| 1 |
1
작물의 숙도 판별 장치에 있어서,적어도 하나의 작물 개체에 관한 서로 다른 시점을 가진 개별 시점 영상들을 각각 입력받기 위한 개별시점영상입력부;객체 탐지 기반의 딥 러닝 모델을 이용하여 상기 작물 개체에 관한 상기 개별 시점 영상의 숙도 분류를 수행하고 상기 작물 개체에 관한 각 숙도 클래스 별 확률기반 스코어 벡터를 출력하는 복수의 개별시점숙도판별부; 및 상기 복수의 개별시점숙도판별부로부터 출력되는 상기 작물 개체에 관한 상기 각 숙도 클래스 별 확률 기반 스코어 벡터를 융합하여, 상기 작물 개체에 대한 최종 숙도 레벨을 결정하는 숙도결정융합부를 포함하고;상기 개별시점숙도판별부는 상기 개별 시점 영상에서 나타나는 기하학적인 색분포 패턴의 특징을 고려하여 상기 숙도 클래스 별 확률 기반 스코어 벡터를 출력하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 2 |
2
제1항 있어서,상기 숙도결정융합부는 상기 개별시점숙도판별부에서 출력하는 상기 작물 개체의 각 숙도 클래스 별 확률 기반 스코어 벡터들을 가중치 기반으로 융합하여 상기 작물 개체에 대한 최종 숙도 레벨을 결정하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 3 |
3
제1항에 있어서,상기 개별시점숙도판별부는 상기 개별 시점 영상에서 상기 작물 개체의 위치추정과 상기 작물 개체의 숙도 분류를 수행하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 4 |
4
제1항에 있어서,상기 개별시점숙도판별부는 상기 개별 시점 영상에서 상기 작물 개체의 위치추정, 상기 작물 개체의 시점 추정, 및 상기 작물 개체의 숙도 분류를 수행하는 딥 러닝 모델을 이용하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 5 |
5
제3항에 있어서,상기 개별시점숙도판별부는 상기 작물 개체를 포함하는 경계상자의 후보영역에 관한 추정을 수행하는 제1 탐색부, 및 상기 제1 탐색부의 추정 결과에 기초하여 상기 작물 개체의 숙도 분류 및 경계 상자 위치 추정을 수행하는 제2 탐색부를 포함하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 6 |
6
제1항에 있어서,상기 개별시점숙도판별부는 상기 개별 시점 영상에서 상기 작물 개체의 경계 상자 위치 추정 및 숙도 분류를 동시에 수행하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 7 |
7
제4항에 있어서,상기 개별시점숙도판별부는 상기 작물 개체의 개별 시점별로 숙도 분류를 수행하는 서로 다른 딥 러닝 모델을 학습하거나 상기 개별 시점에 대한 구분 없이 하나의 딥 러닝 모델을 학습하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 8 |
8
제2항에 있어서,상기 개별시점숙도판별부에서 출력하는 상기 확률 기반 스코어 벡터는 상기 개별 시점 영상에서 나타나는 기하학적인 상기 작물 개체의 색정보 패턴을 포괄적으로 표현하는 이산 확률분포 데이터인 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 9 |
9
제8항에 있어서,상기 숙도결정융합부는 상기 개별시점숙도판별부에서 출력하는 상기 작물 개체의 각 숙도 클래스 별 확률 기반 스코어 벡터들을 가중치 기반으로 융합함으로써, 상기 작물 개체의 전 영역에 걸쳐 연속적으로 발달하는 숙도 단계 별 기하학적인 색분포 패턴을 고려하여 상기 작물 개체에 대한 최종 숙도 레벨을 결정하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 10 |
10
제9항에 있어서,상기 숙도결정융합부는 아래 식을 이용하여 상기 개별시점숙도판별부에서 출력하는 상기 작물 개체의 각 숙도 클래스 별 확률 기반 스코어 벡터들을 가중치 기반으로 융합하는 것을 특징으로 하는 작물의 숙도 판별 장치:(여기서, n은 시점을 의미하는 것으로 n=1,
|
| 11 |
11
제2항에 있어서,상기 가중치는 작물 개체의 품종이나 환경 조건에 따라 가변되는 값인 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 12 |
12
제1항에 있어서,상기 작물은 토마토, 복숭아, 사과, 배, 파프리카, 및 고추 중 적어도 하나를 포함하는 것을 특징으로 하는 작물의 숙도 판별 장치
|
| 13 |
13
작물의 숙도 판별 방법에 있어서,적어도 하나의 작물 개체에 관한 서로 다른 시점을 가진 개별 시점 영상들을 입력받는 단계;객체 탐지 기반의 딥 러닝 모델을 이용하여 상기 작물 개체의 개별 시점 영상에 관한 각 숙도 클래스 별 확률 기반 스코어 벡터를 출력하는 단계;상기 작물 개체의 개별 시점 영상에 관한 각 숙도 클래스 별 확률 기반 스코어 벡터를 융합하여 상기 작물 개체에 대한 최종 숙도 레벨을 결정하는 단계를 포함하고;상기 확률 기반 스코어 벡터를 출력하는 단계는 상기 개별 시점 영상에서 나타나는 기하학적인 색분포 패턴의 특징을 고려하여 상기 숙도 클래스 별 확률 기반 스코어 벡터를 출력하는 것을 특징으로 하는 작물의 숙도 판별 방법
|
| 14 |
14
제13항에 있어서,상기 확률 기반 스코어 벡터는 상기 개별 시점 영상에서 나타나는 기하학적인 상기 작물 개체의 색정보 패턴을 포괄적으로 표현하는 이산 확률분포 형태의 벡터이고;상기 최종 숙도 레벨을 결정하는 단계는 상기 확률 기반 스코어 벡터들을 가중치 기반으로 융합함으로써, 상기 작물 개체의 전 영역에 걸쳐 연속적으로 발달하는 숙도 단계 별 기하학적인 색분포 패턴을 고려하여 상기 작물 개체에 대한 최종 숙도 레벨을 결정하는 것을 특징으로 하는 작물의 숙도 판별 방법
|
| 15 |
15
제13항 또는 제14항의 작물의 숙도 판별 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
