Estimation of Vegetation for Chinese Cabbage Using Hyperspectral Imagery

초분광 영상을 이용한 배추의 생육 추정

본 연구는 빛의 파장대가 넓어 보다 다양한 접근과 검출이 가능한 초분광 카메라 (VNIR spectral camera PS, SPECIN Filand)를 이용하여 정식시기가 다른 배추를 생육단계별로 영상을 취득한 후 배추 캐노피의 전 파장 (400~1000nm)으로 생육 추정모델을 개발하기 위해 수행하였다. 정식시기가 다른 배추를 생육단계별로 초분광 카메라로 영상을 취득한 후 취득된 영상 ($348{\times}1040$)을 ENVI (ver. 5.2, Exelis Visual Information Solutions, USA) 프로그램을 이용하여 식생지수 NDVI로 작물과 배경을 구분하였다. 배추 캐노피 영역에 전 파장을 산출한 후 반사판 영역의 전 파장을 이용하여 광 보정된 반사율을 산출하였다. 통계 프로그램인 R Project (ver.3.3.3, Development Core Team, Vienna, Austria)를 이용하여 배추의 반사율과 계측한 생육 정보를 PLSR (Partial least squares regression) 분석하여 정확도($R^2$) 및 정밀도 (RMSE [g,cm,count], RE [%])로 나타내었고 그 모델은 full-cross validation (FV) 하여 타당성을 검증하였다. 정식시기가 다른 배추의 모든 생육단계의 생육정보를 이용하여 PLSR (Partial least squares regression) 결과 엽장을 추정한 모델의 $R^2$는 84% 이상의 정확도와 RMSE 3.2cm 이하의 좋은 정밀도를 보였다. 엽폭을 추정한 모델의 $R^2$는 73% 이상의 정확도와 RMSE 3.5cm 이하의 정밀도를 보였고 엽수를 추정한 모델의 $R^2$는 93% 이상의 정확도와 RMSE 6.3Count 이하의 정밀도로 보여 캐노피의 전 파장을 이용해 생육을 추정하는 것이 가능하다고 판단되었으며 이 모델들의 타당성 검증에서도 좋은 정확도와 정밀도를 보였다. 그러나 배추의 중요한 생육인자 중 생체중을 추정한 모델의 $R^2$는 89% 이상으로 정확도가 높았으나 RMSE 571.1g 이하로 낮은 정밀도를 보여 생체중을 정확히 추정하기 어려웠다. 따라서 다른 통계분석방법으로 전 파장과 생육정보를 분석하거나 특정 밴드를 선택하여 산출한 식생지수를 이용한 추정 모델의 개발을 통하여 오차를 개선할 필요가 있다고 사료된다. 추후 반복 실험하여 분석한 추정 모델과 비교 분석하여 다양한 환경 및 생물 조건에 범용성을 가진 모델을 개발할 필요가 있다.