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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박종일
- 발행연도
- 2023
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수71
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 스마트팜 피노믹스 시스템에서 딥러닝 기술을 활용하여 재배 중인 식물 잎의 질병을 검출하고, 형태를 기준으로 질병 유형을 분류하는 방법을 제안한다. 식물 잎의 질병 영역에 대하여 컬러 정보와 형태 정보를 추출하여 MLP(Multi-Layer Perceptron) 기반의 네트워크 모델을 이용하여 학습 및 판별을 수행한다.
제안하는 기법에서는 총 3단계로 나누어 잎 질병 영역을 검출하고 유형을 분류한다. 1단계에서는 입력된 영상의 컬러 분포를 분석하여 질병 존재 여부를 판단한다. 1단계에서 질병 존재 가능성이 높은 영상으로 판별되면, 2단계에서는 Mean shift clustering을 이용하여 컬러 영상을 작은 영역으로 분할하고, 각각 분할된 세그먼트 단위로 컬러 정보를 추출하여 제안하는 네트워크 모델인 Color Network에 의하여 질병 여부를 판별한다. 컬러 분할된 영역이 Color Network에 의하여 질병으로 판별되면, 3단계에서는 그 영역의 형태 정보를 추출하여 제안하는 네트워크 모델인 Shape Network를 이용하여 질병의 유형을 분류한다.
학습 및 실험 과정에서는 9가지의 식물 잎에서 발생하는 질병을 크게 3가지 형태별로 분류하여 진행하였는데, 일반적으로 재배 중인 식물에 따라서 질병의 이름이나 유형이 정해져 있으므로, 질병 유형에 대한 3가지 분류는 대부분의 식물에 그대로 적용하는데 문제가 되지 않음을 관련 전문가의 자문을 받아 확인하였다. 세 가지 질병 유형에 대하여, 제안한 기법은 세그먼트 단위로는 98.4%의 잎 질병 검출률을 보였으며, 보통 2개 이상의 질병 영역이 존재하는 한 장의 영상 단위로는 99.2% 이상의 검출률을 보였다. 본 논문에서 제안한 방법은 스마트팜 피노믹스 시스템 환경에서 식물 잎의 질병을 조기에 검출하는데 유용하며, 대상 식물에 따른 학습을 수행하지 않은 분류 모델을 사용한 것이므로, 대상 식물에 대한 별도 추가 학습 없이 다양한 식물과 질병 유형으로 확대 적용이 가능하다는 장점을 갖는다. 향후에는 컬러 정보와 형태 정보를 단계별로 학습하고 분류하는 대신에, 두 정보를 동시에 학습하는 방법을 진행하여 더욱 다양한 유형의 질병을 분류하는 연구도 진행할 계획이다.
제안하는 기법에서는 총 3단계로 나누어 잎 질병 영역을 검출하고 유형을 분류한다. 1단계에서는 입력된 영상의 컬러 분포를 분석하여 질병 존재 여부를 판단한다. 1단계에서 질병 존재 가능성이 높은 영상으로 판별되면, 2단계에서는 Mean shift clustering을 이용하여 컬러 영상을 작은 영역으로 분할하고, 각각 분할된 세그먼트 단위로 컬러 정보를 추출하여 제안하는 네트워크 모델인 Color Network에 의하여 질병 여부를 판별한다. 컬러 분할된 영역이 Color Network에 의하여 질병으로 판별되면, 3단계에서는 그 영역의 형태 정보를 추출하여 제안하는 네트워크 모델인 Shape Network를 이용하여 질병의 유형을 분류한다.
학습 및 실험 과정에서는 9가지의 식물 잎에서 발생하는 질병을 크게 3가지 형태별로 분류하여 진행하였는데, 일반적으로 재배 중인 식물에 따라서 질병의 이름이나 유형이 정해져 있으므로, 질병 유형에 대한 3가지 분류는 대부분의 식물에 그대로 적용하는데 문제가 되지 않음을 관련 전문가의 자문을 받아 확인하였다. 세 가지 질병 유형에 대하여, 제안한 기법은 세그먼트 단위로는 98.4%의 잎 질병 검출률을 보였으며, 보통 2개 이상의 질병 영역이 존재하는 한 장의 영상 단위로는 99.2% 이상의 검출률을 보였다. 본 논문에서 제안한 방법은 스마트팜 피노믹스 시스템 환경에서 식물 잎의 질병을 조기에 검출하는데 유용하며, 대상 식물에 따른 학습을 수행하지 않은 분류 모델을 사용한 것이므로, 대상 식물에 대한 별도 추가 학습 없이 다양한 식물과 질병 유형으로 확대 적용이 가능하다는 장점을 갖는다. 향후에는 컬러 정보와 형태 정보를 단계별로 학습하고 분류하는 대신에, 두 정보를 동시에 학습하는 방법을 진행하여 더욱 다양한 유형의 질병을 분류하는 연구도 진행할 계획이다.
목차
제1장. 서 론 1제1절. 연구의 배경 및 필요성 1제2절. 관련 연구 2제3절. 연구 내용 3제2장. 스마트팜 피노믹스 시스템 5제1절. 스마트팜 피노믹스 시스템 개요 5제2절. 스마트팜 피노믹스 카메라 시스템 5제3장. 식물 잎 질병 검출 및 분류 모델 8제1절. 모델 개요 8제2절. 질병 예측 알고리즘 92.1. 영상 밝기 보정 92.2. 컬러 히스토그램 분포 분석 10제3절. 질병 검출 113.1. 질병 영역 클러스터링 123.2. Color Network 모델 13제4절. 질병 분류 144.1. 형태학적 질병 유형 154.2. Shape Network 모델 16제5절. 테스트 프로세스 19제4장. 실험 및 결과 분석 20제1절. 실험 데이터셋 20제2절. 실험 과정 22제3절. 실험 결과 23제5장. 결론 28참고 문헌 29Abstract 33감사의 글 34
최근 본 자료
댓글(0)
0