스마트미디어저널 (Smart Media Journal)

  • 제13권1호
  • /
  • Pages.9-17
  • /
  • 2024
  • /
  • 2287-1322(pISSN)
  • /
  • 2288-9671(eISSN)
한국스마트미디어학회 (THE KOREAN INSTITUTE OF SMART MEDIA)
권호 표지
DOI QR코드

DOI QR Code

인공지능 기반 농작물 성숙도 체크와 농산물 시장가격 변동을 고려한 출하시기 결정시스템 연구

Research on a system for determining the timing of shipment based on artificial intelligence-based crop maturity checks and consideration of fluctuations in agricultural product market prices

  • 위리 (호남대학교 컴퓨터공학과) ;
  • 김남호 (호남대학교 컴퓨터공학과)
  • 투고 : 2023.11.13
  • 심사 : 2023.12.15
  • 발행 : 2024.02.07
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구는 농산물의 품질, 수익 및 의사결정 효율성을 향상시키기 위한 통합적인 농업 유통망 관리시스템을 개발하는 데 목적이 있다. 우리는 YOLOX 객체 탐지 알고리즘을 기반으로 한 농작물 성숙도 체크와 Prophet 모델을 기반으로 한 시장 가격 예측이라는 두 가지 핵심 기술을 채택하였다. 객체 탐지 모델을 훈련함으로써, 다양한 성숙도 단계의 농작물을 정확하게 식별할 수 있게 되어 출하 시기를 최적화할 수 있었다. 동시에, 과거 시장 가격 데이터를 수집하고 Prophet 모델을 사용하여 가격을 예측함으로써, 출하시기 결정권자들에게 신뢰할 수 있는 가격 추세 정보를 제공하였다. 연구 결과에 따르면, 휴일 요소를 고려한 모델의 성능이 그렇지 않은 모델보다 두드러지게 우수하다는 것이 밝혀져서 휴일이 가격에 미치는 영향이 강함을 증명하였다. 이 시스템은 농민 및 농산물 유통 관리자에게 강력한 도구 및 의사결정 지원을 제공하여, 다양한 계절과 휴일 기간 동안 현명한 의사결정을 내릴 수 있게 도와준다. 아울러, 농산물 유통망을 최적화하고 농산물의 품질과 수익을 향상시킬 수 있다.

This study aims to develop an integrated agricultural distribution network management system to improve the quality, profit, and decision-making efficiency of agricultural products. We adopt two key techniques: crop maturity detection based on the YOLOX target detection algorithm and market price prediction based on the Prophet model. By training the target detection model, it was possible to accurately identify crops of various maturity stages, thereby optimizing the shipment timing. At the same time, by collecting historical market price data and predicting prices using the Prophet model, we provided reliable price trend information to shipping decision makers. According to the results of the study, it was found that the performance of the model considering the holiday factor was significantly superior to that of the model that did not, proving that the effect of the holiday on the price was strong. The system provides strong tools and decision support to farmers and agricultural distribution managers, helping them make smart decisions during various seasons and holidays. In addition, it is possible to optimize the distribution network of agricultural products and improve the quality and profit of agricultural products.

키워드

참고문헌

  1. P. Wan, A. Toudeshki, H. Tan, and R. Ehsani, "Amethodology for fresh tomato maturity detection using computer vision," Computers and electronics in agriculture., vol. 146, pp. 43-50, 2018. https://doi.org/10.1016/j.compag.2018.01.011
  2. A. Rafiq, H. A. Makroo, and M. K. Hazarika, "Artificialneural network-based image analysis for evaluation of quality attributes of agricultural produce," Journal of Food Processing and Preservation., vol. 40, no. 5, pp. 1010-1019, 2016. https://doi.org/10.1111/jfpp.12681
  3. J. Wu, B. Zhang, J. Zhou, Y. Xiong, B. Gu, and X. Yang, "Automatic recognition of ripening tomatoes by combining multi-feature fusion with a bi-layer classification strategy for harvesting robots," Sensors, vol. 19, no. 3, pp. 612, 2019.
  4. N. El-Bendary, E. El Hariri, A. E. Hassanien, and A. Badr, "Using machine learning techniques for evaluating tomato ripeness," Expert Systems with Applications., vol. 42, no. 4, pp. 1892-1905, 2015. https://doi.org/10.1016/j.eswa.2014.09.057
  5. H. J. G. Opena and J. P. T. Yusiong, "Automated tomato maturity grading using ABC-trained artificial neural networks," Malaysian Journal of Computer Science, vol. 30, no. 1, pp. 12-26, 2017. https://doi.org/10.22452/mjcs.vol30no1.2
  6. Z. GE,S. Liu,F. Wang,Z. Li,and J. Sun"Yolox: Exceeding yolo series in 2021," arXiv preprint, arXiv:2107.08430.
  7. J. Wang and X. Li, "A combined neural network model for commodity price forecasting with ssa," Soft. Comput., vol. 22, pp. 5323-5333, 2018. https://doi.org/10.1007/s00500-018-3023-2
  8. Y. Weng, X. Wang, J. Hua, H. Wang, M. Kang, and F. Y. Wang, "Forecasting horticultural products price using ARIMA model and neural network based on a large-scale data set collected by web crawler," IEEE Trans. Comput. Social Syst., vol. 6, pp. 547-553, 2019. https://doi.org/10.1109/TCSS.2019.2914499
  9. Z. Ge. S. LIU, F. Wang, Z. Li, J. Sun "YOLOX: Exceeding YOLO Series in 2021," arXiv preprint, arXiv:2107.08430, 2021.
  10. J. Redmon and A. Farhadi, "YOLOv3: An Incremental Improvement," arXiv preprint, arXiv:1804.02767, 2018.
  11. S. J. Taylor and B. Letham, "Forecasting at scale," The American Statistician, vol. 72, no. 1, pp. 37-45, 2018. https://doi.org/10.1080/00031305.2017.1380080