농업에서 거친 토양 표면은 다양한 문제를 일으킨다. 물, 토양, 씨앗, 비료와 같은 자원을 낭비하여 생산비를 높이고 환경에도 부정적인 영향을 끼친다. 또, 농업 기계는 거친 토양에서 균형을 잡기 어려워 농부들의 편의성을 해치고, 장비의 내구성과 자율 주행 성능을 떨어뜨리는 등 정밀농업의 실현을 방해한다. 거친 토양 표면은 입자가 큰 토양으로 구성되어 있을 가능성이 높으며, 이는 식물 생장을 방해하고 물빠짐에도 영향을 준다. 거친 표토를 측정하는 방식은 농지 전체를 측정하기보단 일부 지점의 거칠기를 측정하여 나머지 지점의 거칠기를 추정하는 것이 다수다. 따라서, 본 연구는 무인비행체(UAV)를 이용해 효율적으로 표토 거칠기를 측정할 수 있는 방안을 제안하고자 한다. 실험은 경상남도 밀양시 부북면에서 40m 높이에서 180장, 86%의 중첩률로 획득한 항공 사진을 이용했다. 이미지 데이터를 바탕으로 만들어진 조밀 점군에서 파이썬으로 중심점으로부터 일정한 반경 이내에 있는 가까운 주변 8개 점을 선택하여 고도차를 이용하여 결과값을 계산하였다. TRI 지수, Roughness 지수, 표준편차 세 가지 지표는 계산 후 농지에 시각화되었다. 일부 지점에서 측정한 표토 거칠기를 바탕으로 나머지 농지에 대한 거칠기 값을 추정하는 방식과 달리, 본 연구는 모든 지점에서의 거칠기 지수를 점군 단계에서 습득할 수 있는 방식을 통해 측정의 정밀도를 높이고 농지 운영을 돕고자 하였다.

Rough soil surfaces cause a variety of problems. Water, soil, seeds, and fertilizers are wasted, which not only increases production costs but also has a negative impact on the environment, hindering the realization of precision agriculture. Moreover, agricultural machinery has difficulty balancing on rough soil, which harms the convenience of farmers, and adversely affects equipment durability and autonomous driving. Soil with a high surface roughness is more likely to have large particles, which hinders plant growth and causes significant water loss in the soil. To solve these problems, soil roughness measurement methods are widely known, but they have the disadvantage of predicting the roughness of the entire farmland based on the roughness measured at some points rather than directly measuring the roughness of the entire farmland. Therefore, in this study, we propose an efficient method for measuring soil surface roughness by utilizing point clouds generated by unmanned aerial vehicles (UAVs). The study was conducted on a farmland in Bukbuk-myeon, Milyang-si, Gyeongsangnam-do, and a total of 180 jpg photos were taken from a height of 40 meters with an overlap of 86%. 8 closest points within a certain radius of a point cloud made based on the image data were selected based on a specific point using Python to derive values by comparing the z-axis height difference. Three comparison methods, TRI index, roughness and standard deviation, were used, and the results were visualized on the farmland. By designing a system that derives the roughness of all points rather than a system that predicts the roughness of the rest of the farmland surface based on a specific point, this study aims to improve the accuracy of the measured soil roughness and help farmland management.

서론
재료 및 방법
    1. 연구 대상지
    2. 연구 활용 장비
    3. 사진 정렬 및 조밀 점군 제작
    4. 등고선 지도(Contour map) 사용 및 거칠기 값 시각화
결과 및 고찰
    1. 고도(Z) 분석
    2. 거칠기 분석
    3. 특이점 분석
감사의 글
References

• 정은지(부산대학교 바이오산업기계공학과 대학원생) | Eun Ji Jeong (Graduate Student, Department of Bio-Industrial Machinery Engineering, Pusan National University, Miryang 50463, Korea)
• 박재성(부산대학교 바이오산업기계공학과 조교수) | Jae Sung Park (Assistant Professor, Department of Bio-Industrial Machinery Engineering, Pusan National University, Miryang 50463, Korea) Corresponding author
• 김동석(부산대학교 바이오산업기계공학과 대학원생) | Dong Seok Kim (Graduate Student, Department of Bio-Industrial Machinery Engineering, Pusan National University, Miryang 50463, Korea)
• 송지수(부산대학교 바이오산업기계공학과 대학원생) | Ji Su Song (Graduate Student, Department of Bio-Industrial Machinery Engineering, Pusan National University, Miryang 50463, Korea)
• 황현정(부산대학교 바이오산업기계공학과 대학생) | Hyun Jung Hwang (Undergraduate Student, Department of Bio-Industrial Machinery Engineering, Pusan National University, Miryang 50463, Korea)