• 스마트미디어저널
• /
• 제8권1호
• /
• pp.74-81
• /
• 2019

최근에 머신 러닝 기술은 의료, 제조, 마케팅, 금융, 방송, 농업 등 사회 전반에 많은 영향을 미치고 있고 미래에도 인류의 생활에 많은 도움을 줄 것으로 예상된다. 본 논문에서는 인류의 생존에 가장 큰 영향을 주는 먹거리 즉, 농업 분야에 머신러닝기술을 적용하는 방법을 연구한다. 농업 분야에 IoT(Internet of Things) 기술을 접목하는 스마트 팜 (Smart Farm) 분야는 생육환경을 실시간으로 모니터링 하여 농작물의 생육환경을 최적으로 유지 하는 방법을 중점적으로 연구한다. 최근 KT에서 출시된 기가 스마트 팜 솔루션 2.0 에서는 머신러닝 기술을 사용하여 온실내의 온습도를 최적으로 유지하는 기술에 머신러닝을 적용하였다. 기존의 스마트 팜 분야 연구가 생육환경 조절에 중점을 두어 생산성 증대에 집중되어 있지만 본 연구에서는 과일을 최상의 품질 상태에서 수확하여 좋은 가격으로 출하할 수 있도록 수확시기에 머신러닝을 적용하는 방법을 연구한다. 스마트 팜 분야에 머신러닝 기술을 적용하기 위해서는 풍부한 빅 데이터의 확보가 무엇보다 중요하므로 정확한 머신러닝 기술을 적용하기 위해서는 지속적으로 빅 데이터 수집이 가능해야 한다. 본 논문에서 수확시기 예측에 필요한 인자로는 온실 내에서 재배되는 과일의 색상 값과 무게 값, 내부 온습도 값을 색상센서 와 무게센서, 온습도센서를 사용하여 실시간으로 수집하여 확보한다. 본 논문에서 제안하는 FPSML은 유사 과일 재배에 반복적으로 사용할 수 있는 아키텍처를 제공하며 지속적으로 빅 데이터가 축적될수록 보다 정밀한 수확시기를 예측할 수 있다.

• 한국농림기상학회지
• /
• 제22권4호
• /
• pp.239-249
• /
• 2020

본 연구는 자연 조건에서 쌀가루용 벼의 수발아율을 예측하기 위한 것으로 기계학습을 이용하여 기상요소들에 따른 수발아율을 간단히 예측할 수 있는 초기 시스템을 개발하기 위해 수행되었다. 이를 위하여 강원도, 충청북도, 경상북도에 위치한 6개 지역에서 쌀가루용 벼 3품종을 재배하였다. 수확 후 수발아율과 출수일을 조사하였으며, 각 지역의 종관기상대의 일평균 기온과 상대 습도, 그리고 강수량 정보를 이용하여 기계학습 모델 중 하나이며, 정확도가 높은 GBM 모델로 수발아율을 예측하였다. 2017년부터 2019년까지 강원과 충북, 그리고 경북의 6개 지역에서 쌀가루 용 벼 3품종에 대해 재배 실험을 수행하였다. 조사 항목은 출수일과 수발아율이었다. 기상자료는 동일한 지역명의 종관기상대를 이용하여 일 평균 기온 및 상대 습도, 그리고 강수량 자료를 수집하였다. 수발아율 예측을 위해 기계학습 모델인 Gradient Boosting Machine (GBM)을 이용하였으며, 학습 투입 변수로는 평균 기온과 상대 습도, 그리고 총 강수량이었다. 또한 수발아 피해 관련 기간을 설정하기 위해 출수 후 몇일 후부터 그 이후의 기간에 대한 실험도 수행하였다. 자료는 수발아 피해 관련 기간의 교정을 위한 training-set과 vali-set, 검증을 위한 test-set으로 구분하였다. training-set과 vali-set으로 교정한 결과, 출수 후 22일 후부터 24일동안에서 가장 높은 score를 나타내었다. test-set으로 검증한 결과는 3.0%보다 낮은 구간에서 수발아율을 약간 높게 예측한 경향이 있었지만, 높은 예측력을 보였다(R2=0.76). 따라서, 기계학습을 이용하여 특정기간동안의 기상요소들로 수발아율을 간단하게 예측할 수 있을 것으로 예상된다. 본 연구의 결과를 종합해 볼 때, 기계학습을 이용하여 특정 기간 동안에 평균 기온과 상대 습도, 그리고 총 강수량으로 높은 수발아율 예측 성능을 보였으며, 이 시스템을 이용하여 일반 농가들을 대상으로 수발아에 관한 피해를 예방할 수 있는 조기 수발아 예측 시스템으로 이용가능 할 것으로 판단된다. 하지만 품종마다 휴면 정도 차이로 인한 수발아 관련 기간에 차이가 있으므로, 다른 쌀가루용 벼 품종에 대해서도 추가로 조사하고, 개별 품종으로 세분화하여 분석한다면 좀 더 정확도 높은 예측 시스템을 개발할 수 있을 것으로 판단된다.

