KR20240017696A - 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템 - Google Patents
작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템 Download PDFInfo
- Publication number
- KR20240017696A KR20240017696A KR1020220095704A KR20220095704A KR20240017696A KR 20240017696 A KR20240017696 A KR 20240017696A KR 1020220095704 A KR1020220095704 A KR 1020220095704A KR 20220095704 A KR20220095704 A KR 20220095704A KR 20240017696 A KR20240017696 A KR 20240017696A
- Authority
- KR
- South Korea
- Prior art keywords
- time series
- tracking data
- crop
- series tracking
- image
- Prior art date
Links
- 230000012010 growth Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 34
- 241001269238 Data Species 0.000 title 1
- 238000010191 image analysis Methods 0.000 claims abstract description 41
- 238000007726 management method Methods 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/14—Greenhouses
- A01G9/143—Equipment for handling produce in greenhouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Environmental Sciences (AREA)
- Image Analysis (AREA)
Abstract
작물 생장 관리를 위한 시계열 추적 데이터 생성 방법이 제공된다. 상기 방법은 스마트팜 내 설치된 이동형 카메라의 이동에 따른 영상 및 위치 정보를 획득하는 단계; 미리 학습된 영상 분석 알고리즘에 기초하여 상기 영상으로부터 작물에 대한 영상 분석 정보를 생성하는 단계; 상기 영상 분석 정보 및 상기 위치 정보를 상기 영상이 촬영된 시간 정보를 기준으로 정렬하여 시계열 추적 데이터를 생성하는 단계; 상기 생성된 시계열 추적 데이터를 저장하는 단계; 및 상기 시계열 추적 데이터에 기반하여 상기 작물의 생장을 분석 및 예측하는 단계를 포함한다.
Description
본 발명은 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템에 관한 것이다.
식물 또는 작물의 생장을 확인하기 위한 기법으로 딥러닝 기술을 적용하는 기법이 빠르게 이용되고 있다. 특히, CNN 기반의 영상분석을 위한 딥러닝 기법들은 이미지 분류(image classification), 객체 탐지(object detection) 등에 대한 다양한 기술들에 적용되고 있다. 이를 통해 작물의 잎, 꽃, 열매 등을 인식하고 상태를 확인할 수 있는 기술들이 생성되고 있다.
상기와 같은 인식 기술들은 단일 시간에 단일 장소에 위치한 특정 작물의 상태를 확인할 수 있는 기법이다. 실제 작물의 생장을 확인하기 위해서는 이러한 특정 시간의 정보가 아닌, 실제 작물의 생장 기록-시계열 데이터-을 확인할 수 있어야 한다. 특정 작물이 생장하고 있는 데이터를 시간 축에 따라 지속적으로 수집한 후 해당 데이터를 분석함으로써 생장에 대한 정보를 확인할 수 있다.
한편, 시간축 정보를 확인하기 위해서는 일반적으로 딥러닝을 활용한 객체 추적(object tracking) 기술이 개발 및 활용되고 있으나, 해당 기술은 형태의 변형이 없는 객체에 대한 추적은 용이한 반면 지속적으로 상태가 변화하고 있는 식물에 일괄적으로 적용하기에는 어려움이 있다.
또한, 스마트팜 등의 환경에서 대량의 작물을 모니터링하기 위해서는 단일 혹은 적은 수의 카메라로는 거의 불가하며 원칙적으로 대량의 카메라를 필요로 하는데 이는 비용의 급격한 증가를 가져오는 문제가 있다.
본 발명의 실시예는 이동형 카메라를 기반으로 취득된 영상 기반 데이터를 통해 스마트팜 내 작물 생장을 분석 및 예측할 수 있는, 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템을 제공한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제1 측면에 따른 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법은 스마트팜 내 설치된 이동형 카메라의 이동에 따른 영상 및 위치 정보를 획득하는 단계; 미리 학습된 영상 분석 알고리즘에 기초하여 상기 영상으로부터 작물에 대한 영상 분석 정보를 생성하는 단계; 상기 영상 분석 정보 및 상기 위치 정보를 상기 영상이 촬영된 시간 정보를 기준으로 정렬하여 시계열 추적 데이터를 생성하는 단계; 상기 생성된 시계열 추적 데이터를 저장하는 단계; 및 상기 시계열 추적 데이터에 기반하여 상기 작물의 생장을 분석 및 예측하는 단계를 포함한다.
본 발명의 일부 실시예에 있어서, 상기 미리 학습된 영상 분석 알고리즘에 기초하여 상기 영상으로부터 작물에 대한 영상 분석 정보를 생성하는 단계는, 상기 영상을 영상 분석 알고리즘에 입력하여 작물의 구성 정보 및 작물의 생장 정보를 포함하는 상기 영상 분석 정보를 출력할 수 있다.
본 발명의 일부 실시예에 있어서, 상기 스마트팜 내 설치된 이동형 카메라의 이동에 따른 영상 및 위치 정보를 획득하는 단계는, 상기 스마트팜 내 설치된 케이블 또는 레일을 따라 수평 이동, 수직 이동 및 대각 이동 중 적어도 하나의 이동 방법으로 상기 이동형 카메라가 이동하면서 상기 영상 및 위치 정보를 획득할 수 있다.
본 발명의 일부 실시예에 있어서, 상기 시계열 추적 데이터에 기반하여 상기 작물의 생장을 분석 및 예측하는 단계는, 상기 시계열 추적 데이터에 기반하여 상기 작물의 이상을 감지한 경우, 상기 케이블 또는 레일을 따라 상기 이상이 감지된 작물에 상응하는 영역으로 이동하여 추가 영상을 촬영하도록 제어하는 단계를 포함할 수 있다.
본 발명의 일부 실시예는, 상기 작물의 생장을 분석 및 예측한 결과를 기반으로 상기 이동형 카메라의 상기 스마트팜 내 케이블 또는 레일의 이동 경로를 재설정하는 단계를 더 포함할 수 있다.
본 발명의 일부 실시예에 있어서, 상기 시계열 추적 데이터에 기반하여 상기 작물의 생장을 분석 및 예측하는 단계는, 특정 위치 및 특정 기간에 대한 시계열 추적 데이터를 추출하는 단계; 및 상기 추출된 시계열 추적 데이터를 기반으로 현재 작물의 생장을 분석하고, 특정 기간에서의 생육 추세 정보를 토대로 작물의 생장을 예측하는 단계를 더 포함할 수 있다.
또한, 본 발명의 제2 측면에 따른 작물 생장 관리를 위한 시계열 추적 데이터 생성 시스템은 스마트팜 내 설치되어 이동에 따른 영상 및 위치 정보를 획득하는 이동형 카메라, 미리 학습된 영상 분석 알고리즘에 기초하여 상기 영상으로부터 작물에 대한 영상 분석 정보를 생성하는 영상 분석 모듈, 상기 영상 분석 정보 및 상기 위치 정보를 상기 영상이 촬영된 시간 정보를 기준으로 정렬하여 시계열 추적 데이터를 생성하는 시계열 추적 데이터 생성 모듈, 상기 생성된 시계열 추적 데이터를 저장하는 시계열 추적 데이터 저장 모듈 및 상기 저장된 시계열 추적 데이터에 기반하여 상기 작물의 생육을 분석 및 예측하는 분석 및 예측 모듈을 포함한다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
전술한 본 발명의 일 실시예에 의하면, 작물 또는 식물의 생장 분석에 필수적인 시계열 데이터를 생성할 수 있다.
또한, 다수의 카메라가 아닌 소수의 이동형 카메라를 통해 영상 및 위치 정보를 수집함으로써 용이하게 시계열 데이터 생성 및 생장 분석이 가능하다는 장점이 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 작물 생장 관리를 위한 시계열 추적 데이터 생성 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 시계열 추적 데이터 생성 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따른 시계열 추적 데이터 생성 방법의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
본 발명은 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템에 관한 것이다.
본 발명의 일 실시예는 소량의 이동형 카메라를 통해 스마트팜 공간 내 작물 또는 식물에 대한 영상을 촬영하고, 촬영된 영상 데이터를 시계열 데이터로 구성하여 작물 또는 식물(이하, 작물로 통칭하도록 한다)에 대한 다양한 분석 및 예측이 가능하게끔 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 작물 생장 관리를 위한 시계열 추적 데이터 생성 시스템(100)의 블록도이다.
본 발명의 일 실시예에 따른 시계여 추적 데이터 생성 시스템(100)은 이동형 카메라(110), 영상 분석 모듈(120), 시계열 추적 데이터 생성 모듈(130), 시계열 추적 데이터 저장 모듈(140), 분석 및 예측 모듈(150)을 포함한다.
이동형 카메라(110)는 스마트팜 내 설치되어 이동에 따른 영상 및 위치 정보를 획득한다. 일 실시예로, 이동형 카메라(110)는 레일 카메라, 캐터필러 카메라, 드론 카메라 등 이동 가능한 형태의 카메라일 수 있다. 이러한 이동형 카메라(110)는 영상 및 이미지의 촬영 및 전송을 지원하며, 시작점으로부터 현 위치까지의 상대 위치(또는 절대 위치) 및 경로를 추적 지원한다.
영상 분석 모듈(120)은 미리 학습된 영상 분석 알고리즘에 기초하여 영상으로부터 작물에 대한 영상 분석 정보를 생성한다. 영상 분석 모듈(120)은 입력된 영상으로부터 작물 정보를 분석한 영상 분석 정보를 생성하며, 분석 결과는 꽃, 과실, 잎 등에 대한 색상, 크기, 형태 등이 될 수 있다.
시계열 추적 데이터 생성 모듈(130)은 영상 분석 정보 및 위치 정보를 영상이 촬영된 시간 정보를 기준으로 정렬하여 시계열 추적 데이터를 생성한다. 그리고 시계열 추적 데이터 저장 모듈(140)은 상기 생성된 시계열 추적 데이터를 저장한다.
분석 및 예측 모듈(150)은 저장된 시계열 추적 데이터에 기반하여 작물의 생육을 분석 및 예측한다.
이하에서는 도 2를 참조하여 본 발명의 일 실시예에 따른 작물 생장 관리를 위한 시계열 추적 데이터 생성 시스템(100)에 의해 수행되는 방법을 보다 구체적으로 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 시계열 추적 데이터 생성 방법의 순서도이다.
먼저, 스마트팜 내 설치된 이동형 카메라의 이동에 따른 영상 및 위치 정보를 획득한다(S110).
이동형 카메라는 노지 또는 스마트팜 내 경로를 따라 이동하면서 작물에 대한 영상을 취득 및 전송할 수 있다. 이때, 이동형 카메라는 영상 전송시 해당 위치에 대한 정보를 함께 전송할 수 있다.
일 실시예로, 이동형 카메라는 스마트팜 내 설치된 케이블 또는 레일을 따라 수평이동, 수직 이동 및 대각 이동 중 적어도 하나의 이동 방법으로 이동형 카메라가 이동하면서 영상 및 위치 정보를 획득할 수 있다. 이를 통해 본 발명은 다수의 카메라가 고정 설치되어 있을 필요 없이, 소수의 카메라가 이동 제어를 통해 이동하면서 스마트팜 공간 내 전체 작물에 대한 영상을 획득할 수 있다.
또한, 이동형 카메라는 영상만을 촬영하는 것이 아닌, 영상이 촬영된 시간 정보에 상응하는 위치 정보도 함께 획득할 수 있다.
다음으로, 미리 학습된 영상 분석 알고리즘에 기초하여 영상으로부터 작물에 대한 영상 분석 정보를 생성한다(S120).
일 실시예로, 이동형 카메라를 통해 영상을 수신하면 해당 영상을 영상 분석 알고리즘에 입력하여 작물의 구성 정보 및 작물의 생장 정보를 포함하는 영상 분석 정보를 출력할 수 있다. 일 예로, 영상 분석 정보는 소정의 프레임 단위마다 생성될 수 있다.
한편, 영상 분석 알고리즘은 딥러닝 등 인공지능 알고리즘 기반으로 학습될 수 있다. 예를 들어, 스마트팜 내 전체 영상 또는 개별 작물 영상을 입력하면, 객체 탐지 및 구분을 통해 줄기, 잎, 과실과 같은 작물의 구성 정보를 출력할 수 있다. 또는, 영상을 입력받으면 출력으로 잎의 크기, 과실의 크기, 색깔 등과 같은 작물의 생장 정보를 출력할 수 있다.
다음으로, 영상 분석 정보 및 위치 정보를 상기 영상이 촬영된 시간 정보를 기준으로 정렬하여 시계열 추적 데이터를 생성하고(S130), 생성된 시계열 추적 데이터를 저장한다(S140).
S130 단계에서는 영상 분석 정보를 통해 작물 구성 정보 및 작물 생장 정보에 대한 분석이 완료된 경우, 해당 영상이 촬영된 시간 정보 및 위치 정보를 획득하고, 영상 분석 정보, 위치 정보를 시간을 기준으로 정렬하여 시계열 추적 데이터를 생성할 수 있다. 일 예로 시계열 추적 데이터는 소정의 시간 주기에 따라 영상 분석 정보 및 위치 정보가 정렬될 수 있다.
다음으로, 시계열 추적 데이터에 기반하여 작물의 생장을 분석 및 예측한다(S150).
일 실시예로, 특정 위치 및 특정 기간에 대한 시계열 데이터를 추출하면, 추출된 시계열 추적 데이터를 기반으로 현재 작물의 생장을 분석하고, 특정 기간에서의 생육 추세 정보를 기반으로 작물의 생장을 예측할 수 있다.
예를 들어, 시계열 추적 데이터에 포함된 작물 구성 정보를 분석하여, 개별 작물의 높이가 전체 작물의 평균 높이보다 작은 경우 해당 작물의 현재 생장에 이상이 있는 것으로 판단할 수 있다.
또는, 시계열 추적 데이터에 포함된 작물 생장 정보를 분석하여, 개별 작물의 잎의 색상 분포가 전체 작물의 잎의 평균 색상 분포 대비 임계 범위 이상 차이가 나는 경우, 해당 작물의 현재 생장에 이상이 있는 것으로 판단할 수 있다.
다른 예로, 과거 특정 기간에서의 생육 추세 정보를 기반으로 동일 조건에서의 미래 특정 기간에 대한 작물의 생장(정상 또는 이상)을 예측할 수 있다.
또한, 본 발명의 일 실시예는 시계열 추적 데이터에 기반하여 작물의 이상을 감지한 경우, 케이블 또는 레일을 따라 이상이 감지된 작물에 상응하는 영역으로 이동형 카메라가 이동되도록 제어하여 추가 영상 및 위치 정보를 획득하도록 할 수 있다.
즉, 기 획득한 영상을 토대로 이상 작물을 탐지할 수도 있으나, 촬영 오류 또는 분석 과정에서의 오류가 발생할 수 있는 점, 그리고 더욱 정확한 이상 원인 분석을 위하여, 본 발명의 일 실시예는 이상 감지 대상 작물에 해당하는 영역으로 이동형 카메라가 이동하도록 제어하여 추가 영상을 촬영할 수 있다. 해당 영상을 통해 이상 감지 대상 작물의 이상 원인을 분석하여 보다 정확한 추론 결과가 도출될 수 있도록 할 수 있다.
이에 더 나아가, 본 발명의 일 실시예는 작물의 생장을 분석 및 예측한 결과를 기반으로 이동형 카메라의 스마트팜 내 케이블 또는 레일의 이동 경로를 재설정할 수 있다. 예를 들어, 기본적으로 이동형 카메라는 미리 정해진 경로를 따라 이동하도록 제어되나, 이상 감지 대상 작물이 존재하는 경우 해당 작물의 촬영 횟수를 증가시키거나 또는 촬영 시간을 증가시키도록 하는 이동 경로를 재설정하여 케이블 또는 레일을 이동하도록 제어할 수 있다.
한편, 본 발명의 일 실시예는 이동형 카메라를 통해 영상뿐만 아니라 위치정보와 시간정보를 함께 취득하는 것을 특징으로 하는바, 영상 및 위치정보를 기반으로 스마트팜 공간에 대한 지도 정보를 생성할 수 있다. 이러한 지도 정보를 통해 시간에 따른 현재 작물의 생장 상태를 용이하게 확인할 수 있으며, 시간에 따른 작물의 이상치 정도를 별도로 표시하여 이상 작물에 대한 보다 직관적인 확인 및 대응이 가능하다는 장점이 있다.
한편, 상술한 설명에서, 단계 S110 내지 단계 S150은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다. 아울러, 기타 생략된 내용이라 하더라도 도 1에 기술된 내용은 도 2의 시계열 추적 데이터 생성 방법에도 적용된다.
이상에서 전술한 본 발명의 일 실시예에 따른 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100: 시계열 추적 데이터 생성 시스템
110: 이동형 카메라
120: 영상 분석 모듈
130: 시계열 추적 데이터 생성 모듈
140: 시계열 추적 데이터 저장 모듈
150: 분석 및 예측 모듈
110: 이동형 카메라
120: 영상 분석 모듈
130: 시계열 추적 데이터 생성 모듈
140: 시계열 추적 데이터 저장 모듈
150: 분석 및 예측 모듈
Claims (7)
- 컴퓨터에 의해 수행되는 방법에 있어서,
스마트팜 내 설치된 이동형 카메라의 이동에 따른 영상 및 위치 정보를 획득하는 단계;
미리 학습된 영상 분석 알고리즘에 기초하여 상기 영상으로부터 작물에 대한 영상 분석 정보를 생성하는 단계;
상기 영상 분석 정보 및 상기 위치 정보를 상기 영상이 촬영된 시간 정보를 기준으로 정렬하여 시계열 추적 데이터를 생성하는 단계;
상기 생성된 시계열 추적 데이터를 저장하는 단계; 및
상기 시계열 추적 데이터에 기반하여 상기 작물의 생장을 분석 및 예측하는 단계를 포함하는,
작물 생장 관리를 위한 시계열 추적 데이터 생성 방법.
- 제1항에 있어서,
상기 미리 학습된 영상 분석 알고리즘에 기초하여 상기 영상으로부터 작물에 대한 영상 분석 정보를 생성하는 단계는,
상기 영상을 영상 분석 알고리즘에 입력하여 작물의 구성 정보 및 작물의 생장 정보를 포함하는 상기 영상 분석 정보를 출력하는 것인,
작물 생장 관리를 위한 시계열 추적 데이터 생성 방법.
- 제1항에 있어서,
상기 스마트팜 내 설치된 이동형 카메라의 이동에 따른 영상 및 위치 정보를 획득하는 단계는,
상기 스마트팜 내 설치된 케이블 또는 레일을 따라 수평 이동, 수직 이동 및 대각 이동 중 적어도 하나의 이동 방법으로 상기 이동형 카메라가 이동하면서 상기 영상 및 위치 정보를 획득하는 것인,
작물 생장 관리를 위한 시계열 추적 데이터 생성 방법.
- 제3항에 있어서,
상기 시계열 추적 데이터에 기반하여 상기 작물의 생장을 분석 및 예측하는 단계는,
상기 시계열 추적 데이터에 기반하여 상기 작물의 이상을 감지한 경우, 상기 케이블 또는 레일을 따라 상기 이상이 감지된 작물에 상응하는 영역으로 이동하여 추가 영상을 촬영하도록 제어하는 단계를 포함하는,
작물 생장 관리를 위한 시계열 추적 데이터 생성 방법.
- 제4항에 있어서,
상기 작물의 생장을 분석 및 예측한 결과를 기반으로 상기 이동형 카메라의 상기 스마트팜 내 케이블 또는 레일의 이동 경로를 재설정하는 단계를 더 포함하는,
작물 생장 관리를 위한 시계열 추적 데이터 생성 방법.
- 제1항에 있어서,
상기 시계열 추적 데이터에 기반하여 상기 작물의 생장을 분석 및 예측하는 단계는,
특정 위치 및 특정 기간에 대한 시계열 추적 데이터를 추출하는 단계; 및
상기 추출된 시계열 추적 데이터를 기반으로 현재 작물의 생장을 분석하고, 특정 기간에서의 생육 추세 정보를 토대로 작물의 생장을 예측하는 단계를 더 포함하는,
작물 생장 관리를 위한 시계열 추적 데이터 생성 방법.
- 작물 생장 관리를 위한 시계열 추적 데이터 생성 시스템에 있어서,
스마트팜 내 설치되어 이동에 따른 영상 및 위치 정보를 획득하는 이동형 카메라,
미리 학습된 영상 분석 알고리즘에 기초하여 상기 영상으로부터 작물에 대한 영상 분석 정보를 생성하는 영상 분석 모듈,
상기 영상 분석 정보 및 상기 위치 정보를 상기 영상이 촬영된 시간 정보를 기준으로 정렬하여 시계열 추적 데이터를 생성하는 시계열 추적 데이터 생성 모듈,
상기 생성된 시계열 추적 데이터를 저장하는 시계열 추적 데이터 저장 모듈 및
상기 저장된 시계열 추적 데이터에 기반하여 상기 작물의 생육을 분석 및 예측하는 분석 및 예측 모듈을 포함하는,
작물 생장 관리를 위한 시계열 추적 데이터 생성 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220095704A KR20240017696A (ko) | 2022-08-01 | 2022-08-01 | 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220095704A KR20240017696A (ko) | 2022-08-01 | 2022-08-01 | 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240017696A true KR20240017696A (ko) | 2024-02-08 |
Family
ID=89900099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220095704A KR20240017696A (ko) | 2022-08-01 | 2022-08-01 | 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240017696A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117953431A (zh) * | 2024-03-25 | 2024-04-30 | 四川航天职业技术学院(四川航天高级技工学校) | 一种基于图像智能识别技术的智慧茶园系统及管理方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170114065A (ko) | 2016-04-01 | 2017-10-13 | 한국전자통신연구원 | 작물 영상 및 생육 정보의 관제 서비스 시스템 및 방법 |
-
2022
- 2022-08-01 KR KR1020220095704A patent/KR20240017696A/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170114065A (ko) | 2016-04-01 | 2017-10-13 | 한국전자통신연구원 | 작물 영상 및 생육 정보의 관제 서비스 시스템 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117953431A (zh) * | 2024-03-25 | 2024-04-30 | 四川航天职业技术学院(四川航天高级技工学校) | 一种基于图像智能识别技术的智慧茶园系统及管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111222423B (zh) | 基于作业区域的目标识别方法、装置、计算机设备 | |
| JP6425856B1 (ja) | ビデオ録画方法、サーバー、システム及び記憶媒体 | |
| Lukežič et al. | Now you see me: evaluating performance in long-term visual tracking | |
| CN110084165B (zh) | 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法 | |
| CN110443109A (zh) | 异常行为监控处理方法、装置、计算机设备和存储介质 | |
| CN108319926A (zh) | 一种工地现场的安全帽佩戴检测系统及检测方法 | |
| KR102195706B1 (ko) | 침입 탐지방법 및 그 장치 | |
| WO2021114866A1 (zh) | 遮挡图像检测方法、装置、电子设备及存储介质 | |
| CN112669316B (zh) | 电力生产异常监控方法、装置、计算机设备和存储介质 | |
| US20200272524A1 (en) | Method and system for auto-setting of image acquisition and processing modules and of sharing resources in large scale video systems | |
| Hassan et al. | People detection system using YOLOv3 algorithm | |
| CN110288801A (zh) | 电力现场视频监控方法、装置、计算机设备和存储介质 | |
| KR20220023726A (ko) | 딥 러닝 기반 실시간 공정 감시 시스템 및 그 방법 | |
| KR20240017696A (ko) | 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템 | |
| KR101396838B1 (ko) | 다수의 모션 모델을 선택적으로 이용하는 영상 안정화 방법 및 시스템 | |
| WO2020117693A1 (en) | Continuous learning image stream processing system | |
| KR101387775B1 (ko) | 강화학습을 이용한 눈동자 추적 시스템 및 그 추적 방법 | |
| Tahboub et al. | Accuracy prediction for pedestrian detection | |
| JP2009545223A (ja) | イベント検出方法及び上記方法を用いたビデオ監視システム | |
| Lu et al. | An efficient network for multi-scale and overlapped wildlife detection | |
| CN117351271A (zh) | 高压配电线路监控设备故障监测方法、系统及其存储介质 | |
| CN117009900A (zh) | 一种基于图神经网络的物联网信号异常检测方法和系统 | |
| CN112949352A (zh) | 视频检测模型的训练方法及装置、存储介质与电子设备 | |
| Ji et al. | STAE‐YOLO: Intelligent detection algorithm for risk management of construction machinery intrusion on transmission lines based on visual perception | |
| Benito-Picazo et al. | Deep learning-based anomalous object detection system powered by microcontroller for ptz cameras |