KR102296308B1 - 3차원 식물 구조 모델과 광추적 시뮬레이션에 기초한 식물 분석 장치 및 그 방법 - Google Patents

3차원 식물 구조 모델과 광추적 시뮬레이션에 기초한 식물 분석 장치 및 그 방법 Download PDF

Info

Publication number
KR102296308B1
KR102296308B1 KR1020190180016A KR20190180016A KR102296308B1 KR 102296308 B1 KR102296308 B1 KR 102296308B1 KR 1020190180016 A KR1020190180016 A KR 1020190180016A KR 20190180016 A KR20190180016 A KR 20190180016A KR 102296308 B1 KR102296308 B1 KR 102296308B1
Authority
KR
South Korea
Prior art keywords
plant
leaf
simulation
model
light
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
KR1020190180016A
Other languages
English (en)
Other versions
KR20200083368A (ko
Inventor
손정익
강우현
황인하
김동필
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Publication of KR20200083368A publication Critical patent/KR20200083368A/ko
Application granted granted Critical
Publication of KR102296308B1 publication Critical patent/KR102296308B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Botany (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Environmental Sciences (AREA)
  • Cultivation Of Plants (AREA)

Abstract

본 발명은 3차원 식물 구조 모델과 광추적 시뮬레이션에 기초한 식물 분석 장치 및 그 방법에 관한 것으로, 식물의 3차원 스캔 데이터를 기반으로 식물의 구조 모델을 역설계하여 파라메트릭 모델을 구축하는 3차원 모델링부, 파라메트릭 모델을 이용하여 선택된 하나 이상의 시뮬레이션 조건에 따른 시뮬레이션 환경을 설정하고, 시뮬레이션 환경에 따른 광추적 시뮬레이션을 수행하는 광추적 시뮬레이션부, 그리고 광추적 시뮬레이션을 통한 결과 데이터에 광합성 모델을 적용하여 식물의 개체 광합성을 분석하는 분석부를 포함한다.

Description

3차원 식물 구조 모델과 광추적 시뮬레이션에 기초한 식물 분석 장치 및 그 방법{APPARATUS AND METHOD FOR PLANT ANALYSIS BASED ON 3D PLANT STRUCTURE MODEL AND RAY TRACING SIMULATION}
3차원 식물 구조 모델과 광추적 시뮬레이션에 기초한 식물 분석 장치 및 그 방법이 제공된다.
온실 내 식물의 최종 생산량은 식물의 광합성 누적량에 의해 결정되기 때문에, 광합성은 식물의 생육과 발달을 분석하는 데 중요한 지표이다.
식물의 광합성은 광도, 온도, CO2 농도, 상대습도 등 다양한 기상 변수에 영향을 받으며, 구체적으로 엽 광합성은 기상 요인뿐 아니라 엽각, 엽 분포 등 식물의 구조적인 요인에도 영향을 받는다.
그러므로 식물의 광합성에 대한 정확한 분석을 하기 위해서는 정확한 식물의 수광량이 요구된다. 다만, 식물의 수광량을 정확하게 실측하여 적용하기에는 많은 시간, 비용등이 요구되기 때문에, 일반적으로 단순화된 모델링을 이용하여 분석을 수행한다.
최근에는 식물을 3차원 구조로 모델을 구축하고 구축된 모델을 기반으로 수광량 또는 광합성을 분석하는 연구가 진행되고 있다. 이러한 3차원 구조의 식물 모델을 이용하여 분석하는 기술은 보다 더 실제적이고 정교한 분석이 가능하여 식물과 환경과의 상호작용을 분석하는 데 용이하다.
다만, 기존의 3차원 식물 모델로 사용된 기능 구조 식물 모델(functional-structural plant model, FSPM)은 단순한 구조 및 외형으로 인해 해상도가 떨어지며, 수광 분석 결과의 정확도가 낮게 도출된다.
이에, 3차원 스캔을 통한 식물 구조의 분석으로부터 모델을 구축하여 정확도가 높은 광추적 시뮬레이션 및 광합성 분석을 수행할 수 있는 기술이 요구된다.
본 발명의 하나의 실시예는 3차원 스캔에 기초한 식물 구조 모델과 이를 이용한 광추적 시뮬레이션을 통해 식물 구조-수광 및 생육의 연관성을 분석하는 장치 및 방법을 제공하기 위한 것이다.
상기 과제 이외에도 구체적으로 언급되지 않은 다른 과제를 달성하는 데 사용될 수 있다.
본 발명의 하나의 실시예에 따른 식물의 3차원 스캔 데이터를 기반으로 식물의 구조 모델을 역설계하여 파라메트릭 모델(parametric)을 구축하는 3차원 모델링부, 파라메트릭 모델을 이용하여 선택된 하나 이상의 시뮬레이션 조건에 따른 시뮬레이션 환경을 설정하고, 시뮬레이션 환경에 따른 광추적 시뮬레이션을 수행하는 광추적 시뮬레이션부, 그리고 광추적 시뮬레이션을 통한 결과 데이터에 광합성 모델을 적용하여 식물의 개체 광합성을 분석하는 분석부를 포함한다.
3차원 모델링부는, 식물의 3차원 스캔 데이터를 통해 식물의 X,Y,Z 위치와 메시 데이터의 점 위치마다 RGB 색상 정보를 포함하는 점군 데이터를 수집하고, 식물의 구조마다 점군 데이터를 분류하여 점군 데이터에 포함된 결함을 보정할 수 있다.
3차원 모델링부는, 식물의 3차원 스캔 데이터를 통해 식물의 구조에 대한 매개 변수를 설정하고, 매개 변수에 기초하여 식물의 구조를 모델링할 수 있다.
광추적 시뮬레이션부는, 가상 온실의 크기, 가상 온실 상의 배치, 온도, 습도, 이산화탄소 농도 또는 시간 중에서 하나 이상을 포함하는 시뮬레이션 조건을 입력받으면, 시뮬레이션 조건에 따라 형성된 가상 환경에 파라메트릭 모델을 배치하여 시뮬레이션 환경을 설정할 수 있다.
광추적 시뮬레이션부는, 시뮬레이션 환경에서 배치된 파라메트릭 모델을 광추적 시뮬레이션에 적용하여 단일 잎, 단일 식물 또는 그룹 식물 수준에서의 식물 표면의 수광 세기 또는 수광 분포를 산출할 수 있다.
분석부는, 식물의 복수개의 서로 상이한 기준 높이에서 잎 광합성 측정의 비선형 회귀 분석을 통해 광합성 파라미터를 산출하고, 광합성 파라미터와 식물 표면의 수광 세기 또는 수광 분포를 광합성 모델(FvCB)에 적용하여 기준 높이에서 식물의 잎 광합성율을 산출할 수 있다.
분석부는, 다음 수학식을 통해 광합성 속도(A)를 산출할 수 있다.
Figure 112019136282679-pat00001
여기서, A는 시뮬레이션의 총 광합성 속도이고, Ac는 루비스코 제한 구간의 광합성 속도, Aj는 전자 전달 제한 구간의 광합성 속도이다.
본 발명의 하나의 실시예에 따른 적어도 하나의 프로세스에 의해 동작하는 컴퓨팅 장치가 식물을 분석하는 방법으로서, 식물의 3차원 스캔 데이터를 기반으로 메시 데이터 수집하는 단계, 3차원 스캔 메시 데이터에서 오류를 탐지하여 보정하는 전처리 작업을 수행하는 단계, 식물에 대한 구조 모델을 역설계하고, 역설계한 식물에 구조 모델에 기초하여 파라메트릭 모델(parametric)을 구축하는 단계, 선택된 하나 이상의 시뮬레이션 조건에 따른 시뮬레이션 환경을 설정하는 단계, 파라메트릭 모델을 이용하여, 시뮬레이션 환경에 따른 광추적 시뮬레이션을 수행하는 단계, 그리고 광추적 시뮬레이션을 통한 결과 데이터에 광합성 모델을 적용하여 상기 식물의 개체 광합성을 분석하는 단계를 포함한다.
본 발명의 하나의 실시예에 따르면, 고해상도의 3차원 스캐너를 식물 구조 모델 구축에 이용하여 보다 실제적인 식물 모델을 제공할 수 있다.
본 발명의 하나의 실시예에 따르면, 식물 재배 시 발생하는 여러 환경 변화에 대응한 시뮬레이션을 통해 다양한 조건에서의 식물에 대한 수광과 생육 평가를 제공할 수 있다.
본 발명의 하나의 실시예에 따르면, 식물의 수광 환경, 생리학적 반응, 식물 구조-수광 연관성, 전반적인 식물의 환경 및 생태 정보를 분석함에 있어서 높은 정확도 및 신뢰성을 확보할 수 있다.
도 1은 본 발명의 하나의 실시예에 따른 식물 분석 장치가 구축한 파라메트릭 모델을 통해 도출된 개체 분석을 나타낸 예시도이다.
도 2는 본 발명의 하나의 실시예에 따른 식물 분석 장치의 3차원 식물 구조 모델에 기초한 광합성 산출 방법을 나타낸 순서도이다.
도 3은 본 발명의 하나의 실시예에 따른 식물 구조 모델에서의 잎의 물리적 특성을 나타낸 예시도이다.
도 4는 본 발명의 하나의 실시예에 따른 식물 구조 모델에서의 잎 곡률, 방사 각도에 따른 잎의 수광 분포를 나타내는 예시도이다.
도 5는 본 발명의 하나의 실시예에 따른 입사 방사선 각도에 따른 잎의 수광 값을 나타낸 예시도이다.
도 6은 본 발명의 하나의 실시예에 따른 방사 각도에 따른 잎의 수광 분포에 대해 저곡률 파라메트릭 모델과 스캔 파라메트릭 모델간에 비교를 위한 그래프이다.
도 7은 본 발명의 하나의 실시예에 따른 수광 분포를 나타낸 예시도이다.
도 8은 본 발명의 하나의 실시예에 따른 잎과 전체 식물 수준에서 수광 분포에 따른 도출된 광합성 비율을 나타낸 그래프이다.
도 9는 본 발명의 하나의 실시예에 따른 시뮬레이션에 따른 수광 분포 및 광합성 분포를 나타낸 그래프이다.
첨부한 도면을 참고로 하여 본 발명의 실시예에 대해 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 도면부호가 사용되었다. 또한 널리 알려져 있는 공지기술의 경우 그 구체적인 설명은 생략한다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
명세서 상에서 수광이란, 해당 빛을 흡수함에 따라 전달되는 빛의 양이 줄어드는 것을 의미한다. 예를 들어, 식물 상단에서 수광 값이 높다는 것은 해당 식물 상단에서 흡수되는 빛의 양이 크다는 것을 의미한다.
명세서 상에서 3D 스캔 데이터, 3D 스캔 메시 데이터, 메시 데이터로 작성된 데이터는 모두 3D 스캐너를 통해 수집한 데이터를 의미하는 것이다.
명세서 상에서 식물은 다양한 농법을 이용하여 재배 가능한 농작물을 모두 포함한다.
도 1은 본 발명의 하나의 실시예에 따른 식물 분석 장치가 구축한 파라메트릭 모델을 통해 도출된 개체 분석을 나타낸 예시도이다.
도 1에 도시한 바와 같이, 식물 분석 장치는 식물의 3D 스캔 데이터를 수집하고 이를 이용하여 파라메트릭 모델을 구축하며, 구축된 파라메트릭 모델에 기초하여 개체 광합성을 분석할 수 있다.
식물 분석 장치는 실제 식물에 대해 3차원 스캐너를 통해 스캔하여 얻어진 메시(mesh) 데이터를 이용하여 다양한 분석 과정에 적용가능한 형태로 변환하기 위해 파라메트릭 모델을 구축한다.
이때, 식물 분석 장치는 실제 3차원 스캐너와 연동되거나 식물의 3차원 메시 데이터가 저장된 데이터베이스와 연동되어 해당 식물의 3차원 스캔 메시 데이터를 수집할 수 있다.
다시 말해, 식물 분석 장치는 해당 3차원 스캔 메시 데이터에 대해 전처리 과정을 수행하여 파라메트릭 모델을 구축할 수 있다. 또는 식물 분석 장치는 3차원 스캔 메시 데이터를 이용하여 식물 구조에 대한 매개 변수 값을 산출한 다음 식물 구조를 모델링한 후 식물 구조 모델을 수행한 후, 파라메트릭 모델을 구축할 수 있다.
이러한 파라메트릭 모델을 구축하기 전 프로세스는 추후에 사용자에 의해 용이하게 변경 및 설정가능하다.
식물 분석 장치는 식물에 대한 파라메트릭 모델을 구축하면, 광 추적 시뮬레이션을 통해 수광 데이터를 획득할 수 있다.
이처럼, 식물 분석 장치는 3차원 스캔을 통해 메시 데이터를 추출하고, 메시 데이터를 기초하여 파라메트릭 모델로 역설계한 뒤, 광 추적 시뮬레이션을 파라메트릭 모델에 하여 식물의 수광 데이터를 얻는 전 과정을 데이터뿐 아니라 3D 이미지로 제공할 수 있다.
한편, 식물 분석 장치의 하드웨어는 프로세서, 메모리, 스토리지, 디스플레이, 통신 인터페이스를 포함하는 컴퓨팅 장치로서, 프로그램을 구동할 수 있는 운영체제를 비롯한 각종 소프트웨어가 탑재하여 연산 처리 능력을 갖춘 장치를 통칭한다. 예를 들어, 퍼스널 컴퓨터(personal computer), 핸드헬드 컴퓨터(handheld computer), PDA(personal digital assistant), 휴대폰, 스마트 기기, 태블릿(tablet) 등과 같은 다양한 형태의 단말을 포함한다.
또한, 식물 분석 장치는 서버, 단말, 또는 이들이 결합된 형태일 수 있다.
단말은 각각 메모리(memory), 프로세서(processor)를 구비함으로써 연산 처리 능력을 갖춘 장치를 통칭하는 것이다. 예를 들어, 퍼스널 컴퓨터(personal computer), 핸드헬드 컴퓨터(handheld computer), PDA(personal digital assistant), 휴대폰, 스마트 기기, 태블릿(tablet) 등이 있다.
서버는 복수개의 모듈(module)이 저장되어 있는 메모리, 그리고 메모리에 연결되어 있고 복수개의 모듈에 반응하며, 단말에 제공하는 서비스 정보 또는 서비스 정보를 제어하는 액션(action) 정보를 처리하는 프로세서, 통신 수단, 그리고 UI(user interface) 표시 수단을 포함할 수 있다.
메모리는 정보를 저장하는 장치로, 고속 랜덤 액세스 메모리(high-speed random access memory, 자기 디스크 저장 장치, 플래시 메모리 장치, 기타 비휘발성 고체 상태 메모리 장치(non-volatile solid-state memory device) 등의 비휘발성 메모리 등 다양한 종류의 메모리를 포함할 수 있다.
통신 수단은 단말과 서비스 정보 또는 액션 정보를 실시간으로 송수신한다.
UI 표시 수단은 장치의 서비스 정보 또는 액션 정보를 실시간으로 출력한다. UI 표시 수단은 UI를 직접적 또는 간접적으로 출력하거나 표시하는 독립된 장치일 수도 있으며, 또는 장치의 일부분일 수도 있다.
이하에서는 도 2 내지 도 9를 이용하여 3차원 식물 구조 모델을 구축하고, 광추적 시뮬레이션을 수행하여 식물의 광합성을 도출하는 식물 분석 장치의 분석 방법에 대해서 상세하게 설명한다.
도 2는 본 발명의 하나의 실시예에 따른 식물 분석 장치의 3차원 식물 구조 모델에 기초한 광합성 산출 방법을 나타낸 순서도이다.
도 2에 도시한 바와 같이, 식물 분석 장치는 식물에 대한 3D 스캔 메시 데이터 수집한다(S110).
식물 분석 장치는 3D 스캐너와 연동되어 실시간으로 식물을 스캔한 3D 스캔 메시 데이터를 수집하거나 별도로 저장된 데이터베이스에서 분석하고자 하는 식물의 3D 스캔 메시 데이터를 수집할 수 있다.
여기서, 3D 스캔 메시 데이터는 정맥과 같은 잎 구조의 세부사항이 포함되어 있으며, 식물의 X,Y,Z 위치와 메시 데이터의 점 위치마다 RGB 색상 정보를 포함하는 점군 데이터(point clouds)를 포함한다.
다음으로 식물 분석 장치는 식물에 대한 3D 스캔 메시 데이터에 전처리 작업을 수행한다(S120).
식물 분석 장치는 식물의 3D 스캔 메시 데이터를 개별 잎, 줄기 및 농작물(열매)로 분류하고 분류된 3D 스캔 메시 데이터에서 구멍(빈 공간) 또는 부유 조각과 같은 결함을 보정할 수 있다.
예를 들어, 주변 영역의 3D 스캔 메시 데이터 값을 이용하여 빈 공간의 3D 스캔 메시 데이터를 추정하여 보정할 수 있다. 또는 3D 스캔 메시 데이터 또는 점군 데이터(point clouds)에서 이상 값과 노이즈 제거 등의 필터링을 수행할 수 있다.
한편, 식물 분석 장치는 3D 스캔 메시 데이터를 전처리 작업을 수행하지 않고, 별도로 식물의 구조 모델을 구축할 수 있다.
다시 말해, 식물 분석 장치는 식물 구조 모델을 3D 스캔 데이터에서 직접 재구성하거나 구조 매개 변수를 설정하여, 식물 구조 모델을 구축할 수 있다.
여기서, 재구성에 사용되는 매개 변수는 줄기 너비, 잎 길이, 잎 너비, 잎자루 길이, 절점 길이, 잎 분포 및 잎 각도 중에 하나 이상을 포함하며, 이러한 매개 변수를 기초로 하여 식물의 구조 모델을 구축할 수 있다.
다음으로 식물 분석 장치는 식물의 구조 모델에 대한 역설계를 수행하여 해당 식물에 대한 파라메트릭 모델을 구축한다(S130).
여기서, 역설계란 실제 설계데이터가 존재하지 않는 실물의 형상을 스캔하여 이를 기반으로 CAD 데이터를 만드는 과정을 의미하나 반드시 CAD 데이터로 한정하는 것은 아니고, 다른 프로그램과의 호환성이 높아, 다양한 분석 과정에서 활용도가 높은 데이터를 모두 포함한다.
그리고 식물 분석 장치는 복수개의 잎의 형상에 대응하여 단일 잎 수준에서 파라메트릭 모델을 구축하고, 식물의 생육 단계에 대응하여 단일 식물 또는 그룹 식물 수준에서 파라메트릭 모델을 구축할 수 있다.
도 3은 본 발명의 하나의 실시예에 따른 식물 구조 모델에서의 잎의 물리적 특성을 나타낸 예시도이고,
도 3에 도시한 바와 같이, 식물 분석 장치는 잎의 길이와 너비에 따른 크기와 곡률이 서로 다른 N개의 잎을 샘플링할 수 있다.
도 3의 a는 샘플링된 서로 다른 크기와 곡률을 가지는 6개의 잎의 형상을 나타내고, 도 3의 b는 분석하고자 하는 식물에서 스캔된 총 잎의 형상을 길이, 너비 그리고 잎의 면적에 따라 분류한 그래프이다.
식물 분석 장치는 상황에 따라, 스캔된 총 잎마다의 형상을 이용하여 파라메트릭 모델을 구축하거나 각 형상에 기초하여 미리 설정된 오차 범위 이내로 그룹핑하고 각 그룹핑마다 대표적인 잎의 형상을 샘플링하여 파라메트릭 모델을 구축할 수 있다.
이에, 식물 분석 장치는 3D 스캐닝 데이터에 기초하여 단일 잎의 파라메트릭 모델을 구축하기 때문에 각 잎의 정맥과 같은 세부적인 데이터를 포함한다.
도 4에 도시한 바와 같이, a는 3D 스캐닝을 이용한 파라메트릭 모델 (scanned parametric model, 이하에서는 SPM로 칭함)으로 구성된 높은 정확도 모델이고, b는 저곡률 파라메트릭 모델 (low-curvature parametric model, 이하에서는 LPM로 칭함)을 통해 나타낸 단일 잎의 모델을 나타낸다.
도 4의 a는 잎 정맥 또는 꼬인 형태와 같은 정교한 잎 세부 사항을 가지고 있으며, b는 일반적인 잎 개요에 기초하여 구조적 세부 사항이 생략된 구조를 가진다.
도 4를 보면, 들어오는 빛의 방사 각도에 따른 a와 b의 전반적인 수광 값의 분포를 비교해보면, 잎의 세세한 정맥과 같은 세부 사항에 대한 값의 차이 외에 전반적인 값은 유사범위에 있는 것을 확인할 수 있다.
다시 말해, SPM에서는 나뭇잎의 곡률에 따라 수광값이 달라져, 상대적으로 다양한 색상으로 표현되지만 LPM에서는 균일한 수광 분포로 대체적으로 단색으로 표현됨을 확인할 수 있다.
이처럼, 역설계를 통해 구축된 3D 스캐닝을 이용한 파라메트릭 모델(SPM)은 CAD소프트웨어등과 같은 프로그램과 호환이 가능하며, 소프트웨어 내에서 자유롭게 배치 및 환경 모델링이 가능하다.
다음으로 식물 분석 장치는 선택된 하나 이상의 시뮬레이션 조건에 따른 시뮬레이션 환경을 설정한다(S140).
여기서, 시뮬레이션 조건은 가상 온실의 크기, 가상 온실 상의 배치, 온도, 습도, 이산화탄소 농도 또는 시간 중에서 하나 이상을 포함하지만, 반드시 이에 한정되는 것은 아니다. 추후에 사용자에 의해 용이하게 추가 또는 변경 가능하다.
또한, 시뮬레이션 조건은 식물의 내부 조건, 외부 환경 조건 등 다양하게 설정할 수 있어, 다양한 환경에서의 식물의 분석이 가능하다.
예를 들어, 식물 분석 장치는 식물 재배 환경, 발생 가능한 여러 환경 변화, 수확량과 관련된 재배 환경 도출 등을 위해 다양하게 시뮬레이션 조건을 설정할 수 있다.
식물 분석 장치는 단일 잎, 단일 식물 그리고 하나의 이상의 식물이 배치된 온실 내 그룹 식물에 따라 각각 시뮬레이션 조건을 설정할 수 있다.
다음으로 식물 분석 장치는 설정된 시뮬레이션 환경에 대응하여 광추적 시뮬레이션을 수행한다(S150).
식물 분석 장치는 설정된 시뮬레이션 환경에 배치된 파라메트릭 모델에 광 추적 시뮬레이션을 수행하여 식물 표면에 수광 분포를 산출할 수 있다.
도 5는 본 발명의 하나의 실시예에 따른 입사 방사선 각도에 따른 잎의 수광 값을 나타낸 예시도이고 도 6은 본 발명의 하나의 실시예에 따른 방사 각도에 따른 잎의 수광 분포에 대해 저곡률 파라메트릭 모델과 스캔 파라메트릭 모델간에 비교를 위한 그래프이다.
도 5는 6개의 샘플링된 단일 잎의 파라메트릭 모델을 이용하여 입사각에 따른 SPM와 LPM의 수광 분포를 수치화하여 나타낸 그래프이다.
도 5에 도시한 바와 같이, 균일하게 수광 분포를 가진 LPM의 값이 상대적으로 SPM보다 더 높은 값을 가지는 것을 확인할 수 있다.
다만 입사각이 감소함에 따라 수광의 값의 차이는 더 크게 나타났다.
도 6에 도시한 바와 같이, 단일 잎의 수광은 입사선 각도 및 잎 모양에 따라 다양하게 나타난다. 입사 방사선 각도가 0 °일 때, 평균 수광 값은 SPM의 경우 306.2 μmol · m-2 · s-1이고 LPM의 경우 378.2 μmol · m-2 · s-1을 가진다. 이에 수광 값은 LPM에서 SPM보다 약 1.23 배 높게 나타난다.
반면, 입사 방사선 각도가 90 ° 또는 -90 ° 인 경우 LPM은 109.8 μmol · m-2 · s-1을 수광하고 SPM은 63.4 μmol · m-2 · s-1을 수광한다.
그러므로 LPM 대 SPM의 광 차단 비율은 0 ° 입사 방사선 각도에서 1.2 였지만, 입사 방사선 각도가 60 °보다 높거나 -60 °보다 낮아짐에 따라 1.0 미만으로 감소함을 알 수 있다.
이처럼, 세부적인 잎의 데이터 정보에 의해 도출되는 수광 값이 달라짐을 확인할 수 있다.
한편, 도 7은 본 발명의 하나의 실시예에 따른 수광 분포를 나타낸 예시도이다. 전체 식물의 3*3 등방성 배열 내에서 수광 공간 분포를 산출하면, 도 7과 같다.
도 7의 a는 2000 μmol m-2 s의 광도에서 스캔된 파라메트릭 모델(SPM)을 나타내고, b는 2000 μmol m-2 s의 광도에서 저곡률 파라메트릭 모델(LPM)을 나타낸다.
도 7을 비교하면, SPM 보다 LPM에서 수광 값이 더 크게 나타난다. 특히, 식물의 중단 및 하단 영역에서 SPM과 LPM의 차이가 크게 나타난다.
상세하게는 SPM에서는 그룹 식물 수준에서 발생되는 식물간 상호 음영으로 인해 수광률이 낮아지는 현상이 반영되었음을 알 수 있다.
다음으로 식물 분석 장치는 광추적 시뮬레이션을 통한 결과 데이터에 광합성 모델을 적용하여 광합성을 산출한다(S160).
식물 분석 장치는 측정된 환경에 대한 정보로부터 FvCB 모델을 이용하여 복합 환경 요인에 대한 엽 광합성 속도를 계산할 수 있다.
FvCB 모델은 온도, 광도 및 이산화탄소 농도로부터 계산되는 루비스코 제한 구간의 광합성 속도 및 전자 전달 제한 구간의 광합성 속도를 포함할 수 있다.
식물 분석 장치는 식물의 복수개의 서로 상이한 기준 높이에 대해서 광합성 파라미터를 산출하고, 이를 FvCB 모델에 적용하여 각 기준 높이에 대한 잎 광합성 속도를 산출할 수 있으며 이를 통해 광합성 속도 분포를 도출할 수 있다.
예를 들어, 광합성 파라미터 (Vmax, Jmax)는 캐노피의 상단, 중간 및 하단에서 잎 광합성 측정의 비선형 회귀 분석으로부터 계산될 수 있다.
구체적으로 엽 광합성 속도(A)는 다음의 수학식 1으로 정의될 수 있다.
[수학식 1]
Figure 112019136282679-pat00002
여기서, A는 시뮬레이션의 총 광합성 속도이고, Ac는 루비스코 제한 구간의 광합성 속도, Aj는 전자 전달 제한 구간의 광합성 속도이다.
그리고 루비스코 제한 구간의 광합성 속도는 다음의 수학식 2으로 정의될 수 있다.
[수학식 2]
Figure 112019136282679-pat00003
여기서, Ac는 루비스코 제한 구간의 광합성 속도(μmol CO2/m2/s) 이고, Vc는 특정 광도에서의 카르복실화 용량(μmol CO2/m2/s), Ci는 세포 내 이산화탄소 농도(μmol/mol), Γ*는 이산화탄소 보상점(μmol/mol), Kc는 이산화탄소에 대한 Rubisco의 Michaelis-Menten 상수(μmol/mol), O는 산소 농도(mmol/mol)), Rac는 호흡 속도(μmol CO2/m2/s)이다.
여기서, 카르복실화 용량은 특정 광도에서의 카르복실화 용량일 수 있으며, 다음 수학식 3으로 정의될 수 있다.
[수학식 3]
Figure 112019136282679-pat00004
여기서, Vc는 특정 광도에서의 카르복실화 용량(μmol CO2/m2/s), Vcmax는 최대 카르복실화 용량(μmol CO2/m2/s), PAR은 광합성 유효 광량 자속 밀도(μmol/m2/s)이다.
이때, 특정 광도에서의 카르복실화 용량은 식물의 위치에 따라 상이한 값을 갖는 최대 카르복실화 용량에 따라서 변화할 수 있다.
전자전달 제한 구간의 광합성 속도는 다음의 수학식 4으로 정의될 수 있다.
[수학식 4]
Figure 112019136282679-pat00005
여기서, Aj는 전자전달 제한 구간의 광합성 속도(μmol CO2/m2/s), J는 특정 광도에서의 전자전달 속도(μmol/m2/s), Ci는 세포 내 이산화탄소 농도(μmol/mol), Γ*는 이산화탄소 보상점(μmol/mol), Raj는 호흡 속도(μmol CO2/m2/s)이다.
전자전달 속도는 특정 광도에서의 전자전달 속도일 수 있으며, 다음 수학식 5와 같이 정의될 수 있다. 여기서, 특정 광도에서의 전자전달 속도는 식물의 높이에 따라 상이한 값을 갖는 최대 전자전달 속도에 따라서 변화할 수 있다.
[수학식 5]
Figure 112019136282679-pat00006
여기서, J는 특정 광도에서의 전자전달 속도(μmol/m2/s), Jmax는 최대 전자전달 속도(μmol/m2/s), PAR은 광합성 유효 광량 자속 밀도(μmol/m2/s), α는 광이용효율(μmol/mol), θ는 J에 대한 광반응 곡률(무차원)이다.
도 8은 본 발명의 하나의 실시예에 따른 잎과 전체 식물 수준에서 수광 분포에 따른 도출된 광합성 비율을 나타낸 그래프이다.
도 8의 (a)는 광 세기에 따른 잎 광합성 비율, (b)는 수광 분포에 따른 단일 식물 수준의 빛 강도 분포, (c)는 평균 수광 분포에 따른 평균 광합성 비율, 그리고 (d)는 캐노피 수준에서의 평균 수광 분포에 따른 평균 광합성 비율을 나타낸다.
여기서, 캐노피 수준에서의 평균 광합성 비율은 전체 식물의 총 엽 면적으로 나눈 총 광합성 비율을 의미한다.
이때, 잎, 식물의 입사 방사선 각도는 0도 이다.
이때, FvCB 모델에 기초한 상부 식물의 잎에서의 광-광합성 곡선은 Rubisco 및 전자 수송 제한을 모두 고려하여 구성된다. 그리고 도 8의 (b)에 도시한 바와 같이, 잎의 전체 수광 분포에서 두 모델(SPM, LPM)간에 상대 주파수가 다른 것을 확인할 수 있다. 특히, 도 8의 (c)와 (d)를 보면, LPM의 평균 광합성 비율은 단일 잎, 단일 또는 그룹 식물 수준에서 모든 광도에서 SPM의 것보다 높았다.
상세하게는 두 모델에서, 평균 광합성 속도는 빛의 세기와 분포에 따라 달라졌다. 수광과 달리 광합성의 큰 차이는 LPM이 전체 광합성 효율이 높은 균일한 수광 분포를 보였기 때문이다(도 8의 b). 그러나, SPM 대 LPM의 광합성 비율은 광 강도가 증가함에 따라 점차 감소한다. 평균 광합성율의 차이는 광 차단 값이 광포화점에 접근하기 때문에 광 강도가 증가함에 따라 감소하였다. 단일 식물 수준에서 광합성 곡선이 그림 8과 같이 잎 수준보다 낮은 이유는 캐노피의 하부가 그림 9에 도시 된 바와 같이 발생한 식물의 상호 음영의 영향에 의한 결과임을 알 수 있다.
잎 광합성 효율의 지표 인 Vcmax 및 Jmax도 하부 캐노피에서 더 낮았으므로, 단일 식물 수준에서의 전체 광합성 비율보다 잎 수준에서의 전체 광합성 비율이 높게 나타났다. 광합성 효율은 하부 캐노피쪽으로 낮음을 확인할 수 있다. 이처럼, LPM은 편향된 광합성을 추정할 수 있지만 SPM은 광범위한 광 분포를 위해 광합성을 정확하게 파악할 수 있다.
도 9는 본 발명의 하나의 실시예에 따른 시뮬레이션에 따른 수광 분포 및 광합성 분포를 나타낸 그래프이다.
도 9에 도시한 바와 같이, 식물 분석 장치는 a와 같은 시뮬레이션 환경을 설정하고, 생성한 식물의 파라메트릭 모델을 배치하고, 이를 이용하여 광합성 비율을 산출한다.
이때, 식물을 재배 공간의 밀집도에 따라 발생하는 식물 자체의 상호 음영 또는 식물간의 상호 음영에 영향을 받는다.
그러므로, 보다 구체적인 분석을 위해 식물 분석 장치는 식물의 수직적 높이를 분류하여, 각 높이에서의 광합성을 산출하고 분석할 수 있다.
도 9의 b는 식물의 상단, 중단, 하단으로 구분하여 각각의 영역에 대한 광합성율을 산출하여 나타낸 그래프이다. 도 9의 b와 c에 도시한 바와 같이, 상단에서 하단으로 갈수록 빛에 노출이 없어지고 그에 따라 광합성이 크게 감소되는 것을 확인할 수 있다.
이와 같이, 3D 스캔 식물 모델은 단일 잎, 단일 식물 또는 집단 식물 수준에서 식물의 빛 차단 및 광합성 비율을 정확하게 추정 할 수 있다. 그러므로 식물 환경 및 생태에 대한 정확한 분석에 의해 온실 내 재배 전략 수립, 식물공장 내 최적 재배 형태 수립, 식물 재배용 광원의 영향 평가 등과 같이 다양하게 활용할 수 있다.
본 발명의 하나의 실시예에 따른 방법을 실행시키기 위한 프로그램은 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다.
컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 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, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 여기서 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드가 포함된다.
이상에서 본 발명의 바람직한 하나의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (12)

