스마트팜 데이터 품질 향상을 위한 이상치 및 결측치 보정 방법에 관한 연구 (Research on outlier and missing value correction methods to improve smart farm data quality)

서지정보

· 발행기관 : 한국전자통신학회
· 수록지 정보 : 한국전자통신학회 논문지 / 19권 / 5호 / 1027 ~ 1034페이지
· 저자명 : 이성재, 심현

초록

본 연구는 AI 기반의 농진청·농정원의 스마트팜 데이터를 활용하여 재배 농가의 데이터 예측 활동에 도움을 주고, 데이터 품질 기반의 관리를 통해 이상치를 제거하고 결측치를 보정하여 양질의 데이터를 수집하고 관리하는 것을 목적으로 한다. IoT 기반의 스마트팜 농가의 성공적인 재배 환경을 위해서는 AI 기반 생육 데이터 자동 측정 모델 적용이 필요하며, 이를 위해서는 농가에서 수집된 재배 데이터를 안정적인 전처리를 통해 양질의 데이터 품질 지수가 필수적이다. 본 연구는 다양한 생육 데이터의 품질에 연관된 이상치와 결측치를 보정하는 구체적인 방안을 적용하고, 제시된 데이터 전처리 방안의 실 데이터를 머신러닝 기법을 활용하여 모델 성능 평가 지수로 타당성을 검증하였다. 연구 결과, 생육 데이터의 이상치 및 결측치 보정 방법을 사용한 결과 모델 성능 평가 및 ROC, AUC 측정치 모두 높은 예측 정확도를 보였으며, 실시간 데이터 마이닝의 결과도 효과적이었다.

영어초록

The purpose of this study is to assist in predictive activities for farming households by utilizing AI-based smart farm data from the Rural Development Administration and the Korea Agency of Education, Promotion and Information Service in Food, Agriculture, Forestry and Fisheries (EPIS). The study aims to remove outliers and correct missing values through quality-based data management, enabling the collection and management of high-quality data. To achieve a successful cultivation environment in IoT-based smart farms, it is essential to apply an AI-based model for automatic measurement of growth data. This requires stable preprocessing of cultivation data collected from farms to ensure a high data quality index. In this study, specific methods for correcting outliers and missing values related to the quality of various growth data were applied, and the validity of the proposed data preprocessing methods was verified by using machine learning techniques to evaluate model performance indices. The results showed that using outlier and missing value correction methods for growth data led to high prediction accuracy in model performance evaluation, as well as in ROC and AUC metrics. Additionally, the real-time data mining results were also effective.

참고자료

· 없음