• 한국벤처창업학회:학술대회논문집
• /
• 2021.11a
• /
• pp.129-134
• /
• 2021

농업은 잦은 자연재해, 코로나 같은 예측하기 힘든 불확실성이 높아지는 상황이며 이를 해결하기 위해 새로운 기술적 접근방안과 돌파구 마련이 필요하다. ICT의 급속한 발전과 4차 산업혁명 시대가 도래하면서 데이터의 중요성은 더욱 커지고 있다. 빅데이터는 농업이 직면한 다양한 기술적 난제를 해결함과 동시에 생산,소비,유통 분야의 밸류체인 혁신을 통해 높은 경쟁력을 확보할 수 있게 핵심 요소가 될 것이다. 실제 농업 분야의 해외 사례를 살펴보면 주로 빅데이터에 대한 수집 분석이 기업을 중심으로 이루어지고 있고 기업의 새로운 가치 창출에 중요한 역할을 담당하고 있어 상업적 측면에서 활용가치가 매우 높음을 알 수 있다. 우리나라도 기업의 빅데이터 활용을 위한 다양한 시도가 이루어지고 있으나 아직은 대기업, 소수의 혁신기술 기반 중소기업이 대부분이다. 기업의 빅데이터 활용에 영향을 미치는 연구는 계속 진행되고 있으나, 산업별 특성이 반영되어 결과는 상이하게 나타났다. 또한 대부분의 연구가 조직 차원에서 초기 도입 의도에 영향을 주는 요인 파악에 집중하였다. 반면 기업이 빅데이터를 활용하여 성과를 창출하기 위해서는 각 분야 현업 종사자들의 지속적인 활용 의도에 영향을 미치는 요인에 관한 연구가 필요하다. 따라서 본 연구는 혁신기술 수용 의도를 파악하는데 높은 설명력을 나타내는 통합기술수용이론(UTAUT)과 혁신성향 변수를 활용하여 농업 관련 기업 종사들의 빅데이터 수용 의도에 미치는 영향 요인들을 살펴보고 경제적 혜택과 실용적 혜택의 매개 효과를 분석하고자 한다. 실제 농업 관련 기업 종사자 대상 설문을 통한 실증 연구를 통해 현장 종사자들의 빅데이터 활용 수준을 높이고 우수의 고급 인력을 확보하여 육성하기 위한 방안을 제시하여 농업관련분야 기업의 빅데이터 활성화 정책 도출에 시사점을 제시하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.507-509
• /
• 2022

농업은 우리의 삶에서 빼놓을 수 없는 중요한 분야이며, 농업은 토지를 이용하여 다양한 작물들을 길러 음식을 만드는 기본이라고 말할 수 있다. 이렇게 중요한 농업 분야를 ICT 분야에서 가장 이슈가 되는 기술인 인공지능 기술과 결합하여 스마트팜과 같은 농업의 디지털화를 구축할 수 있다. 이와 같은 스마트팜 구축을 위해서는 기본적으로 다양한 작물의 빅데이터를 제공하고, 이 데이터를 바탕으로 인공지능을 수행하여 다양한 결과를 제공할 수 있다. 하지만 인공지능 연구를 수행하기 위한 시스템 및 플랫폼의 부재라는 문제점이 존재한다. 이러한 문제점을 해결하기 위해 농업 빅데이터 관리 및 인공지능 연구 플랫폼 개발을 위한 과제를 통해 농업 빅데이터를 관리하고 인공지능을 연구자들이 손쉽게 수행할 수 있는 플랫폼을 개발하여 농업 분야의 작물 생산성 향상에 기여하고자 한다.

• Smart Media Journal
• /
• v.12 no.5
• /
• pp.65-72
• /
• 2023

Smart Farm means creating new value in various fields related to agriculture, including not only agricultural production but also distribution and consumption through the convergence of agriculture and ICT. In Korea, a rental smart farm is created to spread smart agriculture, and a smart farm big data platform is established to promote data collection and utilization. It is pushing for digital transformation of agricultural products distribution from production areas to consumption areas, such as expanding smart APCs, operating online exchanges, and digitizing wholesale market transaction information. As such, although agricultural data is generated according to characteristics from various sources, it is only used as a service using statistics and standardized data. This is because there are limitations due to distributed data collection from agriculture to production, distribution, and consumption, and it is difficult to collect and process various types of data from various sources. Therefore, in this paper, we analyze the current state of domestic agricultural data collection and sharing for digital agriculture and propose a data collection and linkage method for artificial intelligence services. And, using the proposed data, we propose a deep learning-based environmental factor recommendation method.

• Journal of Digital Contents Society
• /
• v.18 no.1
• /
• pp.149-158
• /
• 2017

Big data have been presenting us with exciting opportunities and challenges in economic development. For instance, in the agriculture sector, mixing up of various agricultural data (e.g., weather data, soil data, etc.), and subsequently analyzing these data deliver valuable and helpful information to farmers and agribusinesses. However, massive data in agriculture are generated in every minute through multiple kinds of devices and services such as sensors and agricultural web markets. It leads to the challenges of big data problem including data collection, data storage, and data analysis. Although some systems have been proposed to address this problem, they are still restricted either in the type of data, the type of storage, or the size of data they can handle. In this paper, we propose a novel design of a platform for collecting and analyzing agricultural big data. The proposed platform supports (1) multiple methods of collecting data from various data sources using Flume and MapReduce; (2) multiple choices of data storage including HDFS, HBase, and Hive; and (3) big data analysis modules with Spark and Hadoop.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.259-262
• /
• 2021

데이터 경제 시대를 맞이하여 농업분야에서도 농업인의 편의를 제공하고 정책의 효율성을 높여야만 한다. 이에 농업 보조금 신청 등을 위해 본인의 자격증명을 대신해서 관계 기관들이 수집, 보유하고 있는 데이터를 통해 농업 마이데이터 서비스 구축을 모색하고자 한다. 따라서 본 연구는 농업 마이데이터 서비스 수용의도에 미치는 영향에 관한 연구를 통해, 농업 마이데이터 구축에 필요한 시사점을 도출하고자 한다.

• 한국벤처창업학회:학술대회논문집
• /
• 2020.11a
• /
• pp.47-53
• /
• 2020

빅데이터 기술은 기업의 경쟁력을 높일 수 있는 혁신 기술 중 하나로 급성장하고 있는 가운데 농업 분야 또한 빅데이터를 활용한 경쟁력 제고와 미래 산업으로의 발전이 중요 당면과제로 부상하고 있다. 해외의 경우 농업 빅데이터를 활용한 스타트업이 빠른 속도로 증가하며 성장하는 반면 국내의 경우 생산 분야 일부 농업 벤처 외에는 빅데이터 활용이 미흡한 실정이다. 또한 기업의 빅데이터 활용수준이나 활용의도에 영향을 미치는 요인에 대한 연구가 대기업이나 특정 산업에 국한되어 이루어지고 있으며, 연구마다 영향요인 변수의 검증결과가 상이하게 나타나 산업/기업특성에 따라 연구가 필요하다. 본 연구의 목적은 농업벤처기업에서 새로운 ICT인 빅데이터를 도입하고 사용하는 데 영향을 미치는 요인을 파악하고, 이를 통해 기대하는 편익에 대해 파악함으로써 활용을 촉진할 수 있는 방안을 제시하는 데 있다. 본 연구는 빅데이터가 조직의 프로세스를 변화시키고, 최고경영층의 지원이 필수적이며, 기업이 처한 환경적 압박에 대응할 수 있는 수단으로 보고 기술·조직·환경(TOE: Technology-Organization-Environment) 프레임워크를 기반으로 혁신확산이론(Diffusion of Innovation Theory) 모형을 결합하여 본 연구에 적합한 변수들을 도출한 후 이들 변수간의 인과관계를 설정하여 연구모형을 구성하였다. 이에 따라 TOE모형의 기술적 요인에 관한 변수로는 혁신확산이론 변수인 상대적이점, 호환성, 복잡성을 채택하였고, 조직적 요인에 관한 변수로 최고경영층 지원, 비용부담능력을, 환경적 요인에 관한 변수로는 법적·정책적 지원, 경쟁자 압력을 채택하였다. 이들 3가지 요인에 속한 7가지 변수들과 빅데이터 사용의도와 기대편익 간의 관련성, 그리고 농업벤처 사업분야의 조절효과에 대한 8개의 가설을 설정하였다. 본 연구는 실제 농업벤처기업 종사자 대상 설문을 통한 실증연구를 통해 벤처 현장에서의 빅데이터 활용수준을 높이기 위한 기술적, 조직적, 환경적 관점의 정책 개선방안을 제시하고, 생산/가공/유통 등 사업분야별 비교를 통해 영향요인의 중요도 차이를 규명해 영역별로 차별적이고 효과적인 정책 방향성을 도출하는 데 시사점을 제시하고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• pp.23-25
• /
• 2016

이 논문에서는 기후조건과 농업 생산량을 포함하는 농업/기상 데이터에 데이터 마이닝의 연관규칙 기법을 적용하여 농업 생산의 기반이 되는 기후요인들과 생산량 간의 연관성을 분석하고자 한다. 기후 속성들의 값을 포함하고 있는 기상청 기후 데이터와 농업 생산량을 포함하는 통계청의 데이터를 통합 한 후 기후 속성들의 값을 이산화 하여 연관규칙 기법을 적용한다. 실험 결과 각 기후요소들과 생산량 간의 연관 규칙을 표현 할 수 있었다. 이를 통해 기후조건 변화에 따른 농업생산기반 취약성을 예방하는 지표를 마련하고 농업 생산성 향상에 기여 할 수 있을 것으로 기대한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.194-196
• /
• 2021

This focuses on the Cultivation Plan Service at the preliminary production phase is critical in that it supports agricultural producers' decision by providing related information such as predicted crop production or expected profits for consulting or other agricultural information when they plan to cultivate. This paper describes the reference architecture of the farming sector will benefit immensely from the implementation of farming data in farming contents repository which will serve as the knowledge base for the Cultivation Plan Service at the pre-production stage based on Big data analysis.

• Proceedings of the Korean Society of Crop Science Conference
• /
• 2023.04a
• /
• pp.24-24
• /
• 2023

현대화된 재배법은 작물의 생육을 위해 시설내부의 환경을 제어하고 실시간 센싱 정보를 저장하는 시스템을 구축하고 이를 활용하고 있으나, 작물의 생육·생장에 미치는 직접적인 영향에 대한 생육데이터 취득은 아직까지도 전문 재배사·농민이 수작업을 통해 조사되고 있다. 본 연구는 작물의 생육데이터 자동 취득을 위한 장치를 개발하고 이를 실용화하기 위한 정확도 측정 시험을 진행하였다. 실험을 위한 장치구성은 3D Depth 카메라(Intel D415)와 운용 PC이며 딥러닝 모델을 이용하여 작물의 세부기관을 자동으로 인식하는 모델을 포함한다. 장치는 다양한 재배환경의 작물 생육데이터 취득을 위하여 휴대용, 고정형, 로봇형 3가지 유형으로 개발하였고 측정 정확도 검증은 휴대용 생육측정장치를 활용하여 조사하였다. 이러한 연구를 통해 수작업이 아닌 영상에 의한 생육 데이터수집으로 작물의 생육정보(측정값+이미지)를 확보함으로써 환경데이터와 함께 객관적인 정보에 의한 작물의 생산량, 수확시기 등을 예측하는데 활용될 수 있을것으로 예상된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.07a
• /
• pp.461-462
• /
• 2014

모든 산업에서 정보화의 중요성을 언급하고 있는 것처럼 농업부문에서도 농업정보화는 우리나라의 농업이 세계의 농업 속에서 살아남을 수 있는 길이다. 미국과 EU를 비롯한 여러 국가들과의 FTA 체결 등으로 "21C의 농업은 국경이 무너졌다"는 말이 나올 정도로 기존의 농업처럼 국가의 보호아래 있는 것이 아니라 다른 국가의 농민들과 경쟁을 해야 하는 농업으로 바뀌었다. 우리 나라 농업도 정보자원을 증대시켜 토지, 노동, 자본 등 전통적 자원의 열위를 극복하여야 하며, 이를 위해 정부는 물론 농업의 주체들이 모두 정보화에 적극적으로 나서서 농업을 정보집약 산업으로 육성시켜야 한다는 필요성을 느끼고 있으며 계속적인 정보화사업을 추진하고 있다. 본 연구에서는 기존의 농업용 S/W와 빅데이터 등의 최신 ICT 기술의 연계 및 활용 방안을 제시하고자 한다.