A Comparative Study on Machine Learning Models for Paprika Growth Prediction Model with Temperature Changes
Saravanakumar Venkatesan, Jong-Hyun Lim, Chanagsun Shin, Yongyun Cho · 한국통신학회논문지 · 2021
일반적으로, 스마트팜 내외부 온도 변화는 작물의 생장, 생산, 병해충 발생 및 경영 효율성에 밀접하게 영향을 미치는 요인이기 때문에 온도변화에 대한 적절한 대응이 중요하다. 에너지를 효율적으로 사용하고 온도를 최적으로 제어하기 위해서는, 재생 에너지, 데이터 분석, 기계 학습과 같은 스마트 기술이 온실에서 적극적으로 적용될 필요가 있다. 데이터 분석이 가능한 머신러닝 기술은 기존 데이터를 기반으로 미래를 예측할 수 있는 강력한 신뢰할 수 있는 모델 중 하나로 최근 다양한 분야에서 활용되고 있다. 본 논문은 스마트 팜 내 · 외부 온도변화와 에너지 사용에 따른 기계학습 기술 기반의 작물생장 예측 모델을 제안한다. 이를 위해 제안된 연구는 태양광 에너지 생산 데이터와 온실에서의 온도 변화 데이터 분석과 함께 SVM(Support Vector Machine), RF(Random Forest), XGB(eXtreme Gradient Boosting), 그리고 GBM(Gradient Boosting Machine)과 같은 기계 학습 모델을 사용한 작물 생장 예측 효율성 실험을 통해 최적의 모델을 제안한다. 실험 결과, SVM 및 GBM 기반 모델은 RF 기반모델에 비해 좋은 예측 성능을 보였다. 특히, GBM 기반 모델은 스마트팜에서의 에너지 사용량에 따른 온도 변화예측에서 다른 모델에 비해 유용한 것으로 판단되었다. 따라서, 제안되는 GBM 기반 모델은 스마트팜에서의 작물생장을 위한 효율적인 온도 및 에너지 제어 서비스 응용 개발에 활용될 수 있다.