배나무 방제용 무인살포시스템 개발을 위하여 생력화를 위한 작업기기를 설계하였다. 또한, 노즐의 분무유형을 실험적으로 분석하여 적정 살포를 위한 노즐 각도, 노즐과의 거리, 수평방향 살포시 거리를 선정하였다. 본 연구를 수행하기 위하여 배의 과수 형태와 재배 환경을 사전 조사하였다. 살포시스템의 살포진행방향에 적합한 분사 노즐각도를 선정하였다. 배나무와 살포시스템 간의 수직거리에 따라 달라지는 살포 정도를 비교하기 위하여 노즐과의 높이에 따른 분포도를 측정하였다. 배나무와 살포 시스템과의 적정 측면 거리를 선정하기 위하여 측면 살포시 거리에 따라 달라지는 분무량을 측정하였다. 무인살포시스템의 약대는 배의 식재 간격에 적합하도록 좌우가 동일한 형태로 2.5m까지 펼쳐지도록 설계 및 제작 하였다. 또한 일정하지 않은 배나무의 높이에 따라 약대의 높이가 1.7m까지 조절되도록 하였다. 본 시스템에 적합한 노즐 각도는 15o로 나타났다. 배나무와 살포 시스템과의 수직거리는 0.7m에서 0.9m의 간격을 유지하여 약제를 살포해야 된다는 것을 알 수 있었다. 수평방향으로 살포하는 경우 좌우 −0.9m에서 0.9m까지의 분무량이 가장 많았다. 약대와의 거리가 0.9m에서 2.1m 일 때 가장 많은 분무량을 나타냈다. 실험을 통하여 배과수원에서의 무인살포시스템에 맞는 분무 환경을 확인 할 수 있었다. 배 과수와의 거리에 따라 적정 거리를 유지하는 시스템을 개발함으로써 효율적인 약액 살포가 가능하게 하였다. 하지만 본 연구에서 진행된 실험은 제한된 실내 환경에서 진행된 것이기 때문에 제작된 시스템의 실제 과수원 환경에서의 실험이 필요하다.

정확한 오이의 형상 및 위치를 인식하기 위하여 형상인식 알고리즘에 대한 연구를 수행하였다. 실제 영상에서 오이의 형상과 위치를 판정할 수 있도록 알고리즘을 개발한 결과, 다음과 같은 결론을 얻었다. 오이의 특징형상 검출은 15×15 간격으로 자동검출 되도록 처리하였다. 오이로 인식된 출력패턴 중에서 오검출된 출력패턴의 비율은 0.1~4.2%로 나타났다. 오류역전파 알고리즘은 영상크기를 445×363, 501×391, 300×421, 450×271, 297×421의 크기에 따라 출력패턴을 얻은 결과 영상의 크기에 따른 검출 값의 변화는 없는 것으로 나타났다. 학습패턴 수가 25개로 증가하면 영상에서 다른 패턴을 검출하는 비율이 16.02%로 나타났다. 또한 학습패턴이 2개인 경우 40개의 영상에서 8개의 오이를 검출하지 못하였다. 학습패턴의 수가 7~9개인 경우 오이의 검출이 가장 좋은 것으로 나타났다.

본 연구의 목적은 방제 작업을 하는데 있어서 과수농가 및 가로수의 병해충을 방제하기 위해 살포거리가 60m까지 살포할 수 있는 살포기를 개발하고 영상처리를 이용하여 성능실험 및 분석을 하는 것이다. 중소형 살포기의 성능을 알아보기 위해 살포기의 이동거리는 5m 간격으로 0~20m까지 5개의 실험구를 두었고 살포거리는 10~60m까지 6개의 실험구 총 30개의 실험구에 대한 영상 처리한 결과 다음과 같은 결과를 얻었다. 중소형 살포기가 이동하면서 흡수지에 살포한 데이터를 이치화 시킨 후 평균한 경우 전 구간에서 살포가 잘 된 것을 볼 수 있었고 살포기가 정지하면서 살포량이 낮게 나타났다. 중소형 살포기가 0.3m/s로 이동하면서 살포 한 경우 15m 이동한 경우 살포기에서 30m 떨어진 용지에 이치화 값이 121로 가장 살포가 높게 나타났다. 이동거리별 이치화 비율은 중소형 살포기가 출발하면서 살포한 경우가 살포율이 높게 나타났다. 이치화 결과에 의해 전구간에서 일정한 분포율을 나타냈다. 높게 나온 구간은 방제기가 출발한 점에서는 20m에서 50.23%, 방제기가 5m이동한 20m구간에서 50.21%, 10m 이동한 경우는 30m 구간에서 51.17, 15m 이동한 경우는 30m 구간에서 52.64%, 방제기가 정지하면서 살포한 경우는 20m의 구간에서 51.84%로 높게 나타났다. 이동거리별 검정색 비율은 방제기로부터 40m까지의 거리까지 살포가 원활하게 이루어지는 것으로 나타났다. 방제기가 15m 이동한 경우 60m의 구간에서 6.79%로 가장 낮게 나타났다.

영상처리는 정확한 오이의 형상 및 위치를 인식하기 위하여 형상인식 알고리즘에 대한 연구를 수행하였다. 다양한 오이형상을 인식하기 위한 방법으로는 신경회로망의 연상 메모리 알고리즘을 이용하여 오이의 특정형상을 인식하였다. 형상인식은 실제영상에서 오이의 형상과 위치를 판정할 수 있도록 알고리즘을 개발한 결과, 다음과 같은 결론을 얻었다. 본 알고리즘에서는 일정한 학습패턴의 수를 2개, 3개, 4개를 각각 기억시켜 샘플패턴 20개를 실험하여 연상시킨 결과, 학습패턴으로 복원된 출력패턴의 비율은 각각 65.0%, 45.0%, 12.5%로 나타났다. 이는 학습패턴의 수가 많을수록 수렴할 때, 다른 출력패턴으로 많이 검출되었다. 오이의 특정형상 검출은 30×30간격으로 자동검출 되도록 처리하였다. 실제영상에서 자동 검출로 처리한 결과, 오이인식의 처리시간은 약 0.5~1초/1개(패턴) 빠르게 검출되었다. 또한, 다섯 개의 실제 영상에서 실험한 결과, 학습패턴에 대한 다른 출력패턴은 96~99%의 제거율을 나타내었다. 오이로 인식된 출력패턴 중에서, 오검출된 출력패턴의 비율은 0.1~4.2%를 나타내었다. 본 연구에서는 신경회로망을 이용하여 오이의 형상 및 위치를 인식할 수 있도록 알고리즘을 개발하였다. 오이의 위치측정은 실제영상에서 학습패턴과 유사한 출력패턴의 좌표를 가지고, 오이의 위치좌표를 추정할 수 있었다.

In this research, the welding experiment was carried out with both the steel materials (SS400+SS400, SUS304+SUS304) and the different steel materials (SS400+ SUS304), where SS400 is a general structural rolled steel material and SUS304 is a cold strip stainless steel sheet. The average of yield point of a SS400 experimental piece was the most highest point with 2015.54 N/m2. Although welding defects were not found with the naked eye, it was sure that there were some wilding defects because there were no stress against load through experiments. The rate of yield point of experimental piece A, experimental piece B and experimental piece C was respectively 1.7mm, 1.3mm and 2.6mm. The rate of breakdown was respectively 39.77mm, 17.97mm and 2.6mm. So considering price and efficiency with use condition is very important. SS400 and SUS304 will be profited from considering price and mechanical property with use condition.

본 연구에서는 주행경로의 설정 및 제어가 용이한 고정 경로 방식을 이용한 주행 시스템을 개발하여 온실의 형태, 고랑의 위치 등에 무관하게 자동관수 및 송풍장치에 따른 생육상태를 실험할 수 있는 다목적 자동작업시스템을 개발하였다. 이 시스템의 성능들을 알아보기 위해 과채류에 대하여 실험한 결과 다음과 같은 결과를 얻었다. 오이는 초장, 줄기 지름, 엽면적 및 줄기 한마디의 평균 길이에 있어서 고속송풍에 따른 억제효과가 나타났으나, 관수 회수에 따른 차이는 크지 않았다. 토마토는 송풍처리에 따라 송풍속도가 강할수록 초장이 억제되는 효과를 나타냈다. 줄기의 지름은 처리구간 큰 차이를 나타내지 않았다. 3회 관수처리구의 경우 송풍속도가 강할수록 줄기의 지름이 두꺼워지는 경향을 나타내었다. 엽면적은 대조구(Hand spray)에 비해 2회 관수처리구의 엽면적이 높게 나타났으며, 송풍속도에 따른 차이가 나타나지 않았다. 고추는 전체적으로 대조구에 비해 자동관수 처리구와 송풍처리구가 초장, 줄기의 지름, 엽면적 등이 낮게 나타났다.

본 연구는 영상 처리를 이용하여 채소의 모종 시기를 자동으로 파악할 수 있는 시스템을 개발하기 위한 것이다 즉 작물의 높이, 장변 및 단변을 영상처리를 이용해 자동으로 측정하고자 하는 시스템을 개발하고자 한 것이다. 각 작물 당 20개씩의 실험체를 두어반복 측정한 결과, 들깨의 경우 높이는 평균 오차 5.0mm로 평균 실측 길이 대비 1.7% 오차율, 장변은 평균 오차 4.7mm, 오차율 3.9%, 단변은 평균 오차 5.5 mm, 오차율 6.9%로 나타났다. 도라지의 경우 높이는 평균 오차 2.4 mm, 오차율 8.1%, 장변은 평균 오차 3.4 mm, 오차율 7.2%, 단변은 평균 오차 4.0 mm, 오차율 10.4%로 나타났다. 상추의 높이는 평균 오차 4.0 mm, 오차율 9.1%, 장변은 평균 오차 3.4 mm, 오차율 7.2%, 단변은 평균 오차 3.6mm, 오차율 9.4%로 나타났다. 따라서 현장 환경에 맞게 좀 더 개선된다면 사람의 시각을 이용한 작물의 생장상태 판별보다 더 정확하다고 판단된다.

본 연구에서는 주행경로의 설정 및 제어가 용이한 고정 경로 방식을 이용한 주행 시스템을 개발하여 온실의 형태, 고랑의 위치 등에 무관하게 자동관수 및 송풍장치에 따른 생육상태를 실험할 수 있는 다목적 자동작업시스템을 개발하였다. 이 시스템의 성능들을 알아보기 써해 초화류에 대하여 실험한 결과 다음과 같은 결과론 얻었다. 인력두상관수 처리구에서는 전반적으로 생육의 부진을 나타냈으며, 자동관수 처리 중 송풍을 하지 않은 무풍처리구치 경우, 초장 및 엽면적이 높은 것으로 나타났다. 초장의 억제는 저속과 고속송풍처리구에 있어 초장억제 효과가 유의성이 있게 나타났으며, 풍속이 빠를수록 초장억제효과가 높게 나타났다. 줄기의 지름은 송풍을 하지 않고, 자동관수 3회를 한 경우 줄기의 지름이 작은 것으로 나타났다. 엽수는 인력관수나 자동관수 2회 처리에 비하여 3회 처리가 더 많은 것으로 나타났다. 생육은 관수회수가 많을수록 생장량이 높게 나타났다.

시설원예 작업의 생력화을 위해 화훼온실, 육묘장, 잔디온실 및 분화재배온실에서 사용할 수 있는 다목적 자동작업장치를 개발하였다. 본 시스템의 구성은 주행부, 높이조절부, 살수부, 송풍부 및 흡입부로 되어 있다. 다목적 자동작업장치를 이용하여 다음과 같은 결과를 얻었다. 다이얼 변화에 따른 속도는 0.047～0.027 m/s로 나타났고, 에어커튼의 풍속은 고속, 중속, 저속에서 3.9 m/s, 3.6m/s, 3.4m/s로 나타났으나, 중앙 50cm의 위치에서는 0.2 m/s정도로 차이가 없었다. 관수압력이 높을수록 관수량이 많아졌으나 10kg/ cm2와 15kg/ cm2에서의 차이는 약 60ml, 15kg/ cm2와 20g/ cm2의 사이에는 약 20m1의 차이를 보였다. 흡입은 해충과 유사한 3～4 mm정도의 스티로폼 가루 및 풀 씨앗을 이용하여 측정한 결과 평균 유속은 3.64 m/s이고, 흡입유량은 0.044 ㎥/s이었다.

본 연구는 오이수확기의 매니퓰레이터 개발을 위한 기구학적 분석을 하는 것이다. 매니퓰레이터의 정방향 기구학 및 역방향 기구학 분석을 한 후 실제 장치의 반복오차 측정실험을 통해 이론 값을 검증하였다. 매니퓰레이터는 총 세 개의 링크로서 한 개의 수직링크와 두 개의 호전링크로 구성되어져 있으며, 세 개의 스테핑 모터가 각 관절에 장착되어 링크에 동력을 전달한다. 주요 연구결과를 요약하면 다음과 같다. D-H Parameter를 이용하여 정방향 기구학에 의한 매리퓰레이터의 변환 연산자를 얻었다. 역방향 기구학의 해는 두가지로 나타났으며 삼각함수를 이용하여 해를 구하였다. 매리퓰레이터의 반복오차를 측정한 검증 실험에서는 X, Y, Z축에 대하여 반복 오차가 최대 2.60mm, 2.05mm, 1.55mm로 나타났으며, 정방향 및 역방향 기구학에서 오차의 최대지점 및 최소지점의 실제 좌표는 일치하였다. 반복오차 측정 결과는 매리퓰레이터의 목표지점인 오이의 직경에 비해 비교적 작게 나타났다. 측정오차는 실험중 발생한 실험오차로 판단된다. 매니퓰레이터의 오차를 줄이고 작업능률의 향상을 위해서는 링크의 수를 줄이고 오이의 품종 및 재배환경을 고려하여야 하며, 경량이면서도 견고한 재료를 사용하여 하중을 줄여야 한다.

본 실험은 오이수확기의 메니퓰레이터에 장착하는 엔드이펙터를 생각한 것이다. 모터는 DC모터로 기어를 이용하여 작동되며, 동력전달에 있어 균형적인 배분을 이루었고, 따라서 부드러운 작동이 가능하였다. 또한 축을 이용한 베벨기어의 동력 전달로 모터에서 나온 회전력을 기어로 확실히 전달하였고, 결과적으로 오이 과병 절단 rpm에 있어서는 정확한 측정이 가능했다. 주요 연구결과를 요약하면 다음과 같다. 1. 모터는 칼날을 회전시키는데 있어 제어가 쉽고, 정확한 동력전달로서의 베벨기어는 비교적 정확한 결과를 제시했다. 2.실험에서의 반복적인 오이 절단작업에 제시된 결과는, 모든 작물에 적용될 수는 없지만, 오이 과병의 절단은 적정 rpm라 각도를 구하여 기계적 최적상황을 찾았다. 수평에서 위로 30˚각도와 198 rpm에서 효율 적인 절단작업이 이루어 졌다. 3. 엔드이펙터의 구조는 간단하면서도 고장 없이 제작되어야 하고 또한 경량이며 수분에 부식되지 않는 재료를 사용하여 설계하였다

본 연구는 오이 수확기 개발을 위해 매니퓰레이터를 설계 제작하였다. 실험에 사용한 3축 매니퓰레이터는 견고성, 내구성, 모멘트를 줄이기 위해 모터 및 감속기의 하중이 실리지 않는 곳에 장착하였다. 주요 연구 결과를 요약하면 다음과 같다. 3차원 공간상의 좌표에 대하여 매니퓰레이터의 10회 반복 측정한 오차의 평균은 Z축에 관계없이 0.1 mm내외로 정확하게 작동하는 것으로 나타났다. 실내 실험에서 25개의 오이에 대한 실험 결과 22개의 절단하여 92%의 성공률을 보였으나, 원인은 오이가 기형과이며, 수확한 후 시간이 경과하여 오이 과병의 물성이 변한 것으로 판단된다. 실내 실험에서 오이 과병을 절단하지 못한 경우에도 매니퓰레이터는 오이 과병에 0.1 mm 내외로 엔드이펙터을 접근시켰다. 50개의 오이에 대하여 현장 실험을 한 결과 42개, 84%의 절단율을 보였다. 16%의 오차가 발생한 것은 수확적기가 지나서 오이의 과병이 짧고 뭉툭해서 나타난 것으로 판단된다.

본 연구는 오이수확기 개발을 위하여 오이의 인식에 장해가 되는 잎의 부분적인 제거 및 기계화를 위한 재배방식이 오이의 생육과 수량에 미치는 영향을 구명하고자 하였다. 세가지 형태의 잎제거 방식과 두가지 형태의 정식간격, 그리고 3가지 형태의 줄기 유인방식을 정하여 오이의 전장, 수량과 1등급비율을 측정한 결과를 요약하면 다음과 같다. 1. 잎제거 형태에 따른 오이의 생육을 관찰하기 위해서 전장을 측정한 결과, 관행적인 제거방식의 경우, 일정 실험기간동안 평균 52.2cm 생장하였다. 또한, 2일마다 하부잎 하나를 제거한 경우에는 평균 51.5cm 생장하였다. 수확한 오이가 있는 경우 하부의 잎을 모두 제거한 경우에는 평균 51cm가 생장한 것으로 보아 평균 3% 이내의 차이를 보였다. 또한, 24cm, 30cm의 주간간격에 따라서는 각각 평균 50.8cm, 51.8cm의 약 2%정도 생장에 차이를 보였다. 따라서 부분적인 잎제거는 오이의 생장에 큰 영향을 미치지 않는 것으로 판단되었다. 2. 판별변수의 하나인 수량과 1등급비율을 잎제거 형태에 따라 비교해 보면, 관행적인 제거방식의 경우, 평균 한주당 2.6개/일 를 수확하였다. 1등급 비율은 56.7%로 나타났다. 또한 2일마다 하부잎 하나를 제거한 경우에는 평균 한주당 2.47개/일의 수확이 있었으며, 1등급 비율은 53.1%로 나타났다. 마지막으로 수확한 오이가 있는 경우 하부의 잎을 모두 제거한 경우에는 한주당 평균 2.48개/일 를 수확하였으며, 1등급 비율이 56.3%로 나타났다. 따라서 수량의 차이는 약 6%정도이고 1등급 비율도 10% 이내로 큰 영향은 없는 것으로 판단되었다. 3. 오이의 주간간격에 따른 수량과 1등급비율을 측정한 결과, 24cm의 경우 한주당 2.3개/일의 평균수확이 되었다. 1등급비율은 59.8%, 30cm의 경우 한주당 평균 2.5개/일을 수확하였으며, 1등급은 57.2%로 나타났다. 따라서 수량은 24cm의 경우가 약간 적었지만 1등급의 비율로 환산하면 크게 차이가 없는 것을 알 수 있다. 따라서 농가전체 수량을 기준으로 한다면 24cm가 유리하다고 판단되었다. 4. 줄기유인 형식에 따라 수량과 1등급비율을 살펴보면, 관행적인 방법은 평균 한주당 2.9개/일, 42.8%, 직립후횡유인은 평균 한주당 2.2개/일, 61.3%, 직립후 가로줄유인은 평균 한주당 2.2개/일, 54.1%로 나타났다. 따라서 수량과 1등급을 동시에 고려하면, 큰 차이는 없지만, 직립후 횡유인방법과 직립후 가로줄유인의 경우는 오이가 지면에서 상대적으로 상부에 위치하므로 영상인식과 기계화 측면에서 유리할 것으로 생각되었다.