○ 인공지능학습모델 최적화

• Object Detection / Semantic Segmentation → Seg부분 담당(MMsegmentation 사용)
  • 작물 식별 및 계수화 정확도 (80%이상)
  • 과실 식별 정확도 및 계수화 정확도 (80%이상)
  • 병해충 식별 및 피해상황 정확도(발생시, 80%이상)
• 사전 조사

  • 연구내용에 있어 사례를 찾아 정리하여 다양한 방법을 시도하여 모델을 생성

    

양배추 재배면적

• 정사영상 사진을 활용하여 학습데이터를 구축하여 Sementic Segmentation 모델 생성
  • MMsegmentation 사용

    • Deeplabv3 Model 사용

      

      • lr 조정(0.0005→0.000035)
      • Backbone 교체 (resnet50 → resnet101 → ResNeXT)

    • mIOU 기준으로 성능을 비교하며 다양한 실험 시도

      • 시기별로 데이터를 분류하여 다른시기로 학습한 모델이 탐지
      • 학습데이터 크기 조정 (512x512)
      • 양배추 재배면적 산출을 위한 모델은 의미론적 분할 모델인 Deeplabv3를 선정

수관폐색 영역 자동탐지(모델 학습 진행중)

• 식생지수(NDVI) 활용하여 과실(캐노피) 학습데이터 구조 설계
• 드론 영상 촬영 및 전처리를 통해 RGB 정사영상, 다중분광 정사영상, 열적외선 정사영상등을 구축함
• RGB 및 다중분광 영상을 활용하여 반자동적인 라벨링 프로세스를 구축하여 라벨링에 소요되는 시간과 비용을 절약함

• NDVI 처리한 데이터를 학습데이터로 구축할때 binary가 정확한 값으로 나누어지지않아서 메타데이터 유지시켜 binary 해주는 자동화 알고리즘 구축

병해충 자동탐지(모델 학습 진행중)