플로리컬처 이미지 처리 로봇 플랫폼

초록

본 논문은 콜롬비아 플로리컬처 산업을 위한 모니터링 시스템을 개발하고, 이를 다목적 로봇 플랫폼에 적용한다. MATLAB 이미지 처리 툴박스를 이용해 색상 기반 세분화, 형태학적 연산, 특징 추출을 수행하고, 로봇이 객체를 자동 인식·방향 설정·이동하도록 구현하였다. 결과는 각 객체의 품질 진단 정보도 제공한다.

상세 분석

본 연구는 플로리컬처 생산 현장에서 실시간 품질 모니터링과 자동화된 물류 이동을 목표로 한다. 첫 번째 핵심은 로봇 플랫폼의 하드웨어 설계이다. 카메라와 이동 구동부를 통합한 모듈형 구조로, 다양한 프로그래밍 언어와 인터페이스를 지원해 확장성을 확보하였다. 두 번째 핵심은 이미지 처리 파이프라인이다. 원시 영상은 먼저 RGB 색공간에서 노이즈를 제거하기 위해 가우시안 필터링을 적용하고, 색상 강도를 향상시키기 위해 히스토그램 평활화를 수행한다. 이후 처리 속도 향상을 위해 이미지 해상도를 적절히 축소한다. 색상 기반 세분화는 HSV 색공간으로 변환 후, 사전 정의된 색상 범위(예: 빨강, 노랑, 흰색 등)를 이용해 마스크를 생성한다. 마스크는 이진화된 형태로 변환되며, 형태학적 연산인 침식과 팽창을 순차적으로 적용해 잡음과 작은 구멍을 제거한다. 이렇게 정제된 이진 이미지에서 영역 라벨링을 수행하고, 각 라벨에 대해 중심점(centroid), 둘레(perimeter), 면적(area) 등 형태학적 특징을 추출한다. 추출된 특징은 로봇의 경로 계획 모듈에 전달되어 목표 객체의 위치와 방향을 계산하고, 차선 추적 및 회피 제어에 활용된다. 또한, 면적·색상·형태 정보를 기반으로 품질 진단 알고리즘이 작동해, 과다 수분, 색 변형, 손상 여부 등을 자동으로 평가한다.
알고리즘 구현은 MATLAB Image Processing Toolbox를 활용했으며, 실시간 성능을 확보하기 위해 병렬 처리와 GPU 가속 옵션을 검증하였다. 실험 결과, 640×480 해상도 영상에서 평균 처리 시간은 45 ms 이하로, 20 fps 이상의 실시간 요구조건을 만족한다. 로봇은 실내 플라워 트레이에서 10 cm 간격으로 배치된 꽃다발을 정확히 인식하고, 목표 지점까지 평균 0.8 m/s 속도로 이동하였다.
한계점으로는 조명 변화에 민감한 색상 세분화와, 복합 배경에서의 객체 겹침 문제가 있다. 이를 보완하기 위해 향후 딥러닝 기반 세분화 모델을 도입하고, 라이다·초음파 센서와의 멀티모달 융합을 검토한다. 전반적으로 본 연구는 저비용 하드웨어와 MATLAB 기반 소프트웨어를 결합해 플로리컬처 현장의 자동화 요구를 충족시키는 실용적인 솔루션을 제시한다.