Browse

UAV와 RGB 카메라를 이용한 무·배추 생육 원격탐사 기술 개발
Development of Remote Sensing Technology for Growth Estimation of White Radish and Napa Cabbage using UAV and RGB Camera

Cited 0 time in Web of Science Cited 0 time in Scopus
Authors
윤희섭
Advisor
김학진
Major
농업생명과학대학 바이오시스템·소재학부
Issue Date
2017-02
Publisher
서울대학교 대학원
Keywords
무인기원격탐사배추피복률작물 높이다중 회귀 모델
Description
학위논문 (석사)-- 서울대학교 대학원 : 바이오시스템·소재학부, 2017. 2. 김학진.
Abstract
밭작물의 수급예측을 위해 밭작물의 생육을 정확하게 예측하는 기술이 필요하다. 최근 들어 영상 획득 플랫폼을 이용하여 넓은 농경지의 영상을 획득하고 이를 객관적이고 과학적으로 분석하는 원격탐사 기술을 밭작물 수급예측에 적용하려는 시도가 활발히 이루어지고 있다.
본 연구에서는 원격탐사 기술을 밭작물 수급예측에 적용하는 시도의 일환으로 소형 무인기를 이용하여 무, 배추 필지의 영상을 획득하기 위한 최적 비행 조건에 대하여 연구하고 획득한 영상을 분석하여 무, 배추의 생육을 예측하는 모델을 개발하고자 하였다.
무, 배추의 작물 크기와 상용 카메라의 성능을 고려하였을 때 40 m 고도에서 무, 배추의 영상을 획득하는 것이 적합하였으며, 비행 중 움직임에 따른 영상의 흔들림을 고려한 결과 2 ~ 6 m/s 의 비행 속도에서 1/1000 이상의 셔터 속도를 사용할 때 영상분석에 필요한 고화질을 얻을 수 있음을 확인하였다.
획득한 영상의 분석에 앞서 카메라의 스펙트럼 반응성을 고려하여 영상의 방사보정을 수행하였으며, 작물 식생지수 계산 및 작물 구별을 통해 무, 배추 경작지의 피복률을 산출하였다. 또한 영상 정합 과정에서 생성된 무, 배추 경작지의 3차원 모델의 높이 변화를 계산하여 작물의 높이를 측정하였으며, 무와 배추의 경우 결정계수 0.91, 평균 제곱근 오차 값 1.12cm의 예측 성능을 나타내었다.
생육 초기부터 생육 후기까지의 무, 배추 작물 피복률과 작물 높이 예측값을 이용하여 무, 배추의 엽장, 엽폭, 엽수를 예측하는 다중 회귀 모델을 개발한 결과, 무의 경우 결정계수 값이 각각 0.93, 0.85, 0.95 이면서, 평균제곱근 오차가 2.89 cm, 1.0 cm, 3.74 개 로 나타났으며, 배추의 경우 결정계수 값은 0.93, 0.84, 0.91 이면서, 평균 제곱근 오차는 2.61 cm, 2.98 cm, 9.31 개 로 나타났다. 생체중의 경우 작물 피복률의 포화로 인한 검출 한계로 인하여 파종 및 정식 50일 이내 초기 데이터만을 사용하여 다중 회귀 모델을 개발했다. 개발한 생체중 예측 식은 무의 경우 결정계수 0.95와 평균 제곱근 오차 66 g를 나타냈으며, 배추의 경우 결정계수 0.94와 평균 제곱근 오차 303 g로 상대적으로 낮은 예측성능을 나타내었다. 개발된 모델 식을 적용한 유효성 시험결과 실제 밭작물 작황 예측에서도 파종 및 정식 50일 이내의 초기 생육에 대하여 무인기 영상을 통해 무, 배추의 생체중 예측이 가능함을 나타내었다.
On-site monitoring of vegetable growth parameters in an agricultural field can provide useful information for farmers to establish farm management strategies suitable for optimum production of vegetables. Studies have been conducted to apply remote sensing (RS) technology for the estimation of crop growth, which remotely can obtain the images of agricultural fields using an image acquisition platform. Unmanned Aerial Vehicles (UAVs) are currently gaining a growing interest for agriculture applications due to its potential in precision agriculture such as the identification of weeds and crop production issues, diagnosing nutrient deficiencies, and the prediction of biomass and yield. This study reports on the development of UAV-based RS techniques for measuring the growth parameters of white radish and napa cabbage. Specific objectives were to 1) investigate the optimum flight conditions of a multi-rotor UAV for acquiring images of Korean vegetables grown in sloping grounds and 2) develop statistical models for estimating the growth parameters of radish and cabbage using a vegetation index based vegetation fraction and a DSM-based height value. The white radish and napa cabbage field using small UAVs were studied, and image analysis technologies were studied to develop growth estimation model from acquired images. Considering the crop size of the object vegetables and the performance of the commercial camera, it was suitable to acquire images at 40m altitude from ground. It was found that an image blur can be reduced when a shutter speed of 1/1000 or more is used at flight speed under 6m/s. Prior to the analysis of the acquired image, radiometric calibration of the image was performed considering the spectral sensitivity of the camera, and the vegetation fraction white radish and napa cabbage field was calculated through calculation of vegetation index and crop segmentation. In addition, the height of crops was estimated by calculating the height change of the 3-D model of white radish and napa cabbage field, and the RMSE was 1.12cm for white radish and napa cabbage. The results of the multiple regression models that predicted the leaf length, leaf width, and leaf count of white radish and napa cabbage, from early season to late season were estimated. For leaf length, leaf width and leaf count of the white radish, the coefficients of determination were 0.93, 0.93, 0.85, and RMSEs were 2.89 cm, 1.0 cm, 3.74, respectively. For leaf length, leaf width and leaf count of the napa cabbage, the coefficients of determination were 0.93, 0.84, 0.91, and RMSEs were 2.61 cm, 2.98 cm, 9.31 , respectively. Because of the detection limit due to the saturation of vegetation fraction, while incrementing of fresh weight, multiple regression models for fresh weight estimation was developed using only initial data within 50 days of sowing and planting. In the case of the white radish fresh weight estimation model, the coefficient of determination was 0.95 and the standard error of measurement was 66 g. And for the napa cabbage fresh weight estimation model, the coefficient of determination was 0.94 and the standard error of the measurement was 303 g. Therefore, in the prediction of the actual crop growth, it will be possible to estimate the fresh weight of radish and napa cabbage through the UAV image for the growth within 50 days of planting.
Language
Korean
URI
https://hdl.handle.net/10371/125768
Files in This Item:
Appears in Collections:
College of Agriculture and Life Sciences (농업생명과학대학)Dept. of Biosystems and Biomaterials Science and Engineering (바이오시스템·소재학부)Theses (Master's Degree_바이오시스템·소재학부)
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse