KR20180137842A - The production method of spectral camera system for agricultural crop analysis - Google Patents
The production method of spectral camera system for agricultural crop analysis Download PDFInfo
- Publication number
- KR20180137842A KR20180137842A KR1020170077629A KR20170077629A KR20180137842A KR 20180137842 A KR20180137842 A KR 20180137842A KR 1020170077629 A KR1020170077629 A KR 1020170077629A KR 20170077629 A KR20170077629 A KR 20170077629A KR 20180137842 A KR20180137842 A KR 20180137842A
- Authority
- KR
- South Korea
- Prior art keywords
- crop
- analysis
- spectral
- image
- camera
- Prior art date
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 40
- 238000004458 analytical method Methods 0.000 title claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 12
- 238000010191 image analysis Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims 2
- 238000000034 method Methods 0.000 abstract description 24
- 230000005855 radiation Effects 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 229930002875 chlorophyll Natural products 0.000 description 7
- 235000019804 chlorophyll Nutrition 0.000 description 7
- 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 7
- 239000002028 Biomass Substances 0.000 description 6
- 230000001066 destructive effect Effects 0.000 description 6
- 230000029553 photosynthesis Effects 0.000 description 4
- 238000010672 photosynthesis Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0248—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using a sighting port, e.g. camera or human eye
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- 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
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1797—Remote sensing in landscape, e.g. crops
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
본 발명은 농작물의 작황을 분석하기에 적합한 분광 카메라 시스템을 제작하기 위한 방법에 관한 것으로, 더욱 상세하게는 카메라에서 농작물의 작황 분석에 적합한 밴드(파장) 만을 기록하여 영상화 하는 방법과 영상의 처리 및 분석을 통한 작황 인자 추정 방법에 관한 것이다.The present invention relates to a method for producing a spectroscopic camera system suitable for analyzing the crops of crops, and more particularly, to a method for imaging and recording only a band (wavelength) suitable for the crop analysis of a crop, And a method for estimating crop factors through analysis.
농작물의 작황을 파악하기 위한 과학적 방법으로는 농작물의 일부를 채집한 후 다양한 물리 및 화학적 분석을 실시하는 파괴적 방법과 다양한 센서를 이용하는 비파괴적 방법이 있다. Scientific methods for identifying the crops of crops include the destructive methods of collecting some crops and then performing a variety of physical and chemical analyzes and non-destructive methods using various sensors.
파괴적 방법은 매번 농작물을 채집하여야 하고 장기간의 분석 시간이 소요되어 효율적이고 신속한 작황 분석에 한계가 있다. The destructive method requires collecting crops every time and requires a long analysis time, which limits the efficient and rapid analysis of crops.
비파괴적 방법은 다양한 센서를 이용하며 이는 지상에서 사용 가능한 센서, 항공기 탑재 센서, 위성 탑재 센서 등으로 구분할 수 있으며, 대부분 광학센서인 카메라로 구성되어 있다. 비파괴적 방법은 농작물의 채집이 불필요하고, 상대적으로 단기간에 신속한 분석이 가능하다는 장점이 있다. 특히 항공기 또는 위성 탑재 카메라는 조사의 공간적 범위가 넓고, 연속적인 공간에 대한 조사가 가능하다는 점에서 효율성이 높다. The non-destructive method uses various sensors, which can be classified into sensors that can be used on the ground, sensors mounted on airplanes, and sensors mounted on satellites. Most of them are composed of cameras that are optical sensors. The non-destructive method is advantageous in that the collection of crops is unnecessary and a rapid analysis is possible in a relatively short period of time. In particular, aircraft or satellite cameras are highly efficient in that they have a wide spatial range of investigation and are able to investigate continuous space.
농작물의 작황을 분석하기 위한 광학센서는 일반적으로 태양광의 반사도를 3개의 가시광선(청색, 녹색, 적색), 근적외선(near infrared, NIR), 단파적외선(shortwave infrared, SWIR) 등 수 개에서 수백 개로 나누어 기록하는 분광센서를 사용한다. Optical sensors for analyzing the crops of crops generally measure the reflectivity of sunlight from several to several hundred, such as three visible light (blue, green, red), near infrared (NIR), shortwave infrared Use a spectroscopic sensor to record separately.
