[논문 리뷰] Recognition of Pyralidae Insects Using Intelligent Monitoring Autonomous Robot Vehicle in Natural Farm Scene

Boyi Liu, Zhuhua Hu외 3명|arXiv (Cornell University)|2019. 03. 26.

Smart Agriculture and AI참고 문헌 26인용 수 12

한 줄 요약

이 논문은 자연 농장 환경에서 나방류 해충(Pyralidae, 예: 옥수수기생충, 벼잎벌레)을 탐지하고 식별하는 지능형 영상 인식 시스템을 탑재한 자율 주행 로봇 차량을 제시한다. 역히스토ограм 매핑, 제약 조건이 있는 Otsu 분할, 그리고 Hu 모멘트 기반 특징 매칭을 통해 시스템은 복잡한 배경에서도 94.3%의 인식 정확도를 달성하면서도, 타깃 해충 모니터링을 위한 기계 팔의 적응형 제어를 가능하게 한다.

ABSTRACT

The Pyralidae pests, such as corn borer and rice leaf roller, are main pests in economic crops. The timely detection and identification of Pyralidae pests is a critical task for agriculturists and farmers. However, the traditional identification of pests by humans is labor intensive and inefficient. To tackle the challenges, a pest monitoring autonomous robot vehicle and a method to recognize Pyralidae pests are presented in this paper. Firstly, the robot on autonomous vehicle collects images by performing camera sensing in natural farm scene. Secondly, the total probability image can be obtained by using inverse histogram mapping, and then the object contour of Pyralidae pests can be extracted quickly and accurately with the constrained Otsu method. Finally, by employing Hu moment and the perimeter and area characteristics, the correct contours of objects can be drawn, and the recognition results can be obtained by comparing them with the reference templates of Pyralidae pests. Additionally, the moving speed of the mechanical arms on the vehicle can be adjusted adaptively by interacting with the recognition algorithm. The experimental results demonstrate that the robot vehicle can automatically capture pest images, and can achieve 94.3$\%$ recognition accuracy in natural farm planting scene.

연구 동기 및 목표

• 농업 현장에서 수작업으로 해충을 식별하는 데 드는 비효율성과 노동 강도를 해결하기 위해.
• 복잡한 자연 농장 환경에서 지속적인 해충 모니터링을 수행할 수 있는 자율 로봇 플랫폼을 개발하기 위해.
• 이미지 기반 컴퓨터 비전 기법을 활용해 Pyralidae 해충을 정확하고 실시간으로 식별할 수 있도록 하기 위해.
• 식별 피드백에 기반해 기계 팔의 움직임을 적응형으로 제어함으로써 동적 해충 대응 능력을 향상시키기 위해.

제안 방법

• 로봇 차량은 자연 농장 환경에서 자율 주행을 수행하고 현장 카메라를 통해 실시간 영상을 촬영한다.
• 역히스토ограм 매핑을 적용하여 복잡한 배경에서도 해충의 가시성을 향상시키는 총합 확률 영상을 생성한다.
• 제약 조건이 있는 Otsu 임계값 분할을 사용하여 총합 확률 영상에서 Pyralidae 해충의 정확한 객체 윤곽을 추출한다.
• 분할된 윤곽에서 기하학적 특징과 모멘트 기반 특징—특히 Hu 모멘트, 둘레, 면적—을 추출하여 분류한다.
• 추출된 특징을 기존에 알려진 Pyralidae 해충의 기준 템플릿과 비교하여 식별 결과를 도출한다.
• 실시간 식별 결과에 기반해 기계 팔의 이동 속도를 조절하는 적응형 제어 논리를 적용하여 타깃 설정 효율성을 향상시킨다.

실험 결과

연구 질문

• RQ1 자율 로봇 차량은 비정형이고 자연적인 농장 환경에서 Pyralidae 해충을 신뢰성 있게 탐지할 수 있는가?
• RQ2 역히스토ограм 매핑과 제약 조건이 있는 Otsu 분할 기법은 복잡한 农업 배경에서 해충 객체를 얼마나 효과적으로 분리하는가?
• RQ3 Hu 모멘트와 형태 특성은 Pyralidae 해충을 얼마나 정확하게 분류하는 데 기여하는가?
• RQ4 실시간 식별 결과를 바탕으로 기계 팔의 움직임을 동적으로 제어할 수 있는가? 이는 모니터링 정밀도 향상에 기여하는가?
• RQ5 실제 현장 조건에서 어떤 수준의 인식 정확도를 달성할 수 있는가?

주요 결과

• 자율 로봇 차량은 자연 농장 환경에서 실시간으로 해충 영상을 성공적으로 촬영하였다.
• 역히스토ограм 매핑을 적용함으로써 복잡한 환경에서 Pyralidae 해충의 대비와 가시성이 뚜렷이 향상되었다.
• 제약 조건이 있는 Otsu 분할 기법을 통해 해충 객체 윤곽을 정확하고 신속하게 추출할 수 있었다.
• Hu 모멘트, 둘레, 면적을 활용한 특징 매칭을 통해 기준 템플릿과 높은 일치도로 분류 성능을 확보하였다.
• 실제 현장 조건에서 시스템은 94.3%의 인식 정확도를 보였다.
• 식별 결과에 기반한 기계 팔의 적응형 제어가 운영의 반응성과 타깃 설정 효율성을 향상시켰다.