KR20130074948A - Prediction method and device of rough rice harvesting time - Google Patents
Prediction method and device of rough rice harvesting time Download PDFInfo
- Publication number
- KR20130074948A KR20130074948A KR1020110143090A KR20110143090A KR20130074948A KR 20130074948 A KR20130074948 A KR 20130074948A KR 1020110143090 A KR1020110143090 A KR 1020110143090A KR 20110143090 A KR20110143090 A KR 20110143090A KR 20130074948 A KR20130074948 A KR 20130074948A
- Authority
- KR
- South Korea
- Prior art keywords
- rice
- water content
- calculated
- chromaticity
- calculating
- Prior art date
Links
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 103
- 235000009566 rice Nutrition 0.000 title claims abstract description 103
- 238000003306 harvesting Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 18
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 102
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 49
- 238000003860 storage Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 8
- 239000006227 byproduct Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 235000013339 cereals Nutrition 0.000 description 7
- 230000008676 import Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000001035 drying Methods 0.000 description 5
- 235000021329 brown rice Nutrition 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 229930002875 chlorophyll Natural products 0.000 description 3
- 235000019804 chlorophyll Nutrition 0.000 description 3
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 229920000856 Amylose Polymers 0.000 description 2
- 241001125048 Sardina Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 235000019512 sardine Nutrition 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
본 발명은 벼의 수확 시기 예측 장치 및 방법에 관한 것이며, 더욱 상세하게는 재배 농가의 벼(Paddy)를 수확 전에 벼의 잎 색도를 직접 측정하여 해당 벼의 수확 시기를 예상하는 벼의 잎 색도를 이용한 수확 시기 예측 장치 및 방법에 관한 것이다.
The present invention relates to an apparatus and method for predicting harvest time of rice, and more specifically, to determine the harvest time of the rice by directly measuring the leaf color of the rice before harvesting (Paddy) of the cultivated farmers It relates to a harvesting time prediction apparatus and method used.
일반적으로 벼농사의 형태는 크게 논벼 재배와 밭벼 재배로 나뉘는데 논에 물을 대고 농사를 짓는 논벼 재배가 여러 면에서 유리하기 때문에 벼농사의 대부분은 수도작(水稻作)이며 밭벼 재배는 극히 적은 실정이다. In general, rice farming is divided into two types of rice cultivation and field rice cultivation. Most of rice cultivation is water crops and field cultivation is very small, because rice cultivation, which irrigates rice paddies, is advantageous in many respects.
한국의 벼농사는 보통 4월 상순부터 중순까지 파종하여 9월 하순 또는 10월 경에 성숙기가 되어 수확을 하게 된다. Rice farming in Korea usually takes place from the beginning of April to the middle of the year and matures in late September or October.
우리나라에서 수확에 가장 적합한 벼의 수분(함수율)은 24%(w.b.)로 알려져 있으며, 벼를 안전하게 저장할 수 있는 함수율은 15%수준으로서 24%수준에서 반입된 벼는 건조시설에서 15%로 건조되어 저장되고 있다. The most suitable moisture (water content) of rice in Korea is known as 24% (wb), and the moisture content that can safely store rice is 15%, and rice imported at 24% is dried to 15% in drying facilities. Is being saved.
만약, 24%수준에서 수확된 벼를 건조하지 않은 상태에서 그대로 둔다면 호흡(Aspiration)에 의해 벼의 탄수화물이 분해되어 품질은 저하하고, 벼의 곡온과 함수율이 높아지게 되며, 높아진 벼의 곡온과 함수율은 호흡을 더욱 촉진하여 최종적으로는 곰팡이 등으로 벼가 부패하게 된다. If the rice harvested at the 24% level is left untreated, the carbohydrates of the rice will be degraded by aspiration and the quality will be lowered, and the rice crown temperature and water content will be higher. It further accelerates the respiration and ultimately causes the rice to become rotten due to fungi.
따라서 24% 수준에서 수확한 벼는 6시간 이내에 반입 및 건조저장시설에 반입되어 건조가 진행되어야 한다.Therefore, the rice harvested at the 24% level should be brought in and dried in the drying and storage facility within 6 hours.
수확한 벼들은 지역에 있는 건조저장시설(DSC)이나 미곡종합처리장(RPC)에 설치된 반입 및 건조저장시설에 반입하게 된다. The harvested rice is brought into the import and dry storage facilities installed in the local dry storage facility (DSC) or rice grain processing plant (RPC).
