LSTM Autoencoder를 활용한 스마트 온실 데이터 이상 탐지 구현 = Implementation of Smart Farm Data Anomaly Detection Using LSTM Autoencoder

다국어 초록 (Multilingual Abstract)

In this paper, LSTM (Long-Short Term Memory), a sequence data processing model, is used as an Autoencoder method that reconstructs input smart farm sensor data composed of encoders and decoders to implement an artificial intelligence model that detects anomaly in smart farm. The LSTM Autoencoder was trained by using the normal data collected from the 60 sensors installed for precise control of the greenhouse environment of the smart farm as input sequence values. The trained model obtained a very low train and validation error in the learning process, and the LSTM Autoencoder model that has finally completed the learning process contains information about normal data distribution in the representation vector, so sequence input is restored based on that information. In this restoration precess, when a sequence input that is out of the normal data distribution is received, it is applied to anomaly detection by taking advantage of the fact that the reconstruction error increases because accurate restoration does not proceed. The error that becomes the threshold value that distinguishes normal and abnormal data can be set using the loss distribution obtained in the learning process, and the error for sequence input can be visualized as an image and used for anomaly detection.

참고문헌 (Reference)

1 이철원 ; 안수용 ; 김재영 ; 안형태, "환경 데이터를 활용한 온실형 스마트팜에서 센서 이상 탐지 시스템" 한국데이터정보과학회 32 (32): 1237-1248, 2021

2 김만배 ; 최창열, "합성곱 신경망을 이용하는 수퍼픽셀 기반 사과잎 병충해의 분류" 한국방송∙미디어공학회 25 (25): 208-217, 2020

3 김용현 ; 조병호 ; 이기범 ; 김만중 ; 김원경 ; 홍영기 ; 김경철, "토마토 적과로봇을 위한 토마토 인식 모델 개발" 한국통신학회 47 (47): 1990-1997, 2022

4 백정현 ; 허정욱 ; 김현환 ; 홍영신 ; 이재수, "클라우드 기반 한국형 스마트 온실 연구 플랫폼 설계 방안" (사) 한국생물환경조절학회 27 (27): 27-33, 2018

5 김삼근 ; 안재근, "심층 CNN 기반 구조를 이용한 토마토 작물 병해충 분류 모델" 한국산학기술학회 22 (22): 7-14, 2021

6 최휘민 ; 김주만, "스마트팜 ICT기기의 이상탐지 시스템" 한국인터넷방송통신학회 19 (19): 169-174, 2019

7 김나은 ; 한희선 ; 아룰모지엘렌체쟌 ; 문병은 ; 최영우 ; 김현태, "머신러닝 알고리즘을 이용한 온실 딸기 생산량 예측" (사) 한국생물환경조절학회 31 (31): 1-7, 2022

8 조경호 ; 정세훈 ; 심춘보, "딥러닝 기반 표고버섯 병해충 이미지 분석에 관한 연구" 한국멀티미디어학회 23 (23): 50-57, 2020

9 정수호 ; 이명훈 ; 여현, "딥러닝 기반 과일 선별 시스템" 한국지식정보기술학회 13 (13): 589-595, 2018

10 이용주, "딥 러닝 기반의 CCTV를 활용한 이상 행동 감지 시스템 설계" 한국지식정보기술학회 17 (17): 183-191, 2022

11 황인철 ; 노희선 ; 양동일 ; 김만배, "다중 회귀 분석을 이용한 파프리카 생산량 예측" 한국통신학회 46 (46): 2048-2055, 2021

12 김미진 ; 김지호 ; 이동현 ; 한정훈, "다중 원격 제어와 딥러닝 생장 진단 기능을 가지는 스마트 팜" 한국컴퓨터정보학회 27 (27): 49-57, 2022

13 고광은 ; 양승환 ; 장인훈, "객체 탐색용 딥러닝 모델 기반 실시간 토마토 숙도 분류 시스템" 제어·로봇·시스템학회 24 (24): 999-1004, 2018

14 P. Malhortra, "LSTM-based encoder-decoder for multi-sensor anomaly detection"

15 장현성, "Data-mining Based Anomaly Detection in Document Management System" 한국지식정보기술학회 10 (10): 465-473, 2015

16 Y. J. Kim, "An analysis of the current status and success factors of smart farms" Korea Rural Economic Institute 1-76, 2016

17 Statistics Korea, "Agriculture, Forestry and Fishery survey"