제주대학교 Repository

합성곱신경망과 초분광영상을 이용한 토양수분량 예측 연구

Metadata Downloads
Alternative Title
A Study on Soil Moisture Prediction using CNN (Convolution Neural Network) and Hyperspectral Image
Abstract
식물의 생육은 수분에 의해서 크게 좌우되기 때문에 토양이 재배하는 식물에 최적의 수분을 가지도록 조절하는 것은 중요하다. 최근 초분광영상을 통하여 식물의 생육정보를 자동으로 분석하는 연구가 진행되고 있으며 토양의 수분함량을 측정하는 것도 포함한다. 그러나 초분광영상의 경우 많은 분광밴드로 인하여 발생하는 방대한 데이터로 인하여 분석과정이 복잡하기 때문에 사용이 어렵다. 이런 문제점을 해결하기 위하여 심층신경망 (Deep Neural Network, DNN)을 통한 초분광영상의 분석이 시도되고 있다.
본 논문에서는 토양수분량을 예측할 수 있는 심층신경망의 일종인 합성곱신경망 (Convolution Neural Network, CNN) 기반의 시스템을 제안한다. 제안한 방법은 합성곱신경망이 토양에 대한 초분광영상을 이용하여 수분량에 대한 학습을 한다. 인식 단계에서는 입력되는 초분광영상을 분석하여 입력된 영상이 가지는 수분량을 인식한다.
제안 시스템의 유효성을 보이기 위해서 토양에서 얻은 초분광영상 데이터를 이용하여 수분량을 분석하는 실험을 한다. 실험 결과 인식률은 96.7%로 나타났다. 제시된 기법은 대상 초분광의 전체 대역을 심층학습방법을 사용하여 자동 분석하기 때문에 각 영상에 대해 인식에 필요한 특정 대역을 찾는 노력을 할 필요가 없다.
Since plant growth is greatly influenced by moisture, it is important to control the soil to have optimal moisture for the plant being grown. Recently, researches on automatically analyzing plant growth information including soil moisture using spectral images are being conducted. However, hyperspectral images are difficult to use due to the large amount of data appearing in many spectral bands. In order to solve this problem, analysis of hyperspectral images using Deep Neural Networks (DNN) is being attempted.
In this paper, we propose a Convolution Neural Network (CNN)-based system, a type of Deep Neural Network capable of predicting soil moisture. The Convolution Neural Network learns the soil moisture using hyperspectral images of the soil. In the recognition step, the soil moisture is recognized by analyzing the input hyperspectral image.
In order to show the effectiveness of the proposed system, an experiment is conducted to analyze the amount of moisture using hyperspectral image data obtained from the soil. As a result of the experiment, the recognition rate was 96.7%. Since the presented technique automatically analyzes the entire band of the target hyperspectral using a deep learning method, there is no need to make efforts to find a specific band required for recognition for each image.
Author(s)
전남열
Issued Date
2022
Awarded Date
2022. 2
Type
Dissertation
URI
https://dcoll.jejunu.ac.kr/common/orgView/000000010484
Alternative Author(s)
Jeon, Nam Youl
Affiliation
제주대학교 대학원
Department
대학원 전산통계학과
Advisor
이봉규
Table Of Contents
표 목차 ⅱ
그림 목차 ⅲ
초록 ⅳ
Abstract ⅴ
Ⅰ. 서론 1
Ⅱ. 배경과 관련 연구 3
1. 농업분야에 대한 초분광영상 활용 3
1.1. 초분광영상 (HSI) 기술 4
1.2. 초분광영상 자료 활용분야 7
2. 인공신경망과 합성곱신경망 9
2.1. 인공신경망 (Artificial Neural Networks, ANN) 9
2.2. 합성곱신경망 (Convolution Neural Network, CNN) 13
2.3. 합성곱신경망과 초분광영상 분석 21
Ⅲ. 초분광영상 분석을 위한 합성곱신경망 25
Ⅳ. 구현 및 실험 결과 분석 27
1. 실험 환경 및 데이터 수집 27
2. 실험 결과 및 분석 29
Ⅴ. 결론 및 향후 연구 방향 31
Ⅵ. 참고 문헌 32
Degree
Master
Publisher
제주대학교 대학원
Appears in Collections:
General Graduate School > Computer Science and Statistics
Authorize & License
  • AuthorizeOpen
Files in This Item:

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.