KR20210065607A - 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치 - Google Patents

식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치 Download PDF

Info

Publication number
KR20210065607A
KR20210065607A KR1020190154561A KR20190154561A KR20210065607A KR 20210065607 A KR20210065607 A KR 20210065607A KR 1020190154561 A KR1020190154561 A KR 1020190154561A KR 20190154561 A KR20190154561 A KR 20190154561A KR 20210065607 A KR20210065607 A KR 20210065607A
Authority
KR
South Korea
Prior art keywords
plant
growth
vegetation index
imaging unit
lighting
Prior art date
Application number
KR1020190154561A
Other languages
English (en)
Inventor
석민
한경도
Original Assignee
(주)카탈로닉스
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)카탈로닉스 filed Critical (주)카탈로닉스
Priority to KR1020190154561A priority Critical patent/KR20210065607A/ko
Publication of KR20210065607A publication Critical patent/KR20210065607A/ko

Links

Images

Classifications

    • 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
    • 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
    • A01G7/04—Electric or magnetic or acoustic treatment of plants for promoting growth
    • A01G7/045—Electric or magnetic or acoustic treatment of plants for promoting growth with electric lighting
    • 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
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • 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
    • G01N2021/177—Detector of the video camera type
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

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

Abstract

식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치가 개시된다. 개시된 식물 생육 상태 판단 방법은 촬상부를 이용하여 식물의 최초 재배 시기에 설정된 대조군과 실험군에 대해 각각 근적외선 파장대역에서의 이미지를 촬영하는 단계; 촬영된 이미지를 바탕으로 표준화 식생 지수 및 향상된 식생 지수 중 적어도 어느 하나의 식생 지수를 산출하는 단계; 질량분석을 통해 식물의 대조군과 실험군 각각의 원소 성분 성보를 획득하는 단계; 식물의 대조군과 실험군 각각 정보를 산출된 식생 지수와 및 획득된 원소 성분 정보에 매핑하여 분석 데이터를 생성하는 단계; 및 생성된 분석 데이터를 뉴럴 네트워크에 입력하여 학습시키는 단계;를 포함한다.

Description

식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치{Method of determining status of plant growth and apparatus for growing plant using the same}
본 개시는 식물 생육 장치에 관한 것으로, 보다 상세하게는 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치에 관한 것이다.
기존의 실내 혹은 비닐하우스 재배 작물에 적용하는 생육용 조명은 기계식 혹은 전자식 타이머를 통하여 하루에 고정된 시간만큼의 광량을 공급하게끔 설정되어 왔다. 이 때, 사용자는 작물의 생장을 촉진하기 위하여 귀납적으로 광량 및 파장을 수동 조절하거나 조명의 초기 설정에 단순히 의존하여 왔다. 실내에서 주로 재배하는 식용 엽채류 및 특용작물과 더불어 미관을 장식하기 위한 화훼류는 조명의 광량과 파장, 조사 시간, 조명 조사에 따른 온도변화에 대해 그 생산량이 매우 민감하게 반응하므로 단순히 조명 시간만을 조절하는 종래의 방식으로는 작물 생육에 있어 최적 조건을 확보하기 어렵다. 더불어, 최근 보편화되고 있는 풀스펙트럼 COB(Chips on Board) LED의 경우, 기본적으로 전 파장 대역의 조명을 공급하기에 식물이 원하는 대역의 파장만을 공급하기 어렵고, 광량의 조절이 난해하여 사용자의 수동적인 유지관리가 요구된다. 따라서 현재까지의 실내 재배 기법은 조명의 제공에 있어 전력 관리 및 생육 최적 조건 조성에 있어 효율성을 담보하지 못하였다.
해결하고자 하는 과제는 생육 최적 조건 조성에 있어 효율성을 향상시킨 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치를 제공하고자 한다.
해결하고자 하는 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
일 측면에 있어서, 촬상부를 이용하여 식물의 최초 재배 시기에 설정된 대조군과 실험군에 대해 각각 근적외선 파장대역에서의 이미지를 촬영하는 단계; 촬영된 이미지를 바탕으로 표준화 식생 지수 (Normalized Difference Vegetation Index, NDVI) 및 향상된 식생 지수(Enhanced Vegetation Index, EVI) 중 적어도 어느 하나의 식생 지수를 산출하는 단계; 질량분석을 통해 상기 식물의 대조군과 실험군 각각의 원소 성분 성보를 획득하는 단계; 상기 식물의 대조군과 실험군 각각 정보를 산출된 식생 지수와 및 획득된 원소 성분 정보에 매핑하여 분석 데이터를 생성하는 단계; 및 생성된 분석 데이터를 뉴럴 네트워크에 입력하여 학습시키는 단계;를 포함하는 것을 특징으로 하는 식물 생육 상태 판단 방법이 제공될 수 있다.
예시적인 실시예들에서, 상기 식물의 정보는 상기 식물의 종류, 형질, 토양 혹은 배지의 종류, 투여 비료 및 양액의 종류와 양, 급수 환경, 및 시각적 특성 및 해충 여부와 종류 중 적어도 어느 하나를 포함하는 식물 생육 상태 판단 방법.
다른 측면에 있어서, 식물 생육을 위한 조명을 능동적으로 수행하는 식물 생육 장치으로서, 생육하고자 하는 식물의 생육 이미지를 촬영하는 촬상부; 식물 생육을 위한 조명을 하는 조명부; 상기 촬상부와 상기 조명부를 제어하고 상기 촬상부에서 획득된 생육 이미지를 처리하는 프로세서;를 포함하며, 상기 프로세서는 상기 촬상부에서 획득된 생육 이미지를 바탕으로 식물의 생육도를 판단하고, 판단된 생육도에 기초하여 상기 조명부에서 조명되는 광의 광량, 파장 및 조사 시간 중 적어도 하나를 제어하며, 상기 식물의 생육도의 판단은, 식물 생육 상태 판단 방법에 따라 학습된 뉴럴 네트워크에 상기 식물의 생육 이미지를 입력하여 이루어지는 것을 특징으로 하는 식물 생육 장치가 제공될 수 있다.
개시된 실시예에 의한 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치는 촬상소자를 통하여 산출한 작물 생육도를 바탕으로 식물이 원하는 형태의 조명을 실시간으로 자동 제어케끔 하여 실내 농업의 생산성 향상을 도모할 수 있다. 이는 기존 수동 조작 혹은 단순 타이머 식 조명의 전력 소모와 비효율성을 효과적으로 해결할 수 있으며, 생육도 데이터베이스의 누적을 통하여 작물 별로 연구에 필요한 데이터를 범국가적으로 누적할 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 식물 생육 상태 판단 방법을 개략적으로 도시한다.
도 2는 시각 t에서의 샘플들의 이미지를 도시한다.
도 3은 시각 t에서읫 샘플의 3채널 NDVI/EVI 이미지를 도시한다.
도 4는 식물의 입과 줄기의 패턴인식을 예시적으로 도시한다.
도 5는 가스 크로마토그패피/질량분석기에서의 분석을 예시적으로 도시한다.
도 6은 본 발명의 일 실시예에 따른 식물 생육 장치를 개략적으로 도시한다.
도 7은 본 발명의 일 실시예에 따른 식물 생육 장치의 블록도를 개략적으로 도시한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하며, 도면에서 각 구성요소의 크기나 두께는 설명의 명료성을 위하여 과장되어 있을 수 있다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
도 1은 본 발명의 일 실시예에 따른 식물 생육 상태 판단 방법을 개략적으로 도시하며,도 2는 시각 t에서의 샘플들의 이미지를 도시하며, 도 3은 시각 t에서읫 샘플의 3채널 NDVI/EVI 이미지를 도시하며, 도 4는 식물의 입과 줄기의 패턴인식을 예시적으로 도시하고, 도 5는 가스 크로마토그패피/질량분석기에서의 분석을 예시적으로 도시한다.
근적외 파장을 포함한 풀 스펙트럼 형태의 실내형 조명이 적용된 환경에서, 근적외선 촬영이 가능한 카메라 기구를 이용하여 식생 지수를 산출한다. 식생 지수는 표준화 식생 지수 (NDVI)이거나, 향상된 식생 지수(EVI)이거나, 또는 이 둘 다를 포함할 수 있다.
사용자가 정의한 분석 구간에 따라, 분석 시점을 시, 일, 주, 월 간격으로 설정할 수 있다. 각 분석 시점 마다 식물 조직의 샘플링을 실시하며, 이는 해당 시점에 광학적으로 탐지한 NDVI 혹은 EVI값과 연동하여 샘플에 표기한다.
식물 조직의 성분 원소 분석을 통하여 향후 및 현재 생장의 문제점을 파악할 수 있다. 예를 들어 식물 조직의 성분 원소인 질소, 황, 붕소, 인, 철, 나트륨, 칼륨, 구리, 염소, 칼슘, 아연, 몰리브덴, 마그네슘 및 망간 중 적어도 어느 한 원소에 대한 함량를 얻을 수 있으며, 나아가 카드뮴, 납, 비소, 및 셀레늄 함량 또한 해당 분석을 통하여 얻을 수 있다. 이러한 식물 조직의 성분 원소 분석은 기체 크로마토그래피-질량분석법(Gas Chromatography/Mass Spectrometry)과 같은 질량 분석을 이용하여 수행될 수 있다.
샘플링 절차는 다음과 같다. 식물의 최초 재배 시기에 설정된 대조군과 실험군에 대해 각 1개의 샘플을 얻는다고 가정할 때, 식물 전체를 대표할 수 있는 줄기 혹은 잎의 시료를 육안을 통해 파악 후, 약 10 g의 시료를 채취한다.
이때, 식물의 종류, 형질, 토양 혹은 배지의 종류, 투여 비료 및 양액의 종류와 양, 급수 환경, 시각적 특성 및 해충 여부와 종류 등을 샘플을 보관하는 용기에 기입한다.
너무 늙거나 어린 시료에 대해서는 샘플링을 수행하지 아니하며, 물리화학적인 손상이 가해진 시료 또한 샘플링에서 제외한다. 샘플링 시점에서 해당 실험군의 대표성을 가진 식물의 절편을 획득하는 것을 원칙으로 한다.
분석 데이터의 기입 및 향후 활용을 위하여 적용할 수 있는 룩업 테이블(look-up table)은 다음과 같다.
시료번호 EVI NDVI N S B P Fe Na K
1
2
3
상기 표 1과 같은 분석 데이터의 누적을 통하여, 특정 상태의 식물이 가질 수 있는 영양 상태, 광학적 특성, 육안 특성 등을 구체화할 수 있으며, 가능한 값의 범위를 한정할 수 있으며 해당 값의 범위는 이후 머신 러닝을 통하여 식물 상태를 예측하는 데에 시초자료로 사용된다. 이러한 머신 러닝은 예를 들어, CNN(Convolution neural network)을 이용할 수 있다.
도 6은 본 발명의 일 실시예에 따른 식물 생육 장치(100)를 개략적으로 도시하며, 도 7은 본 발명의 일 실시예에 따른 식물 생육 장치의 블록도를 개략적으로 도시한다.
도 6 및 도 7을 참조하면, 식물 생육 장치(100)는 촬상부(110)와, 조명부(120)와, 제어부(130)를 포함한다.
촬상부(110)는 식물(1)을 촬영한다. 식물(1)은 한 개체뿐만 아니라, 복수 개체를 지칭할 수 있다. 이러한 촬상부(110)는 렌즈(111)와, 촬상소자(113)를 포함할 수 있다.
렌즈(111)는 촬상부(110)에 입사된 광을 촬상소자(113)에 결상시킨다. 렌즈(111)는 단수 혹은 복수의 렌즈로 구성될 수 있다. 렌즈(111)는 사용자의 설정에 따라 알맞은 화각을 확보할 수 있게 한다. 렌즈(111)는 촬상부(110)에 탈착가능하게 결합되거나 혹은 고정될 수 있다.
촬상소자(113)는 이미지를 촬영한다. 이러한 촬상소자(113)는 CMOS(상보성 금속 산화막 반도체) 이미지 센서이거나 CCD(전하 결합 소자) 이미지 센서일 수 있다. 이미지 센서의 픽셀 어레이 상에는 RGB 칼라 필터들이 정렬되어 있다. 상용화된 CCD 이미지 센서나 CMOS 이미지 센서는 대략 170nm 내지 1150nm인 풀(full) 스펙트럼에 대체로 민감하다. 대부분의 카메라 제조자들은 캡처된 이미지들로부터 자외선과 적외선에 의한 변형(corruptin)을 방지하기 위해 IR 컷 필터(미도시)이나 UVIR 컷 필터(미도시)를 CCD 이미지 센서나 CMOS 이미지 센서의 앞에 설치되는데, 본 실시예에 사용되는 촬상소자(113)는 이러한 IR 컷 필터나 UVIR 컷 필터가 제거된 이미지 센서일 수 있다.
촬상부(110)는 다중 통과대역 필터(미도시)을 더 포함할 수 있다. 다중 통과대역 필터는 렌즈(111)를 통해 입사된 광에서 적어도 1개의 파장대역을 통과시킨다. 가령, 다중 통과대역 필터는 제1 파장대역의 광과 제2 파장대역의 광을 투과시키는 듀얼 밴드 다이크로익 필터일 수 있다. 제1 파장대역은 600 nm 파장의 가시광 대역일 수 있으며, 제2 파장대역은 850 nm 파장의 근적외광 대역일 수 있다. 다중 통과대역 필터의 통과대역은 예시적인 것이며, 필요에 따라서 다른 통과대역을 갖는 필터가 사용되거나, 1개 또는 3개 이상의 통과대역을 갖는 필터가 사용될 수 있음은 물론이다.
촬상부(110)는 레이저 빔을 조사하는 레이저 조사기(115)를 더 포함할 수 있다. 레이저 조사기(115)는 식물(1)이나 그밖의 표지에 하나 혹은 복수의 레이저 빔을 조사한다. 식물(1)이나 그밖의 표지에 맺힌 레이저 빔 스폿은 촬상소자(113)에 의해 촬상되는 이미지(특히, 식물)의 기준위치를 나타낼 수 있다.
조명부(120)는 복수의 발광소자들(121)을 구비하며, 식물(1)을 광을 조명한다. 발광소자들(121)은 예를 들어, LED(Light-Emitting Diode), OLED(Organic Light-Emitting Diode)와 같은 반도체 발광소자일 수 있다. 발광소자들(121)은 적색 발광소자, 녹색 발광소자, 청색 발광소자를 포함할 수 있으며, 적색 발광소자, 녹색 발광소자, 청색 발광소자 각각은 제어되어, 조명부(120)에서 조명되는 광의 광량, 파장(색) 및 조명시간 중 적어도 하나를 조정할 수 있다. 조명부(120)는 식물(1)을 균일하게 조명하도록 배치되거나 또는 식물(1)의 특정 부위(가령, 잎사귀들)에 집중 조명될 수도 있도록 배치될 수도 있다.
제어부(130)는 프로세서(131)와, 메모리(132)와, 조명제어부(133)와, 전원부(134)를 포함할 수 있다. 제어부(130)는 외부 장치(미도시)와의 통신을 위한 통신부(135)를 더 포함할 수 있다. 제어부(130)의 구성요소들은 별도의 모듈 박스에 마련될 수 있으나, 이에 한정되는 것은 아니다. 가령, 프로세서(131)와 메모리(132)는 촬상부(110)의 하우징 내에 위치할 수도 있다. 조명제어부(133)는 조명부(120)의 하우징 내에 위치할 수도 있다.
프로세서(131)는 촬상부(110)의 촬상소자(111)나 레이저 조사기(115), 조명 제어부(133), 입/출력을 위한 통신부(135)를 포함하여 식물 생육 장치(100)의 전반적인 동작을 제어할 수 있다. 나아가, 프로세서(131)는 촬상소자(111)에서 ??득된 이미지를 처리하며, 이를 바탕으로 식물(1)의 생육도를 산출하고 이에 따라 제어조건을 산출할 수도 있다. 프로세서(131)는 이미지 처리나, 생육도 산출 및 제어조건 산출을 위해 소정의 알고리즘을 이용할 수 있으나, 이에 한정되지 않는다. 프로세서(131)는 이미지 처리나, 생육도 산출, 제어조건 산출을 위하여 전술한 실시예에 따른 식물 생육 상태 판단 방법에 따라 학습된 뉴럴 네크워크를 포함할 수도 있다. 프로세서(131)의 좀 더 구체적인 동작에 대해서는 후술하기로 한다.
메모리(132)는 휘발성 메모리나 비휘발성 메모리와 같은 내장 메모리를 포함할 수 있다. 메모리(132)는 프로세서(131)의 제어에 의해 식물 생육 장치(100)를 구동하고 제어하는 다양한 데이터, 프로그램 또는 어플리케이션을 저장할 수 있다. 메모리(132)는 프로세서(131), 촬상부(110)의 촬상소자(111)나 레이저 조사기(115), 조명 제어부(133), 입/출력을 위한 통신부(135)의 구동에 대응되는 입력/출력되는 신호 또는 데이터를 저장할 수 있다.
조명제어부(133)는 예를 들어 릴레이(미도시) 및 디머 (미도시)를 통하여 조명부(120)의 파장(색), 광량 및 조명시간 중 적어도 하나를 조정할 수 있다.
전원부(134)는 내장 배터리를 포함할 수 있다. 다른 예로, 전원부(134)는 외부로 유선으로 공급받을 수도 있다.
통신부(135)는 식물 생육 장치(100)와 외부 장치 사이의 입출력을 담당한다. 통신부(135)는 무선으로 외부 장치나 네트워크에 연결하는 무선 통신 모듈이나, 또는 유선으로 외부 장치나 네트워크에 연결하는 유선 통신 모듈을 포함할 수 있다.
나아가, 식물 생육 장치(100)는 온도, 습도, 가스 등을 측정할 수 있는 환경 센서(미도시)를 더 구비할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 식물 생육 장치(100)의 제어 방법을 설명하기로 한다.
촬상부(120)는 실시간으로 식물(1)이 위치한 영역을 촬영한다. 촬상부(120)의 렌즈(111)를 통과한 광은 촬상소자(113)에 입사된다. 촬상소자(113)는 소정의 파장대역의 이미지를 획득할 수 있다. 가령, 소정의 파장대역은 NIR 또는 적색, 녹색, 청색 또는 UV에서 선택된 1개 혹은 2개 이상의 조합일 수 있다.
프로세서(131)는 촬상부(120)에서 획득된 이미지를 바탕으로 주변 환경 인자를 소거하고 식물 이미지만을 추출한다. 주변 환경 인자는, 예를 들어 토양, 멀칭(mulching), 화분, 비닐 등일 수 있다. 레이저 조사기(115)가 마련된 경우, 프로세서(131)는 레이저 조사기(115)에서 조사된 레이저 빔의 스폿을 통해 식물의 기준 위치를 판단할 수 있고, 이로부터 식물 이미지의 정확한 위치를 특정할 수 있다.
프로세서(131)는 전술한 실시예에 따른 식물 생육 상태 판단 방법에 따라 학습된 뉴럴 네크워크를 이용하여 식물(1)의 생육도를 측정한다.
일 실시예에서, 식물(1)이 가진 고유 반사도로부터 생육도를 구하기 위하여 정규식생지수(NDVI, normalized difference vegetation index)를 이용할 수 있다. NDVI는 0부터 1까지의 값으로 식생의 생육 상태를 알 수 있는 지수로, 다음의 수학식 1과 같이 표현된다.
Figure pat00001
여기서, NDVI는 정규식생지수를, nIR은 다중 통과대역 필터(112)를 거쳐 검출된 검출된 근적외 파장대역(예를 들어, 850 nm)의 강도를, VIS는 다중 통과대역 필터(112)를 거쳐 검출된 가시 파장대역(예를 들어, 600 nm)의 강도를 뜻한다.
NDVI가 -1부터 0의 값을 가지는 피사체는 죽은 식물이나 토양, 혹은 주변 환경의 사물을 나타내며, 0부터 0.33은 매우 건강하지 못한 식물을, 0.33부터 0.66까지는 대체로 건강한 상태, 0.66부터 1까지는 매우 건강한 상태의 식물을 나타낸다.
추출된 식물 이미지에서 픽셀별로 수학식 1로 표현되는 NDVI값을 계산한다. false-color NDVI 영상에 포함되는 토양, 멀칭, 화분, 비닐 등의 주변 환경 인자를 소거하는 연산은 NDVI값을 계산하는 알고리즘 내에서, 기본적으로 산입된 기 촬영 영상자료 및 데이터베이스를 바탕으로 이루어질 수도 있다. 식물(1)이 가질 수 있는 NDVI 값은 한정적으로, 대체로 0.3에서 1 사이의 값을 가지므로 이러한 알고리즘은 일반적으로 적용할 수 있다.
본 실시예는, 식물(1)이 가진 고유 반사도로부터 생육도를 구하기 위하여 정규 식생 지수(Normalized Difference Vegetation Index, NDVI)를 이용할 수 있다. NDVI는 0부터 1까지의 값으로 식생의 생육 상태를 알 수 있는 지수로, 다음의 수학식 1과 같이 표현된다.
일 실시예에서, 식물(1)이 가진 고유 반사도로부터 생육도를 구하기 위하여 향상된 식생 지수(Enhanced Vegetation Index, EVI)를 이용할 수도 있다.
레이저 조사기(115)가 마련된 경우, 추출된 식물 이미지에서 레이저 빔의 스폿 근방의 식물 부위(예를 들어, 하나의 잎사귀 혹은 무리지어진 잎사귀)에서의 NDVI값의 평균값을 식물 부위의 생육도로 특정지을 수 있다. 레이저 빔 스폿이 복수개인 경우, 식물(1)의 복수 부위에서의 생육도를 측정할 수 있을 것이다.
프로세서(131)는 측정된 생육도를 바탕으로 조명 필요 여부, 필요 파장대역, 필요 광량, 필요 조명시간을 산출하고, 조명부(120)에서 조명되는 광의 광량 및 파장 중 적어도 하나를 실시간으로 제어한다.
메모리(132)는 촬상부(110)에서 획득된 이미지 정보와, 프로세서(131)에서 측정된 생육도 정보 및 제어정보를 저장한다.
나아가, 식물 생육 장치(100)가 통신부(135)를 더 구비한 경우, 촬상부(110)에서 획득된 이미지 정보와, 프로세서(131)에서 측정된 생육도 정보 및 제어정보를 외부 장치로 전송할 수도 있다. 여기서, 외부 장치는 중앙 서버, 클라우드 서버, 데스크탑, 등일 수 있다. 식물 생육 장치(100)에서 수집한 시계열적 생육 자료는 향후 작물의 생육과 작황을 예측할 수 있는 데이터베이스로 활용될 수 있다.
본 발명의 실시예들에 따른 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치는 실내 혹은 비닐하우스 재배 작물에 적용할 수 있다.
전술한 본 발명인 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치는 이해를 돕기 위하여 도면에 도시된 실시예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위에 의해 정해져야 할 것이다.
100, 300: 식물 생육 장치 110, 310: 촬상부
111: 렌즈 113: 촬상소자
115: 레이저 조사기 120, 220, 320: 조명부
121, 221, 222: 발광소자 130, 330: 제어부
131: 프로세서 132: 메모리
133: 조명제어부 134: 전원부
135: 통신부 340: 촬상부 이동장치

Claims (3)

  1. 촬상부를 이용하여 식물의 최초 재배 시기에 설정된 대조군과 실험군에 대해 각각 근적외선 파장대역에서의 이미지를 촬영하는 단계;
    촬영된 이미지를 바탕으로 표준화 식생 지수 및 향상된 식생 지수중 적어도 어느 하나의 식생 지수를 산출하는 단계;
    질량 분석을 통해 상기 식물의 대조군과 실험군 각각의 원소 성분 성보를 획득하는 단계;
    상기 식물의 대조군과 실험군 각각 정보를 산출된 식생 지수와 및 획득된 원소 성분 정보에 매핑하여 분석 데이터를 생성하는 단계; 및
    생성된 분석 데이터를 뉴럴 네트워크에 입력하여 학습시키는 단계;를 포함하는 것을 특징으로 하는 식물 생육 상태 판단 방법.
  2. 제1 항에 있어서,
    상기 식물의 정보는 상기 식물의 종류, 형질, 토양 혹은 배지의 종류, 투여 비료 및 양액의 종류와 양, 급수 환경, 및 시각적 특성 및 해충 여부와 종류 중 적어도 어느 하나를 포함하는 식물 생육 상태 판단 방법.
  3. 식물 생육을 위한 조명을 능동적으로 수행하는 식물 생육 장치에 있어서,
    생육하고자 하는 식물의 생육 이미지를 촬영하는 촬상부;
    식물 생육을 위한 조명을 하는 조명부;
    상기 촬상부와 상기 조명부를 제어하고 상기 촬상부에서 획득된 생육 이미지를 처리하는 프로세서;를 포함하며,
    상기 프로세서는 상기 촬상부에서 획득된 생육 이미지를 바탕으로 식물의 생육도를 판단하고, 판단된 생육도에 기초하여 상기 조명부에서 조명되는 광의 광량, 파장 및 조사 시간 중 적어도 하나를 제어하며,
    상기 식물의 생육도의 판단은, 청구항 제1 항의 식물 생육 상태 판단 방법에 따라 학습된 뉴럴 네트워크에 상기 식물의 생육 이미지를 입력하여 이루어지는 것을 특징으로 하는 식물 생육 장치.
KR1020190154561A 2019-11-27 2019-11-27 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치 KR20210065607A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190154561A KR20210065607A (ko) 2019-11-27 2019-11-27 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190154561A KR20210065607A (ko) 2019-11-27 2019-11-27 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치

Publications (1)

Publication Number Publication Date
KR20210065607A true KR20210065607A (ko) 2021-06-04

Family

ID=76392078

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190154561A KR20210065607A (ko) 2019-11-27 2019-11-27 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치

Country Status (1)

Country Link
KR (1) KR20210065607A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516067A (zh) * 2021-07-06 2021-10-19 中山大学 一种植物生长时间的识别方法及装置
KR102479284B1 (ko) * 2022-03-11 2022-12-21 (주)카탈로닉스 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치
KR20230011513A (ko) * 2021-07-13 2023-01-25 전주비전대학교산학협력단 도시지역 토지피복 특성을 고려한 ｕａｖ 다중분광센서 기반의 맞춤형 식생지수 측정 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516067A (zh) * 2021-07-06 2021-10-19 中山大学 一种植物生长时间的识别方法及装置
CN113516067B (zh) * 2021-07-06 2023-10-13 中山大学 一种植物生长时间的识别方法及装置
KR20230011513A (ko) * 2021-07-13 2023-01-25 전주비전대학교산학협력단 도시지역 토지피복 특성을 고려한 ｕａｖ 다중분광센서 기반의 맞춤형 식생지수 측정 방법
KR102479284B1 (ko) * 2022-03-11 2022-12-21 (주)카탈로닉스 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치
WO2023172080A1 (ko) * 2022-03-11 2023-09-14 주식회사 카탈로닉스 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치

Similar Documents

Publication Publication Date Title
KR102301658B1 (ko) 식물 생육 장치 및 그 제어 방법
US11744189B2 (en) Plant treatment based on morphological and physiological measurements
KR20210065607A (ko) 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치
JP6365668B2 (ja) 情報処理装置、機器、情報処理システム、制御信号の生産方法、プログラム
JP5593255B2 (ja) 植生制御装置、植物育成システム
Petach et al. Monitoring vegetation phenology using an infrared-enabled security camera
Burks et al. Classification of weed species using color texture features and discriminant analysis
CN111372444B (zh) 信息处理装置、信息处理方法以及植被管理系统
US20200182697A1 (en) Active illumination 2d and/or 3d imaging device for agriculture
US20160000020A1 (en) Cultivation system, cultivation program, and cultivation method
KR20220132531A (ko) 조사기 및 카메라 및/또는 센서를 사용하는 제어된 환경 원예를 위한 다중센서 이미징 방법 및 장치
AU2010259848A1 (en) Vegetation indices for measuring multilayer microcrop density and growth
US20220108543A1 (en) Method and Device for Analyzing Plants
KR20160052367A (ko) 엽록소 형광영상을 이용한 식물의 비생물적 스트레스 또는 제초제 반응의 진단방법
US20230363328A1 (en) Multisensory methods and apparatus for controlled environment horticulture
WO2020218323A1 (ja) 植物体撮像装置、及び植物体撮像方法
KR102139459B1 (ko) 식물 모니터링 및 재배 방법, 장치 및 시스템
JP7134428B2 (ja) 植物栽培装置
Mazzetto et al. Comparing commercial optical sensors for crop monitoring tasks in precision viticulture
JP7130203B2 (ja) 植物栽培システム
KR102434102B1 (ko) 인공지능 능동보조 서버가 탑재된 지능형 의료용 헴프 식물공장 시스템
Su et al. Computer vision technology for identification of snap bean crops using systemic Rhodamine B
Mihaylov et al. Study of the specifics of the spectral reflections of different varieties of cereals harvest 2021, obtained from the visible and near infrared (NIR) frequency range
Bicans et al. IoT Camera-based Approach to Capture and Process SI-NDVI Sensor Data for Industrial Tomato Greenhouse
Story Jr Autonomous multi-sensor and web-based decision support for crop diagnostics in greenhouse