개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.6
- 수록면
- 704 - 711 (8page)
- DOI
- 10.7840/kics.2023.48.6.704
이용수
초록· 키워드
오류제보하기
최근 기후변화로 인해 급증하는 돌발해충으로 인한 피해를 줄이기 위해 라즈베리 파이를 이용하여 돌발해충 감지 및 분류 시스템을 구현하였다. 이를 통해 해충의 종류를 판별하기 어려운 비전문가도 돌발해충의 발생을 인지할 수 있으며 농가에 나타난 돌발해충에 대해 신속하고 적절하게 대응할 수 있다. 본 논문에서는 돌발해충 탐지를 수행하기 위하여 객체 탐지 알고리즘 YOLOv5s와 YOLOv5x에 돌발해충 4종류로 갈색날개매미충, 열대거세미나방, 미국선녀벌레, 꽃매미를 학습을 진행하였다. 두 모델의 mAP(mean Average Precision) 및 PR 곡선(Precesion-Recall curve)을 통해 정밀도 측면에서 YOLOv5x가 YOLOv5s보다 더 우수함을 확인하였고 최종 모델을 기반으로 한 예측 결과를 도출하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 객체 탐지 기술
Ⅲ. 돌발해충 감지 및 분류 시스템 구현
Ⅳ. 제안 시스템의 성능 분석
Ⅴ. 결론
References
참고문헌 (14)
참고문헌 신청
M. J. Kong, K. H. Kim, S. W. Jeon, K. H. Kwon, and S. I. Song, “Prediction of the time of occurrence and timely control of exotic sporadic pests in agricultural land,” in Proc. KAIS Spring Conf., pp. 707-708, Jeju Island, Korea, Jul. 2021.
Z.-Q. Zhao, P. Zheng, S. -T. Wu, and X. Wu, “Object detection with deep learning : A review,” IEEE Trans. Neural Netw. and Learn. Syst., vol. 30, no. 11, pp. 3212-3232, Nov. 2019. (https://doi.org/10.1109/TNNLS.2018.2876865)
J. S. Lee, S. K. Lee, D. W. Kim, S. J. Hong, and S. I. Yang, “Trends on object detection techniques based on deep learning,” Electron. and Telecommun. Trends, vol. 33, no. 4, pp. 23-32, Aug. 2018.
J. Gu, Z. Wang, L. Ma, A. Shahroudy, B. Shuai, T. Lui, X. Wang, G. Wang, J. Cai, and T. Chen, “Recent advances in convolutional neural networks,” Pattern Recognition, vol. 77, pp. 354-377, May 2018. (https://doi.org/10.1016/j.patcog.2017.10.013)
L. Du, R. Zhang, and X. Wang, “Overview of two-stage object detection algorithms,” J. Physics: Conf. Series, vol. 1544, Mar. 2020. (https://doi.org/10.1088/1742-6596/1544/1/012033)
Z.-Q. Zhao, P. Zheng, S. -T. Wu, and X. Wu, “Object detection with deep learning : A review,” IEEE Trans. Neural Netw. and Learn. Syst., vol. 30, no. 11, pp. 3212-3232, Nov. 2019. (https://doi.org/10.1109/TNNLS.2018.2876865)
J. S. Lee, S. K. Lee, D. W. Kim, S. J. Hong, and S. I. Yang, “Trends on object detection techniques based on deep learning,” Electron. and Telecommun. Trends, vol. 33, no. 4, pp. 23-32, Aug. 2018.
J. Gu, Z. Wang, L. Ma, A. Shahroudy, B. Shuai, T. Lui, X. Wang, G. Wang, J. Cai, and T. Chen, “Recent advances in convolutional neural networks,” Pattern Recognition, vol. 77, pp. 354-377, May 2018. (https://doi.org/10.1016/j.patcog.2017.10.013)
L. Du, R. Zhang, and X. Wang, “Overview of two-stage object detection algorithms,” J. Physics: Conf. Series, vol. 1544, Mar. 2020. (https://doi.org/10.1088/1742-6596/1544/1/012033)
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
해충 카운팅을 위한 딥러닝 모델 성능 비교
Proceedings of KIIT Conference
2021 .11
-
해충 분류를 위한 양방향 특징 퓨전 기반의 Pyramid Vision Transformer
Proceedings of KIIT Conference
2022 .06
-
트랩 기반 해충 카운팅을 위한 멀티스케일 및 변형 가능한 밀도 어텐션 모델
한국정보기술학회논문지
2023 .12
-
학습 가능한 텍스트 프롬프트 벡터를 활용한 검출 기반 해충 카운팅 모델
전기전자학회논문지
2025 .03
-
전이학습 기반의 해충 영상 분류 성능 비교
Proceedings of KIIT Conference
2021 .11
-
해충 이미지 분류를 위한 멀티스케일 교차 주의집중 비전 트랜스포머
한국정보기술학회논문지
2023 .07
-
관심영역 특징 추출 기반의 해충 초고해상화 기법
Proceedings of KIIT Conference
2021 .11
-
해충 이미지 분류를 위한 관심 영역 기반 크로스 어텐션 멀티스케일 비전 트랜스포머
Proceedings of KIIT Conference
2023 .06
-
해충 카운팅을 위한 멀티스케일 어텐션 CenterNet
Proceedings of KIIT Conference
2022 .12
-
해충 카운팅을 위한 커널 생성 기반 밀도 추정 모델
Proceedings of KIIT Conference
2023 .11
-
해충 카운팅을 위한 멀티스케일 CenterNet
Proceedings of KIIT Conference
2022 .06
-
YOLOv5 기반 토마토 병해충 검출 시스템
한국통신학회 학술대회논문집
2023 .06
-
YOLOv5 모델에 따른 결과 분석
한국정밀공학회 학술발표대회 논문집
2021 .11
-
실시간 객체 검출 성능 평가에 대한 연구
Proceedings of KIIT Conference
2023 .11
-
EfficientDet 기반 온실 내 해충 피해 예방을 위한 실시간 해충 객체 감지
한국정보과학회 학술발표논문집
2022 .06
-
해충 분류를 위한 양방향 멀티스케일 특징 퓨전 기반의 피라미드 비전 변환기
한국정보기술학회논문지
2022 .10
-
해충 검출 및 카운팅을 위한 멀티스케일 CenterNet
한국정보기술학회논문지
2022 .07
-
해충 카운팅을 위한 마스킹 기반 적응형 밀도 맵 생성 기법
Proceedings of KIIT Conference
2023 .06
-
공간 가변적 커널 추정 및 적응적 밀도 맵 생성 기반의 해충 카운팅 모델
한국정보기술학회논문지
2024 .09
-
해충이미지에서 카운팅을 위한 딥러닝 알고리즘 설계
한국통신학회 학술대회논문집
2018 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
AI 기반 곤충 이미지 분류 시스템 구현: 생태계 교란 외래 곤충 및 대발생 해충 대응
김혜원
,
윤수연
한국통신학회 학술대회논문집
2025
.02
돌발성 해충에 대한 종합적 방제 전략
이영수
,
김소희
,
최종윤
외 3명
한국농약과학회 학술발표대회 논문집
2022
.04
기후변화에 따른 미발생 병해충 피해 경제적 영향 분석 : Lycorma delicatula의 사례를 중심으로
안현진
,
조성주
,
오새라
외 1명
한국산학기술학회 논문지
2018
.07
멀티스케일 로컬 어텐션 기반의 해충 카운팅 모델
정재민
,
손창환
,
홍서연
한국정보기술학회논문지
2024
.04
신 작물보호제 기반 기술 개발 연구사업
김택겸
한국농약과학회 학술발표대회 논문집
2024
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-567-001540787