공간 가변적 커널 추정 및 적응적 밀도 맵 생성 기반의 해충 카운팅 모델 (Pest Counting Model based on Spatially Variant Kernels and Adaptive Density Map Generation)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 22권 / 9호 / 43 ~ 50페이지
· 저자명 : 손창환, 김경태

초록

해충의 조기 발견은 농작물 피해를 줄이고 생산성을 제고할 수 있는 중요한 작업이다. 이를 위해, 종래의 숙련된 농부가 육안으로 측정하는 방식을 탈피하여 디지털 트랩을 사용하여 포획된 해충 마릿수를 자동으로 측정하는 방제시스템이 도입되고 있다. 하지만, 포획된 해충의 폐색 문제로 인해 해충 카운팅의 정확도가 저하되고 있다. 이를 해결하고자 본 논문에서는 스택으로 쌓은 밀도 맵 기반 카운터와 커널 생성자로 구성된 해충 카운팅 모델을 제시하고자 한다. 특히, 커널 생성자를 통해 도트 맵을 밀도 맵으로 변환하기 위한 공간 가변적인 커널을 추정하고 카운터에서 적응적인 밀도 맵을 생성하는 딥러닝 아키텍처를 제안하고자 한다. 실험 결과를 통해, 제안한 스택 구조 기반의 커널 및 밀도 맵 생성 모델이 폐색이 존재하는 해충 이미지에서도 효과적이며 기존의 해충 카운팅 모델보다 평균 절대 오차에서 약 26%의 정확도를 개선할 수 있었다.

영어초록

Early detection of pests is an important task that can reduce crop damage and improve productivity. To this end, a control system is being introduced that automatically measures the number of captured pests using digital traps, breaking away from the conventional method of visual measurement by skilled farmers. However, the accuracy of pest counting is decreasing due to the problem of occlusion of captured pests. To solve this problem, this paper proposes a pest counting model consisting of a stacked density map-based counter and a kernel generator. In particular, we would like to propose a deep learning architecture that estimates spatially variable kernels for converting a dot map to a density map through a kernel generator and generates an adaptive density map from a counter. Through experimental results, the proposed stack structure-based kernel and density map generation model was effective even in pest images with occlusions and was able to improve accuracy by about 26% in mean absolute error compared to the existing pest counting model.

참고자료

· 없음