ConvLSTM을 사용한 토마토 생산량 및 성장량 예측 모델에 관한 연구 (A Study on the Prediction Model for Tomato Production and Growth Using ConvLSTM)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 18권 / 1호 / 1 ~ 10페이지
· 저자명 : 홍성은, 박태주, 방준일, 김화종

초록

스마트 팜의 생육, 생산량의 정확한 예측모델은 스마트 팜의 생산성 향상 및 자동화에 가장 중요한 기술이다. 하지만, 국내의 생육 및 생산량 예측 연구는 연 단위, 월 단위의 생산량 예측연구가 대부분이다. 스마트 팜과 같은 농장 단위 데이터를 사용한 예측 모델 개발연구는 미흡하며, 생산량 예측(추정)을 위한 연구에서는 데이터 기반이 아닌 통계모델을 도출하는 연구가 대부분이다. 그렇기에, 본 연구자는 데이터기반 생육, 생산량 예측에 대한 연구로 스마트 팜 환경에서 발생한 데이터를 사용한 예측모델을 개발하였다. 연구에서는 다중선형회귀, 랜덤 포레스트, 딥러닝(ConvLSTM) 알고리즘을 비교분석하였고, 딥러닝 기법을 적용한 ConvLSTM모델이 개별 농가와 평균 농가의 점수가 가장 높았다. 실험 결과 생산량 예측 모델의 점수는 0.981이고, 생장량 예측 점수는 0.805를 얻었다.

영어초록

The most important technology is the accurate prediction model of the growth and production of smart farms. However, domestic research is largely based on annual and monthly production forecast studies. Predictive model studies using farm unit data are insufficient, and studies for output forecasting (assumption) are being conducted to derive statistical models, not data-based ones. Therefore, the researcher developed a data-based growth and production prediction model using data from smart farm environments. In the study, multi linear regression, random forest and deep learning algorithm (ConvLSTM) were compared, and the ConvLSTM model, which applied deep learning technique, had the highest score for individual and average farmers. The score for the production forecast model was 0.981, and the for the growth forecast was 0.805.

참고자료

· 없음