토양 표면 이미지 기반 수분함량·밀도 예측 및 공극 분석 연구
Soil surface image-based prediction of moisture content and density with void analysis research
연구 내용
토양 표면 이미지를 기반으로 토양 수분함량과 벌크밀도를 딥러닝으로 빠르게 예측하고, 임계값 선택 의존성을 줄이기 위한 공극 면적 곡선 분석을 통해 밀도 추정의 범용성을 높이는 연구
농업 및 지반 분야의 토양 관리에서 토양 수분과 밀도는 핵심 입력값이지만, 기존 측정은 시간과 비용 제약이 큽니다. 본 연구는 카메라로 획득한 토양 표면 이미지에서 색상·질감·형상 특징을 추출하거나 CNN 기반으로 학습시켜 토양 수분함량과 벌크밀도를 예측합니다. 또한 이미지 이진화 과정의 임계값 선택에 따른 오차를 줄이기 위해 void area curve를 제안하고, 공극률과의 관계를 이용해 밀도 예측을 수행합니다. 다양한 토양 텍스처와 수분 조건에서 성능 검증을 통해 현장 적용성을 확보합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 단계에서는 토양 표면 이미지를 특징으로 활용하여 수분함량과 벌크밀도를 회귀 기반 접근과 Deep Neural Network 기반 접근으로 비교하며 예측 가능성을 확인했습니다. 이후 학습 데이터 분할과 이미지 증강을 포함하는 CNN 모델로 확장하여, 농경지 조건에서 토양 물성 추정의 재현성과 정확도를 높이는 방향으로 연구를 수행했습니다. 최근에는 임계값 선택이 결과를 좌우하던 void 분석의 한계를 보완하기 위해 void area curve 기반 밀도 추정 방법을 제안하고, 토양 텍스처 전반에 대한 범용성을 강화했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
- 현장 토양 수분 즉시 측정 대체
- 정밀농업 관개 의사결정
- 지반 조사 밀도 추정
- 토양 데이터 수집 자동화
- 토양 공극률 기반 모델 입력
- 다양한 토양 텍스처별 보정
- 토공 및 다짐 품질 관리
- 수분 모니터링 기반 유지관리
- 원격탐사 검증용 지상 기준
- 임계값 비의존 공극 분석
관련 논문
구분
제목
Soil-Surface-Image-Feature-Based Rapid Prediction of Soil Water Content and Bulk Density Using a Deep Neural Network
Convolutional Neural Network-Based Soil Water Content and Density Prediction Model for Agricultural Land Using Soil Surface Images
Enhancing Density Prediction of Agricultural Land Soil through Void Area Curve Analysis