KR102655527B1

KR102655527B1 - 토양 및 토양 유형의 분류를 위한 장치, 시스템 및 방법

Info

Publication number: KR102655527B1
Application number: KR1020217016535A
Authority: KR
Inventors: 콕 엥 추아; 시 엔 데이넷트 탄; 순 호 츄; 주안 웨이 코; 유 진 유진 오; 홀 문 오드리 임
Original assignee: 하우징 앤드 디벨로프먼트 보드; 내셔널 유니버시티 오브 싱가포르
Priority date: 2019-03-11
Filing date: 2020-03-09
Publication date: 2024-04-09
Also published as: KR20210112301A; WO2020185157A1; JP2022524673A; CN113167780A; JP7225502B2; SG11202104747VA; SG10201902144RA

Abstract

본 발명에 의하면, 적어도 하나의 광원(18)을 갖는 이미지 획득모듈(12); 토양 유형과 관련된 하나 이상의 토양 매개변수 (여기서 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함함)를 측정하기 위한 하나 이상의 토양 매개변수 측정장치 (14)(14a)(14b); 및 하나 이상의 토양 측정장치가 토양 덩어리를 관통하도록 이미지 획득모듈 및 하나 이상의 토양 매개변수 측정장치를 이동하도록 작동할 수 있는 하나 이상의 구동장치를 포함하는 토양 덩어리의 분류 장치, 시스템 및 방법이 제공된다. 또한, 토양 덩어리를 적어도 2개의 토양 유형 중의 하나로 분류하도록 작동가능한 분류모듈을 포함하는 프로세서가 제공된다.

Description

토양 및 토양 유형의 분류를 위한 장치, 시스템 및 방법

본 발명은 토양 및 토양 유형의 분류를 위한 장치, 시스템 및 방법에 관한 것이다.

본 발명의 배경에 관한 이하의 설명은 단지 본 발명이 용이하게 이해될 수 있도록 하기 위한 것이다. 아래에 기술된 어떠한 내용도 본 발명의 우선권 주장일자 당시에 어떤 지역에서 발간되었거나 알려졌거나 또는 동 기술분야에서 통상의 지식을 가진 자의 통상적이며 일반적인 지식의 일부임을 확인하거나 또는 인정하는 것은 아님을 이해하여야 한다.

토양은 건설산업에서 사용되는 필수 자원이다. 토지 매립 및 빌딩 건축과 같은 다양한 목적을 위하여 다양한 유형의 토양이 사용된다.

토양은 일반적으로 토지 매립과 같은 다양한 목적을 위하여 건설현장에서 굴착될 수 있다. 예를 들어, 싱가포르 내의 토지 매립을 위하여는, 굴착된 토양은 하나 이상의 준비지에서 수집된 후에 매립지로 옮겨져 굴착된 토양이 충전재로 사용된다. 토양의 다양한 특성에 따라서, 굴착된 토양은 "양토 (Good Earth)" 또는 "연질 점토 (Soft Clay)"의 적어도 2가지 토양 유형으로 분류될 수 있다. 양토는 63 마이크로미터(㎛) 이상의 거친 입자 (자갈과 모래)를 65 중량% 이상 함유하고, 40% 미만의, 건조한 토양의 무게에 대한 물의 무게의 비로서 정의되는 수분함량을 갖는 토양으로 간주될 수 있다. 연질 점토는 63 ㎛ 미만의 미세 입자를 35 중량% 이상 포함하거나, 또는 수분함량이 40% 이상이거나, 또는 양자 모두인 토양으로 간주될 수 있다. 양토는 일반적으로 압축 특성이 좋은 반면, 연질 점토는 일반적으로 압축 특성이 좋지 않다. 따라서, 다른 용도를 위하여 매립지로 운반되기 전에 양토와 연질 점토를 구별하는 것이 중요하다.

도 1에 도시된 바와 같이, 현재 굴착된 토양을 분류하는 방법은 수집지점, 즉 준비지로 보낼 토양을 굴착하기 위한 건설 활동이 일어나기 전에, 물리적 토양 샘플을 수집하고 토양 유형을 판단하기 위해 실험실 테스트용으로 보내는 것을 포함한다. 이러한 과정은 일반적으로 오랜 시간(몇 주)이 걸리며 지질학의 공간적 변화 가능성을 고려하지 못할 수 있는데, 즉 특정 건설현장에서 토양을 굴착하면 위치와 깊이에 따라 다양한 유형의 토양이 생성될 수 있다. 따라서, 실험실 테스트를 위해 수집된 물리적 토양 샘플이 토양 샘플을 획득한 건설현장을 대표하지 않을 수도 있다.

또한, 굴착된 토양이 수집 지점, 즉 준비지에 접수되었을 때에 1명 이상의 작업자가 육안 검사를 통해 굴착된 토양의 유형에 대한 최종 점검을 수행하게 된다. 인간의 지각은 매우 주관적일 수 있으므로, 토양 분류에 있어서 오류의 여지가 남게 된다. 또한, 이러한 육안 검사는 토양 덩어리의 상부 표면에서만 수행될 수 있으며, 이 토양 덩어리에서 깊이있는 토양 유형의 프로파일에 대한 정보는 제공할 수 없다.

상술한 관점에서, 토양 분류 과정을 개선할 필요가 있다. 적어도 부분적으로는 필요를 충족시키는 대상이 된다.

본 발명은 토양 덩어리를 적어도 2개 이상의 토양 유형으로 식별하고 분류하기 위한 장치, 시스템 및 방법을 제공함으로써 이러한 필요를 충족시키는 것을 목표로 한다. 이러한 장치, 시스템 및 방법은 상대적으로 더 빠르고 인간 지각의 주관성에서 발생하는 오류를 최소화하는 기술적 해결방법을 제공하고자 한다.

이러한 장치, 시스템 및 방법의 실시양태는 통합 토양분류 시스템 (Unified Soil Classification System)과 같은 표준화된 시스템으로부터 토양의 분류 도면 참조를 결정하기 위한 신속하고도 비파괴적인 방법을 제공한다.

기술 솔루션은 토양 덩어리의 디지털 이미지(들)를 획득하기 위한 장치 및 전기저항, 수분함량 및 토양 프로파일과 같은 토양 매개변수 (soil parameters)의 측정치(들)을 얻기 위한 또 다른 장치 구성 요소를 제공한다. 그런 다음, 장치에서 얻은 데이터는 확률적 의사결정 알고리즘 또는 사용자 정의 의사결정 알고리즘이 설치된 프로세서에 의해 처리된다. 확률론적 의사결정 알고리즘 또는 사용자 정의 의사결정 알고리즘은 굴착된 토양을 분류하기 위한 기계 학습 알고리즘을 포함할 수 있다. 유리하게는, 데이터 수집에서 의사결정에 이르는 전체 프로세스가 자동화되어서 종래 기술에 비해 상당히 단축될 수 있다. 특히, 기술 솔루션은 토양 샘플링 및 건설현장에서 시추공 데이터 획득, 토양 테스트 (지수 특성 테스트) 수행과 같이 시간 소모적이고 노동 집약적이며 주관적인 일부 선행 기술 프로세스의 필요성을 효과적으로 생략할 수 있다. 실험실에서 굴착된 토양이 준비지에서 수집될 때 육안 검사를 통해 적절한 토양 분류를 수동으로 결정한다.

본 발명의 일 측면에 따르면, 적어도 하나의 광원을 가지는 이미지 획득모듈과; 토양 유형과 관련된 하나 이상의 토양 매개변수를 측정하기 위한 하나 이상의 토양 매개변수 측정장치로서, 상기 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함하는 것인 토양 매개변수 측정장치와; 상기 하나 이상의 토양 측정장치가 토양 덩어리를 관통하도록, 상기 이미지 획득모듈 및 하나 이상의 토양 매개변수 측정장치를 이동시키도록 작동가능한 하나 이상의 구동장치; 를 포함하는 토양 덩어리의 분류용 장치가 제공된다.

일부 실시예에서, 이미지 획득모듈은 카메라 및 거리센서를 포함한다.

일부 실시예에서, 적어도 하나의 광원은 절대온도(Kelvin) 3000K 내지 4000K 사이의 색온도를 갖는 백색광원이다. 백색광원은 복수의 발광다이오드(LED) 투광 조명등을 포함할 수 있다. 일부 실시예에서는, 124개의 LED 투광 조명등을 포함한다.

일부 실시예에서, 거리센서는 레이저 거리센서이다. 거리센서는 0.5m와 1.2m 사이의 거리를 감지할 수 있다.

일부 실시예에서, 장치는 상기 이미지 획득모듈과 데이터 통신하도록 배치된 데이터 분석모듈을 더 포함하고, 상기 데이터 분석모듈은 획득된 이미지의 RGB (적색, 녹색, 청색) 값을 추출하도록 작동하며, 상기 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 상기 그레이스케일 이미지를 분석하고, 상기 그레이스케일 이미지와 측정된 토양 매개변수(들)를 기반으로 토양 덩어리를 적어도 2개의 토양 유형 중의 하나로 분류한다.

일부 실시예에서, 획득된 이미지는 다음의 수학식에 기초하여 8비트 그레이스케일 이미지로 변환된다.

8bit = 0.299 * Red + 0.587 * Green + 0.114 * Blue

여기서,

Red는 픽셀의 빨간색 값,

Green은 픽셀의 녹색 값,

Blue는 픽셀의 파란색 값이다.

일부 실시예에서, 복수의 프로브는 토양 덩어리로 전류를 전송하기 위한 2 개의 전기저항 프로브의 제1 세트 및, 2개의 전기저항 프로브의 제2 세트 사이의 전위차를 측정하기 위한 2개의 전기저항 프로브의 제2 세트를 포함한다.

일부 실시예에서, 전기저항 프로브의 관통 간격 및 깊이는 영향의 깊이가 변경될 수 있도록 가변적일 수 있다.

일부 실시예에서, 토양 매개변수 측정장치는 토양의 수분함량을 측정하기 위한 수분함량 측정장치를 포함한다. 수분함량 측정장치는 전자기 충격을 그 사이에 전달하기 위한 1세트의 시간-영역 반사계 (TDR: time-domain reflectometer) 프로브를 포함하는 TDR일 수 있다. 수분함량 TDR 프로브의 관통 깊이는 가변적일 수 있다.

일부 실시예에서, 토양 매개변수 측정장치는 토양 덩어리를 다양한 깊이로 관통함으로써 토양 프로파일을 결정하기 위한 원뿔형 관통장치이다. 일부 실시예에서, 원뿔형 관통장치는 샤프트, 샤프트에 연결된 아래쪽을 향하는 원뿔, 및 원뿔 위의 샤프트에 탑재된 기구식 마찰 슬리브를 포함할 수 있으며, 원뿔은 원뿔형 팁 저항을 측정하고, 마찰 슬리브는 그에 적용된 마찰을 측정한다.

본 발명의 다른 측면에 따르면, 토양 덩어리의 적어도 하나의 이미지를 획득하기 위한 이미지 획득모듈과; 토양 덩어리의 매개변수를 측정하기 위한 토양 매개변수 측정모듈로서, 상기 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함하는 것인 토양 매개변수 측정모듈과; 적어도 하나의 이미지 및 상기 토양 매개변수 측정치를 수신하도록 동작할 수 있는 프로세서; 를 포함하고, 상기 프로세서는 상기 토양 덩어리를 적어도 2개의 토양 유형 중 하나로 분류하도록 작동가능한 분류모듈을 포함하는, 토양 덩어리의 분류용 시스템이 제공된다.

일부 실시예에서, 분류모듈은 기계학습 알고리즘을 사용한 그레이스케일 이미지에 근거하여 토양 덩어리를 분류하는 제1 모듈 및, 토양 매개변수 측정치에 기초하여 토양 덩어리를 분류하는 제2 모듈을 포함한다. 일부 실시예에서, 기계학습 알고리즘은 인공 신경망, 또는 컨볼루션 신경망 또는 다른 유형의 신경망에 기초한다.

일부 실시예에서, 적어도 2개의 토양 유형은 양토 및 연질 점토를 포함한다.

일부 실시예에서, 토양 덩어리의 분류는 하나 이상의 토양 매개변수 측정 및 기계학습 알고리즘에 기초한다.

일부 실시예에서, 토양 매개변수 측정모듈은 수분함량 측정장치, 토양의 전기저항 측정장치, 및/또는 토양 덩어리 내로 관통할 수 있는 원뿔형 관통장치를 포함한다.

일부 실시예에서, 프로세서는 적어도 하나의 이미지로부터 RGB 값을 추출하고, 적어도 하나의 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 그레이스케일 이미지를 분석하도록 동작할 수 있으며, 프로세서는 그레이스케일 이미지 및 측정된 토양 매개변수(들)에 기초하여 토양 덩어리를 적어도 2개의 토양 유형 중 하나로 분류하도록 작동할 수 있는 분류모듈을 포함한다.

일부 실시예에서, 적어도 하나의 이미지는 다음의 수학식에 기초하여 8비트 그레이스케일 이미지로 변환된다.

8bit = 0.299 * Red + 0.587 * Green + 0.114 * Blue

여기서,

Red는 픽셀의 빨간색 값,

Green은 픽셀의 녹색 값,

Blue는 픽셀의 파란색 값이다.

일부 실시예에서, 통계적 텍스처 방법은 GLCM (Grey Level Co-Occurrence Matrix)이다.

본 발명의 다른 측면에 따르면, (a) 이미지 획득모듈 및 토양 매개변수 측정장치를 토양 덩어리쪽으로 이동시키는 단계; (b) 토양 덩어리의 이미지를 획득하는 단계; (c) 다양한 깊이에서 토양 덩어리의 하나 혹은 복수개의 토양 매개변수 (여기서, 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함한다)를 측정하는 단계; (d) 이미지 및 매개변수 측정치를 프로세서로 전송하는 단계; (e) 데이터 분석을 수행하는 단계 (이러한 분석단계는 토양 덩어리의 이미지에서 RGB (적색, 녹색, 청색) 값을 추출하고, 토양 덩어리의 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 그레이스케일 이미지를 분석하는 것을 포함한다); (f) 그레이스케일 이미지 및 측정된 토양 매개변수(들)에 의해 토양 덩어리를 분류하는 단계 (이러한 분류단계는 토양 덩어리를 적어도 2개의 토양 유형 중 하나로 분류하는 것을 포함한다); 를 포함하는, 토양 덩어리의 분류 방법이 제공된다.

본 발명의 다른 측면에 따르면, 토양 이미지의 제1 세트 및 토양 매개변수 측정치의 제2 세트를 수신하기 위한 입력모듈을 갖는 프로세서가 제공되며, 이 프로세서는 토양 덩어리를 적어도 2개의 토양 유형 중 하나로 분류하도록 작동하는 분류모듈을 포함한다.

다른 측면에 따르면, 실행될 때에, (a) 이미지 획득모듈 및 적어도 하나의 토양 매개변수 측정장치를 토양 덩어리쪽으로 이동시키는 단계; (b) 토양 덩어리의 이미지를 획득하는 단계; (c) 다양한 깊이에서 토양 덩어리의 토양 매개변수 (여기서, 토양 매개변수는 토양의 전기저항 및/또는 토양의 수분함량 및/또는 토양의 프로파일을 포함한다)를 측정하는 단계; (d) 이미지 및 매개변수 측정치를 프로세서로 전송하는 단계; 및 (e) 데이터 분석을 수행하는 단계 (이러한 분석단계는 토양 덩어리의 이미지에서 RGB (적색, 녹색, 청색) 값을 추출하고, 토양 덩어리의 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 그레이스케일 이미지를 분석하는 것을 포함한다); 를 포함하는 토양 덩어리의 식별 및 분류 방법을 수행하는, 실행가능한 소프트웨어 명령을 포함하는 비일시적 컴퓨터 판독가능 매체가 제공된다.

본 발명의 실시태양 및 특징은 첨부 도면과 함께 특정 실시예에 대한 다음 설명을 검토하면 당업자에게 명백해질 것이다.

본 발명의 실시예를 단지 예시적인 목적으로 나타내는 도면에 있어서,
도 1은 굴착된 토양을 분류하기 위한 종래 기술의 방법/공정을 나타낸다.
도 2는 본 발명의 한가지 실시예를 나타낸다.
도 3은 일부 실시예에 따른 토양 유형의 식별 및 분류를 위한 장치를 도시한다.
도 4a는 일부 실시예에 따른 이미지 획득모듈용 구동장치를 도시한다.
도 4b는 일부 실시예에 따른 토양 전기저항 측정장치 및 그 구동장치를 도시한다.
도 4c는 일부 실시예에 따른 수분함량 측정장치 및 그 구동장치를 도시한다.
도 4d는 일부 실시예에 따른 원뿔형 관통장치 및 그 구동장치를 도시한다.
도 4e는 본 발명의 일 실시예에 따른 장치의 부분 측면도를 도시한다.
도 5는 일부 실시예에 따른 토양 유형의 식별 및 분류를 위한 장치를 제어하기 위한 그래픽 사용자 인터페이스 (GUI) 형태의 사용자 인터페이스를 도시한다.
도 6은 일부 실시예에 따른 이미지 획득모듈로부터의 데이터를 수신하기 위한 프로세서, 토양 유형의 식별 및 분류를 위한 토양 매개변수 측정장치, 및 토양 프로파일 특성을 획득하기 위한 원뿔형 관통장치를 도시한다.
도 7은 일부 실시예에 따른 이미지 처리 방법을 도시한다.
도 8은 일부 실시예에 따른 이미지 처리 방법의 일부로서의 명암도 동시발생 행렬 (Grey Level Co-Occurrence Matrix: GLCM)을 도시한다.
도 9는 일부 실시예에 따른 5개의 GLCM 텍스처 특징에 대한 방정식을 나열한다.
도 10은 사용자가 정의한 토양 매개변수가 주요한 토양 매개변수로 간주되는 일부 실시예에서 의사-결정 매트릭스로부터 가능한 출력을 나타내는 표의 예를 나타낸다. 다른 실시예에서, 의사-결정 매트릭스는 주요한 토양 매개변수(들)로서 다른 토양 매개변수를 사용할 수 있다.
도 11은 전체 토양유형 예측을 표시하는 사용자 인터페이스의 예를 나타낸다.

본 명세서의 전체를 통하여, 달리 표시되지 않는 한, "포함하는", "구성되는", "가지는" 등의 용어는 포괄적이지 않은, 다시 말해서 "포함하지만, 그에 국한되지는 않는"으로 해석되어야 한다.

또한, 명세서 전반에 걸쳐서 문맥상 달리 요구하지 않는 한, "포함한다" 또는 "포함하는"이라는 용어는 언급된 요소 또는 그러한 요소의 그룹을 포함하는 것을 의미하지만, 다른 요소 또는 요소들의 그룹을 배제하지는 않는 것으로 이해되어야 한다.

명세서 전체에서, '토양' (soil)이라는 용어는 건설활동이 발생할 수 있는 하나 이상의 토질층을 의미한다. 하나 이상의 토양층은 유기물, 점토, 미사, 모래 및 암석 입자의 혼합물을 포함할 수 있다. 본 발명의 문맥상, '토양'이라는 용어는 양토 및 연질 점토와 같은 2가지 이상의 토양 유형을 포함한다. '토양 덩어리'라는 용어는 부지에서 굴착되고 분류를 위한 위치로 운반되는 토양을 말한다. 토양이 매립을 위하여 적절하다는 것은 인정할 수 있을 것이다. 토양 덩어리는 또한, 원래의 모 토양이나 암석에서 유래된 것이 아니라 인간 활동에 의해 의도적으로 또는 의도하지 않게 추가된 물질로 정의되는 "외래 물질"을 포함할 수 있다. 이러한 재료에는 건설활동 등으로 인한 나무 조각, 암석 조각 및 콘크리트 조각 등이 포함될 수도 있다.

명세서 전체에 있어서, '양토'라는 용어는 안정적인 채움을 형성하기 위해 압축 가능한 토양 유형을 의미한다. 이는 일반적으로 63 마이크로미터(㎛) 이상의 거친 입자 (자갈과 모래)를 65 중량% 이상 함유하고 수분함량이 40% 미만인 토양으로 구성된다. '연질 점토'라는 용어는 63 ㎛ 미만의 미세입자를 35 중량% 이상 포함하거나, 또는 수분함량이 40% 이상이거나, 또는 양자 모두인 토양 유형을 말한다. 연질 점토는 일반적으로 전단 강도가 약하고, 압축성이 높으며, 관통성이 낮다. 연질 점토에는 점착성 토양과 해양 점토가 포함될 수 있다.

명세서 전반에 걸쳐서, '프로세서'라는 용어는 마이크로컨트롤러, 마이크로프로세서, 주문형 반도체 (ASIC)와 같은 프로그램가능한 집적회로 칩, 컴퓨터 서버, 전자 장치 및/또는 하나 이상의 출력 전자신호를 생성하기 위해 하나 이상의 입력 전자 신호를 처리할 수 있는 이들의 조합을 포함한다. 프로세서는 전자신호 처리를 위한 하나 이상의 입력 모듈 및 하나 이상의 출력 모듈을 포함한다.

명세서 전반에 걸쳐서, '서버'라는 용어는 로컬, 분산 서버 및 로컬과 분산 서버 양자의 조합을 포함할 수 있음을 이해하여야 한다.

명세서 전반에 걸쳐서, '채널' 또는 '채널들'이라는 용어는 유선 또는 무선 전자통신 채널을 포함한다는 것을 이해하여야 한다. 무선 전자통신 채널은 Wi-Fi, Bluetooth, Bluetooth LE, GPRS (General Packet Radio Service), EDGE (Enhanced Data GSM Evolution) 등을 포함할 수 있지만 이에 국한되지는 않는다.

달리 정의되지 않는 한, 본 명세서에서 사용되는 모든 기술적 및 과학적 용어는 본 발명이 속하는 분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 것과 동일한 의미를 갖는다.

본 발명의 일 측면에 따르면, 토양 유형의 식별 및 분류를 위한 장치가 제공 된다. 이 장치는 이미지 획득모듈 및 적어도 하나의 광원을 포함한다. 적어도 하나의 광원은 패널에 장착될 수 있다. 이 장치는 토양 유형과 관련된 하나 이상의 매개변수(들)을 측정하기 위한 하나 이상의 토양 매개변수 측정장치(들), 및 이미지 획득모듈 및/또는 토양 매개변수 측정장치(들)가 적어도 하나의 축을 따라 토양 덩어리를 향하여 또한 가능하게는 토양 덩어리를 관통하게끔 움직이도록 작동가능한 하나 이상의 구동장치를 포함한다. 그러한 구성의 전체 또는 일부가 수평면에서 다른 위치로 이동할 수도 있으며, 그 장치는 축을 따라 토양 덩어리를 향해 이동하여 관통한다.

도 3을 참조하면, 토양 덩어리(30)를 2개 이상의 토양 유형으로 식별 및 분류하는 장치(10)가 제공된다. 이 장치(10)는 배치 전에 토양 및 기타 장비가 준비 및/또는 조립되는 토지매립 준비지에서의 배치에 특히 적합하다. 토양 덩어리(30)는 트럭 또는 다른 차량을 통해 매립 준비지로 운반될 수 있다.

일부 실시예에서, 장치(10)는 이미지 획득모듈(12) 및 2개의 토양 매개변수 측정장치(14)(14a)를 포함한다. 이 장치(10)는 또한 원뿔형 관통장치 형태의 추가적인 토양 매개변수 측정장치(14b)를 포함할 수도 있다. 이 원뿔형 관통장치는 토양 덩어리(30)을 통해 점진적으로 밀려짐으로써 토양의 유형을 판단할 수 있다. 토양 특성은 CPT (Cone Penetration Test: 원뿔형 관통 테스트)에 사용되는 확립된 원칙들에 기반한 슬리브의 팁 저항 (tip resistance) 및 축 마찰 (shaft friction)을 측정함으로써 결정될 수 있다. 이미지 획득모듈(12)은 이미지 획득장치(18), 및 토양 덩어리(30)로 가득찬 하나 이상의 트럭 화물을 조명하기 위한 광원(20)을 포함할 수 있다. 광원(20)은 토양 덩어리(30)의 하나 이상의 이미지가 캡처되기 전에 토양 덩어리(30)를 조명하기 위한 복수의 발광다이오드(LED) 조명을 갖는 LED 패널(22)의 형태일 수 있다. 일부 실시예에서, 이미지 획득모듈(12), 토양 매개변수 측정장치(14)(14a) 및/또는 (14b)는 프레임에 장착될 수 있다.

이미지 획득장치(18)는 카메라 또는 비디오 카메라일 수 있다. 이미지 획득모듈(12)은 이미지 획득을 위한 토양 덩어리(30)로부터의 최적 거리를 검출하기 위해 이미지 획득장치(18)에 인접하게 위치된 거리센서(24)를 더 포함할 수 있다.

일부 실시예에서, 적어도 하나의 광원(20)은 3000K와 4000K 사이의 색온도를 갖는 백색광원일 수 있다. 백색광원은 복수의 LED 투광 조명등을 포함할 수 있다. 일부 실시예에서, 80개 내지 150개의 투광 조명등이 포함된다. 일부 실시예에서는, 124개의 LED 투광 조명이 있다.

일부 실시예에서, 거리센서는 레이저 거리센서(24)이다. 거리센서(24)는 토양 덩어리를 운반하는 다른 차량들에 맞추어 토양 덩어리(30)로부터 0.5m와 1.2m 사이의 거리를 감지하도록 작동가능하다. 거리센서는 토양 덩어리(30)의 관심 영역 (Region of Interest: ROI)과의 근접성을 검출하기 위해 제어신호를 수신 및/또는 송신하도록 작동가능한 제어기를 포함할 수 있다.

이미지 획득모듈(12)은 토양 덩어리(30)의 이미지를 캡처하기 위해, DC 모터와 같은 구동장치를 통해 토양 덩어리(30) 쪽으로 이동할 수 있다. 도 4a에 도시한바와 같이, 이미지 획득모듈(12)은 일정한 조도에서 토양 표면 (토양 덩어리)의 이미지를 캡처하도록 구성되고 배치된다. 토양 표면의 원하는 관심 영역(ROI)은 사용자가 미리 결정할 수 있으며, 구성에 포함되는 정확한 장비는 그에 따라 선택하거나 조정하여야 한다. 이미지 획득모듈(12)은 카메라(18)를 토양 덩어리(30) 쪽으로 이동시키도록 작동하는 구동 모터(13) [확장 메커니즘(17)을 통해]를 포함할 수 있다. 확장 메커니즘(17)은 하나 이상의 이미지를 획득하기 위하여 토양 덩어리(30)를 향해 카메라(18)의 확장을 용이하게 하는 나사산 로드(19) 및 가이드 레일을 포함한다. 카메라(18)는 프레임(26)에 탑재될 수 있다.

이미지 획득장치(18)에 의해 캡처된 각각의 이미지는 바람직하게는 96dpi (dots per inch)의 수평 및 수직 해상도를 가지며, 폭이 2592 픽셀이고 높이가 2048 픽셀인 최소 크기를 포함한다.

일부 실시예에서, 이미지 획득장치(18)는 산업용 등급의 카메라일 수 있다. 일부 실시예에서, 이미지 획득모듈(12)은 하나 이상의 사용자에 의한 사전 설정용 프로그래밍 가능한 모듈을 포함할 수 있다. 프로그래밍 가능한 모듈은 LabView^TM 또는 MatLab^TM과 같은 알려진 프로그램을 기반으로 할 수도 있다.

적어도 하나의 광원(20)은 그 광원(20)을 온/오프 또는 그의 광도를 조절하기 위한 제어 신호를 수신하기 위해 프로세서 (도시하지 않았음)와 신호 통신하도록 배열되는 제어기 모듈을 포함할 수 있다. 일반적으로 광원(20)은 관심 영역, 예를 들어 토양 덩어리(30)의 표면에 비교적 일정한 조명을 제공하는 것과 같은 방식으로 배치된다.

일부 실시예에서, 도 4b에 도시된 바와 같은 토양 매개변수 측정장치(14)는 토양 전기저항 측정장치(40)를 포함한다. 토양 전기저항 측정장치(40)는 전류를 토양으로 보내기 위한 2개의 프로브(42)의 제1 세트 및 전압을 감지하기 위한 2개의 프로브(44)의 제2 세트를 포함하는 복수의 프로브(42)(44)를 포함한다. 제1 세트의 프로브(42) 및 제2 세트의 프로브(44)들이 토양 덩어리(30) 내로 삽입된다는 것이 이해되어야 한다.

일부 실시예에서, 도 4c에 도시된 바와 같은 제2 토양 수분함량 측정장치(14a)는 수분함량 측정장치(40a)를 포함하고, 수분함량 측정장치(40a)는 다수개의 프로브(45)를 포함한다. 이러한 수분함량 프로브(45)들은 지지 프레임에 부착된 1세트의 TDR (Time-Domain Reflectometer) 프로브의 형태이다. 일부 실시예에서, 이 프레임은 장치(40)의 전기저항 프로브(42)(44)를 지지하는 프레임과 동일한 프레임일 수 있다. 측정을 위해, 수분함량 프로브(45)가 도 4c에 도시된 바와 같이 토양 덩어리(30)내로 삽입된다는 것을 이해하여야 한다.

일부 실시예에서, 제3 토양 매개변수 측정장치가 추가될 수 있다. 도 4d에는 토양 덩어리(30) 내에 관통될 수 있는 원뿔형 관통장치(40b) 형태의 제3 토양 매개변수 측정장치(14b)가 도시되어 있다. 원뿔형 관통장치(40b)는 축(53), 및 그 축(53)의 자유 끝단부에 위치한 원뿔형 팁(55)으로 구성된다. 원뿔형 관통장치(40b)는 원뿔형 팁(55)에서 팁 저항을 측정할 수 있을 뿐 아니라, 원뿔형 팁(55) 바로 위의 작은 계기가 달린 슬리브 섹션(57)을 따라 마찰을 측정할 수 있는 능력을 가진다. 측정을 위해, 원뿔형 관통장치(40b)가 토양 덩어리(30) 내로 관통된다는 것을 이해하여야 한다.

요약하면, 일부 실시예에서, 장치(10)는 이미지 획득모듈(12), 하나의 토양 매개변수 측정장치(14)(전기저항 측정장치), 다른 토양 매개변수 측정장치(14a)(수분함량 측정장치) 및 추가적인 토양 매개변수 측정장치(14b)(원뿔형 관통장치)가 구비되며, 이들은 도 4e에 도시된 방식으로 배열된다.

일부 실시예에서, 토양 전기저항 프로브(42)(44)는 웨너(Wenner)의 어레이 구성으로 배열되며, 여기서 4개의 전극은 일렬로 배열되고 동일한 간격으로 분리된다. 2개의 프로브(42)의 제1 세트는 전류가 통과할 수 있도록 하는 외부의 2개의 전극 ('A'및 'B'로 표시됨)이다 (소스 전극이라고도 함). 2개의 프로브(44)의 제2 세트는 내부 2전극 ('M'및 'N'으로 표시됨)으로, 측정될 전극 'M' 및 'N' (수신기 전극이라고도 함)을 가로지르는 전위차를 측정할 수 있다. 2개의 전극이 토양 덩어리(30)에 끼워질 때 전극 'A'와 'B'로 직류(DC)가 공급되고 2개의 전극 'M'과 'N'사이의 전위차가 측정된다. 도 4b에 예시된 실시예에서, 소스 전극은 전류 전극이고 수신기 전극은 전압 전극일 수 있다. 토양의 전기저항을 계산/유도하기 위해 다른 유형의 어레이가 추가적으로 또는 대안적으로 사용될 수 있음을 알 수 있다. 예를 들어, 슐름버거 (Schlumberger), 쌍극자-쌍극자 어레이, 또는 이들의 조합이 사용될 수 있다.

전류 I 및 전압 V 는 아래 식(1)을 사용하여 계산된 토양 덩어리(30)의 겉보기 전기저항 ρ_A를 사용하여 수학적으로 표현될 수 있다.

(1)

여기서,

ρ_A는 겉보기 전기저항(Ωm),

a는 전극 사이의 거리(m),

V 는 전위차(전압)(V),

I 는 전류이다.

구성에 포함될 정확한 장비는 필요한 토양 부피, 깊이 및 설치의 설정에서부터 토양 표면까지의 거리에 따라 선택되거나 조정될 수 있음을 이해하여야 한다.

일부 실시예에서, 수분함량 측정장치(40a)는 TDR의 형태로 된 3개의 수분함량 프로브(45) 및 수분함량 프로브(45)를 따라 전달되는 전자기 충격의 전파 시간으로부터 수분함량을 유도하는 마이크로 프로세서로 구성된다. 마이크로 프로세서 내의 알고리즘은 디지털화된 파형에서 입사 및 반사된 파동-시간 종좌표 (ordinate)들을 캡처하고 전자기파 방정식(2)을 사용하여 토양의 유전율 또는 유전 특성을 계산한다.

(2)

여기서,

는 투과율 μ 및 유전율 ε(m/s)를 가진 매질에서의 광속,

∇²는 라플라스 연산자 (1/m²),

E는 전기장 (V/m)이다.

토양의 수분함량은 유전체 혼합모델에서 계산된다.

토양 전기저항 측정장치(40)는 소스 전극(42) 및 수신기 전극(44)의 제1 및 제2 세트에 부가하여 액추에이터(46) 및 멀티미터(52) 등의 구성요소를 포함한다.

액추에이터(46)는 프로브(42)(44) (통칭하여 '전기저항 프로브'라고 함)가 더 높은 위치 (시작 위치일 수 있음)에서 아래로 이동한 다음, 측정 로드 (전기를 도전할 수 있는 금속 막대일 수 있음)를 밀도록 구성된다. 액추에이터(46)는 프로브(42)(44)가 토양 덩어리(30)쪽으로 향하도록 또는 멀어지도록 이동하고 프로브(42)(44)가 토양 덩어리(30) 내로 관통할 수 있도록 하는 모터 구동장치를 포함할 수 있다. 예를 들어, 위쪽 또는 아래쪽의 원하는 방향 또는 미리 결정된 방향을 따라 액추에이터(46) 및 전기저항 프로브(42)(44)를 안내하는 레일 구성 (도시되지 않았음) (가드 레일이라고도 함)을 포함한다.

전기저항 프로브(42)(44)는 장착 프레임(50) 상에 장착될 수 있다. 장착 프레임(50)은 토양 전기저항 측정장치(40)를 그 위에 부착할 수 있는 견고한 플랫폼 일 수 있다.

멀티미터(52)(삽입될 때)는 토양 덩어리(30)의 겉보기 전기저항을 측정하기 위해 전기저항 프로브(42)(44)에 부착될 수 있다

일부 실시예에서, 전극은 20 mm 직경 및 100 mm 길이를 갖는 것으로 형상화되고 치수화될 수 있다. 전극의 치수는 더 깊은 토양의 깊이를 담당하도록 가변될 수 있다. 전극은 산화를 방지하거나 최소화하기 위해 강철 또는 스테인리스 강철 막대를 포함할 수 있다.

일부 실시예에서, 각각의 전기저항 프로브(42)(44)와 그의 인접한 프로브 사이의 간격은 약 200 mm이다. 일반적으로, 각 프로브와 인접한 프로브 사이의 간격이 가까울수록, 겉보기 전기저항이 계산되는 토양 덩어리의 표면으로부터 토양층의 두께가 더 얇아진다는 것을 이해하여야 한다. 프로브 간격이 200 mm 라면, 관심있는 토양 깊이의 겉보기 전기저항을 확인하는데 합리적으로 적절하다.

일부 실시예에서, 각각의 전기저항 프로브(42)(44)와 그와 인접한 프로브 사이의 간격은 길이에 따라서 가변될 수 있다 (200 mm 내지 500 mm까지). 각 프로브 사이의 간격은 상이한 깊이에서의 토양의 겉보기 전기저항을 확인하기 위해 가변될 수 있다.

일부 실시예에서, 전기저항 프로브(42)(44)는 다양한 깊이에서 토양 덩어리(30) 내로 관통될 수 있다.

토양 전기저항 프로브(42)(44)용 액추에이터 세트(46)는 다음과 같이 형상화, 치수화 및 구성될 수 있다. 즉, 1m 내지 2m의 스트로크 길이. 1 킬로뉴튼(kN) 내지 30 kN 범위의 미는 힘 (토양 덩어리에 삽입). 분당 1 m/min 내지 5 m/min 범위의 이동 속도.

일부 실시예에서, 액추에이터(46)는 소프트웨어 구성 요소에 의해 프로그래밍되고 제어될 수 있어서, 예컨대 원하는 속도로 액추에이터를 토양 덩어리(30)를 향하여 또는 그로부터 멀어지도록 이동시키기 위해 프로세서/컨트롤러와 신호 통신하도록 구성될 수 있다. 일부 실시예에서, 액추에이터(46)는 다음의 어느 조건 하에서 액추에이터의 작동을 중지하도록 구성된 3개의 '정지' 모드를 포함할 수 있다. 즉, (i) 최대 힘 (사용자에 의해 사전 설정됨), (ii) 스트로크 길이 (사용자에 의해 미리 설정됨), (iii) 비상 정지.

일부 실시예에서, 멀티미터(52)는 프로브(42)(44)에서 전류 및 전압을 모니터링하고 측정하도록 구성된다. 측정된 전압 및 전류값은 사용자에 의해 미리 정의된 지정폴더에 기록되고 저장되는 데이터일 수 있다. 측정주기 및 데이터 저장기간은 20초 이내로 유지될 수 있음을 이해하여야 한다.

일부 실시예에서, 수분함량 측정장치(40a)는 토양 전기저항 측정장치(40)와 동일한 프레임 상에 탑재될 수 있으며, 따라서 전술한 방식으로 하나의 축을 따라 이동될 수 있다. 일부의 다른 실시예에서, 수분함량 측정장치(40a)는 독립적인 액추에이터에 의해 구동될 수 있고, 전술한 방식과 유사하게 프로그래밍되고 제어될 수 있다.

일부 실시예에서, 원뿔형 관통장치(40b)를 포함하는 부가적인 토양 매개변수 측정장치(14b)는 원뿔형 팁 저항 q_c (MPa)(메가파스칼) 및 슬리브 마찰 F_s (MPa)를 측정함으로써 토양 매개변수 프로파일을 결정하는데 사용될 수 있으며, 따라서 식(2a)를 사용하여 마찰비(FR%)가 유도될 수 있다. 이들 3개의 값은 토양 프로파일을 생성하는데 사용할 수 있다.

(2a)

이미지 획득모듈(12), 토양 매개변수 측정장치(14)(14a)(14b)는 사용자 인터페이스를 통해 작동될 수 있다. 사용자 인터페이스는 도 5에 표시된 바와 같은 그래픽 사용자 인터페이스 (GUI)를 포함할 수 있다. GUI에서, "활성화" 버튼은 이미지 획득모듈(12), 토양 매개변수 측정장치(14)(14a)(14b)를 동시에 또는 순차적으로 한꺼번에 활성화하도록 프로그래밍할 수 있다.

활성화되면, 적어도 하나의 광원(20)이 활성화되거나 켜지고, 카메라(18)는 레이저 거리센서(24)로부터의 피드백에 기초하여 사용자에 의해 미리 정의된 거리로 하강한다. 동시에, 전기저항 프로브(42)(44)들이 토양 덩어리(30)로 하강하고 전류가 토양 덩어리(30)로 전달된다. 카메라(18)와 멀티미터(52)에 의해 필요한 데이터가 획득되면, 카메라(18) 및 전기저항 프로브(42)(44)들은 자동으로 유휴위치 또는 시작위치로 후퇴할 수 있다.

수분함량 프로브(45)는 또한 전기저항 프로브(42)(44)와 함께 하강될 수 있고, 수분함량 프로브(45)를 따라 전달되는 전자기 충격이 전달된다. 일단 필요한 데이터가 카메라(18), 멀티미터(52) 및 수분함량 프로브(45)에 의해 획득되면, 카메라(18) 및 전기저항 프로브(42)(44) 및 수분함량 프로브(45)는 자동으로 유휴위치 또는 시작위치로 후퇴될 수 있다.

원뿔형 관통장치(40b)는 또한 하강된 후 이 원뿔형 장치에만 연결된 독립적인 액추에이터(59)를 통해 토양 덩어리(30) 내로 관통된다. 이 관통은 미리 선택된 밀어내기 속도로 수행된다. 원뿔형 팁 저항 q_c 및 슬리브 마찰 F_s 는 데이터 케이블을 통해 데이터 로거(logger)에 측정 및 기록할 수 있다.

이미지 획득모듈(12)과 저항에 대한 토양 매개변수 측정장치(14)(14a)(14b)는 GUI상의 "수동 제어" 버튼을 통해 수동으로 작동될 수도 있음을 이해하여야 한다.

본 발명의 또 다른 측면에 의하면, 토양 유형의 식별 및 분류를 위한 시스템이 제공된다. 이 시스템은 데이터를 수신하고 전송하기 위한 입력 및 출력 모듈을 갖는 프로세서 또는 컴퓨터 서버를 포함할 수 있다. 프로세서는 이미지 획득모듈(12) 및 토양 매개변수 측정장치(14)(14a)(14b)로부터 이미지를 수신하기 위하여 이미지 획득모듈(12) 및 토양 매개변수 측정장치(14)(14a)(14b)와 데이터 또는 신호 통신 내에 배치될 수 있다. 이미지는 각 이미지 획득모듈(12) 및 토양 매개변수 측정장치(14)(14a)(14b)로부터 직접 또는 간접적으로 (하나 이상의 인터페이스를 통하여) 수신될 수 있다는 것을 이해하여야 한다. 도 5에 도시된 GUI는 이미지 획득모듈(12) 및/또는 토양 매개변수 측정장치(14)(14a)(14b)를 작동시키는 데 사용되는 제어신호를 프로세서로 전송하는데 사용될 수 있다. 데이터 또는 신호 통신은 유선 또는 무선 전자통신 채널을 통해 달성될 수 있다.

도 6에 도시된 바와 같이, 프로세서(60)는 다양한 기능을 수행하기 위해 물리적 또는 논리적 모듈을 포함할 수 있다. 도 6에 예시된 실시예에서, 프로세서(60)는 데이터 획득모듈(62), 데이터 분석모듈(64) 및 의사결정 모듈(66)을 포함한다. 하나 이상의 모듈은 다른 기능들을 수행하도록 GUI(68)를 통해 사용자가 액세스할 수 있다. GUI(68)는 도 5에 도시된 것과 동일한 GUI(68)이거나 별개의 GUI일 수 있다.

데이터 획득모듈(62)은 장치(10), 특히 이미지 획득모듈(12)로부터 이미지 데이터를 획득하고 토양 매개변수 측정장치(14)(14a)(14b)로부터 토양 매개변수 데이터를 획득하도록 동작 가능하다. 이미지 데이터는 JPEG, BMP 및 RAW 파일 형식과 같은 하나 이상의 허용가능한 데이터 형식으로 이미지 획득모듈(12)에 의해 캡처된 하나 이상의 이미지의 형태일 수 있다. 토양 매개변수 데이터는 겉보기 전기저항, 전압 및 전류 데이터, 수분함량, 원뿔형 저항 및 슬리브 마찰을 포함할 수 있다. 획득된 토양 매개변수 데이터는 데이터 분석모듈(64)로 전송되며, 여기서 데이터는 의사결정 모듈(66)에 의해 분류를 위해 분석된다. 분류 결과는 표시를 위해 GUI(68)로 전송될 수 있다. GUI(68)는 사용자에게 표시하기 위해 모듈(62)(64)(66)로부터 정보에 액세스하는 데 사용될 수 있다.

일부 실시예에서, 장치(10)의 사용자의 활성화에 따라, 레이저 거리센서(24)는 토양 덩어리(30)의 표면에 대한 이미지 획득모듈(12) (예를 들어, 카메라)의 거리를 검출한다. 레이저 거리센서(24)로부터의 피드백에 기초하여, 카메라(12)는 토양 표면 위의 미리 결정된 거리에서 하나 이상의 이미지를 캡처하도록 자동으로 하강한다. 카메라(18)가 제 위치에 있을 때, 적어도 하나의 광원(20)이 자동으로 작동되고, 관심영역의 24비트 이미지와 같은 미리 결정된 이미지 해상도가 획득된다.

일부 실시예에서, 획득된 이미지의 파일은 자동으로 명명된 다음, 하나 이상의 허용가능한 파일 형식으로 프로세서 하드 구동장치의 지정된 폴더에 체계적으로 저장될 수 있다.

일부 실시예에서, 사용자의 활성화 시, 액추에이터는 전기저항 프로브(42)(44) 및 수분함량 프로브(45)를 하강시키고, 전기저항 프로브(42)(44) 및 수분함량 프로브(45)를 토양 덩어리(30)로 밀어 넣는다. 전기저항 프로브(42)(44) 및 수분함량 프로브(45)는 전기저항 프로브(42)(44) 및/또는 수분함량 프로브(45)에 대해 밀어내는 미리 결정된 힘 (즉, 최대 허용 가능한 힘)이 감지될 때, 또는 액추에이터가 최대 스트로크 길이로 확장될 때 전류 및 전압 측정이 1-5초 후에 자동으로 시작되도록 (정확한 지연시간은 사용자가 미리 결정할 수 있음) 힘/압력 센서를 포함할 수 있다. 소정의 지연 시간은 측정을 수행하기 전에 완전한 전기 회로를 위하여 제공되는 것이다.

일부 실시예에서, 5번의 연속 전류 및 전압 측정이 1-3초 (사용자에 의해 사전 설정)의 간격으로 수행될 수 있다. 측정된 값은 사용자가 미리 정의한 파일 이름으로 지정된 폴더에 로그 및 저장된 데이터이다.

일부 실시예에서, 사용자의 활성화 시, 액추에이터는 원뿔형 관통장치(40b)를 하강시켜서 토양 덩어리(30) 내로 관통하도록 더 밀어 넣어진다. 최대 원뿔형 팁 저항이 사전에 설정되고, 원뿔형 관통장치(40b)가 토양 내로 밀어 넣어지는 최대 토양 깊이가 미리 설정된다. 원뿔형 관통장치(40b)는 미리 결정된 밀어내기 속도로 토양 덩어리로 밀어지고, 원뿔형 팁 저항 및 슬리브 마찰은 매 고정된 시간 간격, 즉 매 0.1초마다 측정된다. 최대 원뿔형 팁 저항이 사전에 설정된 최대 깊이 전에 도달하였을 때, 이는 일종의 단단한 "이물질"과 만났음을 나타낸다. 이런 일이 발생하거나 액추에이터가 최대 스트로크 길이로 확장되었을 때, 원뿔형 관통장치(40b)는 원래의 위치로 후퇴된다.

토양 덩어리(30) 및/또는 토양 매개변수 측정의 적어도 하나의 이미지가 데이터 획득모듈(62)로부터 수신된 후, 데이터 분석모듈(64)은 그 데이터를 분석하도록 동작한다.

일부 실시예에서, 획득된 이미지 또는 이미지들은 다음 단계에서 예시된 바와 같이 다음의 이미지 처리방법(70) (도 7 참조)에 따라 데이터 분석모듈(64)에 의해 처리된다.

s72 단계: 각 이미지에서 RGB 값 추출. 데이터 분석모듈(64)은 획득된 이미지의 RGB (적색, 녹색, 청색)값을 추출하고 모듈(64)과 데이터 통신하도록 배치된 데이터 저장소 (데이터베이스일 수 있다)에 저장한다.

s74 단계: 그레이스케일로 전환. RGB 이미지는 식(3)으로 표현된 가중치 변환방법을 사용하여 8비트 그레이스케일 이미지와 같은 특정 해상도의 그레이스케일 이미지로 변환된다.

8bit = 0.299 * Red + 0.587 * Green + 0.114 * Blue (3)

여기서,

Red는 픽셀의 빨간색 값,

Green은 픽셀의 녹색 값,

Blue는 픽셀의 파란색 값이다.

RGB 이미지에서 8비트 그레이스케일로 변환한 후, 처리된 8비트 그레이스케일 이미지 파일은 맞춤 파일 확장자에 따라 프로세서의 하드 구동장치에 저장될 수 있다.

s76 단계: 상관 행렬의 계산. 2차 통계 텍스처 방법인 GLCM (Gray Level Co-Occurrence Matrix)은 텍스처 정보가 이미지 내의 여러 픽셀 밝기 값 또는 그레이 레벨의 상이한 조합의 발생빈도를 표로 표시할 수 있다고 가정한다. 행렬은 2차 결합 조건부 확률밀도 함수 P(i,j)_d,θ 형식을 취한다. 수평축에 대해 θ방향으로 거리가 d 만큼 떨어져 있는, 그레이 레벨 i 및 j 를 각각 갖는 한 쌍의 픽셀(x₁, y₁ ) 및 (x₂, y₂ )를 고려한다 (도 8 참조). P(i,j)_d,θ 는 수평축에서 시계 반대방향으로 측정된 주어진 거리 d와 방향 θ에 대해 그레이 레벨 i 와 그레이 레벨 j 가 동시에 발생할 확률이다. 방향 θ는 가능한 8개의 인접방향 중에서 선택할 수 있지만, 0° 및 180°는 동일한 픽셀쌍을 생성한다. 45°와 225°, 90°와 270°, 135°와 315°도 마찬가지이다. 따라서 0°, 45°, 90° 및 135 °에 해당하는 θ의 4가지 주요 값이 사용될 수 있다. 원하는 경우, 공간적으로 변하지 않는 관계가 4방향 모두에서 카운트를 평균하여 얻어질 수 있다. 기준 픽셀과 인접 픽셀 사이의 거리 d는 GLCM 또는 GLCM 스텝 크기의 변위라고도 알려져 있다. 여기서 거리는 수학적으로 식(4)에서 정의된다.

d = max(|x₁ - x₂|,|y₁- y₂|) (4)

여기서,

d는 기준 픽셀과 인접 픽셀 사이의 거리,

x₁은 참조 픽셀의 x좌표,

y₁은 참조 픽셀의 y좌표,

x₂는 인접 픽셀의 x좌표,

y₂는 인접 픽셀의 y좌표이다.

그런 다음, 지정된 d 및 θ 에 대해 그레이 레벨 i 및 j 를 갖는 픽셀 쌍의 수를 계산하여 동시발생 행렬 P(i,j)를 구성한다. 만약 이미지에 g 그레이 레벨을 가지는 경우, GLCM은 g² 요소를 가지는 g × g 행렬로 작성될 수 있다. 이 연구에서, 그레이스케일 이미지는 0 내지 255의 그레이 레벨이 사용되었다. 계산된 GLCM의 차원은 256 × 256 = 65,536이다. 그런 다음 행렬은 다음 식(5)에 의해 정규화된다.

(5)

여기서,

p(i,j)는 정규화된 동시발생 행렬,

P(i, j)는 주어진 d와 θ에 대한 동시발생 행렬이다.

거리 d 및 방향 θ에 대한 기본값은 미리 결정되거나 미리 설정될 수 있다. 일부 실시예에서, 기본값은 각각 1 및 0°이다. 이러한 값은 필요할 때 변경할 수 있다.

s78 단계: 하랄릭 (Haralick) 텍스처 특징의 계산. GLCM으로부터 14개의 하랄릭 텍스처 특징을 계산할 수 있다. 일부 실시예에서, 5개의 주요 하랄릭 텍스처 특징이 사용되고 도 9에 예시된 식 (GLCM 텍스처 특징이라고도 함)에 기초하여 계산될 수 있다. 텍스처 기능은 다음과 같다.

(i) ASM (Angular Second Moment);

(ii) 대비 (CON);

(iii) 상관 관계 (COR);

(iv) 엔트로피 (ENT); 및

(v) Inverse Difference Moment (IDM).

5개의 하랄릭 텍스처 특징은 의사결정을 위한 입력으로 배치된다. 즉, 의사결정 모듈(66)의 입력으로서 배열된다.

이미지 처리방법(70)에 추가하여 또는 그 대안으로서, 데이터 분석모듈(64)은 식(1)에 기초한 토양 겉보기 전기저항 표시기, 식(2)와 유전체 혼합 모델에 근거한 토양 수분함량, 및 식(2a)에 기초한 토양 프로파일과 같은 토양 매개변수 측정치들을 계산하도록 동작할 수 있다. 토양 덩어리가 균일하지 않을 수 있으므로, 단일 측정값에 비교하여 더 신뢰할 수 있는 결과를 위해 몇 회의 측정 (다른 위치 또는 다양한 깊이에서)에 대한 평균 측정값을 얻을 수 있다.

그레이스케일 이미지 데이터 및 토양 매개변수 측정치(들)가 계산 및/또는 결정된 후, 의사결정 알고리즘에 기초하여 토양 유형의 분류를 시작하기 위해 의사결정 모듈(66)이 사용된다. 의사결정 알고리즘은 확률적 의사결정 알고리즘 또는 사용자 정의 의사결정 알고리즘일 수 있다. 다양한 의사결정 알고리즘이 활용될 수 있다는 점을 알 수 있다. 비제한적인 예는 기계학습 알고리즘, 자가구성 맵, 전문가 규칙기반 시스템, 퍼지 논리 모델링, 진화 알고리즘 및/또는 전술한 것 중 하나 이상의 조합을 포함한다. 의사결정 알고리즘이 순서대로 또는 병렬로 결합되고 실행될 수 있다는 것을 알 수 있다.

일부 실시예에서, 기계학습 알고리즘은 인공 신경망 (ANN), 또는 컨볼루션 신경망 또는 다른 형태의 기계학습 알고리즘을 포함할 수 있다.

ANN 모델은 다양한 분류 및/또는 회귀 방법을 사용하여 감독 또는 비감독 학습 모델을 기반으로 훈련될 수 있음을 이해하여야 한다. 훈련 (유선 또는 무선 채널을 통하여)은 프로세서(60)와의 신호 통신 또는 데이터로 배치될 수 있는 하나 이상의 데이터베이스 내에 저장된 토양 이미지의 샘플을 사용하여 달성될 수 있다. 훈련 샘플이라고도 하는 토양 이미지 샘플은 기존 토양 테스트에서 검토된 공지의 토양 특성과 함께 저장된다. 일반적으로 샘플이 클수록 결과가 더 신뢰할 수 있다. 그럼에도 불구하고, 특정 표본 크기를 초과하면 정확도 또는 결과의 신뢰성이 눈에 띄게 개선되지 않을 수 있으며 과잉 훈련의 가능성이 있을 수 있다.

단계 s78에서 얻은 하랄릭 텍스처 특징을 의사결정 모듈(66)에 대한 입력으로 사용하여, 훈련된 ANN 모델은 토양 덩어리에 대한 "양토" 및 "연질 점토"의 확률값을 계산한다. 일부 실시예에서, 확률모델은 아래 나열된 규칙에 따라 형성될 수 있다.

(a) 하드웨어 문제 (예를 들어 캡처된 이미지가 없거나, 카메라의 차단 등)

로 인해 입력이 없는 경우, ANN 결과는 "입력 없음"이다.

(b) "양토"의 확률이 "연질 점토"의 확률보다 상당히 높으면, ANN 결과는

"양토"이다.

(c) "연질 점토"의 확률이 "양토"의 확률보다 상당히 높으면 ANN 결과는

"연질 점토"이다.

(d) 현저하게 더 높은 확률이 없는 경우, ANN 결과는 "식별불가"이다.

'현저하게 더 높음'의 정의는 사용자가 미리 결정할 수 있다. 일부 실시예에서, '현저하게 더 높음'으로서 판정되려면, 확률의 차이가 0.2와 0.5 사이의 값보다 클 수 있다.

ANN 모델에 추가하거나 또는 그 대안으로서, 토양 덩어리의 겉보기 전기저항, 수분함량 및/또는 더 깊은 깊이의 토양 프로파일이 의사결정 모듈(66)에 대한 입력으로 사용될 수 있다. 토양 덩어리의 전기저항이 "양토"의 범위에 속하면 토양 덩어리는 "양토"로 분류된다. "연질 점토"도 마찬가지이다. 또한, 토양 덩어리의 수분함량이 "양토" 범위에 속하면 토양 덩어리는"양토"로 분류된다. "연질 점토"도 마찬가지이다. 또한, 원뿔형 팁 저항, 슬리브 마찰 및 토양 덩어리의 마찰 비율이 "양토"의 범위에 속하면, 토양 덩어리는 "양토"로 분류된다. "연질 점토"도 마찬가지이다. 일부 실시예에서, 사용자 정의 모델은 아래 나열된 규칙에 따라 형성될 수 있다.

(a1) 토양 전기저항 측정장치(40)의 하드웨어 문제로 인해 입력이 없는

경우 (예를 들어 전압 또는 전류가 측정되지 않거나, 전류가 생성되지

않는 등), 전기저항 결과는 "무입력"이다.

(a2) 겉보기 전기저항이 "양토" 범위에 속하면, 전기저항 결과는 "양토"이

다.

(a3) 겉보기 전기저항이 "연질 점토" 범위에 속하면, 전기저항 결과는 "연질

점토"이다.

(a4) 겉보기 전기저항이 "양토"와 "연질 점토" 범위의 사이에 속하면, 전기

저항 결과는 "식별불가"이다.

(b1) 수분함량 측정장치(40a)의 하드웨어 문제로 인해 입력이 없는 경우

(예를 들어 측정값 없음 등), "수분함량 결과"는 "무입력"이다.

(b2) 수분함량 값이 "양토" 범위에 속하면 "수분함량 결과"는 "양토"이다.

(b3) 수분함량 값이 "연질 점토" 범위에 속하면 "수분함량 결과"는 "연질

점토"이다.

(b4) 수분함량 값이 "양토"와 "연질 점토" 범위의 사이에 있으면 "수분함량

결과"는 "식별불가"이다.

(c1) 원뿔형 관통장치(40b)의 하드웨어 문제로 인해 입력이 없는 경우

(예를 들어 원뿔형 팁 저항 및/또는 슬리브 마찰 등의 측정값이 없음).

"원뿔형 관통 결과"는 "무입력"이다.

(c2) 원뿔 관통 결과가 "양토" 범위에 속하면, "원뿔형 관통 결과"는

"양토"이다.

(c3) 원뿔 관통 결과가 "연질 점토" 범위에 속하면 "원뿔형 관통 결과"는

"연질 점토"이다.

(c4) 원뿔 관통 결과가 "양토"와 "연질 점토" 범위의 사이에 속하면,

"원뿔형 관통 결과"는 "식별불가"이다.

상기의 판단은 토양 매개변수 측정장치가 삽입된 토양의 다양한 깊이에서 내려질 수 있다.

겉보기 전기저항 및/또는 원뿔 관통 결과가 "양토" 범위의 상한을 벗어난 경우, 다음과 같이 추가 설명이 표시될 수 있다. "겉보기 전기저항/원뿔 팁 저항의 매우 높은 값이 감지됨. 토양에 이물질이 있을 수 있음."

겉보기 전기저항의 범위는 사용자가 미리 결정할 수 있다. 일부 실시예에서, 0과 미리 결정된 숫자 사이의 범위는 "연질 점토"로 규정될 수 있고, 미리 결정된 수를 초과하는 범위는 "양토"로 규정될 수 있다. 이러한 미리 결정된 숫자는 일부 토양 유형에 대해 20 오옴-미터(Ωm) 내지 100 Ωm의 사이일 수 있다.

수분함량 한계의 범위는 사용자가 미리 결정할 수 있다. 일부 실시예에서, 70%와 200% 사이의 범위는 "연질 점토"로 규정될 수 있고, 20%와 70% 사이의 수분함량 범위는 "양토"로 규정될 수 있다.

마찬가지로, 토양 조사 작업을 위해 잘 확립된 CPT의 차트 (예를 들어 슈메르트만 1990, 로버트슨 1996)를 기반으로, 원뿔 팁 저항과 슬리브 마찰과 마찰의 비율 범위를 설정함으로써 "연질 점토"와 "양토"를 규정할 수도 있다. 그러나 개선을 위해 몇 가지 수정이 필요하다.

일부 실시예에서, 토양 덩어리(30)의 분류를 위한 도 10에서 나타낸 바와 같은 최종결정 매트릭스는, 다음과 같은 의사결정 규칙 기반에 따라서 ANN 모델로부터 얻은 결과 및/또는 겉보기 전기저항 결과, 수분함량 결과 및 원뿔 팁 저항과 슬리브 마찰로부터 얻은 결과들에 근거할 수 있다.

(a) 두 입력이 동일하고,

(i) 둘 다 무입력이면 최종 출력은 "무입력"

(ii) 둘 다 "양토" (GE)이면 최종 출력은 "GE".

(iii) 둘 다 "연질 점토" (SC)이면 최종 출력은 "SC".

(iv) 둘 다 "식별불가"인 경우, 최종 출력은 "혼합물" (즉, 토양 덩어

리는 양토와 연질 점토의 거의 동일한 비율의 혼합물임)

(b) 두 입력이 모순되는 경우 (즉, 하나는 "양토", 하나는 "연질 점토")는

최종 출력은 사용자의 재량을 요구 (즉, 지반공학적 판단이 필요)

(c) 입력 중 하나가 "무입력"이고,

(i) 다른 입력이 "양토" 또는 "연질 점토" 또는 "식별불가"이면,

최종 출력은 각각 GE (<다른 입력>만) 또는 SC (<다른 입력>만)

또는 식별불가 (<다른 입력>만).

(d) 입력 중 하나가 "식별불가"이고,

(i) 다른 입력이 "양토" 또는 "연질 점토"이면, 최종 출력은 각각 GE

(<다른 입력>만) 또는 SC (<다른 입력>만)

전체 토양 분류. 프로세서(60)가 데이터를 분석할 때, 그래픽 제어요소 (예를 들어, 구어적으로 알려진 바와 같은 윈도우)가 GUI(68)를 통해 팝업 (도 11)되고 토양분류 프로세스의 종료를 나타내는 전체 토양 유형을 결론짓는다. 의사결정 프레임 워크에 근거하여 도 10과 같이 몇 가지 분류된 결과가 있게 된다.

도 10의 방법은 실행 가능한 소프트웨어 명령을 포함하는 비일시적 컴퓨터 판독가능 매체의 형태로 구현될 수 있으며, 여기서 실행될 때 토양 덩어리를 분류하는 단계 (이러한 분류 단계는 토양 덩어리를 적어도 2개의 토양 유형 중 하나로 분류하는 것을 포함한다)를 포함하는 토양 덩어리를 식별하고 분류하는 방법을 수행한다.

일부 실시예에서, 토양 유형을 분류하는 방법은, (a) 이미지 획득모듈 및 적어도 하나의 토양 매개변수 측정장치를 토양 덩어리쪽으로 이동시키는 단계; (b) 토양 덩어리의 이미지를 획득하는 단계; (c) 얕은 깊이 및/또는 더 깊은 깊이에서 토양 덩어리의 토양 매개변수 (전기저항 및/또는 수분함량 및/또는 원뿔 팁 저항 및 슬리브 마찰)를 측정하는 단계; (d) 이미지 및 매개변수 측정치(들)을 프로세서로 전송하는 단계; (e) 데이터 분석을 수행하는 단계 (이러한 분석단계는 토양 덩어리의 이미지에서 RGB (적색, 녹색, 청색) 값을 추출하고, 토양 덩어리의 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 그레이스케일 이미지를 분석하는 것을 포함한다); (f) 데이터 분석에 근거하여 토양 덩어리를 프로세서에 의하여 분류하는 단계 (분류 단계는 토양 덩어리를 적어도 2개의 토양 유형 중 하나로 분류하는 것을 포함한다); 를 포함한다. 깊이가 있는 토양 유형 프로파일이 화면에 표시된다. 이 방법은 장치(10)를 제어하기 위해 프로세서에서 구현될 수 있다.

통상의 지식을 가진 자라면 본 발명이 이상에서 설명된 실시예에 국한되지 않는다는 것을 이해할 수 있다. 특히, 다른 토양 유형 또는 슬러지 폐기물과 같은 다른 물질과 혼합된 토양의 분류에 있어서 다양한 실시예가 적용될 수 있다. 본 발명의 범위를 벗어나지 않으면서도 수정 및 개선이 이루어질 수 있음을 알 수 있다.

통상의 지식을 가진 자라면, 상호 배타적이지 않은 하나 이상의 수정 또는 개선이 추가로 결합되어 본 발명의 또 다른 실시예를 형성할 수 있음을 인식하여야 한다.

Claims

이미지 획득모듈;
토양 유형과 관련된 하나 이상의 토양 매개변수를 직접적으로 측정하기 위하여 토양 덩어리를 관통할 수 있는 하나 이상의 토양 매개변수 측정장치로서, 상기 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함하는 것인, 토양 매개변수 측정장치;
상기 하나 이상의 토양 측정장치가 토양 덩어리를 관통하도록, 상기 이미지 획득모듈 및 하나 이상의 토양 매개변수 측정장치를 이동시키도록 작동가능한 하나 이상의 구동장치; 및
상기 이미지 획득모듈과 데이터 통신하도록 배치된 데이터 분석모듈로서, 상기 데이터 분석모듈은 획득된 이미지의 RGB (적색, 녹색, 청색) 값을 추출하고, 상기 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 그레이스케일 이미지를 분석하고, 인공 신경망 또는 컨볼루션 신경망에 기초한 기계학습 알고리즘을 통하여 상기 그레이스케일 이미지 및 측정된 토양 매개변수에 근거하여 토양 덩어리를 적어도 2개의 토양 유형 중의 하나로 분류하도록 작동하는 것인, 데이터 분석모듈;
을 포함하는, 토양 덩어리의 분류용 장치.
제 1 항에 있어서,
상기 이미지 획득모듈은 카메라 및 거리센서를 포함하는, 토양 덩어리의 분류용 장치.
제 1 항 또는 제 2 항에 있어서,
상기 이미지 획득모듈은 3000 K와 4000 K 사이의 색온도를 갖는 적어도 하나의 백색광원을 더 포함하는, 토양 덩어리의 분류용 장치.
제 3 항에 있어서,
상기 백색광원은 복수의 LED 투광 조명등을 포함하는, 토양 덩어리의 분류용 장치.
제 4 항에 있어서,
124개의 LED 투광 조명등을 포함하는, 토양 덩어리의 분류용 장치.
제 2 항에 있어서,
상기 거리센서는 레이저 거리센서인, 토양 덩어리의 분류용 장치.
제 6 항에 있어서,
상기 거리센서는 0.5m와 1.2m 사이의 거리를 감지하도록 작동가능한, 토양 덩어리의 분류용 장치.
제 1 항에 있어서,
상기 획득된 이미지는 다음의 수학식에 기초하여 8비트 그레이스케일 이미지로 변환되는, 토양 덩어리의 분류용 장치.
8bit = 0.299 * Red + 0.587 * Green + 0.114 * Blue
여기서,
Red는 픽셀의 빨간색 값,
Green은 픽셀의 녹색 값,
Blue는 픽셀의 파란색 값이다.
제 1 항에 있어서,
상기 통계적 텍스처 방법은 명암도 동시발생 행렬 (Grey Level Co-Occurrence Matrix: GLCM)인, 토양 덩어리의 분류용 장치.
제 1 항에 있어서,
상기 토양 매개변수 측정장치는 겉보기 토양 전기저항을 측정하기 위한 복수의 전기저항 프로브를 갖는 토양 전기저항 센서인, 토양 덩어리의 분류용 장치.
제 10 항에 있어서,
상기 복수의 전기저항 프로브는 토양 덩어리로 전류를 전송하기 위한 2개의 전기저항 프로브의 제1 세트, 및 2개의 전기저항 프로브의 제2 세트 사이의 전위차를 측정하기 위한 2개의 전기저항 프로브의 제2 세트를 포함하는, 토양 덩어리의 분류용 장치.
제 11 항에 있어서,
상기 전기저항 프로브의 관통 간격 및 깊이는 가변적인, 토양 덩어리의 분류용 장치.
제 1 항에 있어서,
상기 토양 매개변수 측정장치는 토양의 수분함량을 측정하기 위한 수분함량 측정장치를 포함하는, 토양 덩어리의 분류용 장치.
제 13 항에 있어서,
상기 수분함량 측정장치는 그들 사이에서 전자기 충격을 전달하기 위한 1세트의 수분함량 프로브를 포함하는 시간 영역 반사계 (time domain reflectometer: TDR)인, 토양 덩어리의 분류용 장치.
제 14 항에 있어서,
상기 수분함량 프로브의 관통 깊이는 가변적인, 토양 덩어리의 분류용 장치.
제 1 항에 있어서,
상기 토양 매개변수 측정장치는 토양 덩어리를 다양한 깊이로 관통함으로써 토양의 프로파일을 결정하기 위한 원뿔형 관통장치인, 토양 덩어리의 분류용 장치.
제 16 항에 있어서,
상기 원뿔형 관통장치는 샤프트, 상기 샤프트에 연결된 아래쪽을 향하는 원뿔, 및 상기 원뿔 위의 상기 샤프트에 탑재된 기구식 마찰 슬리브를 포함하고,
상기 원뿔은 원뿔 팁 저항을 측정하고, 상기 마찰 슬리브는 그에 가해진 마찰을 측정하는,
토양 덩어리의 분류용 장치.
토양 덩어리의 적어도 하나의 이미지를 획득하기 위한 이미지 획득모듈;
토양 덩어리의 하나 이상의 토양 매개변수를 직접적으로 측정하기 위하여 토양 덩어리를 관통할 수 있는 토양 매개변수 측정모듈로서, 상기 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함하는 것인, 토양 매개변수 측정모듈; 및
적어도 하나의 이미지 및 상기 토양 매개변수 측정치를 수신하도록 작동할 수 있는 프로세서;
를 포함하고,
상기 프로세서는 적어도 하나의 이미지로부터 RGB (적색, 녹색, 청색) 값을 추출하고, 적어도 하나의 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 상기 그레이스케일 이미지를 분석하며;
상기 프로세서는 인공 신경망 또는 컨볼루션 신경망에 기초한 기계학습 알고리즘을 통하여 상기 그레이스케일 이미지 및 상기 측정된 토양 매개변수에 근거하여 상기 토양 덩어리를 적어도 2개의 토양 유형 중의 하나로 분류하도록 기능하는 분류모듈을 더 포함하는,
토양 덩어리의 분류용 시스템.
제 18 항에 있어서,
상기 분류모듈은 기계학습 알고리즘을 사용하여 상기 그레이스케일 이미지에 근거하여 토양 덩어리를 분류하는 제1 모듈, 및 상기 토양 매개변수 측정치들에 기초하여 토양 덩어리를 분류하는 제2 모듈을 포함하는, 토양 덩어리의 분류용 시스템.
제 18 항에 있어서,
상기 적어도 2개의 토양 유형은 양토 및 연질 점토를 포함하는, 토양 덩어리의 분류용 시스템.
제 19 항에 있어서,
상기 토양 덩어리의 분류는 상기 하나 이상의 토양 매개변수 측정치 및 기계학습 알고리즘에 기초하는, 토양 덩어리의 분류용 시스템.
제 18 항에 있어서,
상기 토양 매개변수 측정모듈은 수분함량 측정장치, 토양 전기저항 측정장치, 및/또는 토양 덩어리 내로 관통할 수 있는 원뿔형 관통장치를 포함하는, 토양 덩어리의 분류용 시스템.
제 18 항에 있어서,
상기 적어도 하나의 이미지는 다음의 수학식에 기초하여 8비트 그레이스케일 이미지로 변환되는, 토양 덩어리의 분류용 시스템.
8bit = 0.299 * Red + 0.587 * Green + 0.114 * Blue
여기서,
Red 는 픽셀의 빨간색 값,
Green 은 픽셀의 녹색 값,
Blue 는 픽셀의 파란색 값이다.
제 18 항에 있어서,
상기 통계적 텍스처 방법은 명암도 동시발생 행렬 (GLCM)인, 토양 덩어리의 분류용 시스템.
(a) 이미지 획득모듈 및 적어도 하나의 토양 매개변수 측정장치를 토양 덩어리 쪽으로 이동시켜서 토양 덩어리를 관통시키는 단계;
(b) 토양 덩어리의 이미지를 획득하는 단계;
(c) 다양한 깊이에서 토양 덩어리의 적어도 하나의 토양 매개변수를 직접적으로 측정하는 단계로서, 상기 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함하는 것인 단계;
(d) 상기 이미지 및 토양 매개변수 측정치를 프로세서로 전송하는 단계;
(e) 데이터 분석을 수행하는 단계로서, 데이터 분석단계는 토양 덩어리의 이미지에서 RGB (적색, 녹색, 청색) 값을 추출하고, 토양 덩어리의 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 상기 그레이스케일 이미지를 분석하는 것을 포함하는 것인 단계; 및
(f) 인공 신경망 또는 컨볼루션 신경망에 기초한 기계학습 알고리즘을 통하여 상기 그레이스케일 이미지 및 측정된 토양 매개변수에 근거하여 상기 프로세서에 의하여 토양 덩어리를 분류하는 단계로서, 상기 분류하는 단계는 토양 덩어리를 적어도 2개의 토양 유형 중의 하나로 분류하는 것을 포함하는 것인 단계;
를 포함하는, 토양 덩어리의 분류 방법.
토양 이미지의 제1 세트 및 직접적인 토양 매개변수의 측정치의 제2 세트를 수신하기 위한 입력모듈을 가지고; 상기 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함하며; 토양 덩어리를 적어도 2개의 토양 유형 중의 하나로 분류하도록 작동하는 분류모듈을 포함하고; 상기 분류모듈은 상기 제1 세트의 토양 이미지의 각각으로부터 RGB (적색, 녹색, 청색) 값을 추출하고, 상기 토양 이미지의 각각을 특정 해상도의 그레이스케일 이미지로 변환하고, 상기 그레이스케일 이미지를 통계적 텍스처 방법을 사용하여 분석하고, 인공 신경망 또는 컨볼루션 신경망에 기초한 기계학습 알고리즘을 통하여 상기 토양 덩어리를 상기 그레이스케일 이미지 및 상기 측정된 토양 매개변수(들)에 근거하여 적어도 2개의 토양 유형 중의 하나로 분류하도록 작동하는, 프로세서.
실행될 때에,
(a) 이미지 획득모듈 및 적어도 하나의 토양 매개변수 측정장치를 토양 덩어리쪽으로 이동시켜서 토양 덩어리를 관통시키는 단계;
(b) 토양 덩어리의 이미지를 획득하는 단계;
(c) 다양한 깊이에서 토양 덩어리의 토양 매개변수(들)을 직접적으로 측정하는 단계로서, 상기 토양 매개변수는 토양의 전기저항, 토양의 수분함량 및/또는 토양의 프로파일을 포함하는 것인 단계;
(d) 상기 이미지 및 토양 매개변수 측정치(들)을 프로세서로 전송하는 단계;
(e) 상기 프로세서에 의하여 상기 토양 덩어리를 분류하는 단계로서, 상기 분류하는 단계는 토양 덩어리의 이미지로부터 RGB (적색, 녹색, 청색) 값을 추출하고, 토양 덩어리의 이미지를 특정 해상도의 그레이스케일 이미지로 변환하고, 통계적 텍스처 방법을 사용하여 상기 그레이스케일 이미지를 분석하고, 인공 신경망 또는 컨볼루션 신경망에 기초한 기계학습 알고리즘을 통하여 상기 그레이스케일 이미지 및 측정된 토양 매개변수(들)에 기초하여 토양 덩어리를 적어도 2개의 토양 유형 중의 하나로 분류하는 것을 포함하는 것인 단계;
를 포함하는, 토양 덩어리의 식별 및 분류 방법을 수행하는,
실행 가능한 소프트웨어 명령을 포함하는 비일시적 컴퓨터 판독가능 매체.
삭제
삭제
삭제