KR20180086738A - 작물 재배 가이드 정보 제공 장치, 및 그 방법 - Google Patents

작물 재배 가이드 정보 제공 장치, 및 그 방법 Download PDF

Info

Publication number
KR20180086738A
KR20180086738A KR1020170010541A KR20170010541A KR20180086738A KR 20180086738 A KR20180086738 A KR 20180086738A KR 1020170010541 A KR1020170010541 A KR 1020170010541A KR 20170010541 A KR20170010541 A KR 20170010541A KR 20180086738 A KR20180086738 A KR 20180086738A
Authority
KR
South Korea
Prior art keywords
data
prediction model
growth
crop
variable
Prior art date
Application number
KR1020170010541A
Other languages
English (en)
Inventor
이주영
김형석
이운석
장성율
박수현
양중석
이택성
노주원
오상록
Original Assignee
한국과학기술연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술연구원 filed Critical 한국과학기술연구원
Priority to KR1020170010541A priority Critical patent/KR20180086738A/ko
Publication of KR20180086738A publication Critical patent/KR20180086738A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/25—Greenhouse technology, e.g. cooling systems therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Environmental Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Botany (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 작물 재배 가이드 정보 제공 장치 및 방법에 관한 것으로, 본 발명에 따른 작물 재배 가이드 정보 제공 장치는 작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 과실의 체적 데이터의 상관관계를 분석하여 과실 체적을 예측하는 예측모델을 생성하는 예측모델 생성부; 상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 변수값 산출부; 및 산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 정보제공부를 포함한다. 이에 의하면, 단순한 예측값을 제공하는 것을 넘어서, 목표치를 달성하기 위해서 필요한 생장환경 제어 방안이나, 수확시기, 비용 등에 관한 가이드 정보를 제공해 줌으로써 작물 생산량이나 품질 증대에 일조할 수 있다.

Description

작물 재배 가이드 정보 제공 장치, 및 그 방법{APPARATUS FOR PROVIDING GUIDE INFORMATION FOR GROWING CROPS, AND METHOD THEREOF}
본 발명은 작물 재배 가이드 정보 제공 장치 및 그 방법에 관한 것으로, 더욱 상세하게는, 예측된 정보를 기초로 작물 재배를 가이드하기 위한 가이드 정보를 제공하는 작물 재배 가이드 정보 제공 장치 및 제공 방법에 관한 것이다.
종래에는 개인의 오랜 재배 경험을 통해 획득한 노하우나 지식에 따라 생장환경을 제어하고 작물을 재배하여 개인에 따라 생산량이나 과실의 크기나 품질 등에 편차가 매우 큰 문제점이 있었다.
최근에는 농업 생산성의 정체, 농촌인구 감소 및 고령화, 농산물 시장 개방이라는 위기 아래, 작물 생산량 및 품질을 높이고, 노동력을 절감하기 위한 방안으로, 농업에 ICT(Information and Communication Technology) 기술을 접목한 스마트팜(Smart farm)이 확산되고 있는 추세에 있다.
스마트팜은 사물 인터넷 기술을 이용하여 재배 시설의 환경을 모니터링하고, 제어 장치를 구동하여 재배에 적합한 환경을 조성해 주며, 모바일 기기를 통해 원격 관리도 가능하기 때문에 농업분야 진출에 대한 장벽을 낮추고 생산성과 효율성, 품질 향상 등과 같은 고부가가치를 창출할 수 있는 차세대 모델로 꼽히고 있다.
이에, 작물 생산량이나 품질을 향상시키기 위한 노력의 일환으로 수집된 데이터를 기반으로 더욱 정밀한 제어를 수행할 수 있는 데이터 처리 방안이나 제어 알고리즘을 구현하기 위한 연구가 지속되고 있다.
종래 기술로서, 작물의 생산량을 예측하여 제공하는 서비스는 제공되고 있지만, 단순히 예측 수치를 제공하는 단계에 머무르고 있으며 예측된 생산량을 증대시키거나 현재의 상황을 개선시키기 위한 구체적인 솔루션 제공까지는 이어지지 못하고 있는 실정이다.
본 발명은 상기한 바와 같은 종래기술의 문제점을 해결하기 위하여 안출된 것으로서, 단순히 예측 수치를 제공하는 것을 넘어서 생산량이나 품질을 증대시킬 수 있는 구체적인 솔루션을 제공하는 작물 재배 가이드 정보 제공 장치 및 방법을 제공하는데 목적이 있다.
상기한 목적은 본 발명의 일 양태에 따른 작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 과실의 체적 데이터의 상관관계를 분석하여 과실 체적을 예측하는 예측모델을 생성하는 예측모델 생성부; 상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 변수값 산출부; 및 산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 정보제공부를 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치에 의하여 달성될 수 있다.
여기서, 상기 과실 체적은 수확된 과실의 평균 체적, 또는 생장 중에 있는 과실의 평균 체적일 수 있다.
또한, 상기한 목적은 본 발명의 또 다른 양태에 따른 작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 작물의 생산량 데이터의 상관관계를 분석하여 생산량을 예측하는 예측모델을 생성하는 예측모델 생성부; 상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 변수값 산출부; 및 산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 정보제공부를 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치에 의해서도 달성될 수 있다.
여기서, 상기 예측모델을 기초로 상기 생장환경 데이터와 상기 생육 데이터의 변수 중 적어도 하나 이상의 주요변수를 추출하는 주요변수 추출부를 더 포함할 수 있다.
이때, 상기 주요변수 추출부는, 상기 예측모델에 따른 회귀식의 각 변수에 대응하는 계수를 비교하여 상기 주요변수를 추출할 수 있다.
또한, 상기 예측모델 생성부는, 일 화방에 대응하는 데이터를 기초로 화방별로 예측모델을 생성함으로써, 화방별로 더욱 정확한 예측값 제공 및 정밀한 제어를 가이드 할 수 있다.
아울러, 사용자로부터 입력을 받기 위한 사용자 인터페이스부; 및 상기 사용자 인터페이스부를 통해 입력된 작물의 영상 또는 날짜 정보를 기초로 복수 개의 화방별 예측모델 중 하나의 예측모델을 선택하는 모델선택부를 더 포함할 수 있다.
그리고, 사용자로부터 입력된 생장환경 데이터 또는 생육 데이터를 기초로 상기 예측모델을 적용하여 예측을 수행하는 예측수행부를 더 포함할 수 있다.
한편, 상기 생장환경 데이터는 온도, 습도, 광량, 및 적산온도 중 적어도 하나의 변수에 대응하는 값을 포함할 수 있으며, 상기 생육 데이터는 경경, 개화위치, 개화속도, 개화정도, 기부직경, 과실체적, 화방간 거리, 생장속도, 엽의 개수, 엽의 면적, 꽃의 개수, 및 착과수 중 적어도 하나의 변수에 대응하는 값을 포함할 수 있다.
또한, 상기 변수값 산출부는, 상기 설정된 목표 수치와 상기 예측모델을 통해 예측된 수치의 차이가 최소가 되는 상기 변수값을 산출할 수 있다.
여기서, 상기 변수값 산출부는, 베이지안 최적화 기법 등의 최적화 기법을 기초로 다음의 함수를 최대화하는 상기 변수값을 산출할 수 있다.
Figure pat00001
상기한 목적은 본 발명의 또 다른 양태에 따른 각 단계가 컴퓨터를 통해 이루어지는 재배 가이드 정보 제공 방법에 있어서, 작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 과실의 체적 데이터의 상관관계를 분석하여 과실 체적을 예측하는 예측모델을 생성하는 단계; 상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 단계; 및 산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 단계를 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 방법에 의해서도 이루어질 수 있다.
또한, 상기한 목적은 각 단계가 컴퓨터를 통해 이루어지는 재배 가이드 정보 제공방법에 있어서, 작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 작물의 생산량 데이터의 상관관계를 분석하여 생산량을 예측하는 예측모델을 생성하는 단계; 상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 단계; 및 산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 단계를 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 방법에 의해서도 달성될 수 있다.
이상에서 설명된 바와 같이, 본 발명에 따르면, 정확한 작물 생산량이나 과실 체적에 관한 예측값을 제공할 수 있다.
또한, 본 발명에 따르면, 단순한 예측값을 제공하는 것을 넘어서, 목표치를 달성하기 위해서 필요한 생장환경 제어 방안이나, 수확시기, 비용 등에 관한 가이드 정보를 제공해 줌으로써 작물 생산량이나 품질 증대에 일조할 수 있다.
뿐만 아니라, 본 발명에 따르면, 해당 온실에서 주요한 요소들을 선별해 줌으로써 자원이나 노력의 집중을 도모하여 재배 효율성을 증대시킬 수 있다.
그리고, 본 발명에 따르면, 화방별 예측모델을 제공함으로써, 더욱 세밀하고 정확한 생장환경 제어나 예측이 가능하다.
도 1은 본 발명의 실시예에 따른 재배 가이드 정보 제공 장치의 구성을 나타낸 블록도;
도 2는 도 1의 예측모델 생성부가 생장단계에 있는 과실의 체적을 예측하기 위한 예측모델을 생성하기 위해 이용하는 데이터의 예;
도 3은 도 1의 변수값 산출부가 최적 변수값을 산출하는 스텝을 설명하기 위한 참고도면; 및
도 4는 본 발명의 실시예에 따른 작물 재배 가이드 정보 제공 방법을 나타낸 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명하도록 한다.
도 1은 본 발명의 실시예에 따른 재배 가이드 정보 제공 장치(100)의 구성을 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 재배 가이드 정보 제공 장치(100)는 예측모델 생성부(10), 사용자 인터페이스부(20), 모델선택부(30), 예측수행부(40), 주요변수 추출부(50), 변수값 산출부(60), 및 정보제공부(70)를 포함한다.
예측모델 생성부(10)는 작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 예측대상 변수에 관한 데이터를 기초로 예측모델을 생성한다. 즉, 작물의 생장환경 데이터 또는 생육 데이터가 독립변수, 예측대상 변수가 종속변수가 된다.
여기서, 작물의 생장환경 데이터는 온도, 습도, 광량, 적산온도 등이 될 수 있고, 작물의 생육 데이터는 줄기의 직경을 의미하는 경경, 개화위치, 개화속도, 개화정도, 기부직경, 과실체적, 화방간 거리, 생장속도, 엽의 개수, 엽의 면적, 꽃의 개수, 착과수 등이 될 수 있다.
한편, 종속변수는 작물의 생산량, 과실 체적, 과실 개수 등이 될 수 있다. 예측모델 생성부(10)는 예측모델을 생성하기 위하여 수집된 데이터를 기초로 독립변수와 종속변수 간의 상관관계를 분석하여 예측모델을 생성한다. 여기서, 작물의 생산량은 수확 후 무게단위로 측정되는 값이고, 과실 체적 및 과실 개수는 수확된 과실 체적 및 과실 개수일 수도 있으나, 수확 전 생장 중 소정 시점에서의 과실 체적 및 개수가 될 수도 있다.
도 2는 예측모델 생성부(10)가 생장단계에 있는 과실의 체적을 예측하기 위한 예측모델을 생성하기 위해 분석에 이용하는 데이터의 예로서, 도 2를 참조하면, 독립변수에 대응하는 작물의 생장환경 데이터로서, 온도, 습도, 광량, 적산온도가 적용되고, 종속변수에 대응하는 과실 체적 데이터로서 하나의 화방에 착과된 과실의 평균 체적 데이터가 적용되는 예를 보여준다. 적산온도는 생육일수의 일 평균온도를 적산한 것이고, 온도, 습도, 광량은 각각 일 평균 온도, 습도, 광량이다.
일 예로서, 도 2의 제1행 데이터를 살펴보면, 온도 17.0005, 습도 50.77861, 광량 85.3523, 적산온도 57.10909일 때, 하나의 화방에 착과된 과실의 평균 체적이 11이 나왔음을 알 수 있다. 또한, 아래 행으로 내려갈수록 적산온도가 커지는 것을 기초로 상대적으로 생육일수가 더 많은 과실의 체적 데이터라는 것을 파악할 수 있다.
예측모델 생성부(10)는 도 2와 같은 데이터를 통해서 온도, 습도, 광량, 적산온도를 독립변수로, 일 화방에서의 과실의 평균체적을 종속변수로 하여 상관관계를 분석함으로써 환경이 달라짐에 따라 일 화방에서의 과실의 평균체적이 어떻게 달라지는지에 관한 예측모델을 생성할 수 있다. 참고로, 도 2에서는 일 화방에서의 과실의 평균체적을 예측하는 예측모델을 생성하기 위해 필요한 데이터를 예로 들었으나, 이 외 생산량 예측모델을 생성하기 위해서는 해당 환경이나 생육상태에서 나타난 생산량 데이터를 이용하면 될 것이다.
이와 같이, 예측모델 생성부(10)는 사용자가 직접 입력한 데이터 또는, 환경센서나 작물의 생장을 관리하는 서버 등과 링크되어 수집된 데이터를 기초로 독립변수와 종속변수의 상관관계를 분석하여 예측모델을 생성한다. 예측모델 생성부(10)는 수집된 데이터를 기초로 회귀분석, 신경망(Neural Network), SVM(Support Vector Machine) 등 다양한 알고리즘을 통한 기계학습(Machine Learning)을 비롯하여 각종 분석 툴(Tool)을 활용하여 독립변수와 종속변수간의 상관관계를 분석하여 예측모델을 생성할 수 있다. 구체적인 분석방법은 수집된 데이터의 개수 등에 따라 결정될 수 있다.
이하에서는 일 예로서, 예측모델 생성부(10)가 다항 회귀분석(Polynomial Regression Analysis)을 통하여 예측모델을 생성하는 예를 살펴보기로 한다.
4개의 독립변수 x0, x1, x2, x3를 기초로 2차 다항식 예측모델을 생성한다고 가정하면, 각 독립변수를 조합하여 '1', 'x0', 'x1', 'x2', 'x3', 'x02' 'x0x1', 'x0x2', 'x0x3', 'x12', 'x1,x2', 'x1,x3', 'x22', 'x2x3', 'x32'으로 15개의 다항 특징(Polynomial Feature)들이 생성될 수 있다. 이와 같이 생성된 15개의 다항 특징에 대해 회귀분석을 수행하여 종속변수를 예측하는 모델을 학습하여 2차 다항식에서 각 다항 특징에 대응하는 계수들을 산출할 수 있다.
참고로, 2차 다항식 외에도 1차, 또는 2차 이상의 예측모델을 생성할 수도 있음은 물론이다. 또한, 생성된 예측모델은 학습 결과에 따라 선형 또는 비선형 모델일 수도 있다.
한편, 예측모델 생성부(10)는 작물 개체에 대응하는 데이터를 기초로 개체별 예측모델을 생성할 수도 있으나, 도 2와 같이, 하나의 화방에 대응하는 데이터를 기초로 화방별 예측모델을 생성할 수도 있다.
예컨대, 토마토 작물에 대한 토마토 생산량을 예측한다고 할 때, 하나의 개체에는 대략 40개의 화방이 존재하는데, 이 40개 화방에서 생산량을 모두 합한 하나의 개체에서 생산되는 총 생산량을 예측하는 예측모델을 생성할 수도 있고, 각 화방에서 생산된 생산량 데이터를 기초로 화방별로 예측모델을 생성할 수 있다. 예를 들어, 제5 화방에서 생산된 생산량 데이터를 수집하여 예측모델을 생성하면 제5 화방에 대한 생산량 예측모델이 도출되는 것이다. 한편, 도 2에서는 하나의 화방에 착과된 과실의 평균 체적을 예측하는 모델을 생성하는 예를 들었지만, 모든 화방에 착과된 과실의 평균 체적, 또는 모든 화방에 착과된 과실의 총 체적 등을 예측하는 예측모델도 생성할 수 있을 것이다.
이와 같이, 예측모델의 종속변수는 입력 데이터에 따라 달라지는 것으로, 예측모델 생성부(10)는 입력 데이터를 기초로 단수 또는 복수개의 예측모델을 생성할 수 있다.
예측모델 생성부(10)를 통해 생성된 일 이상의 예측모델은 예측모델 저장부(미도시)에 저장될 수 있다. 이에 따라, 예측모델 생성부(10)는 처음에 예측모델을 생성할 때나 신규로 획득된 데이터를 적용하여 기생성된 예측모델을 업데이트할 때에만 활성화되고, 그 이후부터는 저장된 예측모델을 계속적으로 활용할 수 있다.
사용자 인터페이스부(20)는 사용자로부터 각종 정보를 입력받고, 정보를 표시하기 위함으로, 마우스, 키보드, 버튼, 키패드 등의 정보 입력을 위한 입력수단, 입력메뉴와 처리 결과 등을 비롯하여 각종 정보를 표시하는 디스플레이 수단으로 구현될 수 있다.
사용자 인터페이스부(20)를 통하여 사용자는 예측모델을 생성하기 위한 데이터, 예측모델을 통해 예측하는데 필요한 독립변수에 관한 정보, 작물의 영상, 날짜 데이터 등을 입력하고, 이에 따른 처리 결과를 제공 받을 수 있다.
모델선택부(30)는 사용자 입력 등을 기초로 복수의 예측모델 중 적용할 예측모델을 선택한다. 사용자는 필요한 정보에 따라 직접 원하는 예측모델을 선택할 수도 있으며, 또는 직접 모델을 선택하지 않고 작물의 영상이나 날짜 정보를 입력할 수 있다. 이 경우, 모델선택부(30)는 다양한 영상 처리 알고리즘을 활용하여 해당 영상이 어떤 작물에 관한 것인지, 몇 번째 화방까지 성장된 영상인지를 판단하여 해당 작물 또는 해당 화방에 대응하는 예측모델을 선택할 수 있다.
또한, 모델선택부(30)는 날짜에 따른 작물의 생장정도에 관한 정보를 저장하고, 사용자가 입력한 날짜에 대략 몇 개의 화방이 나타나는지 등에 관한 정보를 이용하여 복수의 예측모델 중 적용할 화방모델을 선택할 수 있다. 참고로, 토마토의 경우에는 봄과 여름 사이에는 1~10 화방, 여름에서 가을까지는 11~25 화방, 그 이후에는 26 화방에서 나머지 화방이 나타난다고 알려져 있다.
예측수행부(40)는 입력된 독립변수의 값, 즉, 생장환경 데이터 또는 생육 데이터 값을 모델선택부(30)를 통해 선택된 예측모델에 적용하여 생산량, 과실 체적 등에 관한 예측을 수행한다. 예측된 결과는 사용자 인터페이스부(20)를 통해 사용자에게 제공된다.
주요변수 추출부(50)는 예측모델 생성부(10)를 통해 생성된 예측모델을 기초로 독립변수 중 적어도 하나 이상의 주요변수를 추출한다. 주요변수는, 예측결과에 상대적으로 큰 영향을 주는 변수를 의미한다. 예컨대, 주요변수 추출부(50)는 함수식으로 표현되는 예측모델에서 각 독립변수에 대응하는 계수의 크기를 비교하여 그 값이 상대적으로 큰 독립변수를 주요변수로 추출할 수 있다. 추출된 주요변수에 관한 정보는 사용자 인터페이스부(20)를 통해 제공되어 사용자가 참조할 수 있도록 할 수 있다.
사용자가 예측모델을 통해 예측을 수행할 때, 다수의 독립변수의 값을 입력해야 하는데, 다수의 입력값들을 측정하거나 산출하기 어렵고, 시간이 오래 걸리는 작업이기 때문에 생산량 또는 과실 체적 등의 종속변수에 영향력이 큰 몇 개의 독립변수를 추출함으로써, 사용자는 주요변수 값만 입력하여 예측을 수행할 수 있어 사용자의 편의성이 크게 증대되며, 비교적으로 중요도가 떨어지는 변수들에 비하여 주요변수를 집중적으로 제어함으로써 효율성을 도모할 수 있다. 또한, 생산량이나 과실 체적 등은 각 온실의 형상, 온실이 위치한 지역 등 환경에 따라 달라질 수 있기 때문에, 해당 온실조건에 맞춤화된 주요변수를 찾을 수 있다는 점에서 의미가 있다.
변수값 산출부(60)는 예측모델을 이용하여 설정된 목표 수치를 달성하기 위한 독립변수의 값을 산출한다. 예컨대, 사용자가 목표로 하는 생산량, 또는 과실 체적 등을 입력하면 목표 수치에 최대한 가까워지기 위한 작물의 생장환경이나 생육 인자의 최적 변수값들을 산출한다.
이를 위하여, 변수값 산출부(60)는 설정된 목표 수치와 예측된 수치의 차이가 최소가 되는 독립변수의 값을 산출한다.
예컨대, 변수값 산출부(60)는 다음의 함수 f를 최대화하는 변수값을 산출할 수 있다.
Figure pat00002
여기서, ytarget은 설정된 목표 수치이고, y는 예측모델 생성부(10)에 의하여 생성된 예측모델에 따른 함수를 의미한다.
도 3은 변수값 산출부(60)가 최적 변수값을 산출하는 스텝을 설명하기 위한 참고도면이다. 참고로, 도 3은 베이지안 최적화(Bayesian Optimization) 기법을 이용하는 예를 보여준다.
도 3을 참조하면, 4개의 독립변수(x0, x1, x2, x3) 최적값을 산출하는 스텝을 나타낸 것으로, f 값이 최대가 되는 독립변수의 값을 탐색하는 과정을 보여준다.
베이지안 최적화는 전역 최적화(Global Optimazation) 기법으로서, 주어진 함수의 전역적 최대 지점을 찾아내는 기법이다. 위 f 함수를 최대화할 수 있는 독립변수 값을 탐색하기 위하여 가우시안 프로세스 회귀(Gaussian Process Regression, GPR) 모델을 이용하여 예측을 수행하고, 위 GPR 모델에 대해 루트 파인딩(Root Finding)을 사용하여 최적 변수값에 근접할 때까지 점진적인 탐색을 수행한다.
전술된 베이지안 최적화 기법 외에도, f를 최대화할 수 있는 다양한 최적화 알고리즘이 활용될 수 있음은 물론이다.
한편, 변수값 산출부(60)는 모든 독립변수에 대응하는 변수값들을 산출할 수도 있으나, 주요변수 추출부(50)를 통해 추출된 주요변수에 해당하는 값들만 산출할 수도 있다.
정보제공부(70)는 예측수행부(40)를 통해 예측된 값과 변수값 산출부(60)를 통해 산출된 변수값을 기초로 작물의 재배를 가이드할 수 있는 가이드 정보를 제공한다.
예를 들어, 정보제공부(70)는 산출된 변수값이 생장환경에 관한 변수의 값일 때에는 원하는 생산량 또는 과실 체적을 얻기 위해서는 생육환경, 예컨대, 온도, 습도, 적산온도, 광량을 현재 대비 어떤 정도로 높이거나 낮추라는 등의 환경제어에 관한 가이드 정보를 제공할 수 있다.
또는 산출된 변수값이 예컨대, 개화속도와 같은 생육에 관한 변수값일 때에는 산출된 최적 변수값 대비 현재 개화속도가 빠르거나 느린지 여부를 판단하여, 최적 변수값에 맞추어 개화속도를 지연시키거나 가속시키기 위해서는 환경을 어떻게 제어하는 것이 필요하다는 가이드 정보를 제공할 수 있다. 이를 위하여, 정보제공부(70)는 작물의 생육과 환경의 관계에 관한 데이터를 저장하고, 이를 기초로 생육 조절을 위한 환경제어 가이드 정보를 제공할 수 있을 것이다.
또한, 정보제공부(70)는 목표로 하는 과실 체적을 달성하기 위해서는 생장환경을 어떻게 제어해야 한다는 가이드 정보뿐 아니라, 예측수행부(40)를 통해 예측된 현재 과실 체적과 날짜 정보, 또는 적산온도를 통해 생육일수 등을 추정하여 이를 기초로 수확시기를 예측해 줄 수 있다.
그리고, 정보제공부(70)는 예측된 생산량을 수확하기 위해서 소요되는 비용, 과실 체적당 거래된 비용 등의 통계자료를 기초로 예측된 과실 체적이 어느 정도 비용으로 판매될 수 있다는 등의 비용 정보도 함께 제공할 수 있다.
이처럼, 본 발명에 따른 작물 재배 가이드 정보 제공 장치(100)에 의하면, 단순히 예측값을 제공하는 것을 넘어서, 예측모델을 기초로 사용자에게 목표치를 달성하기 위한 재배 가이드 정보를 제공해줌으로써, 매우 유용하게 활용될 수 있다.
도 4는 본 발명의 실시예에 따른 작물 재배 가이드 정보를 제공하는 방법을 나타낸 흐름도이다. 이하, 도 4를 참조하여 전술된 재배 가이드 정보 제공 장치(100)의 각 구성의 유기적인 동작을 살펴보기로 한다.
먼저, 수집된 작물의 생장환경 또는 생육에 관한 독립변수의 데이터와 과실 체적, 작물 생산량, 과실 개수 등 종속변수의 데이터의 상관관계를 분석하여 종속변수를 예측하는 예측모델을 생성한다(S10). 예측모델은 작물 개체별 또는 각 화방당 데이터를 기초로 화방별로 생성될 수도 있다.
이어서, 사용자가 원하는 생산량, 과실 체적 등 종속변수에 관한 목표 수치를 입력하거나, 예측모델을 이용하여 현재 예측되는 값과 날짜 정보를 기초로 수확시기까지 최대한 얻을 수 있는 수치를 연산하여 목표 수치가 설정되면, 설정된 목표 수치를 달성하기 위한 독립변수의 구체적인 변수값을 산출한다(S20, S30).
산출된 변수값과 예측모델을 통해 예측된 값을 기초로 작물 재배의 생산량이나 과실 체적 등을 증대시키거나 재배에 도움이 될 수 있는 가이드 정보를 생성하여 제공한다(S40). 가이드 정보는, 생장 환경 제어를 가이드 하기 위한 정보, 수확시기, 수확비용, 판매비용 등에 관한 정보가 될 수 있다.
한편, 전술된 각 단계는 필요에 따라 적절히 변형되거나 추가될 수 있다.
예컨대, 사용자가 직접 입력한 정보나 입력된 영상을 처리하거나, 연동된 센싱모듈 등을 통해 획득된 생장환경 또는 생육 정보를 예측모델에 적용하여 예측을 수행하는 단계가 추가될 수 있다.
또한, 화방별로 예측모델 생성시, 입력된 영상정보, 날짜정보 등을 기초로 복수의 예측모델 중 해당 화방에 대응하는 모델을 선택하는 과정이 추가될 수 있다. 각 화방이 나타나는 날짜, 계절 등이 달라 각 화방에 대하여 필요한 온도, 습도 등의 필요환경이 다를 수 있는데, 이에 따르면, 화방별로 적합한 가이드 정보를 생성해 줄 수 있어 더욱 세밀하고 정확한 생장환경 제어나 예측이 가능하다.
그리고, 산출된 최적 변수값에 따라 환경 제어 정보를 가이드하는 정보를 제공하는 것 뿐 아니라, 온실 환경 제어 장치(미도시) 등과 연동되어 자동으로 최적 변수값에 따른 환경이 조성되도록 장치를 제어할 수도 있을 것이다.
본 발명에 따른 재배 가이드 정보 제공 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록 매체로도 구현될 수 있다.
이상에서 설명된 내용은 본 발명에 따른 식물 영상 처리 장치 및 방법을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기한 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어나지 않은 범위 내에서 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경실시가 가능한 범위까지 본 발명의 기술적 사상이 있다고 할 것이다.
상기한 실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
10: 예측모델 생성부 20: 사용자 인터페이스부
30: 모델선택부 40: 예측수행부
50: 주요변수 추출부 60: 변수값 산출부
70: 정보제공부

Claims (15)

  1. 작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 과실의 체적 데이터의 상관관계를 분석하여 과실 체적을 예측하는 예측모델을 생성하는 예측모델 생성부;
    상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 변수값 산출부; 및
    산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 정보제공부를 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  2. 제1항에 있어서,
    상기 과실 체적은 수확된 과실의 평균 체적, 또는 생장 중에 있는 과실의 평균 체적인 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  3. 작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 작물의 생산량 데이터의 상관관계를 분석하여 생산량을 예측하는 예측모델을 생성하는 예측모델 생성부;
    상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 변수값 산출부; 및
    산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 정보제공부를 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  4. 제1항 또는 제3항에 있어서,
    상기 예측모델을 기초로 상기 생장환경 데이터와 상기 생육 데이터의 변수 중 적어도 하나 이상의 주요변수를 추출하는 주요변수 추출부를 더 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  5. 제4항에 있어서,
    상기 주요변수 추출부는, 상기 예측모델에 따른 회귀식의 각 변수에 대응하는 계수를 비교하여 상기 주요변수를 추출하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  6. 제1항 또는 제3항에 있어서,
    상기 예측모델 생성부는, 일 화방에 대응하는 데이터를 기초로 화방별로 예측모델을 생성하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  7. 제6항에 있어서,
    사용자로부터 입력을 받기 위한 사용자 인터페이스부; 및
    상기 사용자 인터페이스부를 통해 입력된 작물의 영상 또는 날짜 정보를 기초로 복수 개의 화방별 예측모델 중 하나의 예측모델을 선택하는 모델선택부를 더 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  8. 제1항 또는 제3항에 있어서,
    사용자로부터 입력된 생장환경 데이터 또는 생육 데이터를 기초로 상기 예측모델을 적용하여 예측을 수행하는 예측수행부를 더 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  9. 제1항 또는 제3항에 있어서,
    상기 생장환경 데이터는 온도, 습도, 광량, 및 적산온도 중 적어도 하나의 변수에 대응하는 값을 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  10. 제1항 또는 제3항에 있어서,
    상기 생육 데이터는 경경, 개화위치, 개화속도, 개화정도, 기부직경, 과실체적, 화방간 거리, 생장속도, 엽의 개수, 엽의 면적, 꽃의 개수, 및 착과수 중 적어도 하나의 변수에 대응하는 값을 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  11. 제1항 또는 제3항에 있어서,
    상기 변수값 산출부는, 상기 설정된 목표 수치와 상기 예측모델을 통해 예측된 수치의 차이가 최소가 되는 상기 변수값을 산출하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  12. 제1항 또는 제3항에 있어서,
    상기 변수값 산출부는,
    다음의 함수를 최대화하는 상기 변수값을 산출하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
    Figure pat00003

    (여기서, ytarget은 상기 설정된 목표 수치, y는 상기 예측모델에 따른 함수를 의미함)
  13. 제1항 또는 제3항에 있어서,
    상기 변수값 추출부는,
    베이지안 최적화(Bayesian Optimization) 기법을 기초로 상기 변수값을 산출하는 것을 특징으로 하는 재배 가이드 정보 제공 장치.
  14. 각 단계가 컴퓨터를 통해 이루어지는 재배 가이드 정보 제공방법에 있어서,
    작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 과실의 체적 데이터의 상관관계를 분석하여 과실 체적을 예측하는 예측모델을 생성하는 단계;
    상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 단계; 및
    산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 단계를 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 방법.
  15. 각 단계가 컴퓨터를 통해 이루어지는 재배 가이드 정보 제공방법에 있어서,
    작물의 생장환경 데이터 또는 생육 데이터 중 적어도 어느 하나의 데이터와 작물의 생산량 데이터의 상관관계를 분석하여 생산량을 예측하는 예측모델을 생성하는 단계;
    상기 예측모델을 기초로 설정된 목표 수치를 달성하기 위한 상기 생장환경 데이터와 상기 생육 데이터의 변수에 대응하는 변수값을 산출하는 단계; 및
    산출된 상기 변수값을 기초로 작물의 재배 가이드 정보를 제공하는 단계를 포함하는 것을 특징으로 하는 재배 가이드 정보 제공 방법.

KR1020170010541A 2017-01-23 2017-01-23 작물 재배 가이드 정보 제공 장치, 및 그 방법 KR20180086738A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170010541A KR20180086738A (ko) 2017-01-23 2017-01-23 작물 재배 가이드 정보 제공 장치, 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170010541A KR20180086738A (ko) 2017-01-23 2017-01-23 작물 재배 가이드 정보 제공 장치, 및 그 방법

Publications (1)

Publication Number Publication Date
KR20180086738A true KR20180086738A (ko) 2018-08-01

Family

ID=63228047

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170010541A KR20180086738A (ko) 2017-01-23 2017-01-23 작물 재배 가이드 정보 제공 장치, 및 그 방법

Country Status (1)

Country Link
KR (1) KR20180086738A (ko)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110100620A (zh) * 2019-03-29 2019-08-09 上海交通大学 光照精准预测的苗床调度方法、***及介质
KR20200054619A (ko) * 2018-11-12 2020-05-20 한국과학기술연구원 과실 중량 기반 작물생육 관리장치, 및 그 방법
KR102152409B1 (ko) * 2019-11-19 2020-09-04 박양승 생육과정기록 통합관리 시스템
KR20200130023A (ko) * 2019-05-10 2020-11-18 대한민국(농촌진흥청장) 농작물의 생산성 향상을 위한 데이터 분석 방법 및 장치
KR20210043292A (ko) * 2019-10-11 2021-04-21 주식회사 케이티앤지 교체 가능한 카트리지를 추천하는 에어로졸 생성 장치 및 에어로졸 생성 시스템
KR20210106173A (ko) * 2020-02-20 2021-08-30 조선대학교산학협력단 작물을 생육하는 장치 및 방법
KR20210114751A (ko) * 2020-03-11 2021-09-24 서울대학교산학협력단 작물의 생육량 예측 방법 및 장치
KR20210123485A (ko) * 2020-04-03 2021-10-14 박원용 아쿠아포닉스를 위한 모듈형 스마트 팜을 제어하기 위한 장치 및 이를 위한 방법
KR20210155667A (ko) * 2020-06-16 2021-12-23 (주)호현에프앤씨 토마토의 최적 생육 환경 학습 시스템 및 방법
KR102344761B1 (ko) * 2021-04-13 2022-01-03 유한회사 나노웨더 북미 지역의 대두 수확량 예측 정보 제공 방법
KR20220010374A (ko) * 2020-07-17 2022-01-25 주식회사 쎄슬프라이머스 스마트 엣지 디바이스 기반의 생육 분석 방법 및 그를 위한 장치 및 시스템
KR102542661B1 (ko) * 2022-07-29 2023-06-15 농업협동조합중앙회 농작물 생산량 예측을 위한 사용자 인터페이스 제공 장치 및 방법
KR102631597B1 (ko) * 2023-06-29 2024-02-02 주식회사 리플로그 엽록소 형광값을 이용한 딸기의 스트레스 지수 산출방법 및 재배관리 시스템

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200054619A (ko) * 2018-11-12 2020-05-20 한국과학기술연구원 과실 중량 기반 작물생육 관리장치, 및 그 방법
CN110100620B (zh) * 2019-03-29 2021-06-29 上海交通大学 光照精准预测的苗床调度方法、***及介质
CN110100620A (zh) * 2019-03-29 2019-08-09 上海交通大学 光照精准预测的苗床调度方法、***及介质
KR20200130023A (ko) * 2019-05-10 2020-11-18 대한민국(농촌진흥청장) 농작물의 생산성 향상을 위한 데이터 분석 방법 및 장치
WO2020230937A1 (ko) * 2019-05-10 2020-11-19 대한민국(농촌진흥청장) 농작물의 생산성 향상을 위한 데이터 분석 방법 및 장치
JP2022545979A (ja) * 2019-10-11 2022-11-01 ケーティー アンド ジー コーポレイション 交換可能なカートリッジをすすめるエアロゾル生成装置及びエアロゾル生成システム
KR20210043292A (ko) * 2019-10-11 2021-04-21 주식회사 케이티앤지 교체 가능한 카트리지를 추천하는 에어로졸 생성 장치 및 에어로졸 생성 시스템
WO2021071305A3 (en) * 2019-10-11 2021-05-20 Kt&G Corporation Aerosol generating device and aerosol generating system for recommending replaceable cartridge
KR102152409B1 (ko) * 2019-11-19 2020-09-04 박양승 생육과정기록 통합관리 시스템
KR20210106173A (ko) * 2020-02-20 2021-08-30 조선대학교산학협력단 작물을 생육하는 장치 및 방법
KR20210114751A (ko) * 2020-03-11 2021-09-24 서울대학교산학협력단 작물의 생육량 예측 방법 및 장치
KR20210123485A (ko) * 2020-04-03 2021-10-14 박원용 아쿠아포닉스를 위한 모듈형 스마트 팜을 제어하기 위한 장치 및 이를 위한 방법
KR20210155667A (ko) * 2020-06-16 2021-12-23 (주)호현에프앤씨 토마토의 최적 생육 환경 학습 시스템 및 방법
KR20220010374A (ko) * 2020-07-17 2022-01-25 주식회사 쎄슬프라이머스 스마트 엣지 디바이스 기반의 생육 분석 방법 및 그를 위한 장치 및 시스템
KR102344761B1 (ko) * 2021-04-13 2022-01-03 유한회사 나노웨더 북미 지역의 대두 수확량 예측 정보 제공 방법
KR102542661B1 (ko) * 2022-07-29 2023-06-15 농업협동조합중앙회 농작물 생산량 예측을 위한 사용자 인터페이스 제공 장치 및 방법
KR102631597B1 (ko) * 2023-06-29 2024-02-02 주식회사 리플로그 엽록소 형광값을 이용한 딸기의 스트레스 지수 산출방법 및 재배관리 시스템

Similar Documents

Publication Publication Date Title
KR20180086738A (ko) 작물 재배 가이드 정보 제공 장치, 및 그 방법
Cieslak et al. A functional–structural kiwifruit vine model integrating architecture, carbon dynamics and effects of the environment
CN106408132A (zh) 一种基于种植设备的作物产量预测方法及装置
US20220248616A1 (en) Irrigation control with deep reinforcement learning and smart scheduling
JP6551943B2 (ja) 生育管理装置、生育管理方法、及び、プログラム
JP2021056573A (ja) 作物成長予測プログラム、作物成長予測方法および作物成長予測装置
JP2019170359A (ja) 植物栽培結果予測システム
US20220225583A1 (en) Management device for cultivation of fruit vegetable plants and fruit trees, learning device, management method for cultivation of fruit vegetable plants and fruit trees, learning model generation method, management program for cultivation of fruit vegetable plants and fruit trees, and learning model generation program
KR102309568B1 (ko) 이미지 기반 작물 생육정보 자동계측 시스템
JP2022136058A (ja) 農作物の生産成績を予測する予測モデルの生成方法、生成装置、及び生成プログラム
Costa et al. Greenhouses within the Agricultura 4.0 interface
JP7208503B2 (ja) 機械学習プログラム、機械学習方法および機械学習装置
KR102471743B1 (ko) 스마트팜의 미래 생산량 예측 방법
JP7314825B2 (ja) 予測装置、予測システム、及び予測方法
JP7416394B2 (ja) 作付スケジュール算出装置、作付スケジュール算出プログラム、及び、作付スケジュール算出方法
TWI703529B (zh) 作物生長階段計算方法及電腦程式產品
JP2021128770A (ja) 情報処理方法、情報処理プログラム及び情報処理装置
KR102264035B1 (ko) 과실 중량 기반 작물생육 관리장치, 및 그 방법
KR102542661B1 (ko) 농작물 생산량 예측을 위한 사용자 인터페이스 제공 장치 및 방법
JP7488998B2 (ja) 作物規格予測方法及び作物規格予測プログラム
KR102471742B1 (ko) 스마트팜의 생산량과 환경에 대한 최적선형모델 구축 방법
EP4340590B1 (en) Greenhouse environment optimisation
JP2022136056A (ja) 農作物の生産成績を予測する予測方法、予測装置、及び予測プログラム
JP2022136057A (ja) 農作物の生産成績を予測する予測モデルの生成方法、生成装置、及び生成プログラム
Mineno Wilt Detection Soft Sensor for Plant Water Stress Management

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application