딥러닝을 활용한 감자 수확량 모니터링 시스템 설계 (Design of a Potato Yield Monitoring System Using Deep-Learning)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 23권 / 5호 / 217 ~ 224페이지
· 저자명 : 장성혁, 이상희, 최용, 김태형, 신소영

초록

감자는 세계 4대 식량자원 중 하나로서 국내 농가 소득에 크게 기여하고 있다. 최근 정밀농업의 중요성이 대두됨에 따라 수확량 모니터링 기술에 대한 관심 또한 증가하고 있다. 수확량 정보는 정밀 농업에 있어 변량 시비, 수급 조절 등에 활용될 수 있는 중요한 기술이지만 미국, 일본 등 해외에 비해 국내 연구가 활발하게 이뤄지고 있지 않은 실정이다. 본 연구는 기계시각을 활용하여 감자의 수확량을 측정하기 위한 기초 연구로써 딥러닝 알고리즘을 적용하여 감자 기계수확 중 감자의 개수를 셀 수 있는 시스템을 개발하고자 수행되었다. 수확기 내 이송부는 감자 외에도 돌, 흙 등의 이물질이 빠른 속도로 이송되기 때문에 빠른 속도를 보이는 YOLOv5 알고리즘을 사용하여 각 개체를 판별하였다. 이송되는 감자는 모두 형태가 유사하기 때문에 정확한 추적을 하기 위해 DeepSORT 알고리즘을 사용하여 각 감자에 고유 ID를 부여하였다. 이후 감자가 특정 지점에 도달하였을 때 감자의 개수를 카운팅 하도록 알고리즘을 구성하였다. YOLOv5 학습 모델을 평가한 결과 300회 학습하였을 때 정밀도(precision), 재현율(recall), mAP(mean Average Precision), F1 Score는 각각 0.9997, 0.9994, 0.9872, 0.9996로 나타나 높은 성능을 보였다. 본 연구에서는 감자 수확량 모니터링 시스템에 있어 딥러닝 알고리즘의 적용 가능성을 확인할 수 있었으며, 향후 영상을 이용한 감자의 무게 예측, GPS 센서의 추가 구성을 통해 위치별 감자 수확량 정보를 활용할 수 있도록 추가 연구가 필요하다.

영어초록

Globally, potato is one of the major crops and contributes greatly to the farmers' income. Also, the importance of precision agriculture has been growing in recent years. Notably, yield monitoring is an important precision agricultural technology of increasing interest that can be used in variable fertilization, supply/demand control, etc. However, yield monitoring research is not conducted actively in South Korea compared to other countries, such as the United States and Japan. Hence, this research developed a potato yield monitoring system to count the potatoes harvested by a potato harvester. In particular, this system used machine vision and a deep learning algorithm. First, the YOLOv5 object detection model identified the potatoes and other substances, such as stone, soil, and potato plant stem, on the potato harvester's conveyor. Further, each harvested potato identified by the YOLOv5 object detection model was assigned a unique ID by the DeepSORT deep learning algorithm to trace the harvested potatoes. Finally, these harvested potatoes were counted when they arrived at a certain point on the potato harvester's conveyor. A performance test on this potato yield monitoring system's YOLOv5 object detection model showed that this model had a precision, recall, mAP, and F1 score of 0.9997, 0.9994, 0.9872, and 0.9996, respectively. Hence, this research demonstrated machine vision and deep learning in a potato yield monitoring system. However, further research on the potato yield monitoring system developed by this research is necessary to create potato yield maps based on potato weight estimation and GPS.

참고자료

· 없음