• Journal of Biosystems Engineering
• /
• 제41권3호
• /
• pp.177-183
• /
• 2016

Purpose: Mee (Madhuca longifolia) is an economically important tree growing throughout Sri Lanka. Its importance is mainly attributed to its oil with high nutritional and medicinal values. However, an inefficient extraction method limits its use. This study revealed the possibility of extracting oil from mee seeds by using a screw-type oil expeller. Methods: A popular screw-type oil expeller was used in the experiment. Extract bar clearance and speeds of the main spiral shaft were altered to increase the oil expelling efficiency of the machine. The quality of refined oil at the optimum oil yield was determined by measuring the refractive index, saponification value, iodine value, unsaponifiable matter, free fatty acid, and specific gravity. Results: An optimum yield of 35% oil was obtained when the machine capacity was 30 kg/h and energy consumption was 0.13 kWh/kg. This optimum machine condition was observed at an extract bar clearance of 0.5 mm and a main spiral shaft speed of 90 rpm. The refractive index, saponification value, iodine value, unsaponifiable matter, free fatty acid, and specific gravity of the oil were 1.4, 203, 59, 3.5%, 0.2%, and 0.907 g/cm3 respectively. Color of the mee oil was closer to yellow, which is revealed by the lightness value (L) of 24.93 and positive value (b) of 11.81. Conclusion: The screw-type oil expeller can be used for economically extracting mee oil on a commercial scale.

• 농업과학연구
• /
• 제46권2호
• /
• pp.381-393
• /
• 2019

A smart farm is a system that combines information and communication technology (ICT), internet of things (IoT), and agricultural technology that enable a farm to operate with minimal labor and to automatically control of a greenhouse environment. Machine learning based on recently data-driven techniques has emerged with big data technologies and high-performance computing to create opportunities to quantify data intensive processes in agricultural operational environments. This paper presents research on the application of machine learning technology to diagnose the growth status of crops and predicting the harvest time of strawberries in a greenhouse according to image processing techniques. To classify the growth stages of the strawberries, we used object inference and detection with machine learning model based on deep learning neural networks and TensorFlow. The classification accuracy was compared based on the training data volume and training epoch. As a result, it was able to classify with an accuracy of over 90% with 200 training images and 8,000 training steps. The detection and classification of the strawberry maturities could be identified with an accuracy of over 90% at the mature and over mature stages of the strawberries. Concurrently, the experimental results are promising, and they show that this approach can be applied to develop a machine learning model for predicting the strawberry harvesting time and can be used to provide key decision support information to both farmers and policy makers about optimal harvest times and harvest planning.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 2003년도 춘계학술대회 논문집
• /
• pp.45-49
• /
• 2003

According to the rising of national economic level, domestic consumption of vegetables having high additive values is increased continuously due to increased consumption of meat in last decade. These vegetables are produced almost in this country and are limited to import from neighbor countries in due of high transportation expenses for storing in refrigerated container. It is very important to mechanize the harvest work, forming more than 30% for their production cost, in order to cultivate variable vegetables at the same time according to their harvesting seasons. In this state its former harvest methods, with using of human power or semi-automatic harvest, caused to increase their production cost due to high labor cost and low working efficiency.

• Journal of Biosystems Engineering
• /
• 제20권1호
• /
• pp.22-35
• /
• 1995

Pepper is the most important horticultural plant in Korean farm. Pepper harvesting has been known to be the most difficult process in pepper cultivation so that demand for mechanization is strong. In a research to develop a pepper harvesting machine performance and capacity of the harvester should be determined based on both economical feasibility and machine design concept. In order to accomplish an economical analysis of the pepper harvester, a mathematical model for comparing manual harvesting cost to machine harvest cost was developed. Validity of the model depends on the data used in the model. Economical information for the model variables was acquired from the result of farm survey on pepper cultivation technique and economics of pepper farmer. Technical information on pepper harvester were also collected through literature review and analyzed. Based on the economical analysis and synthesis of the technical information on pepper harvesters, its performance and capacity were determined. The operating performances of the harvester such as cutting, conveying, flipping, pepper removing and post-processing (sorting) were determined. Daisy capacity of the machine was determined to be 0.41 ha. A pepper harvester with the suggested capacity was economically feasible if the price of pepper harvester, pepper recovery ratio and service life of harvester were about 6 million won, 80%, and 4 years, respectively.

• 한국잠사곤충학회지
• /
• 제40권1호
• /
• pp.8-12
• /
• 1998

The study aimed at development of a riding-type mulberry harvester for mechanical harvest. A riding-type mulberry harvester has been developed to harvest on sloped land with a higher efficiency. It has been implemented over a period of 2 years from 1996 to 1997. The result is as follows. It moves on carterpillar with a level adjusting system. It reduced only from 14.6 hrs to 0.9hrs/10a for cutting in a range of 25 to 80 cm high and possibly used for both spring and autumn. It reduced only the labor requirements of mulberry harvesting by 94 percent, as compared to that of the manual harvest. All related processes, cutting, binding and loading are simultaneously done by this harvester and totally it can reduce 96 percent of the labor requirements, as compared to 20.4 hrs/10a of the manual harvest. The machine compared to improved mulberry harvest efficiency with 11.11a per hour by about 23 times as compared to 0.49a per hour manpower. Cost analysis indicated that the riding-type mulberry harvester saved overall cost by 66 percent from 980,000 won per ha manpower to 330,000 won per ha.

• 한국국제농업개발학회지
• /
• 제30권4호
• /
• pp.370-375
• /
• 2018

본 연구는 근래에 건강 기능성효과가 널리 알려지면서 수요가 증가함에 따라 재배면적과 생산량이 증가하고 있는 종실용 들깨의 기계화재배를 촉진하기 위하여 수확 때 종자탈립에 의한 손실률은 최소화하고 수량성을 높일 수 있는 최적 파종시기를 설정하고자 수행하였다. 1. 파종기가 늦어질수록 파종후 개화기까지 생육일수는 짧아져 6월 15일 파종대비 6월 30일, 7월 15일 및 8월 1일 파종에서 각각 14일, 26일 및 31~32일 짧아졌으며, 또한 경장과 경태는 짧아지거나 가늘어졌으며 마디수가 적어지는 경향을 나타냈다. 2. 유효분지수는 6월 15일 파종대비 6월 30일, 7월 15일 및 8월 1일 파종에서 각각 82%, 61% 및 56%로 7월 15일 파종부터 급격히 낮아져 수량성 확보에 불리한 것으로 판단되었다. 그리고 최저화방군의 높이는 파종기가 늦어질수록 대체로 짧아지는데, 소담의 7월 15일과 8월 1일 점파구의 경우 15 cm 이하로 예취기를 이용한 기계수확에 불리하게 작용할 것으로 판단되었다. 3. 파종기와 수량성 간에는 고도의 유의성이 인정되었는데, 총수량은 6월 15일, 6월 30일 및 7월 15일 파종에서 통계적 유의차는 없었지만, 종실탈립률의 경우 7월 15일, 8월 1일(30.3%) > 6월 15일(15.3%) > 6월 30일(13.5%) 파종의 순이었는데, 탈립된 종실을 제외한 순수량은 6월 30일$${\geq_-}$$6월 15일 > 7월 15일 > 8월 1일 파종 순으로 높게 나타났으며 이러한 경향은 품종 및 파종방법에 관계없이 나타나는 일반적인 특징이었다. 4. 들깨 종실의 단백질 함유율은 파종기가 늦어질수록 대체로 증가하여 8월 1일 파종에서 가장 높았으며, 조지방 함유율의 경우 소담은 6월 15일과 7월 15일 파종에서, 들샘은 6월 30일과 7월 15일 파종에서 비교적 높았으며, 리놀렌산의 함량율은 8월 1일 파종에서 특이적으로 높은 수준을 나타냈다. 5. 위의 결과, 종실용 들깨의 예취기를 이용한 기계수확을 위한 최적 파종시기는 6월 30일 경으로 이때 파종하면 수확 때 종실탈립에 의한 손실률은 최소화하면서 수량증대에 유리하여 기계수확에 가장 적합한 파종시기로 판단되었다.

• 드라이브 ㆍ 컨트롤
• /
• 제16권4호
• /
• pp.74-79
• /
• 2019

In this study, an edible fresh corn harvest testing machine was designed and manufactured. And harvesting performance was analyzed through the field test. The testing machine is of the tractor attached type. It is connected to the tractor PTO shaft to transfer power to the each part of the harvesting machine. And it harvests fresh corn by one row through the processes of cutting, stem crushing, detaching, and collecting. The performance test was performed at PTO speed (540, 750, 1050 rpm, respectively), working speed (0.1, 0.15, 0.2 m/s, respectively), and cropping cultivation (row spacing·hill spacing 70·25 cm, 70·40 cm, 90·30 cm, respectively). The performance test was repeated three times in the 15 m section. The detachment loss ratio, uncollected crop ratio, damage ratio, and harvest ratio were analyzed. As a result of the performance test, it was analyzed that the PTO speed 540 rpm, running speed of 0.1 m/s, and row spacing·hill spacing 70·40 cm were the optimal condition.

• 한국자원식물학회지
• /
• 제9권1호
• /
• pp.63-69
• /
• 1996

양파 재배(栽培)에 있어서 기계(機械)를 이용(利用)하여 수확(收穫)의 성력화(省力化)로 노동력(勞動力)과 생산비(生産費)를 절감(節減)하기 위해 본(本) 시험(試驗)을 수행(遂行)한 결과(結果)는 다음과 같다. 1. 기계(機械)를 이용한 양파 굴취수확(掘取收穫)은 관행인력굴취수확(慣行人力掘取收穫)에 비해 트랙터 후부(後部)에 굴취기(掘取機)를 부착(附着)해 서 수확(收穫)한 굴취수확(掘取收穫)이 90-93%로 성력효과(省力效果)는 가장 좋았다. 2. 트랙터 후부(後部)에 굴취기(掘取機)를 부착(附着)한 수확기(收穫機)의 성력효과(省力效果)는 관행인력수확(慣行人力收穫)에 비해 37%의 작업시간(作業時刊)을 절감(節減)하여 37%의 작업비(作業費)를 절멸(節滅)했다.