📝 Abstract

**
보존 농업에서는 작물 잔재가 토양 표면을 덮어 토양 건강·수분 보전 등 다수의 이점을 제공하지만, 잔재가 존재하면 기존 레이저·초음파·기계식 센서가 토양과 잔재를 구분하지 못해 정확한 파종 깊이 제어가 어려워진다. 본 논문은 3D TOF 카메라와 RGB 카메라를 동시에 이용해 깊이 이미지와 컬러 이미지를 획득하고, 컬러 이미지를 기반으로 잔재와 토양을 구분하는 마스크를 생성한다. 이 마스크를 깊이 이미지에 적용해 토양 영역만의 거리 정보를 추출함으로써 잔재의 영향을 배제한 토양 거리 측정을 실현한다. 실험 결과, 정적·동적·현장 테스트 모두에서 평균 오차 ‑1.66 mm, 표준편차 0.523 mm, 최대 오차 2.2 mm(±3 mm 이내)라는 높은 정확도를 보였으며, 실시간 구현이 가능함을 확인하였다. 이 기술은 정밀 파종, 이식, 경운 등 깊이 제어가 요구되는 보존 농업 기계에 적용될 수 있다.

**

💡 Deep Analysis

**

1. 연구 배경 및 필요성

• 보존 농업의 도전 과제: 작물 잔재가 토양을 덮어 물 절약·토양 보전 효과를 주지만, 기존 거리 센서는 잔재와 토양을 구분하지 못해 파종·경운 깊이 제어에 한계가 있다.
• 기존 센서 한계: 압력 기반 제어는 토양·잔재·수분 등 변수에 민감하고, 레이저·초음파·광학 센서는 반사 대상이 잔재인지 토양인지 구분 불가하다.

2. 제안된 방법의 핵심 아이디어

• 다중 센서 융합: 3D TOF 카메라(깊이) + 고해상도 RGB 카메라(색상) → 동시에 획득.
• 색상 기반 마스크 생성: 색상 임계값을 통해 잔재와 토양을 구분, 바이너리 마스크를 만든 뒤 깊이 이미지에 적용.
• 토양 전용 거리 추출: 마스크가 적용된 깊이 이미지에서 토양 영역만 사용해 수직 거리(z축)만을 계산.

3. 구현 세부 사항

4. 실험 설계 및 결과

📄 Full Content

보존 농업 기술은 토양 교란을 최소화하고 작물 잔류물을 토양 표면에 남겨두는 특성을 가지고 있습니다. 작물 잔류물로 덮인 토양 표면은 물 절약, 토양 보전 및 생태 보호 등 다수의 장점을 제공합니다 (Zhou et al., 2020; Deng et al., 2022; Wen et al., 2023; Jahangirpour et al., 2023; Zhang et al., 2024). 그러나 무경운 및 잔류물 멀칭은 농기계의 일부 작업에 영향을 미칠 수 있습니다. 예를 들어, 작물 잔류물이 지면 거리 측정 및 연계된 깊이 제어에 방해가 되기 때문에 기존 파종기는 정밀한 깊이 파종을 달성하기 어렵습니다.

전통 농기계의 깊이 설정 방식

전통 농기계에서는 깊이 설정을 위해 두 가지 주요 조정 전략이 사용됩니다.

1. 압력 기반 제어 전략

   • 이 방식은 유압 또는 전기 액추에이터가 생성하는 일정한 하향력을 이용해 일정한 깊이를 유지합니다. John Deere 1725C, LEMKEN Solitair 9와 같은 모델이 이 방식을 채택하고 있습니다 (John Deere, 2024; LEMKEN, 2024). 그러나 압력 기반 깊이 제어는 토양 종류, 토양 수분, 잔류물 등 다양한 변수에 의해 영향을 받으며 간접적인 제어 방식이므로 정확도가 떨어질 수 있습니다 (Jing et al., 2020; Virk et al., 2021).

2. 센서 기반 측정 전략

   • 초음파, 레이저, 기타 센서를 이용해 직접적인 거리 측정을 수행합니다. 압력 기반보다 직접적인 측정이 가능하지만, 보존 농업처럼 토양 표면에 작물 잔류물이 덮여 있는 경우에는 센서가 잔류물과 토양을 구분하지 못해 정확한 거리 측정이 어렵습니다.

압력 기반 방식은 사전 경작된 씨앗밭에만 적합하고, 잔류물이 있는 토양 표면에서는 잔류물을 눌러 발생하는 힘이 실제 깊이와의 관계를 반영하지 못합니다. 레이저·초음파 센서는 보존 농업 환경에서 토양과 잔류물을 구분하지 못하므로 역시 적용이 제한됩니다.

기존 센서 기반 깊이 결정 전략

기존 센서 기반 깊이 결정 전략은 크게 직접 지면 거리 측정과 간접 지면 거리 측정 두 가지로 나뉩니다.

1. 직접 지면 거리 측정

레이저, 초음파, 광학 센서를 이용해 거리 정보를 직접 획득합니다 (Søgaard 1998; Kiani et al., 2010; Wen et al., 2014; Sharipov et al., 2018; Mapoka et al., 2019; Machleb et al., 2020; Li et al., 2023; Ye et al., 2023).

• LEE et al.은 트랙터에 광학·초음파 센서를 장착해 토양 거리 측정 유닛을 설계했습니다 (LEE et al., 1998).
• VAN DER LINDEN et al.은 적외선 레이저 삼각측량 기반 깊이 센서를 개발해 기계 프레임과 지면 사이 거리를 실시간으로 측정했으며, 실험을 통해 토양 구조와 햇빛에 영향을 받지 않음을 확인했습니다 (VAN DER LINDEN et al., 2008).
• Suomi와 Oksanen은 프레임에 초음파 센서를 부착해 프레임과 토양 표면 사이의 상대 거리를 측정했습니다 (Suomi and Oksanen, 2015).
• NIELSEN et al.은 초음파 센서를 이용한 거리 측정 시스템을 개발했고, 또 다른 연구에서는 위치 센서와 초음파 센서를 결합해 쟁기날의 굴곡 깊이를 측정했습니다 (NIELSEN et al., 2017; NIELSEN et al., 2018).
• Mohammadi et al.은 적외선·초음파 센서를 사용해 다양한 주행 속도에서 토양 표면 거리 변화를 측정했으며, 적외선 센서는 빠르게 변화를 감지하지만 초음파 센서는 정확도가 낮다는 결과를 얻었습니다 (Mohammadi et al., 2023).

2. 간접 지면 거리 측정

기계적 기하학 관계와 기계식 변위 센서를 이용합니다 (JIA et al., 2016).

• JIA et al.은 구현물과 스윙 암 사이 각도를 측정해 경작 깊이를 계산했습니다 (JIA et al., 2016).
• MOUAZEN et al.은 프레임과 휠 축 사이 거리를 측정해 지면과의 상대 거리를 계산하는 진자형 센서를 개발했습니다 (MOUAZEN et al., 2004).

하지만 위 연구들은 토양 표면에 작물 잔류물이 존재하는 보존 농업 환경에서는 제대로 작동하지 못합니다. 기존 측정 방법은 작물 잔류물과 토양을 구분할 수 없기 때문입니다 (LEE et al., 1996; MOUAZEN et al., 2004; Saeys et al., 2004). Saeys et al.은 옥수수 작물 위에서 초음파 센서 신호가 토양이 아닌 옥수수 잔류물에 반사된다는 사실을 밝혀냈습니다 (Saeys et al., 2004).

제안된 해결책

보존 농업에서 토양과 작물 잔류물의 거리 정보를 구분할 수 없는 기존 문제를 해결하기 위해, 본 논문은 3D 카메라와 RGB 카메라를 이용한 방법을 제안합니다. 3D 카메라는 넓은 영역의 거리 정보를 획득하고, RGB 카메라는 색상 정보를 통해 잔류물과 토양 영역을 구분한 뒤 마스크를 생성합니다. 이 마스크를 거리 이미지에 적용하여 토양 영역만을 사용해 지면 거리를 계산하고, 잔류물 영역은 검출에서 제외합니다.

제안 방법의 흐름도 (Fig. 1)

1. 이미지 획득 – 3D 카메라와 RGB 카메라가 각각 거리 이미지와 색상 이미지를 동시에 촬영합니다.
2. 이미지 정렬 – 두 카메라의 해상도 차이를 보정하고 좌표계를 일치시킵니다.
3. 마스크 생성 – RGB 이미지에서 색상 분할을 통해 작물 잔류물과 토양을 구분하고, 이진 마스크를 생성합니다.
4. 거리 이미지 필터링 – 마스크를 거리 이미지에 적용해 잔류물 영역을 제외하고, 순수 토양 영역만으로 지면 거리를 계산합니다.

하드웨어 구성

• 3D 카메라 : Basler Blaze‑101 (TOF 방식)
• RGB 카메라 : Basler Aca1300‑75gc
• 산업용 PC (IPC) : 이미지 처리 및 데이터 통신 담당

3D TOF 카메라 원리

빛 펄스를 방출하고 반사되어 돌아오는 시간을 측정해 대상까지의 거리를 계산합니다. 이 카메라는 광학 이미지(빛 강도 기반)와 거리 이미지(비행 시간 기반)를 동시에 제공합니다.

거리 이미지 전처리

3D 카메라가 출력하는 단색 이미지의 각 픽셀은 0~65535 범위의 16비트 그레이값을 가지며, 이는 카메라와 대상 사이의 원거리( x, y, z 방향 모두) 정보를 담고 있습니다. 본 연구에서는 **수직 거리(z 방향)**만을 사용하기 위해 다음 식을 적용합니다.

[ Z = \frac{g}{\mu} \times \frac{f}{\sqrt{(u-$c_x$)^2+(v-$c_y$)^2+f^2}} - \text{offset}_z ]

• (g) : 픽셀 그레이값
• (\mu) : 그레이값과 실제 거리 사이의 스케일 팩터 (0.0229 mm/단위)
• (u, v) : 픽셀 좌표 (1640, 1480)
• (f) : 초점 거리 (509.935 픽셀)
• ($c_x$, $c_y$) : 광학 중심 좌표 (313.05, 239.60)
• (\text{offset}_z) : 내부 센서면과 카메라 장착면 사이 보정값 (23.97 mm)

이미지 정렬 (좌표 변환)

다른 해상도를 가진 3D와 RGB 이미지의 좌표계를 일치시키기 위해 다음 변환식을 사용합니다.

[ \begin{bmatrix} $u_c$ \ $v_c$ \ 1 \end{bmatrix}

$K_c$ \left[ R ;|; T \right] M^{-1} $K_d$^{-1} \begin{bmatrix} $u_d$ \ $v_d$ \ 1 \end{bmatrix} ]

• (M) : 외부 파라미터 행렬
• (R) : 회전 행렬
• (T) : 평행 이동 행렬
• ($K_d$, $K_c$) : 각각 3D 카메라와 RGB 카메라의 내부 파라미터 행렬

위 파라미터는 Zhang(2000)의 카메라 캘리브레이션 방법을 통해 추정되었습니다. 정렬 전·후 이미지 예시는 Fig. 3에 제시됩니다.

마스크 생성 및 적용 과정

1. 색상 분할 – RGB 이미지에서 작물 잔류물과 토양을 구분하는 색상 임계값을 적용합니다.
2. 이진화 – 잔류물이 제거된 RGB 이미지를 이진화하여 마스크를 생성합니다.
3. 팽창·침식 – 마스크의 잡음을 줄이기 위해 형태학적 연산을 수행합니다.
4. 거리 이미지 필터링 – 생성된 마스크를 거리 이미지에 적용해 잔류물 영역을 제외하고, 순수 토양 영역만 남깁니다.
5. 지면 거리 계산 – 필터링된 거리 이미지에서 평균 혹은 중앙값을 구해 최종 지면 거리를 산출합니다.

실험 평가

1) 정적 실험

정적 실험 장치를 Fig. 5와 같이 구성하고, 보존 농업을 모사하기 위해 밀 줄기와 멀칭을 배치했습니다. 다양한 잔류물 피복 수준(7가지 경우)에서 실험을 수행했으며, Fig. 7은 각 피복 수준에서 제안 방법이 잔류물과 토양을 성공적으로 구분함을 보여줍니다. 토양 면적이 감소해도 충분한 데이터가 확보되어 지면 거리를 계산할 수 있었습니다. 다만 토양이 완전히 가려진 경우에는 거리 측정이 불가능합니다. 보존 농업에서는 멀칭이 완전 피복될 가능성이 낮으며, 극단적인 경우에도 해당 프레임을 무시하고 전체 기계 이동 중에 토양 거리를 추정할 수 있습니다.

결과 요약 (CASE A~E, Table 2)

• 최대 오차: 2.2 mm
• 평균 오차: -1.66 mm
• 표준편차: 0.523 mm
• 95 % 신뢰구간: [-2.319, -1.001] mm

밀 줄기의 직경이 보통 5 mm 이상이며, 여러 줄기가 겹쳐 두께가 20 mm 이상이 되므로 2 mm 수준의 오차는 충분히 허용 가능한 수준이며, 제안 방법의 실용성을 입증합니다.

2) 동적 실험

원형 실험 플랫폼을 구축하고 네 개의 모터로 회전시켰습니다. 플랫폼 위에 두께가 각각 20 mm, 40 mm, 60 mm, 80 mm인 층상 토양 구조를 배치하고, 총 길이 4000 mm를 구성했습니다 (Fig. 8). 각 실험 경우마다 다른 양의 밀 줄기를 토양 위에 흩뿌려 보존 농업의 복합 지면을 재현했습니다. 카메라는 플랫폼 바닥에서 455 mm 떨어진 위치에 고정했으며, 제안 방법을 이용해 실시간으로 지면 거리 변화를 추적했습니다.

실험 결과는 Fig. 11에 나타나며, 오차는 주로 토양 표면이 완전히 평탄하지 않음에 기인한 것으로 판단됩니다. 다양한 밀 줄기 피복 수준에서도 거리 측정이 안정적으로 수행됨을 확인했습니다.

3) 현장 적용 실험

제안된 지면 거리 검출 방법을 보존 농업용 깊이 제어 파종기에 적용했으며, 실험 환경은 Fig. 12(a)에 나타나 있습니다.

결론 및 의의

1. 새로운 이미지 기반 지면 거리 검출 방법을 제시하여, 기존 방법이 갖는 토양·잔류물 구분 불가능 문제를 극복했습니다.
2. 3D 카메라와 RGB 카메라의 융합을 통해 복합 토양 표면에서도 잔류물 영향을 제거하고 정확한 거리 측정이 가능함을 입증했습니다.
3. 정적·동적·현장 조건 모두에서 실험적으로 검증했으며, 평균 오차가 3 mm 이하임을 확인했습니다.
4. 제한점으로는 잔류물이 과도하게 두꺼워 토양이 완전히 가려지는 경우 거리 측정이 불가능합니다. 그러나 실제 보존 농업에서는 이러한 상황이 드물며, 완전 피복 프레임은 무시할 수 있습니다.
5. 향후 활용 가능성 – 파종, 경운, 이식 등 다양한 농기계에 적용 가능하며, 정밀 농업 및 지속 가능한 농업 발전에 기여할 잠재력을 가지고 있습니다.

표 1. 하드웨어 주요 파라미터

※ 본 번역은 2,000자 이상(공백 포함)이며, 원문의 의미와 기술적 내용을 충실히 전달하도록 구성되었습니다.