본 연구는 작물 생육을 효율적으로 관리하기 위한 비파괴적 바이오매스 예측 모델을 개발하고자 수행되었 다. 케일과 상추의 상단면 및 측면 이미지를 촬영하여 ImageJ로 엽면적, 가로폭, 세로폭 등의 데이터를 추출하였다. 이를 독립변수, 실측 생체중과 건물중을 종속변수로 하여 회귀 모델을 구축하고, 결정계수(R²)와 평균 제곱근 오차 (RMSE)로 성능을 평가하였다. 엽면적 추정 시, 로제트형 구조의 상추는 상단면과 측면 이미지 모두에서 강한 상관 관계(TV: R2 = 0.964, SV: R2 = 0.95)를 보였던 반면, 직립형 구조의 케일은 측면 이미지에서만 높은 상관관계(R2 = 0.876)를 보여 작물의 형태가 최적의 촬영 각도를 결정함을 보여주었다. 생체중 및 건물중 예측 시, 케일은 측면 이 미지 모델이 예측 정확도가 높았던(DW: R2 = 0.859－0.941, FW: R2 = 0.860－0.946) 반면, 상추는 상단면 이미지 모델이 월등히 안정적이고 높은 예측 정확도(DW: R2 = 0.920－0.968, FW: R2 = 0.870－0.953)를 보였다. 상단면 과 측면 이미지를 결합한 모델은 예측력이 약했던 케일의 정확도를 크게 향상시킨 반면, 단일 촬영 방향으로도 예측 이 잘 되었던 상추의 정확도에는 거의 영향을 미치지 않았다. 최종적으로 케일은 상·측면 결합(SV+TV) 모델이, 상 추는 상면(TV) 단독 모델이 바이오매스 예측을 위한 최적 모델로 선정되어, 작물의 구조적 특성에 맞는 비파괴적 예측 방법이 중요함을 입증했다.

This study was conducted to develop a non-destructive biomass prediction model for the efficient management of crop growth. Top view and side view images of kale and lettuce were captured, and data such as leaf area, width, and height were extracted using ImageJ. A regression model was constructed using these as independent variables and the measured fresh and dry weight as dependent variables, with performance evaluated by the coefficient of determination (R2) and root mean square error (RMSE). For leaf area estimation, the rosette-structured lettuce showed a strong correlation from both top view (R2 = 0.964) and side view (R2 = 0.95) images. In contrast, the upright-structured kale showed a high correlation only from the side view (R2 = 0.876), demonstrating that the crop’s morphology determines the optimal viewing angle. For fresh and dry weight prediction, kale showed high predictive accuracy with the side view image model (DW: R2 = 0.859－0.941, FW: R2 = 0.860－0.946), whereas lettuce showed significantly more stable and higher accuracy with the top-view image model (DW: R2 = 0.920－0.968, FW: R2 = 0.870－0.953). A model combining top view and side view images greatly improved the accuracy for kale, which had weak predictability, but had little effect on the accuracy for lettuce, which was already well-predicted from a single direction. Ultimately, the combined side and top view model for kale and the top view only model for lettuce were selected as the optimal models for biomass prediction, proving the importance of a non-destructive prediction method tailored to the structural characteristics of the crop.

Abstract
Introduction
Materials and Methods
    1. Plant materials and cultivation methods
    2. Growth measurement
    3. Image data acquisition and processing
    4. Leaf area estimation
    5. Regression models
Results
    1. Physiological characteristics of lettuce and kale
    2. Estimation of leaf area
    3. Comparison and estimation of FW and DW usingtop- and side-view models in lettuce and kale
    4. Side- and top-view combined models
    5. Selection and validation of optimal regressionmodels
Discussion
Literature Cited
적 요

• Min Hyeok Baek(Graduate Student, Department of Horticulture, College of Agriculture and Life Sciences, Chonnam National University, Gwangju 61186, Korea) | 백민혁 (전남대학교 농업생명과학대학 원예학과 대학원생)
• In Seon Kim(Graduate Student, Department of Horticulture, College of Agriculture and Life Sciences, Chonnam National University, Gwangju 61186, Korea) | 김인선 (전남대학교 농업생명과학대학 원예학과 대학원생)
• Jung Su Jo(Professor, Department of Horticulture, College of Agriculture and Life Sciences, Chonnam National University, Gwangju 61186, Korea, Professor, Interdisciplinary Program in IT-Bio convergence System, Chonnam National University, Gwangju 61186, Republic of Korea) | 조정수 (전남대학교 농업생명과학대학 원예학과 교수, 전남대학교 IT-Bio 융합시스템 농업 교육 연구단 교수) Corresponding author