KR102582588B1 - Measuring system the leaf growth index of crops using AI - Google Patents

Measuring system the leaf growth index of crops using AI Download PDF

Info

Publication number
KR102582588B1
KR102582588B1 KR1020220069984A KR20220069984A KR102582588B1 KR 102582588 B1 KR102582588 B1 KR 102582588B1 KR 1020220069984 A KR1020220069984 A KR 1020220069984A KR 20220069984 A KR20220069984 A KR 20220069984A KR 102582588 B1 KR102582588 B1 KR 102582588B1
Authority
KR
South Korea
Prior art keywords
growth
leaf
growth index
crops
unit
Prior art date
Application number
KR1020220069984A
Other languages
Korean (ko)
Inventor
류광섭
이준영
Original Assignee
그리트 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 그리트 주식회사 filed Critical 그리트 주식회사
Priority to KR1020220069984A priority Critical patent/KR102582588B1/en
Application granted granted Critical
Publication of KR102582588B1 publication Critical patent/KR102582588B1/en

Links

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medicinal Chemistry (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Food Science & Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Wood Science & Technology (AREA)
  • Botany (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것으로서, 보다 상세하게는 식물공장, 유리온실, 스마트팜 등과 같은 통제된 환경에서 작물을 재배함에 있어 일정 주기로 자동 촬영된 영상 정보를 활용하여 작물의 엽 생육 지수를 측정할 수 있고, 이러한 생육지수를 통해 작물의 생육 정도를 예상할 수 있게 됨으로써 효율적인 작물재배 계획을 수립할 수 있도록 하는 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것이다.
이를 위해 본 발명은, 작물 생육용 수평베드(5) 상에 위치된 작물(2)의 평면상태 영상을 촬영하는 영상 이미지 자동촬영부(10); 상기 영상 이미지 자동촬영부(10)를 통해 저장된 각 영상 이미지에 대한 평단면 엽 생육지수를 측정하여 생육지표를 형성하는 엽 생육지수 학습부(20); 상기 영상 이미지 자동촬영부(10) 및 엽 생육지수 학습부(20)를 통해 학습된 데이터를 활용하여 이미지를 측정하여 생육지수를 저장하는 엽 생육지수 측정부(30); 상기 엽 생육지수 측정부(30)를 통해 측정된 생육지수와 환경정보를 분석하여 생육상태를 분석하는 생육 분석부(40);를 포함하여 이루어짐을 특징으로 하는 AI를 활용한 작물의 엽 생육지수 측정시스템를 제공한다.The present invention relates to a system for measuring the leaf growth index of crops using AI. More specifically, it utilizes image information automatically captured at regular intervals when growing crops in a controlled environment such as a plant factory, glass greenhouse, smart farm, etc. This study is about a crop leaf growth index measurement system using AI, which allows the leaf growth index of crops to be measured and the growth level of crops to be predicted through these growth indices, allowing efficient crop cultivation plans to be established. will be.
To this end, the present invention includes an automatic video image capture unit 10 that captures a planar image of crops 2 located on a horizontal bed 5 for crop growth; a leaf growth index learning unit (20) that forms a growth index by measuring a flat cross-sectional leaf growth index for each video image stored through the video image automatic capture unit (10); A leaf growth index measurement unit 30 that measures images using data learned through the video image automatic capture unit 10 and the leaf growth index learning unit 20 and stores the growth index; Leaf growth index of crops using AI, comprising a growth analysis unit (40) that analyzes the growth status by analyzing the growth index and environmental information measured through the leaf growth index measurement unit (30). Provides a measurement system.

Description

AI를 활용한 작물의 엽 생육지수 측정시스템{Measuring system the leaf growth index of crops using AI}Measuring system the leaf growth index of crops using AI}

본 발명은 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것으로서, 보다 상세하게는 식물공장, 유리온실, 스마트팜 등과 같은 통제된 환경에서 작물을 재배함에 있어 일정 주기로 자동 촬영된 영상 정보를 활용하여 작물의 엽 생육 지수를 측정할 수 있고, 이러한 생육지수를 통해 작물의 생육 정도를 예상할 수 있게 됨으로써 효율적인 작물재배 계획을 수립할 수 있도록 하는 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것이다.The present invention relates to a system for measuring the leaf growth index of crops using AI. More specifically, it utilizes image information automatically captured at regular intervals when growing crops in a controlled environment such as a plant factory, glass greenhouse, smart farm, etc. This study is about a crop leaf growth index measurement system using AI, which allows the leaf growth index of crops to be measured and the growth level of crops to be predicted through these growth indices, allowing efficient crop cultivation plans to be established. will be.

최근 들어 농업에 ICT 기술이 접목된 스마트팜이 확산되고 있는 가운데, 데이터에 기반한 생육 단계별 정밀한 관리 및 제어를 위하여 보다 정확한 생육 데이터를 획득하고, 이를 분석 및 처리하기 위한 기술 개발이 활발하게 이루어지고 있다.Recently, as smart farms incorporating ICT technology have been spreading in agriculture, technology development is being actively conducted to acquire more accurate growth data, analyze and process it for precise management and control of each stage of growth based on data. .

이와 같이 데이터 기반 관리 및 정밀 제어를 위해서는 작물의 생육 데이터가 지속적으로 획득되어야 하는데, 작업자가 직접 줄자를 이용하여 작물의 줄기 두께나 생장길이, 화방상태 등의 생육 상태를 측정하는 종래 수작업에 의한 측정방식에서 벗어나, 최근에는 카메라 등의 촬영장치로 영상을 획득하고, 획득된 영상을 처리하여 작물의 각종 생육지표를 산출하는 영상 기반 생육지표 산출 방식이 보편화되고 있는 추세에 있다.In order to achieve this data-based management and precise control, crop growth data must be continuously acquired. Conventional manual measurement is performed, in which workers directly measure growth conditions such as stem thickness, growth length, and flower condition of crops using a tape measure. In recent years, image-based growth index calculation methods, which acquire images with imaging devices such as cameras and process the acquired images to calculate various growth indexes of crops, are becoming popular.

