KR20200068052A - 카메라 모듈을 이용한 병해충 진단 및 방제 방법 - Google Patents

카메라 모듈을 이용한 병해충 진단 및 방제 방법 Download PDF

Info

Publication number
KR20200068052A
KR20200068052A KR1020180147434A KR20180147434A KR20200068052A KR 20200068052 A KR20200068052 A KR 20200068052A KR 1020180147434 A KR1020180147434 A KR 1020180147434A KR 20180147434 A KR20180147434 A KR 20180147434A KR 20200068052 A KR20200068052 A KR 20200068052A
Authority
KR
South Korea
Prior art keywords
pest
image
information
camera
name
Prior art date
Application number
KR1020180147434A
Other languages
English (en)
Other versions
KR102226157B1 (ko
Inventor
이중섭
박경섭
이재한
김진현
이동수
여경환
Original Assignee
대한민국(농촌진흥청장)
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 대한민국(농촌진흥청장) filed Critical 대한민국(농촌진흥청장)
Priority to KR1020180147434A priority Critical patent/KR102226157B1/ko
Publication of KR20200068052A publication Critical patent/KR20200068052A/ko
Application granted granted Critical
Publication of KR102226157B1 publication Critical patent/KR102226157B1/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
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M1/00—Stationary means for catching or killing insects
    • A01M1/20—Poisoning, narcotising, or burning insects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N5/232—

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Pest Control & Pesticides (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Mining & Mineral Resources (AREA)
  • Physics & Mathematics (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Economics (AREA)
  • Environmental Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marine Sciences & Fisheries (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Zoology (AREA)
  • Toxicology (AREA)
  • Insects & Arthropods (AREA)
  • Wood Science & Technology (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Catching Or Destruction (AREA)

Abstract

본 발명은 (a) 다수의 카메라 모듈에서 획득한 영상이 영상 수집부(400)를 통해 진단 서버(500)에 전송되는 단계; (b) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 병해충 이미지와 비교하여, 정확도가 가장 높은 병해충 이미지를 확인하고, 여기에 매핑된 병해충 정보를 확인하는 단계; (c) 상기 진단 서버(500)가 확인된 병해충 정보를 사용자 단말기(800)에 전송하는 단계; (d) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상 및 상기 (b) 단계에서 확인된 병해충 정보를 전문가 단말기(900)에 전송하는 단계; 및 (e) 상기 전문가 단말기(900)로부터 상기 병해충 정보에 포함된 병해충명이 아닌 다른 병해충명이 입력된 경우, 딥러닝 서버(700)가 상기 (a) 단계에서 전송된 영상에 상기 다른 병해충명을 매핑하여 상기 병해충 데이터베이스(550)에 저장하되 기 설정된 전문가 가중치(x)를 적용한 확률과 함께 저장하는 단계를 포함하며, 동일한 병해충 영상에 대하여 서로 다른 전문가 단말기(900)에서 상기 (e) 단계가 반복되는 경우, 그 확률은 누적되어 증가하는 카메라 모듈을 이용한 병해충 진단 및 방제 방법을 제공하는 것이다.

Description

카메라 모듈을 이용한 병해충 진단 및 방제 방법{Method for diagnosis and control of diseases and insect pests using multiple camera module}
본 발명은 농업 기술에 IT 기술이 접목된 것으로 병해충을 진단하고 방제하는 방법에 관한 것이며, 보다 구체적으로 비닐하우스와 같은 시설물에 다수의 카메라 모듈을 설치하고 여기서 획득된 영상을 통해 자동으로 병해충이 진단되고 방제되며, 이러한 과정이 반복됨으로써 딥러닝이 이루어져 정확도가 상승하는 방법에 관한 것이다.
농작물의 병해충을 확인하고, 어떠한 병해충인지 진단하여 방제하는 작업은 적시성이 중요하다. 시기가 늦어지면 해충이 널리 퍼져 방제가 어렵거나 불가능해질 수 있고, 보다 많은 농약이 사용되거나, 수확량이 크게 감소할 수 있다.
이를 해소하기 위하여, 실시간으로 병해충을 확인하고 진단하는 방법과, 방제 기술을 함께 제공하는 다양한 기술이 개발되어 있다.
한국등록특허 제10-1156594호는 별도의 병해충 데이터베이스를 구축하여 두고, 실시간으로 작물 영상을 촬영한 후 이미지를 비교함으로써 병해충을 실시간 진단하는 기술을 제공한다. 한국등록특허 제10-1118245호는 과수 재배 현장에 끈끈이 판을 설치하고, 이를 실시간으로 촬영함으로써 해충 분포를 분석하는 장치를 제공한다.
상기의 특허들은 다음과 같은 문제점이 있다.
첫째, 농작물 재배시 발생하는 다양한 병해충 중 일부에 대한 정보만을 제공한다. 전자의 종래 기술은 작물만을 촬영하기에 작물에 머무는 시간이 적은 해충은 확인하기 어렵다. 후자의 종래 기술은 트랩된 벌레만을 촬영하기에 작물에 발생한 병은 확인하기 어렵다. 그 외에도, 트랩으로 유인되지 않는 벌레 등의 확인은 불가능하다. 그렇다고, 시설물과 같은 대규모 재배 시설에 매우 다수의 카메라를 설치하는 것도 비현실적이다.
둘째, 병해충 정확도를 담보하기 어렵다. 이미지 비교 방법을 통해 병해충을 진단할 경우 잘못된 진단의 가능성이 있는데, 잘못된 농약 등이 사용되어 병해충은 방제가 안되고 작물 수확량만 낮아질 수 있다.
셋째, 새로운 병해충이 발견되거나, 새로운 방제 방법이 개발된 경우 이에 대한 즉각적인 데이터 관리가 어렵다.
KR 10-1156594 B KR 10-1118245 B
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것이다.
구체적으로, 병해충이 자동으로 진단되고, 이를 방제하기 위한 다양한 정보가 사용자에게 자동으로 전송되는 시스템을 구비하고자 한다.
또한, 정확도를 상승시키기 위하여 딥러닝 기술을 적용하고, 카메라에 의한 최적의 영상 확보를 위해 설치 위치 변경을 자동으로 추천하며, 작물에 특화된 병해충명이 확인되는 방법을 제안하고자 한다. 특히, 사용자의 의견과 전문가의 의견을 적극 수용할 수 있어서 기계학습이 가능한 방법을 제안하고자 한다.
또한, 새로운 병해충이 발생하거나, 새로운 방제 방법이 개발된 경우에도 이를 유연하게 도입하여 능동적인 진단 및 방제가 가능한 방법을 제안하고자 한다.
상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예는, (a) 다수의 카메라 모듈에서 획득한 영상이 영상 수집부(400)를 통해 진단 서버(500)에 전송되는 단계; (b) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 병해충 이미지와 비교하여, 정확도가 가장 높은 병해충 이미지를 확인하고, 여기에 매핑된 병해충 정보를 확인하는 단계; - 병해충 정보는 병해충명을 포함함 (c) 상기 진단 서버(500)가 확인된 병해충 정보를 사용자 단말기(800)에 전송하는 단계; (d) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상 및 상기 (b) 단계에서 확인된 병해충 정보를 전문가 단말기(900)에 전송하는 단계; 및 (e) 상기 전문가 단말기(900)로부터 상기 병해충 정보에 포함된 병해충명이 아닌 다른 병해충명이 입력된 경우, 딥러닝 서버(700)가 상기 (a) 단계에서 전송된 영상에 상기 다른 병해충명을 매핑하여 상기 병해충 데이터베이스(550)에 저장하되 기 설정된 전문가 가중치(x)를 적용한 확률과 함께 저장하는 단계를 포함하며, 동일한 병해충 영상에 대하여 서로 다른 전문가 단말기(900)에서 상기 (e) 단계가 반복되는 경우, 그 확률은 누적되어 증가하는, 카메라 모듈을 이용한 병해충 진단 및 방제 방법을 제공한다.
또한, (c1) 상기 사용자 단말기(800)가 전송받은 병해충 정보에 포함된 병해충명이 아닌 다른 병해충명을 입력한 경우, 상기 딥러닝 서버(700)가 상기 (a) 단계에서 전송된 영상에 상기 다른 병해충명을 매핑하며 상기 병해충 데이터베이스(550)에 저장하되 기 설정된 사용자 가중치(y)를 적용한 확률과 함께 저장하는 단계를 더 포함하며, 동일한 병해충 영상에 대하여 서로 다른 사용자 단말기(800)에서 상기 (c1) 단계가 반복되는 경우, 그 확률은 누적되어 증가하며, 상기 기 설정된 사용자 가중치(y)는 상기 기 설정된 전문가 가중치(x)보다 낮은 것이 바람직하다.
또한, 상기 (b) 단계는, (b1) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 작물 이미지와 비교하여, 정확도가 가장 높은 어느 하나의 작물 이미지를 확인하고, 여기에 매핑된 작물명을 확인하는 단계; (b2) 상기 진단 서버(500)가 상기 (b1) 단계에서 확인된 작물명에 대응되는 것으로 미리 저장된 병해충명이 매핑된 다수의 병해충 이미지를 선택하고, 상기 선택된 병해충 이미지들과 상기 (a) 단계에서 전송된 영상을 비교하여 정확도가 가장 높은 병해충 이미지를 확인하는 단계; 및 (b3) 상기 진단 서버(500)가 상기 (b2) 단계에서 확인된 병해충 이미지에 매핑된 병해충 정보를 확인하는 단계를 포함하는 것이 바람직하다.
또한, 상기 (b) 단계에서, 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상과 정확도가 가장 높은 병해충 이미지가 없는 것을 확인한 경우, 상기 (c) 단계는, 상기 진단 서버(500)가 상기 사용자 단말기(800)에 병해충 없음 정보를 전송하는 단계를 더 포함하는 것이 바람직하다.
또한, 상기 (a) 내지 (e) 단계는 기 설정된 주기마다 반복되며, 상기 기 설정된 주기는 상기 사용자 단말기(800)를 통하여 변경 가능한 것이 바람직하다.
또한, 카메라 제어 서버(600)에 상기 다수의 카메라 모듈의 각각의 설치 좌표가 저장되어 있으며, 상기 (a) 내지 (e) 단계가 반복된 후, 상기 카메라 제어 서버(600)는 각각의 카메라 모듈마다 병해충 이미지가 확인되는 빈도수를 확인하고, 빈도수가 높은 카메라 모듈의 설치 좌표를 향하여 상기 다수의 카메라 모듈을 이동할 것을 권장하는 정보를 상기 사용자 단말기(800)에 전송하는 단계를 더 포함하는 것이 바람직하다.
또한, 상기 다수의 카메라 모듈은, 트랩 카메라 모듈(100), 예찰 카메라 모듈(200), 및 유인광 방충 카메라 모듈(300)을 포함하는 것이 바람직하다.
또한, 상기 트랩 카메라 모듈(100)은, 중공형의 트랩 몸체(110), 상기 트랩 몸체(110)의 하부면 상측에 구비되는 트랩판(120), 상기 트랩판(120)을 지향하는 트랩 카메라(130), 및 상기 트랩 카메라(130)가 촬영한 영상을 상기 영상 수집부(400)에 전송하는 송수신부(140)를 포함하며, 상기 (a) 단계에서 획득한 영상은 상기 트랩 카메라(130)가 촬영한 영상을 포함하는 것이 바람직하다.
또한, 상기 병해충 정보는, 상기 병해충명, 약품 품목명, 상기 약품 품목명을 포함하는 농약 제품명, 및 상기 농약 제품명의 농약 사용 방법을 포함하는 것이 바람직하다.
또한, (f1) 상기 전문가 단말기(900)가 상기 병해충 데이터베이스(550)에 병해충 이미지를 더 입력하는 단계; 및 (g1) 상기 전문가 단말기(900)가, 상기 더 입력된 병해충 이미지에, 상기 병해충 데이터베이스(550)에 기 저장된 병해충 정보를 매핑하여 저장하는 단계를 더 포함하는 것이 바람직하다.
또한, (f2) 상기 전문가 단말기(900)가 상기 병해충 데이터베이스(550)에 저장되어 있는 어느 하나의 병해충 이미지를 선택하는 단계; 및 g2) 상기 전문가 단말기(900)가, 상기 선택한 병해충 이미지에, 새로운 병해충 정보를 더 매핑하여 상기 병해충 데이터베이스(550)에 저장하는 단계를 더 포함하는 것이 바람직하다.
또한, (f3) 상기 전문가 단말기(900)가 상기 병해충 데이터베이스(550)에 병해충 이미지를 더 입력하는 단계; 및 (g3) 상기 전문가 단말기(900)가, 상기 선택한 병해충 이미지에, 새로운 병해충 정보를 더 매핑하여 상기 병해충 데이터베이스(550)에 저장하는 단계를 더 포함하는 것이 바람직하다.
또한, 상기 병해충 데이터베이스(550)에 병해충 이미지 또는 병해충 정보가 더 입력된 경우, 입력된 내용이 상기 사용자 단말기(800) 및 다른 전문가 단말기(900)에 전송되는 것이 바람직하다.
또한, 상기 (b) 단계는, (b4) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 병해충 이미지와 비교하여, 정확도가 가장 높은 둘 이상의 병해충 이미지를 확인하고 여기에 각각 매핑된 둘 이상의 병해충 정보를 확인하는 단계를 더 포함하는 것이 바람직하다.
또한, 상기 (c) 단계는, (c2) 상기 진단 서버(500)가 상기 (b4) 단계에서 확인된 둘 이상의 병해충 정보를 사용자 단말기(800)에 전송하는 단계; 및 (c3) 상기 진단 서버(500)가 상기 (b4) 단계에서 확인된 둘 이상의 병해충 정보에서 공통되는 약품 품목명을 확인하여, 상기 사용자 단말기(800)에 이를 더 전송하는 단계를 더 포함하는 것이 바람직하다.
본 발명에 따른 방법에 의하여, 카메라 모듈의 설치 및 주기적인 영상 회득만으로, 농작물의 병해충이 거의 실시간으로 확인되고 방제 방법이 사용자인 농가에 실시간으로 제공될 수 있다. 이에 따라, 병해충 발생 후 상당한 시간이 경과한 후 비로서 이를 확인하는 경우, 부정확한 방제 방법을 사용하는 경우 등을 원천적으로 방지할 수 있어서, 농가의 소득 증진은 물론 국가 차원에서 안정적인 농산물의 자급이 가능하다.
진단 정확도를 높이기 위하여 다양한 방법으로 병해충을 확인한다. 예를 들어, 페로몬, 유인광 등 서로 다른 방법으로 벌레를 유인하여 영상을 획득함으로써 시설물 내의 모든 벌레의 영상을 확인하고자 하며, 또한 작물 자체를 예찰하는 카메라를 별도로 설치하여 벌레에 의한 것이 아닌 작물의 병 역시 확인 가능하다.
본 발명에 따른 방법을 수행할 경우 정확도가 높은 진단 및 방제가 가능하다. 특히, 전문가와 사용자의 의견을 적극 반영하여 진단 서버가 부정확한 진단을 내린 경우 이를 바로잡는 것은 물론 딥러닝 기술을 통해 기계학습이 이루어짐으로써 향후 유사한 상황에서 부정확한 진단이 이루어질 가능성을 낮출 수 있다.
새로운 병해충이 발견되거나 외래 병해충이 유입되는 경우는 물론, 새로운 방제 방법이 개발되어도, 본 발명에 따른 방법에 의하여 새로운 정보들이 간편한 방법으로 입력되어 적용될 수 있어서, 능동적이고 유연한 대처가 가능하다. 전문가에 의하여 새롭게 입력되는 병해충 정보 및 방제 정보는 사용자에게 적극적으로 공지될 수 있다.
농가에서 설치시, 경제적 이유로 많은 카메라 모듈 설치할 수 없는 경우가 많을 수 있다. 이 경우, 몇 대 안되는 카메라 모듈의 설치 위치가 부정확하면 병해충을 빠르게 진단할 수 없을 수도 있는데, 본 발명에 따른 방법은 카메라 설치 위치를 제안할 수 있어서, 만약 농가에서 카메라 모듈을 부적절한 위치에 설치한 경우에도 이를 바로잡을 수 있어서 바람직하다.
도 1은 본 발명에 따른 방법을 수행하기 위한 시스템의 개념도이다.
도 2는 본 발명에 따른 방법을 수행하기 위한 시스템에 구축되어 있는 비닐 하우스 등의 시설물의 개념도이다.
도 3은 본 발명에 따른 방법을 수행하기 위한 트랩 카메라 모듈의 개념도이다.
도 4 내지 도 9는 본 발명에 따른 방법을 수행하기 위하여 구현된 프로그램의 실행 화면을 도시한다.
이하, 도면을 참조하여 본 발명에 따른 방법을 설명한다.
1. 본 발명에 따른 방법을 수행하기 위한 시스템의 설명
도 1을 참조하여 설명한다.
본 발명에 따른 방법을 수행하기 위한 시스템은, 영상을 획득하는 다수의 카메라 모듈과, 영상을 수집하는 영상 수집부(400)와, 수집된 영상을 병해충 이미지와 비교하여 진단하는 진단 서버(500)와, 카메라 모듈의 위치 변경을 제안하기 위한 카메라 제어 서버(600)와, 기계학습을 위한 딥러닝 서버(700)를 포함한다. 또한, 본 발명에서 획득된 정보는 사용자 단말기(800) 및/또는 전문가 단말기(900)에 제공될 수 있으며, 반대로 여기에서 입력된 정보들이 진단 서버(500) 등에 제공될 수도 있다.
진단 서버(500)는 병해충 데이터베이스(550)에 저장된 정보를 이용하여 진단을 수행한다.
병해충 데이터베이스(550)에는 병해충 이미지와 병해충 정보가 매핑되어 저장된 상태이다. 병해충 정보는, 병해충명, 약품 품목명, 약품 품목명을 포함하는 농약 제품명, 및 농약 제품명의 농약 사용 방법을 포함한다. 도 5를 참조하면, 진단 병해충명이 "궤양병"이고, 이를 위한 농약 정보가 도면 하단에 도시되는데, 여기에 약품 품목명, 농약 제품명, 농약 사용 방법이 포함된 것을 볼 수 있다.
한편, 병해충 데이터베이스(550)에는 작물 이미지와 작물명이 더 매핑되어 저장될 수도 있다. 작물 이미지는 후술하는 예찰 카메라 모듈(200)이 확보한 영상과 비교될 것이다. 도 4를 참조하면, 예찰 카메라 모듈(200)이 확보한 영상이 중앙에 도시되고, 그 영상이 작물 이미지와 비교되어 작물명이 "파프리카"로 확인된 것을 볼 수 있다.
병해충 데이터베이스(550)에 저장된 정보는, 딥러닝 서버(700)에 의한 학습에 의해, 또는 전문가 단말기(900)를 통해 입력된 정보에 의해 변경되거나 추가될 수 있다. 이에 대하여서는 후술한다.
한편, 다수의 카메라 모듈은, 트랩 카메라 모듈(100), 예찰 카메라 모듈(200), 및 유인광 방충 카메라 모듈(300)을 포함한다.
트랩 카메라 모듈(100)은 페로몬 등의 유인물을 사용하여 벌레의 영상을 확보한다(도 8 및 도 9 참조). 유인광 방충 카메라 모듈(300)은 빛을 이용하여 벌레를 방충망 등에 유인한 후 그 영상을 확보한다(도 6 및 도 7 참조). 예찰 카메라 모듈(200)은 작물 영상을 확인함으로써 벌레에 의한 것이 아닌 작물의 병을 확인할 수 있는 영상을 확보한다(도 4 및 도 5 참조).
즉, 다양한 종류의 카메라 모듈을 적용함으로써 병해충을 빠짐없이 실시간으로 확인할 수 있어서 바람직하다.
도 2에 도시된 바와 같이, 다수의 카메라 모듈은 시설물 내의 다양한 위치에 설치될 수 있다. 설치위치는 XY 좌표화 하여 카메라 제어 서버(600)에 저장될 수 있다. 예시로서 도시되는 도 2에서 시설물의 XY 좌표는 (0, 0) ~ (20,000, 8,000) 이 내의 범위이며 4개의 트랩 카메라 모듈(100), 2개의 예찰 카메라 모듈(200), 및 2개의 유인광 방충 카메라 모듈(300)의 설치 좌표가 기록된다.
도 3에 도시된 바와 같이, 트랩 카메라 모듈(100)은, 구체적으로, 중공형의 트랩 몸체(110), 트랩 몸체(110)의 하부면 상측에 구비되는 끈끈이와 같은 트랩판(120), 트랩판(120)을 지향하는 트랩 카메라(130), 및 상기 트랩 카메라(130)가 촬영한 영상을 상기 영상 수집부(400)에 전송하는 송수신부(140)를 포함한다.
페로몬과 같은 벌레 유인물(미도시)에 유인된 벌레가 트랩판(120)에 붙어서 트랩되면 트랩 카메라(130)가 주기적으로 촬영하는 영상에서 확인되게 된다(도 8 및 도 9 참조).
2. 본 발명에 따른 병해충 진단 및 방제 방법의 설명
다수의 카메라 모듈에서 주기적으로 영상을 자동 획득하고 있다. 그 주기는 사용자 단말기(800)에서 설정하거나 변경할 수 있다. 예를 들어, 그 주기는, 1일, 3일 또는 1주일일 수 있으며, 이에 제한되지 않는다.
카메라 모듈이 주기적으로 획득한 영상이 영상 수집부(400)를 통해 진단 서버(500)에 전송된다.
다음, 진단 서버(500)가 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 병해충 이미지와 비교하여, 정확도가 가장 높은 병해충 이미지를 확인하고, 여기에 매핑된 병해충 정보를 확인한다. 이제, 진단 서버(500)는 확인된 병해충 정보를 사용자 단말기(800)에 전송한다.
전송된 영상과 정확도가 가장 높은 병해충 이미지가 전혀 없는 것을 확인할 수도 있다. 병해충이 없는 것이다. 이 경우, 진단 서버(500)는 사용자 단말기(800)에 병해충 없음 정보를 전송한다.
즉, 사용자 단말기에서는 다수의 카메라 모듈이 주기적으로 자동 획득한 영상이 자동으로 분석되어 결과값만 송출되는 것이다. 예를 들어, 주기를 1일로 설정한 경우, 사용자는 매일 오후 1시 병해충이 없다는 정보를 수신받을 수 있으며, 만약 병해충이 발생하였다면 적어도 24시간 이내에 해당 병해충 정보를 수신받는 것이다. 전술한 바와 같이, 병해충명은 물론 약품 품목명, 약품 품목명을 포함하는 농약 제품명, 및 농약 제품명의 농약 사용 방법이 함께 수신된다.
본 발명의 다른 실시예에서는, 정확도를 높이고자, 작물명을 별도로 확인한 후 진단이 이루어질 수 있다.
즉, 진단 서버(500)가 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 작물 이미지와 비교하여, 정확도가 가장 높은 어느 하나의 작물 이미지를 확인하고, 여기에 매핑된 작물명을 확인한다.
다음, 진단 서버(500)는 앞서 확인된 작물명에 대응되는 것으로 미리 저장된 병해충명이 매핑된 다수의 병해충 이미지를 선택한다. 예를 들어, 작물명이 "파프리카"로 확인되면, "파프리카"에서 발생하는 것으로 확인되는 병해충 이미지만을 사전 필터링하는 것이다. 진단 서버(500)가 선택된 병해충 이미지들과 전송된 영상을 비교하여 정확도가 가장 높은 병해충 이미지를 확인하고, 여기 매핑된 병해충 정보를 사용자 단말기(800)에 전송하는 것은 동일하다.
본 발명의 또 다른 실시예에서, 둘 이상의 병해충을 확인할 수도 있다.
즉, 진단 서버(500)가 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 병해충 이미지와 비교하여, 정확도가 가장 높은 둘 이상의 병해충 이미지를 확인하고 여기에 각각 매핑된 둘 이상의 병해충 정보를 모두 확인하여 사용자 단말기(800)에 전송하는 것이다.
이 때에, 둘 이상의 병해충 정보에서 공통되는 약품 품목명을 확인하여, 사용자 단말기(800)에 더 전송할 수 있다. 예를 들어, A 벌레와 B 벌레가 동시에 발생하였음이 확인되었다면, A 벌레를 방제할 수 있는 농약과 B 벌레를 방제할 수 있는 농약에 대한 정보가 전송됨은 물론, A 벌레와 B 벌레를 모두 방제할 수 있는 농약에 대한 정보가 별도로 전송되는 것이다.
3. 딥러닝 방법의 설명
본 발명은 딥러닝 기술이 적용되어 방법이 지속적으로 수행됨에 따라 정확도가 상승하는 장점을 갖는다. 이를 위해, 다수의 전문가 그룹을 미리 설정하고, 이들에게 본 발명에 따른 시스템에 접속할 수 있는 단말기, 즉 전문가 단말기(900)를 제공하고, 이로부터 학습을 위한 정보를 수신한다.
진단 서버(500)가 사용자로부터 전송된 영상 및 관련된 것으로 확인된 병해충 정보를 전문가 단말기(900)에도 전송한다.
전문가 단말기(900)로부터 다른 병해충명이 정확하다고 입력된 경우(즉, 진단 서버(500)의 진단이 틀린 것으로 입력된 경우), 딥러닝 서버(700)가 전송된 영상에 전문가가 확인한 다른 병해충명을 매핑하여 병해충 데이터베이스(550)에 저장한다. 이 때에, 기 설정된 전문가 가중치(x)를 적용한 확률과 함께 저장하는 것이 바람직하다. 여기서 가중치를 적용하는 것은 후술하는 사용자(비전문가)에 의한 학습과 구분하기 위함이다.
또한, 동일한 병해충 영상에 대하여 다른 전문가 단말기(900)에서도 다른 병해충명이 입력되었다면 이는 그 확률을 높여야 한다. 따라서, 누적된 확률이 저장된다.
이러한 딥러닝은 사용자 단말기(800)에 의해서도 이루어질 수 있다.
마찬가지로, 사용자 단말기(800)가 다른 병해충명을 입력한 경우, 딥러닝 서버(700)가 전송된 영상에 다른 병해충명을 매핑하며 병해충 데이터베이스(550)에 저장하되 기 설정된 사용자 가중치(y)를 적용한 확률과 함께 저장한다. 여기서 사용자 가중치(y)는 전문가 가중치(x)보다 낮도록 설정되어야 높은 정확도를 담보할 수 있다. 마찬가지로, 이러한 과정이 반복되면 그 확률은 누적되어 증가한다.
4. 카메라 위치 변경 추천 방법의 설명
가장 바람직한 것은, 시설물 내에 모든 영역을 커버할 수 있도록 카메라모듈을 설치하는 것이나, 경제적 문제 등 다양한 이유로 실재로는 몇 개의 카메라 모듈만을 설치하게 된다. 이 때에 그 설치 위치가 중요하다. 예를 들어, 시설물의 특정 영역만을 촬영할 수 있도록 카메라 모듈이 설치되는 경우 다른 영역에서부터 시작되는 병해충 감지의 시기가 늦어져서 적시에 방제를 할 수 없기 때문이다.
본 발명은, 일정한 주기 내지 횟수의 영상 촬영 후 카메라 모듈의 설치 위치를 변경하는 것이 바람직한 경우, 이를 알려주는 정보를 제공한다.
전술한 바와 같이, 카메라 제어 서버(600)에는 다수의 카메라 모듈의 각각의 설치 좌표가 저장되어 있는 상태이다.
일정 주기 내지 횟수의 영상 촬영 후, 카메라 제어 서버(600)는 각각의 카메라 모듈마다 병해충 이미지가 확인되는 빈도수를 확인한다. 즉, 보다 많은 병해충이 감지되는 영역에 인접한 카메라 모듈을 확인하는 것이다. 이제 카메라 제어 서버(600)는 빈도수가 높은 카메라 모듈의 설치 좌표를 향하여 다른 카메라 모듈을 이동할 것을 권장하는 정보를 사용자 단말기(800)에 전송한다.
예를 들어, 이러한 카메라 위치 이동 권장은 1개월 단위로 수행될 수 있다. 도 2에 도시된 바와 같이, 총 8대의 카메라 모듈이 설치된 상태에서, 특정 카메라 모듈에서 가장 잦은 빈도로 병해충을 확인하였다면, 해당 카메라 모듈의 설치 위치에 조금 더 근접하게 카메라 모듈 위치를 변경할 것을 권장하는 메시지가 사용자 단말기(800)에 전송되는 것이다.
이러한 작업이 주기적으로 수행됨으로써, 사용자 입장에서는 병해충이 보다 자주 발생하는 영역을 확인하고 여기에서 영상을 이른 시간에 획득하도록 함으로써, 진단 및 방제의 적시성을 확보할 수 있다.
5. 새로운 병해충 이미지 및/또는 병해충 정보 입력 방법의 설명
병해충은 새롭게 발견되기도 하고, 이미 알려진 병해충에 대한 새로운 방제 기술이 개발되기도 한다. 본 발명은 이러한 모든 경우에 데이터베이스를 업데이트하는 기술을 제공한다. 데이터의 정확성을 위하여 전문가 단말기(900)를 통해 이러한 업데이트가 이루어지는 것이 바람직하다.
먼저, 새로운 병해충이 발견된 경우이며, 이미 알려진 방제 기술(예를 들어, 이미 상용화된 농약)로 방제가 가능한 경우이다.
전문가 단말기(900)가 병해충 데이터베이스(550)에 접속하여 새로운 병해충 이미지를 입력한 후, 여기에 병해충 데이터베이스(550)에 기 저장된 병해충 정보를 매핑하여 저장함으로써 업데이트가 이루어진다.
다음, 이미 알려진 병해충에 새로운 방제 기술이 개발된 경우이다.
전문가 단말기(900)가 병해충 데이터베이스(550)에 접속하여 여기에 이미 저장되어 있는 어느 하나의 병해충 이미지를 선택한 후, 여기에 새로운 병해충 정보를 더 매핑하여 병해충 데이터베이스(550)에 저장함으로써 업데이트가 이루어진다.
다음, 새로운 병해충이 발견되고, 이에 맞는 새로운 방제 기술도 개발된 경우이다.
전문가 단말기(900)가 병해충 데이터베이스(550)에 접속하여 새로운 병해충 이미지를 더 입력한 후, 여기에 새로운 병해충 정보를 더 매핑하여 병해충 데이터베이스(550)에 저장함으로써 업데이트가 이루어진다.
본 발명의 다른 실시예에서는, 이와 같은 업데이트가 이루어질 때마다 이러한 정보들을 사용자 단말기(800) 및 다른 전문가 단말기(900)에 전송할 수도 있다.
6. 구현 예시
도 4 내지 도 9는 본 발명에 따른 방법이 적용된 프로그램의 화면을 예시적으로 도시한다.
도 4 및 도 5는 예찰 카메라 모듈(200)이 작물을 촬영한 영상을 도시한다. 우측에는 진단 결과로서, 작물명과 병해충명이 확률과 함께 도시된다. 하측에는 병해충명을 제외한 다른 병해충 정보로서, 병해충 데이터베이스(550)에서 검색된 약품 품목명, 약품 품목명을 포함하는 농약 제품명, 농약 사용 방법이 도시된다.
도 6은 유인광 방충 카메라 모듈(300)이 해충을 촬영한 영상을 도시하며, 도 7은 이를 기반으로 진단된 병해충명을 도시한다. 본 발명에 따른 방법이 적용되어, 병해충명이 확인되는 것이다.
도 8은 트랩 카메라 모듈(100)이 촬영한 영상을 도시한다. 황색으로 도시된 끈끈이 판이 트랩판(120)이다. 병해충명이 자동으로 진단되었음을 확인할 수 있다. 도 9는 이를 기반으로 확인된 병해충 정보를 도시한다. 병해충명이 우측에 도시되고, 하측에는 병해충 데이터베이스(550)에서 검색된 약품 품목명, 약품 품목명을 포함하는 농약 제품명, 농약 사용 방법이 도시된다.
이상, 본 명세서에는 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 도면에 도시한 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당업자라면 본 발명의 실시예로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 보호범위는 특허청구범위에 의해서 정해져야 할 것이다.
100: 트랩 카메라 모듈
110: 트랩 몸체
120: 트랩판
130: 트랩 카메라
140: 송수신부
200: 예찰 카메라 모듈
300: 유인광 방충 카메라 모듈
400: 영상 수집부
500: 진단 서버
550: 병해충 데이터베이스
600: 카메라 제어 서버
700: 딥러닝 서버
800: 사용자 단말기
900: 전문가 단말기

Claims (15)

  1. (a) 다수의 카메라 모듈에서 획득한 영상이 영상 수집부(400)를 통해 진단 서버(500)에 전송되는 단계;
    (b) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 병해충 이미지와 비교하여, 정확도가 가장 높은 병해충 이미지를 확인하고, 여기에 매핑된 병해충 정보를 확인하는 단계; - 병해충 정보는 병해충명을 포함함
    (c) 상기 진단 서버(500)가 확인된 병해충 정보를 사용자 단말기(800)에 전송하는 단계;
    (d) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상 및 상기 (b) 단계에서 확인된 병해충 정보를 전문가 단말기(900)에 전송하는 단계; 및
    (e) 상기 전문가 단말기(900)로부터 상기 병해충 정보에 포함된 병해충명이 아닌 다른 병해충명이 입력된 경우, 딥러닝 서버(700)가 상기 (a) 단계에서 전송된 영상에 상기 다른 병해충명을 매핑하여 상기 병해충 데이터베이스(550)에 저장하되 기 설정된 전문가 가중치(x)를 적용한 확률과 함께 저장하는 단계를 포함하며,
    동일한 병해충 영상에 대하여 서로 다른 전문가 단말기(900)에서 상기 (e) 단계가 반복되는 경우, 그 확률은 누적되어 증가하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  2. 제 1 항에 있어서,
    상기 (c) 단계 이후,
    (c1) 상기 사용자 단말기(800)가 전송받은 병해충 정보에 포함된 병해충명이 아닌 다른 병해충명을 입력한 경우, 상기 딥러닝 서버(700)가 상기 (a) 단계에서 전송된 영상에 상기 다른 병해충명을 매핑하며 상기 병해충 데이터베이스(550)에 저장하되 기 설정된 사용자 가중치(y)를 적용한 확률과 함께 저장하는 단계를 더 포함하며,
    동일한 병해충 영상에 대하여 서로 다른 사용자 단말기(800)에서 상기 (c1) 단계가 반복되는 경우, 그 확률은 누적되어 증가하며,
    상기 기 설정된 사용자 가중치(y)는 상기 기 설정된 전문가 가중치(x)보다 낮은,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  3. 제 1 항에 있어서,
    상기 (b) 단계는,
    (b1) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상을 병해충 데이터베이스(550)에 저장된 다수의 작물 이미지와 비교하여, 정확도가 가장 높은 어느 하나의 작물 이미지를 확인하고, 여기에 매핑된 작물명을 확인하는 단계;
    (b2) 상기 진단 서버(500)가 상기 (b1) 단계에서 확인된 작물명에 대응되는 것으로 미리 저장된 병해충명이 매핑된 다수의 병해충 이미지를 선택하고, 상기 선택된 병해충 이미지들과 상기 (a) 단계에서 전송된 영상을 비교하여 정확도가 가장 높은 병해충 이미지를 확인하는 단계; 및
    (b3) 상기 진단 서버(500)가 상기 (b2) 단계에서 확인된 병해충 이미지에 매핑된 병해충 정보를 확인하는 단계를 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  4. 제 1 항에 있어서,
    상기 (b) 단계에서, 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상과 정확도가 가장 높은 병해충 이미지가 없는 것을 확인한 경우,
    상기 (c) 단계는, 상기 진단 서버(500)가 상기 사용자 단말기(800)에 병해충 없음 정보를 전송하는 단계를 더 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  5. 제 4 항에 있어서,
    상기 (a) 내지 (e) 단계는 기 설정된 주기마다 반복되며, 상기 기 설정된 주기는 상기 사용자 단말기(800)를 통하여 변경 가능한,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  6. 제 5 항에 있어서,
    카메라 제어 서버(600)에 상기 다수의 카메라 모듈의 각각의 설치 좌표가 저장되어 있으며,
    상기 (a) 내지 (e) 단계가 반복된 후,
    상기 카메라 제어 서버(600)는 각각의 카메라 모듈마다 병해충 이미지가 확인되는 빈도수를 확인하고, 빈도수가 높은 카메라 모듈의 설치 좌표를 향하여 상기 다수의 카메라 모듈을 이동할 것을 권장하는 정보를 상기 사용자 단말기(800)에 전송하는 단계를 더 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  7. 제 1 항에 있어서,
    상기 다수의 카메라 모듈은, 트랩 카메라 모듈(100), 예찰 카메라 모듈(200), 및 유인광 방충 카메라 모듈(300)을 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  8. 제 7 항에 있어서,
    상기 트랩 카메라 모듈(100)은,
    중공형의 트랩 몸체(110), 상기 트랩 몸체(110)의 하부면 상측에 구비되는 트랩판(120), 상기 트랩판(120)을 지향하는 트랩 카메라(130), 및 상기 트랩 카메라(130)가 촬영한 영상을 상기 영상 수집부(400)에 전송하는 송수신부(140)를 포함하며,
    상기 (a) 단계에서 획득한 영상은 상기 트랩 카메라(130)가 촬영한 영상을 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  9. 제 1 항에 있어서,
    상기 병해충 정보는, 상기 병해충명, 약품 품목명, 상기 약품 품목명을 포함하는 농약 제품명, 및 상기 농약 제품명의 농약 사용 방법을 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  10. 제 9 항에 있어서,
    (f1) 상기 전문가 단말기(900)가 상기 병해충 데이터베이스(550)에 병해충 이미지를 더 입력하는 단계; 및
    (g1) 상기 전문가 단말기(900)가, 상기 더 입력된 병해충 이미지에, 상기 병해충 데이터베이스(550)에 기 저장된 병해충 정보를 매핑하여 저장하는 단계를 더 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  11. 제 9 항에 있어서,
    (f2) 상기 전문가 단말기(900)가 상기 병해충 데이터베이스(550)에 저장되어 있는 어느 하나의 병해충 이미지를 선택하는 단계; 및
    (g2) 상기 전문가 단말기(900)가, 상기 선택한 병해충 이미지에, 새로운 병해충 정보를 더 매핑하여 상기 병해충 데이터베이스(550)에 저장하는 단계를 더 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  12. 제 9 항에 있어서,
    (f3) 상기 전문가 단말기(900)가 상기 병해충 데이터베이스(550)에 병해충 이미지를 더 입력하는 단계; 및
    (g3) 상기 전문가 단말기(900)가, 상기 선택한 병해충 이미지에, 새로운 병해충 정보를 더 매핑하여 상기 병해충 데이터베이스(550)에 저장하는 단계를 더 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  13. 제 10 항 내지 제 12 항 중 어느 한 항에 있어서,
    상기 병해충 데이터베이스(550)에 병해충 이미지 또는 병해충 정보가 더 입력된 경우, 입력된 내용이 상기 사용자 단말기(800) 및 다른 전문가 단말기(900)에 전송되는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  14. 제 9 항에 있어서,
    상기 (b) 단계는,
    (b4) 상기 진단 서버(500)가 상기 (a) 단계에서 전송된 영상을 상기 병해충 데이터베이스(550)에 저장된 다수의 병해충 이미지와 비교하여, 정확도가 가장 높은 둘 이상의 병해충 이미지를 확인하고 여기에 각각 매핑된 둘 이상의 병해충 정보를 확인하는 단계를 더 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
  15. 제 14 항에 있어서,
    상기 (c) 단계는,
    (c2) 상기 진단 서버(500)가 상기 (b4) 단계에서 확인된 둘 이상의 병해충 정보를 상기 사용자 단말기(800)에 전송하는 단계; 및
    (c3) 상기 진단 서버(500)가 상기 (b4) 단계에서 확인된 둘 이상의 병해충 정보에서 공통되는 약품 품목명을 확인하여, 상기 사용자 단말기(800)에 이를 더 전송하는 단계를 더 포함하는,
    카메라 모듈을 이용한 병해충 진단 및 방제 방법.
KR1020180147434A 2018-11-26 2018-11-26 카메라 모듈을 이용한 병해충 진단 및 방제 방법 KR102226157B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180147434A KR102226157B1 (ko) 2018-11-26 2018-11-26 카메라 모듈을 이용한 병해충 진단 및 방제 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180147434A KR102226157B1 (ko) 2018-11-26 2018-11-26 카메라 모듈을 이용한 병해충 진단 및 방제 방법

Publications (2)

Publication Number Publication Date
KR20200068052A true KR20200068052A (ko) 2020-06-15
KR102226157B1 KR102226157B1 (ko) 2021-03-10

Family

ID=71081626

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180147434A KR102226157B1 (ko) 2018-11-26 2018-11-26 카메라 모듈을 이용한 병해충 진단 및 방제 방법

Country Status (1)

Country Link
KR (1) KR102226157B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111898590A (zh) * 2020-08-26 2020-11-06 龙川县林业科学研究所 一种油茶病虫害监测方法
KR102381491B1 (ko) * 2020-11-26 2022-03-31 농업회사법인주식회사지인 작물 재배 애플리케이션을 통한 적응형 재배 정보 제공 시스템
KR20220073895A (ko) * 2020-11-26 2022-06-03 대한민국(농촌진흥청장) 병 진단 기반 무인 방제 장치 및 제어 방법
CN115119669A (zh) * 2022-05-30 2022-09-30 嘉兴职业技术学院 一种西红花球茎腐烂病药剂防治方法及应用
KR20220135667A (ko) * 2021-03-31 2022-10-07 이성호 온실 방제 로봇
CN115152715A (zh) * 2022-05-20 2022-10-11 中科安芯(深圳)科技有限公司 粮仓害虫诱捕数量监测方法、粮仓害虫诱捕设备及系统
KR102499269B1 (ko) * 2021-12-17 2023-02-14 아이티컨버젼스 주식회사 인공지능 기반의 미소해충 포집 및 자동 진단시스템

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110067791A (ko) * 2009-12-15 2011-06-22 순천대학교 산학협력단 작물의 병해충 진단 시스템 및 그 방법
KR101118245B1 (ko) 2009-11-16 2012-03-19 디비비전(주) 과수재배 현장에서 촬영된 이미지로부터 해충의 종류 및 분포를 분석하는 병해충 관리 시스템
KR101702766B1 (ko) * 2015-08-17 2017-02-03 한양대학교 에리카산학협력단 병충해 진단 방법 및 시스템
KR101741166B1 (ko) * 2015-12-30 2017-05-31 농업회사법인 씨드림 주식회사 결정 트리를 이용한 작물의 충해 증상 정보 제공 방법
KR101830056B1 (ko) * 2017-07-05 2018-02-19 (주)이지팜 딥러닝 기반의 병해 진단 시스템 및 그 이용방법
KR20180053003A (ko) * 2016-11-11 2018-05-21 전북대학교산학협력단 딥 러닝을 이용한 작물 병충해 검출 및 진단 방법 및 장치

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101118245B1 (ko) 2009-11-16 2012-03-19 디비비전(주) 과수재배 현장에서 촬영된 이미지로부터 해충의 종류 및 분포를 분석하는 병해충 관리 시스템
KR20110067791A (ko) * 2009-12-15 2011-06-22 순천대학교 산학협력단 작물의 병해충 진단 시스템 및 그 방법
KR101156594B1 (ko) 2009-12-15 2012-06-20 순천대학교 산학협력단 작물의 병해충 진단 시스템 및 그 방법
KR101702766B1 (ko) * 2015-08-17 2017-02-03 한양대학교 에리카산학협력단 병충해 진단 방법 및 시스템
KR101741166B1 (ko) * 2015-12-30 2017-05-31 농업회사법인 씨드림 주식회사 결정 트리를 이용한 작물의 충해 증상 정보 제공 방법
KR20180053003A (ko) * 2016-11-11 2018-05-21 전북대학교산학협력단 딥 러닝을 이용한 작물 병충해 검출 및 진단 방법 및 장치
KR101830056B1 (ko) * 2017-07-05 2018-02-19 (주)이지팜 딥러닝 기반의 병해 진단 시스템 및 그 이용방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
이여진 외 6명, "병해충 검색을 위한 이미지 검색 및 인식 통합 시스템"* *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111898590A (zh) * 2020-08-26 2020-11-06 龙川县林业科学研究所 一种油茶病虫害监测方法
KR102381491B1 (ko) * 2020-11-26 2022-03-31 농업회사법인주식회사지인 작물 재배 애플리케이션을 통한 적응형 재배 정보 제공 시스템
WO2022114344A1 (ko) * 2020-11-26 2022-06-02 농업회사법인 주식회사 지인 작물 재배 애플리케이션을 통한 적응형 재배 정보 제공 시스템
KR20220073895A (ko) * 2020-11-26 2022-06-03 대한민국(농촌진흥청장) 병 진단 기반 무인 방제 장치 및 제어 방법
KR20220135667A (ko) * 2021-03-31 2022-10-07 이성호 온실 방제 로봇
KR102499269B1 (ko) * 2021-12-17 2023-02-14 아이티컨버젼스 주식회사 인공지능 기반의 미소해충 포집 및 자동 진단시스템
CN115152715A (zh) * 2022-05-20 2022-10-11 中科安芯(深圳)科技有限公司 粮仓害虫诱捕数量监测方法、粮仓害虫诱捕设备及系统
CN115119669A (zh) * 2022-05-30 2022-09-30 嘉兴职业技术学院 一种西红花球茎腐烂病药剂防治方法及应用

Also Published As

Publication number Publication date
KR102226157B1 (ko) 2021-03-10

Similar Documents

Publication Publication Date Title
KR102226157B1 (ko) 카메라 모듈을 이용한 병해충 진단 및 방제 방법
JP7190143B2 (ja) 診断支援システム及びその方法
Preti et al. Insect pest monitoring with camera-equipped traps: strengths and limitations
US20220107298A1 (en) Systems and methods for crop health monitoring, assessment and prediction
CN111726986B (zh) 系统与方法
US8417534B2 (en) Automated location-based information recall
DE602004012409T2 (de) Schädlingsbekämpfungssystem
US20200379120A1 (en) A hand held device for land managment
US20220272907A1 (en) Automated plant monitoring systems and methods
CN109197273B (zh) 害虫活动时间段的确定方法及装置、施药时间的确定方法
CN106097119A (zh) 采集装置、服务器、及信息采集、推送、获取及发送方法
EP3626077A1 (de) Schädlingskontrolle
EP3516580A1 (de) Bekämpfung von schadorganismen
AU2021105327A4 (en) A computer implemented and IoT based method for increasing crop production using machine learning model
CN115601585A (zh) 基于图片分析的农业病虫害诊断方法及装置
JP2021093957A (ja) 予測装置
CN113273555B (zh) 一种人工智能虫情预测系统及预测方法
EP3668311A1 (de) Nutzung von daten aus feldversuchen im pflanzenschutz zur kalibrierung und optimierung von vorhersagemodellen
US20220392214A1 (en) Scouting functionality emergence
Swanson Living with Lions: Spatiotemporal aspects of coexistence in Savanna Carnivores
Gachoki Modelling the Spatial and Temporal Distribution of Tsetse Flies for Targeted Control
López et al. Electronic Trap for Field Detection of Fall Armyworm (Spodoptera Frugiperda) in Corn
CN214756414U (zh) 一种基于多网融合的农田智能监测系统
Calle et al. D3. 5: Report on case studies
Kumaran et al. Crop Pest Control using IoT Real-Time Monitoring and Intervention

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant