• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 추계 학술발표회 논문집
• /
• pp.143-148
• /
• 2003

본 논문에서는 통계적 방법에 기초한 사과 선별시스템을 이용하여 사과의 색깔을 식별하고자 한다. 이를 위해 T-검정을 이용하여 에지를 검출하였고 검출된 에지로부터 체인코드를 이용하여 사과 영상의 경계선과 환상대 영역을 구하였다. 우리는 주어진 사과영상의 환상대 영역으로부터 R, G, B 채널상에서 히스토그램과 평균 명암값을 구하여 색깔 판정용 표준사과로부터 얻은 기준값들과 비교함으로서 사과의 색깔을 식별하였다.

• 원예과학기술지
• /
• 제17권2호
• /
• pp.127-130
• /
• 1999

본 연구는 디지털 카메라로 자연광 상태에서의 사과나무 영상을 획득한 영상에서 사과를 인식하기 위한 알고리즘을 개발할 목적으로 수행되었다. 자연광의 조건에 따른 영향을 줄이기 위하여 L*a*b* 색 변환을 수행한 결과 a*, b* 색 인자가 매우 유의한 것으로 나타났으며 이를 인자로 하는 선형판별함수를 개발하였다. 추출한 사과 화소로부터 사과를 인식하기 위하여 복잡도에 따라 4가지 패턴으로 나눈 후, 형태학적 필터링을 수행하여 사과를 분리시키고 인식하는 방법을 개발하였다. 군집을 이루지 않으면서 잎에 가려있지 않았던 개체 상태의 사과는 100% 인식이 가능하였으나, 잎에 가려있던 사과는 약 80% 정도의 인식률을 보였다. 그러나 군집을 이루면서 잎과 줄기가 사과를 가린 경우는 실제 사과의 개수와 최종 인식 결과는 평균 2개 이하의 오차를 갖는 것으로 나타났다.

• 전기전자학회논문지
• /
• 제28권2호
• /
• pp.150-157
• /
• 2024

본 논문은 딥러닝 기반 객체 탐지 모델과 다항 회귀모델을 이용하여 사과나무에 열린 사과의 개수를 예측할 수 있는 새로운 알고리즘을 제안한다. 사과나무에 열린 사과의 개수를 측정하면 사과 생산량을 예측할 수 있고, 농산물 재해 보험금 산정을 위한 손실을 평가하는 데에도 활용할 수 있다. 사과 착과량 측정을 위해 사과나무의 앞면과 뒷면을 촬영하였다. 촬영된 사진에서 사과를 식별하여 라벨링한 데이터 세트를 구축하였고, 이 데이터 세트를 활용하여 1단계 객체 탐지 방식의 CNN 모델을 학습시켰다. 그런데 사과나무에서 사과가 나뭇잎, 가지 등으로 가려진 경우 영상에 포착되지 않아 영상 인식 기반의 딥러닝 모델이 해당 사과를 인식하거나 추론하는 것이 어렵다. 이 문제를 해결하기 위해, 우리는 두 단계로 이루어진 추론 과정을 제안한다. 첫 번째 단계에서는 영상 기반 딥러닝 모델을 사용하여 사과나무의 양쪽에서 촬영한 사진에서 각각의 사과 개수를 측정한다. 두 번째 단계에서는 딥러닝 모델로 측정한 사과 개수의 합을 독립변수로, 사람이 실제로 과수원을 방문하여 카운트한 사과 개수를 종속변수로 설정하여 다항 회귀 분석을 수행한다. 본 논문에서 제안하는 2단계 추론 시스템의 성능 평가 결과, 각 사과나무에서 사과 개수를 측정하는 평균 정확도가 90.98%로 나타났다. 따라서 제안된 방법은 수작업으로 사과의 개수를 측정하는 데 드는 시간과 비용을 크게 절감할 수 있다. 또한, 이 방법은 딥러닝 기반 착과량 예측의 새로운 기반 기술로 관련 분야에서 널리 활용될 수 있을 것이다.

• 건강소식
• /
• 제33권12호
• /
• pp.44-45
• /
• 2009

직원들의 평균연령 30대 초반, 젊음과 패기가 있어 하루하루를 열정으로 장식하는 지부가 있다. 교통의 중심이자 과학과 기술의 메카로 성장하고 있는 대전에 위치한 대전 충남지부 영상검사과가 그 주인공이다. 고된 일이라는 산 하나를 넘을 때마다 한 뼘씩 성장하는 것이 '일의 매력'이라고 자부하는 그들의 이야기가 지금 시작된다.

• 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.

• 한국식품저장유통학회지
• /
• 제7권4호
• /
• pp.357-361
• /
• 2000

밀병(watercore)은 과실의 저장 및 유통 산업에 있어서 큰 영향을 주므로 이를 비파괴측정할 수 있는 기술이 필요하다. 본 연구에서는 투광량을 이용한 사과의 밀병 판별 가능성과 밀병 판별에 영향을 미치는 인자들을 조사하였다. 사과의 화상데이터는 CCD 카메라를 사용하여 영상을 취득하였다. 밀병이 많이 든 사과는 밀병이 적게 든 사과보다 투광량이 더 많았으며 투광량에 의한 사과의 밀병 판별 정확도는 약 70%이었다. 사과의 과피두께, 색소층 두께, 과육밀도 등이 투광량에 영향을 미치는데 과피와 색소층의 두께가 얇고 과육밀도가 낮을수록 투광량은 높은 경향을 나타내었다. 사과의 착색정도가 좋을수록 밀병이 존재할 확률이 높았으며 착색분포는 밀병판별에 거의 영향을 주지 않는 것으로 나타났다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제38차 하계학술발표논문집 16권1호
• /
• pp.33-38
• /
• 2008

최근 컴퓨터비전이나 로봇 공학 분야에서 가격이 저렴한 웹캠을 이용한 영상, 즉 2차원 영상으로부터 물체를 인식하는 연구가 활발히 이루어지고 있다. 이러한 로봇이나 비전에서 물체를 찾아내는 여러 가지 방향들이 제시되고 있으며, 지속적으로 로봇은 사람과 유사해져가고 있다. 이를 실현하기 위해서는 사람이 사과를 보고 사과라고 알기 때문에 사과라고 인식하듯이 로봇 또한 미리 알고 있어야 한다는 가정 하에 내용기반의 물체인식이 필요하다. 그러나 엄청난 양의 내용의 데이터베이스가 필요하다. 그래서 용량은 하드웨어기술로 커버가 가능하지만 화면상에 있는 물체들을 빠르게 데이터베이스상의 자료와 매칭이 되어야한다. 본 논문에서는 이미지를 SIFT(Scale Invariant Feature Transform)알고리즘으로 BTS(Binary Search Tree)로 트리구조의 데이터베이스를 구축하여 많은 양의 데이터베이스 중 빠르게 검색하여 화면에 있는 물체를 인식하는 방법을 제안하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.297-298
• /
• 2024

펜데믹, 전쟁 등을 포함한 국제 정세 변화에 따른 물류대란, 원자재가격 상승 및 환율 급등으로 인해 2023년 기준 대한민국의 물가는 크게 오르고 있는 추세이다. 물가 상승은 사업장의 인건비 부담 증가로 이어지고 있고 특히 노동 집약 산업인 농업 분야에서의 인건비 부담 문제는 더욱 심각한 실정이다. 외국인 근로자 고용이 대안이 될 수 있지만 인건비 절감 효과는 미미하기에 농업계 관계자들은 자동화 시스템 도입에 관심이 집중되고 있다. 따라서, 본 논문에서는 사과 분류 작업 자동화 체계의 핵심 요소에 해당하는 사과 품질 실시간 모니터링 시스템을 제안한다. 제안한 방식에서는 딥러닝 기반의 영상 분석 기법 및 무게 센서 데이터 분석을 통해 사과의 품질에 따른 등급 책정을 자동화 한다.

• 한국식품저장유통학회:학술대회논문집
• /
• 한국식품저장유통학회 1996년도 정기총회 및 제9차 학술발표회 진행표 및 발표논문 초록
• /
• pp.25-25
• /
• 1996

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 추계학술발표논문집 (상)
• /
• pp.547-550
• /
• 2003

본 논문은 카메라로 획득한 배의 표면과 꼭지 영상을 입력으로 하여 RBF 신경망 기반 분류기를 사용하여 양호한 배인지 아닌지를 판별하는 판별기의 설계에 대해 설명한다. 먼저 입력 영상에서 배경을 분리시킨 후 배만을 포함하는 영상을 얻고 이 영상에서 윤곽선과 같은 여러 가지 특징들을 추출한 후 미리 대량의 표면 영상과 꼭지 영상으로 훈련시킨 두 개의 RBF 신경망 기반 분류기를 사용하여 배의 상태를 판별한다. 구현되는 세부 모듈을 과일 종류에 맞게 수정한다면 제안되는 방법을 사과, 참외와 같은 다른 과일에도 적용할 수 있을 것이다.