http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 남민기 ( Minki Nam ) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
딥러닝을 이용한 스마트팜 내부 온·습도 예측 알고리즘 개발 및 검증
조라훈 ( Lahoon Cho ),남민기 ( Minki Nam ),전영광 ( Youngkwang Jeon ),김석준 ( Seokjun Kim ),박승영 ( Seungyoung Park ),김대현 ( Daehyun Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2
최근 국내를 비롯한 전 세계적으로 농업인구 고령화를 해결하고자 스마트팜에 대한 연구 및 기술개발활동이 활발하게 진행되고 있다. 국내에서 이루어지는 다양한 스마트팜 관련 연구 중 빅데이터와 인공지능 기술을 적용하기 위한 연구가 활발히 이루어지고 있지만 시설온실 내부 환경 예측 및 제어에 관한 연구는 미비한 실정이다. 본 연구는 강원도 인제에 위치한 약 3400평 규모의 파프리카 스마트팜에서 저장된 2020년 환경데이터와 LSTM 신경망을 활용하여 온실 내부 온·습도를 예측하는 딥러닝 알고리즘을 개발하였다. 알고리즘의 입력값은 4,5,7,8월의 외부광량과 외기온도로, 출력값은 시설 내부 온·습도로 각각 설정하였고 학습은 실제 농장 데이터와 출력값의 MSE(mean square error)를 최소화하는 것을 목표로 하여 진행되었다. 검증을 위해 6월의 환경 데이터를 알고리즘에 적용하여 출력된 온·습도와 실제 데이터를 비교한 결과 각각 결정계수(R-square)가 0.827, 0.689로 나타났다. 온실 내부 환경 예측 알고리즘의 정확도를 높이기 위하여 LSTM 신경망에 피드백(feedback)을 활용하여, 한 타임스텝에서 계산된 내부 온습도 결과가 다음 타임스텝의 입력으로 들어갈 수 있도록 알고리즘을 개선하였다. 검증을 위해 이전과 동일한 방식으로 예측된 온·습도와 실제데이터를 비교하였을 때 결정계수가 각각 0.939, 0.723으로 나타나 개선모델의 정확성이 기존 알고리즘 대비 높아진 것을 확인하였다. 딥러닝 기반의 알고리즘의 검증 결과 온도는 비교적 정확하게 예측이 가능하지만 상대습도의 경우 예측의 정확도가 떨어지는 것이 확인되었다. 향후 추가적인 실제농장 데이터 확보와 알고리즘 개선을 통해 내부 습도데이터의 예측 정확성을 높이기 위한 연구가 진행예정이다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
