGB 카메라 및 IR (적외선, infrared)카메라로 농작물을 촬영하고, 촬영된 농작물 영상에서 이미지 인식과 농작물 기관 별 측정을 하는 영상이미지를 통한 농작물 생육 진단 시스템 및 방법을 제공한다.
하나의 실시예로서, 농작물 생육 진단 시스템은 RGB 카메라 및 IR 카메라를 구비하여 농가의 작물이미지를 촬영하여 서버로 전송하거나, 촬영된 이미지를 분석하여 엽, 화방, 마디, 과일을 포함하는 작물 기관을 인식하고, 인식된 작물기관을 측정하여, 측정된 작물기관별 데이터를 서버로 전송하는 스마트 단말; 스마트 단말로부터 촬영되어 인식된 작물이미지와 측정된 작물기관별 데이터를 촬영일자 별로 저장하고, 측정 데이터를 기 저장된 측정 데이터와 비교하여 생육변화량 비교 결과에 따라 농작물의 영양상태, 발달과정, 생리상태를 포함하는 농작물 생육 상태를 진단하고, 진단 결과에 따른 대응 방법을 제시하고 향후 농작물 상태를 예측하는 진단서버; 를 포함한다.
다른 실시예로서 농작물 생육 진단 서버는 농작물 종류별 정상 생육 상태 및 농작물 상태에 따른 대응 방법을 포함하는 농작물 생육 과정 데이터 및 상기 스마트 단말 또는 농가 컴퓨팅 기기로부터 전송된 농작물의 RGB 이미지와 IR 이미지(Depth 이미지)를 저장하는 데이터베이스; 데이터베이스로부터 전달받은 농작물 이미지 분석을 위해 IR 이미지(Depth 이미지)를 이용하여 에지 검출 후 배경을 제거하고, 작물기관별로 분리하여 RGB 영상 이미지와 기준점을 대응시켜 작물 기관을 인식하는 인식모듈; 인식된 작물 기관의 길이, 넓이, 굵기를 포함하는 농작물의 생육 데이터를 측정하고, 측정된 생육 데이터를 일자 별, 주간 별로 데이터베이스화 하는 측정모듈; 측정모듈에서 측정된 작물 기관별 생육 데이터를 데이터베이스에 기 저장된 농작물 생육 데이터와 생육변화량을 비교하여 작물 생육 상태를 진단하고 진단 결과를 등록된 스마트 단말로 전송하는 진단모듈; 을 포함한다.
다른 실시예로서 농작물 생육 진단 방법은 스마트 단말 및 농가의 컴퓨팅 기기에서 작물 기관 별 RGB 이미지 및 IR이미지(Depth 이미지)를 촬영하고 촬영된 이미지를 농작물 생육 진단 서버로 영상촬영 이미지만 전송하는 단계; 농작물 생육 진단 서버에서 스마트 단말 또는 농가의 컴퓨팅 기기로부터 전달받은 농작물 이미지를 분석하는 단계; 분석 결과를 기반으로 엽, 화방, 마디, 과일을 포함하는 작물 기관별 길이, 굵기, 넓이를 측정하여 측정값과 영상 이미지를 저장하고, 저장된 데이터를 기 저장된 작물기관별 측정 데이터와 생육 변화량을 비교하는 단계; 비교 결과에 따라 농작물의 영양 상태, 발달과정, 생리장애를 포함하는 농작물 생육 과정을 진단하는 단계; 및 진단 결과에 따른 대응 방법과 향후 농작물 상태를 예측하는 단계; 를 포함한다.
이상에서와 같은 영상이미지를 통한 농작물 생육 진단 시스템 및 방법은, 농작물 생장 모니터링에 별도의 촬영장치 및 측정장치가 필요치 않도록 하고, 스마트 단말 또는 농가의 컴퓨팅 기기로 영상을 촬영하여 농작물 영상이미지 인식 및 농작물의 기관별 측정이 가능하도록 한다.
또한, 본 개시를 통해 농작물 군락에서의 이미지인식에 있어서 이미지에 포함된 에지 검출 후 배경을 제거 함으로써 군락에서의 작물부위별 식별을 가능하게 하고, IR카메라(Depth 카메라)를 통해 정확하게 작물기관별 측정을 수행 할 수 있다.
또한 본 개시를 통해 농가에서는 스마트 단말로 농작물 촬영 후 이미지 측정을 통해 농작물 상태를 진단 할 수 있다. 아울러 농작물 상태 진단 결과 및 농작물 촬영 이미지, 측정데이터는 서버로 실시간 전송되어 일간, 주간, 월간 생육 주기 별 생육 변화량에 따른 진단결과를 농가 관리인의 스마트 단말 또는 PC를 통해 확인할 수 있도록 한다.
또한, 본 개시에서는 스마트 단말을 통한 영상이미지 식별 및 농작물 측정방법을 제안하고, 측정된 값과 생육변화량을 분석하여 농작물 상태를 진단, 예측하고 농작물 상태에 따른 대응 방법을 실시간 확인할 수 있는 방법을 제시한다. 본 개시는 열거된 효과 외에 다른 효과도 가질 수 있다.
도 1은 실시예에 따른 생육 진단 시스템 구성을 나타내는 시스템 구성도
도 2는 실시예에 따른 클라우드 서버 구성을 나타내는 블록도
도 3은 실시예에 따른 농작물 생육 진단 시스템에서의 신호 흐름도
도 4는 실시예에 따른 데이터베이스의 구성도
도 5a는 RGB 이미지, IR 이미지 및 배경 제거 이미지의 예
도 5b는 작물 기관 별 생육 데이터 저장 및 모니터링 실시 예
도 5c는 작물 진단 시스템에서의 농작물의 생육 변화량 그래프
도 2는 실시예에 따른 클라우드 서버 구성을 나타내는 블록도
도 3은 실시예에 따른 농작물 생육 진단 시스템에서의 신호 흐름도
도 4는 실시예에 따른 데이터베이스의 구성도
도 5a는 RGB 이미지, IR 이미지 및 배경 제거 이미지의 예
도 5b는 작물 기관 별 생육 데이터 저장 및 모니터링 실시 예
도 5c는 작물 진단 시스템에서의 농작물의 생육 변화량 그래프
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 실시예에 따른 생육 진단 시스템 구성을 나타내는 시스템 구성도이다.
도 1을 참조하면, 농작물 생육 진단 시스템은 농작물 영상을 촬영하는 스마트 단말(100(1), 100(2)), 생육 진단정보조회 서버(200(1), 200(2)), 클라우드 서버(300) 및 농가의 컴퓨팅 기기를 포함하여 구성될 수 있다.
스마트 단말(100(1), 100(2))은 농가 관리자가 소지하는 스마트 기기로서 농작물 영상을 촬영하여 촬영된 영상에 포함된 작물 기관별 이미지를 인식하고 인식된 이미지에서 농작물의 생육 측정 정보를 추출하여 클라우드 서버(300) 로 전송한다.
스마트 단말(100)에서는 농작물의 엽, 화방, 마디, 과일, 경경 측정을 위해 촬영 방향을 3단계로 분할하여 촬영할 수 있다. 실시예에서 스마트 단말(100)은 RGB 카메라와 IR 카메라를 구비하고 에지(edge) 추출부 및 매핑부를 포함하여 촬영된 RGB 이미지와 IR 이미지를 스마트 단말(100(1), 100(2))에서 생장 데이터를 인식하고 측정할 수 있다. 예컨대, 스마트 단말(100(1), 100(2))은 촬영이미지에서 엽장, 엽폭, 생장점 길이, 생장점 굵기, 경경, 과장, 과폭, 화방수, 착과수 등을 포함하는 생장 데이터를 인식하고 이들을 측정하여 촬영이미지와 작물기관별 측정데이터를 바로 클라우드서버(300)에 전송하여 데이터베이스에 저장한다. 또한, 실시예에서는 농가에 설치된 카메라에서 촬영된 RGB이미지와 IR이미지 영상을 클라우드서버(300) 로 전송하여 클라우드서버(300)에서 엽장, 엽폭, 생장점 길이, 생장점 굵기, 경경, 과장, 과폭, 화방수, 착과수 등을 포함하는 생장 데이터를 인식하고 이들을 측정하여 작물기관별이미지 인식, 작물기관별측정 데이터를 데이터베이스에 저장할 수 있다.
진단정보조회서버(200(1), 200(2))는 클라우드서버(300)로부터 농작물 생육변화량과 진단결과 정보를 전송 받아 일간, 주간, 월간 생육 변화량과 진단결과와 대응방법을 실시간 모니터링 한다.
또한 진단정보조회서버(200(1), 200(2))는 모니터링 결과를 기반으로 생육 상태정보와 진단결과정보를 클라우드서버(300)로부터 전송 받아 조회하고, 추후 예측 생육 상태정보를 조회하여 농가에서는 실시간으로 농작물 진단결과 및 생육 예측 결과정보를 확인할 수 있다. 이를 통해, 재배농가에서는 농작물의 재배상태 및 생육 상태를 실시간 판단하고 대응할 수 있다. 농가의 정보조회방법은 관리자의 스마트 단말이나 진단정보조회서버로부터 농가 정보를 전달받아 관리자가 농작물 진단 결과를 실시간으로 확인할 수 있도록 한다.
실시예에 따라 클라우드서버(300)는 작물 별 생육 진단 알고리즘을 미리 저장하여 농가 별 작물 진단에 이용하고, 농작물 생육 진단 시스템은 농가 별 생육 측정 데이터, 작물 진단 정보 및 진단에 따라 대응한 결과 데이터를 저장하여 작물 생육 빅 데이터를 구축할 수 있다. 아울러, RGB 이미지 및 IR 이미지를 통해 인식된 작물 기관이미지 데이터를 누적 저장하여 이미지 인식을 위한 자기학습 데이터를 수집 반영함으로써, 농작물의 기관별 이미지 인식률을 향상 시킬 수 있다.
도 2는 실시예에 따른 농작물 클라우드 서버 구성을 나타내는 블록도이다.
도 2를 참조하면, 클라우드서버(300)는 데이터베이스(210), 영상획득모듈(230), 인식모듈(250), 측정모듈(270) 및 진단모듈(290)을 포함하여 구성될 수 있다.
데이터베이스(210)는 클라우드 서버(300)에 있고 농가 진단정보조회서에서 결과값과 진단결과를 분석그래프나 결과정보를 조회하는 용도이다. 스마트 단말(100)로는 정보조회가 한계가 있기 때문에 세부정보조회용이다. 도 1에 도시된 데이터베이스(210)는 클라우드 서버(300)에있고, 영상획득모듈(230)은 스마트단말(100)이나 농가 별도의 영상촬영장치에 종속(연결)되고, 인식모듈(250), 측정모듈(270)은 스마트단말(100) 또는 클라우드서버(300)에 구비될 수 있다. 인식모듈(250), 측정모듈(270)이 스마트단말(100)에 있을 때는 스마트단말(100)에서 영상촬영 작물기관인식, 작물기관측정 후 이미지와 측정결과값을 클라우드서버의 데이터베이스에 전송한다. 만일 클라우드 서버(300)에 인식모듈(250), 측정모듈(270)이 있는 경우에는 스마트단말(100)에서 영상촬영만 하고 촬영된 이미지를 클라우드 서버에 전송해서 클라우드서버(300)에서 이미지 기관별 인식, 작물기관별측정을해서 데이터 베이스에 저장한다.
영상획득모듈(230)은 스마트 단말(100)로부터 농작물 영상을 전송 받는다. 예컨대, 영상획득모듈(230)은 스마트 단말(100)에 의해 촬영된 작물의 상단부인 상위엽, 농작물의 상단측면인 생장점길이, 생장점 굵기 촬영 이미지 등을 전달 받을 수 있다. 실시예에 있어서, 영상획득모듈(230)은 스마트 단말(100)에 구비된 카메라를 통해 촬영된 농작물의 RGB이미지와 IR 이미지를 전달받아, 정확한 길이 측정을 위해 RGB이미지와 IR 이미지의 화각보정작업을 수행한다.
인식모듈(250)은 스마트 단말 또는 농가의 컴퓨팅 기기로부터 전달받은 RGB이미지와 IR 이미지를 이용하여 작물기관별로 이미지를 인식한다. 예컨대, 인식모듈(250)은 촬영된 RGB이미지의 영상에서 엽, 소엽, 마디, 화방, 열매, 생장점 등 생육 데이터 측정의 기준이 되는 작물 기관을 인식할 수 있다. 또한 인식모듈(250)은 IR 영상으로 에지 검출을 수행하고 에지 외곽의 배경 제거 후 작물기관을 분리한다. 이후, 인식모듈(250)은 분리된 작물기관을 RGB영상과 비교하여 작물기관을 인식한다. 실시예에 있어서 인식모듈(250)은 작물 군락 촬영 시 작물이 겹치는 부분을 분리하기 위해 IR 영상의 깊이 정보를 가지고 에지 검출 후 작물기관을 식별하기 때문에 작물 기관식별 정확도를 향상 시킬 수 있다.
실시예에서는 스마트 단말(100)에 이미지 인식엔진이 내장되어 촬영과 동시에 작물기관별 이미지 인식 후 인식된 작물기관을 측정하여 측정된 데이터를 진단서버로 전송할 수 있다. 아울러, 스마트 단말에서 이미지를 인식할 경우, 작물기관의 생육 데이터 측정 후 진단서버(200)로 측정값과 촬영이미지를 전송할 수 있다. 또한, 진단 서버(200)에 이미지 인식 엔진이 내장 되어 스마트 단말(100)로부터 RGB영상과 IR 영상을 전송 받아 서버에서 작물기관별 이미지를 인식한다. 이후 인식된 작물기관의 생육 데이터 측정 후 서버에 측정값을 저장할 수 있다. 작물 기관 별 생육 데이터 저장 및 모니터링 데이터 저장 실시예를 나타낸 도 5b를 참조하면, 실시예에 따라 작물 기관별 생육 데이터를 측정하여 일간, 주간, 월간 단위로 저장하고 생육 량을 모니터링 할 수 있다. 이때, 기간에 따른 농작물의 생장 변화량 및 비교 데이터를 추출할 수 있고, 정상적으로 성장하는 농작물 데이터와 관리 대상인 농작물 데이터를 비교해 볼 수 있다.
측정모듈(270)은 RGB이미지 영상에서 인식된 작물기관별 길이, 굵기를 포함하는 생육 데이터를 측정한다. 예컨대, 측정모듈(270)은 작물기관에 부여된 아이디를 기준으로 인식된 작물 기관 별 크기를 측정한다. 또한, 측정모듈(270)은 아이디로 구분된 작물 기관의 생육 변화량을 측정하고, 측정된 작물 기관별 크기 데이터와 생육 변화량 데이터를 일간, 주간, 월간 단위로 데이터베이스화한다.
데이터베이스(210)는 영상이미지를 작물기관별로 분리 및 측정 후 엽 순번, 마디 순번 별로 ID부여 후 측정값을 저장한다. 실시예에서는 작물생육 변화량을 모니터링 하기 위해 작물의 신규엽이나 신규마디, 신규화방, 신규과일이 나올 때마다 신규ID를 부여하여 변화량을 비교한다. 또한 엽장, 엽폭, 경경, 생장점길이, 생장점굵기, 화방수, 과일 수, 과장, 과폭 데이터베이스를 저장하고, 촬영 일자 별로 데이터 베이스 저장 후 농작물 생장변화량 비교하는 데이터로 이용한다.
실시예에 있어서, 데이터베이스(210)는 농가 별로 사용자식별부호(identification)를 부여하여 측정값 및 영상이미지를 저장하고 농가 별 측정시료부호를 부여하고, 측정 시료 부호에 따른 작물기관별 식별번호를 부여한다. 실시예에 따른 데이터베이스(210)에 저장되는 데이터 예를 나타낸 도 4를 참조하면, 데이터베이스(210)에는 위치코드, 이미지원본, 품종코드, 줄기 세부 분석결과, 이미지 화방 분석결과, 화방 세부 분석결과, 이미지 엽 분석결과, 생육 관리, 파일 세부분석결과, 이미지 분석결과, 이미지 소엽 분석 결과, 환경설정, 농가 코드 등의 데이터로 카테고리화 되어 각각의 카테고리에 포함되는 여러 데이터들을 저장한다.
예컨대, 도 4에 도시된 바와 같이 위치코드 카테고리에는 농가 아이디, 품종코드, 위치번호 등의 데이터가 저장되고, 줄기 세부 분석결과 카테고리에는 농가 아이디, 줄기 분석 결과 아이디, 마디 순번 등 줄기 분석 결과 및 분석된 농작물을 식별하기 위한 데이터가 저장된다. 도 4에 도시된 바와 같이, 실시예에서 데이터베이스(210)에는 식별부호 및 식별번호를 DB로 구축하여 생육변화량 서버에 저장하고 농가 별 DB구축으로 생육변화량 빅 데이터 베이스(Big database)를 구축하여 서버에 저장된 농가 별 생육변화량을 진단할 수 있는 생육진단시스템에 활용한다.
개시한 바와 같이, 농가 별로 작물의 생육상태, 측정, 진단, 이미지 데이터를 통합데이터베이스로 저장해 이미지생육 빅데이터로 관리해 농가의 재배컨설팅, 진단 알고리즘 개발에 활용할 수 있다.
진단모듈(290)은 데이터 베이스(210)에 저장된 작물기관별 측정값 변화량을 분석하여 작물 상태를 진단하고 작물생육 변화량을 통한 작물 별 생육상태를 판단한다. 작물기관별로 추출한 생육변화량을 가지고 작물의 영양상태, 생리장애를 판단하고 농작물 관리자의 스마트 단말이나 농가PC를 통해 대응조치방법을 제시함으로써 농작물을 보다 체계적으로 관리 할 수 있도록 한다.
이하에서는 실시예에 따른 농작물 생육 진단 방법에 대해서 차례로 설명한다. 본 발명에 따른 농작물 생육 진단 방법의 작용(기능)은 농작물 생육 진단 서버 및 시스템상의 기능과 본질적으로 같은 것이므로 도 1 내지 도 2와 중복되는 설명은 생략하도록 한다.
도 3은 실시예에 따른 농작물 생육 진단 시스템에서의 신호 흐름도이다.
먼저 스마트 단말(100)에서 농작물 영상을 획득하는 과정을 수행한다. 실시예에 있어서, S100 단계에서는 스마트 단말의 RGB 카메라를 통해 RGB 영상을 획득하고, S101 단계에서는 적외선 카메라를 통해 IR 영상을 촬영한다. S102 단계에서는 스마트 단말(100) 진단서버(200)로 촬영된 이미지 정보를 전송한다.
S103 단계에서는 인식모듈(250)에서 RGB카메라와 IR카메라의 화각과 해상도가 다르기 때문에 RGB영상에 Depth영상의 기준점을 일치시켜 매핑하는 화각 보정(calibration) 과정을 수행한다.
S104 단계에서는 이미지 인식을 위해 인식 모듈(250)에서 영상획득 모듈로부터 촬영된 영상을 분석하여 작물이미지 인식을 통해 이미지를 작물 기관별로 분리하는 과정을 수행한다.
실시예에 있어서, 이미지 분석은 스마트 단말에 내장된 인식모듈에서 농작물 촬영과 동시에 작물기관 별로 이미지 인식 후 인식된 작물기관의 생장 데이터를 측정하고 서버로 측정값과 촬영이미지전송 할 수 있다. 진단서버(200) 내에 인식모듈이 내장되는 경우에는 진단서버(200)에서 스마트 단말로 촬영된 RGB영상과 IR 영상을 전송 받아, 진단서버(200)에서 작물기관별로 이미지 인식 후 인식된 작물기관을 측정 후 서버에 측정값을 저장하고, 서버에서 이미지를 분석하여 작물 기관의 생장 데이터를 측정할 수 있다. 이미지가 인식되면 S105 단계에서는 분리된 작물 기관별로 아이디를 부여한다.
S106 단계에서 인식 모듈(250)은 IR영상으로 에지(Edge)검출 및 배경 제거 이후 작물기관을 분리한다. RGB 영상 이미지, IR 영상 이미지 및 배경 제거 이미지를 도시한 도 5a를 참조하면, 분리된 작물기관을 RGB영상(c)와 비교하여 작물기관을 인식하고 군락에서의 촬영으로 작물이 겹치는 부분을 분리하기 위해 IR 영상의 깊이 정보를 이용하여 에지 검출 후 배경을 제거하여(e) 에지 내부 영역을 작물기관으로 식별한다.
S107 단계에서는 측정모듈(270)에서 작물 기관의 생육 데이터를 측정한다. 또한, 측정모듈(270)는 작물 생육 변화량을 모니터링 하기 위해 작물의 신규엽이나 신규마디, 신규화방, 신규과일이 나올 때마다 신규ID를 부여하여 변화량을 비교할 수 있다.
S108 단계에서는 농작물 이미지와 생육 데이터 측정값을 데이터베이스에 저장하고, S109 단계에서는 농작물 이미지와 생육 데이터 측정값을 이격된 데이터베이스(210)에 저장하여 농작물 생육 진단을 위한 빅데이터를 구축하는데 이용할 수 있다. S110 단계에서는 식별된 작물기관의 IR 영상정보에서 측정값을 가져와 작물 생육 변화량을 추출한다. S111 단계에서는 데이터베이스(210)에서 생육진단 알고리즘을 추출하고 S112 단계에서는 추출된 생육 변화량 데이터를 이용해 생육 진단 및 농작물의 변화량을 예측한다. 작물 진단 시스템에서의 농작물의 생육 변화량을 그래프로 도시한 도 5c를 참조하면, 사용자 설정에 따라 특정 기간 동안(예컨대 월별) 엽 수, 화방수 변화량 및 엽장, 엽폭, 엽폭 비 변화량을 그래프로 디스플레이 하여 농작물의 성장 추이를 쉽게 파악 할 수 있도록 한다. S113 단계에서는 진단모듈(290)에서 생육 변화량을 진단하고 진단 결과 작물의 영양상태와 생리 장애 등을 파악하고 이에 대응되는 농작물 조치 방법을 데이터베이스에서 추출한다. 이후, S114 단계에서는 진단서버(200)에서 추출된 결과를 스마트 단말(100)로 제공하거나, S115 단계에서 농작물 관리자의 컴퓨터로 제공 할 수 있다.
개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.
100: 스마트 단말
200: 진단서버
210: 데이터베이스 230: 영상획득모듈
250: 인식모듈 270: 측정모듈 290: 진단모듈
300: 중앙서버
200: 진단서버
210: 데이터베이스 230: 영상획득모듈
250: 인식모듈 270: 측정모듈 290: 진단모듈
300: 중앙서버
Claims (16)
- 농작물 생육 진단 시스템에 있어서,
작물 생육 진단 알고리즘을 미리 저장하여 농가 별 작물 진단에 이용하고, 농가 별 작물 생육 측정 데이터, 작물 진단 정보 및 진단 결과 데이터를 저장하여 작물 생육 빅 데이터를 구축하고, 농작물의 기관별 이미지 인식률을 향상을 위해 RGB 이미지 및 IR 이미지를 통해 인식된 작물 기관이미지 데이터를 누적 저장하여 이미지 인식을 위한 자기학습 데이터를 수집하는 클라우드 서버;
RGB 카메라 및 IR 카메라를 구비하여 농가의 작물이미지를 촬영하여 서버로 전송하거나, 촬영된 이미지를 분석하여 엽, 화방, 마디, 과일을 포함하는 작물 기관을 인식하고, 인식된 작물기관을 측정하여, 측정된 작물기관별 데이터를 서버로 전송하고, 촬영이미지에서 엽장, 엽폭, 생장점 길이, 생장점 굵기, 경경, 과장, 과폭, 화방수, 착과수를 포함하는 생장 데이터를 인식하고 상기 생장 데이터를 측정하여 촬영이미지와 작물기관별 측정데이터를 상기 클라우드서버에 전송하여 상기 작물 기관별 측정데이터가 저장되도록 하는 스마트 단말;
상기 스마트 단말로부터 촬영되어 인식된 작물이미지와 측정된 작물기관별 데이터를 촬영일자 별로 저장하고, 측정 데이터를 기 저장된 측정 데이터와 비교하여 생육변화량 비교 결과에 따라 농작물의 영양상태, 발달과정, 생리상태를 포함하는 농작물 생육 상태를 진단하고, 진단 결과에 따른 대응 방법을 제시하고 향후 농작물 상태를 예측하는 진단서버;
상기 클라우드서버로부터 농작물 생육변화량과 진단결과 정보를 전송 받아 일간, 주간, 월간 생육 변화량과 진단결과와 대응방법을 실시간 모니터링 하는 진단정보조회서버; 를 포함하고,
상기 농작물 생육 진단 시스템은
농가 별로 측정된 작물 별 생육 측정 데이터, 생육 변화량 데이터, 작물 인식 이미지 정보, 농작물 진단 정보, 대응정보를 수집하여 빅데이터를 구축하고, 상기 구축된 빅데이터를 이용해 작물 이미지 인식 정확도를 향상시키는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 제 1항에 있어서, 상기 농작물 생육 진단 시스템은
RGB 카메라와 IR 카메라를 구비하여, 농작물 군락을 촬영하고 작물 별로 RGB 이미지와 IR 이미지를 획득하여 상기 진단 서버로 전달하거나 촬영된 RGB 이미지와 IR 이미지 분석 후 작물 기관을 추출하여 추출된 작물 이미지 데이터를 상기 진단 서버로 전송하는 농가의 컴퓨팅 기기; 를 더 포함하는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 제 1항에 있어서, 상기 스마트 단말은
IR 카메라로 촬영된 이미지에서 경계를 추출하는 에지 추출부;
작물기관별 측정을 위해 RGB 이미지와 IR 이미지의 기준점을 매핑 시키는 매핑부; 를 포함하는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 제 1항 또는 3항에 있어서, 상기 스마트 단말은
이미지 인식 엔진을 구비함으로써, 촬영된 이미지를 분석하여 작물 기관별로 IR 이미지로 에지 검출 후 배경을 제거하여, RGB 이미지와 화각 기준점 대응 후 매핑하여 작물 기관 영역을 식별하고, IR 이미지에서 깊이 정보를 가지고 작물 기관별로 엽장, 엽폭, 생장점 길이, 생장점 굵기, 경경, 화방수, 착과수, 마디길이 과장, 과폭을 측정하여 농작물 생육 진단 서버로 전송하는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 제 1항에 있어서, 상기 진단서버는
농작물 종류별 정상 생육 상태 및 농작물 상태에 따른 대응 방법을 포함하는 농작물 생육 과정 데이터 및 상기 스마트 단말 또는 농가 컴퓨팅 기기로부터 전송된 농작물의 RGB 이미지와 IR 이미지를 저장하는 데이터베이스;
상기 데이터베이스로부터 전달받은 농작물 이미지 분석을 위해 IR 이미지를 이용하여 에지 검출 후 배경을 제거하고, RGB 영상 이미지와 기준점을 대응시켜 작물 기관을 인식하는 인식모듈;
인식된 작물 기관의 길이, 넓이, 굵기를 포함하는 농작물의 생육 데이터를 측정하고, 상기 측정된 생육 데이터를 기간별로 데이터베이스화 하는 측정모듈;
상기 측정모듈에서 측정된 작물 기관별 생육 데이터를 데이터베이스에 기 저장된 농작물 생육 데이터와 비교하여 작물 생육 상태를 진단하고 진단 결과를 등록된 스마트 단말로 전송하는 진단모듈; 을 포함하는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 제 5항에 있어서, 상기 인식모듈은
작물 기관 인식 후, 인식된 작물 기관 각각에 아이디를 부여하고, 이미지 분석결과 새로운 작물 기관이 인식되는 경우 상기 새로운 작물 기관에 새로운 아이디를 부여하는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 제 5항에 있어서, 상기 측정모듈은
작물기관에 부여된 아이디를 기준으로 인식된 작물 기관 별 크기를 측정하고, 측정된 작물 기관 별 크기 데이터를 기반으로 아이디로 구분된 작물 기관의 생육 변화량을 측정하고, 측정된 작물 기관별 크기 데이터와 생육 변화량 데이터를 일간, 주간, 월간 단위로 데이터베이스화하는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 삭제
- 제 1항에 있어서, 상기 진단서버는
농작물 종류별 정상 생육 상태 및 농작물 상태에 따른 대응 방법을 포함하는 농작물 생육 과정 데이터 및 상기 스마트 단말 또는 농가 컴퓨팅 기기로부터 전송된 농작물의 RGB 이미지와 IR 이미지를 저장하는 데이터베이스;
상기 데이터베이스로부터 전달받은 농작물 이미지 분석을 위해 IR 이미지를 이용하여 에지 검출 후 배경을 제거하고, 작물기관별로 분리하여 RGB 영상 이미지와 기준점을 대응시켜 작물 기관을 인식하는 인식모듈;
인식된 작물 기관의 길이, 넓이, 굵기를 포함하는 농작물의 생육 데이터를 측정하고, 측정된 생육 데이터를 일자 별, 주간 별로 데이터베이스화 하는 측정모듈;
측정모듈에서 측정된 작물 기관별 생육 데이터를 데이터베이스에 기 저장된 농작물 생육 데이터와 생육변화량을 비교하여 작물 생육 상태를 진단하고 진단 결과를 등록된 스마트 단말로 전송하는 진단모듈; 을 포함하는 농작물 생육 진단 시스템.
