KR102408373B1 - Method and Apparatus for Automated Management of an Agricultural Land Information - Google Patents
Method and Apparatus for Automated Management of an Agricultural Land Information Download PDFInfo
- Publication number
- KR102408373B1 KR102408373B1 KR1020210082604A KR20210082604A KR102408373B1 KR 102408373 B1 KR102408373 B1 KR 102408373B1 KR 1020210082604 A KR1020210082604 A KR 1020210082604A KR 20210082604 A KR20210082604 A KR 20210082604A KR 102408373 B1 KR102408373 B1 KR 102408373B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- farmland
- crop
- cultivation
- lot
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 45
- 238000007726 management method Methods 0.000 claims description 134
- 238000004458 analytical method Methods 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 19
- 238000013527 convolutional neural network Methods 0.000 description 16
- 238000013145 classification model Methods 0.000 description 15
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000003306 harvesting Methods 0.000 description 13
- 240000007124 Brassica oleracea Species 0.000 description 12
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 12
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 12
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 12
- 239000000284 extract Substances 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 241000607479 Yersinia pestis Species 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 7
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 7
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 244000291564 Allium cepa Species 0.000 description 2
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 2
- 235000011941 Tilia x europaea Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004571 lime Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000009849 Cucumis sativus Nutrition 0.000 description 1
- 244000000626 Daucus carota Species 0.000 description 1
- 235000002767 Daucus carota Nutrition 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000013070 change management Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- B64C2201/127—
-
- B64C2201/146—
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
농지 정보의 자동화 관리 장치 및 그를 위한 장치를 개시한다.
본 발명의 실시예에 따른 농지 정보 자동화 관리 시스템은, 복수의 농지 각각에 대한 농지 원부 정보 및 농지 대장을 기반으로 저장된 농지 정보를 제공하는 농지 정보 제공장치; 상기 복수의 농지 중 선택된 적어도 하나의 선택 농지의 재배 현황에 대한 재배지 정보를 관리하는 재배정보 관리장치; 및 상기 선택 농지에 대한 상기 농지 정보 및 상기 재배지 정보를 디지털화하고, 상기 농지 정보 및 상기 재배지 정보를 검증하여 관리하는 농지 정보 자동화 관리장치를 포함할 수 있다. Disclosed are an apparatus for automated management of farmland information and an apparatus therefor.
A farmland information automation management system according to an embodiment of the present invention includes: a farmland information providing device for providing farmland information stored on the basis of farmland register information and farmland ledger for each of a plurality of farmland; a cultivation information management device for managing cultivation information on the cultivation status of at least one selected farmland selected from among the plurality of farmland; and a farmland information automation management device that digitizes the farmland information and the farmland information for the selected farmland, and verifies and manages the farmland information and the farmland information.
Description
본 발명은 재배지 정보 및 농지 관련 정보를 이용하여 농지 정보를 디지털 전환하여 자동으로 관리하는 장치 및 방법에 관한 것이다. The present invention relates to an apparatus and method for digitally converting and automatically managing farmland information using farmland information and farmland-related information.
이 부분에 기술된 내용은 단순히 본 발명의 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The content described in this section merely provides background information on the embodiments of the present invention and does not constitute the prior art.
기존의 농지 원부는 농지의 소유 내지는 이용실태를 파악하고, 이를 관리하기 위한 자료로서, 농업인의 인적사항, 가족사항, 소유농지 현황, 임차농지 현황, 경작현황 등을 각 항목에 따른 내용을 작성하여, 주소지 관할 사무소에 제출하는 서류이다. Existing farmland management records the status of ownership or use of farmland, and as data to manage it, the farmer's personal information, family information, current status of owned farmland, rental farmland status, cultivation status, etc. are prepared according to each item. , a document submitted to the office having jurisdiction over the domicile.
농지 원부는 일정 기준 미만 좁은 면적의 소유 경작지의 경우 농지 원부의 작성 의무가 없으므로, 이를 관리할 수 없었다. 또한, 농지 원부를 기준으로 해당 농지에서의 경작 여부를 판단하는 경우, 실제 해당 농업인이 원부 작성 없이 이를 변경하더라도 이를 확인할 수 없다. The farmland register was not obligated to fill out the farmland register in the case of arable land owned by a small area under a certain standard, so it could not manage it. In addition, when judging whether to cultivate the farmland on the basis of the farmland register, it is impossible to confirm whether the farmer actually changes the farmland without writing the logbook.
한편, 토지 대장은 토지의 소재, 지번, 지목, 면적, 소유자 정보 등 통지의 상황을 기록하는 장부이다. 기존에는 농지에 대한 정보를 관리함에 있어서, 농지 원부나 토지 대장 중 어떤 것도 농지의 실질적인 현황, 특히 실제의 농지로서, 농작물이 재배되고 있는지 등 실질적인 현황을 반영하지 못하기 때문에, 농지를 본래의 목적인 아닌 타 용도로 사용하는 경우 이를 관리할 방안이 없었다.On the other hand, the land ledger is a book that records the status of notification such as the location of land, lot number, land title, area, and owner information. In the past, when managing information on farmland, neither the farmland register nor the land ledger reflects the actual status of farmland, particularly whether it is actually farmland, whether crops are being grown, etc. If it was used for other purposes, there was no way to manage it.
본 발명은 농지 정보의 효율적인 디지털 전환을 통해서 농지 정보, 예를 들어 농지가 실제로 농지의 목적으로 사용되고 있는지 여부, 농지의 작물 종류 및 재배면적을 관리하는 농지 정보의 자동화 관리 방법 및 그를 위한 장치를 제공하는 데 주된 목적이 있다.The present invention provides an automated management method of farmland information, for example, whether farmland is actually used for farmland purposes, crop types and cultivation area of farmland, and an apparatus therefor through efficient digital conversion of farmland information The main purpose is to
본 발명의 일 측면에 의하면, 상기 목적을 달성하기 위한 농지 정보 자동화 관리 시스템은, 복수의 농지 각각에 대한 농지 원부 정보 및 농지 대장을 기반으로 저장된 농지 정보를 제공하는 농지 정보 제공장치; 상기 복수의 농지 중 선택된 적어도 하나의 선택 농지의 재배 현황에 대한 재배지 정보를 관리하는 재배정보 관리장치; 및 상기 선택 농지에 대한 상기 농지 정보 및 상기 재배지 정보를 디지털화하고, 상기 농지 정보 및 상기 재배지 정보를 검증하여 관리하는 농지 정보 자동화 관리장치를 포함할 수 있다. According to one aspect of the present invention, the automated farmland information management system for achieving the above object includes: a farmland information providing device for providing farmland information stored based on farmland register information and farmland ledger for each of a plurality of farmland; a cultivation information management device for managing cultivation information on the cultivation status of at least one selected farmland selected from among the plurality of farmland; and a farmland information automation management device that digitizes the farmland information and the farmland information for the selected farmland, and verifies and manages the farmland information and the farmland information.
또한, 본 발명의 다른 측면에 의하면, 상기 목적을 달성하기 위한 농지 정보 자동화 관리 방법은, 복수의 농지 각각에 대한 농지 원부 정보 및 농지 대장을 기반으로 저장된 농지 정보를 제공하는 농지 정보 제공 단계; 상기 복수의 농지 중 선택된 적어도 하나의 선택 농지의 재배 현황에 대한 재배지 정보를 관리하는 재배정보 관리 단계; 및 상기 선택 농지에 대한 상기 농지 정보 및 상기 재배지 정보를 디지털화하고, 상기 농지 정보 및 상기 재배지 정보를 검증하여 관리하는 농지 정보 자동화 관리 단계를 포함할 수 있다. In addition, according to another aspect of the present invention, the automated farmland information management method for achieving the above object includes: providing farmland information providing stored farmland information based on farmland register information and farmland ledger for each of a plurality of farmland; a cultivation information management step of managing cultivation site information on the cultivation status of at least one selected farmland selected from among the plurality of farmland; and digitizing the farmland information and the farmland information for the selected farmland, and verifying and managing the farmland information and the farmland information.
이상에서 설명한 바와 같이, 본 발명은 농지 대장 정보를 관리함에 있어서, 농지의 재배 현황에 대한 정보를 바탕으로 농지 대장 정보의 신뢰성에 대한 검증이 가능한 효과가 있다. As described above, the present invention has the effect of verifying the reliability of the farmland ledger information based on the information on the cultivation status of the farmland in managing the farmland ledger information.
또한, 본 발명은 농지 대장 정보를 관리함에 있어서, 본래의 목적에 맞지 않은 농지의 이용 또는 농지의 불법적 거래, 투기 행위 등과 관련된 정보를 파악할 수 있는 효과가 있다. In addition, the present invention has an effect that, in managing farmland ledger information, information related to the use of farmland that is not suitable for the original purpose, illegal trade in farmland, speculation, and the like can be grasped.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.Even if it is an effect not explicitly mentioned herein, the effects described in the following specification expected by the technical features of the present invention and their potential effects are treated as if they were described in the specification of the present invention.
도 1은 본 발명의 실시예에 따른 농지 정보 자동화 관리 시스템을 개략적으로 나타낸 블록 구성도이다.
도 2는 본 발명의 실시예에 따른 농지 정보 자동화 관리 장치를 개략적으로 나타낸 블록 구성도이다.
도 3 및 도 4는 본 발명의 실시예에 따른 농지 정보 자동화 관리 방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 실시예에 따른 작물 재배 정보 서비스 플랫폼을 이용한 작물 재배 정보 서비스를 나타내는 예시도이다.
도 6은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 디바이스를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다.
도 7은 본 발명의 일 실시예에 따른 작물 재배 정보 획득 과정을 순서대로 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 필지 대표점을 추출하고, 추출된 필지 대표점에 따라 비행 궤적을 생성한 도면이다.
도 9는 발명의 일 실시예에 따른 AI를 통해 영상 학습을 수행하고, 이를 통해 작물의 종류를 인식하는 개념을 나타낸 도면이다.
도 10은 발명의 일 실시예에 따른 드론 비행을 통해 획득한 영상을 이용하여, 작물의 상태를 나타내는 도면이다.
도 11은 발명의 일 실시예에 따른 관제 센터에서의 주제도 제작을 위한 수행 과정을 나타내는 흐름도이다.
도 12는 발명의 일 실시예에 따른 도 8의 단계 S730에서 AI 서버가 수행하는 과정을 나타내는 흐름도이다.
도 13은 본 발명의 일 실시예의 AI 서버에서 수행되는 작물 분석을 위한 학습 개념을 설명하기 위한 블록도이다.
도 14는 도 10를 통해 결정된 생성자를 통해 이미지 분류를 위한 입력 영상을 생성하는 방법을 설명하는 개념도이다.1 is a block diagram schematically showing an automated farmland information management system according to an embodiment of the present invention.
2 is a block diagram schematically showing an apparatus for automated management of farmland information according to an embodiment of the present invention.
3 and 4 are flowcharts illustrating an automated farmland information management method according to an embodiment of the present invention.
5 is an exemplary diagram illustrating a crop cultivation information service using a crop cultivation information service platform according to an embodiment of the present invention.
6 is a block diagram illustrating and describing a computing environment including a computing device suitable for use in example embodiments.
7 is a view sequentially illustrating a process of obtaining crop cultivation information according to an embodiment of the present invention.
8 is a diagram illustrating extracting a representative point of lots according to an embodiment of the present invention and generating a flight trajectory according to the extracted representative point of a lot.
9 is a diagram illustrating a concept of performing image learning through AI and recognizing a type of crop through this according to an embodiment of the present invention.
10 is a diagram illustrating the state of a crop using an image obtained through drone flight according to an embodiment of the present invention.
11 is a flowchart illustrating a process for producing a subject map in a control center according to an embodiment of the present invention.
12 is a flowchart illustrating a process performed by the AI server in step S730 of FIG. 8 according to an embodiment of the present invention.
13 is a block diagram for explaining a learning concept for crop analysis performed in the AI server according to an embodiment of the present invention.
14 is a conceptual diagram illustrating a method of generating an input image for image classification through a generator determined through FIG. 10 .
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다. 이하에서는 도면들을 참조하여 본 발명에서 제안하는 농지 정보의 자동화 관리 장치 및 그를 위한 장치에 대해 자세하게 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In describing the present invention, if it is determined that a detailed description of a related known configuration or function may obscure the gist of the present invention, the detailed description thereof will be omitted. In addition, preferred embodiments of the present invention will be described below, but the technical spirit of the present invention is not limited thereto and may be variously implemented by those skilled in the art without being limited thereto. Hereinafter, an apparatus for automated management of farmland information proposed by the present invention and an apparatus therefor will be described in detail with reference to the drawings.
도 1은 본 발명의 실시예에 따른 농지 정보 자동화 관리 시스템을 개략적으로 나타낸 블록 구성도이다.1 is a block diagram schematically showing an automated farmland information management system according to an embodiment of the present invention.
본 실시예에 따른 농지 정보 자동화 관리 시스템(1)은 농지 정보 제공장치(2), 재배정보 관리장치(6) 및 농지 정보 자동화 관리장치(7)를 포함한다. 여기서, 농지 정보 제공장치(2)는 농지 원부 획득 장치(3), 농지 대장 관리 장치(4) 및 농지 정보 데이터베이스(5)를 포함한다. 도 1의 농지 정보 자동화 관리 시스템(1)은 일 실시예에 따른 것으로서, 도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 농지 정보 자동화 관리 시스템(1)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다. The automated farmland
농지 정보 자동화 관리 시스템(1)는 재배지 정보 및 농지 관련 정보를 이용하여 농지 정보를 디지털 전환하여 자동으로 관리하는 시스템이다. 이하, 농지 정보 자동화 관리 시스템(1)에 포함된 구성요소 각각에 대해 설명하도록 한다.The farmland information
농지 정보 제공장치(2)는 복수의 농지 각각에 대한 농지 원부 정보 및 농지 대장을 기반으로 저장된 농지 정보를 제공한다. 본 실시예에 따른 농지 정보 제공장치(2)는 농지 원부 획득 장치(3), 농지 대장 관리 장치(4) 및 농지 정보 데이터베이스(5)를 포함한다. The farmland information providing device 2 provides farmland information stored based on farmland register information and farmland ledger for each of a plurality of farmland. The farmland information providing device 2 according to the present embodiment includes a farmland
농지 원부 획득 장치(3)는 농지 원부에 근거하여 농지 원부 정보를 획득한다. 농지 원부는, 농지의 소유나 실태를 파악하기 위하여, 농지 소재지의 관리부서에서 관리하는 장부이다. 농지 원부는 농지를 소유한 소유권자 또는 실제 경작자로서, 다년생식물을 재배하는 자를 대상으로 작성되는 것이다. The farmland
농지 원부 획득 장치(3)는 농지 원부를 스캔하거나, 카메라를 통해 이미지를 획득하고, 획득된 이미지로부터 농지 원부 정보를 획득한다. 여기서, 농지 원부 정보는 농지 원부를 통해서 얻을 수 있는, 농지의 고유번호, 작성일자, 농지 소재지, 지번, 지목, 면적, 소유자 이름, 임차인, 임차기간 등의 정보를 포함할 수 있다. The farmland
농지 원부 획득 장치(3)는 별도의 장치로 구현될 수 있으나 반드시 이에 한정되는 것은 아니며, 농지 정보 제공장치(2)에 포함되어 농지 원부 획득 및 관리를 위한 농지 원부 획득부 또는 농지 원부 획득 및 관리 기능을 수행 가능한 소프트웨어가 설치되는 형태로 구현될 수 있다. The farmland
농지 대장 관리 장치(4)는 복수의 농지에 대한 농지 정보를 관리하는 정보가 수록되는 농지 대장을 관리한다. The farmland
농지 대장 관리 장치(4)는 농지 대장을 생성 및 관리한다. 여기서, 농지 대장은 기존에는 존재하는 개념은 아니나, 기본적으로 토지 대장의 개념을 승계한 것이다. 농지 대장은, 농지의 소재, 지번, 지목, 면적, 농지 소유 자의 이름, 주민번호, 성명 등 농지의 상황을 명확하게 기록하는 장부이다. 농지 대장 정보가 관리하는 농지 정보는 농지 원부와 높은 관련성이 있다 하지만, 간혹 불일치하는 경우가 있으므로, 농지 정보 자동화 관리장치(7)를 통한 검증이 필요하다. The farmland
농지 대장 관리 장치(4)는 별도의 장치로 구현될 수 있으나 반드시 이에 한정되는 것은 아니며, 농지 정보 제공장치(2)에 포함되어 농지 대장의 생성 및 관리를 위한 농지 대장 관리부 또는 농지 대장의 생성 및 관리 기능을 수행 가능한 소프트웨어가 설치되는 형태로 구현될 수 있다. The farmland
농지 정보 데이터베이스(5)는 농지 정보 및 재배지 정보를 저장한다. The farmland information database 5 stores farmland information and cultivated land information.
농지 정보 데이터베이스(5)는 농지 원부 정보 및 농지 대장 정보를 포함하는 농지 정보를 저장한다. 또한, 농지 정보 데이터베이스(5)는 복수의 농지 각각에 대한 재배지 정보를 저장한다. The farmland information database 5 stores farmland information including farmland register information and farmland ledger information. In addition, the farmland information database 5 stores plantation information for each of a plurality of farmland.
농지 정보 데이터베이스(5)는 농지 정보 자동화 관리장치(7)로부터 선택 농지에 대한 정보 요청신호를 획득하는 경우, 정보 요청신호에 대응하여 농지 원부 정보, 농지 대장 정보 중 적어도 하나를 포함하는 농지 정보 및 재배지 정보를 농지 정보 자동화 관리장치(7)로 전송한다. When the farmland information database 5 obtains the information request signal for the selected farmland from the farmland information automation management device 7, in response to the information request signal, farmland information including at least one of farmland information and farmland ledger information and The cultivated land information is transmitted to the farmland information automation management device (7).
농지 정보 데이터베이스(5)는 별도의 장치로 구현될 수 있으나 반드시 이에 한정되는 것은 아니며, 농지 정보 제공장치(2)에 포함되어 농지 원부 정보, 농지 대장 정보, 재배지 정보 등을 저장 및 제공하기 위한 농지 정보 저장부 또는 농지 대장 정보, 재배지 정보 등을 저장 및 제공 기능을 수행하는 클라우드 서버와 같은 형태로 구현될 수 있다. The farmland information database 5 may be implemented as a separate device, but is not necessarily limited thereto, and is included in the farmland information providing device 2 to store and provide farmland information, farmland ledger information, farmland information, etc. It may be implemented in the form of a cloud server that stores and provides information storage unit or farmland ledger information, plantation information, and the like.
농지 정보 데이터베이스(5)는 데이터의 검색, 추출, 삭제, 편집, 추가 등을 자유롭게 행할 수 있다. 농지 정보 데이터베이스(5)는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), 관계형 데이터베이스 관리시스템(Relational Data Base Management System, RDBMS), 겜스톤(Gemston), 오리온(Orion), 객체 지향형 데이타베이스 관리 시스템(Object Oriented Database Management System, OODBMS) 분산 데이터베이스, 클라우드 등을 이용하여 본 실시예의 목적에 맞게 구현될 수 있다.The farmland information database 5 can freely search for, extract, delete, edit, add, and the like data. The farmland information database 5 is Oracle, Infomix, Sybase, Relational Data Base Management System (RDBMS), Gemston, Orion, object-oriented A database management system (Object Oriented Database Management System, OODBMS) may be implemented according to the purpose of the present embodiment by using a distributed database, cloud, or the like.
재배정보 관리장치(6)는 복수의 농지 중 선택된 적어도 하나의 선택 농지의 재배 현황에 대한 재배지 정보를 관리한다. 여기서, 재배지 정보는 재배지 위치, 재배 면적, 재배 작물의 종류, 재배 작물의 상태 등을 포함할 수 있다. The cultivation information management device 6 manages cultivation site information on the cultivation status of at least one selected farmland selected from among a plurality of farmland. Here, the plantation information may include a plantation location, a planting area, a type of a cultivated crop, a state of a cultivated crop, and the like.
재배정보 관리장치(6)는 프로세서 및 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함하여 구현될 수 있다. 재배정보 관리장치(6)의 프로세서는, 기 설정된 지형 정보와 이륙 지점 및 착륙 지점을 고려하여 형성된 필지에 따른 무인 비행체의 비행 경로를 생성하고, 상기 무인 비행체가 획득한 작물 영상을 전달받아 분석하여 비행 경로에 따른 재배지 정보를 획득할 수 있다. The cultivation information management apparatus 6 may be implemented by including a processor and a memory for storing a program executed by the processor. The processor of the cultivation information management device 6 generates a flight path of the unmanned aerial vehicle according to the land formed in consideration of preset topographic information, take-off point and landing point, and receives and analyzes the crop image obtained by the unmanned aerial vehicle It is possible to obtain plantation information according to the flight route.
또한, 재배정보 관리장치(6)의 프로세서는, 필지에 대한 필지 정보를 포함하는 기 설정된 지형 정보를 기반으로 상기 필지의 중심점을 나타내는 상기 필지의 대표점을 추출하고, 추출된 대표점에 따라 비행 궤적을 고려하여 비행 경로를 생성한다. 여기서, 필지 정보는 필지간 구분 경계 정보 및 필지에 포함되는 영역들의 고도 정보를 포함할 수 있다. In addition, the processor of the cultivation information management device 6 extracts a representative point of the lot indicating the center point of the lot based on preset topographic information including lot information about the lot, and flies according to the extracted representative point. A flight path is created by considering the trajectory. Here, the lot information may include information on the boundary between parcels and altitude information of areas included in the lot.
재배정보 관리장치(6)는 도 5 내지 도 14를 통해 자세히 설명하도록 하며, 재배정보 관리장치(6)는 재배정보 관리장치(6)는 작물 재배 정보 서비스 플랫폼 형태로 운용될 수 있다. 바람직하게는, 도 5 내지 도 14에 후술되는 재배정보 관리장치(6)가 관리하는 재배지 정보는, 정기적으로 업데이트되고, 지속적으로 히스토리가 관리되는 것이므로, 실제로 해당 농지가 농지의 목적에 맞게 사용되어왔는지를 확인하기 위해 가장 중요하고, 실질적인 근거자료가 될 수 있다. 또한, 해당 필지의 위치에 대한 분쟁이 있을 경우, 재배현황 등 사실관계의 확인을 통해, 필지의 경계에 대한 정보도 제공할 수 있다는 점에서 유용하다.The cultivation information management device 6 will be described in detail with reference to FIGS. 5 to 14 , and the cultivation information management device 6 and the cultivation information management device 6 may be operated in the form of a crop cultivation information service platform. Preferably, since the plantation information managed by the planting information management device 6 to be described later in FIGS. 5 to 14 is updated regularly and the history is continuously managed, the farmland is actually used for the purpose of the farmland. It can be the most important and practical evidence to confirm whether In addition, it is useful in that it is possible to provide information about the boundaries of the lot by checking the facts, such as the cultivation status, in the case of a dispute over the location of the lot.
농지 정보 자동화 관리장치(7)는 선택 농지에 대한 농지 정보 및 재배지 정보를 디지털화하고, 농지 정보 및 상기 재배지 정보를 검증하여 관리하는 동작을 수행한다. 농지 정보 자동화 관리장치(7)에 대한 상세한 설명은 도 2에서 자세히 설명하도록 한다. The farmland information automation management apparatus 7 digitizes farmland information and cultivated land information for the selected farmland, and verifies and manages the farmland information and the cultivated land information. A detailed description of the farmland information automation management device 7 will be described in detail in FIG. 2 .
도 2는 본 발명의 실시예에 따른 농지 정보 자동화 관리 장치를 개략적으로 나타낸 블록 구성도이다.2 is a block diagram schematically showing an apparatus for automated management of farmland information according to an embodiment of the present invention.
본 실시예에 따른 농지 정보 자동화 관리장치(7)는 선택 농지 결정부(70), 정보 획득부(71), 정보 분석부(72), 비교 처리부(73), 필지 판단부(74) 및 정보 관리부(75)를 포함한다. 도 2의 농지 정보 자동화 관리장치(7)는 일 실시예에 따른 것으로서, 도 2에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 농지 정보 자동화 관리장치(7)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다.The farmland information automation management apparatus 7 according to the present embodiment includes the selected
농지 정보 자동화 관리장치(7)는 선택 농지에 대한 농지 정보 및 재배지 정보를 디지털화하고, 농지 정보 및 상기 재배지 정보를 검증하여 관리하는 동작을 수행한다. 이하, 농지 정보 자동화 관리장치(7)에 포함된 구성요소 각각에 대해 설명하도록 한다. The farmland information automation management apparatus 7 digitizes farmland information and cultivated land information for the selected farmland, and verifies and manages the farmland information and the cultivated land information. Hereinafter, each of the components included in the automated farmland information management device 7 will be described.
선택 농지 결정부(70)는 복수의 농지 중 적어도 하나의 선택 농지를 결정한다. The selected
선택 농지 결정부(70)는 사용자의 조작 또는 입력에 의해 선정된 농지를 선택 농지로 결정할 수 있으나 반드시 이에 한정되는 것은 아니다. 예를 들어, 선택 농지 결정부(70)는 복수의 농지 중 소정의 조건(예: 주기적인 농지 관리 기간, 농지 확인 요청)에 해당하는 농지를 선택 농지로 결정할 수 있다. The selected
정보 획득부(71)는 선택 농지에 대한 정보 요청신호를 전송하고, 정보 요청신호에 대응하는 농지 정보 및 재배지 정보를 농지 정보 제공장치(2)로부터 획득한다. 여기서, 농지 정보 및 재배지 정보는 농지 정보 제공장치(2)로부터 획득하는 것이 바람직하나 반드시 이에 한정되는 것은 아니다. 농지 정보는 농지 원부 정보, 농지 대장 정보 각각에 대한 정보를 포함할 수 있으며, 재배지 정보는 재배지 위치, 재배 면적, 재배 작물의 종류, 재배 작물의 상태 등을 포함할 수 있다.The
정보 분석부(72)는 재배지 정보를 분석하여 재배 작물 분석 정보를 생성한다. The
정보 분석부(72)는 재배지 정보에 포함된 재배지 위치, 재배 면적, 재배 작물의 종류, 재배 작물의 상태 등에 대한 내용을 분석한다. 정보 분석부(72)는 분석된 내용 중 농지 정보와의 비교 처리를 위한 재배지 정보의 전체 또는 일부를 추출하여 재배 작물 분석 정보를 생성한다. The
비교 처리부(73)는 재배 작물 분석 정보와 농지 정보를 비교 처리하여 농지 분석 결과정보를 생성한다. The
비교 처리부(73)는 농지 정보에 포함된 농지 원부 정보 및 농지 대장 정보를 비교하여 검증을 수행하고, 검증된 기준 농지 정보를 생성한다. 이후, 비교 처리부(73)는 기준 농지 정보와 재배 작물 분석결과를 비교하여 농지 분석 결과정보를 생성한다. The
비교 처리부(73)는 농지 원부 정보 및 농지 대장 정보 각각에 포함된 내용을 동일 또는 유사 카테고리 위주로 비교하여 검증을 수행하여 기준 농지 정보를 생성한다. 비교 처리부(73)에서는 기 설정된 조건에 따라 농지 원부 정보에 포함된 제1 카테고리와 농지 대장 정보에 포함된 제2 카테고리를 비교하고, 비교 결과 유사도가 기준 임계치를 초과하는 경우 하나의 카테고리(예: 제1 카테고리, 제2 카테고리, 신규 카테고리 등)로 통합하여 기준 농지 정보를 생성할 수 있다. The
비교 처리부(73)는 재배 작물 분석 정보와 농지 정보를 기반으로 작물 재배 여부, 재배 작물 종류 확인 및 작물 재배 히스토리 확인 중 적어도 하나의 조건을 비교하여 농지 분석 결과정보를 생성한다. 여기서, 비교 처리부(73)는 재배 작물 분석 정보와 농지 원부 정보 및 농지 대장 정보를 포함하는 농지 정보를 이용하여 농지 분석 결과정보를 생성하는 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니다. 예를 들어, 비교 처리부(73)는 농지 원부 정보 및 농지 대장 정보 각각에 포함된 내용에 대해 검증을 수행하여 생성된 기준 농지 정보와 재배 작물 분석 정보를 비교하여 농지 분석 결과정보를 생성할 수도 있다. The
필지 판단부(74)는 농지 분석 결과정보를 기반으로 선택 농지에 대한 농지 사용 필지 여부를 판단한다. The
필지 판단부(74)는 농지 분석 결과정보에 근거하여 작물 재배 여부, 재배 작물 종류 및 작물 재배 히스토리 등이 농지 정보와 일치하는 경우 선택 농지가 농지 사용 필지인 것으로 판단한다. The
한편, 필지 판단부(74)는 농지 분석 결과정보에 근거하여 작물 재배 여부, 재배 작물 종류 및 작물 재배 히스토리 등이 농지 정보와 일치하지 않는 경우, 선택 농지가 농지 사용 필지가 아닌 것으로 판단한다. On the other hand, the
정보 관리부(75)는 농지 사용 필지의 판단 결과에 근거하여 자동 리포트를 생성하여 선택 농지에 대한 농지 정보 및 재배지 정보를 관리한다. 여기서, 자동 리포트는 선택 농지에 대한 농지 정보 및 재배지 정보를 최신 상태로 갱신하여 관리하기 위한 정보로서, 농지 정보 및 재배지 정보 각각에 포함된 복수의 정보 각각을 디지털화한 데이터 형태로 생성될 수 있다. The
정보 관리부(75)는 농지 사용 필지의 판단 결과에 근거하여 선택 농지가 농지 사용 필지인 것으로 판단된 경우, 농지 대장 및 재배지 정보를 디지털화하여 자동 리포트를 생성하여 선택 농지에 대한 농지 정보 및 재배지 정보를 최신 상태로 갱신한다. When the
한편, 정보 관리부(75)는 농지 사용 필지의 판단 결과에 근거하여 선택 농지가 농지 사용 필지가 아닌 것으로 판단된 경우, 재배정보 관리장치로 정보 재요청 신호를 전송하여 선택 농지에 따른 무인 비행체의 비행 경로를 재생성되도록 한다. 이후, 정보 관리부(75)는 재생성된 비행 경로에 따라 무인 비행체가 획득한 작물 영상 기반의 신규 재배지 정보를 재획득하여 농지 사용 필지의 판단 결과가 재생성되도록 한다. On the other hand, when the
정보 관리부(75)는 농지 사용 필지의 판단 결과가 재생성되도록 하고, 재생성된 농지 사용 필지의 판단 결과에 근거하여 자동 리포트를 생성하여 선택 농지에 대한 농지 정보 및 재배지 정보를 관리한다. 여기서, 신규 재배지 정보를 재획득, 농지 사용 필지의 판단 결과 재생성 등의 동작은 재배정보 관리장치(6)와 연동하여 정보 분석부(72), 비교 처리부(73) 및 필지 판단부(74) 등을 통해 수행되는 것이 바람직하나 반드시 이에 한정되는 것은 아니며, 별도의 정보 재처리부(미도시)를 통해 수행될 수도 있다. The
도 3 및 도 4는 본 발명의 실시예에 따른 농지 정보 자동화 관리 방법을 설명하기 위한 순서도이다. 3 and 4 are flowcharts illustrating an automated farmland information management method according to an embodiment of the present invention.
도 3은 농지 정보 자동화 관리 시스템(1)의 농지 정보 자동화 관리 방법을 설명하기 위한 순서도를 나타낸다. 3 shows a flowchart for explaining the automated farmland information management method of the automated farmland
농지 정보 자동화 관리 시스템(1)의 농지 정보 제공장치(2)는 복수의 농지 각각의 농지 원부 정보 및 농지 대장을 기반으로 농지 정보를 저장 및 관리한다(S31).The farmland information providing device 2 of the automated farmland
농지 정보 제공장치(2)는 농지 원부에 근거하여 농지 원부 정보를 획득한다. 농지 원부는, 농지의 소유나 실태를 파악하기 위하여, 농지 소재지의 관리부서에서 관리하는 장부이다. 농지 원부는 농지를 소유한 소유권자 또는 실제 경작자로서, 다년생식물을 재배하는 자를 대상으로 작성되는 것이다. The farmland information providing device 2 acquires farmland information on the basis of the farmland register. The farmland ledger is a book managed by the management department of the farmland location in order to grasp the ownership or actual condition of farmland. The farmland register is prepared for those who grow perennial plants as the owner or actual cultivator of farmland.
또한, 농지 정보 제공장치(2)는 복수의 농지에 대한 농지 정보를 관리하는 정보가 수록되는 농지 대장을 관리한다. 농지 정보 제공장치(2)는 농지 대장을 생성 및 관리하며, 농지 대장은 기존에는 존재하는 개념은 아니나, 기본적으로 토지 대장의 개념을 승계한 것이다. 농지 대장은, 농지의 소재, 지번, 지목, 면적, 농지 소유 자의 이름, 주민번호, 성명 등 농지의 상황을 명확하게 기록하는 장부를 의미한다. In addition, the farmland information providing device 2 manages a farmland ledger in which information for managing farmland information for a plurality of farmlands is recorded. The farmland information providing device 2 creates and manages the farmland ledger, and the farmland ledger is not an existing concept, but basically inherits the concept of the land ledger. Farmland ledger refers to a book that clearly records the situation of farmland, such as the location of farmland, lot number, land title, area, farmland owner's name, resident number, and name.
또한, 농지 정보 제공장치(2)는 농지 정보 및 재배지 정보를 저장한다. 또한, 농지 정보 제공장치(2)는 농지 원부 정보 및 농지 대장 정보를 포함하는 농지 정보를 저장한다. 농지 정보 제공장치(2)는 복수의 농지 각각에 대한 재배지 정보를 저장한다. In addition, the farmland information providing device 2 stores farmland information and cultivated land information. In addition, the farmland information providing device 2 stores farmland information including farmland register information and farmland ledger information. The farmland information providing device 2 stores plantation information for each of a plurality of farmland.
농지 정보 자동화 관리 시스템(1)의 재배정보 관리장치(6)는 복수의 농지 각각의 재배 현황에 대한 재배지 정보를 관리한다(S32). The cultivation information management device 6 of the automated farmland
재배정보 관리장치(6)는 복수의 농지 중 선택된 적어도 하나의 선택 농지의 재배 현황에 대한 재배지 정보를 관리한다. 여기서, 재배지 정보는 재배지 위치, 재배 면적, 재배 작물의 종류, 재배 작물의 상태 등을 포함할 수 있다. The cultivation information management device 6 manages cultivation site information on the cultivation status of at least one selected farmland selected from among a plurality of farmland. Here, the plantation information may include a plantation location, a planting area, a type of a cultivated crop, a state of a cultivated crop, and the like.
농지 정보 자동화 관리 시스템(1)의 농지 정보 자동화 관리장치(7)는 복수의 농지 중 선택 농지에 대한 농지 정보 및 재배지 정보를 획득하여 디지털화하고, 농지 정보 및 재배지 정보를 검증하여 관리한다(S33).The farmland information automation management device 7 of the farmland information
도 4는 도 3의 단계 S33을 구체적으로 설명하기 위한 순서도를 나타낸다. 4 is a flowchart for specifically explaining step S33 of FIG. 3 .
농지 정보 자동화 관리장치(7)는 복수의 농지 중 적어도 하나의 선택 농지를 결정한다(S41). 농지 정보 자동화 관리장치(7)는 사용자의 조작 또는 입력에 의해 선정된 농지를 선택 농지로 결정할 수 있으나 반드시 이에 정되는 것은 아니며, 복수의 농지 중 소정의 조건(예: 주기적인 농지 관리 기간, 농지 확인 요청)에 해당하는 농지를 선택 농지로 결정할 수 있다.The farmland information automation management device 7 determines at least one selected farmland among a plurality of farmland (S41). The farmland information automation management apparatus 7 may determine the farmland selected by the user's manipulation or input as the selected farmland, but is not necessarily limited thereto, and a predetermined condition (eg, periodic farmland management period, farmland Confirmation request) can be determined as the selected farmland.
농지 정보 자동화 관리장치(7)는 농지 정보 및 재배지 정보를 획득한다(S42).The farmland information automation management device 7 acquires farmland information and cultivated land information (S42).
농지 정보 자동화 관리장치(7)는 선택 농지에 대한 정보 요청신호를 전송하고, 정보 요청신호에 대응하는 농지 정보 및 재배지 정보를 농지 정보 제공장치(2)로부터 획득한다. 여기서, 농지 정보는 농지 원부 정보, 농지 대장 정보 각각에 대한 정보를 포함할 수 있으며, 재배지 정보는 재배지 위치, 재배 면적, 재배 작물의 종류, 재배 작물의 상태 등을 포함할 수 있다.The farmland information automation management device 7 transmits an information request signal for the selected farmland, and obtains farmland information and cultivated land information corresponding to the information request signal from the farmland information providing device 2 . Here, the farmland information may include information on each of farmland register information and farmland ledger information, and the farmland information may include a location of a cultivation site, a cultivation area, a type of cultivated crop, a state of a cultivated crop, and the like.
농지 정보 자동화 관리장치(7)는 재배지 정보를 분석하여 재배 작물 분석 정보를 생성한다(S43). 농지 정보 자동화 관리장치(7)는 재배지 정보에 포함된 재배지 위치, 재배 면적, 재배 작물의 종류, 재배 작물의 상태 등에 대한 내용을 분석한다.The farmland information automation management device 7 analyzes the plantation information and generates cultivated crop analysis information (S43). The farmland information automation management device 7 analyzes the contents of the cultivation site location, cultivation area, types of cultivated crops, the state of cultivated crops, etc. included in the cultivation site information.
농지 정보 자동화 관리장치(7)는 재배 작물 분석 정보와 농지 정보를 비교 처리하여 농지 분석 결과정보를 생성한다(S44).The farmland information automation management device 7 compares and processes cultivated crop analysis information and farmland information to generate farmland analysis result information (S44).
농지 정보 자동화 관리장치(7)는 농지 정보에 포함된 농지 원부 정보 및 농지 대장 정보를 비교하여 검증을 수행하고, 검증된 기준 농지 정보를 생성한다. 이후, 농지 정보 자동화 관리장치(7)는 기준 농지 정보와 재배 작물 분석결과를 비교하여 농지 분석 결과정보를 생성한다. The farmland information automation management device 7 performs verification by comparing farmland register information and farmland ledger information included in farmland information, and generates verified reference farmland information. Thereafter, the farmland information automation management device 7 compares the reference farmland information and the cultivated crop analysis result to generate farmland analysis result information.
구체적으로, 농지 정보 자동화 관리장치(7)는 농지 원부 정보 및 농지 대장 정보 각각에 포함된 내용을 동일 또는 유사 카테고리 위주로 비교하여 검증을 수행하여 기준 농지 정보를 생성한다. 농지 정보 자동화 관리장치(7)에서는 기 설정된 조건에 따라 농지 원부 정보에 포함된 제1 카테고리와 농지 대장 정보에 포함된 제2 카테고리를 비교하고, 비교 결과 유사도가 기준 임계치를 초과하는 경우 하나의 카테고리(예: 제1 카테고리, 제2 카테고리, 신규 카테고리 등)로 통합하여 기준 농지 정보를 생성할 수 있다. Specifically, the farmland information automation management device 7 generates reference farmland information by comparing and verifying the contents included in each of the farmland register information and farmland ledger information based on the same or similar categories. The farmland information automation management device 7 compares the first category included in the farmland register information with the second category included in the farmland ledger information according to a preset condition, and when the similarity exceeds the reference threshold as a result of the comparison, one category (eg, 1st category, 2nd category, new category, etc.) can be integrated to generate reference farmland information.
또한, 농지 정보 자동화 관리장치(7)는 재배 작물 분석 정보와 농지 정보를 기반으로 작물 재배 여부, 재배 작물 종류 확인 및 작물 재배 히스토리 확인 중 적어도 하나의 조건을 비교하여 농지 분석 결과정보를 생성한다. In addition, the farmland information automation management device 7 generates farmland analysis result information by comparing at least one condition of whether crops are grown, whether to cultivate crops, check the types of cultivated crops, and check the history of crop cultivation based on the cultivated crop analysis information and the farmland information.
농지 정보 자동화 관리장치(7)는 농지 분석 결과정보를 기반으로 선택 농지에 대한 농지 사용 필지 여부를 판단한다(S45).The farmland information automation management device 7 determines whether to use farmland for the selected farmland based on farmland analysis result information (S45).
농지 정보 자동화 관리장치(7)는 농지 분석 결과정보에 근거하여 작물 재배 여부, 재배 작물 종류 및 작물 재배 히스토리 등이 농지 정보와 일치하는 경우 선택 농지가 농지 사용 필지인 것으로 판단한다. 한편, 농지 정보 자동화 관리장치(7)는 농지 분석 결과정보에 근거하여 작물 재배 여부, 재배 작물 종류 및 작물 재배 히스토리 등이 농지 정보와 일치하지 않는 경우, 선택 농지가 농지 사용 필지가 아닌 것으로 판단한다. The farmland information automation management device 7 determines that the selected farmland is the farmland use lot when whether or not crops are grown, the types of cultivated crops, crop cultivation history, etc. match the farmland information based on the farmland analysis result information. On the other hand, the farmland information automation management device 7 determines that the selected farmland is not the farmland use lot when the crop cultivation, the type of cultivated crop, the crop cultivation history, etc. do not match the farmland information based on the farmland analysis result information. .
농지 정보 자동화 관리장치(7)는 농지 사용 필지의 판단 결과에 근거하여 자동 리포트를 생성하여 선택 농지에 대한 농지 정보를 관리한다(S46). 여기서, 자동 리포트는 선택 농지에 대한 농지 정보 및 재배지 정보를 최신 상태로 갱신하여 관리하기 위한 정보로서, 농지 정보 및 재배지 정보 각각에 포함된 복수의 정보 각각을 디지털화한 데이터 형태로 생성될 수 있다. The farmland information automation management apparatus 7 manages farmland information on the selected farmland by generating an automatic report based on the determination result of the farmland used lot (S46). Here, the automatic report is information for updating and managing farmland information and cultivated land information on the selected farmland to the latest state, and may be generated in the form of data obtained by digitizing each of a plurality of pieces of information included in each of the farmland information and the cultivated land information.
농지 정보 자동화 관리장치(7)는 농지 사용 필지의 판단 결과에 근거하여 선택 농지가 농지 사용 필지인 것으로 판단된 경우, 농지 대장 및 재배지 정보를 디지털화하여 자동 리포트를 생성하여 선택 농지에 대한 농지 정보 및 재배지 정보를 최신 상태로 갱신한다. When it is determined that the selected farmland is the farmland-used lot based on the determination result of the farmland-using lot, the farmland information automation management device 7 digitizes the farmland ledger and cultivated land information to generate an automatic report to generate an automatic report on the selected farmland information and Update plantation information to the latest state.
한편, 농지 정보 자동화 관리장치(7)는 농지 사용 필지의 판단 결과에 근거하여 선택 농지가 농지 사용 필지가 아닌 것으로 판단된 경우, 재배정보 관리장치로 정보 재요청 신호를 전송하여 선택 농지에 따른 무인 비행체의 비행 경로를 재생성되도록 하며, 재생성된 비행 경로에 따라 무인 비행체가 획득한 작물 영상 기반의 신규 재배지 정보를 재획득하여 농지 사용 필지의 판단 결과가 재생성되도록 한다. On the other hand, if the farmland information automation management device 7 determines that the selected farmland is not a farmland-use lot based on the determination result of the farmland-use lot, it transmits an information re-request signal to the cultivation information management device and unmanned according to the selected farmland The flight path of the aircraft is regenerated, and the new plantation information based on the crop image acquired by the unmanned aerial vehicle is re-acquired according to the regenerated flight path, so that the judgment result of the farmland used land is reproduced.
도 3 및 도 4 각각에서는 각 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 3 및 도 4 각각에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 3 및 도 4는 시계열적인 순서로 한정되는 것은 아니다.In each of FIGS. 3 and 4 , each step is described as being sequentially executed, but the present invention is not limited thereto. In other words, since it may be applicable to changing and executing the steps described in each of FIGS. 3 and 4 or executing one or more steps in parallel, FIGS. 3 and 4 are not limited to a chronological order.
도 3 및 도 4에 기재된 본 실시예에 따른 농지 정보 자동화 관리 방법은 애플리케이션(또는 프로그램)으로 구현되고 단말장치(또는 컴퓨터)로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 농지 정보 자동화 관리 방법을 구현하기 위한 애플리케이션(또는 프로그램)이 기록되고 단말장치(또는 컴퓨터)가 읽을 수 있는 기록매체는 컴퓨팅 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치 또는 매체를 포함한다.The automated farmland information management method according to this embodiment described in FIGS. 3 and 4 may be implemented as an application (or program) and recorded in a terminal device (or computer) readable recording medium. All types of records in which an application (or program) for implementing the automated farmland information management method according to this embodiment is recorded and a terminal device (or computer) readable recording medium stores data that can be read by a computing system device or medium.
재배지 정보 관리 서버는 도 5 부터 상세하게 기술되어 있다. 재배정보 관리장치(6)는 작물 재배 정보 서비스 플랫폼 형태로 운용될 수 있다. 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)를 활용하여 영상 정보를 전달 받아 빠르고 정확한 재배 면적 파악이 가능하다. 작물 재배 정보 서비스 플랫폼(10)은 빠르고, 정확한 관측이 가능하며, 경제적 효과를 가져올 수 있으며, 관측의 양과 질을 높일 수 있다. 이에 따라 농민의 소득을 보장할 수 있으며, 소비자 가격이 안정될 수 있으며, 농업 관측 정확도를 제고하고 수급 예측력을 강화할 수 있다.The plantation information management server is described in detail from FIG. 5 . The cultivation information management device 6 may be operated in the form of a crop cultivation information service platform. The crop cultivation
여기서, 빠른 관측은 작목 전환 또는 수급 대비를 위한 빠른 결과물을 도출할 수 있으며, 정확한 관측은 부정확한 관측 데이터의 고도화와 현대화가 가능하고, 경제적 관측은 관측 소요 비용과 관측 오차로 인한 경제 피해가 감소하는 효과가 있다. 또한, 관측의 양과 질은 기상재해, 병해충, 식생지수 등의 다양한 정보를 제공할 수 있는 효과가 있다.Here, fast observation can lead to quick results for crop conversion or supply and demand preparation, accurate observation enables the advancement and modernization of inaccurate observation data, and economic observation reduces the cost of observation and economic damage caused by observation errors. has the effect of In addition, the quantity and quality of observation have the effect of providing various information such as meteorological disasters, pests, and vegetation index.
무인 비행체(20)는 재배 작물에 대해 조사할 수 있으며, 영상을 획득하여 신속하고 정확한 작물 재배 면적 및 생육을 관측할 수 있으며, 지형에 따른 고도를 반영한 비행을 통하여 지형이 험준한 지역에서도 관측할 수 있다.The unmanned
본 발명의 일 실시예에 따르면, 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)를 이용한 촬영을 통해 작물의 재배 면적의 시기별, 순차적 변화 양상을 파악하여 표출할 수 있다. 작물 재배 정보 서비스 플랫폼(10)은 드론을 활용하여 획득한 이미지의 빠르고 정확한 처리와 지리정보시스템(GIS, Geographic Information System) 기반의 시계열 변화관리를 통해 관측업무의 효율성을 향상시키고 농업 관측업무 전반에 드론 영상 데이터를 효과적으로 활용할 수 있다. 여기서, 작물은 고랭지 배추인 것이 바람직하나 반드시 이에 한정되는 것은 아니다.According to an embodiment of the present invention, the crop cultivation
지리정보시스템(GIS, Geographic Information System)은 지리정보 즉 공간적으로 분포하는 정보를 처리, 관리하는 정보시스템의 일종이다. 여기서 공간적으로 분포하는 정보 즉 지리정보는 보통 지도의 형태로 나타나며, 지리정보시스템은 이러한 지리정보를 입력, 저장, 처리, 분석, 관리, 출력 등을 할 수 있는 정보시스템을 의미한다. GIS는 농가 지도(Farm Map) 기반의 필지 구분 및 면적 도출할 수 있다. 여기서, Farm Map은 필지 별 경계선을 추출할 때 이용될 수 있다.Geographic Information System (GIS) is a kind of information system that processes and manages geographic information, that is, spatially distributed information. Here, spatially distributed information, that is, geographic information is usually presented in the form of a map, and the geographic information system refers to an information system that can input, store, process, analyze, manage, and output such geographic information. The GIS can classify lots and derive the area based on a farm map. Here, the Farm Map may be used when extracting a boundary line for each lot.
