BETA In-door 육묘장 생장 데이터
- 분야농축수산
- 유형 이미지
- 생성 방식LMM
※ 25년 신규 개방되는 데이터로, 데이터 활용성 검토, 이용자 관점의 개선의견 수렴 등을 통해 수정/보완될 수 있으며 최종데이터, 샘플데이터, 산출물 등은 변경될 수 있습니다.
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2025-04-16 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2025-04-16 산출물 전체 공개 소개
In-door 육묘장의 육묘 환경, 재배 방법 최적화 및 예측하기 위해 육묘 환경 및 생장 데이터 구축
구축목적
In-door 육묘장의 육묘 환경 및 재배 방법 최적화 및 육묘의 생장 속도를 예측을 위한 데이터셋 구축을 목적으로 함
-
메타데이터 구조표 데이터 영역 농축수산 데이터 유형 이미지 데이터 형식 JPG (이미지) 데이터 출처 식물공장과 육묘장에서 데이터 획득 라벨링 유형 바운딩박스(이미지), 폴리곤(이미지) 라벨링 형식 JSON 데이터 활용 서비스 육묘 및 종자 관련 기술력 확보, 데이터셋 공개(데이터의 외부 활용 지원), 인공지능 학습용 모델 및 알고리즘 오픈 데이터 구축년도/
데이터 구축량2024년/271,906 건 -
○ 데이터 통계
1.1. 데이터 구축 규모
❍ 원천 데이터 : 27만 건
❍ 라벨링 데이터 : 27만 건○ 데이터 통계 1.1. 데이터 구축 규모 데이터 종류 데이터 형태 라벨링 데이터 규모 고추 이미지 45,165 토마토 이미지 46,484 배추 이미지 45,005 파프리카 이미지 45,113 상추 이미지 45,032 양배추 이미지 45,107 1.2. 데이터 분포
• 고추 : 떡잎 / 본엽2매 / 본엽4매~8매 / 본엽8매~10매 / 분지발생
• 토마토 : 떡잎 / 본엽2매 / 본엽4매~8매 / 화방발생
• 배추 : 떡잎 / 본엽2매 / 본엽4매
• 파프리카 : 떡잎 / 본엽2매 / 본엽4매~8매 / 본엽8매~10매 / 분지발생
• 상추 : 떡잎 / 본엽2매 / 본엽4매
• 양배추 : 떡잎 / 본엽2매 / 본엽4매○ 데이터 통계 1.2. 데이터 분포 구분 구축 건수 비율 고추 떡잎 2,886 1.10% 본엽2매 8,101 3.00% 본엽4매~8매 26,950 9.90% 본엽8매~10매 5,402 2.00% 분지발생 1,826 0.70% 토마토 떡잎 2,898 1.10% 본엽2매 11,378 4.20% 본엽4매~8매 29,758 10.90% 화방발생 2,450 0.90% 배추 떡잎 11,249 4.10% 본엽2매 22,504 8.30% 본엽4매 11,252 4.10% 파프리카 떡잎 2,705 1.00% 본엽2매 8,104 3.00% 본엽4매~8매 27,095 10.00% 본엽8매~10매 5,406 2.00% 분지발생 1,803 0.70% 상추 떡잎 11,362 4.20% 본엽2매 22,451 8.30% 본엽4매 11,219 4.10% 양배추 떡잎 11,522 4.20% 본엽2매 22,342 8.20% 본엽4매 11,243 4.10% 합계 271,906 100.00% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드○ 육묘 및 잎 탐지 모델
- 본 사업에서는 육묘의 RGB, DEPTH, THERMAL 이미지를 세트로 YOLOv8 모델을 학습하여 육묘 전체와 잎의 bounding box 정보를 출력하는 것을 제안함
- 모델의 학습을 위해 학습/검증/시험 데이터를 8:1:1로 나뉘어 진행○ 육묘 및 잎 탐지 모델 학습(Learning) 검증(Validation) 시험(Test) 개요 - YOLOv8 모델 사용 - 학습 도중 모델 성과 평가 및 비교 - 모델 학습 완료 후 - mAP 점수 - 모델 테스트 필요 데이터 80% 10% 10% - YOLOv8은 1-Stage 객체 탐지 모델로써 빠른 객체 탐지 속도와 높은 객체 탐지 정확도 도출이 가능하기 때문에 객체 탐지 분야에서 널리 활용됨
- 탐지된 잎의 개수 기반 육묘의 생장단계 확인 및 생육룰 데이터 수집에 활용할 수 있음
- 이를 통해 품종별 최적의 발아 조건 분석 및 연구가 가능
- 또한 잎의 탐지를 통한 발아률 및 생육률 분석이 가능함○ 육묘 영역 분할 및 현시점 초장 예측 모델
- 본 사업에서는 육묘의 RGB, DEPTH, THERMAL 이미지를 세트로 Segformer 모델을 학습하여 육묘의 영역분할 및 초장예측을 진행할 것을 제안함
- 모델의 학습을 위해 학습/검증/시험 데이터를 8:1:1로 나뉘어 진행○ 육묘 영역 분할 및 현시점 초장 예측 모델 학습(Learning) 검증(Validation) 시험(Test) 개요 - Segformer 모델 사용 - 학습 도중 모델 성과 평가 및 비교 - 모델 학습 완료 후 - mIoU, MAPE 점수 - 모델 테스트 필요 데이터 80% 10% 10% - Segformer 모델은 CNN과 Transformer를 기반으로 구축된 모델이기 때문에 지역적 특징과 전역적 특징 학습이 가능하여 영역분할 분야에서 우수한 성능을 달성함
- 구축한 모델은 이미지를 통해 육묘의 초장을 자동으로 측정할 수 있음으로 많은 인력과 비용 절약 가능
- 또한 영역분할을 통해 작물의 면적을 정확하게 측정할 수 있음으로 생육 모니터링 또는 작물의 생육 상태 분석에 적용할 수 있음
- 그리고 영역분할 기반 작물의 면적을 통한 수확량 예측에 활용 가능○ 육묘 미래 시점 초장 예측 모델
- 본 사업에서는 육묘의 RGB, 환경, 계측 데이터를 사용하여 DLinear 모델 기반 미래 초장 예측을 진행할 것을 제안함
- 모델의 학습을 위해 학습/검증/시험 데이터를 8:1:1로 나뉘어 진행○ 육묘 미래 시점 초장 예측 모델 학습(Learning) 검증(Validation) 시험(Test) 개요 - DiLnear 모델 사용 - 학습 도중 모델 성과 평가 및 비교 - 모델 학습 완료 후 - R2 점수 - 모델 테스트 필요 데이터 전체 데이터의 80% 10% 10% - 일반 Transformer 기반 모델보다 메모리 사용량이 적고 연산 속도가 빠르며 장기 시계열 예측에서 강력한 성능을 보임
- 육묘의 초장은 육묘의 생장상태를 나타냄으로 중요한 역할함
- 육묘의 생장상태 파악 및 농업 전략 수립 활용하여 생육 속도에 따라 자동으로 물과 비료를 조절하는 것을 통해 생산성을 극대화 할 수 있음
- 스마트 농업 로봇과 결합하여 작물의 생육 상태에 따라 자동으로 관리하는 시스템 구축 가능 -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드○ 데이터 구성
○ 데이터 구성 KEY Description Type data_info 데이터 정보 object { object name 파일 프로젝트명 string id 파일 프로젝트의 아이디 string } object categories 클래스를 선택하기 위한 카테고리 array [ object name 상위 클래스를 선택하기 위한 리스트 string value 하위 클래스를 선택하기 위한 리스트 array ] object class 라벨링 객체 태깅 클래스 정보 array [ object id 라벨링 객체의 태그 아이디 number name 라벨링 객체의 태그 명 string ] object images 이미지의 정보 object { object id 이미지 아이디 number file_name 파일명 string width 이미지 가로 길이 number height 이미지 세로 길이 number date 촬영 날짜 및 시간 (예:"2024-09-1508:34:00") string shoot_location 촬영 위치 string shoot_view 촬영 각도 string seedbed 모판 번호 string } ○ 어노테이션 포맷
○ 어노테이션 포맷 항목 타입 필수여부 한글명 영문명 객체 ID object_id number Y 객체 클래스 object_class object Y { 문단 Y 객체 클래스 명 object_class.name string Y 객체 클래스 아이디 object_class.id number Y } 문단 Y 바운딩박스 bbox array Y 문단 [] number Y 폴리곤 polygon[] array N 문단 [] number N 카테고리 categories list Y { Y 카테고리명 categories[].name string Y 카테고리값 categories[].value string Y } Y ○ 데이터 포맷
○ 데이터 포맷 파일명 411_PE_G5_L1_D2024-10-05-10-47_001_183 카테고리 고추 클래스 본엽 8매~10매 촬영일자 2024-10-05 원천 데이터 
라벨링 이미지 
○ 실제 예시
○ 실제 예시 라벨링 데이터 (JSON 형식) { "data_info": {
"name": "05.41-62-G5",
"id": "26"
},
"categories": [
{
"name": "고추",
"value": [
"본엽8매~10매"
]
},
{
"name": "토마토",
"value": [
"화방발생"
]
},
{
"name": "파프리카",
"value": [
"본엽8매~10매"
]
}
],
"class": [
{
"id": 0,
"name": "5단계육묘"
},
{
"id": 1,
"name": "5단계본엽"
},
{
"id": 2,
"name": "5단계초장"
}
],
"images": {
"id": 622117,
"file_name": "411_PE_G5_L1_D2024-10-05-10-47_001_183.jpg",
"width": 1920,
"height": 1080,
"date": "2024-10-05 10:47:00",
"shoot_location": "전남-순환식 식물공장",
"shoot_view": "윗면",
"seedbed": "025"
},
"annotations": [
{
"object_id": 1,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
550.8802146712846,
471.9881015528305,
683.4896564635403,
671.6823197811684
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 2,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
653.8475459452713,
568.7149885071817,
742.7738775000781,
733.3067074375696
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 3,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
736.5334331804426,
629.5593206236284,
955.7290399076417,
736.4269295973874
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 4,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
716.251989141627,
752.8080959364306,
903.4653187306939,
906.4790373074563
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 5,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
463.5139941963868,
716.1454855585717,
639.8065462260913,
807.4119837332419
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 6,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
628.8857686667292,
750.4679293165673,
701.4309338824925,
897.8984263679574
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 7,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
572.721769790009,
670.902264241214,
668.6686012044058,
751.2479848565217
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 8,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
677.8992584272,
727.8463186578883,
739.6536553402602,
770.7493733553829
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 9,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
614.1947226642537,
740.4138801349324,
670.5320672165193,
771.8327838275419
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 10,
"object_class": {
"name": "5단계본엽",
"id": 1
},
"bbox": [
663.4898991474861,
706.2864502619253,
683.5329928824267,
740.9555853710118
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
},
{
"object_id": 11,
"object_class": {
"name": "5단계육묘",
"id": 0
},
"bbox": [
463.8303500542571,
471.5157345869692,
956.8254513054663,
906.7867258815494
],
"polygon": [],
"categories": [
{
"name": "고추",
"value": "본엽8매~10매"
}
]
}
],
"environment": [
{
"insolation": 0.0,
"illuminant": 7000.0,
"temperature": 23.9,
"humidity": 74.2
}
],
"measurement": [
{
"central_thickness": 2.29,
"line_length": 9.94,
"leaf_width": 3.66,
"leaf_area": 18.26,
"leaf_length": 7.03
}
]
} -
데이터셋 구축 담당자
수행기관(주관) : ㈜일주지앤에스
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 임병석 051-502-4570 bsforest@i-gns.co.kr 데이터 가공 / 관리 및 구축 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 농업회사법인아시아종묘㈜ 육묘 원천 데이터 획득 세종대학교산학협력단 AI 모델 개발 및 학습 전라남도농업기술원 육묘 원천 데이터 획득 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 임병석 051-502-4570 bsforest@i-gns.co.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 구영현 02-3408-3253 yhgu@sejong.ac.kr 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 임병석 051-502-4570 bsforest@i-gns.co.kr
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.
오프라인 데이터 이용 안내
본 데이터는 K-ICT 빅데이터센터에서도 이용하실 수 있습니다.
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.
국방데이터 개방 안내
본 데이터는 국방데이터로 군사 보안에 따라 AI허브에서 데이터를 제공하지 않으며,
군 담당자를 통한 별도의 사용 신청이 필요합니다.