4계절 딸기 생육을 위한 스마트팜 센서 데이터 및 딥러닝 예측 모델 (Smart Farm Sensor Data and Deep Learning Prediction Models for Strawberry Growth in All Seasons)

서지정보

· 발행기관 : 한국디지털콘텐츠학회
· 수록지 정보 : 디지털콘텐츠학회논문지 / 25권 / 2호 / 557 ~ 565페이지
· 저자명 : 박철홍, 이수창, 이미정, 김진영, 유광현

초록

스마트팜은 연중무휴로 작물을 재배할 수 있으며, 생육환경을 센싱하고 제어함으로써 농가의 생산량을 향상시킬 수 있다. 본 논문은 농가에서 가장 높은 소득원인 딸기를 4계절 재배할 수 있는 스마트팜과 스마트팜 생육환경 센서 데이터를 예측하는 딥러닝 모델을 소개한다. 제안하는 스마트팜은 생육환경 원격 제어 및 데이터를 수집하고 이를 기반으로 인공신경망, 순환신경망, 합성곱신경망의 대표적인 딥러닝 모델들을 비교 실험하여 시기별 생육환경을 예측한다. 실험 결과, 온도와 습도 센서는 LSTM 모델이, 이산화탄소 센서는 TCN 모델이 최적의 성능을 보여주었다. 따라서 딥러닝 모델을 통해 이상적인 딸기 생육환경을 조성할 수 있도록 기대된다.

영어초록

Smart farming, through sensing and controlling the growth environment, enables year-round crop cultivation, enhancing agricultural productivity. This paper introduces a smart farm specializing in year-round cultivation of strawberries, a highly profitable crop for farmers. It incorporates a deep learning model predicting sensor data for the smart farm's growth environment. The proposed smart farm facilitates remote environmental control and data collection. Representative deep learning models such as artificial neural networks, recurrent neural networks, and convolutional neural networks are experimentally compared in terms of their prediction performance for seasonal growth environments. Results indicate that the LSTM model excels with temperature and humidity sensors, whereas the TCN model performs best with carbon dioxide sensors. This suggests potential for creating an ideal strawberry growth environment through the application of deep learning models.

참고자료

· 없음