• 한국산학기술학회논문지
• /
• 제19권8호
• /
• pp.385-391
• /
• 2018

전복 양식은 산업 측면에서 단기간에 급성장을 이루어온 반면, 전복의 수급 및 가격 전망에 대한 연구는 많지 않은 편이다. 또한 연구를 통해 개발된 모형도 적합성과 예측력이 낮은 문제점을 안고 있다. 모형상의 문제 해결을 위해서는 전복 치패 입식량, 양성 물량, 출하량 간의 시차 및 연계성을 유지하면서 동시에 기대 가격 변동에 의해 치패가 입식되고, 양성되어 출하되는 생물학적 공급 모형을 구축할 필요가 있다. 본 연구에서는 전체적인 전복 수급전망 모형에서 핵심적인 부분인 전복의 양성 물량 결정 모형 설정을 위해 양성 물량에 영향을 미치는 주요 변수를 확인하고, 이들 변수와 양성 물량 간의 인과 관계를 검증하였다. 양성 물량에는 치패 입식량과 전복 산지 가격을 물미역 가격으로 나눈 전복 상대 가격이 큰 영향을 미치는 것으로 나타났다. 또한 설정된 모형의 적합성 판별을 위해 양성 물량의 실제 관측치와 추정치를 연도별로 비교한 결과 모형의 적합성이 높은 것으로 판명되었다.

• 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.