  1. 식물의 3차원 스캔 데이터를 기반으로 상기 식물의 구조 모델을 역설계하여 상기 식물의 파라메트릭 모델(parametric)을 구축하는 3차원 모델링부,
    상기 식물의 파라메트릭 모델을 이용하여 선택된 하나 이상의 시뮬레이션 조건에 따른 시뮬레이션 환경을 설정하고, 상기 시뮬레이션 환경에 따른 광추적 시뮬레이션을 수행하는 광추적 시뮬레이션부, 그리고
    상기 광추적 시뮬레이션을 통한 결과 데이터에 광합성 모델을 적용하여 상기 식물의 개체 광합성을 분석하는 분석부,
    를 포함하고,
    상기 3차원 모델링부는,
    상기 식물의 3차원 스캔 데이터를 통해 상기 식물의 X,Y,Z 위치와 메시 데이터의 점 위치마다 RGB 색상 정보를 포함하는 점군 데이터를 수집하고, 상기 식물의 구조마다 상기 점군 데이터를 분류하여 상기 점군 데이터에 포함된 구멍 또는 부유 조각에 대한 결함을 보정하고,
    복수 개의 잎의 형상에 대응하여 각 잎의 정맥과 잎 구조의 세부사항이 포함되도록 단일 잎의 파라메트릭 모델을 구축하고, 상기 단일 잎의 파라메트릭 모델 기반으로 상기 식물의 생육 단계에 기초하여 상기 식물의 파라메트릭 모델을 구축하며,
    상기 결과 데이터는 상기 잎의 정맥과 상기 잎 구조의 세부 사항에 따른 수광 분포를 포함하는 식물 분석 장치.
  2. 삭제
  3. 제1항에서,
    상기 3차원 모델링부는,
    상기 식물의 3차원 스캔 데이터를 통해 식물의 구조에 대한 매개 변수를 설정하고, 상기 매개 변수에 기초하여 상기 식물의 구조를 모델링하는 식물 분석 장치.
  4. 제1항에서,
    상기 광추적 시뮬레이션부는,
    가상 온실의 크기, 상기 가상 온실 상의 배치, 온도, 습도, 이산화탄소 농도 또는 시간 중에서 하나 이상을 포함하는 상기 시뮬레이션 조건을 입력받으면, 상기 시뮬레이션 조건에 따라 형성된 가상 환경에 상기 파라메트릭 모델을 배치하여 상기 시뮬레이션 환경을 설정하는 식물 분석 장치.
  5. 제4항에서,
    상기 광추적 시뮬레이션부는,
    상기 시뮬레이션 환경에서 배치된 상기 파라메트릭 모델을 광추적 시뮬레이션에 적용하여 단일 잎, 단일 식물 또는 그룹 식물 수준에서의 상기 식물 표면의 수광 세기 또는 수광 분포를 산출하는 식물 분석 장치.
  6. 제5항에서,
    상기 분석부는,
    상기 식물의 복수개의 서로 상이한 기준 높이에서 잎 광합성 측정의 비선형 회귀 분석을 통해 광합성 파라미터를 산출하고, 상기 광합성 파라미터와 상기 식물 표면의 수광 세기 또는 수광 분포를 광합성 모델(FvCB)에 적용하여 상기 기준 높이에서 상기 식물의 잎 광합성율을 산출하는 식물 분석 장치.
  7. 제5항에서,
    상기 분석부는,
    다음 수학식을 통해 광합성 속도(A)를 산출하는 식물 분석 장치.
    Figure 112019136282679-pat00007

    여기서, A는 시뮬레이션의 총 광합성 속도이고, Ac는 루비스코 제한 구간의 광합성 속도, Aj는 전자 전달 제한 구간의 광합성 속도를 의미함
  8. 적어도 하나의 프로세서에 의해 동작하는 컴퓨팅 장치가 식물을 분석하는 방법으로서,
    식물의 3차원 스캔 데이터를 기반으로 잎의 정맥과 잎 구조의 세부사항이 포함된 3차원 스캔 메시 데이터 수집하는 단계,
    상기 3차원 스캔 메시 데이터에서 오류를 탐지하여 보정하는 전처리 작업을 수행하는 단계,
    상기 식물에 대한 구조 모델을 역설계하고, 역설계한 상기 식물에 구조 모델에 기초하여 상기 잎의 정맥과 상기 잎 구조의 세부사항이 포함된 파라메트릭 모델(parametric)을 구축하는 단계,
    선택된 하나 이상의 시뮬레이션 조건에 따른 시뮬레이션 환경을 설정하는 단계,
    상기 파라메트릭 모델을 이용하여, 상기 시뮬레이션 환경에 따른 광추적 시뮬레이션을 수행하는 단계, 그리고
    상기 광추적 시뮬레이션을 통한 결과 데이터에 광합성 모델을 적용하여 상기 식물의 개체 광합성을 분석하는 단계
    를 포함하고,
    상기 전처리 작업을 수행하는 단계는,
    상기 식물의 3차원 스캔 데이터를 통해 상기 식물의 X,Y,Z 위치와 각 위치마다 RGB 색상 정보를 포함하는 점군 데이터를 수집하고, 상기 식물의 구조마다 상기 점군 데이터를 분류하여 상기 점군 데이터에 포함된 구멍 또는 부유 조각에 대한 오류를 보정하고, 에러를 필터링하며,
    상기 결과 데이터는 상기 잎의 정맥과 상기 잎 구조의 세부 사항에 따른 수광 분포를 포함하는 식물을 분석하는 방법.
  9. 삭제
  10. 제8항에서,
    상기 파라메트릭 모델(parametric)을 구축하는 단계는,
    상기 식물에 대한 복수개의 잎의 형상에 대응하여 단일 잎 수준에서 파라메트릭 모델을 구축하고,
    상기 식물의 생육 단계에 대응하여 단일 식물 또는 그룹 식물 수준에서 파라메트릭 모델을 구축하는 식물을 분석하는 방법.
  11. 제8항에서,
    상기 광추적 시뮬레이션을 수행하는 단계는,
    상기 시뮬레이션 환경에서 배치된 상기 파라메트릭 모델에 기초하여 단일 잎, 단일 식물 또는 그룹 식물 수준에서의 상기 식물 표면의 수광 세기 또는 수광 분포를 산출하는 식물을 분석하는 방법.
  12. 제8항에서,
    상기 식물의 개체 광합성을 분석하는 단계 는,
    상기 식물의 복수개의 서로 상이한 기준 높이에서 잎 광합성 측정의 비선형 회귀 분석을 통해 광합성 파라미터를 산출하고, 상기 광합성 파라미터와 상기 식물 표면의 수광 세기 또는 수광 분포를 광합성 모델(FvCB)에 적용하여 상기 기준 높이에서 상기 식물의 잎 광합성율을 산출하는 식물을 분석하는 방법.
KR1020190180016A 2018-12-31 2019-12-31 3차원 식물 구조 모델과 광추적 시뮬레이션에 기초한 식물 분석 장치 및 그 방법 Active KR102296308B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180174090 2018-12-31
KR1020180174090 2018-12-31

Publications (2)

Publication Number Publication Date
KR20200083368A KR20200083368A (ko) 2020-07-08
KR102296308B1 true KR102296308B1 (ko) 2021-09-01

Family

ID=71601421

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190180016A Active KR102296308B1 (ko) 2018-12-31 2019-12-31 3차원 식물 구조 모델과 광추적 시뮬레이션에 기초한 식물 분석 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102296308B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102736587B1 (ko) * 2021-10-21 2024-12-03 서울대학교산학협력단 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템
CN115017460B (zh) * 2022-05-27 2023-10-13 北京林业大学 植物光环境-固碳效益曲线回归测定方法、系统及介质
KR102739861B1 (ko) * 2022-08-11 2024-12-05 김정엽 환경 상태 정보의 3d 시각화에 기초한 스마트팜 모니터링 및 관제 시스템
CN117173367B (zh) * 2023-08-09 2024-06-04 中国建筑西南设计研究院有限公司 基于Rhino的动态园林植物构件库建立方法及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6293049B2 (ja) 2014-12-26 2018-03-14 株式会社Ｈｉｅｌｅｒｏ 点群データ取得システム及びその方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101963643B1 (ko) * 2017-03-13 2019-04-01 한국과학기술연구원 식물의 표현형 분석을 위한 3d 영상 생성 방법 및 그 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6293049B2 (ja) 2014-12-26 2018-03-14 株式会社Ｈｉｅｌｅｒｏ 点群データ取得システム及びその方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
J.H.KIM et al.*
L. TANG et al.*
S. LI et al.*

Also Published As

Publication number Publication date
KR20200083368A (ko) 2020-07-08

Similar Documents

Publication Publication Date Title
KR102296308B1 (ko) 3차원 식물 구조 모델과 광추적 시뮬레이션에 기초한 식물 분석 장치 및 그 방법
Seidel et al. Crown plasticity in mixed forests—quantifying asymmetry as a measure of competition using terrestrial laser scanning
CN111080173B (zh) 一种森林系统碳通量的估计方法
CN116580318A (zh) 作物覆盖区域的土壤养分反演方法、装置、设备及介质
CN111126287B (zh) 一种遥感影像密集目标深度学习检测方法
Jiang et al. Quantitative analysis of cotton canopy size in field conditions using a consumer-grade RGB-D camera
Song et al. Dynamic detection of three-dimensional crop phenotypes based on a consumer-grade RGB-D camera
CN105371762B (zh) 一种基于图像分析的果树树冠体积测量方法
JP2014100099A (ja) 森林情報管理装置
CN115372282B (zh) 一种基于无人机高光谱影像的农田土壤含水量监测方法
KR20210014027A (ko) 스마트 팜 환경 데이터의 보간 장치 및 그 방법
CN115223062B (zh) 基于uav数据的桉树人工林区域林分蓄积量时间差校正方法
CN110378926A (zh) 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法
CN110648020A (zh) 一种温室作物需水量预测方法及装置
CN104236486B (zh) 一种棉花叶面积指数快速无损测定方法
CN113343421B (zh) 一种耦合城市植被形态的城市建筑能耗模拟方法及系统
CN117390959A (zh) 顾及空间自相关的CatBoost-GPP遥感估算模型的构建方法
CN116797950A (zh) 一种基于无人机多光谱遥感的茶树水分胁迫监测方法
Côté et al. Validation of L-Architect model for balsam fir and black spruce trees with structural measurements
WO2025060995A1 (zh) 植物缺水萎蔫监测方法、装置、电子设备及介质
CN103439299A (zh) 一种作物群体光能空间分布量化方法
Adhikari et al. Aboveground woody biomass estimation of young bioenergy plantations of Populus and its hybrids using mobile (backpack) LiDAR remote sensing
KR20210074785A (ko) 광추적 시뮬레이션을 이용한 작물의 광합성 속도 분포 계산 장치 및 그 방법
CN114782835B (zh) 作物倒伏面积比例检测方法及装置
CN115775357A (zh) 基于高光谱及机器学习的植被等效水厚度估算方法

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20191231

PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20200218

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20191231

Comment text: Patent Application

PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20201119

Patent event code: PE09021S01D

AMND Amendment
E601 Decision to refuse application
PE0601 Decision on rejection of patent

Patent event date: 20210526

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20201119

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I

X091 Application refused [patent]
AMND Amendment
PX0901 Re-examination

Patent event code: PX09011S01I

Patent event date: 20210526

Comment text: Decision to Refuse Application

Patent event code: PX09012R01I

Patent event date: 20210119

Comment text: Amendment to Specification, etc.

PX0701 Decision of registration after re-examination

Patent event date: 20210813

Comment text: Decision to Grant Registration

Patent event code: PX07013S01D

Patent event date: 20210726

Comment text: Amendment to Specification, etc.

Patent event code: PX07012R01I

Patent event date: 20210526

Comment text: Decision to Refuse Application

Patent event code: PX07011S01I

Patent event date: 20210119

Comment text: Amendment to Specification, etc.

Patent event code: PX07012R01I

X701 Decision to grant (after re-examination)
GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20210825

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20210825

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20240724

Start annual number: 4

End annual number: 4