대부분의 분광카메라를 이용한 농작물 작황 분석 방법은 청색, 녹색, 적색, 근적외선의 4개 밴드로 구성된 다중분광(multi-spectral) 카메라를 이용하거나 수십에서 수백 개의 밴드로 구성된 초분광(hyper-spectral) 카메라를 이용한다. 다중분광 카메라의 경우 적색광과 근적외선의 차를 기반으로 하는 정규식생지수(normalized difference vegetation index, NDVI)를 이용하여 작황 정보를 도출한다. 그러나 정규식생지수는 작황 분석에 필요한 다양한 인자(예: 엽록소 함량, 수분 함량, 단백질 함량, 생체량 등)에 대한 직접적인 정보를 제공하지 못하며 상대적인 활력도 정보를 제공한다. 특히 생체량의 경우 일정 수준 이상에서 정규식생지수와 상관관계가 없는 것으로 알려져 있다. 밴드의 파장 폭이 매우 좁은 초분광 카메라의 경우 작황분석에 필요한 다양한 인자를 추정할 수 있는 밴드를 가지고 있다. 그러나 작황 인자 추정에 불필요한 밴드도 좁은 파장 폭으로 구성되어 있어 자료의 용량이 크고, 처리 및 분석에 어려움이 있다. Most crop analysis methods using spectroscopic cameras use a multi-spectral camera consisting of four bands of blue, green, red and near infrared rays, or a hyper-spectral camera consisting of several tens to several hundred bands . For multispectral cameras, crop information is derived using the normalized difference vegetation index (NDVI) based on the difference between red light and near infrared. However, the normal vegetation index does not provide direct information on the various factors required for crop analysis (eg, chlorophyll content, moisture content, protein content, biomass, etc.) and provides information on relative vitality. In particular, biomass is known to have no correlation with normal vegetation index above a certain level. In the case of ultra-narrow spectral camera with narrow wavelength band, it has a band that can estimate various factors needed for analysis of crops. However, the band that is unnecessary for estimating factor is composed of a narrow wavelength range, which results in a large data volume and difficulty in processing and analysis.
따라서 농작물 작황 인자 추정에 필수적인 밴드(파장) 만을 포함하는 분광 카메라 (시스템)를 통해 작황 인자 추정의 정확도와 효율성을 향상시킬 필요가 있다. Therefore, it is necessary to improve the accuracy and efficiency of crop factor estimation through a spectral camera (system) that includes only bands (wavelengths) essential for crop factor estimation.
본 발명은 농작물의 작황을 분석하기 위한 분광 카메라의 제작 방법으로, 기존 밴드의 개수가 적고 밴드의 파장 폭이 넓어 작황 인자 추정에 한계가 있는 다중분광 카메라와 밴드의 개수가 불필요하게 많아 자료의 용량 및 처리에 한계가 있는 초분광 카메라의 단점을 보완함으로써 센서를 이용한 비파괴적 작황 인자 추정에 있어 보다 높은 정확도와 효율성이 높은 분광 카메라 제작 및 분광 카메라에서 얻어진 분광영상의 처리 및 분석 방법을 제공하는데 그 목적이 있다.The present invention relates to a method of producing a spectroscopic camera for analyzing the crops of agricultural crops, wherein a multichannel camera having a limited number of existing bands and a wide wavelength band, And a method of processing and analyzing a spectroscopic image obtained from a spectroscopic camera. The present invention provides a spectroscopic camera having a high accuracy and efficiency in estimating non-destructive crop factor using sensors, There is a purpose.
본 발명은 농작물의 작황 인자(생체량, 건강도, 광합성도, 수분 함량, 엽록소 함량 등)를 추정하기 위하여, 작황인자 추정에 적합한 밴드로 구성된 분광센서(카메라)를 제작하는 단계, 분광센서로 촬영한 영상을 처리하여 분광반사율을 획득하는 영상처리 단계, 처리된 영상의 밴드 간 연산을 통하여 농작물의 작황 인자를 추정하는 영상분석 단계로 이루어진 것에 특징이 있다. The present invention relates to a process for producing a spectral sensor (camera) composed of bands suitable for crop factor estimation to estimate crop factors (biomass, health, photosynthesis, moisture content, chlorophyll content, etc.) An image processing step of acquiring the spectral reflectance by processing one image, and an image analysis step of estimating the crop factor of the crop through the interband calculation of the processed image.
