KR102570846B1 - 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템 - Google Patents

오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템 Download PDF

Info

Publication number
KR102570846B1
KR102570846B1 KR1020230022937A KR20230022937A KR102570846B1 KR 102570846 B1 KR102570846 B1 KR 102570846B1 KR 1020230022937 A KR1020230022937 A KR 1020230022937A KR 20230022937 A KR20230022937 A KR 20230022937A KR 102570846 B1 KR102570846 B1 KR 102570846B1
Authority
KR
South Korea
Prior art keywords
compost
interest
region
orthoimage
open
Prior art date
Application number
KR1020230022937A
Other languages
English (en)
Inventor
장선웅
김흥민
박수호
Original Assignee
(주) 아이렘기술개발
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주) 아이렘기술개발 filed Critical (주) 아이렘기술개발
Priority to KR1020230022937A priority Critical patent/KR102570846B1/ko
Application granted granted Critical
Publication of KR102570846B1 publication Critical patent/KR102570846B1/ko

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/40—Bio-organic fraction processing; Production of fertilisers from the organic fraction of waste or refuse

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Chemical & Material Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Analytical Chemistry (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Fertilizers (AREA)

Abstract

본 발명은, 대상 지역과 관련된 정사영상을 획득하는 단계;
미리 학습된 딥러닝 모델에 상기 정사영상을 입력하여, 상기 정사영상에서 야적 퇴비가 존재하는 영역인, 관심 영역을 획득하는 단계;
상기 정사영상 및 상기 관심 영역 중 적어도 하나에 근거하여, 상기 야적 퇴비를 관리하기 위한 우선 순위를 판단하도록, 상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계; 및
상기 산출된 현황 정보를 출력하는 단계;를 포함하는, 야적 퇴비 탐지 방법을 제공한다.

Description

오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템{FIELD COMPOST DETECTION METHOD AND SYSTEM CAPABLE OF POLLUTANT MANAGEMENT}
본 발명은 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템에 관한 것이다.
퇴비는 농경지의 작물 영양 공급원으로 가치를 가지는 반면, 적절히 관리되지 않을 경우에는 농장 폐수로써 수계 물 환경에 악영향을 미치는 오염원으로 작용하기도 한다. 이에 따라, 농경지에 야적된 퇴비가 비점오염원으로 지적되고 있으나, 야적 퇴비에 대한 적재량 및 분포를 파악하는데는 한계가 있는 실정이며, 이로 인해, 강우 시 유실되거나, 유출되는 야적 퇴비의 양을 파악하기에 어려움이 따르고 있다.
따라서, 이러한 비점오염원은 강우 시 수질에 직접적인 영향을 줄 수 있으므로 야적 퇴비에 대한 분포 및 적재량을 파악하여 적절한 관리가 요구된다. 이를 위해, 종래에는 야적 퇴비를 파악하기 위해 조사자가 현장에서 직접 야적 퇴비와 관련된 정보들을 기록하거나, 토지피복지도와 같은 공간 자료를 활용함에 따라 많은 인력과 시간이 소요된다.
이에, 최근에는 수계와 같이 넓은 지역에 대한 효율적인 조사 방법으로써, 드론 영상, 항공 영상 및 위성 영상 등을 이용한 모니터링 방법이 활용되고 있으며 조사 인력에 비해 넓은 대상 지역의 효율적인 감시가 가능하고 주기적인 영상 자료 취득이 가능하다.
이와 관련하여, 컴퓨터의 성능 향상과 더불어 영상 처리 및 컴퓨터 비전(Computer Vision)의 하위 분야인 딥러닝(Deep Learning) 기술을 이용한 물체 인식 분야에서도 높은 인식률과 정확도를 보이며 성과를 보이고 있다.
따라서, 수계의 물 환경을 효과적으로 관리하고 개선하기 위해, 4차 산업 기술 중 드론 및 인공지능 등을 활용한 야적 퇴비 탐지 기술을 적용하여 오염원 현황에 대한 정밀하고 신속한 파악과 지속적인 모니터링 자료의 관리가 가능한 시스템이 요구되는 실정이다.
한편, 본 발명은 환경부 및 낙동강수계관리위원회에 의한 낙동강수계 환경기초조사사업(2020.07. ~ 2023.03.)의 일환으로서, 드론과 인공지능 활용 수계 오염원 탐지 및 물환경 관리방안(낙동강수계 2020-05번)에 대한 것이다.
본 발명은 대상 지역이 촬영된 영상으로부터 야적 퇴비를 탐지하는 야적 퇴비 탐지 방법 및 시스템에 관한 것이다.
또한, 본 발명은 탐지된 야적 퇴비에 대한 상태를 판단하여 사용자가 야적 퇴비를 효율적으로 관리할 수 있도록 야적 퇴비와 관련된 정보를 제공하는 야적 퇴비 탐지 방법 및 시스템에 관한 것이다.
위에서 살펴본 과제를 해결하기 위하여, 본 발명에 따른 야적 퇴비 탐지 방법은, 대상 지역과 관련된 정사영상을 획득하는 단계; 미리 학습된 딥러닝 모델에 상기 정사영상을 입력하여, 상기 정사영상에서 야적 퇴비가 존재하는 영역인, 관심 영역을 획득하는 단계; 상기 정사영상 및 상기 관심 영역 중 적어도 하나에 근거하여, 상기 야적 퇴비를 관리하기 위한 우선 순위를 판단하도록, 상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계; 및 상기 산출된 현황 정보를 출력하는 단계;를 포함할 수 있다.
또한, 본 발명에 따른 야적 퇴비 탐지 시스템은, 대상 지역과 관련된 정사영상이 저장되는 저장부; 및 미리 학습된 딥러닝 모델에 상기 정사영상을 입력하여, 상기 정사영상에서 야적 퇴비가 존재하는 영역인, 관심 영역을 획득하고, 상기 정사영상 및 상기 관심 영역 중 적어도 하나에 근거하여, 상기 야적 퇴비를 관리하기 위한 우선 순위를 판단하도록, 상기 야적 퇴비와 관련된 현황 정보를 산출하며, 상기 산출된 현황 정보를 출력하는 제어부;를 포함할 수 있다.
또한, 본 발명에 따른 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램은, 전자기기에서 하나 이상의 프로세스에 의하여 실행되며, 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램으로서, 상기 프로그램은, 대상 지역과 관련된 정사영상을 획득하는 단계; 미리 학습된 딥러닝 모델에 상기 정사영상을 입력하여, 상기 정사영상에서 야적 퇴비가 존재하는 영역인, 관심 영역을 획득하는 단계; 상기 정사영상 및 상기 관심 영역 중 적어도 하나에 근거하여, 상기 야적 퇴비를 관리하기 위한 우선 순위를 판단하도록, 상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계; 및 상기 산출된 현황 정보를 출력하는 단계;를 수행하도록 하는 명령어들을 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 야적 퇴비 탐지 방법 및 시스템은 정사영상에서 야적 퇴비가 존재하는 영역을 탐지할 수 있으며, 나아가, 탐지된 야적 퇴비와 관련된 정보들을 산출함으로써, 야적 퇴비의 관리 상태 및 야적 퇴비에 의한 오염 가능성을 예측할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 야적 퇴비 탐지 방법 및 시스템은 정사영상으로부터 검출된 야적 퇴비의 현황을 다양한 형태로 출력하고, 나아가, 야적 퇴비에 대한 모니터링 정보를 생성하고 출력함으로써, 사용자가 다양한 위치에 존재하는 복수의 야적 퇴비들을 쉽게 관리하도록 구성될 수 있다.
또한, 본 발명에 따른 야적 퇴비 탐지 방법 및 시스템은 야적 퇴비에 대한 검사 현황 및 야적 퇴비의 관리 상태에 대한 관리 등급을 결정함으로써, 사용자에게 우선적으로 관리가 필요한 야적 퇴비에 대한 정보를 제공할 수 있다.
도 1은 본 발명에 따른 야적 퇴비 탐지 시스템을 도시한다.
도 2는 딥러닝 모델을 학습시키도록 마련된 딥러닝 모델 학습 시스템을 도시한다.
도 3은 본 발명에 따른 야적 퇴비 탐지 방법의 흐름도이다.
도 4는 야적 퇴비 탐지 시스템에 마련된 딥러닝 모델을 학습시키는 딥러닝 모델 학습 방법의 흐름도이다.
도 5는 야적 퇴비 탐지 시스템에 마련된 딥러닝 모델을 이용하여 획득된 관심 영역의 일 실시예를 도시한다.
도 6은 야적 퇴비 탐지 시스템에서 현황 정보를 산출하도록 마련되는 복수의 모듈들을 도시한다.
도 7 내지 도 16은 야적 퇴비 탐지 시스템을 이용하는 일 실시예를 도시한다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소에는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 1은 본 발명에 따른 야적 퇴비 탐지 시스템을 도시한다. 도 2는 딥러닝 모델을 학습시키도록 마련된 딥러닝 모델 학습 시스템을 도시한다.
도 1을 참조하면, 본 발명에 따른 야적 퇴비 탐지 시스템(100)은 대상 지역과 관련된 정사영상(1)에서 야적 퇴비가 존재하는 관심 영역을 탐지하고, 탐지된 관심 영역에서의 야적 퇴비와 관련된 현황 정보(2)를 산출하여 사용자에게 제공할 수 있다.
여기에서, 대상 지역은 야적 퇴비에 대한 분포 및 적재량 등 현황을 파악하고자 하는 지역일 수 있다. 예를 들어, 대상 지역은 농경지를 포함할 수 있다. 이때, 대상 지역은 농경지 인근에 존재하는 수계(예를 들면, 하천, 강 등)가 포함될 수 있으며, 이러한 경우에, 야적 퇴비 탐지 시스템(100)은 야적 퇴비에 의한 수계의 물 환경 오염 가능성을 파악하기 위해 이용될 수 있다.
퇴비는 풀이나 짚, 가축의 배설물 등으로서, 농경지의 작물 영양 공급원으로 이용되는 거름을 의미할 수 있다. 따라서, 야적 퇴비는 농경지 등의 대상 지역 인근에 쌓여있는 퇴비를 의미할 수 있다. 이때, 야적 퇴비는 지정된 위치에 야적되도록 권장되며, 예를 들어, 야적 퇴비는 사유지에 야적되도록 권장될 수 있다. 즉, 야적 퇴비는, 국가가 각종 사용목적에 따라 관리하는 국유지에 야적되는 경우에 불법 야적지로서 취급될 수 있다.
이러한, 야적 퇴비는 강우 등의 이유로 유실되기도 하며, 이를 방지하도록 비닐 등의 덮개가 덮여있을 수 있다. 이때, 덮개는 재질 및 색상 등이 미리 지정되어 있을 수 있으며, 이를 통해, 야적 퇴비 탐지 시스템(100)은 대상 지역과 관련된 정사영상(1)에서, 비닐에 덮인 야적 퇴비가 존재하는 영역도 관심 영역으로서 탐지할 수 있다.
이와 관련하여, 현황 정보(2)는 야적 퇴비에 대한 현황 파악 및 관리 과정에서 요구되는 서로 다른 복수의 정보들을 포함할 수 있다. 예를 들어, 현황 정보(2)는 야적 퇴비에 대한 면적, 적재량, 위치, 수계와의 거리, 국유지 여부, 덮개 유무 등 다양한 정보들을 포함할 수 있다.
한편, 정사영상(1)은 드론 영상, 항공 영상 및 위성 영상 등에 대해 정사편위수정 등의 기법을 적용하여 제작된 것일 수 있다. 예를 들어, 정사영상(1)은, 드론을 통해 미리 지정된 고도, 경로 및 영상 중복률 등을 고려하여 촬영된 복수의 영상들을 획득하고, 획득된 복수의 영상들에 대한 3 차원 좌표(예를 들면, 위도, 경도, 고도)를 지상 좌표로 변환하며, 각 영상들에서 특징점을 추출하여 추출된 특징점들 간의 비교를 통해 동일한 지점을 나타내는 특징점들을 정합하고, 정합된 특징점들에 근거하여 2 차원 영상들의 집합을 3 차원 형태인 포인트 클라우드(Point Cloud)으로 변환하며, 포인트 클라우드의 각 포인트들에 정해진 3 차원 좌표 값에 근거하여 생성될 수 있다.
이와 관련하여, 야적 퇴비 탐지 시스템(100)은 정사영상(1)과 함께, 수치표면모델(DSM, Digital Surface Model)을 더 이용하여 야적 퇴비와 관련된 현황 정보(2)를 생성할 수도 있다.
이때, 수치표면모델은 지상의 표면에 대한 고도와 관련된 정보를 포함할 수 있다. 이러한, 수치표면모델은 드론 영상, 항공 영상 및 위성 영상 등을 이용하여 포인트 클라우드를 생성하고, 생성된 포인트 클라우드를 이용하여 생성될 수 있다. 이를 통해, 수치표면모델은 각 픽셀에서의 고도와 관련된 정보가 포함될 수 있다.
한편, 정사영상 및 수치표면모델 각각은 상기와 같은 예시에 한정되지 않으며, 종래에 공지된 다양한 기법을 이용하여 제작된 것이 이용될 수도 있다.
한편, 야적 퇴비 탐지 시스템(100)은 저장부(110), 입력부(130), 제어부(150) 및 출력부(170)를 포함할 수 있다.
저장부(110)는 야적 퇴비 탐지 시스템(100)의 동작에 필요한 정보들 및 명령어들이 저장될 수 있다. 예를 들어, 저장부(110)는 대상 지역과 관련된 정사영상(1) 및 수치표면모델이 저장될 수 있다.
또한, 저장부(110)는 정사영상(1)에서 관심 영역을 탐지하도록 미리 학습된 딥러닝 모델이 저장될 수 있다.
이때, 딥러닝 모델은 정사영상(1)이 입력되면, 정사영상(1)에서 야적 퇴비가 존재하는 영역인, 관심 영역이 출력되도록 학습된 것일 수 있다. 예를 들어, 딥러닝 모델은 딥러닝 모델 학습 시스템(200)에 의해 학습된 것일 수 있다.
도 2를 참조하면, 딥러닝 모델 학습 시스템(200)은 저장부(210), 입력부(230), 학습부(250) 및 출력부(270)를 포함할 수 있다.
저장부(210)는 딥러닝 모델 학습 시스템(200)의 동작에 필요한 정보들 및 명령어들이 저장될 수 있다. 예를 들어, 저장부(210)는 복수의 학습용 정사영상(11) 및 복수의 정답 관심 영역(12)이 저장될 수 있다.
여기에서, 학습용 정사영상(11)은 딥러닝 모델을 학습시키도록 마련된 정사영상일 수 있으며, 정답 관심 영역(12)은 학습용 정사영상(11)에 대한 레이블 데이터로서, 학습용 정사영상(11)에서 야적 퇴비가 존재하는 영역인 관심 영역을 미리 설정된 형태(예를 들면, 흑백 영상)로 나타낸 것일 수 있다.
예를 들어, 정답 관심 영역(12)은 학습용 정사영상(11)에 대한 어노테이션(Annotation)일 수 있다. 이때, 어노테이션은 프로그래밍 언어에서 소스 코드에 추가되는 정보일 수 있다.
입력부(230)는 사용자에 의해, 딥러닝 모델을 학습시키도록 마련된 복수의 학습용 정사영상(11) 및 복수의 정답 관심 영역(12)이 입력될 수 있다.
학습부(250)는 복수의 학습용 정사영상(11) 및 복수의 정답 관심 영역(12)을 이용하여 딥러닝 모델을 학습시킬 수 있다. 예를 들어, 딥러닝 모델은 심층 신경망(DNN, Deep Neural Network), 합성곱 신경망(CNN, Convolutional Neural Network) 및 순환 신경망(RNN, Recurrent Neural Network) 등 다양한 기법을 이용하여 딥러닝 모델을 학습시킬 수 있다.
또한, 학습부(250)는 미리 마련된 복수의 시험용 정사영상 및 복수의 시험용 관심 영역을 이용하여, 학습된 딥러닝 모델에 대한 검증을 수행할 수 있다. 이러한 경우에, 학습부(250)는 학습된 딥러닝 모델에 시험용 정사영상을 입력하여 시험용 정사영상에 대응되는 관심 영역이 출력되면, 출력된 관심 영역과 시험용 관심 영역을 비교함으로써, 학습된 딥러닝 모델의 정확도 등을 산출할 수 있다.
출력부(270)는 학습부(250)에 의해 딥러닝 모델이 학습되는 과정을 출력할 수 있다. 예를 들어, 출력부(270)는 학습된 딥러닝 모델에 시험용 정사영상이 입력되어 출력된 관심 영역과, 시험용 정사영상에 대응되는 시험용 관심 영역을 출력할 수 있다.
다시 도 1을 참조하면, 입력부(130)는 사용자에 의해, 대상 지역과 관련된 정사영상(1) 및 수치표면모델이 입력될 수 있다. 또한, 입력부(130)는 사용자에 의한 사용자 입력을 수신할 수 있다. 이를 통해, 제어부(150)는 사용자 입력에 대응되는 명령을 처리할 수 있다.
제어부(150)는 본 발명에 따른 야적 퇴비 탐지 시스템(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 제어부(150)는 미리 학습된 딥러닝 모델에 정사영상(1)을 입력하여 입력된 정사영상에 대응되는 관심 영역을 획득할 수 있다. 또한, 제어부(150)는 대상 지역에서 탐지된 관심 영역에 대한 현황 정보(2)를 산출할 수 있다.
출력부(170)는 사용자 입력에 따라 처리된 명령에 대한 결과를 출력할 수 있다. 예를 들어, 출력부(170)는 제어부(150)를 통해 정사영상(1)에 대한 관심 영역 및, 관심 영역에서의 야적 퇴비와 관련된 현황 정보(2)가 생성되면, 생성된 관심 영역 및 현황 정보(2)를 출력할 수 있다.
이상에서 살펴본 야적 퇴비 탐지 시스템(100)의 구성에 근거하여, 아래에서는 야적 퇴비 탐지 방법에 대해 보다 구체적으로 설명하도록 한다.
도 3은 본 발명에 따른 야적 퇴비 탐지 방법의 흐름도이다. 도 4는 야적 퇴비 탐지 시스템에 마련된 딥러닝 모델을 학습시키는 딥러닝 모델 학습 방법의 흐름도이다. 도 5는 야적 퇴비 탐지 시스템에 마련된 딥러닝 모델을 이용하여 획득된 관심 영역의 일 실시예를 도시한다. 도 6은 야적 퇴비 탐지 시스템에서 현황 정보를 산출하도록 마련되는 복수의 모듈들을 도시한다. 도 7 내지 도 16은 야적 퇴비 탐지 시스템을 이용하는 일 실시예를 도시한다.
도 3을 참조하면, 본 발명에 따른 야적 퇴비 탐지 시스템(100)은 대상 지역과 관련된 정사영상(1)을 획득하고(S100), 미리 학습된 딥러닝 모델에 정사영상(1)을 입력하여, 정사영상(1)에서 야적 퇴비가 존재하는 영역인, 관심 영역을 획득할 수 있다(S200).
이를 위해, 딥러닝 모델 학습 시스템(200)은 복수의 학습용 정사영상(11) 및 복수의 정답 관심 영역(12)을 이용하여 딥러닝 모델을 학습시킬 수 있다.
구체적으로 도 4를 참조하면, 딥러닝 모델 학습 시스템(200)은 복수의 학습용 정사영상(11)을 획득하고(S700), 복수의 학습용 정사영상(11) 각각에 대한 레이블 데이터로서 복수의 정답 관심 영역(12)을 획득할 수 있다(S800). 이에 따라, 딥러닝 모델 학습 시스템(200)은 딥러닝 모델에 정사영상(1)이 입력되면, 정사영상(1)에서 야적 퇴비가 존재하는 영역인, 관심 영역(20)이 출력되도록, 복수의 학습용 정사영상(11) 및 복수의 정답 관심 영역(12)을 이용하여 딥러닝 모델을 학습시킬 수 있다(S900).
이때, 정답 관심 영역(12)에는 야적 퇴비가 존재하는 영역 중, 덮개가 덮여있지 않은 영역인 제 1 관심 영역과, 덮개가 덮여있는 영역인 제 2 관심 영역이 포함될 수 있다.
이를 통해, 딥러닝 모델 학습 시스템(200)은 딥러닝 모델에 정사영상(1)이 입력되면, 정사영상(1)에서 야적 퇴비가 존재하는 영역 중, 덮개가 덮여있지 않은 영역인 제 1 관심 영역과, 덮개가 덮여있는 영역인 제 2 관심 영역이 출력되도록, 딥러닝 모델을 학습시킬 수 있다.
또는, 딥러닝 모델 학습 시스템(200)은 딥러닝 모델에 정사영상(1)이 입력되면, 정사영상(1)에서 야적 퇴비가 존재하는 관심 영역 중, 덮개가 덮여있지 않은 영역인 제 1 관심 영역에 대한 유무와 관련된 정보가 관심 영역과 함께 출력되도록, 딥러닝 모델을 학습시킬 수도 있다.
