Impact of Crop Segmentation on UAV-Based Yield Prediction of Onion and Garlic

Abstract

본 연구는 UAV 기반 다중분광 영상을 활용하여 양파 및 마늘 재배지에서 작물 분할 기법이 식생지수 기반 생산량 예측 성능에 미치는 영향을 분석하는 것을 목적으로 한다. 기존 연구에서는 처리구(plot)별 ROI 평균을 이용한 식생지수 산출이 주로 활용되었으나, 작물 분할 전략 자체가 예측 성능에 미치는 영향은 충분히 검토되지 않았다. 이에 본 연구에서는 비지도 학습 기반작물 분할(none, otsu-NDVI, k-means, GMM)을 적용하고, 분할 방법에 따른 처리구 단위 식생지수 특성과 예측 성능 차이를 비교하였다. 6개 생육 시점의 UAV 다중분광 영상으로부터 분할된 식생 영역 대상으로 9개 식생지수를 산출하고, PLS 기반으로 차원 축소하고 머신러닝 모델을 이용해 생산량을 예측하였다. 모델 성능은 처리구 단위 Leave-one-out 교차검증으로 평가하였다. 분석결과, 작물 분할 적용 시 식생지수 분포가 유의하게 변화하였으며, 반복측정 분산분석을 통해 분할 방법과 생육 시점 간 상호작용 효과가 확인되었다. 이러한 입력 변수 특성의 개선은 생산량 예측 성능 향상으로 이어졌고, 특히 군집 기반 분할에서 RMSE 및 MAPE가 가장 크게 감소하였다.

Plant phenotyping relevance

UAV多波長画像における作物分割手法を比較し、植生指数から収量を推定する方法と性能を評価しており、表現型取得・抽出が研究の中心である。

Code and data availability

公開本文の所在を確認できませんでした。非公開または購読が必要な可能性があります。

No evidence-backed public reproduction asset is currently recorded.