여기서, 작물의 영상을 획득하는 방법에는 작업자가 스마트폰이나 카메라를 소지하고 이동하면서 작물의 영상을 획득하는 방법과 식물공장, 유리온실, 스마트팜 등의 내부에 고정된 촬영장치를 이용하여 획득하는 방법이 있다.Here, methods for obtaining images of crops include a method in which a worker acquires images of crops while moving with a smartphone or camera, and a method in which images of crops are acquired using a filming device fixed inside a plant factory, glass greenhouse, smart farm, etc. There is a way.

이때, 작업자가 이동하면서 일일히 영상을 획득하는 방법은 촬영 작업이 매우 번거로울 뿐 아니라 작물과 촬영장치 간의 거리가 일정하지 않아 정확한 생육지표를 획득하기 어려운 문제점이 있는 것이었다.At this time, the method of acquiring images one by one while the worker moves is not only very cumbersome, but also has the problem of making it difficult to obtain accurate growth indicators because the distance between the crop and the imaging device is not constant.

또한, 고정된 촬영 장치를 이용하여 영상을 획득하는 방법에 의하면 협소한 공간에서 많은 작물을 재배하는 식물공장, 유리온실, 스마트팜 등의 특성상 좌우측 인접 작물 또는 후방 작물과 겹쳐진 상태로 영상이 촬영되므로 각종 영상 처리 알고리즘을 이용하여 생육지표를 산출하고자 하는 대상 작물을 식별하기 어려운 문제점이 있었다.In addition, according to the method of acquiring images using a fixed imaging device, due to the characteristics of plant factories, glass greenhouses, smart farms, etc. that grow many crops in a small space, the images are captured with the images overlapping with the adjacent crops on the left and right or with the crops behind. There was a problem in that it was difficult to identify the target crop for which growth indices were to be calculated using various image processing algorithms.

이와 같이 여러 작물이 겹쳐져 영상이 촬영되는 문제점은 복수의 영상 장치를 이용하여 여러 각도에서 영상을 획득하는 방법으로 해결될 수 있으나, 복수 영상 장치를 운용하는 비용 부담이 있으며, 작물의 밀집도가 높은 온실의 재배 환경을 고려할 때 현실적으로 적용되기 어려운 문제점이 있었다.This problem of capturing images with multiple crops overlapping can be solved by using multiple imaging devices to acquire images from multiple angles. However, there is a cost burden of operating multiple imaging devices, and greenhouses with a high density of crops Considering the cultivation environment, there were problems that made it difficult to apply it realistically.

공개특허 제10-2021-0157194호Public Patent No. 10-2021-0157194

이에 본 발명은 상기한 문제점을 일소하기 위해 창안한 것으로서, 식물공장, 유리온실, 스마트팜 등과 같은 통제된 환경에서 작물을 재배함에 있어 일정 주기로 자동 촬영된 영상 정보를 활용하여 작물의 엽 생육 지수를 측정할 수 있고, 이러한 생육지수를 통해 작물의 생육 정도를 예상할 수 있게 됨으로써 효율적인 작물재배 계획을 수립할 수 있도록 하는 AI를 활용한 작물의 엽 생육지수 측정시스템에 주안점을 두고 그 기술적 과제로서 완성한 것이다.Accordingly, the present invention was created to eliminate the above-mentioned problems, and when growing crops in a controlled environment such as a plant factory, glass greenhouse, smart farm, etc., the leaf growth index of the crop is determined by utilizing image information automatically captured at a certain period. It was completed as a technical task with a focus on the leaf growth index measurement system of crops using AI, which can measure and predict the growth level of crops through these growth indexes, enabling efficient crop cultivation plans to be established. will be.

위 기술적 과제를 달성하기 위한 본 발명은, AI를 활용한 작물의 엽 생육지수 측정시스템에 있어서, 작물 생육용 수평베드(5) 상에 위치된 작물(2)의 평면상태 영상을 촬영하는 영상 이미지 자동촬영부(10); 상기 작물 생육용 수평베드(5)는 흰색으로 형성되고, 상기 영상 이미지 자동촬영부(10)는 작물(2)의 수직 상단에서 작물(2)의 평단면상태 영상을 촬영하는 카메라모듈(12)과, 상기 카메라모듈(12)에 연결되어 일정간격으로 정해진 시간마다 카메라모듈(12)에 영상촬영을 지시하는 스케쥴링모듈(14)과, 상기 카메라모듈(12)에서 촬영된 영상을 정해진 클라우드(17)에 저장되도록 전송하는 전송모듈(16)로 구성되고, 상기 스케쥴링모듈(14)에 의해 일정간격으로 정해진 시간마다 엽(leaf)의 생장상태가 연속적으로 촬영되어 저장되고, 상기 연속적으로 촬영되어진 엽(leaf)의 생장상태는 시간, 일자, 기간별로 저장되며, 상기 시간, 일자, 기간별 생장상태는 평균치 또는 최대치를 설정하여 후(後)생장되는 작물(2)의 생장기준으로 대비 적용되도록 하고, 상기 영상 이미지 자동촬영부(10)를 통해 저장된 각 영상 이미지에 대한 평단면 엽 생육지수를 측정하여 생육지표를 형성하는 엽 생육지수 학습부(20); 상기 엽 생육지수 학습부(20)는, 상기 영상 이미지 자동촬영부(10)의 클라우드(17)에 저장된 각 영상 이미지에 대해 평단면 상태의 엽 생육지수를 측정하는 생육지표 계측모듈(22)과, 상기 영상 이미지에서 엽 외곽선(3)을 추출한 후 생육지표 계측모듈(22)에서 측정된 생육지표에 라벨링하는 분할모듈(24)과, 상기 작물(2)의 종류와 경계를 인지하여 구분하는 딥러닝학습모듈(26)로 구성되며, 상기 영상 이미지 자동촬영부(10) 및 엽 생육지수 학습부(20)를 통해 학습된 데이터를 활용하여 이미지를 측정하여 생육지수를 저장하는 엽 생육지수 측정부(30); 상기 엽 생육지수 측정부(30)는, 상기 엽 생육지수 학습부(20)의 딥러닝학습모듈(26)에서 학습된 데이터를 활용하여 이미지를 측정하는 이미지 측정모듈(32)과, 상기 이미지 측정모듈(32)을 통해 일정간격으로 정해진 설정기간별로 이미지를 측정하여 생육지수를 저장하는 DB모듈(34)로 구성되고, 상기 이미지 측정모듈(32)에서 측정된 설정기간 마다의 이미지 엽 외곽선(3)을 따라 일정간격으로 다수의 테두리포인트(4)를 표시하고, 상기 테두리포인트(4) 내의 면적을 측정하여 설정된 성장기준치면적을 이미지 측정모듈(32)에 저장하며, 상기 이미지 측정모듈(32)에 저장된 성장기준치면적을 토대로 한 성장기준외곽선(6)을 수평베드(5) 상에 표시한 후, 실제 생육되는 작물(2)과 면적대비하여 실제성장 속도를 측정토록 하고, 상기 엽 생육지수 측정부(30)를 통해 측정된 생육지수와 환경정보를 분석하여 생육상태를 분석하는 생육 분석부(40);를 포함하여 이루어지며, 상기 영상 이미지 자동촬영부(10)는 엽(leaf)의 면적을 측정하여 면적의 증가 정도를 통해 엽의 생육지수를 도출하고, 상기 엽 생육지수 학습부(20)는 엽 생육지수를 측정하여 생육지표를 형성하되, 상기 엽의 면적은 수평베드(5) 상의 작물(2) 인근에 면적대비용마킹부(7)를 표시하여 엽 생육지수 학습부(20)의 생육지표 계측모듈(22)에서 상호간의 면적을 대비하여 작물(2)의 엽 외곽선(3) 내의 면적을 계산토록 하고, 상기 면적대비용마킹부(7)는 작물(2)의 색상과 대비되는 보색으로 설정되게 하여 구성되는 것을 특징으로 하는 AI를 활용한 작물의 엽 생육지수 측정시스템을 제공한다.The present invention to achieve the above technical problem is a leaf growth index measurement system for crops using AI, a video image that captures a planar image of the crop (2) located on the horizontal bed (5) for crop growth. Automatic photographing unit (10); The horizontal bed 5 for crop growth is formed in white, and the video image automatic capture unit 10 is a camera module 12 that captures a flat cross-sectional image of the crop 2 from the vertical top of the crop 2. And, a scheduling module 14 that is connected to the camera module 12 and instructs the camera module 12 to capture images at regular intervals and at set times, and a scheduling module 14 that sends images captured by the camera module 12 to a designated cloud 17. ), the growth state of the leaves is continuously photographed and stored at a time determined at regular intervals by the scheduling module 14, and the continuously photographed leaves The growth status of (leaf) is stored by time, date, and period, and the growth status by time, date, and period is set to an average or maximum value and applied as a growth standard for later growing crops (2), a leaf growth index learning unit (20) that forms a growth index by measuring a flat cross-sectional leaf growth index for each video image stored through the video image automatic capture unit (10); The leaf growth index learning unit 20 includes a growth index measurement module 22 that measures the leaf growth index in a flat cross-section for each video image stored in the cloud 17 of the video image automatic capturing unit 10. , a segmentation module (24) that extracts the leaf outline (3) from the video image and then labels the growth index measured by the growth index measurement module (22), and a deep division that recognizes and distinguishes the type and boundary of the crop (2). A leaf growth index measurement unit that consists of a running learning module (26) and stores the growth index by measuring the image using data learned through the video image automatic capture unit (10) and the leaf growth index learning unit (20). (30); The leaf growth index measurement unit 30 includes an image measurement module 32 that measures an image using data learned in the deep learning learning module 26 of the leaf growth index learning unit 20, and the image measurement It consists of a DB module 34 that measures images for a set period at regular intervals through the module 32 and stores the growth index, and the image leaf outline (3) for each set period measured by the image measurement module 32. ), display a plurality of border points (4) at regular intervals, measure the area within the border points (4), and store the set growth reference area in the image measurement module (32). After displaying the growth standard outline (6) based on the growth standard area stored in the horizontal bed (5), the actual growth rate is measured compared to the actual growing crop (2) and area, and the leaf growth index is measured. It includes a growth analysis unit 40 that analyzes the growth status by analyzing the growth index and environmental information measured through the unit 30, and the video image automatic capture unit 10 measures the area of the leaf. is measured to derive the growth index of the leaf through the degree of increase in area, and the leaf growth index learning unit 20 measures the leaf growth index to form a growth index, and the area of the leaf is measured on the horizontal bed 5. By displaying the marking area for area comparison (7) near the crop (2), the leaf outline (3) of the crop (2) is compared with each other in the growth index measurement module (22) of the leaf growth index learning unit (20). Provides a leaf growth index measurement system for crops using AI, which is configured to calculate the area within the area, and the marking section for area (7) is set to a complementary color that contrasts with the color of the crop (2). do.

삭제delete

삭제delete

삭제delete

삭제delete

상기한 본 발명에 의하면 식물공장, 유리온실, 스마트팜 등과 같은 통제된 환경에서 작물을 재배함에 있어 일정 주기로 자동 촬영된 영상 정보를 활용하여 작물의 엽 생육 지수를 측정할 수 있고, 이러한 생육지수를 통해 작물의 생육 정도를 예상할 수 있게 됨으로써 효율적인 작물재배 계획을 수립할 수 있게 되는 등의 효과가 있다.According to the present invention described above, when growing crops in a controlled environment such as a plant factory, glass greenhouse, smart farm, etc., the leaf growth index of the crop can be measured using image information automatically captured at regular intervals, and this growth index can be measured. This has the effect of making it possible to predict the level of crop growth and establish an efficient crop cultivation plan.

도 1은 본 발명에 의한 수평베드 상에 작물이 배치된 상태 예시도
도 2는 본 발명에 의한 작물의 엽 외곽선을 추출하는 상태를 나타낸 예시도
도 3은 본 발명에 의한 작물의 1∼3차 성장기준치 예시도
도 4는 본 발명에 의한 성장기준치 대비 실제성장 대비 예시도
도 5 내지 도 8은 본 발명에 의한 작동부 연결상태 예시도
도 9는 본 발명에 의한 작물의 생육 과정을 나타낸 실시 예시도Figure 1 is an exemplary state in which crops are placed on a horizontal bed according to the present invention.
Figure 2 is an exemplary diagram showing the state of extracting the leaf outline of a crop according to the present invention
Figure 3 is an illustration of the first to third growth standards of crops according to the present invention
Figure 4 is an illustration of actual growth compared to the growth standard according to the present invention.
Figures 5 to 8 are diagrams illustrating the connection state of the operating unit according to the present invention.
Figure 9 is an exemplary diagram showing the growth process of crops according to the present invention

이하 본 발명의 실시를 위한 구체적인 내용을 첨부한 도면을 참조하여 더욱 상세하게 설명한다.Hereinafter, specific details for implementing the present invention will be described in more detail with reference to the attached drawings.

본 발명은 식물공장, 유리온실, 스마트팜 등과 같은 통제된 환경에서 작물을 재배함에 있어 일정 주기로 자동 촬영된 영상 정보를 활용하여 작물의 엽 생육 지수를 측정할 수 있고, 이러한 생육지수를 통해 작물의 생육 정도를 예상할 수 있게 됨으로써 효율적인 작물재배 계획을 수립할 수 있도록 하는 AI를 활용한 작물의 엽 생육지수 측정시스템에 관한 것으로서, 도 1 내지 도 9를 참고하여 보면 영상 이미지 자동촬영부(10), 엽 생육지수 학습부(20), 엽 생육지수 측정부(30) 및 생육 분석부(40)를 포함하여 이루어진다.The present invention can measure the leaf growth index of crops using image information automatically captured at regular intervals when growing crops in a controlled environment such as a plant factory, glass greenhouse, smart farm, etc., and this growth index can be used to measure the crop's leaf growth index. It relates to a crop leaf growth index measurement system using AI that allows the establishment of an efficient crop cultivation plan by predicting the degree of growth. Referring to FIGS. 1 to 9, the automatic video image capture unit (10) , a leaf growth index learning unit (20), a leaf growth index measurement unit (30), and a growth analysis unit (40).

본 발명의 구현을 위해 도 1에서와 같이 작물(2)을 생육시키기 위한 작물 생육용 수평베드(5)가 구비되고, 상기 작물 생육용 수평베드(5) 상에 작물(2)이 생육 가능하도록 구비된다.In order to implement the present invention, as shown in FIG. 1, a horizontal bed (5) for crop growth is provided for growing crops (2), and the crops (2) are allowed to grow on the horizontal bed (5) for crop growth. It is provided.

본 발명은 생육하는 작물(2)의 평면상태를 촬영하여 토마토, 파프리카 등의 엽(leaf) 생육지수를 측정토록 하기 위한 것으로, 상기 작물 생육용 수평베드(5) 상에 위치된 작물(2)의 평면상태 영상을 촬영하기 위해 작물(2)의 수직 상부측에 영상 이미지 자동촬영부(10)가 구비된다.The present invention is intended to measure the leaf growth index of tomatoes, paprika, etc. by photographing the planar state of growing crops (2), and crops (2) located on the horizontal bed (5) for crop growth. An automatic video image capturing unit 10 is provided on the vertical upper side of the crop 2 to capture a planar image.

이때, 상기 수평베드(5)의 상부표면 색상은 다양하게 형성할 수 있는 것이나 광 흡수율이 낮은 색상인 흰색으로 함이 바람직한 것이다.At this time, the color of the upper surface of the horizontal bed 5 can be formed in various ways, but it is preferably white, which is a color with a low light absorption rate.

상기 영상 이미지 자동촬영부(10)는 도 5 및 도 6에서와 같이 작물(2)의 수직 상단에서 작물(2)의 평단면상태 영상을 촬영하는 카메라모듈(12)이 구비되는데, 이때, 상기 영상 이미지 자동촬영부(10)는 IR카메라 또는 RGB카메라 등이 사용되며, 상기 영상 이미지 자동촬영부(10)를 통해 촬영되는 영상은 서버로 전송되어 저장된다.The video image automatic capturing unit 10 is provided with a camera module 12 that captures a flat cross-sectional image of the crop 2 from the vertical top of the crop 2, as shown in FIGS. 5 and 6. In this case, the The automatic video image capture unit 10 uses an IR camera or an RGB camera, and the video captured through the automatic video image capture unit 10 is transmitted to a server and stored.

또한, 영상 이미지 자동촬영부(10)는 상기 카메라모듈(12)에 연결되어 일정간격으로 정해진 시간마다 카메라모듈(12)에 영상촬영을 지시하는 스케쥴링모듈(14)이 구비되는데, 상기 스케쥴링모듈(14)에 의해 일정간격으로 정해진 시간마다 엽(leaf)의 생장상태가 연속적으로 촬영되어 저장된다.In addition, the video image automatic capture unit 10 is connected to the camera module 12 and is provided with a scheduling module 14 that instructs the camera module 12 to capture images at regular intervals and at fixed times. The scheduling module ( 14), the growth state of the leaves is continuously photographed and stored at regular intervals.

이때, 상기 연속적으로 촬영되어진 엽(leaf)의 생장상태는 시간, 일자, 기간별로 저장되며, 이러한 상기 시간, 일자, 기간별 생장상태는 평균치 또는 최대치를 설정하여 후(後)생장되는 작물(2)의 생장기준으로 대비 적용되도록 한다.At this time, the growth state of the continuously photographed leaves is stored by time, date, and period, and the growth state by time, date, and period is set to an average or maximum value and the crop (2) is grown later. It should be applied against the growth standards of .

그리고, 영상 이미지 자동촬영부(10)는 상기 카메라모듈(12)에서 촬영된 영상을 정해진 클라우드(17)에 저장되도록 전송하는 전송모듈(16)이 구비된다.In addition, the automatic video image capture unit 10 is equipped with a transmission module 16 that transmits the image captured by the camera module 12 to be stored in a designated cloud 17.

즉, 상기 영상 이미지 자동촬영부(10)는 카메라모듈(12) 및 스케쥴링모듈(14)을 통해 일정간격으로 정해진 시간마다 작물(2)의 평단면상태 영상을 촬영함으로써 엽(leaf) 생육지수를 측정하게 되고, 그 정보를 전송모듈(16)을 통해 클라우드(17)에 저장 보관하게 된다.In other words, the video image automatic capture unit 10 captures the flat cross-sectional state image of the crop 2 at regular intervals through the camera module 12 and the scheduling module 14 to determine the leaf growth index. Measurements are made, and the information is stored in the cloud (17) through the transmission module (16).

한편, 상기 영상 이미지 자동촬영부(10)를 통해 저장된 각 영상 이미지에 대한 평단면 엽 생육지수를 측정하여 생육지표를 형성하는 엽 생육지수 학습부(20)가 구비된다.Meanwhile, a leaf growth index learning unit 20 is provided to form a growth index by measuring the flat cross-section leaf growth index for each video image stored through the video image automatic capture unit 10.

상기 엽 생육지수 학습부(20)는 도 5 및 도 7에서와 같이 상기 영상 이미지 자동촬영부(10)의 전송모듈(16)에 저장된 각 영상 이미지에 대해 평단면 상태의 엽 생육지수를 측정하는 생육지표 계측모듈(22)이 구비된다.The leaf growth index learning unit 20 measures the leaf growth index in a flat cross-section for each video image stored in the transmission module 16 of the automatic video image capture unit 10, as shown in FIGS. 5 and 7. A growth indicator measurement module 22 is provided.

또한, 엽 생육지수 학습부(20)는 도 2를 더 참고하여 보면 상기 영상 이미지에서 엽 외곽선(3)을 추출한 후 생육지표 계측모듈(22)에서 측정된 생육지표에 라벨링하는 분할모듈(24)이 구비되고, 상기 작물(2)을 인지하여 구분하는 딥러닝학습모듈(26)이 구비되는데, 이때 상기 딥러닝학습모듈(26)에서는 작물의 종류와 경계를 인지 및 구분하게 된다.In addition, with further reference to FIG. 2, the leaf growth index learning unit 20 includes a segmentation module 24 that extracts the leaf outline 3 from the video image and then labels the growth index measured by the growth index measurement module 22. is provided, and a deep learning learning module 26 is provided to recognize and distinguish the crops 2. At this time, the deep learning learning module 26 recognizes and distinguishes the types and boundaries of the crops.

상기 영상 이미지 자동촬영부(10)는 엽(leaf)의 면적을 측정하여 면적의 증가 정도를 통해 엽의 생육지수를 도출하기 위해 구비되는 것이고, 상기 엽 생육지수 학습부(20)는 엽 생육지수를 측정하여 생육지표를 형성하기 위해 구비되는 것인데, 이때, 상기 엽의 면적은 도 2의 (b)에서와 같이 영상 이미지에서 엽 외곽선(3)을 추출한 후 픽셀 또는 x,y좌표 등의 면적단위를 기준으로 하여 엽의 면적을 계산할 수 있고, 또한 도 4에서와 같이 수평베드(5) 상의 작물(2) 인근에 면적대비용마킹부(7)를 표시하여 엽 생육지수 학습부(20)의의 생육지표 계측모듈(22)에서 상호간의 면적을 대비하여 작물(2)의 엽 외곽선(3) 내의 면적을 계산할 수 있다.The video image automatic capturing unit 10 is provided to measure the area of the leaf and derive the growth index of the leaf through the degree of increase in the area, and the leaf growth index learning unit 20 measures the leaf growth index. It is provided to form a growth index by measuring. At this time, the area of the leaf is measured in area units such as pixels or x, y coordinates after extracting the leaf outline (3) from the video image as shown in (b) of Figure 2. The area of the leaf can be calculated based on , and as shown in FIG. 4, a marking part (7) for area comparison is displayed near the crop (2) on the horizontal bed (5) to determine the significance of the leaf growth index learning part (20). In the growth indicator measurement module 22, the area within the leaf outline 3 of the crop 2 can be calculated by comparing the areas with each other.

이때, 상기 면적대비용마킹부(7)는 작물(2)의 색상과 대비되는 보색으로 설정되도록 함이 바람직한데, 작물(2)의 색상이 초록색인 경우, 이에 보색인 자주색 또는 빨강색으로 설정하는 것이 바람직하고, 이는 작물(2)의 색상에 따라 보색으로 마련토록 하는 것이 바람직하다.At this time, it is desirable that the marking part 7 for area is set to a complementary color that contrasts with the color of the crop 2. If the color of the crop 2 is green, it is set to the complementary color of purple or red. It is desirable to provide complementary colors according to the color of the crop 2.

한편, 상기 영상 이미지 자동촬영부(10) 및 엽 생육지수 학습부(20)를 통해 학습된 데이터를 활용하여 이미지를 측정하여 생육지수를 저장하는 엽 생육지수 측정부(30)가 구비된다.Meanwhile, a leaf growth index measurement unit 30 is provided that measures the image and stores the growth index using data learned through the video image automatic capture unit 10 and the leaf growth index learning unit 20.

상기 엽 생육지수 측정부(30)는 도 5 및 도 8에서와 같이 상기 엽 생육지수 학습부(20)의 딥러닝학습모듈(26)에서 학습된 데이터를 활용하여 이미지를 측정하는 이미지 측정모듈(32)이 구비되고, 상기 이미지 측정모듈(32)을 통해 일정간격으로 정해진 설정기간별로 이미지를 측정하여 생육지수를 저장하는 DB모듈(34)이 구성된다.The leaf growth index measurement unit 30 is an image measurement module ( 32) is provided, and a DB module 34 is configured to measure images for a set period at regular intervals through the image measurement module 32 and store the growth index.

이때, 도 2에서와 같이 상기 이미지 측정모듈(32)에서 측정된 설정기간 마다의 이미지 엽 외곽선(3)을 따라 일정간격으로 다수의 테두리포인트(4)를 표시하고, 상기 테두리포인트(4) 내의 면적을 측정하여 설정된 성장기준치면적을 이미지 측정모듈(32)에 저장하고, 도 3을 참조한 도 4에서와 같이 상기 이미지 측정모듈(32)에 저장된 성장기준치면적을 토대로 한 성장기준외곽선(6)을 수평베드(5) 상에 표시한 후, 실제 생육되는 작물(2)과 면적대비하여 실제성장 속도를 측정토록 할 수 있음과 아울러 면적대비용마킹부(7)를 통한 상호간의 면적을 대비하여 실제성장 속도를 측정할 수도 있는 것이다.At this time, as shown in Figure 2, a plurality of border points (4) are displayed at regular intervals along the image lobe outline (3) for each set period measured by the image measurement module (32), and within the border points (4) The growth reference area set by measuring the area is stored in the image measurement module 32, and a growth reference outline 6 is created based on the growth reference area stored in the image measurement module 32, as shown in FIG. 4 with reference to FIG. 3. After marking on the horizontal bed (5), the actual growth rate can be measured in comparison with the actual growing crops (2) and the area, and the actual growth rate can be measured by comparing the areas with each other through the area comparison marking section (7). It is also possible to measure the growth rate.

그리고, 상기 엽 생육지수 측정부(30)를 통해 측정된 생육지수와 환경정보를 분석하여 생육상태를 분석하는 생육 분석부(40)가 구비된다.In addition, a growth analysis unit 40 is provided to analyze the growth status by analyzing the growth index and environmental information measured through the leaf growth index measurement unit 30.

상기한 본 발명의 영상 이미지 자동촬영부(10), 엽 생육지수 학습부(20), 엽 생육지수 측정부(30) 및 생육 분석부(40)를 통해서 생육지수가 측정되게 되는데, 그 생육지수 내에는 엽의 생육기간에 따른 생육환경이 함께 포함되며, 이때 엽의 생육환경은 온도, 습도, 빛, 바람, 이산화탄소 등이 있다.The growth index is measured through the video image automatic capture unit 10, leaf growth index learning unit 20, leaf growth index measurement unit 30, and growth analysis unit 40 of the present invention. It includes the growth environment according to the growth period of the leaves, and the growth environment of the leaves includes temperature, humidity, light, wind, and carbon dioxide.

이러한 생육환경 하에서 엽의 생육지수가 측정되면, 그 측정된 생육지수를 이용하여 동일한 생육환경을 조성해 주게 되면 동일기간에 그 작물(2)을 원하는 크기만큼 생육시킬 수 있기 때문에 작물(2)의 생육 정도를 예상할 수 있게 되므로 효율적인 작물재배 계획을 수립할 수 있게 된다.When the growth index of the leaf is measured under this growth environment, if the same growth environment is created using the measured growth index, the crop (2) can be grown to the desired size in the same period, thereby improving the growth of the crop (2). Since the degree can be predicted, an efficient crop cultivation plan can be established.

또한, 상술된 도 4를 참조하여 보면 이미지 측정모듈(32)에 저장된 성장기준치면적을 토대로 한 성장기준외곽선(6)을 수평베드(5) 상에 표시하거나 면적대비용마킹부(7)를 통한 상호간의 면적을 대비한 후, 실제 생육되는 작물(2)과 면적대비하여 실제성장 속도를 측정토록 하여, 상기 성장기준외곽선(6)의 면적 보다 실제 생육되는 작물(2)의 면적이 작으면 엽의 생육환경을 증가시켜 주면서 정해진 기간 내에 엽을 성장시키도록 한다.In addition, referring to FIG. 4 described above, a growth reference outline 6 based on the growth reference area stored in the image measurement module 32 is displayed on the horizontal bed 5 or through the area comparison marking unit 7. After comparing the areas, the actual growth rate is measured compared to the actual growing crop (2) and the area. If the area of the actual growing crop (2) is smaller than the area of the growth standard outline (6), the leaf Increase the growth environment and allow leaves to grow within a set period of time.

이러한 구성들을 토대로 하여 도 9에서는 작물(2)의 종류별 생육 과정을 도시하였다.Based on these configurations, Figure 9 shows the growth process for each type of crop 2.

상술된 바와 같은 본 발명의 AI를 활용한 작물의 엽 생육지수 측정시스템에 의하면, 식물공장, 유리온실, 스마트팜 등과 같은 통제된 환경에서 작물을 재배함에 있어 일정 주기로 자동 촬영된 영상 정보를 활용하여 작물의 엽 생육 지수를 측정할 수 있고, 이러한 생육지수를 통해 작물의 생육 정도를 예상할 수 있게 됨으로써 효율적인 작물재배 계획을 수립할 수 있게 된다.According to the leaf growth index measurement system of crops using AI of the present invention as described above, image information automatically captured at regular intervals is used to grow crops in controlled environments such as plant factories, glass greenhouses, smart farms, etc. The leaf growth index of the crop can be measured, and the growth level of the crop can be predicted through this growth index, making it possible to establish an efficient crop cultivation plan.

이상에서 설명한 본 발명은, 도면에 도시된 일실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 명확히 하여야 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The present invention described above has been described with reference to an embodiment shown in the drawings, but this is merely illustrative, and various modifications and other equivalent embodiments can be made by those skilled in the art. should be clarified. Therefore, the true technical protection scope of the present invention should be interpreted in accordance with the attached claims, and all technical ideas within the equivalent scope should be interpreted as being included in the scope of the present invention.

2 : 작물 5 : 수평베드
7 : 면적대비용마킹부 10 : 영상 이미지 자동촬영부
20 : 엽 생육지수 학습부 30 : 엽 생육지수 측정부
40 : 생육 분석부2: Crop 5: Horizontal bed
7: Marking unit for area comparison 10: Automatic video image capture unit
20: Leaf growth index learning unit 30: Leaf growth index measurement unit
40: Growth analysis unit

Claims (5)

AI를 활용한 작물의 엽 생육지수 측정시스템에 있어서,
작물 생육용 수평베드(5) 상에 위치된 작물(2)의 평면상태 영상을 촬영하는 영상 이미지 자동촬영부(10); 상기 작물 생육용 수평베드(5)는 흰색으로 형성되고, 상기 영상 이미지 자동촬영부(10)는 작물(2)의 수직 상단에서 작물(2)의 평단면상태 영상을 촬영하는 카메라모듈(12)과, 상기 카메라모듈(12)에 연결되어 일정간격으로 정해진 시간마다 카메라모듈(12)에 영상촬영을 지시하는 스케쥴링모듈(14)과, 상기 카메라모듈(12)에서 촬영된 영상을 정해진 클라우드(17)에 저장되도록 전송하는 전송모듈(16)로 구성되고,
상기 스케쥴링모듈(14)에 의해 일정간격으로 정해진 시간마다 엽(leaf)의 생장상태가 연속적으로 촬영되어 저장되고, 상기 연속적으로 촬영되어진 엽(leaf)의 생장상태는 시간, 일자, 기간별로 저장되며, 상기 시간, 일자, 기간별 생장상태는 평균치 또는 최대치를 설정하여 후(後)생장되는 작물(2)의 생장기준으로 대비 적용되도록 하고,
상기 영상 이미지 자동촬영부(10)를 통해 저장된 각 영상 이미지에 대한 평단면 엽 생육지수를 측정하여 생육지표를 형성하는 엽 생육지수 학습부(20); 상기 엽 생육지수 학습부(20)는, 상기 영상 이미지 자동촬영부(10)의 클라우드(17)에 저장된 각 영상 이미지에 대해 평단면 상태의 엽 생육지수를 측정하는 생육지표 계측모듈(22)과, 상기 영상 이미지에서 엽 외곽선(3)을 추출한 후 생육지표 계측모듈(22)에서 측정된 생육지표에 라벨링하는 분할모듈(24)과, 상기 작물(2)의 종류와 경계를 인지하여 구분하는 딥러닝학습모듈(26)로 구성되며,
상기 영상 이미지 자동촬영부(10) 및 엽 생육지수 학습부(20)를 통해 학습된 데이터를 활용하여 이미지를 측정하여 생육지수를 저장하는 엽 생육지수 측정부(30); 상기 엽 생육지수 측정부(30)는, 상기 엽 생육지수 학습부(20)의 딥러닝학습모듈(26)에서 학습된 데이터를 활용하여 이미지를 측정하는 이미지 측정모듈(32)과, 상기 이미지 측정모듈(32)을 통해 일정간격으로 정해진 설정기간별로 이미지를 측정하여 생육지수를 저장하는 DB모듈(34)로 구성되고,
상기 이미지 측정모듈(32)에서 측정된 설정기간 마다의 이미지 엽 외곽선(3)을 따라 일정간격으로 다수의 테두리포인트(4)를 표시하고, 상기 테두리포인트(4) 내의 면적을 측정하여 설정된 성장기준치면적을 이미지 측정모듈(32)에 저장하며, 상기 이미지 측정모듈(32)에 저장된 성장기준치면적을 토대로 한 성장기준외곽선(6)을 수평베드(5) 상에 표시한 후, 실제 생육되는 작물(2)과 면적대비하여 실제성장 속도를 측정토록 하고,
상기 엽 생육지수 측정부(30)를 통해 측정된 생육지수와 환경정보를 분석하여 생육상태를 분석하는 생육 분석부(40);를 포함하여 이루어지며,
상기 영상 이미지 자동촬영부(10)는 엽(leaf)의 면적을 측정하여 면적의 증가 정도를 통해 엽의 생육지수를 도출하고, 상기 엽 생육지수 학습부(20)는 엽 생육지수를 측정하여 생육지표를 형성하되, 상기 엽의 면적은 수평베드(5) 상의 작물(2) 인근에 면적대비용마킹부(7)를 표시하여 엽 생육지수 학습부(20)의 생육지표 계측모듈(22)에서 상호간의 면적을 대비하여 작물(2)의 엽 외곽선(3) 내의 면적을 계산토록 하고, 상기 면적대비용마킹부(7)는 작물(2)의 색상과 대비되는 보색으로 설정되게 하여 구성되는 것을 특징으로 하는 AI를 활용한 작물의 엽 생육지수 측정시스템.
In the leaf growth index measurement system of crops using AI,
An automatic image capture unit (10) that captures a planar image of crops (2) located on a horizontal bed (5) for crop growth; The horizontal bed 5 for crop growth is formed in white, and the video image automatic capture unit 10 is a camera module 12 that captures a flat cross-sectional image of the crop 2 from the vertical top of the crop 2. And, a scheduling module 14 that is connected to the camera module 12 and instructs the camera module 12 to capture images at regular intervals and at set times, and a scheduling module 14 that sends images captured by the camera module 12 to a designated cloud 17. ) consists of a transmission module 16 that transmits to be stored in
The growth state of the leaves is continuously photographed and stored at regular intervals by the scheduling module 14, and the growth state of the continuously photographed leaves is stored by time, date, and period. , the growth status by time, date, and period is set to an average or maximum value and applied as a growth standard for crops (2) to be grown later,
a leaf growth index learning unit (20) that forms a growth index by measuring a flat cross-sectional leaf growth index for each video image stored through the video image automatic capture unit (10); The leaf growth index learning unit 20 includes a growth index measurement module 22 that measures the leaf growth index in a flat cross-section for each video image stored in the cloud 17 of the video image automatic capturing unit 10. , a segmentation module (24) that extracts the leaf outline (3) from the video image and then labels the growth index measured by the growth index measurement module (22), and a deep division that recognizes and distinguishes the type and boundary of the crop (2). It consists of learning learning modules (26),
A leaf growth index measurement unit 30 that measures images using data learned through the video image automatic capture unit 10 and the leaf growth index learning unit 20 and stores the growth index; The leaf growth index measurement unit 30 includes an image measurement module 32 that measures an image using data learned in the deep learning learning module 26 of the leaf growth index learning unit 20, and the image measurement It consists of a DB module 34 that measures images for a set period at regular intervals through the module 32 and stores the growth index,
A growth standard value set by displaying a plurality of border points (4) at regular intervals along the image leaf outline (3) for each set period measured by the image measurement module (32) and measuring the area within the border points (4) The area is stored in the image measurement module 32, and the growth standard outline 6 based on the growth standard area stored in the image measurement module 32 is displayed on the horizontal bed 5, and then the actual growing crops ( 2) Measure the actual growth rate compared to the area,
It includes a growth analysis unit (40) that analyzes the growth status by analyzing the growth index and environmental information measured through the leaf growth index measurement unit (30),
The video image automatic capture unit 10 measures the area of the leaf and derives the growth index of the leaf through the degree of increase in the area, and the leaf growth index learning unit 20 measures the leaf growth index and determines the growth index of the leaf. An indicator is formed, and the area of the leaf is measured in the growth index measurement module 22 of the leaf growth index learning unit 20 by displaying a marking portion for area comparison (7) near the crop (2) on the horizontal bed (5). The area within the leaf outline (3) of the crop (2) is calculated by comparing the areas with each other, and the marking portion (7) for area comparison is set to a complementary color that contrasts with the color of the crop (2). Features a leaf growth index measurement system for crops using AI.
 삭제delete 삭제delete 삭제delete 삭제delete
KR1020220069984A 2022-06-09 2022-06-09 Measuring system the leaf growth index of crops using AI KR102582588B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220069984A KR102582588B1 (en) 2022-06-09 2022-06-09 Measuring system the leaf growth index of crops using AI

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220069984A KR102582588B1 (en) 2022-06-09 2022-06-09 Measuring system the leaf growth index of crops using AI

Publications (1)

Publication Number Publication Date
KR102582588B1 true KR102582588B1 (en) 2023-09-25

Family

ID=88190419

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220069984A KR102582588B1 (en) 2022-06-09 2022-06-09 Measuring system the leaf growth index of crops using AI

Country Status (1)

Country Link
KR (1) KR102582588B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117710511A (en) * 2024-02-05 2024-03-15 浙江托普云农科技股份有限公司 Blade imaging method of blade area measuring instrument based on photoelectric detection method and application of blade imaging method

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101832724B1 (en) * 2016-09-08 2018-04-16 아인정보기술 주식회사 System and method for diagnosing crop through the video image
KR20180086745A (en) * 2017-01-23 2018-08-01 한국과학기술연구원 Apparatus for processing plant images and method thereof
KR20190069648A (en) * 2017-12-05 2019-06-20 농업회사법인 원스베리 주식회사 Method for measuring growth amount by image analyzing ginseng
KR20210062332A (en) * 2019-11-21 2021-05-31 국민대학교산학협력단 System for crop growth management and method thereof
KR20210077504A (en) * 2019-12-17 2021-06-25 월드시스템주식회사 Smart Farm Data System
KR20210157194A (en) 2020-06-19 2021-12-28 대한민국(농촌진흥청장) Crop growth measurement device using image processing and method thereof

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101832724B1 (en) * 2016-09-08 2018-04-16 아인정보기술 주식회사 System and method for diagnosing crop through the video image
KR20180086745A (en) * 2017-01-23 2018-08-01 한국과학기술연구원 Apparatus for processing plant images and method thereof
KR20190069648A (en) * 2017-12-05 2019-06-20 농업회사법인 원스베리 주식회사 Method for measuring growth amount by image analyzing ginseng
KR20210062332A (en) * 2019-11-21 2021-05-31 국민대학교산학협력단 System for crop growth management and method thereof
KR20210077504A (en) * 2019-12-17 2021-06-25 월드시스템주식회사 Smart Farm Data System
KR20210157194A (en) 2020-06-19 2021-12-28 대한민국(농촌진흥청장) Crop growth measurement device using image processing and method thereof

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117710511A (en) * 2024-02-05 2024-03-15 浙江托普云农科技股份有限公司 Blade imaging method of blade area measuring instrument based on photoelectric detection method and application of blade imaging method
CN117710511B (en) * 2024-02-05 2024-04-30 浙江托普云农科技股份有限公司 Blade imaging method of blade area measuring instrument based on photoelectric detection method and application of blade imaging method

Similar Documents

Publication Publication Date Title
CN104482860B (en) Fish morphological parameters self-operated measuring unit and method
CN110262443A (en) A kind of greenhouse environmental monitoring system based on mobile Internet
US20130235190A1 (en) Leaf area index measurement system, device, method, and program
WO2021208407A1 (en) Target object detection method and apparatus, and image collection method and apparatus
CN105547252A (en) Crop canopy image acquisition device based on context awareness
KR101822410B1 (en) Apparatus for diagnosing growth state of crop organ using crop organ image
CN104732564B (en) A kind of Estimating Leaf Area In Maize dynamic nondestructive monitoring device and method
KR101974638B1 (en) Apparatus for processing plant images and method thereof
KR101912651B1 (en) Apparatus for processing information used in temperature identification system each crop organ using to thermal image in colony
KR102582588B1 (en) Measuring system the leaf growth index of crops using AI
WO2023172080A1 (en) Vegetation index acquisition unit and plant monitoring device comprising same
CN109241918A (en) A kind of plant management-control method, apparatus and system based on plant information
KR20210077504A (en) Smart Farm Data System
CN115661650A (en) Farm management system based on data monitoring of Internet of things
KR102351652B1 (en) Method and system for controlling smartfarm
KR102114384B1 (en) Image-based crop growth data measuring mobile app. and device therefor
CN109581897A (en) A kind of agricultural greenhouse Data Management Analysis system based on Internet of Things
CN111896045B (en) Greenhouse crop three-dimensional directional sensing and fine-grained automatic acquisition device and method
KR102398294B1 (en) System and method for determining sink capacity and source capacity
KR102500781B1 (en) Growth measuring device equipped with AI-based camera module for measuring leaf growth of crops
CN113514402B (en) System and method for predicting chlorophyll content of winter wheat
WO2021006029A1 (en) Information processing device and index value calculation method
KR20120072985A (en) System and method for growing plants
KR102500784B1 (en) Crop cultivation system using AI measurement of the leaf growth index of crops
CN113055646A (en) Automatic intelligent insect pest situation forecasting device

Legal Events

Date Code Title Description
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant