Core Concepts
지속 가능한 임업 맥락에서 특정 식물을 감지하고 회피하면서 재배 중인 수종과 경쟁하는 잡초를 제거하는 자율 시스템의 개발이 필요하다.
Abstract
이 논문은 자동화 및 선별적 식물 제거 문제를 다룹니다. 지속 가능한 임업 맥락에서 자율 시스템이 특정 식물을 감지하고 회피하면서 재배 중인 수종과 경쟁하는 잡초를 제거해야 합니다.
논문은 다음과 같은 내용을 다룹니다:
다양한 센서 옵션(다분광 이미지, RGB 이미지)을 검토하고 RGB 이미지가 더 나은 성능을 보인다는 점을 논의합니다.
YOLOV8 네트워크와 커스텀 퍼지 세그멘테이션 네트워크를 사용하여 식물 감지 및 세그멘테이션을 수행하고 비교합니다.
시간적 일관성을 활용하여 감지 성능을 향상시키는 방법을 설명합니다.
트랙터의 속도와 절단 도구의 확장/수축 시간을 활용하여 절단 도구를 제어하는 방법을 제안합니다.
지속적인 학습을 통해 데이터베이스를 확장하고 성능을 향상시키는 방법을 설명합니다.
Stats
다분광 이미지는 제어된 환경에서는 좋은 성능을 보이지만, 실제 환경에서는 클래스 내 변동성이 클래스 간 변동성과 유사하여 만족스러운 정확도를 달성하기 어렵다.
2048x1536 해상도의 FLIR 산업용 센서를 사용하여 다양한 식물 종, 나이, 날씨, 조명 조건, 계절 등의 변동성을 포함하는 약 15,000장의 데이터베이스를 구축했다.
퍼지 주석 도구를 사용하여 각 픽셀 단위로 주석을 달았으며, 이는 정확한 세그멘테이션이 어려운 침엽수 잎을 효과적으로 표현할 수 있다.
Quotes
"다분광 이미지는 비용이 높고, 해상도를 높이기 위해서는 밴드 수를 줄여야 하는 문제가 있다."
"침엽수 수종은 대부분의 다른 수종과 구별되는 뾰족한 잎과 정단 아지 모양을 가지고 있어, 고해상도 RGB 센서에서 더 잘 드러난다."