• 한국작물학회:학술대회논문집
• /
• 한국작물학회 1998년도 21세기 한반도 농업전망과 대책(한국작물학회.한국육종학회 공동주관 심포지움 회보)
• /
• pp.415-445
• /
• 1998

For effective prevention of the spreading and outbreak of crop insects and disease pests, an intensive Pest surveillance system was established to predict their density changes, and distribution. After their initial establishment by either immigration or overwintering, it is necessary to anticipate how they spread out geographically and predict where/when outbreaks are possible. The two major tools, boundary layer atmospheric model (Blayer) and the geographic information system(GIS), have been being developed to facilitate the prediction of pest occurrence in recent days. We are also developing the PeMos (Pest Monitoring System) that is able to manage the pest surveillance data collected from 152 pest monitoring stations in Korea. These three system related to the pest surveillance should be integrated into an internet based comprehensive database management system to facilitate information resources systematically organized and closely linked. Considering various data types and large data size in each system, a new special information management system is suggested. The integrated system should express complex types of information, such as text, multimedia, and other scientific data under the Internet environment. This paper discussed the major three systems, GIS, Blayer, and PeMos, relevant to the crop pest surveillance, then how they can be integrated in a comprehensive system under the Internet environment.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권1호
• /
• pp.133-152
• /
• 2022

Rice is a fundamental staple food commodity all around the world. Globally, it is grown over 167 million hectares and occupies almost 1/5^th of total cultivated land under cereals. With a total production of 782 million metric tons in 2018. In Pakistan, it is the 2^nd largest crop being produced and 3^rd largest food commodity after sugarcane and rice. The stem borers a type of pest in rice and other crops, Scirpophaga incertulas or the yellow stem borer is very serious pest and a major cause of yield loss, more than 90% damage is recorded in Pakistan on rice crop. Yellow stem borer population of rice could be stimulated with various environmental factors which includes relative humidity, light, and environmental temperature. Focus of this study is to find the environmental factors changes i.e., temperature, relative humidity and rainfall that can lead to cause outbreaks of yellow stem borers. this study helps to find out the hot spots of insect pest in rice field with a control of farmer's palm. Proposed system uses temperature, relative humidity, and rain sensor along with artificial neural network to predict yellow stem borer attack and generate warning to take necessary precautions. result shows 85.6% accuracy and accuracy gradually increased after repeating several training rounds. This system can be good IoT based solution for pest attack prediction which is cost effective and accurate.

• 한국컴퓨터정보학회논문지
• /
• 제12권3호
• /
• pp.27-35
• /
• 2007

온실을 통해 시설원예작물을 재배하는 대대수의 농업인들은 병해충의 예측, 진단 및 방제에 큰 관심을 가지고 있으며, 특히 농가에서는 병해충 관리 문제가 생산량과 품질에 직결되는 가장 큰 문제로 대두되고 있다. 따라서 본 논문에서는 토양 및 환경 센서를 이용하여 무선 센서 네트워크를 구성하고 이를 토대로 온실 내의 작물의 병해충에 대한 조기 예측 및 관리를 가능하게 하는 멀티미디어 병해충 예측 관리 시스템을 설계 및 구현한다. 제안하는 시스템은 기존 고가의 PLC 장비에 비해 온실 내에 무선 센서 네트워크를 형성하여 효율적으로 병해충정보를 데이터베이스화하고 토양 및 온도, 습도, 조도와 같은 다양한 환경 정보를 수집할 수 있다. 아울러 시스템의 수행성을 검증하기 위해 가상 온실 모형을 제작한 후, 모형에 토양 및 환경 센서의 시스템 구성요소를 구성하여 각 플랫폼(Desktop, Web, PDA)별 GUI를 구현하여 온실상태에 따라 병해충 예측 및 관리가 가능한 수행 결과를 보였다. 마지막으로 제안한 시스템을 이용하여 온실 작물의 병해충 예측 관리가 다양한 플랫폼에서 잘 동작함을 확인할 수 있었다.

