팜맵과 지적 간의 불일치 문제도 플랫폼을 통해 해결할 수 있다. 팜맵을 지적으 로 전환하거나 지적을 팜맵으로 전환하는 등 팜맵과 지적을 상호 비교할 수 있는 정보시스템을 구축하면 이를 해결할 수 있다. 이를 통해 팜맵 구획을 기준으로 촬 영된 영상을 지적 기준으로 비교할 수 있어, 직불제 이행점검이나 농업경영체 DB 현행화에 활용할 수 있을 것이다.
공간정보의 보안관리 규정에서 살펴보았듯이 플랫폼에 저장되는 영상정보가 공개 제한 정보로 분류되기 때문에 플랫폼 구축 시 이에 대한 고려가 필요하다. 일 반에게 공개할 수 없다면 기관 간 공유로 그 활용 범위를 제한할 수도 있고, 그 역 시 어렵다면 동일한 플랫폼을 활용하되 기관 간 정보를 공유할 수 없도록 할 수도 있을 것이다.
확보된 영상정보는 그 크기가 크기 때문에 별도의 데이터센터가 필요할 것으로 판단된다. 전국 각지에서 영상을 확보하고, 또 주기적으로 영상이 촬영된다면 데 이터의 규모가 상당하여, 개별 기관에서 데이터를 관리하기 어려울 것이다. 데이 터센터를 지정하여 영상 데이터를 관리하고 플랫폼 서비스도 제공하는 것이 바람 직하다.
146 |
기계학습시켜 작물을 식별하는 딥러닝 모형을 개발하는 것을 우선 추진해 볼 만 하다. 전문가의 육안으로 식별하기 어려운 영상을 인공지능이 완벽하게 식별하기 는 쉽지 않을 것이다. 영상을 입력하면 특정 작물일 가능성에 대한 양적 지표를 출 력하고, 이를 바탕으로 딥러닝 모형의 식별 결과를 수용할 것인지, 육안으로 재선 별할 것인지를 선택할 수 있는 딥러닝 모형이 개발된다면 조사 업무의 효율성을 향상시킬 수 있을 것이다. 이와 같은 딥러닝 모형으로 식별해야 할 영상의 50%를 기계가 식별할 수 있다면 육안 식별 부담이 50% 줄어들게 될 것이다.
개체를 인식하여 재식 주수를 파악하는 연구는 품목과 방법론 측면에서 다각적 으로 검토해 볼 만하다. 배추, 양배추와 같이 구형이 명확한 농작물에 대해서는 YOLOv5 딥러닝 모형을 통해 개체를 식별할 수 있음은 확인하였다. 지상부의 모 습으로 재식 주수를 산출할 수 있는 브로콜리 등에 방법론을 확대 적용할 수 있는 지 시도해 볼 수 있다. 또한, 수확 시점에서 지상부의 모습으로 개체를 명확하게 구 분하기 어려운 양파, 마늘 등의 개체 식별 모형에 관해 추가적인 연구가 필요하다.
과수를 식별하는 연구도 검토해 볼 수 있다. 드론 영상을 과수를 식별하는 데 필 요한 영상의 품질, 과수의 그루 수를 계측할 수 있는 인공지능 모형 등에 관한 연구 도 유의미할 것으로 보인다.
인공위성 영상을 활용하는 연구도 수행해 볼 만한 가치가 있다. 논의 경우에는 인공지능을 활용해 재배구획을 식별하는 딥러닝 모형이 지속적으로 개선되고 있 다. 팜맵을 구축하는 기관이나 부서와 논 면적 식별률을 향상시키는 연구를 시도 해 볼 수 있을 것이다. 인공위성 영상으로 쌀 재배면적을 신속하게 산출하는 것이 가능해진다면 비교적 빠른 시점에서 쌀 재배면적을 확인할 수 있다. 또한 쌀의 경 우에는 식생과 관련한 다양한 지표를 활용하여 작황을 파악하는 연구를 시도해 볼 가치가 있다. 논은 밭에 비해 구획의 넓이가 넓고 각각의 구획 구분이 명확하기 때 문에 원예농산물에 비해 인공위성의 영상을 활용할 수 있는 여지가 많을 것이다.
<부표 1-1> 팜맵 기준 전국 농경지 현황
단위: ha, %
면적 구분 논 밭 과수 시설 전체
면적 누적 비율 면적 누적 비율 면적 누적 비율 면적 누적 비율 면적 누적 비율 100㎡ 이하 73 0.0 3,441 0.6 11 0.0 2,156 3.2 5,682 0.4 200㎡ 이하 607 0.1 11,799 2.9 115 0.1 2,832 7.3 15,352 1.4 300㎡ 이하 1,580 0.3 15,631 5.8 316 0.4 1,880 10.1 19,407 2.8 400㎡ 이하 2,791 0.7 17,076 9.0 573 0.8 1,856 12.8 22,297 4.3 500㎡ 이하 4,152 1.3 17,644 12.3 817 1.5 1,328 14.7 23,941 6.0 600㎡ 이하 5,551 2.0 17,679 15.6 1,084 2.4 1,265 16.6 25,579 7.7 700㎡ 이하 6,953 3.0 17,579 18.9 1,341 3.5 1,213 18.4 27,086 9.6 800㎡ 이하 8,028 4.1 17,304 22.2 1,562 4.7 1,320 20.3 28,214 11.5 900㎡ 이하 9,204 5.3 16,995 25.4 1,802 6.2 1,112 22.0 29,114 13.5 1,000㎡ 이하 10,546 6.8 16,590 28.5 2,004 7.9 930 23.3 30,070 15.6 1,100㎡ 이하 11,723 8.4 16,081 31.5 2,158 9.6 987 24.8 30,949 17.7 1,200㎡ 이하 12,278 10.0 15,532 34.4 2,292 11.5 1,045 26.3 31,147 19.9 1,300㎡ 이하 13,179 11.9 14,895 37.2 2,400 13.4 1,008 27.8 31,481 22.0 1,400㎡ 이하 14,022 13.8 14,310 39.9 2,499 15.5 974 29.2 31,806 24.2 1,500㎡ 이하 14,690 15.8 13,643 42.5 2,556 17.6 1,029 30.7 31,917 26.4 1,600㎡ 이하 15,176 17.9 13,047 44.9 2,619 19.7 1,069 32.3 31,912 28.6 1,700㎡ 이하 15,442 20.0 12,354 47.2 2,630 21.8 1,065 33.8 31,491 30.8 1,800㎡ 이하 15,859 22.1 11,902 49.5 2,675 24.0 1,130 35.5 31,566 32.9 1,900㎡ 이하 17,114 24.5 11,395 51.6 2,765 26.3 1,191 37.3 32,465 35.2 2,000㎡ 이하 19,908 27.2 11,245 53.7 2,912 28.7 1,235 39.1 35,301 37.6 5,000㎡ 이하 397,495 81.5 161,816 84.1 51,491 70.7 28,388 80.7 639,190 81.5 10,000㎡ 이하 103,804 95.7 52,719 94.0 23,771 90.1 10,598 96.3 190,892 94.6 20,000㎡ 이하 28,456 99.6 21,969 98.1 9,082 97.5 2,252 99.6 61,758 98.9 30,000㎡ 이하 1,834 99.9 5,811 99.2 1,748 98.9 244 99.9 9,636 99.5 40,000㎡ 이하 437 99.9 2,097 99.6 590 99.4 36 100.0 3,161 99.8 50,000㎡ 이하 200 100.0 834 99.7 284 99.6 9 100.0 1,328 99.9 50,000㎡ 초과 238 100.0 1,341 100.0 492 100.0 5 100.0 2,077 100.0 전체 731,340 532,729 122,587 68,161 1,454,818 주: 국토지리정보원 국가공간정보포털에서 제공하는 팜맵의 속성정보(10,490,478필지)를 활용하여 산출했다.
자료: 국토교통부 국가공간정보포털(https://data.nsdi.go.kr/). 팜맵. 검색일: 2022. 3. 31.을 활용하여 저자 작성.
팜맵 기준 전국 농경지 현황
부록 1
<부표 2-1> 팜맵 기준 농경지 구획의 면적 분포 현황
단위: 개, %
면적 구분 논 밭 과수 시설 전체
필지 수 누적 비율 필지 수 누적 비율 필지 수 누적 비율 필지 수 누적 비율 필지 수 누적 비율 100㎡ 이하 10,145 0.3 522,195 9.3 1,500 0.3 374,806 37.4 908,646 8.7 200㎡ 이하 38,948 1.5 794,368 23.3 7,279 1.6 199,007 57.3 1,039,602 18.6 300㎡ 이하 62,548 3.4 630,643 34.5 12,489 3.9 77,308 65.0 782,988 26.0 400㎡ 이하 79,403 5.8 490,760 43.2 16,336 6.9 53,303 70.4 639,802 32.1 500㎡ 이하 92,051 8.6 393,584 50.2 18,118 10.2 29,824 73.3 533,577 37.2 600㎡ 이하 100,852 11.6 322,347 55.9 19,684 13.8 23,045 75.6 465,928 41.7 700㎡ 이하 106,920 14.9 271,052 60.7 20,615 17.6 18,698 77.5 417,285 45.6 800㎡ 이하 107,036 18.1 231,085 64.8 20,825 21.4 17,623 79.3 376,569 49.2 900㎡ 이하 108,282 21.4 200,247 68.4 21,204 25.2 13,137 80.6 342,870 52.5 1,000㎡ 이하 110,966 24.7 174,843 71.5 21,102 29.1 9,801 81.6 316,712 55.5 1,100㎡ 이하 111,686 28.1 153,317 74.2 20,555 32.8 9,404 82.5 294,962 58.3 1,200㎡ 이하 106,777 31.3 135,183 76.6 19,935 36.5 9,090 83.4 270,985 60.9 1,300㎡ 이하 105,435 34.5 119,250 78.7 19,207 40.0 8,068 84.2 251,960 63.3 1,400㎡ 이하 103,892 37.7 106,076 80.6 18,517 43.4 7,220 84.9 235,705 65.6 1,500㎡ 이하 101,313 40.8 94,151 82.3 17,634 46.6 7,096 85.6 220,194 67.7 1,600㎡ 이하 97,939 43.7 84,230 83.8 16,905 49.7 6,901 86.3 205,975 69.6 1,700㎡ 이하 93,607 46.5 74,912 85.1 15,942 52.6 6,455 87.0 190,916 71.4 1,800㎡ 이하 90,628 49.3 68,044 86.3 15,290 55.4 6,455 87.6 180,417 73.2 1,900㎡ 이하 92,483 52.1 61,613 87.4 14,946 58.1 6,439 88.3 175,481 74.8 2,000㎡ 이하 102,044 55.2 57,679 88.4 14,936 60.9 6,333 88.9 180,992 76.6 5,000㎡ 이하 1,295,673 94.4 553,172 98.2 170,329 92.0 93,005 98.2 2,112,179 96.7 10,000㎡ 이하 161,735 99.3 79,777 99.6 35,707 98.5 16,286 99.8 293,505 99.5 20,000㎡ 이하 22,237 100.0 16,663 99.9 6,968 99.8 1,790 100.0 47,658 99.9 30,000㎡ 이하 788 100.0 2,436 100.0 737 99.9 105 100.0 4,066 100.0 40,000㎡ 이하 128 100.0 613 100.0 174 100.0 11 100.0 926 100.0 50,000㎡ 이하 44 100.0 189 100.0 64 100.0 2 100.0 299 100.0 50,000㎡ 초과 33 100.0 181 100.0 64 100.0 1 100.0 279 100.0 전체 3,303,593 5,638,610 547,062 1,001,213 10,490,478 주: 국토지리정보원 국가공간정보포털에서 제공하는 팜맵의 속성정보(10,490,478필지)를 활용하여 산출했다.
자료: 국토교통부 국가공간정보포털(https://data.nsdi.go.kr/). 팜맵. 검색일: 2022. 3. 31.을 활용하여 저자 작성.
부록 2
팜맵 기준 농경지 구획의 면적 분포 현황
1. 최근접 탐지객체 거리 계산방법의 생육 단계별 적용 결과
배추, 양배추 작물의 객체 탐지 딥러닝 모형의 경우 생육, 초-중-말기의 모든 단 계에서의 드론 촬영 영상을 학습 데이터로 사용하였기 때문에 특정 생육 단계에서 는 탐지성능이 상대적으로 떨어질 수 있다. 따라서 생육 단계별 객체 탐지 모형에 차이가 발생하는 경우에도 최근접 탐지객체 거리 계산 방법의 적용이 적절한지 검 토가 필요하다.
배추의 생육 초기 이미지의 경우 일부 생장 속도가 느린 개체들에서 탐지가 되 지 않는 경우를 제외하면 전반적으로 탐지성능은 양호하였다.
<부도 3-1> 배추 생육초기 영상의 객체 탐지 결과와 최근접 거리 계산 결과
객체 탐지 결과와 탐지 오분류 영역 최근접 객체 거리 계산 결과자료: 저자 작성.
부록 3 부록 3
중심점 간 최단 거리 분포를 활용한 오분류 보정 사례
152 |
최근접 거리 계산 결과의 히스토그램 분포는 다음과 같으며, 대체로 최빈값 근 처에서 거리 측정값이 형성되는 것을 확인할 수 있다.
<부도 3-2> 인근 최단 거리의 중심 좌표 간 거리 로그함수 히스토그램(배추, 생육초기)
자료: 저자 작성.
4.58에서 중심점이 확인되었고 픽셀값으로 환산하면 96.19픽셀의 재식 간격이 계산되었다. 배추의 생육 중기 이미지의 경우 일부 잎이 겹친 개체들에서 과다하 게 탐지가 되는 경우를 제외하면 전반적으로 탐지성능은 양호하였다.
<부도 3-3> 배추 생육중기 영상의 객체 탐지 결과와 최근접 거리 계산 결과
객체 탐지 결과와 탐지 오분류 영역 최근접 객체 거리 계산 결과자료: 저자 작성.
최근접 거리 계산 결과의 히스토그램 분포는 다음과 같으며, 잎이 겹친 개체들 에 의해 4 이전 부분에서 빈도가 높은 편이었지만, 대체로 최빈값 근처에서 거리 측정값이 형성되는 것을 확인할 수 있다.
<부도 3-4> 인근 최단 거리의 중심 좌표 간 거리 로그함수 히스토그램(배추, 생육중기)
자료: 저자 작성.
4.43에서 중심점이 확인되었고 픽셀값으로 환산하면 82.69픽셀의 재식 간격이 계산되었다. 배추의 생육 말기 이미지의 경우 생육 중기와 마찬가지로 잎이 겹친 개체들이 다소 있었지만, 결구의 모습이 확실하게 탐지되어 성능은 양호하였다.
<부도 3-5> 배추 생육말기 영상의 객체 탐지 결과와 최근접 거리 계산 결과
객체 탐지 결과와 탐지 오분류 영역 최근접 객체 거리 계산 결과자료: 저자 작성.
154 |
최근접 거리 계산 결과의 히스토그램 분포는 다음과 같으며, 대체로 최빈값 근 처에서 거리 측정값이 형성되는 것을 확인할 수 있다.
<부도 3-6> 인근 최단 거리의 중심 좌표 간 거리 로그함수 히스토그램(배추, 생육말기)
자료: 저자 작성.
4.3에서 중심점이 확인되었고 픽셀값으로 환산하면 72.35픽셀의 재식 간격이 계산되었다. 양배추의 생육 초기 이미지의 경우 일부 일반적인 형태가 아닌 양배 추를 탐지하지 못하는 경우를 제외하면 전반적으로 탐지성능은 양호하였다.
<부도 3-7> 양배추 생육초기 영상의 객체 탐지 결과와 최근접 거리 계산 결과
객체 탐지 결과와 탐지 오분류 영역 최근접 객체 거리 계산 결과자료: 저자 작성.
최근접 거리 계산 결과의 히스토그램 분포는 다음과 같으며, 대체로 최빈값 근 처에서 거리 측정값이 형성되는 것을 확인할 수 있다.
<부도 3-8> 인근 최단 거리의 중심 좌표 간 거리 로그함수 히스토그램(양배추, 생육초기)
자료: 저자 작성.
4.57에서 중심점이 확인되었고 픽셀값으로 환산하면 95.63픽셀의 재식 간격이 계산되었다. 양배추의 생육 중기 이미지의 경우 일부 작은 개체들에서 탐지가 되 지 않는 경우를 제외하면 전반적으로 탐지성능은 양호하였다.
<부도 3-9> 양배추 생육중기 영상의 객체 탐지 결과와 최근접 거리 계산 결과
객체 탐지 결과와 탐지 오분류 영역 최근접 객체 거리 계산 결과자료: 저자 작성.
156 |
최근접 거리 계산 결과의 히스토그램 분포는 다음과 같으며, 대체로 최빈값 근 처에서 거리 측정값이 형성되는 것을 확인할 수 있다.
<부도 3-10> 인근 최단 거리의 중심 좌표 간 거리 로그함수 히스토그램(양배추, 생육중기)
자료: 저자 작성.
4.46에서 중심점이 확인되었고 픽셀값으로 환산하면 85.73픽셀의 재식 간격이 계산되었다. 양배추의 생육 말기 이미지의 경우 일부 잎이 겹친 개체들에서 탐지 가 과하게 잡히는 경우를 제외하면 전반적으로 탐지성능은 양호하였다.
<부도 3-11> 양배추 생육말기 영상의 객체 탐지 결과와 최근접 거리 계산 결과
객체 탐지 결과와 탐지 오분류 영역 최근접 객체 거리 계산 결과자료: 저자 작성.