효율적인 농업정책 지원과 농업 생산성 증대를 위해서
재배 중인 작목별 ‘실시간 관리’ 및 ‘관리의 효율성 향상’을 위한 기술 개발의 필요성이 대두되고 있으며,
발전하고 있는 인공위성과 유인 / 무인항공기 기반의
다양한 영상 취득과 분석 기술을 이용한 연구가 활발하게 진행되고 있습니다.
국내에서 원격탐사 기술을 이용한 재배 작물 분류 연구는
인공위성을 이용한 벼 재배면적 조사 방법 시범연구(김배성 외 3명, 2010)와
무인항공기와 디지털카메라 영상 기반 객체 기반 분류 기법을 이용한
벼, 고구마, 옥수수 등 22개 작물 분류 연구(박진기 외 4명, 2017)와 같은 사례가 있습니다.
기계학습 기법을 활용한 연구 사례는,
RapidEye 위성 영상과 현장조사 자료 기반 SVM 기법을 적용한
합천군 지역 마늘과 양파 분류 연구(박재문 외 4명, 2017)가 보고되어 있습니다.
해외에서는 조금 더 활발하게 연구가 진행 중입니다.
인공위성 Landsat-8의 시계열 영상을 LDA(linear discriminant analysis), RF(random forest)
그리고 SVC(support vector machine) 기법을 이용하여
호두와 포도, 아몬드 등의 과수를 분류한 연구(Peña et al, 2018)가 수행되었으며,
Sentinel-1A/B와 Sentinel-2A 영상 그리고 Landsat-8 영상을 기반으로
딥 러닝 기술을 이용하여 작물 분류(Nataliia et al, 2017) 기술을 연구한 사례가 있습니다.
그리고 Sentinel-1 synthetic aperture radar (SAR) 영상과 Sentinel-2 multispectral imagery를 이용하여
감귤과 아몬드, 체리, 자두나무, 호두나무 등 다년생 과수를 분류(Brinkhoff et al, 2019) 한
연구도 보고되어 있습니다.
이미지랩에서는 위와 같은 연구들을 더 발전시켜서,
Landsat-8 / Komsat-3A / PlanetScope 그리고 드론과 항공기로 취득된 초분 경영상 등
취득 가능한 다양한 영상을 기반으로 기계학습과 딥러닝 기술을 활용한 연구를 준비하고 있습니다.
또한 주기적 시계열 데이터 획득에 어려움이 있는 위성영상과
많은 비용이 투자되는 초분광영상에 대한 대안을 제시하기 위하여,
경량화된 다분광 센서를 활용하는 기술도 개발하고 있습니다.
많은 기대와 응원 부탁드립니다!
※ 참고문헌 출처
· 김배성 외 3명, 2010, 인공위성을 이용한 벼 재배면적 조사 시범연구, 한국농촌경제연구원 연구보고서.
· 박진기 외 4명, 2017, 무인항공기 영상을 이용한 작물 분류, 한국농공학회 학술대회 초록집, vol 2017, pp 273.
· 박재문 외 4명, 2017, 위성영상 기반 양파, 마늘 재배지 분류, 무인항공기 영상을 이용한 작물 분류, 한국농공학회 학술대회 초록집. vol 2017, pp 195.
· Pena RFO, Zaks MA, Roque AC, 2018, Dynamics of spontaneous activity in random networks with multiple neuron subtypes and synaptic
noise : Spontaneous activity in networks with synaptic noise, J Comput Neurosci 45, 1-28.
· Nataliia Kussul, Mykola Lavreniuk, Sergii Skakun, Andrii Shelestov, 2017, Deep Learning Classification of Land Cover and Crop Types
Using Remote Sensing Data, IEEE Geoscience and Remote Sensing Letters, vol 14(5).
· James Brinkhof, Justin Vardanega, Andwer J.Robson, 2019, Land Cover Classification of Nine Perennial Crops Using Sentinel-1 and -2
Data, Remote Sens., 12(1), 96.
효율적인 농업정책 지원과 농업 생산성 증대를 위해서
재배 중인 작목별 ‘실시간 관리’ 및 ‘관리의 효율성 향상’을 위한 기술 개발의 필요성이 대두되고 있으며,
발전하고 있는 인공위성과 유인 / 무인항공기 기반의
다양한 영상 취득과 분석 기술을 이용한 연구가 활발하게 진행되고 있습니다.
국내에서 원격탐사 기술을 이용한 재배 작물 분류 연구는
인공위성을 이용한 벼 재배면적 조사 방법 시범연구(김배성 외 3명, 2010)와
무인항공기와 디지털카메라 영상 기반 객체 기반 분류 기법을 이용한
벼, 고구마, 옥수수 등 22개 작물 분류 연구(박진기 외 4명, 2017)와 같은 사례가 있습니다.
기계학습 기법을 활용한 연구 사례는,
RapidEye 위성 영상과 현장조사 자료 기반 SVM 기법을 적용한
합천군 지역 마늘과 양파 분류 연구(박재문 외 4명, 2017)가 보고되어 있습니다.
해외에서는 조금 더 활발하게 연구가 진행 중입니다.
인공위성 Landsat-8의 시계열 영상을 LDA(linear discriminant analysis), RF(random forest)
그리고 SVC(support vector machine) 기법을 이용하여
호두와 포도, 아몬드 등의 과수를 분류한 연구(Peña et al, 2018)가 수행되었으며,
Sentinel-1A/B와 Sentinel-2A 영상 그리고 Landsat-8 영상을 기반으로
딥 러닝 기술을 이용하여 작물 분류(Nataliia et al, 2017) 기술을 연구한 사례가 있습니다.
그리고 Sentinel-1 synthetic aperture radar (SAR) 영상과 Sentinel-2 multispectral imagery를 이용하여
감귤과 아몬드, 체리, 자두나무, 호두나무 등 다년생 과수를 분류(Brinkhoff et al, 2019) 한
연구도 보고되어 있습니다.
이미지랩에서는 위와 같은 연구들을 더 발전시켜서,
Landsat-8 / Komsat-3A / PlanetScope 그리고 드론과 항공기로 취득된 초분 경영상 등
취득 가능한 다양한 영상을 기반으로 기계학습과 딥러닝 기술을 활용한 연구를 준비하고 있습니다.
또한 주기적 시계열 데이터 획득에 어려움이 있는 위성영상과
많은 비용이 투자되는 초분광영상에 대한 대안을 제시하기 위하여,
경량화된 다분광 센서를 활용하는 기술도 개발하고 있습니다.
많은 기대와 응원 부탁드립니다!
※ 참고문헌 출처
· 김배성 외 3명, 2010, 인공위성을 이용한 벼 재배면적 조사 시범연구, 한국농촌경제연구원 연구보고서.
· 박진기 외 4명, 2017, 무인항공기 영상을 이용한 작물 분류, 한국농공학회 학술대회 초록집, vol 2017, pp 273.
· 박재문 외 4명, 2017, 위성영상 기반 양파, 마늘 재배지 분류, 무인항공기 영상을 이용한 작물 분류, 한국농공학회 학술대회 초록집. vol 2017, pp 195.
· Pena RFO, Zaks MA, Roque AC, 2018, Dynamics of spontaneous activity in random networks with multiple neuron subtypes and synaptic
noise : Spontaneous activity in networks with synaptic noise, J Comput Neurosci 45, 1-28.
· Nataliia Kussul, Mykola Lavreniuk, Sergii Skakun, Andrii Shelestov, 2017, Deep Learning Classification of Land Cover and Crop Types
Using Remote Sensing Data, IEEE Geoscience and Remote Sensing Letters, vol 14(5).
· James Brinkhof, Justin Vardanega, Andwer J.Robson, 2019, Land Cover Classification of Nine Perennial Crops Using Sentinel-1 and -2
Data, Remote Sens., 12(1), 96.