합성곱신경망과 초분광영상을 이용한 토양수분량 예측 연구 = A Study on Soil Moisture Prediction using CNN (Convolution Neural Network) and Hyperspectral Image
저자
발행사항
제주 : 제주대학교 대학원, 2022
학위논문사항
학위논문(석사)-- 제주대학교 대학원 : 전산통계학과 인공지능 2022. 2
발행연도
2022
작성언어
한국어
주제어
KDC
566
발행국(도시)
제주특별자치도
형태사항
v, 34 p. ; 26 cm
일반주기명
지도교수: 이봉규
UCI식별코드
I804:49002-000000010484
소장기관
식물의 생육은 수분에 의해서 크게 좌우되기 때문에 토양이 재배하는 식물에 최적의 수분을 가지도록 조절하는 것은 중요하다. 최근 초분광영상을 통하여 식물의 생육정보를 자동으로 분석하는 연구가 진행되고 있으며 토양의 수분함량을 측정하는 것도 포함한다. 그러나 초분광영상의 경우 많은 분광밴드로 인하여 발생하는 방대한 데이터로 인하여 분석과정이 복잡하기 때문에 사용이 어렵다. 이런 문제점을 해결하기 위하여 심층신경망 (Deep Neural Network, DNN)을 통한 초분광영상의 분석이 시도되고 있다.
본 논문에서는 토양수분량을 예측할 수 있는 심층신경망의 일종인 합성곱신경망 (Convolution Neural Network, CNN) 기반의 시스템을 제안한다. 제안한 방법은 합성곱신경망이 토양에 대한 초분광영상을 이용하여 수분량에 대한 학습을 한다. 인식 단계에서는 입력되는 초분광영상을 분석하여 입력된 영상이 가지는 수분량을 인식한다.
제안 시스템의 유효성을 보이기 위해서 토양에서 얻은 초분광영상 데이터를 이용하여 수분량을 분석하는 실험을 한다. 실험 결과 인식률은 96.7%로 나타났다. 제시된 기법은 대상 초분광의 전체 대역을 심층학습방법을 사용하여 자동 분석하기 때문에 각 영상에 대해 인식에 필요한 특정 대역을 찾는 노력을 할 필요가 없다.
Since plant growth is greatly influenced by moisture, it is important to control the soil to have optimal moisture for the plant being grown. Recently, researches on automatically analyzing plant growth information including soil moisture using spectral images are being conducted. However, hyperspectral images are difficult to use due to the large amount of data appearing in many spectral bands. In order to solve this problem, analysis of hyperspectral images using Deep Neural Networks (DNN) is being attempted.
In this paper, we propose a Convolution Neural Network (CNN)-based system, a type of Deep Neural Network capable of predicting soil moisture. The Convolution Neural Network learns the soil moisture using hyperspectral images of the soil. In the recognition step, the soil moisture is recognized by analyzing the input hyperspectral image.
In order to show the effectiveness of the proposed system, an experiment is conducted to analyze the amount of moisture using hyperspectral image data obtained from the soil. As a result of the experiment, the recognition rate was 96.7%. Since the presented technique automatically analyzes the entire band of the target hyperspectral using a deep learning method, there is no need to make efforts to find a specific band required for recognition for each image.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)