KR20240006746A - Sphere prediction method and system using onion above ground pseudostem growth pattern - Google Patents

Sphere prediction method and system using onion above ground pseudostem growth pattern Download PDF

Info

Publication number
KR20240006746A
KR20240006746A KR1020220083129A KR20220083129A KR20240006746A KR 20240006746 A KR20240006746 A KR 20240006746A KR 1020220083129 A KR1020220083129 A KR 1020220083129A KR 20220083129 A KR20220083129 A KR 20220083129A KR 20240006746 A KR20240006746 A KR 20240006746A
Authority
KR
South Korea
Prior art keywords
onion
growth
sphere
weight
thickness
Prior art date
Application number
KR1020220083129A
Other languages
Korean (ko)
Inventor
김효중
정수호
윤가윤
김희곤
김성준
이진우
이형석
Original Assignee
전라남도
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 전라남도 filed Critical 전라남도
Priority to KR1020220083129A priority Critical patent/KR20240006746A/en
Publication of KR20240006746A publication Critical patent/KR20240006746A/en

Links

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
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/35—Bulbs; Alliums, e.g. onions or leeks
    • 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
    • A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/05—Agriculture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/204—Image signal generators using stereoscopic image cameras

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Botany (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Computing Systems (AREA)
  • Wood Science & Technology (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Agronomy & Crop Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 양파 지상부 위경 생육패턴을 이용한 구 예측 방법 및 시스템에 관한 것으로, 본 발명에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 방법은, 지상부 이미지 획득부가 뎁스 카메라(Depth camera)에서 촬영된 양파의 지상부의 이미지를 획득하는 이미지 획득 단계; 위경두께 예측부가 상기 양파의 정식 후 생육 적산온도의 변환에 따른 위경(pseudostems)의 두께 변화 데이터를 이용해 상기 양파의 위경의 두께를 예측하는 위경 두께 예측 단계; 모델링부가 상기 위경에 따른 상기 양파의 구의 무게의 변화를 모델링하여 생육 모델을 구성하는 모델링 단계; 및 구중 예측부가 양파의 위경 두께에 상기 생육 모델을 적용하여 상기 양파의 구의 무게를 예측하는 구중 예측 단계;를 포함하여 구성된다.The present invention relates to a sphere prediction method and system using onion aerial part gastric growth patterns. The sphere prediction method using onion aerial part gastric growth patterns according to the present invention involves an aerial part image acquisition unit measuring onions captured by a depth camera. An image acquisition step of acquiring an image of the ground part; A pseudostem thickness prediction step in which the pseudostem thickness prediction unit predicts the thickness of the pseudostem of the onion using the thickness change data of the pseudostem according to the conversion of the accumulated growth temperature after planting of the onion; A modeling step in which a modeling unit constructs a growth model by modeling a change in the weight of the bulb of the onion according to the stomach diameter; and a bulb weight prediction step in which the bulb weight prediction unit predicts the bulb weight of the onion by applying the growth model to the stomach diameter thickness of the onion.

Description

양파 지상부 위경 생육패턴을 이용한 구 예측 방법 및 시스템{SPHERE PREDICTION METHOD AND SYSTEM USING ONION ABOVE GROUND PSEUDOSTEM GROWTH PATTERN}Sphere prediction method and system using onion aboveground growth pattern {SPHERE PREDICTION METHOD AND SYSTEM USING ONION ABOVE GROUND PSEUDOSTEM GROWTH PATTERN}

본 발명은 양파의 구 예측 방법 및 시스템에 관한 것으로, 보다 상세하게는 양파 지상부 위경 생육패턴을 이용한 구 예측 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for predicting bulbs of onions, and more specifically, to a method and system for predicting bulbs using onion aerial growth patterns.

정보통신기술을 융복합한 기술은 다양하게 개발되고 있으며 4차산업 기술을 도입한 응용기술이 산업 전반에 영향을 미치고 있다.A variety of technologies that combine information and communication technologies are being developed, and application technologies incorporating 4th industrial technology are influencing the entire industry.

특히 농업분야는 스마트팜 확산사업으로 정밀농업을 추진하고 있으나 사용가능한 기술이 다양하게 필요한 시점이다.In particular, the agricultural sector is pursuing precision agriculture through the smart farm expansion project, but it is at a time when a variety of available technologies are needed.

이와 더불어 소비자 물가와 밀접한 관계가 있는 양념채소의 수급조절을 위한 수확량 예측 방법이 필요하다.In addition, a yield prediction method is needed to control the supply and demand of seasoned vegetables, which are closely related to consumer prices.

이러한 양념채소 중의 하나인 양파는 8월 하순에서 9월 상순 사이에 종자를 파종하고, 10월 중순경에 밭에 정식하며, 이듬해 5월 내지 6월경에 수확하는데, 종자당 구군, 즉 양파가 한 개씩 재배되므로 그 수확량에 한계가 있을 뿐 아니라, 재배기간이 길고, 재배시기도 제한되는 단점이 있다.Onions, one of these seasoning vegetables, are sown from seeds between late August and early September, planted in the field around mid-October, and harvested around May or June of the following year. The number of onions per seed is 1. Since they are grown individually, not only is the yield limited, but the cultivation period is long and the cultivation period is also limited.

