[논문]A study on Digital Agriculture Data Curation Service Plan for Digital Agriculture

Lee, Hyunjo; Cho, Han-Jin; Chae, Cheol-Joo

doi:10.9708/jksci.2022.27.02.171

A study on Digital Agriculture Data Curation Service Plan for Digital Agriculture 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.27 no.2, 2022년, pp.171 - 177

Lee, Hyunjo (Dept. of Computer Engineering, Jeonbuk National University) , Cho, Han-Jin (Dept. of Energy IT Engineering, Far East University) , Chae, Cheol-Joo (Dept. of General Education, Korea National College of Agriculture and Fisheries)

초록
AI-Helper

본 논문에서는 다출처 농업 데이터를 통찰할 수 있는 지식체계를 마련하고, 시간 흐름을 가지는 환경인자 분석 정보를 클러스터링 할 수 있는, 농작물 환경 인자 큐레이션 서비스 방법을 제안한다. 제안하는 큐레이션 서비스는 크게 수집, 전처리, 저장, 분석의 네 단계로 구성된다. 첫째, 수집 단계에서는 OpenAPI 기반의 웹크롤러를 이용하여 다출처 농업 데이터에 대한 수집 및 정리를 수행한다. 둘째, 전처리 단계에서는 데이터 측정 오차를 감소시키기 위해 데이터 평활화를 수행한다. 이때 온실, 노지 등의 시설 특성에 따른 오차율을 고려하여 시설 유형별 평활화 방법을 적용한다. 셋째, 저장단계에서는 대용량 농업 데이터 관리를 위해, 농업 데이터 통합 스키마 및 Hadoop HDFS 기반의 저장 구조를 제안한다. 마지막으로 분석 단계에서는 농업 디지털 데이터의 시계열 특성을 고려한 DTW 기반의 시계열 분류를 수행한다. DTW 기반 시계열 분류를 통해 시계열 데이터의 특성을 손실 없이 반영하여 예측 결과 정확도를 향상시킨다. 향후 연구로는 제안한 서비스 방법을 구현하여 스마트팜 온실에 적용하고, 테스트 및 검증을 수행할 예정이다.

Abstract ▼ AI-Helper

In this paper, we propose a service method that can provide insight into multi-source agricultural data, way to cluster environmental factor which supports data analysis according to time flow, and curate crop environmental factors. The proposed curation service consists of four steps: collection, preprocessing, storage, and analysis. First, in the collection step, the service system collects and organizes multi-source agricultural data by using an OpenAPI-based web crawler. Second, in the preprocessing step, the system performs data smoothing to reduce the data measurement errors. Here, we adopt the smoothing method for each type of facility in consideration of the error rate according to facility characteristics such as greenhouses and open fields. Third, in the storage step, an agricultural data integration schema and Hadoop HDFS-based storage structure are proposed for large-scale agricultural data. Finally, in the analysis step, the service system performs DTW-based time series classification in consideration of the characteristics of agricultural digital data. Through the DTW-based classification, the accuracy of prediction results is improved by reflecting the characteristics of time series data without any loss. As a future work, we plan to implement the proposed service method and apply it to the smart farm greenhouse for testing and verification.

주제어

표/그림 (9)

그림 Fig. 1. Example of Digital Agriculture Technology
그림 Fig. 2. Smart Farm Korea Platform Service
표 Table 1. Environmental information on facility horticulture provided by Smart Farm Korea
그림 Fig. 3. Public data portal platform service
표 Table 2. Description of pest information service
그림 Fig. 4. Multi-source agricultural big data collection and processing and data classification and clustering flow for collecting environmental factors of crops
그림 Fig. 5. Crop environmental factor information database schema
그림 Fig. 6. Time series-based deep learning data set construction and optimal crop environmental factor analysis and prediction algorithm development flow
그림 Fig. 7. Proposed of Agricultural Data Curation Service

AI 본문요약
AI-Helper

문제 정의

또한 농업 데이터가 다양한 출처로부터 다양한 형태로 생성되기 때문에, 이를 통합된 데이터 형식으로 수집·처리하기 어려운 문제가 존재한다. 이러한 문제를 해결하기 위해본 논문에서는 디지털 농업으로의 전환을 지원하고, 디지털 농업 데이터를 통찰할 수 있는 지식 체계를 제공하는 사용자 큐레이션 방안에 대해 제안한다.

제안 방법

즉, 기존 연구들은 특정 시간에서의 정보와 전·후 시간 관계의 일관성에 대한 고려가 부족하다 할 수 있다. 이를 해결하기 위해 본 논문에서는 다 출처 농업 데이터를 통찰할 수 있는 지식체계를 마련하고, 시간 흐름을 가지는 환경인자의 특성을 고려한 클러스터링을 통해 농작물 환경 인자를 큐레이션 할 수 있는 서비스 방법에 대해 제안하였다. 향후 연구로는, 첫째, 제안하는 서비스 방법을 기반으로 최적의 농작물 환경인자 큐레이션 기술적용을 위한 시나리오를 작성하고, 둘째 시나리오를 바탕으로 분석·예측 정보를 제공하는 프로토타입을 개발하고, 마지막으로 개발한 시스템을 스마트팜 온실에 적용하여 테스트 및 검증을 수행할 예정이다.

데이터처리

다양한 온라인 플랫폼에서 환경정보, 제어정보, 생산정보, 지역정보, 병충해 정보 등의 농업 데이터 수집을 위해 각 플랫폼에서 제공하는 OpenAPI와 Python을 이용하여 웹크롤러를 개발하여 데이터를 추출한 후, 추출된 데이터는 Hadoop HDFS를 이용하여 각각의 데이터별로 구분하여 저장한다. Fig.

이론/모형

데이터 분석을 위해서는 정확한 데이터 값이 필요하지만 농작물 환경인자 데이터의 경우 대부분 센서로 부터 획득된 데이터 값이기 때문에 데이터 전처리 과정이 필요하다. 농작물환경인자 데이터의 전처리를 위해 데이터 평활화 과정을 수행하며, 시계열 특성을 반영하여 온실 데이터의 경우 이중지수평활법(double exponential smoothing)을 이용하며 필드 데이터의 경우 Winters 계절지수평활법(Winters Seasonal Exponential Smoothing)을 사용할 수 있다.

후속연구

향후 연구로는, 첫째, 제안하는 서비스 방법을 기반으로 최적의 농작물 환경인자 큐레이션 기술적용을 위한 시나리오를 작성하고, 둘째 시나리오를 바탕으로 분석·예측 정보를 제공하는 프로토타입을 개발하고, 마지막으로 개발한 시스템을 스마트팜 온실에 적용하여 테스트 및 검증을 수행할 예정이다.

참고문헌 (18)

J. Park, D. Suh and J. Lee, "The future of agriculture, digital agriculture," Korea Rural Economic Institute Publishing, 2021.
W. S. Lee, K. Son, D. Jun, and Y. Shin, "Big Data Activation Plan for Digital Transformation of Agriculture and Rural," KIPS Trans. Softw. and Data Eng., Vol.9, No.8, pp.235~242, July 2020. DOI: 10.3745/KTSDE.2020.9.8.235

원문보기 상세보기
S. L. Patil, H. J. Tantau and V. M. Salokhe, "Modelling of tropical greenhouse temperature by auto regressive and neural network models," Biosystems engineering, Vol. 99, No. 3, pp 423-431, March 2008. DOI: 10.1016/j.biosystemseng.2007.11.009

상세보기
D. F. Nettleton, D. Katsantonis, A. Kalaitzidis, N. Sarafijanovic- Djukic, P. Puigdollers, and R. Confalonieri, "Predicting rice blast disease: machine learning versus process-based models," BMC bioinformatics, Vol. 20, No. 1, pp 1-16, October 2019. DOI: 10.1186/s12859-019-3065-1

상세보기
J. H. Kim, J. S. Kim, and Y. S. Jhang, "A Design and Implementation for a Realtime Monitering and Controlling System in the Stockyard," Journal of The Korea Society of Computer and Information, Vol. 14, No. 10, pp 167-174, October 2008.
Y. W. Lee et al., "Implementation of Facility Management System for Plant Factory," Journal of The Korea Society of Computer and Information, Vol. 16, No. 2, pp, 141-152, Feb. 2011. DOI: 10.9708/jksci.2011.16.2.141

원문보기 상세보기
B. K. Son, "Mounting Detection System of Hanwoo Based on Deep Learning," Journal of next-generation convergence technology association, Vol. 5, No. 1, pp 49-56, Feb. 2021. DOI: 10.33097/JNCTA.2021.05.01.49

상세보기
M. W. Han, G. Son, Y. S. Ryu, S. H. Lee and H. G. Lee, "Trends in Artificial Intelligence R & D Trends in Major Countries and Prospect of Agriculture Application," Ministry of Agriculture, Forestry and Fisheries Publishing. 2016.
K. H. Choi, "Trends in intelligent information technology in the era of the 4th industrial revolution and the direction of agricultural R&D," Korea Institute of Planning and Evaluation for Technology in Food, Agriculture, and Forestry Publishing, 2017.
H. J. Lee, "The Fourth Industrial Revolution and the Future of Agriculture: Smart Farms and the Sharing Economy," Korea Rural Economic Institute Publishing, 2017.
K. Y. Lee, J. J. Jeong, S. H. Kim, C. M. Lim, and S. S. Lee, "A Study on the Design of Data Collection System for Growing Environment of Crops," Journal of Korea Information Electronic Communication Technology, Vol.11, No.6, pp 764-771, Dec. 2018. DOI: 10.17661/jkiiect.2018.11.6.764

원문보기 상세보기
J. Y. Lee, C. B. Moon, and B. M. Kim, "Big Data Model for Analyzing Plant Growth Environment Informations and Biometric Information," Journal of the Korea Industrial Information Systems Research, Vol.25 No.6, pp 15-23, Dec. 2020. DOI: 10.9723/jksiis.2020.25.6.015

원문보기 상세보기
Smart Farm Korea. https://www.smartfarmkorea.net
Publicdata Portal. https://www.data.go.kr/
Smart farm status survey and performance analysis. Korea Agency of Education, Promotion and Information Service in Food, Agriculture, Forestry and Fisheries Publishing, 2021.
National Crop Pest Management System. https://ncpms.rda.go.kr
R. Kaundal, A. S. Kapoor, and G. P. Raghava, "Machine learning techniques in disease forecasting: a case study on rice blast prediction," BMC bioinformatics, Vol. 7, No. 1, pp 1-16, Nov. 2006., DOI: 10.1186/1471-2105-7-485

상세보기
F. He, and C. Ma, "Modeling greenhouse air humidity by means of artificial neural network and principal component analysis," Computers and Electronics in Agriculture, Vol. 71, pp S19-S23, April 2010. DOI: 10.1016/j.compag.2009.07.011

상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증