• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.9-18
• /
• 2024

Small streams, despite their rich ecosystems, face challenges in vegetation assessment due to the limitations of traditional, time-consuming methods. This study presents a groundbreaking approach, combining unmanned aerial vehicles(UAVs), convolutional neural networks(CNNs), and the vegetation differential vegetation index (VDVI), to revolutionize both assessment and management of stream vegetation. Focusing on Idong Stream in South Korea (2.7 km long, 2.34 km² basin area)with eight diverse revetment methods, we leveraged high-resolution RGB images captured by UAVs across five dates (July-December). These images trained a ResNeXt101 CNN model, achieving an impressive 89% accuracy in classifying vegetation cover(soil,water, and vegetation). This enabled detailed spatial and temporal analysis of vegetation distribution. Further, VDVI calculations on classified vegetation areas allowed assessment of vegetation vitality. Our key findings showcase the power of this approach:(a) TheCNN model generated highly accurate cover maps, facilitating precise monitoring of vegetation changes overtime and space. (b) August displayed the highest average VDVI(0.24), indicating peak vegetation growth crucial for stabilizing streambanks and resisting flow. (c) Different revetment methods impacted vegetation vitality. Fieldstone sections exhibited initial high vitality followed by decline due to leaf browning. Block-type sections and the control group showed a gradual decline after peak growth. Interestingly, the "H environment block" exhibited minimal change, suggesting potential benefits for specific ecological functions.(d) Despite initial differences, all sections converged in vegetation distribution trends after 15 years due to the influence of surrounding vegetation. This study demonstrates the immense potential of UAV-based remote sensing and CNNs for revolutionizing small-stream vegetation assessment and management. By providing high-resolution, temporally detailed data, this approach offers distinct advantages over traditional methods, ultimately benefiting both the environment and surrounding communities through informed decision-making for improved stream health and ecological conservation.

• Journal of Biosystems Engineering
• /
• 제43권2호
• /
• pp.148-159
• /
• 2018

Purpose: Unmanned air vehicle (UAV) remote sensing was applied to test various vegetation indices and make prediction models of protein content of rice for monitoring grain quality and proper management practice. Methods: Image acquisition was carried out by using NIR (Green, Red, NIR), RGB and RE (Blue, Green, Red-edge) camera mounted on UAV. Sampling was done synchronously at the geo-referenced points and GPS locations were recorded. Paddy samples were air-dried to 15% moisture content, and then dehulled and milled to 92% milling yield and measured the protein content by near-infrared spectroscopy. Results: Artificial neural network showed the better performance with $R^2$ (coefficient of determination) of 0.740, NSE (Nash-Sutcliffe model efficiency coefficient) of 0.733 and RMSE (root mean square error) of 0.187% considering all 54 samples than the models developed by PR (polynomial regression), SLR (simple linear regression), and PLSR (partial least square regression). PLSR calibration models showed almost similar result with PR as 0.663 ($R^2$) and 0.169% (RMSE) for cloud-free samples and 0.491 ($R^2$) and 0.217% (RMSE) for cloud-shadowed samples. However, the validation models performed poorly. This study revealed that there is a highly significant correlation between NDVI (normalized difference vegetation index) and protein content in rice. For the cloud-free samples, the SLR models showed $R^2=0.553$ and RMSE = 0.210%, and for cloud-shadowed samples showed 0.479 as $R^2$ and 0.225% as RMSE respectively. Conclusion: There is a significant correlation between spectral bands and grain protein content. Artificial neural networks have the strong advantages to fit the nonlinear problem when a sigmoid activation function is used in the hidden layer. Quantitatively, the neural network model obtained a higher precision result with a mean absolute relative error (MARE) of 2.18% and root mean square error (RMSE) of 0.187%.

