초록 열기/닫기 버튼
생태계 교란 식물은 생태적･경제적･공중보건적 피해를 입힌다. 또한 생태계 교란 식물은 번식력이 강하기 때문에 발생 초기에 대응해야 한다. 이에 본 연구에서는 생태계 교란 식물의 발생 초기 대응을 위해 드론과 CNN(Convolution Neural Network) 기반의 이미지 학습 기반 생태계 교란 식물 분포도 구축 체계를 제시하고자 했다. 이러한 체계의 적용 가능성을 검토하기 위해 공간 DBMS(Database Management System)의 활용을 검토했으며, 생태계 교란 식물 중 가시박을 대상으로 실험했다. 실험을 위해 대전 일대 중 가시박이 서식하는 2곳을 선정했으며, 해당지역에 대해 드론을 이용하여 촬영하고 정사영상을 구축했다. 이미지 학습 실험을 수행하기 위해 첫 번째 실험에서는 실험지역 ⓑ에서 촬영한 영상만을 활용한 이미지 학습과 분류 테스트를 진행하였고, 두 번째 실험에서는 실험지역 ⓑ에서 촬영한 영상을 이용한 학습을 수행하고 실험지역 a의 촬영 지역을 대상으로 분류를 수행하였으며, 마지막 실험에서는 실험지역 ⓑ에서 촬영한 영상과 웹상에 있는 가시박 이미지를 이용하여 학습을 수행하고 실험지역 ⓐ를 대상으로 분류를 수행하였다. 분석결과 첫 번째 실험에서는 평균 95%, 두 번째 실험에서는 평균 45%, 마지막 실험에서는 약 61%의 분류 정확도를 보였다. 이러한 실험 결과를 바탕으로 정확도 높은 생태계 교란 식물 분포도를 구축하기 위해서는 다양한 생태계 교란 식물이 포함된 정사영상의 메타테이블을 참조해야 할 것으로 판단된다. 그리고 추후 신규 생태계 교란 식물의 확장성을 고려하여 생태계 교란 식물 검색 대상에 대한 추가적인 정보도 공간 DBMS 기반의 관리 및 다양한 생태계 교란 식물의 자동화된 분류를 수행할 수 있을 것이라 판단되며, 이러한 분석 체계를 활용한다면 생태계 교란 식물의 방제에 큰 도움을 줄 수 있을 것이라 판단된다.
The invasive alien plants that cause ecological, economic, and public health disturbances are highly reproductive and thus must be controlled at the early stage of development. This study is intended to establish the system to construct the invasive alien plant distribution map based on spatial DBMS (Database Management System), obtain ortho-images using drones, classify invasive alien plants using CNN (Convolution Neural Network)-based image learning, and present how to generate the invasive alien plant distribution map using them. We obtained ortho-images by photographing the area where Sicyos angulatus, one of the invasive alien plants, inhabited in two test areas of Daejeon to examine the applicability of this system. In the first experiment, we conducted the image learning and classification using only the images photographed in test area a. In the second experiment, we conducted the image learning using the image photographed in test area a and classified the images photographed in test area b. In the last experiment, we conducted learning using the images photographed in test area a and the imagse of Sicyos angulatus on web sites and classified the image photographed in test area b. The analysis results showed the average classification accuracy of 95%, 45%, and 61% in the first experiment, the second experiment, and the third experiment, respectively. Construction of the distribution map of invasive alien plants requires the metatable of the ortho-images that contain various invasive alien plants. Additional information on the search targets of invasive alien plants in consideration of the expansion of new invasive alien plants can help to manage them with the spatial DBMS and carry out the automated classification of various invasive alien plants and to manage various ecosystem disturbances. Using them in the analysis system would help control invasive alien plants.
키워드열기/닫기 버튼
Invasive alien plant, Image learning, CNN (Convolution Neural Network), Drone, Spatial DBMS (Database Management System)
