KR101984047B1 - 무인 항공기를 이용한 작물 생육 진단 방법 및 장치 - Google Patents
무인 항공기를 이용한 작물 생육 진단 방법 및 장치 Download PDFInfo
- Publication number
- KR101984047B1 KR101984047B1 KR1020180090053A KR20180090053A KR101984047B1 KR 101984047 B1 KR101984047 B1 KR 101984047B1 KR 1020180090053 A KR1020180090053 A KR 1020180090053A KR 20180090053 A KR20180090053 A KR 20180090053A KR 101984047 B1 KR101984047 B1 KR 101984047B1
- Authority
- KR
- South Korea
- Prior art keywords
- vegetation index
- map
- nir
- absolute
- index
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000002405 diagnostic procedure Methods 0.000 title claims description 6
- 238000003745 diagnosis Methods 0.000 claims abstract description 46
- 238000006243 chemical reaction Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 239000002689 soil Substances 0.000 claims abstract description 13
- 238000009826 distribution Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 16
- 241000607479 Yersinia pestis Species 0.000 claims description 13
- 241000196324 Embryophyta Species 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000001931 thermography Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001035 drying Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- 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 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 241000273930 Brevoortia tyrannus Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241001464837 Viridiplantae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000010792 warming 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- 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
- G06Q50/10—Services
-
- B64C2201/127—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Image Processing (AREA)
Abstract
본 실시예에 따르면, 작물 생육 진단 장치가 무인 항공기에 의해 촬영된 RGB 이미지들을 수신하는 단계; 상기 작물 생육 진단 장치가 상기 촬영된 RGB 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 RGB 맵으로 변환하는 단계; 상기 작물 생육 진단 장치가 상기 무인 항공기에 의해 촬영된 NIR 이미지들을 수신하는 단계; 상기 작물 생육 진단 장치가 상기 촬영된 NIR 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 NIR 맵으로 변환하는 단계; 상기 작물 생육 진단 장치가 RGB 맵을 통해서 획득된 각 픽셀의 컬러값 및 상기 NIR 맵을 통해서 획득된 각 픽셀의 NIR 값을 이용하여, 각 픽셀의 식생지수를 산출하고, 각 픽셀의 식생지수와 대응되는 색으로 표현한 완성 맵을 생성하는 단계; 상기 완성 맵의 제1 지점에 대해서 실제 측정된 토양수분, 식생지수, 및 NIR 값을 고려하여, 상기 제1 지점의 절대 식생지수를 산출하고, 상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 변환 관계를 기초로 계산식을 산출하고, 상기 계산식에 따라서 완성 맵의 각 픽셀의 식생지수를 변환한 변환 맵을 생성하는 단계; 상기 변환 맵을 화면을 통해 출력하는 단계;를 포함할 수 있다.
Description
본 발명은 무인 항공기를 이용하여 수집된 이미지 데이터를 분석 프로그램으로 분석하고, 지정 영역의 작물 생육 상태를 파악함으로써, 원격의 지정 영역에 있는 작물 생육 진단 장치, 작물 생육 진단 방법 및 컴퓨터 프로그램에 관한 것이다.
최근에는 무인항공기나 드론과 같은 무인 원격 비행체의 개발 붐 추세에 따라 다양한 모델의 무인 비행체들이 출시되고 있다.
이러한 무인 비행체는 다양화된 활용 목적을 가지는 관계로, 그 수요가 매우 폭발적으로 늘고 있으며 이러한 폭발적 수요에 맞춰 제품의 출시량도 대량 생산으로 이어지고 있는 상황에 있다.
무인 비행체의 수요자는 매우 폭넓게 형성되어 있는바, 아동들의 장난감 용도에서부터 택배 배달용의 경제 산업 용도 뿐만 아니라 수색 및 긴급 구조용의 소방 산업 용도, 및 전투 무기용의 군사 산업 용도에 이르기까지 그 활용 범위가 다양화되고 있다.
이러한 무인 비행체의 매우 폭넓은 용도의 활용 범위에도 불구하고 농업 용도의 활용 범위에까지는 여전히 미미한 실정이다.
농업 분야에서는 지구 온난화에 따른 기후의 이상 징후로 인하여 농작물의 소출량이 현저히 줄고 있으며, 농작물의 건강한 생육 조건에 요구되는 요인들과 함께 생육 조건에 저해되는 요인들을 파악하기 위한 데이터의 수집도 요원한 실정이다.
이처럼 농작물의 생육 발달을 위한 자료 수집이 매우 취약하며 기후 이상에 따라 농작물의 소출량 감소가 개선되지 못하는 처지에 있다.
또한, 작물이 생육되는 영역을 부분적으로 파악하는 것은 가능하나, 품질 및 건강도의 수치화된 생육 상태를 파악하는 것은 어려운 실정이다.
본 발명에 의해 해결하고자 하는 과제는, 농작물의 생육 발달에 유익함을 줄 수 있는 데이터 수집 구현에 요구되는 무인항공기를 이용한 작물 데이터베이스화 구축시스템을 제공함에 그 목적을 두고 있다.
또한, 본 발명에 의해 해결하고자 하는 과제는, 넓은 영역의 작물의 생육 현황을 파악하고, 작물의 생육을 효율적으로 관리함에 그 목적을 두고 있다.
본 발명의 실시예들에 따른 작물 생육 진단 방법은 작물 생육 진단 장치가 무인 항공기에 의해 촬영된 RGB 이미지들을 수신하는 단계; 상기 작물 생육 진단 장치가 상기 촬영된 RGB 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 RGB 맵으로 변환하는 단계; 상기 작물 생육 진단 장치가 상기 무인 항공기에 의해 촬영된 NIR 이미지들을 수신하는 단계; 상기 작물 생육 진단 장치가 상기 촬영된 NIR 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 NIR 맵으로 변환하는 단계; 상기 작물 생육 진단 장치가 RGB 맵을 통해서 획득된 각 픽셀의 컬러값 및 상기 NIR 맵을 통해서 획득된 각 픽셀의 NIR 값을 이용하여, 각 픽셀의 식생지수를 산출하고, 각 픽셀의 식생지수와 대응되는 색으로 표현한 완성 맵을 생성하는 단계; 상기 완성 맵의 제1 지점에 대해서 실제 측정된 토양수분, 식생지수, 및 NIR 값을 고려하여, 상기 제1 지점의 절대 식생지수를 산출하고, 상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 변환 관계를 기초로 계산식을 산출하고, 상기 계산식에 따라서 완성 맵의 각 픽셀의 식생지수를 변환한 변환 맵을 생성하는 단계; 상기 변환 맵을 화면을 통해 출력하는 단계;를 포함할 수 있다.
상기 제1 지점의 절대 식생지수는 식생지수, 시각적 품질 지수, 색상 평가 지수, Edge 상태 평가 지수, 병충해 면적비, 잡초 면적비, 토양의 수분 지수 를 고려하여 결정되는 점을 특징으로 할 수 있다.
상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 변환 관계를 기초로 계산식은 상기 절대 식생지수들과 상기 제1 지점과 대응되는 픽셀들의 식생지수들 간의 회귀분석을 이용하여 산출되는 점을 특징으로 할 수 있다.