• 한국전자통신학회논문지
• /
• 제19권4호
• /
• pp.771-780
• /
• 2024

본 연구에서는 딸기 농장을 대상으로 YOLOv5 아키텍처를 기반으로 한 컴퓨터 비전 모델과 Isolation Forest Classifier를 적용하여 병충해를 실시간으로 감지 및 예측하는 시스템을 개발하였다. 모델 성능 평가 결과, YOLOv5 모델은 평균 정밀도(mAP 0.5) 78.7%, 정확도 92.8%, 재현율 90.0%, F1 점수 76%로 높은 예측 성능을 나타냈다. 본 시스템은 딸기 농장뿐만 아니라 다른 작물과 다양한 환경에도 적용할 수 있도록 설계되었다. 토마토 농장에서 수집된 데이터를 기반으로 새로운 AI 모델을 학습한 결과, 주요 병충해인 역병과 황화병에 대한 예측 정확도가 85% 이상으로 나타났으며, 기존 모델보다 예측 정확도가 10% 이상 향상되었다.

• International Journal of Industrial Entomology and Biomaterials
• /
• 제25권2호
• /
• pp.163-169
• /
• 2012

A decrease in pass ratio of Korean exporting pears causes several negative effects including an increase in pesticide dependency. In this study, we attempted to establish the pest forecasting management system, composed of weekly field forecasting by pear farmers, meteorological data obtained by automatic weather station (AWS), newly designed internet web page ($\underline{http://pearpest.jnu.ac.kr/}$) as information collecting and providing ground, and information providing service. The weekly field forecasting information on major pear diseases and pests was collected from the forecasting team composed of five team leaders from each pear exporting complex. Further, an abridged weather information for the prediction of an infestation of major disease (pear scab) and pest (pear psylla and scale species) was obtained from an AWS installed at Bonghwang in Naju City. Such information was then promptly uploaded on the web page and also publicized to the pear famers specializing in export. We hope this pest forecasting management system increases the pass ratio of Korean exporting pears throughout establishment of famer-oriented forecasting, inspiring famers' effort for the prevention and forecasting of diseases and pests occurring at pear orchards.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.193-198
• /
• 2021

최근 4차 산업에 대한 관심으로 농업 분야의 벼농사에서 농민의 방제에 대한 요구수준이 증가하고 농업용 방제 드론의 관심과 활용이 증가하고 있다. 따라서 고농도의 농약을 살포하는 농업용 방제 드론 제품의 다양화와 드론 국가자격증 취득으로 인한 방제사의 증가로 인하여 드론 산업 분야에서 농업 분야가 급성장하고 있다. 세부 사업으로 농약 관리, 방제사 관리, 정밀살포, 방제 작업 물량 분류, 정산, 토양관리, 병충해 예찰 및 감시 등으로 방대한 빅데이터를 구축하고 데이터를 처리하기 위한 효과적인 플랫폼을 요구하고 있다. 그러나 데이터 분석알고리즘, 영상 분석 알고리즘, 생육 관리 알고리즘, AI 알고리즘 등 이를 통합하고 빅데이터를 처리하기 위한 모델과 프로그램 개발에 대한 국내외 연구는 미흡한 실정이다. 본 논문에서는 농업 분야에서의 관리자와 농민 요구도를 만족하고 드론을 활용한 농업용 드론방제 프로세서를 기반으로 정밀 AI 방제를 실현화시키기 위하여 온라인 드론 방제 관리 정보 플랫폼을 제안하고 실증 실험을 통하여 종합 관리 시스템 개발의 토대를 제시하였다.

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2017년도 추계 학술발표초록집
• /
• pp.34-34
• /
• 2017

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.222-234
• /
• 2021

바람에 의해 해외지역에서 국내로 유입되는 비래해충들은 주요 작물에 상당한 피해를 초래할 수 있다. 바람에 의한 비래해충의 이동 경로를 추정하기 위해 기상 모형들이 사용되는데, 본 연구에서는 비래해충이 도달할 수 있는 지역을 예측할 때 입력설정이 미치는 영향을 분석하였다. 벼멸구가 중국에서 국내로 유입된다는 가정하에 입자의 바람이동 경로를 추적하기 위해 개발된 HYbrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT) 모형을 사용하여 바람의 이동경로를 예측하였다. 중국, 한국 및 일본이 포함된 중규모 수치기상모형 자료를 사용하여 순간 및 평균 풍속자료가 포함된 기상입력자료를 생성하였다. 또한, 이동 경로 계산을 위해 계산 시간 간격을 1, 30, 60분으로 설정하였다. 중국에서 벼멸구가 관측된 지점에서 2019년과 2021년 6월 상순 기간 동안 바람의 이동 경로를 계산한 결과, 순간 풍속과 평균 풍속자료를 사용함에 따라 비래해충 도달지점에 큰 차이가 나타났다. 계산 시간에 따른 이동 경로 결과값들의 공간적 분포는 상대적으로 유사도가 높았으며, 순간풍속을 사용한 경우 벼멸구 관측지역과 비교적 유사한 경향이 나타났다. 이러한 결과는 바람 경로를 추적하여 비래해충 도착지점을 추정할 때 사용되는 입력자료의 특성을 파악하고 이들로부터 발생하는 불확도에 대한 고려가 필요함을 시사한다.

• Journal of Animal Science and Technology
• /
• 제65권6호
• /
• pp.1254-1269
• /
• 2023

This study aims to predict the change in corn share according to the grazing of 20 gestational sows in a mature corn field by taking images with a camera-equipped unmanned air vehicle (UAV). Deep learning based on convolutional neural networks (CNNs) has been verified for its performance in various areas. It has also demonstrated high recognition accuracy and detection time in agricultural applications such as pest and disease diagnosis and prediction. A large amount of data is required to train CNNs effectively. Still, since UAVs capture only a limited number of images, we propose a data augmentation method that can effectively increase data. And most occupancy prediction predicts occupancy by designing a CNN-based object detector for an image and counting the number of recognized objects or calculating the number of pixels occupied by an object. These methods require complex occupancy rate calculations; the accuracy depends on whether the object features of interest are visible in the image. However, in this study, CNN is not approached as a corn object detection and classification problem but as a function approximation and regression problem so that the occupancy rate of corn objects in an image can be represented as the CNN output. The proposed method effectively estimates occupancy for a limited number of cornfield photos, shows excellent prediction accuracy, and confirms the potential and scalability of deep learning.

• International Journal of Computer Science & Network Security
• /
• 제23권7호
• /
• pp.155-164
• /
• 2023

Machine learning with its high precision algorithms, Precision agriculture (PA) is a new emerging concept nowadays. Many researchers have worked on the quality and quantity of PA by using sensors, networking, machine learning (ML) techniques, and big data. However, there has been no attempt to work on trends of artificial intelligence (AI) techniques, dataset and crop type on precision agriculture using internet of things (IoT). This research aims to systematically analyze the domains of AI techniques and datasets that have been used in IoT based prediction in the area of PA. A systematic literature review is performed on AI based techniques and datasets for crop management, weather, irrigation, plant, soil and pest prediction. We took the papers on precision agriculture published in the last six years (2013-2019). We considered 42 primary studies related to the research objectives. After critical analysis of the studies, we found that crop management; soil and temperature areas of PA have been commonly used with the help of IoT devices and AI techniques. Moreover, different artificial intelligence techniques like ANN, CNN, SVM, Decision Tree, RF, etc. have been utilized in different fields of Precision agriculture. Image processing with supervised and unsupervised learning practice for prediction and monitoring the PA are also used. In addition, most of the studies are forfaiting sensory dataset to measure different properties of soil, weather, irrigation and crop. To this end, at the end, we provide future directions for researchers and guidelines for practitioners based on the findings of this review.