여기서, 미곡종합처리장의 처리 용량은 보통 2천에서 1만 농가 정도의 처리능력을 가지고 있으며, 건조저장시설은 용량에 따라 130농가 이상의 처리능력을 가지고 있으나, 두 시설에서 하루에 처리할 수 있는 용량에는 한계가 있다. Here, the processing capacity of the rice processing plant generally has a processing capacity of about 2,000 to 10,000 farms, and the dry storage facility has a processing capacity of 130 farms or more depending on the capacity, but the capacity There is a limit.
따라서 농가의 수확시기를 조절할 필요가 있다. 이를 위해서 벼의 함수율과 예상 수확시기를 예측하고 이를 통해 수확시기를 결정하는 것이 필요하다. Therefore, it is necessary to adjust the harvest time of the farm. To this end, it is necessary to predict the water content and the expected harvest time of the rice and to determine the harvest time through it.
수확시기를 결정하기 위해서는 벼의 수확시기를 예측해야 하는데, 종래에는 수확 이전에 얻은 생체 데이터로부터 최종 현미내의 단백질 함량을 추정하는 방법이 공지되어 있다. 예컨대, 이삭이 모두 맺힌 시기의 잎사귀의 질소 함량으로부터 현미의 단백질 함량 비율을 추정하는 방법이 공지되어 있다(일본 식품산업협회의 비파괴검사 심포지엄(1993. 11월)과 야마구찌 농업 실험실의 농산품 처리연구회의 케이스께 요시마쓰의 새순의 근적외선 스펙트럼에 의한 볏잎의 질소 진단방법). In order to determine the harvesting time, it is necessary to predict the harvesting time of rice, and there is known a method of estimating the protein content in the final brown rice from biometric data obtained before harvesting. For example, a method is known for estimating the percentage of brown rice protein from the nitrogen content of leaves at the time of ear growth (Non Destructive Testing Symposium of the Japan Food Industry Association (Nov. 1993) and the Agricultural Products Processing Research Council of Yamaguchi Agricultural Laboratory. Nishikawa's Nitrogen Diagnosis of Crest Leaves by Near-infrared Spectrum of Yoshimasu Seedlings).
그러나 이들 공지기술에 따르면, 평가식을 작성하기 위하여 잎사귀를 화학적으로 분석하였으므로, 결과를 도출하는데 시간이 소요될 수밖에 없는 문제점이 있다. 또한, 25일 내외의 수확기간 중 수확물의 품질이 최대가 되는 수확순서를 결정할 수 있는 지표가 없어, 수확 장비의 성능과 수확시기예측에 따른 품질지표를 이용한 반입체계 구축이 필요한 실정이다.
However, according to these known techniques, since the leaves are chemically analyzed in order to prepare an evaluation formula, there is a problem that it may take time to derive the results. In addition, there is no indicator that can determine the harvest order to maximize the quality of the harvest during the harvest period of about 25 days, it is necessary to build an import system using quality indicators according to the performance of harvesting equipment and the harvest time forecast.
본 발명은 상기 언급한 문제점을 해결하기 위한 것으로, 계약 재배되는 농민의 필지에서 직접 수확 예정 시점을 판단하는 벼의 잎 색도를 이용한 수확시기 예측 장치 및 방법을 제공함에 목적이 있다.The present invention has been made to solve the above-mentioned problems, an object of the present invention is to provide a harvesting time prediction apparatus and method using the leaf color of the rice to determine the timing of the harvest directly from the farmer's parcel of contract cultivation.
또한 본 발명은 미곡종합처리장의 처리 용량을 고려하면서 반입되는 벼의 품질이 최대가 되도록 각 필지의 반입 시기를 결정하는데 반입 체계를 제공함에 목적이 있다. 반입되는 벼의 품질 지수(Quality index)는 벼를 가공하여 발생하는 산물들의 경제적 가치를 합산하여 결정되며, 계약 재배 필지를 대상으로 수확시기에 따른 각 필지별 품질 지수의 총합이 최대가 되는 수확시기를 결정하기 위해 반입 알고리즘을 적용한다. 이러한 기술을 통해 농가의 반입계획을 수립하는 수확시기 예측 장치 및 방법을 제공한다.
It is also an object of the present invention to provide an import system to determine the import time of each parcel so as to maximize the quality of the rice to be imported while considering the processing capacity of the rice grain processing plant. The quality index of the imported rice is determined by summing up the economic value of the products produced by processing the rice, and the harvest time when the total sum of the quality index for each parcel according to the harvest time is the maximum for the contracted cultivated land Apply the import algorithm to determine Through these techniques, we provide a harvesting time forecasting device and method for establishing a farm import plan.
색도를 이용한 수확시기 예측 장치의 일 측면은 수확 시기를 예측하고자 하는 벼의 잎을 촬영하는 이미지 검출부; 상기 이미지 검출부에 의해 촬영된 벼의 잎 색도를 산출하는 색도 검출부; 상기 색도 검출부를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출하는 함수율 산출부; 및 상기 함수율 산출부에 의해 산출된 벼의 함수율을 이용하여 벼의 수확 시기를 산출하는 수확 시기 예측부를 포함한다. One aspect of the harvest time prediction device using the chromaticity is an image detector for photographing the leaves of the rice to predict the harvest time; A chromaticity detector for calculating the chromaticity of the leaves of the rice photographed by the image detector; A moisture content calculator for calculating the moisture content of rice using the leaf chromaticity of the rice calculated by the chromaticity detector; And a harvesting time predicting unit calculating a harvesting time of rice using the water content of the rice calculated by the water content calculating unit.
이때 상기 함수율 산출부에 의해 산출되는 벼의 함수율은, 하기의 [수학식 1]에 의해 산출될 수 있다. In this case, the water content of the rice calculated by the water content calculating unit may be calculated by Equation 1 below.
[수학식 1] [Equation 1]
Lob = 67.3184 - 1.2872M2 (r2=0.9040) Lob = 67.3184-1.2872M 2 (r 2 = 0.9040)
여기서, Lob는 잎의 칼라 b 값이고, M은 벼의 함수율(%,w.b.)이며, r2는 회기분석에 의한 결정계수이다.Where Lob is the leaf color b value, M is the moisture content of rice (%, wb), and r 2 is the coefficient of determination by regression analysis.
그리고 상기 함수율 산출부는 하기의 [수학식 2]에 의해 함수율을 산출할 수 있다. 이 경우 일기 정보를 활용하여 함수율을 예측하는 것으로, 함수율에 따른 수확시기의 벼 품질지수는 도 6에 도시된 바와 같다. The moisture content calculating unit may calculate the moisture content according to
[수학식 2] &Quot; (2) "
M = 22.8372 + 0.0319SoT - 2.9911E - 0.05SoT2 (r2 = 0.9662)M = 22.8372 + 0.0319 SoT-2.9911E-0.05SoT 2 (r 2 = 0.9662)
여기서, M은 벼의 함수율(%,w.b.), SoT는 적산온도(℃), r2는 적산온도와 함수율의 상관관계식의 결정계수이다. Where M is the water content of rice (%, wb), SoT is the integration temperature (° C), and r 2 is the coefficient of determination of the correlation between integration temperature and water content.
그리고 수확 시기 예측부(300)는 산출되는 벼의 수확 시기를 산출하는데 함수율 산출부(200)에 의해 산출된 함수율을 이용하여 각 필지의 QI를 검출하고, 하기의 [수학식 3]을 이용하여 각 필지의 합이 가장 높은 값이 되는 시기를 산출한다. 이때, 수확 시기 예측부(300)는 함수율 산출부(200)에 의해 잎의 색도를 통해 산출된 함수율과 적산온도에 의해 산출된 함수율 중 하나를 이용하거나 두 함수율의 조합을 통해 얻어진 함수율을 벼의 수확 시기를 예측하는데 이용할 수 있다. In addition, the harvesting
[수학식 3]&Quot; (3) "
Max∑(QI1 + QI2 + ... + QIn)Max∑ (QI 1 + QI 2 + ... + QIn)
여기서, QIn에서 n은 필지이고, QI는 품질지수를 Where n is parcel and QI is the quality index.
전술된 구성에 의해 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 장치 및 방법은 현지에서 신속하고 정확하게 계약재배 농민 별로 예상수확 시기를 예측할 수 있는 효과가 있다.
The harvesting time prediction apparatus and method using the leaf color of the rice according to the present invention by the above-described configuration has the effect of predicting the expected harvesting time for each contracted farmers quickly and accurately.
도 1은 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 장치의 구성을 나타낸 기능블록도.
도 2는 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 방법을 나타낸 플로우차트.
도 3은 함수율과 벼 잎의 b(채도)값 미숙립 비율과의 관계를 나타낸 도면.
도 4는 함수율에 따른 낟알수 및 15%로 환산한 생산량(kg/10a)을 나타낸 도면.
도 5는 함수율과 그에 대응되는 품질지수의 관계를 나타낸 도면.
도 6은 함수율에 따라 생산되는 벼 생산량, 부산물 생산량, 쌀의 생산량과 건조료(kg/원)의 관계를 나타낸 도면이다. 1 is a functional block diagram showing the configuration of a harvest time prediction device using the leaf chromaticity of rice according to the present invention.
2 is a flowchart showing a harvesting time prediction method using the leaf chromaticity of rice according to the present invention.
3 is a graph showing the relationship between the moisture content and the unsaturated ratio of b (saturation) value of rice leaves.
4 is a view showing the grain number and the yield (kg / 10a) converted into 15% according to the water content.
5 is a view showing the relationship between the water content and the corresponding quality index.
6 is a view showing the relationship between the amount of rice produced by the water content, by-products produced, the production of rice and dry matter (kg / won).
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 상세히 설명하기 위하여, 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세하게 설명한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings in order to facilitate a person skilled in the art to easily carry out the present invention.
도 1은 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 장치의 구성을 나타낸 기능블록도이고, 도 2는 본 발명에 따른 벼의 잎 색도를 이용한 수확시기 예측 방법을 나타낸 플로우차트이다. 1 is a functional block diagram showing the configuration of the harvest time prediction device using the leaf color of the rice according to the present invention, Figure 2 is a flow chart showing a harvest time prediction method using the leaf chromaticity of the rice according to the present invention.
본 발명에 앞서서 벼의 재배 품질 정보와 수확 적기예측 모델을 개발하기 위해 수확시기별로 필드(Field) 실험을 실시하였고, 수확시기별로 수확된 벼를 이용한 품위 및 품질측정 실험을 계속 진행하였다. 충북진천군 소재 약 30a(3,000㎡, 약 907평)의 농지를 임대(품종 추청)하여 난괴법(Randomized complete block design)으로 45구획(5m×5m, 15실험구×3반복)한 후 출수(heading) 이후로부터 함수율 1~2% 간격으로 14회 이상 수확하여 탈곡, 건조 및 도정하면서 벼의 칼라인자(벼 잎의 색도, 엽록소 및 질소), 품위(미숙립 및 정립비율), 성분(protein, amylose), 품질을 측정하였다. Prior to the present invention, field experiments were conducted at each harvest time to develop rice cultivation quality information and harvest timely prediction models, and quality and quality measurement experiments using rice harvested at each harvest time were continued. After renting about 30a (3,000㎡, 907 pyeong) of farmland in Chungbuk-Jincheon-gun, the area was discharged after heading 45 blocks (5m × 5m, 15 experimental zones × 3 repetitions) by randomized complete block design. Harvested at least 14 times at intervals of 1 ~ 2% of water content, and then threshed, dried, and milled, while the color factors of rice (color of chlorophyll, chlorophyll and nitrogen), grade (unestablished and upright ratio), and ingredients (protein, amylose) ), The quality was measured.
또한 최종 시료의 조제까지 손상과 품질저하를 최소화하기 위하여 수확 및 탈곡은 손 수확 및 재래식탈곡기를 이용하였으며, 벼 잎의 칼라는 색차계(CM02500M, Minolta, Japan), 엽록소 측정기(SPAD-502Plus, Minolta, Japan) 및 입질소함량측정기(CCN5001J, Satake, Japan)를 이용하여 측정하고 이를 이용하여 [수학식 1]을 얻을 수 있다. In addition, harvesting and threshing were performed by hand harvesting and conventional threshing machine to minimize damage and quality deterioration until preparation of final sample. The color of rice leaf was measured by color difference meter (CM02500M, Minolta, Japan), chlorophyll meter (SPAD-502Plus, Minolta). , Japan) and a nitrogen content measuring instrument (CCN5001J, Satake, Japan) to measure using the equation (1) can be obtained.
그리고 수확된 벼는 연구원으로 이송하여 상온통풍으로 15.5% ~ 16%까지 건조하여 실험용 현미기와 정미기를 이용하여 도정하였다. 이와 같이 도정된 벼의 동할율, 발아율, 함수율, 단백질, 아밀로스, 지방산가, 천립중, 정립비율, 색도 및 현미 품위 등을 측정하고 그 측정된 정보를 통해 수확시기별 품위 및 품질특성을 얻을 수 있다. The harvested rice was transferred to the researcher and dried up to 15.5% ~ 16% with room temperature ventilation and incubated using an experimental brown rice and rice polisher. In this way, the measured copper share, germination rate, moisture content, protein, amylose, fatty acid value, grain weight, grain ratio, color and brown rice grade, and the quality and quality characteristics of each harvest time can be obtained through the measured information.
본 발명의 일 실시예에 따른 벼의 잎 색도를 이용한 수확시기 예측 장치 및 방법은 색도 검출부(100), 함수율 산출부(200), 수확 시기 예측부(300) 및 저장부(400)를 포함한다. Harvesting time prediction apparatus and method using the chromaticity of the leaves of the rice according to an embodiment of the present invention includes a
색도 검출부(100)는 촬영된 벼의 잎 색도를 산출한다(S10). 이때, 색도 검출부(100)는 색도계 및 CCD 카메라 등을 이용할 수 있다. The
함수율 산출부(200)는 색도 검출부(100)를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출한다(S20). 벼의 함수율은 다음의 [수학식 1]과 같다. The
[수학식 1] [Equation 1]
Lob = 67.3184 - 1.2872M2(r2=0.9040) Lob = 67.3184-1.2872M 2 (r 2 = 0.9040)
여기서, Lob는 잎의 칼라 b 값, M은 벼의 함수율(%,w.b.), r2는 잎의 색도와 벼의 함수율의 상관 관계식의 결정계수이다. Where Lob is the color b value of the leaf, M is the water content (%, wb) of rice, and r 2 is the coefficient of determination of the correlation between the leaf color and the water content of rice.
그리고 저장부(400)에는 적산온도(℃) 정보와 함수율에 대응되는 품질지수가 저장된다. 여기서 적산온도란 작물의 생육에 필요한 열량을 나타내기 위한 것으로 생육 일수의 일평균기온을 적산한 것이다. In addition, the
이때, 함수율 산출부(200)는 잎의 칼라 b(채도) 값뿐만 아니라, 저장부(400)에 저장된 적산온도를 [수학식 2]에 대입하여 함수율을 산출할 수 있다(S30). 이 경우 일기 정보를 활용하여 함수율을 예측하는 것으로, 함수율에 따른 수확시기의 벼 품질지수는 도 6에 도시된 바와 같다. At this time, the moisture
[수학식 2] &Quot; (2) "
M = 22.8372 + 0.0319SoT - 2.9911E - 0.05SoT2(r2 = 0.9662)M = 22.8372 + 0.0319 SoT-2.9911E-0.05SoT 2 (r 2 = 0.9662)
여기서, M은 벼의 함수율(%,w.b.), SoT는 적산온도(℃), r2는 적산온도와 함수율의 상관관계식의 결정계수이다.
Where M is the water content of rice (%, wb), SoT is the integration temperature (° C), and r 2 is the coefficient of determination of the correlation between integration temperature and water content.
도 3은 함수율과 벼 잎의 b값 미숙립 비율과의 관계를 나타낸 도면으로, 함수율과 벼 잎의 b 값은 측정치와 예상치가 유사함을 알 수 있다. 3 is a view showing the relationship between the water content and the b value of the rice leaf unestablished ratio, it can be seen that the water value and the b value of the rice leaf is similar to the measured value and the expected value.
도 4는 함수율에 따른 낟알수 및 15%로 환산한 생산량(kg/10a)을 나타낸 도면으로, 함수율에 따른 낟알 수 및 15%로 환산한 생산량 또한 측정치와 예상치가 유사함을 확인할 수 있다. 4 is a view showing the grain number and the yield converted to 15% (kg / 10a) according to the water content, it can be seen that the grain number and the yield converted to 15% according to the water content is also similar to the measured value and the expected value.
그리고 수확 시기 예측부(300)는 산출되는 벼의 수확 시기를 산출하는데 함수율 산출부(200)에 의해 산출된 함수율을 이용하여 각 필지의 QI를 검출하고, 하기의 [수학식 3]을 이용하여 각 필지의 합이 가장 높은 값이 되는 시기를 산출한다. 이때, 수확 시기 예측부(300)는 함수율 산출부(200)에 의해 잎의 색도를 통해 산출된 함수율과 적산온도에 의해 산출된 함수율 중 하나를 이용하거나 두 함수율의 조합을 통해 얻어진 함수율를 벼의 수확 시기를 예측하는데 이용할 수 있다. In addition, the harvesting
[수학식 3]&Quot; (3) "
Max∑(QI1 + QI2 + ... + QIn)Max∑ (QI 1 + QI 2 + ... + QIn)
여기서, QIn에서 n은 필지이고, QI는 품질지수를 의미한다. Here, in QIn, n is parcel, and QI is a quality index.
저장부(400)에는 도 5에 도시된 바와 같이 함수율에 대응되는 품질지수가 저장되는데, 함수율에 따라 생산되는 벼 생산량(15% 기준, kg/10a), 부산물 생산량(kg/10a)(미숙립, 왕겨, 미강 및 싸라기 생산량 정보), 쌀(kg/10a) a건조료(kg/원)에 각 부산물 가격, 정상 쌀 가격 및 건조료 가격이 부과되어 산출된 품질지수가 저장된다. In the
이때, 함수율에 따라 생산되는 벼 생산량(15% 기준, kg/10a), 부산물 생산량(kg/10a)(미숙립, 왕겨, 미강 및 싸라기 생산량), 쌀(kg/10a)의 생산량과 건조료(kg/원)는 도 5에 도시된 바와 같다.
At this time, rice production (15% based on kg / 10a), by-product production (kg / 10a) (unripe, rice hull, rice bran and sardine production), rice (kg / 10a) production and drying materials kg / yuan) is as shown in FIG. 5.
전술된 상세한 설명이 여러 실시예에 적용된 바와 같이 본 발명의 기본적인 신규한 특징들을 도시하고 기술하고 언급하였지만, 예시된 시스템의 형태 및 상세 사항에 대해 본 발명의 의도를 벗어남이 없이 여러 생략, 교체 및 변경이 이 기술 분야에 숙련된 자에 의해 이루어질 수 있다는 것을 이해할 수 있을 것이다.
While the foregoing detailed description has shown and described and pointed out fundamental novel features of the invention as applied to various embodiments, it will be understood that various omissions, substitutions and changes in form and detail of the illustrated system may be made without departing from the spirit of the invention. It will be appreciated that variations may be made by those skilled in the art.
100 : 색도 검출부 200 : 함수율 산출부
300 : 수확 시기 예측부 400 : 저장부 100: chromaticity detection unit 200: moisture content calculation unit
300: harvesting time prediction unit 400: storage unit
Claims (5)
상기 색도 검출부를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출하는 함수율 산출부; 및
상기 함수율 산출부에 의해 산출된 벼의 함수율을 이용하여 벼의 수확 시기를 산출하는 수확 시기 예측부를 포함하는 벼의 잎 색도를 이용한 수확시기 예측 장치.
A chromaticity detector for calculating the leaf chromaticity of rice;
A moisture content calculator for calculating the moisture content of rice using the leaf chromaticity of the rice calculated by the chromaticity detector; And
Harvesting time prediction apparatus using the leaf color of the rice comprising a harvesting time prediction unit for calculating the harvesting time of rice using the water content of the rice calculated by the water content calculating unit.
상기 함수율 산출부에 의해 산출되는 벼의 함수율은,
하기의 [수학식 1]에 의해 산출되는 것을 특징으로 하는 벼의 잎 색도를 이용한 수확시기 예측 장치.
[수학식 1]
Lob = 67.3184 - 1.2872M2 (r2=0.9040)
여기서, Lob는 잎의 칼라 b 값, M은 벼의 함수율(%,w.b.), r2는 잎의 색도와 벼의 함수율의 상관 관계식의 결정계수이다.
The method of claim 1,
The water content of the rice calculated by the water content calculating unit,
Harvesting time prediction apparatus using the chromaticity of the leaves of the rice, characterized in that calculated by the following [Equation 1].
[Equation 1]
Lob = 67.3184-1.2872M 2 (r 2 = 0.9040)
Where Lob is the color b value of the leaf, M is the water content (%, wb) of rice, and r 2 is the coefficient of determination of the correlation between the leaf color and the water content of rice.
적산온도가 저장된 저장부를 더 포함하되,
상기 함수율 산출부는
하기의 [수학식 2]를 이용하여 벼의 함수율을 산출하는 것을 특징으로 하는 벼의 잎 색도를 이용한 수확시기 예측 장치.
[수학식 2]
M = 22.8372 + 0.0319SoT - 2.9911E - 0.05SoT2 (r2 = 0.9662)
여기서, M은 벼의 함수율(%,w.b.), SoT는 적산온도(℃), r2는 적산온도와 함수율의 상관관계식의 결정계수이다.
The method of claim 1,
Further comprising a storage unit in which the accumulated temperature is stored,
The moisture content calculation unit
Harvesting time prediction apparatus using the chromaticity of the rice, characterized in that for calculating the water content of the rice using the following [Equation 2].
&Quot; (2) "
M = 22.8372 + 0.0319 SoT-2.9911E-0.05SoT 2 (r 2 = 0.9662)
Where M is the water content of rice (%, wb), SoT is the integration temperature (° C), and r 2 is the coefficient of determination of the correlation between integration temperature and water content.
함수율 대비 부산물 가격, 쌀 가격 및 건조료에 의해 산출된 품질지수(QI)를 저장하는 저장부를 더 포함하되,
상기 수확 시기 예측부는,
상기 함수율 산출부에 의해 산출된 함수율과 상기 저장부에 저장된 함수율을 비교하여 품질지수를 검출하고, 이를 하기의 [수학식 3]을 이용하여 수확시기를 산출되는 것을 특징으로 하는 벼의 잎 색도를 이용한 수확시기 예측 장치.
[수학식 3]
Max∑(QI1 + QI2 + ... + QIn)
여기서, QIn에서 n은 필지이고, QI는 품질지수를 의미한다.
4. The method according to claim 2 or 3,
Further comprising a storage unit for storing the quality index (QI) calculated by the by-product price, rice price and dry matter compared to the water content,
The harvest time prediction unit,
The quality index is detected by comparing the water content calculated by the water content calculating unit with the water content stored in the storage unit, and the harvest time is calculated using Equation 3 below. Harvest time prediction device used.
&Quot; (3) "
Max∑ (QI 1 + QI 2 + ... + QIn)
Here, in QIn, n is parcel, and QI is a quality index.
상기 이미지 검출부에 의해 촬영된 벼의 잎 색도를 산출하는 단계;
상기 색도 검출부를 통해 산출한 벼의 잎 색도를 이용하여 벼의 함수율을 산출하는 단계; 및
상기 함수율 산출부에 의해 산출된 벼의 함수율을 이용하여 벼의 수확 시기를 산출하는 단계를 포함하는 벼의 잎 색도를 이용한 수확시기 예측 방법. Photographing the leaves of rice to predict the harvest time;
Calculating leaf chromaticity of the rice photographed by the image detector;
Calculating the moisture content of the rice using the leaf chromaticity of the rice calculated by the chromaticity detector; And
Calculating the harvest time of the rice using the moisture content of the rice calculated by the water content calculating unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110143090A KR101328487B1 (en) | 2011-12-27 | 2011-12-27 | Prediction Method and Device of Rough Rice Harvesting Time |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110143090A KR101328487B1 (en) | 2011-12-27 | 2011-12-27 | Prediction Method and Device of Rough Rice Harvesting Time |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130074948A true KR20130074948A (en) | 2013-07-05 |
| KR101328487B1 KR101328487B1 (en) | 2013-11-13 |
Family
ID=48988917
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110143090A KR101328487B1 (en) | 2011-12-27 | 2011-12-27 | Prediction Method and Device of Rough Rice Harvesting Time |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101328487B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015166493A3 (en) * | 2014-04-28 | 2015-12-23 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Method and system for characterizing plant behavior |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102491195B1 (en) * | 2020-09-03 | 2023-01-20 | 한국식품연구원 | The calculation system and method for calculating initial quality index based on quality and yield of rice |
| TWI818334B (en) * | 2021-10-19 | 2023-10-11 | 國立中興大學 | Method for estimating grain moisture content and harvest time of grains with mobile phone images |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62263404A (en) * | 1986-05-10 | 1987-11-16 | Fujitsu Ltd | Apparatus for inspecting pattern |
| JP3468877B2 (en) * | 1994-10-27 | 2003-11-17 | 矢崎総業株式会社 | Plant automatic diagnosis method and apparatus |
| JP4936362B2 (en) | 2006-07-19 | 2012-05-23 | 公立大学法人高知工科大学 | Harvesting robot |
| KR20120052469A (en) * | 2010-11-16 | 2012-05-24 | (주)케이원정보통신 | Cultivation management system for crop |
-
2011
- 2011-12-27 KR KR1020110143090A patent/KR101328487B1/en active IP Right Grant
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015166493A3 (en) * | 2014-04-28 | 2015-12-23 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Method and system for characterizing plant behavior |
| US10897849B2 (en) | 2014-04-28 | 2021-01-26 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Characterization of plant behavior using transpiration rate and water uptake rate |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101328487B1 (en) | 2013-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qiu et al. | Monitoring drought impacts on crop productivity of the US Midwest with solar-induced fluorescence: GOSIF outperforms GOME-2 SIF and MODIS NDVI, EVI, and NIRv | |
| Li et al. | Improving estimation of summer maize nitrogen status with red edge-based spectral vegetation indices | |
| Ciganda et al. | Non-destructive determination of maize leaf and canopy chlorophyll content | |
| Yu et al. | Remotely detecting canopy nitrogen concentration and uptake of paddy rice in the Northeast China Plain | |
| Tremblay et al. | Sensing of crop nitrogen status: Opportunities, tools, limitations, and supporting information requirements | |
| Müller et al. | Analysis of vegetation indices derived from hyperspectral reflection measurements for estimating crop canopy parameters of oilseed rape (Brassica napus L.) | |
| Li et al. | Remotely estimating aerial N status of phenologically differing winter wheat cultivars grown in contrasting climatic and geographic zones in China and Germany | |
| CN103278458B (en) | A kind of fast non-destructive detection method of flue-cured tobacco harvest maturity | |
| Dreccer et al. | Quantitative dynamics of stem water soluble carbohydrates in wheat can be monitored in the field using hyperspectral reflectance | |
| Cao et al. | Detection of powdery mildew in two winter wheat plant densities and prediction of grain yield using canopy hyperspectral reflectance | |
| Sharabian et al. | Significant wavelengths for prediction of winter wheat growth status and grain yield using multivariate analysis | |
| JP2006250827A (en) | Analytical method for growth condition of crop | |
| Wang et al. | Response of winter wheat to spring frost from a remote sensing perspective: Damage estimation and influential factors | |
| Camoglu et al. | Use of infrared thermography and hyperspectral data to detect effects of water stress on pepper | |
| Porter et al. | Estimating biomass on CRP pastureland: A comparison of remote sensing techniques | |
| Li et al. | Evaluation of UAV-derived multimodal remote sensing data for biomass prediction and drought tolerance assessment in bioenergy sorghum | |
| KR101328487B1 (en) | Prediction Method and Device of Rough Rice Harvesting Time | |
| Aranguren et al. | Topdressing nitrogen recommendation in wheat after applying organic manures: the use of field diagnostic tools | |
| Rosa et al. | Sugarcane response to nitrogen rates, measured by a canopy reflectance sensor | |
| Wang et al. | Evaluation of water-use efficiency in foxtail millet (Setaria italica) using visible-near infrared and thermal spectral sensing techniques | |
| Wang et al. | Using field hyperspectral data to predict cotton yield reduction after hail damage | |
| Islam et al. | Use of normalised difference vegetation index, nitrogen concentration, and total nitrogen content of whole maize plant and plant fractions to estimate yield and nutritive value of hybrid forage maize | |
| Hashimoto et al. | Feasibility of yield estimation based on leaf area dynamics measurements in rice paddy fields of farmers | |
| Hughes et al. | Non-destructive foliar chlorophyll measurement has the potential to predict crude protein concentration and in vitro ruminal organic matter digestibility in Bracharia decumbens herbage | |
| Hisham et al. | Monitoring of Rice Growth Phases Using Multi-Temporal Sentinel-2 Satellite Image |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20161101 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20171103 Year of fee payment: 5 |