딥러닝의 SU-net을 이용한 배 화상병 예찰 연구 = Study on Fire Blight Forecasting Using Separable SU-net of Deep Learning
저자
김현정 ( H. J. Kim ) ; 노현권 ( H. K. Noh ) ; 강태환 ( T. H. Kang ) 연구자관계분석
발행기관
학술지명
권호사항
발행연도
2020
작성언어
-주제어
자료형태
학술저널
수록면
228-228(1쪽)
제공처
화상병(火傷病, Fire blight)은 배와 사과 등 장미과 식물에 생기는 세균성 병해의 일종으로 병원균인 Erwinia amylovora에 의해 발생한다. 국내에서는 2015년 5월 경기도 안성과 충남 천안에서 최초로 화상병이 발생하였으며, 2020년 현재까지 새로운 지역으로 전염되고 있다. 강한 전염성으로 인하여 감염시 2일 이내에 확진여부가 판정되고, 판정 직후 발병된 과수를 중심으로 100 m 반경의 과수를 매몰하기 때문에 화상병발병과수의 충분한 영상취득이 매우 어려운 실정이다. 따라서 지속적인 모니터링을 통해 확산·전염에 의한 2차 피해를 줄일 수 있는 화상병 예찰 시스템에 관한 연구가 필요하다. 본 연구에서는 실제 화상병 발병 과수에서 회전익 드론에 A6300 RGB 카메라를 장착하여 고도 10~12m 상공에서 영상을 취득하였다. 취득된 영상의 공간분해능은 6,000 pixel × 4,000 pixel 이었다. 화상병 검출을 위한 SU-net 구조는 Image input layer, Convolution layer, Batch normal layer, ReLU layer, Max Pooling Layer, Transpose Convolution layer 및 Sigmoid Layer로 구성되어 있다. 특히 화상병 영상 검출의 성능을 향상시키기 위하여 Batch normal layer를 적용하였고, depthwize_conv 결과에 pointwise filter(가중치, 스칼라)를 곱한 후 (1x1 convolution) 다른 필터의 연산 결과와 Sum하는 방법으로 사과 화상병 영상을 분석하였다. 기존 U-net 학습결과는 화상병 감염 과수 영상 가운데 64장이 화상병 감염으로 인식하였고, 16장은 비감염으로 인식하여 예측율은 80.0%로 나타났다. SU-net 학습결과는 화상병 감염 과수 영상 80장 중 70장이 화상병 감염으로 인식하였고, 10장은 비감염으로 인식하여 예측율은 87.5%로 나타났다. 또한 비감염과수 영상 20장의 테스트 결과 19장이 비감염으로 인식하였고, 1장은 감염으로 인식되어 예측율이 95.0%로 나타났으며 개선된 SU-net 학습 알고리즘이 기존의 U-net 학습 알고리즘보다 화상병 예측이 7.5% 증가한 것으로 나타나 성능이 향상된 것으로 판단된다. 따라서 향후 현장에서 드론을 이용한 화상병 예찰에 효과적으로 사용될 수 있을 것으로 판단된다.
더보기분석정보
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)