1 |
1
병해충 검색 시스템에 의해 수행되는 병해충 검색 방법에 있어서, 이미지가 입력됨을 수신함에 따라 상기 이미지를 질의 이미지로 인식하는 단계;상기 질의 이미지로부터 유사도 이미지 및 병해충 정보를 획득하는 단계; 및상기 질의 이미지에 대한 병해충 정보를 포함하는 병해충 결과를 출력하고, 상기 질의 이미지로부터 획득된 유사도 이미지 또는 상기 병해충 정보와 관련된 병해충 이미지를 제공하는 단계를 포함하고,상기 병해충 검색 방법은,유사도 기반의 이미지 검색 기술과 기계 학습에 기반한 영상 인식 기술을 결합한 것을 포함하고,상기 질의 이미지로부터 유사도 이미지 및 병해충 정보를 획득하는 단계는,이미지 검색 라이브러리인 LiRe을 사용하여 상기 질의 이미지로부터 복수 개의 특징점을 추출한 후, 각 특징점을 하나의 필드로 해서 색인 및 검색을 수행하고, 상기 추출된 복수 개의 특징점에 기반하여 기 저장된 병해충 이미지와 유사도 계산 및 매칭을 수행함으로써 유사도 이미지를 검색하고, 상기 유사도 이미지를 검색할 때, 상기 질의 이미지를 농작물 질병 데이터 셋(data set)에서 선택하고, 상기 데이터 셋에 존재하는 이미지를 인덱싱(indexing)하고 인덱싱한 결과를 인덱스 파일(index file)로 저장하고, 이미지의 특징 값을 표현하는 CEDD, ACC, SCH, FCTH, JCD, OH, SC, CL, EH, Tamura, Gabor, LL, PHOG, JH를 포함하는 디스크립터(Descriptor)를 이용하여 상기 질의 이미지에 대한 유사도 이미지를 인덱스 파일에서 검색하고, 상기 질의 이미지와 검색된 유사도 이미지 사이의 거리 값을 계산하여 계산된 거리 값을 저장하고, 상기 질의 이미지와 검색된 유사도 이미지 사이의 거리 값이 작은 것부터 정해진 개수의 유사도 이미지들을 출력하고, 상기 질의 이미지에 대한 영상 처리로서 이미지 전처리를 수행한 후 CNN 기계 학습에 기반하여 이미지 전처리를 수행한 이미지를 인식시킴으로써 병해충명, 이미지에 포함된 작물의 이름, 병해충 처방 정보, 병해충 예방 방법을 포함하는 병해충 정보를 획득하는 단계를 포함하고, 상기 질의 이미지로부터 획득된 유사도 이미지 또는 상기 병해충 정보와 관련된 병해충 이미지를 제공하는 단계는,상기 질의 이미지에 상기 질의 이미지로부터 획득된 병해충명 및 상기 병해충명에 기반하여 검색된 병해충 이미지들을 제공하고, 상기 병해충 이미지들 중 선택된 병해충 이미지에 대응되는 병해충 상세 정보를 제공하고, 상기 병해충 상세 정보로 상기 질의 이미지에 대한 진단 결과를 위험 정도에 따라 기 설정된 등급으로 분류하고, 상기 위험 정도에 따라 등급을 선택하여 출력하고, 농업 기술 센터와 관련된 연락처(메일 주소, 사이트 주소, 전화 번호 등)을 제공하여 신고할 수 있도록 하는 단계를 포함하고,상기 CNN 기계 학습은, 상기 이미지 전처리를 수행한 질의 이미지에 Convolution layer와 Pooling layer의 반복 과정으로 특징을 추출하고, 상기 추출된 특징을 Fully connected layer를 통해 Drop out의 threshold 값에 기반하여 노드들을 떨어뜨리면서(drop out) 학습함으로써 병해충 정보를 분류하고, 첫 번째 Convolution layer에서 11x11 크기의 마스크로 특징을 추출하며 zero padding으로 수행하고, Max pooling layer에서 2x2 마스크로 pooling을 수행하여 마스크 내의 자질 값을 가져오면서 사이즈를 가로, 세로 각 절반으로 줄이고, 다음의 Convolution layer에서 5x5 마스크를 사용해서 16개의 특징맵을 출력하는 과정을 반복한 뒤, Max pooling layer에서 4x4 크기의 특징맵 128개가 입력 데이터가 되어 2x2 크기의 특징맵 128개를 출력하고 Fully connected layer에서 512개의 노드로 입력데이터가 되고, Drop out을 통해 정규화를 하게 되며 마지막으로 복수 개의 노드가 출력됨으로써 복수 가지의 병해를 분류하고, 학습 시 사용되는 역전파(Backpropagation)를 Feed forward와 Backpropagation 두 과정을 통해 가중치와 바이어스 값을 갱신하고, Feed forward 단계에서 훈련 데이터와 가중치를 곱하여 기대 오차를(loss function) 도출하고, Backpropagation단계에서 오차 값을 이용해 가중치와 바이어스 값을 갱신하는 과정을 반복적으로 이용하는 병해충 검색 방법
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 질의 이미지로부터 획득된 유사도 이미지 및 병해충 정보를 포함하는 병해충 결과를 출력하는 단계는,상기 질의 이미지에 대하여 유사도 기반의 이미지 검색을 통하여 검색된 유사도 이미지들을 유사도가 높은 순서로 정렬하여 제공하고, 상기 유사도 이미지들 중 선택된 유사도 이미지에 대응하는 병해충 상세 정보를 제공하는 단계 를 포함하는 병해충 검색 방법
|
5 |
5
삭제
|
6 |
6
삭제
|
7 |
7
삭제
|
8 |
8
제1항에 있어서,상기 질의 이미지로부터 획득된 유사도 이미지 또는 상기 병해충 정보와 관련된 병해충 이미지를 제공하는 단계는,상기 질의 이미지로부터 검색된 병해충 정보와 관련된 이미지가 기 설정된 인식률 이하일 경우, 상기 질의 이미지로부터 획득된 유사도 이미지에 기반하여 병해충 결과를 제공하는 단계를 포함하는 병해충 검색 방법
|
9 |
9
병해충 검색을 위한 병해충 검색 시스템에 있어서, 이미지가 입력됨을 수신함에 따라 상기 이미지를 질의 이미지로 인식하고, 상기 질의 이미지에 대한 병해충 결과를 출력하는 통합 모듈;상기 질의 이미지에 대한 유사도 기반의 이미지 검색을 통하여 유사도 이미지를 획득하는 이미지 검색 모듈;상기 질의 이미지에 대항 영상 처리를 수행하여 병해충 정보 및 상기 병해충 정보와 관련된 병해충 이미지를 획득하는 영상 인식 모듈; 및상기 질의 이미지와 비교하기 위한 병해충 이미지 및 상기 병해충과 관련된 병해충 정보를 저장하는 데이터베이스를 포함하고,상기 병해충 검색 시스템은,유사도 기반의 이미지 검색 기술과 기계 학습에 기반한 영상 인식 기술을 결합한 것을 포함하고,상기 이미지 검색 모듈은,이미지 검색 라이브러리인 LiRe을 사용하여 상기 질의 이미지로부터 복수 개의 특징점을 추출한 후, 각 특징점을 하나의 필드로 해서 색인 및 검색을 수행하고, 상기 추출된 복수 개의 특징점에 기반하여 기 저장된 병해충 이미지와 유사도 계산 및 매칭을 수행함으로써 유사도 이미지를 검색하고,상기 유사도 이미지를 검색할 때, 상기 질의 이미지를 농작물 질병 데이터 셋(data set)에서 선택하고, 상기 데이터 셋에 존재하는 이미지를 인덱싱(indexing)하고 인덱싱한 결과를 인덱스 파일(index file)로 저장하고, 이미지의 특징 값을 표현하는 CEDD, ACC, SCH, FCTH, JCD, OH, SC, CL, EH, Tamura, Gabor, LL, PHOG, JH를 포함하는 디스크립터(Descriptor)를 이용하여 상기 질의 이미지에 대한 유사도 이미지를 인덱스 파일에서 검색하고, 상기 질의 이미지와 검색된 유사도 이미지 사이의 거리 값을 계산하여 계산된 거리 값을 저장하고, 상기 질의 이미지와 검색된 유사도 이미지 사이의 거리 값이 작은 것부터 정해진 개수의 유사도 이미지들을 출력하는 것을 포함하고, 상기 영상 인식 모듈은, 상기 질의 이미지에 대한 영상 처리로서 이미지 전처리를 수행한 후 CNN 기계 학습에 기반하여 이미지 전처리를 수행한 이미지를 인식시킴으로써 병해충명, 이미지에 포함된 작물의 이름, 병해충 처방 정보, 병해충 예방 방법을 포함하는 병해충 정보를 획득하는 것을 포함하고, 상기 통합 모듈은, 상기 질의 이미지에 상기 질의 이미지로부터 획득된 병해충명 및 상기 병해충명에 기반하여 검색된 병해충 이미지들을 제공하고, 상기 병해충 이미지들 중 선택된 병해충 이미지에 대응되는 병해충 상세 정보를 제공하고, 상기 병해충 상세 정보로 상기 질의 이미지에 대한 진단 결과를 위험 정도에 따라 기 설정된 등급으로 분류하고, 상기 위험 정도에 따라 등급을 선택하여 출력하고, 농업 기술 센터와 관련된 연락처(메일 주소, 사이트 주소, 전화 번호 등)을 제공하여 신고할 수 있도록 하는 것을 포함하고,상기 CNN 기계 학습은, 상기 이미지 전처리를 수행한 질의 이미지에 Convolution layer와 Pooling layer의 반복 과정으로 특징을 추출하고, 상기 추출된 특징을 Fully connected layer를 통해 Drop out의 threshold 값에 기반하여 노드들을 떨어뜨리면서(drop out) 학습함으로써 병해충 정보를 분류하고, 첫 번째 Convolution layer에서 11x11 크기의 마스크로 특징을 추출하며 zero padding으로 수행하고, Max pooling layer에서 2x2 마스크로 pooling을 수행하여 마스크 내의 자질 값을 가져오면서 사이즈를 가로, 세로 각 절반으로 줄이고, 다음의 Convolution layer에서 5x5 마스크를 사용해서 16개의 특징맵을 출력하는 과정을 반복한 뒤, Max pooling layer에서 4x4 크기의 특징맵 128개가 입력 데이터가 되어 2x2 크기의 특징맵 128개를 출력하고 Fully connected layer에서 512개의 노드로 입력데이터가 되고, Drop out을 통해 정규화를 하게 되며 마지막으로 복수 개의 노드가 출력됨으로써 복수 가지의 병해를 분류하고, 학습 시 사용되는 역전파(Backpropagation)를 Feed forward와 Backpropagation 두 과정을 통해 가중치와 바이어스 값을 갱신하고, Feed forward 단계에서 훈련 데이터와 가중치를 곱하여 기대 오차를(loss function) 도출하고, Backpropagation단계에서 오차 값을 이용해 가중치와 바이어스 값을 갱신하는 과정을 반복적으로 이용하는 병해충 검색 시스템
|
10 |
10
제9항에 있어서,상기 통합 모듈은, 상기 질의 이미지에 대한 병해충 정보를 포함하는 병해충 결과를 출력하고, 상기 질의 이미지로부터 획득된 유사도 이미지 또는 상기 병해충 정보와 관련된 병해충 이미지를 제공하는 것을 특징으로 하는 병해충 검색 시스템
|
11 |
11
삭제
|
12 |
12
제10항에 있어서,상기 통합 모듈은, 상기 질의 이미지에 상기 질의 이미지로부터 획득된 병해충명을 출력하고, 상기 질의 이미지에 대하여 유사도 기반의 이미지 검색을 통하여 검색된 유사도 이미지들을 유사도가 높은 순서로 정렬하여 제공하고, 상기 유사도 이미지들 중 선택된 유사도 이미지에 대응하는 병해충 상세 정보를 제공하는 것을 특징으로 하는 병해충 검색 시스템
|
13 |
13
삭제
|
14 |
14
삭제
|
15 |
15
삭제
|