메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이정호 (농촌진흥청) 백정현 (농촌진흥청) 임동혁 (농촌진흥청) 김태현 (농촌진흥청) 김만중 (농촌진흥청) 박성진 (농촌진흥청) 양오석 (군산대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제48권 제10호
발행연도
2023.10
수록면
1,321 - 1,329 (9page)
DOI
10.7840/kics.2023.48.10.1321

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
스마트 온실은 ICT 기술을 온실에 적용하여 생육환경을 유지 및 관리하는 기술을 의미하며 이를 활용하여 적은 노동력으로 생산성을 증가시킬 수 있다. 최근 스마트 온실의 다양한 분야에 인공지능이 적용되고 있지만, 생산량 관리에 영향을 미치는 과실 특징인 무게와 당도 추정에 관련된 연구는 미비한 상황이다. 본 논문에서는 토마토를 재배 중인 스마트 온실에서 과실 영상을 실험실 환경에서 수집하고, 인공지능과 질감 분석을 통해 얻어진 정보를 기반으로 과실 특징인 무게와 당도를 추정하는 알고리즘을 구현한다. 질감 분석에 사용되는 Gray Level Co-occurrence Matrix(GLCM)을 적용해 얻은 특징인 Dissimilarity, Homogeneity, Energy, Correlation과 토마토 화소 수가 사용된다. 수집된 특징은 eXtreme Gradient Boosting(XGBoost), Deep Neural Network(DNN), Convolutional Neural Network(CNN) 및 머신러닝 앙상블 방법의 입력 데이터로 사용해서 무게와 당도를 추정하며 가장 최적의 방법을 도출하기 위한 평가지표로 Root Mean Square Error(RMSE)와 R²를 활용한다. 실험 결과 머신러닝 앙상블이 가장 좋은 결과값을 얻었으며 딥러닝 계열의 DNN, CNN에서 좋지 못한 결과가 나타나는 것을 확인할 수 있었다.
#Machine learning #Deep learning #Tomato #Fruit feature #Texture analysis

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 데이터 수집 및 전처리
Ⅲ. 학습 모델
Ⅳ. 실험
Ⅴ. 결론
References

참고문헌 (13)

참고문헌 신청
S. H. Lee, Y. S. Park, and O. S. Kwon, “Constructing a tomato smart farm optimization model with estimated growth functions,” J. The Korean Data & Inf. Sci. Soc., vol. 31, no. 4, pp. 619-635, 2020. (https://dx.dio.org/10.7465/jkdi.2020.31.4.619) google schola Y. J. Kim, J. Y. Park, and Y. G. Park, “An analysis of the current status and success factors of smart farms,” Korea Rural Econ. Inst. Report, pp. 1-74, 2016. google schola M. J. Kim, et al., “Remote multi-control smart farm with deep learning growth diagnosis function,” J. The Korea Soc. Comput. and Inf., vol. 27, no. 9, pp. 49-57, Sep. 2022. (https://doi.org/10.9708/jksci.2022.27.09.049) google schola S. E. Hong, et al., “A study on the prediction model for tomato production and growth using ConvLSTM,” J. KIIT, vol. 18, no. 1, pp. 1-10, Jan. 2020. (https://dx.doi.org/10.14801/jkiit.2020.18.1.1) google schola K. S. Kim, et al., “Tomato growth rate measurement system using image processing,” J. KICS, vol. 45, no. 08, pp. 1460-1471, 2020. (https://doi.org/10-7840/kics.2020.45.8.1460) google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

시각장애인을 위한 인공지능 기술 연구 동향
이장원 전자공학회지 2023 .09
딥러닝을 이용한 온실의 환경에서 토마토 화방 및 과실 객체 검출 모델 연구
서다솜 ,  김경철 ,  이명훈 외 2명 한국통신학회논문지 2021 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088055783