본 발명은 농작물의 작황 인자 추정에 적합한 밴드(파장)로 구성된 분광 카메라의 제작과 이로부터 얻어진 영상의 분석 방법으로, 농작물의 작황 인자인 생체량, 건강도, 광합성도, 수분 함량, 엽록소 함량 등을 추정하기에 적합한 파장으로 구성된 영상과 분석방법을 제공함으로써 광범위에 대한 신속하고 정밀한 작황 분석을 수행할 수 있다.The present invention relates to the production of a spectral camera composed of bands (wavelengths) suitable for the crop factor estimation of crops and to an analysis method of images obtained therefrom. The method of the present invention can be applied to crops such as biomass, health, photosynthesis, moisture content, chlorophyll content, By providing images and analytical methods composed of wavelengths suitable for estimation, it is possible to perform rapid and precise analysis of the results over a wide range.
도 1은 본 발명의 일 실시 예에 따른 분광 카메라를 이용한 작황 분석 시스템을 보인 블록도
도 2는 본 발명의 일 실시 예에 따른 작황 분석을 위한 분광 카메라를 예시한 사시도
도 3은 도 2 중 분광기에 해당하는 부분의 내부로 거울과 회절격자에 의해 파장이 분리된 빛의 경로와 빛을 기록하는 감지기를 예시한 도면
도 4는 본 발명의 일 실시 예에 따라 분광 카메라를 이용한 작황 분석을 위하여 농경지의 분광 영상을 획득하는 과정을 예시한 도면
도 5는 본 발명의 일 실시 예에 따라 도 1 중 분광영상 처리시스템에서 영상 자료를 처리하는 과정을 보인 블록도
도 6은 본 발명의 일 실시 예에 따라 도 1중 처리가 완료된 분광영상으로부터 각 작황 인자를 추정하기 위한 분석과정을 보인 블록도1 is a block diagram illustrating a crop analysis system using a spectral camera according to an embodiment of the present invention.
2 is a perspective view illustrating a spectral camera for analyzing a crop according to an embodiment of the present invention;
FIG. 3 is a view illustrating a detector for recording a light path and light path in which a wavelength is separated by a mirror and a diffraction grating into a portion corresponding to a spectroscope in FIG. 2
4 is a diagram illustrating a process of obtaining a spectroscopic image of a cropland for a crop analysis using a spectroscopic camera according to an embodiment of the present invention
5 is a block diagram illustrating a process of processing image data in the spectral image processing system of FIG. 1 according to an embodiment of the present invention.
6 is a block diagram showing an analysis process for estimating each crop factor from a spectroscopic image that has been processed in FIG. 1 according to an embodiment of the present invention.
이하의 본 발명에 관한 상세한 설명들은 본 발명이 실시될 수 있는 실시 예이고 해당 실시 예의 예시로써 도시된 첨부 도면을 참조한다. 이들 실시 예는 당업자가 본 발명의 실시에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시 예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시 예에 관련하여 본 발명의 사상 및 범위를 벗어나지 않으면서 다른 실시 예로 구현될 수 있다. 또한, 각각의 기재된 실시 예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 사상 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Reference will now be made in detail to the embodiments of the present invention, examples of which are illustrated in the accompanying drawings. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention. It should be understood that the various embodiments of the present invention are different, but need not be mutually exclusive. For example, certain features, structures, and characteristics described herein may be implemented in other embodiments without departing from the spirit and scope of the invention in connection with one embodiment. It is also to be understood that the position or arrangement of the individual components in each described embodiment may be varied without departing from the spirit and scope of the present invention.
따라서 후술되는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는 적절하게 설명된다면 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다. The following detailed description is, therefore, not to be taken in a limiting sense, and the scope of the present invention is to be limited only by the appended claims, along with the full scope of equivalents to which the claims are entitled, if properly explained. In the drawings, like reference numerals refer to the same or similar functions throughout the several views.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다. While the present invention has been described in connection with what is presently considered to be the most practical and preferred embodiment, it is to be understood that the invention is not limited to the disclosed embodiments. Also, in certain cases, there may be a term selected arbitrarily by the applicant, in which case the meaning thereof will be described in detail in the description of the corresponding invention. Therefore, the term used in the present invention should be defined based on the meaning of the term, not on the name of a simple term, but on the entire contents of the present invention.
