KR20190012791A - 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템 - Google Patents

이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템 Download PDF

Info

Publication number
KR20190012791A
KR20190012791A KR1020170096311A KR20170096311A KR20190012791A KR 20190012791 A KR20190012791 A KR 20190012791A KR 1020170096311 A KR1020170096311 A KR 1020170096311A KR 20170096311 A KR20170096311 A KR 20170096311A KR 20190012791 A KR20190012791 A KR 20190012791A
Authority
KR
South Korea
Prior art keywords
rock
geological structure
image data
user terminal
name
Prior art date
Application number
KR1020170096311A
Other languages
English (en)
Other versions
KR101981669B1 (ko
Inventor
박계순
Original Assignee
한국지질자원연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국지질자원연구원 filed Critical 한국지질자원연구원
Priority to KR1020170096311A priority Critical patent/KR101981669B1/ko
Publication of KR20190012791A publication Critical patent/KR20190012791A/ko
Application granted granted Critical
Publication of KR101981669B1 publication Critical patent/KR101981669B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Environmental & Geological Engineering (AREA)
  • Biophysics (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템에 관한 것으로, 사용자 단말로부터 이미지 데이터를 수신하고, 사용자가 요청한 정보를 제공하는 데이터 송수신부; 상기 데이터 송수신부에서 수신한 상기 이미지 데이터를 규격화하는 이미지 처리부; 규격화된 상기 이미지 데이터를 판별하는 이미지 판별부; 및 상기 이미지 데이터의 수신, 규격화 및 판별의 동작을 제어하는 제어부;를 포함한다.

Description

이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템{Apparatus, method and system for classifying rock and geological structure using image}
본 발명은 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템에 관한 것이다.
암석은 광물의 집합으로 이루어진 자연산 고체이다. 이러한 암석은 크게 퇴적암, 변성암, 화성암으로 분류할 수 있고, 이는 암석의 순환과정을 통해 서로 변하게 된다.
지질구조는 오랜 시간 변형작용을 받아 형성된 지각의 형태를 일컫는다. 이러한 지질구조를 형성하는 주요 요소는 습곡, 단층, 부정합, 절리 및 기타 지각운동에 의한 선구조 등과 기반암석이 나타낼 수 있다.
이와 같은 암석과 지질구조는 지질학 분야에서 꾸준하게 연구되어 왔다. 이러한 연구에 따라, 특정 위치에서 지각변동에 의한 화산, 지진 및 해일 등과 같은 자연재해를 미리 예측하여 예방책을 마련할 수 있게 도움을 준다.
하지만 지질학 분야에서는 빅데이터를 활용한 광역의 자료 구축이 용이하지 않기 때문에 지질학을 연구하는 연구원이나 전문가들이 암석과 지질구조에 대한 자료를 검색하는 것이 용이하지 않았다.
또한, 교육현장에서는 암석과 지질구조에 대한 자료를 검색하는 것이 어려워 교보재로 학습할 수밖에 없었고, 이는 암석 및 지질구조에 대한 흥미를 유발하지 못하여 학습효과가 감소하는 부작용이 있었다.
따라서 암석 및 지질구조를 비롯한 지질학 분야에서의 빅데이터 구축은 그 요구가 점점 증가하고 있는 실정이다.
대한민국 등록특허 제10-1593616호
본 발명은 상술한 바와 같은 종래 기술의 문제점을 해결하기 위한 것으로, 주변 노두나 암석의 사진을 촬영하면, 연결된 장치에서 사용자에게 암석이름과 분포지역을 제공하는데 그 목적이 있다.
아울러, 지질구조를 촬영하면, 사용자에게 지질구조의 이름과 분포지역을 제공하는데 또 다른 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 따른 이미지를 이용한 암석 및 지질구조 분류장치는 사용자 단말로부터 촬영한 암석 또는 지질구조 이미지 데이터를 수신하고, 상기 암석 또는 지질구조 이미지 데이터에 관한 암석이름 또는 해당 위치의 지질구조에 관한 정보를 전송하는 데이터 송수신부; 상기 데이터 송수신부에서 수신한 상기 이미지 데이터를 규격화하는 이미지 처리부; 규격화된 상기 이미지 데이터를 판별하는 이미지 판별부; 및 상기 암석 또는 지질구조 이미지 데이터의 수신, 규격화 및 판별의 동작을 제어하는 제어부;를 포함한다.
여기서, 상기 이미지 판별부는 RGB 픽셀 값으로 수치화된 상기 암석 이미지 데이터에 딥러닝 기법을 이용하여 기 계산된 가중치 행렬을 적용함으로써 상기 암석이름을 판별하는 것을 특징으로 한다.
또한, 상기 딥러닝 기법은 Convolution Neural Network 방식을 이용하는 것을 특징으로 한다.
또, 상기 딥러닝 기법에서 입력값은 상기 서버에 기 저장된 암석 이미지 데이터이고, 결과값은 상기 암석이름이 되며, 상기 입력값에 상기 가중치 행렬을 컨볼루션 연산한 결과값이 상기 암석이름으로 도출되는 훈련을 수행하여 상기 가중치 행렬을 결정하는 것을 특징으로 한다.
아울러, 상기 딥러닝 기법에서 입력값은 상기 서버에 기 저장된 지질구조 이미지 데이터이고, 결과값은 상기 지질구조이름이 되며, 상기 입력값에 상기 가중치 행렬을 컨볼루션 연산한 결과값이 상기 지질구조 정보로 도출되는 훈련을 수행하여 상기 가중치 행렬을 결정하는 것을 특징으로 한다.
또한, 상기 사용자 단말에 제공될 암석이름에 오브젝트를 표현하는 오브젝트 표현부;를 포함하고, 상기 오브젝트 표현부는 화성암, 변성암 및 퇴적암의 기준에 따라 오브젝트를 상이하게 표현하는 것을 특징으로 한다.
또, 상기 암석 또는 지질구조 이미지 데이터가 수신된 위치를 파악하는 위치설정부;를 포함하고, 상기 암석 또는 지질구조 이미지 데이터에 관한 상기 암석이름 또는 해당 위치의 지질구조에 관한 정보를 사용자에게 전송할 시 상기 암석 또는 지질구조의 위치정보를 패키징하여 함께 전송하는 것을 특징으로 한다.
한편, 상기 목적을 달성하기 위한 본 발명에 따른 이미지를 이용한 암석 및 지질구조 분류방법은 사용자 단말로부터 암석 또는 지질구조 이미지 데이터를 수신하는 단계; 상기 암석 또는 지질구조 이미지 데이터를 규격화하는 단계; 규격화된 상기 암석 또는 지질구조 이미지 데이터를 판별하는 단계; 판별된 상기 암석 또는 지질구조 이미지 데이터에 대한 정보를 상기 사용자 단말에 전송하는 단계; 및 수신된 암석 또는 지질구조 이미지 데이터를 서버에 추가 저장하는 단계;를 포함하는 것을 특징으로 하는 한다.
한편, 상기 목적을 달성하기 위한 본 발명에 따른 이미지를 이용한 암석 및 지질구조 분류시스템은 암석 또는 지질구조 이미지 데이터가 기 저장되어 데이터베이스가 구축된 서버; 암석 또는 지질구조를 촬영하여 암석 또는 지질구조 이미지 데이터를 전송하는 사용자 단말; 상기 사용자 단말 및 상기 서버와 네트워크로 연결된 상태에서 상기 서버에 기 저장된 상기 암석 또는 지질구조 이미지 데이터를 학습하고, 상기 사용자 단말로부터 상기 사용자 단말에서 촬영한 상기 암석 또는 지질구조 이미지 데이터를 수신하여 규격화시키며, 상기 암석 또는 지질구조 이미지 데이터에 해당하는 암석이름 또는 지질구조이름을 판별하여 상기 사용자 단말에 정보를 전송하는 분류장치;를 포함한다.
본 발명에 따른 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템은 다음과 같은 효과가 있다.
첫째, 주변의 노두나 암석의 이름을 용이하게 파악할 수 있다. 본 발명에서는 사용자가 스마트폰을 통해 주변 노두나 암석의 사진을 촬영하고 연결된 장치에 전송하여 등록하면, 서버와 연결된 장치에서 기 계산된 가중치를 이용하여 이미지를 암석이름으로 판별한 후 사용자에게 암석이름을 제공한다. 이에 따라, 지질학을 연구하는 연구원이나 암석 및 지질구조를 학습하는 사용자는 스마트폰과 같은 사용자 단말로 노두나 암석을 촬영하는 것으로 용이하게 암석이름을 파악할 수 있다.
둘째, 주변 노두나 암석의 사진을 통해 해당 위치의 지질구조를 용이하게 해석할 수 있다. 본 발명에 따른 암석 및 지질구조 분류장치는 해당 위치에서 주변 지질구조의 사진을 촬영하고 연결된 장치에 전송하여 등록하면, 서버와 연결된 장치에서 해당 위치의 지질정보와 이미지의 지질구조 정보가 사용자에게 제공된다. 이에 따라, 지질학을 연구하는 연구원이나 암석 및 지질구조를 학습하는 사용자는 지질구조를 촬영하는 것으로 용이하게 해당 위치의 지질구조를 파악할 수 있다.
셋째, 사용자에게 제공되는 암석이름 및 지질구조에 대한 정확도를 파악할 수 있다. 본 발명에서는 암석 및 지질구조 분류장치에서 사용자에게 제공하는 암석 및 지질구조 정보에 정확도를 함께 제공한다. 이에 따라, 사용자는 해당 정보의 정확도를 토대로 신뢰성을 판단할 수 있다.
넷째, 사용자에게 흥미를 유발시킬 수 있다. 본 발명에 따른 암석 및 지질구조로 분류장치가 포함된 시스템은 암석 종류에 따라 암석의 특징을 반영하는 오브젝트가 표현된다. 예를 들어, 퇴적암일 경우 공룡, 삼엽충과 같은 다양한 화석이 표현되고, 화성암은 불이나 용암을 상징하는 캐릭터가 표현되며, 변성암은 변종의 동물 등으로 표현된다. 이에 따라, 사용자는 암석이름을 검색하면서 흥미를 느낄 수 있다.
도1은 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치가 포함된 시스템의 개념도이다.
도2는 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치의 블록도이다.
도3은 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치가 동작하는 순서도이다.
도4는 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치에서 암석 이미지 데이터가 분류장치로 전송되는 해상도를 분류장치의 기준 해상도와 동일한 배율로 설정하는 방식의 하나의 예를 개략적으로 나타낸 도면이다.
도5는 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치에서 지질구조의 대략적인 크기를 추정하는 것을 개략적으로 나타낸 도면이다.
도6은 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치에서 딥러닝 기법을 이용하여 가중치 결정을 훈련하는 방법을 개략적으로 나타낸 도면이다.
도7은 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치가 포함된 시스템에서 사용자 단말 상에 암석 정보에 관한 오브젝트가 함께 표현되는 것을 개략적으로 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서 "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도1은 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치가 포함된 시스템의 개념도이다.
도1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치가 포함된 시스템은 사용자 단말(200), 분류장치(100) 및 서버(300)를 포함한다. 도1을 통해 사용자 단말(200), 분류장치(100) 및 서버(300)가 포함된 이미지를 이용한 암석 및 지질구조 분류시스템의 구성을 설명하기로 한다.
사용자 단말(200)은 이미지를 이용한 암석 및 지질구조 분류장치(100)가 포함된 시스템에서 분류장치(100)와 네트워크로 연결되어 정보를 송수신할 수 있다.
즉, 사용자 단말(200)에서는 암석이나 주변 노두를 촬영하여 해당 암석 또는 지질구조 이미지 데이터를 네트워크를 통해 분류장치(100)에 등록할 수 있으며, 이후 분류장치(100)는 해당 암석 또는 지질구조 이미지 데이터를 기반으로 서버(300)에 딥러닝을 이용한 사전 학습으로 구축된 가중치 정보를 참조하여 계산함으로써 암석이름 및 해당 암석의 위치에 존재하는 지질구조에 대한 정보를 판별하고, 사용자 단말(200)로 송신함으로써, 사용자가 해당 암석 또는 지질구조 이미지 데이터를 기반으로 한 암석이름 및 지질구조를 파악할 수 있다.
여기서, 사용자 단말(200)은 스마트폰 또는 태블릿PC 등이 사용될 수 있으나, 네트워크로 분류장치(100)와 연결되어 정보를 송수신할 수 있다면 이에 한정하지 않고 사용될 수 있다.
분류장치(100)는 사용자 단말(200)로부터 수신한 암석 또는 지질구조 이미지 데이터에 관한 암석이름 및 지질구조 정보를 사용자 단말(200)로 전송한다. 이러한 분류장치(100)는 암석 또는 지질구조 이미지 데이터의 사이즈를 규격화(또는 정규화)하여 처리하고, 머신 러닝의 하나의 기술인 딥러닝 기법을 사용하여 서버(300)의 데이터베이스에 저장된 암석이름 및 지질구조 정보를 사전에 학습함으로써 해당 암석 또는 지질구조 이미지 데이터를 기존 가중치 행렬을 이용하여 판별하며, 판별된 암석이름 및 지질구조에 대한 정보를 사용자 단말(200)로 전송한다. 분류장치(100)는 데이터 송수신부(110), 이미지 처리부(120), 이미지 판별부(130), 제어부(140) 및 위치설정부(160)를 포함한다.
서버(300)는 다양한 암석에 대한 이름과 지질구조에 관한 정보가 데이터베이스로 구축되어 있다. 이러한 서버(300)는 기 저장된 다양한 암석 이미지 데이터 및 지질구조 이미지 데이터가 기 저장된 자료를 학습하여 계산된 가중치 정보와 함께 저장되어 있고, 해당 암석 이미지 데이터 및 지질구조 이미지 데이터가 수신된 위치도 함께 저장된다. 또한, 서버(300)는 분류장치(100)와 네트워크로 연결되어 있고, 분류장치(100)에서는 수신된 암석 또는 지질구조 이미지 데이터와 관련하여 필요한 정보를 서버(300)에서 참조 또는 비교할 수 있다.
도2는 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치(100)의 블록도이다. 도2를 통해 분류장치(100)의 구성을 설명하기로 한다.
도2에 도시된 바와 같이, 데이터 송수신부(110)는 사용자 단말(200)과 네트워크로 연결된 상태에서 사용자가 송신하는 암석 또는 지질구조 이미지 데이터를 수신하고, 또한 사용자가 송신한 암석 또는 지질구조 이미지 데이터에 관한 암석이름이나 지질구조에 대한 정보를 제공한다.
이미지 처리부(120)는 수신된 암석 또는 지질구조 이미지 데이터를 서버(300)에 구축된 데이터베이스의 이미지 규격화에 부합하도록 resize를 통하여 치수를 조절한다.
이미지 판별부(130)는 서버(300)의 데이터베이스에 기 저장된 암석이름 및 지질구조를 이용하여 딥러닝 기법으로 기 학습된 가중치 행렬을 이용하여 이미지 처리부(120)에서 이미지 규격화된 암석 또는 지질구조 이미지 데이터를 암석이름 및 지질구조로 판별한다.
제어부(140)는 분류장치(100)와 사용자 단말(200) 및 분류장치(100)와 서버(300) 사이의 네트워크 연결을 제어하고, 수신된 암석 또는 지질구조 이미지 데이터를 규격화하는 처리과정과 규격화된 암석 또는 지질구조 이미지 데이터에 관한 정보를 판별하는 과정 및 사용자 단말(200)에서 요청한 암석 또는 지질구조에 관한 암석이름 및 지질구조에 관한 정보 등을 사용자 단말(200)에 전송하는 과정과 같은 분류장치(100)에서 수행하는 일련의 동작들을 제어한다.
위치설정부(160)는 사용자 단말(200)에서 전송한 암석 및 지질구조 이미지 데이터의 위치를 파악한다.
여기서, 분류장치(100)는 분류 어플리케이션 상에서 동작할 수 있다. 즉, 분류장치(100)는 어플리케이션으로 구성되어 사용자 단말(200)에 어플리케이션을 설치함으로써 사용자가 이용할 수 있고, 이에 따라 사용자 단말(200)은 분류 어플리케이션에 접속하기 위해 로그인 과정을 거칠 수 있다. 따라서 분류 어플리케이션은 분류 어플리케이션에 로그인하는 사용자를 관리하기 위한 로그인 관리부가 추가될 수 있다.
도3은 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치(100)가 동작하는 순서도이다. 도3을 이용하여 분류장치(100)가 사용자 단말(200)로부터 암석 또는 지질구조 이미지 데이터를 수신하고, 수신된 암석 또는 지질구조 이미지 데이터에 관한 암석이름 정보와 지질구조 정보를 판별하며, 사용자 단말(200)로 암석이름에 관한 정보와 지질구조에 관한 정보를 전송하는 과정을 설명하기로 한다.
도3에 도시된 바와 같이, 최초에 분류장치(100)는 사용자 단말(200)로부터 암석(혹은 노두) 또는 지질구조 이미지 데이터를 수신한다.<S10> 여기서 노두(outcrop)란, 암석이나 지층이 흙이나 식물 등으로 덮여 있지 않고, 지표에 직접적으로 드러난 부분을 일컫는다. 따라서 이하에서는 암석과 노두를 통칭하여 암석으로 통칭하기로 한다. 사용자 단말(200)에서는 이러한 암석 또는 지질구조을 촬영하여 분류장치(100)에 전송한다.
이 때 암석의 경우에는 이미지 데이터의 해상도 또는 배율이 암석을 판별하는데 중요한 요소로 작용하기 때문에 분류장치(100)에서 근접촬영을 실시하도록 안내문구 또는 기타 가능한 방식으로 권장할 수 있다.
예를 들어, 분류장치(100)는 암석 이미지 데이터를 해석하기 위한 기준 배율로 사용자 단말(200)에서 배율을 조정하도록 옵션 설정을 유도할 수 있다.
도4는 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치(100)에서 암석 이미지 데이터가 분류장치(100)로 전송되는 해상도를 분류장치(100)의 기준 해상도와 동일한 배율로 설정하는 방식의 하나의 예를 개략적으로 나타낸 도면이다.
도4에는 분류장치(100)가 암석 이미지 데이터를 해석하기 위한 옵션 설정을 사용자 단말(200)의 디스플레이에 안내하여 사용자 단말(200)에서 해상도를 변경하는 것을 나타내는 하나의 예를 보여준다. 도4에 도시된 바와 같이, 분류장치(100)는 암석 이미지 데이터를 송신하기 전 지폐 또는 동전을 옵션으로 설정하여 해당 지폐 또는 동전을 디스플레이 일측에 표시된 해상도 설정박스(P)에 위치시킴으로써, 암석 이미지 데이터의 해상도를 동일한 배율이나 거리로 조정되도록 사용자 단말(200)에 안내할 수 있다. 이는 암석 이미지 데이터의 원본을 훼손하지 않으면서 전송 가능한 해상도로 분류장치(100)에 송신하기 위함이다.
예를 들어, 천원 지폐는 A x B로 기준 해상도가 설정되어 있다고 가정하자. 이 때 사용자 단말(200)에서 천원 지폐를 선택하면, 천원 지폐에 설정되어 있는 A x B의 해상도로 암석 이미지 데이터를 설정할 수 있고, 해상도 설정박스(P)에 천원 지폐를 위치시킴으로써, 해당 암석 이미지 데이터는 동일한 배율 및 거리로 조정된다.
이후 사용자 단말(200)에서 암석 이미지 데이터를 송신하면, 분류장치(100)의 이미지 송수신부(110)에서는 암석 이미지 데이터를 수신할 수 있다.
또, 지질구조 이미지 데이터를 통해 지질구조의 크기를 대략적으로 추정할 수 있다.
도5는 본 발명의 일 실시예에 따른 이미지를 암석 및 이용한 지질구조 분류장치(100)에서 지질구조의 대략적인 크기를 추정하는 것을 개략적으로 나타낸 도면이다.
도5에 도시된 바와 같이, 사용자 단말(200)에 구비된 카메라의 화각을 수집하고, 사용자의 신장을 입력받아 사용자 단말(200)과 지질구조 사이의 거리를 구하고, 이에 따라 지질구조의 크기를 대략적으로 계산한다.
이 때 사용자 단말(200)의 카메라가 대략 사용자의 신장 높이만큼 위치하고 있다고 가정하고, 사용자의 신장 높이에서 지질구조의 최하단 a와 최상단 b의 높이를 찍었을 때의 카메라가 기울어진 각도를 센싱하여 사용자의 a부터 사용자 단말(200)의 거리와 b와 사용자 단말(200)의 거리 및 각도를 코사인 정리를 이용하여 계산한다. 각도의 경우 센서의 기울어짐을 측정하는 틸트(tilt) 센서값을 이용할 수 있다. 이에 따라, 지면으로부터 지질구조의 크기를 대략 추정할 수 있다.
이 때 이미지 송수신부(110)에는 암석 또는 지질구조 이미지 데이터가 수신된 위치정보가 함께 패키징 되어 수신됨으로써, 서버(300)의 데이터베이스에 저장된다. 이에 따라, 해당 암석 또는 지질구조가 분포하는 위치를 파악할 수도 있다.
다음으로, 암석 이미지 데이터의 resize를 통해 암석 이미지 데이터를 규격화한다.<S20> 이미지 처리부(120)는 특정 해상도로 암석 이미지 데이터를 규격화하는데, 이는 서버(300)의 데이터베이스에 저장되는 이미지 데이터의 크기일 수 있다.
예를 들어, 수신된 암석 또는 지질구조 이미지 데이터는 28x28의 픽셀 이미지로 압축될 수 있고, 이러한 픽셀 이미지는 width x height x depth가 28x28x3의 RGB 값을 가질 수 있다.
여기서, 지질구조 이미지 데이터의 경우 반드시 resize를 통한 규격화가 필수적이진 않다. 지질구조의 경우에는 다양한 스케일이 존재하기 때문에 마이크로 규모의 접사가 가능하고, 이에 따라 별도의 이미지 조정이 필요 없이 지질구조와 사용자 사이의 거리 측정으로 이미지 규격화를 대체하는 것도 가능하다.
또한, 암석 또는 지질구조 이미지 데이터의 resize를 실행할 경우 서로 동시에 실행되지 않고, 한 번에 하나의 resize만 실행될 수 있다.
다음으로, 규격화된 암석 또는 지질구조 이미지 데이터를 판별하여 암석이름 또는 지질구조 정보를 해석한다.<S30> 이러한 암석 또는 지질구조 이미지 데이터 판별은 머신러닝의 기법 중 딥러닝 기법으로 분류장치(100)가 기존 서버(300) 자료를 이용하여 미리 학습함으로써 계산된 가중치 값을 이용하고, 이에 따라 이미지 판별은 빠른 시간으로 수행될 수 있다.
예를 들어, 수치화 기법을 통해 28x28x3의 픽셀 이미지는 28x28x3xD의 행렬크기로 나타낼 수 있다. 여기서, D는 이미지 데이터의 심부화를 진행하는 수준에 따라 달라질 수 있고, 이에 따라 딥러닝 기법의 입력값은 암석 이미지 데이터를 기반한 28x28x3xD로 생성될 수 있다.
여기서, 수치화 기법은 공지된 기술이므로 자세한 설명은 생략하기로 한다.
또한, 딥러닝 기법의 목적값은 딥러닝 기법의 훈련 시 암석이름으로 나타낼 수 있다. 여기서, 암석이름은 서버(300)의 데이터베이스에 저장된 암석의 리스트를 기준으로 디지털화 될 수 있다.
예를 들어, 암석이름의 종류에 화강암, 현무암, 안산암, 유문암, 섬록암, 역암, 사암, 이암, 셰일, 혼펠스, 규암, 대리암, 점판암, 편암 및 편마암으로 구분되어 있다면, 이는 15비트의 이진수로 나타낼 수 있다.
즉, 화강암은 {1 0 0 0 0 0 0 0 0 0 0 0 0 0 0}, 현무암은 {0 1 0 0 0 0 0 0 0 0 0 0 0 0 0}, 안산암은 {0 0 1 0 0 0 0 0 0 0 0 0 0 0 0}, 유문암은 {0 0 0 1 0 0 0 0 0 0 0 0 0 0 0}로 표현되어, 마지막 편마암은 {0 0 0 0 0 0 0 0 0 0 0 0 0 0 1}으로 목적값이 설정되어 이미지 판별부(130)의 딥러닝 기법에 대한 훈련자료로 사용된다.
도6은 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치(100)에서 딥러닝 기법을 이용하여 가중치 결정을 훈련하는 방법을 개략적으로 나타낸 도면이다. 도5를 참고하여 이미지 판별부(130)가 딥러닝 기법을 통하여 암석이름을 해석하는 과정을 개략적으로 살펴보기로 한다.
도6에 도시된 바와 같이, 기 훈련된 가중치의 레이어로 화강암이 촬영된 암석 이미지 데이터가 28x28x3xD 크기의 행렬로 입력되면, 기 훈련된 가중치가 적용되어 암석 이미지 데이터가 {1 0 0 0 0 0 0 0 0 0 0 0 0 0 0}으로 해석되며, 이는 이미지 판별부(130)에서 화강암으로 해석될 수 있다.
여기서, 가중치 결정을 위한 훈련 방법에 있어서, 입력값은 암석 이미지 데이터이며, 입력값과 가중치 행렬을 컨볼루션 연산을 통해 암석이름으로 도출하고 이를 서버(300)(300)의 데이터베이스 자료로 이용함으로써 가중치 행렬을 결정한다.
또한, hidden layer의 개수, 딥러닝 방법은 다양하게 실시될 수 있다. 본 발명에서는 Convolution Neural Network 방식이 하나의 예로써 사용될 수 있다. 이는 공지된 기술이기 때문에 자세한 설명은 생략하기로 한다.
아울러, 지질구조 이미지 데이터에 관해서도 암석이름과 동일하게 딥러닝 기법으로 훈련을 수행하여 지질구조 이미지 데이터를 해석할 수 있다.
예를 들어, 지질구조의 종류는 습곡, 단층, 부정합 및 절리로 분류되어 4비트 이진수로 표현될 수 있다. 즉, 습곡은 {1 0 0 0}, 단층은 (0 1 0 0), 부정합 {0 0 1 0}, 절리 {0 0 0 1}으로 목적값이 설정되어 이미지 판별부(130)의 딥러닝 기법에 대한 훈련자료로 사용된다.
이후 앞선 설명과 같이, 기 훈련된 가중치의 레이어로 습곡이 촬영된 암석 이미지 데이터가 28x28x3xD 크기의 행렬로 입력되면, 기 훈련된 가중치가 적용되어 노두 이미지 데이터가 {1 0 0 0}으로 해석되며, 이는 이미지 판별부(130)에서 습곡으로 해석될 수 있다.
또한, 가중치 결정을 위한 훈련 방법에 있어서, 입력값은 지질구조 이미지 데이터이며, 입력값과 가중치 행렬을 컨볼루션 연산을 통해 지질구조이름으로 도출하고 이를 서버(300)의 데이터베이스 자료로 이용함으로써 가중치 행렬을 결정한다.
이후 판별된 암석 또는 지질구조 이미지 데이터에 대한 정보를 사용자 단말(200)로 전송한다.<S40> 이 때 사용자 단말(200)에 전송되는 암석 또는 지질구조 데이터는 암석이름과 지질구조이름 뿐만 아니라 해당 암석과 지질구조가 분포하는 위치를 함께 전송할 수 있다.
또한, 해당 암석이름 및 지질구조이름이 포함된 정보에 대한 전문가의 의견을 네트워크로 수신하여 지속적으로 업데이트하고, 이를 사용자에게 제공하는 정보에 포함시킴으로써 해당 정보에 관한 신뢰도를 사용자에게 제공할 수도 있다. 이과 같은 신뢰도는 백분율에 기반한 수치로 표현될 수 있다.
마지막으로, 수신된 암석 또는 지질구조 이미지 데이터를 서버(300)의 데이터베이스에 추가 저장한다.<S50> 여기서, 추가된 데이터베이스의 자료는 정기적으로 딥러닝 기술로 재학습하여 가중치 행렬을 업데이트할 수 있다.
이와 같은 일련의 순서를 거쳐 사용자는 사용자 단말(200)을 이용하여 암석 또는 지질구조를 촬영하여 해당하는 암석이름 또는 지질구조이름, 또한 암석과 지질구조가 위치한 분포 및 지질구조의 크기 등을 제공받을 수 있다.
한편, 암석 이미지 데이터는 고정된 암석뿐만 아니라 지면에 전석(굴러다니는 암석)의 경우에도 판별이 가능하다. 이 때 전석은 지면으로부터 그 형태가 완전히 노출된 경우를 기준으로 판단한다. 전석의 경우에는 암석이름만 제공해줄 뿐 위치정보는 제공하지 않으며, 서버(300)에는 전석을 저장하기 위한 별도의 데이터베이스를 마련하여 관리된다.
도7은 본 발명의 일 실시예에 따른 이미지를 이용한 암석 및 지질구조 분류장치(100)가 포함된 시스템에서 사용자 단말(200) 상에 암석 정보에 관한 오브젝트가 함께 표현되는 것을 개략적으로 나타낸 도면이다.
도7에 도시된 바와 같이, 사용자 단말(200)에서 암석 이미지 데이터를 전송한 후 분류장치(100)에서 해당 암석 이미지 데이터에 관한 정보를 제공할 시 암석의 종류에 따라 오브젝트가 표현될 수 있다. 이러한 오브젝트는 분류장치(100)에 구비된 오브젝트 표현부(150)에서 실시할 수 있다.
예를 들어, 화성암으로 분류될 수 있는 현무암, 안산암, 유문암, 섬록암 등은 오브젝트 표현부(150)에서 불의 이미지를 느낄 수 있는 오브젝트를 제공할 수 있고, 퇴적암으로 분류될 수 있는 역암, 사암, 이암, 셰일 등은 다양한 동물의 화석으로 표현될 수 있으며, 변성암으로 분류되는 혼펠스, 규암, 대리암, 점판암, 편암, 편마암 등은 변종 동물의 캐릭터가 출현하는 것으로 표현될 수 있다. 이에 따라, 사용자에게 흥미를 유발시키는 효과가 발휘될 수 있다. 따라서 도7과 같이, 현무암이 도시되어 있고, 현무암은 화성암으로 분류되기 때문에 불을 상징하는 이미지(F)가 사용자 단말(200)의 디스플레이에 표현될 수 있다.
상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면, 본 발명의 사상과 범위 안에서 다양한 수정, 변경 및 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 본 발명의 특허청구 범위에 속하는 것으로 보아야 할 것이다.
100 : 분류장치
110 : 데이터 송수신부
120 : 이미지 처리부
130 : 이미지 판별부
140 : 제어부
150 : 오브젝트 표현부
160 : 위치설정부
200 : 사용자 단말
300 : 서버

Claims (9)

  1. 사용자 단말로부터 촬영한 암석 또는 지질구조 이미지 데이터를 수신하고, 상기 암석 또는 지질구조 이미지 데이터에 관한 암석이름 또는 해당 위치의 지질구조에 관한 정보를 전송하는 데이터 송수신부;
    상기 데이터 송수신부에서 수신한 상기 이미지 데이터를 규격화하는 이미지 처리부;
    규격화된 상기 이미지 데이터를 판별하는 이미지 판별부; 및
    상기 암석 또는 지질구조 이미지 데이터의 수신, 규격화 및 판별의 동작을 제어하는 제어부;를 포함하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조 분류장치.
  2. 제1항에 있어서,
    상기 이미지 판별부는 RGB 픽셀 값으로 수치화된 상기 암석 이미지 데이터에 딥러닝 기법을 이용하여 기 계산된 가중치 행렬을 적용함으로써 상기 암석이름을 판별하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조 분류장치.
  3. 제2항에 있어서,
    상기 딥러닝 기법은 Convolution Neural Network 방식을 이용하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조 분류장치.
  4. 제2항에 있어서,
    상기 딥러닝 기법에서 입력값은 상기 서버에 기 저장된 암석 이미지 데이터이고, 결과값은 상기 암석이름이 되며,
    상기 입력값에 상기 가중치 행렬을 컨볼루션 연산한 결과값이 상기 암석이름으로 도출되는 훈련을 수행하여 상기 가중치 행렬을 결정하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조 분류장치.
  5. 제2항에 있어서,
    상기 딥러닝 기법에서 입력값은 상기 서버에 기 저장된 지질구조 이미지 데이터이고, 결과값은 상기 지질구조이름이 되며,
    상기 입력값에 상기 가중치 행렬을 컨볼루션 연산한 결과값이 상기 지질구조 정보로 도출되는 훈련을 수행하여 상기 가중치 행렬을 결정하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조 분류장치.
  6. 제1항에 있어서,
    상기 사용자 단말에 제공될 상기 암석이름에 오브젝트를 표현하는 오브젝트 표현부;를 포함하고,
    상기 오브젝트 표현부는 화성암, 변성암 및 퇴적암의 기준에 따라 해당하는 오브젝트를 구체적인 상기 암석이름과 함께 상이하게 표현하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조 분류장치.
  7. 제1항에 있어서,
    상기 암석 또는 지질구조 이미지 데이터가 수신된 위치를 파악하는 위치설정부;를 포함하고,
    상기 암석 또는 지질구조 이미지 데이터에 관한 상기 암석이름 또는 해당 위치의 지질구조에 관한 정보를 사용자에게 전송할 시 상기 암석 또는 지질구조의 위치정보를 패키징하여 함께 전송하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조 분류장치.
  8. 사용자 단말로부터 암석 또는 지질구조 이미지 데이터를 수신하는 단계;
    상기 암석 또는 지질구조 이미지 데이터를 규격화하는 단계;
    규격화된 상기 암석 또는 지질구조 이미지 데이터를 판별하는 단계;
    판별된 상기 암석 또는 지질구조 이미지 데이터에 대한 정보를 상기 사용자 단말에 전송하는 단계; 및
    수신된 암석 또는 지질구조 이미지 데이터를 서버에 추가 저장하는 단계;를 포함하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조를 분류하는 방법.
  9. 암석 또는 지질구조 이미지 데이터가 기 저장되어 데이터베이스가 구축된 서버;
    암석 또는 지질구조를 촬영하여 암석 또는 지질구조 이미지 데이터를 전송하는 사용자 단말;
    상기 사용자 단말 및 상기 서버와 네트워크로 연결된 상태에서 상기 서버에 기 저장된 상기 암석 또는 지질구조 이미지 데이터를 학습하고, 상기 사용자 단말로부터 상기 사용자 단말에서 촬영한 상기 암석 또는 지질구조 이미지 데이터를 수신하여 규격화시키며, 상기 암석 또는 지질구조 이미지 데이터에 해당하는 암석이름 또는 지질구조이름을 판별하여 상기 사용자 단말에 정보를 전송하는 분류장치;를 포함하는 것을 특징으로 하는 이미지를 이용한 암석 및 지질구조 분류 시스템.
KR1020170096311A 2017-07-28 2017-07-28 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템 KR101981669B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170096311A KR101981669B1 (ko) 2017-07-28 2017-07-28 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170096311A KR101981669B1 (ko) 2017-07-28 2017-07-28 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20190012791A true KR20190012791A (ko) 2019-02-11
KR101981669B1 KR101981669B1 (ko) 2019-05-24

Family

ID=65369898

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170096311A KR101981669B1 (ko) 2017-07-28 2017-07-28 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101981669B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020225592A1 (en) * 2019-05-09 2020-11-12 Abu Dhabi National Oil Company (ADNOC) Automated method and system for categorising and describing thin sections of rock samples obtained from carbonate rocks
KR20210101558A (ko) * 2020-02-10 2021-08-19 주식회사 에너자이(ENERZAi) 지층 분류 데이터 생성 방법 및 그 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014041560A (ja) * 2012-08-23 2014-03-06 Canon Inc 画像処理装置、画像処理方法
KR101593616B1 (ko) 2015-04-17 2016-02-12 한국지질자원연구원 지질의 연대 및 지질 정보 해석 장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014041560A (ja) * 2012-08-23 2014-03-06 Canon Inc 画像処理装置、画像処理方法
KR101593616B1 (ko) 2015-04-17 2016-02-12 한국지질자원연구원 지질의 연대 및 지질 정보 해석 장치 및 그 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
장현웅 외 1명, "CNN을 이용한 소셜 이미지 자동 태깅", 정보과학회논문지, Vol. 43, No. 1, pp. 47-53 (2016. 1) 1부.* *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020225592A1 (en) * 2019-05-09 2020-11-12 Abu Dhabi National Oil Company (ADNOC) Automated method and system for categorising and describing thin sections of rock samples obtained from carbonate rocks
KR20210101558A (ko) * 2020-02-10 2021-08-19 주식회사 에너자이(ENERZAi) 지층 분류 데이터 생성 방법 및 그 장치

Also Published As

Publication number Publication date
KR101981669B1 (ko) 2019-05-24

Similar Documents

Publication Publication Date Title
Matias et al. FIELDimageR: An R package to analyze orthomosaic images from agricultural field trials
Atkinson Issues of uncertainty in super-resolution mapping and their implications for the design of an inter-comparison study
CN109389128A (zh) 电成像测井图像特征自动提取方法及装置
CN110069972A (zh) 自动探测真实世界物体
CN108875522A (zh) 人脸聚类方法、装置和系统及存储介质
NO20111328A1 (no) Bokstelling forbedret modellering
Zhang et al. Geostatistical and texture analysis of airborne-acquired images used in forest classification
JP7172400B2 (ja) 地質評価システム、地質評価方法及び地質評価プログラム
Huang et al. Using satellite imagery and deep learning to evaluate the impact of anti-poverty programs
KR101981669B1 (ko) 이미지를 이용한 암석 및 지질구조 분류장치, 방법 및 시스템
Lang et al. Object validity for operational tasks in a policy context
EP2652044A1 (en) A system for evaluating the current evolutionary status of events or processes in a geographical region and for generating and visualizing predictions of the evolutionary dynamics in time and space
Chen et al. Subpixel land cover mapping using multiscale spatial dependence
US11670073B2 (en) System and method for detection of carbonate core features from core images
Hu et al. Super-resolution land cover mapping based on multiscale spatial regularization
Neuhausen et al. Window detection in facade images for risk assessment in tunneling
CN110441820B (zh) 地质构造的智能解释方法
Brown et al. Estimating per‐pixel thematic uncertainty in remote sensing classifications
Sengar et al. Liquefaction identification using class-based sensor independent approach based on single pixel classification after 2001 Bhuj, India earthquake
Makido et al. Weighting function alternatives for a subpixel allocation model
EP4083906A1 (en) Object search device and object search method
CN111507135A (zh) 人脸检测方法、装置、计算机设备及存储介质
JP2021154935A (ja) 車両シミュレーションシステム、車両シミュレーション方法およびコンピュータプログラム
CN108932457A (zh) 图像识别方法及相关装置
Wang et al. MATLAB code to estimate landslide volume from single remote sensed image using genetic algorithm and imagery similarity measurement

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