KR20170139849A - 드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법 - Google Patents
드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법 Download PDFInfo
- Publication number
- KR20170139849A KR20170139849A KR1020160072322A KR20160072322A KR20170139849A KR 20170139849 A KR20170139849 A KR 20170139849A KR 1020160072322 A KR1020160072322 A KR 1020160072322A KR 20160072322 A KR20160072322 A KR 20160072322A KR 20170139849 A KR20170139849 A KR 20170139849A
- Authority
- KR
- South Korea
- Prior art keywords
- unit
- image
- image data
- forest
- pest
- Prior art date
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 69
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims description 18
- 201000010099 disease Diseases 0.000 title description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title description 5
- 238000009792 diffusion process Methods 0.000 claims abstract description 17
- 238000011017 operating method Methods 0.000 claims abstract 2
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000010191 image analysis Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims 2
- 238000004891 communication Methods 0.000 description 15
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 13
- 235000011613 Pinus brutia Nutrition 0.000 description 13
- 241000018646 Pinus brutia Species 0.000 description 13
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 241000238631 Hexapoda Species 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241001263012 Certhia familiaris Species 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 239000002023 wood Substances 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
- G06Q50/10—Services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G06F17/5009—
-
- B64C2201/127—
-
- B64C2201/146—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/20—Remote controls
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Catching Or Destruction (AREA)
Abstract
본 발명은 드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법에 관한 것으로, 무인으로 비행하면서 항공 영상을 촬영하는 드론, 및 드론을 제어하고, 드론으로부터 실시간으로 영상 데이터 및 영상 데이터의 위치 데이터를 획득 및 분석하여 산림의 병해충 발생 여부를 진단함과 아울러 산림의 병해충의 확산 지역을 예측하는 서버를 포함하는 것을 특징으로 한다.
Description
본 발명은 드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법에 관한 것이다.
일반적으로 병해충은 수목에 피해를 주는 질병 및 곤충류를 칭한다. 국내에서 수목의 병해충 피해를 입은 대표적인 사례로는 소나무재선충병 피해가 있다. 국립산림과학원의 2013년도 산림병해충 발생예찰 조사 연보에 따르면, "소나무재선충병 피해가 갈수록 심화되어 2011년 46개 시, 군이던 재선충 피해지역이 2015년 1월 72개 시, 군으로 확산되고 있으며, 현재 재선충이 지금 같은 속도로 퍼진다면 3년 뒤면 국내 소나무가 멸종될 수 있다."는 언급을 한 바 있다.
이러한 병해충 방제의 성패를 좌우하는 관건은 예찰이라고 할 수 있는데, 병해충 발생 후 방제를 하는 것보다 발생 전에 피해 예방을 하는 것이 중요하다. 이를 위해, 피해지에 대한 정확한 예찰조사와 조사된 자료를 관리하고 분석하여 체계적인 방제전략을 세우는 것이 중요하다.
종래의 산림 병충해 관리 시스템은 전문 인력, 장비, 시설이 부족한 문제점이 있다. 예를 들어, 국내의 경우 1천명 규모의 250 개 예찰/방재단을 운영하고 있는데, 이는 1명당 1,490ha 에 해당하는 산림을 모두 감시해야 수준인 것으로 담당자가 관할된 모든 지역을 관리 감독하는 것이 불가능함을 의미한다. 또한, 인력 부족 문제를 차치하더라도 최근 정보 통신 기술의 발달에 힘입어 다양한 산업 분야에서 무인 시스템이 도입되는 추세인데, 종래의 산림 병충해 관리 시스템은 인력에만 의존하고 있어 시대적 트렌드를 따르지 못하고 있다.
본 발명의 다양한 실시예는 상기 문제점을 해결하기 위한 것으로, 드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법을 제공하는 것에 그 목적이 있다.
본 발명의 다양한 실시예에 따른 드론을 이용하여 산림의 병해충을 모니터링하는 시스템은 무인으로 비행하면서 항공 영상을 촬영하는 드론, 및 상기 드론을 제어하고, 상기 드론으로부터 실시간으로 영상 데이터 및 상기 영상 데이터의 위치 데이터를 획득 및 분석하여 산림의 병해충 발생 여부를 진단함과 아울러 상기 산림의 병해충의 확산 지역을 예측하는 서버를 포함하고, 상기 서버는 사용자가 컴퓨터 또는 스마트폰을 이용해 상기 서버에 접속하여 상기 진단 정보를 실시간으로 모니터링하고 상기 드론을 관제할 수 있도록 사용자 인터페이스 환경을 제공하는 것을 특징으로 한다.
본 발명의 다양한 실시예에 따른 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 운영 방법은 서버가 상기 드론을 구동하여 항공 영상을 촬영하는 단계, 및 상기 서버가 상기 드론으로부터 실시간으로 영상 데이터 및 상기 영상 데이터의 위치 데이터를 획득 및 분석하여 산림의 병해충 발생 여부를 진단함과 아울러 상기 산림의 병해충의 확산 지역을 예측하는 단계, 및 상기 서버가 사용자가 컴퓨터 또는 스마트폰을 이용해 상기 서버에 접속하여 상기 진단 정보를 실시간으로 모니터링하고 상기 드론을 관제할 수 있도록 사용자 인터페이스 환경을 제공하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 다양한 실시예는 본 발명은 드론에 장착된 고성능카메라를 이용하여 산림의 병해충 발생 지역을 예찰하고 전문가의 식별과 동일하게 판단할 수 있는 알고리즘 개발을 통해 소나무 재선충을 식별하여 관련자료 사용자에게 알맞은 정보를 제공할 수 있다. 또한, 기존에 계측된 정보와 예찰 활동으로 획득한 정보를 가공하여 향후 소나무재선충 확산 속도 및 확산모형의 시뮬레이션을 제공함으로써 관련 부처 담당자들의 의사 결정에 도움이 되는 통합 모니터링 시스템을 제공할 수 있다. 또한, 향후, 정부 공공 기관 시스템과 연계될 수 있는 LEGACY프로그램을 개발을 통해 정부 부처의 담당자들에게 신속하고 정확한 자료를 제공함으로써 병충해 의사 결정 예산 활동 절감을 기대할 수 있다.
도 1은 본 발명의 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 개요도이다.
도 2는 본 발명의 다양한 실시예에 따른 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 블록도이다.
도 3은 본 발명의 시스템이 산림의 병해충 발생 사실을 알리는 예시이다.
도 4는 도 2에 도시된 영상 분석부의 구성 블록도이다.
도 5a 내지 도 5c는 영상 분석부의 동작 예시를 나타낸 도면이다.
도 6은 도 2에 도시된 병해충 모니터링 시스템의 동작 흐름도이다.
도 2는 본 발명의 다양한 실시예에 따른 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 블록도이다.
도 3은 본 발명의 시스템이 산림의 병해충 발생 사실을 알리는 예시이다.
도 4는 도 2에 도시된 영상 분석부의 구성 블록도이다.
도 5a 내지 도 5c는 영상 분석부의 동작 예시를 나타낸 도면이다.
도 6은 도 2에 도시된 병해충 모니터링 시스템의 동작 흐름도이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정 해석되지 아니하며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1은 본 발명의 드론(10)을 이용하여 산림의 병해충을 모니터링하는 시스템의 개요도이다.
도 1을 참조하면, 본 발명은 드론(10)을 이용하여 병해충, 예컨대 소나무재선충의 감염지역을 항공 촬영하고, 드론(10)에서 항공 촬영된 영상을 서버(20)로 전송한다. 서버(20)는 드론(10)으로부터 전송된 영상 데이터를 분석하고, 진단하여 해당 지역의 산림이 병해충에 감염되었는지 여부를 실시간으로 진단할 수 있다.
이러한 본 발명은 산림청 및 예하 기관에서 관리하는 종래의 모니터링 시스템 및 사내 전산망과의 연결을 통해 관련 자료를 보다 신속하고 용이하게 이용함으로써 긴급한 병해충에 대한 관내 정보 공유가 가능할 것으로 기대된다.
본 발명의 드론(10)을 이용하여 산림의 병해충을 모니터링하는 시스템은 다음과 같은 성능을 구비할 수 있다.
- 소나무재선충을 효과적 검출을 위한 최적의 알고리즘 제공
- 색상검출 및 특정영역추출이 가능한 알고리즘: 소나무재선충 식별을 위한 컬러변환을 사용한 검출 및 감염목 그룹에 대한 검출(라벨링, 병합, 분할)
- 감염목의 분광반사율 특성을 사용한 검출 알고리즘: 재선충병에 감염된 소나무를 조기에 탐지하기 위해서는 적색과 중적외선 파장 대역에서의 분광반사율 변화율에 대한 검출이 가장 적합
- 적외선 카메라 등을 사용한 검출 알고리즘: 위성영상은 획득이 용이하지 않은 문제로 인하여 소형 적외선 카메라를 사용한 감염목에 대한 검출 알고리즘
- 그 외 인식 알고리즘을 적용: 기존 인식 알고리즘(신경망) 및 최신 기술에 대한 적용
이하, 본 발명의 드론(10)을 이용하여 산림의 병해충을 모니터링하는 시스템을 보다 구체적으로 설명한다.
도 2는 본 발명의 다양한 실시예에 따른 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 블록도이다.
도 2를 참조하면, 본 발명의 시스템은 드론(10)과, 서버(20)와, 컴퓨터(30)와, 스마트폰(40)을 포함한다.
드론(10)은 무인으로 비행하면서 항공 영상을 촬영한다. 드론(10)은 항공 영상을 촬영함과 동시에 촬영된 영상에 매핑된 위치 정보를 저장한다. 드론(10)은 촬영된 항공 영상, 즉 영상 데이터와, 그에 매핑된 위치 정보(위치 데이터)를 서버(20)로 전송한다. 이를 위해, 드론(10)은 카메라 모듈, GPS 모듈, 및 통신 모듈을 구비할 수 있다.
바람한 실시예에 따르면 본 발명의 드론(10)은 아래와 같은 요건을 충족할 수 있다.
- 지상 예찰로 찾아내기 힘든 산속의 고사목에 대한 GPS정보를 활용한 피해목의 위치를 파악하여 신속히 지상에서 예찰조사를 수행함으로 선제적 방제 가능
- 항공 촬영을 위한 고해상도 카메라 및 적외선 카메라 장착를 이용한 테스트
- 비행시간을 고려한 촬영 카메라, 전송장치 제어기술의 개발: 드론(10)의 비행시간(약 10~20분)을 고려한 촬영 카메라 구성, 전송장치에 대한 절전 및 제어기능 개발
- 항공 촬영 영상의 실시간 전송 장치 개발: 해상도(1,080p/30fp), 통신(3G/LTE/ Wifi 지원)
한편, 본 발명의 드론(10) 어떤 종류여도 상관없다. 예컨대, 본 발명의 드론(10)은 무인항공기와 멀티콥일 수 있다. 무인항공기는 광범위한 지역에서의 자료수집 및 오랜 체공시간으로 효율성이 뛰어난 반면, 착륙지가 반드시 필요하여, 지리적인 제한이 있다. 멀티콥(일명, 드론(10))은 수직 이착륙이 가능하여 지리적인 제한이 없으며, 상공에서 정지한 채, 영상을 얻을 수 있어, 사용에 편리함이 있지만, 무인항공기에 비해 중량이 많아 체공시간 및 검사영역이 적어 광범위한 지역의 자료수집에 어려움이 있다.
이러한 드론(10)에 듀얼 카메라를 내장하여 3차원 데이타를 수집할 수도 있다.
서버(20)는 중앙 통제소로서 역할을 한다. 컴퓨터(30) 또는 스마트폰(40)는 클라이언트 장치로서 인터넷(50)을 통해 서버(20)에 접속하는 구성이다. 일반적인 경우, 컴퓨터(30)는 현장 상황실에 구비되어 서버(20) 접속됨으로써 직접 산림 병해충을 예찰하고 방제하는 역할을 수행할 수 있다. 또한, 스마트폰(40)은 현장 근무자에게 구비된 단말로서 서버(20)에 접속 가능한 전용 어플리케이션을 설치함으로써 산림 병해충에 관련 정보를 현장에서 직접 확인하고, 또한 현장 상황실로 전송하게 된다. 따라서, 현장 상황실에 근무하는 근무자는 서버(20)가 드론(10)을 이용해 실시간으로 모니터링한 정보를 현장 근무자에게 전달할 수 있고, 현장 근무자는 스마트폰(40)을 통해 해당 알림을 수신하여 선제적 방제를 수행할 수 있게 된다.
이하, 서버(20)의 구성을 구체적으로 설명한다.
서버(20)
서버(20)는 데이터 베이스(210)와, 드론 구동부(220)와, 영상 수신부(230)와, 영상 분석부(240)와, 실시간 진단부(250)와, 확산 시뮬레이션부(260)와, 통신부(270)를 구비한다.
데이터 베이스(210)는 항공 영상으로 촬영된 개체목을 식별하는 알고리즘, 각 개체목의 질병 및 해충 진단 방법 및 키트(알고리즘), 및 병해충 확산 추정 알고리즘 등을 포함한다. 또한, 데이터 베이스(210)는 과거의 산림 병해충 기록 및 확산 추이를 포함할 수 있다.
드론 구동부(220)는 드론(10)을 제어하는 구성이다. 드론 구동부(220)는 드론(10)이 미리 설정된 항로를 따라 항공 영상을 촬영하거나, 또는 사용자 입력에 기반하여 항공 영상을 촬영하도록 제어할 수 있다.
영상 수신부(230)는 드론(10)으로부터 영상 데이터 및 위치 데이터를 수신한다. 영상 수신부(230)는 드론(10)으로부터 수신된 영상 데이터를 정렬한다.
영상 분석부(240)는 영상 수신부(230)가 수신한 영상 데이터 및 위치 데이터를 분석하여 개체목의 병해충 여부를 진단한다. 영상 분석부(240)는 개체목의 병해충 여부를 진단하기 위해, 영상 데이터의 컬러 추출 알고리즘, 노이즈 필터링 알고리즘을 사용할 수 있다. 이러한 영상 분석부(240)의 동작은 도 4 내지 도 5를 참조하여 구체적으로 후술한다.
실시간 진단부(250)는 영상 분석부(240)에서 개체목을 분석한 결과에 기반하여 현재 드론(10)이 주행한 결과를 진단 보고한다.
확산 시뮬레이션부(260)는 영상 분석부(240)에서 분석한 결과로서 병해충이 발생된 경우, 병해충이 확산되는 지역을 예측 진단하는 구성이다. 이를 위해, 확산 시뮬레이션부(260)는 데이터 베이스(210)를 참조하여 과거의 산림 병해충 기록 및 확산 추이를 참조하여 예찰 지역의 병해충의 확산 시뮬레이션을 산출하고, 산출된 결과를 출력할 수 있다.
도 3은 본 발명의 시스템이 산림의 병해충 발생 사실을 알리는 예시이다.
도 3의 (a)에 나타낸 바와 같이, 본 발명의 시스템은 드론(10)으로부터 전송된 영상 데이터를 분석하고, 진단하여 피해목이 발생된 지역의 위치 정보를 표시할 수 있다. 또한, 도 3의 (b)에 나타낸 바와 같이, 본 발명의 시스템은 과거의 산림 병해충 기록 및 확산 추이를 참조하여 예찰 지역의 병해충의 확산 시뮬레이션을 산출하고, 산출된 결과를 출력할 수 있다. 따라서, 본 발명은 확산 시뮬레이션을 참고하여 선제적 방제를 수행함으로써 보다 효율적인 방제가 가능하다.
통신부(270)는 무선 통신 또는 근거리 통신을 통해서 드론(10)과 연결될 수 있다. 또한, 통신부(270)는 무선 통신 또는 유선 통신을 통해서 네트워크, 예컨대 인터넷(50)과 연결됨으로써 컴퓨터(30) 또는 스마트폰(40)과 연결될 수 있다.
무선 통신은, 예를 들면, LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다. 무선 통신은 GNSS를 포함할 수 있다. GNSS는, 예를 들면, GPS(Global Positioning System), Glonass(Global Navigation Satellite System), Beidou Navigation Satellite System(이하 “Beidou”) 또는 Galileo, the European global satellite-based navigation system일 수 있다. “GPS”는 “GNSS”와 상호 호환적으로 사용될 수 있다.
근거리 통신은 WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN) 중 적어도 하나를 포함할 수 있다.
유선 통신은, 예를 들면, USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다. 네트워크는 텔레커뮤니케이션 네트워크, 예를 들면, 컴퓨터(30) 네트워크(예: LAN 또는 WAN), 인터넷(50), 또는 텔레폰 네트워크 중 적어도 하나를 포함할 수 있다.
영상 분석부(240)
도 4는 도 2에 도시된 영상 분석부(240)의 구성 블록도이다. 도 5a 내지 도 5c는 영상 분석부(240)의 동작 예시를 나타낸 도면이다.
도 4를 참조하면, 영상 분석부(240)는 산림위치 판단부(410)와, 개체목 판단부(420)와, 컬러 추출부(430)와, 노이즈 필터링부(440)와, 진단부(450)를 포함한다.
산림위치 판단부(410)는 영상 수신부(230)가 수신한 영상 데이터 및 위치 데이터로부터 산림의 위치를 판단한다. 구체적으로, 산림위치 판단부(410)는 드론(10)으로부터 수신된 영상 데이터 및 위치 데이터로부터 수치표고모델(DEM: Digital Elevation Model)을 추출하고, 추출된 수치표고모델을 이용하여 개체목의 위치 보정, 기하 보정, 방사 보정 등을 수행하여 개체목의 정확한 위치 정보를 판단한다.
개체목 판단부(420)는 영상 수신부(230)가 수신한 영상 데이터의 일부를 샘플링하고, 샘플링된 영상 데이터를 패턴 분석하여 개체목을 판단할 수 있다. 예를 들어, 개체목 판단부(420)는 영상 데이터 중에서 개체목의 수량이 많은 대표 이미지, 예컨대 도 5a에 도시된 바와 같은 이미지를 선정하고, 대표 이미지에서 개체목을 샘플링할 수 있다. 이 과정에서 개체목 판단부(420)는 데이터 베이스(210)를 참조할 수 있다.
컬러 추출부(430)는 병해충에 감염된 피해목의 경우 외관 컬러가 변형되는 특성을 이용하여 피해목을 식별한다. 이를 위해, 컬러 추출부(430)는 영상 수신부(230)가 수신한 영상 데이터로부터 특정 컬러 성분을 추출하는 알고리즘을 수행하고, 만약 상기 알고리즘을 수행한 결과물에서 특정 컬러 영역이 발견되면 해당 영역의 산림이 피해목인 것으로 결정한다.
컬러 추출부(430)는 입력된 영상 데이터를 휘도 성분(Y) 및 색차 성분(U, Y)으로 분리한다. 도 5b의 도시된 예에서, 좌측은 컬러 추출부(430)에 입력되는 이미지이고, 우측은 컬러 추출부(430)에 의해 휘도 성분(Y) 및 색차 성분(U, Y)으로 분리된 이미지이다.
여기서, 휘도성분(Y) 및 색차성분(U, V) 각각은 수학식 1 내지 3에 의하여 구해진다.
수학식 1에서 휘도성분(Y)을 구하기 위한 상수값들(0.229, 0.578, 0.114)은 휘도성분의 분포를 조절하기 위하여 약간씩 조정될 수 있다.
컬러 추출부(430)는 색차 성분(U, Y)에서 분석된 특정 컬러 정보에 따라서 피해목을 식별할 수 있다. 예를 들어, 도 5b에 도시된 바와 같이, 소나무재선충 감염목은 적색 성분(R)이 많은 특성이 있다. 따라서, 컬러 추출부(430)는 샘플 영상 데이터에서 적색 성분(R)을 추출할 수 있다. 만약, 해당 영상에서 적색 컬러 부분이 추출된다면 해당 영상 부분의 산림은 소나무재선충 감염목으로 진단할 수 있다.
노이즈 필터링부(440)는 입력된 영상 데이터로부터 노이즈를 제거하는 구성이다. 본 발명의 시스템은 야외에서 드론(10)이 항공 촬영을 수행해야 하다보니 날씨, 계절, 기후의 영향으로 영상 데이터의 편차가 심한 편이다. 따라서, 수신되는 영상 데이터의 편차를 보정하는 기술이 필요하며 그 기능을 노이즈 필터링부(440)에서 수행할 수 있다. 예를 들어, 도 5c의 (a)를 참조하면 맑은 날씨에 드론(10)을 통해 촬영된 영상은 노이즈가 없지만, 도 5c의 (b)를 참조하면 날씨가 습하거나 구름이 많을 때, 바람이 많이 불 때 촬영된 영상은 노이즈가 다수 발생된 것을 확인할 수 있다.
노이즈 필터링부(440)는 입력된 영상 데이터의 선명도를 높이면서 노이즈를 줄이는 보간법을 적용하는 알고리즘을 적용할 수 있다. 예를 들어, 노이즈 필터링부(440)는 에지 검출부와, 보상값 산출부와, 영상 변환부를 포함할 수 있다.
에지 검출부는 컬러 추출부(430)에서 분석된 휘도 성분을 이용하여, 예컨대 0도, 45도, 90도, 135도 등의 4가지 방향의 에지 형태를 검출할 수 있다.
보상값 산출부는 영상 데이터의 최초 휘도값(Y)에 대한 필터 연산값을 산출하고, 최초휘도값(Y)에 에지강조필터 및 이득률 증폭기를 거쳐 보상값을 출력한다. 보상값 산출부는 최초휘도값(Y)에 대한 필터 연산값을 산출하며, 최초휘도값(Y)을 에지강조필터 내에 자리한 각각의 값과 곱한 후 모두 더하는 방법을 수행한다. 산출된 필터연산값은 이득률(gain ratio)이 설정된 증폭기를 통한 후 에지 보상값(α)으로 출력된다.
영상 변환부는 가산기를 통해 상기 최초 휘도값(Y)에 더해서 최종휘도값(Y+α)으로 출력한다. 이러한 영상 변환부는 변환된 영상 데이터(Y+α)에 대응되는 최종RGB데이터를 출력할 수 있다.
도 6은 본 발명의 시스템의 동작 흐름도이다.
단계 610에서, 드론 구동부(220)는 드론(10)이 미리 설정된 항로를 따라 항공 영상을 촬영하거나, 또는 사용자 입력에 기반하여 항공 영상을 촬영하도록 제어할 수 있다.
단계 620에서, 영상 수신부(230)는 드론(10)으로부터 영상 데이터 및 위치 데이터를 수신한다. 영상 수신부(230)는 드론(10)으로부터 수신된 영상 데이터를 정렬한다. 영상 분석부(240)는 영상 수신부(230)가 수신한 영상 데이터 및 위치 데이터를 분석하여 개체목의 병해충 여부를 진단한다.
단계 630 및 단계 640에서, 영상 분석부(240)는 개체목의 병해충 여부를 진단하기 위해, 영상 데이터의 컬러 추출 알고리즘, 노이즈 필터링 알고리즘을 사용할 수 있다.
단계 650에서, 실시간 진단부(250)는 영상 분석부(240)에서 개체목을 분석한 결과에 기반하여 현재 드론(10)이 주행한 결과를 진단 보고한다.
단계 650에서 확산 시뮬레이션부(260)는 영상 분석부(240)에서 분석한 결과로서 병해충이 발생된 경우, 병해충이 확산되는 지역을 예측 진단하는 구성이다. 이를 위해, 확산 시뮬레이션부(260)는 데이터 베이스(210)를 참조하여 과거의 산림 병해충 기록 및 확산 추이를 참조하여 예찰 지역의 병해충의 확산 시뮬레이션을 산출하고, 산출된 결과를 출력할 수 있다.
이상에서 상술한 바와 같이, 본 발명은 드론에 장착된 고성능카메라를 이용하여 산림의 병해충 발생 지역을 예찰하고 전문가의 식별과 동일하게 판단할 수 있는 알고리즘 개발을 통해 소나무 재선충을 식별하여 관련자료 사용자에게 알맞은 정보를 제공할 수 있다. 또한, 기존에 계측된 정보와 예찰 활동으로 획득한 정보를 가공하여 향후 소나무재선충 확산 속도 및 확산모형의 시뮬레이션을 제공함으로써 관련 부처 담당자들의 의사 결정에 도움이 되는 통합 모니터링 시스템을 제공할 수 있다. 또한, 향후, 정부 공공 기관 시스템과 연계될 수 있는 LEGACY프로그램을 개발을 통해 정부 부처의 담당자들에게 신속하고 정확한 자료를 제공함으로써 병충해 의사 결정 예산 활동 절감을 기대할 수 있다.
본 명세서 및 도면에 개시된 다양한 실시예들은 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 다양한 실시예들의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 다양한 실시예들의 범위는 여기에서 설명된 실시예들 이외에도 본 발명의 다양한 실시예들의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예들의 범위에 포함되는 것으로 해석되어야 한다.
10: 드론
20: 서버
30: 컴퓨터
40: 스마트폰
50: 인터넷
20: 서버
30: 컴퓨터
40: 스마트폰
50: 인터넷
Claims (10)
- 무인으로 비행하면서 항공 영상을 촬영하는 드론; 및
상기 드론을 제어하고, 상기 드론으로부터 실시간으로 영상 데이터 및 상기 영상 데이터의 위치 데이터를 획득 및 분석하여 산림의 병해충 발생 여부를 진단함과 아울러 상기 산림의 병해충의 확산 지역을 예측하는 서버를 포함하고,
상기 서버는 사용자가 컴퓨터 또는 스마트폰을 이용해 상기 서버에 접속하여 상기 진단 정보를 실시간으로 모니터링하고 상기 드론을 관제할 수 있도록 사용자 인터페이스 환경을 제공하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템. - 제 1 항에 있어서,
상기 서버는
상기 드론을 구동하는 드론 구동부;
상기 드론으로부터 영상 데이터 및 위치 데이터를 수신하는 영상 수신부;
영상 수신부가 수신한 영상 데이터 및 위치 데이터를 분석하여 개체목의 병해충 여부를 진단하고, 상기 개체목의 병해충 여부를 진단하기 위한 영상 데이터의 컬러 추출 알고리즘, 노이즈 필터링 알고리즘을 수행하는 영상 분석부;
영상 분석부에서 개체목을 분석한 결과에 기반하여 현재 드론이 주행한 결과를 출력하는 실시간 진단부; 및
영상 분석부에서 분석한 결과로서 병해충이 발생된 경우, 병해충이 확산되는 지역을 예측 진단하는 확산 시뮬레이션부를 포함하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템. - 제 2 항에 있어서,
상기 영상 분석부는
상기 영상 수신부가 수신한 영상 데이터 및 위치 데이터로부터 산림의 위치를 판단하는 산림위치 판단부;
영상 수신부가 수신한 영상 데이터의 일부를 샘플링하고, 샘플링된 영상 데이터를 패턴 분석하여 개체목을 판단하는 개체목 판단부;
영상 수신부가 수신한 영상 데이터로부터 특정 컬러 성분을 추출하여 피해목을 식별하는 컬러 추출부; 및
영상 수신부가 수신한 영상 데이터의 노이즈 성분을 줄이기 위해 에지강조필터를 구비하는 노이즈 필터링부를 포함하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템. - 제 3 항에 있어서,
상기 컬러 추출부는
영상 수신부가 수신한 영상 데이터로부터 특정 컬러 성분을 추출하고, 추출된 이미지에서 특정 컬러 영역이 발견되면 해당 영역의 산림이 피해목인 것으로 진단하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템. - 제 3 항에 있어서,
상기 노이즈 필터링부는
0도, 45도, 90도, 135도의 4가지 방향의 에지 형태를 검출하는 에지 검출부;
상기 영상 데이터의 최초 휘도값(Y)에 대한 필터 연산값을 산출하고, 최초휘도값(Y)에 에지강조필터 및 이득률 증폭기를 거쳐 보상값을 출력하는 보상값 산출부; 및
상기 입력된 영상 데이터에 보상값 산출부로부터 산출된 보상값을 적용하여 변환된 영상 데이터를 출력하는 영상 변환부를 포함하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템. - 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 운영 방법에 있어서,
서버가 상기 드론을 구동하여 항공 영상을 촬영하는 단계; 및
상기 서버가 상기 드론으로부터 실시간으로 영상 데이터 및 상기 영상 데이터의 위치 데이터를 획득 및 분석하여 산림의 병해충 발생 여부를 진단함과 아울러 상기 산림의 병해충의 확산 지역을 예측하는 단계; 및
상기 서버가 사용자가 컴퓨터 또는 스마트폰을 이용해 상기 서버에 접속하여 상기 진단 정보를 실시간으로 모니터링하고 상기 드론을 관제할 수 있도록 사용자 인터페이스 환경을 제공하는 단계를 포함하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 운영 방법. - 제 6 항에 있어서,
상기 서버를 운영하는 단계는
드론 구동부가 상기 드론을 구동하는 단계;
영상 수신부가 상기 드론으로부터 영상 데이터 및 위치 데이터를 수신하는 단계;
영상 분석부가 상기 영상 수신부로부터 수신한 영상 데이터 및 위치 데이터를 분석하여 개체목의 병해충 여부를 진단하고, 상기 개체목의 병해충 여부를 진단하기 위한 영상 데이터의 컬러 추출 알고리즘, 노이즈 필터링 알고리즘을 수행하는 단계;
실시간 진단부가 상기 영상 분석부에서 개체목을 분석한 결과에 기반하여 현재 드론이 주행한 결과를 출력하는 단계; 및
확산 시뮬레이션부가 상기 영상 분석부에서 분석한 결과로서 병해충이 발생된 경우, 병해충이 확산되는 지역을 예측 진단하는 단계를 포함하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 운영 방법. - 제 7 항에 있어서,
상기 영상 분석부를 운영하는 단계는
산림위치 판단부가 상기 영상 수신부로부터 수신한 영상 데이터 및 위치 데이터로부터 산림의 위치를 판단하는 단계;
개체목 판단부가 상기 영상 수신부로부터 수신한 영상 데이터의 일부를 샘플링하고, 샘플링된 영상 데이터를 패턴 분석하여 개체목을 판단하는 단계;
컬러 추출부가 상기 영상 수신부로부터 수신한 영상 데이터로부터 특정 컬러 성분을 추출하여 피해목을 식별하는 단계; 및
노이즈 필터링부가 에지강조필터를 이용해 상기 영상 수신부로부터 수신한 영상 데이터의 노이즈 성분을 줄이는 단계를 포함하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 운영 방법. - 제 6 항에 있어서,
상기 컬러 추출부는
영상 수신부가 수신한 영상 데이터로부터 특정 컬러 성분을 추출하고, 추출된 이미지에서 특정 컬러 영역이 발견되면 해당 영역의 산림이 피해목인 것으로 진단하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 운영 방법. - 제 6 항에 있어서,
상기 노이즈 필터링부는
0도, 45도, 90도, 135도의 4가지 방향의 에지 형태를 검출하는 에지 검출부;
상기 영상 데이터의 최초 휘도값(Y)에 대한 필터 연산값을 산출하고, 최초휘도값(Y)에 에지강조필터 및 이득률 증폭기를 거쳐 보상값을 출력하는 보상값 산출부; 및
상기 입력된 영상 데이터에 보상값 산출부로부터 산출된 보상값을 적용하여 변환된 영상 데이터를 출력하는 영상 변환부를 포함하는 것을 특징으로 하는 드론을 이용하여 산림의 병해충을 모니터링하는 시스템의 운영 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160072322A KR101815014B1 (ko) | 2016-06-10 | 2016-06-10 | 드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160072322A KR101815014B1 (ko) | 2016-06-10 | 2016-06-10 | 드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170139849A true KR20170139849A (ko) | 2017-12-20 |
| KR101815014B1 KR101815014B1 (ko) | 2018-01-04 |
Family
ID=60931594
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160072322A KR101815014B1 (ko) | 2016-06-10 | 2016-06-10 | 드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101815014B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108111614A (zh) * | 2017-12-27 | 2018-06-01 | 北京工业大学 | 农林业病虫害监测管理系统 |
| KR20190080060A (ko) * | 2017-12-28 | 2019-07-08 | 이호동 | 무인항공기를 이용한 산림병해충 의심목 선별 시스템 |
| CN117875571A (zh) * | 2024-03-12 | 2024-04-12 | 中国林业科学研究院林业研究所 | 一种森林植被生长状况分析方法及系统 |
| CN117911882A (zh) * | 2024-03-20 | 2024-04-19 | 北京新兴科遥信息技术有限公司 | 一种用于林业保护规划动态数据的监测方法和系统 |
| CN117975312A (zh) * | 2024-03-28 | 2024-05-03 | 安徽大学 | 用于松材线虫病识别的无人机拍摄图像处理系统 |
| CN117911882B (zh) * | 2024-03-20 | 2024-06-04 | 北京新兴科遥信息技术有限公司 | 一种用于林业保护规划动态数据的监测方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100935857B1 (ko) | 2009-08-25 | 2010-01-07 | 홍종옥 | 항공라이다와 디지털항공사진을 이용한 3차원 산림지리정보 생성 시스템 및 그 방법 |
| KR101606516B1 (ko) | 2015-03-31 | 2016-03-28 | 국민대학교산학협력단 | 무인항공영상을 이용한 수목생장조사 시스템 및 그 방법 |
| KR101545479B1 (ko) * | 2015-03-31 | 2015-08-24 | 김명준 | 무인항공기 정사영상을 이용한 산림 병해충 피해목 검출 방법 |
-
2016
- 2016-06-10 KR KR1020160072322A patent/KR101815014B1/ko active IP Right Grant
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108111614A (zh) * | 2017-12-27 | 2018-06-01 | 北京工业大学 | 农林业病虫害监测管理系统 |
| KR20190080060A (ko) * | 2017-12-28 | 2019-07-08 | 이호동 | 무인항공기를 이용한 산림병해충 의심목 선별 시스템 |
| CN117875571A (zh) * | 2024-03-12 | 2024-04-12 | 中国林业科学研究院林业研究所 | 一种森林植被生长状况分析方法及系统 |
| CN117911882A (zh) * | 2024-03-20 | 2024-04-19 | 北京新兴科遥信息技术有限公司 | 一种用于林业保护规划动态数据的监测方法和系统 |
| CN117911882B (zh) * | 2024-03-20 | 2024-06-04 | 北京新兴科遥信息技术有限公司 | 一种用于林业保护规划动态数据的监测方法和系统 |
| CN117975312A (zh) * | 2024-03-28 | 2024-05-03 | 安徽大学 | 用于松材线虫病识别的无人机拍摄图像处理系统 |
| CN117975312B (zh) * | 2024-03-28 | 2024-06-07 | 安徽大学 | 用于松材线虫病识别的无人机拍摄图像处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101815014B1 (ko) | 2018-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6921095B2 (ja) | 航空画像を収集及び分析するための方法 | |
| Tang et al. | Near real-time monitoring of tropical forest disturbance: New algorithms and assessment framework | |
| AU2015315327B2 (en) | System and method for calibrating imaging measurements taken from aerial vehicles | |
| US9207072B2 (en) | Leaf area index measurement system, device, method, and program | |
| KR101815014B1 (ko) | 드론을 이용하여 산림의 병해충을 모니터링하는 시스템 및 그의 운영 방법 | |
| US10021576B1 (en) | Selecting transmitter sites for line of sight service | |
| KR101984047B1 (ko) | 무인 항공기를 이용한 작물 생육 진단 방법 및 장치 | |
| KR101116462B1 (ko) | 원격탐사 데이터를 이용한 수질 모니터링 방법 및 이를 이용한 수질 모니터링 장치 | |
| KR102098259B1 (ko) | 무인항공기를 이용한 산림병해충 의심목 선별 시스템 | |
| US20190339242A1 (en) | Method and system for identifying plant species based on hyperspectral data | |
| US20220254014A1 (en) | Information processing apparatus, information processing method, program, and sensing system | |
| CN108896022A (zh) | 一种植被覆盖度估算方法 | |
| Dell et al. | Detection of necrotic foliage in a young Eucalyptus pellita plantation using unmanned aerial vehicle RGB photography–a demonstration of concept | |
| KR20190043396A (ko) | 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 | |
| Lum et al. | Multispectral imaging and elevation mapping from an unmanned aerial system for precision agriculture applications | |
| WO2022109104A3 (en) | System and method for property monitoring | |
| AU2021204034B2 (en) | Information processing device, information processing method and program | |
| Yang et al. | Comparison of hyperspectral imagery with aerial photography and multispectral imagery for mapping broom snakeweed | |
| Chen et al. | An efficient approach to monitoring pine wilt disease severity based on random sampling plots and UAV imagery | |
| Wulder et al. | Monitoring tree‐level insect population dynamics with multi‐scale and multi‐source remote sensing | |
| CN108692709B (zh) | 一种农田灾情检测方法、系统、无人机和云端服务器 | |
| JP6941212B2 (ja) | 画像解析システム、画像解析方法、および画像解析プログラム | |
| US20180130189A1 (en) | Image processing device, image processing method, and program recording medium | |
| Mirka et al. | Evaluation of thermal infrared imaging from uninhabited aerial vehicles for arboreal wildlife surveillance | |
| Winn et al. | ForestCrowns: a software tool for analyzing ground based digital photographs of forest canopies |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |