KR102095539B1 - 인삼의 영상 이미지 분석을 통한 생육량 측정 방법 - Google Patents

인삼의 영상 이미지 분석을 통한 생육량 측정 방법 Download PDF

Info

Publication number
KR102095539B1
KR102095539B1 KR1020170166026A KR20170166026A KR102095539B1 KR 102095539 B1 KR102095539 B1 KR 102095539B1 KR 1020170166026 A KR1020170166026 A KR 1020170166026A KR 20170166026 A KR20170166026 A KR 20170166026A KR 102095539 B1 KR102095539 B1 KR 102095539B1
Authority
KR
South Korea
Prior art keywords
ginseng
crop
growth
change amount
image
Prior art date
Application number
KR1020170166026A
Other languages
English (en)
Other versions
KR20190069648A (ko
Inventor
윤두현
서범석
이영호
Original Assignee
농업회사법인 원스베리 주식회사
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 농업회사법인 원스베리 주식회사 filed Critical 농업회사법인 원스베리 주식회사
Priority to KR1020170166026A priority Critical patent/KR102095539B1/ko
Publication of KR20190069648A publication Critical patent/KR20190069648A/ko
Application granted granted Critical
Publication of KR102095539B1 publication Critical patent/KR102095539B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • 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
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/35—Bulbs; Alliums, e.g. onions or leeks
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0118—Apparatus with remote processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Botany (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Environmental Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

일실시예는 생육 상태를 분석할 인삼작물 색채 평면 제1 영상과 인삼작물 다차원 제2 영상을 전송받는 제1 단계, 상기 제1 영상 이미지와 제2 영상 이미지를 화각을 맞추어 매핑하고, 인삼작물의 설정 색 특징과 인삼작물 기관별 설정 고유 모양 패턴 기반의 픽셀 분할에 의해서 인삼의 지상부 생육량 측정항목 작물 기관 이미지를 추출하는 제2 단계, 상기 추출된 작물 기관 이미지로부터, 인삼의 엽장, 엽폭, 꽃대길이 측정 항목 중에서 설정 측정 항목의 생육 수치를 산출하여, 설정 시계열로 생육 변화량을 추출하는 제3 단계, 상기 생육 변화량이 설정 제1 변화량시 정상생장, 설정 제1 변화량보다 설정 제1 차이량 많은 설정 제2 변화량시 영양생장, 설정 제1 변화량보다 설정 제2 차이량 작은 설정 제3 변화량시 생식생장 진단하는 정보를 설정 등록하는 제4 단계 및, 상기 추출된 생육 변화량이 상기 등록된 정보에 따라서, 설정 제1 변화량인 경우에 정상생장, 설정 제2 변화량 이상인 경우에 영양생장, 설정 제3 변화량 미만인 경우에 생식생장 진단하는 제5 단계를 포함하는 것을 특징으로 하는 인삼의 영상 이미지 분석을 통한 생육량 측정 방법에 관한 것으로, 농작물 최적의 재배 상태를 조성하고, 작물의 생리장애로부터 사전에 인지하게 함으로써 농가의 수확량 증대가 이루어진다.

Description

인삼의 영상 이미지 분석을 통한 생육량 측정 방법{Method for measuring growth amount by image analyzing ginseng}
본 명세서에 개시된 내용은 인삼의 영상 이미지 분석에 따라 생육량을 측정하는 방법에 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 뿌리줄기잎을 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.
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.
그래서, 이를 해결할 수 있도록 하기 위해, 이건 출원인은 앞쪽의 작물과 뒤쪽 작물 간에 겹치거나 뒤틀어지는 등으로 인하여 식별하지 못하는 작물 부분을 식별해서 정확한 작물 기관별 생육 수치 측정값을 얻어서, 작물 기관별로 작물 생육 상태를 원활히 진단하는 기술을 개발하여, 출원을 한 바 있다.
그런데, 이러한 기술에 따른 기존의 농작물 생육진단을 위한 작물 기관별 측정방법은 예를 들어, 영상 이미지를 활용하여 측정한다. 하지만 농작물마다 측정항목과 측정기준이 다르기 때문에 인삼작물에는 적용이 쉽지 않다.
이에 따른 선행문헌은 아래의 특허문헌이다.
(특허문헌 1) KR1020160131147 A
개시된 내용은, 기존 작물 기관별 측정방법이 농작물마다 측정항목과 측정기준이 다르기 때문에 인삼작물에는 적용하기 쉽지 않음을 해결할 수 있도록 하는 인삼의 영상 이미지 분석을 통한 생육량 측정 방법을 제공하고자 한다.
실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법은,
생육 상태를 분석할 예를 들어, 인삼작물 RGB 영상의 인삼작물 색채 평면 제1 영상과 예를 들어, 인삼작물 깊이 영상의 인삼작물 다차원 제2 영상을 화각을 맞추어 매핑한다. 그리고, 인삼의 지상부 생육량 측정항목 작물 기관 이미지를 추출하여, 인삼의 엽장, 엽폭, 꽃대길이 측정 항목의 생육 수치를 산출해서, 설정 시계열로 생육 변화량을 추출한다. 그래서, 상기 추출된 생육 변화량이 설정 제1 변화량인 경우에 정상생장, 설정 제1 변화량보다 설정 제1 차이량 많은 설정 제2 변화량 이상인 경우에 영양생장 진단한다. 이에 더하여, 상기 추출된 생육 변화량이 설정 제1 변화량보다 설정 제2 차이량 작은 설정 제3 변화량 미만인 경우에 생식생장 진단하는 것을 특징으로 한다.
실시예들에 의하면, 기존 작물 기관별 측정방법이 농가에서 직접 사람에 의해 농작물 생육량 측정 또는 영상 이미지 활용하여 측정해서, 농작물마다 측정항목과 측정기준이 다르기 때문에 인삼작물에는 적용하기 쉽지 않음을 해결한다. 이에 더 나아가, 농작물 최적의 재배 상태를 조성하고, 작물의 생리장애로부터 사전에 인지하게 함으로써 농가의 수확량 증대가 이루어진다.
도 1은 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법을 적용한 장치 구성을 도시한 도면
도 2는 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법을 순서대로 도시한 플로우 차트
도 3a와 도 3b는 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법 인삼작물 생육량 측정기준을 설명하기 위한 도면
도 1은 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법을 적용한 장치 구성을 도시한 도면이다.
도 1에 도시된 바와 같이, 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법을 적용한 장치는 인삼작물 영상 전송 통신부(미도시), 인삼작물 영상 이미지에 따라 생육량 측정하는 제어부(100) 및 측정 정보 표시부 구조이다.
그리고, 추가적으로 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법을 적용한 장치는 상기 장치와의 사용자 인터페이스 모듈(미도시)과 데이터 입출력부(미도시) 및 데이터 저장부(미도시)를 포함한다.
또한, 상기 인삼작물 재배 환경에 대응하는 광도, 온도, 습도, 탄산가스 중 적어도 어느 하나 이상의 환경 정보를 수집한다. 그리고, 상기 수집된 정보는 엽면적 정보와 더불어 저장하여 인삼작물 품질 예측시 엽면적 증가량의 상관계수로 활용되는 재배환경수집모듈(미도시)을 포함한다.
상기 통신부는 예를 들어, 유무선 통신부이고, 예를 들어 군락의 인삼작물 관리자 모바일 단말기 또는 군락을 이동하면서 군락의 인삼작물을 촬영하는 로봇 간에 연동하여, 상기 군락의 환경 정보와 인삼작물 영상을 전송받는 것이다. 그리고, 상기 통신부는 제어부(100)의 제어하에, 유선통신과 무선통신을 활용하여, 이미지 센싱을 하고자 하는 장치 예를 들어, 군락 내 인삼작물 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.
상기 표시부는 군락의 인삼작물 생육 상태 정보를 표시하는 것이다. 구체적으로는, 상기 표시부가 상기 제어부(100)의 제어하에, 예를 들어 인삼작물의 생육특성과 생장량이나 상기 생육특성 또는 생장량의 각 통계 데이터를 포함한 인삼작물 생육 상태 정보를 표시한다.
상기 제어부(100)는 생육 상태를 분석할 인삼작물 색채 평면 제1 영상과 인삼작물 다차원 제2 영상을 전송받는다. 다음, 상기 제어부(100)는 상기 제1 영상 이미지와 제2 영상 이미지를 화각을 맞추어 매핑하고, 인삼작물의 설정 색 특징과 인삼작물 기관별 설정 고유 모양 패턴 기반의 픽셀 분할에 의해서 인삼의 지상부 생육량 측정항목 작물 기관 이미지를 추출한다. 그런 다음, 상기 제어부(100)는 상기 추출된 작물 기관 이미지로부터, 인삼의 엽장, 엽폭, 꽃대길이 측정 항목 중에서 설정 측정 항목의 생육 수치를 산출하여, 설정 시계열로 생육 변화량을 추출한다. 그리고, 상기 제어부(100)는 상기 생육 변화량이 설정 제1 변화량인 경우에 정상생장 정보를 설정 등록하고, 상기 생육 변화량이 상기 설정 제1 변화량보다 설정 제1 차이량만큼 많은 설정 제2 변화량 이상인 경우에 영양생장 정보를 설정 등록한다. 또한, 이에 더하여서, 상기 제어부(100)는 상기 생육 변화량이 상기 설정 제1 변화량보다 설정 제2 차이량만큼 적은 설정 제3 변화량 미만인 경우에 생식생장 정보를 설정 등록한다. 그런 다음, 상기 제어부(100)는 상기 추출된 생육 변화량이 상기 설정 제1 변화량인 경우에 정상 생장 진단하고, 상기 추출된 생육 변화량이 상기 설정 제2 변화량 이상인 경우에 영양 생장 진단한다. 또한, 상기 제어부(100)는 상기 추출된 생육 변화량이 상기 설정 제3 변화량 미만인 경우에 생식 생장 진단한다.
도 2는 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법을 순서대로 도시한 플로우 차트이다.
도 2에 도시된 바와 같이, 일실시예에 따른 생육량 측정 방법은 먼저, 생육 상태를 분석할 예를 들어, 인삼작물 RGB 영상 등 색채 평면 제1 영상과 예를 들어 인삼작물 깊이 영상 등 인삼작물 다차원 제2 영상을 전송받는다(S100-1, S100-2).
다음, 상기 제1 영상 이미지와 제2 영상 이미지를 화각을 맞추어 매핑한다(S100-3). 그리고, 인삼작물의 설정 색 특징과 인삼작물 기관별 설정 고유 모양 패턴 기반의 픽셀 분할에 의해서(S200-1) 인삼의 지상부 생육량 측정항목 작물 기관 이미지를 추출 측정한다(S200-2 ~ S200-3). 그런 다음, 이러한 이미지, 측정값을 데이터베이스에 저장한다(S300-1). 그래서, 이러한 측정값에 따라, 인삼작물 생육 측정값 이미지 빅 데이터를 생성한다(S300-3).
구체적으로는, 인삼작물 다차원 영상에서 에지를 검출하여 배경을 제거해서 인삼작물 기관을 분리한 예를 들어, 군락의 인삼작물 다차원 영상 이미지를 제1 생성한다. 그리고, 상기 제1 생성된 인삼작물 기관을 분리한 군락 등의 인삼작물 다차원 영상 이미지와 상기 군락 등 인삼작물 색채 평면 영상 이미지 간에 화각 기준점을 일치시켜 화각을 맞추고 매핑한다. 그래서, 군락의 인삼작물 색채 동적 이미지를 제2 생성한다. 다음, 상기 제2 생성된 군락의 인삼작물 색채 동적 이미지에서 상기 인삼작물의 색 특징과 인삼작물 기관별 설정 고유 모양 패턴 기반의 픽셀 세그먼테이션으로 상기 인삼작물의 모양 패턴과 인삼작물 기관별 에지 정보의 픽셀을 획득한다. 그래서, 상기 획득된 상기 인삼작물의 색 특징과 인삼작물의 모양 패턴 및 인삼작물 기관별 에지 정보의 픽셀 정보에 의하여, 인삼작물 기관의 설정 고유 특성에 맞는 특징을 인삼작물 기관별로 추정한다. 이를 통해서, 인삼작물 기관을 식별해서 인삼작물 기관 이미지를 검출한다.
구체적인 동작을 예를 들어서, 설명한다.
먼저, 상기 제2 생성된 군락의 작물 색채 동적 이미지에서 RGB 색 정보를 HSV의 좌표에 따라 기설정된 특정 색을 지정 색공간으로 변환한다. 그리고, 상기 변환된 HSV 색공간의 영상 내 상기 인삼작물 색 특징과 모양 패턴 특징을 가진 픽셀을 획득한다. 이러한 경우에, 상기 "H"는 색상이고, "S"는 채도이며, "V"는 진하기를 나타낸다.
보다 상세하게, 인삼작물 기관별 설정 고유 모양 패턴에 따라 픽셀 세그먼테이션하여, 상기 인삼작물의 모양 패턴과 인삼작물 기관별 에지 정보를 가진 픽셀을 획득한다.
다음, 상기 획득된 상기 인삼작물의 색 특징과 인삼작물의 모양 패턴 및 인삼작물 기관별 에지 정보를 나타내는 픽셀 정보에 따라, 꽃, 열매, 줄기, 엽 등의 인삼작물 기관 고유 특성에 따른 특징을 인삼작물 기관별로 추정한다. 그래서, 인삼작물 기관을 식별하여, 인삼작물 기관 이미지를 검출한다.
이에 따라서, 서브적이고 부가적인 면으로, 인삼작물의 색 특징과 깊이 등의 입체적인 인삼작물의 전체 모양 특징 및 인삼작물 기관별 인삼작물 입체 모양 특징을 더불어 제공하여, 정확히 인삼작물 기관을 식별한다.
그래서, 종래 RGB 영상 이미지만으로는 평면 영상임으로 식별하지 못하는 예를 들어, 중요하게는 인삼작물 기관의 일부 부분 등도 식별한다.
이를 통해, 이러한 정확히 식별된 인삼작물 기관 이미지로부터 인삼작물 기관 구체적으로는, 꽃대길이 등의 길이, 넓이, 면적 등의 생육 수치를 추출하여, 정확한 생육 수치 값을 얻는다.
다음, 상기 추출된 인삼작물 기관 이미지로부터, 인삼의 엽장, 엽폭, 꽃대길이 측정 항목 중에서 설정 측정 항목의 생육 수치를 산출하여, 설정 시계열로 생육 변화량을 추출한다(S300-2).
이를 위해, 우선적으로, 상기 생육 변화량이 예를 들어, 측정 항목이 꽃대길이면서 설정 제1 변화량인 경우에 정상생장 정보를 설정 등록한다. 그리고, 이에 더하여, 상기 생육 변화량이 상기 설정 제1 변화량보다 설정 제1 차이량만큼 많은 설정 제2 변화량 이상인 경우에 영양생장 정보를 설정 등록한다. 또한, 이에 더하여서, 상기 생육 변화량이 상기 설정 제1 변화량보다 설정 제2 차이량만큼 적은 설정 제3 변화량 미만인 경우에 생식생장 정보를 설정 등록한다.
그런 다음, 상기 추출된 생육 변화량이 상기 등록된 정보와 비교되어서, 상기 비교에 의한 상기 등록된 정보에 따라서, 상기 설정 제1 변화량인 경우에 정상 생장 진단한다. 그리고, 이에 더해, 상기 추출된 생육 변화량이 상기 등록된 정보에 따라서, 상기 설정 제2 변화량 이상인 경우에 영양 생장 진단한다. 또한, 상기 추출된 생육 변화량이 상기 설정 제3 변화량 미만인 경우에 생식 생장 진단한다. 또한, 이러한 인삼작물 생육 변화량에 대응하여 생산량을 예측한다(S400-1 ~ S400-2). 그리고, 상기 생육 변화량과 설정 정상 생육 변화량을 비교하여, 예를 들어, 고저 차이값에 따라서, 생육 변화량을 진단한다. 또한, 상기 생산량 예측 값과 설정 정상 생산량 예측 값을 비교하여, 예를 들어, 고저 차이값에 따라서, 생산량을 예측 진단한다. 그리고, 이에 따라 진단결과에 대응하여, 설정 조치 정보에 의해서, 진단결과를 조치구동한다(S400-3).
그리고, 이러한 진단결과를 농가에 뷰를 따라서 예를 들어, 농가 PC 등의 농가 정보처리장치에 제공하고, 예를 들어, 진단결과별 설정 대응 방안을 등록하여, 상기 진단결과 대응 수행한다(S500).
그래서, 전술한 일실시예에 따른 이미지 영상에 의해서, 기존 농작물 생육진단시 작물기관별 측정방법에서 측정항목과 측정기준이 다른 농작물과 상이한 인삼작물의 생육량을 분석, 진단한다.
이를 통해, 이러한 기존 작물 기관별 측정방법이 농가에서 직접 사람에 의해 농작물 생육량 측정 또는 영상 이미지 활용하여 측정해서, 농작물마다 측정항목과 측정기준이 다르기 때문에 인삼작물에는 적용하기 쉽지 않음을 해결한다.
이에 더 나아가, 농가에서 사람에 의해 농작물의 생육량을 조사하지 않고 이미지 영상으로 인삼작물의 생육량을 측정하여 분석, 진단하는 동작으로 농작물 최적의 재배 상태를 조성한다. 그리고, 작물의 생리장애로부터 사전에 인지하게 함으로써 농가의 수확량 증대가 이루어진다.
이상과 같이, 일실시예는 생육 상태를 분석할 예를 들어, 인삼작물 RGB 영상의 인삼작물 색채 평면 제1 영상과 예를 들어, 인삼작물 깊이 영상의 인삼작물 다차원 제2 영상을 화각을 맞추어 매핑한다. 그리고, 인삼의 지상부 생육량 측정항목 작물 기관 이미지를 추출하여, 인삼의 엽장, 엽폭, 꽃대길이 측정 항목의 생육 수치를 산출해서, 설정 시계열로 생육 변화량을 추출한다. 그래서, 상기 추출된 생육 변화량이 설정 제1 변화량인 경우에 정상생장, 설정 제1 변화량보다 설정 제1 차이량 많은 설정 제2 변화량 이상인 경우에 영양생장 진단한다. 이에 더하여, 상기 추출된 생육 변화량이 설정 제1 변화량보다 설정 제2 차이량 작은 설정 제3 변화량 미만인 경우에 생식생장 진단한다.
그래서, 이러한 기존 작물 기관별 측정방법이 농가에서 직접 사람에 의해 농작물 생육량 측정 또는 영상 이미지 활용하여 측정해서, 농작물마다 측정항목과 측정기준이 다르기 때문에 인삼작물에는 적용하기 쉽지 않음을 해결한다. 이에 더 나아가, 농작물 최적의 재배 상태를 조성하고, 작물의 생리장애로부터 사전에 인지하게 함으로써 농가의 수확량 증대가 이루어진다.
한편, 일실시예는 이러한 인삼작물 생육량 측정시에, 인삼 이미지 인식율을 향상시킬 수 있도록 한다.
이를 위해, 일실시예는 인삼 이미지 인식 엔진에서 식별된 작물기관을 딥러닝을 적용하여 학습을 시켜(S200-4) 인삼이미지 인식엔진을 자동 업데이트하여, 인삼 이미지 인식율을 향상시킨다. 그리고, 상기한 인삼 작물 측정값을 데이터베이스에 저장하여, 상기 데이터베이스에 저장된 생육량을 시계열로 비교하여 생육 변화량을 데이터베이스에서 추출하고, 상기 추출된 생육 변화량을 일실시예에 따른 인삼 생육 진단 동작을 적용한다. 그래서, 인삼 생육을 진단하고, 진단결과와 조치방법을 농가에 제공한다.
구체적으로는, 예를 들어, 상기 추출된 인삼의 지상부 생육량 측정항목 작물 기관 이미지를 추출시마다 각 작물 기관 이미지에 대한 반복 인식에 의한 작물 기관 구체화 식별하여서, 패턴 기반을 따라 학습시킨다. 이에 따라, 상기 인삼작물의 구체적으로는, 기준이 되는 설정 색 특징과 인삼작물 기관별 설정 고유 모양 패턴을 시스템 상으로 업데이트한다.
그래서, 이러한 업데이트된 인삼작물의 설정 색 특징과 인삼작물 기관별 설정 고유 모양 패턴에 따라 인삼 작물 측정값을 추출함으로, 인삼 이미지 인식율을 향상시킨다.
그리고, 상기 인삼 작물 측정값을 데이터베이스에 저장한다. 그런 다음, 이러한 데이터베이스에 저장된 생육량을 시계열로 비교하여 생육 변화량을 데이터베이스에서 추출하고, 상기 추출된 생육 변화량을 인삼 생육 진단 동작에 적용하여, 인삼 생육을 진단하며 진단결과와 조치방법을 농가 제공한다.
도 3a와 도 3b는 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법 인삼작물 생육량 측정기준을 설명하기 위한 도면이다. 구체적으로는, 도 3a가 일실시예에 따른 인삼의 생육량 측정 항목을 설명하기 위한 도면이고, 도 3b는 일실시예에 따른 인삼의 엽장/엽폭 및 꽃대길이 측정 항목을 설명하기 위한 도면이다.
도 3a와 도 3b에 도시된 바와 같이, 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정 방법 인삼작물 생육량 측정기준은 기존 농작물 생육진단시 작물 기관별 측정방법이 농작물마다 측정항목과 측정기준이 배경면에서 상이하다. 이에 의해, 일실시예에 따른 인삼의 영상 이미지 분석을 통한 생육량 측정방법 인삼작물 생육량 측정기준은 인삼작물에는 적용이 쉽지 않음을 해결할 수 있도록 한다. 이를 위해, 일실시예에 따른 인삼작물 생육량 측정기준은 인삼작물을 영상이미지로 생육량 분석시 인삼의 생육량 측정항목 중 지상부를 촬영한다. 그래서, 인삼의 꽃/열매, 잎, 줄기, 꽃대길이를 식별 및 도 3b에 따른 측정한다. 이러한 경우에, 인삼의 엽장/엽폭 및 꽃대길이를 측정 항목 설정한다. 이에 따라 인삼작물 생육량 측정기준이 이루어진다.
* 도면의 주요 부분에 대한 부호의 설명 *
100 : 제어부

Claims (2)

  1. 생육 상태를 분석할 인삼작물 색채 평면 제1 영상과 인삼작물 다차원 제2 영상을 전송받는 제1 단계;
    상기 제1 영상 이미지와 제2 영상 이미지를 화각을 맞추어 매핑하고, 인삼작물의 설정 색 특징과 인삼작물 기관별 설정 고유 모양 패턴 기반의 픽셀 분할에 의해서 인삼의 지상부 생육량 측정항목 작물 기관 이미지를 추출하는 제2 단계;
    상기 추출된 작물 기관 이미지로부터, 인삼의 엽장, 엽폭, 꽃대길이 측정 항목 중에서 설정 측정 항목의 생육 수치를 산출하여, 설정 시계열로 생육 변화량을 추출하는 제3 단계;
    상기 생육 변화량이 설정 제1 변화량시 정상생장, 설정 제1 변화량보다 설정 제1 차이량 많은 설정 제2 변화량시 영양생장, 설정 제1 변화량보다 설정 제2 차이량 작은 설정 제3 변화량시 생식생장 진단하는 정보를 설정 등록하는 제4 단계; 및
    상기 추출된 생육 변화량이 상기 등록된 정보에 따라서, 설정 제1 변화량인 경우에 정상생장, 설정 제2 변화량 이상인 경우에 영양생장, 설정 제3 변화량 미만인 경우에 생식생장 진단하는 제5 단계;를 포함하며,

    상기 제2 단계는
    상기 추출된 인삼의 지상부 생육량 측정항목 작물 기관 이미지를 추출시마다 반복 인식에 의한 패턴 기반을 따라 학습시켜서, 상기 인삼작물의 설정 색 특징과 인삼작물 기관별 설정 고유 모양 패턴을 시스템 상으로 업데이트하는 제2-1 단계를 포함하며,

    상기 제2-1 단계는,
    인삼작물 다차원 제2 영상에서 에지를 검출하여 배경을 제거해서 인삼작물 기관을 분리하여, 군락의 인삼작물 다차원 영상 이미지를 제1 생성하는 단계;
    상기 제1 생성된 인삼작물 기관을 분리한 군락 등의 인삼작물 다차원 영상 이미지와 상기 군락 등 인삼작물 색채 평면 영상 이미지 간에 화각 기준점을 일치시켜 화각을 맞추고 매핑하여, 군락의 인삼작물 색채 동적 이미지를 제2 생성하는 단계;
    상기 제2 생성된 군락의 인삼작물 색채 동적 이미지에서 상기 인삼작물의 색 특징과 인삼작물 기관별 설정 고유 모양 패턴 기반의 픽셀 세그먼테이션으로 상기 인삼작물의 모양 패턴과 인삼작물 기관별 에지 정보의 픽셀을 획득하는 단계;
    상기 획득된 상기 인삼작물의 색 특징과 인삼작물의 모양 패턴 및 인삼작물 기관별 에지 정보의 픽셀 정보에 의하여, 인삼작물 기관의 설정 고유 특성에 맞는 특징을 인삼작물 기관별로 추정하는 단계; 및
    인삼작물 기관을 식별해서 인삼작물 기관 이미지를 검출하는 단계;를 포함하는 것을 특징으로 하는 인삼의 영상 이미지 분석을 통한 생육량 측정 방법.
  2. 삭제
KR1020170166026A 2017-12-05 2017-12-05 인삼의 영상 이미지 분석을 통한 생육량 측정 방법 KR102095539B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170166026A KR102095539B1 (ko) 2017-12-05 2017-12-05 인삼의 영상 이미지 분석을 통한 생육량 측정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170166026A KR102095539B1 (ko) 2017-12-05 2017-12-05 인삼의 영상 이미지 분석을 통한 생육량 측정 방법

Publications (2)

Publication Number Publication Date
KR20190069648A KR20190069648A (ko) 2019-06-20
KR102095539B1 true KR102095539B1 (ko) 2020-03-31

Family

ID=67103800

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170166026A KR102095539B1 (ko) 2017-12-05 2017-12-05 인삼의 영상 이미지 분석을 통한 생육량 측정 방법

Country Status (1)

Country Link
KR (1) KR102095539B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240093374A (ko) 2022-12-15 2024-06-24 강원대학교산학협력단 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102309568B1 (ko) * 2019-12-17 2021-10-07 전라남도 이미지 기반 작물 생육정보 자동계측 시스템
CN111374007A (zh) * 2020-04-15 2020-07-07 黑龙江省农业科学院绥化分院 一种利用水稻分蘖再生能力增加育种f1代收获数量的方法
KR102582588B1 (ko) * 2022-06-09 2023-09-25 그리트 주식회사 Ai를 활용한 작물의 엽 생육지수 측정시스템
CN115392576A (zh) * 2022-08-30 2022-11-25 上海第二工业大学 一种蘑菇生长状态时空预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010025655A1 (zh) * 2008-09-02 2010-03-11 华为终端有限公司 3d视频通信方法、发送设备、系统及图像重构方法和系统
KR101763835B1 (ko) * 2015-10-30 2017-08-03 사단법인 한국온실작물연구소 군락에서 영상이미지를 통한 작물기관별 이미지식별시스템
KR101763841B1 (ko) * 2015-11-13 2017-08-16 사단법인 한국온실작물연구소 작물체 기관별 이미지 데이터에 의한 생육진단/분석 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240093374A (ko) 2022-12-15 2024-06-24 강원대학교산학협력단 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템

Also Published As

Publication number Publication date
KR20190069648A (ko) 2019-06-20

Similar Documents

Publication Publication Date Title
KR102095539B1 (ko) 인삼의 영상 이미지 분석을 통한 생육량 측정 방법
US11454594B2 (en) Method for identifying frostbite condition of grain seeds using spectral feature wavebands of seed embryo hyperspectral images
KR102125780B1 (ko) 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치
Liu et al. Estimating potato above-ground biomass by using integrated unmanned aerial system-based optical, structural, and textural canopy measurements
CN110781889B (zh) 一种基于深度学习的蓝莓果实中总糖含量的无损检测方法
WO2023071091A1 (zh) 一种具有预分析能力的炭疽病病原菌侵染阶段检测方法
CN101692037A (zh) 高光谱图像和独立分量分析植物叶面叶绿素分布的方法
US20220307971A1 (en) Systems and methods for phenotyping
CN102855485B (zh) 一种小麦抽穗的自动检测方法
CN113029971A (zh) 一种作物冠层氮素监测方法及系统
CN115953402B (zh) 一种基于机器视觉的植株应力应变测量方法及装置
CN111199192A (zh) 一种采用平行线取样的田间红提葡萄整体成熟度检测方法
CN109827957A (zh) 一种基于计算机视觉的水稻叶片spad值估测方法及系统
CN108710766A (zh) 一种基于生长模型的温室植物水肥机调肥参数计算方法
CN103278503A (zh) 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统
CN113570538B (zh) 一种叶片rgb图像偏态分布参数信息采集及分析方法
CN109960972A (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
KR101726944B1 (ko) 작물의 생육 정보 수집 장치 및 방법
CN115620151A (zh) 物候期识别方法、装置、电子设备和存储介质
CN114140695B (zh) 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统
Atsmon et al. Hyperspectral imaging facilitates early detection of Orobanche cumana below-ground parasitism on sunflower under field conditions
CN112330672B (zh) 基于prosail模型和冠层覆盖度优化的作物叶面积指数反演方法
CN111932551B (zh) 一种水稻插秧机的漏插率检测方法
KR102201595B1 (ko) 딸기의 이미지 분석을 통한 생육 진단 방법
CN107818565B (zh) 一种小麦一至三叶期麦苗数量调查方法

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant