KR102643855B1 - Rgb 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템 - Google Patents
Rgb 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템 Download PDFInfo
- Publication number
- KR102643855B1 KR102643855B1 KR1020230106674A KR20230106674A KR102643855B1 KR 102643855 B1 KR102643855 B1 KR 102643855B1 KR 1020230106674 A KR1020230106674 A KR 1020230106674A KR 20230106674 A KR20230106674 A KR 20230106674A KR 102643855 B1 KR102643855 B1 KR 102643855B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- image data
- rgb camera
- crops
- data
- Prior art date
Links
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 33
- 230000012010 growth Effects 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims abstract description 20
- 201000010099 disease Diseases 0.000 claims abstract description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000003321 amplification Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000010191 image analysis Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 230000003416 augmentation Effects 0.000 claims description 4
- 230000003862 health status Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/72—Data preparation, e.g. statistical preprocessing of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/51—Housings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Mining & Mineral Resources (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Animal Husbandry (AREA)
- Molecular Biology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
본 발명은 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템에 관한 것으로, 해결하고자 하는 과제는 드론 만을 이용한 영상 촬영 및 취득 방식에 따른 한계에서 벗어나 CCTV 방식의 카메라를 활용한 자동 영상 수집과 영상 분석을 통해 농경지의 생육정보 분석 및 병충해 예찰을 수행하는데 있다.
일례로, 농가에 각각 설치되어 농경지에서 재배되는 농작물을 촬영하여 영상데이터를 생성하고, 생성된 영상데이터를 실시간 전송하고, 촬영된 농작물까지의 거리를 측정하여 거리데이터를 생성하고, 상기 영상데이터 및 상기 거리데이터를 실시간 전송하는 적어도 하나의 RGB 카메라 장치부; 및 상기 RGB 카메라 장치부로부터 상기 영상데이터 및 상기 거리데이터를 실시간 수신하고, 수신된 상기 영상데이터 및 상기 거리데이터를 이용하여 농작물의 시각적 특성 및 외형적 특성을 분석하고, 분석된 특성정보를 기반으로 농작물의 생장상태를 판단하며, 상기 영상데이터에 대한 이미지 전처리를 수행하고, 전처리 된 영상데이터를 미리 구축된 기계학습 알고리즘에 입력하고 병충해 진단 분석을 수행하여 농작물의 병충해를 판단하는 관제 서버를 포함하는 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템을 개시한다.
일례로, 농가에 각각 설치되어 농경지에서 재배되는 농작물을 촬영하여 영상데이터를 생성하고, 생성된 영상데이터를 실시간 전송하고, 촬영된 농작물까지의 거리를 측정하여 거리데이터를 생성하고, 상기 영상데이터 및 상기 거리데이터를 실시간 전송하는 적어도 하나의 RGB 카메라 장치부; 및 상기 RGB 카메라 장치부로부터 상기 영상데이터 및 상기 거리데이터를 실시간 수신하고, 수신된 상기 영상데이터 및 상기 거리데이터를 이용하여 농작물의 시각적 특성 및 외형적 특성을 분석하고, 분석된 특성정보를 기반으로 농작물의 생장상태를 판단하며, 상기 영상데이터에 대한 이미지 전처리를 수행하고, 전처리 된 영상데이터를 미리 구축된 기계학습 알고리즘에 입력하고 병충해 진단 분석을 수행하여 농작물의 병충해를 판단하는 관제 서버를 포함하는 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템을 개시한다.
Description
본 발명의 실시예는 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템에 관한 것이다.
일반적으로 농작물의 생육상태 및 병충해 예방을 위해서 드론의 분광카메라를 활용한 촬영 영상을 통한 분석이 이루어지고 있다.
이에 따라, 최근 드론(무인 항공기)을 이용하여 분석 대상 지역을 촬영하고 촬영된 영상을 모니터링 하면서 생육 상태나 병충해 피해를 예측하거나 적절한 대응을 진행하는 추세에 있다.
그러나, 드론 만을 이용하여 영상을 획득하는 시스템의 경우, 촬영 현장의 기상 조건이나, 장기간 촬영에 의한 드론의 배터리 문제 등 다양한 요인으로 인해 드론 만을 활용한 영상 수집에는 한계가 있어 균일하고 고품질의 영상데이터를 취득하는데 어려움이 있다.
본 발명의 실시예는, 드론 만을 이용한 영상 촬영 및 취득 방식에 따른 한계에서 벗어나 CCTV 방식의 카메라를 활용한 자동 영상 수집과 영상 분석을 통해 농경지의 생육정보 분석 및 병충해 예찰을 수행하기 위한 RGB 카메라의 실시간 영상 수집 기능 활용한 통합 관제 시스템을 제공한다.
본 발명의 실시예에 따른 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템은, 농가에 각각 설치되어 농경지에서 재배되는 농작물을 촬영하여 영상데이터를 생성하고, 생성된 영상데이터를 실시간 전송하고, 촬영된 농작물까지의 거리를 측정하여 거리데이터를 생성하고, 상기 영상데이터 및 상기 거리데이터를 실시간 전송하는 적어도 하나의 RGB 카메라 장치부; 및 상기 RGB 카메라 장치부로부터 상기 영상데이터 및 상기 거리데이터를 실시간 수신하고, 수신된 상기 영상데이터 및 상기 거리데이터를 이용하여 농작물의 시각적 특성 및 외형적 특성을 분석하고, 분석된 특성정보를 기반으로 농작물의 생장상태를 판단하며, 상기 영상데이터에 대한 이미지 전처리를 수행하고, 전처리 된 영상데이터를 미리 구축된 기계학습 알고리즘에 입력하고 병충해 진단 분석을 수행하여 농작물의 병충해를 판단하는 관제 서버를 포함한다.
또한, 상기 RGB 카메라 장치부는, 농경지를 향해 배치되어 농작물을 촬영하여 상기 영상데이터를 생성하는 RGB 카메라; 농작물과 상기 RGB 카메라 장치부 간의 거리를 측정하여 상기 거리데이터를 생성하는 비접촉식 센서; 상기 영상데이터 및 상기 거리데이터를 상기 관제 서버로 실시간 전송하는 통신 모듈; 외부 전원을 공급 받아 상기 RGB 카메라 및 비접촉식 센서의 전원을 공급하는 파워-서플라이; 상기 RGB 카메라, 상기 비접촉식 센서, 상기 통신 모듈 및 상기 파워-서플라이를 수용하고, 정면 부분에 하방으로 경사진 개구부가 형성되고, 상기 개구부에 설치된 커버 렌즈를 구비하는 하우징 장치; 및 상기 하우징 장치를 지면으로부터 일정 높이 상에 배치하며 지지하는 지주대를 포함할 수 있다.
또한, 상기 관제 서버는, 상기 영상데이터 및 상기 거리데이터를 통해 농작물의 색상, 크기, 길이 및 형태를 포함하는 시각적 특성 및 외형적 특성을 각각 분석하고, 분석된 시각적 및 외형적 정보를 기반으로 식물체의 생장상태를 판단하는 제1 생장상태 판단부를 포함할 수 있다.
또한, 상기 영상데이터는 근적외선 필터가 제거된 상태로 촬영된 영상데이터이고, 상기 관제 서버는, 디지털 필터를 이용하여 상기 영상데이터로부터 가시광선 중 적색 파장 값 및 적외선 중 근적외선 파장 값을 각각 구하고, 구한 상기 적색 파장 값 및 상기 근적외선 파장 값을 이용하여 정규식생지수 값 산출하고, 산출된 상기 정규식생지수 값을 기반으로 농작물의 질병 여부 및 건강 상태를 포함하는 생장상태를 판단하는 제2 생장상태 판단부를 포함할 수 있다.
또한, 상기 관제 서버는, 미리 설정된 이미지 값을 이용하여 상기 영상데이터에서 레이블링(labeling)이 가능하지 않은 이미지를 제거한 후, 해당 영상데이터에 대한 이미지의 사이즈가 미리 설정된 사이즈로 정규화하는 이미지 전처리부; 상기 이미지 전처리부를 통해 처리된 영상데이터에 대한 이미지 어그멘테이션(Image augmentation)을 통해 이미지 증폭 처리를 수행하여 동일 이미지에 대하여 회전, 채도 변화, 밝기 변화, 반전, 색 변환을 포함하는 다수의 변환 이미지를 획득하여 병충해 분석을 위한 데이터 양을 확보하는 이미지 증폭부; 및 상기 이미지 증폭부를 통해 처리된 영상데이터에 대해 CNN(Convolution Neural Network) 기계학습 알고리즘 분석을 통해 컨볼루션(Convolution) 과정을 거쳐 다수의 피처 맵(feature map)을 생성하고, 상기 다수의 피처 맵에서 부차 표본 추출(sub-sampling) 과정을 거쳐 특정 병충해에서만 나타나는 이미지의 특징을 추출하여 병충해를 판별하되, 병충해의 위치, 분포, 형상 및 패턴을 구분하고, 구분된 결과로부터 병충해의 진행 정도를 분석하며, 분석 결과를 병충해 판별정보에 포함시키는 이미지 분석부를 포함할 수 있다.
또한, 상기 하우징 장치는, 상기 개구부의 내주연 중 상부에 상기 커버 렌즈의 상단에 안착되도록 형성된 상단홈; 상기 개구부의 내주연 중 하부에 형성되고, 상기 커버 렌즈의 하강 시 상기 커버 렌즈가 관통하는 관통 슬롯; 상기 개구부의 내주연 중 양 측부에 각각 형성되어 상기 커버 렌즈의 승강을 안내하는 레일 부재; 상기 개구부의 내주연 중 하부에 수평방향으로 배치되고, 상기 하우징 장치 내부에 설치되고, 상기 커버 렌즈의 내측면과 밀착되어 회전 시 상기 커버 렌즈를 승강시키는 내측 롤러 부재; 상기 내측 롤러 부재의 내부에 설치되고, 제어신호에 따라 구동하여 상기 내측 롤러 부재를 회전시키는 양방향 모터; 및 상기 개구부의 내주연 중 하부에 수평방향으로 배치되고, 상기 하우징 장치의 외부에 교체 가능하게 설치되되, 상기 커버 렌즈를 사이에 두고 상기 내측 롤러 부재와 대향하는 위치에 설치되고, 습기 및 이물질 제거를 위한 외측 롤러 부재를 포함할 수 있다.
또한, 상기 관제 서버는, 상기 양방향 모터의 구동을 제어하기 위한 제어신호를 상기 통신 모듈로 송출하는 카메라 청소 관리부를 포함할 수 있다.
본 발명에 따르면, 드론 만을 이용한 영상 촬영 및 취득 방식에 따른 한계에서 벗어나 CCTV 방식의 카메라를 활용한 자동 영상 수집과 영상 분석을 통해 농경지의 생육정보 분석 및 병충해 예찰을 수행하기 위한 RGB 카메라의 실시간 영상 수집 기능 활용한 통합 관제 시스템을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 RGB 카메라의 실시간 영상 수집 기능 활용한 통합 관제 시스템의 전체 구성 및 구현 형태를 나타낸 개요도이다.
도 2는 본 발명의 실시예에 따른 RGB 카메라 장치부의 구성을 나타낸 블록도이다.
도 3은 본 발명의 실시예에 따른 하우징 장치부를 나타낸 사시도이다.
도 4 내지 도 6은 본 발명의 실시예에 따른 하우징 장치부의 세부 구성을 나타낸 정면도와 내부 측면도이다.
도 7은 본 발명의 실시예에 따른 관제 서버의 구성을 나타낸 블록도이다.
도 2는 본 발명의 실시예에 따른 RGB 카메라 장치부의 구성을 나타낸 블록도이다.
도 3은 본 발명의 실시예에 따른 하우징 장치부를 나타낸 사시도이다.
도 4 내지 도 6은 본 발명의 실시예에 따른 하우징 장치부의 세부 구성을 나타낸 정면도와 내부 측면도이다.
도 7은 본 발명의 실시예에 따른 관제 서버의 구성을 나타낸 블록도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 실시예에 따른 RGB 카메라의 실시간 영상 수집 기능 활용한 통합 관제 시스템의 전체 구성 및 구현 형태를 나타낸 개요도이고, 도 2는 본 발명의 실시예에 따른 RGB 카메라 장치부의 구성을 나타낸 블록도이고, 도 3은 본 발명의 실시예에 따른 하우징 장치부를 나타낸 사시도이고, 도 4 내지 도 6은 본 발명의 실시예에 따른 하우징 장치부의 세부 구성을 나타낸 정면도와 내부 측면도이며, 도 7은 본 발명의 실시예에 따른 관제 서버의 구성을 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 RGB 카메라의 실시간 영상 수집 기능 활용한 통합 관제 시스템(1000)은 RGB 카메라 장치부(100) 및 관제 서버(200) 중 적어도 하나를 포함할 수 있다.
상기 RGB 카메라 장치부(100)는, 농가에 각각 적어도 하나로 설치되어 농경지에서 재배되는 농작물을 촬영하여 영상데이터를 생성하고, 생성된 영상데이터를 실시간 전송하고, 촬영된 농작물까지의 거리를 측정하여 거리데이터를 생성하고, 상기 영상데이터 및 상기 거리데이터를 실시간 전송
이러한 RGB 카메라 장치부(100)는 도 1 및 도 2에 도시된 바와 같이 RGB 카메라(110), 비접촉식 센서(120), 통신 모듈(130), 파워-서플라이(140), 하우징 장치(150) 및 지주대(160) 중 적어도 하나를 포함할 수 있다.
상기 RGB 카메라(110)는, 농경지를 향해 배치되어 농작물을 촬영하여 상기 영상데이터(RGB 이미지)를 생성할 수 있다. 이러한 RGB 카메라(110)는, 인간의 눈이 인식하는 것과 같은 스펙트럼인 400~700nm의 파장을 사용하는 카메라로서, 가시광선(400~700nm)을 수집하여 이를 전기 신호로 변환한 다음, 이미지 및 비디오 스트림을 렌더링하도록 정보를 구성하며, 정확한 색상 표현을 위해 빨간색, 녹색 및 파란색 파장(RGB)으로 빛을 캡쳐하면서 인간의 시각을 복제하는 RGB 이미지를 생성할 수 있다.
일반적으로, 정규식생지수(NDVI: Normalized Difference Vegetation Index) 산출을 위해 근적외선(NIR: Near Infrared Ray) 필터를 제거한 카메라를 사용한다. 즉, 식물은 광합성을 통해 빛 에너지의 일부는 흡수하고 일부는 방출하는데 식물의 컨디션에 따라서 방출하는 파장의 영역의 양과 그 비율이 달라질 수 있다. 이러한 점을 이용한 식물의 생장지수 중 잘 알려져 있는 것은 정규식생지수(NDVI)이다. 종래에는 정규식생지수를 산출하기 위해 2대 이상의 카메라에서 촬영한 영상을 이용(적외선 + RGB)하거나, 하나의 카메라에서 원하는 영역의 파장 정보를 얻기 위해 물리적으로 필터를 교체하여 여러 번 촬영하는 방법을 이용하고 있다. 즉, 근적외선 필터가 적용되므로 근적외선 영역의 촬영이 불가하며, 별도로 제작된 고가의 특수 카메라를 사용하고 있다.
그러나, 본 실시예에 따른 RGB 카메라(110)는, 근적외선 필터가 제거된 상태로 촬영하고, 관제 서버(200)에서 정규식생지수를 구할 수 있도록 한다. 즉, 근적외선 필터가 제거된 RGB 카메라(110)로 농작물을 촬영하여 영상데이터를 생성하고, 이와 같이 생성된 영상데이터를 이용하여 후술하는 관리 서버(200)의 제2 생장상태 판단부(220)에서 디지털 필터를 이용하여 'R' 과 'NIR' 의 파장 크기를 구하여 정규식생지수 값을 산출할 수 있도록 한다.
상기 비접촉식 센서(120)는, 농작물과 상기 RGB 카메라 장치부(100) 간의 거리를 측정하여 거리데이터를 생성할 수 있다. 농작물이 동일한 크기의 물체라 할지라도 거리에 따라 이미지 상에 맺히는 상의 크기는 달라질 수 있다. 이에 따라, 농작물의 크기, 길이 등을 좀 더 정확히 측정하기 위해서는 촬영 대상인 농작물과 RGB 카메라(110) 간의 정확한 거리를 알 수 있어야 한다. 비접촉식 센서(120)는 촬영된 농작물까지의 거리를 감지하도록 구성되는 것이면 무방하나, 스테레오 카메라로 구성되어 위상차를 이용한 거리 측정 방식을 적용할 수도 있다.
상기 통신 모듈(130)은, RGB 카메라(110)를 통해 생성되는 영상데이터 및 비접촉식 센서(120)를 통해 생성된 거리데이터를 유선 통신 방식 또는 무선 통신 방식을 통하여 관제 서버(200)로 실시간 전송할 수 있다. RGB 카메라(110)가 회동하며 여러 부분에 대한 영상데이터를 생성하는 경우, 각 영상데이터에 해당하는 거리데이터를 조합하여 함께 전송할 수 있도록 하며, 이와 더불어, 촬영 일시 정보를 추가하여 해당 데이터들과 함께 전송할 수 있다. 이러한 통신 모듈(130)은 데이터나 신호 등을 송수신하는 역할뿐만 아니라, MICOM이 내장되어 있어 미리 설정된 소정의 동작 알고리즘에 따라 RGB 카메라 장치부(100)가 동작하도록 제어하거나, 외부의 제어신호를 수신하고, 이를 기반으로 RGB 카메라 장치부(100)가 동작하도록 제어하도록 구성될 수 있다.
상기 파워-서플라이(140)는, 외부 전원을 공급 받아 RGB 카메라(110) 및 비접촉식 센서(120)의 전원(상용전원)을 공급할 수 있으며, 하우징 장치(150)의 구동을 위한 전원 또한 공급하도록 구성될 수 있다.
상기 하우징 장치(150)는, RGB 카메라(110), 비접촉식 센서(120), 통신 모듈(130) 및 파워-서플라이(140)를 수용하고, 정면 부분에는 하방으로 경사지게 형성된 개구부(150a)가 형성되며, 개구부(150a)에 설치된 커버 렌즈(151)를 구비할 수 있다.
좀 더 구체적으로 하우징 장치(150)는 도 3 내지 도 6에 도시된 바와 같이 개구부(150a), 커버 렌즈(151), 상단홈(152), 관통 슬롯(153), 레일 부재(154), 내측 롤러 부재(155), 양방향 모터(156) 및 외측 롤러 부재(157) 중 적어도 하나를 포함할 수 있다.
상기 개구부(150a)는, 하우징 장치(150)의 외관 부분 중 정면 부분에 해당되며, 해당 정면 부분이 하방으로 경사진 형태로 이루어진 것일 수 있다.
상기 커버 렌즈(151)는, 개구부(150a)에 설치되고, 투명한 재질(ex. 유리, 플라스틱 등)로 이루어지며, 대략 사각판 형상으로 형성될 수 있다.
상기 상단홈(152)는, 개구부(150a)의 내주연 중 상부에 형성되며, 커버 렌즈(151)의 상단에 안착되도록 슬롯 모양의 홈 구조로 형성될 수 있다. 이러한 상단홈(152)의 내면에는 커버 렌즈(151)가 안착된 상태에서 수분, 습기, 연기, 곤충, 기타 이물질 등의 유입을 차단하기 위한 실링 부재가 형성될 수 있다.
상기 관통 슬롯(153)은, 개구부(150a)의 내주연 중 하부에 형성되고, 커버 렌즈(151)의 하강 시 커버 렌즈(151)가 관통할 수 있도록 형성될 수 있다.
상기 레일 부재(154)는, 개구부(150a)의 내주연 중 양 측부에 각각 형성되어 커버 렌즈(151)의 승강을 안내할 수 있다. 이러한 레일 부재(154) 내부에는 한 쌍의 롤러 배열(또는 베어링)이 구성되어 있어 커버 렌즈(151)의 양단부의 마찰력을 감소시켜 커버 렌즈(151)의 부드러운 슬라이딩이 가능하도록 한다.
상기 내측 롤러 부재(155)는, 개구부(150a)의 내주연 중 하부에 수평방향으로 배치되고, 하우징 장치(150) 내부에 설치되며, 커버 렌즈(151)의 내측면과 밀착되어 회전 시 커버 렌즈(151)를 승강시킬 수 있다. 커버 렌즈(151)의 양측부는 기본적으로 레일 부재(154)에 의해 하우징 장치(150)에 고정되어 있고, 커버 렌즈(151)의 후 측면부는 내측 롤러 부재(155)가 가압하는 힘에 의해 하우징 장치(150)에 보다 안정적으로 고정될 수 있다. 또한, 내측 롤러 부재(155)의 표면은 마찰력이 큰 고무 등의 재질로 이루어져 있어 회전 시 커버 렌즈(151)가 상하부로 이동하도록 한다. 또한, 내측 롤러 부재(155)의 표면은 큰 마찰력을 가지면서도 흡착력을 구비한 재질을 적용함으로써 커버 렌즈(151)의 승, 하강 시 커버 렌즈(151)의 내측면에 붙은 이물질을 흡착할 수도 있다.
상기 양방향 모터(156)는, 내측 롤러 부재(155)의 내부에 설치되고, 제어신호에 따라 구동하여 내측 롤러 부재를 회전시킬 수 있다. 이러한 양방향 모터(156)는 회전력이 내측 롤러 부재(155)의 내부면에 전달되도록 결합되어 제어신호에 따라 내측 롤러 부재(155)를 양방향으로 회전시킴으로써 커버 렌즈(151)를 승, 하강시킬 수 있도록 한다.
상기 외측 롤러 부재(157)는, 개구부(150a)의 내주연 중 하부에 수평방향으로 배치되고, 하우징 장치(150)의 외부에 교체 가능하게 설치될 수 있다. 좀 더 구체적으로, 외측 롤러 부재(157)는 커버 렌즈(151)를 사이에 두고 내측 롤러 부재(155)와 대향하는 위치에 설치되고, 커버 렌즈(151)의 외측면에 대한 습기 및 이물질을 제거하는 역할을 한다. 이러한 외측 롤러 부재(157)의 양단부는 하우징 장치(150)의 외측부와 각각 회전 가능하게 결합되며, 탈착 또한 가능하도록 구성될 수 있다.
상기 지주대(160)는, 하우징 장치(150)를 지면으로부터 일정 높이 상에 배치하며 하우징 장치(150)를 지지할 수 있다. 이러한 지주대(160)의 상단과 하우징 장치(150) 간에는 별도의 모터 장치가 설치되어 RGB 카메라 장치부(100)가 다양한 각도로 농작물을 촬영할 수 있도록 하며, 촬영 각도를 변경하기 위한 모터 회전 신호는 관제 서버(200) 또는 지주대(160)에 설치된 스위치 버튼 등을 통해 발생 가능하도록 구성될 수 있다.
상기 관제 서버(200)는, RGB 카메라 장치부(100)로부터 영상데이터, 거리데이터, 촬영 일시 정보를 실시간 수신하고, 수신된 영상데이터 및 거리데이터를 이용하여 농작물의 시각적 특성 및 외형적 특성을 분석하고, 분석된 특성정보를 기반으로 농작물의 생장상태를 판단하며, 영상데이터에 대한 이미지 전처리를 수행하고, 전처리 된 영상데이터를 미리 구축된 기계학습 알고리즘에 입력하고 병충해 진단 분석을 수행하여 농작물의 병충해를 판단할 수 있다.
좀 더 구체적으로 관제 서버(200)는 도 7에 도시된 바와 같이, 제1 생장상태 판단부(210), 제2 생장상태 판단부(220), 이미지 전처리부(230), 이미지 증폭부(240), 이미지 분석부(250) 및 카메라 청소 관리부(260) 중 적어도 하나를 포함할 수 있다.
상기 제1 생장상태 판단부(210)는, 영상데이터 및 거리데이터를 통해 농작물의 색상, 크기, 길이 및 형태를 포함하는 시각적 특성 및 외형적 특성을 각각 분석하고, 분석된 시각적 및 외형적 정보를 기반으로 식물체의 생장상태를 판단할 수 있다.
이를 위해 제1 생장상태 판단부(210)는 제어부, 연산부 및 저장부를 포함할 수 있다. 제어부는 RGB 카메라(110)의 동작 상태를 위한 다수의 기능버튼과 연결될 수 있다. 연산부는 영상데이터와 거리데이터를 통해 정규식생지수를 산출하거나 식물체의 크기, 형태, 길이 및 색상 등을 분석할 수 있다. 또한, 연산부는 전술한 산출 값과 분석 값 등을 통해 식물의 현재 생장상태를 파악하고 미래 상태를 예측할 수도 있다. 저장부에는 영상데이터와 거리데이터가 저장될 수 있다. 또한, 저장부에는 농작물을 분석하기 위한 기준 테이블 값이 저장될 수 있다.
한편, 제1 생장상태 판단부(210)는 농작물과 배경을 구분하기 위하여 영상의 RGB 색상 모델정보를 HSV(Hue Saturation Value) 모델정보로 변환하고, Hue(색조)정보에서 녹색계열의 색과 아닌 것을 Threshold 값으로 구분하여 배경과 농작물을 구분할 수 있다. 또한, 농작물이 질병으로 인해 잎의 일부가 갈색이나 검은색으로 변화하면 이 부분의 면적을 검출하여 농작물의 건강상태를 파악할 수 있다. 전술한 배경과 식물체를 구분하는 과정으로 RGB 색상 모델정보를 HSV 색상 모델정보로 변환하며 식물의 병변 부분, 즉 녹색이 아닌 검은색, 노란색, 갈색 계열의 부분을 Threshold로 검출하고 각각의 면적을 구하여(픽셀의 개수 count) 식물체의 크기 대비 병변의 면적과 병변의 색으로 식물의 생장상태를 판단할 수 있다.
상기 제2 생장상태 판단부(220)는, 디지털 필터를 이용하여 영상데이터로부터 가시광선 중 적색 파장 값 및 적외선 중 근적외선 파장 값을 각각 구하고, 구한 적색 파장 값 및 근적외선 파장 값을 이용하여 정규식생지수 값 산출하고, 산출된 정규식생지수 값을 기반으로 농작물의 질병 여부 및 건강 상태를 포함하는 생장상태를 판단할 수 있다.
여기서, 정규식생지수는 식물이 방출하는 파장 중 근적외선(NIR) 영역의 파장과 빨강색(Red) 영역의 파장을 'NDVI = (NIR - Red) / (NIR + Red)'의 수식을 이용해 구할 수 있다. 즉, 저역필터(low pass filter)를 이용하여 근적외선의 파장 크기를 구하고, 대역필터(band pass filter)를 이용하여 적색의 파장 크기를 구할 수 있다. 이를 통해 하나의 이미지에서 정규식생지수(NDVI) 값을 산출할 수 있다. 정규식생지수(NDVI)의 범위는 상기 수식을 통해 '-1' 부터 '+1' 까지의 값으로 산출되며, '1' 에 가까울수록 건강하다고 판단할 수 있다. 디지털 필터를 이용하여 'R' 과 'NIR' 의 파장 크기를 구하여 정규식생지수 값을 산출할 수 있다. 이와 같이 산출된 정규식생지수 값을 통해 촬영된 농작물의 질병 여부나 건강 상태 등을 파악할 수 있다.
상기 이미지 전처리부(230)는, 미리 설정된 이미지 값을 이용하여 영상데이터에서 레이블링(labeling)이 가능하지 않은 이미지를 제거한 후, 해당 영상데이터에 대한 이미지의 사이즈가 미리 설정된 사이즈로 정규화할 수 있다.
상기 이미지 증폭부(240)는, 이미지 전처리부를 통해 처리된 영상데이터에 대한 이미지 어그멘테이션(Image augmentation)을 통해 이미지 증폭 처리를 수행하여 동일 이미지에 대하여 회전, 채도 변화, 밝기 변화, 반전, 색 변환을 포함하는 다수의 변환 이미지를 획득하여 병충해 분석을 위한 데이터 양을 확보할 수 있다. 이와 같은 이미지의 증폭 처리는 선별된 이미지를 이미지 어그멘테이션을 통해 동일 이미지에 대하여 회전, 채도 변화, 밝기 변화, 반전, 색 변환 등의 변환 이미지를 얻을 수 있다.
상기 이미지 분석부(250)는, 이미지 증폭부(240)를 통해 처리된 영상데이터에 대해 CNN(Convolution Neural Network) 기계학습 알고리즘 분석을 통해 컨볼루션(Convolution) 과정을 거쳐 다수의 피처 맵(feature map)을 생성하고, 다수의 피처 맵에서 부차 표본 추출(sub-sampling) 과정을 거쳐 특정 병충해에서만 나타나는 이미지의 특징을 추출하여 병충해를 판별하되, 병충해의 위치, 분포, 형상 및 패턴을 구분하고, 구분된 결과로부터 병충해의 진행 정도를 분석하며, 분석 결과를 병충해 판별정보에 포함시킬 수 있다.
한편, 관리 서버(200)는, 상기와 같은 과정을 거쳐 생성된 생육상태 판단정보 및 병충해 판단(예측)정보를 일정 시간마다 모니터링 단말(300)로 전송하여 감시자에게 농작물 상태에 대한 정보를 제공할 수 있다. 여기서, 모니터링 단말(300)은 시스템 관리자 또는/및 농가주인을 의미하며, 각각의 정보를 확인 및 관리하기 위한 별도의 어플리케이션 또는 웹 프로그램이 설치될 수 있다.
상기 카메라 청소 관리부(260)는, 하우징 장치(150)의 양방향 모터(156)의 구동을 제어하기 위한 제어신호를 통신 모듈(130)로 송출할 수 있다. 이러한 카메라 청소 관리부(260)는 자동 모드와 수동 모드로 동작하며, 자동 모드의 경우 기상정보를 활용하여 우천 시, 장마철 등에 주기적으로 제어신호를 송출하여 RGB 카메라 장치부(100)의 렌즈 청소가 자동으로 이루어지도록 하는 것이고, 수동 모드의 경우 관리자 또는 농가주인이 영상데이터를 확인한 후 영상품질이 저하된 것으로 판단하면 미리 마련된 기능 버튼을 선택하여 제어신호가 송출되도록 하는 것이다.
이상에서 설명한 것은 본 발명에 의한 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
1000: RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템
100: RGB 카메라 장치부
110: RGB 카메라
120: 비접촉식 센서
130: 통신 모듈
140: 파워-서플라이
150: 하우징 장치
150a: 개구부
151: 커버 렌즈
152: 상단홈
153: 관통 슬롯
154: 레일 부재
155: 내측 롤러 부재
156: 양방향 모터
157: 외측 롤러 부재
160: 지주대
200: 관제 서버
210: 제1 생장상태 판단부
220: 제2 생장상태 판단부
230: 이미지 전처리부
240: 이미지 증폭부
250: 이미지 분석부
260: 카메라 청소 관리부
100: RGB 카메라 장치부
110: RGB 카메라
120: 비접촉식 센서
130: 통신 모듈
140: 파워-서플라이
150: 하우징 장치
150a: 개구부
151: 커버 렌즈
152: 상단홈
153: 관통 슬롯
154: 레일 부재
155: 내측 롤러 부재
156: 양방향 모터
157: 외측 롤러 부재
160: 지주대
200: 관제 서버
210: 제1 생장상태 판단부
220: 제2 생장상태 판단부
230: 이미지 전처리부
240: 이미지 증폭부
250: 이미지 분석부
260: 카메라 청소 관리부
Claims (5)
- 농가에 각각 설치되어 농경지에서 재배되는 농작물을 촬영하여 영상데이터를 생성하고, 생성된 영상데이터를 실시간 전송하고, 촬영된 농작물까지의 거리를 측정하여 거리데이터를 생성하고, 상기 영상데이터 및 상기 거리데이터를 실시간 전송하는 적어도 하나의 RGB 카메라 장치부; 및
상기 RGB 카메라 장치부로부터 상기 영상데이터 및 상기 거리데이터를 실시간 수신하고, 수신된 상기 영상데이터 및 상기 거리데이터를 이용하여 농작물의 시각적 특성 및 외형적 특성을 분석하고, 분석된 특성정보를 기반으로 농작물의 생장상태를 판단하며, 상기 영상데이터에 대한 이미지 전처리를 수행하고, 전처리 된 영상데이터를 미리 구축된 기계학습 알고리즘에 입력하고 병충해 진단 분석을 수행하여 농작물의 병충해를 판단하는 관제 서버를 포함하고,
상기 RGB 카메라 장치부는,
농경지를 향해 배치되어 농작물을 촬영하여 상기 영상데이터를 생성하는 RGB 카메라;
농작물과 상기 RGB 카메라 장치부 간의 거리를 측정하여 상기 거리데이터를 생성하는 비접촉식 센서;
상기 영상데이터 및 상기 거리데이터를 상기 관제 서버로 실시간 전송하는 통신 모듈;
외부 전원을 공급 받아 상기 RGB 카메라 및 비접촉식 센서의 전원을 공급하는 파워-서플라이;
상기 RGB 카메라, 상기 비접촉식 센서, 상기 통신 모듈 및 상기 파워-서플라이를 수용하고, 정면 부분에 하방으로 경사진 개구부가 형성되고, 상기 개구부에 설치된 커버 렌즈를 구비하는 하우징 장치; 및
상기 하우징 장치를 지면으로부터 일정 높이 상에 배치하며 지지하는 지주대를 포함하고,
상기 하우징 장치는,
상기 개구부의 내주연 중 상부에 상기 커버 렌즈의 상단에 안착되도록 형성된 상단홈;
상기 개구부의 내주연 중 하부에 형성되고, 상기 커버 렌즈의 하강 시 상기 커버 렌즈가 관통하는 관통 슬롯;
상기 개구부의 내주연 중 양 측부에 각각 형성되어 상기 커버 렌즈의 승강을 안내하는 레일 부재;
상기 개구부의 내주연 중 하부에 수평방향으로 배치되고, 상기 하우징 장치 내부에 설치되고, 상기 커버 렌즈의 내측면과 밀착되어 회전 시 상기 커버 렌즈를 승강시키는 내측 롤러 부재;
상기 내측 롤러 부재의 내부에 설치되고, 제어신호에 따라 구동하여 상기 내측 롤러 부재를 회전시키는 양방향 모터; 및
상기 개구부의 내주연 중 하부에 수평방향으로 배치되고, 상기 하우징 장치의 외부에 교체 가능하게 설치되되, 상기 커버 렌즈를 사이에 두고 상기 내측 롤러 부재와 대향하는 위치에 설치되고, 습기 및 이물질 제거를 위한 외측 롤러 부재를 포함하는 것을 특징으로 하는 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템.
- 삭제
- 제1 항에 있어서,
상기 관제 서버는,
상기 영상데이터 및 상기 거리데이터를 통해 농작물의 색상, 크기, 길이 및 형태를 포함하는 시각적 특성 및 외형적 특성을 각각 분석하고, 분석된 시각적 및 외형적 정보를 기반으로 식물체의 생장상태를 판단하는 제1 생장상태 판단부를 포함하는 것을 특징으로 하는 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템.
- 제1 항에 있어서,
상기 영상데이터는 근적외선 필터가 제거된 상태로 촬영된 영상데이터이고,
상기 관제 서버는,
디지털 필터를 이용하여 상기 영상데이터로부터 가시광선 중 적색 파장 값 및 적외선 중 근적외선 파장 값을 각각 구하고, 구한 상기 적색 파장 값 및 상기 근적외선 파장 값을 이용하여 정규식생지수 값 산출하고, 산출된 상기 정규식생지수 값을 기반으로 농작물의 질병 여부 및 건강 상태를 포함하는 생장상태를 판단하는 제2 생장상태 판단부를 포함하는 것을 특징으로 하는 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템.
- 제1 항에 있어서,
상기 관제 서버는,
미리 설정된 이미지 값을 이용하여 상기 영상데이터에서 레이블링(labeling)이 가능하지 않은 이미지를 제거한 후, 해당 영상데이터에 대한 이미지의 사이즈가 미리 설정된 사이즈로 정규화하는 이미지 전처리부;
상기 이미지 전처리부를 통해 처리된 영상데이터에 대한 이미지 어그멘테이션(Image augmentation)을 통해 이미지 증폭 처리를 수행하여 동일 이미지에 대하여 회전, 채도 변화, 밝기 변화, 반전, 색 변환을 포함하는 다수의 변환 이미지를 획득하여 병충해 분석을 위한 데이터 양을 확보하는 이미지 증폭부; 및
상기 이미지 증폭부를 통해 처리된 영상데이터에 대해 CNN(Convolution Neural Network) 기계학습 알고리즘 분석을 통해 컨볼루션(Convolution) 과정을 거쳐 다수의 피처 맵(feature map)을 생성하고, 상기 다수의 피처 맵에서 부차 표본 추출(sub-sampling) 과정을 거쳐 특정 병충해에서만 나타나는 이미지의 특징을 추출하여 병충해를 판별하되, 병충해의 위치, 분포, 형상 및 패턴을 구분하고, 구분된 결과로부터 병충해의 진행 정도를 분석하며, 분석 결과를 병충해 판별정보에 포함시키는 이미지 분석부를 포함하는 것을 특징으로 하는 RGB 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20220159293 | 2022-11-24 | ||
| KR1020220159293 | 2022-11-24 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102643855B1 true KR102643855B1 (ko) | 2024-03-08 |
Family
ID=90235821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230106674A KR102643855B1 (ko) | 2022-11-24 | 2023-08-16 | Rgb 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102643855B1 (ko) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101530255B1 (ko) | 2014-09-04 | 2015-06-24 | 주식회사 다이나맥스 | 객체 자동 추적 장치가 구비된 cctv 시스템 |
| KR101894409B1 (ko) | 2017-11-29 | 2018-09-04 | 주식회사 무지개연구소 | 드론 관제 시스템 및 방법 |
| KR20180102464A (ko) * | 2017-03-07 | 2018-09-17 | 현대모비스 주식회사 | 차량용 사이드 ｃｍｓ 카메라 보호장치 |
| KR20200043801A (ko) * | 2018-10-18 | 2020-04-28 | 농업회사법인 만나씨이에이 주식회사 | 인공지능 식물 관리 시스템 |
| KR102118347B1 (ko) | 2019-04-09 | 2020-06-29 | 제이씨현시스템주식회사 | 드론의 열화상정보를 활용한 위험지역 자율비행 감시시스템 |
| KR20210116969A (ko) * | 2020-03-18 | 2021-09-28 | 인하대학교 산학협력단 | 식물 생장상태 모니터링 카메라 시스템 |
| KR20220094242A (ko) | 2020-12-28 | 2022-07-06 | (주)프로맥스 | 드론을 이용한 경사지 재난 감시 시스템 및 그 운용방법 |
| KR102462327B1 (ko) * | 2022-07-18 | 2022-11-01 | 채동렬 | 촬영 시야확보 기능을 갖는 돔형 cctv 카메라 |
-
2023
- 2023-08-16 KR KR1020230106674A patent/KR102643855B1/ko active IP Right Grant
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101530255B1 (ko) | 2014-09-04 | 2015-06-24 | 주식회사 다이나맥스 | 객체 자동 추적 장치가 구비된 cctv 시스템 |
| KR20180102464A (ko) * | 2017-03-07 | 2018-09-17 | 현대모비스 주식회사 | 차량용 사이드 ｃｍｓ 카메라 보호장치 |
| KR101894409B1 (ko) | 2017-11-29 | 2018-09-04 | 주식회사 무지개연구소 | 드론 관제 시스템 및 방법 |
| KR20200043801A (ko) * | 2018-10-18 | 2020-04-28 | 농업회사법인 만나씨이에이 주식회사 | 인공지능 식물 관리 시스템 |
| KR102118347B1 (ko) | 2019-04-09 | 2020-06-29 | 제이씨현시스템주식회사 | 드론의 열화상정보를 활용한 위험지역 자율비행 감시시스템 |
| KR20210116969A (ko) * | 2020-03-18 | 2021-09-28 | 인하대학교 산학협력단 | 식물 생장상태 모니터링 카메라 시스템 |
| KR20220094242A (ko) | 2020-12-28 | 2022-07-06 | (주)프로맥스 | 드론을 이용한 경사지 재난 감시 시스템 및 그 운용방법 |
| KR102462327B1 (ko) * | 2022-07-18 | 2022-11-01 | 채동렬 | 촬영 시야확보 기능을 갖는 돔형 cctv 카메라 |
Non-Patent Citations (2)
| Title |
|---|
| 정원의 지휘자 가든 디자이너., "자동화로 생산량을 높이는 화훼 스마트팜 영농인", MODU 신문기사 * |
| 함현식 외, ‘이미지 증대 기법을 이용한 토마토 병충해 분류’, KIEE, 2021.* * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2764872C2 (ru) | Распознавание сорняка в естественной среде | |
| KR102301658B1 (ko) | 식물 생육 장치 및 그 제어 방법 | |
| JP5020444B2 (ja) | 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体 | |
| CN108389207A (zh) | 一种牙病诊断方法、诊断设备及智能图像采集装置 | |
| EP3417690B1 (en) | A self-propelled apparatus for optimally analysing and managing fields intended for agricultural cultivation | |
| US20160063420A1 (en) | Farmland management system and farmland management method | |
| CN103489006A (zh) | 一种基于计算机视觉的水稻病虫草害诊断方法 | |
| KR101953515B1 (ko) | 해충 정보 수집 시스템 | |
| KR101912651B1 (ko) | 군락에서 열화상 이미지를 통한 작물기관별 온도식별시스템에 사용되는 정보처리장치 | |
| KR102410124B1 (ko) | 다중 분광 영상을 이용한 식생 지수 검출 장치 및 방법 | |
| KR102002632B1 (ko) | Ｉｏｔ 기반 과수 모니터링 시스템 및 방법 | |
| US11712032B2 (en) | Device to detect and exercise control over weeds applied on agricultural machinery | |
| CN107121535B (zh) | 一种有效的农作物生长环境监测系统 | |
| CN112102211B (zh) | 一种基于温度和图像的作物胁迫预警系统及预警方法 | |
| AU2021204034B2 (en) | Information processing device, information processing method and program | |
| KR102643855B1 (ko) | Rgb 카메라의 실시간 영상 수집 기능을 활용한 통합 관제 시스템 | |
| CN111047458A (zh) | 一种农田监控方法 | |
| CN212279561U (zh) | 一种用于虫情测控的太阳能杀虫装置 | |
| JP3551264B2 (ja) | 植物活力変動の評価画像作成方法 | |
| CN206907094U (zh) | 智能多维人员信息采集系统 | |
| US20220108441A1 (en) | Process, device and program for monitoring the state of plants | |
| JP2004213627A (ja) | 植物活力変動の評価画像作成方法 | |
| CN112417193A (zh) | 野外虫草搜寻辨识方法及系统 | |
| KR102597253B1 (ko) | 영상을 기반으로 한 작물재배 생육 플랫폼 구축을 통한스마트 팜 시스템 | |
| CN217904495U (zh) | 一种集成可见光与近红外双摄像头的植被长势监测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |