AI-driven Growth Modeling and Image-based Phenotyping
연구 내용
작물 영상을 활용하여 생육 특성을 자동 추출하고 AI 모델로 생장 변화를 예측하는 데이터 기반 생육모델링 연구
이 연구는 RGB 영상에서 작물의 생육 정보를 자동 추출하고 AI 모델을 이용하여 생장 변동을 예측하는 기술을 중심으로 전개됩니다. Vision Transformer와 Convolutional Neural Network를 활용하여 비파괴 방식으로 생체중, 엽면적 등 주요 형질을 추정하며, 환경요인과 생육 간의 상관 구조를 모델링합니다. 영상 기반 특징 추출 기법과 딥러닝의 결합을 통해 생육 단계별 패턴을 정량화하고, 학습된 신경망 구조의 내부 표현을 분석하여 식물 반응의 추상적 특성을 해석합니다. 또한 실시간 영상 데이터에 기반한 환경 제어 피드백 구조를 설계하여 스마트팜 시스템의 운영 효율을 높일 수 있는 기초 기술을 확보합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 인공광 환경에서 촬영한 작물 영상을 활용하여 단순 모델 기반 생육 분석을 수행하였습니다. 이후 CNN, ViT 등 다양한 딥러닝 구조를 적용하여 형태적 특성을 자동 분류·예측하는 방향으로 확장되었습니다. 최근에는 다중 영상 데이터를 통합하여 생육 변화를 시계열로 예측하는 연구가 진행되었으며, 실시간 환경 제어와 연계 가능한 AI 기반 제어 알고리즘 개발로 연구 범위가 확장되고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Continuous Growth Monitoring and Prediction with 1D Convolutional Neural Network Using Generated Data with Vision Transformer
Growth Analysis of Plant Factory-Grown Lettuce by Deep Neural Networks Based on Automated Feature Extraction
관련 프로젝트
구분
제목
딥러닝을 이용한 엽체류 생육 예측모델개발/심층강화학습 알고리즘 적용에 의한 엽체류 환경 조절 기술개발