$\require{mediawiki-texvc}$

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.

인공신경망을 이용한 시설원예 농산물 생산량 예측 방안
The agricultural production forecasting method in protected horticulture using artificial neural networks 원문보기

한국정보통신학회 2016년도 추계학술대회, 2016 Oct. 25, 2016년, pp.485 - 488  

민재홍 (한국전자통신연구원) ,  허미영 (한국전자통신연구원) ,  박주영 (한국전자통신연구원)

초록
AI-Helper 아이콘AI-Helper

국내 온실용 복합환경제어 기술은 온도, 습도 및 $CO_2$ 등의 환경을 작물재배 기술 및 전문가의 자문을 통하여 환경을 설정하여 하드웨어를 기계적으로 조작하는 단계이다. 이러한 자동화는 노동력 절감 등의 단순효과는 있으나, 실질적인 생산량 증대 및 품질을 개선하기 위하여 식물의 생육, 생리상태를 실시간으로 추적하고 그에 맞게 실시간으로 최적 환경을 제어하는 소프트웨어 기반의 복합환경제어 기술이 필요하다. 따라서 본고는 이러한 복합환경제어기술의 방안제시의 일환으로 국내에서 수행중인 스마트팜 빅데이터 분석 체계와 인공신경망 기술동향을 분석하고, 이를 기반으로 인공신경망을 이용한 시설원예 생산량 예측 방안을 제시하고자 한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The level of domestic greenhouse complex environmental control technology is a hardware-oriented automation steps that mechanically control the environments of greenhouse, such as temperature, humidity and $CO_2$ through the technology of cultivation and consulting experts. This automatio...

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 본고는 이러한 복합환경제어기술의 방안제시의 일환으로 농촌진흥청 및 농림수산식품 교육문화정보원에서 수행중인 스마트팜 빅데이터 분석 체계와 인공신경망 기술동향을 분석하고, 이를 기반으로 인공신경망을 이용한 시설원예 생산량 예측 방안을 제시하고자 한다.
  • 그러나 이러한 추정방식은 대부분이 회귀모형 및 시계열 모형에 지나치게 의존하고 있는 경향이 있다. 본 연구는 회귀모형 및 시계열 모형을 이용한 생산량 모형 개발 방법에서 발견되는 문제점을 보완할 수 있는 새로운 모형 개발 방법을 도입하여 기존 모형과 상호 보완적인 모형을 개발하고자 하였다. 그 중에서 인공신경망은 독립변수 간 상관관계, 변수 분포에 대해 특별한 가정을 하지 않고, 변수들 간의 비선형 관계에 대한 분석이 가능하여, 모형의 일반화에 장점을 가지고 있다[5].
  • 이에 본 연구는 대표적인 시설원예 작물인 과채류(토마토 및 파프리카)에 대한 생산량 예측 인공신경망 모형 개발에 대한 방향을 제시한다. 인공신경망의 구조는 정보가 들어가는 입력 층, 결과 값을 내는 출력 층과 입력 층과 출력 층 사이에서 정보를 처리하는 1개의 은닉 층으로 구성되어 있으며, 각 구성 층은 가중치와 연결강도에 의해 결정된다.
  • 이와 같은 문제점을 해결하기 위하여 S/W 기반의 복합환경제어기술의 방안 제시의 일환으로 농촌진흥청 및 농림수산식품교육문화정보원에서 수행중인 스마트팜 빅데이터 분석 체계와 인공신경망 기술동향을 분석하고, 이를 기반으로 인공신경망을 이용한 시설원예 생산량 예측 방안을 제시하고자 하였다. 따라서 본 논문에서 제시한 인공신경망을 이용한 생산량 예측 방안을 복합환경제어 장치에 적용하여 최적 환경제어에 활용하기 위하여 시설원예 현장에서 발생하는 환경 및 생육 자료를 장기적으로 축적하고, 이를 기반으로 환경과 생육간의 계량적인 관련성을 분석하여 인경신경망의 입력 항목, 출력항목, 결합함수 및 활성화 함수에 대한 수학적인 함수를 도출하여야 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
인공 신경망은 어떻게 구성되는가? 인공 신경망은 정보가 들어오는 입력 층, 뉴런에 미치는 영향의 크기를 조절하는 연결강도, 입력과 연결강도를 결합하는 결합함수, 그리고 결합함수로부터 나온 결과를 변환하여 출력 값을 결정하게 하는 활성화 함수로 구성된다. (그림 2)는 인공 신경망이며, n개의 입력을 받아 각각 연결강도를 곱한 총합을 활성화 함수에 의해 변형하여 출력 값을 계산한다[6].
농림수산식품교육문화정보원은 스마트팜 우수농가로부터 환경 데이터와 생육 데이터를 수집하여 분석하여 어떤 정보 서비스를 제공하는가? ◾맞춤형분석서비스 : 환경정보 및 생육정보 항목을 농가가 선택하여 비교분석 할 수 있는 서비스로 선도농가의 환경관리 조건을 벤치마킹하여 생산성 향상에 활용 ◾개화착과출현분석 : 각 화방이 출현하고 개화하고 착과하는 시간 간격을 분석하여 수확시기를 예측하여 적기출하에 활용 ◾작물생육지표 : 작물의 생장 밸런스를 선도 농가와 비교 분석 영양생장 혹은 생식생장을 강화할지 의사결정을 지원 ◾잠재에너지수요량분석 : 온실 내 작물의 필요 에너지와 실제 받는 에너지 비교 분석을 통한 에너지 운영의 효율성 제고 ◾개화착과속도분석 : 개화와 착과시기 간격을 분석하여 작물 영양 상태를 판단
신경망의 계층의 수에 따른 분류 2가지는? 현재 다양한 신경망 모델들이 제안되고 있지만 계층 수, 출력형태, 데이터유형, 학습 방법 및 활성화 함수 등 몇 가지 기준에 의해 신경망을 분류할 수 있다. 먼저 계층의 수에 따른 분류를 보면 크게 단층(single-layer) 신경망과 다층(multi-layer) 신경망의 2가지로 구분된다. 단층 신경망은 가장 단순한 구조로서 외부 입력을 받아들이는 입력 층과 신경망에서 처리된 결과를 출력하는 출력 층으로 구성된다.
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

저작권 관리 안내
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