따라서, 작물 재배 정보 서비스 플랫폼(10)은 재배 면적의 시계열적 변화를 관측할 수 있으며, 드론을 통한 재배 면적, 출하 변동 관측의 경제성 및 효용성을 확인할 수 있고, 실시간 영상 파악으로 변동성 파악이 가능하며, 노지 작물을 효과적으로 관측하고, 고도화를 위한 병해충, 기상 피해 상황 파악 등 생육 판단의 기초 데이터를 선제적으로 확보할 수 있다.Therefore, the crop cultivation
도 5은 본 발명의 일 실시예에 따른 작물 재배 정보 서비스 플랫폼을 이용한 작물 재배 정보 서비스를 나타내는 예시도이다. 작물 정보 관리 서버는, 작물 재배 정보 서비스플랫폼을 통해 재배지 정보를 획득하고, 이를 농지 정보 데이터베이스(4)에 저장시킨다.5 is an exemplary diagram illustrating a crop cultivation information service using a crop cultivation information service platform according to an embodiment of the present invention. The crop information management server acquires plantation information through the crop cultivation information service platform, and stores it in the
도 5을 참조하면, 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20), 제1 단말기(30) 및 제2 단말기(32)와 정보를 주고 받을 수 있으며, 도 5에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함하여 정보를 주고 받을 수 있다.Referring to FIG. 5 , the crop cultivation
도 5을 참조하면, 작물 재배 정보 서비스 플랫폼(10)은 작물 상태 판단 장치(12) 및 모니터링부(14)를 포함할 수 있다. 여기서, 작물 상태 판단 장치(12)는 작물 재배 정보 서비스 플랫폼(10)에 포함되어 구현될 수 있지만, 별도의 장치로 구현될 수도 있다.Referring to FIG. 5 , the crop cultivation
작물 상태 판단 장치(12)는 무인 비행체(20)에서 획득한 작물 영상을 전달받아 작물의 종류 및 작물의 상태를 판단하는 장치이다. 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)가 비행한 비행 경로와 작물 상태 판단 장치(12)에서 판단된 작물의 종류 및 작물의 상태를 이용하여 작물 지도를 생성할 수 있다.The crop
본 발명의 일 실시예에 따르면, 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)를 통해 비행을 실행하여 생산된 영상 정보를 활용할 수 있다. 무인 비행체(20)는 이미지, 열 영상, 초분광 영상 등을 획득하여 작물 재배 정보 서비스 플랫폼(10)에 전송할 수 있다. 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)의 비행경로를 생성하고 실증하고, 무인 비행체(20)에서 생산된 정보를 취합하며, 빅데이터를 가공하여 AI 작물 분류, 재배, 수확 현황 도출, 시각화, GIS 기반 분석 표출 등을 수행하고, 공간 정보를 활용하여 비행 경로, 수집방법 개발(DSM 3D 지형 입력, Farm Map 입력) 및 조사 영역, 전송 데이터 송수신 등을 조사원이 관리할 수 있다. 또한, 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)의 경로 제공, 수집, 저장, 분석 등을 무인 비행체(20)를 관리하는 어플, 공공기관, 연구 기관, 기업, 학계, 타산업군 등에 제공할 수 있으며, 반드시 이에 한정되는 것은 아니다.According to an embodiment of the present invention, the crop cultivation
무인 비행체(20)는 비행 경로를 따라 비행을 수행하며 환경 정보 또는 작물 영상을 획득한다. 여기서, 비행 경로는 무인 비행체(20)가 비행을 수행하며 환경 정보 또는 작물 영상을 획득하기 위해 비행하는 경로로서, 이륙 지점과 착륙 지점을 고려하여 비행하는 경로를 생성할 수 있다.The unmanned
제1 단말기(30) 및 제2 단말기(32)는 작물 재배 정보 서비스 플랫폼(10)과 무인 비행체(20)가 처리하는데 필요한 데이터를 전송하고, 처리된 데이터를 수신하는 전자 장치이다. 제1 단말기(30) 및 제2 단말기(32)는 컴퓨팅 디바이스로 구현될 수 있으며, 스마트폰(Smart Phone), 개인용 컴퓨터(Personal Computer, PC), 태블릿 PC(Tablet PC), 휴대용 개인정보 단말기(Personal Digital Assistant, PDA), 랩톱(Laptop) 등이 있을 수 있으나 이에 한정되는 것은 아니다.The
작물 재배 정보 서비스 플랫폼(10), 무인 비행체(20), 제1 단말기(30) 및 제2 단말기(32)는 통신망으로 연결되어 있다. 통신망은 작물 재배 정보 서비스 플랫폼(10), 무인 비행체(20), 제1 단말기(30) 및 제2 단말기(32) 간의 통신을 가능케 할 목적으로 연결해 놓은 통신설비의 집합을 의미한다. 통신망은 노드(Node), 회선, 간선, 및 위성 등을 포함하고 이들은 서로 연결 및 접속되어 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10), 무인 비행체(20), 제1 단말기(30) 및 제2 단말기(32)는 유무선통신이 가능하다. 예컨대, 무선통신에는 근거리 무선통신, 원거리 무선통신, 이동통신, 및 무선랜 통신 등 다양한 통신 프로토콜이 사용될 수 있다. 무선통신 프로토콜을 예로 들면, 근거리 무선통신(Near Field Communication, NFC), 지그비(ZigBee), 블루투스(Bluetooth), 와이파이(Wi-Fi), 와이맥스(WiMAX), GSM(Global System For Mobile Communication), 3G(Third Generation) 이동통신, LTE(Long Term Evolution), 4G, 5G 등이 있으나, 이에 한정되는 것은 아니다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 데이터베이스를 포함한다. 데이터베이스는 데이터의 검색, 추출, 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터의 저장형태를 의미한다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), 관계형 데이터베이스 관리시스템(Relational Data Base Management System, RDBMS), 겜스톤(Gemston), 오리온(Orion), 객체 지향형 데이타베이스 관리 시스템(Object Oriented Database Management System, OODBMS) 분산 데이터베이스, 클라우드 등을 이용하여 본 실시예의 목적에 맞게 구현될 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 프로세서 및 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함한다. 여기서, 작물 재배 정보 서비스 플랫폼(10)은 작물 재배 정보 서비스 서버로 구현될 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 프로세서에 의해 후술하는 과정들이 수행될 수 있으며, 과정에 따른 데이터가 메모리에 저장될 수 있으며, 반드시 이에 한정되는 것은 아니다.In the crop cultivation
본 발명의 일 실시예에 따르면, 프로세서는 작물 재배 정보 서비스 플랫폼(10), 무인 비행체(20), 제1 단말기(30) 및 제2 단말기(32)가 서로 정보를 주고 받는 행위에 의한 행동 이력을 생성하고 저장할 수 있다. 예를 들어, 행동 이력은 작물 재배 정보 서비스 플랫폼(10)이 제1 단말기(30) 및 제2 단말기(32)에 제공하는 작물 지도, 무인 비행체(20)에 제공하는 비행 경로 등을 포함할 수 있으며, 이를 통해 지역 별 작물 지도 제공 상황, 일정 기간 동안 무인 비행체(20)가 비행한 이력 등을 확인할 수 있다.According to one embodiment of the present invention, the processor is a crop cultivation
본 발명의 일 실시예에 따르면, 무인 비행체(20)와 작물 재배 정보 서비스 플랫폼(10)은 실시간으로 데이터를 주고 받으며, 4G, 5G 무선망 및 Wifi를 활용하여 이미지 즉시 전송이 가능하고, 데이터 삭제 전송기능을 수행할 수 있다.According to an embodiment of the present invention, the unmanned
무인 비행체(20)는 획득한 작물 영상을 실시간으로 작물 재배 정보 서비스 플랫폼(10)에 전송하고, 위도, 경도, 상태 정보, 짐벌 상태 정보 등을 추가적으로 전송할 수 있다.The unmanned
제1 단말기(30)는 무인 비행체(20)를 확인하는 사용자가 사용하는 단말기로서, 실시간 앱을 통해 영상 정보 및 비행 정보를 실시간으로 확인할 수 있으며, 무인 비행체(20)와 OcuSync, Lightbridge2, WiFi 등을 통해 통신을 수행할 수 있다.The
제2 단말기(32)는 재배면적, 수확현황, 생육, 병해충, 재해 정보를 시각화한 작물 지도를 모니터링할 수 있는 단말기로, 정보를 제공받으려는 공공기관, 국민, 연구기관, 기업, 학계, 타산업군 등에서 사용되는 단말기일 수 있으며 반드시 이에 한정되는 것은 아니다.The
작물 재배 정보 서비스 플랫폼(10)은 기 설정된 지형 정보와 이륙 지점 및 착륙 지점을 고려하여 형성된 필지에 따른 무인 비행체(20)의 비행 경로를 생성할 수 있다. 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)가 획득한 작물 영상을 전달받아 분석하여 비행 경로에 따른 작물 정보를 획득하며, 비행 경로 및 작물 정보를 기반으로 재배 면적 별 수확 현황 및 재해 현황에 따른 작물 지도를 생성할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 필지에 대한 필지 정보를 포함하는 기 설정된 지형 정보를 기반으로 필지의 중심점을 나타내는 상기 필지의 대표점을 추출하고, 추출된 대표점에 따라 비행 궤적을 고려하여 비행 경로를 생성할 수 있다. The crop cultivation
필지 정보는 필지간 구분 경계 정보, 필지에 포함되는 영역들의 고도 정보를 포함할 수 있다.The lot information may include division boundary information between parcels and altitude information of areas included in the lot.
작물 재배 정보 서비스 플랫폼(10)은 비행 경로 생성 시 무인 비행체(20)의 이착륙 지점을 설정할 수 있다. 여기서, 이착륙 지점은 이륙과 착륙이 모두 가능한 지점이다. 이착륙 지점은 접근성이 용이한 곳으로, 전신주, 교목 등이 없고 시야 확보가 용이한 곳으로 설정할 수 있다. 또한, 주민차량 통행에 방해가 되지 않는 곳에 이착륙 지점이 설정될 수 있다.The crop cultivation
본 발명의 일 실시예에 따르면, 이착륙 지점은 이륙 지점과 착륙 지점을 포함하는 2곳으로 설정될 수 있으나 반드시 이에 한정되는 것은 아니며, 적어도 하나 이상의 이착륙 지점을 설정할 수 있다. 적어도 하나 이상의 이착륙 지점을 통해 무인 비행체(20)는 이륙과 착륙을 안전하게 수행할 수 있다.According to an embodiment of the present invention, two take-off and landing points may be set including a take-off point and a landing point, but the present invention is not limited thereto, and at least one take-off and landing point may be set. The unmanned
이착륙 지점은 작물 재배 정보 서비스 플랫폼(10)에서 설정될 수 있으며, 무인 비행체(20)로 이착륙 지점의 좌표를 송신할 수 있다.The take-off and landing points may be set in the crop cultivation
또한, 무인 비행체(20)는 복수의 서브 영역을 비행하며 작물 영상을 획득할 수 있다. 이때, 서브 영역은 면적, 고도차 등을 기준으로 적어도 두 영역으로 작물 재배 정보 서비스 플랫폼(10)에서 분할되어 설정될 수 있다.In addition, the unmanned
작물 재배 정보 서비스 플랫폼(10)은 비행 경로를 제외하고 재설정한 재설정 경로를 무인 비행체(20)로 전송할 수 있다.The crop cultivation
재설정 경로는 비행 경로에 따라 획득한 작물 영상을 통해 작물 정보를 인식하지 못한 경우, 작물 영상을 재촬영하기 위한 경로를 추가로 더 포함할 수 있다. 구체적으로, 재설정 경로는 비행 경로를 따라서 무인 비행체(20)가 이동하면서 주변 환경 정보를 획득하고, 획득한 환경 정보를 기반으로 최적의 비행 경로를 재설정하여 생성될 수 있다. 여기서, 환경 정보는 장애물의 개수, 장애물의 크기, 날씨 등과 같이 무인 비행체(20)가 비행하며 작물 영상을 촬영하는데 있어 방해되는 요소를 포함할 수 있다.The reset path may further include a path for re-photographing the crop image when crop information is not recognized through the crop image acquired according to the flight path. Specifically, the reset path may be generated by acquiring the surrounding environment information while the unmanned
작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)의 비행 경로에 따른 이동을 실시간으로 관찰하고, 무인 비행체(20)가 비행 경로를 이탈하는 경우, 무인 비행체(20)의 점검 신호를 생성할 수 있고, 점검 신호에 의해 무인 비행체(20)의 위치 및 이동 방향을 확인하는 GPS, 라이다 센서의 상태를 점검하여 생성된 이상 신호 또는 정상 신호를 전달받을 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)의 상태 점검 시 이상이 있는 경우 이상 신호를 수신하여 무인 비행체(20)가 복귀하기 위한 복귀 신호를 생성하고, 이상이 없는 경우 정상 신호를 수신하여 무인 비행체(20)로 비행 경로를 재전송하여 비행 경로에 따른 이동을 재관찰할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 작물 영상을 합성곱 신경망(CNN, Convolutional Neural Network)을 통해 분석하여 작물 별로 분류하여 작물의 종류 및 작물의 상태를 포함하는 작물 정보를 획득할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 합성곱 신경망을 통해 제1 작물 영상을 분석하여 1차 작물 인식을 수행하고, 1차 작물 인식을 통해 작물 정보를 획득하지 못한 경우, 무인 비행체(20)의 위치 또는 촬영 각도를 조절하여 획득된 제2 작물 영상을 합성곱 신경망을 통해 분석하여 2차 작물 인식을 수행하고, 2차 작물 인식을 통해 작물 정보를 획득하지 못한 경우, 제1 작물 영상 및 제2 작물 영상을 적대적 생성 신경망(GAN)을 통해 합성하여 합성 영상을 생성하고, 생성된 합성 영상을 합성곱 신경망을 통해 분석하여 3차 작물 인식을 수행할 수 있다.The crop cultivation
3차 작물 인식은 제1 작물 영상 또는 제2 작물 영상과 제1 작물 영상 또는 제2 작물 영상의 레이블 정보를 입력으로 하여 생성자를 통해 합성하는 적대적 생성 신경망(GAN)을 통해 생성된 합성 영상을 분석하여 수행될 수 있다. 레이블 정보는 제1 작물 영상 또는 제2 작물 영상이 획득된 시간 정보, 위치 정보 및 색상 정보를 포함할 수 있다.The tertiary crop recognition analyzes the synthesized image generated through the adversarial generative neural network (GAN) that synthesizes the first crop image or the second crop image and the label information of the first crop image or the second crop image through the generator as input. can be performed. The label information may include time information, location information, and color information at which the first crop image or the second crop image was obtained.
작물 재배 정보 서비스 플랫폼(10)은 상기 작물 영상에 합성곱 신경망을 1차적으로 사용하여 작물의 종류에 따른 복수의 분류 모델 및 정상, 결핍, 고온 피해, 병을 포함하는 작물의 상태에 따른 복수의 상태 모델을 학습할 수 있으며, 학습된 복수의 분류 모델을 적용하여 작물 영상에서 추출된 특징을 분석하여 작물의 종류를 판단하며, 판단된 작물의 종류에 상태 모델을 적용하여 작물의 상태를 판단할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 복수의 상태 모델을 적용하여 작물의 상태에 따른 상태 특징값을 추출하고, 상태 특징값과 기 설정된 기준 특징값을 비교하여 정상, 결핍, 고온 피해, 병을 포함하는 상기 작물의 상태를 판단할 수 있으며, 상태 모델에 적용된 시간값을 적용하여 시간값 별 상기 기 설정된 기준 특징값이 변화할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 작물의 종류 및 작물의 상태를 포함하는 작물 정보를 고려하여 비행 경로에 따른 위치에 재배 면적 별 수확 현황 및 재해 현황이 표시되는 작물 지도를 생성할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 비행 경로에 따른 총 면적 중 작물 정보에 따른 재배 면적을 산출하여 작물 정보의 좌표를 추출하여 비행 경로, 작물 정보, 재배 면적 및 좌표를 이용하여 작물 지도를 생성할 수 있다.The crop cultivation
상술한 작물 재배 정보 서비스 플랫폼(10)이 작물의 종류 및 작물 상태를 판단하는 과정은 작물 상태 판단 장치(12)를 통해 수행될 수 있다. 따라서, 작물 상태 판단 장치(12)는 작물의 종류에 따른 복수의 분류 모델 및 작물의 상태에 따른 복수의 상태 모델을 학습하고, 비행 경로를 따라 이동하는 무인 비행체(20)가 획득한 작물 영상을 전달받아 합성곱 신경망(CNN, Convolutional Neural Network)을 통해 분석하여 작물 별로 분류하여 작물의 종류 및 작물의 상태를 포함하는 작물 정보를 획득할 수 있다.The process in which the above-described crop cultivation
작물 지도는 무인 비행체(20)가 작물 영상을 획득함과 동시에 작물 정보를 획득하여 생성될 수 있다.The crop map may be generated by acquiring crop information while the unmanned
본 실시예의 무인 비행체(20)는 드론, 소형 헬리콥터, 비행기 등으로 구현될 수 있으며, 구체적으로, 사람이 탑승하여 조종하지 않고, 주로 원격 조종으로 움직이는 비행체로 구현될 수 있다.The unmanned
본 발명의 일 실시예에 따르면, 작물 재배 정보 서비스 플랫폼(10)은 작물 지도를 통해 주, 월, 년도 별로 작물 데이터를 관리할 수 있다. 구체적으로, 작물 재배 정보 서비스 플랫폼(10)은 매년 매달 작물 상황을 비교할 수 있으며, 년도 별 재배 선호 작물, 재배 면적 변화, 재해에 따른 작물 변화 등을 확인할 수 있으며, 이를 기반으로 앞으로의 상황을 예측하여 제공받으려는 공공기관, 국민, 연구기관, 기업, 학계, 타산업군 등에 제공할 수 있다.According to an embodiment of the present invention, the crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 작물의 종류와 작물의 상태를 포함하는 작물 지도를 제공함에 따라 시장에 유통될 작물의 종류 별 수확량을 예측할 수 있으며, 이를 통해 시장가를 예측할 수 있다. 구체적으로, 작물 재배 정보 서비스 플랫폼(10)은 작물의 종류 별 수확량을 예측하고, 수확량에서 작물의 상태에 따라 폐기되는 양을 예측하여 전체 수확량 중 유통 가능한 작물 비율을 예측할 수 있다.As the crop cultivation
또한, 작물 재배 정보 서비스 플랫폼(10)은 유통 가능한 작물 비율을 이용하여 작물 별 목표 수확량을 수확하기 위해 작물을 재배해야 될 양을 설정하여 제공할 수도 있다. 작물 재배 정보 서비스 플랫폼(10)은 유통 가능한 작물 비율을 기반으로 추가 재배가 필요한 작물의 종류 또는 재배가 더 이상 필요하지 않은 작물의 종류를 제공하여 작물의 재배량을 관리하고 작물 재배 종류를 제안하며, 이에 따라 시장가를 안정적으로 관리할 수 있다.In addition, the crop cultivation
도 6는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 디바이스를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.6 is a block diagram illustrating and describing a computing environment including a computing device suitable for use in example embodiments. In the illustrated embodiment, each component may have different functions and capabilities other than those described below, and may include additional components other than those described below.
