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.

The leopard plant has the characteristic of being used for ornamental purposes when there are yellow spots on the leaves, and is widely used as a bed plant for viewing flowers. To set several indicators to predict the growth of crops with ornamental value, and to quantitatively express the relationship between the indicators are necessary. In this study, we determine a model that estimates the leaf area and the number of flower of Farfugium japonicum Kitam. using leaf length and width, and conducting a regression analysis on some regression models. As an indicator for estimating the leaf area and the number of flower, the leaf length and width of F. japonicum were measured and applied to 8 regression models. As a result of regression analysis of 8 models that estimated leaf area and the number of flower, R2 values of the linear models were all higher than 0.84 and 0.80. As a result of validation, using the most reliable model among the models for estimating the leaf area and the number of flowering, R2 was 0.90 and 0.82, respectively. Using a model that estimates various indicators that can be used for quality evaluation from easy-to-measure morphological factors, the evaluation of ornamental plants will be facilitated.

토마토의 생육과 수확량을 예측하기 위한 중요한 요소 중의 하나는 엽면적이다. 이러한 엽면적을 정확하게 예측하는 것 은 토마토 식물 생장 평가 모델의 시작이라고 할 수 있다. 이를 위해 본 연구는 토마토 잎의 측정을 통해 엽면적(LA)을 추정 하는 효과적인 모델을 확인하기 위해 수행하였다. 토마토 식 물 잎 조사를 위해 2주 간격으로 5개체의 토마토 식물체의 전 개된 모든 잎에 대해 엽면적(LA), 엽장(L), 엽폭(W), 엽신장 (La)를 측정하였다. LA와 토마토 잎 독립변수의 상관관계는 La × W, L × W, La + W, L + W의 식이 강한 양의 관계를 나타 냈다. LA 추정은 LA = a + b(La2 + W2) 을 사용하는 선형 모델 이 가장 정확한 추정치를 나타내었다(R2 = 0.867, RMSE = 88.76). 9월부터 12월까지 토마토 잎의 위치에 따른 상, 중, 하 엽의 모델을 살펴본 결과, 상, 중, 하로 잎 위치에 따른 모델별 결정계수(R2) 값은 각각 0.878, 0.726, 0.794였다. 상위엽을 바탕으로 추정된 모델의 정확도가 가장 높았는데, 이는 10월 이후 토마토 재배 농가에서 중위엽과 하위엽에 실시한 반적엽 의 영향으로 판단된다.

벼의 잎은 광합성을 위한 주요 기관으로, 동화산물의 생산을 통해 벼의 수량 결정에 영향을 준다. 따라서, 상위엽의 형태적 특징은 다수성 벼 품종의 육성을 위한 필수적인 고려요소이다. 본 연구에서는, 연차간 안정적으로 발현하는 3개의 엽폭 조절 QTL인 qLW4.1, qLW4.2, qLW7을 탐지하였다. 이들은 분석집단에서 나타난 엽폭 표현형 변이의 5.2~44.9% 를 설명할 수 있었다. qLW4.2 영역에 대한 후보유전자 분석 결과, 해당 QTL 영역에서 엽폭 조절 유전자인 NAL1을 발견하였다. 상위엽은 수량에 대해 정의 간접효과 나타냈으며, 그 효과의 크기는 수당립수에 대한 상위엽의 정의 직접효과와 수수에 대한 상위엽의 부의 직접효과에 의해 결정되었다. 한국 벼 유전자원에서 엽폭은 상대적으로 좁은 범위에서 표현형 변이를 나타내었으며, 이는 특정 상위엽폭이 한국 자원에서 선호 되었음을 시사한다. NAL1의 하플로타입 분석결과는 대다수의 한국 자원들이 자포니카형 하플로타입을 지닌 반면에, 모든 통일형 품종들은 인디카형을 지니고 있음을 밝혀냈다. 이러한 결과는 유용 대립유전자형인 자포니카형 NAL1의 도입을 통해 통일형 품종의 다수성 형질을 더욱 향상시킬 수 있음을 의미 한다.

온실에서 재배되는 어윈 망고는 그 수관이 복잡하여 생육을 정확하게 진단할 수 있는 생육 지표 결정이 어렵다. 엽면적, 엽생체중과 엽건물중은 생육을 진단할 수 있는 지표이며, 이를 비파괴적으로 추정할 수 있는 모델 확립이 필요하다. 본 연구의 목표는 어윈 망고 (Mangifera indica L. cv. Irwin)의 엽장, 엽폭, 엽병장, SPAD 값 등의 비파괴적 생육지표를 이용하여 엽면적, 엽생체중과 엽건물중을 추정하는 모델을 확립하는 것이다. 6년생 어윈 망고의 성엽에 대하여 엽장, 엽폭, 엽병장과 SPAD 값을 측정하였으며, 이에 따른 엽면적, 엽생체중과 엽건물중을 측정하였다. 기존에 사용되는 모델식 중에서 14종의 모델을 선정하였으며, 회귀분석을 통해 각 모델의 계수를 추정하였다. 이중에서 높은 R2 과 낮은 평균제곱근오차 값을 보이는 세 모델식에 대하여 검증한 결과, R2 값은 각각 0.967과 0.743, 0.567로 나타나 신뢰성이 있다고 판단되었다. 이러한 방법은 작물의 생육 지표로 편리하게 추정하는데 도움을 줄 수 있다.

본시험은 포도 캠벨얼리의 광폭 비가림 설치 효과를 평가하기 위해 실시되었다. 광폭비가림은 비가림의 폭이 기존의 표준 비가림보다 30 cm 넓게 구성되어 있다. 비가림처리는 모두 대기온도보다 2~3oC 높게 나타났고 광 폭비가림하에서 일 평균온도는 0.5~1oC 정도표준 비가림 보다 높게 나타났다. 상대습도는 대기습도보다 15~20% 낮게 나타났으며 연차간 차이를 보였다. Pseudocecospora vitis 에 의해 발생하는 포도 갈색무늬병의 발생은 2012 년에는 광폭비가림이 표준비가림 보다 55.6% 적게 나타 났고 2013년에는 17.2% 적게 나타났다. 포도는 2년에 걸쳐 수확하였고 당함량, 산함량, 과립중, 과립크기 등 과실품질을 측정하였다. 그 결과 2012년에는 처리간 차이가 명확하지 않았으나 2013년에는 광폭비가림이 당함량이 0.4o Bx 높았고 산함량은 0.8% 낮은 결과를 나타내었다. 이는 광폭 비가림의 적용이 갈색무늬병의 발생 정도를 낮추고, 과실품질에 영향을 미치는 것을 시사한다.

담배엽 수량 구성 요인 중에서 가장 큰 비중을 차지하고 있는 엽면적이나 엽중을 용역하게 측정 할수 있는 방법을 모색코자 담배 생엽장×생엽폭의 값과 생엽면적, 건엽면적, 건엽중과의 관계 또는 생엽면적과 건엽면적, 건엽중과의 관계를 분석한 결과를 요약하면 다음과 같다. 1. 중, 본엽의 생, 건엽장과 폭은 KB103이 가장 크고 KB101과 Burley21은 비슷하였다. 2. 중, 본엽의 생, 건엽면적과 생, 건엽중은 KB103 > Burley21 > KB101 순이었다. 3. 생엽장×생엽폭의 값과 생엽면적, 건엽면적, 건엽중과의 사이에는 1% 수준의 고도 유의성 관계가 3개 품종 중, 본엽에서 모두 인정되었다. 4. 생엽면적과 건엽면적, 건엽중과의 사이에는 1% 수준의 고도 유의성 관계가 3개 품종 중, 본엽에서도 모두 인정되었다.