AI-Hub

데이터 변경이력

구축 목적

• 인공지능 학습을 위한 학습용 시설작물 이미지 데이터를 수집, 정제를 거친 후 메타데이터가 추가된 데이터셋으로 구성, 시설작물 개체의 이미지를 분류 판단하는 AI학습용 데이터를 만드는 것이 목적인 데이터셋

활용 분야

• 시설작물 20종에 대하여 이미지와 촬영 정보, 생육정보, 개체 정보등 풍부한 메타데이터를 제공하는 데이터셋으로서 대표 시설작물20종에 대한 폭 넓은 AI 기술개발 활용을 위하여 제작됨

소개

• 시설작물 20종에 대하여 120만장 이상 수집을 진행하여 대용량 학습/데이터 구축과 시설작물의 분류 서비스 등 다양한 AI 활용 개발 및 서비스를 목적으로 구축 된 AI 데이터셋 임. 구축단계는 아래와 같으며 어노테이션은 크라우드워커를 통한 온라인작업을 통하여 작업이 진행 됨
   

구축 내용 및 제공 데이터량

• 국내 시설 채소류 수경재배 품목별 현황, 국내 화훼류(절화류) 생산 통계, 열대과수 재배면적 통계를 활용하여 우리나라에 주로 재배되는 시설 작물 20종을 선정하였으며, 생육단계 3단계 이상 데이터 수집 가능한 국내 작물을 주요 대상으로 하였음
• 각 시설 작물을 거리별, 각도별 기준을 정하여 20종의 시설작물에 대하여 작물별 6만장 이상 총 120만장 이상 수집
• 원천데이터에 대한 1차 정제작업 후 작물 개체에 대한 어노테이션 작업을 진행하며 2차 정제 작업을 진행하여 선별 하였으며 최종 3차 검수를 통하여 데이터를 확정 지었음
• 각 작물 이미지 별 각각의 메타데이터를 json 파일로 구성하여 데이터셋을 구축 하였고, 개체 분류 AI 모델을 통하여 훈련 과정을 통하여, 시설작물 개체 분류 APP응용프로그램을 개발하여 구축된 데이터셋의 AI 훈련 데이터셋으로 활용 가능성을 확인함
   

• 최종 1,525,803장 취득으로 목표치 1,200,000 장 이상 달성함  
   

  구축내용 및 제공 데이터량 표

  작물(품종)	수집			Annotation 수
  	(A)계획	(B)수집	(C)비율(%)	(A)계획	(B)수집	(C)검수	(D)비율(%)
  가지	60,000	75,400	126%	60,000	66,134	66,134	110%
  거베라	60,000	119,477	199%	60,000	62,736	62,736	104%
  고추(꽈리)	60,000	96,338	161%	60,000	72,940	72,940	121%
  고추(청양)	60,000	91,710	153%	60,000	79.677	79,677	132%
  고추(풋)	60,000	78,643	131%	60,000	67,130	67,130	111%
  국 화	60,000	106,678	178%	60,000	75,570	75,570	125%
  딸 기	60,000	145,947	243%	60,000	115,733	115,733	192%
  멜 론	60,000	87,029	145%	60,000	70,492	70,492	117%
  부 추	60,000	91,102	152%	60,000	61,322	61,322	102%
  상 추	60,000	131,195	219%	60,000	67,812	67,812	113%
  안 개	60,000	93,556	156%	60,000	84,420	84,420	140%
  애플망고	60,000	114,874	191%	60,000	65,136	65,136	108%
  애호박	60,000	73,320	122%	60,000	63,960	63,960	106%
  오 이	60,000	97,755	163%	60,000	65,792	65,792	109%
  장 미	60,000	86,694	144%	60,000	72,127	72,127	120%
  토마토(방울)	60,000	79,409	132%	60,000	62,293	62,293	103%
  토마토(일반)	60,000	125,871	210%	60,000	73,458	73,458	122%
  파프리카(미니)	60,000	125,467	209%	60,000	80,027	80,027	133%
  파프리카(블로키)	60,000	154,918	258%	60,000	101,637	101,637	169%
  파프리카(코니컬)	60,000	122,818	205%	60,000	117,413	117,413	195%
  총계	1,200,000	2,098,201	175%	1,200,000	1,525,803	1,525,803	127%

대표도면

• 제공되는 시설작물개체이미지영상의 대표 도면은 아래와 같다.
  - Raw Data를 구성하는 Image 와 관련정보를 제공하는 메타 데이터로 구성

• 파일 네이밍 규칙

• 데이터 셋 디렉토리 형상 및 구조
  - 최상위 데이터 셋 폴더 하위 RAW_DATA 2개 폴더로 구성하고 Training ,Validation,Test 폴더를 구성하여 각각 6:2:2 의 비율로 상호배타적으로 훈련데이터와 검증, 데스트 데이터의 중복없는 작물별 객체클래스 구성으로 배분하여 각각 저장하였음

   

  

  데이터셋 작물 구분코드 표

  작물 구분코드	작물	작물 구분코드	작물	작물 구분코드	작물
  01	고추(꽈리)	09	상추	17	국화
  02	고추(청양)	10	오이	18	토마토(일반)
  03	고추(풋고추)	11	애호박	19	멜론
  04	파프리카(미니)	12	안개	20	토마토(방울)
  05	파프리카(볼로키)	13	애플망고
  06	파프리카(코니컬)	14	부추
  07	장미	15	가지
  08	거베라	16	딸기

필요성

• 농업분야 인공지능 개발을 위한 학습용 데이터는 방대한 양과 목적에 맞는 양질의 데이터를 필요로 함
• 시설작물 20종에 대한 이미지 데이터셋은, 이를 위하여 명확하게 시설작물개체 20종에 대한 구축목표를 수립하고 대상 영역에 대한 분석, 수집, 가공, 수집된 데이터의 정제 및 품질 평가 및 관리의 절차를 통하여, 데이터셋이 구축 되었음
•  라이센스 정책에 문제가 없는 현장 수집데이터이며, 자체 개발된 정제 도구를 활용하여 정제 구축된 데이터셋으로서 데이터셋 뿐만이 아니라 저작도구등을 공개 배포하여 농업분야 AI응용서비스 개발을 준비 하는 기업 또는 기관에 유용하게 활용 될 것으로 예상

데이터 구조

• 메타정보 구조
  - 제공되는 데타 정보는 크게 image[]+Annotation[]구조이며 json 형태로 제공됨. 부가적인 정보로 license[] 와 Annotation 대상 기관정보인 category[] 로 추가 구성된다

• 메타데이터 목록

  메타데이터 목록 표

  항목
  NO	TAG NAME	내용
  1-1	id	이미지 고유번호
  1-2	width	이미지 넓이
  1-3	height	이미지 높이
  1-4	file_path	파일 경로
  1-5	pl_name	작물 명
  1-6	pl_code	작물 코드
  1-7	fext	파일 종류
  1-8	license	저작권
  1-9	date_captured	촬영일
  1-10	create_de	이미지 생성일
  1-11	creator	촬영자
  1-12	fname	이미지이름
  1-13	create_t	촬영시각
  1-14	create_pos	촬영위치
  1-15	create_angle	촬영각도
  1-16	create_dist	촬영거리
  1-17	resolution	해상도
  1-18	f_stop	광량
  1-19	shutter_speed	셔터스피드
  1-20	iso	iso 정보
  1-21	white_balance	색감 및 색 균형
  1-22	focal_length	초점거리
  1-23	weather	날씨
  1-24	pl_name	작물명
  1-25	pl_type	품종
  1-26	pl_step	생육단계
  1-27	pl_leaf	작물엽
  1-28	pl_stem	작물줄기
  1-29	pl_grpoint	작물생장점
  1-30	pl_fruit	작물과실
  1-31	pl_flower	작물화방
  1-32	offical_dt	정식일자
  2-1	Segmentation	오노테이션 BBOX정보
  3-1	Categories	오노테이션 대상정보
  4-1	license	라이센스 정보