인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
본 연구는 RGB, 초분광 센서를 이용하여 시기별 사과 잎의 엽록소와 질소 함량을 예측하여 사과 나무 잎의 질소 영양을 진단하기 위해 수행되었다. 분광 데이터는 사과나무 ‘홍로/M.9’ 2년생을 대상으로 고해상도 RGB와 초분광 센서로 촬영 후 영상처리를 통해 취득하였다. 식물체 데이터는 촬영이 끝난 직후 엽록소와 잎 질소 함량을 측정하였다. 엽록소 측정기의 SPAD meter, RGB 센서의 개별 파장, 컬러 식생지수 및 초분광 센서의 214개의 파장과 식물체 데이터를 이용하여 회귀분석을 실시하였다. 엽록소와 잎 질소 함량 데이터는 시기와 상관없이 질소 시비량에 따라 통계적으로 유의한 차이가 나타났다. 잎은 시기가 지나면서 잎에 있던 영양분이 과실로 전이되어 색이 옅어졌으며 RGB센서의 경우 Red파장에서 시기와 상관없이 통계적으로 유의한 차이가 나타났다. 초분광센서의 경우 두 시기 모두 질소 시비 수준에 따라 가시광 영역보다 비가시광 영역에서 차이가 크게 나타났다. 반사값를 이용하여 식물체 특성의 예측 모델 결과 엽록소, 잎 질소함량 모두 초분광 데이터를 이용한 부분최소제곱 회귀분석을 이용하였을 때 성능이 가장 높게 나타났다(chlorophyll: 81% / 63%, leaf nitrogen content: 81% / 67%). 이러한 원인은 RGB 센서에 비해 초분광 센서는 좁은 FWHM과 400-1,000nm의 넓은 파장 범위를 가지고 있어 질소 결핍에 의한 스트레스로 인해 작물의 분광학적 해석이 가능했을 것으로 판단된다. 추후 분광학적 특성을 이용하여 전 생육 시기의 수체 생리, 생태 모델 개발 및 검증 그리고 병해충 진단 등 연구를 통해 고품질, 안정적인 과실 생산 기술 개발에 기여될 것으로 사료된다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-0101-2023-520-000187849
