KR102479284B1 - Vegetation index acquisition unit and apparatus for monitoring plant comprising the same - Google Patents

Vegetation index acquisition unit and apparatus for monitoring plant comprising the same Download PDF

Info

Publication number
KR102479284B1
KR102479284B1 KR1020220030914A KR20220030914A KR102479284B1 KR 102479284 B1 KR102479284 B1 KR 102479284B1 KR 1020220030914 A KR1020220030914 A KR 1020220030914A KR 20220030914 A KR20220030914 A KR 20220030914A KR 102479284 B1 KR102479284 B1 KR 102479284B1
Authority
KR
South Korea
Prior art keywords
vegetation index
image
unit
leaf
plant
Prior art date
Application number
KR1020220030914A
Other languages
Korean (ko)
Other versions
KR102479284B9 (en
Inventor
석민
한경도
권동재
Original Assignee
(주)카탈로닉스
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 (주)카탈로닉스 filed Critical (주)카탈로닉스
Priority to KR1020220030914A priority Critical patent/KR102479284B1/en
Application granted granted Critical
Publication of KR102479284B1 publication Critical patent/KR102479284B1/en
Priority to PCT/KR2023/003212 priority patent/WO2023172080A1/en
Publication of KR102479284B9 publication Critical patent/KR102479284B9/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00Botany in general
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ecology (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Botany (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Forests & Forestry (AREA)
  • Marketing (AREA)
  • Automation & Control Theory (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Environmental Sciences (AREA)
  • Remote Sensing (AREA)
  • Primary Health Care (AREA)
  • Image Processing (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)

Abstract

One embodiment of the present invention provides a vegetation index obtaining unit capable of easily and accurately obtaining a vegetation index of the entire plant and a plant monitoring device including the same. Here, a vegetation index obtaining unit includes a first photographing unit, a first calculating unit, a second photographing unit, and a second calculating unit. The first photographing unit obtains a first image by photographing a first leaf of a plant. The first calculating unit calculates a first vegetation index for the first leaf. The first photographing unit obtains a second image by photographing a different leaf together with the first leaf. The second calculating unit calculates a second vegetation index of the different leaf by using the first vegetation index for the first leaf.

Description

식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치{VEGETATION INDEX ACQUISITION UNIT AND APPARATUS FOR MONITORING PLANT COMPRISING THE SAME}Vegetation index acquisition unit and plant monitoring device including the same {VEGETATION INDEX ACQUISITION UNIT AND APPARATUS FOR MONITORING PLANT COMPRISING THE SAME}

본 발명은 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치에 관한 것으로, 더욱 상세하게는 식물 전체의 식생 지수를 용이하고 정확하게 획득할 수 있는 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치에 관한 것이다.The present invention relates to a vegetation index acquisition unit and a plant monitoring device including the same, and more particularly, to a vegetation index acquisition unit capable of easily and accurately obtaining a vegetation index of an entire plant and a plant monitoring device including the same.

식생은 기후변화에 민감하게 반응하며, 탄소 순환 및 물 순환과 밀접한 영향을 맺고 있다. 따라서, 식생을 지속적으로 관측하는 것은 지구환경을 이해하는데 중요하다.Vegetation reacts sensitively to climate change and is closely related to the carbon cycle and water cycle. Therefore, continuous observation of vegetation is important for understanding the global environment.

식생 자료는 환경 계획을 위한 기초적인 현황 관측 자료로 사용될 뿐만 아니라, 식물의 상태를 모니터링할 수 있으므로 식물 재배에도 유용할 수 있다.Vegetation data are not only used as basic status observation data for environmental planning, but can also be useful for plant cultivation because they can monitor the state of plants.

식생 모니터링의 일 예로는 현장 관찰이 있다. 현장 관찰은 관찰자가 직접 식물의 변화를 육안으로 관찰하는 방법으로 가장 보편적이다. 그러나, 이러한 현장 관찰은 신뢰도는 높지만, 시간, 사용되는 인력 등의 자원 소모가 크다.One example of vegetation monitoring is field observation. Field observation is the most common method in which an observer directly observes changes in plants with the naked eye. However, although this field observation has high reliability, resource consumption such as time and manpower is high.

최근에는 현장에 센서를 설치하여 식생의 변화를 관찰하고도 있으며, 일 예로 식생 지수를 활용하고 있다. Recently, a sensor is installed in the field to observe changes in vegetation, and a vegetation index is used as an example.

식물의 잎에 있는 색소인 엽록소는 광합성을 위해 가시광선(400-700 nm)을 강하게 흡수한다. 반면 잎의 세포구조는 근적외선(700-1100 nm)을 반사한다. 식생 지수는 이러한 특성을 이용하여 식생의 상태를 빠르게 확인하기 위해 사용된다.Chlorophyll, a pigment in plant leaves, strongly absorbs visible light (400-700 nm) for photosynthesis. On the other hand, the cellular structure of the leaf reflects near-infrared rays (700-1100 nm). The vegetation index is used to quickly check the state of vegetation using these characteristics.

그러나, 종래에 식생 지수를 이용한 식물의 모니터링 기술에서는, 식물의 일부 잎에 대해 식생 지수를 획득하고, 이를 기초로 식물의 전체 상태를 예측하였다. 그러나, 식물은 부분적으로 상태가 다를 수 있기 때문에, 식물의 일 부분에서 획득된 식생 지수로 해당 식물의 전체 식생 지수를 예측하는 방식으로는 정확성 높은 모니터링이 어려운 문제점이 있다.However, in conventional plant monitoring techniques using vegetation indices, vegetation indices are obtained for some leaves of plants, and based on this, the overall state of the plants is predicted. However, since plants may have partially different states, there is a problem in that highly accurate monitoring is difficult in a method of predicting the entire vegetation index of a corresponding plant using the vegetation index obtained from a part of the plant.

대한민국 등록특허공보 제1844678호(2018.04.02. 공고)Republic of Korea Patent Registration No. 1844678 (2018.04.02. Notice)

상기와 같은 문제점을 해결하기 위하여, 본 발명이 이루고자 하는 기술적 과제는 식물 전체의 식생 지수를 용이하고 정확하게 획득할 수 있는 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치를 제공하는 것이다.In order to solve the above problems, a technical problem to be achieved by the present invention is to provide a vegetation index acquisition unit capable of easily and accurately obtaining a vegetation index of an entire plant and a plant monitoring device including the same.

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical problem to be achieved by the present invention is not limited to the above-mentioned technical problem, and other technical problems not mentioned can be clearly understood by those skilled in the art from the description below. There will be.

상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 식물의 어느 제1잎을 촬영하여 제1이미지를 얻는 제1촬영부; 상기 제1잎에 대한 제1식생 지수를 계산하는 제1계산부; 상기 제1잎과 함께 다른 잎을 촬영하여 제2이미지를 얻는 제2촬영부; 및 상기 제1잎에 대한 상기 제1식생 지수를 이용하여 상기 다른 잎의 제2식생 지수를 계산하는 제2계산부를 포함하는 것을 특징으로 하는 식생 지수 획득 유닛을 제공한다.In order to achieve the above technical problem, an embodiment of the present invention is a first photographing unit for obtaining a first image by photographing any first leaf of a plant; a first calculation unit calculating a first vegetation index for the first leaf; a second photographing unit for obtaining a second image by photographing other leaves together with the first leaf; and a second calculator calculating a second vegetation index of the other leaf using the first vegetation index of the first leaf.

본 발명의 실시예에 있어서, 상기 제2계산부는, 상기 제2이미지에서 상기 다른 잎의 이미지 정보 및 상기 제1이미지에서 상기 제1잎의 이미지 정보의 차이값이 미리 설정된 기준 차이값 이내면, 상기 제2이미지에서 상기 다른 잎의 상기 제2식생 지수를 상기 제1식생 지수와 동일하게 계산할 수 있다.In an embodiment of the present invention, the second calculation unit, if the difference between the image information of the other leaf in the second image and the image information of the first leaf in the first image is within a preset reference difference value, The second vegetation index of the other leaf in the second image may be calculated to be the same as the first vegetation index.

한편, 상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 이동 가능하게 구비되는 베이스 유닛; 상기 베이스 유닛에 구비되는 식생 지수 획득 유닛; 상기 베이스 유닛에 구비되고, 상기 베이스 유닛의 이동 정보를 생성하는 이동 정보 생성 유닛; 및 상기 이동 정보를 기초로 복수 개의 식물을 각각 구분하고, 각각의 식물에 대해 상기 제2식생 지수를 매칭하는 매칭 유닛을 포함하는 것을 특징으로 하는 식물 모니터링 장치를 제공한다.On the other hand, in order to achieve the above technical problem, one embodiment of the present invention is a base unit provided to be movable; a vegetation index obtaining unit provided in the base unit; a movement information generation unit provided in the base unit and configured to generate movement information of the base unit; and a matching unit that identifies a plurality of plants based on the movement information and matches the second vegetation index to each plant.

본 발명의 실시예에 있어서, 상기 베이스 유닛에 구비되고, 상기 베이스 유닛이 자율 이동되도록 제어하는 자율 주행 제어 유닛을 더 포함할 수 있다.In an embodiment of the present invention, the base unit may further include an autonomous driving control unit provided in the base unit and controlling the base unit to move autonomously.

본 발명의 실시예에 따르면, 식물의 3차원 형상을 촬영하고, 모든 부분에 대해서 제2식생 지수를 용이하고 정확하게 계산하여 입체적인 3차원 제2식생 지수를 생성할 수 있기 때문에, 식물 생육 상태에 대한 정확한 모니터링이 가능할 수 있다.According to an embodiment of the present invention, since it is possible to generate a three-dimensional second vegetation index by photographing the three-dimensional shape of a plant and easily and accurately calculating the second vegetation index for all parts, Accurate monitoring may be possible.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.The effects of the present invention are not limited to the above effects, and should be understood to include all effects that can be inferred from the detailed description of the present invention or the configuration of the invention described in the claims.

도 1은 본 발명의 제1실시예에 따른 식생 지수 획득 유닛을 나타낸 구성도이다.
도 2는 본 발명의 제1실시예에 따른 식생 지수 획득 유닛에서 제1이미지 획득 예를 설명하기 위한 예시도이다.
도 3은 본 발명의 제1실시예에 따른 식생 지수 획득 유닛에서 제2이미지 획득 예를 설명하기 위한 예시도이다.
도 4는 본 발명의 제1실시예에 따른 식생 지수 획득 유닛에서 획득한 2차원 제1식생지수 및 변위 지도를 나타낸 이미지이다.
도 5는 본 발명의 제1실시예에 따른 식생 지수 획득 유닛에서 이미지 동조 및 맵핑을 설명하기 위한 예시도이다.
도 6은 본 발명의 제2실시예에 따른 식생 지수 획득 유닛을 나타낸 구성도이다.
도 7은 본 발명의 제2실시예에 따른 식생 지수 획득 유닛의 식생 지수 획득 예를 설명하기 위한 예시도이다.
도 8은 본 발명의 일실시예에 따른 식물 모니터링 장치를 나타낸 구성도이다.
도 9는 본 발명의 일실시예에 따른 식물 모니터링 장치의 사용예를 나타낸 예시도이다.
1 is a configuration diagram showing a vegetation index acquisition unit according to a first embodiment of the present invention.
2 is an exemplary diagram for explaining a first image acquisition example in a vegetation index acquisition unit according to a first embodiment of the present invention.
3 is an exemplary diagram for explaining an example of obtaining a second image in a vegetation index obtaining unit according to a first embodiment of the present invention.
4 is an image showing a 2-dimensional first vegetation index and a displacement map acquired by the vegetation index acquisition unit according to the first embodiment of the present invention.
5 is an exemplary diagram for explaining image tuning and mapping in a vegetation index acquisition unit according to a first embodiment of the present invention.
6 is a configuration diagram showing a vegetation index acquisition unit according to a second embodiment of the present invention.
7 is an exemplary diagram for explaining an example of obtaining a vegetation index by a vegetation index obtaining unit according to a second embodiment of the present invention.
8 is a configuration diagram showing a plant monitoring device according to an embodiment of the present invention.
9 is an exemplary view showing a use example of a plant monitoring device according to an embodiment of the present invention.

이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, the present invention will be described with reference to the accompanying drawings. However, the present invention may be embodied in many different forms and, therefore, is not limited to the embodiments described herein. And in order to clearly explain the present invention in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.Throughout the specification, when a part is said to be "connected (connected, contacted, combined)" with another part, this is not only "directly connected", but also "indirectly connected" with another member in between. "Including cases where In addition, when a part "includes" a certain component, it means that it may further include other components without excluding other components unless otherwise stated.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in this specification are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, terms such as "include" or "have" are intended to indicate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that the presence or addition of numbers, steps, operations, components, parts, or combinations thereof is not precluded.

이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 제1실시예에 따른 식생 지수 획득 유닛을 나타낸 구성도이다.1 is a configuration diagram showing a vegetation index acquisition unit according to a first embodiment of the present invention.

도 1에서 보는 바와 같이, 식생 지수 획득 유닛(100)은 제1촬영부(110), 제1계산부(120), 제2촬영부(130) 및 제2계산부(140)를 포함할 수 있다.As shown in FIG. 1 , the vegetation index obtaining unit 100 may include a first capturing unit 110, a first calculating unit 120, a second capturing unit 130, and a second calculating unit 140. there is.

도 2는 본 발명의 제1실시예에 따른 식생 지수 획득 유닛에서 제1이미지 획득 예를 설명하기 위한 예시도인데, 도 2를 함께 참조하면, 제1촬영부(110)는 식물(10)의 제1잎(11)을 촬영하여 제1이미지(111)를 얻을 수 있다. 여기서, 제1잎(11)은 식물(10)의 여러 잎 중에서 선택되는 어느 잎일 수 있으며, 특정하게 한정되는 것은 아니다.2 is an exemplary view for explaining an example of obtaining a first image in a vegetation index acquisition unit according to a first embodiment of the present invention. Referring to FIG. 2 together, the first photographing unit 110 is a A first image 111 may be obtained by photographing the first leaf 11 . Here, the first leaf 11 may be any leaf selected from among several leaves of the plant 10, and is not particularly limited.

제1이미지(111)는 2차원 이미지일 수 있다. 제1이미지(111)는 실제 제1잎(11)이 촬영되어 생성되는 제1잎(112)의 이미지 정보를 포함할 수 있다.The first image 111 may be a two-dimensional image. The first image 111 may include image information of the first leaf 112 generated by photographing the actual first leaf 11 .

제1촬영부(110)는 제1이미지(111)를 촬영할 수 있는 것이라면 그 종류가 특정하게 한정되지는 않는다. 일 예로, 제1촬영부(110)는 근적외선 신호 분석 카메라, 다분광 카메라 등을 포함할 수 있다.The type of the first capturing unit 110 is not particularly limited as long as it can capture the first image 111 . For example, the first photographing unit 110 may include a near-infrared signal analysis camera, a multi-spectral camera, and the like.

제1계산부(120)는 제1이미지(111)에 포함된 제1잎(112)의 이미지 정보를 기초로, 제1식생 지수(121)를 계산할 수 있다. 제1식생 지수(121)는 정규식생지수(NDVI: Normalized Difference Vegetation Index)일 수 있다.The first calculation unit 120 may calculate the first vegetation index 121 based on image information of the first leaf 112 included in the first image 111 . The first vegetation index 121 may be a Normalized Difference Vegetation Index (NDVI).

제1이미지(111)는 2차원 이미지이기 때문에, 제1잎(112)의 이미지 정보의 처리가 정확하게 이루어질 수 있으며, 이를 통해, 제1식생 지수(121)의 계산 정확도가 높아질 수 있다.Since the first image 111 is a two-dimensional image, image information of the first leaf 112 can be accurately processed, and through this, calculation accuracy of the first vegetation index 121 can be increased.

도 2에서는 제1잎(11)을 하나의 잎으로 도시하였지만 이는 예시적인 것이고, 제1잎(11)으로는 복수 개의 잎이 선택될 수도 있다. 제1잎(11)이 복수 개의 잎인 경우, 제1식생 지수(121)는 각각의 잎별로 계산될 수 있다.Although the first leaf 11 is shown as one leaf in FIG. 2, this is exemplary, and a plurality of leaves may be selected as the first leaf 11. When the first leaf 11 is a plurality of leaves, the first vegetation index 121 may be calculated for each leaf.

도 3은 본 발명의 제1실시예에 따른 식생 지수 획득 유닛에서 제2이미지 획득 예를 설명하기 위한 예시도이며, 도 3을 더 참조하여 설명한다.FIG. 3 is an exemplary diagram for explaining an example of obtaining a second image in a vegetation index acquiring unit according to a first embodiment of the present invention, and will be described with further reference to FIG. 3 .

제2촬영부(130)는 제1촬영부(110)가 촬영한 식물(10)의 제1잎(11)과 함께, 다른 잎(이하, 제2잎(12)이라 한다)을 촬영하여 제2이미지(131)를 얻을 수 있다. The second photographing unit 130 photographs the first leaf 11 of the plant 10 captured by the first photographing unit 110 and another leaf (hereinafter, referred to as the second leaf 12). 2 images 131 can be obtained.

도 3에서는 제2잎(12)을 하나의 잎으로 도시하였지만 이는 예시적인 것이고, 제2잎(12)은 제1잎(11)을 제외한 모든 잎을 통칭할 수 있다. 따라서, 제2이미지(131)는 식물(10)의 전체 잎을 모두 촬영한 것일 수 있다.In FIG. 3 , the second leaf 12 is illustrated as one leaf, but this is exemplary, and the second leaf 12 may collectively refer to all leaves except the first leaf 11 . Accordingly, the second image 131 may be a photograph of all leaves of the plant 10 .

제2이미지(131)는 3차원 이미지일 수 있다. 즉, 제2촬영부(130)는 식물(10)의 3차원 형상을 촬영할 수 있고, 제2이미지(131)에서는 식물(10)의 3차원 형상이 복원될 수 있다.The second image 131 may be a 3D image. That is, the second photographing unit 130 may capture the 3D shape of the plant 10 , and the 3D shape of the plant 10 may be restored from the second image 131 .

제2촬영부(130)는 3차원 이미지를 생성할 수 있는 촬영장비, 예를 들면, 스테레오 카메라를 포함할 수 있다.The second photographing unit 130 may include photographing equipment capable of generating a 3D image, for example, a stereo camera.

제2계산부(140)는 제1계산부(120)에서 계산한 제1잎(11)에 대한 제1식생 지수(121)를 이용하여 제2잎(12)의 제2식생 지수(141)를 계산할 수 있다.The second calculation unit 140 calculates the second vegetation index 141 of the second leaf 12 using the first vegetation index 121 for the first leaf 11 calculated by the first calculation unit 120. can be calculated.

구체적으로, 제2계산부(140)는 제2이미지(131)에서 제1잎(132)의 이미지 정보 및 제1이미지(111)에서 제1잎(112)의 이미지 정보의 차이값을 비교할 수 있다. 그리고, 이 차이값이 미리 설정된 기준 차이값 이내면, 제2이미지(131)에서 제1잎(132)의 제2식생 지수(141)를 제1식생 지수(121)와 동일하게 계산할 수 있다.Specifically, the second calculation unit 140 may compare the difference between the image information of the first leaf 132 in the second image 131 and the image information of the first leaf 112 in the first image 111. there is. And, if this difference value is within a preset standard difference value, the second vegetation index 141 of the first leaf 132 in the second image 131 may be calculated to be the same as the first vegetation index 121 .

그리고, 제2계산부(140)는 제2이미지(131)에서 제2잎(133)의 이미지 정보 및 제1이미지(111)에서 제1잎(112)의 이미지 정보의 차이값을 비교할 수 있고, 이 차이값이 미리 설정된 기준 차이값 이내면, 제2이미지(131)에서 제2잎(133)의 제2식생 지수(141)를 제1식생 지수(121)와 동일하게 계산할 수 있다.In addition, the second calculation unit 140 may compare the difference between the image information of the second leaf 133 in the second image 131 and the image information of the first leaf 112 in the first image 111. , If this difference value is within a preset reference difference value, the second vegetation index 141 of the second leaf 133 in the second image 131 can be calculated to be the same as the first vegetation index 121 .

즉, 제2계산부(140)가 식생 지수 이미지와 스테레오 이미지(stereo image)를 동조하였을 때, 기존에 계측 완료한 자료 중 식생지수 이미지 및 스테레오 이미지의 조합을 A 라고 하고, 이에 대해 식생지수가 계측되지 않은 부분의 스테레오 이미지의 채널별 신호(예를 들면, 거리 정보가 없는 단순 RGB 혹은 CMYK)가 매우 유사한 경우, 제2계산부(140)는 A 의 식생지수를 계측되지 않은 부분에 산입할 수 있다.That is, when the second calculation unit 140 synchronizes the vegetation index image and the stereo image, the combination of the vegetation index image and the stereo image among the previously measured data is called A, and the vegetation index is When the signal for each channel of the stereo image of the non-measured part (for example, simple RGB or CMYK without distance information) is very similar, the second calculator 140 may include the vegetation index of A in the non-measured part. can

또한, 제2계산부(140)는, 제1식생 지수가 계산되지 않은 어떤 다른 제2잎에 대해서는, 이미 산출되어 획득된 복수의 제2식생 지수와, 상기 복수의 제2식생 지수의 제2잎의 이미지 정보를 기초로 보간(Interpolation)하여 제2식생 지수를 생성할 수 있다.In addition, the second calculation unit 140 may, for any other second leaf for which the first vegetation index is not calculated, a plurality of second vegetation indices already calculated and obtained, and a second vegetation index of the plurality of second vegetation indices. A second vegetation index may be generated by interpolation based on leaf image information.

도 4는 본 발명의 제1실시예에 따른 식생 지수 획득 유닛에서 획득한 2차원 제1식생지수 및 변위 지도를 나타낸 이미지이다. 4 is an image showing a 2-dimensional first vegetation index and a displacement map acquired by the vegetation index acquisition unit according to the first embodiment of the present invention.

도 4에서 보는 바와 같이, 기존의 정확한 위치정보, 반사도 정보 및 크기정보를 알고 있는 레퍼런스를 측정 시작 시에 촬영 화각 내에 설치하여 벤치마크를 설정하고, 계측 시작과 동시에 벤치마크를 중심으로 수목 및 식생을 촬영할 수 있다. 이때, 제1촬영부 및 제2촬영부는 동일 축선상 설치됨이 바람직하며, 이를 통해 이미지 동조가 안정적으로 이루어질 수 있다.As shown in FIG. 4, a reference that knows the existing accurate location information, reflectivity information, and size information is installed within the shooting angle at the start of measurement to set a benchmark, and at the same time as the measurement starts, trees and vegetation are planted around the benchmark can be filmed. At this time, it is preferable that the first capture unit and the second capture unit are installed on the same axis, through which image synchronization can be performed stably.

도 4의 (a)는 계측 식생 지수를 2차원 평면에 나타낸 계측 이미지이고, 도 4의 (b)는 2차원 평면으로 제2촬영부에서 얻은 변위 지도(Disparity Map)를 나타낸 것이다. 도 4의 (a)의 계측 이미지 및 도 4의 (b)의 변위 지도의 해상도 차이는 업 스케일(Upscale) 및 다운 스케일(downscale)과 함께 화각에 대해 보정하는 것으로 이미지가 동조될 수 있다. 제2촬영부를 통해 얻어지는 변위 지도를 통해 거리 정보를 획득할 수 있으므로 적절한 알고리즘을 통해 이를 포인트 클라우드(Point Cloud)로 변환이 가능할 수 있다.Figure 4 (a) is a measurement image showing the measured vegetation index on a two-dimensional plane, Figure 4 (b) shows a displacement map (Disparity Map) obtained from the second capture unit in a two-dimensional plane. The difference in resolution between the measurement image of FIG. 4(a) and the displacement map of FIG. 4(b) can be synchronized by correcting the angle of view with upscale and downscale. Since distance information can be obtained through a displacement map obtained through the second capture unit, it can be converted into a point cloud through an appropriate algorithm.

도 5는 본 발명의 제1실시예에 따른 식생 지수 획득 유닛에서 이미지 동조 및 맵핑을 설명하기 위한 예시도이다.5 is an exemplary diagram for explaining image tuning and mapping in a vegetation index acquisition unit according to a first embodiment of the present invention.

3차원의 식생지수는 식물의 주위를 돌면서 제1촬영부 및 제2촬영부로 식물을 촬영하고, 식생지수가 촬영된 잎의 위치와 3차원 이미징을 통한 포인트 클라우드를 동조하거나, 또는 변위 지도의 픽셀 위치를 동조하여 3차원적인 식생지수 이미지를 얻음으로써 구축할 수 있다.The 3D vegetation index is obtained by photographing the plant with the first and second photographing units while moving around the plant, synchronizing the position of the leaf where the vegetation index is photographed with a point cloud through 3D imaging, or pixels of a displacement map. It can be constructed by synchronizing the location to obtain a 3-dimensional vegetation index image.

구체적으로 도 5에서 보는 바와 같이, 구형의 가상 식물(10)을 가정할 때 식물(10)의 우측 이동 경로(20)로 이동되면서 식물(10)의 우측 반구(31)를 계측하고, 이후 돌아와서 좌측 이동 경로(21)로 이동되면서 좌측 반구(32)를 계측하게 되면, 변환한 포인트 클라우드는 주행 거리와 연동하여 대상 식물(10)이 계측되는 위치마다 좌우 계측 포인트 클라우드를 합쳐 3D 모델을 완성할 수 있다.Specifically, as shown in FIG. 5, assuming a spherical virtual plant 10, the right hemisphere 31 of the plant 10 is measured while moving along the right movement path 20 of the plant 10, and then returned When the left hemisphere 32 is measured while moving along the left movement path 21, the converted point cloud is interlocked with the travel distance to complete a 3D model by combining the left and right measurement point clouds at each location where the target plant 10 is measured. can

좌우 영상을 동조하는 것은 우선적으로 깊이 이미지(Depth Image)에서 계측된 평균거리를 통해(가까운 이미지 생성 시에 식물 유무를 인식) 계측된 식물(10)의 개수를 카운팅하는 방법과 더불어 GPS 좌표를 이용해 다른 방향에서 동일 식물(10)을 계측하는 경우, 이를 인지하는 알고리즘을 동시에 적용할 수 있다. 예를 들면, 1 번 이랑의 2번째 식물의 영상을 기록할 때는 [2, 1]로 저장하고, 2 번 이랑의 끝에서 2번째 식물인 경우에는 [2, 2]로 렉시컨(Lexicon)을 통일하여 저장할 수 있다. 이를 통해 각 식물에 대한 3D 형태 정보를 구성할 수 있다.Synchronizing the left and right images is primarily based on the method of counting the number of plants 10 measured through the average distance measured in the depth image (recognizing the presence or absence of plants when generating a close image) and using GPS coordinates In the case of measuring the same plant 10 from different directions, an algorithm recognizing this may be simultaneously applied. For example, when recording the image of the 2nd plant in gyrus 1, save it as [2, 1], and in the case of the 2nd plant from the end of gyrus 2, set the Lexicon as [2, 2]. can be unified and stored. Through this, 3D shape information for each plant can be configured.

한편, 도 6은 본 발명의 제2실시예에 따른 식생 지수 획득 유닛을 나타낸 구성도이고, 도 7은 본 발명의 제2실시예에 따른 식생 지수 획득 유닛의 식생 지수 획득 예를 설명하기 위한 예시도이다. 본 실시예에서는 제2식생 지수 계산 기준을 생성하고, 이를 이용하여 제2식생 지수를 계산할 수 있으며, 다른 기본적인 내용은 전술한 제1실시예와 동이할 수 있다.Meanwhile, FIG. 6 is a configuration diagram showing a vegetation index obtaining unit according to the second embodiment of the present invention, and FIG. 7 is an example for explaining an example of obtaining a vegetation index of the vegetation index obtaining unit according to the second embodiment of the present invention. It is also In the present embodiment, a second vegetation index calculation criterion may be generated and the second vegetation index may be calculated using this criterion, and other basic contents may be the same as those of the first embodiment described above.

도 2 및 도 3과 함께, 도 6 및 도 7에서 보는 바와 같이, 본 실시예에 따른 식생 지수 획득 유닛(100)은 계산 기준 생성부(150)를 더 포함할 수 있다.As shown in FIGS. 6 and 7 together with FIGS. 2 and 3 , the vegetation index obtaining unit 100 according to the present embodiment may further include a calculation reference generating unit 150 .

계산 기준 생성부(150)는 제2이미지(131)에 포함된 제1잎(132)에 대한 이미지 정보 및 제1식생 지수(121)를 매칭하여 제2식생 지수 계산 기준(151)을 생성할 수 있다.The calculation reference generating unit 150 matches the image information of the first leaf 132 included in the second image 131 and the first vegetation index 121 to generate the second vegetation index calculation reference 151. can

제1이미지(111)에서의 제1잎(112)의 이미지 정보 및 제2이미지(131)에서의 제1잎(132)의 이미지 정보는 컬러 정보, 휘도 정보 등을 포함할 수 있다. 그러나, 제2이미지(131)는 3차원 이미지이기 때문에, 제2이미지(131)에서의 제1잎(132)의 이미지 정보는 제1이미지(111)에서의 제1잎(112)의 이미지 정보와 다를 수 있다. 따라서, 제2이미지(131)에서의 제1잎(132)의 이미지 정보를 이용하여 실제 제1잎(11)의 식생 지수를 계산하게 되면, 이때 계산되는 제2식생 지수는 앞에서 계산한 제1식생 지수(121)와 차이가 날 수 있다.The image information of the first leaf 112 in the first image 111 and the image information of the first leaf 132 in the second image 131 may include color information, luminance information, and the like. However, since the second image 131 is a 3D image, the image information of the first leaf 132 in the second image 131 is the image information of the first leaf 112 in the first image 111. may be different from Therefore, when the vegetation index of the actual first leaf 11 is calculated using the image information of the first leaf 132 in the second image 131, the second vegetation index calculated at this time is the first vegetation index calculated above. It may differ from the vegetation index (121).

이를 해결하고자 본 발명에서는, 계산 기준 생성부(150)가, 제1이미지(111)에서의 제1잎(112)의 이미지 정보를 기초로 계산한 제1식생 지수(121) 및 제2이미지(131)에서의 제1잎(132)의 이미지 정보를 매칭하여 제2식생 지수 계산 기준(151)을 생성할 수 있다.To solve this problem, in the present invention, the calculation reference generating unit 150 calculates the first vegetation index 121 based on the image information of the first leaf 112 in the first image 111 and the second image ( The second vegetation index calculation criterion 151 may be generated by matching the image information of the first leaf 132 in 131).

생성된 제2식생 지수 계산 기준(151)이 제2이미지에 적용되면 제2이미지 상태에서 제2식생 지수가 계산될 수 있고, 이렇게 계산되는 제2식생 지수는 제1식생 지수와 동일할 수 있다.When the generated second vegetation index calculation criterion 151 is applied to the second image, a second vegetation index may be calculated in the state of the second image, and the calculated second vegetation index may be the same as the first vegetation index. .

계산 기준 생성부(150)는 제2식생 지수 계산 기준(151)을 생성하고, 생성된 제2식생 지수 계산 기준(151)을 제2이미지(131)에서의 제1잎(132)의 이미지 정보에 적용하고, 이에 따라 계산되는 제2식생 지수가 제1식생 지수(121)와 동일한지를 확인하고, 만일 계산되는 제2식생 지수가 제1식생 지수(121)와 동일하지 않으면, 제2식생 지수 계산 기준(151)을 보정하는 과정을 반복함으로써, 생성된 제2식생 지수 계산 기준의 정확도를 더 검증할 수 있다.The calculation criterion generation unit 150 generates the second vegetation index calculation criterion 151 and uses the generated second vegetation index calculation criterion 151 as image information of the first leaf 132 in the second image 131. , and check whether the second vegetation index calculated accordingly is the same as the first vegetation index 121, and if the second vegetation index calculated is not equal to the first vegetation index 121, the second vegetation index By repeating the process of correcting the calculation criteria 151, the accuracy of the generated second vegetation index calculation criteria can be further verified.

계산 기준 생성부(150)가 제2식생 지수 계산 기준(151)을 생성하는 방법은 특정하게 한정되는 것은 아니다.A method of generating the second vegetation index calculation criterion 151 by the calculation criterion generating unit 150 is not particularly limited.

제2계산부(140)는 제2이미지(131)에서 제2잎(133)에 대한 이미지 정보에 제2식생 지수 계산 기준(151)을 적용하고, 이를 통해 실제 제2잎(12)의 제2식생 지수(141)를 계산할 수 있다.The second calculation unit 140 applies the second vegetation index calculation criterion 151 to the image information on the second leaf 133 in the second image 131, and through this, the actual second leaf 12 2 Vegetation index (141) can be calculated.

실제 제1잎(11)을 예로 했을 때, 제2계산부(140)가 제2이미지(131)의 제1잎(132)에 대해 계산하는 제2식생 지수는, 동일한 실제 제1잎(11)을 대상으로 계산된 제1식생 지수(121)와 동일한 값 또는 범위 값일 수 있다.When the actual first leaf 11 is taken as an example, the second vegetation index calculated by the second calculation unit 140 for the first leaf 132 of the second image 131 is the same actual first leaf 11 ) It may be the same value or range value as the first vegetation index 121 calculated for the target.

전술한 바와 같이 제2잎(12)은 제1잎(11)을 제외한 하나 이상의 잎을 통칭할 수 있기 때문에, 제1잎(11) 및 제2잎(12)은 식물(10)의 전체의 잎을 의미할 수 있다. 따라서, 계산되는 제2식생 지수(141)는 식물(10)의 거의 전체의 잎에 대한 것일 수 있으며, 이를 통해, 식물(10)의 전체 잎에 대한 입체적인 3차원 제2식생 지수 계산이 가능할 수 있다.As described above, since the second leaf 12 may collectively refer to one or more leaves excluding the first leaf 11, the first leaf 11 and the second leaf 12 are the entirety of the plant 10. can mean leaves. Therefore, the calculated second vegetation index 141 may be for almost all leaves of the plant 10, and through this, a three-dimensional, three-dimensional calculation of the second vegetation index for all leaves of the plant 10 may be possible. there is.

통상적으로, 제1촬영부(110)로 촬영할 수 없는 부분, 예를 들면, 식물의 반대쪽 부분에서는 이미지 촬영이나 근적외선 신호가 수신되기 어렵기 때문에, 제1식생 지수를 계산하기 어렵다. 그러나, 식물의 앞쪽에서와 같이 제1촬영부(110)로 촬영할 수 있는 부분에서 이미지 촬영이나 근적외선 신호가 수신되어 제1식생 지수가 계산되고, 제2촬영부(130)가 식물의 3차원 형상 이미지 정보를 획득하면, 제2식생 지수 계산 기준(151)을 생성하고, 제2식생 지수 계산 기준(151)을 이용하여 식물의 반대쪽 부분의 제2식생 지수도 생성할 수 있게 된다. In general, it is difficult to calculate the first vegetation index because it is difficult to capture an image or receive a near-infrared ray signal in a part that cannot be photographed by the first photographing unit 110, for example, a part opposite to a plant. However, as in the front of a plant, an image is captured or a near-infrared ray signal is received at a part that can be photographed with the first photographing unit 110, and the first vegetation index is calculated, and the second photographing unit 130 determines the 3D shape of the plant. When the image information is obtained, a second vegetation index calculation criterion 151 is generated, and a second vegetation index of the opposite part of the plant can be generated using the second vegetation index calculation criterion 151 .

또는, 잎의 일 부분(예를 들면, 상면)을 제1촬영부(110)로 촬영하여 얻은 제1식생지수를 기초로 제2식생 지수 계산 기준을 생성하고, 잎의 하면을 촬영한 제2이미지에 산입하여 제2식생 지수를 생성할 수도 있다.Alternatively, a second vegetation index calculation criterion is generated based on the first vegetation index obtained by photographing a part of the leaf (eg, the upper surface) with the first photographing unit 110, and the second vegetation index is photographed and the lower surface of the leaf is photographed. A second vegetation index may be generated by being included in the image.

또는, 침엽과 같은 픽셀화가 힘든 대상에 대해 전반적인 계측값을 보간하여 제2식생 지수를 생성할 수도 있다. Alternatively, the second vegetation index may be generated by interpolating overall measured values for objects that are difficult to pixelate, such as needles.

식물(10)이, 잎을 식용으로 사용하는 곤달비, 쑥갓, 참취, 비름, 머위 등을 포함하는 엽채류인 경우에, 어느 하나의 잎의 식생 상태를 기준으로 해서 나머지 다른 잎의 식생 상태도 그와 같을 것라고 단순 예측하게 되면, 수확된 엽채류의 품질이 관리되기가 어려울 수 있다. In the case where the plant 10 is a leafy vegetable including gondola, crown daisy, sesame, amaranth, butterbur, etc. whose leaves are used for food, the vegetation state of the other leaves is also based on the vegetation state of any one leaf. If it is simply predicted that it will be the same, it can be difficult to manage the quality of harvested leafy vegetables.

즉, 일부 잎의 식생 지수를 기초로 나머지 잎의 식생 지수를 예측하게 되는 경우, 기초가 되는 식생 지수에 따라 나머지 잎의 식생 지수가 영향을 받을 수 있다. 예를 들면, 일부 잎의 식생 지수가 좋게 나오면 나머지 잎들의 식생 지수도 좋게 예측될 수 있다. 그러나, 식물은 부분별로 생육 상태가 다를 수 있기 때문에, 이러한 식생 지수 예측 방식은 정확도가 낮을 수 있다. 그렇다고 각각의 잎을 하나하나 촬영하여 식생 지수를 계산하게 되면, 상당한 시간이 소요될 수 있다.That is, when the vegetation indices of the remaining leaves are predicted based on the vegetation indices of some leaves, the vegetation indices of the remaining leaves may be affected by the vegetation indices that are the basis. For example, if the vegetation index of some leaves is good, the vegetation index of the remaining leaves may also be predicted to be good. However, since the growth state of each part of a plant may be different, this vegetation index prediction method may have low accuracy. However, if each leaf is photographed one by one and the vegetation index is calculated, it may take considerable time.

그러나, 본 발명에 따르면, 식물의 3차원 형상을 촬영하고, 모든 잎에 대해서 제2식생 지수를 용이하고 정확하게 계산할 수 있기 때문에, 식물에 대한 정확하고 신속한 모니터링이 가능할 수 있다.However, according to the present invention, since the 3D shape of a plant can be photographed and the second vegetation index can be easily and accurately calculated for all leaves, it is possible to accurately and quickly monitor the plant.

한편, 앞에서는 식물의 잎을 대상으로 제2식생 지수를 계산하는 것으로 설명하였지만, 제2식생 지수의 계산 대상이 반드시 잎으로 한정되는 것은 아니다. 즉, 파프리카, 고추 등의 채소나, 딸기 등의 열매 채소, 또는 과수 작물 등도 제2식생 지수 계산의 대상에 포함될 수 있다.Meanwhile, although it has been described above that the second vegetation index is calculated for the leaves of plants, the calculation target for the second vegetation index is not necessarily limited to leaves. That is, vegetables such as paprika and red pepper, fruit vegetables such as strawberries, or fruit crops may also be included in the calculation of the second vegetation index.

그리고, 제1식생 지수(121)가 복수 개의 잎에 대해 각각 획득되어 그 수가 많은 경우일수록 계산 기준 생성부(150)가 생성하는 제2식생 지수 계산 기준의 수가 많아 질 수 있다. 그러면, 복수개의 제2식생 지수 계산 기준의 평균값을 이용하여 최종적으로 제2식생 지수 계산 기준(151)을 생성할 수도 있기 때문에, 제2식생 지수 계산 기준(151)의 정확성은 높아질 수 있다.In addition, when the first vegetation index 121 is obtained for each of a plurality of leaves and the number is large, the number of second vegetation index calculation criteria generated by the calculation criteria generation unit 150 may increase. Then, since the second vegetation index calculation criterion 151 may be finally generated using the average value of the plurality of second vegetation index calculation criteria, the accuracy of the second vegetation index calculation criterion 151 may be increased.

도 8은 본 발명의 일실시예에 따른 식물 모니터링 장치를 나타낸 구성도이다.8 is a configuration diagram showing a plant monitoring device according to an embodiment of the present invention.

도 8에서 보는 바와 같이, 식물 모니터링 장치는 베이스 유닛(200), 식생 지수 획득 유닛(100), 이동 정보 생성 유닛(300) 그리고 매칭 유닛(400)을 포함할 수 있다.As shown in FIG. 8 , the plant monitoring device may include a base unit 200 , a vegetation index acquisition unit 100 , a movement information generation unit 300 and a matching unit 400 .

베이스 유닛(200)은 이동 가능하게 구비될 수 있다. 예를 들어 베이스 유닛(200)은 바퀴(미도시)를 가질 수 있으며, 바퀴를 회전시킬 수 있는 구동 시스템(미도시)을 가질 수 있다. 바퀴는 고무 타이어를 가지고 노면에서 직접 구르거나, 또는 지면에 설치되는 레일을 따라 구를 수 있도록 형성되는 등 다양한 형태로 구현될 수 있다.The base unit 200 may be provided to be movable. For example, the base unit 200 may have wheels (not shown) and may have a driving system (not shown) capable of rotating the wheels. The wheels may be implemented in various forms, such as rolling directly on a road surface with rubber tires or rolling along rails installed on the ground.

이를 통해, 식물 모니터링 장치는 산, 공원, 과수원 등과 같은 야외 지형이나, 하우스, 온실, 스마트 팜 등과 같은 시설에서 이동이 가능할 수 있다.Through this, the plant monitoring device may be movable in outdoor terrains such as mountains, parks, orchards, or facilities such as houses, greenhouses, and smart farms.

식생 지수 획득 유닛(100)에 대해서는 전술하였으므로, 반복되는 내용은 가급적 설명을 생략한다. Since the vegetation index obtaining unit 100 has been described above, descriptions of repetitive contents will be omitted as much as possible.

식생 지수 획득 유닛(100)은 베이스 유닛(200)에 구비될 수 있으며, 베이스 유닛(200)과 함께 이동하면서 식물을 촬영하여 3차원 영상을 생성하고, 식물 전체의 잎에 대한 제2식생 지수를 계산하여 입체적인 3차원 제2식생 지수를 생성할 수 있다.The vegetation index acquisition unit 100 may be provided in the base unit 200, and captures a plant while moving with the base unit 200 to generate a 3D image, and obtains a second vegetation index for leaves of the entire plant. It is possible to generate a three-dimensional second vegetation index by calculation.

이동 정보 생성 유닛(300)은 베이스 유닛(200)에 구비될 수 있으며, 베이스 유닛(200)의 이동 정보를 생성할 수 있다. 이동 정보는 베이스 유닛(200)의 위치 정보, 이동 속도 정보 등을 포함할 수 있다. 이동 정보 생성 유닛(300)은 관성 측정장치(IMU) 등을 포함할 수 있다. The movement information generation unit 300 may be included in the base unit 200 and may generate movement information of the base unit 200 . The movement information may include location information and movement speed information of the base unit 200 . The movement information generation unit 300 may include an inertial measurement unit (IMU) or the like.

매칭 유닛(400)은 이동 정보 생성 유닛(300)에서 생성하는 이동 정보를 기초로, 복수의 식물을 각각 구분할 수 있으며, 계산된 제2식생 지수를 구분된 각각의 식물에 대해 매칭할 수 있다. The matching unit 400 may classify a plurality of plants based on the movement information generated by the movement information generating unit 300, and match the calculated second vegetation index to each of the classified plants.

매칭 유닛(400)은 베이스 유닛(200)에 구비되거나, 또는 베이스 유닛(200)과 떨어져 다른 장소에 구비될 수도 있다. 매칭 유닛(400)은 식생 지수 획득 유닛(100) 및 이동 정보 생성 유닛(300)과 유선 통신 또는 무선 통신될 수 있다.The matching unit 400 may be provided on the base unit 200 or may be provided in another location apart from the base unit 200 . The matching unit 400 may perform wired or wireless communication with the vegetation index acquisition unit 100 and the movement information generation unit 300 .

식물 모니터링 장치는 자율 주행 제어 유닛(500)을 더 포함할 수 있다. 자율 주행 제어 유닛(500)은 베이스 유닛(200)에 구비되고 베이스 유닛(200)이 자율 이동되도록 제어할 수 있다. 자율 주행 제어 유닛(500)은 자율 주행 제어를 위한 소프트 웨어를 가지는 프로세서와, 장애물, 물건 등을 감지하기 위한 라이다 등을 포함하는 센서 등을 포함할 수 있다.The plant monitoring device may further include an autonomous driving control unit 500 . The autonomous driving control unit 500 is provided in the base unit 200 and can control the base unit 200 to move autonomously. The autonomous driving control unit 500 may include a processor having software for autonomous driving control and a sensor including lidar for detecting obstacles, objects, and the like.

또한, 식물 모니터링 장치는 선별 유닛(600) 및 표시 유닛(700)을 더 포함할 수 있다.In addition, the plant monitoring device may further include a selection unit 600 and a display unit 700 .

선별 유닛(600)은 식생 지수 획득 유닛(100)이 계산한 제2식생 지수 중 미리 설정된 기준 제2식생 지수 미만의 제2식생 지수의 잎을 선별할 수 있다.The selection unit 600 may select leaves of a second vegetation index less than a predetermined reference second vegetation index from among the second vegetation indexes calculated by the vegetation index obtaining unit 100 .

식물에서 기준 제2식생 지수 이상의 제2식생 지수로 계산되는 부분은 생육이 양호한 것으로 판단될 수 있고, 기준 제2식생 지수 미만의 제2식생 지수로 계산되는 부분은 생육이 불량한 것으로 판단되도록, 기준 제2식생 지수는 식물의 종류, 계절 등을 기초로 미리 설정될 수 있다.In plants, the part calculated by the second vegetation index higher than the standard second vegetation index can be judged to have good growth, and the part calculated by the second vegetation index lower than the standard second vegetation index can be judged to have poor growth. The second vegetation index may be set in advance based on the type of plant, season, and the like.

그리고, 표시 유닛(700)은 선별 유닛(600)에서 선별되는 잎, 즉, 기준 제2식생 지수 미만의 제2식생 지수로 계산되는 부분(예를 들면, 잎, 채소 등)이 있는 식물의 정보를 표시할 수 있다. In addition, the display unit 700 provides information on the leaves selected by the sorting unit 600, that is, plants having parts (for example, leaves, vegetables, etc.) that are calculated as the second vegetation index less than the reference second vegetation index. can be displayed.

표시 유닛(700)은 선별 유닛(600)에서 선별되는 부분(예를 들면, 잎, 채소 등)을 가지는 식물의 위치 정보만 표시하거나 또는, 해당 식물에서 선별 유닛(600)이 선별한 부분(예를 들면, 잎, 채소 등)의 위치 정보까지도 표시할 수 있다. The display unit 700 displays only the location information of plants having parts (eg, leaves, vegetables, etc.) selected by the sorting unit 600 or the parts selected by the sorting unit 600 (eg, leaves, vegetables, etc.) For example, the location information of leaves, vegetables, etc.) can be displayed.

이를 통해, 사용자는 식물에서 생육 상태가 좋지 못한 부분을 정확하게 확인할 수 있고, 이러한 정보를 기초로 식물의 생육을 정밀하게 분석할 수 있으며, 나아가, 생육을 예측할 수도 있다.Through this, the user can accurately identify the poor growth state of the plant, accurately analyze the growth of the plant based on this information, and further predict the growth.

이하에서는, 식물 모니터링 장치가 식물을 재배하는 스마트 팜에서 사용되는 경우를 예로 식물 모니터링 장치의 동작 예를 설명한다.Hereinafter, an operation example of the plant monitoring device will be described as an example of a case in which the plant monitoring device is used in a smart farm where plants are grown.

도 9는 본 발명의 일실시예에 따른 식물 모니터링 장치의 사용예를 나타낸 예시도인데, 도 9를 더 참조하면, 과수원, 또는 온실 등과 같은 곳에 심어져 있는 식물(10) 사이를 베이스 유닛(200)이 주행하면, 이동 정보 생성 유닛(300)은 베이스 유닛(200)의 이동 정보를 생성할 수 있다. 동시에, 식생 지수 획득 유닛(100)은 베이스 유닛(200)의 주행 경로(22)상에 있는 식물(10)들의 제2식생 지수를 획득할 수 있다. 그러면, 매칭 유닛(400)은 각각의 식물(10)별로 제2식생 지수를 매칭할 수 있다. 9 is an exemplary view showing a use example of a plant monitoring device according to an embodiment of the present invention. Referring further to FIG. 9, a base unit 200 is installed between plants 10 planted in an orchard or greenhouse. ) travels, the movement information generating unit 300 may generate movement information of the base unit 200 . At the same time, the vegetation index acquisition unit 100 may acquire second vegetation indexes of plants 10 on the driving route 22 of the base unit 200 . Then, the matching unit 400 may match the second vegetation index for each plant 10 .

식물 모니터링 장치(1000)가 자율 주행 기능을 가지지 않는다면, 식물 모니터링 장치(1000)는 작업자에 의해 이동될 수 있다. 그러나, 식물 모니터링 장치(1000)가 자율 주행 제어 유닛(500)을 포함하는 경우, 자율 주행 제어 유닛(500)에 의해 베이스 유닛(200)은 자율 이동될 수 있다. If the plant monitoring device 1000 does not have an autonomous driving function, the plant monitoring device 1000 may be moved by a worker. However, when the plant monitoring device 1000 includes the autonomous driving control unit 500 , the base unit 200 may be autonomously moved by the autonomous driving control unit 500 .

선별 유닛(600)은 계산된 제2식생 지수 중 기준 제2식생 지수 미만의 제2식생 지수의 잎을 선별할 수 있으며, 표시 유닛(700)은 이렇게 선별되는 잎을 가지는 식물의 정보를 표시할 수 있다. 이를 통해, 생육 상태가 좋지 못한 식물의 위치뿐만 아니라, 해당 식물에서 생육 상태가 좋지 못한 잎이 있는 부분도 작업자가 용이하게 파악하고 확인할 수 있도록 도울 수 있게 된다.The sorting unit 600 may select leaves of a second vegetation index less than the reference second vegetation index among the calculated second vegetation indexes, and the display unit 700 may display information on plants having leaves selected in this way. can Through this, it is possible to help a worker easily identify and check not only the position of a plant in a poor growth state, but also a part of the plant with a leaf in a poor growth state.

식물의 생육 모니터링 효과를 높이기 위해, 식물 모니터링 장치(1000)를 이용한 식물 모니터링은 정기적으로 이루어질 수 있다.In order to increase the plant growth monitoring effect, plant monitoring using the plant monitoring device 1000 may be performed regularly.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The above description of the present invention is for illustrative purposes, and those skilled in the art can understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, the embodiments described above should be understood as illustrative in all respects and not limiting. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.

본 발명의 범위는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the following claims, and all changes or modifications derived from the meaning and scope of the claims and equivalent concepts should be interpreted as being included in the scope of the present invention.

100: 식생 지수 획득 유닛
110: 제1촬영부
111: 제1이미지
120: 제1계산부
121: 제1식생 지수
130: 제2촬영부
131: 제2이미지
140: 제2계산부
141: 제2식생 지수
150: 계산 기준 생성부
151: 제2식생 지수 계산 기준
200: 베이스 유닛
300: 이동 정보 생성 유닛
400: 매칭 유닛
500: 자율 주행 제어 유닛
600: 선별 유닛
700: 표시 유닛
100: vegetation index acquisition unit
110: first shooting unit
111: first image
120: first calculation unit
121: first vegetation index
130: second shooting unit
131: second image
140: second calculation unit
141: second vegetation index
150: calculation reference generating unit
151: second vegetation index calculation criteria
200: base unit
300: movement information generating unit
400: matching unit
500: autonomous driving control unit
600: sorting unit
700: display unit

Claims (4)

식물의 어느 제1잎을 촬영하여 제1이미지를 얻는 제1촬영부;
상기 제1이미지로부터 상기 제1잎에 대한 제1식생 지수를 계산하는 제1계산부;
상기 제1잎과 함께 다른 잎을 촬영하여 제2이미지를 얻는 제2촬영부;
상기 제1잎에 대한 상기 제1식생 지수를 이용하여 상기 제2이미지의 상기 다른 잎의 제2식생 지수를 계산하는 제2계산부; 및
상기 제2이미지에서의 상기 제1잎에 대한 이미지 정보 및 상기 제1식생 지수를 매칭하여 제2식생 지수 계산 기준을 생성하는 계산 기준 생성부를 포함하며,
상기 제1이미지는 2차원 이미지이고,
상기 제2이미지는 식물의 3차원 형상이 복원되는 3차원 이미지이며,
상기 제2계산부는,
상기 제2이미지에서의 상기 다른 잎에 대한 이미지 정보에 상기 제2식생 지수 계산 기준을 적용하여 상기 다른 잎의 상기 제2식생 지수를 계산하여, 식물의 입체적인 3차원 제2식생 지수를 계산하는 것을 특징으로 하는 식생 지수 획득 유닛.
a first photographing unit for obtaining a first image by photographing a first leaf of a plant;
a first calculation unit calculating a first vegetation index for the first leaf from the first image;
a second photographing unit for obtaining a second image by photographing other leaves together with the first leaf;
a second calculation unit calculating a second vegetation index of the other leaf of the second image by using the first vegetation index of the first leaf; and
A calculation criterion generation unit configured to generate a second vegetation index calculation criterion by matching image information about the first leaf in the second image with the first vegetation index,
The first image is a two-dimensional image,
The second image is a three-dimensional image in which the three-dimensional shape of the plant is restored,
The second calculator,
Calculating the second vegetation index of the other leaf by applying the second vegetation index calculation criterion to the image information on the other leaf in the second image to calculate the three-dimensional 3-dimensional second vegetation index of the plant Characteristic vegetation index acquisition unit.
삭제delete 이동 가능하게 구비되는 베이스 유닛;
상기 베이스 유닛에 구비되고, 제1항에 기재된 식생 지수 획득 유닛;
상기 베이스 유닛에 구비되고, 상기 베이스 유닛의 이동 정보를 생성하는 이동 정보 생성 유닛; 및
상기 이동 정보를 기초로 복수 개의 식물을 각각 구분하고, 각각의 식물에 대해 상기 제2식생 지수를 매칭하는 매칭 유닛을 포함하는 것을 특징으로 하는 식물 모니터링 장치.
a base unit provided to be movable;
a vegetation index acquisition unit provided in the base unit and described in claim 1;
a movement information generation unit provided in the base unit and configured to generate movement information of the base unit; and
and a matching unit that identifies a plurality of plants based on the movement information and matches the second vegetation index to each plant.
제3항에 있어서,
상기 베이스 유닛에 구비되고, 상기 베이스 유닛이 자율 이동되도록 제어하는 자율 주행 제어 유닛을 더 포함하는 것을 특징으로 하는 식물 모니터링 장치.
According to claim 3,
The plant monitoring device further comprises an autonomous driving control unit provided in the base unit and controlling the base unit to autonomously move.
KR1020220030914A 2022-03-11 2022-03-11 Vegetation index acquisition unit and apparatus for monitoring plant comprising the same KR102479284B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220030914A KR102479284B1 (en) 2022-03-11 2022-03-11 Vegetation index acquisition unit and apparatus for monitoring plant comprising the same
PCT/KR2023/003212 WO2023172080A1 (en) 2022-03-11 2023-03-09 Vegetation index acquisition unit and plant monitoring device comprising same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220030914A KR102479284B1 (en) 2022-03-11 2022-03-11 Vegetation index acquisition unit and apparatus for monitoring plant comprising the same

Publications (2)

Publication Number Publication Date
KR102479284B1 true KR102479284B1 (en) 2022-12-21
KR102479284B9 KR102479284B9 (en) 2023-03-23

Family

ID=84536704

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220030914A KR102479284B1 (en) 2022-03-11 2022-03-11 Vegetation index acquisition unit and apparatus for monitoring plant comprising the same

Country Status (2)

Country Link
KR (1) KR102479284B1 (en)
WO (1) WO2023172080A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023172080A1 (en) * 2022-03-11 2023-09-14 주식회사 카탈로닉스 Vegetation index acquisition unit and plant monitoring device comprising same
KR102624781B1 (en) * 2023-04-28 2024-01-12 경상북도(농업기술원) Ground proximity multi-spectral image measurement apparatus to obtian vegetation index of field crop

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101844678B1 (en) 2016-10-05 2018-04-02 서울대학교산학협력단 A real-time monitoring system of canopy structure and functions
KR101984047B1 (en) * 2018-08-01 2019-09-03 삼성물산 주식회사 Diagnostic method of crop growth using unmanned eaerial vehicle and device performing the method
KR20210065607A (en) * 2019-11-27 2021-06-04 (주)카탈로닉스 Method of determining status of plant growth and apparatus for growing plant using the same

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6884584B2 (en) * 2017-02-01 2021-06-09 キヤノン株式会社 Image processing device, imaging device, image processing method, image processing program, and storage medium
KR102125780B1 (en) * 2018-08-16 2020-06-23 (주)노루기반시스템즈 Applaratus for Monitoring Crop Growth through Multispectral Image Histogram Pattern Analysis of Plot Unit
KR102218863B1 (en) * 2020-10-16 2021-02-24 네이버시스템(주) Real-time variable rate application system and real-time variable rate application method using drones
KR102479284B1 (en) * 2022-03-11 2022-12-21 (주)카탈로닉스 Vegetation index acquisition unit and apparatus for monitoring plant comprising the same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101844678B1 (en) 2016-10-05 2018-04-02 서울대학교산학협력단 A real-time monitoring system of canopy structure and functions
KR101984047B1 (en) * 2018-08-01 2019-09-03 삼성물산 주식회사 Diagnostic method of crop growth using unmanned eaerial vehicle and device performing the method
KR20210065607A (en) * 2019-11-27 2021-06-04 (주)카탈로닉스 Method of determining status of plant growth and apparatus for growing plant using the same

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023172080A1 (en) * 2022-03-11 2023-09-14 주식회사 카탈로닉스 Vegetation index acquisition unit and plant monitoring device comprising same
KR102624781B1 (en) * 2023-04-28 2024-01-12 경상북도(농업기술원) Ground proximity multi-spectral image measurement apparatus to obtian vegetation index of field crop

Also Published As

Publication number Publication date
KR102479284B9 (en) 2023-03-23
WO2023172080A1 (en) 2023-09-14

Similar Documents

Publication Publication Date Title
Wang et al. Automated crop yield estimation for apple orchards
US10534086B2 (en) Systems and methods for determining crop yields with high resolution geo-referenced sensors
Narváez et al. LiDAR and thermal images fusion for ground-based 3D characterisation of fruit trees
CA2764135C (en) Device and method for detecting a plant
KR102479284B1 (en) Vegetation index acquisition unit and apparatus for monitoring plant comprising the same
Das et al. Devices, systems, and methods for automated monitoring enabling precision agriculture
US10151839B2 (en) Systems and methods for determining crop yields with high resolution geo-referenced sensors
BR112020026356A2 (en) SYSTEMS, DEVICES AND METHODS FOR DIAGNOSIS IN GROWTH STAGE FIELD AND CULTURE YIELD ESTIMATE IN A PLANT AREA
ES2951738T3 (en) Crop scanner
AU2010300477A1 (en) Method and system for locating a stem of a target tree
CN108414454A (en) The synchronized measurement system and measurement method of a kind of plant three-dimensional structure and spectral information
CN111095339A (en) Crop cultivation supporting device
WO2015193822A1 (en) Method and device for measuring vegetation cover on farmland
Mostafa et al. Using LiDAR technique and modified Community Land Model for calculating water interception of cherry tree canopy
Kurtser et al. RGB-D datasets for robotic perception in site-specific agricultural operations—A survey
Paturkar et al. Overview of image-based 3D vision systems for agricultural applications
Esser et al. Field robot for high-throughput and high-resolution 3D plant phenotyping: towards efficient and sustainable crop production
Wang et al. Design of crop yield estimation system for apple orchards using computer vision
CN112233121A (en) Fruit yield estimation method based on binocular space positioning and intelligent segmentation
Bahman Height measurement of basil crops for smart irrigation applications in greenhouses using commercial sensors
Esser et al. Field Robot for High-throughput and High-resolution 3D Plant Phenotyping
KR20240068178A (en) Tree Biological Data Prediction System
Xiang High-throughput robotic plant phenotyping using 3D machine vision and deep neural networks
Han et al. Effects of different ground segmentation methods on the accuracy of UAV-based canopy volume measurements
CN112818855A (en) Method, device and system for extracting peach tree crown phenotype information based on unmanned aerial vehicle image

Legal Events

Date Code Title Description
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]