도시된 컴퓨팅 환경은 작물 재배 정보 서비스 플랫폼(10)을 포함한다. 일 실시예에서 작물 재배 정보 서비스 플랫폼(10)은 타 단말기와 신호를 송수신하는 모든 형태의 컴퓨팅 기기일 수 있다. The illustrated computing environment includes a crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 적어도 하나의 프로세서(110), 컴퓨터 판독 가능한 저장매체(120) 및 통신 버스(160)를 포함한다. 프로세서(110)는 작물 재배 정보 서비스 플랫폼(10)으로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(110)는 컴퓨터 판독 가능한 저장 매체(120)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(110)에 의해 실행되는 경우 작물 재배 정보 서비스 플랫폼(10)으로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.The crop cultivation
컴퓨터 판독 가능한 저장 매체(120)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능한 저장 매체(120)에 저장된 프로그램(130)은 프로세서(110)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독한 가능 저장 매체(120)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 기기들, 광학 디스크 저장 기기들, 플래시 메모리 기기들, 그 밖에 작물 재배 정보 서비스 플랫폼(10)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.Computer-readable storage medium 120 is configured to store computer-executable instructions or program code, program data, and/or other suitable form of information. The
통신 버스(160)는 프로세서(110), 컴퓨터 판독 가능한 저장 매체(120)를 포함하여 작물 재배 정보 서비스 플랫폼(10)의 다른 다양한 컴포넌트들을 상호 연결한다.
작물 재배 정보 서비스 플랫폼(10)은 또한 하나 이상의 입출력 장치(미도시)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(140) 및 하나 이상의 통신 인터페이스(150)를 포함할 수 있다. 입출력 인터페이스(140) 및 통신 인터페이스(150)는 통신 버스(160)에 연결된다. 입출력 장치(미도시)는 입출력 인터페이스(140)를 통해 작물 재배 정보 서비스 플랫폼(10)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(미도시)는 작물 재배 정보 서비스 플랫폼(10)을 구성하는 일 컴포넌트로서 작물 재배 정보 서비스 플랫폼(10)의 내부에 포함될 수도 있고, 작물 재배 정보 서비스 플랫폼(10)과는 구별되는 별개의 장치로 컴퓨팅 기기와 연결될 수도 있다.The crop cultivation
도 7은 본 발명의 일 실시예에 따른 작물 재배 정보 획득 과정을 순서대로 나타내는 도면이다.7 is a view sequentially illustrating a process of obtaining crop cultivation information according to an embodiment of the present invention.
도 7의 (a)는 작물 재배 정보 서비스 플랫폼(10)에서 비행 경로를 생성하는 과정이다. 이때, 생성된 비행 경로는 무인 비행체(20)로 전달된다. 예를 들어, 풍력 발전소가 위치하는 지역에서는 자기장 영향권을 벗어나도록 경로를 벗어나도록 설계하여 비행 경로를 설정할 수 있다. 이와 같이 비행 경로는 무인 비행체(20)의 비행에 방해가 될 수 있는 요소를 모두 고려하여 설정된다. 비행경로는 목적지의 평면좌표를 추출하고 고도변화값을 반영하여 3차원적인 비행경로가 자동으로 생성될 수 있다.7 (a) is a process of generating a flight path in the crop cultivation information service platform (10). At this time, the generated flight path is transmitted to the unmanned
도 7의 (b)는 무인 비행체(20)가 비행하며 작물 영상을 획득하는 과정이다. 이때, 비행은 도 7의 (a)에서 획득된 비행 경로를 따라 이동한다.7 (b) is a process of acquiring a crop image while the unmanned
무인 비행체(20)는 비행 경로를 따라 이동하며 작물 영상을 획득하고, 획득된 작물 영상을 실시간으로 작물 재배 정보 서비스 플랫폼(10)으로 전송한다.The unmanned
도 7의 (c)는 작물 영상을 전달 받은 작물 재배 정보 서비스 플랫폼(10)에서 작물을 판독하고, 작물의 좌표를 추출하는 과정이다. 이때, 작물 판독은 인공 지능(AI, Artificial Intelligence)을 통해 수행할 수 있으며, 반드시 이에 한정되는 것은 아니다. 구체적으로, 작물 재배 정보 서비스 플랫폼(10)은 작물 판독을 합성곱 신경망(CNN, Convolutional Neural Network)을 통해 수행할 수 있으며, 이는 도 9에서 자세히 설명한다.7 (c) is a process of reading a crop from the crop cultivation
도 7의 (d)는 작물 재배 정보 서비스 플랫폼(10)에서 정사 지도와 주제도를 제작하는 과정으로, 작물 지도를 생성할 수 있다.7( d ) is a process of producing an orthodox map and a subject map in the crop cultivation
정사 지도는 지표면의 비고에 의해 발생하는 작물 영상 상의 각 점의 왜곡을 보정하여 동일 축척이 되도록 만든 지도이다. 구체적으로, 정사 지도는 무인 비행체(20)에서 획득한 작물 영상의 지형 기복에 의한 기하학적 왜곡을 보정하고 모든 물체를 수직으로 내려다보았을 때의 모습으로 변환한 도면이며, 좌표와 주기 포함한다.The orthographic map is a map made to the same scale by correcting the distortion of each point on the crop image caused by the remark of the ground surface. Specifically, the orthographic map is a diagram obtained by correcting geometric distortion caused by terrain undulations in the crop image obtained from the unmanned
주제도는 특정한 주제를 표현할 것을 목적으로 작성된 지도이다. 본 발명의 일 실시예에 따르면, 주제도는 필지에 따라 작물이 구분되어 표시되는 지도일 수 있으며, 반드시 이에 한정되는 것은 아니다.Thematic map is a map created for the purpose of expressing a specific topic. According to an embodiment of the present invention, the subject map may be a map in which crops are divided and displayed according to parcels, but is not necessarily limited thereto.
작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)를 통해 촬영과 동시에 작물의 종류를 판독하고, 지도상에 표시하고 재배 면적을 도출할 수 있다. 이때, 작물 재배 정보 서비스 플랫폼(10)은 실시간 재배 면적 제공으로 촬영과 결과 생성이 동시간대에 완성될 수 있으며, 시계열적 작물 재배 변동 상황 확인이 가능한 효과가 있다.The crop cultivation
무인 비행체(20)는 현장 조사, 이착륙 포인트가 설정된 비행 경로를 작물 재배 정보 서비스 플랫폼(10)으로부터 수신하고, 정사와 고도를 촬영하여 획득한 데이터들을 송신할 수 있다.The unmanned
작물 재배 정보 서비스 플랫폼(10)은 GIS 데이터를 세팅하고, 무인 비행체(20)의 최적의 비행 경로를 생성하여 비행 경로를 전송하고, 데이터를 수신하고 관리할 수 있다. 또한, 작물 재배 정보 서비스 플랫폼(10)은 작물 영상을 분석하여 작물을 구분하고, 재배 면적을 산출하고, 주제도 지도 GUI, AI 학습 데이터를 확보하고, GIS 공간정보를 입력하고, 데이터 서버를 관리할 수 있다.The crop cultivation
여기서, GUI는 사용자가 컴퓨터와 정보를 교환할 때, 그래픽을 통해 작업할 수 있는 환경을 말한다.Here, the GUI refers to an environment in which a user can work through graphics when exchanging information with a computer.
따라서, 작물 재배 정보 서비스 플랫폼(10)은 산지 지형 조사의 특성을 반영하여 3D 지형비행을 통하여 작물 재배 현황과 생육 상태를 파악한다. 무인 비행체(20)에서 보내온 실시간 이미지 데이터는 영상분석을 통하여 촬영 당일 주제 현황도를 생성할 수 있으며, 이는 농업관측의 목표와 부합하는 기술이며 실시간 영상전송 및 작물 분석 기술을 통해 관측업무의 적시성과 정확성을 확보할 수 있다.Therefore, the crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 정사영상을 작성하고, 작물 영상을 통해 작물을 분류하며, 작물 별, 필지 별 재배 지도를 제작하고, 배추 재배 필지를 분리하며, 배추 재배 필지 변화를 표시하고 시계열화할 수 있다. 여기서, 웹 기반의 실시간 시계열화값 그림은 작물 재배 현황, 출하 면적, 정식시기 분포도, 수확 시기 분포도 등을 모두 그림과 값으로 표기할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)로부터 획득한 작물 영상을 기반으로 정사 영상을 생성할 수 있으며, 작물 영상을 통해 작물의 분류는 도 9의 AI 서버를 통해 작물을 분류할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 작물 영상을 통해 분류된 작물을 서로 다른 색으로 표시하여 각각의 필지에 따른 작물을 표시하여 작물 지도를 제작할 수 있으며, 획득한 작물 지도에서 배추만 추출할 수 있다. 단계 S1440은 일 실시예로 도시한 것으로 배추가 아닌 다른 작물 재배 필지로 분리할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 기존에 확인된 배추 재배 필지와 현재 무인 비행체(20)를 통해 확인한 배추 재배 필지를 비교하여 변화를 표시할 수 있다. 구체적으로, 배추 재배 필지가 늘었을 경우, 기존과 다른 영역을 다른 색으로 표시하여 추가된 필지를 확인하도록 할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 배추 재배 필지의 변화가 표시된 영역을 정사 지도에 표시하여 형성할 수 있다. 구체적으로, 시계열화는 관측 결과를 일정한 기준에 따라 계열로 정리한 것이다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 작물의 종류 및 작물의 상태를 판단할 때 시간값을 추가로 고려하여 작물의 상태를 더 자세히 관찰할 수 있다. 구체적으로, 작물 재배 정보 서비스 플랫폼(10)은 계절 별로 작물의 색상이 차이가 날 수 있으며, 계절 별 작물의 색상에 따라 정상 상태 또는 비정상 상태로 나뉠 수 있으므로 시간값을 더 고려하여 작물의 상태를 더 확실하게 알 수 있다.The crop cultivation
웹 기반의 실시간 시계열화값 그림은 GIS 기술과 데이터 분석 영상 구현 기술을 활용하여 실시간으로 재배지 면적의 변화 상을 시계열화한 것이다.The web-based real-time time-series value diagram is a time-series of changes in plantation area in real time using GIS technology and data analysis image implementation technology.
작물 재배 정보 서비스 플랫폼(10)은 작물 품목별. 필지 별 재배 면적, 저식 면적, 출하 면적 등을 이미지와 값으로 산출하고, 데이터베이스 분석툴을 활용하여 작물구분도, 정식시기 분포도, 수확시기 분포도 등을 구현할 수 있다. 이때, 각 필지에는 현장의 저고도 사진이 배치되어 클릭으로 현장 사진을 오픈 할 수 있다.Crop cultivation
도 8는 본 발명의 일 실시예에 따른 필지 대표점을 추출하고, 추출된 필지 대표점에 따라 비행 궤적을 생성한 도면이다.8 is a diagram of extracting a representative point of lots according to an embodiment of the present invention and generating a flight trajectory according to the extracted representative point of a lot.
작물 재배 정보 서비스 플랫폼(10)은 필지에 대한 필지 정보를 농지정보 데이터베이스(GIS)로부터 획득할 수 있다. 필지 정보는, 필지간 구분 경계 정보, 필지에 포함되는 영역들의 고도 정보를 포함한다. 본 실시예에서 필지 대표점은 각 필지의 중심점, 내지는 필지의 특성을 잘 나타내는 특징점일 수 있다.The crop cultivation
도 8를 참조하면, 각 필지의 중심점을 필지 대표점으로 표시하여 필지의 대표점을 이은 경로를 나타낼 수 있다. 도 8의 대표점을 이은 경로는 무인 비행체(20)의 실제 주행 경로일 수 있으며, 반드시 이에 한정되는 것은 아니다.Referring to FIG. 8 , the central point of each lot may be displayed as a representative point of the lot to indicate a path connecting the representative points of the lot. The path connecting the representative points of FIG. 8 may be the actual driving path of the unmanned
좌측의 비행 영역은 총 비행 거리가 3.83Km이며, 예상 비행 시간은 12분 23초이고, 총 포인트는 73개일 수 있다. 우측의 비행 영역은 총 비행 거리가 6.21Km이며, 예상 비행 시간은 17분 12초이고, 총 포인트는 94개일 수 있다. 여기서, 좌측 및 우측의 비행 영역에서의 드론은 비행 고도가 20m로 동일하다.The flight area on the left has a total flight distance of 3.83Km, an estimated flight time of 12 minutes and 23 seconds, and a total number of points can be 73. The flight area on the right has a total flight distance of 6.21Km, an estimated flight time of 17 minutes and 12 seconds, and a total number of points can be 94. Here, the drones in the left and right flight areas have the same flight altitude of 20 m.
따라서, 무인 비행체(20)의 주행 경로는 필지 대표점들을 연결하는 연결 거리의 총합을 최소로 하도록 결정될 수 있다. 주행 경로는 작물 재배 정보 서비스 플랫폼(10)에서 미리 결정한 비행 경로일 수 있으며, 주행 중 경로를 변경할 수도 있다.Accordingly, the driving route of the unmanned
본 발명의 다른 실시예에 따르면, 무인 비행체(20)는 카메라를 통해 획득한 영상을 외부의 작물 재배 정보 서비스 플랫폼(10)으로 실시간 전송이 가능하다. 작물 재배 정보 서비스 플랫폼(10)은 획득된 영상에 대한 영상 처리를 통해 신속하게, 또는 실시간으로 작물의 종류와 분포를 분석할 수 있다.According to another embodiment of the present invention, the unmanned
무인 비행체(20)는 기존의 작물 정보를 고려하여 비행이 수정될 수 있다. 예를 들어, 양파같은 경우는 수직 영상만으로는 구별이 안되며, 측면 45도에서 영상을 촬영하는 것이 필요하다. 따라서, 무인 비행체(20)의 경로 결정에 있어서, 작물의 히스토리 정보를 활용하여, 양파경작의 히스토리가 있는 필지의 경우, 20미터보다 낮은 높이 예를 들어 10~15미터 구간에서 비스듬한 각도로 영상을 획득하는 것이 바람직하다. 이 경우, 무인 비행체(20)의 위치는 필지의 대표점이 아니라, 무인 비행체(20)의 카메라가 주시하는 지점이 필지의 대표점인 것이 바람직하다.The flight of the unmanned
도 9는 발명의 일 실시예에 따른 AI를 통해 영상 학습을 수행하고, 이를 통해 작물의 종류를 인식하는 개념을 나타낸 도면이다.9 is a diagram illustrating a concept of performing image learning through AI and recognizing a type of crop through this according to an embodiment of the present invention.
