• 한국토양비료학회지
• /
• 제50권3호
• /
• pp.162-178
• /
• 2017

Remote sensing can be used to provide information about the monitoring of crop growth condition. Recently Unmanned Aerial Vehicle (UAV) technology offers new opportunities for assessing crop growth condition using UAV imagery. The objective of this study was to assess weather UAV aerial images are suitable for the monitoring of highland Kimchi cabbage. This study was conducted using a fixed-wing UAV (Model : Ebee) with Cannon S110, IXUS/ELPH camera during farming season from 2015 to 2016 in the main production area of highland Kimchi cabbage, Anbandegi, Maebongsan, and Gwinemi. The Normalized Difference Vegetation Index (NDVI) by using UAV images was stable and suitable for monitoring of Kimchi cabbage situation. There were strong relationships between UAV NDVI and the growth parameters (the plant height and leaf width) ($R^2{\geq}0.94$). The tendency of UAV NDVI according to Kimchi cabbage growth was similar in the same area for two years (2015~2016). It means that if UAV image may be collected several years, UAV images could be used for estimation of the stage of growth and situation of Kimchi cabbage cultivation.

• 도시과학
• /
• 제6권2호
• /
• pp.17-27
• /
• 2017

최근, 하천의 수질오염 및 악취발생으로 민원이 증가하여 하천환경개선에 큰 관심이 모아지고 있다. 본 연구의 목적은 하수 유입부에 대해 무인항공기(UAV)를 활용하여 RGB 및 적외 열 영상을 획득하고 하천제방 정비 계획 및 하천 오염 현황의 모니터링을 위한 응용성을 검토하였다. 특히, 하천 인근 공장에서 배출되는 폐수를 적외 열 영상으로 검출하여 폐수의 전파를 모니터링하였다. 또한 하천 제방 정비대상 지역과 인근지역에 대한 RGB영상을 SfM(Structure from Motion)기반 영상 해석을 통해 고정밀 3차원 모형을 제작하고 정확성을 검토하였다. 연구결과, UAV영상을 활용, 폐수유입에 따른 하천의 온도변화를 감지하여 수질오염의 유입부 및 전파 현상을 모니터링 할 수 있었다. 또한 고정밀 3차원 모델(수치지형도, 정사영상)을 제작, 정확성을 검토하고 하천의 제방정비를 위한 정밀 3차원 정보 및 식생 피복정보를 도출할 수 있었다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1071-1081
• /
• 2021

무인기 원격탐사는 기존의 항공 및 위성 원격탐사보다 사용자가 원하는 시간에 높은 공간해상도의 영상을 취득하여 처리할 수 있다. 무인기 영상은 낮은 고도로 촬영되어 영상 한 장이 포괄하는 영역이 상대적으로 좁기 때문에 넓은 영역을 모니터링 하기 위해서는 다수의 영상을 병합하여 한 장의 영상으로 만드는 과정이 필요하다. 그러나 다수의 무인기 영상은 각각 다른 노출 조건에 의해 촬영되기 때문에 인접 영상 간에 밝기 값 차이가 존재하여 영상 병합시에 영상 접합선 부분에서 밝기 값이 대비되는 부자연스러운 병합영상을 생성하게 된다. 따라서 자연스러운 병합 영상 생성을 위해서는 영상간 밝기 값 차이를 보정해주고 접합선에 의한 효과를 제거하는 처리 과정이 필수적이다. 본 논문에서는 상대방사보정을 통해 인접 영상간 밝기 값이 대비되는 현상을 해결하고, 영상 블렌딩 기법을 적용하여 밝기 접합선을 제거할 수 있는 방안을 제시하였다. 제안된 방안의 성능 분석을 위해 두개의 데이터셋에 대한 병합영상을 생성하여 원본 병합영상과 비교하였다. 비교결과 중첩영역에서의 밝기 값 차이가 5, 제곱근에러가 7 부근의 차이를 보여 기존 방식 대비 우수한 제안 방법의 성능을 확인하였다.

• 한국토양비료학회지
• /
• 제49권6호
• /
• pp.743-750
• /
• 2016

Recently, usage of UAV (Unmanned Aerial Vehicle) has increased in agricultural part. This study was conducted to classify onion and garlic using supervised classification of a fixed-wing UAV (Model : Ebee) images for evaluation of possibility about estimation of onion and garlic cultivation area using UAV images. Aerial images were obtained 11~12 times from study sites in Changryeng-gun and Hapcheon-gun during farming season from 2015 to 2016. The result for accuracy in onion and garlic image classification by R-G-B and R-G-NIR images showed highest Kappa coefficients for the maximum likelihood method. The result for accuracy in onion and garlic classification showed high Kappa coefficients of 0.75~0.97 from DOY 105 to DOY 141, implying that UAV images could be used to estimate onion and garlic cultivation area.

• 한국지리정보학회지
• /
• 제21권3호
• /
• pp.162-175
• /
• 2018

본 연구는 도시 열환경 문제를 개선하기 위해 UAV 영상 표면온도 자료를 이용하여 피복재질별 표면온도 특성을 분석하였다. 그리고 UAV 영상 표면온도를 유사한 시기에 측정된 현장 실측 표면온도와 비교하였다. UAV 영상과 실측 표면온도와 비교한 결과, 가장 큰 차이를 보이는 피복재질은 회색 콘크리트 지붕 재질로 약 $7.8^{\circ}C$로 나타났다. 우레탄은 $0.3^{\circ}C$ 차이로 가장 적었다. 산점도를 분석한 결과 설명력이 63.75%로 상관성이 높은 것으로 분석되었다. 표면온도가 가장 높은 재질은 금속지붕으로 $48.9^{\circ}C$로 나타났고, 우레탄($43.4^{\circ}C$), 회색 콘크리트 지붕($42.9^{\circ}C$) 순이었다. 표면온도가 낮은 재질은 나지($30.2^{\circ}C$), 수목 및 잔디($30.2^{\circ}C$), 흰색 콘크리트 지붕($34.9^{\circ}C$)이었다. UAV 영상 표면온도 자료는 피복재질의 열적특성을 정밀하게 분석 가능하였다. 향후, 실측자료와의 비교를 통해 UAV 영상의 정확성 검 보정과 위성영상과 연계하여 UAV 영상 자료의 활용성을 확대할 필요가 있다.

• 디지털콘텐츠학회 논문지
• /
• 제18권6호
• /
• pp.1041-1047
• /
• 2017

도로의 상태를 관측하는 많은 방법의 하나로 무인항공기 영상이 사용된다. 무인항공기 영상 파일이 너무 크고, 불필요한 정보가 많을 때, 특징적 정보를 압축한 텍스처 추출 기법이 사용된다. 특히 무인항공기 영상을 이용한 3차원 시뮬레이션에서 많은 양의 데이터가 입력되기 때문에 텍스처 추출이 중요하다. 본 논문에서는 교량의 고해상 영상을 얻기 위하여 무인항공기 영상으로부터 텍스처 추출 방법을 제시한다. 제안된 방법은 3단계로 이루어진다. 첫째, 브이월드 데이터베이스에서 3차원 교량 모델을 취득한다. 둘째, 기하보정 정보를 가진 무인항공기 영상에서 텍스처를 추출한다. 셋째, 개별 영상에서 추출된 텍스처를 융합한다. 본 연구 결과는 브이월드 텍스처를 고해상 영상으로 갱신하는 데 사용될 수 있다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.187-196
• /
• 2020

본 연구에서는 UAV (Unmanned Aerial Vehicle)와 PlanetScope 위성영상을 함께 이용한 붕괴건물 탐지를 수행하여 지표면에 위치한 특정 객체 탐지에 있어 이종 센서의 활용 가능성을 제시하였다. 이를 위해 지난해 4월 산불 피해로 붕괴된 20여 채의 건물들이 있는 곳을 실험장소로 선정하였다. 붕괴건물 탐지를 위해 1차적으로 객체기반 분할을 수행한 고해상도의 UAV 영상을 이용해 ExG (Excess Green), GLCM (Gray-Level Co-occurrence Matrix) 그리고 DSM (Digital Surface Model)과 같은 객체들의 특징(feature) 정보를 생성한 후 이를 붕괴건물 후보군 탐지에 이용하였다. 이 과정에서 탐지정확도 향상을 위해 PlanetScope를 이용한 변화탐지 결과를 함께 사용하였으며 이를 시드 화소(seed pixles)로 사용하여 붕괴건물 후보군에서 오탐지된 영역과 과탐지된 영역을 수정 및 보완하였다. 최종적인 탐지 결과는 참조 영상을 통해 그 성능을 분석하였으며 UAV 영상만을 이용한 붕괴건물 후보군 탐지 결과와 UAV 그리고 PlanetScope 영상을 함께 사용했을 때의 결과의 정확도를 비교, 분석하였다. 그 결과 UAV 영상만을 이용해 탐지한 붕괴건물의 정확도는 0.4867 F1-score를 가지며 UAV와 PlanetScope 영상을 함께 사용했을 때의 결과는 0.8064 F1-score로 그 값이 상승하였다. Kappa 지수 또한 0.3674에서 0.8225로 향상된 것을 확인할 수 있었다.

• 한국토양비료학회지
• /
• 제49권6호
• /
• pp.731-742
• /
• 2016

Recent technological advance in UAV (Unmanned Aerial Vehicle) technology offers new opportunities for assessing crop situation using UAV imagery. The objective of this study was to assess if reflectance and NDVI derived from consumer-grade cameras mounted on UAVs are useful for crop condition monitoring. This study was conducted using a fixed-wing UAV(Ebee) with Cannon S110 camera from March 2015 to March 2016 in the experiment field of National Institute of Agricultural Sciences. Results were compared with ground-based recordings obtained from consumer-grade cameras and ground multi-spectral sensors. The relationship between raw digital numbers (DNs) of UAV images and measured calibration tarp reflectance was quadratic. Surface (lawn grass, stairs, and soybean cultivation area) reflectance obtained from UAV images was not similar to reflectance measured by ground-based sensors. But NDVI based on UAV imagery was similar to NDVI calculated by ground-based sensors.

• 한국농공학회논문집
• /
• 제61권4호
• /
• pp.1-10
• /
• 2019

Unmanned aerial vehicle(UAV) can acquire images with lower cost than conventional manned aircraft and commercial satellites. It has the advantage of acquiring high-resolution aerial images covering in the field area more than 50 ha. The purposes of this study is to develop the rice grain yield distribution using UAV. In order to develop a technology for estimating the rice yield using UAV images, time series UAV aerial images were taken at the paddy fields and the data were compared with the rice yield of the harvesting area for two rice varieties(Singdongjin, Dongjinchal). Correlations between the vegetation indices and rice yield were ranged from 0.8 to 0.95 in booting period. Accordingly, rice yield was estimated using UAV-derived vegetation indices($R^2=0.70$ in Sindongjin, $R^2=0.92$ in Donjinchal). It means that the rice yield estimation using UAV imagery can provide less cost and higher accuracy than other methods using combine with yield monitoring system and satellite imagery. In the future, it will be necessary to study a variety of information convergence and integration systems such as image, weather, and soil for efficient use of these information, along with research on preparing management practice work standards such as pest control and nutrient use based on UAV image information.

• 한국측량학회지
• /
• 제38권1호
• /
• pp.23-33
• /
• 2020

최근 UAV (Unmanned Aerial Vehicle)를 이용하여 고해상도 영상을 편리하게 취득할 수 있게 되면서 저비용으로 소규모 지역의 관측 및 공간정보 제작이 가능하게 되었다. 특히, 농업환경 모니터링을 위하여 작물생산 지역의 피복지도 생성에 대한 연구가 활발히 진행되고 있으며, 랜덤 포레스트와 SVM (Support Vector Machine) 및 CNN(Convolutional Neural Network) 을 적용하여 분류 성능을 비교한 결과 영상분류에서 딥러닝 적용에 대하여 활용도가 높은 것으로 나타났다. 특히, 위성영상을 이용한 피복분류는 위성영상 데이터 셋과 선행 파라메터를 사용하여 피복분류의 정확도와 시간에 대한 장점을 가지고 있다. 하지만, 무인항공기 영상은 위성영상과 공간해상도와 같은 특성이 달라 이를 적용하기에는 어려움이 있다. 이러한 문제점을 해결하기 위하여 위성영상 데이터 셋이 아닌 UAV를 이용한 데이터 셋과 국내의 소규모 복합 피복이 존재하는 농경지 분석에 활용이 가능한 딥러닝 알고리즘 적용 연구를 수행하였다. 본 연구에서는 최신 딥러닝의 의미론적 영상분류인 DeepLab V3+, FC-DenseNet (Fully Convolutional DenseNets), FRRN-B (Full-Resolution Residual Networks) 를 UAV 데이터 셋에 적용하여 영상분류를 수행하였다. 분류 결과 DeepLab V3+와 FC-DenseNet의 적용 결과가 기존 감독분류보다 높은 전체 정확도 97%, Kappa 계수 0.92로 소규모 지역의 UAV 영상을 활용한 피복분류의 적용가능성을 보여주었다.