AI-Hub

데이터 변경이력

데이터 히스토리

소개

제주특별자치도 농업정책의 주요작물 15종(식량작물 5종, 월동작물 10종)에 대한 재배지역 학습데이터 구축 및 재배현황 파악 후 다양한 농업정책 활용성 제공

구축목적

주산지역 및 제주도 전역 주요작물 식별을 통한 농업정책 의사결정을 지원하고 농업정책 결정범위를 고려한 계층적 학습데이터 구축 필요
농업정책 주요작물로 작물 종류 지속적 확대하여 인공지능 학습대상의 다양성 확보 및 다양한 데이터 소스(Source)를 활용한 확대 구축 필요

1. 원천 데이터 구축 규모 및 분포

2. 학습 데이터구축 규모 및 분포

• 식량작물 (5종) : 옥수수, 감자, 메밀, 콩 기장
• 월동작물 (10종) : 월동무, 당근, 양배추, 마늘, 양파, 브로콜리, 쪽파, 콜라비, 적채, 비트
• 스냅샷 촬영 : 3개 고도(30/40/50m)별 촬영 고해상도 스냅샷 촬영, 제주 전 지역 필지에 대한 작물정보 확보 가능, 작물 판독정확도 향상에 기여
• 집중지역 드론 촬영 : 높은 해상도와 다양한 분광정보 (다중분광, 초분광)를 가진 카메라를 활용한 드론으로 주산지역 집중촬영 판독 업무 효율성 확보
• 항공영상 : 2년마다 주기적으로 촬영 항공 영상을 활용하여 연차별 데이터 확보 가능하며 드론보다 넓은 지역을 촬영하여 효율적인 데이터 확보 가능
• 위성영상 : 아리랑위성(K-3,K-3A)영상과 최근 발사된 국토위성영상을 활용한 제주도 전 지역 위성영상 확보가 가능하고 드론 영상으로 제작된 학습데이터에 대한 보조자료로 활용
   
• 구축 학습데이터 수 : 2,004,052장
• 작물별 구축량

  작물별 구축량 집중지역(학습데이터, 장)

  집중지역(학습데이터, 장)
  옥수수	감자	메밀	콩	기장	월동무	당근	양배추	마늘	양파	브로콜리	쪽파	콜라비	적채	비트	합계
  800	800	0	800	800	800	800	800	1,280	920	800	1,000	800	800	800	12,000

  작물별 구축량 스냅샷(학습데이터, 장)

  스냅샷(학습데이터, 장)
  옥수수	감자	메밀	콩	기장	월동무	당근	양배추	마늘	양파	브로콜리	쪽파	콜라비	적채	비트	합계
  3,345	109,732	38,113	397,456	171,873	691,673	199,717	92,112	145,619	2,886	64,860	39,125	24,113	6,930	2,550	1,990,104

  작물별 구축량 항공영상(학습데이터, 장)

  항공영상(학습데이터, 장)
  메밀	월동무	당근	합계
  36	78	96	210

  작물별 구축량 위성영상(학습데이터, 장)

  위성영상(학습데이터, 장)
  감자	메밀	콩	월동무	당근	양배추	마늘	양파	브로콜리	쪽파	콜라비	적채	비트	합계
  36	13	36	50	45	45	45	45	45	45	45	45	45	540

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

1. 활용모델

• 센서별 3가지 모델을 개발하면서 각 센서별 데이터 특성에 따라 센서별로 하이퍼 파라미터 튜닝을 다르게 적용하여 평가지표를 달성할 수 있게 개발
• 학습에 있어 학습데이터 경로, 검증데이터 경로, 모델 저장 위치, learning_rate, epoch, batch_size를 사용자에 맞춰 변경할 수 있도록 개발

  python train.py --train_path <학습데이터> --val_path <검증데이터> --model_path <모델 저장 위치> --epochs <학습에포크 수> --learning_rate <학습률> --batch_size <배치사이즈>

• 광학영상

  1. 활용모델 광학영상

  학습 관련 파라미터	내용
  Model	Xception
  CLASSES	15
  Batch Size	128
  Learning rate init	1.00E-04
  Loss function	Category_crossentropy
  Optimizer	Adam
  epoch	6

• 다중분광영상

  1. 활용모델 다중분광영상

  학습 관련 파라미터	내용
  Model	Xception
  CLASSES	14
  Batch Size	6
  Learning rate init	0.0001
  Loss function	Category_crossentropy
  Optimizer	Adam
  epoch	54

• 초분광영상

  1. 활용모델 초분광영상

  학습 관련 파라미터	내용
  Model	Xception
  CLASSES	14
  Batch Size	4
  Learning rate init	1.00E-04
  Loss function	Category_crossentropy
  Optimizer	Adam
  epoch	16

2. 응용 서비스 개발

• 학습을 통해 모델의 활용성을 높이기 위해 사용자가 편리하게 접속해 분류 모델을 이용할 수 있게 사업에서는 활용서비스 모델을 웹 기반 서비스로 구축함(제주특별자치도 활용)
  
• 제주특별자치도 활용 작물 판독 응용 서비스 화면
  

데이터 성능 점수

설명서 및 활용가이드 다운로드

1. 데이터 설명

• 농업 및 작물식별 분야 인공지능 학습을 위해서는 다양한 영상정보(드론, 항공, 위성)를 이용하여 주요작물 재배지역에 대한 정보를 학습데이터로 운영할 수 있도록 구성
  
• 학습데이터 구축 절차는 데이터 획득, 정제, 어노테이션 및 라벨링, 품질 검사 순으로 진행된다.
  

2. 학습데이터(이미지) 형식

• 이미지 데이터는 드론, 항공, 위성 플랫폼을 통하여 수집된 자료로 512X512(드론, 항공영상) size, 64X64(위성영상)size의 크기로 구성되어 있으며, 다중분광센서로 수집된 드론영상은 Tif, 나머지는 JPG 포맷을 준용한다.
• 제주도 주요작물을 대상으로 총 15종의 작물별 이미지 데이터를 분류하여 제작한다. 

  2. 학습데이터(이미지) 형식

  월동무(Code : 1)	당근(Code : 2)	양배추(Code : 3)
  마늘(Code : 4)	양파(Code : 5)	브로콜리(Code : 6)
  쪽파(Code : 7)	콜라비(Code : 8)	적채(Code : 9)
  비트(Code : 10)	옥수수(Code : 11)	감자(Code : 12)
  메밀(Code : 13)	콩(Code : 14)	기장(Code : 15)

3. 라벨링데이터 구성 및 예시

데이터셋 구축 담당자

수행기관(주관) : 제주특별자치도

수행기관(참여)

데이터 관련 문의처