KR20200020209A - 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치 - Google Patents

포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치 Download PDF

Info

Publication number
KR20200020209A
KR20200020209A KR1020180095638A KR20180095638A KR20200020209A KR 20200020209 A KR20200020209 A KR 20200020209A KR 1020180095638 A KR1020180095638 A KR 1020180095638A KR 20180095638 A KR20180095638 A KR 20180095638A KR 20200020209 A KR20200020209 A KR 20200020209A
Authority
KR
South Korea
Prior art keywords
histogram
ndvi
value
pattern analysis
crop
Prior art date
Application number
KR1020180095638A
Other languages
English (en)
Other versions
KR102125780B1 (ko
Inventor
박정환
김서영
Original Assignee
(주)노루기반시스템즈
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 (주)노루기반시스템즈 filed Critical (주)노루기반시스템즈
Priority to KR1020180095638A priority Critical patent/KR102125780B1/ko
Publication of KR20200020209A publication Critical patent/KR20200020209A/ko
Application granted granted Critical
Publication of KR102125780B1 publication Critical patent/KR102125780B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • B64C2201/127—
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Botany (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Environmental Sciences (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치가 제공된다. 전처리 모듈은 무인비행체가 작물재배지를 촬영하여 획득한 다분광 센서 정보데이터가 저장된 저장매체로부터 다분광 센서 정보데이터가 수집되면, 상기 다분광 센서 정보데이터를 보정처리기술을 통해 공간기하연산을 위한 공간자료처리과정을 거쳐 영상을 공간자료화하고, 공간자료화된 다분광 센서 영상과 포장 단위별 공간벡터자료 사이의 공간연산을 수행하고, NDVI연산모듈은 전처리 모듈에서 전처리가 이루어진 영상정보를 가시광선 밴드와 근적외선 밴드의 반사 값을 NDVI 지수식을 이용하여 -1.0 ~ +1.0 범위의 지수 값으로 연산하고, 히스토그램생성모듈은 NDVI연산모듈에서 연산된 NDVI의 지수 값만을 각각의 포장 단위별로 추출하여 NDVI 구간 값을 가로 좌표축으로 저장하고 해당 구간 값을 갖는 픽셀 수를 속성 값으로 하는 세로 좌표축으로 저장하여 히스토그램을 생성하고, 백분율변환모듈은 생성된 히스토그램을 픽셀의 수가 분포된 전체 분포도에서의 백분율로 표준화하고, 패턴분석모듈은 표준화된 백분율을 확률에 따라 작물의 종류 및 생육상태를 구분하여 히스토그램 그래프의 패턴을 분석하고, 패턴분석모듈은 분석이 완료된 정보를 디스플레이장치를 통해 가시적인 통계정보로 표시한다.

Description

포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치 {Applaratus for Monitoring Crop Growth through Multispectral Image Histogram Pattern Analysis of Plot Unit}
본 발명은 드론과 같은 무인 비행체를 이용하여 원격 관측을 통해 취득된 다분광 센싱 영상을 활용하여 필지 단위로 구분된 개별 작물 재배지(이하 '포장' 이라 함) 단위별로 지수 히스토그램의 특성을 활용하여 작물의 종류와 생육 상태를 판단하는 장치에 관한 것이다.
일반적으로 다분광 센서의 영상 중에서, 근적외선(Near Infrared, NIR) 영상을 활용한 정규식생지수(Normalized Difference Vegetation Index, 이하 NDVI 라 함)는 질소 함유량 또는 단백질 지수로 환산하여 녹조와 같은 환경 분야나 침수에 따른 수자원 분야 등 다양한 분야에 활용되고 있다. 특히, NDVI는 농업분야에서 많이 사용되고 있지만, 영상만으로 포장 단위를 분류하고 작물의 종류 및 생산량 예측을 위한 보다 정확한 통계기술이 요구되는 실정이다. 또한, 농업분야에서 최근 원격탐사 기반의 작물판독 및 생육추정을 위한 연구가 진행되고 있으나, 대체로 특정의 지수기반의 단순 판독이 사용되고 있는 실정이다.
한편, 산림청에서는 저고도 항공촬영 무인 항공기를 이용하여 세밀한 조사와 더불어 해당 지역을 촬영한 영상으로 재선충병 피해목을 찾아내거나 촬영한 영상을 분석하여 고사한 나무 위치를 확인하는 등 주로 가시광선대의 RGB 영상의 색상을 활용한 판독기법을 사용하고 있다.
종래에 먼 지역에 있는 대상을 특수한 파장대의 빛이나 열, 전자기파를 이용하여 간접적인 방법으로 대상에 대한 정보를 파악하는 원격탐사위성에서 촬영된 영상을 이용하지만, 이 영상은 대략 10m 내외의 영상으로 세밀한 분석이 어렵고 필요한 자료를 취득하는 데 많은 시간이 소요되는 문제가 있었다.
따라서 농작물의 경우 파종 시기, 작물의 종류, 시비 여부 등에 따라 생육 상태에 차이를 보이며 항공영상만으로 육안 식별 또한 쉽지 않아 작물의 촬영 시기에 작물의 특성을 고려하여 포장 단위별 작물을 자동 분류하고 생육 상태를 파악하기 위한 통계 처리 기술 및 운영 기술이 요구된다.
본 발명과 관련된 선행기술로서, 특허문헌 1은 작물 관측 장치가, 측정 구역 내에서 이동하면서, 상기 측정 구역 내에 위치하는 작물의 생육 상태를 측정하여 생육 상태 정보를 획득하는 단계; 상기 작물 관측 장치가, 측정 구역 내에서 이동하면서, 상기 측정 구역 내의 생장 환경을 측정하여 생장 환경 정보를 생성하는 단계; 및 상기 작물 관측 장치가, 상기 측정된 작물의 생육 상태 정보 및 생장 환경 정보와 상기 정보들이 측정된 구역에 관련된 위치 정보를 포함하는 상태 메시지를 전송하는 단계를 포함하며, 상기 생장 환경 정보를 생성하는 단계는, 상기 측정 구역의 광량을 측정하고 측정된 광량과 광량이 측정된 시간을 토대로 상기 측정 구역의 광 투과 상태를 판단하는 단계를 포함하는 작물 관측 방법이 개시되어 있으나, 영상 기반의 작물종류 판독 및 생육 모니터링과정은 시사하고 있지 않다.
대한민국 공개특허공보 제10-2013-0049567호 (20130514 공개)
본 발명은 상기 문제점을 해결하기 위한 것으로, 드론과 같은 무인 행체를 이용하여 농경지를 영상 촬영한 후 작물의 상태 및 종류를 분석하기 위한 것이 목적이다.
또한, 본 발명은 포장 단위별로 공간정보를 활용하여 영상을 통계 분석하고 노지에서 재배되고 있는 작물의 종류를 파악하여 작물의 생육 단계별 분광 특성을 활용하기 위한 것이 다른 목적이다.
또한, 본 발명은 작물의 분광 특성이 생육 과정에서 특성이 변경되며 유사 지역에 같은 시기에 재배되는 작물, 예컨대, 마늘, 양파, 당근 등이 매우 유사한 특성을 지니고 있어 영상만으로 포장 단위별 작물을 단순 구분하기 어려우므로 작물의 분광 특성을 분류하여 히스토그램으로 패턴화하고, 이를 기반으로 작물의 종류를 확률로서 제공함으로써 보다 정확한 작물을 구분하기 위한 것이 또 다른 목적이다.
또한, 본 발명은 작물의 생육과정에서 발생하는 분광 특성의 변화를 기반으로 병충해, 가뭄 등 피해를 확인하고 이에 따른 생산량의 감소에 따른 가격 및 보상 대책에 대한 의사결정을 할 수 있도록 지원하기 위한 것이 또 다른 목적이다.
또한, 본 발명은 국가 및 지역에 따른 주요 작물의 종류 및 특성을 파악하고 수식을 정규화하여 자료화(DB)함으로써 특정 지역의 특정 작물이 아닌 다양한 식생에 대하여 보편적으로 확장하고 적용하기 위한 것이 또 다른 목적이다.
본 발명은 상기 목적을 달성하기 위하여, 무인비행체가 작물재배지를 촬영하여 획득한 다분광 센서 정보데이터가 저장된 저장매체로부터 상기 다분광 센서 정보데이터가 수집되면, 상기 다분광 센서 정보데이터를 보정처리기술을 통해 공간기하연산을 위한 공간자료처리과정을 거쳐 영상을 공간자료화하고, 공간자료화된 다분광 센서 영상과 포장 단위별 공간벡터자료 사이의 공간연산을 수행하는 전처리 모듈; 상기 전처리 모듈에서 전처리가 이루어진 영상정보를 가시광선 밴드와 근적외선 밴드의 반사 값을 NDVI 지수식을 이용하여 -1.0 ~ +1.0 범위의 지수 값으로 연산하는 NDVI연산모듈; 상기 NDVI연산모듈에서 연산된 NDVI의 지수 값만을 각각의 포장 단위별로 추출하여 NDVI 구간 값을 가로 좌표축으로 저장하고 해당 구간 값을 갖는 픽셀 수를 속성 값으로 하는 세로 좌표축으로 저장하여 히스토그램을 생성하는 히스토그램생성모듈; 상기 생성된 히스토그램을 픽셀의 수가 분포된 전체 분포도에서의 백분율로 표준화하는 백분율변환모듈; 상기 표준화된 백분율을 확률에 따라 작물의 종류 및 생육상태를 구분하여 히스토그램 그래프의 패턴을 분석하는 패턴분석모듈, 및 분석이 완료된 정보를 디스플레이장치를 통해 가시적인 통계정보로 표시하는 패턴분석모듈;을 포함하여 이루어진, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치를 제공하는 것이 특징이다.
NDVI 지수식은,
Figure pat00001
(여기서,
Figure pat00002
는 근적외선 밴드의 분광반사도이고,
Figure pat00003
는 가시광선 밴드의 분광반사도)이 적용되되, NDVI 지수식에서 산출된 지수 값으로 양수(+) 값은 녹색 식물의 증가이고, 음수(-) 값은 물이나 황무지 또는 얼음이나 눈 또는 구름을 포함하는 비식생을 나타낼 수 있다.
상기 히스토그램생성모듈은 포장 단위별 벡터기반의 공간정보를 기본으로 히스토그램을 생성하지 못하는 지역은 1~10미터의 포장셀(인덱스 벡터 구역)을 자동 생성하여 개별 포장셀 단위 히스토그램 정보를 사용한다.
상기 히스토그램생성모듈은 NDVI가 식물인 경우에 0.2~0.8의 NDVI만 히스토그램을 생성하고 그 미만 또는 초과하는 경우에는 부수재(비재배포장)로 판단하여 히스토그램의 생성에서 제외한다.
상기 백분율변환모듈은 작물만의 히스토그램을 파악할 수 있는 구간을 포함하는 0~1.0 구간에 해당하는 히스토그램을 100등분하여 구간 당 0.01 값을 기준으로 변환한다.
상기 패턴분석모듈은 백분율로 그래프패턴을 분석하되, 특정구간의 확률이 전체의 70% 이상인 포장의 포장별 작물정보와 포장의 총면적, 그리고 단위 면적당 생산량을 통해 총생산량을 예측할 수 있도록 정보를 제공한다.
상기 패턴분석모듈은 백분율로 그래프패턴을 분석하되, 히스토그램의 피크 값의 위치와, 기준 값의 순서, 그리고 구간확률에 따라 작물의 종류를 판단한다.
상기 패턴분석모듈은 피크 값의 위치 분석에서 기준 값을 기준으로 피크의 존재여부는 기준 값 크기에 있어 하위 두 구간의 기준 값의 차이가 기준 값 크기에 있어 상위 두 구간의 기준 값의 차이에 대하여 2.5배 이상인 경우에 기준 값의 크기 순서에 따라 좌피크, 우피크 및 중간피크로 구분한다.
상기 패턴분석모듈은 구간분포의 분석에서 특정구간을 3등분하여 해당 각 등분의 평균 백분율값과 최고 백분율값 간의 중간 백분율값을 기준 값으로 하여 분석한다.
본 발명에 따르면, 포장 단위별로 작물의 생육 상태, 재배 여부, 가뭄이나 병충해 피해 여부 및 고추, 배추, 무, 마늘, 양파 등과 같은 작물의 종류를 분류하여 각 작물별로 생산량을 예측할 수 있고, 더 나아가 생산 시기와 수량을 예측할 수 있어 시기별 수요에 따른 농산물 가격을 예측함으로써 농산물 유통에 따른 다양한 문제를 해결하는 방법으로 활용할 수 있는 이점이 있다.
도 1은 본 발명에 따른 실시 예로, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 시스템을 나타낸 구성도이다.
도 2는 본 발명에 따른 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 방법을 나타낸 흐름도이다.
도 3은 본 발명에서 포장 단위별 통계 히스토그램의 생성을 위하여 다분광영상 히스토그램 패턴분석 툴의 예를 나타낸 것이다.
도 4는 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 양파 제1포장구역의 정식 또는 파종 이후 6~8개월의 히스토그램 분포도를 예시한 것이다.
도 5는 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 양파 제2포장구역의 정식 또는 파종 이후 6~8개월의 히스토그램 분포도를 예시한 것이다.
도 6은 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 마늘 제1포장구역의 정식 또는 파종 이후 6~8개월의 히스토그램 분포를 예시한 것이다.
도 7은 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 마늘 제2포장구역의 정식 또는 파종 이후 6~8개월의 히스토그램 분포를 예시한 것이다.
도 8은 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 양파와 마늘의 파종 후 55개월의 포장별 특성을 나타낸 히스토그램 분포도를 예시한 것이다.
도 9는 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 양파와 마늘의 파종 후 6개월의 포장별 특성을 나타낸 히스토그램 분포도를 예시한 것이다.
도 10은 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 양파와 마늘의 파종 후 7개월의 포장별 특성을 나타낸 히스토그램 분포도를 예시한 것이다.
도 11은 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 양파와 마늘의 파종 후 8개월의 포장별 특성을 나타낸 히스토그램 분포도를 예시한 것이다.
도 12는 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 구간 분포의 종류는 027~08까지를 3등분하여 해당 등분의 평균 백분율값과 최고 백분율값간의 중간 값을 기준 값으로 하는 것을 예시한 것이다.
도 13은 본 발명에서 다분광 영상 히스토그램 패턴분석 툴을 통해 특정 지역의 작물 히스토그램을 통하여 산정된 포장 단위별 마늘의 확률 지도와 재배면적 통계정보를 예시한 것이다.
이하, 본 발명에 따른 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 방법에 관한 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1에서, 본 발명의 작물 생육 모니터링 장치(100)는 다분광 영상 히스토그램 패턴분석 툴(20), 저장장치(30) 및 디스플레이장치(40)를 포함할 수 있다.
다분광 영상 히스토그램 패턴분석 툴(Tool)(20)은 컴퓨터, 예컨대, 서버컴퓨터나 데스크톱PC, 노트북PC, 태블릿 또는 스마트폰 등을 포함하는 IT기기, 즉, 작물 생육 모니터링 장치(100)에 설치되는 소프트웨어, 즉, 응용프로그램(Application)이다. 이하에서는 설명의 편의를 위해 작물 생육 모니터링 장치(100)를 IT 기기 또는 컴퓨터와 혼용할 수 있다.
저장장치(30)는 IT 기기(100) 내에 내장되거나 또는 외장될 수 있다. 그리고 저장장치(30)에 저장된 정보는 실시간으로 유무선통신망을 통해 원격으로 데이터를 공유할 수 있을 것이다.
디스플레이장치(40)는 IT 기기(100)에 포함되거나 또는 개별적으로 구비될 수도 있다. 디스플레이장치(40)는 다분광 영상 히스토그램 패턴분석 툴(20)에서 분석이 완료된 정보를 사용자가 인지가능한 형태로 표시한다.
다분광 영상 히스토그램 패턴분석 툴(20)은 무인비행체(1)에 장착된 다분광 센서(2)에서 촬영된 영상으로부터 히스토그램 패턴을 분석하기 위한 것으로, 무인비행체(1)의 다분광 센서(2)에서 촬영된 영상데이터를 저장하는 영상저장매체(10)로부터 영상데이터를 수집하여 전처리, NDVI 연산, 히스토그램 생성, 백분율 변환 및 패턴 분석 등을 거쳐 디스플레이장치(40)를 통해 표시된 정보로부터 포장 단위별 작물의 종류와 생육상태를 판단할 수 있도록 하는 것이다. 다분광영상 히스토그램 패턴분석 툴(20)의 정보처리 중에 발생되는 각종 데이터는 저장장치(30)에 입출력 및 저장된다.
또한, 본 발명은 무인비행체, 예컨대, 드론을 활용함으로써 5cm 이하의 영상을 빠르게 취득할 수 있어 보다 정확한 정보를 사용하여 효과적으로 분석하고 생산량 예측에 따른 선제 대응 전략을 수립할 수 있도록 한다. 그리고 무인비행체(1)에 장착된 다분광 센서(2)는 가시광선의 특성을 저장하는 일반 카메라의 가시광선(RGB) 밴드 외에 근적외선(Red-Edge, NIR) 등 더 다양한 파장의 분광밴드 특성을 저장할 수 있는 센서로 밴드의 개수가 더 많은 초분광 센서가 적용될 수 있다.
더욱이 센서 기술과 비행체 기술의 발달로 소형화 및 대중화되고 있어 작물의 생육을 보다 빠르게 모니터링하고 활용하기 위하여 즉시성이 뛰어나고 자료의 정확도가 높은 대략 15kg 미만의 초소형드론에 소형 다분광 센서를 장착하여 활용하는 것이 좋다. 초소형드론에 의한 다분광 센서의 영상정보는 다양한 보정처리기술, 예컨대, 영상 매칭, 포인트클라우드 생성, 기하보정 및 정사보정, GCP 보정을 통해 공간기하연산을 위한 공간자료처리과정을 거쳐 영상을 공간 자료화하여 사용한다. 또한, 공간 자료화된 다분광 센서 영상과 포장 단위별 공간벡터자료들 사이의 공간연산(포장 단위별 히스토그램 작성을 위한 연산) 및 히스토그램의 저장, 관리, 분석의 자동화를 위해 지리정보시스템(GIS)을 사용한다.
히스토그램(Histogram)은 흔히 막대그래프라 부르는 통계 도표의 일종으로 평면상 가로축과 세로축의 좌표에서 가로축에 변량을 취하고 이것을 작은 등 간격으로 구분하여 각각의 구간에 대응하는 통계량을 세로의 막대 모양 길이로 표시한 것이다.
이와 같이 이루어진 본 발명의 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 방법에 관하여 도 2의 흐름도와 도 3 내지 도 13을 참조하여 설명한다.
먼저, 도 2에서, 작물의 생육을 모니터링하기 위한 작물재배지인 농경지에 무인비행체(1)를 띄워 비행시킨다(S1). 무인비행체(1)는 작물재배지와 인접한 거리에서 운용관리자에 의하여 운용되는 것이 좋지만, 원격에서 무인비행체(1)를 운용할 수도 있다. 그리고 무인비행체(1)가 작물재배지를 비행하는 동안 무인비행체(1)에 장착된 다분광 센서(2)가 영상을 촬영한다(S2).
무인비행체(1)에 의하여 작물재배지가 촬영된 다분광 센서(2)의 영상정보는 영상저장매체(10), 예컨대, 플래시메모리 등에 저장된다. 영상저장매체(10)는 무인비행체(1)로부터 분리되어 다분광 영상 히스토그램 패턴분석 툴(20)이 설치된 IT기기(100), 즉, 컴퓨터에 접속되어 영상데이터를 전송한다. 더욱이 무인비행체(1)에서 촬영된 다분광 센서(2)의 영상정보는 무선 또는 유선의 통신망을 통해 IT 기기로 전송될 수도 있다. 따라서 작물재배지가 촬영된 다분광 센서(2)의 영상정보가 저장된 영상저장매체(10)로부터 컴퓨터가 정보데이터를 수집한다(S3).
컴퓨터에 설치된 다분광 영상 히스토그램 패턴분석 툴(20)의 전처리 모듈(21)에서 다분광 센서(2)의 정보데이터를 보정처리기술, 예컨대, 영상 매칭, 포인트클라우드 생성, 기하보정 및 정사보정, GCP 보정을 통해 공간기하연산을 위한 공간자료처리과정을 거쳐 영상을 공간자료화하고, 공간자료화된 다분광 센서(2)의 영상과 포장 단위별 공간벡터자료 사이의 공간연산을 수행하는 전처리 과정을 수행한다(S4).
또한, 다분광 영상 히스토그램 패턴분석 툴(20)의 NDVI연산모듈(22)에서 전처리가 이루어진 영상정보를 가시광선 밴드와 근적외선 밴드의 반사 값을 NDVI 지수식을 이용하여 -1.0 ~ +1.0 범위의 지수 값으로 연산한다(S5). 즉, NDVI는 식물의 잎에 함유된 클로로필 고유의 분광반사 특성을 활용하여 가시광선 밴드와 근적외선 밴드의 반사 값을 연산하는 것으로 -1.0에서 +1.0까지의 범위를 가지며, 이 범위에서 양수(+) 값은 녹색식물의 증가를 의미하고, 음수(-) 값은 물이나 황무지 또는 얼음이나 눈 또는 구름 또는 멀칭 필름 등과 같이 비식생을 의미한다.
여기에서, NDVI 지수식은 다음의 수학식 1과 같다.
Figure pat00004
여기서,
Figure pat00005
는 근적외선 밴드의 분광반사도이고,
Figure pat00006
는 가시광선 밴드의 분광반사도이다. 더욱이 NDVI는 영상처리기술로서 식생의 유무를 강조하기 위하여 사용되는 것으로, 근적외선 밴드와 가시광선 밴드 사이의 값 차이를 두 밴드를 합한 값으로 나누어서 계산한다.
도 3에서, 본 발명에서는 작물의 포장 단위별 공간정보를 활용하여 포장 단위별 포함된 영상의 구간단위 픽셀 분포도(이하, 히스토그램)를 활용한다.
포장 단위별로 공간연산에 의해 통계 처리된 히스토그램은 구간단위의 분포 패턴 및 구간 분포 비율, 시계열별 분포도 변화를 쉽게 통계 처리할 수 있게 된다. 더욱이 도면에서 적색의 분포는 식물을 나타내고, 황색의 분포는 비식생을 나타낸다.
따라서 다분광 영상 히스토그램 패턴분석 툴(20)의 히스토그램생성 모듈(23)은 NDVI연산모듈(22)에서 연산된 NDVI의 지수 값만을 각각의 포장 단위별로 추출하여 NDVI의 구간 값을 가로 좌표축으로 저장하고 해당 구간 값을 갖는 픽셀 수를 속성 값으로 하는 세로 좌표축으로 저장하여 히스토그램, 즉, 구간 단위별 픽셀의 분포도를 생성한다(S6). 즉, 포장 단위별 히스토그램은 작물의 재배지역 공간 정보를 활용하여 해당하는 각 포장 내에 존재하는 영상의 NDVI의 지수만을 각각의 포장별로 추출하여 히스토그램의 가로축은 NDVI의 지수 구간 값으로 저장하고, 세로축은 해당 구간의 값을 갖는 픽셀수를 속성 값으로 저장한다.
더욱이 히스토그램을 생성하는 공간정보의 기본단위는 기본적으로 포장 단위별 벡터기반 공간정보이지만 포장 단위별 히스토그램을 획득할 수 없는 지역, 예컨대, 경계가 없거나 필지구분이 없는 지역은 1~10미터 단위의 인덱스 벡터 구역(이하, 포장셀)을 자동 생성하여 개별 포장셀 단위 히스토그램 정보를 사용한다. 히스토그램의 생성에 있어서 작물이 아닌 토양, 물, 토지표면피복필름(이하, 멀칭) 등 작물 이외의 것을 부수재로 분리하고 생육 단계별 변화를 쉽게 식별할 수 있는 NDVI를 활용하여 히스토그램 정보로 생성한다. 단, NDVI가 식물의 경우에는 대략 0.2~0.8정도로, 그 미만 또는 초과하는 경우에는 식물이 아닌 토양 또는 멀칭 등 작물이 아닌 부수재로 통계에서 제외한다. 따라서 히스토그램을 생성하는 단계에서 작물영역만을 추출하기 위하여 일반적인 영상처리과정인 마스크 처리기법이나 색상을 기반으로 하는 분류 처리과정을 별도로 진행하지 않는다.
작물의 생육 시기 중 작물들의 히스토그램 분포를 통해 분류가 가장 잘 되는 시기의 판단은 해당 시기에 특정 지역에서 재배되는 작물들 사이의 히스토그램 그래프의 패턴 차이로 구분하는 방법이다. 이를 위하여 육안으로도 구분이 쉽지 않은 마늘과 양파에 대하여 대략 2주의 간격으로 무인비행체를 활용하여 다분광 센싱한 자료를 분석한 결과로서 마늘과 양파는 파종 또는 정식을 기준으로 대략 5개월(작물마다 다를 수 있음)이 지난 생육단계에서부터 NDVI의 히스토그램에서 픽셀의 수량에 따른 분포가 아닌 픽셀의 수량이 분포된 전체 분포도에서의 백분율을 활용한다. 이는 포장 단위별 면적이 모두 다르므로 히스토그램의 구간단위 픽셀 수에 차이가 있기 때문이다.
다음으로, 다분광 영상 히스토그램 패턴분석 툴(20)의 백분율변환모듈(24)에서 히스토그램생성모듈(23)에서 생성된 히스토그램을 픽셀의 수가 분포된 전체 분포도를 통계 처리하기 위한 백분율로 표준화한다(S7). 이는 NDVI 기반의 포장 단위별 히스토그램 생성에 있어서, NDVI 지수의 최소 값과 최대 값인 -1.0~1.0의 구간 중 작물이 재배되지 않은 포장을 제외하고 작물만의 히스토그램을 파악할 수 있는 구간(0.2~0.8)을 포함하기 위하여 0~1.0 구간에 해당하는 히스토그램을 100등분하여 구간 당 0.01 값을 기준으로 생성한다. 히스토그램 중 토양 및 작물에 의해 생성된 오차, 예컨대, 그늘을 제외하고 통계 처리하기 위하여 백분율로 환산하는 경우에는 히스토그램 중 작물 NDVI 구간, 예컨대, 0.27~0.8만 백분율로 환산한다.
또한, 0~0.27 구간 합의 백분율이 90%이상인 경우에는 해당하는 포장은 비재배 포장으로 분류하고 2개의 시계열을 조사한 결과로 상기 구간(0~0.27)의 백분율이 증가하는 경우 작물이 가뭄으로 말라 죽거나 병충해로 인한 피해 등으로 판단할 수 있도록 한다. 포장 단위별로 특정의 작물일 확률은 히스토그램 그래프 면적을 기반으로 그래프 패턴을 분석하고 해당 패턴일 확률 또한 백분율로 산정한다. 해당 결과 중 70% 이상인 포장의 포장 정보와 포장의 총면적, 단위 면적당 생산량을 활용하여 총생산량을 예측할 수 있다.
다음으로, 다분광 영상 히스토그램 패턴분석 툴(20)의 패턴분석모듈(25)에서 표준화된 백분율을 확률에 따라 작물의 종류 및 생육상태를 구분하여 히스토그램 그래프의 패턴을 분석한다(S8). 이는 히스토그램의 시계열별 분포에 관한 실시 예로, 도 4의 양파 제1포장구역의 정식 또는 파종 이후 6~8개월의 히스토그램 분포와, 도 5의 양파 제2포장구역의 정식 또는 파종 이후 6~8개월의 히스토그램 분포, 그리고 도 6의 마늘 제1포장구역의 정식 또는 파종 이후 6~8개월의 히스토그램 분포와, 도 7의 마늘 제2포장구역의 정식 또는 파종 이후 6~8개월의 히스토그램 분포(가로축은 NDVI, 세로축은 픽셀수의 백분율)로, 각각 재배조건이 다른 2개의 양파와 마늘 포장의 약 2주 단위 NDVI 히스토그램 분포로 파종 또는 정식 후 5개월 후부터 2주 간격으로 분석된 분포도로 구간별 6%미만에서 지수의 변경을 보이고 있다. 도 4 내지 도 7에서는 파종 또는 정식 후에 6~8개월 사이에 서로 다른 재배환경, 예컨대, 시비의 유무나 토양의 조건 등에 각각 2개의 포장에 히스토그램으로 피크가 있는 마늘과 피크가 없는 양파가 확연히 구분되는데, 이는 재배환경에 따라 특정작물의 히스토그램 분포는 영향을 받지 않음을 알 수 있다. 작물의 구분에 있어 생산량을 예측하고 소요되는 센싱 시간 및 결과에 따른 다양한 예측을 위해서는 작물이 파종되어 잎이 나온 시기를 시작으로 가장 빠른 시기에 정확한 구분이 요구된다. 그러므로 작물이 적당히 자라는 시점을 기준으로 측정하는 것이 좋으며 이를 위해서는 샘플자료(도 4 내지 도 7)의 파종 또는 정식을 기준으로 대략 7개월(도 10)에 측정하는 것이 정확한 결과를 획득할 수 있다. 이는 작물의 종류를 일찍 판단하여 생산량에 따른 의사 결정을 할 수 있도록 한 것이다.
참고로, 도 8은 양파와 마늘의 파종 후 55개월의 포장별 특성을 나타낸 히스토그램 분포이고, 도 9는 양파와 마늘의 파종 후 6개월의 포장별 특성을 나타낸 히스토그램 분포이며, 도 10은 양파와 마늘의 파종 후 7개월의 포장별 특성을 나타낸 히스토그램 분포이고, 도 11은 양파와 마늘의 파종 후 8개월의 포장별 특성을 나타낸 히스토그램 분포이다(가로축은 NDVI, 세로축은 픽셀수의 백분율).
또한, 백분율로 환산된 히스토그램은 NDVI 지수의 구간분포를 기반으로 작물의 종류를 구분하기 위한 패턴은 다음의 2가지 방식을 사용한다.
첫 번째는 특정 구간, 예컨대, NDVI 0.6~0.8의 그래프 면적의 합이 전체 그래프 면적에서 차지하는 비율을 기준으로 하는 방법(이하, 구간 확률)이고, 두 번째는 히스토그램 패턴을 3가지 유형으로 구분하여 피크 값이 어디에 있는지를 활용하는 방법이다. 참고로, NDVI 0.27~0.8의 구간 확률이 5%미만인 경우에는 해당포장은 가뭄이나 병충해로 피해를 입은 것으로 판단할 수 있다.
즉, 도 12에서, 구간 분포의 종류는 NDVI 0.27~0.8까지를 3등분하여 해당 각 등분의 평균 백분율값과 최고 백분율값 간의 중간 백분율값을 기준 값으로 한다.
여기에서, 피크가 없는 분포는 정규분포, T분포 형태로 기준 값이 유사하게 증가, 감소하는 분포(하위 두 구간(①,②)의 기준 값 차이가 상위 두 구간(②,③)의 기준 값 차이에 2.5배 미만)이고, 피크가 있는 분포는 일반분포와 다르게 특정 구역에서 피크가 존재하는 분포로 기준 값을 기준으로 피크의 존재여부는 기준 값 크기에 있어 하위 두 구간(①,②)의 기준 값 차이가 기준 값 크기에 있어 상위 두 구간(②,③)의 기준 값 차이에 2.5배 이상인 경우로 정의하고 피크의 위치에 따라 다음의 3가지 종류로 나눈다.
좌 피크는 기준 값의 크기 순서가 각각 1, 2, 3 또는 1, 3, 2의 순서인 경우이고, 우 피크는 기준 값의 크기 순서가 3, 1, 2 또는 3, 2, 1의 순서인 경우이며, 중간 피크는 기준 값의 크기 순서가 2, 1, 3 또는 2, 3, 1의 순서인 경우이다.
따라서 단위 포장별로 예를 들어, 마늘 포장은 우 피크가 발생하면서 피크 값이 NDVI 0.6~0.8 사이인 포장이고 산정된 구간 확률이 70% 이상의 확률을 갖는 포장이어야 하며, 해당 포장의 공간정보에서 면적을 산정하여 합산함으로써 마늘 재배면적을 산정할 수 있다. 따라서, 본 발명은 공간지형정보기반 확률산정방식을 적용하고 있다.
또한, 1차로 비재배 포장을 제외하고 2차로 피해로 인한 산정불가능 포장을 제외하거나 피해 포장만을 검색하여 피해액 등을 산정하는데 사용할 수 있고 마지막으로 특정 작물의 재배면적을 산정한 후 단위 면적당 생산량을 곱하여 총 생산량을 예측할 수 있다.
그리고 다분광 영상 히스토그램 패턴분석 툴(20)에서 분석이 완료된 정보를 디스플레이장치(40)를 통해 포장 단위별 총면적과 단위 면적당 생산량을 활용하여 총생산량을 예측할 수 있는 가시적인 통계정보를 표시한다(S9). 즉, 도 13에서, 특정 지역의 작물 히스토그램을 통하여 산정된 포장 단위별 마늘의 확률 지도(하늘색으로 표시)와 재배면적 통계정보를 GIS 화면에서 확인할 수 있다.
이후, 단위 면적당 생산량의 산출로 해당하는 작물의 총생산량을 예측할 수 있도록 하고, 모든 산출된 정보는 저장장치(30)에 저장한다(S10).
이상의 설명에서 본 발명은 특정의 실시 예와 관련하여 도시 및 설명하였지만, 청구범위에 의해 나타난 발명의 사상 및 영역으로부터 벗어나지 않는 한도 내에서 다양한 개조 및 변화가 가능하다는 것을 이 기술분야에서 통상의 지식을 가진 자라면 누구나 쉽게 알 수 있을 것이다.
1: 무인비행체 2: 다분광 센서
10: 영상저장매체 20: 다분광영상 히스토그램 패턴분석 툴
21: 전처리모듈 22: NDVI연산모듈
23: 히스토그램생성모듈 24: 백분율변환모듈
25: 패턴분석모듈 30: 저장장치
40: 디스플레이장치

Claims (9)

  1. 무인비행체가 작물재배지를 촬영하여 획득한 다분광 센서 정보데이터가 저장된 저장매체로부터 상기 다분광 센서 정보데이터가 수집되면, 상기 다분광 센서 정보데이터를 보정처리기술을 통해 공간기하연산을 위한 공간자료처리과정을 거쳐 영상을 공간자료화하고, 공간자료화된 다분광 센서 영상과 포장 단위별 공간벡터자료 사이의 공간연산을 수행하는 전처리 모듈;
    상기 전처리 모듈에서 전처리가 이루어진 영상정보를 가시광선 밴드와 근적외선 밴드의 반사 값을 NDVI 지수식을 이용하여 -1.0 ~ +1.0 범위의 지수 값으로 연산하는 NDVI연산모듈;
    상기 NDVI연산모듈에서 연산된 NDVI의 지수 값만을 각각의 포장 단위별로 추출하여 NDVI 구간 값을 가로 좌표축으로 저장하고 해당 구간 값을 갖는 픽셀 수를 속성 값으로 하는 세로 좌표축으로 저장하여 히스토그램을 생성하는 히스토그램생성모듈;
    상기 생성된 히스토그램을 픽셀의 수가 분포된 전체 분포도에서의 백분율로 표준화하는 백분율변환모듈;
    상기 표준화된 백분율을 확률에 따라 작물의 종류 및 생육상태를 구분하여 히스토그램 그래프의 패턴을 분석하는 패턴분석모듈, 및
    분석이 완료된 정보를 디스플레이장치를 통해 가시적인 통계정보로 표시하는 패턴분석모듈;을 포함하여 이루어진, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
  2. 제 1 항에 있어서,
    상기 NDVI 지수식은,
    Figure pat00007

    (여기서,
    Figure pat00008
    는 근적외선 밴드의 분광반사도이고,
    Figure pat00009
    는 가시광선 밴드의 분광반사도)이 적용되되, NDVI 지수식에서 산출된 지수 값으로 양수(+) 값은 녹색 식물의 증가이고, 음수(-) 값은 물이나 황무지 또는 얼음이나 눈 또는 구름을 포함하는 비식생을 나타내는, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
  3. 제 1 항에 있어서,
    상기 히스토그램생성모듈은 포장 단위별 벡터기반의 공간정보를 기본으로 히스토그램을 생성하지 못하는 지역은 1~10미터의 포장셀(인덱스 벡터 구역)을 자동 생성하여 개별 포장셀 단위 히스토그램 정보를 사용하는, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
  4. 제 1 항에 있어서,
    상기 히스토그램생성모듈은 NDVI가 식물인 경우에 0.2~0.8의 NDVI만 히스토그램을 생성하고 그 미만 또는 초과하는 경우에는 부수재(비재배포장)로 판단하여 히스토그램의 생성에서 제외하는, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
  5. 제 1 항에 있어서,
    상기 백분율변환모듈은 작물만의 히스토그램을 파악할 수 있는 구간을 포함하는 0~1.0 구간에 해당하는 히스토그램을 100등분하여 구간 당 0.01 값을 기준으로 변환하는, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
  6. 제 1 항에 있어서,
    상기 패턴분석모듈은 백분율로 그래프패턴을 분석하되, 특정구간의 확률이 전체의 70% 이상인 포장의 포장별 작물정보와 포장의 총면적, 그리고 단위 면적당 생산량을 통해 총생산량을 예측할 수 있도록 정보를 제공하는, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
  7. 제 1 항에 있어서,
    상기 패턴분석모듈은 백분율로 그래프패턴을 분석하되, 히스토그램의 피크 값의 위치와, 기준 값의 순서, 그리고 구간확률에 따라 작물의 종류를 판단하는, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
  8. 제 7 항에 있어서,
    상기 패턴분석모듈은 피크 값의 위치 분석에서 기준 값을 기준으로 피크의 존재여부는 기준 값 크기에 있어 하위 두 구간의 기준 값의 차이가 기준 값 크기에 있어 상위 두 구간의 기준 값의 차이에 대하여 2.5배 이상인 경우에 기준 값의 크기 순서에 따라 좌피크, 우피크 및 중간피크로 구분하는, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
  9. 제 7 항에 있어서,
    상기 패턴분석모듈은 구간분포의 분석에서 특정구간을 3등분하여 해당 각 등분의 평균 백분율값과 최고 백분율값 간의 중간 백분율값을 기준 값으로 하여 분석하는, 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치.
KR1020180095638A 2018-08-16 2018-08-16 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치 KR102125780B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180095638A KR102125780B1 (ko) 2018-08-16 2018-08-16 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180095638A KR102125780B1 (ko) 2018-08-16 2018-08-16 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치

Publications (2)

Publication Number Publication Date
KR20200020209A true KR20200020209A (ko) 2020-02-26
KR102125780B1 KR102125780B1 (ko) 2020-06-23

Family

ID=69637848

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180095638A KR102125780B1 (ko) 2018-08-16 2018-08-16 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치

Country Status (1)

Country Link
KR (1) KR102125780B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149711A (zh) * 2020-08-14 2020-12-29 南方科技大学 水文地形数据生成方法、装置、计算机设备和存储介质
KR20210009908A (ko) * 2019-07-18 2021-01-27 (주)아세아항측 다분광 카메라 및 라이다를 이용한 작물 생장상태 분석방법
KR20210088428A (ko) * 2020-01-06 2021-07-14 농업회사법인 주식회사 제주천지 분광 혹은 다분광 영상분석 가능한 약제 비산 또는 분산 측정용 조성물 및 그 조성물을 이용한 약제 비산 또는 분산 측정 방법
CN113139717A (zh) * 2021-03-31 2021-07-20 北京农业信息技术研究中心 作物苗情分级遥感监测方法及装置
KR20220010374A (ko) * 2020-07-17 2022-01-25 주식회사 쎄슬프라이머스 스마트 엣지 디바이스 기반의 생육 분석 방법 및 그를 위한 장치 및 시스템
DE202021106766U1 (de) 2021-12-13 2022-06-08 Shivani Agarwal Intelligentes Gerät zur Bestimmung des Gesundheitszustands von Pflanzen durch den Einsatz von IOT und maschinellem Lernen
WO2023172080A1 (ko) * 2022-03-11 2023-09-14 주식회사 카탈로닉스 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110094902A (ko) * 2010-02-18 2011-08-24 공주대학교 산학협력단 시공간 연속성을 이용한 식생 지수 보정방법
KR20130049567A (ko) 2011-11-04 2013-05-14 한국전자통신연구원 작물 관측 장치 및 그 방법
JP2017169511A (ja) * 2016-03-24 2017-09-28 株式会社日立ソリューションズ東日本 農作物の正常株率推定装置、農作物の収穫量予測装置および農作物の正常株率推定方法
JP2018046787A (ja) * 2016-09-23 2018-03-29 ドローン・ジャパン株式会社 農業管理予測システム、農業管理予測方法、及びサーバ装置
KR20180041463A (ko) * 2016-10-14 2018-04-24 주식회사미디어플로우 작물 생육 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110094902A (ko) * 2010-02-18 2011-08-24 공주대학교 산학협력단 시공간 연속성을 이용한 식생 지수 보정방법
KR20130049567A (ko) 2011-11-04 2013-05-14 한국전자통신연구원 작물 관측 장치 및 그 방법
JP2017169511A (ja) * 2016-03-24 2017-09-28 株式会社日立ソリューションズ東日本 農作物の正常株率推定装置、農作物の収穫量予測装置および農作物の正常株率推定方法
JP2018046787A (ja) * 2016-09-23 2018-03-29 ドローン・ジャパン株式会社 農業管理予測システム、農業管理予測方法、及びサーバ装置
KR20180041463A (ko) * 2016-10-14 2018-04-24 주식회사미디어플로우 작물 생육 장치

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210009908A (ko) * 2019-07-18 2021-01-27 (주)아세아항측 다분광 카메라 및 라이다를 이용한 작물 생장상태 분석방법
KR20210088428A (ko) * 2020-01-06 2021-07-14 농업회사법인 주식회사 제주천지 분광 혹은 다분광 영상분석 가능한 약제 비산 또는 분산 측정용 조성물 및 그 조성물을 이용한 약제 비산 또는 분산 측정 방법
KR20220010374A (ko) * 2020-07-17 2022-01-25 주식회사 쎄슬프라이머스 스마트 엣지 디바이스 기반의 생육 분석 방법 및 그를 위한 장치 및 시스템
CN112149711A (zh) * 2020-08-14 2020-12-29 南方科技大学 水文地形数据生成方法、装置、计算机设备和存储介质
CN112149711B (zh) * 2020-08-14 2023-10-10 南方科技大学 水文地形数据生成方法、装置、计算机设备和存储介质
CN113139717A (zh) * 2021-03-31 2021-07-20 北京农业信息技术研究中心 作物苗情分级遥感监测方法及装置
CN113139717B (zh) * 2021-03-31 2023-10-20 北京农业信息技术研究中心 作物苗情分级遥感监测方法及装置
DE202021106766U1 (de) 2021-12-13 2022-06-08 Shivani Agarwal Intelligentes Gerät zur Bestimmung des Gesundheitszustands von Pflanzen durch den Einsatz von IOT und maschinellem Lernen
WO2023172080A1 (ko) * 2022-03-11 2023-09-14 주식회사 카탈로닉스 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치

Also Published As

Publication number Publication date
KR102125780B1 (ko) 2020-06-23

Similar Documents

Publication Publication Date Title
KR102125780B1 (ko) 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치
Zhou et al. Assessment for crop water stress with infrared thermal imagery in precision agriculture: A review and future prospects for deep learning applications
Ampatzidis et al. Agroview: Cloud-based application to process, analyze and visualize UAV-collected data for precision agriculture applications utilizing artificial intelligence
Reza et al. Rice yield estimation based on K-means clustering with graph-cut segmentation using low-altitude UAV images
Boiarskii et al. Comparison of NDVI and NDRE indices to detect differences in vegetation and chlorophyll content
Stanton et al. Unmanned aircraft system-derived crop height and normalized difference vegetation index metrics for sorghum yield and aphid stress assessment
Li et al. Airborne LiDAR technique for estimating biomass components of maize: A case study in Zhangye City, Northwest China
Guo et al. Biomass and vegetation coverage survey in the Mu Us sandy land-based on unmanned aerial vehicle RGB images
CN106355143A (zh) 多源多时相高分遥感影像的制种玉米田识别方法及系统
US7271386B2 (en) Method for detecting and managing nematode population
Marino et al. Detection of homogeneous wheat areas using multi-temporal UAS images and ground truth data analyzed by cluster analysis
EP4150515A1 (en) System and method for crop monitoring
US20220307971A1 (en) Systems and methods for phenotyping
Xiao et al. Remote sensing detection algorithm for apple fire blight based on UAV multispectral image
CN109827957B (zh) 一种基于计算机视觉的水稻叶片spad值估测方法及系统
Hall Remote sensing applications for viticultural terroir analysis
CN109813286A (zh) 一种基于无人机的倒伏灾害遥感定损方法
Liu et al. Estimating potato above-ground biomass by using integrated unmanned aerial system-based optical, structural, and textural canopy measurements
CN115136207A (zh) 用于自动植物图像标记的方法和系统
CN110765977A (zh) 一种基于无人机多时相遥感数据提取小麦倒伏信息的方法
Fischer et al. Use of unmanned aircraft systems (UAS) and multispectral imagery for quantifying agricultural areas damaged by wild pigs
Meivel et al. Monitoring of potato crops based on multispectral image feature extraction with vegetation indices
Hu et al. A robust deep learning approach for the quantitative characterization and clustering of peach tree crowns based on UAV images
Yu et al. Hyperspectral database prediction of ecological characteristics for grass species of alpine grasslands
Mostafa et al. Using LiDAR technique and modified Community Land Model for calculating water interception of cherry tree canopy

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