• 한국농공학회지
• /
• 제66권2호
• /
• pp.2-9
• /
• 2024

• 생물환경조절학회지
• /
• 제33권2호
• /
• pp.120-128
• /
• 2024

2022년 ChatGPT 출시 이후, 생성형 AI 산업은 엄청난 규모로 성장하였으며, 인지 작업에 혁신을 가져올 것으로 기대되고 있다. 특히 AI 기반 이미지 생성 기술은 현재 디지털 세계의 핵심적인 변화를 주도하고 있다. 본 연구는 대표적인 AI 이미지 생성 도구인 미드저니, 스테이블 디퓨전, 그리고 파이어플라이의 기술적 원리를 분석하고, 이미지 생성 결과를 비교함으로써 그 유용성을 평가하였다. 실험 결과, 이 AI 도구들은 대표 시설원예 작물인 토마토, 딸기, 파프리카, 오이의 과실 이미지를 실제와 유사하게 재현하였다. 특히 파이어플라이는 실제 온실 재배 작물 이미지를 매우 사실적으로 묘사하는 능력을 보여주었다. 그러나 모든 도구들은 작물이 자라는 온실의 환경적 맥락을 완전히 반영하는 데에 있어서 다소 한계를 보였다. 프롬프트 개선 및 레퍼런스 이미지를 활용하여 딸기과실 이미지와 시설 딸기재배 시스템을 보다 정교하게 생성하는 과정도 포함되었으며, 이러한 접근은 AI 이미지 생성 기술의 세밀한 조정이 가능함을 보여준다. 오이 과실 이미지 생성능력을 비교한 결과, AI 생성 도구들은 실제 이미지와 매우 유사한 이미지를 생성해 냄으로써 이미지 생성 점수(CLIP score)에 있어서 통계적 차이를 보이지 않았다. 본 연구는 AI 기반 이미지 생성 이미지 기술이 농업 분야에 활용될 수 있는 방안을 모색하며, 생성형 AI의 농업에 대한 적용을 긍정적으로 전망한다.

• 산업과 과학
• /
• 제3권2호
• /
• pp.17-22
• /
• 2024

최근 ICT분야가 다양한 환경에서 사용되면서 지속가능한 농업 환경에서는 ICT 기술들을 활용하여 농작물별 병충해 분석, 농작물 수확시 로봇 사용, 빅 데이터로 인한 예측 등이 가능해졌다. 그러나, 지속 가능한 농업 환경에서는 자원의 고갈, 농업 인구 감소, 빈곤 증가, 환경 파괴 등을 해결하기 위한 노력이 꾸준히 요구되고 있다. 본 연구에서는 지속 가능한 농업 환경 기반의 농작물의 생산 비용 감소 및 효율성을 증가하기 위한 인공지능 기반 빅 데이터 처리 기법을 제안한다. 제안 기법은 AI를 결합한 농작물의 빅 데이터를 처리함으로써 데이터의 보안성과 신뢰성을 강화하고, 더 나은 의사 결정과 비즈니스 가치 추출이 가능하다. 이는 다양한 산업과 분야에서 혁신적인 변화를 이끌어내고, 데이터 중심의 비즈니스 모델의 발전을 촉진할 수 있다. 실험과정에서 제안 기법은 다량의 데이터가 생성되나, 일일이 정답을 태깅하기 힘든 농장 현장에서, 소량의 데이터에 대해서만 정확한 정답을 부여하고, 정답이 부여되지 않은 다량의 데이터와 함께 학습하여, 다량의 정답 데이터로 학습했을 때와 유사한 성능(오차율:0.05 이내)이 나타났다.

• 한국전자통신학회논문지
• /
• 제19권5호
• /
• pp.883-894
• /
• 2024

본 연구는 AI 기반의 양식장 수질 모니터링 및 제어 시스템을 개발하고자 한다. 임베디드 보드 설계와 PCB 제작을 통해 신뢰성과 내구성을 갖춘 센서를 개발하였으며, 데이터 수집 및 전송을 위한 통신 모듈을 통합하였다. 본 연구는 다양한 수조의 사육수 수질 데이터를 수집하고, 이를 머신러닝 기법으로 분석하여 수질 변화를 예측하고 제어하기 위한 모델을 구축하였다. 연구 결과, AI 기반 수질 관제 시스템은 높은 예측 정확도를 보였으며, 실시간으로 수질을 효과적으로 모니터링하고 제어할 수 있음을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권11호
• /
• pp.113-118
• /
• 2024

본 논문에서는 AI 기반 오이 생육 자동 제어시스템을 활용한 최적화된 착과수 예측 모델을 제안한다. 순천대학교 실험 농장과 순천만 오이 농장에서 수집된 데이터를 기반으로, 랜덤 포레스트, XGBoost, LightGBM 등 세 가지 머신러닝 알고리즘을 적용하여 모델을 구축하고 성능을 비교 분석하였다. 온도, 습도, CO2 농도 등 19개의 환경 및 생육 관련 변수를 활용하여 모델을 훈련시켰다. 결과적으로 LightGBM 모델이 가장 우수한 성능(RMSE: 1.9803, R-squared: 0.5891)을 보였다. 그러나 모든 모델의 R-squared 값이 0.6 미만으로, 데이터의 비선형성과 시간적 의존성을 충분히 반영하지 못한 한계가 있었다. 향후 연구에서는 추가 데이터 수집, 복잡한 특성 엔지니어링, 시계열 분석 기법 도입 등을 통해 모델의 성능을 개선할 필요가 있다. 본 연구는 스마트팜 기술의 실용화와 데이터 기반 농업 의사결정 지원 시스템 개발에 기여할 것으로 기대된다.

• 스마트미디어저널
• /
• 제11권4호
• /
• pp.9-18
• /
• 2022

인공지능 기술의 발전으로 다양한 분야에서 AI가 접목된 시스템에 대한 관심이 급증하고 있다. 농업에서도 정보통신 기술을 적용한 스마트팜이 활용되고 있으며, 자율주행, 인공위성, 빅데이터 등의 다양한 첨단 기술을 접목하여 데이터 기반의 정밀 농업이 상용화되고 있다. 국내의 경우 시설농업 분야 스마트농업의 상용화 사례가 증가하고 있으나 시설원예 분야에 투자 편증이 심하여, 시설농업과 노지 농업의 투자 격차가 지속해서 벌어지고 있다. 특히, 과수, 식물공장 분야는 투자 규모가 작다. 또한, 빅데이터 수집, 활용 체계가 미흡하다는 문제점이 있다. 이에 본 논문에서는 농업의 빅데이터를 활용하는 방안으로 딥러닝 기반의 객체 탐지 모델을 활용한 과수 생육 단계 판별 시스템을 제안한다. 해당 시스템은 농업 현장에서 사용할 수 있도록 하이브리드 앱을 설계 및 구현하며 과수 생육단계 판별을 위한 객체 탐지 기능을 제공한다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1669-1683
• /
• 2021

AI지능화 농업과 디지털 농업은 농업분야 과학화를 위해서 중요하다. 잎 엽록소 함량은 작물의 생육상태를 파악하는데 매우 중요한 지표 중 하나이다. 본 연구는 양파와 마늘을 대상으로 드론 기반 RGB 카메라와 다중분광(MSP)센서를 활용하여 SVM 회귀 모델을 제작하고, MSP 센서와 비교를 실시하여 RGB 카메라의 LCC 추정 적용성을 검토하고자 하였다. 연구 결과 RGB 기반 LCC 모형은 MSP 기반 LCC 모형보다 평균 R²에서 0.09, RMSE 18.66, nRMSE 3.46%로 더 낮은 결과를 보였다. 그러나 두 센서 정확도 차이는 크지 않았으며, 다양한 센서와 알고리즘을 활용한 선행연구들과 비교했을 때도 정확도는 크게 떨어지지 않았다. 또한 RGB 기반 LCC 모형은 실제 측정값과 비교하였을 때 현장 LCC 경향을 잘 반영하지만 높은 엽록소 농도에서 과소 추정되는 경향을 보였다. 본 연구로 도출된 결과는 RGB 카메라의 경제성, 범용성을 고려하였을 때 LCC 추정에 적용할 경우 가능성을 확인할 수 있었다. 본 연구에서 얻어진 결과는 인공지능 및 빅데이터 융합 기술을 적용한 AI지능화농업 기술로써 디지털 농업 등에 유용하게 활용될 수 있을 것으로 기대된다.

• 한국전자통신학회논문지
• /
• 제19권4호
• /
• pp.771-780
• /
• 2024

본 연구에서는 딸기 농장을 대상으로 YOLOv5 아키텍처를 기반으로 한 컴퓨터 비전 모델과 Isolation Forest Classifier를 적용하여 병충해를 실시간으로 감지 및 예측하는 시스템을 개발하였다. 모델 성능 평가 결과, YOLOv5 모델은 평균 정밀도(mAP 0.5) 78.7%, 정확도 92.8%, 재현율 90.0%, F1 점수 76%로 높은 예측 성능을 나타냈다. 본 시스템은 딸기 농장뿐만 아니라 다른 작물과 다양한 환경에도 적용할 수 있도록 설계되었다. 토마토 농장에서 수집된 데이터를 기반으로 새로운 AI 모델을 학습한 결과, 주요 병충해인 역병과 황화병에 대한 예측 정확도가 85% 이상으로 나타났으며, 기존 모델보다 예측 정확도가 10% 이상 향상되었다.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.193-198
• /
• 2021

최근 4차 산업에 대한 관심으로 농업 분야의 벼농사에서 농민의 방제에 대한 요구수준이 증가하고 농업용 방제 드론의 관심과 활용이 증가하고 있다. 따라서 고농도의 농약을 살포하는 농업용 방제 드론 제품의 다양화와 드론 국가자격증 취득으로 인한 방제사의 증가로 인하여 드론 산업 분야에서 농업 분야가 급성장하고 있다. 세부 사업으로 농약 관리, 방제사 관리, 정밀살포, 방제 작업 물량 분류, 정산, 토양관리, 병충해 예찰 및 감시 등으로 방대한 빅데이터를 구축하고 데이터를 처리하기 위한 효과적인 플랫폼을 요구하고 있다. 그러나 데이터 분석알고리즘, 영상 분석 알고리즘, 생육 관리 알고리즘, AI 알고리즘 등 이를 통합하고 빅데이터를 처리하기 위한 모델과 프로그램 개발에 대한 국내외 연구는 미흡한 실정이다. 본 논문에서는 농업 분야에서의 관리자와 농민 요구도를 만족하고 드론을 활용한 농업용 드론방제 프로세서를 기반으로 정밀 AI 방제를 실현화시키기 위하여 온라인 드론 방제 관리 정보 플랫폼을 제안하고 실증 실험을 통하여 종합 관리 시스템 개발의 토대를 제시하였다.

• 한국전자통신학회논문지
• /
• 제19권5호
• /
• pp.1027-1034
• /
• 2024

본 연구는 AI 기반 스마트팜에서 발생하는 이상치 및 결측치 문제를 해결하여 데이터 품질을 향상시키고, 농업 예측 활동의 정확도를 높이는 것을 목표로 한다. 농진청·농정원에서 제공한 실제 데이터를 활용하여, 이상치 탐지 및 결측치 보정 기법을 적용함으로써 양질의 데이터를 수집하고 관리하고자 하였다. 성공적인 스마트팜 운영을 위해서는 IoT 기반의 AI 자동 생육 측정 모델이 필요하며, 이를 위해 안정적인 데이터 전처리를 통해 높은 데이터 품질 지수를 달성하는 것이 필수적이다. 본 연구에서는 생육 데이터의 이상치 및 결측치를 보정하는 다양한 방법을 적용하였으며, 제시된 데이터 전처리 방안을 머신러닝 기법을 통해 성능 평가 지수로 검증하였다. 연구 결과, 이상치 및 결측치 보정 방법을 적용한 결과 모델 성능이 크게 향상되었고, ROC와 AUC와 같은 평가 지표에서 높은 예측 정확도를 확인할 수 있었다.