머신러닝 알고리즘을 활용한 과채류 수확량 예측 모델 개발
과제구분 기관고유 수행시기 전반기
연구과제 및 세부과제명 연구분야 수행기간 연구실 책임자

데이터 기반 인공지능 농업적 활용 연구

 농업정보 ’22~’27 원예연구과 김혜형

머신러닝 알고리즘을 활용한 과채류 수확량 예측 모델 개발

 농업정보 ’22~’25 원예연구과 김혜형
색인용어

스마트팜, 빅데이터, 과채류, 머신러닝, 모델
 
□ 연구 목표
최근 스마트팜 보급 확대와 함께 재배 환경 및 생육 데이터를 활용한 데이터 기반 농업기술 개발의 중요성이 증가하고 있다. 스마트팜에서는 다양한 센서와 시스템을 통해 환경 데이터가 지속적으로 수집되고 있으나 장비 간 호환성 문제, 데이터 구조의 표준화 부족 및 분석 기반의 미흡 등으로 인해 실제 농업 현장에서의 활용도는 제한적인 실정이다(노 등, 2020; 김 등, 2022). 또한 시설원예 작물의 생산량은 온실 환경, 생육 상태 및 재배 관리 요인의 복합적인 영향을 받기 때문에 이를 반영한 생산량 예측 기술 개발이 필요한 것으로 보고되고 있다(Lin 등, 2019).
스마트팜에서 수집되는 환경 데이터는 작물 생육 상태 분석과 생산량 예측을 위한 기초 자료로 활용될 수 있으며, 토마토 재배 데이터를 이용한 분석 연구에서도 작물 생육 지표와 온실 환경 조건이 수확량과 높은 상관관계를 나타내는 것으로 보고된 바 있다(김 등, 2023; 노 등, 2020; 한 등, 2023). 최근에는 환경 데이터와 생육 데이터를 활용한 머신러닝 기반 작물 생산량 예측 연구가 활발히 수행되고 있으며 ANN, Random Forest, SVR 등 다양한 머신러닝 기법이 작물 생산량 예측에 적용되어 높은 예측 정확도를 보이는 것으로 보고되고 있다(Odah 등, 2025; Mancer 등, 2024). 또한 이러한 분석 기술은 작물 생육 상태와 생산량을 예측하여 재배 관리 및 생산 계획 수립을 지원하는 스마트농업 의사결정 지원 기술로 활용될 수 있다(Gong 등, 2021).
따라서 본 연구에서는 스마트팜에서 수집되는 환경 및 생육 데이터를 활용하여 시설원예 작물(오이, 방울토마토)의 생산량 예측 모델을 개발하고, 데이터 기반 분석 환경 구축과 머신러닝 기반 생산량 예측 모델 개발을 통해 데이터 기반 스마트농업 의사결정 지원 기술을 확보하고자 하였다. 또한 개발된 생산량 예측 모델을 정보시스템과 연계하여 실제 농업 현장에서 활용 가능한 생산량 예측 서비스 형태로 구현하고자 하였다.
 
※ 자세한 내용은 첨부파일을 참고하세요.