머신러닝과 IoT를 이용한 최적시점 예측시스템 연구

국문 초록 (Abstract)

본 논문은 실시간 실제 기상데이터를 이용하여 변화되는 대상물에 적용하여 특정지점 이후의 최적의 시점을 예측 하고자 한다. 일반적인 범용 기상정보는 실제현장과 다른 경우가 많다. 또한 일부 활용중인 IoT센싱 활용기술은 스마트 팜 등에 적용하여 원격에서 모바일기기를 통해 또는 고정된 자동화 장비를 통한 온도와 수분공급의 제어기기를 작동시키는 정도로 활용하는데 머물러있다. 하지만 본 논문에서는 데이터베이스기반 최적시점 예측시스템으로 발전연구 하고자 한다. 이를 위해 첫째, IoT센싱 장비를 설치하여 설치현장의 실제데이터 전송을 위해 실시간 측정한다. 둘째, 데이터 수집을 위한 IoT소형장비에 데이터베이스 서버를 구축하고 네트워크를 이용하여 실시간 기상데이터를 수집 저장하며 웹서버를 구축하여 수집된 데이터를 활용하도록 시각화한다. 셋째, IoT기상정보가 수집되는 곳에서 대상물로 식물을 직접 재배하여 변화를 주기적으로 기록하고 IoT기상데이터와 함께 대상의 성장변화를 기록하여 생육목적 최적시기를 데이터화한다. 이 축적된 데이터베이스를 기반으로 수확최적시점을 찾는다. 넷째, 데이터기반 머신러닝기술 중 군집화 알고리즘을 이용하여 데이터베이스에 수집된 자료로부터 최적시점을 군집화 하고 이를 기반으로 머신러닝 분류기알고리즘을 통하여 통합정보 및 의사결정시스템을 획득한다. IoT와 머신러닝의 활용기술의 대상은 정밀한 관리가 필요한 작물이나 가축 또는 인공적 관리가 가능한 대상에 관리목표의 최적시점 예측을 위함이다. 본 논문은 다양한 IoT센싱 기술의 활용과 데이터베이스를 기반으로 하여 대한민국의 미래이자 성장 동력인 4차 산업과 머신러닝기반의 인공지능연구의 필요성에 기초하였다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose an optimal point after a certain point by applying it to a changing object using real - time actual weather data. General weather information is often different from the actual site. In addition, some of the IoT sensing application technologies that are in use are applied to smart farms and the like to remotely operate them through mobile devices or to operate temperature and moisture control devices through fixed automation equipment. However, in this paper, we want to develop a data-based prediction system. First, IoT sensing equipment is installed to measure real-time data for actual data transmission at the installation site. Second, a database server is constructed in IoT small equipment for data collection, and real-time weather data is collected and stored using a network. The data is visualized to utilize the collected data. Third, IoT meteorological information is collected directly, and the changes are periodically recorded, and IoT meteorological data and plant growth changes are recorded and data for optimal growth period are recorded. Based on this accumulated database, we find the optimal harvesting point. Fourth, we cluster optimal points from the data collected in database using a clustering algorithm in data - based on machine learning technology and acquire integrated information and decision system through machine learning classifier algorithm based on it. The use of IoT and machine learning technology is aimed at predicting the optimal timing of management objectives for crops, livestock, or artificially manageable objects that require precise management. This paper is based on the utilization of various IoT sensing technologies and the necessity of artificial intelligence research based on machine learning and 4th industry which is the growth engine of Korea.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 1.1 연구 배경 1
• 1.2 논문의 구성 3
• 제 2 장 관 련 연 구 4
• 2.1 일부 범용 기상데이터의 한계 4
• 2.2 기후변화와의 영향과 우리나라의 정책 6
• 2.2.1 기후변화에 관한 작물의 변화 6
• 2.2.2 우리나라 기후변화 정책에 관한연구 7
• 2.3 작물의 재배와 수확 9
• 2.3.1 최적수확기와 실험의 작물 9
• 2.3.2 연구를 위한 실험 작물의 재배 설계 11
• 2.4 IoT와 OSHW 12
• 2.4.1 사물인터넷 12
• 2.4.2 OSHW 13
• 2.4.3 머신러닝 14
• 제 3 장 IoT 기상데이터 수집 모델 15
• 3.1 OSHW Device 및 IoT Sensing Hardware 15
• 3.1.1 OSHW의 종류 15
• 3.1.2 IoT Sensing Hardware 17
• 3.2 Sensing Client와 데이터 수집 하드웨어 19
• 3.2.1 Sensing Client 19
• 3.2.2 DB Server, Web Server 21
• 3.3 OSHW Webserver & Database 의 구축 22
• 3.3.1 OSHW를 이용한 Web Server 22
• 3.3.2 OSHW를 이용한 DB Server 23
• 3.4 Machine Learning 24
• 3.4.1 Machine Learning k-NN 24
• 3.4.2 Machine Learning K-Means 27
• 제 4 장 연구실험 및 결과 30
• 4.1 IoT와 DB서버를 이용한 데이터 수집 30
• 4.1.1 IoT 기상센싱 클라이언트 장비 구현 30
• 4.1.2 OSHW IoT 데이터베이스 서버구현 35
• 4.1.3 OSHW 웹서버 구현 37
• 4.1.4 수집된 IoT 기상데이터 39
• 4.1.5 수집된 IoT 기상데이터 분석 43
• 4.2 실험 작물 재배 45
• 4.2.1 식물 수확시점 분석을 위한 샘플 분석 45
• 4.2.2 재배기를 통한 생육실험의 필요장비 51
• 4.2.3 식물재배를 위한 원료와 그 재배 방법 52
• 4.2.4 식물재배 방법과 생육 데이터 55
• 4.2.5 생육데이터 그래프 분석 58
• 4.2.6 재배기간 내 기상변화에 대한 식물의 성장 61
• 4.3 예측을 위한 데이터 분석과 계산 및 머신러닝 63
• 4.3.1 재배식물 생육데이터의 정량화 63
• 4.3.2 분석용 평균데이터 생성 67
• 4.3.3 분석 평균데이터기반 최적시점 예측(계산식) 70
• 4.3.4 머신러닝을 이용한 생육데이터 분석 (분류기) 74
• 4.3.5 머신러닝을 이용한 생육데이터 분석 (군집화) 81
• 4.3.6 머신러닝 분석을 이용한 수확 및 각 시점 예측 84
• 4.3.7 IoT와 머신러닝을 이용한 발전된 예측시스템 모델 85
• 4.3.8 연구데이터를 통한 시중 판매회사 재분석 86
• 제 5 장 연구결과 및 향후과제 89
• 5.1 연구결과 및 성과 89
• 5.2 향후 과제 90
• 참고문헌 92
• 영문요약 93