초분광 영상과 심층 신경망을 이용한 작물 생육상태 분류 기법 : 파프리카 잎 사례 연구 (Classification of Growth Conditions in Crops Using Hyperspectral Images and Deep Neural Network : Case Study of Paprika Leaf)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 17권 / 12호 / 1 ~ 12페이지
· 저자명 : 최강인, 노혜민, 정성환, 유철중

초록

최근 들어 초분광 영상을 이용하여 식물의 생육상태 분석 연구가 이루어지고 있다. 하지만 물리적 요인과 데이터의 복잡성 등 많은 요인이 초분광 영상 분석을 어렵게 한다. 본 논문은 초분광 영상과 DNN을 이용하여 작물의 생육상태 분류 기법을 제안한다. 초분광 영상을 통해 작물의 주요 정보를 얻고 DNN이 효과적으로 동작할 수 있도록 작은 패치 크기로 데이터를 자르고, 회전 시키는 등 데이터 전처리 기법을 사용한다. 실험에서는 파프리카 잎을 정상 잎, 해충 피해를 입은 잎 등 4종류의 잎과 배경으로 분류하였으며, 실험 결과 90.9%의 정확도를 보였다. 제안된 기법은 데이터 생성 방법이 DNN에 부담을 주지 않으며, 기존의 RGB 영상으로는 판단하기 어려운 다양한 생육 상태를 분류할 수 있다.

영어초록

Recently, studies have been conducted to analyze the growth condition of plants using hyperspectral images. however, many factors, such as physical and data complexity, make it difficult to analyze hyperspectral images. this paper proposes a method for classifying crop growth using hyperspectral imaging and DNN(Deep Neural Network). hyperspectral images are used to obtain key crop information and data preprocessing techniques such as cutting and rotating the data into small patch sizes so that the DNN can operate effectively. in the experiments, paprika leaves were classified into four types and backgrounds: normal leaves and leaves damaged by pests, and the results showed 90.9% accuracy. the proposed technique can classify various growth conditions that data generation method does not burden DNN and is difficult to determine by conventional RGB image.

참고자료

· 없음