표제지
목차
Abstract 12
1. 서론 13
1.1. 연구 배경 및 목적 13
1.2. 국내 동향 14
1.3. 국외 동향 15
1.4. 빅데이터 활용 농업 분야 사례 16
2. 관련 연구 18
2.1. 객체 인식 알고리즘 18
2.2. Mask R-CNN 18
2.3. YOLACT 19
2.4. PANet 20
2.5. Dtectron2 21
2.6. RandomForest 21
3. 연구 설계 및 구성 23
3.1. 데이터 셋 23
3.1.1. 데이터 셋 설계 23
3.1.2. 원시데이터 수집 27
3.1.3. 원시데이터 정제 33
3.1.4. 원천데이터 가공 36
3.1.5. 가공데이터 검수 41
3.2. 모델 학습 방법 43
3.2.1. 모델학습 설계 43
3.2.2. 학습모델 품질지표 44
4. 실험 및 결과 46
4.1. 실험 환경 46
4.2. 연구 결과 46
5. 결론 및 향후 연구 49
참고문헌 51
〈표 1〉 데이터셋 설계 24
〈표 2〉 데이터셋 구축목표 25
〈표 3〉 데이터 속성 정의 26
〈표 4〉 데이터 수집 대상 27
〈표 5〉 환경 및 장소 29
〈표 6〉 환경별로 설치 완료된 포집기 31
〈표 7〉 데이터 정제 규모 34
〈표 8〉 선별 이미지 분류 기준 35
〈표 9〉 해충 데이터 라벨링 검사 기준 41
〈표 10〉 학습모델 설계 43
〈표 11〉 학습모델 품질지표 44
〈표 12〉 데이터 구축량 달성 수량 46
〈표 13〉 해충 영상 분석 모델 47
〈표 14〉 해충 영상 분석 모델 결과 48
〈표 15〉 해충 생육환경 분석 모델 48
[그림 1] Mask R-CNN 구조 19
[그림 2] YOLACT 처리 수행 흐름 20
[그림 3] PANet 모델 네트워크 구성도 20
[그림 4] 실제 설치 지도 29
[그림 5] 디지털 트랩 포집기 구성도 30
[그림 6] 객체 경계 가공 기준 36
[그림 7] 클래스명 가공 기준 37
[그림 8] 미태깅 가공 기준 37
[그림 9] 과태깅 가공 기준 38
[그림 10] 불명확 가공 기준 38
[그림 11] 라벨링 기준 1 39
[그림 12] 라벨링 기준 2 39
[그림 13] 라벨링 기준 3 40
[그림 14] 라벨링 기준 4 40
[그림 15] 해충 영상 분석 모델 결과 47