KR20230015236A - 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법 - Google Patents

작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법 Download PDF

Info

Publication number
KR20230015236A
KR20230015236A KR1020210096722A KR20210096722A KR20230015236A KR 20230015236 A KR20230015236 A KR 20230015236A KR 1020210096722 A KR1020210096722 A KR 1020210096722A KR 20210096722 A KR20210096722 A KR 20210096722A KR 20230015236 A KR20230015236 A KR 20230015236A
Authority
KR
South Korea
Prior art keywords
crop
unit
image
gantry
image acquisition
Prior art date
Application number
KR1020210096722A
Other languages
English (en)
Other versions
KR102660478B1 (ko
Inventor
이관호
Original Assignee
주식회사 쎄슬프라이머스
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 주식회사 쎄슬프라이머스 filed Critical 주식회사 쎄슬프라이머스
Priority to KR1020210096722A priority Critical patent/KR102660478B1/ko
Publication of KR20230015236A publication Critical patent/KR20230015236A/ko
Application granted granted Critical
Publication of KR102660478B1 publication Critical patent/KR102660478B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

본 발명의 일 실시예에 따른 배관 설계 시스템은, 단말 장치를 통한 이동 이벤트 발생시 상기 이동 이벤트의 이동 방향과 평행한 방향으로 적어도 하나의 배관 모두가 연장되는 배관 연장부; 상기 단말 장치를 통한 이동 이벤트 발생시 상기 이동 이벤트의 이동 방향이 상기 적어도 하나의 배관의 길이 방향과 다른 방향일 경우 상기 적어도 하나의 배관 모두의 연장 방향이 상기 이동 이벤트의 이동 방향과 평행한 방향으로 전환되는 배관 방향 전환부; 상기 적어도 하나의 배관의 위치를 3차원 좌표로 저장하는 배관 좌표 저장부; 및 저장된 상기 적어도 하나의 배관의 3차원 좌표를 3차원 공간 데이터에 적용하는 3차원 공간 적용부를 포함한다.

