• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.53-53
• /
• 2017

연구목적: 국내 과일 산업의 한 단계 도약과 대외 경쟁력을 높이기 위해서는 수확작업의 기계화가 시급함. 이 연구는 국내외 과일 수확 기계화 현황과 문제점을 분석하고, 향후 수확작업 기계화 방향을 제시하고자 수행 수확기계 실용화 현황 및 고찰 (국내) 과일을 직접 수확이 아닌 수확 작업을 보조해주는 고지 작업기(수동형, 모터 진동형)와 고소 작업차가 대부분임. 수동형은 사과 감 등을 수확하지만, 작업능률이 낮고 작업자가 쉽게 피로하여 장시간 작업이 불가능하므로 실질적인 대안이 되지 못함. 진동형은 자체 동력을 이용하여 나무에 진동을 가하여 주로 대추 매실 등 소과류 수확에 이용되고, 수확능률은 우수하나 충격 손상이 많아 개선이 요구됨. 고소작업차는 동력원에 따라 충전식과 엔진식으로 구분되고, 충전식은 엔진식에 비해 진동 소음이 적어 쾌적하지만, 작업시간이 배터리 용량에 제한을 받음. 또한 작업대 작동방식에 따라 리프트형과 붐형으로 구분함. 리프트형은 리프트를 이용하여 작업대를 상하로 구동하는 방식으로 높은 위치의 과실 수확이 어렵고, 작업대 넓이 만큼의 작업 공간(과수간의 거리)이 필요함. 붐형은 필요한 곳으로 접근성이 우수하나 무거운 무게를 지탱하기 어렵기 때문에 본체를 무겁게 하거나 수시로 수확된 과일을 하차시켜야 함. (국외) 수확 후 가공되는 과일류와 포도 올리브 오렌지 매실 등 소과류 수확이 기계화되었지만, 사과 복숭아 등 신선과일은 아직도 외국의 값싼 노동자들에 의존하여 수확되고 있음. 현재 실용화된 수확 기계는 진동식 수확기계와 터널식 수확기계가 대표적임. 진동식은 집게형의 부착기를 나무 줄기에 고정한 후 트랙터 동력원으로 나무에 진동을 가하여 수확하고, 올리브 대추 등과 같은 소과류와 과피가 두꺼운 오렌지 등에 적용되고, 수확 작업능률이 매우 높으나 과일의 낙하 상처를 피할 수 없는 단점이 있음. 터널형은 규격화(과수 크기 및 형태, 재식거리)된 과수원에 잘 적응하도록 설계 제작되어, 과수 위를 지나가면서 내부에 설치된 진동장치와 컨테이너로 과일을 수확하고, 와인용 포도 수확기가 대표적임. 기계수확이 가능하도록 과수원 조성단계에서부터 재배양식(과수 좌우 및 전후 거리)을 기계의 제원(바퀴 간격, 작업부 간격 등)에 맞추어 재배함. 과일 수확로봇에 관한 연구는 활발하고 일부에서 실증시험단계에 있음. 결론: 구체적인 추진방향을 제시하면, 단기적으로는 과일 수확작업자의 작업편이성과 노동강도를 줄일 수 있도록 소형 저가 범용성이 우수한 보조기구/기계의 보급을 확대하고, 중장기적으로는 수확기계/수확로봇 개발을 위한 연구개발비 투자를 늘리는 동시에, 기계/로봇이 과수원에 잘 적응할 수 있도록 수형 재식거리 등 재배양식의 표준화가 추진되어야 함.

• 스마트미디어저널
• /
• 제12권10호
• /
• pp.19-28
• /
• 2023

과실 수확 분야에서 다양한 계절성과 수확 비용 상승 등으로 자동 로봇 수확에 대한 관심이 증가하고 있다. 빛의 변화, 바람에 의한 진동, 나뭇잎 및 가지 겹침 등 복잡한 과수원 환경에서 정확한 사과 검출은 어려운 문제이다. 본 논문에서는 로봇 자동 사과 수확에 유리한 데이터셋과 적응형 히트맵 회귀 모델을 소개한다. 사과 데이터셋은 사과 위치뿐만 아니라 가시성을 같이 레이블링하였다. 가시성에 따라 가우시안 모양을 조절하는 적응형 히트맵 회귀 모델을 사용하여 사과 중심점을 검출하는 방법을 제안한다. 실험 결과 MAP@K가 K=5와 K=10일 때 0.9809, 0.9801로 사과 수확 로봇에 응용 가능한 성능을 나타내었다.

• 드라이브 ㆍ 컨트롤
• /
• 제21권2호
• /
• pp.65-71
• /
• 2024

In this study, we suggested a key-point detection method for robot harvesting of oriental melon. Our suggested method could be used to detect the detachment part and major composition of oriental melon. We defined four points (harvesting point, calyx, center, bottom) based on tomato with characteristics similar to those of oriental melon. The evaluation of estimated key-points was conducted by pixel error and PDK (percentage of detected key-point) index. Results showed that the average pixel error was 18.26 ± 16.62 for the x coordinate and 17.74 ± 18.07 for the y coordinate. Considering the resolution of raw images, these pixel errors were not expected to have a serious impact. The PDK score was found to be 89.5% PDK@0.5 on average. It was possible to estimate oriental melon specific key-point. As a result of this research, we believe that the proposed method can contribute to the application of harvesting robot system.

• 생물환경조절학회지
• /
• 제12권2호
• /
• pp.57-62
• /
• 2003

본 연구는 오이 수확기 개발을 위해 매니퓰레이터를 설계 제작하였다. 실험에 사용한 3축 매니퓰레이터는 견고성, 내구성, 모멘트를 줄이기 위해 모터 및 감속기의 하중이 실리지 않는 곳에 장착하였다. 주요 연구 결과를 요약하면 다음과 같다. 3차원 공간상의 좌표에 대하여 매니퓰레이터의 10회 반복 측정한 오차의 평균은 Z축에 관계없이 0.1 mm내외로 정확하게 작동하는 것으로 나타났다. 실내 실험에서 25개의 오이에 대한 실험 결과 22개의 절단하여 92%의 성공률을 보였으나, 원인은 오이가 기형과이며, 수확한 후 시간이 경과하여 오이 과병의 물성이 변한 것으로 판단된다. 실내 실험에서 오이 과병을 절단하지 못한 경우에도 매니퓰레이터는 오이 과병에 0.1 mm 내외로 엔드이펙터을 접근시켰다. 50개의 오이에 대하여 현장 실험을 한 결과 42개, 84%의 절단율을 보였다. 16%의 오차가 발생한 것은 수확적기가 지나서 오이의 과병이 짧고 뭉툭해서 나타난 것으로 판단된다.

• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.270-278
• /
• 2022

본 연구는 무대재배 복숭아 '미황'을 대상으로 성숙기간 중 RGB 영상을 취득한 후 다양한 품질 지표를 측정하고 이를 딥러닝 기술에 적용하여 복숭아 과실 숙도 분류의 가능성을 탐색하고자 실시하였다. 취득 영상 730개의 데이터를 training과 validation에 사용하였고, 170개는 최종테스트 이미지로 사용하였다. 본 연구에서는 딥러닝을 활용한 성숙도 자동 분류를 위하여 조사된 품질 지표 중 경도, Hue 값, a^*값을 최종 선발하여 이미지를 수동으로 미성숙(immature), 성숙(mature), 과숙(over mature)으로 분류하였다. 이미지 자동 분류는 CNN(Convolutional Neural Networks, 컨볼루션 신경망) 모델 중에서 이미지 분류 및 탐지에서 우수한 성능을 보이고 있는 VGG16, GoogLeNet의 InceptionV3 두종류의 모델을 사용하여 복숭아 품질 지표 값의 분류 이미지별 성능을 측정하였다. 딥러닝을 통한 성숙도 이미지 분석 결과, VGG16과 InceptionV3 모델에서 Hue_left 특성이 각각 87.1%, 83.6%의 성능(F1 기준)을 나타냈고, 그에 비해 Firmness 특성이 각각 72.2%, 76.9%를 나타냈고, Loss율이 각각 54.3%, 62.1%로 Firmness를 기준으로 한 성숙도 분류는 적용성이 낮음을 확인하였다. 추후에 더 많은 종류의 이미지와 다양한 품질 지표를 가지고 학습이 진행된다면 이전 연구보다 향상된 정확도와 세밀한 성숙도 판별이 가능할 것으로 판단되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권4호
• /
• pp.129-134
• /
• 2018

최근, 인공신경망 모델은 예측, 수치제어, 로봇제어, 패턴인식 등의 분야에서 촉망되는 기술이다. 본 연구에서는 인공신경망 모델을 이용하여 온실 외부 온도를 예측하고 이를 온실제어에 활용하는데 목적이 있다. 예측 모델의 성능 평가를 위해 다중회귀모델과 SVM 모델과의 비교분석을 수행하였다. 평가 방법으로는 10-Fold Cross Validation을 사용하였으며, 예측 성능 향상을 위해 상관관계분석 통해 데이터 축소를 수행하였고, 측정 데이터로부터 새로운 Factor 추출하여 데이터의 신뢰성을 확보하였다. 인공신경망 구축을 위해 Backpropagation algorithm을 사용하였으며, 다중회귀모델은 M5 method로 구축하였고, SVM 모델을 epsilon-SVM으로 구축하였다. 각 모델의 비교분석 결과 각각 0.9256, 1.8503과 7.5521로 나타났다. 또한 예측모델을 온실 난방부하 계산에 적용함으로써 온실에 사용되는 에너지 비용 절감을 통한 수입증대에 기여할 수 있다. 실험한 온실의 난방부하는 3326.4kcal/h이며, 총 난방시간이 $10000^{\circ}C/h$일 때 연료소비량은 453.8L로 예측된다. 아울러 데이터 마이닝 기술 중 하나인 인공신경망을 정밀온실제어, 재배기법, 수확예측 등 다양한 농업 분야에 적용함으로써 스마트 농업으로의 발전에 기여할 수 있다.