발명에서 전체에서 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 “…부” ＂…모듈“등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다 Whenever an element is referred to as " including " an element throughout the description, it is to be understood that the element may include other elements as well, without departing from the other elements unless specifically stated otherwise. In addition, the term " "" ... Module " or the like means a unit for processing at least one function or operation, which may be implemented in hardware or software, or a combination of hardware and software
도 1을 참조하여 본 발명의 실시 예에 따른 농작물 작황 분석을 위한 분광 카메라 시스템에 대해 설명한다. 1, a spectroscopic camera system for crop yield analysis according to an embodiment of the present invention will be described.
도 1은 본 발명의 일 실시 예에 따른 농작물 작황 분석을 위한 분광 카메라 시스템을 보인 블록도이다. 1 is a block diagram illustrating a spectral camera system for crop yield analysis according to an embodiment of the present invention.
도시된 바와 같이, 본 발명의 일 실시 예에 따른 농작물 작황 분석을 위한 분광 카메라 시스템(100: 이하 “분광 카메라 시스템”이라 약칭함)은 작황 분석용 분광 카메라(110), 분광 영상 처리 소프트웨어(120), 작황 인자 지도 제작부(130)를 포함하여 구성된다. As shown in the figure, a spectroscopic camera system 100 (hereinafter abbreviated as "spectroscopic camera system") for analyzing the crops according to an embodiment of the present invention includes
도 2는 본 발명의 일 실시 예에 따른 작황 분석용 분광 카메라(110)의 도면으로 분광 영상 처리 소프트웨어(120)에서 작황 인자 추정을 실시하는데 있어 적합한 자료를 취득할 수 있는 하드웨어이다. FIG. 2 is a diagram of a
작황 분석용 분광카메라(110)은 농경지에서 반사된 빛(태양광)을 수집하기 위한 렌즈부(111), 빛을 파장으로 분리하여 기록하는 분광기(112), 입사된 빛의 광량을 측정하기 위한 입사광량 측정부(113)를 포함하여 구성된다. The
도 3은 도 2 중 빛을 파장으로 분리하여 기록하는 분광기(112)의 내부에 대한 도면으로 입사 슬릿(112a), 반사거울(112b), 회절격자(112c), 감지기 배열(112d)을 포함하여 구성된다. 입사 슬릿(112a)은 렌즈부(111)를 통과한 빛이 분광기 내부로 들어오는 통로이다. 반사거울(112b)은 빛을 회절격자(112c) 또는 감지기 배열(112d)로 방향을 바꾸어 모아주는 역할을 한다. 회절격자(112c)는 빛을 일정 파장 단위로 나누어주는 역할을 한다. 감지기 배열(112d)은 단위 파장으로 나누어진 빛의 강도(광량)를 기록한다. FIG. 3 is a view of the inside of the
감지기 배열(112d)을 구성하는 각 감지기는 단위 파장의 폭에 따라 그 크기가 달라지고, 기록하고자 하는 각 밴드의 중심 파장에 따라 그 위치가 달라진다. 따라서 분광 영상 처리 소프트웨어(120)에서 작황 인자 추정을 위하여 사용하고자 하는 밴드의 중심 파장과 파장 폭을 기준으로 감지기의 크기와 위치를 조정할 수 있도록 한다. Each sensor constituting the
도 4는 작황 분석용 분광 카메라(110)를 이동체(위성, 항공기, 무인항공기, 차량 등)에 탑재하여 일정 방향(150)으로 이동시킴으로서 농경지(140)에 대한 분광영상(121)을 취득하는 과정을 예시한 도면이다. 4 is a diagram illustrating a process of acquiring a
도 5는 분광 영상 처리 소프트웨어를 통해 분광영상(121)을 처리하는 모듈과 과정을 도시한 블록도이다. 복사보정 모듈(122a)은 분광영상에 기록된 상대 숫자를 카메라(110)에 입사된 광량에 대한 절대적 물리량으로 변환하는 기능을 수행한다. 이 과정에서 카메라(110)의 제작 및 촬영 당시 획득한 복사보정 계수를 이용한다. 대기보정 모듈(122b)은 농경지에 입사된 광량 대비 농경지에서 반사되어 카메라에 도달한 광량을 계산하여 분광반사율을 계산하는 기능을 수행한다. 이 과정에서 카메라의 입사광량측정부(113)를 통해 측정된 태양입사광량 자료를 이용한다. 기하보정 모듈(122c)은 대기보정이 완료된 영상의 각 화소에 지도 좌표를 부여하는 기능을 수행한다. 이 때 영상 촬영 당시 카메라의 위치와 자세를 기록한 GPS와 INS 자료를 이용한다. 분광영상이 복사보정, 대기보정, 기하보정 모듈을 통해 처리가 완료되면 분광영상 분석 알고리즘을 통하여 작황 인자를 추정할 수 있는 수준으로 처리가 완료된 분광영상(123)을 획득한다. 5 is a block diagram illustrating a module and a process for processing the
도 6은 처리가 완료된 분광영상(123)을 입력하여 다양한 분광영상 분석 알고리즘을 포함하는 작황인자 추정 모듈(124)을 통하여 작황인자를 추정하고, 작황인자 지도 제작부(130)를 통하여 작황인자 지도를 제작하는 과정을 도시한 블록도이다. 처리가 완료된 분광영상은 각 밴드의 파장(i)에 따른 반사율(ρ), 즉 분광반사율(ρi)을 각 화소마다 갖고 있다. 처리가 완료된 분광영상의 분광반사율을 다양한 분석 알고리즘을 이용하여 계산함으로써 각 알고리즘 별 작황 인자를 추정할 수 있다. 분광영상과 분석 알고리즘을 기반으로 추정한 작황 인자의 수치와 좌표를 표현하는 지도화 과정을 통하여 작황 인자 지도를 제작한다.6 is a flowchart illustrating a process for estimating a crop factor through a crop
상기 작황 인자 추정을 위한 분광영상 분석 알고리즘에 대해 설명하면 아래와 같다. A spectral image analysis algorithm for estimating the crop factor will be described below.
정규식생지수(Normalized Difference Vegetation Index: NDVI)는 농작물의 분광반사율이 최대가 되는 밴드인 860nm와 엽록소에 의해 분광반사율이 최소가 되는 밴드인 660nm의 화소값 차를 그 합으로 나누어 줌으로써 -1에서 +1의 범위를 가지며, 이는 작황 인자 중 생체량을 추정할 수 있다. The normalized Difference Vegetation Index (NDVI) is the ratio of the difference in pixel values between 860 nm, the maximum spectral reflectance of the crop, and 660 nm, the band with the lowest spectral reflectance by the chlorophyll, 1, which can estimate the biomass of the crop factor.
강화식생지수(Enhanced Vegetation Index: EVI)는 광합성을 수행하는 식생의 구조, 노쇠, 건강정보를 추출하기 위하여 798nm, 679nm, 482nm의 세 개 밴드의 분광반사율을 이용한다. The Enhanced Vegetation Index (EVI) uses the spectral reflectance of three bands of 798 nm, 679 nm, and 482 nm to extract vegetation structure, aging, and health information for photosynthesis.
생리반사도지수(Physiological Reflectance Index: PRI)는 농작물의 광합성 효율을 추정하기 위하여 550nm와 531nm 두 개 밴드 분광반사율을 이용한다. The Physiological Reflectance Index (PRI) uses the spectral reflectances of the 550 nm and 531 nm bands to estimate the photosynthetic efficiency of crops.
정규수분지수(Normalized Difference Water Index: NDWI)는 농작물의 수분함량을 추정하기 위하여 농작물의 반사율이 최대가 되는 860nm와 수분에 의해 분광반사율이 최소가 되는 1240nm의 두 개 밴드를 이용한다. The Normalized Difference Water Index (NDWI) uses two bands at 860 nm, where the reflectance of the crop is the maximum, and 1240 nm, where the spectral reflectance is minimized by moisture, to estimate the moisture content of the crop.
엽록소 지수(Chlorophyll Index: CI)는 농작물에 포함된 엽록소를 추정하기 위하여 750nm, 710nm, 700nm의 세 개 밴드의 분광반사율을 이용한다. Chlorophyll index (CI) uses spectral reflectance of three bands of 750nm, 710nm and 700nm to estimate chlorophyll contained in crops.
상술한 도 1부터 도 6을 참조하여 설명한 실시 예를 통하여 알 수 있는 바와 같이, 본 발명의 실시 예에 따른 분광카메라 시스템은, 인공위성, 항공기, 무인항공기, 차량 등 다양한 이동체에 탑재하여 농경지에 대한 분광영상을 취득하고, 이에 대한 처리 및 분석 방법을 제공함으로써 넓은 농경지에 대한 작황 정보를 신속하고 정밀하게 얻을 수 있게 한다. As can be seen from the embodiments described with reference to FIGS. 1 to 6, the spectroscopic camera system according to the embodiment of the present invention is mounted on various mobile bodies such as a satellite, an airplane, an unmanned airplane, By acquiring a spectral image and providing a processing and analysis method therefor, it is possible to obtain crop information for a wide agricultural land quickly and precisely.
본 발명은 농작물의 작황 인자 추정에 적합한 밴드(파장)로 구성된 분광 카메라의 제작과 이로부터 얻어진 영상의 분석 방법으로, 농작물의 작황 인자인 생체량, 건강도, 광합성도, 수분 함량, 엽록소 함량을 추정하기에 적합한 파장으로 구성된 영상과 분석방법을 제공함으로써 광범위에 대한 신속하고 정밀한 작황 분석을 수행할 수 있다. The present invention relates to the production of a spectral camera composed of bands (wavelengths) suitable for crop factor estimation of crops and an analysis method of the images obtained therefrom. It estimates the biomass, health, photosynthesis, water content and chlorophyll content, By providing images and analysis methods composed of wavelengths suitable for the following, it is possible to perform a rapid and precise analysis of the results over a wide range.
이상과 같이 본 설명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시 예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시 예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the exemplary embodiments or constructions. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims.
따라서 본 발명의 사상은 설명된 실시 예에 국한되어 정하여 저서는 안되며, 후술되는 청구범위뿐만 아니라 이 청구범위와 균등하거나 등가적인 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.Accordingly, the spirit of the present invention should not be construed as being limited to the embodiments described, and all the equivalents or equivalents of the claims, as well as the claims set forth below, fall within the scope of the present invention.
100 : 농작물 작황분석을 위한 분광카메라 시스템
110 : 작황 분석용 분광 카메라
120 : 분광 영상 처리 소프트웨어
121 : 농작물 분광 영상
122 : 분광 영상 처리부
123 : 처리가 완료된 분광 영상
124 : 작황 인자 추정 모듈
130 : 작황 인자 지도 제작부
111 : 렌즈부
112 : 분광기
113 : 입사광량측정부
112a : 입사슬릿
112b : 반사거울
112c : 회절격자
112d : 감지기배열
140 : 농경지
150 : 분광카베라 진행방향
122a : 복사보정 모듈
122b : 대기보정 모듈
122c : 기하보정 모듈100: Spectral camera system for agricultural crop analysis
110: spectrophotometer for crop analysis
120: Spectral image processing software
121: crop spectral image
122: Spectral image processing unit
123: Processed spectroscopic image
124: Factor estimation module
130: Crop Factor Mapping Department
111:
112: spectroscope
113: Incident light amount measuring unit
112a: incidence slit
112b: reflection mirror
112c: diffraction grating
112d: Sensor array
140: Cropland
150: direction of the spectroscopic carver
122a: copy correction module
122b: Atmospheric correction module
122c: Geometric correction module
Claims (1)
작황인자 추정에 적합한 밴드로 구성된 분광센서(카메라)를 제작하는 단계(110),
분광카메라(110)에서 작황인자 추정에 적합한 밴드를 구성하기 위한 감지기 배열 구성(112d),
분광센서로 촬영한 영상을 처리하여 분광반사율을 획득하는 영상처리 단계(120),
처리된 영상의 밴드 간 연산을 통하여 농작물의 작황 인자를 추정하는 영상분석 단계(124),
추정된 작황인자 영상을 지도로 제작하는 작황인자 지도 제작부(130).A spectroscopic camera system 100 for analyzing the crops, which comprises a crop analysis camera 110, a spectroscopic image processing software 120, and a crop factor map production unit 130 for estimating crop factors of crops;
A step 110 of fabricating a spectral sensor (camera) composed of bands suitable for crop factor estimation,
A sensor array configuration 112d for forming a band suitable for crop factor estimation in the spectroscopic camera 110,
An image processing step 120 for processing the image photographed by the spectroscopic sensor to obtain the spectral reflectance,
An image analysis step (124) for estimating a crop factor of the crop through the interband operation of the processed image,
A crop marker mapping unit (130) for mapping the estimated crop marker image.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170077629A KR20180137842A (en) | 2017-06-19 | 2017-06-19 | The production method of spectral camera system for agricultural crop analysis |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170077629A KR20180137842A (en) | 2017-06-19 | 2017-06-19 | The production method of spectral camera system for agricultural crop analysis |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180137842A true KR20180137842A (en) | 2018-12-28 |
Family
ID=65008233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170077629A KR20180137842A (en) | 2017-06-19 | 2017-06-19 | The production method of spectral camera system for agricultural crop analysis |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180137842A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210120967A (en) * | 2019-11-05 | 2021-10-07 | 대한민국(농촌진흥청장) | Smart apparatus and method for monitoring plant |
| KR102398240B1 (en) * | 2021-11-01 | 2022-05-18 | (주)카탈로닉스 | System and method for managing the quality of green grass |
| KR20240002565A (en) * | 2022-06-29 | 2024-01-05 | 한국전자기술연구원 | Optical index measuring device and measuring method |
-
2017
- 2017-06-19 KR KR1020170077629A patent/KR20180137842A/en not_active Application Discontinuation
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210120967A (en) * | 2019-11-05 | 2021-10-07 | 대한민국(농촌진흥청장) | Smart apparatus and method for monitoring plant |
| KR102398240B1 (en) * | 2021-11-01 | 2022-05-18 | (주)카탈로닉스 | System and method for managing the quality of green grass |
| KR20240002565A (en) * | 2022-06-29 | 2024-01-05 | 한국전자기술연구원 | Optical index measuring device and measuring method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aasen et al. | Quantitative remote sensing at ultra-high resolution with UAV spectroscopy: a review of sensor technology, measurement procedures, and data correction workflows | |
| Aasen et al. | Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring: From camera calibration to quality assurance | |
| Arnold et al. | UAV-based measurement of vegetation indices for environmental monitoring | |
| Honkavaara et al. | Remote sensing of 3-D geometry and surface moisture of a peat production area using hyperspectral frame cameras in visible to short-wave infrared spectral ranges onboard a small unmanned airborne vehicle (UAV) | |
| Herrmann et al. | Ground-level hyperspectral imagery for detecting weeds in wheat fields | |
| Fitzgerald | Characterizing vegetation indices derived from active and passive sensors | |
| Ren et al. | Low-cost multispectral imaging for remote sensing of lettuce health | |
| Arnold et al. | UAV-based multispectral environmental monitoring | |
| Pandya et al. | Bandpass solar exoatmospheric irradiance and Rayleigh optical thickness of sensors on board Indian remote sensing satellites-1B,-1C,-1D, and P4 | |
| Sousa et al. | UAV-based hyperspectral monitoring using push-broom and snapshot sensors: A multisite assessment for precision viticulture applications | |
| Mäkeläinen et al. | 2D hyperspectral frame imager camera data in photogrammetric mosaicking | |
| US20190145819A1 (en) | Information processing device, information processing method, and program | |
| Ahern et al. | Review article radiometric correction of visible and infrared remote sensing data at the Canada Centre for remote sensing | |
| De Biasio et al. | UAV-based environmental monitoring using multi-spectral imaging | |
| KR20180137842A (en) | The production method of spectral camera system for agricultural crop analysis | |
| Schneider-Zapp et al. | A new method to determine multi-angular reflectance factor from lightweight multispectral cameras with sky sensor in a target-less workflow applicable to UAV | |
| US10817754B2 (en) | Systems and methods for object classification and selective compression in aerial imagery | |
| Guo et al. | Inversion of maize leaf area index from UAV hyperspectral and multispectral imagery | |
| Franke et al. | Comparison of multi-and hyperspectral imaging data of leaf rust infected wheat plants | |
| Jenerowicz et al. | The fusion of satellite and UAV data: simulation of high spatial resolution band | |
| Barrows et al. | Development of a low-cost multispectral camera for aerial crop monitoring | |
| Zhang et al. | Analysis of vegetation indices derived from aerial multispectral and ground hyperspectral data | |
| Noble et al. | The use of spectral properties for weed detection and identification-a review | |
| CN110647781B (en) | Crop growth information acquisition method and device based on spectrogram fusion | |
| Bhandari et al. | Comparing the effectiveness of hyperspectral and multispectral data in detecting citrus nitrogen and water stresses |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |