최근 국내에서 개발된 송풍식 양파 줄기절단기를 수확기 양 파 엽 절단에 활용할 경우 적정 작업 조건을 구명하기 위해서 이 실험을 수행하였다. 처리구 중 식물체 엽 건조가 가장 많이 진행된(엽 건조 정도 : 66.3%, 엽 수분함량 : 50.5%) 6월 20일 엽 절단 처리구에서 평균 잔여 엽장은 6.7±3.5cm로서 작업 후 적정 잔여 엽장에 해당되는 범위인 4－10cm에 포함되므로 기계 엽 절단 성능이 처리구 중 가장 우수한 것으로 판단된다. 줄기절단기 이용 양파 엽 기계 절단 시 평균 작업 속도는 0.17m·s-1였는데, 이는 인력 엽 절단 처리구의 평균 작업 속도 인 0.05m·s-1보다 3.4배 정도 빨랐으며, 이를 통해 해당 기종 을 이용하여 10a 면적을 작업할 경우에는 인력 작업(1인 기준) 에 비해 2.6시간 정도를 절감할 수 있을 것으로 기대된다. 또한 기계 엽 절단 처리구에서의 손상구 발생률은 1.3%로서 인력 엽 절단 처리구의 0.0%에 비해 높았는데, 이로 인해 기계 엽 절단 처리구가 인력 엽 절단 처리구보다 저장 중 양파 구 부패 율이 평균적으로 높았던 것으로 판단된다. 처리별 저장 특성 을 살펴보면, 저장 8개월 후 구 부위(기부, 정부)별 부패율은 기계 엽 절단 후 잔여 엽장이 5.0cm 미만인 처리구에서 잔여 엽장이 5.0cm 이상인 처리구보다 높았다. 이는 잔여 엽 길이 가 5.0cm 미만인 처리구에서는 5.0cm 이상인 처리구보다 저 장 중 구 부패를 유발하는 병원균의 감염이 쉬우므로 장기 저 장 시 부패율이 높은 것으로 생각된다. 본 실험 결과와 실험 기 종의 성능 목표(작업 후 잔여 엽장 : 5cm) 및 양파 수확 시 적정 잔여 엽장에 관한 기존의 연구결과 등을 종합적으로 고려할 경우, 본 실험에 사용된 줄기절단기 이용 양파 엽 절단 시 양파 의 적정 잔여 엽장은 5－10cm 정도일 것으로 판단된다.

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.

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.

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.