Density estimation-based seed counting for evaluating the performance of seeding drone

드론을 이용한 파종은 관행 방식보다 효율성이 높고 험지에 대한 접근성이 좋아, 농촌의 고령화 및 기피 현상 등으로 인한 노동력 부족 문제를 해결하기 위한 대책으로 대두되고 있다. 하지만 국내에서의 파종 드론에 관한 연구는 아직 기초 연구 수준에서만 수행되고 있으며, 파종 성능평가 방식도 전통적인 방식의 수작업 집계 방식을 사용하여 효율이 떨어지는 실정이다. 따라서 본 연구에서는 드론의 파종 성능평가 방식의 자동화를 목표로, 딥러닝 모델을 이용한 준지도 학습을 통해 영상 내에서 밀도추정을 통해 드론의 파종 성능평가를 수행하였다. 학습데이터는 다양한 개수의 볍씨 영상들로 구성되었으며, 합성곱 신경망 기반의 학습모델을 사용하여 밀도추정을 진행하였다. 학습모델의 성능평가에는 선형회귀분석을 사용하여 실제값과의 상관관계를 분석하였다. 제안된 방법을 통한 볍씨 밀도추정은 R² 0.99의 성능을 보여주었으며, 이를 통해 촬영된 영상 내 종자의 수를 자동으로 계수 할 수 있음이 확인되었다. 본 연구 결과를 통해 현장 중심의 데이터 확보 및 학습모델의 성능 정밀화로, 실제 드론 파종작업의 성능평가에 실질적인 활용이 가능할 것으로 기대된다.