1 |
1
컴퓨터 장치에 의해 수행되는 야적퇴비 탐지 방법에 있어서, 무인비행기(UAV)를 이용하여 촬영된 영상을 통해 대상지역의 영상을 획득하는 단계; 상기 다중분광 카메라로 촬영된 분광영상을 활용하여 야적퇴비의 분광특성을 파악하기 위해 식생지수를 제작하는 단계; 촬영된 RGB 영상 및 GIS 프로그램을 이용한 상기 대상지역의 야적퇴비를 추출하는 단계; 및 제작된 상기 식생지수를 이용하여 추출된 상기 대상지역의 야적퇴비의 분광특성을 분석하는 단계를 포함하는, 야적퇴비 탐지 방법
|
2 |
2
제1항에 있어서, 상기 대상지역의 영상을 획득하는 단계는, 상기 무인비행기(UAV)에 RGB 카메라, 다중분광 카메라 및 열적외 카메라를 탑재하고, 대상지역의 범위를 고려하여 비행경로 및 고도를 설정하여 영상을 촬영하는 단계; 및 수집된 상기 영상을 정사영상으로 제작하는 단계를 포함하는, 야적퇴비 탐지 방법
|
3 |
3
제1항에 있어서, 상기 야적퇴비의 분광특성을 파악하기 위해 식생지수를 제작하는 단계는, NDVI(Normalized difference vegetation index), ENDVI(Enhance Normalized difference vegetation index), NGRDI(Normalized green red difference index), NDREI(Normalized difference red edge index), 및 GNDVI(Green NDVI) 중 적어도 어느 하나 이상의 식생지수를 제작하는 것을 특징으로 하는, 야적퇴비 탐지 방법
|
4 |
4
제1항에 있어서, 상기 대상지역의 야적퇴비를 추출하는 단계는, 기설정된 유형에 따라 야적퇴비를 분류하는 것을 특징으로 하는, 야적퇴비 탐지 방법
|
5 |
5
제4항에 있어서, 상기 대상지역의 야적퇴비의 분광특성을 분석하는 단계는, 수집한 영상 및 상기 식생지수를 이용하여 데이터베이스를 구축하고, 야적퇴비 분류 유형에 따른 상기 식생지수 및 지표면 온도 특성을 분석하는 것을 특징으로 하는, 야적퇴비 탐지 방법
|
6 |
6
제1항에 있어서, 수집한 상기 무인항공기 기반 영상 및 상기 식생지수로부터 머신러닝 기법을 이용하여 야적퇴비를 탐지하는 단계를 더 포함하는, 야적퇴비 탐지 방법
|
7 |
7
제6항에 있어서, 상기 머신러닝 기법을 이용하여 야적퇴비를 탐지하는 단계는, 상기 무인항공기 기반 RGB, 식생지수, 열적외 영상과 SVM, DT(Decision tree), RF(Random forest) 및 k-NN 중 적어도 어느 하나 이상의 머신러닝 기법을 활용하여 야적퇴비를 탐지하는 것을 특징으로 하는, 야적퇴비 탐지 방법
|
8 |
8
제6항에 있어서, 상기 머신러닝 기법을 이용하여 야적퇴비를 탐지하는 단계는, 상기 야적퇴비의 분광특성을 이용하여 구축된 자료를 통해 SVM, DT(Decision tree), RF(Random forest) 및 k-NN 머신러닝을 분석하는 것을 특징으로 하는, 야적퇴비 탐지 방법
|
9 |
9
무인비행기(UAV)를 이용하여 촬영된 영상을 통해 대상지역의 영상을 획득하는 영상 수집부; 상기 다중분광 카메라로 촬영된 분광영상을 활용하여 야적퇴비의 분광특성을 파악하기 위해 식생지수를 제작하는 식생지수 제공부; 촬영된 RGB 영상 및 GIS 프로그램을 이용한 상기 대상지역의 야적퇴비를 추출하는 야적퇴비 추출부; 및 제작된 상기 식생지수를 이용하여 추출된 상기 대상지역의 야적퇴비의 분광특성을 분석하는 야적퇴비 분광특성 분석부를 포함하는, 야적퇴비 탐지 장치
|
10 |
10
제9항에 있어서, 상기 영상 수집부는, 상기 무인비행기(UAV)에 RGB 카메라, 다중분광 카메라 및 열적외 카메라를 탑재하고, 대상지역의 범위를 고려하여 비행경로 및 고도를 설정하여 영상을 촬영하고, 수집된 상기 영상을 정사영상으로 제작하는 것을 특징으로 하는, 야적퇴비 탐지 장치
|
11 |
11
제9항에 있어서, 상기 식생지수 제공부는, NDVI(Normalized difference vegetation index), ENDVI(Enhance Normalized difference vegetation index), NGRDI(Normalized green red difference index), NDREI(Normalized difference red edge index), 및 GNDVI(Green NDVI) 중 적어도 어느 하나 이상의 식생지수를 제작하는 것을 특징으로 하는, 야적퇴비 탐지 장치
|
12 |
12
제9항에 있어서, 상기 야적퇴비 추출부는, 기설정된 유형에 따라 야적퇴비를 분류하는 것을 특징으로 하는, 야적퇴비 탐지 장치
|
13 |
13
제12항에 있어서, 상기 야적퇴비 분광특성 분석부는, 수집한 영상 및 상기 식생지수를 이용하여 데이터베이스를 구축하고, 야적퇴비 분류 유형에 따른 상기 식생지수 및 지표면 온도 특성을 분석하는 것을 특징으로 하는, 야적퇴비 탐지 장치
|
14 |
14
제9항에 있어서, 수집한 상기 무인항공기 기반 영상 및 상기 식생지수로부터 머신러닝 기법을 이용하여 야적퇴비를 탐지하는 머신러닝 기반 야적퇴비 탐지부를 더 포함하는, 야적퇴비 탐지 장치
|
15 |
15
제14항에 있어서, 상기 머신러닝 기반 야적퇴비 탐지부는, 상기 무인항공기 기반 RGB, 식생지수, 열적외 영상과 SVM, DT(Decision tree), RF(Random forest) 및 k-NN 중 적어도 어느 하나 이상의 머신러닝 기법을 활용하여 야적퇴비를 탐지하는 것을 특징으로 하는, 야적퇴비 탐지 장치
|