노지 채소 경작에서 최적의 재배전략과 생구무게의 예측

• 영문명: Optimal Cultivation Strategies and Prediction of Fresh Weight in Vegetable Farming
• 발행기관: 한국스마트미디어학회
• 저자명: 강진호(Jin Ho Kang) Zhuolin Liu 강수람(Soo Ram Kang) 나명환(Myung-Hwan Na)
• 간행물 정보: 『스마트미디어저널』제13권 제12호, 45~55쪽, 전체 11쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

작금의 농업현장에서 노지에서 재배되고 있는 작물들은 기후와 온도변화, 강수량 등의 문제가 발생하며, 여러 가지 환경요인과 재배 방법에 따라서 수확량이 크게 달라지고 있다. 따라서 양파와 마늘 등 작물의 수확량을 극대화할 수 있는 재배전략과 이를 확인할 수 있는 생구무게의 예측방법을 제안하였다. 무안의 파속채소연구소에 시범단지를 조성하여 양파와 마늘 각각에 대해서 일정한 간격으로 수작업을 통한 생육특성, 다분광 영상을 통한 식생지수 그리고 이들에 대응되는 생구무게를 측정하였다. 이를 NFCRM(Nonparametric Functional Concurrent Regression Model), RFRM(Random Forest Regressor Model), 1D-CABL(1D-CNN+Attention BiLSTM) 세 가지 예측모형을 사용하여 생구무게를 예측할 때 어떤 모형이 예측력이 가장 우수한지 비교 분석하였다. 성능을 비교한 결과 양파와 마늘 모두 NFCRM이 RFRM와 1DCABL의 경우보다 예측력이 우수한 것으로 나타났다.

영문 초록

Crops grown in open fields are greatly affected by various environmental factors such as climate, temperature changes and precipitation which can significantly influence crop yields depending on cultivation methods and environmental conditions. Therefore, this study proposes cultivation strategies to maximize the yield of onions and garlic along with methods for predicting bulb weight. An experimental site was established at the Allium Crop Research Institute in Muan, where growth characteristics were manually measured, and vegetation indices were acquired using multispectral imaging, along with corresponding bulb weights for both onions and garlic at regular intervals. To predict bulb weight, three predictive models were applied: NFCRM, RFRM, and 1D-CNN+Attention BiLSTM. Comparative analysis of predictive performance showed that NFCRM outperformed the other models, RFRM and 1DCABL, in predicting of the bulb weight of both onions and garlic.

목차

Ⅰ. 서론

Ⅱ. 본론

Ⅲ. 결론

References

키워드

생구무게 예측 생육특성 식생지수 비모수 함수열 동시 회귀모형 랜덤포레스트 회귀모형 Prediction of Bulb Weight growth characteristics vegetation index non-parametric regression model random forest regression model 1D-CNN + Attention based BiLSTM