LLM과 RAG를 활용한 스마트팜 제어 및 관리 지원 시스템 설계 및 구현 (The Design and Implementation of a Control and Management Support System for Smart Farms Using LLM and RAG)

서지정보

· 발행기관 : 한국콘텐츠학회
· 수록지 정보 : 한국콘텐츠학회 논문지 / 24권 / 12호 / 65 ~ 76페이지
· 저자명 : 이현병, 최인찬, 임동혁, 허정욱, 김태현, 이정민, 이정호, 박성진, 이태석, 백정현

초록

최근 인공지능 기술의 발전으로 LLM이 다양한 분야에 적용되고 있으며 농업 분야에 또한 많은 응용이 제안되었다. 그러나 LLM의 대표적인 단점으로 꼽히는 환각 문제와 같은 정보의 신뢰성이나 최신 정보를 반영하는 점에 대해서는 여전히 많은 연구가 필요한 상황이다. 이에 따라 본 연구에서는 공개된 언어 모델을 기반으로 농업 분야에 활용 가능한 LLM을 파인튜닝하고, RAG 기술을 통해 최신 농업 정보를 실시간으로 반영할 수 있는 시스템을 제안한다. 본 논문은 농업 전문 데이터셋을 구축하여 LLM을 파인튜닝하였으며, 농작물 생육 정보, 환경 제어 지침, 병해충 관리 등의 정보를 포함하는 지식 베이스를 구축하여 RAG 시스템에 활용하였다. 실험 결과, 제안하는 방법이 기존 ChatGPT와 같은 대규모 모델과 비교하여 구체적인 수치 기반의 제어 방안을 제시할 수 있었으며, 구축한 지식 데이터베이스를 통해 스마트팜에서의 토마토 재배 환경에서 정밀한 환경 제어 가이드라인을 제공할 수 있음을 확인했다. 본 연구를 통해 실시간으로 운영되는 스마트팜의 정보를 반영하여 사용자의 자연어 질의에 대해 신빙성 있는 방안을 제안할 수 있다. 또한, 최신 AI 기술을 스마트팜에 적용함으로써 농업 생산성 향상과 효율적인 자원 관리에 기여할 수 있다.

영어초록

Recent advances in Large Language Models (LLMs) have led to various agricultural applications, yet challenges remain regarding information reliability and up-to-date data integration, particularly concerning hallucination problems. This study proposes a system that fine-tunes LLMs for agricultural applications and implements Retrieval-Augmented Generation (RAG) technology to reflect real-time agricultural information. We developed a specialized agricultural dataset for LLM fine-tuning and constructed a knowledge base containing crop growth information, environmental control guidelines, and pest management data. Experimental results show that our system provides more specific numerical control measures compared to ChatGPT and delivers precise environmental control guidelines for tomato cultivation in smart farm settings. The system effectively responds to users' natural language queries with credible solutions while incorporating real-time smart farm data, contributing to improved agricultural productivity and resource management.

참고자료

· 없음