• Journal of Biosystems Engineering
• /
• 제28권6호
• /
• pp.485-490
• /
• 2003

Flexural rigidity(EI) and deflection characteristics of rice stalks were studied to investigate the mechanical interaction between a rice stalk and a combine reel in harvesting. Deflection of a rice stalk caused by reel operation is so large that conventional equation of small deflection fer elastic beam cannot be applied to the study of deflection characteristics. Therefore, an equation of large deflection for elastic beam was introduced in this study. Feasibility of this equation was examined by comparing theoretical calculation with the measured results for piano wire, and by the relationship between deflection and load acting on a rice stalk which was presumed by this equation. Results showed that the large deflection equation could predict the measurement data quite well. From this research, the following results were obtained. 1. Flexural rigidity(EI) calculated from the equation of large deflection was 4.0${\times}$l0$^4$N$.$$\textrm{mm}^2$(diameter 1.4mm, deflection 300mm) while the actual EI value of a piano wire(diameter 1.4mm) was 3.9${\times}$10$^4$N$.$$\textrm{mm}^2$. 2. The relationship between deflection and load acting on a rice stalk could be presumed by the large deflection equation. Flexural rigidity values of tested rice stalks calculated from the equation of large deflection were 1.6∼2.4${\times}$ l0$^4$N$.$$\textrm{mm}^2$(Hwa sung), 2.7∼3.5${\times}$ l0$^4$N$.$$\textrm{mm}^2$(Il pum) and 1.7∼2.4${\times}$ l0$^4$N$.$$\textrm{mm}^2$(Damakum)

• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.681-692
• /
• 2019

이 논문에서는 작물 분류를 목적으로 작물의 시공간 특징을 고려할 수 있는 딥러닝 모델 2D convolution with bidirectional long short-term memory(2DCBLSTM)을 제안하였다. 제안 모델은 우선 작물의 공간 특징을 추출하기 위해 2차원의 합성곱 연산자를 적용하고, 추출된 공간 특징을 시간 특징을 고려할 수 있는 양방향 LSTM 모델의 입력 자료로 이용한다. 제안 모델의 분류 성능을 평가하기 위해 안반덕에서 수집된 다중시기 무인기 영상을 이용한 밭작물 구분 사례 연구를 수행하였다. 비교를 목적으로 기존 딥러닝 모델인 2차원의 공간 특징을 이용하는 2D convolutional neural network(CNN), 시간 특징을 이용하는 LSTM과 3차원의 시공간 특징을 이용하는 3D CNN을 적용하였다. 하이퍼 파라미터의 영향 분석을 통해, 시공간 특징을 이용함으로써 작물의 오분류 양상을 현저히 줄일 수 있었으며, 제안 모델이 공간 특징이나 시간 특징만을 고려하는 기존 딥러닝 모델에 비해 가장 우수한 분류 정확도를 나타냈다. 따라서 이 연구에서 제안된 모델은 작물의 시공간 특징을 고려할 수 있기 때문에 작물 분류에 효과적으로 적용될 수 있을 것으로 기대된다.