상기와 같은 구성들을 통해, 본 발명에 따른 야적 퇴비 탐지 시스템(100)은 미리 학습된 딥러닝 모델을 이용하여 정사영상(1)에 대응되는 관심 영역을 획득할 수 있다. 이때, 야적 퇴비 탐지 시스템(100)은 다양한 형태로 관심 영역을 획득할 수 있다.
예를 들어, 관심 영역은 정사영상(1) 중, 야적 퇴비로 판단된 영역에 대한 좌표 정보일 수 있다. 이러한 경우에, 좌표 정보는 정사영상(1)에서의 픽셀의 위치와 관련된 정보이거나, 또는, 정사영상(1)에 대응되는 실제 위치와 관련된 정보(예를 들면, 경도, 위도)일 수 있다.
다른 예를 들면, 관심 영역은 정사영상(1)에서 야적 퇴비로 탐지된 영역에 미리 설정된 마커가 생성되도록 설정될 수도 있다. 이때, 마커는 야적 퇴비로 탐지된 영역에 대응되는 범위를 포함하도록 생성되거나, 또는, 야적 퇴비로 탐지된 영역 중 일 지점에 생성될 수 있다. 또한, 마커는 야적 퇴비와 관련된 정보(예를 들면, 덮개 유무, 면적 등)를 포함하도록 생성될 수도 있다.
이를 통해, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에 생성된 마커의 위치를 통해, 야적 퇴비의 위치를 산출할 수 있고, 나아가, 야적 퇴비의 면적, 적재량 등을 산출하는데 이용될 수도 있다.
나아가, 본 발명에 따른 야적 퇴비 탐지 시스템(100)은 미리 학습된 딥러닝 모델을 통해, 정사영상(1)에서 야적 퇴비가 존재하는 영역 중, 덮개가 덮여있지 않은 영역인 제 1 관심 영역과, 덮개가 덮여있는 영역인 제 2 관심 영역 중 적어도 하나를 획득할 수 있다.
구체적으로, 관심 영역은 야적 퇴비에 대한 덮개 유무가 파악되도록, 제 1 색상과 관련된 제 1 관심 영역 및 제 2 색상과 관련된 제 2 관심 영역을 포함할 수 있다. 이러한 경우에, 제 1 색상은 야적 퇴비에 대응되는 색상으로서, 황토색, 갈색, 적갈색, 흙색 등의 색상을 포함할 수 있고, 제 2 색상은 야적 퇴비를 덮도록 마련되는 덮개에 대응되는 색상으로서, 파란색, 흰색, 초록색 등의 색상을 포함할 수 있다.
이에 따라, 딥러닝 모델 학습 시스템(200)은 제 1 색상 및 제 2 색상에 따른 제 1 관심 영역 및 제 2 관심 영역을 탐지하도록 딥러닝 모델을 학습시킬 수 있다.
이와 관련하여, 관심 영역은 색상 외에도, 야적 퇴비와 덮개의 형태, 재질 및 패턴 등에 근거하여 제 1 관심 영역 및 제 2 관심 영역을 포함하도록 설정될 수 있다.
이를 통해, 야적 퇴비 탐지 시스템(100)은 미리 학습된 딥러닝 모델을 이용하여, 정사영상(1)에서 제 1 색상에 대응되는 제 1 관심 영역 및 제 2 색상에 대응되는 제 2 관심 영역 중 적어도 하나를 획득할 수 있다.
도 5를 참조하여 예를 들면, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 야적 퇴비에 대응되는 제 1 색상에 근거하여 제 1 관심 영역(31)을 획득할 수 있다. 또한, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 야적 퇴비의 덮개에 대응되는 제 2 색상에 근거하여 제 2 관심 영역(32)을 획득할 수 있다.
다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 야적 퇴비에 대응되는 관심 영역을 탐지하고, 탐지된 관심 영역 내에 야적 퇴비에 대응되는 제 1 색상의 존재 여부를 확인할 수 있다.
즉, 야적 퇴비 탐지 시스템(100)은 관심 영역 내에 제 1 색상이 존재하면, 덮개가 덮여있지 않은 제 1 관심 영역(31)으로 판단하고, 관심 영역 내에 제 1 색상이 존재하지 않으면, 덮개가 덮여있는 제 2 관심 영역(32)으로 판단할 수 있다.
다시 도 3을 참조하면, 본 발명에 따른 야적 퇴비 탐지 시스템(100)은 정사영상(1) 및 관심 영역 중 적어도 하나에 근거하여, 야적 퇴비를 관리하기 위한 우선 순위를 판단하도록, 야적 퇴비와 관련된 현황 정보(2)를 산출하고, 산출된 현황 정보를 출력할 수 있다.
구체적으로, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에 대응하여 획득된 관심 영역에 미리 설정된 다양한 알고리즘을 적용하여, 현황 정보(2)로서, 야적 퇴비와 관련된 다양한 정보를 산출할 수 있다.
예를 들어, 야적 퇴비 탐지 시스템(100)은 면적 산출 모듈(111), 적재량 산출 모듈(112), 중심 좌표 산출 모듈(113), 수계 거리 산출 모듈(114), 지정 위치 검증 모듈(115) 및 관리 상태 판단 모듈(116)을 포함할 수 있다. 이러한 경우에, 현황 정보는 면적, 적재량, 위치, 수계 거리, 지정 위치 여부 및 관리 상태 중 적어도 하나를 포함할 수 있다.
이에 따라, 야적 퇴비 탐지 시스템(100)은 면적 산출 모듈(111)을 이용하여 관심 영역에 대한 면적을 산출할 수 있다. 구체적으로, 야적 퇴비 탐지 시스템(100)은 관심 영역에 대응되는 복수개의 픽셀들의 개수와, 복수개의 픽셀들 중 어느 하나의 픽셀에 대응되는 픽셀 면적에 근거하여 야적 퇴비에 대한 면적을 산출할 수 있다.
즉, 야적 퇴비 탐지 시스템(100)은 관심 영역에 대응되는 복수개의 픽셀들의 개수와, 각 픽셀의 픽셀 면적을 곱하여 면적을 산출할 수 있다.
이때, 관심 영역에 대응되는 복수개의 픽셀들의 개수는 정사영상(1)에서 관심 영역으로 설정된 복수개의 픽셀들의 개수일 수 있다. 또한, 어느 하나의 픽셀에 대응되는 픽셀 면적은, 정사영상(1)의 한 픽셀에 대응되는 지표면의 면적일 수 있다. 예를 들어, 픽셀 면적은 공간 해상도(Spatial Resolution)일 수 있다.
도 7을 참조하여 예를 들면, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 관심 영역(30)으로 탐지된 복수의 픽셀들의 픽셀 면적(40)에 근거하여 야적 퇴비에 대한 면적을 산출할 수 있다. 이때, 픽셀 면적(40)은 각 픽셀의 가로 길이(42)에 대응되는 실제 거리와, 세로 길이(41)에 대응되는 실제 거리에 근거하여 산출될 수 있다.
또한, 야적 퇴비 탐지 시스템(100)은 적재량 산출 모듈(112)을 이용하여 관심 영역에 대한 야적 퇴비의 적재량을 산출할 수 있다. 구체적으로, 야적 퇴비 탐지 시스템(100)은 관심 영역에 대응되는 수치표면모델을 획득하고, 관심 영역에 대응되는 복수개의 픽셀들 각각에 대해, 각 픽셀에 대응되는 픽셀 면적과, 수치표면모델에서의 각 픽셀의 고도(또는, 높이)에 근거하여 야적 퇴비에 대한 적재량을 산출할 수 있다.
즉, 야적 퇴비 탐지 시스템(100)은 관심 영역에 대응되는 복수개의 픽셀들 각각에 대해, 각 픽셀에 대응되는 픽셀 면적과 수치표면모델에서의 각 픽셀의 고도를 곱하고, 복수개의 픽셀들 각각에 대해 산출된 결과를 합산하여 야적 퇴비에 대한 적재량을 산출할 수 있다.
이와 관련하여, 야적 퇴비 탐지 시스템(100)은 관심 영역에 대응되는 복수개의 픽셀들 중 어느 하나의 픽셀에 대한 고도와 픽셀 면적을 곱하고, 그 결과 값에 복수개의 픽셀들의 개수를 곱하여 야적 퇴비에 대한 적재량을 산출할 수 있다. 이러한 경우에, 복수개의 픽셀들 중 어느 하나의 픽셀은, 복수개의 픽셀들 중 고도가 가장 높은 픽셀이거나, 또는, 평균 고도를 갖는 픽셀일 수 있다.
도 8을 참조하여 예를 들면, 야적 퇴비 탐지 시스템(100)은 관심 영역(30)에 대응되는 복수의 픽셀들 각각의 픽셀 면적(52)과 고도(51)에 근거하여 야적 퇴비에 대한 적재량을 산출할 수 있다. 이때, 야적 퇴비 탐지 시스템(100)은 수치표면모델(50)로부터, 관심 영역(30)에 대응되는 복수의 픽셀들 각각에 대한 고도(51)를 추출할 수 있다.
또한, 야적 퇴비 탐지 시스템(100)은 중심 좌표 산출 모듈(113)을 이용하여 관심 영역에 대한 중심 좌표를 결정할 수 있다. 구체적으로, 야적 퇴비 탐지 시스템(100)은 관심 영역 내의 임의의 한 픽셀에 대응되는 좌표를 중심 좌표로서 결정할 수 있다. 예를 들어, 야적 퇴비 탐지 시스템(100)은 관심 영역의 무게 중심점을 산출하여, 무게 중심점에 대응되는 픽셀의 좌표를 중심 좌표로서 결정할 수 있다.
도 9를 참조하여 예를 들면, 야적 퇴비 탐지 시스템(100)은 관심 영역(30)의 외측을 둘러싸도록 형성되는 도형(33)에 대한 무게 중심점을 산출함으로써, 중심 좌표(34)를 결정할 수 있다.
또한, 야적 퇴비 탐지 시스템(100)은 수계 거리 산출 모듈(114)을 이용하여 관심 영역과, 정사영상(1)에서 검출된 수계 사이의 거리를 수계 거리로서 산출할 수 있다. 구체적으로, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 수계를 검출하고, 관심 영역에 대해 결정된 중심 좌표와, 상기 검출된 수계의 일 지점을 연결하는 선 중 가장 짧은 선의 거리를 산출하여, 야적 퇴비와 수계 사이의 거리를 수계 거리로서 산출할 수 있다.
이때, 야적 퇴비 탐지 시스템(100)은 다양한 기법을 활용하여 정사영상(1)에서 수계를 검출할 수 있다. 예를 들어, 야적 퇴비 탐지 시스템(100)은 사용자 입력에 근거하여 정사영상(1)에서의 수계의 위치가 결정될 수 있다. 다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 수계를 탐지하도록 미리 마련된 딥러닝 모델에 정사영상(1)을 입력하여, 수계의 위치를 획득할 수 있다. 또 다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 수치표면모델에 근거하여 고도가 미리 설정된 값보다 낮은 위치를 수계로 판단할 수 있다.
도 10을 참조하여 예를 들면, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 수계(3)의 위치를 획득하고, 각 관심 영역(30a, 30b)의 중심 좌표(또는, 관심 영역의 일측)와, 수계(3)와의 최단 거리를 수계 거리로서 산출할 수 있다.
또한, 야적 퇴비 탐지 시스템(100)은 지정 위치 검증 모듈(115)을 이용하여 관심 영역의 위치가 미리 지정된 위치에 존재하는지를 검증할 수 있다. 구체적으로, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서, 야적 퇴비가 야적된 위치의 적합 여부를 판단하도록 설정된 지정 영역(예를 들면, 국유지 또는, 사유지)을 검출하고, 관심 영역에 대해 결정된 중심 좌표가 지정 영역에 속하는지 여부를 판단할 수 있다.
이때, 야적 퇴비 탐지 시스템(100)은 다양한 기법을 활용하여 정사영상(1)에서 지정 영역을 검출할 수 있다. 예를 들어, 야적 퇴비 탐지 시스템(100)은 사용자 입력에 근거하여 정사영상(1)에서의 지정 영역이 결정될 수 있다. 다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 지정 영역을 검출하도록 미리 마련된 딥러닝 모델에 정사영상(1)을 입력하여, 지정 영역을 획득할 수 있다.
도 11을 참조하여 예를 들면, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 지정 영역으로서, 국유지 영역(4)을 검출하고, 각 관심 영역(30c, 30d)이 국유지 영역과 중첩되는 영역에 존재하는지 여부를 판단할 수 있다. 이에 따라, 야적 퇴비 탐지 시스템(100)은 국유지 영역에 중첩되는 관심 영역(30c)을 불법 야적지로 판단하고, 국유지 영역에 중첩되지 않는 관심 영역(30d)을 적합 야적지로 판단할 수 있다.
다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 지정 영역으로서, 사유지 영역(5)을 검출하고, 각 관심 영역(30c, 30d)이 사유지 영역과 중첩되는 영역에 존재하는지 여부를 판단할 수 있다. 이에 따라, 야적 퇴비 탐지 시스템(100)은 사유지 영역에 중첩되지 않는 관심 영역(30c)을 불법 야적지로 판단하고, 사유지 영역에 중첩되는 관심 영역(30d)을 적합 야적지로 판단할 수 있다.
야적 퇴비 탐지 시스템(100)은 관리 상태 판단 모듈(116)을 이용하여 관심 영역에서 나타나는 야적 퇴비에 대한 덮개의 유무에 따른 관리 상태를 판단할 수 있다. 구체적으로, 야적 퇴비 탐지 시스템(100)은 관심 영역에 제 1 관심 영역 및 제 2 관심 영역이 포함되는 경우에, 정사영상(1)에 대응되는 제 1 관심 영역 및 제 2 관심 영역 각각에 대한 획득 여부에 근거하여 야적 퇴비에 대한 관리 상태를 판단할 수 있다.
도 12를 참조하여 예를 들면, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에 대응하여 제 1 관심 영역(30h, 30i)만 획득되는 경우에, 제 1 관심 영역(30h, 30i)에 대한 관리 상태를 제 1 관리 상태(예를 들면, "미흡")로 결정할 수 있다. 또한, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에 대응하여 제 2 관심 영역(30e)만 획득되는 경우에, 제 2 관심 영역(30e)에 대한 관리 상태를 상기 제 1 관리 상태보다 높은 수준을 나타내도록 설정된 제 2 관리 상태(예를 들면, "양호")로 결정할 수 있다.
나아가, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에 대응하여 제 1 관심 영역과 제 2 관심 영역이 획득되는 경우에, 제 1 관심 영역과, 제 2 관심 영역 간의 분리 여부에 근거하여, 획득된 제 1 관심 영역 및 제 2 관심 영역이 하나의 관심 영역인지 여부를 판단하고, 판단 결과에 근거하여 제 1 관심 영역 및 제 2 관심 영역 중 적어도 하나에 대한 관리 상태를 판단할 수 있다.
예를 들어, 야적 퇴비 탐지 시스템(100)은 제 1 관심 영역과 제 2 관심 영역이 합쳐져 있는 경우에, 제 1 관심 영역과 제 2 관심 영역을 하나의 제 3 관심 영역(30g, 30h)으로 판단하고, 제 3 관심 영역에 대한 관리 상태를 제 1 관리 상태(예를 들면, "미흡")로 결정할 수 있다.
다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 제 1 관심 영역과 제 2 관심 영역이 분리되어 있는 경우에, 제 1 관심 영역(30h, 30i)에 대한 관리 상태를 제 1 관리 상태(예를 들면, "미흡")로 결정하고, 제 2 관심 영역(30e, 30f)에 대한 관리 상태를 상기 제 1 관리 상태보다 높은 수준을 나타내도록 설정된 제 2 관리 상태(예를 들면, "양호")로 결정할 수 있다.
한편, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에 대응하여, 관심 영역과 함께 제 1 관심 영역에 대한 유무와 관련된 정보가 획득되는 경우에는, 제 1 관심 영역의 유무에 근거하여 관심 영역에 대한 관리 상태를 판단할 수도 있다.
예를 들면, 야적 퇴비 탐지 시스템(100)은 제 1 관심 영역이 존재하는 관심 영역(30g, 30h, 30i, 30j)에 대한 관리 상태를 제 1 관리 상태(예를 들면, "미흡")로 결정할 수 있다.
다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 제 1 관심 영역이 존재하지 않는 관심 영역(30e, 30f)에 대한 관리 상태를 상기 제 1 관리 상태보다 높은 수준을 나타내도록 설정된 제 2 관리 상태(예를 들면, "양호")로 결정할 수 있다.
상기와 같은 구성들을 통해, 본 발명에 따른 야적 퇴비 탐지 시스템(100)은 정사영상(1)에서 야적 퇴비가 존재하는 영역을 탐지할 수 있으며, 나아가, 야적 퇴비 탐지 시스템(100)은 탐지된 야적 퇴비와 관련된 정보들을 산출함으로써, 야적 퇴비의 관리 상태 및 야적 퇴비에 의한 오염 가능성을 예측할 수 있다.
나아가, 본 발명에 따른 야적 퇴비 탐지 시스템(100)은 상기에서 산출된 현황 정보를 사용자가 확인 가능하도록 출력할 수 있다.
도 13을 참조하여 예를 들면, 야적 퇴비 탐지 시스템(100)은 현황 정보로서, 이미지 형태의 정보, 탐지 결과와 관련된 정보, 모니터링과 관련된 정보 및 보고서 형태의 정보 중 적어도 하나를 생성할 수 있다.
이를 위해, 야적 퇴비 탐지 시스템(100)은 디스플레이 화면(60)을 통해, 이미지 열기 입력 버튼(62), 탐지 결과 데이터 입력 버튼(63), 모니터링 데이터 입력 버튼(64) 및 보고서 생성 입력 버튼(65)을 출력하고, 사용자 입력에 근거하여 각 버튼에 대응되는 현황 정보를 생성(또는, 출력)할 수 있다.
이때, 야적 퇴비 탐지 시스템(100)은 디스플레이 화면(60)을 통해, 상기의 각 버튼들과 함께, 이미지 형태의 정보 중 적어도 일부를 사용자에게 미리 보여지도록 출력할 수도 있다.
이에 따라, 야적 퇴비 탐지 시스템(100)은 이미지 열기 입력 버튼(62)에 대응되는 사용자 입력이 수신되면, 상기에서 탐지된 야적 퇴비가 존재하는 영역이 표시된 정사영상(1)을 출력할 수 있다.
도 14를 참조하면, 야적 퇴비 탐지 시스템(100)은 정사영상(1)에 야적 퇴비가 탐지된 영역(30k, 30l, 30m)에 강조 표시(예를 들면, 원형 표시)를 생성하고, 이를, 디스플레이 화면에 출력할 수 있다.
또한, 야적 퇴비 탐지 시스템(100)은 탐지 결과 데이터 입력 버튼(63)에 대응되는 사용자 입력이 수신되면, 상기에서 산출된 면적, 적재량, 중심 좌표, 수계 거리, 지정 위치 여부 및 관리 상태 중 적어도 하나를 출력할 수 있다.
이때, 야적 퇴비 탐지 시스템(100)은 미리 마련된 형태(예를 들면, 표 형태)로 상기에서 산출된 면적, 적재량, 중심 좌표, 수계 거리, 지정 위치 여부 및 관리 상태 중 적어도 하나를 변환하여 출력할 수 있다.
도 15를 참조하면, 야적 퇴비 탐지 시스템(100)은 탐지 결과 데이터 입력 버튼(63)에 대응되는 사용자 입력에 근거하여, 미리 마련된 형태(예를 들면, 표 형태)로 상기에서 산출된 면적, 적재량(또는, 부피), 중심 좌표(또는, 경도, 위도), 수계 거리, 지정 위치 여부(또는, 국유지 여부) 및 관리 상태(또는, 상태)를 출력할 수 있다.
또한, 야적 퇴비 탐지 시스템(100)은 모니터링 데이터 입력 버튼(64)에 대응되는 사용자 입력이 수신되면, 야적 퇴비에 대한 모니터링과 관련된 정보들을 출력할 수 있다.
여기에서, 야적 퇴비에 대한 모니터링과 관련된 정보들은 야적 퇴비에 대한 탐지 결과와 관련된 정보 및 탐지된 야적 퇴비에 대한 관리와 관련된 정보들이 포함될 수 있다.
도 16을 참조하면, 야적 퇴비 탐지 시스템(100)은 모니터링 데이터 데이터 입력 버튼(64)에 대응되는 사용자 입력에 근거하여, 미리 마련된 형태(예를 들면, 표 형태)로 상기에서 야적 퇴비에 대한 검사 일정, 관리 등급, 관리 등급에 따른 계도 명령일, 후속 검사 일정 및 계도 완료 여부와 관련된 정보들을 출력할 수 있다.
여기에서, 검사 일정은 정사영상(1)을 통해 야적 퇴비와 관련된 정보들을 탐지한 날짜 정보를 포함할 수 있다. 예를 들어, 검사 일정은 정사영상(1)을 생성하기 위해 드론 영상, 항공 영상 및 위성 영상 등이 촬영된 날짜 정보를 포함할 수 있다.
관리 등급은 야적 퇴비의 관리 현황에 따라 설정된 등급으로서, 관심 영역에 대해 산출된 현황 정보에 근거하여 설정될 수 있다. 즉, 야적 퇴비 탐지 시스템(100)은 야적 퇴비에 대한 면적, 적재량, 수계 거리, 지정 위치 여부 및 관리 상태 중 적어도 하나에 근거하여 관리 등급을 결정할 수 있다.
예를 들어, 야적 퇴비 탐지 시스템(100)은 관리 등급을 복수의 단계로 나타내되, 수계 거리가 미리 설정된 거리를 초과하는 경우에(또는, 적재량과 수계 거리의 비율이 미리 설정된 수준을 초과하는 경우에) 한 단계 낮아지고, 지정 위치 여부에 근거하여 관심 영역이 불법 야적지로 판단되는 경우에 한 단계 낮아지며, 관리 상태가 "미흡"인 경우에 한 단계 낮아지도록 관리 등급을 결정할 수 있다.
계도 명령일은 야적 퇴비가 존재하는 지역과 관련된 사람(예를 들면, 토지 소유자 또는, 지역 단체장)에게 야적 퇴비에 대한 관리를 요구한 날짜 정보를 포함할 수 있다. 이때, 계도 명령일은 사용자 입력에 근거하여 설정될 수 있다.
또는, 야적 퇴비 탐지 시스템(100)은 야적 퇴비에 대한 관리 등급이 미리 설정된 등급보다 낮은 경우에, 해당 야적 퇴비가 위치한 지역과 관련하여 미리 지정된 서버 장치에 야적 퇴비에 대한 계도 명령 메시지를 송신할 수 있다. 이러한 경우에, 야적 퇴비 탐지 시스템(100)은 계도 명령 메시지를 송신한 시점을 계도 명령일로서 설정할 수 있다. 이때, 계도 명령 메시지는 야적 퇴비와 관련된 정보와 함께, 야적 퇴비에 대한 관리를 요구하는 내용이 포함될 수 있다.
후속 검사 일정은 야적 퇴비에 대한 지속적인 관리 상태를 확인하기 위해 설정되는 날짜 정보를 포함할 수 있다. 즉, 후속 검사 일정은 상기의 검사 일정에 따른 야적 퇴비에 대한 탐지가 이루어진 후, 야적 퇴비에 대한 재 탐지가 필요한 경우에 설정될 수 있다.
예를 들어, 야적 퇴비 탐지 시스템(100)은 검사 일정으로부터 미리 설정된 기간이 경과한 날짜를 후속 검사 일정으로 설정할 수 있다.
다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 계도 명령일이 설정되는 경우에 후속 검사 일정을 설정할 수 있으며, 이러한 경우에, 야적 퇴비 탐지 시스템(100)은 계도 명령일로부터 미리 설정된 기간이 경과한 날짜를 후속 검사 일정으로 설정할 수 있다.
계도 완료 여부는 서로 다른 날짜에 수행된 야적 퇴비에 대한 탐지 결과에 따른 관리 등급이 개선되었는지 여부를 나타내도록 설정될 수 있다.
예를 들어, 야적 퇴비 탐지 시스템(100)은 후속 검사 일정에 따른 야적 퇴비에 대한 탐지가 수행되어 관리 등급이 결정되면, 상기의 검사 일정에 따라 결정된 관리 등급과, 후속 검사 일정에 따라 결정된 관리 등급을 비교하고, 비교 결과에 따라 후속 검사 일정에 따라 결정된 관리 등급이 검사 일정에 따라 결정된 관리 등급보다 높은 경우에 계도가 완료된 것을 나타내도록 설정할 수 있다.
다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 과거에 탐지된 야적 퇴비에 대한 위치로부터 미리 설정된 거리 범위 이내에서, 야적 퇴비가 탐지되는 경우에, 과거의 야적 퇴비에 대한 관리 등급과 상기 탐지된 야적 퇴비에 대한 관리 등급을 비교하고, 비교 결과에 근거하여 계도 완료 여부를 설정할 수 있다.
또 다른 예를 들면, 야적 퇴비 탐지 시스템(100)은 후속 검사 일정에 따라 결정된 관리 등급이 미리 설정된 등급보다 높은 경우에 계도가 완료된 것으로 설정할 수 있다.
또한, 야적 퇴비 탐지 시스템(100)은 보고서 생성 입력 버튼(65)에 대응되는 사용자 입력이 수신되면, 현황 정보가 포함되도록 보고서를 생성하여 출력할 수 있다.
여기에서, 보고서는 다양한 형식으로 작성될 수 있으며, 야적 퇴비 탐지 시스템(100)은 이미지 형태의 정보, 탐지 결과와 관련된 정보, 모니터링과 관련된 정보 중 적어도 하나가 포함되도록 보고서를 생성할 수 있다.
상기와 같은 구성들을 통해, 본 발명에 따른 야적 퇴비 탐지 시스템(100)은 정사영상(1)으로부터 검출된 야적 퇴비의 현황을 다양한 형태로 출력하고, 나아가, 야적 퇴비에 대한 모니터링 정보를 생성하고 출력함으로써, 사용자가 다양한 위치에 존재하는 복수의 야적 퇴비들을 쉽게 관리하도록 구성될 수 있다.
또한, 야적 퇴비 탐지 시스템(100)은 야적 퇴비에 대한 검사 현황 및 야적 퇴비의 관리 상태에 대한 관리 등급을 결정함으로써, 사용자에게 우선적으로 관리가 필요한 야적 퇴비에 대한 정보를 제공할 수 있다.
나아가, 위에서 살펴본 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드 또는 명령어로서 구현하는 것이 가능하다. 즉, 본 발명에 따른 다양한 제어방법은 통합하여 또는 개별적으로 프로그램의 형태로 제공될 수 있다.
한편, 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽어질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.
나아가, 컴퓨터가 읽을 수 있는 매체는, 저장소를 포함하며 전자기기가 통신을 통하여 접근할 수 있는 서버 또는 클라우드 저장소일 수 있다. 이 경우, 컴퓨터는 유선 또는 무선 통신을 통하여, 서버 또는 클라우드 저장소로부터 본 발명에 따른 프로그램을 다운로드 받을 수 있다.
나아가, 본 발명에서는 위에서 설명한 컴퓨터는 프로세서, 즉 CPU(Central Processing Unit, 중앙처리장치)가 탑재된 전자기기로서, 그 종류에 대하여 특별한 한정을 두지 않는다.
한편, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
1: 정사영상
2: 현황 정보
3: 수계
4: 국유지 영역
5: 사유지 영역
11: 학습용 정사영상
12: 정답 관심 영역
20: 관심 영역
30: 관심 영역
31: 제 1 관심 영역
32: 제 2 관심 영역
33: 관심 영역의 외측을 둘러싸도록 형성되는 도형
34: 중심 좌표
40: 픽셀 면적
41: 세로 길이
42: 가로 길이
50: 수치 표면 모델
51: 고도
52: 픽셀 면적
100: 야적 퇴비 탐지 시스템
200: 딥러닝 모델 학습 시스템

Claims (10)

  1. 대상 지역과 관련된 정사영상을 획득하는 단계;
    미리 학습된 딥러닝 모델에 상기 정사영상을 입력하여, 상기 정사영상에서 야적 퇴비가 존재하는 영역인, 관심 영역을 획득하는 단계;
    상기 정사영상 및 상기 관심 영역 중 적어도 하나에 근거하여, 상기 야적 퇴비를 관리하기 위한 우선 순위를 판단하도록, 상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계;
    상기 산출된 현황 정보에 근거하여, 상기 관심 영역에 대한 관리 등급을 결정하는 단계; 및
    상기 관리 등급이 미리 설정된 등급보다 낮은 경우, 상기 야적 퇴비가 존재하는 상기 관심 영역과 관련하여 미리 지정된 서버로 상기 야적 퇴비에 대한 계도 명령 메시지를 송신하는 단계;를 포함하고,
    상기 관심 영역을 획득하는 단계에서는,
    상기 야적 퇴비의 유실이 방지되도록 마련되는 덮개의 유무에 근거하여, 상기 야적 퇴비에 대응되는 제 1 관심 영역 및 상기 덮개에 대응되는 제 2 관심 영역 중 적어도 하나를 획득하고,
    상기 관리 등급을 결정하는 단계에서는,
    상기 정사영상으로부터 상기 제 1 관심 영역만 획득된 경우 상기 관리 등급을 제1 관리 등급으로 결정하고,
    상기 정사영상으로부터 상기 제 2 관심 영역만 획득된 경우 상기 관리 등급을 상기 제1 관리 등급보다 높은 제2 관리 등급으로 결정하고,
    상기 정사영상으로부터 상기 제 1 관심 영역 및 상기 제 2 관심 영역이 모두 획득된 경우, 상기 제 1 관심 영역 및 상기 제 2 관심 영역 간의 분리 여부에 근거하여 상기 관리 등급을 결정하는 것을 특징으로 하는 야적 퇴비 탐지 방법.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서, 상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계는,
    상기 관심 영역에 대응되는 복수개의 픽셀들의 개수와, 상기 복수개의 픽셀들 중 어느 하나의 픽셀에 대응되는 픽셀 면적에 근거하여 상기 야적 퇴비에 대한 면적을 산출하는 단계;를 포함하는, 야적 퇴비 탐지 방법.
  5. 제 1 항에 있어서,
    상기 관심 영역에 대응되는 수치표면모델을 획득하는 단계;를 더 포함하고,
    상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계는,
    상기 관심 영역에 대응되는 복수개의 픽셀들 각각에 대해, 각 픽셀에 대응되는 면적과, 상기 수치표면모델에서의 각 픽셀의 고도에 근거하여 야적 퇴비에 대한 적재량을 산출하는 단계;를 포함하는, 야적 퇴비 탐지 방법.
  6. 제 1 항에 있어서,
    상기 정사영상에서 수계를 검출하는 단계;를 더 포함하고,
    상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계는,
    상기 관심 영역 내의 임의의 한 픽셀에 대응되는 좌표를 중심 좌표로서 결정하는 단계; 및
    상기 관심 영역에 대해 결정된 중심 좌표와, 상기 검출된 수계의 일 지점을 연결하는 선 중 가장 짧은 선의 거리를 산출하여, 상기 야적 퇴비와 상기 수계 사이의 거리를 수계 거리로서 산출하는 단계;를 포함하는, 야적 퇴비 탐지 방법.
  7. 제 1 항에 있어서,
    상기 정사영상에서, 상기 야적 퇴비가 야적된 위치의 적합 여부를 판단하도록 설정된 지정 영역을 검출하는 단계;를 더 포함하고,
    상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계는,
    상기 관심 영역 내의 임의의 한 픽셀에 대응되는 좌표를 중심 좌표로서 결정하는 단계; 및
    상기 관심 영역에 대해 결정된 중심 좌표가 상기 지정 영역에 속하는지 여부를 판단하는 단계;를 포함하는, 야적 퇴비 탐지 방법.
  8. 제 1 항에 있어서,
    상기 미리 학습된 딥러닝 모델은,
    딥러닝 모델 학습 방법에 따라 학습된 것이고,
    상기 딥러닝 모델 학습 방법은,
    복수의 학습용 정사영상을 획득하는 단계;
    상기 복수의 학습용 정사영상 각각에 대한 레이블 데이터로서 복수의 정답 관심 영역을 획득하는 단계; 및
    딥러닝 모델에 정사영상이 입력되면, 상기 정사영상에서 야적 퇴비가 존재하는 영역인, 관심 영역이 출력되도록, 상기 복수의 학습용 정사영상 및 상기 복수의 정답 관심 영역을 이용하여 상기 딥러닝 모델을 학습시키는 단계;를 포함하는, 야적 퇴비 탐지 방법.
  9. 대상 지역과 관련된 정사영상이 저장되는 저장부; 및
    미리 학습된 딥러닝 모델에 상기 정사영상을 입력하여, 상기 정사영상에서 야적 퇴비가 존재하는 영역인, 관심 영역을 획득하고, 상기 정사영상 및 상기 관심 영역 중 적어도 하나에 근거하여, 상기 야적 퇴비를 관리하기 위한 우선 순위를 판단하도록, 상기 야적 퇴비와 관련된 현황 정보를 산출하고, 상기 산출된 현황 정보에 근거하여, 상기 관심 영역에 대한 관리 등급을 결정하고, 상기 관리 등급이 미리 설정된 등급보다 낮은 경우, 상기 관심 영역과 관련하여 미리 지정된 서버로 상기 야적 퇴비에 대한 계도 명령 메시지를 송신하는 제어부;를 포함하고,
    상기 제어부는,
    상기 야적 퇴비의 유실이 방지되도록 마련되는 덮개의 유무에 근거하여, 상기 야적 퇴비에 대응되는 제 1 관심 영역 및 상기 덮개에 대응되는 제 2 관심 영역 중 적어도 하나를 획득하고,
    상기 정사영상으로부터 상기 제 1 관심 영역만 획득된 경우 상기 관리 등급을 제1 관리 등급으로 결정하고,
    상기 정사영상으로부터 상기 제 2 관심 영역만 획득된 경우 상기 관리 등급을 상기 제1 관리 등급보다 높은 제2 관리 등급으로 결정하고,
    상기 정사영상으로부터 상기 제 1 관심 영역 및 상기 제 2 관심 영역이 모두 획득된 경우, 상기 제 1 관심 영역 및 상기 제 2 관심 영역 간의 분리 여부에 근거하여 상기 관리 등급을 결정하는 것을 특징으로 하는 것을 특징으로 하는 야적 퇴비 탐지 시스템.
  10. 전자기기에서 하나 이상의 프로세스에 의하여 실행되며, 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램으로서,
    상기 프로그램은,
    대상 지역과 관련된 정사영상을 획득하는 단계;
    미리 학습된 딥러닝 모델에 상기 정사영상을 입력하여, 상기 정사영상에서 야적 퇴비가 존재하는 영역인, 관심 영역을 획득하는 단계;
    상기 정사영상 및 상기 관심 영역 중 적어도 하나에 근거하여, 상기 야적 퇴비를 관리하기 위한 우선 순위를 판단하도록, 상기 야적 퇴비와 관련된 현황 정보를 산출하는 단계;
    상기 산출된 현황 정보에 근거하여, 상기 관심 영역에 대한 관리 등급을 결정하는 단계; 및
    상기 관리 등급이 미리 설정된 등급보다 낮은 경우, 상기 야적 퇴비가 존재하는 상기 관심 영역과 관련하여 미리 지정된 서버로 상기 야적 퇴비에 대한 계도 명령 메시지를 송신하는 단계;를 포함하고,
    상기 관심 영역을 획득하는 단계에서는,
    상기 야적 퇴비의 유실이 방지되도록 마련되는 덮개의 유무에 근거하여, 상기 야적 퇴비에 대응되는 제 1 관심 영역 및 상기 덮개에 대응되는 제 2 관심 영역 중 적어도 하나를 획득하고,
    상기 관리 등급을 결정하는 단계에서는,
    상기 정사영상으로부터 상기 제 1 관심 영역만 획득된 경우 상기 관리 등급을 제1 관리 등급으로 결정하고,
    상기 정사영상으로부터 상기 제 2 관심 영역만 획득된 경우 상기 관리 등급을 상기 제1 관리 등급보다 높은 제2 관리 등급으로 결정하고,
    상기 정사영상으로부터 상기 제 1 관심 영역 및 상기 제 2 관심 영역 이 모두 획득된 경우, 상기 제 1 관심 영역 및 상기 제 2 관심 영역 간의 분리 여부에 근거하여 상기 관리 등급을 결정하는 것을 특징으로 하는 것을 특징으로 하는 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램.

KR1020230022937A 2023-02-21 2023-02-21 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템 KR102570846B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230022937A KR102570846B1 (ko) 2023-02-21 2023-02-21 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230022937A KR102570846B1 (ko) 2023-02-21 2023-02-21 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102570846B1 true KR102570846B1 (ko) 2023-08-28

Family

ID=87806265

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230022937A KR102570846B1 (ko) 2023-02-21 2023-02-21 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102570846B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080088011A (ko) * 2007-03-28 2008-10-02 한국화학연구원 통합환경관리를 위한 위해성 예측 시스템 및 방법, 그리고이 방법을 구현할 수 있는 컴퓨터 판독 가능한 프로그램이기록된 기록매체
KR20220112590A (ko) * 2021-02-04 2022-08-11 창원대학교 산학협력단 인공지능 기반 수계오염원 모니터링 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080088011A (ko) * 2007-03-28 2008-10-02 한국화학연구원 통합환경관리를 위한 위해성 예측 시스템 및 방법, 그리고이 방법을 구현할 수 있는 컴퓨터 판독 가능한 프로그램이기록된 기록매체
KR20220112590A (ko) * 2021-02-04 2022-08-11 창원대학교 산학협력단 인공지능 기반 수계오염원 모니터링 시스템 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
김나경 외 4인, 무인항공기 영상과 딥러닝 기반의 의미론적 분할 기법을 활용한 야적퇴비 탐지 연구, Korean Journal of Remote Sensing, Vol.37, No.3, 2021, pp.367~378 (2021.06.18.)* *
박용길 외 2인, GIS기반의 수질모델링 지원을 위한 정확도 높은 하천중심선의 자동 추출기법에 관한 연구, 한국공간정보학회지：제18권 제4호 2010. 10. (2010.10.30.)* *

Similar Documents

Publication Publication Date Title
Woodget et al. Drones and digital photogrammetry: from classifications to continuums for monitoring river habitat and hydromorphology
CN110718137B (zh) 目标物密度分布地图的构建方法及装置、终端、移动装置
US10444122B2 (en) Soil sample tracking system and method
CN107918776A (zh) 一种基于机器视觉的用地规划方法、***及电子设备
CN112462756B (zh) 农林作业任务生成方法、装置、计算机设备和存储介质
CN110254722A (zh) 一种飞行器***及其方法、具有计算机程序的产品
CN109271862A (zh) 基于移动装置的喷洒控制方法及终端、移动装置
CN110458618A (zh) 农地价值计算方法、装置、服务器及存储介质
CN117649156B (zh) 高城镇化河网全自动水环境监测方法及***
CN116561509A (zh) 顾及植被类型的城市植被地上生物量精确反演方法及***
CN117557931B (zh) 一种基于三维场景的表计最优巡检点的规划方法
JP6146731B2 (ja) 座標補正装置、座標補正プログラム、及び座標補正方法
Bhandari et al. Unmanned aerial system‐based high‐throughput phenotyping for plant breeding
KR102570846B1 (ko) 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템
Agarwal et al. Development of machine learning based approach for computing optimal vegetation index with the use of sentinel-2 and drone data
CN110084120B (zh) 海岛环境下的植被调查方法、装置、***、设备和介质
CN115019216B (zh) 实时地物检测和定位计数方法、***及计算机
Groom et al. Historical maps machine learning helps us over the map vectorisation crux
CN114861475B (zh) 一种基于传感数据的实时海洋模拟方法及***
Hashem Estimation of aboveground biomass/carbon stock and carbon sequestration using UAV imagery at Kebun Raya Unmul Samarinda education forest, east Kalimantan, Indonesia
CN116739739A (zh) 一种贷款额度评估方法、装置、电子设备及存储介质
KR102453056B1 (ko) 라이다 데이터를 이용한 훼손지 식생 복원모델 산출시스템 및 방법, 이를 실행하는 프로그램 기록매체
CN115830474A (zh) 一种识别野生藏药独一味及其分布并计算其产量的方法与***
CN114137974A (zh) 中耕控制方法、装置、***和电子设备
Hayes et al. Drone Surveying for Seaweed Resource Assessment: A Practical Guide

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant