소형 공간에 최적화된 스마트 홈 가드닝 모델 설계 (Smart Home Gardening Model Optimized for Small Space)

서지정보

· 발행기관 : 스마트융합콘텐츠학회
· 수록지 정보 : 스마트융합콘텐츠논문지 / 3권 / 4호 / 8 ~ 14페이지
· 저자명 : 정윤수, 심성호

초록

최근 몇 년 전 코로나 19의 장기화로 인하여 많은 사람이 건강한 식생활에 대한 요구가 증가하고 있다. 도시에서 IT 및 IoT 기술을 사용하여 식물과 환경에 대한 데이터를 수집하고, 식물의 건강과 성장을 위한 의사 결정을 자동화하는 스마트 가드닝이 증가하고 있다. 본 논문에서는 도시에서 IT 기술들을 이용하여 스마트 가드닝을 효율적으로 관리할 수 있는 최적화된 스마트 홈 가드닝 모델을 제안한다. 제안 모델은 화분에 부착된 센서 데이터를 효율적으로 분석하여 소형 주거 및 상업 환경에서 식물 성장을 관리를 손쉽게 하는 것을 목표로 한다. 제안 모델은 물주기 또는 비료 공급과 같은 작업을 자동화하고, 식물 건강과 수확량을 개선하기 위한 데이터 기반 결정을 모니터링을 통해 지원한다. 성능 평가 결과, KNN과 SVM은 평균적으로 LR보다 평균적으로 더 나은 결과를 얻었고, LR는 높은 포트 센서 정보 처리량과 지연 시간으로 인해 KNN과 SVM보다 효율적이지 못하였다. SVM은 다른 알고리즘에 비해 복잡한 다양한 환경 조건에서 성능이 효율적이었다.

영어초록

Due to the prolonged COVID-19 in recent years, many people's demand for a healthy diet is increasing. Smart gardening, which uses IT and IoT technologies in cities to collect data on plants and their environment, and automates decision-making for plant health and properties, is increasing. In this paper, we propose an optimized smart home gardening model that can efficiently manage smart gardening using IT technologies in cities. The proposed model aims to facilitate the management of plant growth in small residential and commercial environments by efficiently analyzing sensor data attached to potted plants. The proposed model automates tasks such as watering or fertilizer supply, and supports data-driven decisions to improve plant health and yield through monitoring. As a result of performance evaluation, KNN and SVM obtained better results on average than LR, and LR was not as efficient as KNN and SVM due to high port sensor information throughput and latency. Compared to other SVM cloud algorithms, performance was efficient in a variety of complex environmental conditions.

참고자료

· 없음