스마트팜에서 빅데이터 분석을 활용한 경남 토마토 농가의 생산성 향상 모델 개발 = Research on Development of a productivity improvement model for tomato farms in Gyeongnam Region Using Big Data Analysis in Smart Farms

다국어 초록 (Multilingual Abstract)

This study was conducted to create a decision-making model that can economically approach the initially set goals of increasing production, controlling the timing of production, and the quality of the final fruit through big data analysis of environmental factors and crop growth in smart farms at the time of the paradigm shift from conventional experience-oriented agriculture to digital-oriented agriculture. For this purpose, environmental, growth, and management data were collected from tomato farmers in Gyeongnam Province since 2018, and based on this data, factors related to production were analyzed and a prediction model was created. As a result of the analysis, considering that it takes 7 weeks for tomatoes to bloom and be harvested, we extracted the main factors affecting yield by combining environmental, growth, and yield data for 7 weeks per plant, and then predicted yield per 3.3m2 using a deep neural network (DNN) based on these factors. In addition, by applying the ensemble technique, it seems that five major growth factors such as stem thickness and leaves can be predicted by the current week's environment. Based on the results of this analysis, it is expected that digital agriculture in the Gyeongnam region can be implemented through the development of models that improve productivity and profitability by integrating and managing smart farm measurement big data and applying the analyzed results in smart farm farms, and through on-farm demonstration.

국문 초록 (Abstract)

본 연구는 기존의 경험 중심의 농업에서 디지털 중심의 농업으로 패러다임이 전환 되는 시점에서 스마트팜의 환경 요인과 작물의 생육에 대한 빅데이터 분석을 통해 생산량 증대, 생산 시기 조절 및 최종 과실의 품질 등을 당초 설정한 목표치에 경제적으로 접근할 수 있는 의사결정 모델을 만들고자 수행되었다. 이를 위해 2018년부터 경남지역의 토마토 재배 농가를 대상으로 환경과 생육, 경영 데이터를 수집하였으며 이 데이터를 바탕으로 생산량과 관련된 요인을 분석하고 예측 모델을 만들고자 하였다. 분석 결과 토마토가 꽃이 피고 수확 될 때까지 걸리는 기간이 7주인 것을 고려하여, 화방당 7주 동안의 환경과 생육, 수량 데이터를 조합하여 수량에 영향을 주는 주요 요인을 추출한 이후에 이 요인들을 대상으로 심층신경망(DNN; Deep Neural Network)을 이용하여 3.3m2당 생산량을 예측 할 수 있었다. 또한 앙상블 기법을 적용하여 현재 주간의 환경으로 줄기 굵기, 엽장 등 주요 생육 5 요인을 예측 가능한 것으로 보인다. 이 분석 결과를 바탕으로 스마트팜 측정 빅데이터를 통합 관리하고 분석하여 분석된 결과를 스마트팜 농가에서 적용함으로써 생산성 및 수익성을 향상시키는 모델 개발과 농가 현장 실증을 통해 경남지역의 디지털 농업을 구현할 수 있을 것으로 보인다.