양파 마늘 등 노지채소의 수급조절 대책들을 마련하고 있지만 정확한 예측이 어려워 수요에 비해 많은 양의 양파가 출하되거나 혹은 너무 적은 양이 생산되었으나 수입량을 조절하지 못하는 경우가 발생하여 생산자와 소비자가 그 피해를 고스란히 받고 있다.Although measures are in place to control the supply and demand of field vegetables such as onions and garlic, accurate predictions are difficult, so there are cases where a large amount of onions are shipped compared to demand, or too small a quantity is produced but imports cannot be controlled, causing damage to producers and consumers. I am receiving it in full.

국내 양파생산 및 수급에 있어서 현재의 관찰조사 방법으로는 양파 생산량 예측 정확성이 떨어져 양파 수입물량 조절이 어려워 대체기술이 필요하다.In terms of domestic onion production and supply, the current observation survey method is not accurate in predicting onion production, making it difficult to control onion imports, so alternative technology is needed.

특허문헌 1: 등록특허공보 제10-1475445호(2014.12.16)Patent Document 1: Registered Patent Publication No. 10-1475445 (December 16, 2014)

본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 다양한 양파 생육모델을 기반으로 실시간 양파 입체이미지 분석을 통해 지하부 구중을 예측함으로써 단위면적 생산량을 추정할 수 있도록 하고자 제공하고자 한다.The present invention was devised to solve the above-described problem, and is intended to enable estimation of unit area production by predicting the underground bulb size through real-time onion three-dimensional image analysis based on various onion growth models.

또한, 본 발명은 기상환경, 품종적 차이에 상관없이 지하부 구중을 예측할 수 있는 장비개발 및 보급으로 생산량 예측 신뢰도 향상 도모하고자 한다.In addition, the present invention seeks to improve the reliability of production prediction by developing and distributing equipment that can predict underground bulb size regardless of weather environment and varietal differences.

전술한 문제를 해결하기 위한 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 방법은 지상부 이미지 획득부가 뎁스 카메라(Depth camera)에서 촬영된 양파의 지상부의 이미지를 획득하는 이미지 획득 단계; 위경두께 예측부가 상기 양파의 정식 후 생육 적산온도의 변환에 따른 위경(pseudostems)의 두께 변화 데이터를 이용해 상기 양파의 위경의 두께를 예측하는 위경 두께 예측 단계; 모델링부가 상기 위경에 따른 상기 양파의 구의 무게의 변화를 모델링하여 생육 모델을 구성하는 모델링 단계; 및 구중 예측부가 양파의 위경 두께에 상기 생육 모델을 적용하여 상기 양파의 구의 무게를 예측하는 구중 예측 단계;를 포함하여 구성된다.The sphere prediction method using the above-ground growth pattern of the onion aerial part according to an embodiment of the present invention to solve the above-described problem includes an image acquisition step in which the aerial part image acquisition unit acquires an image of the above-ground part of the onion captured by a depth camera. ; A pseudostem thickness prediction step in which the pseudostem thickness prediction unit predicts the thickness of the pseudostem of the onion using the thickness change data of the pseudostem according to the conversion of the accumulated growth temperature after planting of the onion; A modeling step in which a modeling unit constructs a growth model by modeling a change in the weight of the bulb of the onion according to the stomach diameter; And a bulb weight prediction step in which the bulb weight prediction unit predicts the bulb weight of the onion by applying the growth model to the stomach diameter thickness of the onion.

본 발명의 다른 일실시예에 따르면, 상기 이미지 획득 단계는 입모율 분석부가 상기 촬영된 양파의 이미지를 이용해 상기 양파의 입모듈을 계산하는 단계;를 더 포함한다.According to another embodiment of the present invention, the image acquisition step further includes a step of calculating the mouth module of the onion by the mouth ratio analysis unit using the photographed image of the onion.

본 발명의 다른 일실시예에 따르면, 상기 위경 두께 예측 단계는 상기 위경두께 예측부가 상기 양파의 수확전 일수와 5년 평균온도 그래프에 따른 잔여기간의 적산온도를 계산하고, 상기 적산온도에 따른 상기 양파의 위경의 두께를 예측할 수 있다.According to another embodiment of the present invention, in the stomach thickness prediction step, the stomach thickness prediction unit calculates the accumulated temperature of the remaining period according to the number of days before harvest of the onion and the 5-year average temperature graph, and the accumulated temperature according to the accumulated temperature The thickness of the stomach diaphragm of onions can be predicted.

본 발명의 다른 일실시예에 따르면, 상기 모델링 단계는 상기 모델링부가 상기 양파의 위경의 변화에 따른 상기 구의 무게의 변화량의 빅데이터를 이용해 생육 모델을 구성할 수 있다.According to another embodiment of the present invention, in the modeling step, the modeling unit may construct a growth model using big data of the amount of change in the weight of the sphere according to the change in the stomach diameter of the onion.

본 발명의 다른 일실시예에 따르면, 추종모델 확인부가 상기 위경의 변화에 따른 상기 구의 무게의 변화를 모델링한 다수의 생육 모델들 중에서 어느 모델에 해당하는지 판단하여 최종 구의 무게를 확정하는 추종모델 확인 단계;를 더 포함한다.According to another embodiment of the present invention, the tracking model confirmation unit confirms the final weight of the sphere by determining which model it corresponds to among a plurality of growth models that model the change in the weight of the sphere according to the change in the gastric diameter. It further includes steps;

본 발명의 다른 일실시예에 따르면, 수확량 예측부가 상기 입모율에 확정된 상기 최종 구의 무게를 곱하여 단위면적당 예상 수확량을 계산하는 수확량 예측 단계;를 더 포함한다.According to another embodiment of the present invention, it further includes a yield prediction step in which the yield prediction unit calculates the expected yield per unit area by multiplying the seeding rate by the determined weight of the final sphere.

본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템은, 뎁스 카메라(Depth camera)에서 촬영된 양파의 지상부의 이미지를 획득하는 지상부 이미지 획득부; 상기 양파의 정식 후 생육 적산온도의 변환에 따른 위경(pseudostems)의 두께 변화 데이터를 이용해 상기 양파의 위경의 두께를 예측하는 위경두께 예측부; 상기 위경에 따른 상기 양파의 구의 무게의 변화를 모델링하여 생육 모델을 구성하는 모델링부; 및 양파의 위경 두께에 상기 생육 모델을 적용하여 상기 양파의 구의 무게를 예측하는 구중 예측부;를 포함하여 구성된다.The sphere prediction system using the gastric growth pattern of the above-ground part of the onion according to an embodiment of the present invention includes an above-ground image acquisition unit that acquires an image of the above-ground part of the onion captured by a depth camera; a pseudostem thickness prediction unit that predicts the thickness of the pseudostem of the onion using the thickness change data of the pseudostem according to the conversion of the integrated growth temperature after planting of the onion; a modeling unit that constructs a growth model by modeling a change in the weight of the bulb of the onion according to the stomach diameter; and a bulb weight prediction unit that predicts the bulb weight of the onion by applying the growth model to the stomach diameter thickness of the onion.

본 발명의 다른 일실시예에 따르면, 상기 촬영된 양파의 이미지를 이용해 상기 양파의 입모듈을 계산하는 입모율 분석부;를 더 포함한다.According to another embodiment of the present invention, it further includes a mouth growth rate analysis unit that calculates the mouth module of the onion using the photographed image of the onion.

본 발명의 다른 일실시예에 따르면, 상기 위경두께 예측부는 상기 양파의 수확전 일수와 5년 평균온도 그래프에 따른 잔여기간의 적산온도를 계산하고, 상기 적산온도에 따른 상기 양파의 위경의 두께를 예측할 수 있다.According to another embodiment of the present invention, the stomach diaphragm thickness prediction unit calculates the accumulated temperature of the remaining period according to the number of days before harvest of the onions and the 5-year average temperature graph, and calculates the thickness of the stomach diaphragm of the onions according to the accumulated temperature. It is predictable.

본 발명의 다른 일실시예에 따르면, 상기 모델링부는 상기 양파의 위경의 변화에 따른 상기 구의 무게의 변화량의 빅데이터를 이용해 생육 모델을 구성할 수 있다.According to another embodiment of the present invention, the modeling unit may construct a growth model using big data of the amount of change in the weight of the sphere according to the change in the stomach diameter of the onion.

본 발명의 다른 일실시예에 따르면, 상기 위경의 변화에 따른 상기 구의 무게의 변화를 모델링한 다수의 생육 모델들 중에서 어느 모델에 해당하는지 판단하여 최종 구의 무게를 확정하는 추종모델 확인부;를 더 포함할 수 있다.According to another embodiment of the present invention, a tracking model confirmation unit that determines the final weight of the sphere by determining which model it corresponds to among a plurality of growth models that model the change in the weight of the sphere according to the change in the stomach diameter; It can be included.

본 발명의 다른 일실시예에 따르면, 상기 입모율에 확정된 상기 최종 구의 무게를 곱하여 단위면적당 예상 수확량을 계산하는 수확량 예측부;를 더 포함할 수 있다.According to another embodiment of the present invention, it may further include a yield prediction unit that calculates the expected yield per unit area by multiplying the seeding rate by the determined weight of the final sphere.

본 발명에 따르면 양파 재배포장의 지상부의 입체 이미지 분석을 통해 지하부를 예측함으로써 재배단지 및 지역의 생산량을 예측할 수 있다.According to the present invention, the production volume of the cultivation complex and region can be predicted by predicting the underground part through three-dimensional image analysis of the above-ground part of the onion cultivation field.

또한, 본 발명에 따르면 사람이 직접 작물을 측정하지 않고 생육이미지 및 환경데이터 연관분석으로 실시간으로 생육 및 생산량을 예측할 수 있으며, 다양한 분석용 자료수집 장치 개발과 타 작물의 생산량 및 수급조절자료를 제공할 수 있다.In addition, according to the present invention, growth and production can be predicted in real time through correlation analysis of growth images and environmental data without humans directly measuring crops, and development of various analysis data collection devices and provision of production and supply/demand control data for other crops. can do.

또한, 본 발명에 따르면 정확성이 높은 양파 생산량 추정으로 국내 양파 수출입 조절 및 가격안정을 도모할 수 있다.In addition, according to the present invention, it is possible to control domestic onion imports and exports and stabilize prices by estimating onion production with high accuracy.

도 1은 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 방법을 설명하기 위한 흐름도이다.
도 2 내지 도 5는 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 방법을 보다 상세하게 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템의 구성도이다.Figure 1 is a flowchart illustrating a sphere prediction method using the gastric growth pattern of the aerial part of the onion according to an embodiment of the present invention.
Figures 2 to 5 are diagrams to explain in more detail the sphere prediction method using the gastric growth pattern of the aerial part of the onion according to an embodiment of the present invention.
Figure 6 is a diagram illustrating the configuration of a sphere prediction system using the gastric growth pattern of the aerial part of the onion according to an embodiment of the present invention.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the present invention can be modified in various ways and can have various embodiments, specific embodiments will be illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all transformations, equivalents, and substitutes included in the spirit and technical scope of the present invention.

다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.However, in describing the embodiments, if it is determined that specific descriptions of related known functions or configurations may unnecessarily obscure the gist of the present invention, detailed descriptions thereof will be omitted. Additionally, the size of each component in the drawings may be exaggerated for explanation and does not mean the actual size.

또한, 명세서 전체에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다. 또한, 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 있는 것을 의미한다.In addition, throughout the specification, when a component is referred to as "connected" or "connected" to another component, the component may be directly connected or directly connected to the other component, but in particular Unless there is a contrary description, it should be understood that it may be connected or connected through another component in the middle. In addition, throughout the specification, when a part "includes" a certain element, this means that it may further include other elements rather than excluding other elements, unless specifically stated to the contrary.

도 1은 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 방법을 설명하기 위한 흐름도이다.Figure 1 is a flowchart illustrating a sphere prediction method using the gastric growth pattern of the aerial part of the onion according to an embodiment of the present invention.

또한, 도 2 내지 도 5는 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 방법을 보다 상세하게 설명하기 위한 도면이다.In addition, Figures 2 to 5 are diagrams for explaining in more detail the sphere prediction method using the gastric growth pattern of the aerial part of the onion according to an embodiment of the present invention.

이후부터는 도 1 내지 도 5를 참조하여 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 방법을 설명하기로 한다.From now on, with reference to FIGS. 1 to 5, the sphere prediction method using the gastric growth pattern of the above-ground onion according to an embodiment of the present invention will be described.

먼저, 도 2를 참조하면, 양파의 위경은 양파의 지상부의 잎집을 말하며, 양파의 구는 양파의 지하부를 말한다.First, referring to Figure 2, the stomach diaphragm of an onion refers to the leaf sheath of the above-ground part of the onion, and the bulb of the onion refers to the underground part of the onion.

본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 방법에 의하면, 지상부 이미지 획득부가 뎁스 카메라(Depth camera)에서 촬영된 양파의 지상부의 이미지를 획득하고, 입모율 분석부가 상기 촬영된 양파의 이미지를 이용해 상기 양파의 입모듈을 계산할 수 있다(S110).According to the sphere prediction method using the above-ground growth pattern of the onion above-ground part according to an embodiment of the present invention, the above-ground image acquisition unit acquires an image of the above-ground part of the onion photographed by a depth camera, and the emergence rate analysis unit acquires the image of the above-mentioned onion photographed by a depth camera. The mouth module of the onion can be calculated using the image (S110).

보다 상세하게 설명하면, 도 3에 도시된 바와 같이 지상부 이미지 획득부가 뎁스 카메라(Depth camera)에서 촬영한 양파의 지상부의 입체 이미지를 획득하여 위경 두께의 증가 패턴을 측정할 수 있도록 하고, 지상에서 2미터에 설치된 RGB 카메라에 촬영된 이미지를 이용해 입모율 분석부가 양파의 개체분석을 하여 입모율을 확정할 수 있다.In more detail, as shown in Figure 3, the above-ground image acquisition unit acquires a three-dimensional image of the above-ground part of the onion taken by a depth camera to measure the pattern of increase in stomach thickness, and 2 from the ground. Using the image captured by the RGB camera installed in the meter, the growth rate analysis department can determine the growth rate by analyzing the individual onions.

이후에는 위경두께 예측부가 상기 양파의 정식 후 생육 적산온도의 변환에 따른 위경(pseudostems)의 두께 변화 데이터를 이용해 상기 양파의 위경의 두께를 예측한다(S120).Afterwards, the pseudostem thickness prediction unit predicts the thickness of the pseudostem of the onion using the thickness change data of the pseudostem according to the conversion of the accumulated growth temperature after planting of the onion (S120).

즉, 도 4에 도시된 바와 같이 정식 후 생육 적산온도 변화에 따른 위경 두께 변화의 데이터를 확보함으로써, 상기 위경두께 예측부가 상기 양파의 수확전 일수와 5년 평균온도 그래프에 따른 잔여기간의 적산온도를 계산하고, 상기 적산온도에 따른 상기 양파의 위경의 두께를 예측할 수 있다.That is, as shown in Figure 4, by securing data on the change in stomach thickness according to the change in accumulated growth temperature after planting, the stomach thickness prediction unit predicts the number of days before harvest of the onion and the accumulated temperature of the remaining period according to the 5-year average temperature graph. It is possible to calculate and predict the thickness of the stomach diameter of the onion according to the accumulated temperature.

이후에는 모델링부가 상기 위경에 따른 상기 양파의 구의 무게(구중)의 변화를 모델링하여 생육 모델을 구성한다(S130).Afterwards, the modeling unit constructs a growth model by modeling the change in the weight (bulb weight) of the bulb of the onion according to the stomach diameter (S130).

즉, 도 5에 도시된 바와 같이 상기 모델링부가 상기 양파의 위경의 변화에 따른 상기 구의 무게(구중)의 변화량의 빅데이터를 이용해 생육 모델을 구성할 수 있다.That is, as shown in FIG. 5, the modeling unit can construct a growth model using big data on the amount of change in the weight (bulb weight) of the bulb according to the change in the stomach diameter of the onion.

이후에는 구중 예측부가 양파의 위경 두께에 상기 생육 모델을 적용하여 상기 양파의 구의 무게(구중)을 예측할 수 있다(S140).Afterwards, the bulb weight prediction unit can predict the bulb weight (bulb weight) of the onion by applying the growth model to the stomach diameter thickness of the onion (S140).

즉, 적산온도에 따른 최종 위경의 두께 예측값을 제공하는 생육 모델을 적용하여 지하 구중 무게를 예측할 수 있다.In other words, the weight of the underground bulb can be predicted by applying a growth model that provides a predicted value of the thickness of the final stomach diameter according to the accumulated temperature.

이때, 도 5에서와 같이 구중은 지수형으로 상승하며, 위경두께와 구중간의 증가패턴도 지수형 패턴을 보이며 이를 분석하여 구중을 산출할 수 있다. 또한, 구중의 예측은 지수함수모형이 변곡점을 지나 선형으로 전환되는 시점 이후 예측이 가능하다.At this time, as shown in Figure 5, the mouth weight increases exponentially, and the increase pattern between the gastric diameter thickness and the middle of the mouth also shows an exponential pattern, and the mouth weight can be calculated by analyzing this. In addition, the prediction of the sphere is possible after the point where the exponential function model passes the inflection point and converts to linear.

이후, 추종모델 확인부가 상기 위경의 변화에 따른 상기 구의 무게(구중)의 변화를 모델링한 다수의 생육 모델들 중에서 어느 모델에 해당하는지 판단하여 최종 구의 무게(구중)를 확정할 수 있다(S150).Thereafter, the tracking model confirmation unit can determine the final weight (weight) of the sphere by determining which model it corresponds to among a plurality of growth models that model the change in the weight (weight) of the sphere according to the change in the gastric diameter (S150). .

즉, 위경 두께 증가에 구중 변화를 나타내는 다양한 모델 중 어느 모넬을 추종하는지 확인하여 최종 구의 무게(구중)를 확정할 수 있다.In other words, the final sphere weight (bulb weight) can be determined by checking which Monel is being followed among various models that show changes in sphere weight as the thickness of the stomach diameter increases.

이후에는 수확량 예측부가 상기 입모율에 확정된 상기 최종 구의 무게(구중)를 곱하여 단위면적당 예상 수확량을 계산할 수 있다(S160).Afterwards, the yield prediction unit can calculate the expected yield per unit area by multiplying the planting rate by the confirmed weight (weight) of the final sphere (S160).

도 6은 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템의 구성도이다.Figure 6 is a diagram illustrating the configuration of a sphere prediction system using the gastric growth pattern of the aerial part of the onion according to an embodiment of the present invention.

이후부터는 도 6을 참조하여 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템의 구성을 설명하기로 한다.From now on, the configuration of the sphere prediction system using the gastric growth pattern of the above-ground onion according to an embodiment of the present invention will be described with reference to FIG. 6.

본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템(200)은 컴퓨터 단말, 서버 또는 전용 장치로 구성되거나, 각 기능을 제공하는 구성요소가 각각 컴퓨터 단말, 서버 또는 전용 장치로 구성될 수 있다. 또는, 기능을 제공하는 각각의 구성요소가 하드웨어 또는 소프트웨어로 구성될 수 있다.The sphere prediction system 200 using the onion aerial part stomach growth pattern according to an embodiment of the present invention is composed of a computer terminal, server, or dedicated device, or the components providing each function are each composed of a computer terminal, server, or dedicated device. It can be configured. Alternatively, each component that provides a function may be composed of hardware or software.

보다 구체적으로, 본 발명의 일실시예에 따른 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템(200)은 지상부 이미지 획득부(210), 위경두께 예측부(220), 입모율 분석부(225), 모델링부(230), 구중 예측부(240), 추종모델 확인부(250) 및 수확량 예측부(260)를 포함하여 구성될 수 있다.More specifically, the sphere prediction system 200 using the above-ground growth pattern of the onion above-ground part according to an embodiment of the present invention includes an above-ground image acquisition unit 210, a stomach thickness prediction unit 220, a growth rate analysis unit 225, and modeling. It may be configured to include a unit 230, a district prediction unit 240, a tracking model confirmation unit 250, and a yield prediction unit 260.

상기 지상부 이미지 획득부(210)는 뎁스 카메라(Depth camera)에서 촬영된 양파의 지상부의 이미지를 획득한다.The above-ground image acquisition unit 210 acquires an image of the above-ground part of the onion captured by a depth camera.

상기 위경두께 예측부(220)는 상기 양파의 정식 후 생육 적산온도의 변환에 따른 위경(pseudostems)의 두께 변화 데이터를 이용해 상기 양파의 위경의 두께를 예측한다.The pseudostem thickness prediction unit 220 predicts the thickness of the pseudostem of the onion using the thickness change data of the pseudostem according to the conversion of the accumulated growth temperature after planting of the onion.

이때, 상기 위경두께 예측부(220)는 상기 양파의 수확전 일수와 5년 평균온도 그래프에 따른 잔여기간의 적산온도를 계산하고, 상기 적산온도에 따른 상기 양파의 위경의 두께를 예측할 수 있다.At this time, the stomach diaphragm thickness prediction unit 220 can calculate the accumulated temperature of the remaining period according to the number of days before harvest of the onions and the 5-year average temperature graph, and predict the thickness of the stomach diaphragm of the onions according to the accumulated temperature.

또한, 상기 입모율 분석부(225)는 상기 촬영된 양파의 이미지를 이용해 상기 양파의 입모듈을 계산할 수 있다.Additionally, the mouth growth rate analysis unit 225 may calculate the mouth module of the onion using the photographed image of the onion.

상기 모델링부(230)는 상기 위경에 따른 상기 양파의 구의 무게(구중)의 변화를 모델링하여 생육 모델을 구성한다. 보다 구체적으로, 상기 모델링부(230)는 상기 양파의 위경의 변화에 따른 상기 양파의 구의 무게(구중)의 변화량의 빅데이터를 이용해 생육 모델을 구성할 수 있다.The modeling unit 230 constructs a growth model by modeling the change in the weight (bulb weight) of the bulb of the onion according to the stomach diameter. More specifically, the modeling unit 230 may construct a growth model using big data on the amount of change in the weight (bulb weight) of the bulb of the onion according to the change in the stomach diameter of the onion.

또한, 상기 구중 예측부(240)는 양파의 위경 두께에 상기 생육 모델을 적용하여 상기 양파의 구의 무게(구중)을 예측한다.In addition, the bulb weight prediction unit 240 predicts the bulb weight (bulb weight) of the onion by applying the growth model to the stomach diameter thickness of the onion.

상기 추종모델 확인부(250)는 상기 위경의 변화에 따른 상기 구중의 변화를 모델링한 다수의 생육 모델들 중에서 어느 모델에 해당하는지 판단하여 최종 구의 무게(구중)을 확정할 수 있다.The tracking model confirmation unit 250 may determine the final weight (weight) of the sphere by determining which model it corresponds to among a plurality of growth models that model the change in the bulb weight according to the change in the gastric diameter.

따라서, 상기 수확량 예측부(260)는 상기 입모율에 확정된 상기 최종 구의 무게(구중)을 곱하여 단위면적당 예상 수확량을 계산할 수 있다.Accordingly, the yield prediction unit 260 can calculate the expected yield per unit area by multiplying the planting rate by the final weight (weight) of the final sphere.

이와 같이, 본 발명에 따르면 양파 재배포장의 지상부의 입체 이미지 분석을 통해 지하부를 예측함으로써 재배단지 및 지역의 생산량을 예측할 수 있으며, 이와 같은 정확성이 높은 양파 생산량 추정으로 국내 양파 수출입 조절 및 가격안정 도모할 수 있다.In this way, according to the present invention, the production volume of the cultivation complex and region can be predicted by predicting the underground portion through three-dimensional image analysis of the above-ground portion of the onion cultivation field, and this highly accurate onion production estimate can be used to control domestic onion imports and exports and stabilize prices. You can.

전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.In the detailed description of the present invention as described above, specific embodiments have been described. However, various modifications are possible without departing from the scope of the present invention. The technical idea of the present invention should not be limited to the above-described embodiments of the present invention, but should be determined not only by the claims but also by equivalents to the claims.

200: 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템
210: 자료 수집부
220: 모델링부
230: 구중 예측부
235: 이미지 패턴 분석부
240: 생산량 예측부200: Sphere prediction system using onion aerial growth pattern
210: Data collection department
220: Modeling department
230: Gum prediction unit
235: Image pattern analysis unit
240: Production forecast unit

Claims (12)

지상부 이미지 획득부가 뎁스 카메라(Depth camera)에서 촬영된 양파의 지상부의 이미지를 획득하는 이미지 획득 단계;
위경두께 예측부가 상기 양파의 정식 후 생육 적산온도의 변환에 따른 위경(pseudostems)의 두께 변화 데이터를 이용해 상기 양파의 위경의 두께를 예측하는 위경 두께 예측 단계;
모델링부가 상기 위경에 따른 상기 양파의 구의 무게의 변화를 모델링하여 생육 모델을 구성하는 모델링 단계; 및
구중 예측부가 양파의 위경 두께에 상기 생육 모델을 적용하여 상기 양파의 구의 무게를 예측하는 구중 예측 단계;
를 포함하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 방법.
An image acquisition step in which an above-ground image acquisition unit acquires an image of the above-ground part of an onion captured by a depth camera;
A pseudostem thickness prediction step in which the pseudostem thickness prediction unit predicts the thickness of the pseudostem of the onion using the thickness change data of the pseudostem according to the conversion of the accumulated growth temperature after planting of the onion;
A modeling step in which a modeling unit constructs a growth model by modeling a change in the weight of the bulb of the onion according to the stomach diameter; and
A bulb weight prediction step in which the bulb weight prediction unit predicts the bulb weight of the onion by applying the growth model to the stomach diameter thickness of the onion;
A method for predicting spheres using onion aerial growth patterns, characterized in that it includes.
 청구항 1에 있어서,
상기 이미지 획득 단계는,
입모율 분석부가 상기 촬영된 양파의 이미지를 이용해 상기 양파의 입모듈을 계산하는 단계;
를 더 포함하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 방법.
In claim 1,
The image acquisition step is,
A step where the mouth growth rate analysis unit calculates the mouth module of the onion using the photographed image of the onion;
A method for predicting spheres using onion aerial growth patterns, characterized in that it further comprises a.
 청구항 2에 있어서,
상기 위경 두께 예측 단계는,
상기 위경두께 예측부가 상기 양파의 수확전 일수와 5년 평균온도 그래프에 따른 잔여기간의 적산온도를 계산하고, 상기 적산온도에 따른 상기 양파의 위경의 두께를 예측하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 방법.
In claim 2,
The gastric thickness prediction step is,
The stomach diaphragm thickness prediction unit calculates the accumulated temperature of the remaining period according to the number of days before harvest of the onion and the 5-year average temperature graph, and predicts the thickness of the stomach diaphragm of the onion according to the accumulated temperature. Sphere prediction method using patterns.
 청구항 3에 있어서,
상기 모델링 단계는,
상기 모델링부가 상기 양파의 위경의 변화에 따른 상기 구의 무게의 변화량의 빅데이터를 이용해 생육 모델을 구성하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 방법.
In claim 3,
The modeling step is,
A method for predicting spheres using the growth pattern of the above-ground part of the onion, wherein the modeling unit constructs a growth model using big data of the amount of change in the weight of the sphere according to the change in the stomach diameter of the onion.
 청구항 4에 있어서,
추종모델 확인부가 상기 위경의 변화에 따른 상기 구의 무게의 변화를 모델링한 다수의 생육 모델들 중에서 어느 모델에 해당하는지 판단하여 최종 구의 무게를 확정하는 추종모델 확인 단계;
를 더 포함하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 방법.
In claim 4,
A tracking model confirmation step in which the tracking model confirmation unit determines which model the sphere corresponds to among a plurality of growth models that model the change in the weight of the sphere according to the change in the gastric diameter, and determines the final weight of the sphere;
A method for predicting spheres using onion aerial growth patterns, characterized in that it further comprises a.
 청구항 5에 있어서,
수확량 예측부가 상기 입모율에 확정된 상기 최종 구의 무게를 곱하여 단위면적당 예상 수확량을 계산하는 수확량 예측 단계;
를 더 포함하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 방법.
In claim 5,
A yield prediction step in which the yield prediction unit calculates the expected yield per unit area by multiplying the planting rate by the determined weight of the final sphere;
A method for predicting spheres using onion aerial growth patterns, characterized in that it further comprises a.
 뎁스 카메라(Depth camera)에서 촬영된 양파의 지상부의 이미지를 획득하는 지상부 이미지 획득부;
상기 양파의 정식 후 생육 적산온도의 변환에 따른 위경(pseudostems)의 두께 변화 데이터를 이용해 상기 양파의 위경의 두께를 예측하는 위경두께 예측부;
상기 위경에 따른 상기 양파의 구의 무게의 변화를 모델링하여 생육 모델을 구성하는 모델링부; 및
양파의 위경 두께에 상기 생육 모델을 적용하여 상기 양파의 구의 무게를 예측하는 구중 예측부;
를 포함하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템.
An above-ground image acquisition unit that acquires an image of the above-ground part of the onion captured by a depth camera;
a pseudostem thickness prediction unit that predicts the thickness of the pseudostem of the onion using the thickness change data of the pseudostem according to the conversion of the integrated growth temperature after planting of the onion;
a modeling unit that constructs a growth model by modeling a change in the weight of the bulb of the onion according to the stomach diameter; and
a bulb weight prediction unit that predicts the bulb weight of the onion by applying the growth model to the stomach diameter thickness of the onion;
A sphere prediction system using onion aerial part gastric growth patterns, characterized in that it includes.
 청구항 7에 있어서,
상기 촬영된 양파의 이미지를 이용해 상기 양파의 입모듈을 계산하는 입모율 분석부;
를 더 포함하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템.
In claim 7,
A mouth growth rate analysis unit that calculates the mouth module of the onion using the photographed image of the onion;
A sphere prediction system using onion above-ground gastric growth patterns, characterized in that it further comprises a.
 청구항 8에 있어서,
상기 위경두께 예측부는,
상기 양파의 수확전 일수와 5년 평균온도 그래프에 따른 잔여기간의 적산온도를 계산하고, 상기 적산온도에 따른 상기 양파의 위경의 두께를 예측하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템.
In claim 8,
The gastric thickness prediction unit,
Sphere prediction using the growth pattern of the above-ground part of the onion, characterized by calculating the accumulated temperature of the remaining period according to the number of days before harvest and the 5-year average temperature graph of the onion, and predicting the thickness of the stomach diaphragm of the onion according to the accumulated temperature. system.
 청구항 9에 있어서,
상기 모델링부는,
상기 양파의 위경의 변화에 따른 상기 구의 무게의 변화량의 빅데이터를 이용해 생육 모델을 구성하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템.
In claim 9,
The modeling department,
A sphere prediction system using the above-ground stomach diameter growth pattern of the onion, characterized in that a growth model is constructed using big data of the amount of change in the weight of the sphere according to the change in the stomach diameter of the onion.
 청구항 10에 있어서,
상기 위경의 변화에 따른 상기 구의 무게의 변화를 모델링한 다수의 생육 모델들 중에서 어느 모델에 해당하는지 판단하여 최종 구의 무게를 확정하는 추종모델 확인부;
를 더 포함하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템.
In claim 10,
a tracking model confirmation unit that determines the final weight of the sphere by determining which model it corresponds to among a plurality of growth models that model the change in the weight of the sphere according to the change in the gastric diameter;
A sphere prediction system using onion above-ground gastric growth patterns, characterized in that it further comprises a.
 청구항 11에 있어서,
상기 입모율에 확정된 상기 최종 구의 무게를 곱하여 단위면적당 예상 수확량을 계산하는 수확량 예측부;
를 더 포함하는 것을 특징으로 하는 양파 지상부 위경 생육패턴을 이용한 구 예측 시스템.
In claim 11,
a yield prediction unit that calculates an expected yield per unit area by multiplying the seeding rate by the determined weight of the final sphere;
A sphere prediction system using onion above-ground gastric growth patterns, characterized in that it further comprises a.
KR1020220083129A 2022-07-06 2022-07-06 Sphere prediction method and system using onion above ground pseudostem growth pattern KR20240006746A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220083129A KR20240006746A (en) 2022-07-06 2022-07-06 Sphere prediction method and system using onion above ground pseudostem growth pattern

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220083129A KR20240006746A (en) 2022-07-06 2022-07-06 Sphere prediction method and system using onion above ground pseudostem growth pattern

Publications (1)

Publication Number Publication Date
KR20240006746A true KR20240006746A (en) 2024-01-16

Family

ID=89719363

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220083129A KR20240006746A (en) 2022-07-06 2022-07-06 Sphere prediction method and system using onion above ground pseudostem growth pattern

Country Status (1)

Country Link
KR (1) KR20240006746A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101475445B1 (en) 2013-08-29 2014-12-22 (유)호정솔루션 Method for providing product prediction service base on geographic information system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101475445B1 (en) 2013-08-29 2014-12-22 (유)호정솔루션 Method for providing product prediction service base on geographic information system

Similar Documents

Publication Publication Date Title
Shafi et al. A multi-modal approach for crop health mapping using low altitude remote sensing, internet of things (IoT) and machine learning
US11672212B2 (en) Customized land surface modeling for irrigation decision support for targeted transport of nitrogen and other nutrients to a crop root zone in a soil system
US9953241B2 (en) Systems and methods for satellite image processing to estimate crop yield
Aliev et al. Internet of plants application for smart agriculture
Mehtätalo A longitudinal height–diameter model for Norway spruce in Finland
Li et al. Estimating crop yield from multi-temporal satellite data using multivariate regression and neural network techniques
BR112018005893B1 (en) METHOD IMPLEMENTED BY COMPUTER AND ONE OR MORE MEDIA OF NON-TRANSIENT STORAGE
Bushong et al. Development of an in-season estimate of yield potential utilizing optical crop sensors and soil moisture data for winter wheat
Tuo et al. Calibration of snow parameters in SWAT: comparison of three approaches in the Upper Adige River basin (Italy)
Sreelash et al. Estimation of available water capacity components of two-layered soils using crop model inversion: Effect of crop type and water regime
KR102422346B1 (en) Smart farm system and operating method thereof
Liu et al. A method to calculate the number of wheat seedlings in the 1st to the 3rd leaf growth stages
Ban et al. Assimilating MODIS data-derived minimum input data set and water stress factors into CERES-Maize model improves regional corn yield predictions
CN108596029A (en) Crop classification method, apparatus, computer equipment and storage medium
EP3032473A1 (en) Method and system for classifying plant disease through crowdsourcing using a mobile communication device
US11170219B2 (en) Systems and methods for improved landscape management
Torsoni et al. Soybean yield prediction by machine learning and climate
Anandhi et al. DPSIR-ESA vulnerability assessment (DEVA) framework: synthesis, foundational overview, and expert case studies
Ghamghami et al. Comparison of data mining and GDD-based models in discrimination of maize phenology
KR20240006746A (en) Sphere prediction method and system using onion above ground pseudostem growth pattern
Farbo et al. Forecasting corn NDVI through AI-based approaches using sentinel 2 image time series
Jha Agronomic management of corn using seasonal climate predictions, remote sensing and crop simulation models
Kheir et al. Integrating APSIM model with machine learning to predict wheat yield spatial distribution
Hamze et al. Detection of irrigation dates and amounts on maize plots from the integration of Sentinel-2 derived Leaf Area Index values in the Optirrig crop model
US20220156603A1 (en) Discovering farming practices