칼랑코에를 포함하는 화분을 촬영하여 상기 칼랑코에 및 화분에 대한 이미지를 포함하는 이미지 데이터를 생성하는 이미지 센서;하나 이상의 인스트럭션을 저장하는 메모리; 및상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,상기 프로세서는,상기 이미지 센서로부터 수신된 상기 이미지 데이터를 기초로, 상기 칼랑코에의 품종을 판정하도록 인공지능 모델을 학습시키고, 상기 이미지 데이터를 기초로, 상기 칼랑코에의 캐노피, 상기 칼랑코에의 꽃의 개수, 상기 칼랑코에의 개화율, 상기 칼랑코에의 화축에 꽃이 배열되어 있는 상태인 화경(peduncle)의 비율, 해충으로 인한 상기 칼랑코에의 피해량을 포함하는 복수의 품질 요소들을 예측 및 판정하도록 상기 인공지능 모델을 학습시키고, 상기 이미지 센서로부터 수신된 새로운 이미지 데이터를 학습이 완료된 상기 인공지능 모델에 입력하여 상기 복수의 품질 요소들을 예측 및 판정하고, 상기 화경의 비율을 판정하되 상기 화축의 양 측에 배열된 꽃의 비율이 실질적으로 동일해질수록 품질 점수를 상승하는 방향으로 학습하는 것을 특징으로 하는, 전자 장치.

제1항에 있어서,상기 프로세서는,상기 이미지 센서로부터 상기 칼랑코에의 정면이 촬영된 정면 이미지를 포함하는 제1 이미지 데이터를 수신하고, 상기 제1 이미지 데이터에서 상기 정면 이미지를 검출하고, 상기 정면 이미지에서 상기 화분을 제외한 상기 칼랑코에의 폭 및 길이를 측정하고, 상기 품종 및 상기 캐노피를 포함하는 학습 데이터를 기반으로, 상기 품종에 따른 상기 캐노피를 판정하는 상기 인공지능 모델을 학습시키는 것을 특징으로 하는, 전자 장치.

제2항에 있어서,상기 프로세서는,상기 칼랑코에가 회전되면서 촬영된 상기 칼랑코에의 정면을 각각 포함하는 복수의 제1 이미지 데이터를 수신하고, 상기 복수의 제1 이미지 데이터 각각에 포함된 상기 정면 이미지에서 상기 폭 및 상기 길이를 측정하고, 측정된 복수의 폭들 및 길이들 중 최대 폭 및 최대 길이를 포함하는 상기 캐노피를 상기 학습 데이터로 설정하는 것을 특징으로 하는, 전자 장치.

제1항에 있어서,상기 프로세서는,상기 이미지 센서로부터 상기 칼랑코에가 탑뷰(top-view) 시점에서 촬영된 탑뷰 이미지를 포함하는 복수의 제2 이미지 데이터를 수신하고, 상기 복수의 제2 이미지 데이터에서 꽃의 개화 상태에 따른 복수의 탑뷰 이미지들을 검출하고, 상기 개화 상태에 따른 각 탑뷰 이미지를 포함하는 학습 데이터를 기반으로, 상기 품종에 따른 상기 칼랑코에의 상기 꽃의 개수 및 상기 칼랑코에의 상기 개화율을 예측 및 판정하는 상기 인공지능 모델을 학습시키는 것을 특징으로 하는, 전자 장치.

제4항에 있어서,상기 프로세서는,상기 복수의 제2 이미지 데이터에서 비개화에 따른 제1 탑뷰 이미지, 부분 개화에 따른 제2 탑뷰 이미지, 및 완전 개화에 따른 제3 탑뷰 이미지를 검출하는 것을 특징으로 하는, 전자 장치.

제1항에 있어서,상기 프로세서는,상기 이미지 센서로부터 상기 칼랑코에가 탑뷰 시점에서 촬영된 탑뷰 이미지를 포함하는 제3 이미지 데이터를 수신하고, 상기 제3 이미지 데이터의 상기 탑뷰 이미지에서 상기 칼랑코에의 꽃을 나타내는 이미지와 상기 칼랑코에의 잎을 나타내는 이미지를 구분하고, 상기 칼랑코에의 꽃을 나타내는 상기 이미지에서 상기 꽃의 면적을 측정하고, 상기 면적을 포함하는 학습 데이터를 기반으로, 상기 품종에 따른 상기 칼랑코에의 화경의 비율을 예측 및 판정하는 상기 인공지능 모델을 학습시키는 것을 특징으로 하는, 전자 장치.

제6항에 있어서,상기 프로세서는,상기 제3 이미지 데이터에서 상기 화분을 중심으로 하는 최외곽의 외접원과 상기 중심에서 가장 가까이 위치하는 꽃에 접하는 내접원을 설정하고,상기 외접원 및 상기 내접원을 각각 4등분하여, 8개의 영역들을 설정하고,상기 8개의 영역들 각각에 포함된 꽃의 부분 면적을 측정하고,상기 부분 면적을 기초로 상기 꽃의 면적을 계산하는 것을 특징으로 하는, 전자 장치.

제1항에 있어서,상기 프로세서는,상기 이미지 센서로부터 상기 칼랑코에가 탑뷰 시점에서 촬영된 탑뷰 이미지를 포함하는 제4 이미지 데이터를 수신하고, 상기 제4 이미지 데이터의 상기 탑뷰 이미지에서 상기 해충에 의해 피해를 입은 제1 면적을 나타내는 이미지와 상기 해충에 의해 피해를 입지 않은 제2 면적을 나타내는 이미지를 선별하고, 상기 제1 면적을 나타내는 상기 이미지를 포함하는 학습 데이터를 기반으로, 상기 품종에 따른 상기 해충으로 인한 상기 칼랑코에의 상기 피해량을 판정하는 상기 인공지능 모델을 학습시키는 것을 특징으로 하는, 전자 장치.

제8항에 있어서,상기 프로세서는,상기 탑뷰 이미지에서 상기 해충을 나타내는 이미지를 더 선별하고, 상기 해충을 나타내는 이미지를 상기 학습 데이터에 포함시키는 것을 특징으로 하는, 전자 장치.

칼랑코에를 포함하는 화분을 촬영하여 상기 칼랑코에 및 화분에 대한 이미지를 포함하는 이미지 데이터를 생성하는 단계;상기 이미지 데이터를 기초로, 상기 칼랑코에의 품종을 판정하도록 인공지능 모델을 학습시키는 단계;상기 이미지 데이터를 기초로, 상기 칼랑코에의 캐노피, 상기 칼랑코에의 꽃의 개수, 상기 칼랑코에의 개화율, 상기 칼랑코에의 화축에 꽃이 배열되어 있는 상태인 화경(peduncle)의 비율, 해충으로 인한 상기 칼랑코에의 피해량을 포함하는 복수의 품질 요소들을 예측 및 판정하도록 상기 인공지능 모델을 학습시키는 단계; 상기 화경의 비율을 판정하되, 상기 화축의 양 측에 배열된 꽃의 비율이 실질적으로 동일해질수록 품질 점수를 상승하는 방향으로 학습하는 단계; 및새로운 이미지 데이터를 학습이 완료된 상기 인공지능 모델에 입력하여 상기 복수의 품질 요소들을 예측 및 판정하는 단계를 포함하는, 전자 장치의 동작 방법.