| 1 |
1
패치 영상과 재선충 피해 확률간의 상관관계가 학습된 분류 모델;기 획득된 다중분광 영상으로부터 다수의 패치 영상을 추출하고, 패치 영상 기반으로 상기 분류 모델을 학습시키는 분류 모델 학습부;외부 장치에 의해 획득 및 제공되는 다중분광 영상을 수신하고, 상기 수신된 다중분광 영상으로부터 다수의 패치 영상을 추출하는 영상 수신부;상기 분류 모델을 이용하여 상기 영상 수신부를 통해 추출된 다수의 패치 영상 각각에 대응되는 다수의 재선충 피해 확률을 획득한 후, 다수의 재선충 피해 확률을 픽셀 단위로 수집 및 평균내어 히트맵을 구성하는 히트맵 구성부; 및상기 히트맵에서 공간적으로 국부 최대 확률 위치를 탐색하고, 탐색 결과를 기반으로 산림 병해충 피해 위치를 추정 및 통보하는 병해충 탐지부를 포함하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
| 2 |
2
제1항에 있어서, 상기 다중분광 영상은 RGB, NIR, RedEdge 5개의 밴드를 가지는 영상인 것을 특징으로 하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
| 3 |
3
제1항에 있어서, 상기 분류 모델은 패치 영상에 대응되는 영상 특징을 추출하는 다수의 콘볼루션 레이어와 풀링 레이어를 구비하는 잔차 신경망과, 영상 특징 추출값을 확률 값으로 변환하여 출력하는 소프트맥스 블록으로 구성되는 것을 특징으로 하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
| 4 |
4
제1항에 있어서, 상기 분류 모델 학습부는 기 획득된 데이터베이스로부터 다수의 다중분광 영상을 획득하는 다중분광 영상 획득부;상기 다중분광 영상 각각으로부터 다수의 패치 영상을 추출한 후, 상기 다수의 패치 영상 각각을 산림 병해충 피해 위치에 대응되는 정예제 영상과, 그렇지 않은 패치 영상은 부예제 영상으로 구분하는 패치 영상 추출부;상기 정예제 영상을 기하 변형 시킨 후, 변형된 영상에 기반하여 패치 영상을 추가 추출하여 데이터 증강시키는 정예제 영상 증강부; 상기 정예제 영상와 상기 부예제 영상 기반으로 패치 영상을 입력 조건을 가지고 재선충 피해 확률을 출력 조건으로 가지는 다수의 학습 데이터를 생성하는 학습 데이터 생성부; 및 상기 다수의 학습 데이터를 통해 상기 분류 모델을 학습 및 검증하는 학습 수행부를 포함하는 것을 특징으로 하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
| 5 |
5
제4항에 있어서, 상기 정예제 영상 증강부는 상기 정예제 영상와 상기 부예제 영상 개수를 일치시키는 것을 특징으로 하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
| 6 |
6
제4항에 있어서, 상기 학습 데이터 생성부와 상기 영상 분류부는 상기 분류 모델의 영상 입력 크기와 상기 패치 영상의 크기가 상이한 경우, 상기 패치 영상의 크기를 바이큐빅(bicubic) 보간법에 따라 확장한 후 상기 분류 모델에 입력하는 것을 특징으로 하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
| 7 |
7
제1항에 있어서, 상기 히트맵 구성부는 다수의 패치 영상 각각에 대응되는 다수의 재선충 피해 확률을 패치 영상 추출 위치 기반으로 중첩시켜 배치한 후, 동일 위치에 중첩된 확률들의 평균치를 산출하여 픽셀별 확률을 결정하는 확률 평균화부; 및 상기 픽셀별 확률을 픽셀별 색상으로 변환한 후 2차원 영상으로 재구성하여 히트맵을 구성하는 색상 매칭부를 포함하는 것을 특징으로 하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
| 8 |
8
제1항에 있어서, 상기 병해충 탐지부는 히트맵의 색상 분포도에 기반하여 병해충 피해 발생 위치, 병해충 피해 범위, 병해충 피해 발생 위치의 밀집도 중 적어도 하나를 탐지하여 사용자 안내하는 것을 특징으로 하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
| 9 |
9
제8항에 있어서, 상기 병해충 탐지부는 동일 지역의 히트맵을 소정 기간에 걸쳐 추적 모니터링하여, 병해충 피해 범위 증감 정도, 병해충 피해 진행 방향 중 적어도 하나를 탐지하여 사용자에 추가 안내하는 것을 특징으로 하는 다중분광 영상에 기반한 산림 병해충 탐지 장치
|
