ResNet 기반 작물 생육단계 추정 모델 개발

• 영문명: Development of ResNet based Crop Growth Stage Estimation Model
• 발행기관: 한국스마트미디어학회
• 저자명: 박준(Jun Park) 김준영(Jun-Yeong Kim) 박성욱(Sung-Wook Park) 정세훈(Se-Hoon Jung) 심춘보(Chun-Bo Sim)
• 간행물 정보: 『스마트미디어저널』Vol11, No.2, 53~62쪽, 전체 10쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2022.03.30

국문 초록

산업화 이후 가속화된 지구 온난화 현상으로 인해 기존환경 변화 및 이상기후 발생 빈도가 증가하고 있다. 농업은 기후변화에 매우 민감한 분야의 산업으로 지구 온난화는 작물의 생산량을 감소시키고 재배 지역이 변하는 등의 문제를 발생시킨다. 또한, 환경 변화는 작물의 생육 시기를 불규칙하게 만들어 숙련된 농사꾼들도 작물의 생육단계를 쉽게 추정할 수 없도록 만들어 여러 문제를 발생시킨다. 이에 본 논문에서는 작물의 생육단계를 추정하기 위한 CNN(Convolution Neural Network) 모델을 제안한다. 제안한 모델은 ResNet의 Pooling Layer를 수정한 모델로 ResNet, DenseNet 모델의 생육단계 추정보다 높은 성능 결과를 확인하였다.

영문 초록

Due to the accelerated global warming phenomenon after industrialization, the frequency of changes in the existing environment and abnormal climate is increasing. Agriculture is an industry that is very sensitive to climate change, and global warming causes problems such as reducing crop yields and changing growing regions. In addition, environmental changes make the growth period of crops irregular, making it difficult for even experienced farmers to easily estimate the growth stage of crops, thereby causing various problems. Therefore, in this paper, we propose a CNN model for estimating the growth stage of crops. The proposed model was a model that modified the pooling layer of ResNet, and confirmed the accuracy of higher performance than the growth stage estimation of the ResNet and DenseNet models.

목차

Ⅰ. 서론

Ⅱ. 관련 연구

Ⅲ. 제안하는 시스템 구성

Ⅳ. 결과 및 성능평가

Ⅴ. 결론

키워드

딥러닝 컴퓨터 비전 Convolution Neural Network 작물 생육단계 Deep Learing Computer Vision CNN Crop Growth Stage