스마트팜 토마토 수확시간 예측: 머신러닝과 딥러닝 접근법의 비교

김지훈; 권숙희; 하일도; 나명환

doi:10.7465/jkdi.2022.33.2.283

주제분류

Top 5%

...

저널정보

한국데이터정보과학회
한국데이터정보과학회지 학술저널
한국데이터정보과학회지 제33권 제2호
2022.03 283 - 298 (16page)
DOI : 10.7465/jkdi.2022.33.2.283

저자정보

김지훈 (부경대학교)
권숙희 (부경대학교)
하일도 (부경대학교)
나명환 (전남대학교)

이용수
내서재: 21

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

본 논문에서는 스마트팜 분야에서 사물 인터넷 (IoT)을 이용하여 수집된 주별 토마토 빅데이터 (big data)를 활용하여 수확시간 예측 결과를 제시하고자 한다. 여기서 수확시간은 착과부터 수확까지의 시간으로 정의된다. 토마토 수확시간에 대해, 일반적으로 예측 성능이 좋은 것으로 알려진 딥러닝 (Deep Learning)과 머신러닝 (Machine Learning) 앙상블 (Ensemble) 모형의 일종인 랜덤포레스트 (Random forest)와 XGBoost (Extreme Gradient Boosting)을 이용하여 세 모형들 간 수확시간의 예측 결과를 비교 분석하고자 한다. 추가적으로 선형 회귀 모형에 대한 수확시간 예측 결과를 또한 비교 분석한다. 본 연구는 토마토의 수확시간을 예측함으로써 적절한 시기에 토마토를 수확함으로 인해 농가 이윤에 기여 할 수 있을 것으로 예상된다.

In this paper, we present the prediction results of the harvest time from tomato big data collected by week using the Internet of Things (IoT) in the field of smart farms. Here, the harvest time is defined as the time from fruiting to harvest. For the prediction of tomato harvest time, we consider the three powerful prediction methods, deep learning, random forest and XGBoost. In addition, we also consider a classical linear regression model. We compare and analyze the prediction results among the four models. This study is expected to contribute the profit of farmers by harvesting tomatoes at the appropriate time by predicting the harvest time of tomatoes.

#딥러닝 모형 #랜덤포레스트 모형 #수확시간 #스마트팜 #XGBoost 모형 #Deep learning model #harvest time #random forest model #smart farm #XGBoost model