- 제 9항에 있어서, 상기 데이터베이스는
측정 대상 작물 별로 위치 번호를 부여하고, 상기 측정모듈에서 작물 기관별로 측정한 생육 측정 값을 작물 기관 아이디 별로 저장하고, 신규엽이나 신규마디, 신규화방, 신규 과일을 포함하는 신규 기관이 인식 되는 경우, 신규 기관 별 아이디를 부여하는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 제 9항에 있어서, 상기 인식모듈은
스마트 단말 또는 농가의 컴퓨팅 기기로부터 전송된 작물 기관 별 이미지에서 작물 기관별로 IR 이미지로 에지 검출 후 배경을 제거하여, RGB 이미지와 IR 이미지의 화각 기준점 대응 후 매핑하여 작물 기관의 영역을 식별하고, IR 이미지에서 깊이 정보를 이용하여 작물 기관별로 엽장, 엽폭, 생장점 길이, 생장점 굵기, 경경, 화방수, 착과수, 마디길이 과장, 과폭을 측정하여 측정 결과를 저장하는 것을 특징으로 하는 농작물 생육 진단 시스템.
- 농작물 생육 진단 시스템을 이용한 농작물 생육 진단 방법에 있어서,
클라우드 서버에서 작물 생육 진단 알고리즘을 미리 저장하여 농가 별 작물 진단에 이용하고, 농가 별 생육 측정 데이터, 작물 진단 정보 및 진단 결과 데이터를 저장하여 작물 생육 빅 데이터를 구축하고, 농작물의 기관별 이미지 인식률을 향상을 위해 RGB 이미지 및 IR 이미지를 통해 인식된 작물 기관이미지 데이터를 누적 저장하여 이미지 인식을 위한 자기학습 데이터를 수집하는 단계;
스마트 단말에서 농작물 생육 진단 방법은 스마트 단말 및 농가의 컴퓨팅 기기에서 작물 기관 별 RGB 이미지 및 IR이미지를 촬영하고 촬영된 이미지를 농작물 생육 진단 서버로 영상촬영 이미지만 전송하는 단계;
농작물 생육 진단 서버에서 스마트 단말 또는 농가의 컴퓨팅 기기로부터 전달받은 농작물 이미지를 분석하는 단계;
분석 결과를 기반으로 엽, 화방, 마디, 과일을 포함하는 작물 기관별 길이, 굵기, 넓이를 측정하여 측정값과 영상 이미지를 저장하고, 저장된 데이터를 기 저장된 작물기관별 측정 데이터와 생육변화량을 비교하는 단계;
농작물 생육 진단 서버에서 비교 결과에 따라 농작물의 영양 상태, 발달과정, 생리장애를 포함하는 농작물 생육 과정을 진단하는 단계; 및 진단 결과에 따른 대응 방법과 향후 농작물 상태를 예측하는 단계; 및
진단정보조회서버에서 상기 클라우드서버로부터 농작물 생육변화량과 진단결과 정보를 전송 받아 일간, 주간, 월간 생육 변화량 및 농작물 상태 진단결과와 상기 진단 결과에 대한 대응방법을 실시간 모니터링 하는 단계; 를 포함하는 농작물 생육 진단 방법.
- 제 12항에 있어서, 상기 농작물 상태를 예측하는 단계; 는
농가 별로 작물의 생육상태 측정, 진단, 이미지 데이터를 저장하고 농작물 생육 진단을 위한 빅데이터로 관리하는 단계; 및
상기 빅데이터를 통해 농가의 재배 컨설팅, 농작물 진단을 수행하는 단계; 를 포함하는 것을 특징으로 하는 농작물 생육 진단 방법.
- 제 12항 또는 제 13항에 있어서, 상기 농작물 상태를 예측하는 단계; 는
예측 결과와 농작물의 실제 생육 데이터 변화량을 비교하여 농작물 상태를 예측하는 알고리즘을 보완하고, 예측 결과를 기반으로 제시한 대응방법과 상기 대응방법에 대한 실제 농작물 생육 데이터 변화량을 분석하여 농작물을 진단하는 것을 특징으로 하는 농작물 생육 진단 방법.
- 제 12항에 있어서, 상기 농작물 생육 진단 서버에서 상기 스마트 단말 또는 농가의 컴퓨팅 기기로부터 전달받은 농작물 이미지를 분석하는 단계; 는
농작물의 IR이미지를 이용하여 에지 검출 후 배경을 제거하고, RGB 영상 이미지와 기준점을 대응시키고 IR 이미지와 RGB 이미지를 병합하여 이미지를 분석하고, 분석된 이미지에 포함된 작물 기관을 인식하는 것을 특징으로 하는 농작물 생육 진단 방법.
- 제 12항에 있어서, 상기 저장된 데이터를 기 저장된 작물기관별 측정 데이터와 생육변화량을 비교하는 단계; 는
작물 기관 인식 후, 인식된 작물 기관 각각에 아이디를 부여하고, 이미지 분석결과 새로운 작물 기관이 인식되는 경우 상기 새로운 작물 기관에 새로운 아이디를 부여하고, 작물기관에 부여된 아이디를 기준으로 인식된 작물 기관 별 크기를 측정하고, 측정된 작물 기관 별 크기 데이터를 기반으로 아이디로 구분된 작물 기관의 생육 변화량을 측정하고, 측정된 작물 기관별 크기 데이터와 생육 변화량 데이터를 일간, 주간, 월간 단위로 데이터베이스화하는 것을 특징으로 하는 농작물 생육 진단 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160115401A KR101832724B1 (ko) | 2016-09-08 | 2016-09-08 | 영상이미지를 통한 농작물 생육 진단 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160115401A KR101832724B1 (ko) | 2016-09-08 | 2016-09-08 | 영상이미지를 통한 농작물 생육 진단 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101832724B1 true KR101832724B1 (ko) | 2018-04-16 |
Family
ID=62081898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160115401A KR101832724B1 (ko) | 2016-09-08 | 2016-09-08 | 영상이미지를 통한 농작물 생육 진단 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101832724B1 (ko) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109406517A (zh) * | 2018-11-09 | 2019-03-01 | 江苏穿越金点信息科技股份有限公司 | 一种农业大棚的病虫害诊断系统 |
| KR20200029657A (ko) | 2018-09-06 | 2020-03-19 | 장성식 | 작물 이미지 빅데이터를 이용한 영농 자동화 시스템 |
| WO2020116775A1 (ko) * | 2018-12-03 | 2020-06-11 | 주식회사 한밭아이오티 | 빅데이터를 이용한 농장 생산성 및 질병 분석 장치 및 이를 이용한 생산성 및 질병 분석 방법 |
| KR20200080432A (ko) * | 2018-12-26 | 2020-07-07 | 사단법인 한국온실작물연구소 | 딸기의 이미지 분석을 통한 생육 진단 방법 |
| KR20200144905A (ko) * | 2019-06-19 | 2020-12-30 | 대한민국(농촌진흥청장) | 스마트 팜의 작물 자동 생육 계측 시스템 및 그 방법 |
| CN112489211A (zh) * | 2020-11-27 | 2021-03-12 | 广州极飞科技有限公司 | 农作物长势状态确定方法、农作物作业方法及相关装置 |
| KR102242155B1 (ko) * | 2019-11-08 | 2021-04-19 | 이상훈 | 이미지를 이용한 사과 당도 측정 방법 |
| KR20210087729A (ko) * | 2020-01-03 | 2021-07-13 | 재단법인대구경북과학기술원 | 영상데이터를 이용한 딸기의 당도 및 산도 예측 방법 및 장치 |
| KR20210120967A (ko) * | 2019-11-05 | 2021-10-07 | 대한민국(농촌진흥청장) | 스마트 식물 모니터링 장치 및 방법 |
| KR102312678B1 (ko) | 2021-03-04 | 2021-10-14 | 주식회사 한국1778생활과학 | 통신 인터페이스와 인공 지능에 기반한 개인용 식물 재배 장치 및 시스템 |
| WO2022034985A1 (ko) * | 2020-08-14 | 2022-02-17 | 주식회사 글로벌코딩연구소 | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 |
| KR102485816B1 (ko) * | 2021-11-03 | 2023-01-09 | 아이티컨버젼스 주식회사 | 이미지 수집장치를 이용한 작물 생육 분석 시스템 |
| KR102522341B1 (ko) * | 2022-11-04 | 2023-04-18 | 아이티컨버젼스 주식회사 | 인공지능을 이용한 작물 생육 자동 계측 시스템 |
| KR102532651B1 (ko) * | 2022-11-21 | 2023-05-15 | 주식회사 크로프트 | 온실 작물 관리 시스템 |
| KR20230094020A (ko) | 2021-12-20 | 2023-06-27 | 주식회사 케이비전 | 농작물 관리 시스템 및 농작물 관리 제어방법 |
| KR102573153B1 (ko) * | 2023-02-14 | 2023-09-01 | 주식회사 팜스태프 | 생육 변수를 활용한 작물재배 제어방법 |
| KR102582588B1 (ko) * | 2022-06-09 | 2023-09-25 | 그리트 주식회사 | Ai를 활용한 작물의 엽 생육지수 측정시스템 |
| WO2023196126A1 (en) * | 2022-04-08 | 2023-10-12 | Iunu, Inc. | Automated plant grouping and tracking using image data |
| KR20240053799A (ko) * | 2022-10-18 | 2024-04-25 | 코리아디지탈 주식회사 | Ai 기반 식물 재배 시스템 |
-
2016
- 2016-09-08 KR KR1020160115401A patent/KR101832724B1/ko active IP Right Grant
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200029657A (ko) | 2018-09-06 | 2020-03-19 | 장성식 | 작물 이미지 빅데이터를 이용한 영농 자동화 시스템 |
| CN109406517A (zh) * | 2018-11-09 | 2019-03-01 | 江苏穿越金点信息科技股份有限公司 | 一种农业大棚的病虫害诊断系统 |
| KR102253236B1 (ko) * | 2018-12-03 | 2021-05-17 | 정진해 | 빅데이터를 이용한 농장 질병 분석 장치 |
| WO2020116775A1 (ko) * | 2018-12-03 | 2020-06-11 | 주식회사 한밭아이오티 | 빅데이터를 이용한 농장 생산성 및 질병 분석 장치 및 이를 이용한 생산성 및 질병 분석 방법 |
| KR20200071836A (ko) * | 2018-12-03 | 2020-06-22 | 정진해 | 빅데이터를 이용한 농장 생산성 및 질병 분석 장치 및 이를 이용한 생산성 및 질병 분석 방법 |
| KR20200080432A (ko) * | 2018-12-26 | 2020-07-07 | 사단법인 한국온실작물연구소 | 딸기의 이미지 분석을 통한 생육 진단 방법 |
| KR102201595B1 (ko) * | 2018-12-26 | 2021-01-12 | 사단법인 한국온실작물연구소 | 딸기의 이미지 분석을 통한 생육 진단 방법 |
| KR20200144905A (ko) * | 2019-06-19 | 2020-12-30 | 대한민국(농촌진흥청장) | 스마트 팜의 작물 자동 생육 계측 시스템 및 그 방법 |
| KR102291827B1 (ko) * | 2019-06-19 | 2021-08-24 | 대한민국 | 스마트 팜의 작물 자동 생육 계측 시스템 및 그 방법 |
| KR20210120967A (ko) * | 2019-11-05 | 2021-10-07 | 대한민국(농촌진흥청장) | 스마트 식물 모니터링 장치 및 방법 |
| KR102470887B1 (ko) * | 2019-11-05 | 2022-11-29 | 대한민국 | 스마트 식물 모니터링 장치 및 방법 |
| KR102242155B1 (ko) * | 2019-11-08 | 2021-04-19 | 이상훈 | 이미지를 이용한 사과 당도 측정 방법 |
| KR20210087729A (ko) * | 2020-01-03 | 2021-07-13 | 재단법인대구경북과학기술원 | 영상데이터를 이용한 딸기의 당도 및 산도 예측 방법 및 장치 |
| KR102363905B1 (ko) * | 2020-01-03 | 2022-02-18 | 재단법인대구경북과학기술원 | 영상데이터를 이용한 딸기의 당도 및 산도 예측 방법 및 장치 |
| KR102418735B1 (ko) * | 2020-08-14 | 2022-07-11 | 주식회사 글로벌코딩연구소 | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 |
| WO2022034985A1 (ko) * | 2020-08-14 | 2022-02-17 | 주식회사 글로벌코딩연구소 | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 |
| KR20220022006A (ko) * | 2020-08-14 | 2022-02-23 | 주식회사 글로벌코딩연구소 | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 |
| CN112489211A (zh) * | 2020-11-27 | 2021-03-12 | 广州极飞科技有限公司 | 农作物长势状态确定方法、农作物作业方法及相关装置 |
| CN112489211B (zh) * | 2020-11-27 | 2024-06-11 | 广州极飞科技股份有限公司 | 农作物长势状态确定方法、农作物作业方法及相关装置 |
| KR102312678B1 (ko) | 2021-03-04 | 2021-10-14 | 주식회사 한국1778생활과학 | 통신 인터페이스와 인공 지능에 기반한 개인용 식물 재배 장치 및 시스템 |
| KR102485816B1 (ko) * | 2021-11-03 | 2023-01-09 | 아이티컨버젼스 주식회사 | 이미지 수집장치를 이용한 작물 생육 분석 시스템 |
| KR20230094020A (ko) | 2021-12-20 | 2023-06-27 | 주식회사 케이비전 | 농작물 관리 시스템 및 농작물 관리 제어방법 |
| WO2023196126A1 (en) * | 2022-04-08 | 2023-10-12 | Iunu, Inc. | Automated plant grouping and tracking using image data |
| KR102582588B1 (ko) * | 2022-06-09 | 2023-09-25 | 그리트 주식회사 | Ai를 활용한 작물의 엽 생육지수 측정시스템 |
| KR20240053799A (ko) * | 2022-10-18 | 2024-04-25 | 코리아디지탈 주식회사 | Ai 기반 식물 재배 시스템 |
| KR102661904B1 (ko) * | 2022-10-18 | 2024-04-29 | 코리아디지탈 주식회사 | Ai 기반 식물 재배 시스템 |
| KR102522341B1 (ko) * | 2022-11-04 | 2023-04-18 | 아이티컨버젼스 주식회사 | 인공지능을 이용한 작물 생육 자동 계측 시스템 |
| KR102532651B1 (ko) * | 2022-11-21 | 2023-05-15 | 주식회사 크로프트 | 온실 작물 관리 시스템 |
| KR102573153B1 (ko) * | 2023-02-14 | 2023-09-01 | 주식회사 팜스태프 | 생육 변수를 활용한 작물재배 제어방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101832724B1 (ko) | 영상이미지를 통한 농작물 생육 진단 시스템 및 방법 | |
| CN111582055B (zh) | 一种无人机的航空施药航线生成方法及系统 | |
| CN109840549B (zh) | 一种病虫害识别方法和装置 | |
| Nuske et al. | Automated visual yield estimation in vineyards | |
| McCarthy et al. | Applied machine vision of plants: a review with implications for field deployment in automated farming operations | |
| Yu et al. | Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage | |
| US20200349477A1 (en) | Closed Loop Integrated Pest Management | |
| KR101822410B1 (ko) | 작물 영상을 사용한 작물 생육 진단 장치 | |
| CN111767802B (zh) | 一种对象异常状态的检测方法和装置 | |
| Pegoraro et al. | Automated video monitoring of insect pollinators in the field | |
| EP2936422A1 (en) | Methods and systems for automated micro farming | |
| US10984548B2 (en) | Yield prediction for a cornfield | |
| US20230157231A1 (en) | Methods for artificial pollination and apparatus for doing the same | |
| CN108874910B (zh) | 基于视觉的小目标识别系统 | |
| CN115601585A (zh) | 基于图片分析的农业病虫害诊断方法及装置 | |
| AU2021105327A4 (en) | A computer implemented and IoT based method for increasing crop production using machine learning model | |
| US10638667B2 (en) | Augmented-human field inspection tools for automated phenotyping systems and agronomy tools | |
| US20220392214A1 (en) | Scouting functionality emergence | |
| WO2019244156A1 (en) | System for in-situ imaging of plant tissue | |
| CN115965875A (zh) | 一种农作物病虫害智能监控方法及系统 | |
| KR20220022961A (ko) | 개선된 작물생육 분석시스템 | |
| Rai et al. | Implementation of virtual instrumentation system for estimation of eaten leaf area using digital image processing | |
| KR20180133610A (ko) | 특용 과수용 병해충 통합 예측 시스템을 위한 병해충 이미지 수집방법 | |
| KR20210041207A (ko) | 어류질병 감지장치 및 그 감지방법 | |
| Dorj et al. | A novel technique for tangerine yield prediction using flower detection algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |