Gradient Boosting을 이용한 가축분뇨 인계관리시스템 = A Livestock Excretions Management Systems using Gradient Boosting

국문 초록 (Abstract)

본 연구에서는 가축분뇨 인계시스템에서 사용되고 있는 운반차량의 센서데이터를 활용하여 인계서를 자동 생성하는 기법을 제안한다. 본 연구는 센서데이터를 분석하고 머신러닝 기법을 적용하여 가축분뇨인계서에 최적화 된 결과를 도출하고 기존 가축분뇨인계서와 비교 분석하여 자동으로 인계서를 생성할 수 있는 방법을 제시한다. 특히 머신러닝 알고리즘 중에서 Gradient Boosting 기법의 활용방안을 제안한다.
본 연구의 목적은 가축분뇨 인계관리시스템을 사용하고 있는 배출자, 운반자, 처리자가 가축분뇨와 액비를 배출할 때 매번 수동으로 입력하므로써 추가 인력이 소모되고, 데이터 정합성 문제 발생으로 가축분뇨와 액비의 유통 및 처리에 관한 관리의 어려움이 발생하고 있어 데이터를 활용하여 자동으로 인계서를 생성함으로써 가축분뇨와 액비 관리의 효율성을 높이고자 하였다.
가축분뇨와 관련된 기존 연구에서는 주로 가축분뇨 처리와 자원화에 관한 연구가 대부분이였고 가축분뇨 유통 및 관리 시스템 개선에 대한 연구는 매우 부족한 상황이다. 이에 본 연구에서는 데이터 기반의 가축분뇨 인계시스템 유통 및 관리시스템 기능 개선을 제안한다.
본 연구에서는 가축분뇨와 액비를 운반하는 운반차량에 부착된 GPS, 중량센서 데이터를 수집하여 여러 가지 데이터 전처리를 하고 머신러닝 모델 학습을 통해 가축분뇨와 액비의 상차, 이동, 하차 시점과 위치 그리고 상차, 하차 시 중량을 판별하는 기술을 연구하였다.
데이터 처리 과정에서는 GPS와 중량센서에서 수집된 데이터는 속도값, 중량값으로 활용하였으며 일정시간 간격의 중량차 값, 일정 시간 간격의 위치차 값을 추가하여 학습모델의 분별력을 높이고자 하였다.
가축분뇨 배출농가에서 직접 입력한 인계서를 분석한 데이터와 제안모델인 Gradient Boosting 알고리즘을 적용하여 자동 생성한 인계서를 비교한 결과 평균 약 86.5%의 성능을 보여 가축분뇨인계서 자동 검증 효과가 있음을 확인하였다.
본 연구에서 가축분뇨와 액비 운반차량에 부착된 센서 데이터를 활용하여 머신러닝 알고리즘을 사용하여 가축분뇨인계서를 생성하여 수동으로 입력하는 인계서를 자동 검증 할 수 있는 체계를 수립함으로써 배출자, 운반자, 처리자의 업무 부담을 줄이고 효율적인 관리가 가능하여 가축분뇨와 액비 유통과 처리를 투명하게 할 수 있는 환경이 조성될 것으로 판단된다.
향후 과제로는 가축분뇨와 액비를 유통, 처리하는 현장에서 다양한 사례들이 발생하고 있는 실정으로 이에 대한 사례와 데이터를 분석하여 다양한 패턴에 대한 추가적인 연구가 필요하고 최근 인공지능분야에서 많이 활용되고 있는 CNN(합성곱신경망, Convolutional Neural Network), RNN(순환신경망, Recurrent Neural Network), LSTM(Long Short Term Memory) 등 딥러닝을 활용한 개선 방안이 수립되어야 한다. 특히 실시간 판별을 위한 데이터 처리, 분석, 학습, 판별에 대한 연구가 필요하다.

다국어 초록 (Multilingual Abstract)

This study proposes a technique for automatically generating an electronic handover using sensor data of a transport vehicle used in the livestock manure electronic handover system. This study proposes a method to automatically generate an electronic handover by analyzing sensor data and applying various machine learning techniques to derive the optimized results for the livestock manure electronic handover and by comparing and analyzing it with the existing livestock manure electronic handover. In particular, among the machine learning algorithms, we propose the application of gradient boosting technique.
The purpose of this study is to manually input each time the emitter, transporter, and handler using the livestock manure electronic handover system discharge livestock manure and liquid manure, additional manpower is consumed, and the distribution of livestock manure and liquid manure occurs due to data integrity problems. As there are difficulties in management related to and treatment, it is intended to increase the efficiency of livestock manure and liquid manure management by automatically generating an electronic handover using data.
In the existing studies related to livestock manure, most of the studies were mainly on the treatment and resource use of livestock manure, and the study on the improvement of the distribution and management system of livestock manure is very insufficient. Therefore, in this study, we propose to improve the function of the distribution and management system of the data-based livestock manure electronic handover system.
In this study, GPS and weight sensor data attached to a transport vehicle that transports livestock manure and liquid manure are collected, various data preprocessing is performed, and the loading, moving, and unloading time and location of livestock manure and liquid manure and loading and unloading are performed through machine learning model learning, the technology for determining the weight in case of a defect was studied.
In the data processing process, data collected from GPS and weight sensors were used as speed values and weight values, and weight difference values at regular time intervals and position difference values at regular time intervals were added to enhance the discrimination power of the learning model.
As a result of comparing the data obtained by analyzing the handover form directly entered by the farmhouse discharging livestock manure and the handover form automatically generated by applying the proposed model Gradient Boosting algorithm, the result showed an average performance of about 86.5%, confirming the automatic verification effect of the livestock manure handover note.
In this study, using the sensor data attached to the livestock manure and liquid manure transport vehicle, a machine learning algorithm is used to create an electronic handover form for livestock and establish a system that can automatically verify the manually entered electronic handover form. It is judged that an environment will be created that can transparently distribute and dispose of livestock manure and liquid manure by reducing the work load of the handler and enabling efficient management.
As a future task, various cases are occurring in the field of distributing and processing livestock manure and liquid manure. Improvement measures using deep learning such as (Convolutional Neural Network), RNN (Recurrent Neural Network), and LSTM (Long Short Term Memory) should be established. In particular, it is necessary to study data processing, analysis, learning, and discrimination for real-time discrimination.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1 연구의 배경 및 목적 1
• 1.2 연구의 내용 및 방법 3
• 1.3 논문의 구성 4
• 제 2 장 관련 연구 5
• 2.1 Gradient Boosting 알고리즘 5
• 2.2 가축분뇨와 액비의 배출현황 7
• 2.2.1 가축분뇨와 액비의 배출과 처리현황 7
• 2.2.2 돈분뇨 배출과 처리 현황 분석 8
• 2.2.3 액비 배출과 처리 현황 분석 10
• 2.3 기존 시스템의 문제점 12
• 2.3.1 기존 시스템 소개와 운영 현황 12
• 2.3.2 기존 시스템의 문제점 18
• 제 3 장 Gradient Boosting을 이용한 가축분뇨 인계관리시스템 19
• 3.1 시스템 개요 19
• 3.1.1 시스템 개요 19
• 3.1.2 시스템 상세 기능 22
• 3.1.3 인계서 관리 24
• 3.2 데이터 구축과 제안기법 25
• 3.2.1 데이터 수집 27
• 3.2.2 데이터 변환 29
• 3.3 Gradient Boosting을 이용한 학습데이터 생성 32
• 3.3.1 학습데이터 생성 프로세스 32
• 3.3.2 학습데이터 모델 구축 32
• 3.4 Gradient Boosting을 이용한 인계서 검증 35
• 3.4.1 Gradient Boosting을 이용한 판별 프로세스 35
• 3.4.2 가축분뇨인계서 검증 36
• 3.4.3 액비 살포 검증 38
• 제 4 장 실험 및 성능평가 40
• 4.1 실험 환경 구성 및 평가 방법 40
• 4.1.1 실험 환경 구성 40
• 4.1.2 평가 지표 41
• 4.1.3 평가 방법 44
• 4.2 Gradient Boosting을 이용한 인계관리시스템 성능평가 46
• 4.2.1 실험 데이터 46
• 4.2.2 Gradient Boosting을 이용한 인계관리시스템 실험 결과 50
• 4.3 Gradient Boosting을 이용한 인계관리시스템 검증 54
• 4.3.1 실험 데이터 54
• 4.3.2 가축분뇨인계서 검증 결과 54
• 4.3.3 액비 살포 검증 결과 59
• 제 5 장 결론 61
• 5.1 연구 결과 및 의의 61
• 5.2 향후 연구 계획 63
• 참고문헌 65