Description

작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법{SYSTEM AND APPARATUS FOR CROP AUTOMATIC IMAGE ACQUISITION AND DIAGNOSIS METHOD OF ACQUIRED PLANT IMAGE}
본 발명은 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법에 관한 것이다.
작물의 생육은 다양한 과정을 거치게 된다. 작물의 생육 과정에서 작물의 각 기관이 분화되며 발육될 수 있다. 이러한 작물의 생육 단계에서 작물들은 다양한 성정 단계를 거치게 될 수 있다. 또한 작물들의 생육 상태는 각 개체별로 달라질 수 있다. 예를 들면, 일 개체는 정상적으로 자랄 수 있고 또 다른 개체는 정상적이지 않은 상태로 성장할 수 있다.
사용자는 작물의 생육에 필요한 다양한 처리를 진행할 수 있다. 이러한 다양한 처리는 작물의 생육 상태에 따라 달라질 수 있으며, 사용자의 다양한 처리 전 작물의 생육 상태를 체계적으로 파악하는 것이 중요하다.
따라서 성장하고 있는 작물의 상태를 체계적으로 확인하고 분석하기 위한 시스템, 장치 및 진단 방법에 관한 필요성이 대두되고 있다.
본 발명의 실시예들은 작물의 생육 상태를 체계적으로 파악할 수 있는 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상을 통한 진단 방법에 관한 것이다.
다만 이러한 과제는 예시적인 것으로, 본 발명의 해결하고자 하는 과제는 이에 한정되지 않는다.
본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템은, 각 작물의 위치와 형상 정보를 취득하는 제1 카메라부; 상기 작물의 분광 이미지를 취득하고 상기 분광 이미지로부터 상기 작물이 반사하는 빛의 주파수에 따라 작물의 식생 지수와 당도 등을 확인하는 제2 카메라부; 상기 작물의 열화상 이미지를 취득하고 상기 열화상 이미지로부터 상기 작물의 품질을 확인하는 제3 카메라부; 및 상기 제1,2,3 카메라부를 제어하고 상기 제1,2,3 카메라부로부터 취득된 영상 정보를 전송하는 임베디드부를 포함한다.
본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템에서, 상기 임베디드부로부터 전송된 취득 영상 정보를 토대로 작물의 생육 정보를 분석하는 분석부를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템에서, 상기 분석부를 토대로 분석된 작물의 생육 정보를 출력하고, 작물의 생육 정보를 관리하는 표시부를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 작물 자동 영상 취득 장치는, 베이스부에 배치되어 상기 베이스부의 길이 방향으로 이동하는 적어도 하나의 갠트리부; 상기 갠트리부에 배치되어 상기 갠트리부의 길이 방향으로 이동하는 본체부; 상기 본체부의 하측에서 상기 본체부와 연결되어 작물의 이미지를 취득하는 영상 취득부; 및 상기 본체부와 상기 영상 취득부를 연결하는 암부를 포함한다.
본 발명의 일 실시예에 따른 작물 자동 영상 취득 장치에서, 상기 갠트리부는 상기 베이스부와 수직인 방향을 길이 방향으로 하여 배치되고, 상기 베이스부를 기준으로 상기 갠트리부가 제1 방향으로 이동함에 따라 상기 영상 취득부는 상기 제1 방향으로 이동하고, 상기 갠트리부를 기준으로 상기 본체부가 상기 제1 방향과 수직인 제2 방향으로 이동함에 따라 상기 영상 취득부는 상기 제2 방향으로 이동하고, 상기 본체부를 기준으로 상기 암부가 상기 제1,2 방향과 수직인 제3 방향으로 움직임에 따라 상기 영상 취득부는 상기 제3 방향으로 이동할 수 있다.
본 발명의 일 실시예에 따른 작물 자동 영상 취득 장치에서, 상기 베이스부 및 상기 갠트리부는 레일부를 포함하고, 상기 갠트리부는 상기 베이스부와 레일 결합하고, 상기 본체부는 상기 갠트리부와 레일 결합할 수 있다.
본 발명의 일 실시예에 따른 취득된 작물 영상의 진단 방법은, 학습 데이터를 바탕으로 작물의 생육 정보를 딥러닝하여 작물 생육 모델을 생성하는 단계; 영상 취득부를 통해 작물의 이미지를 취득하고, 취득된 상기 작물의 이미지를 작물별로 분류하는 단계; 및 상기 작물의 생육 모델을 활용하여 상기 작물의 이미지를 통해 상기 작물의 생육을 진단하는 단계를 포함한다.
본 발명의 일 실시예에 따른 취득된 작물 영상의 진단 방법에서, 상기 작물의 생육 정보를 딥러닝하여 작물 생육 모델을 생성하는 단계에서, 상기 작물 생육 모델은 작물의 좌표, 작물의 크기, 작물의 숙도, 작물의 당도, 작물의 무게, 엽록소 등의 정보를 포함할 수 있다.
본 발명의 일 실시예에 따른 취득된 작물 영상의 진단 방법에서, 상기 영상 취득부를 통해 작물의 이미지를 취득하고, 취득된 상기 작물의 이미지를 작물별로 분류하는 단계 및 상기 작물의 생육 모델을 활용하여 상기 작물의 이미지를 통해 상기 작물의 생육을 진단하는 단계는, 실시간으로 진행될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점은 이하의 발명을 실시하기 위한 구체적인 내용, 청구범위 및 도면으로부터 명확해질 것이다.
본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법은, 영상 취득 시스템을 고도화시켜 작물의 생육 상태를 정밀하고 체계적으로 파악할 수 있는 작물 자동 영상 취득 시스템을 제공할 수 있다.
또한 본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법은, 영상 측정 전용 장치를 마련하여 작물로부터 영상을 다양한 방식으로 취득하고, 취득된 영상을 통해 작물의 생육을 체계적으로 분석할 수 있다.
또한 본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법은, 작물의 이미지 취득 및 작물의 생육 진단이 실시간으로 이루어지므로 사용자가 작물의 상태를 실시간으로 확인할 수 있다.
또한 본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법은, 딥러닝을 이용하여 작물의 생육 모델을 마련하고, 이를 바탕으로 작물의 생육 정보를 분석하는 인공지능 작물 생육 진단 알고리즘을 도입하여, 작물의 생육 모델을 점차적으로 진화시킬 수 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 영상 취득부의 영상 운용 방식을 나타낸 순서도이다.
도 3은 본 발명의 일 실시예에 따른 영상 취득부를 나타낸 도면이다.
도 4은 본 발명의 일 실시예에 따른 작물 자동 영상 취득 장치를 나타낸 도면이다.
도 5는 도 4의 A 부분을 나타낸 도면이다.
도 6은 도 4의 A 부분을 도 5와는 다른 각도에서 바라본 도면이다.
도 7은 도 4의 B 부분을 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 취득된 작물 영상의 진단 방법에 따라 취득된 작물의 생육 정보의 종류를 나타낸 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 발명의 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시예로 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 다른 실시예에 도시되어 있다 하더라도, 동일한 구성요소에 대하여서는 동일한 식별부호를 사용한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다.
이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타냈으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
이하의 실시예에서, x축, y축 및 z축은 직교 좌표계 상의 세 축으로 한정되지 않고, 이를 포함하는 넓은 의미로 해석될 수 있다. 예를 들어, x축, y축 및 z축은 서로 직교할 수도 있지만, 서로 직교하지 않는 서로 다른 방향을 지칭할 수도 있다.
어떤 실시예가 달리 구현 가능한 경우에 특정한 공정 순서는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 공정이 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 도 1 내지 도 6을 참조하여 본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템에 대해 설명한다.
도 1은 본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템의 블록도이다. 도 2는 본 발명의 일 실시예에 따른 영상 취득부의 영상 운용 방식을 나타낸 순서도이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 작물 자동 영상 취득 시스템은, 각 작물의 위치와 형상 정보를 취득하는 제1 카메라부(110), 작물의 분광 이미지를 취득하고 분광 이미지로부터 작물이 반사하는 빛의 주파수에 따라 작물의 식생 지수와 당도 등을 확인하는 제2 카메라부(120), 작물의 열화상 이미지를 취득하고 열화상 이미지로부터 작물의 품질을 확인하는 제3 카메라부(130) 및 제1,2,3 카메라부(110, 120, 130)를 제어하고 제1,2,3 카메라부(110, 120, 130)로부터 취득된 영상 정보를 전송하는 임베디드부(140)를 포함한다.
제1 카메라부(110)는 각 작물의 위치와 형상 정보를 취득할 수 있다. 제1 카메라부(110)는 일반 이미지와 깊이(Depth) 이미지를 취득할 수 있다. 깊이 이미지를 통해 각 작물의 위치와 형상 정보를 취득할 수 있다. 따라서 제1 카메라부(110)는 일반 이미지와 깊이 이미지를 각각 획득하여, 작물의 위치와 크기 등을 종합적으로 판단할 수 있다.
본 실시예에 따르면, 제1 카메라부(110)는 라이다 카메라를 포함할 수 있다. 라이다 카메라를 통해 레이저 펄스를 발사하고, 그 빛이 주위의 작물에서 반사되어 돌아오는 것을 받아 작물까지의 거리를 측정함으로써 작물 및 그 주변 모습을 정밀하게 그려낼 수 있다. 라이다 카메라는 자율 주행 및 위치 파악 기능을 포함한 카메라일 수 있다. 즉 라이다 카메라를 이용하여 영상 취득부를 자율 주행 시킴으로써 영상 취득부가 작물의 위치를 실시간으로 파악하고 이동할 수 있다.
제2 카메라부(120)는 작물의 분광 이미지를 취득하고 분광 이미지로부터 작물이 반사하는 빛의 주파수에 따라 작물의 식생 지수와 당도 등을 확인할 수 있다.
제2 카메라부(120)는 분광 카메라를 포함할 수 있다. 제2 카메라부(120)는, RGB, NIR(Near Infra Red) 에 대한 반사율을 측정하는 광센서를 사용하여 작물 생육 진단을 위한 표준적인 지표인 NDVI(Normalized Difference Vegetation Index) 를 생성할 수 있다. 본 발명의 일 실시예에 따르면, NIR 영상을 통해서 NDVI 분석을 진행할 수 있다. 이때 NIR은 850mm 영역을 사용하여 NDVI 분석을 진행할 수 있다.
이와 같이, 제2 카메라부(120)는 작물의 대사 과정에서 발생하는 생물학적 특성으로 인해, 파장이 다른 빛에 대한 반사율 차이가 발생하는 원리를 이용하여 작물의 생육 진단이 가능하다. 이때 분광 카메라인 제2 카메라부(120)는 작물이 반사하는 빛의 주파수에 따라 작물의 식생 지수와 당도 등을 분석할 수 있다.
제3 카메라부(130)는 작물의 열화상 이미지를 취득하고 열화상 이미지로부터 작물의 품질을 확인할 수 있다. 제3 카메라부(130)를 통해 작물의 온도를 측정하고, 작물의 온도로부터 작물의 품질을 측정하여 분석할 수 있다.
도 2는 영상 취득부의 영상 운용 방식을 보여주고 있다. 제1 카메라부(110)를 통해 작물의 위치와 형상 정보를 취득하고, 제2 카메라부(120)를 통해 작물의 식생지수, 당도 정보를 취득하며, 제3 카메라부(130)를 통해 작물의 온도 및 그를 통한 품질 정보를 취득하는 바, 제1,2,3 카메라부(110, 120, 130)를 통해 취득한 작물 정보를 임베디드부(140)에서 모두 모을 수 있다.
임베디드부(140)에 모인 이미지 정보들은, 임베디드부(140)와 인터넷 연결된 분석부(150)로 전달될 수 있다. 임베디드부(140)에는 인공지능 보드가 장착될 수 있다. 임베디드부(140)에 장착된 인공지능 보드를 통해 제1,2,3 카메라부(110, 120, 130)로부터 전달되는 이미지 정보들을 빠르게 분류 및 분석할 수 있다. 임베디드부(140)에는 GPS 센서가 추가로 부착될 수 있다.
분석부(150)는 임베디드부(140)로부터 전달된 정보들을 취합하고, 일반 영상, 열화상 영상, 분광 영상, 위치 정보 등을 분류 및 분석할 수 있다. 이를 바탕으로 작물의 생육 정보를 분석할 수 있다.
작물의 생육 정보는 영상 데이터베이스부(170)에 저장되어 생육 정보를 데이터화 시킬 수 있다. 표시부(160)는 일반 영상, 열화상 영상, 분광 영상, 위치 정보 및 이를 바탕으로 한 작물의 생육 정보를 출력할 수 있다. 사용자는 출력된 작물의 생육 정보를 관리하고, 작물의 생육 정보를 토대로 작물별로 생육에 필요한 다양한 조치를 취할 수 있다.
영상 취득부(100)는 제1,2,3 카메라부(110, 120, 130)을 하나의 영상 취득부(100)로 통합하고, 여기에 인공지능 보드가 장착된 임베디드부(140)를 연결하여 영상을 수집하고 작물의 생장 상태를 분석할 수 있다. 또한 상대적으로 복잡한 분석의 경우 인터넷을 이용하여 영상 데이터베이스부(170)의 작물 생장 데이터베이스와 분석부(150)의 머신 러닝 결과를 바탕으로 분석을 진행할 수 있다.
이하, 도 3을 참조하여, 본 발명의 일 실시예에 따른 영상 취득부에 대해 설명한다.
도 3은 본 발명의 일 실시예에 따른 영상 취득부를 나타낸 도면이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 영상 취득부(100)는 센서 모듈(S)을 포함할 수 있다.
센서 모듈(S)은 하우징 내에 다양한 모듈을 포함할 수 있다. 본 실시예에 따르면, 센서 모듈(S)은 제1,2,3 카메라부(110, 120, 130) 및 임베디드부(140)를 포함할 수 있다.
이를 통해 센서 모듈(S)은 작물의 위치, 형상, 분광 이미지, 열화상 이미지를 동시에 수집할 수 있다. 또한 작물의 위치 파악을 위해 GPS 센서가 포함될 수 있다.
센서 모듈(S)은 취득 이미지들의 저장시 영상 촬영 소프트웨어는 클라우드 서버 정보 및 전송 포트를 설정할 수 있으며, 작물 영상의 촬영 후 작물 현장에서 엽의 순번, 과일 순번, 마디 순번을 인공지능에서 인식한 값으로 교정할 수 있게 하여 정확한 시계열 데이터가 수집될 수 있다.
이하, 도 4 내지 도 7을 참조하여, 본 발명의 일 실시예에 따른 작물 자동 영상 취득 장치에 대해 설명한다.
도 4은 본 발명의 일 실시예에 따른 작물 자동 영상 취득 장치를 나타낸 도면이다. 도 5는 도 4의 A 부분을 나타낸 도면이다. 도 6은 도 4의 A 부분을 도 5와는 다른 각도에서 바라본 도면이다. 도 7은 도 4의 B 부분을 나타낸 도면이다.
도 4 내지 도 7을 참조하면, 본 발명의 일 실시예에 따른 작물 자동 영상 취득 장치는, 베이스부(200)에 배치되어 베이스부(200)의 길이 방향으로 이동하는 적어도 하나의 갠트리부(300), 갠트리부(300)에 배치되어 갠트리부(300)의 길이 방향으로 이동하는 본체부(400), 본체부(400)의 하측에서 본체부(400)와 연결되어 작물의 이미지를 취득하는 영상 취득부(100) 및 본체부(400)와 영상 취득부를 연결하는 암부(500)를 포함한다.
베이스부(200)는 일 방향으로 평행하게 형성된 두 빔을 포함할 수 있다. 두 빔은 같은 높이로 형성되어 본 실시예에 따른 작물 자동 영상 취득 장치의 뼈대를 이룰 수 있다.
베이스부(200)의 두 빔은 공중에 떠있을 수 있다. 베이스부(200)의 두 빔의 양끝단은 벽체 부분 또는 지붕 부분과 결합될 수 있다. 베이스부(200) 및 이와 연결되는 갠트리부(300), 본체부(400) 및 암부(500)는 모두 공중에 배치되어 있으므로 경량화됨이 바람직하다. 갠트리부(300), 본체부(400) 및 암부(500)는 경량화를 위해 알루미늄으로 형성될 수 있다. 갠트리부(300), 본체부(400) 및 암부(500)는 모터를 통해 동작할 수 있다.
도 7을 참조하면, 갠트리부(300)는 베이스부(200)와 레일 결합될 수 있다. 갠트리부(300)는 베이스부 연결부(310), 수직 바(320), 갠트리 본체부(330), 갠트리 레일부(340)를 포함할 수 있다. 갠트리부(300)는 베이스부(200)의 두 빔 사이에 배치될 수 있다. 이때 갠트리부(300)는 베이스부(200)의 두 빔 사이에서 두 빔이 형성하는 길이 방향으로 이동될 수 있다.
베이스부 연결부(310)는 갠트리부(300)와 베이스부(200)를 결합 시킬 수 있다. 이때 베이스부 연결부(310)는 베이스부(200)와 갠트리부(300)를 레일로 연결시킬 수 있다. 베이스부 연결부(310)는 베이스부(200)의 상단부에 마련된 레일에 탑승할 수 있도록 바퀴로 형성될 수 있다. 베이스부 연결부(310)는 베이스부(200)의 레일에 탑승한 채로 베이스부(200)의 길이 방향을 따라 이동할 수 있다.
수직 바(320)는 베이스부 연결부(310) 및 갠트리 본체부(330)를 연결시킬 수 있다. 수직 바(320)는 갠트리 본체부(330)와 베이스부 연결부(310)를 연결하여 갠트리 본체부(330)를 베이스부 연결부(310)를 통해 베이스부(200)의 길이 방향으로 이동시킬 수 있다. 베이스부 연결부(310), 수직 바(320), 갠트리 본체부(330)는 두 빔으로 형성된 베이스부(200) 각각에 위치할 수 있다.
갠트리 레일부(340)는 두 빔으로 형성된 베이스부(200) 각각에 위치한 갠트리 본체부(330)를 서로 연결하여 갠트리부(300)를 일체로 형성할 수 있다. 갠트리 레일부(340)는 두 빔으로 형성될 수 있다. 두 빔으로 형성된 갠트리 레일부(340)는 갠트리 본체부(330)의 양측단과 연결될 수 있다.
도 6을 참조하면, 본체부(400)는 갠트리부(300)의 갠트리 레일부(340)와 연결될 수 있다. 본체부(400)는 갠트리 레일부(340)의 두 레일에 배치될 수 있다. 본체부(400)는 갠트리 레일부(340)의 길이 방향을 따라 이동하며, 본체부(400)와 연결된 영상 취득부(100)를 이동시킬 수 있다.
본체부(400)는 암부 연결부(410), 골격부(420), 갠트리 레일 연결부(430)를 포함할 수 있다. 암부 연결부(410)는 암부(500)와 연결될 수 있다. 골격부(420)는 본체부(400)의 가운데 골격을 형성할 수 있다. 골격부(420)의 하단부는 암부 연결부(410)와 결합될 수 있고, 골격부(420)의 상단부는 갠트리 레일 연결부(430)와 결합될 수 있다.
갠트리 레일 연결부(430)는 갠트리 레일부(340)와 레일 결합될 수 있다. 갠트리 레일 연결부(430)는 갠트리 레일부(340)에 마련된 레일에 탑승할 수 있도록 바퀴로 형성될 수 있다. 갠트리 레일 연결부(430)는 갠트리 레일부(340)의 레일에 탑승한 채로 본체부(400)를 갠트리 레일부(340)의 길이 방향을 따라 이동할 수 있다.
도 5를 참조하면, 암부(500)는 본체부(400)와 영상 취득부(100)를 연결할 수 있다. 암부(500)는 제1 힌지부(510), 제2 힌지부(520), 제3 힌지부(530), 영상 취득부 연결부(540), 제1 암부(550), 제2 암부(560)를 포함할 수 있다.
암부(500)는 복수의 힌지부 및 암부로 형성되어, 암부(500)의 하측에서 암부(500)와 연결된 영상 취득부(100)를 상하 방향으로 이동시킬 수 있다.
제1 힌지부(510)는 본체부(400)의 암부 연결부(410)와 연결될 수 있다. 제1 힌지부(510)는 제1 암부(550)의 일단부와 연결된 수 있다. 제1 암부(550)의 타단부는 제2 힌지부(520)와 연결될 수 있다. 제2 암부(560)의 일단부는 제2 힌지부(520)와 연결될 수 있다. 제2 암부(560)의 타단부는 제3 힌지부(530)와 연결될 수 있다. 제3 힌지부(530)는 영상 취득부 연결부(540)와 연결될 수 있다. 영상 취득부 연결부(540)는 하단의 영상 취득부(100)와 결합될 수 있다.
제1 힌지부(510)는 암부 연결부(410)를 중심으로 제1 암부(550)를 회전이동 시킬 수 있다. 제2 힌지부(520)는 제1,2 암부(550, 560)를 회전이동 시킬 수 있다. 제3 힌지부(530)는 영상 취득부(100)를 회전이동 시킬 수 있다. 영상 취득부(100)는 제3 힌지부(530)를 중심으로 360도 회전 가능할 수 있다.
본 실시예에 따른 암부(500)는 3개의 힌지부 및 2개의 암부를 포함할 수 있다. 암부는 서로 같은 수평면 상에서 겹칠 수 있도록 힌지부를 중심으로 엇갈리게 형성될 수 있다. 힌지부들을 중심으로 제1,2 암부(550, 560)가 회전 이동하면서 제1,2 암부(550, 560)와 연결된 영상 취득부(100)가 상하 방향으로 이동할 수 있다.
베이스부(200) 및 갠트리부(300)는 레일부를 포함하고, 갠트리부(300)는 베이스부(200)와 레일 결합하고, 본체부(400)는 갠트리부(300)와 레일 결합할 수 있다.
즉, 갠트리부(300)는 베이스부(200)와 수직인 방향을 길이 방향으로 하여 배치되고, 베이스부(200)를 기준으로 갠트리부(300)가 제1 방향으로 이동함에 따라 영상 취득부(100)는 제1 방향으로 이동하고, 갠트리부(300)를 기준으로 본체부(400)가 제1 방향과 수직인 제2 방향으로 이동함에 따라 영상 취득부(100)는 제2 방향으로 이동하고, 본체부(400)를 기준으로 암부(500)가 제1,2 방향과 수직인 제3 방향으로 움직임에 따라 영상 취득부는 제3 방향으로 이동할 수 있다.
즉, 베이스부(200)를 중심으로, 갠트리부(300), 본체부(400) 및 암부(500)가 각각 수직인 다른 방향으로 이동되게 장착됨으로써, 갠트리부(300), 본체부(400), 암부(500)와 모두 연결된 영상 취득부(100)는 3차원 공간의 +x축, -x축, +y축, -y축, +z축, -z축의 여섯 방향으로 자유 자재로 이동함으로써, 생육 정보가 필요한 작물이 위치하고 있는 장소면 어디든지 이동하여 영상 취득 작업을 수행할 수 있다.
이하, 도 8을 참조하여, 본 발명의 일 실시예에 따른 취득된 작물 영상의 진단 방법에 대해 설명한다. 도 8에 도시되어 있지 않은 내용은 도 1 내지 도 7의 내용을 참조할 수 있다.
도 8은 본 발명의 일 실시예에 따른 취득된 작물 영상의 진단 방법에 따라 취득된 작물의 생육 정보의 종류를 나타낸 도면이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 취득된 작물 영상의 진단 방법은, 학습 데이터를 바탕으로 작물의 생육 정보를 딥러닝하여 작물 생육 모델을 생성하는 단계(S100), 영상 취득부(100)를 통해 작물의 이미지를 취득하고, 취득된 작물의 이미지를 작물별로 분류하는 단계(S200) 및 작물의 생육 모델을 활용하여 작물의 이미지를 통해 작물의 생육을 진단하는 단계(S300)를 포함한다.
본 실시예에 따른 취득된 작물 영상의 진단 방법은, 영상 진단을 위해 딥러닝 알고리즘을 활용할 수 있다. 딥러닝 알고리즘은 작물의 실시간 좌표, 크기, 숙도, 당도 및 무게를 측정하는 알고리즘을 포함할 수 있다.
작물의 생육 정보를 딥러닝 시키며, 딥러닝 결과를 통해 생육 모델 정보를 마련할 수 있다. 이를 통해 작물의 생육 정보에 대한 학습 데이터를 미리 마련해 놓을 수 있다.
이후 영상 취득부(100)를 통해 작물의 이미지를 취득하고, 취득된 작물의 이미지를 작물별로 분류할 수 있다. 여기서 딥러닝된 작물의 생육 데이터를 활용하여 생육 정보를 분류할 수 있다. 본 실시예에 따르면, 영상 취득부(100)를 통해 취득된 이미지상에 작물의 위치 좌표와 작물의 성숙도 정보를 저장시킬 수 있다.
본 실시예에 따르면, 촬영 후 분류된 이미지를 분석부에 전달한 후, 딥러닝을 통해 학습된 작물의 생육 모델을 기반으로 작물의 이미지를 분석하여 작물의 생육 상태를 진단할 수 있다.
영상 취득부(100)를 통해 작물의 이미지를 취득하고, 취득된 작물의 이미지를 작물별로 분류하는 단계(S200) 및 작물의 생육 모델을 활용하여 작물의 이미지를 통해 작물의 생육을 진단하는 단계(S300)는 실시간으로 이루어질 수 있다.
이와 같이 실시간 영상 솔루션 시스템 및 딥러닝 알고리즘을 활용한 영상 진단 방법을 통해, 작물의 생육 정보를 보다 정확하게 파악할 수 있으며, 생육 상황에 따른 사용자의 조치 방향을 빠르게 선정하고 작물 생육에 적용할 수 있다.
이와 같이 도면에 도시된 실시예를 참고로 본 발명을 설명하였으나, 이는 예시에 불과하다. 해당 기술 분야에서 통상의 지식을 갖는 자라면 실시예로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 충분히 이해할 수 있다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위에 기초하여 정해져야 한다.
실시예에서 설명하는 특정 기술 내용은 일 실시예들로서, 실시예의 기술 범위를 한정하는 것은 아니다. 발명의 설명을 간결하고 명확하게 기재하기 위해, 종래의 일반적인 기술과 구성에 대한 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재는 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로 표현될 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
발명의 설명 및 청구범위에 기재된 "상기" 또는 이와 유사한 지시어는 특별히 한정하지 않는 한, 단수 및 복수 모두를 지칭할 수 있다. 또한, 실시 예에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
또한, 실시예에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 실시예들이 한정되는 것은 아니다.
실시예에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 실시예를 상세히 설명하기 위한 것으로서 청구범위에 의해 한정되지 않는 이상, 상기 예들 또는 예시적인 용어로 인해 실시예의 범위가 한정되는 것은 아니다.
또한, 통상의 기술자는 다양한 수정, 조합 및 변경이 부가된 청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
100: 영상 취득부
110: 제1 카메라부
120: 제2 카메라부
130: 제3 카메라부
140: 임베디드부
150: 분석부
160: 표시부
170: 영상 데이터베이스부
200: 베이스부
300: 갠트리부
310: 베이스부 연결부
320: 수직 바
330: 갠트리 본체부
340: 갠트리 레일부
400: 본체부
410: 암부 연결부
420: 골격부
430: 갠트리 레일 연결부
500: 암부
510: 제1 힌지부
520: 제2 힌지부
530: 제3 힌지부
540: 영상 취득부 연결부
550: 제1 암부
560: 제2 암부

Claims (6)

  1. 각 작물의 위치와 형상 정보를 취득하는 제1 카메라부;
    상기 작물의 분광 이미지를 취득하고 상기 분광 이미지로부터 상기 작물이 반사하는 빛의 주파수에 따라 작물의 식생 지수와 당도 등을 확인하는 제2 카메라부;
    상기 작물의 열화상 이미지를 취득하고 상기 열화상 이미지로부터 상기 작물의 품질을 확인하는 제3 카메라부; 및
    상기 제1,2,3 카메라부를 제어하고 상기 제1,2,3 카메라부로부터 취득된 영상 정보를 전송하는 임베디드부를 포함하는 작물 자동 영상 취득 시스템.
  2. 제1 항에 있어서,
    상기 임베디드부로부터 전송된 취득 영상 정보를 토대로 작물의 생육 정보를 분석하는 분석부를 더 포함하는 작물 자동 영상 취득 시스템.
  3. 제2 항에 있어서,
    상기 분석부를 토대로 분석된 작물의 생육 정보를 출력하고, 작물의 생육 정보를 관리하는 표시부를 더 포함하는 작물 자동 영상 취득 시스템.
  4. 베이스부에 배치되어 상기 베이스부의 길이 방향으로 이동하는 적어도 하나의 갠트리부;
    상기 갠트리부에 배치되어 상기 갠트리부의 길이 방향으로 이동하는 본체부;
    상기 본체부의 하측에서 상기 본체부와 연결되어 작물의 이미지를 취득하는 영상 취득부; 및
    상기 본체부와 상기 영상 취득부를 연결하는 암부를 포함하는 작물 자동 영상 취득 장치.
  5. 제4 항에 있어서,
    상기 갠트리부는 상기 베이스부와 수직인 방향을 길이 방향으로 하여 배치되고,
    상기 베이스부를 기준으로 상기 갠트리부가 제1 방향으로 이동함에 따라 상기 영상 취득부는 상기 제1 방향으로 이동하고,
    상기 갠트리부를 기준으로 상기 본체부가 상기 제1 방향과 수직인 제2 방향으로 이동함에 따라 상기 영상 취득부는 상기 제2 방향으로 이동하고,
    상기 본체부를 기준으로 상기 암부가 상기 제1,2 방향과 수직인 제3 방향으로 움직임에 따라 상기 영상 취득부는 상기 제3 방향으로 이동하는 작물 자동 영상 취득 장치.
  6. 제4 항에 있어서,
    상기 베이스부 및 상기 갠트리부는 레일부를 포함하고, 상기 갠트리부는 상기 베이스부와 레일 결합하고, 상기 본체부는 상기 갠트리부와 레일 결합하는 작물 자동 영상 취득 장치.
KR1020210096722A 2021-07-22 2021-07-22 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법 KR102660478B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210096722A KR102660478B1 (ko) 2021-07-22 2021-07-22 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210096722A KR102660478B1 (ko) 2021-07-22 2021-07-22 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법

Publications (2)

Publication Number Publication Date
KR20230015236A true KR20230015236A (ko) 2023-01-31
KR102660478B1 KR102660478B1 (ko) 2024-04-25

Family

ID=85109141

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210096722A KR102660478B1 (ko) 2021-07-22 2021-07-22 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법

Country Status (1)

Country Link
KR (1) KR102660478B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102642313B1 (ko) 2023-03-07 2024-03-04 충남대학교산학협력단 수확 로봇 학습용 영상 취득 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070020764A (ko) * 2005-08-16 2007-02-22 구해원 동일시각에 동일피사체를 여러 대의 카메라로 촬영하는입체촬영 시스템
KR20180072641A (ko) * 2018-06-20 2018-06-29 전남대학교산학협력단 사물인터넷 기반 식물 재배 데이터 수집 및 관리 시스템
KR20210054415A (ko) * 2019-11-05 2021-05-13 대한민국(농촌진흥청장) 스마트 식물 모니터링 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070020764A (ko) * 2005-08-16 2007-02-22 구해원 동일시각에 동일피사체를 여러 대의 카메라로 촬영하는입체촬영 시스템
KR20180072641A (ko) * 2018-06-20 2018-06-29 전남대학교산학협력단 사물인터넷 기반 식물 재배 데이터 수집 및 관리 시스템
KR20210054415A (ko) * 2019-11-05 2021-05-13 대한민국(농촌진흥청장) 스마트 식물 모니터링 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102642313B1 (ko) 2023-03-07 2024-03-04 충남대학교산학협력단 수확 로봇 학습용 영상 취득 장치

Also Published As

Publication number Publication date
KR102660478B1 (ko) 2024-04-25

Similar Documents

Publication Publication Date Title
CN111897332B (zh) 一种语义智能变电站机器人仿人巡视作业方法及系统
CN109977813A (zh) 一种基于深度学习框架的巡检机器人目标定位方法
CN1208025C (zh) 判定运动图样的方法和装置
US20160057940A1 (en) Selective automated blossom thinning
CN109242112B (zh) 车辆智能检测定损的方法及系统
Ringdahl et al. Evaluation of approach strategies for harvesting robots: Case study of sweet pepper harvesting: Category:(5)
CN111679291A (zh) 基于三维激光雷达的巡检机器人目标定位配置方法
CN110880188B (zh) 用于近眼显示光学系统的标定方法、标定装置和标定系统
WO2020049576A2 (en) System and method for monitoring plants in plant growing areas
Wang et al. Validation of a low-cost 2D laser scanner in development of a more-affordable mobile terrestrial proximal sensing system for 3D plant structure phenotyping in indoor environment
KR20230015236A (ko) 작물 자동 영상 취득 시스템, 장치 및 취득된 작물 영상의 진단 방법
CN109357629A (zh) 一种基于三维扫描仪的智能检测系统及使用方法
WO2021181371A1 (en) Systems and methods for monitoring plants in plant growing areas
CN105122277A (zh) 智能机器的网络
CN111968048A (zh) 电力巡检少样本图像数据增强方法及系统
CN109784200A (zh) 基于双目视觉的奶牛行为图像获取与体况智能监测系统
CN112223273A (zh) 一种工业机器人视觉检测及避障系统
CN110136186A (zh) 一种用于移动机器人目标测距的检测目标匹配方法
Dorokhov et al. Recognition of cow teats using the 3D-ToF camera when milking in the “herringbone” milking parlor
CN111179458A (zh) 一种轨道交通设备的巡检方法及装置
CN111931832A (zh) 一种变电站巡检设备最优数据采集方法及系统
CN109668547A (zh) 一种桥梁智能化检查系统
Geiger et al. Assistance system for an automated log-quality and assortment estimation based on data-driven approaches using hydraulic signals of forestry machines
KR20200143161A (ko) 자율제어기술 드론을 이용한 구조물의 안전진단방법
CN115830457A (zh) 基于激光雷达检测的复杂林分生物量估测系统及方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
E601 Decision to refuse application
E801 Decision on dismissal of amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)