$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

머신러닝 알고리즘을 이용한 온실 딸기 생산량 예측
Prediction of Greenhouse Strawberry Production Using Machine Learning Algorithm 원문보기

생물환경조절학회지 = Journal of bio-environment control, v.31 no.1, 2022년, pp.1 - 7  

김나은 (경상국립대학교 대학원 바이오시스템공학과) ,  한희선 (아이티아이즈) ,  아룰모지엘렌체쟌 (경상국립대학교 대학원 바이오시스템공학과) ,  문병은 (경상국립대학교 스마트팜연구소) ,  최영우 (경상국립대학교 대학원 바이오시스템공학과) ,  김현태 (경상국립대학교 생물산업기계공학과(스마트팜연구소))

초록
AI-Helper 아이콘AI-Helper

서부 경남 지역 중 딸기재배로 유명한 지역 40개 농가를 대상으로 한 조사에 따르면 국산품종 중에서 "설향"이 65.0%으로서 가장 선호하고 있는 것으로 나타났다. 그리고 현재의 농업은 4차 산업혁명으로 스마트팜(Smart Farm)의 기술이 더욱 발전하고 있는 실정이다. 그러나 각 생육단계가 어떤 상황일 때 딸기의 생산량이 최적에 달하는지 대한 기준이 없으며, 이러한 판단기준은 아직까지 스마트팜에 경험이 있는 농업인의 의사에 달려있다는 문제점이 있다. 따라서 본 연구에서는 딸기의 생육상황에 대한 생산량 예측을 통해 선진화된 스마트팜 시스템을 구축하고자 한다. 실험 장소는 경상남도 사천시의 딸기 농가에서 수행하였으며, 총 3곳을 대상으로 데이터 수집을 진행하였다. 실험 대상의 모든 온실 내에서 재배하는 딸기의 품종은 '설향'이다. 작물 데이터의 수집 항목은 작물의 엽수, 꽃수, 과실수, 초장, 잎의 길이, 엽록소 함량이며, 환경 데이터의 수집 항목은 온도, 습도, 조도이다. 기존의 농가 단위의 스마트팜의 문제점 보완 및 개선을 통하여 고품질의 작물 생장 상태를 유지하기 위해 K-fold 교차검증, Lasso 회귀분석, MAPE 검증을 통해 예측모델을 도출하였으며, MAPE 검증 결과 값으로 0.511(꽃 예측)과 0.488(과일 예측)의 값이 나타났다. 본 연구는 스마트팜 데이터 구축을 위해서는 AI를 통해 성장상태별 수확량을 예측하였으며, 이를 농가 및 농업 관련 기업에 활용해 농업 서비스가 편리할 것으로 판단된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Strawberry is a stand-out cultivating fruit in Korea. The optimum production of strawberry is highly dependent on growing environment. Smart farm technology, and automatic monitoring and control system maintain a favorable environment for strawberry growth in greenhouses, as well as play an importan...

주제어

#녹색혁명   #데이터 마이닝   #빅데이터   #스마트팜   #클라우드  

참고문헌 (21)

  1. Baek J.H., J.W. Heo, H.H. Kim, Y. Hong, and J.S. Lee 2018, Research-platform design for the korean smart greenhouse based on cloud computing. Protected Hort Plant Fac 27:27-33. (in Korean) doi:10.12791/KSBEC.2018.27.1.27 

    원문보기 상세보기 crossref

  2. Choi H., H. Ahn, Y. Jeong, and B. Lee 2019, A smart farm environment optimization and yield prediction platform based on IoT and deep learning. The Journal of Korea Institute of Information, Electronics, and Communication Technology 12:672-680. (in Korean) doi:10.17661/jkiiect.2019.12.6.672 

    원문보기 상세보기 crossref

  3. Choi H.G., H.J. Jeong, G.L. Choi, S.H. Choi, S.C. Chae, S.W. Ann, H.K. Kang, and N.J. Kang 2018, Effects of supplemental LED lighting on productivity and fruit quality of strawberry (fragaria ananassa duch.) grown on the bottom bed of the two-bed bench system. Protected Hort Plant Fac 27:199-205. (in Korean) doi:10.12791/KSBEC.2018.27.3.199 

    원문보기 상세보기 crossref

  4. Hwang D.H., and G.J. Park 2020, An analysis on the educational needs for the smart farm: focusing on SMEs in jeon-namarea. Journal of the Korea Academia-Industrial cooperation Society 21:649-655. (in Korean) doi:10.5762/KAIS.2020.21.1.649 

    원문보기 상세보기 crossref

  5. Jeong K.H., and H.J. Lim 2020a, Analyzing bankruptcy prediction in energy and environment industries using logistic lasso. Korean Energy Economic Review 19:117-152. (in Korean) 

  6. Jeong Y.K., J.G. Lee, E.K. Ahn, J.S. Seo, and Y.C. Yoon 2020b, Performance improvement of a temperature and humidity measuring system for strawberry cultivation greenhouse. Protected Hort Plant Fac 29:110-119. (in Korean) doi:10.12791/KSBEC.2020.29.2.110 

    원문보기 상세보기 crossref

  7. Jeong Y.K., J.G. Lee, S.W. Yun, H.T. Kim, and Y.C. Yoon 2018, Field survey of greenhouse for strawberry culture - case study based on western gyeongnam area -. Protected Hort Plant Fac 27:253-259. (in Korean) doi:10.12791/KSBEC.2018.27.3.253 

    원문보기 상세보기 crossref

  8. Kang J.H., H.M. Kim, H.M. Kim, H.W. Jung, H.R. Lee, H.S. Hwan, B.R. Jeong, N.J. Kang, and S.J. Hwang 2018, Gibberellin application method and concentration affect to growth, runner, and daughter plant production in maehyang strawberry during nursery period. Protected Hort Plant Fac 27:407-414. (in Korean) doi:10.12791/KSBEC.2018.27.4.407 

    원문보기 상세보기 crossref

  9. Kim D.K. 2020, Google colab. Magazine of the SAREK 49:110-111. (in Korean) 

  10. Kim J. 2018, Franchise business sales forecasting by comparison of neural network models. Korean Journal of Marketing 33:73-90. (in Korean) doi:10.15830/kmr.2018.33.3.73 

    상세보기 crossref

  11. Kim J.C., S.H. Kwon, I.D. Ha, and M.H. Na 2021, Survival analysis for tomato big data in smart farming. Journal of the Data and Information Science Society 32:361-374. (in Korean) doi:10.7465/jkdi.2021.32.2.361 

    상세보기 crossref

  12. KOSIS 2019, 2019 Strawberry production survey, https://kosis.kr/. Accessed 01 July 2021 

  13. Lee D.K., Y.W. Kim, and H.J. Park 2020a, Exploring variables affecting college graduates' job satisfaction : an application of sparse group lasso model. Asian Journal of Education 21:1069-1097. (in Korean) doi:10.15753/aje.2020.12.21.4.1069 

    상세보기 crossref

  14. Lee J., C. Moon, and B. Kim 2020b, Big data model for analyzing plant growth environment informations and biometric informations. Journal of the Korea Industrial Information System s Research 25:15-23. (in Korean) doi:10.9723/jksiis.2020.25.6.015 

    원문보기 상세보기 crossref

  15. Lee K.P. 2018, Where would you build your big data analytics platform? - comparative analysis between cloud and onpremise. Journal of Research Methodology 3:101-117. (in Korean) doi:10.21487/jrm.2018.11.3.2.101 

    상세보기 crossref

  16. Lee Y.E., N.J. Choi, Y.H. Byun, D.W. Kim, and K.C. Kim 2021, Rubber O-ring defect detection system using K-fold cross validation and support vector machine. Journal of The Korean Society of Visualization 19:68-73. (in Korean) doi:10.5407/jksv.2021.19.1.068 

    원문보기 상세보기 crossref

  17. Myttenaere A.D., B. Golden, B.L. Grand, and F. Rossi 2016, Mean absolute percentage error for regression models. Neurocomputing 192:38-48. doi:10.1016/j.neucom.2015.12.114 

    상세보기 crossref

  18. Na M.H., Y. Park, and W.H. Cho 2017, A study on optimal environmental factors of tomato using smart farm data. Journal of the Korean Data And Information Science Society 28:1427-1435. (in Korean) doi:10.7465/jkdi.2017.28.6.1427 

    원문보기 상세보기 crossref

  19. Park H.D., S.Y. Lee, and K.I. Ko 2019, A study on development plan by comparing korea-us japan agricultural cloud service. Korea Rural Economic Research Institute Basic Research Report pp 112-120. (in Korean) 

  20. Park S.G., and C.M. Heo 2020, The effect of the perception of ICT technical characteristics in agricultural industry on the intention to start smart farm: focusing on the mediating effects of effort expectation and acceptance intention of smart farm. Asia-Pacific Journal of Business Venturing and Entrepreneurship 15:19-32. (in Korean) 

  21. Tibshirani R. 1996, Regression shrinkage and selection via the lasso. J R Statist Soc B 58:267-288. 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로