비파괴 센싱과 인공지능 기반 작물 생장·생리 추정 연구

Non-destructive sensing and AI-based estimation of crop growth and physiology

연구 내용

작물의 전기신호, 엽록소 및 광학·영상 정보를 비파괴로 수집하고 인공지능·회귀 모델로 생장과 생리 반응을 연속 추정하는 연구

온실 환경 변화에 따른 작물의 반응을 비파괴 방식으로 모니터링하기 위한 센싱·해석 기술을 연구합니다. CO2 처리 조건에서 작물 유도 전기 신호와 SPAD, 엽록소 형광 및 생장 자료의 연관성을 분석하여 환경 반응을 조기 반영할 수 있는 지표를 도출합니다. 또한 영상 기반 엽면적 추정에서 회귀와 인공지능 모델을 적용해 관측 변수를 정량화합니다. 스마트 온실의 환경·제어 정보를 이용해 순일차생산량 추정을 수행하여 생산성 관리 입력 데이터로 활용합니다.

관련 프로젝트

1건

연구 흐름

초기에는 CO2 농도 변화가 토마토 생장과 전기적 생체 반응에 어떻게 연결되는지 파악하는 연구를 수행했습니다. 이후 전기신호 측정 결과를 영상·광학 지표와 함께 해석하여 환경 반응 모니터링의 연계성을 높였습니다. 다음 단계로 영상 데이터 기반 엽면적 추정 모델을 구축하여 촬영 기반 생장 변수 산출 자동화를 시도했습니다. 최근에는 스마트 멀티스팬 온실에서 환경 및 제어 정보를 결합해 순일차생산량을 추정하는 방향으로 확장하고, 자동 영상 취득 및 다중분광·초분광 분석 플랫폼 개발 프로젝트를 통해 관측 체계를 고도화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

비파괴 생장 모니터링 지표
CO2 반응 조기진단
엽면적 추정 자동화
순일차생산량 기반 생산성 관리
클로로필 플루오레선스 해석 지원
SPAD 기반 생리 상태 분류
영상·환경 데이터 융합 모델
스마트온실 운영 입력변수 생성
생체특성 진단용 표준 데이터셋
연속 관측 기반 재배 최적화