초분광 영상을 이용한 딥러닝 기반의 작물 영역 스펙트럼 밴드 탐색

• 영문명: Searching Spectrum Band of Crop Area Based on Deep Learning Using Hyper-spectral Image
• 발행기관: 한국스마트미디어학회
• 저자명: 이광형(Gwanghyeong Lee) 명현정(Hyunjung Myung) 디팍 기미레(Deepak Ghimire) 김동훈(Donghoon Kim) 조세운(Sewoon Cho) 정성환(Sunghwan Jeong) 김병준(Byoungjun Kim)
• 간행물 정보: 『스마트미디어저널』Vol13, No.8, 39~48쪽, 전체 10쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2024.08.30

국문 초록

최근 초분광 영상을 활용하여 작물의 생육 분석 및 질병을 조기에 진단하는 다양한 연구들이 등장하였지만, 수많은 스팩트럼 밴드를 사용하거나 최적의 밴드를 탐색하는 것은 어려운 문제로 남아 있다. 본 논문에서는 초분광 영상을 이용한 딥러닝 기반의 최적화된 작물 영역 스펙트럼 밴드를 탐색하는 방법을 제안한다. 제안한 방법은 초분광 영상 내 RGB 영상을 추출하여 Vision Transformer 기반 Segformer을 통해 배경과 전경 영역을 분할한다. 분할된 결과는 그레이스케일 전환한 초분광 영상 각 밴드에 투영 후 전경과 배경 영역의 평균 픽셀 비교를 통해 작물 영역의 최적화된 스펙트럼 밴드를 탐색한다. 제안된 방법을 통해 전경과 배경 분할 성능은 평균 정확도 98.47%와 mIoU 96.48%의 성능을 나타내었다. 또한, mRMR 방법에 비해 제안 방법이 작물 영역 밀접하게 연관된 NIR 영역에 수렴하는 것을 확인하였다.

영문 초록

Recently, various studies have emerged that utilize hyperspectral imaging for crop growth analysis and early disease diagnosis. However, the challenge of using numerous spectral bands or finding the optimal bands for crop area remains a difficult problem. In this paper, we propose a method of searching the optimized spectral band of crop area based on deep learning using the hyper-spectral image. The proposed method extracts RGB images within hyperspectral images to segment background and foreground area through a Vision Transformer-based Seformer. The segmented results project onto each band of gray-scale converted hyperspectral images. It determines the optimized spectral band of the crop area through the pixel comparison of the projected foreground and background area. The proposed method achieved foreground and background segmentation performance with an average accuracy of 98.47% and a mIoU of 96.48%. In addition, it was confirmed that the proposed method converges to the NIR regions closely related to the crop area compared to the mRMR method.

목차

Ⅰ. 서론

Ⅱ. 제안된 방법

Ⅲ. 실험 및 결과

Ⅳ. 결론

References

키워드

초분광 영상 딥러닝 세그멘테이션 스펙트럼 밴드 hyperspectral image deep learning segmentation spectrum band vision transformer