AI-OCR을 활용한 영농일지 자동화 시스템 설계 및 구현 = Farming Diary Automation System Design & Implementation with AI-OCR

국문 초록 (Abstract)

본 연구는 손으로 필기하여 작성한 영농일지를 AI-OCR을 활용하여 디지털화 후 저장하고 활용하는 시스템의 설계 및 구현을 목표로 한다. 현재 농업 현장에서는 대부분 영농일지를 수기(필기)로 작성하고 있으며, 이로 인해 데이터로 활용하기 어렵다는 문제점이 존재한다. 스마트 기기를 이용한 직접 입력 방식이 일부 시도되고 있으나 작업 중 키보드 입력의 불편함, 태블릿 구매 비용 부담, 배터리 충전 및 파손 위험, 무게 등으로 인한 휴대성 저하 문제로 실질적인 활용에는 한계가 있다. 본 연구에서는 필기의 편의성과 디지털화된 데이터 활용성을 동시에 확보하기 위해 인공지능(AI)과 광학 문자 인식(OCR) 기술을 접목한 클라우드 기반 AI-OCR을 활용하였다. 사용자가 필기로 작성한 영농일지를 스캔하여 이미지 파일로 변환하면 시스템이 클라우드 AI-OCR 기술을 통해 이를 텍스트로 변환하고 데이터베이스에 구조화하여 저장하도록 구현하였다. 시스템 설계를 위해 표준화 모델링 언어(Unified Modeling Language, UML)를 활용하였으며 시스템 구성은 C# 기반 Windows Desktop Application, ASP.NET Core 기반 Web-API(Web Application Programming Interface), 그리고 데이터 처리를 담당하는 데이터베이스 서버로 이루어져 있다. OCR 엔진으로는 한글 필기 인식과 양식(Template), 키-값(Key-Value) 추출 정확도가 우수한 Naver Clova OCR을 적용하였다. 연구 결과 AI-OCR을 활용함으로써 다양한 필기 스타일에서도 높은 인식률을 보였으며 데이터 저장 및 검색 기능이 효율적으로 동작함을 확인하였다. 또한 공공데이터를 활용하여 기상 정보를 연동하고 원하는 시점의 영농일지를 확인할 수 있는 기능을 구현함으로써 사용자 편의성을 높였다. 따라서 본 연구는 기존 수기 영농일지의 비효율성을 개선하고 디지털화를 통한 편의성과 농업 데이터 활용성을 증진할 수 있을 것으로 기대된다. 향후 연구에서는 OCR 인식률 향상을 위한 지속적인 연구가 필요하며 시스템 접근성을 높이기 위해 웹 기반 시스템으로의 전환 및 통합이 요구된다. 또한 영농일지 작성 효율성을 높일 수 있는 음성 텍스트 변환(Speech-to-Text, STT) 기술 도입과 비전(Vision) 기술을 활용한 스케치 또는 병충해 사진 등 비정형 데이터 분석 기술로 발전시킬 필요가 있다. 궁극적으로는 양식 기반 한계를 넘어 대규모 언어 모델(Large Language Model, LLM)과 비전 언어 모델(Large Vision Language Model, LVLM)을 연계하여 자연어와 이미지를 자유롭게 처리할 수 있는 고도화된 지능형 영농일지 시스템으로 발전시킬 필요가 있다.

다국어 초록 (Multilingual Abstract)

This study aims to design and implement a system that digitalizes handwritten farming diaries using AI-OCR (Artificial Intelligence–Optical Character Recognition) for storage and utilization. Currently, most farming diaries in agricultural fields are recorded manually (handwritten), which makes it difficult to utilize the information as structured data. Although some attempts have been made using direct input methods through smart devices, their practical application remains limited due to the inconvenience of keyboard input during field work, the cost burden of purchasing tablets, battery charging and damage risks, and reduced portability caused by device weight. To maintain the convenience of handwriting while enabling the usability of digitized data, this study employed a cloud-based AI-OCR system that integrates Artificial Intelligence (AI) and Optical Character Recognition (OCR) technology. When a user scans a handwritten farming diary and converts it into an image file, the system processes the image using cloud-based AI-OCR technology, converts the content into text, and stores it in a structured format within a database. Unified Modeling Language (UML) was used for system design. The system architecture consists of a C#-based Windows Desktop Application, an ASP.NET Core-based Web-API (Web Application Programming Interface), and a database server responsible for data processing. Naver Clova OCR, which provides high accuracy in Korean handwriting recognition as well as template and key-value extraction, was applied as the OCR module. The results show that the AI-OCR system achieved high recognition accuracy across various handwriting styles and operated efficiently in terms of data storage and retrieval. In addition, the system improved user convenience by linking public data sources to provide weather information and implementing a function that allows users to retrieve farming records for specific time periods. Therefore, this study is expected to improve the inefficiencies of traditional handwritten farming diaries and enhance both usability and the value of agricultural data through digitization. Future research should focus on continuously improving OCR recognition accuracy and transitioning to an integrated web-based system to enhance accessibility. Furthermore, the system should be advanced by introducing Speech-to-Text (STT) technology to improve the efficiency of farming diary creation and by developing vision-based technologies capable of analyzing unstructured data such as sketches or images of pests and diseases. Ultimately, the system should evolve beyond the limitations of fixed templates into an advanced intelligent farming diary platform capable of processing both natural language and images through the integration of Large Language Models (LLMs) and Large Vision Language Models (LVLMs).

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구 배경 및 필요성 1
• 2. 연구 목적 2
• 3. 연구의 차별성 2
• 4. 연구 기대 효과 3
• 5. 연구 범위 및 구성 4
• 6. 주요 용어 4
• Ⅱ. 선행 연구 및 기술 검토 6
• 1. 선행 연구 6
• 2. 딥러닝을 이용한 AI-OCR 11
• Ⅲ. 시스템 설계 및 환경 구성 13
• 1. 시스템 설계 13
• 2. 실험용 양식 기반 데이터 준비 및 OCR API 구성 21
• 3. 공공데이터 기상 API 구성 26
• Ⅳ. 시스템 개발 및 결과 28
• 1. 시스템 구현 및 운영환경 28
• 2. 공통 코어 (Class Library) 개발 30
• 3. 백엔드 (Web-API Application) 개발 34
• 4. 프론트엔드 (Windows Desktop Application) 개발 35
• 5. 시스템 결과 38
• Ⅴ. 연구 결론 및 향후 과제 44
• 1. 연구 결론 44
• 2. 향후 과제 44