Abstract
In this paper, we propose the Crop Classification Management System (CCMS) that detects changes in growth environment to improve crop production rate. The CCMS consists of two modules. First, the Crop Classification Module (CCM) classifies crops through CNN. Second, the Farm Anomaly Detection Module (FADM) detects abnormal crops by comparing accumulated data of farms. The CCM recognizes crops currently grown on farms and sends them to the FADM, and the FADM picks up the weather data from the past to the present day of the farm growing the crops and applies them to the Nelson rules. The FADM uses the Nelson rules to find out weather data that has occurred and adjust farm conditions through IoT devices. The performance analysis of CCMS showed that the CCM had a crop classification accuracy of about 90%, and the FADM improved the estimated yield by up to about 30%. In other words, managing farms through the CCMS can help increase the yield of smart farms.
본 논문에서는 작물의 생산 비율 향상을 위하여 생장 환경 변화를 탐지하는 CCMS(Crop Classification Management System)를 제안한다. CCMS는 첫째, CNN을 이용하여 이미지를 통해 작물의 종류를 구분하는 Crop Classification Module(CCM)과 둘째, 농장의 누적 데이터를 비교하여 농작물의 이상을 탐지하는 FADM(Farm Anomaly Detection Module)로 구성된다. CCMS의 CCM은 잎 이미지를 통하여 현재 농장에서 재배되는 작물을 인식하고 FADM에 전송하고, FADM은 해당 작물을 재배하는 농장의 과거부터 현재까지 기상데이터를 선택하여 그것을 넬슨 규칙에 적용한다. FADM은 넬슨 규칙을 통하여 이상이 발생한 기상데이터를 찾아내고, IoT 디바이스를 통하여 농장의 환경을 조절한다. CCMS의 성능분석 결과 CCMS의 CCM은 약 90%의 작물 분류 정확도를 갖고, FADM은 예측 수확량을 최대 약 30%가량 향상시키는 것으로 나타났다. 즉, CCMS를 통해 농장을 관리하는 것이 스마트 팜의 수확량 증가에 도움을 줄 수 있다.