• 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.

• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.704-705
• /
• 2016

스마트아이 기술은 기존의 재난 감시 및 관리 서비스가 사람에 의한 단순 모니터링 기반의 대응을 제공하는 데 비해, 무인기를 활용해 사람의 사각에서 발생하는 재난 상황을 촬영하여 감시 및 분석을 하며, 무인기에 탑재된 다중 복합 센서 데이터의 실시간 처리 분석을 통해 국지적 산불 재난의 감지 예측 및 상황대응을 지원하고, 통합경보 시스템과 연동하여 대국민 재난 정보 전달 서비스 제공하는 서비스이다. 현재 본 서비스를 제공할 수 있는 Front to End 시스템이 개발 완료되어 실험실 테스트를 진행하였으며, 이와 더불어 실제 필드에서의 재난 감시 및 예측 성능을 검증하기 위한 필드 테스트를 준비 중에 있다. 이에 본 논문에서는 현재 구축하고 있는 스마트아이 재난 관리 플랫폼 실험실 테스트의 진행상황을 간단히 소개하고, 재난 영상의 획득, 분석, 및 예측을 수행하는 통합 플랫폼의 주요 기능들에 대해서 논한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.627-628
• /
• 2016

해마다 발생하는 자연재해는 사망, 실종과 같은 인명 피해와 더불어 수억 원에 달하는 재산피해를 수반하기 때문에, 경제적, 사회적 손실을 최소화할 수 있는 ICT 기반 자연재난 대응 기술 개발에 대한 관심도가 높아지고 있다. 본 논문에서는 무인기 및 탑재 센서로부터 획득한 영상정보를 기반으로 재난 인지 및 대응을 위한 스마트아이 플랫폼을 소개하고, 재난 인지에 핵심요소 기술인 Deep Learning 기반 재난 영상 분석 기술을 제안한다. 제안하는 Deep Learning 기반 재난 영상 분석은 과거의 반복적으로 발생하는 영상 정보를 학습함으로써, 새로운 입력 영상에 대한 재난 여부를 사람과 유사한 판단이 가능하도록 한다. 제안하는 재난 영상 분석 기술에 대한 설계 방식 및 실험 성능 제시를 통하여 제안하는 기법에 대한 타당성을 검증한다.

• 한국광물학회지
• /
• 제30권1호
• /
• pp.1-9
• /
• 2017

본 연구는 무인항공기를 활용한 원격탐사적 기법을 통해 고해상도 정사영상과 수치표고모델기반 3차원 지표모델을 구축하여, 광해복구사업의 중간단계 모니터링에 활용하고 그 효율성을 고찰하였다. 무인항공기를 통한 원격탐사로 3.8 cm의 공간해상도를 갖는 수치표고모델 및 정사영상을 구축하였으며, 광해복구사업의 중간과정을 모니터링하였다. 또한 고해상도 영상을 통해 사물 및 지형적 구분이 용이함을 확인하였다. 구축된 수치표고모델을 기반으로 3차원 모델을 구축하였고 토양복구사업의 면적 및 체적 등의 공간정보를 추출하였다. 그 결과 사업 결과모델 형성을 위한 추가적인 토양 적치 총량은 $268,672m^3$이며 약 71만 톤의 양에 해당하는 것을 확인하였다. 이는 무인항공기의 광해복구사업 모니터링의 효율성을 증명하는 것으로 추후 보다 많은 활용도를 보일 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.947-958
• /
• 2021

본 연구는 무인비행체에 탑재해서 활용되고 있는 다중분광 센서의 센서별 반사율 및 식생지수를 산정하여 시계열 작황분석을 위한 센서별, 센서간 활용 가능성을 평가하기 위해 수행하였다. RedEdge-MX, S110 NIR, Sequioa, P4M 등 4종의 무인비행체 탑재 다중분광센서에 대하여 2020년 9월 14일과 9월 15일에 걸쳐 오전, 오후 각 1회, 총 4회씩 항공영상을 촬영하고 반사율 및 NDVI를 산정하여 비교하였다. 반사율의 경우 모든 센서에서 시계열 변동계수가 평균 약 10% 이상의 값을 보여 활용에는 한계가 있는 것으로 나타났다. 작물 시험구에 대한 센서별 NDVI 변동계수는 식생이 우거져 활력도가 높은 시험구에서 평균 1.2~3.6%의 값을 보여 5% 이내의 변동성을 보였다. 그러나 이는 청천일의 변동계수에 비해서는 높은 값을 보인 것으로서 실험 기간 동안 오전, 오후에 구름 등 기상환경이 달랐기 때문으로 판단되며 시계열 작황 분석을 위한 정밀 NDVI 산정 시에는 일정한 광 환경을 유지할 수 있는 촬영 계획 수립과 이행이 필요할 것으로 판단된다. 무인비행체 다중분광센서 간 NDVI를 상호 비교한 결과 본 실험에서는 RedEdeg-MX 센서의 경우 안정적인 광 환경 내에서 동종의 센서를 여러 대 사용하더라도 NDVI 값의 특별한 보정 없이 함께 활용할 수 있을 것으로 판단된다. RedEdge-MX, P4M, Sequioa 센서는 상호 선형적인 관계를 보였으나 NDVI 간의 off-set 보정을 통한 공동 활용 가능성 평가를 위해서는 보완 실험이 필요할 것으로 생각된다.

• 한국측량학회지
• /
• 제34권6호
• /
• pp.559-568
• /
• 2016

For the economic management of photovoltaic power plants, it is necessary to regularly monitor the panels within the plants to detect malfunctions. Thermal infrared image cameras are generally used for monitoring, since malfunctioning panels emit higher temperatures compared to those that are functioning. Recently, technologies that observe photovoltaic arrays by mounting thermal infrared cameras on UAVs (Unmanned Aerial Vehicle) are being developed for the efficient monitoring of large-scale photovoltaic power plants. However, the technologies developed until now have had the shortcomings of having to analyze the images manually to detect malfunctioning panels, which is time-consuming. In this paper, we propose an automatic photovoltaic panel area extraction algorithm for thermal infrared images acquired via a UAV. In the thermal infrared images, panel boundaries are presented as obvious linear features, and the panels are regularly arranged. Therefore, we exaggerate the linear features with a vertical and horizontal filtering algorithm, and apply a modified hierarchical histogram clustering method to extract candidates of panel boundaries. Among the candidates, initial panel areas are extracted by exclusion editing with the results of the photovoltaic array area detection. In this step, thresholding and image morphological algorithms are applied. Finally, panel areas are refined with the geometry of the surrounding panels. The accuracy of the results is evaluated quantitatively by manually digitized data, and a mean completeness of 95.0%, a mean correctness of 96.9%, and mean quality of 92.1 percent are obtained with the proposed algorithm.

• 한국정보전자통신기술학회논문지
• /
• 제10권6호
• /
• pp.626-632
• /
• 2017

최근의 해마다 발생하는 자연재해를 살펴보면 사망, 실종과 같은 심각한 인명 피해와 더불어 수억 원에 달하는 재산피해가 동반된다. 이를 극복하기 위해 사회적, 경제적 손실을 최소화할 수 있는 ICT 기반의 자연재난 감시 및 대응 기술 개발에 대한 관심도가 높아지고 있다. 제안하는 플랫폼은 무인기에 탑재된 다중 센서 데이터의 실시간 처리 분석을 통해 국지적 산불 재난의 감지 및 상황대응을 지원하고, 통합경보 시스템과 연동하여 대국민 재난 정보 전달 서비스를 제공하는 서비스이다. 본 논문에서는 재난 영상의 획득, 분석, 대응을 수행하는 재난 감시 및 대응 플랫폼의 세부 기능들에 대해서 소개하고, 재난 인지에 핵심요소 기술인 Deep Learning 기반의 산불 영상 분석 기술을 제안한다. 제안하는 Deep Learning 기반 재난 영상 분석은 과거로부터 반복적으로 발생하는 재난이 촬영된 영상 정보를 사전에 미리 학습함으로써, 새롭게 획득한 재난 영상에 대한 재난 발생 여부를 판단한다. 제안하는 산불 영상 분석 알고리즘에 대한 실험 결과를 확인하여 제안하는 기법의 성능을 검증한다.

• 한국산업융합학회 논문집
• /
• 제23권6_2호
• /
• pp.1043-1050
• /
• 2020

In this study, a study was presented on the monitoring technique of landslide area using UAV. In the case of disaster investigation using drone mapping, it can be used at various disaster sites. The mission can be carried out at various disaster sites, including surveys of damage to mountainous areas caused by landslides, building collapses surveys of flood damage, typhoons, earthquakes. The damage investigation plan using drone mapping is expected to be highly utilized at disaster sites where investigators cannot access it like in mountainous areas and where it is difficult to conduct direct damage investigations at the site. Drone mapping technology has many advantages in terms of disaster follow-up, such as recovery. Compared to the existing survey system, which was mainly carried out manually, the investigation time can be drastically reduced, and it can also respond to disaster sites that are difficult to carry out or are difficult to access directly. In addition, it is possible to establish and guide spatial data at the disaster site based on accurate mapping data from the time of the disaster, which has considerable strength in managing the situation of the disaster site, selecting priority areas for recovery, and establishing recovery plans. As such, drone mapping is a technology that can be used in a wide range of sites along with natural disasters and social disasters. If a damage investigation system is established through this, it is believed that it will contribute significantly to the rapid establishment of recovery plans along with the investigation of disaster response time and extent of damage recovery.

• 한국농공학회논문집
• /
• 제64권1호
• /
• pp.15-26
• /
• 2022

3D open-field farm model developed from UAV (Unmanned Aerial Vehicle) data could make crop monitoring easier, also could be an important dataset for various fields like remote sensing or precision agriculture. It is essential to separate crops from the non-crop area because labeling in a manual way is extremely laborious and not appropriate for continuous monitoring. We, therefore, made a 3D open-field farm model based on UAV images and developed a crop segmentation model using a supervised machine learning algorithm. We compared performances from various models using different data features like color or geographic coordinates, and two supervised learning algorithms which are SVM (Support Vector Machine) and KNN (K-Nearest Neighbors). The best approach was trained with 2-dimensional data, ExGR (Excess of Green minus Excess of Red) and z coordinate value, using KNN algorithm, whose accuracy, precision, recall, F1 score was 97.85, 96.51, 88.54, 92.35% respectively. Also, we compared our model performance with similar previous work. Our approach showed slightly better accuracy, and it detected the actual crop better than the previous approach, while it also classified actual non-crop points (e.g. weeds) as crops.