• 조경수
• /
• 통권132호
• /
• pp.22-25
• /
• 2013

• 조경수
• /
• 통권132호
• /
• pp.26-29
• /
• 2013

• 농약과 식물보호
• /
• 제4권6호
• /
• pp.87-95
• /
• 1983

• 스마트미디어저널
• /
• 제11권5호
• /
• pp.26-37
• /
• 2022

본 논문에서는 시설재배 작물 중 딸기의 초기 병해를 방제하고자 이미지를 자동으로 취득하고, EfficientNet 모델을 활용해 병해를 분석하여 농민에게 병해 여부를 알려주고, 전문가를 통한 병해 진단 서비스를 제안한다. 딸기 생육단계의 이미지를 취득하고, 학습된 EfficientNet 모델을 활용해 병해 진단 분석결과를 농민의 애플리케이션으로 전송 후 전문가의 피드백을 신속하게 받을 수 있다. 데이터 세트로는 실제 시설재배를 운영하는 농민을 섭외하여 시스템을 이용해 이미지를 취득하였고, 핸드폰으로 촬영한 이미지의 초안을 활용하여 데이터가 부족한 문제를 해결했다. 실험 결과 EfficientNet B0부터 B7까지의 정확도는 유사하여 추론 속도가 가장 빠른 B0를 채택했다. 성능향상을 위해 ImageNet으로 사전학습 된 모델을 사용해 Fine-tuning 했고, 100 Epoch부터 급격한 성능향상을 확인했다. 제안하는 서비스는 초기 병해를 빠르게 탐지하여 생산량을 증대시킬 것으로 기대한다.

• 농업기술회보
• /
• 제51권4호
• /
• pp.28-29
• /
• 2014

장마철 집중호우로 인해 배수불량 지대에서 작물이 장기간 침수되면 뿌리활력 저하로 인한 습해와 토양전염성병, 탄저병, 점무늬병 등 지상부 병해가 나타나다. 이번달에는 고품질 약용작물을 생산하기 위해 장마철 전 후 약용작물의 병해충 방제방법에 대해 알아본다.

• 자연과 농업
• /
• 통권251호
• /
• pp.36-37
• /
• 2009

쌀의 영양성분은 단백질(7%), 지방질(1%), 당질(80%), 조섬유(0.4%), 회분(0.5%)으로 되어 있으며, 인체 내에서 당질은 열량 공급원으로, 조섬유는 식이섬유 공급원의 역할을 한다. 그리고 무기질로는 인, 칼륨, 칼슘, 마그네슘, 나트륨, 철분 등이 포함되어 있다. 벼에는 약 38종의 병해가 발생하는데 생육시기, 재배장소, 기후 등 환경이나 품종에 따라 달리 나타나며 벼 생육중기 이후에 발생하는 주요 병해는 다음과 같다.

• 조경수
• /
• 통권127호
• /
• pp.37-40
• /
• 2012

지난 호의 소나무류 가지마름성 병해에 이어 이번 호에서는 소나무류 잎마름성 병해를 소개한다. 소나무의 잎에서 나타나는 잎마름성 병해는 증상과 원인이 다양하여 정확한 원인을 밝히기가 매우 어렵다. 그 이유는 수목의 이상 증상은 기본적으로 1) 비기생성(생리적, 비점염성) 원인, 2) 기생성(생물적, 전염성) 원인에 의하여 발생하는데, 진단 결과에 따라 수목의 재배환경을 점검하고 개선하여야 할 문제인가(비기생성 원인), 또는 약제를 사용하여야 할 것인가(기생성 원인)를 먼저 결정하여야 한다. 그 이유는 피해 원인이 물, 온도, 제초제 등 비기생성 원인에 의한 것이라면 재배환경의 개선 또는 원인 제거만으로도 충분히 나무를 회복시킬 수 있고, 병원균에 의한 것이라면 정확한 병명 진단 후에 적용 약제를 적절한 시기에 살포하여 불필요한 농약의 사용을 줄이면서 효과적으로 방제할 수 있기 때문이다. 수목의 잎에서 흔히 나타나는 이상 증상은 다음과 같이 비기생성 원인과 기생성 원인을 포함하여 크게 세 가지로 구별할 수 있으며, 기본적인 진단 요령과 원인은 다음과 같다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.460-463
• /
• 2022

세계에서 가장 중요한 온대 과일 작물 중 하나인 사과의 생산성과 품질은 병해충 여부에 큰 영향을 받는다. 이를 진단하기 위해서는 효율적이고 많은 전문 지식과 상당한 시간이 필요하다. 그러므로 이를 해결하기 위해 효율적이고 정확하게 다양한 병해충을 진단하는 시스템이 필요하다. 본 논문에서는 이미지 분석에 큰 효율을 보인 딥러닝 기반 CNN 들을 비교 분석하여 사과의 병해충 여부를 판별하고 최적의 모델을 제시한다. 딥러닝 기반 CNN 구조를 가진 AlexNet, VGGNet, Inception-ResNet-v2, DenseNet 을 채택해 사과 병해충 분류 성능 평가를 진행했다. 그 결과 DenseNet 이 가장 우수한 성능을 보여주었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.295-296
• /
• 2022

작물을 경작 해충과 질병은 오랫동안 주요 관심사였다. 농업에서 병해충을 탐지하기 위해 전통적인 방법을 사용하는 것은 더 이상 높은 효율성을 제공하지 않는다. 오늘날 과학과 인공 지능의 폭발적인 발달로 인해 농업분야의 연구원들은 병해충을 탐지하기 위해 딥 러닝을 적용하고 있다. 최근에 다양한 분야의 문제들을 해결하기 위해 수많은 모델들이 발표되었지만, 많은 병해충 진단 딥러닝을 사용한 방법들은 하드웨어 리소스를 낭비하고 실제 농장에서 사용하기 어렵다. 따라서 본 논문에서는 작물의 병해충을 분류하기 위해 Select Kernel Attention(SK Attention)을 Channel Attention Module 로 변경하여 Decoupling-and-Attention network (DANet)을 하드웨어 리소스 사용을 최소화한다.

• 한국정보통신학회논문지
• /
• 제12권12호
• /
• pp.2315-2322
• /
• 2008

온실을 통해 시설원예작물을 재배하는 대다수의 농업인들은 병해충의 예측, 진단 및 방제에 큰 관심을 가지고 있으며, 특히 농가에서는 병해충 관리 문제가 가장 큰 문제로 대두되고 있다. 이를 위해 본 논문에서는 시설원예작물에 발생하는 병해충에 관한 정보를 데이터베이스로 구축하고 이를 토대로 농가단위에서 병해충을 손쉽고 정확하게 예측 및 관리할 수 있는 모바일 사용자를 위한 PDA 기반의 병해충 관리 시스템을 제안한다. 본 시스템에서는 모바일 기기를 기반으로 하기 때문에 온실에 직접 방문하지 않고 이동 중에도 온실 내의 작물의 다양한 정보를 쉽게 얻을 수 있어 적은 인력으로 효율적인 관리가 가능하다. 시스템의 수행성을 검증하게 위해 실제 온실을 축소한 형태의 가상 온실 모형을 제작한 후, 각 환경 센서의 시스템 구성 요소를 구현하여 PDA를 통해 온실의 상태를 손쉽게 확인 할 수가 있었고, 효율적인 병해충 예측 및 관리가 가능한 수행 결과를 보였다.