지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박성근
- 발행연도
- 2015
- 저작권
- 순천대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
컴퓨터와 인터넷의 발달로 인한 사물인터넷 시대에서 IT와 다양한 분야의 융합이 활발하게 이루어지고 있다. 그 중 농업, 축산업 분야에서 여러 가지 센서들과 임베디드 시스템을 활용한 무선 센서 네트워크 환경이 적용되고 있는 추세이다. 기존의 작물 생장환경을 나타내는 수치 데이터 뿐만 아니라 영상이나 이미지와 같은 멀티미디어 데이터를 통한 모니터링도 가능해졌으며, 농가에서 직접 촬영한 이미지로 작물의 생장정보, 생산량 예측, 병충해 진단 등을 수행하는 연구들이 활발히 진행 중이다. 특히 작물의 병충해를 초기에 감지하여 치료하는 것은 매우 중요하다. 하지만 기존 병충해 진단 논문들은 실제 농가에 적용하기 어려운 부분이 존재한다. 본 논문은 이를 개선하고자 하였으며, 화상카메라를 통해 받아온 작물의 잎사귀 이미지를 분석하여 병충해를 초기에 감지 가능한 알고리즘을 제안한다. 실제 시설원예 및 노지 환경 농가의 캡쳐한 이미지 내에서 감염 의심 영역을 개선된 K 평균 클러스터링 기법을 통해 분류하였다. 그 후 엣지 검출, 엣지 추적 기법을 활용하여 해당 영역의 잎사귀 내부 존재 여부를 확인하였다. 또한 올바른 병충해 진단을 위해 작은 영역 제거, 인근 영역 합성을 수행하였다. C++과 Java 언어 기반으로 알고리즘을 직접 구현 하였으며, 인근 농가에서 촬영한 이미지로 성능 평가를 수행하였다. 기존 논문의 방법 보다 제안 알고리즘의 감영 영역 분류 능력이 뛰어났고, 잎사귀 내부 존재 여부 확인과 영역 레이블링 과정을 통해 감염 영역과 비 감염 영역을 걸러내는 기능을 검증하였다.
목차
Ⅰ. 서 론 1Ⅱ. 관련 연구 3Ⅲ. 작물 잎사귀 질병 감지 메커니즘 제안 83.1 기존 작물 잎사귀 질병 검출 기법의 문제점 83.2 작물 잎사귀 질병 감지를 위한 이미지 프로세싱 알고리즘 83.2.1 알고리즘 적용을 위한 가정 상황 83.2.2 제안 알고리즘 93.3 이미지 프로세싱 알고리즘 세부 절차 113.3.1 K 평균 클러스터링을 활용한 영역 분류 113.3.2 감염 영역 추출 143.3.3 감염 영역 레이블링 173.3.4 원본 이미지 적용 및 추출 173.3.5 질병 자가진단 서비스 18Ⅳ. 이미지 프로세싱 성능 평가 194.1 알고리즘 구현 및 실험 194.1.1 K 평균 클러스터링을 활용한 영역 분류 194.1.2 감염 영역 추출 264.1.3 감염 영역 레이블링 314.1.4 원본 이미지 적용 및 진단 서비스 34Ⅴ. 결론 36참 고 문 헌 37ABSTRACT 39
최근 본 자료
댓글(0)
0