KR20200031884A - 병충해 감지 장치 및 방법 - Google Patents

병충해 감지 장치 및 방법 Download PDF

Info

Publication number
KR20200031884A
KR20200031884A KR1020180110924A KR20180110924A KR20200031884A KR 20200031884 A KR20200031884 A KR 20200031884A KR 1020180110924 A KR1020180110924 A KR 1020180110924A KR 20180110924 A KR20180110924 A KR 20180110924A KR 20200031884 A KR20200031884 A KR 20200031884A
Authority
KR
South Korea
Prior art keywords
pest
crop
information
detection
result
Prior art date
Application number
KR1020180110924A
Other languages
English (en)
Inventor
박근호
이준환
김강섭
김병준
Original Assignee
전북대학교산학협력단
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 전북대학교산학협력단 filed Critical 전북대학교산학협력단
Priority to KR1020180110924A priority Critical patent/KR20200031884A/ko
Publication of KR20200031884A publication Critical patent/KR20200031884A/ko

Links

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
    • 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
    • G01N33/02—Food
    • 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
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Catching Or Destruction (AREA)

Abstract

병충해 감지 장치 및 방법이 개시된다. 본 발명의 일 실시예에 따른 병충해 감지 장치는, 사용자 단말로부터 농작물에 대한 이미지 정보를 포함하는 농작물 관련 정보를 수신하고, 상기 농작물에 대한 병충해 감지 결과를 상기 사용자 단말로 전송하는 통신부, 상기 농작물 관련 정보, 상기 병충해 감지 결과 및 병충해 관련 정보를 저장하는 저장부 및 사전 레이블링(labeling)된 복수의 병충해 이미지를 이용하여 사전 학습된 딥러닝(deep learning) 기반 감지 모델을 이용하여 상기 이미지 정보로부터 상기 농작물에 대한 병충해 감지 결과를 생성하는 감지부를 포함한다.

Description

병충해 감지 장치 및 방법{APPARATUS AND METHOD FOR DETECTING DAMAGES BY BLIGHT AND HARMFUL INSECTS}
본 발명의 실시예들은 병충해 감지 기술과 관련된다.
과거부터 현재에 이르기까지 농가 등에서는 병충해 피해를 예방 및 방지하기 위한 많은 노력을 하고 있다. 왜냐하면, 병충해는 농작물의 생산량에 치명적인 영향을 끼치고, 병충해 방제 작업의 난이도가 높기 때문이다. 이때, 병충해에 의한 농작물의 피해를 최소화하기 위해서는 병충해의 발생을 예방하는 것이 중요하다. 따라서, 병충해의 발생 시기를 적절하게 판단하고, 병충해 대한 방제 계획을 수립할 필요가 있다.
한편, 종래의 기술은 사람이 직접 농작물 이미지의 특징을 추출하고, 농작물 병충해 감지기를 이용하여 추출된 특징으로부터 농작물의 병충해를 감지한다. 이때, 종래의 기술은 농작물 병충해 감지기의 병충해 감지 성능이 사람에 의해 추출된 특징에 기초하여 달라지게 되고, 새로운 환경의 농작물 이미지에 대해서는 병충해 감지 성능이 낮다는 문제점이 있다.
한국등록특허 제10-1653201호 (2016.09.01. 공고)
본 발명의 실시예들은 병충해 감지 장치 및 방법을 제공하기 위한 것이다.
본 발명의 일 실시예에 따른 병충해 감지 장치는, 사용자 단말로부터 농작물에 대한 이미지 정보를 포함하는 농작물 관련 정보를 수신하고, 상기 농작물에 대한 병충해 감지 결과를 상기 사용자 단말로 전송하는 통신부, 상기 농작물 관련 정보, 상기 병충해 감지 결과 및 병충해 관련 정보를 저장하는 저장부 및 사전 레이블링(labeling)된 복수의 병충해 이미지를 이용하여 사전 학습된 딥러닝(deep learning) 기반 감지 모델을 이용하여 상기 이미지 정보로부터 상기 농작물에 대한 병충해 감지 결과를 생성하는 감지부를 포함한다.
상기 농작물 관련 정보는, 상기 농작물과 관련된 텍스트 정보를 더 포함할 수 있다.
상기 텍스트 정보는, 상기 농작물에 대한 환경 정보, 방제 정보, 영양제 정보 및 병충해 관련 증상 중 적어도 하나를 포함할 수 있다.
상기 감지부는, 상기 병충해 관련 정보를 기반으로 한 추론 모델을 이용하여 상기 텍스트 정보로부터 상기 농작물에 대한 병충해를 감지하고, 상기 병충해 감지 결과는, 상기 딥러닝 기반 감지 모델 및 상기 추론 모델 중 적어도 하나에 의해 감지된 병충해 감지 결과를 포함할 수 있다.
상기 추론 모델은, 통계적 추론 모델 및 사례기반 추론 모델 중 하나를 포함할 수 있다.
상기 병충해 감지 장치는, 상기 이미지 정보에 대한 전문가의 병충해 진단 결과 및 상기 병충해 감지 결과를 이용한 튜링 테스트(turing test)에 기초하여 상기 딥러닝 기반 감지 모델의 정확도를 판단하는 정확도 판단부를 더 포함하고, 상기 통신부는, 상기 이미지 정보를 상기 전문가의 단말로 전송하여, 상기 전문가의 단말로부터 상기 전문가의 병충해 진단 결과를 수신할 수 있다.
본 발명의 일 실시예에 따른 병충해 감지 방법은, 사용자 단말로부터 농작물에 대한 이미지 정보를 포함하는 농작물 관련 정보를 수신하는 단계, 상기 농작물 관련 정보를 저장하는 단계, 사전 레이블링(labeling)된 복수의 병충해 이미지를 이용하여 사전 학습된 딥러닝(deep learning) 기반 감지 모델을 이용하여 상기 이미지 정보로부터 상기 농작물에 대한 병충해 감지 결과를 생성하는 단계, 상기 병충해 감지 결과를 저장하는 단계 및 상기 병충해 감지 결과를 상기 사용자 단말로 전송하는 단계를 포함한다.
상기 농작물 관련 정보는, 상기 농작물과 관련된 텍스트 정보를 더 포함할 수 있다.
상기 텍스트 정보는, 상기 농작물에 대한 환경 정보, 방제 정보, 영양제 정보 및 병충해 관련 증상 중 적어도 하나를 포함할 수 있다.
상기 감지 결과를 생성하는 단계는, 기 저장된 병충해 관련 정보를 기반으로 한 추론 모델을 이용하여 상기 텍스트 정보로부터 상기 농작물에 대한 병충해를 감지하는 단계를 더 포함하고, 상기 병충해 감지 결과는, 상기 딥러닝 기반 감지 모델 및 상기 추론 모델 중 적어도 하나에 의해 감지된 병충해 감지 결과를 포함할 수 있다.
상기 추론 모델은, 통계적 추론 모델 및 사례기반 추론 모델 중 하나를 포함할 수 있다.
상기 병충해 감지 방법은, 상기 이미지 정보를 전문가의 단말로 전송하는 단계, 상기 전문가의 단말로부터 상기 이미지 정보에 대한 전문가의 병충해 진단 결과를 수신하는 단계 및 상기 전문가의 병충해 진단 결과 및 상기 병충해 감지 결과를 이용한 튜링 테스트(turing test)에 기초하여 상기 딥러닝 기반 감지 모델의 정확도를 판단하는 단계를 더 포함할 수 있다.
본 발명의 실시예들에 따르면, 딥러닝(deep learning) 기반의 병충해 감지 모델을 이용하여 농작물에 대한 병충해를 감지함으로써 병충해 감지에 대한 정확도를 높일 수 있다.
또한, 본 발명의 실시예들에 따르면, 사용자의 단말을 이용하여 병충해 감지 서비스를 제공받음으로써 농작물에 대한 정보를 쉽게 축적할 수 있고, 사용자는 정확도가 높은 병충해 감지 서비스를 간편하게 제공받을 수 있다.
도 1은 본 발명의 일 실시예에 따른 병충해 감지 시스템의 구성도
도 2는 본 발명의 일 실시예에 따른 병충해 감지 장치의 구성도
도 3은 본 발명의 일 실시예에 따른 이미지 정보를 예시한 도면
도 4는 본 발명의 일 실시예에 따른 텍스트 정보를 예시한 도면
도 5는 본 발명의 일 실시예에 따른 병충해 감지 결과를 예시한 도면
도 6은 본 발명의 추가적 실시예에 따른 병충해 감지 장치의 구성도
도 7은 본 발명의 일 실시예에 따른 병충해 감지 방법의 순서도
도 8은 본 발명의 일 실시예에 따른 딥러닝 기반 감지 모델의 정확도를 판단하는 방법의 순서도
도 9는 본 발명의 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
도 1은 본 발명의 일 실시예에 따른 병충해 감지 시스템(100)의 구성도이다.
본 발명의 일 실시예에 따른 병충해 감지 시스템(100)은 사용자가 자신이 소지한 단말을 이용하여 자신의 농작물에 대한 병충해 발생 정보를 획득할 수 있도록 하는 병충해 감지 서비스를 제공하기 위한 것이다.
구체적으로, 도 1을 참조하면, 병충해 감지 시스템(100)은 사용자 단말(110) 및 병충해 감지 서버(130)를 포함한다.
사용자 단말(110)은 예를 들어, 스마트폰, 테블릿 PC 등과 같이 디스플레이 수단, 촬영 수단, 입력 수단, 정보처리 수단 및 유무선 네트워크를 통한 데이터 통신 수단을 구비한 다양한 형태의 장치들을 포함할 수 있다.
사용자 단말(110)은 농작물에 대한 이미지 정보 및 텍스트 정보를 생성할 수 있다. 예를 들어, 사용자 단말(110)은 사용자에 의해 제어되어 촬영 수단을 통해 농작물을 촬영함으로써 이미지 정보를 생성할 수 있다. 다른 예로, 사용자 단말(110)은 입력 수단을 통해 사용자로부터 농작물에 대한 텍스트를 입력받아 텍스트 정보를 생성할 수 있다. 이때, 사용자 단말(110)은 생성된 이미지 정보 및 텍스트 정보를 포함하는 농작물 과련 정보를 통신 수단을 이용하여 병충해 감지 서버(130)로 전송할 수 있다.
또한, 사용자 단말(110)은 병충해 감지 서버(130)로부터 사용자의 농작물에 대한 병충해 감지 결과를 수신하고, 디스플레이 수단을 이용하여 사용자에게 병충해 감지 결과를 제공할 수 있다.
병충해 감지 서버(130)는 유/무선 네트워크를 통해 사용자 단말(110)과 연계하여 사용자에게 병충해 감지 서비스를 제공하기 위한 하나 이상의 서버로 구성될 수 있다.
병충해 감지 서버(130)는 농작물에 대한 병충해 관련 정보가 미리 저장되어 있는 데이터 베이스를 포함할 수 있다. 병충해 감지 서버(130)는 농작물에 대한 병충해를 감지하여 병충해 감지 결과를 사용자 단말(110)로 전송함으로써 사용자에게 병충해 감지 서비스를 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 병충해 감지 장치(200)의 구성도이다.
도 2에 도시된 병충해 감지 장치(200)는 예를 들어, 도 1에 도시된 병충해 감지 서버(130)에 포함된 일 구성으로 구현될 수 있다.
도 2를 참조하면, 병충해 감지 장치(200)는 통신부(210), 저장부(230) 및 감지부(250)를 포함한다.
통신부(210)는 사용자 단말(110)로부터 농작물에 대한 이미지 정보를 포함하는 농작물 관련 정보를 수신하고, 농작물에 대한 병충해 감지 결과를 사용자 단말(110)로 전송한다.
이때, 이미지 정보는 사용자에 의해 촬영된 농작물에 대한 사진, 동영상 등을 의미한다.
도 3은 본 발명의 일 실시예에 따른 이미지 정보를 예시한 도면이다.
도 3을 참조하면, 이미지 정보는 사용자 단말(110)을 이용하여 사용자에 의해 촬영된 농작물의 사진과 해당 농작물의 촬영부위, 농작물의 위치 등 농작물의 사진에 대한 부가 설명을 포함할 수 있다.
한편, 본 발명의 일 실시예에 따르면 농작물 관련 정보는 농작물과 관련된 텍스트 정보를 더 포함할 수 있다. 이때, 텍스트 정보는 농작물에 대한 환경 정보, 방제 정보, 영양제 정보 및 병충해 관련 증상 중 적어도 하나를 포함할 수 있다.
도 4는 본 발명의 일 실시예에 따른 텍스트 정보를 예시한 도면이다.
도 4(a)를 참조하면, 텍스트 정보는 농작물의 이름, 농작물의 종류, 파종 등 기본 정보를 포함할 수 있다. 또한, 도 4(b)를 참조하면, 텍스트 정보는 농장의 지역, 규모 등 농작물이 재배되는 농장에 대한 정보를 포함할 수 있다. 또한, 도 4(c)를 참조하면, 텍스트 정보는 온도, 습도, 조도, 일조량 등 농작물이 재배되는 환경에 대한 정보를 포함할 수 있다. 또한, 도 4(d)를 참조하면, 텍스트 정보는 방제 이름, 방제 날짜 등 농작물 방제 이력에 대한 정보를 포함할 수 있다. 또한, 도 4(e)를 참조하면, 영양제 이름, 영양제 날짜 등 농작물에 영양제를 주입한 이력에 대한 정보를 포함할 수 있다.
한편, 통신부(210)는 농작물에 대한 이미지 정보를 전문가의 단말로 전송하여, 전문가의 단말로부터 이미지 정보에 대한 전문가의 병충해 진단 결과를 수신할 수 있다.
예를 들어, 사용자가 자신의 농작물에 대해 병충해 전문가의 병충해 감지 서비스를 선택한 경우, 통신부(210)는 사용자 단말(110)로부터 수신한 농작물에 대한 이미지 정보를 전문가의 단말로 전송하여 전문가에게 이미지 정보를 제공할 수 있다. 또한, 통신부(210)는 전문가의 단말로부터 전문가의 병충해 진단 결과를 수신하고, 전문가의 병충해 진단 결과를 사용자 단말(110)로 전송함으로써 사용자에게 전문가의 병충해 진단 서비스를 제공할 수 있다.
저장부(230)는 농작물 관련 정보, 병충해 감지 결과 및 병충해 관련 정보를 저장한다.
이때, 병충해 관련 정보는 기존의 농작물들에 발생된 병충해와 관련된 정보들을 의미하는 것으로 예를 들어, 병충해의 종류별 발생 확률, 병충해 발생 사례 등을 포함할 수 있다.
감지부(250)는 전문가에 의해 사전 레이블링(labeling)된 복수의 병충해 이미지를 이용하여 사전 학습된 딥러닝(deep learning) 기반 감지 모델을 이용하여 농작물에 대한 이미지 정보로부터 농작물에 대한 병충해 감지 결과를 생성한다.
이때, 딥러닝 기반 감지 모델은 농작물에 대한 이미지 정보를 분석하여 농작물의 병충해를 감지하기 위한 데이터 기반(data driven) 방식의 딥러닝 모델일 수 있다.
도 5는 본 발명의 일 실시예에 따른 병충해 감지 결과를 예시한 도면이다.
도 5를 참조하면, 병충해 감지 결과는 농작물의 특정 부위를 표시하고, 해당 부위에 발생한 병충해의 종류를 나타낼 수 있다.
한편, 본 발명의 일 실시예에 따르면, 감지부(250)는 병충해 관련 정보를 기반으로 한 추론 모델을 이용하여 농작물과 관련된 텍스트 정보로부터 농작물에 대한 병충해를 감지할 수 있다.
본 발명의 일 실시예에 따르면, 추론 모델은 통계적 추론 모델 및 사례기반 추론 모델 중 하나를 포함할 수 있다. 이??, 통계적 추론은 예를 들어, 베이즈 추론(Bayesian reasoning)일 수 있다.
예를 들어, 감지부(250)는 기존의 농작물들에 발생된 병충해의 종류별 발생 확률을 기반으로 농작물과 관련된 텍스트 정보를 분석하여 해당 농작물에 발생된 병충해를 판단할 수 있다.
다른 예로, 감지부(250)는 농작물과 관련된 텍스트 정보를 분석하여 기존의 농작물들에 발생된 병충해 발생 사례 중 해당 농작물과 비슷한 상황을 가졌던 사례를 추출하여 비교 분석 함으로써 농작물의 병충해 발생 여부를 판단할 수 있다.
이에 따라, 감지부(250)는 농작물에 대한 이미지 정보뿐만 아니라 텍스트 정보를 함께 이용하여 농작물에 대한 병충해를 감지함으로써 병충해 감지에 대한 정확도를 높일 수 있다.
한편, 본 발명의 일 실시예에 따르면, 병충해 감지 결과는 딥러닝 기반 감지 모델 및 추론 모델 중 적어도 하나에 의해 감지된 병충해 감지 결과를 포함할 수 있다.
도 6은 본 발명의 추가적 실시예에 따른 병충해 감지 장치(600)의 구성도이다.
도 6을 참조하면, 병충해 감지 장치(600)는 정확도 판단부(610)를 더 포함한다. 도 6에 도시된 예에서 통신부(210), 저장부(230) 및 감지부(250)는 도 1에 도시된 구성과 동일한 구성이므로 이에 대한 중복적인 설명은 생략한다.
정확도 판단부(610)는 이미지 정보에 대한 전문가의 병충해 진단 결과 및 농작물에 대한 병충해 감지 결과를 이용한 튜링 테스트(turing test)에 기초하여 딥러닝 기반 감지 모델의 정확도를 판단할 수 있다.
구체적으로, 정확도 판단부(610)는 전문가의 병충해 진단 결과 및 감지부(250)에 의해 생성된 병충해 감지 결과를 이용하여 튜링 테스트를 수행하고, 튜링 테스트의 결과를 통해 딥러닝 기반 감지 모델의 정확도를 판단할 수 있다.
이에 따라, 정확도 판단부(610)는 튜링 테스트를 이용하여 딥러닝 기반 감지 모델의 정확도를 판단함으로써 정확도가 낮은 경우 딥러닝 기반 감지 모델을 추가 학습시켜 딥러닝 기반 감지 모델의 병충해 감지 성능을 향상시킬 수 있다.
도 7은 본 발명의 일 실시예에 따른 병충해 감지 방법의 순서도이다.
도 7에 도시된 방법은 예를 들어, 도 2에 도시된 병충해 감지 장치(200)에 의해 수행될 수 있다.
도 7을 참조하면, 병충해 감지 장치(200)는 사용자 단말(110)로부터 농작물에 대한 이미지 정보를 포함하는 농작물 관련 정보를 수신한다(710).
이후, 병충해 감지 장치(200)는 농작물 관련 정보를 저장한다(720).
이후, 병충해 감지 장치(200)는 사전 레이블링(labeling)된 복수의 병충해 이미지를 이용하여 사전 학습된 딥러닝(deep learning) 기반 감지 모델을 이용하여 농작물에 대한 이미지 정보로부터 농작물에 대한 병충해 감지 결과를 생성한다(730).
또한, 병충해 감지 장치(200)는 기 저장된 병충해 관련 정보를 기반으로 한 추론 모델을 이용하여 농작물과 관련된 텍스트 정보로부터 농작물에 대한 병충해를 감지할 수 있다.
이후, 병충해 감지 장치(200)는 농작물에 대한 병충해 감지 결과를 저장한다(740).
이후, 병충해 감지 장치(200)는 농작물에 대한 병충해 감지 결과를 사용자 단말(110)로 전송한다(750).
도 8은 본 발명의 일 실시예에 따른 딥러닝 기반 감지 모델의 정확도를 판단하는 방법의 순서도이다.
도 8에 도시된 방법은 예를 들어, 도 6에 도시된 병충해 감지 장치(600)에 의해 수행될 수 있다.
도 8을 참조하면, 병충해 감지 장치(600)는 농작물에 대한 이미지 정보를 전문가의 단말로 전송한다(810).
이후, 병충해 감지 장치(600)는 전문가 단말로부터 이미지 정보에 대한 전문가의 병충해 진단 결과를 수신한다(820).
이후, 병충해 감지 장치(600)는 농작물에 대한 전문가 진단 결과 및 농작물에 대한 병충해 감지 결과를 이용한 튜링 테스트에 기초하여 딥러닝 기반 감지 모델의 정확도를 판단한다(830).
한편, 도 7 및 도 8에 도시된 순서도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
도 9는 본 발명의 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 예를 들어, 도 2 및 도 6에 도시된 통신부(210), 저장부(230) 및 감지부(250), 정확도 판단부(610)와 같이 병충해 감지 장치(200, 600) 에 포함되는 하나 이상의 컴포넌트일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
10: 컴퓨팅 환경
12: 컴퓨팅 장치
14: 프로세서
16: 컴퓨터 판독 가능 저장 매체
18: 통신 버스
20: 프로그램
22: 입출력 인터페이스
24: 입출력 장치
26: 네트워크 통신 인터페이스
100: 병충해 감지 시스템
110: 사용자 단말
130: 병충해 감지 서버
200, 600: 병충해 감지 장치
210: 통신부
230: 저장부
250: 감지부
610: 정확도 판단부

Claims (12)

  1. 사용자 단말로부터 농작물에 대한 이미지 정보를 포함하는 농작물 관련 정보를 수신하고, 상기 농작물에 대한 병충해 감지 결과를 상기 사용자 단말로 전송하는 통신부;
    상기 농작물 관련 정보, 상기 병충해 감지 결과 및 병충해 관련 정보를 저장하는 저장부; 및
    사전 레이블링(labeling)된 복수의 병충해 이미지를 이용하여 사전 학습된 딥러닝(deep learning) 기반 감지 모델을 이용하여 상기 이미지 정보로부터 상기 농작물에 대한 병충해 감지 결과를 생성하는 감지부를 포함하는 병충해 감지 장치.
  2. 청구항 1에 있어서,
    상기 농작물 관련 정보는, 상기 농작물과 관련된 텍스트 정보를 더 포함하는 병충해 감지 장치.
  3. 청구항 2에 있어서,
    상기 텍스트 정보는, 상기 농작물에 대한 환경 정보, 방제 정보, 영양제 정보 및 병충해 관련 증상 중 적어도 하나를 포함하는 병충해 감지 장치.
  4. 청구항 2에 있어서,
    상기 감지부는, 상기 병충해 관련 정보를 기반으로 한 추론 모델을 이용하여 상기 텍스트 정보로부터 상기 농작물에 대한 병충해를 감지하고,
    상기 병충해 감지 결과는, 상기 딥러닝 기반 감지 모델 및 상기 추론 모델 중 적어도 하나에 의해 감지된 병충해 감지 결과를 포함하는 병충해 감지 장치.
  5. 청구항 4에 있어서,
    상기 추론 모델은, 통계적 추론 모델 및 사례기반 추론 모델 중 하나를 포함하는 병충해 감지 장치.
  6. 청구항 1에 있어서,
    상기 이미지 정보에 대한 전문가의 병충해 진단 결과 및 상기 병충해 감지 결과를 이용한 튜링 테스트(turing test)에 기초하여 상기 딥러닝 기반 감지 모델의 정확도를 판단하는 정확도 판단부를 더 포함하고,
    상기 통신부는, 상기 이미지 정보를 상기 전문가의 단말로 전송하여, 상기 전문가의 단말로부터 상기 전문가의 병충해 진단 결과를 수신하는 병충해 감지 장치.
  7. 사용자 단말로부터 농작물에 대한 이미지 정보를 포함하는 농작물 관련 정보를 수신하는 단계;
    상기 농작물 관련 정보를 저장하는 단계;
    사전 레이블링(labeling)된 복수의 병충해 이미지를 이용하여 사전 학습된 딥러닝(deep learning) 기반 감지 모델을 이용하여 상기 이미지 정보로부터 상기 농작물에 대한 병충해 감지 결과를 생성하는 단계;
    상기 병충해 감지 결과를 저장하는 단계; 및
    상기 병충해 감지 결과를 상기 사용자 단말로 전송하는 단계를 포함하는 병충해 감지 방법.
  8. 청구항 7에 있어서,
    상기 농작물 관련 정보는, 상기 농작물과 관련된 텍스트 정보를 더 포함하는 병충해 감지 방법.
  9. 청구항 8에 있어서,
    상기 텍스트 정보는, 상기 농작물에 대한 환경 정보, 방제 정보, 영양제 정보 및 병충해 관련 증상 중 적어도 하나를 포함하는 병충해 감지 방법.
  10. 청구항 8에 있어서,
    상기 감지 결과를 생성하는 단계는, 기 저장된 병충해 관련 정보를 기반으로 한 추론 모델을 이용하여 상기 텍스트 정보로부터 상기 농작물에 대한 병충해를 감지하는 단계를 더 포함하고,
    상기 병충해 감지 결과는, 상기 딥러닝 기반 감지 모델 및 상기 추론 모델 중 적어도 하나에 의해 감지된 병충해 감지 결과를 포함하는 병충해 감지 방법.
  11. 청구항 10에 있어서,
    상기 추론 모델은, 통계적 추론 모델 및 사례기반 추론 모델 중 하나를 포함하는 병충해 감지 방법.
  12. 청구항 7에 있어서,
    상기 이미지 정보를 전문가의 단말로 전송하는 단계;
    상기 전문가의 단말로부터 상기 이미지 정보에 대한 전문가의 병충해 진단 결과를 수신하는 단계; 및
    상기 전문가의 병충해 진단 결과 및 상기 병충해 감지 결과를 이용한 튜링 테스트(turing test)에 기초하여 상기 딥러닝 기반 감지 모델의 정확도를 판단하는 단계를 더 포함하는 병충해 감지 방법.
KR1020180110924A 2018-09-17 2018-09-17 병충해 감지 장치 및 방법 KR20200031884A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180110924A KR20200031884A (ko) 2018-09-17 2018-09-17 병충해 감지 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180110924A KR20200031884A (ko) 2018-09-17 2018-09-17 병충해 감지 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20200031884A true KR20200031884A (ko) 2020-03-25

Family

ID=70001595

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180110924A KR20200031884A (ko) 2018-09-17 2018-09-17 병충해 감지 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20200031884A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705419A (zh) * 2021-08-24 2021-11-26 上海劲牛信息技术有限公司 农作物病虫草害识别处理方法、装置、电子设备及存储介质
KR20220071581A (ko) * 2020-11-24 2022-05-31 손정혁 모바일기기를 이용한 농작물의 단계별 장애요인 확인시스템
WO2022215811A1 (ko) * 2021-04-06 2022-10-13 전북대학교산학협력단 농작물 병충해 자동 감지 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101653201B1 (ko) 2016-06-30 2016-09-01 주식회사 해밀환경 농작물의 병충해 진단 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101653201B1 (ko) 2016-06-30 2016-09-01 주식회사 해밀환경 농작물의 병충해 진단 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220071581A (ko) * 2020-11-24 2022-05-31 손정혁 모바일기기를 이용한 농작물의 단계별 장애요인 확인시스템
WO2022215811A1 (ko) * 2021-04-06 2022-10-13 전북대학교산학협력단 농작물 병충해 자동 감지 시스템
CN113705419A (zh) * 2021-08-24 2021-11-26 上海劲牛信息技术有限公司 农作物病虫草害识别处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US10594715B2 (en) Apparatus for detecting anomaly and operating method for the same
KR102363794B1 (ko) 정보 제공 방법 및 이를 지원하는 전자 장치
KR101607934B1 (ko) 전염병 모니터링 방법 및 이를 이용한 시스템, 이를 수행하기 위한 기록매체
CN110139067B (zh) 一种野生动物监测数据管理信息系统
KR20200031884A (ko) 병충해 감지 장치 및 방법
US10679054B2 (en) Object cognitive identification solution
EP3948892A1 (en) System and method for remote patient monitoring
US11301995B2 (en) Feature identification in medical imaging
CN109963072B (zh) 对焦方法、装置、存储介质及电子设备
US11227684B2 (en) Systems and methods for processing electronic images for health monitoring and forecasting
US20200152328A1 (en) Cognitive analysis for identification of sensory issues
CN111227789A (zh) 人体健康监护方法和装置
KR20220039373A (ko) 스마트 축사 시스템 및 그를 이용한 축사 모니터링 방법
KR20210155655A (ko) 이상 온도를 나타내는 객체를 식별하는 방법 및 장치
KR20210004184A (ko) 마킹 정보의 식별 기반의 가축 관리 방법 및 이를 수행하는 컴퓨팅 장치와 서버
US20200089995A1 (en) Disruption of face detection
US11501451B2 (en) Detecting subject motion in medical imaging
JP2020190913A (ja) 読影支援装置および読影支援方法
KR20150116000A (ko) 피부 진단 방법 및 장치
EP4376017A1 (en) Ai model optimization through user feedback
KR102525371B1 (ko) 진단 방법 및 장치
KR102622395B1 (ko) 연합 학습 방법을 활용한 컬러 캘리브레이션 방법 및 그 시스템
US20240153645A1 (en) Detecting infection sources
KR20230017963A (ko) 머신비전 기반 pls 정보 관리 방법 및 시스템
US20220229646A1 (en) Method, apparatus, and computer readable medium for sensor-based application deployment

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application
E601 Decision to refuse application
E801 Decision on dismissal of amendment