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.

Determining the size or area of a plant's leaves is an important factor in predicting plant growth and improving the productivity of indoor farms. In this study, we developed a convolutional neural network (CNN)-based model to accurately predict the length and width of lettuce leaves using photographs of the leaves. A callback function was applied to overcome data limitations and overfitting problems, and K-fold cross-validation was used to improve the generalization ability of the model. In addition, ImageDataGenerator function was used to increase the diversity of training data through data augmentation. To compare model performance, we evaluated pre-trained models such as VGG16, Resnet152, and NASNetMobile. As a result, NASNetMobile showed the highest performance, especially in width prediction, with an R_squared value of 0.9436, and RMSE of 0.5659. In length prediction, the R_squared value was 0.9537, and RMSE of 0.8713. The optimized model adopted the NASNetMobile architecture, the RMSprop optimization tool, the MSE loss functions, and the ELU activation functions. The training time of the model averaged 73 minutes per Epoch, and it took the model an average of 0.29 seconds to process a single lettuce leaf photo. In this study, we developed a CNN-based model to predict the leaf length and leaf width of plants in indoor farms, which is expected to enable rapid and accurate assessment of plant growth status by simply taking images. It is also expected to contribute to increasing the productivity and resource efficiency of farms by taking appropriate agricultural measures such as adjusting nutrient solution in real time.

A Cu-15Ag-5P filler metal (BCuP-5) is fabricated on a Ag substrate using a high-velocity oxygen fuel (HVOF) thermal spray process, followed by post-heat treatment (300oC for 1 h and 400oC for 1 h) of the HVOF coating layers to control its microstructure and mechanical properties. Additionally, the microstructure and mechanical properties are evaluated according to the post-heat treatment conditions. The porosity of the heat-treated coating layers are significantly reduced to less than half those of the as-sprayed coating layer, and the pore shape changes to a spherical shape. The constituent phases of the coating layers are Cu, Ag, and Cu-Ag-Cu3P eutectic, which is identical to the initial powder feedstock. A more uniform microstructure is obtained as the heat-treatment temperature increases. The hardness of the coating layer is 154.6 Hv (as-sprayed), 161.2 Hv (300oC for 1 h), and 167.0 Hv (400oC for 1 h), which increases with increasing heat-treatment temperature, and is 2.35 times higher than that of the conventional cast alloy. As a result of the pull-out test, loss or separation of the coating layer rarely occurs in the heat-treated coating layer.

In this study, a new manufacturing process for a multilayer-clad electrical contact material is suggested. A thin and dense BCuP-5 (Cu-15Ag-5P filler metal) coating layer is fabricated on a Ag plate using a high-velocity oxygen-fuel (HVOF) process. Subsequently, the microstructure and bonding properties of the HVOF BCuP-5 coating layer are evaluated. The thickness of the HVOF BCuP-5 coating layer is determined as 34.8 μm, and the surface fluctuation is measured as approximately 3.2 μm. The microstructure of the coating layer is composed of Cu, Ag, and Cu-Ag-Cu3P ternary eutectic phases, similar to the initial BCuP-5 powder feedstock. The average hardness of the coating layer is 154.6 HV, which is confirmed to be higher than that of the conventional BCuP-5 alloy. The pull-off strength of the Ag/BCup-5 layer is determined as 21.6 MPa. Thus, the possibility of manufacturing a multilayer-clad electrical contact material using the HVOF process is also discussed.

본 연구에서는 같은 지역에 위치한 온실 3곳의 식별을 위해 통계적인 방법으로 분류를 하고자 주성분 분석(PCA)과 선형 판별 분석(LDA)을 수행하였다. 온실 내의 환경데이터는 같은 지역의 온실 3곳을 대상으로 4월 1일부터 4월 28일 총 4주간 1시간 간격으로 수집된 값을 사용하였다. 데이터를 분석하기 전, 데이터 정규화를 시키는 전처리를 거쳤으며, 전체의 80%인 훈련자료(training data)와 20%인 테스트 자료(test data)로 나누어 분석을 수행하였다. 분석을 수행한 결과, PC1은 57.51%의 설명력으로 PC1 = 0.7118112 × Tem. –0.6830065 × Humi. –0.1637892 × CO2.의 식을 가지며, LD1은 67.06% 의 설명력으로 LD1 = 0.8622565 × Tem. –0.1805741 × Humi. + 1.4018140 × CO2. + 0.03040701의 식을 가지는 것으로 나타났다. 이렇게 미리 분류시켜 놓은 온실의 데이터를 바탕으로 새로운 환경의 데이터를 입력하였을 때 특정 그룹으로의 분류가 가능함으로써 데이터의 성향을 파악할 수 있다. 이러한 데이터는 식별을 용이하게 함으로써 데이터의 활용도를 높여주는 방법이라고 판단된다.