• 한국항공우주학회지
• /
• 제47권12호
• /
• pp.874-880
• /
• 2019

본 논문에서는 무인기의 경로 계획을 위한 맵 분할 방법론 중 하나인 Visibility Graph를 산악지형, 방공망, 그리고 레이더 등의 장애물이 존재하는 실제적인 3차원 환경에서 효율적으로 사용하기 위한 방안에 대해 서술한다. 기존의 가시성 그래프는 빌딩 사이를 주행하는 자율주행 자동차와 같이 주로 2차원 환경에서 간단한 형상의 장애물에 대해 연구되어왔다. 무인기 분야에서 사용하기 위해서는 고도 변화를 위해 3차원 가시성 그래프가 적용되어야 하는데, 3차원 가시성 그래프의 경우 2차원 환경에 비해 가시성을 판단해야 하는 노드 쌍이 매우 많아진다. 이에 더해 복잡한 다각형으로 이루어진 산악 지형은 가시성 그래프의 계산 시간을 더욱 상승시키는 요인으로 작용한다. 이러한 문제를 해결하기 위해 본 논문에서는 맵을 일정 고도로 분할하는 계층형 가시성 그래프 방식을 기반으로 복잡한 산악 지형을 Convex Hull 개념을 활용하여 노드 수를 감소시켜 계산 시간을 줄이는 방법에 대해 서술하며, 노드 수를 감소시키지 않은 상태와의 계산 시간을 비교한 결과 계산 시간이 약 99.5% 감소하였음을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권3호
• /
• pp.901-920
• /
• 2015

Wireless Sensor Networks (WSNs) are widely used in geographically isolated applications like military border area monitoring, battle field surveillance, forest fire detection systems, etc. Uninterrupted power supply is not possible in isolated locations and hence sensor nodes live on their own battery power. Localization of sensor nodes in isolated locations is important to identify the location of event for further actions. Existing localization algorithms consume more energy at sensor nodes for computation and communication thereby reduce the lifetime of entire WSNs. Existing approaches also suffer with less localization coverage and localization accuracy. The objective of the proposed work is to increase the lifetime of WSNs while increasing the localization coverage and localization accuracy. A novel intelligent unmanned aerial vehicle anchor node (IUAN) is proposed to reduce the communication cost at sensor nodes during localization. Further, the localization computation cost is reduced at each sensor node by the proposed intelligent arc selection (IAS) algorithm. IUANs construct the location-distance messages (LDMs) for sensor nodes deployed in isolated locations and reach the Control Station (CS). Further, the CS aggregates the LDMs from different IUANs and computes the position of sensor nodes using IAS algorithm. The life time of WSN is analyzed in this paper to prove the efficiency of the proposed localization approach. The proposed localization approach considerably extends the lifetime of WSNs, localization coverage and localization accuracy in isolated environments.

• 한국멀티미디어학회논문지
• /
• 제21권8호
• /
• pp.897-908
• /
• 2018

In this paper, we propose a security framework for a cluster drones network using the MAVLink (Micro Air Vehicle Link) application protocol based on FANET (Flying Ad-hoc Network), which is composed of ad-hoc networks with multiple drones for IoT services such as remote sensing or disaster monitoring. Here, the drones belonging to the cluster construct a FANET network acting as WTRP (Wireless Token Ring Protocol) MAC protocol. Under this network environment, we propose an efficient algorithm applying the Lightweight Encryption Algorithm (LEA) to the CTR (Counter) operation mode of WPA2 (WiFi Protected Access 2) to encrypt the transmitted data through the MAVLink application. And we study how to apply LEA based on CBC (Cipher Block Chaining) operation mode used in WPA2 for message security tag generation. In addition, a modified Diffie-Hellman key exchange method is approached to generate a new key used for encryption and security tag generation. The proposed method and similar methods are compared and analyzed in terms of efficiency.

• 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.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1209-1216
• /
• 2020

본 연구에서는 무인항공기 원격탐사 기법과 딥러닝 기반 객체인식 알고리즘을 활용한 해안표착폐기물 탐지기법을 제안한다. 항공영상 내에 존재하는 해안표착폐기물을 탐지하기 위해 심층신경망 기반 객체 인식 알고리즘을 제안하였다. PET, 스티로폼, 기타 플라스틱의 3가지 클래스의 이미지 데이터셋으로 심층신경망 모델을 훈련시켰으며, 각 클래스별 탐지 정확도를 Darknet-53과 비교하였다. 이를 통해 해안표착 폐기물을 무인항공기를 통해 성상별 모니터링할 수 있었으며, 향후 본 연구에서 제안하는 방법이 적용될 경우 해변 전체에 대한 성상별 전수조사가 가능하며, 이를 통해 해양환경 감시 분야의 효율성 증대에 기여할 수 있을 것으로 판단된다.

• 한국항행학회논문지
• /
• 제26권2호
• /
• pp.91-98
• /
• 2022

150m 이하의 저고도 영역에서 LTE (long-term evolution), 5G 등 상용 통신망을 이용한 드론 등 무인기 안전 운항을 위한 무인비행장치 교통관리 (UTM: unmanned aircraft system traffic management) 서비스가 여러 국가에서 연구 중에 있다. 본 논문에서는 국내 지형환경과 실제 이동통신 기지국 배치 상황에서 지상 사용자를 위한 LTE 셀룰러 네트워크를 이용하여 UTM 서비스를 위한 3차원 커버리지 확보가 가능한지 여부를 모의실험을 통해 분석하였다. 고도가 높아질수록 가시선 (LOS: line of sight) 간섭 기지국 수가 증가하여 신호대 간섭 잡음 전력비 (SINR: signal to interference plus noise ratio)가 나빠지나, 150m 이내 고도에서 일부 영역을 제외하고는 커버리지 확보가 가능함을 확인하였다. 음영지역에 대해서는 해당 영역 커버리지 보완을 위한 적은 수의 추가 기지국 배치로 음영지역 감소가 가능함을 확인하였다.

• 한국농림기상학회지
• /
• 제25권1호
• /
• pp.17-27
• /
• 2023

포장에서 잡초의 발생은 농작물의 생산량을 크게 떨어트리는 원인 중 하나이고 SSWM을 기반으로 잡초를 변량 방제하기 위해서 잡초의 발생 위치, 밀도 그리고 이를 정량화하는 것은 필수적이다. 본 연구에서는 2020년의 국립식량과학원에서 잡초 피해를 입은 옥수수 포장의 영상데이터를 무인항공기를 활용해서 수집하였고 이를 배경과 옥수수로 분리하여 딥러닝 기반 영상 분할 모델 제작을 위한 학습데이터를 획득하였다. DeepLabV3+, U-Net, Linknet, FPN의 4가지의 영상 분할 네트워크들의 옥수수의 검출 정확도를 평가하기 위해 픽셀정확도, mIOU, 정밀도, 재현성의 지표를 활용해서 정확도를 검증하였다. 검증 결과 DeepLabV3+ 모델이 0.76으로 가장 높은 mIOU를 나타냈고, 해당 모델과 식물체의 녹색 영역과 배경을 분리하는 지수인 ExGR을 활용해서 잡초의 면적을 정량화, 시각화하였다. 이러한 연구의 결과는 무인항공기로 촬영된 영상을 활용해서 넓은 면적의 옥수수 포장에서 빠르게 잡초의 위치와 밀도를 특정하고 정량화하는 것으로 잡초의 밀도에 따른 제초제의 변량 방제를 위한 의사결정에 도움이 될 것으로 기대한다.

• 한국멀티미디어학회논문지
• /
• 제11권11호
• /
• pp.1525-1535
• /
• 2008

HAP(High Altitude Platform) 기반 네트워크에서는 무인비행체 등을 이용하여 고고도에 네트워크의 이동기지국을 전개하여 이를 매개체로 한 네트워크 시스템을 구성한다. HAP 기반 네트워크는 최종적 형태로 다수의 무인 플랫폼을 성층권에 배치하여 무인 플랫폼 간의 협력을 통하여 원하는 지역에 대한 광역 네트워크 서비스를 효율적으로 구현하고자 한다. 본 논문에서는 넓은 지역에 전개된 다수의 이동 기지국을 활용하였을 때 어느 위치에 얼마만큼의 커버리지로 성층권 플랫폼이 전개되어야 할지를 지상 이동 노드를 클러스터링 하는 방식을 통하여 해결하고자 한다. 제주도 및 인근 해상지역을 대상으로 고정 및 이동 지상 이동 노드를 가정하고 이러한 환경에서 성층권 네트워크를 전개할 때의 상황을 시뮬레이션으로 실험 하여 HAP 기반 네트워크에서의 이동기지국 배치 문제를 다루었다 동적 클러스터링 결과로 성층권 이동 기지국이 배치되는 결과를 시뮬레이션으로 나타내었으며 지상 이동 노드가 이동하여 클러스터링이 새롭게 이루어지는 하는 과정을 보였다.