컬러 이미지와 딥러닝 기술을 활용한 고구마 수분 스트레스 추정 (Estimation of Water Stress in Sweet Potatoes Using Deep Learning and RGB Imagery)

서지정보

· 발행기관 : 한국비파괴검사학회
· 수록지 정보 : 비파괴검사학회지 / 44권 / 6호 / 463 ~ 473페이지
· 저자명 : 조수빈, 최지원, 황운하, 조병관, 송대빈, 김건우

초록

전 세계 인구는 2050년까지 20억 명 증가할 것으로 예상되며, 그 중 절반 이상이 개발도상국 출신일 것으로 전망된다. FAO에 따르면, 개발도상국에서는 영양부족과 식량 불안정이 심각한 상황에 처해 있으며, 이러한 배경 속에서 고구마는 중요한 영양 공급원으로 주목받고 있다. 그러나 기후 변화로 인한 가뭄과 홍수는 작물에 큰 피해를 주고 있으며, 고구마도 예외가 아니다. 이에 본 연구는 딥러닝과 컬러 이미지를 활용하여 고구마의 수분 스트레스 수준을 분류하였다. 실험은 수분 스트레스 수준을 건조, 적습, 과습의 세 가지로 나누어 진행되었다. 연구 결과, CNN 모델을 이용한 분류에서 0.8의 정확도를 달성하였다. 본 연구는 고구마뿐만 아니라 다른 노지 재배 작물에서도 정밀한 관개 제어를 위한 중요한 기초 자료로 활용될 수 있을 것으로 기대된다.

영어초록

By 2050, the global population is projected to increase by 2 billion, with over half of this increase occurring in developing countries. According to the Food and Agriculture Organization, developing countries face severe challenges related to malnutrition and food insecurity, with sweet potatoes gaining attention as a vital source of nutrients. However, droughts and floods driven by climate change are causing significant damage to crops, including sweet potatoes. This study therefore utilized deep learning and RGB imagery to classify water stress levels in sweet potatoes. Water stress was categorized into three levels for the experiment: dry, normal, and overwatered. As a result, the convolution neural network model developed in this study achieved an accuracy of 0.8. This research is expected to serve as a valuable foundation for precise irrigation control, benefiting not only sweet potatoes but also other field crops.

참고자료

· 없음