상기 출력하는 단계는 촬영된 이미지에 포함된 해당 영역의 식생지수의 분포도, 식생지수의 크기 별 분포도, 분포 비율을 테이블로 생성하여 출력하는 점을 특징으로 할 수 있다.
상기 RGB 맵 및 상기 NIR 맵은 pix4D 프로그램을 통해서 생성되는 점을 특징으로 할 수 있다.
본 발명의 실시예들에 따른 작물 생육 진단 방법은 작물 생육 진단 장치가 무인 항공기에 의해 촬영된 RGB 이미지들을 수신하는 단계; 상기 작물 생육 진단 장치가 상기 촬영된 RGB 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 RGB 맵으로 변환하는 단계; 상기 작물 생육 진단 장치가 상기 무인 항공기에 의해 촬영된 NIR 이미지들을 수신하는 단계; 상기 작물 생육 진단 장치가 상기 촬영된 NIR 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 NIR 맵으로 변환하는 단계; 상기 작물 생육 진단 장치가 RGB 맵을 통해서 획득된 각 픽셀의 컬러값 및 상기 NIR 맵을 통해서 획득된 각 픽셀의 NIR 값을 이용하여, 각 픽셀의 식생지수를 산출하고, 각 픽셀의 식생지수와 대응되는 색으로 표현한 완성 맵을 생성하는 단계; 상기 완성 맵의 제1 지점에 대해서 실제 측정된 토양수분, 식생지수, 및 NIR 값을 고려하여, 상기 제1 지점의 절대 식생지수를 산출하고, 상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 변환 관계를 기초로 계산식을 산출하고, 상기 계산식에 따라서 완성 맵의 각 픽셀의 식생지수를 변환한 변환 맵을 생성하는 단계; 상기 변환 맵을 화면을 통해 출력하는 단계;를 포함할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해 질 것이다.
본 발명의 실시예를 통해서 골프장, 밭, 논 등과 같이 넓은 영역에 분포된 작물의 생육 상태를 신속하게 파악할 수 있으며, 실제 측정된 절대 식생지수와의 비교를 통해 절대적인 식생지수로의 변환을 통해 객관적인 생육 상태 정보를 획득할 수 있다.
또한, 본 발명의 실시예를 통해서 골프장, 밭, 논 등과 같은 영역 내에 존재하는 저 생육 지역을 획득할 수 있다.
또한, 본 발명의 실시예를 통해서 골프장, 밭, 논 등의 작물의 생육 상태를 일정하게 관리할 수 있다.
도 1은 본 발명의 실시예에 따른 작물 생육 감시 시스템의 블록도이다.
도 2는 본 발명의 실시예에 따라서 제공되는 무인 항공기 및 관리 서버의 구조를 나타내는 블록도이다.
도 3 내지 도 7은 본 발명의 실시예들에 따른 작물 생육 방법의 흐름도들이다.
도 8a는 본 발명의 실시예에 따른 RGB 카메라에 의해 촬영된 이미지들의 제공 화면이다.
도 8b는 본 발명의 실시예에 따른 NIR 카메라에 의해 촬영된 이미지들의 제공 화면이다.
도 8c는 본 발명의 실시예에 따른 공식에 의해 산출된 식생지수들에 따라서 표현된 완성 맵의 제공 화면이다.
도 8d는 본 발명의 실시예에 따른 절대 식생지수에 의해서 표현된 변환 맵의 제공 화면이다.
도 9는 본 발명의 실시예에 따른 촬영된 이미지들을 통해 획득된 식생지수 및 실제 측정된 절대 식생지수 사이의 신뢰도를 평가하는 과정을 설명하기 위한 도면이다.
도 10은 본 발명의 실시예들에 따라서, 제공되는 골프장 내의 코스들에 존재하는 불량 생육 영역에 대한 정보의 테이블이다.
도 11은 본 발명의 실시예들에 따라서, 제공되는 골프장 내의 코스들의 잔디 생육 상태의 테이블이다.
도 2는 본 발명의 실시예에 따라서 제공되는 무인 항공기 및 관리 서버의 구조를 나타내는 블록도이다.
도 3 내지 도 7은 본 발명의 실시예들에 따른 작물 생육 방법의 흐름도들이다.
도 8a는 본 발명의 실시예에 따른 RGB 카메라에 의해 촬영된 이미지들의 제공 화면이다.
도 8b는 본 발명의 실시예에 따른 NIR 카메라에 의해 촬영된 이미지들의 제공 화면이다.
도 8c는 본 발명의 실시예에 따른 공식에 의해 산출된 식생지수들에 따라서 표현된 완성 맵의 제공 화면이다.
도 8d는 본 발명의 실시예에 따른 절대 식생지수에 의해서 표현된 변환 맵의 제공 화면이다.
도 9는 본 발명의 실시예에 따른 촬영된 이미지들을 통해 획득된 식생지수 및 실제 측정된 절대 식생지수 사이의 신뢰도를 평가하는 과정을 설명하기 위한 도면이다.
도 10은 본 발명의 실시예들에 따라서, 제공되는 골프장 내의 코스들에 존재하는 불량 생육 영역에 대한 정보의 테이블이다.
도 11은 본 발명의 실시예들에 따라서, 제공되는 골프장 내의 코스들의 잔디 생육 상태의 테이블이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
본 발명에서 '식생지수'는 식물의 피복 정도를 나타내는 복사 값으로 녹색식물의 상대적 분포량과 활동성, 엽면적 지수, 엽록소함량, 엽량 및 광합성 흡수 복사량 등을 의미하는 지표값일 수 있다.
도 1은 본 발명의 실시예들에 따른 작물 생육 감시 시스템의 네트워크 환경을 표현한 도면이다.
작물 생육 감시 시스템(10)은 촬영 기능을 담당한 무인 항공기(100) 및 작물의 생육 상태를 결정하는 관리 서버(200)를 포함할 수 있다.
무인 항공기(100)는 작물의 식생지수를 촬영하는 촬영 수단으로서, 카메라 및 열화상 센서를 포함할 수 있다.
무인 항공기(100)는 자동 촬영 신호에 의해 촬영하게 된다. 무인 항공기(100)는 촬영 신호에 맞춰 카메라(110) 및 열화상 카메라(120)에 의해 촬영된다.
관리 서버(200)는 수신된 이미지들을 이용하여 지정 영역의 식생지수를 측정하게 된다. 관리 서버(200)는 완성 맵의 일부 지점의 절대 식생지수를 기초로 완성 맵에서 생육하는 작물의 상대적인 식생지수 외에 절대적인 식생지수를 확인할 수 있다.
도 2는 무인 항공기(100) 및 관리 서버(200)의 세부 구성을 나타내는 블록도이다.
도 2에 도시된 바와 같이, 무인 항공기(100)는 촬영 허가, 조정방법, 촬영 범위를 세팅하여 운영될 수 있다. 무인 항공기(100)는 입력된 자동 촬영 신호에 의해서 지정된 영역을 촬영하게 된다. 무인 항공기(100)는 RGB 카메라를 이용하여 가시광선 반사율에 따른 이미지를 촬영하고 근적외선 카메라를 이용하여 근적외선 반사율에 따른 이미지를 촬영하게 된다.
무인 항공기(100)는 자동 촬영 신호에 의해 촬영 위치 정보를 추출하고 촬영 위치 정보와 대응되는 위치를 촬영하게 된다. 무인 항공기(100)는 사용자의 수동 촬영에 의해서 촬영할 수 있다. 무인 항공기(100)에 의해 촬영된 이미지들은 지정 영역을 촬영하는 것이며, 근적외선 램프를 이용하여 작물에 서식하는 각종 병충들의 분포 및 병충들의 개체수를 분석 가능하게 촬영된 제1 이미지 셋트를 포함할 수 있다. 촬영된 이미지들은 RGB 적용으로 촬영되며 작물의 색상 상태에 따른 작물의 생육 건강 정보를 분석 가능하게 촬영된 제2 이미지 셋트를 포함할 수 있다.
RGB 카메라(110)는 본체, , 고정 클립으로 구성되며, 내부에는 마이크로 SD 카드가 내장되며, 별도의 앱을 통하여 스마트폰으로 사진을 쉽게 옮길 수 있는 RE 카메라인 즉 잠망경 타입의 카메라 일 수 있다. 카메라(110)는 RGB 컬러가 촬영될 수 있는 방식이 채용될 수 있다.
NIR 카메라(120)는 식물의 잎 상태를 확인시 근적외선 반사율 정도를 확인할 수 있는 이미지를 촬영한다.
열화상 카메라(130)는 일종의 열화상 센서로서 근적외선(nir) 램프를 이용하여 촬영될 수 있다. 열화상 카메라(130)는 작물의 적외선 에너지를 카메라 센서에 모아 전기신호로 변환시킨다. 열화상 카메라(130)는 작물에 서식하는 각종 병충해의 확인, 및 표면 온도 등을 파악하기 위한 촬영 정보를 수득하게 된다. 병충해의 확인은 병충해의 유무, 병충해의 정도 등을 포함할 수 있다.
RGB 카메라(110)는 RGB 작물의 생육 상태 모습을 RGB 적용으로 촬영하여 농작물의 색상 상태에 따른 작물의 생육 건강 정보를 파악할 수 있으며, NIR 카메라(120) 및 열화상 카메라(130)는 작물에 서식하는 각종 병충들을 근적외선 램프를 적용하여 촬영함으로써 병충해의 확인 및 표면 온도에 관한 정보를 파악할 수 있다.
카메라(110), NIR 카메라(120) 및 열화상 카메라(130)는 무인 항공기(100)에 탑재되어 자동 촬영 신호에 의해 작물의 생육 상태와 작물에 번식하는 각종 병충해, 표면 온도에 대한 정보를 이미지로 수집하게 된다.
무인 항공기(100)는 관리 서버(200)의 주기적인 촬영 신호를 수신하고, 그에 따라 주기적으로 지정 영역을 촬영할 수 있다. 관리 서버에 의해 모니터링된 식생지수에 따라서 무인 항공기(100)의 주기적인 촬영이 가능할 수 있다. 무인 항공기(100)는 날씨 변화에 따라서 추가적인 촬영이 가능하도록 제어될 수 있다. 관리 서버(200)는 촬영이 필요한 지정 영역의 날씨 변화가 감지되면, 지정 영역의 재 촬영 신호를 무인 항공기(100)로 전송할 수 있다.
도 2에 도시된 바와 같이, 관리 서버(200)는 지정 영역을 촬영한 이미지들을 이용하여, 지정 영역에서 생육되는 작물들의 생육 상태를 관리하기 위해서, 수신하는 수신 모듈(211), 맵 생성 모듈(212), 변환 모듈(213), 출력 모듈(215), 측정 데이터 수신 모듈(214)를 포함할 수 있다.
수신 모듈(211)은 무인 항공기(100)에 의해 촬영된 이미지들을 수신할 수 있다. 수신 모듈(211)은 유무선의 통신 방법으로 무인 항공기(100)로부터 촬영된 이미지들을 수신한다. 수신 모듈(211)은 USB 단자를 통한 데이터 케이블을 통해 촬영된 이미지들을 수신 받을 수 있다. 수신 모듈(211)은 수신되어야 하는 촬영된 이미지들의 총 크기를 고려하여 통신 방식을 결정할 수 있다. 예를 들어, 수신되어야 하는 이미지들의 총 크기가 무선 방식으로 수신되기에 큰 경우, 이미지들의 총 크기가 기 설정된 최대 크기 값 이상인 경우, 무선 방식보다는 유선 방식으로 촬영된 이미지가 수신되도록 제어한다. 수신 모듈(211)은 무인 항공기 등의 단말 장치의 메모리에 저장된 이미지들을 수신할 수 있다. 이때 이미지들은 촬영 위치의 메타 데이터를 포함하여 구성될 수 있다.
맵 생성 모듈(212)은 지정 영역을 RGB 카메라로 촬영된 이미지를 이용하여 가시광선의 반사율에 따른 RGB 맵을 생성한다. RGB 카메라를 통해 촬영된 이미지들을 결합시켜 제공하는 RGB 맵은 도 8a에 도시된 바와 같다.
맵 생성 모듈(212)은 지정 영역을 NIR 카메라 를 이용하여 근적외선의 반사율에 따른 NIR 맵을 생성한다. NIR 카메라를 통해 촬영된 이미지들을 결합시켜 제공하는 NIR 맵은 도 8b에 도시된 바와 같다.
맵 생성 모듈(212)은 RGB의 각 픽셀의 컬러값(R, G, B) 및 NIR 맵의 각 픽셀의 NIR 값을 이용하여, 각 픽셀의 식생지수를 산출하고, 산출된 식생지수들을 대응되는 색상으로 변환하여, 도 8c와 같이 완성 맵으로 생성할 수 있다.
좀더 구체적으로, 식생지수를 산출하는 과정을 살펴보면, 제1 지점의 근적외선 정보 및 적색의 컬러값에 기반하여 식생지수를 산출할 수 있다.
NDVI = (NIR - RED) / (NIR +RED)
NDVI 는 식생지수, NIR은 근적외선 정보, RED는 적색의 반사율을 말한다.
맵 생성 모듈(212)은 복수의 이미지들의 위치 정보에 기초하여 지정 영역을 커버하는 완성 맵의 각 픽셀의 식생지수를 결정할 수 있다.
맵 생성 모듈(212)은 지정 영역의 각 픽셀을 식생지수와 대응되는 색상으로 표현한 완성맵을 생성할 수 있다. 촬영된 이미지들을 위치에 따라서 배치시킴에 따라 완성 맵을 생성할 수 있다. 맵 생성 모듈(212)은 도 8c에 도시된 바와 같이, 완성 맵의 픽셀들의 식생지수들을 종합하여 완성 맵을 식생지수의 대응 색상들의 결합으로 표현할 수 있다. 맵 생성 모듈(213)은 촬영된 이미지들을 2D, 3D로 변환시켜주는 Pix 4D 도구를 이용하여 촬영된 이미지들을 정사영상으로 각각 변환하고, 변환한 정사영상들을 정사영상의 위치 정보를 기초로 조합하여 정해진 공식에 의해 식생지수를 추출할 수 있다. 이때, 식생지수는 촬영 시점, 촬영 영역의 작물 상태 등에 따라 상대적인 값이다.
변환 모듈(213)은 기 측정된 제1 지점의 절대 식생지수를 이용하여 지정 영역의 각 픽셀의 식생지수를 촬영 시점, 촬영 영역에 따라 편차를 가지지 않는 절대 식생지수로 변환할 수 있다. 변환 모듈(213)은 지점 영역의 일부 지점의 절대 식생지수 및 식생지수 사이의 변환식을 생성하고, 변환식을 이용하여 식생지수를 절대 식생지수로 변경하게 된다. 변환 모듈(213)은 지정 영역의 각 픽셀에 변환 과정을 거치게 된다. 변환 모듈(213)은 제1 지점의 절대 식생지수와 제1 지점과 대응되는 대응 픽셀의 식생지수를 이용하여 절대 식생지수를 산출하는 계산식을 추론할 수 있다. 이를 통해, RGB 카메라 및 NIR 카메라를 통해 촬영된 이미지들을 통해 획득된 상대적인 생육 상태를 나타내는 식생지수를 실제 측정된 절대 식생지수에 의해 절대적인 지수로 변경될 수 있다. 절대적인 식생지수는 각기 다른 시점에 촬영되고, 지역적으로 멀리 떨어진 영역들의 식생지수들을 서로 비교하는데 활용될 수 있다.
보다 구체적으로, 변환 모듈(213)은 결정된 식생지수들과, 실제 현장에서 측정된 지점들의 절대 식생지수들 간의 회귀분석을 실시하는 방식으로 절대 식생지수를 산출하는 계산식을 결정할 수 있다. 또한, 변환 모듈(213)은 결정계수 R제곱값을 바탕으로 절대 식생지수를 산출하는 계산식의 신뢰도를 산출하고, 신뢰도가 기 설정된 기준 신뢰도 이상인 경우, 지정 영역의 전체에 산출된 계산식을 적용할 수 있다. 변환 모듈(213)은 완성 맵의 각 픽셀의 식생지수를 절대 식생지수로 변환하고, 절대 식생지수와 대응되는 색상으로 표현되는 변환 맵을 생성할 수 있다.
실제 측정된 절대 식생지수는 무인 항공기를 통해 촬영되는 이미지가 아닌 지정 영역의 마커에 의해 표시된 지점에서 촬영된 RGB 이미지, NIR 이미지를 기초로 결정될 수 있다. 예를 들어, 골프장 잔디의 절대 식생지수는 식생지수, 시각적 품질 지수, 색상 평가 지수, Edge상태 평가 지수, 병충해 면적비, 잡초 면적비, 토양의 수분 지수 를 이용하여 결정될 수 있다. 상기의 데이터는 측정 데이터 수신 모듈(214)에 의해 수신된다. 측정 데이터 수신 모듈(214)은 사용자에 의해 측정된 데이터를 수신한다.
출력 모듈(217)은 변환 맵을 화면을 통해 출력한다. 변환 맵은 외부의 단말기의 화면을 통해서 출력될 수 있다.
이를 통해, 대기 상황 등에 따라서 변경되는 환경 정보에 무관한 식생지수를 가지는 맵이 생성될 수 있다.
출력 모듈(217)은 지정 영역의 식생지수의 분포도, 식생지수의 크기 별 분포도, 분포 비율을 테이블로 생성하여 제공할 수 있다. 출력 모듈(217)은 지정 영역의 식생지수의 크기 별 분포 비율의 변화 추이를 알려주는 화면을 제공할 수 있다.
또한, 본 발명의 실시예에 따르면, 열화상 카메라에 의해 촬영된 이미지들을 이용하여 지정 영역에 배치된 작물의 표면 온도를 결정할 수 있다. 실제 측정된 토양정보 및 상기 이미지들을 통해 결정된 작물의 표면 온도를 기초로 지정 영역의 건조 지역을 검색할 수 있다. 지정 영역 내에 분포된 건조 지역을 추출하고, 건조 지역에 대한 정보를 화면을 통해 제공할 수 있다.
도 3 내지 도 7은 본 발명의 실시예에 따른 작물 생육 진단 방법의 흐름도들이다.
도 3을 참조하면, 작물 생육 진단 방법은 촬영 단계(S100), 데이터 수신 단계(S200), 정사영상 생성 단계(S300), 변환 단계(S400), 정보 출력 단계(S500)를 포함할 수 있다.
S200에서는, 작물 생육 진단 장치는 무인 항공기(100)에 의해 촬영된 이미지들을 수신할 수 있다. 작물 생육 진단 장치는 유무선의 통신 방법으로 무인 항공기(100)로부터 촬영된 이미지들을 수신한다. 작물 생육 진단 장치는 USB 단자를 통한 데이터 케이블을 통해 촬영된 이미지들을 수신 받을 수 있다. 작물 생육 진단 장치는 수신되어야 하는 촬영된 이미지들의 총 크기를 고려하여 통신 방식을 결정할 수 있다. 예를 들어, 수신되어야 하는 이미지들의 총 크기가 무선 방식으로 수신되기에 큰 경우, 이미지들의 총 크기가 기 설정된 최대 크기 값 이상인 경우, 무선 방식보다는 유선 방식으로 촬영된 이미지가 수신되도록 제어한다. 작물 생육 진단 장치는 무인 항공기 등의 단말 장치의 메모리에 저장된 이미지들을 수신할 수 있다. 이때 이미지들은 촬영 위치의 메타 데이터를 포함하여 구성될 수 있다.
S300에서는 작물 생육 진단 장치는 지정 영역을 RGB 카메라로 촬영된 이미지를 이용하여 가시광선의 반사율에 따른 RGB 맵을 생성한다. RGB 카메라를 통해 촬영된 이미지들을 결합시켜 제공하는 RGB 맵은 도 8a에 도시된 바와 같다.
작물 생육 진단 장치는 지정 영역을 NIR 카메라 및 열화상 카메라로 촬영된 이미지를 이용하여 근적외선의 반사율에 따른 NIR 맵을 생성한다. NIR 카메라를 통해 촬영된 이미지들을 결합시켜 제공하는 NIR 맵은 도 8b에 도시된 바와 같다.
작물 생육 진단 장치는 RGB의 각 픽셀의 컬러값(R, G, B) 및 NIR 맵의 각 픽셀의 NIR 값을 이용하여, 각 픽셀의 식생지수를 산출하고, 산출된 식생지수들을 대응되는 색상으로 변환하여, 도 8c와 같이 완성 맵으로 생성할 수 있다.
좀더 구체적으로, 식생지수를 산출하는 과정을 살펴보면, 제1 지점의 근적외선 정보 및 적색의 컬러값에 기반하여 식생지수를 산출할 수 있다.
NDVI = (NIR - RED) / (NIR +RED)
NDVI 는 식생지수, NIR은 근적외선 정보, RED는 적색의 반사율을 말한다.
작물 생육 진단 장치는 복수의 이미지들의 위치 정보에 기초하여 지정 영역을 커버하는 완성 맵의 각 픽셀의 식생지수를 결정할 수 있다.
작물 생육 진단 장치는 지정 영역의 각 픽셀을 식생지수와 대응되는 색상으로 표현한 완성맵을 생성할 수 있다. 촬영된 이미지들을 위치에 따라서 배치시킴에 따라 완성 맵을 생성할 수 있다. 작물 생육 진단 장치는 도 8c에 도시된 바와 같이, 완성 맵의 픽셀들의 식생지수들을 종합하여 완성 맵을 식생지수의 대응 색상들의 결합으로 표현할 수 있다. 작물 생육 진단 장치는 촬영된 이미지들을 2D, 3D로 변환시켜주는 Pix 4D 도구를 이용하여 촬영된 이미지들을 정사영상으로 각각 변환하고, 변환한 정사영상들을 정사영상의 위치 정보를 기초로 조합하여 정해진 공식에 의해 식생지수를 추출할 수 있다. 이때, 식생지수는 촬영 시점, 촬영 영역의 작물 상태 등에 따라 상대적인 값일 수 있다.
S400에서는 작물 생육 진단 장치는 기 측정된 제1 지점의 절대 식생지수를 이용하여 지정 영역의 각 픽셀의 식생지수를 촬영 시점, 촬영 영역에 따라 편차를 가지지 않는 절대 식생지수로 변환할 수 있다. 작물 생육 진단 장치는 지점 영역의 일부 지점의 절대 식생지수 및 식생지수 사이의 변환식을 생성하고, 변환식을 이용하여 식생지수를 절대 식생지수로 변경하게 된다. 작물 생육 진단 장치는 지정 영역의 각 픽셀에 변환 과정을 거치게 된다. 작물 생육 진단 장치는 제1 지점의 절대 식생지수와 제1 지점과 대응되는 대응 픽셀의 식생지수를 이용하여 절대 식생지수를 산출하는 계산식을 추론할 수 있다. 이를 통해, RGB 카메라 및 NIR 카메라를 통해 촬영된 이미지들을 통해 획득된 상대적인 생육 상태를 나타내는 식생지수를 실제 측정된 절대 식생지수에 의해 절대적인 지수로 변경될 수 있다. 절대적인 식생지수는 각기 다른 시점에 촬영되고, 지역적으로 멀리 떨어진 영역들의 식생지수들을 서로 비교하는데 활용될 수 있다.
보다 구체적으로, 작물 생육 진단 장치는 결정된 식생지수들과, 실제 현장에서 측정된 지점들의 절대 식생지수들 간의 회귀분석을 실시하는 방식으로 절대 식생지수를 산출하는 계산식을 결정할 수 있다. 또한, 작물 생육 진단 장치는 결정계수 R제곱값을 바탕으로 절대 식생지수를 산출하는 계산식의 신뢰도를 산출하고, 신뢰도가 기 설정된 기준 신뢰도 이상인 경우, 지정 영역의 전체에 산출된 계산식을 적용할 수 있다. 작물 생육 진단 장치는 완성 맵의 각 픽셀의 식생지수를 절대 식생지수로 변환하고, 절대 식생지수와 대응되는 색상으로 표현되는 변환 맵을 생성할 수 있다.
실제 측정된 절대 식생지수는 무인 항공기를 통해 촬영되는 이미지가 아닌 지정 영역의 마커에 의해 표시된 지점에서 촬영된 RGB 이미지, NIR 이미지, 토양 수분을 기초로 결정될 수 있다. 예를 들어, 골프장의 잔디의 절대 식생지수는 식생지수, 시각적 품질 지수, 색상 평가 지수, Edge상태 평가 지수, 병충해 면적비, 잡초 면적비, 토양의 수분 지수 를 이용하여 결정될 수 있다. 상기의 데이터는 측정 데이터 수신 모듈(214)에 의해 수신된다. 측정 데이터 수신 모듈(214)은 사용자에 의해 측정된 데이터를 수신한다.
S500에서는 작물 생육 진단 장치는 변환 맵을 화면을 통해 출력한다. 변환 맵은 외부의 단말기의 화면을 통해서 출력될 수 있다.
이를 통해, 대기 상황 등에 따라서 변경되는 환경 정보에 무관한 식생지수를 가지는 맵이 생성될 수 있다.
작물 생육 진단 장치는 지정 영역의 식생지수의 분포도, 식생지수의 크기 별 분포도, 분포 비율을 테이블로 생성하여 제공할 수 있다. 출력 모듈(217)은 지정 영역의 식생지수의 크기 별 분포 비율의 변화 추이를 알려주는 화면을 제공할 수 있다.
또한, 본 발명의 실시예에 따르면, 열화상 카메라에 의해 촬영된 이미지들을 이용하여 지정 영역에 배치된 작물의 표면 온도를 결정할 수 있다. 실제 측정된 토양정보 및 상기 이미지들을 통해 결정된 작물의 표면 온도를 기초로 지정 영역의 건조 지역을 검색할 수 있다. 지정 영역 내에 분포된 건조 지역을 추출하고, 건조 지역에 대한 정보를 화면을 통해 제공할 수 있다.
도 4를 참조하면, 작물 생육 진단 방법은 맵 생성 단계(S300)에서, 각 카메라로 촬영한 이미지들을 고려하여, 각 카메라와 대응되는 맵을 각각 생성하는 단계(S311), RGB 카메라의 칼라 맵 및 NIR 카메라의 NIR 맵을 고려하여, 식생지수를 표현한 완성 맵을 생성하는 단계(S312), 완성 맵의 각 식생지수의 신뢰도를 판단하는 단계(S313)를 더 수행할 수 있다.
S313에서는 도 9에 도시된 테이블을 이용하여 촬영된 이미지들을 통해서 분석 측정된 식생지수들의 값과 정밀 장비인 식생지수 측정기, 클로로필미터 측정기를 통해 실측된 값을 상관계수를 이용하여 통계 처리 후 상관계수(r)값이 0.9이상(±5% 이내 오차)인지 검증하여 신뢰도를 판단한다.
도 5를 참조하면, 작물 생육 진단 방법은 정보 출력 단계(S500) 이후에, 지정 영역의 전체적인 생육 상태가 기 설정된 기준 생육 값보다 작은지 여부를 판단하는 단계(S610), 판단 결과 전체적인 생육 상태가 기준 생육 값보다 작은 경우, 완성 맵에 배치된 식생지수들을 기초로 지정 영역에서 불량 생육 영역을 추출하는 단계(S620); 추출한 불량 생육 영역을 취합하여 화면을 통해 출력하는 단계(S630)를 포함할 수 있다.
불량 생육 영역은 식생지수의 크기로 결정될 수 있으며, 지정 영역의 이전 생육 상태를 고려하여 결정될 수 있다. 예를 들어, 제1 지정 영역의 제1 영역의 식생지수가 이전의 식생지수보다 현저히 낮은 경우, 해당 제1 영역은 불량 생육 영역이 된다. 절대적으로 보면, 제1 지정 영역의 제1 영역의 식생지수가 제2 영역의 식생지수보다 높다고 하더라도, 이전의 식생지수와의 증감에 따라서 불량 생육 영역이 결정된다. 이를 통해, 본 발명의 실시예에 따른 작물 생육 진단 방법은 골프장에서의 잔디, 벙커 등의 생육 상태의 차이에 따라서 불량 생육 영역이 잘못 추출되는 것을 방지할 수 있다.
도 6을 참조하면, 작물 생육 진단 방법은 정보 출력 단계(S500) 이후에, 지정 영역의 전체적인 생육 상태의 변화량을 모니터링하여, 이전에 결정된 이전 생육 상태과 비교하여 기 설정된 상태 변화 값 이상의 변화가 감지된 경우, 이와 같은 사실을 출력할 수 있다.
S640에서는 작물 생육 진단 장치는 지정 영역의 전체적인 생육 상태를 모니터링한다.
S650에서는 작물 생육 진단 장치는 전체적인 생육 상태가 이전 생육 상태 보다 낮은지 여부를 판단한다.
S660에서는 작물 생육 진단 장치는 이전 생육 상태 보다 낮은 생육 상태를 가지는 지정 영역에 대한 생육 상태 정보를 생성하여 지정된 단말기로 전송한다. 이때 지정된 단말기는 지정 영역과 대응되어 설정된 것일 수 있다. 이를 통해, 제1 지정 영역의 관리자로 등록된 단말기에 생육 상태의 변화와 관련된 정보를 변화가 감지된 시점에 자동적으로 전송할 수 있다.
도 7을 참조하면, 작물 생육 진단 방법은 정보 출력 단계(S500) 이후에, 지정 영역을 복수의 단위 영역으로 분할하고, 분할한 각 단위 영역의 생육 상태 변화를 모니터링 하여, 각 단위 영역의 생육 상태의 변화가 감지되면, 생육 상태의 변화를 해당 생육 영역에 대한 정보와 함께 화면을 통해 출력할 수 있다.
S650에서 작물 생육 진단 장치는 지정 영역을 단위 영역들로 분할한다.
S660에서 작물 생육 진단 장치는 각 단위 영역의 생육 상태의 변화를 감지한다. 생육 상태의 변화 정도는 각 단위 영역의 생육 상태와 대응되는 식생지수로 결정될 수 있다.
S670에서 작물 생육 진단 장치는 생육 상태의 변화가 감지된 단위 영역들의 정보를 생성하고, 상기 정보를 제공한다. 작물 생육 진단 장치는 식생지수의 변화율이 3프로 이상인 경우, 변화된 단위 영역들의 정보를 취합할 수 있다. 해당 관리자는 모바일 통신을 통해 작물 생육 진단 장치에 의해 촬영된 이미지를 확인할 수 있다.
도 8a에 도시된 바와 같이 본 발명의 실시예에 따르면, RGB 카메라는 가시광선의 반사율에 따라 촬영한다. RGB 카메라에 의해 촬영된 이미지들은 각 위치 정보에 따라서 조합되어 하나의 정사영상으로 변환될 수 있다.
도 8b에 도시된 바와 같이 본 발명의 실시예에 따르면, 열화상 카메라는 근적외선의 반사율에 따라 촬영한다. NIR 카메라에 의해 촬영된 이미지들은 각 위치 정보에 따라서 조합되어 하나의 정사영상으로 변환될 수 있다.
도 8c에 도시된 바와 같이 본 발명의 실시예에 따르면, GB 카메라 및 열화상 카메라에 의해 촬영된 이미지들을 통해 획득된 정사영상들을 기초로 지점들의 식생지수를 산출하고, 지점들의 식생지수들과 대응되는 색상으로 표현하는 완성 맵을 생성할 수 있다.
도 8d에 도시된 바와 같이 본 발명의 실시예에 따르면, 촬영된 이미지들을 통해서 결정된 식생지수를 절대 식생지수로 변환한 변환 맵을 생성하게 된다. 이때, 촬영된 이미지들에 의해서 결정된 식생지수와 달리, 변경된 영역들이 생성될 수 있다. S81, S82, S83은 좀더 낮은 식생지수를 가지는 S81', S82', S83'로 변경될 수 있다.
도 9에 도시된 바와 같이, 본 발명의 실시예에 따르면, 촬영된 이미지들을 통해서 측정된 식생지수 지점 측정값과 정밀 장비인 식생지수 측정기, 클로로필미터 측정기를 이용하여 실측된 값을 상관계수를 이용하여 통계 처리한 결과, 이미지로 산출된 측정값과 정밀 장비를 이용한 실측값의 상관계수(r)값은 0.9이상으로 ±5% 이내의 정확도를 나타내었다. y는 절대 식생지수, 색상의 실측값을 의미하는 공식이며, x는 이미지를 통해 산출된 측정값을 의미한다.
도 10에 도시된 바와 같이, 본 발명의 실시예들에 따르면 측정된 지역에 대해서, 식생지수 및 식생지수와 대응되는 색상 별로, 분포 면적 또는 분포 율을 포함하는 테이블을 생성할 수 있다.
도 11에 도시된 바와 같이 본 발명의 실시예들에 따르면 측정된 지역의 평균 식생지수 및 평균 식생지수와 대응되는 색상을 이용하여 지역별 생육 상태를 보통, 양호, 우수, 불량 중 하나로 제공할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100: 무인항공기
111: RGB 카메라
112: NIR 카메라
113: 열화상 카메라
210: 작물 생육 진단 장치
211: 수신 모듈
212: 맵 생성 모듈
213: 변환 모듈
214: 측정 데이터 수신 모듈
215: 출력 모듈
111: RGB 카메라
112: NIR 카메라
113: 열화상 카메라
210: 작물 생육 진단 장치
211: 수신 모듈
212: 맵 생성 모듈
213: 변환 모듈
214: 측정 데이터 수신 모듈
215: 출력 모듈
Claims (10)
- 작물 생육 진단 장치가 자동 촬영 신호에 의해 촬영 위치 정보를 추출하고 상기 촬영 위치 정보와 대응되는 위치를 촬영하도록 구현되는 무인 항공기의 카메라에 의해 촬영된 RGB 이미지들을 무선 방식으로 수신하되, 상기 이미지의 총 크기가 기 설정된 최대 크기 값 이상인 경우, 유선 방식으로 상기 RGB 이미지들을 수신하는 단계;
상기 작물 생육 진단 장치가 상기 촬영된 RGB 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 RGB 맵으로 변환하는 단계;
상기 작물 생육 진단 장치가 상기 무인 항공기에 의해 촬영된 NIR 이미지들을 수신하는 단계;
상기 작물 생육 진단 장치가 상기 촬영된 NIR 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 NIR 맵으로 변환하는 단계;
상기 작물 생육 진단 장치가 RGB 맵을 통해서 획득된 각 픽셀의 컬러값 및 상기 NIR 맵을 통해서 획득된 각 픽셀의 NIR 값을 이용하여, 각 픽셀의 식생지수를 산출하고, 각 픽셀의 식생지수와 대응되는 색으로 표현한 완성 맵을 생성하는 단계;
상기 완성 맵의 제1 지점에 대해서 실제 측정된 토양수분, 식생지수, 및 NIR 값을 고려하여, 상기 제1 지점의 절대 식생지수를 산출하고, 상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 변환 관계를 기초로 계산식을 산출하고, 상기 계산식에 따라서 완성 맵의 각 픽셀의 식생지수를 절대 식생지수로 변환하고 변환한 상기 절대 식생지수와 대응되는 색상으로 표현함으로써 촬영 시점, 촬영 영역에 따른 편차를 가지지 않는 절대 식생지수로 표현되는 변환 맵을 생성하는 단계;
상기 변환 맵을 화면을 통해 출력하는 단계; 및
촬영된 영역에 대해서 날씨 변화가 감지되면 상기 영역의 재 촬영 신호를 무인 항공기로 전송하고 상기 영역을 촬영한 이미지들을 수신하는 단계;를 포함하는, 작물 생육 진단 방법. - 제1항에 있어서,
상기 제1 지점의 절대 식생지수는
식생지수, 시각적 품질 지수, 색상 평가 지수, Edge 상태 평가 지수, 병충해 면적비, 잡초 면적비, 및 토양의 수분 지수를 고려하여 결정되는 점을 특징으로 하는, 작물 생육 진단 방법. - 제1항에 있어서,
상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 변환 관계를 기초로 계산식은
상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀의 식생지수 사이의 회귀분석을 이용하여 산출되는 점을 특징으로 하는, 작물 생육 진단 방법. - 제1항에 있어서,
상기 출력하는 단계는
촬영된 이미지에 포함된 해당 영역의 식생지수의 분포도, 식생지수의 크기 별 분포도, 분포 비율을 테이블로 생성하여 출력하는 점을 특징으로 하는, 작물 생육 진단 방법. - 제1항에 있어서,
상기 RGB 맵 및 상기 NIR 맵은 pix4D 프로그램을 통해서 생성되는 점을 특징으로 하는, 작물 생육 진단 방법. - 자동 촬영 신호에 의해 촬영 위치 정보를 추출하고 상기 촬영 위치 정보와 대응되는 위치를 촬영하도록 구현되는 무인 항공기의 카메라에 의해 촬영된 RGB 이미지들 및 NIR 이미지들을 무선 방식으로 수신하되, 상기 RGB 이미지들 및 상기 NIR 이미지들의 총 크기가 기 설정된 최대 크기 값 이상인 경우, 상기 RGB 이미지들 및 상기 NIR 이미지들을 유선 방식으로 수신하는 수신 모듈;
상기 촬영된 RGB 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 RGB 맵으로 변환하고, 상기 촬영된 NIR 이미지들을 각 이미지의 위치 정보에 따라서 하나의 이미지인 NIR 맵으로 변환하고, RGB 맵을 통해서 획득된 각 픽셀의 컬러값 및 상기 NIR 맵을 통해서 획득된 각 픽셀의 NIR 값을 이용하여, 각 픽셀의 식생지수를 산출하고, 각 픽셀의 식생지수와 대응되는 색으로 표현한 완성 맵을 생성하는 맵 생성 모듈;
상기 완성 맵의 제1 지점에 대해서 실제 측정된 토양수분, 식생지수, 및 NIR 값을 고려하여, 상기 제1 지점의 절대 식생지수를 산출하고, 상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 변환 관계를 기초로 계산식을 산출하고, 상기 계산식에 따라서 완성 맵의 각 픽셀의 식생지수를 절대 식생지수로 변환하고 변환한 상기 절대 식생지수와 대응되는 색상으로 표현함으로써, 촬영 시점 및 촬영 영역에 따른 편차를 가지지 않는 절대 식생지수로 표현하는 변환 맵을 생성하는 변환 모듈;
상기 변환 맵을 화면을 통해 출력하는 출력 모듈을 포함하고,
촬영된 영역에 대해서 날씨 변화가 감지되면 상기 영역의 재 촬영 신호를 무인 항공기로 전송하고 상기 영역을 촬영한 이미지들을 수신하는 점을 특징으로 하는, 작물 생육 진단 장치. - 제6항에 있어서,
상기 제1 지점의 절대 식생지수는
식생지수, 시각적 품질 지수, 색상 평가 지수, Edge 상태 평가 지수, 병충해 면적비, 잡초 면적비, 및 토양의 수분 지수를 고려하여 결정되는 점을 특징으로 하는, 작물 생육 진단 장치. - 제6항에 있어서,
상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 변환 관계를 기초로 계산식은
상기 절대 식생지수와 상기 제1 지점과 대응되는 픽셀들의 식생지수 사이의 회귀분석을 이용하여 산출되는 점을 특징으로 하는, 작물 생육 진단 장치. - 제6항에 있어서,
상기 출력 모듈은
촬영된 이미지에 포함된 해당 영역의 식생지수의 분포도, 식생지수의 크기 별 분포도, 분포 비율을 테이블로 생성하여 출력하는 점을 특징으로 하는, 작물 생육 진단 장치. - 제6항에 있어서,
상기 RGB 맵 및 상기 NIR 맵은 pix4D 프로그램을 통해서 생성되는 점을 특징으로 하는, 작물 생육 진단 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180090053A KR101984047B1 (ko) | 2018-08-01 | 2018-08-01 | 무인 항공기를 이용한 작물 생육 진단 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180090053A KR101984047B1 (ko) | 2018-08-01 | 2018-08-01 | 무인 항공기를 이용한 작물 생육 진단 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101984047B1 true KR101984047B1 (ko) | 2019-09-03 |
Family
ID=67951676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180090053A KR101984047B1 (ko) | 2018-08-01 | 2018-08-01 | 무인 항공기를 이용한 작물 생육 진단 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101984047B1 (ko) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210066036A (ko) * | 2019-11-27 | 2021-06-07 | (주)신한항업 | 초분광센서와 토양 함수율 센서를 이용한 토양 가뭄 모니터링 방법 |
| CN113874716A (zh) * | 2020-04-15 | 2021-12-31 | 深圳市大疆创新科技有限公司 | 可移动平台的作业方法、可移动平台以及电子设备 |
| KR20220001712A (ko) | 2020-06-30 | 2022-01-06 | 광주과학기술원 | 식물 피해 진단 방법 및 시스템 |
| KR102373039B1 (ko) * | 2020-09-17 | 2022-03-15 | (주)더아이엠씨 | 빅데이터 및 인공지능 기반 재배작물 분류방법, 그리고 이를 실행시키기 위한 프로그램을 기록한 저장매체 |
| WO2022114608A1 (ko) * | 2020-11-30 | 2022-06-02 | 주식회사 한국그린데이터 | Evi 및 gci를 이용하여 녹지지역을 관리하는 시스템 및 방법 |
| KR102479284B1 (ko) * | 2022-03-11 | 2022-12-21 | (주)카탈로닉스 | 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치 |
| KR20230151136A (ko) | 2022-04-22 | 2023-11-01 | 한밭대학교 산학협력단 | 실내환경 모니터링을 위한 드론 운용 시스템 및 그 방법 |
| CN117607070A (zh) * | 2023-11-22 | 2024-02-27 | 广州双木林业有限公司 | 一种基于无人机的红树林检测方法、系统、设备及介质 |
| KR20240057633A (ko) | 2022-10-25 | 2024-05-07 | 대한민국(농촌진흥청장) | 인공지능 기반 토양 수분 측정 시스템 및 방법 |
| WO2024101501A1 (ko) * | 2022-11-10 | 2024-05-16 | 주식회사 카탈로닉스 | 수목의 생물학적 데이터 예측 시스템 |
| WO2024111826A1 (ko) * | 2022-11-24 | 2024-05-30 | 동아대학교 산학협력단 | 다중분광 영상정보를 이용한 식생 파악을 통한 잔디 보존 시스템 및 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003339238A (ja) * | 2002-05-28 | 2003-12-02 | Satake Corp | 作物の生育診断方法及びその装置 |
| JP2016185156A (ja) * | 2016-06-10 | 2016-10-27 | ソニー株式会社 | 撮像装置および撮像方法、並びにプログラム |
| KR20180055604A (ko) * | 2016-11-17 | 2018-05-25 | 전라남도 | 군락에서 열화상 이미지를 통한 작물기관별 온도식별시스템에 사용되는 정보처리장치 |
-
2018
- 2018-08-01 KR KR1020180090053A patent/KR101984047B1/ko active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003339238A (ja) * | 2002-05-28 | 2003-12-02 | Satake Corp | 作物の生育診断方法及びその装置 |
| JP2016185156A (ja) * | 2016-06-10 | 2016-10-27 | ソニー株式会社 | 撮像装置および撮像方法、並びにプログラム |
| KR20180055604A (ko) * | 2016-11-17 | 2018-05-25 | 전라남도 | 군락에서 열화상 이미지를 통한 작물기관별 온도식별시스템에 사용되는 정보처리장치 |
Non-Patent Citations (1)
| Title |
|---|
| Sang-Il Na 외 2인. Application of Highland Kimchi Cabbage Status Map for Growth Monitoring based on Unmanned Aerial Vehicle. 한국토양비료학회지. 한국토양비료학회. 2016년 10월, 제49권, 제5호, pp.469-479 (2016.10.) 1부.* * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210066036A (ko) * | 2019-11-27 | 2021-06-07 | (주)신한항업 | 초분광센서와 토양 함수율 센서를 이용한 토양 가뭄 모니터링 방법 |
| KR102383310B1 (ko) * | 2019-11-27 | 2022-04-08 | (주)신한항업 | 초분광센서와 토양 함수율 센서를 이용한 토양 가뭄 모니터링 방법 |
| CN113874716A (zh) * | 2020-04-15 | 2021-12-31 | 深圳市大疆创新科技有限公司 | 可移动平台的作业方法、可移动平台以及电子设备 |
| KR20220001712A (ko) | 2020-06-30 | 2022-01-06 | 광주과학기술원 | 식물 피해 진단 방법 및 시스템 |
| KR102373039B1 (ko) * | 2020-09-17 | 2022-03-15 | (주)더아이엠씨 | 빅데이터 및 인공지능 기반 재배작물 분류방법, 그리고 이를 실행시키기 위한 프로그램을 기록한 저장매체 |
| WO2022114608A1 (ko) * | 2020-11-30 | 2022-06-02 | 주식회사 한국그린데이터 | Evi 및 gci를 이용하여 녹지지역을 관리하는 시스템 및 방법 |
| KR102479284B1 (ko) * | 2022-03-11 | 2022-12-21 | (주)카탈로닉스 | 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치 |
| WO2023172080A1 (ko) * | 2022-03-11 | 2023-09-14 | 주식회사 카탈로닉스 | 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치 |
| KR20230151136A (ko) | 2022-04-22 | 2023-11-01 | 한밭대학교 산학협력단 | 실내환경 모니터링을 위한 드론 운용 시스템 및 그 방법 |
| KR20240057633A (ko) | 2022-10-25 | 2024-05-07 | 대한민국(농촌진흥청장) | 인공지능 기반 토양 수분 측정 시스템 및 방법 |
| WO2024101501A1 (ko) * | 2022-11-10 | 2024-05-16 | 주식회사 카탈로닉스 | 수목의 생물학적 데이터 예측 시스템 |
| WO2024111826A1 (ko) * | 2022-11-24 | 2024-05-30 | 동아대학교 산학협력단 | 다중분광 영상정보를 이용한 식생 파악을 통한 잔디 보존 시스템 및 방법 |
| CN117607070A (zh) * | 2023-11-22 | 2024-02-27 | 广州双木林业有限公司 | 一种基于无人机的红树林检测方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101984047B1 (ko) | 무인 항공기를 이용한 작물 생육 진단 방법 및 장치 | |
| Yang et al. | Adaptive autonomous UAV scouting for rice lodging assessment using edge computing with deep learning EDANet | |
| US20200244890A1 (en) | Unmanned aerial vehicle | |
| CA3237917A1 (en) | Methods for agronomic and agricultural monitoring using unmanned aerial systems | |
| US20220254014A1 (en) | Information processing apparatus, information processing method, program, and sensing system | |
| KR102125780B1 (ko) | 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치 | |
| JP2018046787A (ja) | 農業管理予測システム、農業管理予測方法、及びサーバ装置 | |
| CA3115301A1 (en) | Method and system for plant stress determination and irrigation based thereon | |
| JP7081536B2 (ja) | 作物の倒伏リスク診断に用いる生育パラメータの測定推奨スポット提示方法、倒伏リスク診断方法、および情報提供装置 | |
| CN108896022A (zh) | 一种植被覆盖度估算方法 | |
| US20220307971A1 (en) | Systems and methods for phenotyping | |
| KR20210143627A (ko) | 드론을 이용한 식생 예찰 시스템, 식생 예찰 장치 및 식생 예찰 방법 | |
| JP2016208065A (ja) | 動物個体数調査システム | |
| de Oca et al. | A UAS equipped with a thermal imaging system with temperature calibration for crop water stress index computation | |
| Jayasinghe et al. | Image‐based high‐throughput phenotyping for the estimation of persistence of perennial ryegrass (Lolium perenne L.)—A review | |
| KR102192693B1 (ko) | 농작물 손해사정 평가를 위한 농작물 피해 분석 시스템 및 이를 이용한 농작물 손해사정 평가 방법 | |
| Ozguven et al. | The technology uses in the determination of sugar beet diseases | |
| Torres-Rua et al. | Development of unmanned aerial systems for use in precision agriculture: The AggieAir experience | |
| WO2021132276A1 (ja) | 農業支援システム | |
| Wijesingha | Geometric quality assessment of multi-rotor unmanned aerial vehicle borne remote sensing products for precision agriculture | |
| US20220172306A1 (en) | Automated mobile field scouting sensor data and image classification devices | |
| KR20220129706A (ko) | 과실 수량 측정 시스템 및 그 방법 | |
| Mirka et al. | Evaluation of thermal infrared imaging from uninhabited aerial vehicles for arboreal wildlife surveillance | |
| Agarwal et al. | An Efficient Application of Machine Learning for Assessment of Terrain 3D Information Using Drone Data | |
| Kaivosoja et al. | Applying Different Remote Sensing Data to Determine Relative Biomass Estimations of Cereals for Precision Fertilization Task Generation. |