KR20200080450A - 딥러닝 기반 과수 작물 수확량 예측 시스템 및 방법 - Google Patents
딥러닝 기반 과수 작물 수확량 예측 시스템 및 방법 Download PDFInfo
- Publication number
- KR20200080450A KR20200080450A KR1020180169134A KR20180169134A KR20200080450A KR 20200080450 A KR20200080450 A KR 20200080450A KR 1020180169134 A KR1020180169134 A KR 1020180169134A KR 20180169134 A KR20180169134 A KR 20180169134A KR 20200080450 A KR20200080450 A KR 20200080450A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- deep learning
- fruit
- yield
- database server
- Prior art date
Links
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 37
- 238000013135 deep learning Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title description 2
- 238000003306 harvesting Methods 0.000 claims description 10
- 239000002689 soil Substances 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000013145 classification model Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 딥러닝의 객체 카운팅 및 이미지 분류 기술을 이용해 과수 작물의 수확량을 예측하는 것으로, 레일을 따라 이동하는 카메라를 통해 작물을 인식하고 데이터베이스 서버로 전송해 실시간 수확량 예측이 가능하며 이를 바탕으로 합리적인 생산, 출하 등의 의사결정을 지원한다.
Description
정보산업
농업에서 ICT 기술도입의 목적은 노동력 절감, 경쟁력 강화, 생산량 증가, 품질 증대를 위해 FTA에 의한 농산물 개방과 관련하여, 기존 농업에서의 생산, 재배, 수확, 물류 및 유통 관리방법을 탈피하기 위함이다. 그리고 ICT 기술을 통해 효율적이고 능률적인 방법으로 비용절감 등의 효과를 극대화하여 상기 목적을 달성할 수 있도록 하고 있다. 이러한 취지에 따라 정밀농업에서의 연구가 활발히 진행되고 있으며, 그 중 하나가 수확량 모니터링 시스템이다.
상기한 수확량 모니터링 시스템의 경우 국내외에서 활발한 연구가 진행 중에 있다. 일본 및 국내의 경우, 벼 수확량 모니터링 시스템이 대표적인 경우이다. 트랙터와 같은 농기계에 있어 여러 가지 계측 센서와 GPS/GIS 시스템을 장착하여, 실시간으로 작물의 생장에 필요한 환경 요소들을 모니터링하고, 진단 소프트웨어를 이용하여 작물 재배를 위한 처방을 할 수 있는 시스템 개발에 관한 연구가 활발히 이루어지고 있다. 그러나 노지의 경우 각종 자연재해에 노출되어 있는 환경에서 농업 ICT기술 보급이 매우 미비한 실정이다.
위와 같은 문제를 해결하기 위해 과수농가에서 작물을 인식하기 위해 4차산업혁명 기술 중 이미지인식에서 뛰어난 효과를 보이고 많은 연구가 진행 중인 딥러닝 기술을 활용하여 카메라를 통해 수집된 과일 이미지를 바탕으로 잘 익은 과일과 익지 않은 과일을 분류하여 수확량을 예측하는 시스템을 발명한다.
본 발명은 상술한 바와 같은 문제점을 해결하기 위해 안출된 것으로서, 본 발명의 목적은 과수 작물에 대하여 작물 사이를 이동하는 트레인에 카메라를 부착하여 이동 중 과수작물을 촬영하고 딥러닝 기술을 활용하여 이동 중에 익은 과일과 익지 않은 과일을 분류하며 수확량을 예측한다. 또한 데이터베이스 서버를 통해 사용자에게 실시간 과수 작물 수확량을 제공한다.
상기 목적을 달성하기 위한 본 발명에서 다루는 딥러닝 기반 과수 작물 수확량 예측 시스템은 과수 작물 사이를 이동하는 트레인에 카메라를 부착하여 촬영하며 딥러닝 기술을 기반으로 작물을 정확히 인지하고 익은 과일과 익지 않은 과일을 분류한다. 이를 통해 이동 중에 작물의 수확량을 실시간으로 파악한다. 추출된 수확량 정보를 데이터베이스 서버에 저장하고 정기적 혹은 사용자의 요청에 따라 스마트폰 어플리케이션을 통해 실시간으로 수확량 정보를 확인한다.
본 발명의 딥러닝 기반 과수 작물 수확량 예측 시스템 및 방법에 따르면, 과수 농가에서 스마트폰 또는 PC를 통하여 수확량을 실시간으로 모니터링하며 이를 바탕으로 농장주는 농산물을 수확하는 작업자의 농산물 수확량을 정확하게 파악하고, 이에 적절함 임금을 지불할 수 있으므로 과수농가에서 농산물을 수확하는 작업자를 효율적으로 관리할 수 있으며 이를 통해 합리적인 생산, 출하 등의 의사결정을 지원한다.
도 1은, 본 발명에 의한 딥러닝 기반 수확량 예측 시스템의 구성도를 도시한 것이다.
도 2는, 본 발명에 따른 과수 농가에서 트레인의 이동을 위한 레일과 각 섹션, 영상 수집 카메라가 설치된 개략적인 구조도이다.
도 2는, 본 발명에 따른 과수 농가에서 트레인의 이동을 위한 레일과 각 섹션, 영상 수집 카메라가 설치된 개략적인 구조도이다.
이하에서는 본 발명을 실시하기 위한 구체적인 내용을 첨부된 도면을 참조하여 설명하도록 한다. 본 발명의 구체적인 실시 예를 설명함에 있어서, 관련된 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 구체적인 설명은 생략하도록 한다.
도 1은, 본 발명에 의한 딥러닝 기반 수확량 예측 시스템을 보인 것으로 영상 수집 카메라(200) 및 다수의 센서를 포함하는 트레인(101)과, 과일을 인식하고 분류하기 위한 딥러닝 기반 과일 분류 모델(210), 상기 트레인(101)으로부터 요청되는 서비스를 제공해 주기 위한 데이터베이스 서버(220), 상기 데이터베이스 서버(220)로부터 정보를 제공받는 각종 단말기를 포함하여 구성된다.
상기 트레인(101)은, 영상 수집 카메라(200)기반 과일의 이미지 영상을 딥러닝 기반 과일 분류 모델(210)으로 전송하다. 딥러닝 기반 과일 분류 모델(210)은 수집된 이미지 정보를 바탕으로 과일 이미지 인식 및 카운팅부(211)와 과일 이미지 분류부(212)를 통해 익은 과일과 익지 않은 과일을 분류하며 해당 작물의 개체수를 파악한다. 그리고 이때 생성되는 각 섹션별 위치정보(224)와 온도센서(201), 습도센서(202), 토양센서(203) 기반 해당 섹션별 환경정보(222), 수확량 정보(223), 개인 정보(225)는 데이터베이스 서버(220)로 무선 전송한다. 여기서, 온도센서(201)와 습도센서(202) 및 토양센서(203) 등을 데이터베이스 서버(220)에 연결시켜 주는 저 전력 장거리 무선통신 LoRa(Long Range)는 트레인(101)에 LoRa 통신 모듈(103)을 장착하여 각종 센서와 통신한다.
상기 데이터베이스 서버(220)는, 상기 트레인(101)으로부터 전송받은 영상 정보(221), 환경 정보(222), 수확량 정보(223), 위치 정보(224), 개인 정보(225)를 분석하여 수확량을 예측하고 사용자의 스마트폰(300)과 PC(301)에 실시간으로 전송한다.
도 2를 참조하면, 본 발명에 따른 과수 농가(100)에서 트레인(101)의 이동을 위한 레일(102)과 영상 수집 카메라(200)가 설치된 개략적인 구조도이며, 도 2는 영상 수집 카메라(200)를 통해 수집된 이미지를 딥러닝 기반 과일 분류모델(210)에 적용시켜 과일을 분류하고 해당과일을 카운팅하는 수확량 예측 시스템의 구성도를 도시한 것이다.
도 2를 참조하면, 과수 농장(100)에서 수확량 측정을 위해 트레인(101)의 이동을 위한 레일(102)이 설치된다. 그리고 트레인(101)은 과일의 수확량 예측을 위해 영상 수집 카메라(200), 온도센서(201), 습도센서(202), 토양센서(203)로 구성되어 설치된다. 농산물의 수확 및 운반하는 트레인(101)이 레일(102)을 타고 이동하면서 트레인(101) 위에 설치된 영상 수집 카메라(200)를 기반으로 각 섹션에 대해 작물을 촬영하고 이미지 분석을 통해 익은 작물과 익지 않은 작물을 분류하여 인식한다.
100 : 과수 농장
101 : 트레인
102 : 레일
103 : LoRa 통신 모듈
200 : 영상 수집 카메라
201 : 온도센서
202 : 습도센서
203 : 토양센서
210 : 딥러닝 기반 과일 분류 모델
211 : 과일 이미지 인식 및 카운팅부
212 : 과일 이미지 분류부
220 : 데이터베이스 서버
221 : 영상정보
222 : 환경정보
223 : 수확량 정보
224 : 위치정보
225 : 개인정보
300 : 스마트폰
301 : PC
101 : 트레인
102 : 레일
103 : LoRa 통신 모듈
200 : 영상 수집 카메라
201 : 온도센서
202 : 습도센서
203 : 토양센서
210 : 딥러닝 기반 과일 분류 모델
211 : 과일 이미지 인식 및 카운팅부
212 : 과일 이미지 분류부
220 : 데이터베이스 서버
221 : 영상정보
222 : 환경정보
223 : 수확량 정보
224 : 위치정보
225 : 개인정보
300 : 스마트폰
301 : PC
Claims (4)
- 과수 농장에서 수확량 측정을 위해 트레인의 이동을 위한 레일과 영상 수집 카메라가 설치되며 농산물의 수확 및 운반하는 트레인이 레일을 타고 이동하면서 트레인 위에 설치된 카메라를 기반으로 각 섹션에 대해 작물을 촬영하고 딥러닝 기반 이미지 분석을 통해 작물을 인식하는 시스템
- 제 1 항에 있어서,
각 섹션별 영상 수집 카메라를 통한 딥러닝 기반 섹션별 작물 개수를 인식하고 익은 과일과 익지 않은 과일을 분류하는 방법 - 제 1 항에 있어서,
각 섹션별 위치정보와 온도센서, 습도센서, 토양센서 기반 해당 섹션별 환경정보와 작물 분류 및 수확 정보를 데이터베이스 서버로 무선 정송하는 방법 - 제 1 항에 있어서,
데이터베이스 서버는 트레인으로부터 전송받은 영상 정보, 환경 정보, 수확량 정보, 위치 정보, 개인 정보를 분석하여 수확량을 예측하고 사용자의 스마트폰과 PC에 실시간으로 전송하는 방법
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180169134A KR20200080450A (ko) | 2018-12-26 | 2018-12-26 | 딥러닝 기반 과수 작물 수확량 예측 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180169134A KR20200080450A (ko) | 2018-12-26 | 2018-12-26 | 딥러닝 기반 과수 작물 수확량 예측 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200080450A true KR20200080450A (ko) | 2020-07-07 |
Family
ID=71602787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180169134A KR20200080450A (ko) | 2018-12-26 | 2018-12-26 | 딥러닝 기반 과수 작물 수확량 예측 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200080450A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114581705A (zh) * | 2022-03-02 | 2022-06-03 | 福州大学 | 基于YOLOv4模型和卷积神经网络的水果成熟检测方法和系统 |
-
2018
- 2018-12-26 KR KR1020180169134A patent/KR20200080450A/ko not_active Application Discontinuation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114581705A (zh) * | 2022-03-02 | 2022-06-03 | 福州大学 | 基于YOLOv4模型和卷积神经网络的水果成熟检测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rehman et al. | A revisit of internet of things technologies for monitoring and control strategies in smart agriculture | |
| Chen et al. | An AIoT based smart agricultural system for pests detection | |
| US20170032258A1 (en) | Systems and methods for crop health monitoring, assessment and prediction | |
| CA2896035A1 (en) | Methods and systems for automated micro farming | |
| Thessler et al. | Geosensors to support crop production: Current applications and user requirements | |
| US20180373937A1 (en) | Methods and systems for automated micro farming | |
| CN104764533A (zh) | 基于无人机图像采集和红外热像仪的智能农业系统 | |
| Saha et al. | IoT‐enabled agricultural system application, challenges and security issues | |
| KR20200117357A (ko) | 스마트팜 작업량 측정장치 | |
| KR101810877B1 (ko) | 과일 수확 시기 예측 시스템 및 그 방법 | |
| KR20200144905A (ko) | 스마트 팜의 작물 자동 생육 계측 시스템 및 그 방법 | |
| Petkovic et al. | IoT devices VS. drones for data collection in agriculture | |
| CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
| Sethi et al. | New Developments in the Implementation of IoT in Agriculture | |
| WO2023175095A1 (en) | Characterization of pasture for improved and sustainable grazing and feeding management of livestock | |
| Nair et al. | Emerging directions of precision agriculture and agricultural robotics | |
| US20240016127A1 (en) | System and method for monitoring, identifying and recording beehive status | |
| Kanmani et al. | Modern irrigation system using convolutional neural network | |
| CN110057764B (zh) | 一种农药施药安全管理警示装置及方法 | |
| KR20200080450A (ko) | 딥러닝 기반 과수 작물 수확량 예측 시스템 및 방법 | |
| Raza et al. | Precision nutrient application techniques to improve soil fertility and crop yield: A review with future prospect | |
| KR20190084154A (ko) | 3D Depth 카메라 기반 과수 작물 수확량 예측 시스템 및 방법 | |
| Yue et al. | Research progress of intelligent perception and analytics of agricultural information. | |
| Revathi et al. | Iot and machine learning algorithm in smart agriculture | |
| CN211532340U (zh) | 一种定位栏母猪的监测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |