계층적 오토인코더를 이용한 형상 기반 식물 생장 예측

Abstract

환경 요인에 따라 생장률이 달라서 식물 생장 예측은 매우 어렵고 식물 공장과 같은 통제된 환경에서 효율적인 재배를 위한 필수 작업이다. 이 논문에서 현재의 영상으로부터 미래 식물 영상을 예측할 수 있는 새로운 딥러닝 네트워크를 제안한다. 특히, 식물 생장량은 일반적으로 잎 면적으로 정량화되기 때문에 식물의 잎 형상 추정에 초점을 맞추고 있다. 형상 예측 서브 네트워크에서는 먼저 계층적 오토인코더를 사용하여 미래의 식물 형상을 추정한다. 미래의 식물 형상을 추정한 뒤에 RGB 복원 네트워크가 최종 RGB 식물 영상을 출력한다. 현재의 RGB 식물 영상을 트랜스포머 인코더를 사용하여 특징맵들을 추출한 뒤에 미래의 식물 형상 영상과 융합하여 미래의 RGB 식물 영상 예측을 완료한다. 실험 결과는 제안된 네트워크가 다양한 식물의 잎 움직임과 생장에 강인하고 미래 식물 영상의 형상을 정확하게 예측할 수 있음을 보여준다.