제주특별자치도 주요 관심 채소류 6종(월동무, 배추, 마늘, 양파, 당근, 브로콜리)에 대한 AI 학습용 데이터(항공 등의 이미지) 중 일부 샘플이미지입니다. 해당 이미지를 활용하여 인공지능 학습 후 월동작물 수급조절에 필요한 작물별 재배면적을 식별하고 생산량을 예측하기 위한 자료 활용할 수 있습니다. <활용분야> - 주요 관심작물에 대한 인공지능 학습용 데이터를 전국적으로 공유하고 재배면적 산정을 위한 기술개발에 기초자료를 제공함 - 자동화된 작물별 재배면적의 인식 및 단수에 따른 생산량 예측으로 농업통계 분야의 혁신적 전환을 모색하고 좀 더 의미 있는 농업정보 제공 - 월동 채소류에 대한 과학적 재배면적 및 생산량 예측을 통하여 농업민의 합리적 파종계획을 지원하고 전체적인 채소 수급량을 조절하여 산지폐기 예산 등을 절감 <데이터 소개> ‘18년 항공영상(GSD : 10cm급), ’19년/‘20년 드론영상(GSD : 5cm) 중 제주특별자치도 밭지역(약 328㎢, 팜맵 기준)에 대한 자료(정사영상)를 확보 또는 신규 촬영(228㎢) 및 처리하여 월동채소 6종(월동무, 당근, 마늘, 양파, 브로콜리, 양배추)에 대한 인공지능 학습용 데이터(원시영상, 마스킹영상)를 구축함 ※ 등록된 자료는 원천이미지와 라벨링이미지에 대한 샘플자료로 전체 자료는 단계적으로 개방할 예정입니다.
제주특별자치도 주요 관심 채소류 6종(월동무, 배추, 마늘, 양파, 당근, 브로콜리)에 대한 AI 학습용 데이터(항공 등의 이미지) 중 일부 샘플이미지입니다. 해당 이미지를 활용하여 인공지능 학습 후 월동작물 수급조절에 필요한 작물별 재배면적을 식별하고 생산량을 예측하기 위한 자료 활용할 수 있습니다. <활용분야> - 주요 관심작물에 대한 인공지능 학습용 데이터를 전국적으로 공유하고 재배면적 산정을 위한 기술개발에 기초자료를 제공함 - 자동화된 작물별 재배면적의 인식 및 단수에 따른 생산량 예측으로 농업통계 분야의 혁신적 전환을 모색하고 좀 더 의미 있는 농업정보 제공 - 월동 채소류에 대한 과학적 재배면적 및 생산량 예측을 통하여 농업민의 합리적 파종계획을 지원하고 전체적인 채소 수급량을 조절하여 산지폐기 예산 등을 절감 <데이터 소개> ‘18년 항공영상(GSD : 10cm급), ’19년/‘20년 드론영상(GSD : 5cm) 중 제주특별자치도 밭지역(약 328㎢, 팜맵 기준)에 대한 자료(정사영상)를 확보 또는 신규 촬영(228㎢) 및 처리하여 월동채소 6종(월동무, 당근, 마늘, 양파, 브로콜리, 양배추)에 대한 인공지능 학습용 데이터(원시영상, 마스킹영상)를 구축함 ※ 등록된 자료는 원천이미지와 라벨링이미지에 대한 샘플자료로 전체 자료는 단계적으로 개방할 예정입니다.
제주특별자치도 주요 관심 채소류 6종(월동무, 배추, 마늘, 양파, 당근, 브로콜리)에 대한 AI 학습용 데이터(항공 등의 이미지) 중 일부 샘플이미지입니다. 해당 이미지를 활용하여 인공지능 학습 후 월동작물 수급조절에 필요한 작물별 재배면적을 식별하고 생산량을 예측하기 위한 자료 활용할 수 있습니다. <활용분야> - 주요 관심작물에 대한 인공지능 학습용 데이터를 전국적으로 공유하고 재배면적 산정을 위한 기술개발에 기초자료를 제공함 - 자동화된 작물별 재배면적의 인식 및 단수에 따른 생산량 예측으로 농업통계 분야의 혁신적 전환을 모색하고 좀 더 의미 있는 농업정보 제공 - 월동 채소류에 대한 과학적 재배면적 및 생산량 예측을 통하여 농업민의 합리적 파종계획을 지원하고 전체적인 채소 수급량을 조절하여 산지폐기 예산 등을 절감 <데이터 소개> ‘18년 항공영상(GSD : 10cm급), ’19년/‘20년 드론영상(GSD : 5cm) 중 제주특별자치도 밭지역(약 328㎢, 팜맵 기준)에 대한 자료(정사영상)를 확보 또는 신규 촬영(228㎢) 및 처리하여 월동채소 6종(월동무, 당근, 마늘, 양파, 브로콜리, 양배추)에 대한 인공지능 학습용 데이터(원시영상, 마스킹영상)를 구축함 ※ 등록된 자료는 원천이미지와 라벨링이미지에 대한 샘플자료로 전체 자료는 단계적으로 개방할 예정입니다.