인공신경망은 학습 단계와 적용 단계의 구별된 동작을 수행할 수 있다. 학습 단계에서, 인공신경망은 트레이닝 데이터를 입력 받고, 미리 결정된 가중치값에 따른 특징값을 생성하고, 생성된 특징값을 이용하여 작물의 종류를 구분하는 동작이 이루어진다.The artificial neural network can perform distinct operations of the learning phase and the application phase. In the learning step, the artificial neural network receives training data, generates a feature value according to a predetermined weight value, and classifies the type of crop using the generated feature value.
인공신경망은 프로세서에서 수행되는 소프트웨어의 형태로 구현될 수 있다. 트레이닝 데이터는 다양한 작물들을 커버할 수 있도록, 또한 계절별 다양한 영상들로 구비되는 것이 바람직하다. 트레이닝 데이터는 이미 작물에 대한 정보(작물의 종류, 계절 정보, 작물 단계 정보 등)을 포함할 수 있고, 이러한 정보를 이용한 지도 학습이 가능하다.The artificial neural network may be implemented in the form of software executed in a processor. It is preferable that the training data be provided with various images for each season so as to cover various crops. The training data may already include information on crops (type of crops, season information, crop stage information, etc.), and supervised learning using this information is possible.
트레이닝 데이터를 통한 학습을 통해, 인공신경망에 포함되는 가중치 값은, 작물 인식의 오류를 최소화하는 범위에서 결정될 수 있다. 인공 신경망은, 예를 들어 컨볼루션 신경망일 수 있는데, 컨볼루션 신경망의 경우 영상 처리, 객체 인식에 유리하다.Through learning through training data, a weight value included in the artificial neural network may be determined in a range that minimizes errors in crop recognition. The artificial neural network may be, for example, a convolutional neural network, which is advantageous for image processing and object recognition.
작물 재배 정보 서비스 플랫폼(10)은 비행을 통해 유묘 시기부터 작물 구분이 가능하고, 재배 작물 확인 과정이 더 빠르고 정확할 수 있다. 또한, 모아진 성장 데이터는 작물판독과 생육, 병해충 피해 데이터 등 AI 학습 데이터로 축적이 가능할 수 있다.The crop cultivation
구체적으로, 작물 재배 정보 서비스 플랫폼(10)은 합성곱 신경망(CNN, Convolutional Neural Network)의 분류 모델을 통해 작물을 분류할 수 있다. Specifically, the crop cultivation
합성곱 신경망(CNN, Convolutional Neural Network)은 작물 영상의 특징을 추출하여 특징들의 패턴을 파악하는 구조이다. 구체적으로, 작물 재배 정보 서비스 플랫폼(10)은 작물 영상이 입력되면 특징 추출을 수행한다. 특징 추출은 컨볼루션 연산과 같은 연산을 통하여 특징을 추출하고, 활성화 함수를 통해 비선형 공간으로 확장하고, 풀링을 통해 압축하는 과정을 의미할 수 있다. 이를 통해 고차원의 비선형 공간에서 물체의 특징에 따른 분류가 가능하다.Convolutional Neural Network (CNN) is a structure that extracts features of crop images and identifies patterns of features. Specifically, the crop cultivation
분류 모델은 컨볼루션(Convolution) 연산을 통해 특징을 추출한다. 활성화 함수(Activation Function)를 통해 비선형 공간으로 확장하고, 풀링(Pooling) 연산을 통해 특징을 압축한다. 분류 모델은 기 설정된 작물에 속하는 제1 작물 영역을 학습하는 제1 분류 모델 및 기 설정된 작물에 속하지 않는 제2 작물 영역을 학습하는 제2 분류 모델을 포함할 수 있다. 여기서, 작물 재배 정보 서비스 플랫폼(10)은 제1 작물 영역을 학습하는 제1 분류 모델과 제2 작물 영역을 학습하는 제2 분류 모델을 상호 독립적으로 학습할 수 있다.A classification model extracts features through a convolution operation. It expands into a non-linear space through an activation function, and compresses features through a pooling operation. The classification model may include a first classification model for learning a first crop region belonging to a preset crop and a second classification model for learning a second crop region not belonging to a preset crop. Here, the crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 학습된 분류 모델을 통해 무인 비행체(20)를 통해 입력된 작물 영상을 분석하여 작물을 종류에 따라 1차적으로 분류할 수 있다. 구체적으로, 분류 모델은 배추, 무, 오이, 당근 등과 같은 재배 작물의 이미지를 학습할 수 있으며, 전체 이미지뿐만 아니라 재배 작물을 상단에서 촬영했을 때의 이미지를 더 학습할 수 있다. 이를 통해, 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)를 통해 촬영한 작물 영상이 입력되면, 작물 영상에 분류 모델을 적용하여 작물 영상의 시간값을 입력으로 하여 작물의 특징을 추출하여 작물의 종류를 판단할 수 있다.The crop cultivation
작물 재배 정보 서비스 플랫폼(10)은 2차적으로 판단된 작물의 종류에 따라 학습된 복수의 상태 모델을 적용하여 정상, 결핍, 고온 피해, 병을 포함하는 상기 작물의 상태를 판단할 수 있다. 구체적으로, 상태 모델은 재배 작물 별 정상, 결핍, 고온 피해, 병 등과 같은 상태 이미지를 학습할 수 있으며, 전체 이미지뿐만 아니라 재배 작물을 상단에서 촬영했을 때의 이미지를 더 학습할 수 있다. 이를 통해 작물 재배 정보 서비스 플랫폼(10)은 1차적으로 작물의 종류가 판단되면, 판단된 작물의 종류에 따라 시간값을 입력으로 하여 상태 모델을 적용하여 작물의 상태를 판단할 수 있다.The crop cultivation
또한, 작물 재배 정보 서비스 플랫폼(10)은 작물 영상에 계절 필터를 적용하여, 영상에서 계절에 따른 색상의 변화가 제거된 영상을 획득할 수 있다. 여기서, 계절 필터는 계절별 색상, 예를 들어 배추의 경우, 계절 별 메인 색상인 봄(노랑), 여름(연두), 가을(초록)의 필터를 계절 필터로 정의할 수 있다. 작물 재배 정보 서비스 플랫폼(10)은 작물 영상이 획득된 시간(계절)을 고려하여 계절에 따른 색상이 제거된 잔여 영상을 획득할 수 있다. 예를 들어, 여름에 획득된 영상이라면 연두색이 메인 색상이므로, 무인 비행체(20)를 통해 획득한 작물 영상에 연두색 필터를 적용하여 연두색이 제거된 잔여 영상을 획득할 수 있다. 이렇게 필터링된 잔여 영상에 미리 학습된 CNN 신경망을 적용함으로써, 현재의 작물에 이상 징후가 있는지 여부를 색상을 통해서 확인할 수 있다. 구체적으로, 연두색 필터가 제거된 잔여 영상은 배추의 하얀색, 노란색, 고동색, 검은 반점 등을 확인할 수 있으며, 높은 온도에 의해 배추가 시든 정도, 배추가 자란 정도, 배추병의 유무 등을 확인할 수 있다. 이를 통해 배추의 상황을 판단하고 대비할 수 있다.In addition, the crop cultivation
상술한 바와 같이 분류 모델 및 상태 모델을 통해 작물의 종류와 상태를 판단하면 작물 재배 정보 서비스 플랫폼(10)은 작물 지도를 생성할 수 있다. 작물 지도는 무인 비행체(20)의 비행 경로를 기반으로 생성되며, 재배 면적 별로 작물의 종류에 따른 작물의 상태를 표시하여 작물 지도를 생성할 수 있다.As described above, when the type and state of the crop is determined through the classification model and the state model, the crop cultivation
도 10은 발명의 일 실시예에 따른 드론 비행을 통해 획득한 영상을 이용하여, 작물의 상태를 나타내는 도면이다.10 is a diagram illustrating the state of a crop using an image obtained through drone flight according to an embodiment of the present invention.
도 10의 (a)는 수확 진행 정도를 나타내는 도면이고, 도 9의 (b)는 배추 무름병을 나타내는 도면이고, 도 9의 (c)는 정상 생육을 나타내는 도면이고, 도 9의 (d)는 석회 결핍을 나타내는 도면이고, 도 9의 (e)는 고온 피해를 나타내는 도면이다.Fig. 10 (a) is a view showing the progress of harvest, Fig. 9 (b) is a view showing cabbage rot, Fig. 9 (c) is a view showing normal growth, Fig. 9 (d) is It is a view showing a lack of lime, and FIG. 9 (e) is a view showing damage from high temperature.
작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)의 비행을 통해 획득한 작물 영상을 통해 수확 진행 정도, 각종 병충해의 상황을 진단할 수 있다.The crop cultivation
작물 재배 정보는 작물의 종류, 작물의 상태 등을 포함할 수 있다. 작물의 상태는 작물의 성상, 크기, 색깔 등을 포함하며, 이에 대한 영상 분석을 통해 작물의 재배단계, 병충해 가능성 여부를 판단할 수 있다. 또한, 영상 분석을 통해 작물들의 수확 진행 정보도 추가적으로 확인할 수 있다.The crop cultivation information may include the type of crop, the state of the crop, and the like. The state of the crop includes the characteristics, size, and color of the crop, and through image analysis, it is possible to determine the cultivation stage of the crop and the possibility of pests. In addition, harvest progress information of crops can be additionally confirmed through image analysis.
본 발명의 일 실시예에 따르면 배추에 따른 작물의 상태는 배추 무름병, 석회 결핍, 고온 피해 등을 통해 상태가 좋지 않음을 판단할 수 있으며, 이에 따른 원인을 분석하여 예방할 수 있다. 구체적으로, 작물 재배 정보 서비스 플랫폼(10)은 무인 비행체(20)를 통해 획득한 작물 영상을 통해 작물의 종류와 작물의 상태를 판단할 수 있다.According to an embodiment of the present invention, the state of the crop according to the Chinese cabbage can be determined to be in poor condition through cabbage rot, lime deficiency, high temperature damage, etc., and can be prevented by analyzing the cause thereof. Specifically, the crop cultivation
축적한 성장 데이터는 작물판독과 생육, 병해충 피해 등을 판독할 AI 학습 데이터로 축적할 수 있다.The accumulated growth data can be accumulated as AI learning data to read crops, growth, and damage from pests and diseases.
본 발명의 다른 실시예에 따르면, 작물 재배 정보 서비스 플랫폼(10)은 식생지수를 구하기 위한 분광 촬영을 실시하고, 생육시기의 ½ 시기에 생체 중량을 ¼을 수확하여 측정 수확 후 측정 항목은 초장, 생체중으로 하고, 생육을 마치고 최종 수확물의 초장과 생체중을 측정하고, 촬영으로 취득한 NDVI와 실제 작물 생육 데이터와 비교하여 생육 데이터와의 식생지수와 상관 분석을 수행할 수 있다.According to another embodiment of the present invention, the crop cultivation
식생지수는 식물체의 질소량과 직접적인 비례관계에 있는 엽록소의 분광반사 특성이 주로 적색(Red), 청색(Blue) 파장은 흡수하는 반면 근적외선(NIR, Near InfraRed) 파장은 반사하는 현상을 바탕으로 이들 파장을 조합하여 녹색 식물의 상대적 분포량과 활동성을 평가하는 지표이다. 적색 파장과 근적외선 파장의 반사율을 이용하여 계산하는 정규화식생지수(NDVI, Normalized Difference Vegetation Index)를 산정할 수 있다. RED-edge 및 Sequoir 촬영 시 진동 및 속도로 인한 Blur현상이 발생할 수 있으므로 조도가 확보된 시간에 촬영이 진행될 수 있도록 작업 계획을 잡으며 카메라 감도는 iso 400이상으로 설정하며 셔터스피드 1/250이상을 확보할 수 있다. 직광으로 인한 반사율 왜곡을 피할 수 있도록 밝고 흐린날 촬영이 바람직할 수 있다.The vegetation index is based on the fact that the spectral reflection characteristics of chlorophyll, which are directly proportional to the nitrogen content of plants, mainly absorb red and blue wavelengths while reflecting NIR (Near InfraRed) wavelengths. It is an index to evaluate the relative distribution and activity of green plants by combining Normalized Difference Vegetation Index (NDVI), which is calculated using reflectance of red and near-infrared wavelengths, can be calculated. When shooting RED-edge and Sequoir, blur caused by vibration and speed may occur, so make a work plan so that the shooting can proceed at a time when the illumination is secured. can do. It may be desirable to shoot on a bright, overcast day to avoid reflectance distortion due to direct light.
도 11은 발명의 일 실시예에 따른 관제 센터에서의 주제도 제작을 위한 수행 과정을 나타내는 흐름도이다. 주제도 제작을 위한 수행 과정은 작물 재배 정보 서비스 플랫폼에 의해 수행되며, 작물 재배 정보 서비스 플랫폼이 수행하는 것에 관한 상세한 설명과 중복되는 설명은 생략하기로 한다.11 is a flowchart illustrating a process for producing a subject map in a control center according to an embodiment of the present invention. The process for producing the theme map is performed by the crop cultivation information service platform, and detailed descriptions and overlapping descriptions of the crop cultivation information service platform will be omitted.
작물 재배 정보 서비스 플랫폼(10)에서의 주제도 제작은 저고도 무인 비행체에서 획득한 저고도 작물 영상을 전송 받아 수행될 수 있다(S710).The subject map production in the crop cultivation
저고도 작물 영상은 NAS 서버를 거쳐(S720) 데이터 서버에 전달될 수 있다(S722). 여기서, NAS 서버는 컴퓨터 네트워크에 연결된 파일 수준의 컴퓨터 기억장치를 나타낸다.The low-altitude crop image may be transmitted to the data server via the NAS server (S720) (S722). Here, the NAS server represents a file-level computer storage device connected to a computer network.
저고도 작물 영상은 AI 서버로 전달되어 작물 판독을 수행할 수 있다(S730). 또한, 저고도 작물 영상은 영상 판독원에 추가로 전달되어 작물 판독을 수행할 수 있다(S732).The low-altitude crop image may be transmitted to the AI server to perform crop reading (S730). In addition, the low-altitude crop image may be further transmitted to an image reading source to perform crop reading (S732).
단계 S730은 농촌경제연구원이나 농촌진흥청 등의 공공 홈페이지 관측 작물 사진 취합, 농경지 드론 이미지 취득, 해제면 경작 시 실사 등의 이미지 소스를 크롤링(Crawling)할 수 있다. 크롤링(Crawling)은 무수히 많은 컴퓨터에 분산 저장되어 있는 문서를 수집하여 검색 대상의 색인으로 포함시키는 기술로서, 어느 부류의 기술을 얼마나 빨리 검색 대상에 포함시키냐 하는 것이 우위를 결정하는 요소이다.Step S730 may crawl image sources such as collecting photos of crops observed on public websites such as the Rural Economic Research Institute or the Rural Development Administration, acquiring drone images of agricultural land, and due diligence when cultivating cleared surfaces. Crawling is a technology that collects documents distributed and stored in countless computers and includes them as an index for a search target. What type of technology and how quickly it is included in the search target is a determining factor.
단계 S730은 이미지 소스를 크롤링하여 판독 알고리즘을 통해 작물을 판독할 수 있다. 판독 알고리즘은 Vggnet, Alexnet, Squeeznet, Resnet, Densenet 등을 사용할 수 있다.In step S730, the crop may be read through a reading algorithm by crawling the image source. The reading algorithm may use Vggnet, Alexnet, Squeeznet, Resnet, Densenet, and the like.
이때, 단계 S730 및 단계 S732에서 수행한 작물 판독에 따라 판독된 작물의 교차 검증을 통해 정확도를 향상시킬 수 있다.In this case, the accuracy may be improved through cross-validation of the crops read according to the crop readings performed in steps S730 and S732.
단계 S730 및 단계 S732에서 판독된 작물들은 이미지 분류를 통해 동일한 이미지들을 분류할 수 있다(S740).The crops read in steps S730 and S732 may classify the same images through image classification (S740).
또한, 단계 S750에서 저고도 작물 영상은 정사 보정과정을 생략할 수 있다.Also, in step S750, the orthography correction process may be omitted for the low-altitude crop image.
이미지 분류(S740)와 정사 보정(S750)이 완료되면 주제도를 제작할 수 있다(S760). 제작된 주제도는 데이터 서버에 저장된다(S770).When the image classification (S740) and orthographic correction (S750) are completed, a subject map may be produced (S760). The produced subject map is stored in the data server (S770).
도 11에서는 각각의 과정을 순차적으로 실행하는 것으로 개재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 11에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.In FIG. 11, each process is interposed as sequentially executed, but this is merely an exemplary description, and those skilled in the art change the order described in FIG. Alternatively, various modifications and variations may be applied by executing one or more processes in parallel or adding other processes.
도 12은 발명의 일 실시예에 따른 도 11의 단계 S730에서 AI 서버가 수행하는 과정을 나타내는 흐름도이다. AI 서버가 수행하는 과정은 작물 재배 정보 서비스 플랫폼에 의해 수행되며, 작물 재배 정보 서비스 플랫폼이 수행하는 것에 관한 상세한 설명과 중복되는 설명은 생략하기로 한다.12 is a flowchart illustrating a process performed by the AI server in step S730 of FIG. 11 according to an embodiment of the present invention. The process performed by the AI server is performed by the crop cultivation information service platform, and detailed descriptions and overlapping descriptions of the crop cultivation information service platform will be omitted.
AI 서버는 이미지를 획득할 수 있다(S810). 여기서, 이미지는 저고도 무인 비행체에서 획득한 저고도 작물 영상이다.The AI server may acquire an image (S810). Here, the image is a low-altitude crop image obtained from a low-altitude unmanned aerial vehicle.
AI 서버는 이미지를 획득하면 이미지를 추출할 수 있다(S820). 단계 S820의 이미지 추출은 도 12의 도면과 같이 각각의 필지에서 획득한 저고도 작물 영상에서 작물 이미지를 기 설정된 영역만큼 추출한다. 예를 들어, 이미지 추출은 획득한 이미지의 중간 영역에 위치하는 이미지로, 직사각형 형태의 영역으로 추출할 수 있다.When the AI server acquires the image, it may extract the image (S820). In the image extraction of step S820, as shown in FIG. 12 , a crop image is extracted as much as a preset area from the low-altitude crop image obtained from each lot. For example, image extraction is an image located in the middle region of the acquired image, and may be extracted as a rectangular region.
단계 S830에서, AI 서버는 각각의 필지에서 획득한 저고도 작물 영상에서 작물 이미지를 추출하면 인공지능을 통해 작물을 구분할 수 있다. 인공지능을 통한 작물 구분은 도 9를 통해 확인할 수 있으며, 각각의 작물을 종류에 따라 구분할 수 있다.In step S830, the AI server can classify crops through artificial intelligence by extracting crop images from low-altitude crop images obtained from each lot. The classification of crops through artificial intelligence can be confirmed through FIG. 9 , and each crop can be classified according to type.
단계 S830에서, 작물 구분이 되지 않으며, 이미지를 획득하는 단계(S810)로 다시 돌아가고, 작물 구분이 완료되면 단계 S840에서 이미지의 좌표를 추출할 수 있다.In step S830, crop classification is not performed, and the process returns to step S810 of obtaining an image, and when crop classification is completed, coordinates of the image may be extracted in step S840.
단계 S840에서, 이미지 좌표 추출은 획득한 저고도 작물 영상을 통해 각각의 필지에 따른 좌표를 GIS를 통해 좌표를 추출할 수 있으며, 또는 저고도 무인 비행체에 부착된 GPS를 통해 각각의 필지에서 저고도 작물 영상 촬영된 경우의 무인 비행체의 위치를 통해 좌표를 추출할 수 있다.In step S840, image coordinate extraction may extract coordinates according to each lot through GIS through the obtained low-altitude crop image, or low-altitude crop image shooting in each lot through GPS attached to the low-altitude unmanned aerial vehicle Coordinates can be extracted through the location of the unmanned aerial vehicle in the case of
좌표 추출이 완료되면 단계 S850에서, 각각의 영역을 계산할 수 있다. 영역은 작물 지도를 생성하기 위해 계산되며, 각각의 필지를 기준으로 GIS를 통해 확인할 수 있다.When the coordinate extraction is completed, each region may be calculated in step S850. The area is calculated to create a crop map and can be checked through GIS based on each lot.
본 발명의 일 실시예에 따르면, AI 학습을 위한 생육단계별 데이터는 유묘기, 초기신장기, 성숙기, 수확기 등을 확인할 수 있으며, 데이터 누적 시 생육, 병충해 등을 추가로 판독이 가능하다.According to an embodiment of the present invention, data for each growth stage for AI learning can check seedling, early growth, maturity, harvest, and the like, and when data is accumulated, growth, pests, etc. can be additionally read.
도 12에서는 각각의 과정을 순차적으로 실행하는 것으로 개재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 12에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.Although it is interposed as sequentially executing each process in FIG. 12, this is merely illustrative, and those skilled in the art change the order described in FIG. 12 within the range that does not depart from the essential characteristics of the embodiment of the present invention. Alternatively, various modifications and variations may be applied by executing one or more processes in parallel or adding other processes.
따라서, 작물 재배 정보 서비스 플랫폼(10)은 드론 촬영 농작물 이미지 전송, 드론 촬영한 영상의 서버의 특정 폴더에 전송, 인공지능 딥러닝 판독모델을 생성, 판독모델은 가동시키고 각각의 결과값을 비교해서 작물을 판독하는 파이썬 코드, 판독된 값은 데이터베이스에 저장하고 관리하는 모듈, 데이터베이스에 저장된 판독결과를 지도에 표시하는 모듈, 지도상의 위치를 선택했을 때 해당 작물의 사진과 판독된 결과를 보여주는 모듈 등으로 구성되어 상술한 과정들을 수행할 수 있으며, 반드시 이에 한정되는 것은 아니다.Therefore, the crop cultivation
도 13는 본 발명의 일 실시예의 AI 서버에서 수행되는 작물 분석을 위한 학습 개념을 설명하기 위한 블록도이다.13 is a block diagram for explaining a learning concept for crop analysis performed in the AI server according to an embodiment of the present invention.
적대적 생성 신경망(Generative model, GAN)은 생성모델과 판별모델이 경쟁하면서 실제와 가까운 이미지를 자동으로 만들어 내는 기계학습이다.Generative neural network (GAN) is a machine learning that automatically creates images close to the real thing while a generative model and a discriminant model compete.
도 13는 적대적 신경망의 일종으로서 AI서버의 프로세서에서 수행되는 학습 개념을 나타낸 것이다. 도 13에 도시된 적대적 신경망에 의하여 수행되는 프로세스들은 적대적 신경망을 수행하기 위한 일련의 프로그램들로서 AI 서버의 메모리에 저장되며, AI 서버의 프로세서에서 수행되는 하기의 동작들을 포함한다.13 shows a learning concept performed in a processor of an AI server as a type of adversarial neural network. The processes performed by the adversarial neural network shown in FIG. 13 are stored in the memory of the AI server as a series of programs for performing the adversarial neural network, and include the following operations performed by the processor of the AI server.
우선, 적대적 신경망의 학습을 위한 입력 정보(910)는 해당 필지에서 획득된 다수의 트레이닝 영상을 포함한다. 추가적인 입력 정보(910)로서, 해당 영상이 획득되었을 때의 시간 정보(기후 정보, 촬영시각), 위치 정보(GPS 상의 위치 정보, 해당 필지의 식별 정보 등), 색상 정보(해당 필지에서 획득된 영상에서의 주 색상 정보)를 레이블 정보(역시 트레이닝 데이터임)로서 더 포함한다. First, the
도 13에 도시된 바와 같이, 생성자(930)는 레이블 정보(910)와 랜덤 노이즈(920)를 입력으로 하여 페이크 영상을 생성한다. 분별자(940)는 다수의 컨볼루션 필터와 활성화층 및 풀링층으로 구성되며, 최종적인 특징값을 이용하여 Real/Fake에 대한 판단을 한다.As shown in FIG. 13 , a
분별자(940)와 생성자(930)의 필터계수에 대한 업데이트는 생성자(930)를 통해 생성된 페이크 영상과, 리얼 샘플인 트레이닝 영상(950)에 대한 분별 결과(Real/Fake 응답)에 대한 피드백을 통해, 보다 정확한 분별 결과를 얻을 수 있는 방향으로 필터 계수가 업데이트된다. 이러한 학습 과정을 통해 생성자(930)의 필터 계수는 결정될 수 있다. 물리적인 관점에서, 분별자(940), 생성자(930)는 실질적으로 프로세서에 해당하며, 프로세서가 수행하는 세부적인 동작을 나타내는 용어로 이해될 수 있다. The update of the filter coefficients of the
도 14은 도 13를 통해 결정된 생성자(930)를 통해 이미지 분류(S740)를 위한 입력 영상을 생성하는 방법을 설명하는 개념도이다.14 is a conceptual diagram illustrating a method of generating an input image for image classification ( S740 ) through the
현재 드론을 통해 획득된 영상이 충분한 신뢰 수준으로 이미지 분류가 가능하다면, 본 과정을 수행할 필요성은 적다. 하지만, 현재 획득된 영상만으로 작물의 종류를 특정하기 어려울 때에는, 적대적 신경망을 통해 생성되는 합성 영상을 이용하여 작물의 종류를 결정하는 것이 바람직하다.If the image acquired through the current drone can be classified with a sufficient level of confidence, there is little need to perform this process. However, when it is difficult to specify the type of crop only with the currently acquired image, it is preferable to determine the type of crop using a synthetic image generated through an adversarial neural network.
도 14에서 생성자(930)는 도 13를 통해 학습이 완료된 생성자(930)를 의미한다. 여기서 입력은 현재의 획득 영상(1010)과, 해당 획득 영상(1010)에 대한 레이블(910)이다. 레이블에 포함되는 정보(910)는 영상을 촬영한 시점의 시간 정보, 위치 정보, 색상 정보를 포함할 수 있다. 이미지 분류(S740)를 위한 입력은, 레이블 정보(910)를 입력으로 하여 생성자(930)를 통해 합성된 합성 영상(960)과, 현재의 획득 영상(1010)이다. 합성 영상(960)을 통해 추출된 특징값과, 획득 영상(1010)을 통해 추출된 특징값을 미리 결정된 가중치에 따라 합산한 후, 합산 특징값을 이용하여 이미지 분류를 수행한다면, 획득 영상만으로 이미지 분류를 수행한 경우와 대비할 때, 분류의 신뢰도를 더욱 높일 수 있다.In FIG. 14 , a
이상의 설명은 본 발명의 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 실시예들은 본 발명의 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the embodiment of the present invention, and those of ordinary skill in the art to which the embodiment of the present invention pertains may modify various modifications and transformation will be possible. Accordingly, the embodiments of the present invention are not intended to limit the technical spirit of the embodiment of the present invention, but to explain, and the scope of the technical spirit of the embodiment of the present invention is not limited by these embodiments. The protection scope of the embodiment of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be interpreted as being included in the scope of the present invention.
1: 농지 정보 자동화 관리 시스템
2: 농지 정보 제공장치
3: 농지 원부 획득 장치
4: 농지 대장 관리 장치
5: 농지 정보 데이터베이스
6: 재배정보 관리장치
7: 농지 정보 자동화 관리장치
10: 작물 재배 정보 서비스 플랫폼
12: 작물 상태 판단 장치
14: 모니터링부
20: 무인 비행체
30: 제1 단말기
32: 제2 단말기1: Farmland information automation management system
2: Farmland information providing device
3: Farmland Record Acquisition Device
4: Farmland ledger management device
5: Farmland information database
6: Cultivation information management device
7: Farmland information automation management device
10: Crop Cultivation Information Service Platform
12: Crop condition judgment device
14: monitoring unit
20: unmanned aerial vehicle
30: first terminal
32: second terminal
Claims (15)
복수의 농지 각각에 대한 농지 원부 정보 및 농지 대장을 기반으로 저장된 농지 정보를 제공하는 농지 정보 제공장치;
복수의 농지 각각의 재배 현황에 대한 재배지 정보를 관리하는 재배정보 관리장치; 및
상기 복수의 농지 중 선택된 적어도 하나의 선택 농지에 대한 상기 농지 정보 및 상기 재배지 정보를 디지털화하고, 상기 농지 정보 및 상기 재배지 정보를 검증하여 관리하는 농지 정보 자동화 관리장치를 포함하되,
상기 농지 정보 자동화 관리장치는, 상기 복수의 농지 중 적어도 하나의 선택 농지를 결정하는 선택 농지 결정부; 상기 선택 농지에 대한 정보 요청신호를 전송하고, 상기 정보 요청신호에 대응하는 상기 농지 정보 및 상기 재배지 정보를 획득하는 정보 획득부; 상기 재배지 정보를 분석하여 재배 작물 분석 정보를 생성하는 정보 분석부; 상기 재배 작물 분석 정보와 상기 농지 정보를 비교 처리하여 농지 분석 결과정보를 생성하는 비교 처리부; 상기 농지 분석 결과정보를 기반으로 상기 선택 농지에 대한 농지 사용 필지 여부를 판단하는 필지 판단부; 및 상기 농지 사용 필지의 판단 결과에 근거하여 자동 리포트를 생성하여 상기 선택 농지에 대한 농지 정보를 관리하는 정보 관리부를 포함하며,
상기 비교 처리부는, 상기 농지 정보에 포함된 농지 원부 정보 및 농지 대장 정보를 비교하여 검증을 수행한 후 검증된 기준 농지 정보를 생성하고, 상기 기준 농지 정보와 상기 재배 작물 분석결과를 비교하여 상기 농지 분석 결과정보를 생성하되,
상기 비교 처리부는, 기 설정된 조건에 따라 농지 원부 정보에 포함된 제1 카테고리와 농지 대장 정보에 포함된 제2 카테고리를 비교하고, 비교 결과 유사도가 기준 임계치를 초과하는 경우 하나의 카테고리로 통합하여 기준 농지 정보를 생성하는 것을 특징으로 하는 농지 정보 자동화 관리 시스템.In the system for automated management of farmland information,
A farmland information providing device for providing farmland information stored on the basis of farmland register information and farmland ledger for each of a plurality of farmland;
Cultivation information management device for managing cultivation information on the cultivation status of each of the plurality of farmland; and
and a farmland information automation management device that digitizes the farmland information and the farmland information for at least one selected farmland selected among the plurality of farmland, and verifies and manages the farmland information and the farmland information,
The farmland information automation management apparatus may include: a selected farmland determining unit configured to determine at least one selected farmland among the plurality of farmland; an information acquisition unit that transmits an information request signal for the selected farmland and acquires the farmland information and the cultivated land information corresponding to the information request signal; an information analysis unit that analyzes the cultivated land information to generate cultivated crop analysis information; a comparison processing unit that compares and processes the cultivated crop analysis information and the farmland information to generate farmland analysis result information; a lot determination unit for determining whether to use farmland for the selected farmland based on the farmland analysis result information; and an information management unit for generating an automatic report based on the determination result of the farmland-used lot and managing farmland information on the selected farmland,
The comparison processing unit compares the farmland register information and farmland ledger information included in the farmland information to generate verified reference farmland information, and compares the reference farmland information with the analysis result of the cultivated crops to verify the farmland Generate analysis result information,
The comparison processing unit compares the first category included in the farmland register information with the second category included in the farmland register information according to a preset condition, and integrates them into one category when the similarity exceeds a reference threshold as a result of the comparison. Farmland information automation management system, characterized in that for generating farmland information.
상기 농지 정보 제공장치는,
상기 선택 농지에 대한 농지 원부에 근거하여 농지 원부 정보를 획득하는 농지 원부 획득부;
복수의 농지에 대한 농지 정보를 관리하는 정보가 수록되는 상기 농지 대장을 관리하는 농지 대장 관리부; 및
상기 농지 원부 정보, 상기 농지 대장 및 상기 재배지 정보를 저장하는 농지 정보 저장부
를 포함하는 것을 특징으로 하는 농지 정보 자동화 관리 시스템.According to claim 1,
The farmland information providing device,
an agricultural land acquisition unit for acquiring farmland information on the basis of the farmland register for the selected farmland;
a farmland ledger management unit for managing the farmland ledger in which information for managing farmland information for a plurality of farmland is recorded; and
A farmland information storage unit for storing the farmland register information, the farmland ledger, and the farmland information
A farmland information automation management system comprising a.
상기 농지 정보 저장부는,
농지 원부 정보 및 농지 대장 정보를 포함하는 상기 농지 정보 및 복수의 농지 각각에 대한 상기 재배지 정보를 저장하고, 상기 선택 농지에 대한 정보 요청신호를 획득하는 경우 상기 정보 요청신호에 대응하여 상기 농지 원부 정보, 상기 농지 대장 정보 중 적어도 하나를 포함하는 농지 정보 및 재배지 정보를 상기 농지 정보 자동화 관리장치로 전송하는 것을 특징으로 하는 농지 정보 자동화 관리 시스템.3. The method of claim 2,
The farmland information storage unit,
The farmland information including farmland register information and farmland ledger information and the farmland information for each of a plurality of farmlands are stored, and when an information request signal for the selected farmland is obtained, the farmland register information in response to the information request signal , Farmland information automation management system, characterized in that for transmitting farmland information and plantation information including at least one of the farmland ledger information to the automated farmland information management device.
상기 재배정보 관리장치는,
프로세서 및 상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함하며,
상기 프로세서는, 기 설정된 지형 정보와 이륙 지점 및 착륙 지점을 고려하여 형성된 필지에 따른 무인 비행체의 비행 경로를 생성하고, 상기 무인 비행체가 획득한 작물 영상을 전달받아 분석하여 상기 비행 경로에 따른 재배지 정보를 획득하는 것을 특징으로 하는 농지 정보 자동화 관리 시스템.According to claim 1,
The cultivation information management device,
a memory for storing a processor and a program executed by the processor;
The processor generates a flight path of the unmanned aerial vehicle according to the land formed in consideration of preset topographic information, take-off point and landing point, and receives and analyzes the crop image obtained by the unmanned aerial vehicle, and plantation information according to the flight path Farmland information automation management system, characterized in that to obtain.
상기 프로세서는,
필지에 대한 필지 정보를 포함하는 상기 기 설정된 지형 정보를 기반으로 상기 필지의 중심점을 나타내는 상기 필지의 대표점을 추출하고, 상기 추출된 대표점에 따라 비행 궤적을 고려하여 상기 비행 경로를 생성하고, 상기 필지 정보는 필지간 구분 경계 정보 및 필지에 포함되는 영역들의 고도 정보를 포함하는 것을 특징으로 하는 농지 정보 자동화 관리 시스템.5. The method of claim 4,
The processor is
Extracting a representative point of the lot indicating the center point of the lot based on the preset topographic information including lot information about the lot, and generating the flight path in consideration of the flight trajectory according to the extracted representative point, The lot information is farmland information automation management system, characterized in that it includes information on the boundary between parcels and altitude information of areas included in the lot.
상기 비교 처리부는,
상기 재배 작물 분석 정보와 상기 농지 정보를 기반으로 작물 재배 여부, 재배 작물 종류 확인 및 작물 재배 히스토리 확인 중 적어도 하나의 조건을 비교하여 상기 농지 분석 결과정보를 생성하는 것을 특징으로 하는 농지 정보 자동화 관리 시스템.According to claim 1,
The comparison processing unit,
Farmland information automation management system, characterized in that the farmland analysis result information is generated by comparing at least one condition of whether crops are cultivated, whether to cultivate crops, check the types of cultivated crops, and check the history of crop cultivation based on the cultivated crop analysis information and the farmland information .
상기 정보 관리부는,
상기 농지 사용 필지의 판단 결과에 근거하여 상기 선택 농지가 농지 사용 필지인 것으로 판단된 경우, 농지 대장 및 재배지 정보를 디지털화하여 상기 자동 리포트를 생성하여 상기 선택 농지에 대한 상기 농지 정보를 관리하는 것을 특징으로 하는 농지 정보 자동화 관리 시스템.According to claim 1,
The information management unit,
When it is determined that the selected farmland is the farmland-using lot based on the result of the determination of the farmland-use lot, the farmland information is managed by digitizing the farmland ledger and the cultivated land information to generate the automatic report Farmland information automation management system.
상기 정보 관리부는,
상기 농지 사용 필지의 판단 결과에 근거하여 상기 선택 농지가 농지 사용 필지가 아닌 것으로 판단된 경우, 상기 재배정보 관리장치로 정보 재요청 신호를 전송하여 상기 선택 농지에 따른 무인 비행체의 비행 경로를 재생성되도록 하고, 재생성된 비행 경로에 따라 상기 무인 비행체가 획득한 작물 영상 기반의 신규 재배지 정보를 재획득하여 상기 농지 사용 필지의 판단 결과가 재생성되도록 하는 것을 특징으로 하는 농지 정보 자동화 관리 시스템.According to claim 1,
The information management unit,
When it is determined that the selected farmland is not a farmland-use lot based on the determination result of the farmland-use lot, an information re-request signal is transmitted to the cultivation information management device to regenerate the flight path of the unmanned aerial vehicle according to the selected farmland-use land and, according to the regenerated flight path, re-acquire new plantation information based on the crop image obtained by the unmanned aerial vehicle, so that the determination result of the farmland used lot is regenerated.
복수의 농지 각각에 대한 농지 원부 정보 및 농지 대장을 기반으로 저장된 농지 정보를 제공하는 농지 정보 제공 단계;
상기 복수의 농지 중 선택된 적어도 하나의 선택 농지의 재배 현황에 대한 재배지 정보를 관리하는 재배정보 관리 단계; 및
상기 선택 농지에 대한 상기 농지 정보 및 상기 재배지 정보를 디지털화하고, 상기 농지 정보 및 상기 재배지 정보를 검증하여 관리하는 농지 정보 자동화 관리 단계를 포함하되,
상기 농지 정보 자동화 관리 단계는, 상기 선택 농지에 대한 정보 요청신호를 전송하고, 상기 정보 요청신호에 대응하는 상기 농지 정보 및 상기 재배지 정보를 획득하는 정보 획득 단계; 상기 재배지 정보를 분석하여 재배 작물 분석 정보를 생성하는 정보 분석 단계; 상기 재배 작물 분석 정보와 상기 농지 정보를 비교 처리하여 농지 분석 결과정보를 생성하는 비교 처리 단계; 상기 농지 분석 결과정보를 기반으로 상기 선택 농지에 대한 농지 사용 필지 여부를 판단하는 필지 판단 단계; 및 상기 농지 사용 필지의 판단 결과에 근거하여 자동 리포트를 생성하여 상기 선택 농지에 대한 농지 정보를 관리하는 정보 관리 단계를 포함하며,
상기 비교 처리 단계는, 상기 농지 정보에 포함된 농지 원부 정보 및 농지 대장 정보를 비교하여 검증을 수행한 후 검증된 기준 농지 정보를 생성하고, 상기 기준 농지 정보와 상기 재배 작물 분석결과를 비교하여 상기 농지 분석 결과정보를 생성하되,
상기 비교 처리 단계는, 기 설정된 조건에 따라 농지 원부 정보에 포함된 제1 카테고리와 농지 대장 정보에 포함된 제2 카테고리를 비교하고, 비교 결과 유사도가 기준 임계치를 초과하는 경우 하나의 카테고리로 통합하여 기준 농지 정보를 생성하는 것을 특징으로 하는 농지 정보 자동화 관리 방법.In a method for automated management of farmland information in an automated farmland information management system,
A farmland information providing step of providing stored farmland information based on farmland register information and farmland ledger for each of a plurality of farmland;
a cultivation information management step of managing cultivation site information on the cultivation status of at least one selected farmland selected from among the plurality of farmland; and
A farmland information automation management step of digitizing the farmland information and the plantation information for the selected farmland, and verifying and managing the farmland information and the plantation information,
The automated farmland information management step may include: an information acquisition step of transmitting an information request signal for the selected farmland, and acquiring the farmland information and the plantation information corresponding to the information request signal; an information analysis step of analyzing the cultivated land information to generate cultivated crop analysis information; a comparison processing step of generating farmland analysis result information by comparing and processing the cultivated crop analysis information and the farmland information; a lot determination step of determining whether to use farmland for the selected farmland based on the farmland analysis result information; and an information management step of managing farmland information on the selected farmland by generating an automatic report based on the determination result of the farmland used lot,
The comparison processing step compares the farmland register information and farmland ledger information included in the farmland information to generate verified reference farmland information, and compares the reference farmland information with the cultivated crop analysis result to perform verification. Generate farmland analysis result information,
The comparison processing step compares the first category included in the farmland register information with the second category included in the farmland register information according to a preset condition, and if the comparison result similarity exceeds a reference threshold, it is integrated into one category. Farmland information automation management method, characterized in that for generating reference farmland information.
상기 농지 정보 제공 단계는,
농지 원부에 근거하여 농지 원부 정보를 획득하는 농지 원부 획득 단계;
복수의 농지에 대한 농지 정보를 관리하는 정보가 수록되는 상기 농지 대장을 관리하는 농지 대장 관리 단계; 및
상기 농지 원부 정보, 상기 농지 대장 및 상기 재배지 정보를 저장하는 농지 정보 저장 단계
를 포함하는 것을 특징으로 하는 농지 정보 자동화 관리 방법.12. The method of claim 11,
The step of providing farmland information,
A farmland book acquisition step of acquiring farmland ledger information based on the farmland register;
A farmland ledger management step of managing the farmland ledger in which information for managing farmland information for a plurality of farmland is recorded; and
A farmland information storage step of storing the farmland register information, the farmland ledger, and the farmland information
Farmland information automation management method comprising a.
상기 재배정보 관리 단계는,
프로세서 및 상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 통해 재배정보 관리를 수행하며,
상기 프로세서는, 기 설정된 지형 정보와 이륙 지점 및 착륙 지점을 고려하여 형성된 필지에 따른 무인 비행체의 비행 경로를 생성하고, 상기 무인 비행체가 획득한 작물 영상을 전달받아 분석하여 상기 비행 경로에 따른 재배지 정보를 획득하는 것을 특징으로 하는 농지 정보 자동화 관리 방법.12. The method of claim 11,
The cultivation information management step is,
Cultivation information management is performed through a processor and a memory storing a program executed by the processor,
The processor generates a flight path of the unmanned aerial vehicle according to the land formed in consideration of preset topographic information, take-off point and landing point, and receives and analyzes the crop image obtained by the unmanned aerial vehicle, and plantation information according to the flight path Farmland information automation management method, characterized in that to obtain.
A computer program stored in a recording medium to execute the automated farmland information management method according to any one of claims 11 to 13 on a computer.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20210047182 | 2021-04-12 | ||
| KR1020210047182 | 2021-04-12 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102408373B1 true KR102408373B1 (en) | 2022-06-14 |
Family
ID=81980523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210082604A KR102408373B1 (en) | 2021-04-12 | 2021-06-24 | Method and Apparatus for Automated Management of an Agricultural Land Information |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102408373B1 (en) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008225942A (en) * | 2007-03-14 | 2008-09-25 | Hitachi Software Eng Co Ltd | Farm land block data preparation system |
| KR100998472B1 (en) * | 2008-07-08 | 2010-12-06 | 한국수자원공사 | Apparatus and Method for Managing of Land Information |
| KR101494971B1 (en) * | 2013-08-16 | 2015-03-02 | 강원도 횡성군 | The system and method of argicultural auxialary admistration |
| JP2017072900A (en) * | 2015-10-05 | 2017-04-13 | 株式会社リバネス | Agricultural land management server, agricultural land management method, agricultural land management program, and computer readable storage medium |
| KR101793509B1 (en) * | 2016-08-02 | 2017-11-06 | (주)노루기반시스템즈 | Remote observation method and system by calculating automatic route of unmanned aerial vehicle for monitoring crops |
| WO2019087248A1 (en) * | 2017-10-30 | 2019-05-09 | 株式会社オプティム | Land use determination system, land use determination method and program |
| KR20190084148A (en) * | 2017-12-19 | 2019-07-16 | (주)농협정보시스템 | Farming and farmland managing system and controlling method for the same |
| JP2019153109A (en) * | 2018-03-05 | 2019-09-12 | ドローン・ジャパン株式会社 | Agricultural management prediction system, agricultural management prediction method, and server device |
| KR20200065696A (en) * | 2018-11-30 | 2020-06-09 | 주식회사 웨이브쓰리디 | system for monitoring agricultural produce using drone |
| JP2020155075A (en) * | 2019-03-22 | 2020-09-24 | 株式会社スマートリンク北海道 | Farmland management system, farmland management method, and farmland management program |
| KR20210029868A (en) * | 2019-09-06 | 2021-03-17 | 함영국 | System for managing crops using balloon-drone |
-
2021
- 2021-06-24 KR KR1020210082604A patent/KR102408373B1/en active IP Right Grant
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008225942A (en) * | 2007-03-14 | 2008-09-25 | Hitachi Software Eng Co Ltd | Farm land block data preparation system |
| KR100998472B1 (en) * | 2008-07-08 | 2010-12-06 | 한국수자원공사 | Apparatus and Method for Managing of Land Information |
| KR101494971B1 (en) * | 2013-08-16 | 2015-03-02 | 강원도 횡성군 | The system and method of argicultural auxialary admistration |
| JP2017072900A (en) * | 2015-10-05 | 2017-04-13 | 株式会社リバネス | Agricultural land management server, agricultural land management method, agricultural land management program, and computer readable storage medium |
| KR101793509B1 (en) * | 2016-08-02 | 2017-11-06 | (주)노루기반시스템즈 | Remote observation method and system by calculating automatic route of unmanned aerial vehicle for monitoring crops |
| WO2019087248A1 (en) * | 2017-10-30 | 2019-05-09 | 株式会社オプティム | Land use determination system, land use determination method and program |
| KR20190084148A (en) * | 2017-12-19 | 2019-07-16 | (주)농협정보시스템 | Farming and farmland managing system and controlling method for the same |
| JP2019153109A (en) * | 2018-03-05 | 2019-09-12 | ドローン・ジャパン株式会社 | Agricultural management prediction system, agricultural management prediction method, and server device |
| KR20200065696A (en) * | 2018-11-30 | 2020-06-09 | 주식회사 웨이브쓰리디 | system for monitoring agricultural produce using drone |
| JP2020155075A (en) * | 2019-03-22 | 2020-09-24 | 株式会社スマートリンク北海道 | Farmland management system, farmland management method, and farmland management program |
| KR20210029868A (en) * | 2019-09-06 | 2021-03-17 | 함영국 | System for managing crops using balloon-drone |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102300799B1 (en) | Crop state judgment apparatus and crop cultivation information service platform including the same | |
| Hamylton et al. | Evaluating techniques for mapping island vegetation from unmanned aerial vehicle (UAV) images: Pixel classification, visual interpretation and machine learning approaches | |
| Kulbacki et al. | Survey of drones for agriculture automation from planting to harvest | |
| CN113228055B (en) | Method and medium for configuring and utilizing convolutional neural networks to identify plant diseases | |
| Müllerová et al. | Unmanned aircraft in nature conservation: an example from plant invasions | |
| AU2016369263B2 (en) | Cloud detection on remote sensing imagery | |
| GB2598012A (en) | System and method for crop monitoring | |
| Lu et al. | IBM PAIRS curated big data service for accelerated geospatial data analytics and discovery | |
| Meivel et al. | Remote sensing analysis of agricultural drone | |
| Kierdorf et al. | GrowliFlower: An image time‐series dataset for GROWth analysis of cauLIFLOWER | |
| Thomas et al. | Impacts of abrupt terrain changes and grass cover on vertical accuracy of UAS-SfM derived elevation models | |
| US11185007B1 (en) | Methods and systems for prioritizing management of agricultural fields | |
| Linchant et al. | WIMUAS: Developing a tool to review wildlife data from various UAS flight plans | |
| Albuquerque et al. | Remotely piloted aircraft imagery for automatic tree counting in forest restoration areas: a case study in the Amazon | |
| KR102408373B1 (en) | Method and Apparatus for Automated Management of an Agricultural Land Information | |
| Zhang | Native vegetation classification using remote sensing techniques: A case study of dairy flat regrowth bush by using the AUT unmanned aerial vehicle | |
| Wijesingha | Geometric quality assessment of multi-rotor unmanned aerial vehicle borne remote sensing products for precision agriculture | |
| CN212567490U (en) | Orchard vegetation information acquisition system based on unmanned aerial vehicle remote sensing platform | |
| Duman et al. | Design of a smart vertical farming system using image processing | |
| McInerney et al. | Extending forest inventories and monitoring programmes using remote sensing: A review. | |
| Poudel et al. | Assessing Red Pine Seedlings Using Uav Point Clouds and Field-Verified Data | |
| Gadepally et al. | A Deep Transfer Learning based approach for forecasting spatio-temporal features to maximize yield in cotton crops | |
| Alsharif et al. | Machine vision analysis of harvested forestry sites using high resolution UAV data | |
| Izere | Plant Height Estimation Using RTK-GNSS Enabled Unmanned Aerial Vehicle (UAV) Photogrammetry | |
| Oliech | Geo-spatial assessment of forest health status using UAS technology in Anopoli, Crete |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |