KR20220168864A - 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법 - Google Patents

스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법 Download PDF

Info

Publication number
KR20220168864A
KR20220168864A KR1020210078876A KR20210078876A KR20220168864A KR 20220168864 A KR20220168864 A KR 20220168864A KR 1020210078876 A KR1020210078876 A KR 1020210078876A KR 20210078876 A KR20210078876 A KR 20210078876A KR 20220168864 A KR20220168864 A KR 20220168864A
Authority
KR
South Korea
Prior art keywords
environmental data
production
calculating
linear regression
data
Prior art date
Application number
KR1020210078876A
Other languages
English (en)
Other versions
KR102638902B1 (ko
Inventor
김만배
황인철
양동일
Original Assignee
강원대학교산학협력단
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 강원대학교산학협력단 filed Critical 강원대학교산학협력단
Priority to KR1020210078876A priority Critical patent/KR102638902B1/ko
Publication of KR20220168864A publication Critical patent/KR20220168864A/ko
Application granted granted Critical
Publication of KR102638902B1 publication Critical patent/KR102638902B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Agronomy & Crop Science (AREA)
  • Databases & Information Systems (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Primary Health Care (AREA)
  • Animal Husbandry (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법이 개시된다. 의사 결정 지원 방법은, 스마트팜의 생산량 데이터 및 환경 데이터를 수집하는 단계, 수집된 생산량 데이터 및 환경 데이터를 이용하여 상관계수(correlation coefficient) 및 대응주차(corresponding week)를 산출하는 단계, 산출된 상관계수 및 대응주차를 이용하여 생산량 및 환경에 대한 다중선형회귀(multiple linear regression) 모델을 산출하는 단계, 산출된 다중선형회귀 모델의 주차별 선형회귀 방정식을 이용하여 환경 데이터 증감 정보를 산출하는 단계 및 산출된 환경 데이터 증감 정보에 따라 환경 데이터 증감에 따른 미래 생산량을 예측하는 단계를 포함한다.

Description

스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법{Apparatus and method for supporting decision making to control crop yield in smart farms}
본 발명은 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법에 관한 것이다.
최근, 농업과 ICT와 융합을 통해 스마트팜(Smart Farm)을 구축하여 빅데이터와 사물인터넷 기술을 활용한 농작물의 생산성과 품질향상에 주력하고 있다. 사물인터넷 기술을 활용하여 센서에서 농작물의 환경정보를 실시간으로 측정 및 모니터링하고, 최적생육관리 시스템의 구축을 통해 농작물을 자동으로 관리하여 생산성과 품질이 비약적으로 증가하였다.
외국은 스마트팜에서 온도, 습도, 조도 등을 감지하는 센서를 통해 수집되는 온실 정보를 이용한 스케줄링 스프트웨어로 토마토, 파프리카 등의 작물의 생육 환경이 최적 재배환경이 되도록 제어하여 농업의 공업화를 이루고 있다.
일반적으로, 스마트팜에서 최적의 생산량(Yield)을 얻기 위해서, 다양한 환경 데이터가 조절된다. 생산량은 이전 주차의 환경 데이터의 영향을 받는다. 온도, 습도, 이산화탄소(CO2), 광량 등과 같은 환경인자들은 생산량과 밀접한 관련이 있다. 따라서, 주차별로 어떤 환경인자의 데이터가 생산량에 영향을 주는지를 판단하는 것이 필요하다. 예를 들어, 17주차의 온도가 22도일 때, 온도를 조절하면, 생산량 변화가 발생한다. 이때, 최적의 온도는 의사결정 시스템(Decision making system)에 의하여 결정될 수 있다.
도 1은 일반적인 의사결정 시스템의 구성 개념을 나타내는 도면이다.
도 1을 참조하면, 팜 관리자는 주차마다 환경인자를 조절하고, 의사결정 지원 시스템은 생육 및 생산량의 예측값을 팜 관리자에게 전달한다. 팜 관리자가 생산량의 증가 또는 감소를 원하면, 의사결정 지원 시스템이 팜 관리자에게 환경인자의 조절양을 알려주고, 이에 따라 팜 관리자는 환경인자를 조절할 수 있다.
대한민국등록특허공보 제10-1811640호(2017.12.18)
본 발명은 농부와 같은 스마트팜의 관리자가 원하는 생산량에 맞추어 환경인자를 조절하도록, 스마트팜 농작물의 생산량과 환경인자 사이에 대한 최적의 다중선형회귀 모델을 이용하여 환경 데이터 증감 정보를 산출하여 제공하는 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법을 제공하기 위한 것이다.
본 발명의 일 측면에 따르면, 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치가 수행하는 의사 결정 지원 방법이 개시된다.
본 발명의 실시예에 따른 의사 결정 지원 방법은, 상기 스마트팜의 생산량 데이터 및 환경 데이터를 수집하는 단계, 상기 수집된 생산량 데이터 및 환경 데이터를 이용하여 상관계수(correlation coefficient) 및 대응주차(corresponding week)를 산출하는 단계, 상기 산출된 상관계수 및 대응주차를 이용하여 생산량 및 환경에 대한 다중선형회귀(multiple linear regression) 모델을 산출하는 단계, 상기 산출된 다중선형회귀 모델의 주차별 선형회귀 방정식을 이용하여 환경 데이터 증감 정보를 산출하는 단계 및 상기 산출된 환경 데이터 증감 정보에 따라 환경 데이터 증감에 따른 미래 생산량을 예측하는 단계를 포함한다.
상기 상관계수 및 대응주차를 산출하는 단계는, 하기 수학식을 이용하여 상기 상관계수(ρ)를 산출하는 단계 및 상기 상관계수가 최대인 환경 데이터의 주차를 상기 대응주차로 산출하는 단계를 포함한다.
Figure pat00001
여기서, ei는 생산량 주차에서 미리 설정된 D 구간의 생산량 데이터이고, yi는 환경 주차에서 미리 설정된 D 구간의 생산량 데이터이고,
Figure pat00002
는 ei의 평균값이고,
Figure pat00003
는 yi의 평균값이다.
상기 생산량 및 환경에 대한 다중선형회귀 모델을 산출하는 단계는, 하기 수학식을 이용하여 상기 다중선형회귀 모델을 산출하는 단계 및 회귀 파라미터의 해 값을 이용하여 주차별로 생산량을 나타내는 상기 주차별 선형회귀 방정식을 산출하는 단계를 포함한다.
Figure pat00004
Figure pat00005
여기서, Y는 주차 구간 D의 생산량이고, X는 상기 대응주차를 가지는 환경 데이터이고, β는 회귀 파라미터이고,
Figure pat00006
는 β의 해 값이다.
상기 환경 데이터 증감 정보를 산출하는 단계는, 상기 주차별 선형회귀 방정식을 탐색하여 상기 환경 데이터 증감 정보를 산출하되, 상기 환경 데이터 증감 정보는, 상기 주차별 선형회귀 방정식의 회귀 파라미터의 부호에 따라 상기 환경 데이터에 미리 설정된 조절값을 더하는 경우 및 상기 환경 데이터에서 미리 설정된 조절값을 빼는 경우 각각의 생산량의 증가 또는 감소 여부 및 환경 데이터의 증감값을 포함한다.
상기 회귀 파라미터의 부호가 양(positive)인 경우, 환경인자별로 미리 설정된 상기 조절값이 상기 환경 데이터에 더해지면 상기 생산량은 증가하고, 상기 조절값이 상기 환경 데이터에서 빼지면 상기 생산량은 감소하고, 상기 회귀 파라미터의 부호가 음(negative)인 경우, 상기 조절값이 환경 데이터에 더해지면 상기 생산량은 감소하고, 상기 조절값이 상기 환경 데이터에서 빼지면 상기 생산량은 증가한다.
상기 미래 생산량을 예측하는 단계는, 상기 주차별 선형회귀 방정식에 상기 조절값만큼 감소 또는 증가된 환경 데이터를 적용하여 예측된 상기 미래 생산량을 산출한다.
본 발명의 다른 측면에 따르면, 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치가 개시된다.
본 발명의 실시예에 따른 의사 결정 지원 장치는, 명령어를 저장하는 메모리 및 상기 명령어를 실행하는 프로세서를 포함하되, 상기 명령어는, 상기 스마트팜의 생산량 데이터 및 환경 데이터를 수집하는 단계, 상기 수집된 생산량 데이터 및 환경 데이터를 이용하여 상관계수(correlation coefficient) 및 대응주차(corresponding week)를 산출하는 단계, 상기 산출된 상관계수 및 대응주차를 이용하여 생산량 및 환경에 대한 다중선형회귀(multiple linear regression) 모델을 산출하는 단계, 상기 산출된 다중선형회귀 모델의 주차별 선형회귀 방정식을 이용하여 환경 데이터 증감 정보를 산출하는 단계 및 상기 산출된 환경 데이터 증감 정보에 따라 환경 데이터 증감에 따른 미래 생산량을 예측하는 단계를 포함하는 의사 결정 지원 방법을 수행한다.
본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법은, 스마트팜 농작물의 생산량과 환경인자 사이에 대한 최적의 다중선형회귀 모델을 이용하여 환경 데이터 증감 정보를 산출하여 제공함으로써, 농부와 같은 스마트팜의 관리자가 원하는 생산량에 맞추어 환경인자를 조절하게 할 수 있다.
도 1은 일반적인 의사결정 시스템의 구성 개념을 나타내는 도면.
도 2는 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치가 수행하는 의사 결정 지원 방법을 나타낸 흐름도.
도 3 내지 도 7은 도 2의 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 방법을 설명하기 위한 도면.
도 8은 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치의 구성을 개략적으로 예시하여 나타낸 도면.
본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 본 발명의 다양한 실시예들을 첨부된 도면을 참조하여 상술하겠다.
도 2는 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치가 수행하는 의사 결정 지원 방법을 나타낸 흐름도이고, 도 3 내지 도 7은 도 2의 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 방법을 설명하기 위한 도면이다. 이하, 도 2를 중심으로, 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 방법에 대하여 설명하되, 도 3 내지 도 7을 참조하기로 한다.
S210 단계에서, 의사 결정 지원 장치는, 생산량 데이터 및 환경 데이터를 수집한다.
도 3은 생산량 데이터와 환경 데이터의 주차(Week) 관련성을 보여준다. 도 3을 참조하면, 농작물을 심고 환경 데이터 획득이 시작되는 주차가 T1 주차라 하면, T2 주차까지 M개의 환경 데이터가 획득될 수 있다. 농작물 생산은 P1 주차부터 시작되어 P2 주차까지 생산량이 매주 측정될 수 있다. 생산량은 이전 주차의 환경 데이터의 영향을 받는다. 주차별로 어떤 환경인자가 생산량과 관련이 있는지를 판단하는 것이 필요하다.
즉, 생산량 데이터는
Figure pat00007
, 환경인자에 대한 환경 데이터는
Figure pat00008
로 나타낼 수 있다. 여기서, P1은 생산량 데이터 획득의 시작 주차이고, P2는 생산량 데이터 획득의 마지막 주차이다. 마찬가지로, T1은 환경 데이터 획득의 시작 주차이고, T2는 환경 데이터 획득의 마지막 주차이다. 일반적으로, P1>T1, P2>T2이다.
S220 단계에서, 의사 결정 지원 장치는, 수집된 생산량 데이터 및 환경 데이터를 이용하여 상관계수(correlation coefficient) 및 대응주차(corresponding week)를 산출한다.
M개의 환경인자가 있고, 각각의 환경인자는 미래 주차의 생산량에 영향을 준다. p 주차의 생산량이 t 주차의 환경과 연관성이 높다고 가정하면, t 주차는 p 주차의 대응주차이다. 대응주차는 환경인자마다 다른 값을 가질 수 있다. 즉, 각각의 환경인자는 미래 주차의 생산량에 영향을 줄 수 있다. 이러한 영향력을 산출하기 위하여 통계분석 기술 중에서 상관계수가 활용될 수 있다.
생산량 주차 p(
Figure pat00009
)에서 미리 설정된 D 구간의 생산량 데이터
Figure pat00010
가 구성되고, 환경 주차 t(
Figure pat00011
)에서 D 구간의 환경 데이터
Figure pat00012
가 구성된다. 여기서, yp 및 et를 간단히 표현하면,
Figure pat00013
Figure pat00014
로 나타낼 수 있다. yp 및 et의 상관계수 ρ는 하기 수학식을 이용하여 산출될 수 있다.
Figure pat00015
여기서,
Figure pat00016
는 et의 평균값이고,
Figure pat00017
는 yp의 평균값이다.
생산량 주차 p의 범위는 [P1, P2]이고, 환경 주차 t의 범위는 [T1, T2]이다. 따라서, p에서 얻을 수 있는 주차의 개수는 S=P2-P1-D개이다. 유사하게, t에서 얻을 수 있는 주차의 개수는 R=T2-T1-D개이다. 각 p에서의 생산량 데이터와 R개의 환경 데이터의 상관계수가 산출될 수 있다. 최대 상관계수를 가지는 환경 데이터의 주차가 대응주차(
Figure pat00018
)가 될 수 있다.
예를 들어, M개의 환경인자가 있고, 주차 p의 생산량은 yp인데, 첫번째 환경 데이터 e1의 대응주차는
Figure pat00019
이고, 두번째 환경 데이터 e2의 대응주차는
Figure pat00020
이고, 마지막 환경 데이터 eM의 대응주차는
Figure pat00021
이라고 가정하면, 이 대응주차에서 환경과 생산량의 상관계수가 가장 크다고 할 수 있다.
S230 단계에서, 의사 결정 지원 장치는, 산출된 상관계수 및 대응주차를 이용하여 생산량 및 환경에 대한 최적화된 다중선형회귀(multiple linear regression) 모델을 산출한다.
다중선형회귀 모델은 하기 수학식으로 정의될 수 있다.
Figure pat00022
여기서, Y는 주차 구간 D의 생산량이고, 각 환경인자는 서로 다른 대응주차를 가지므로, X는 대응주차를 가지는 환경 데이터이다. 그리고, β는 회귀 파라미터이다.
다중선형회귀 분석에서 종속변수인 생산량 변수 Y를 설명하기 위하여 M개의 독립변수인 x1, x2, …, xM을 도입하면, 생산량 Y는 하기 수학식으로 나타낼 수 있다.
Figure pat00023
종속변수 Y는 D 구간의 생산량으로, 특정 주차 p에서 이전 (p-D+1)까지의 생산량이다.
그리고, 독립변수 X는 하기 수학식으로 나타낼 수 있다.
Figure pat00024
X는 M개의 환경인자이고, 각 열(Column)은 D 개의 환경 데이터이다. 각 환경 데이터는 대응주차를 가지는 값들이다.
그리고, 회귀 파라미터 β는 하기 수학식으로 나타낼 수 있다.
Figure pat00025
여기서, β0는 절편(offset)값이다.
하기 수학식을 이용하여 β의 해 값이 결정될 수 있다.
Figure pat00026
Figure pat00027
여기서,
Figure pat00028
는 β의 해 값으로 산출된 회귀 파라미터값이다.
이와 같이 해 값이 결정된 회귀 파라미터를 이용하여 주차별로 생산량을 나타내는 주차별 선형회귀 방정식이 산출될 수 있다.
S240 단계에서, 의사 결정 지원 장치는, 산출된 다중선형회귀 모델의 주차별 선형회귀 방정식을 이용하여 환경 데이터 증감 정보를 산출한다.
즉, 의사 결정 지원 장치는 주차별 선형회귀 방정식을 모두 탐색하여, 주차별 선형회귀 방정식의 회귀 파라미터 β의 부호(sign)에 따라 주차별로 환경 데이터 증감 정보를 산출할 수 있다.
현재 주차를 wc라고 하면, 대응주차
Figure pat00029
이다. k번째 환경 데이터를 ek라고 하면,
Figure pat00030
를 가지는 주차별 선형회귀 방정식이 모두 탐색될 수 있다. 예를 들어, 32주, 34주, 42주 및 50주의 4개의 선형회귀 방정식은 ek를 포함한다고 가정하면, 하기 수학식으로 나타낼 수 있다.
Figure pat00031
여기서, yw는 주차 w(=32, 34, 42, 50)에서의 예측 생산량이다. 그리고,
Figure pat00032
는 환경 데이터 ek의 현재 주차가
Figure pat00033
이고, 선형회귀 방정식 yw에 포함되는 것을 의미한다. 그리고, 회귀 파라미터 β는 해당 환경인자의 계수값으로, 음 또는 양의 실수이다.
회귀 파라미터 β의 부호가 양(positive)인 경우, 환경인자별로 미리 설정된 조절값이 환경 데이터 ek에 더해지면(환경 데이터 증가) 생산량은 증가하고, 조절값이 환경 데이터 ek에서 빼지면(환경 데이터 감소) 생산량은 감소한다.
반대로, 회귀 파라미터 β의 부호가 음(negative)인 경우, 환경인자별로 미리 설정된 조절값이 환경 데이터 ek에 더해지면(환경 데이터 증가) 생산량은 감소하고, 조절값이 환경 데이터 ek에서 빼지면(환경 데이터 감소) 생산량은 증가한다.
여기서, 환경인자별로 미리 설정된 조절값은 온도, 습도, 이산화탄소 등의 환경 데이터값에 따라 적절하게 조절될 수 있다. 예를 들어, 온도의 경우, 최소값 및 최대값이 설정되고, 최소값과 최대값 사이의 크기의 10% 정도가 조절값으로 설정될 수 있다. 이와 같은 조절값은 팜 전문가의 경험과 지식에 따라 달라지거나, 스마트팜 환경에 따라 결정될 수 있다.
환경인자별로 미리 설정되는 조절값을
Figure pat00034
라고 가정하면, 환경 데이터 ek의 증감값은 하기 수학식과 같이 나타낼 수 있다.
Figure pat00035
Figure pat00036
예를 들어, 수학식 8에서 32주차의 예측 생산량인 y32는, 회귀 파라미터 β가 양수인 경우, 수학식 9와 같이 환경 데이터 ek에 조절값(
Figure pat00037
)이 더해지면 증가하고, 반대로 환경 데이터 ek에서 조절값(
Figure pat00038
)이 빼지면 감소할 수 있다. 그리고, 회귀 파라미터 β가 음수인 경우, y32는, 수학식 9와 같이 환경 데이터 ek에 조절값(
Figure pat00039
)이 더해지면 감소하고, 반대로 환경 데이터 ek에서 조절값(
Figure pat00040
)이 빼지면 증가할 수 있다.
따라서, 의사 결정 지원 장치는 회귀 파라미터 β의 부호에 따라 환경 데이터에 미리 설정된 조절값을 더하는 경우 및 환경 데이터에서 미리 설정된 조절값을 빼는 경우 각각의 생산량의 증가 또는 감소 여부 및 환경 데이터의 증감값을 포함하는 환경 데이터 증감 정보를 산출하여 제공할 수 있다.
S250 단계에서, 의사 결정 지원 장치는, 환경 데이터 증감에 따른 미래 생산량을 예측한다.
즉, 의사 결정 지원 장치는 예측 생산량을 나타내는 주차별 선형회귀 방정식에 미리 설정된 조절값만큼 감소 또는 증가된 환경 데이터를 적용하여 예측된 미래 생산량을 산출하여 제공할 수 있다.
예를 들어, 32주, 34주, 42주 및 50주의 4개의 선형회귀 방정식에 조절값만큼 감소 또는 증가된 환경 데이터를 적용하면 하기 수학식으로 나타낼 수 있다.
Figure pat00041
그리고, 총 미래 생산량(Ytotal))은 하기 수학식을 이용하여 산출될 수 있다.
Figure pat00042
도 4는 본 발명의 실시예에 따른 의사 결정 지원 방법의 개념을 나타낸다.
도 4를 참조하면, 현재 주차(wc)에서 온도, 습도, 이산화탄소 등의 환경인자를 조절하여 생산량을 조절할 수 있다. 주차별로 생산량 조절이 가능한 환경인자가 선택될 수 있다. 현재 주차에서 미래 생산량이 예측되는데, 생산량 및 환경에 대한 최적화된 다중선형회귀 모델을 이용하여 미래 생산량이 산출될 수 있다.
그리고, 생산량을 증가 또는 감소시키기 위한 환경 데이터의 증감은 생산량 및 환경에 대한 다중선형회귀 모델의 주차별 선형회귀 방정식을 이용하여 산출될 수 있다. 즉, 주차별 선형회귀 방정식에 포함된 각 환경인자에 대한 회기 파라미터의 음 또는 양의 부호에 따라 환경 데이터가 조정될 수 있다.
실제로, 스마트팜을 운영할 때, 이번 주차에 온도, 습도, 이산화탄소 등을 어떻게 설정해야 할지는 농부의 고민일 수 있다. 그래서, 본 발명의 실시예에 따른 의사 결정 지원 장치는 매주 환경 데이터의 증감값 및 이에 따라 예측된 미래 생산량을 산출하여 농부에게 제공할 수 있다. 이에 따라, 농부는 원하는 생산량 증가 또는 생산량 감소에 따른 환경 데이터의 증감값으로 해당 환경인자를 재설정하여 생산량을 조절할 수 있다.
도 5는 본 발명의 실시예에 따른 생산량 및 환경에 대한 최적화된 다중선형회귀 모델을 이용하여 예측한 미래 생산량의 그래프를 나타낸다.
도 5의 그래프에서, 가로축은 주차이고, 세로축은 생산량(단위: kg)이고, 청색선은 실제값을 나타내고, 적색선은 예측값을 나타낸다. 도 5의 그래프에서는, 오차는 존재하나, 예측값이 실제값을 따라가는 것을 관측할 수 있다.
도 6 및 도 7은 각각 본 발명의 실시예에 따른 의사 결정 지원 장치가 산출한 환경 데이터의 증감값으로 온도, 습도, 이산화탄소 등의 환경인자를 설정하여 획득한 증가 및 감소된 생산량의 그래프를 나타낸다.
도 6 및 도 7의 그래프에서, 가로축은 주차이고, 세로축은 총 생산량(단위: kg)이고, 검정선은 예측 생산량을 나타내고, 적색선은 의사 결정 지원 장치가 산출한 환경 데이터의 증감값으로 환경인자를 조정하여 획득한 생산량을 나타낸다. 도 6의 그래프에서는, 생산량 증가를 위한 환경 데이터 조절로 생산량이 증가된 것을 관찰할 수 있고, 도 7의 그래프에서는, 생산량 감소를 위한 환경 데이터 조절로 생산량이 감소된 것을 관찰할 수 있다.
도 8은 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치의 구성을 개략적으로 예시하여 나타낸 도면이다.
도 8을 참조하면, 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치는 프로세서(10), 메모리(20), 통신부(30) 및 인터페이스부(40)를 포함한다.
프로세서(10)는 메모리(20)에 저장된 처리 명령어를 실행시키는 CPU 또는 반도체 소자일 수 있다.
메모리(20)는 다양한 유형의 휘발성 또는 비휘발성 기억 매체를 포함할 수 있다. 예를 들어, 메모리(20)는 ROM, RAM 등을 포함할 수 있다.
예를 들어, 메모리(20)는 본 발명의 실시예에 따른 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 방법을 수행하는 명령어들을 저장할 수 있다.
통신부(30)는 통신망을 통해 다른 장치들과 데이터를 송수신하기 위한 수단이다.
인터페이스부(40)는 네트워크에 접속하기 위한 네트워크 인터페이스 및 사용자 인터페이스를 포함할 수 있다.
한편, 전술된 실시예의 구성 요소는 프로세스적인 관점에서 용이하게 파악될 수 있다. 즉, 각각의 구성 요소는 각각의 프로세스로 파악될 수 있다. 또한 전술된 실시예의 프로세스는 장치의 구성 요소 관점에서 용이하게 파악될 수 있다.
또한 앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대한 통상의 지식을 가지는 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
10: 프로세서
20: 메모리
30: 통신부
40: 인터페이스부

Claims (7)

  1. 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치가 수행하는 의사 결정 지원 방법에 있어서,
    상기 스마트팜의 생산량 데이터 및 환경 데이터를 수집하는 단계;
    상기 수집된 생산량 데이터 및 환경 데이터를 이용하여 상관계수(correlation coefficient) 및 대응주차(corresponding week)를 산출하는 단계;
    상기 산출된 상관계수 및 대응주차를 이용하여 생산량 및 환경에 대한 다중선형회귀(multiple linear regression) 모델을 산출하는 단계;
    상기 산출된 다중선형회귀 모델의 주차별 선형회귀 방정식을 이용하여 환경 데이터 증감 정보를 산출하는 단계; 및
    상기 산출된 환경 데이터 증감 정보에 따라 환경 데이터 증감에 따른 미래 생산량을 예측하는 단계를 포함하는 의사 결정 지원 방법.
  2. 제1항에 있어서,
    상기 상관계수 및 대응주차를 산출하는 단계는,
    하기 수학식을 이용하여 상기 상관계수(ρ)를 산출하는 단계; 및
    Figure pat00043

    여기서, ei는 생산량 주차에서 미리 설정된 D 구간의 생산량 데이터이고, yi는 환경 주차에서 미리 설정된 D 구간의 생산량 데이터이고,
    Figure pat00044
    는 ei의 평균값이고,
    Figure pat00045
    는 yi의 평균값임
    상기 상관계수가 최대인 환경 데이터의 주차를 상기 대응주차로 산출하는 단계를 포함하는 것을 특징으로 하는 의사 결정 지원 방법.
  3. 제1항에 있어서,
    상기 생산량 및 환경에 대한 다중선형회귀 모델을 산출하는 단계는,
    하기 수학식을 이용하여 상기 다중선형회귀 모델을 산출하는 단계; 및
    Figure pat00046

    Figure pat00047

    여기서, Y는 주차 구간 D의 생산량이고, X는 상기 대응주차를 가지는 환경 데이터이고, β는 회귀 파라미터이고,
    Figure pat00048
    는 β의 해 값임
    상기 회귀 파라미터의 상기 해 값을 이용하여 주차별로 생산량을 나타내는 상기 주차별 선형회귀 방정식을 산출하는 단계를 포함하는 것을 특징으로 하는 의사 결정 지원 방법.
  4. 제1항에 있어서,
    상기 환경 데이터 증감 정보를 산출하는 단계는,
    상기 주차별 선형회귀 방정식을 탐색하여 상기 환경 데이터 증감 정보를 산출하되,
    상기 환경 데이터 증감 정보는,
    상기 주차별 선형회귀 방정식의 회귀 파라미터의 부호에 따라 상기 환경 데이터에 미리 설정된 조절값을 더하는 경우 및 상기 환경 데이터에서 미리 설정된 조절값을 빼는 경우 각각의 생산량의 증가 또는 감소 여부 및 환경 데이터의 증감값을 포함하는 것을 특징으로 하는 의사 결정 지원 방법.
  5. 제4항에 있어서,
    상기 회귀 파라미터의 부호가 양(positive)인 경우, 환경인자별로 미리 설정된 상기 조절값이 상기 환경 데이터에 더해지면 상기 생산량은 증가하고, 상기 조절값이 상기 환경 데이터에서 빼지면 상기 생산량은 감소하고,
    상기 회귀 파라미터의 부호가 음(negative)인 경우, 상기 조절값이 환경 데이터에 더해지면 상기 생산량은 감소하고, 상기 조절값이 상기 환경 데이터에서 빼지면 상기 생산량은 증가하는 것을 특징으로 하는 의사 결정 지원 방법.
  6. 제1항에 있어서,
    상기 미래 생산량을 예측하는 단계는,
    상기 주차별 선형회귀 방정식에 상기 조절값만큼 감소 또는 증가된 환경 데이터를 적용하여 예측된 상기 미래 생산량을 산출하는 것을 특징으로 하는 의사 결정 지원 방법.
  7. 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치에 있어서,
    명령어를 저장하는 메모리; 및
    상기 명령어를 실행하는 프로세서를 포함하되,
    상기 명령어는,
    상기 스마트팜의 생산량 데이터 및 환경 데이터를 수집하는 단계;
    상기 수집된 생산량 데이터 및 환경 데이터를 이용하여 상관계수(correlation coefficient) 및 대응주차(corresponding week)를 산출하는 단계;
    상기 산출된 상관계수 및 대응주차를 이용하여 생산량 및 환경에 대한 다중선형회귀(multiple linear regression) 모델을 산출하는 단계;
    상기 산출된 다중선형회귀 모델의 주차별 선형회귀 방정식을 이용하여 환경 데이터 증감 정보를 산출하는 단계; 및
    상기 산출된 환경 데이터 증감 정보에 따라 환경 데이터 증감에 따른 미래 생산량을 예측하는 단계를 포함하는 의사 결정 지원 방법을 수행하는 것을 특징으로 하는 의사 결정 지원 장치.
KR1020210078876A 2021-06-17 2021-06-17 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법 KR102638902B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210078876A KR102638902B1 (ko) 2021-06-17 2021-06-17 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210078876A KR102638902B1 (ko) 2021-06-17 2021-06-17 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220168864A true KR20220168864A (ko) 2022-12-26
KR102638902B1 KR102638902B1 (ko) 2024-02-22

Family

ID=84547777

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210078876A KR102638902B1 (ko) 2021-06-17 2021-06-17 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102638902B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578047A (zh) * 2023-05-11 2023-08-11 江苏里下河地区农业科学研究所 一种用于辣椒生产的精细化智能控制方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11299351A (ja) * 1998-04-20 1999-11-02 Omron Corp 作業決定支援装置および方法、並びに記録媒体
KR101811640B1 (ko) 2016-08-03 2017-12-26 한국과학기술연구원 기계학습을 이용한 작물의 생산량 예측장치 및 방법
KR20190100516A (ko) * 2018-02-07 2019-08-29 이화여자대학교 산학협력단 곡물 생산량 예측 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11299351A (ja) * 1998-04-20 1999-11-02 Omron Corp 作業決定支援装置および方法、並びに記録媒体
KR101811640B1 (ko) 2016-08-03 2017-12-26 한국과학기술연구원 기계학습을 이용한 작물의 생산량 예측장치 및 방법
KR20190100516A (ko) * 2018-02-07 2019-08-29 이화여자대학교 산학협력단 곡물 생산량 예측 방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578047A (zh) * 2023-05-11 2023-08-11 江苏里下河地区农业科学研究所 一种用于辣椒生产的精细化智能控制方法及***
CN116578047B (zh) * 2023-05-11 2024-04-30 江苏里下河地区农业科学研究所 一种用于辣椒生产的精细化智能控制方法及***

Also Published As

Publication number Publication date
KR102638902B1 (ko) 2024-02-22

Similar Documents

Publication Publication Date Title
CN110009251B (zh) 一种农田多源信息动态调节融合方法及***
JPWO2018173622A1 (ja) 植生指標算出装置、植生指標算出方法、及びプログラム
KR102638902B1 (ko) 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법
KR102390740B1 (ko) 불량 농산물 분류 모델 학습 방법, 장치 및 이를 이용한 불량 농산물 분류 장치
CN117711295A (zh) 基于人工智能的显示模组控制方法、装置、芯片及介质
US11580609B2 (en) Crop monitoring to determine and control crop yield
CN117873238A (zh) 一种植物生长控制方法及其***、计算机设备和存储介质
CN117742816A (zh) 基板管理控制器的运行控制方法及装置
CN112130896A (zh) 神经网络模型迁移方法、装置、电子设备及存储介质
CN116523149A (zh) 微小害虫防治适期预测方法、装置、电子设备和存储介质
KR102471743B1 (ko) 스마트팜의 미래 생산량 예측 방법
CN116070742A (zh) 用于预测作物产量的方法、装置、存储介质及处理器
KR102103644B1 (ko) 연속 행동 공간 제어를 위한 적응형 다중-배치 경험 리플레이 기법
CN111369074A (zh) 一种基于人工蜂群优化bp神经网络的玉米产量预测方法
CN111581178A (zh) 一种基于深度强化学习Ceph***性能调优策略与***
KR20210069987A (ko) 영상 이미지를 이용한 작물 성장 진단 시스템 및 방법
US20240169721A1 (en) Computer-implemented method for providing corrected plant-related index data
JP2016024713A (ja) パラメータ選定方法、パラメータ選定プログラム及びパラメータ選定装置
CN117784849B (zh) 一种基于人工智能的制冷恒温槽自动控制***
CN117437078A (zh) 基于气象数据确定种植措施的方法、处理器及装置
KR102457824B1 (ko) 스마트팜 데이터셋 유효성 검증을 위한 수집 데이터 선별 장치 및 그 방법
CN112147083B (zh) 种子纯度检测方法、检测装置及计算机可读存储介质
JPWO2018220673A1 (ja) 状態予測制御装置及び状態予測制御方法
CN118313092A (zh) 基于泰勒级数和svm的甘蔗液压马达压力预测方法
JP2018088198A (ja) 情報処理装置、その制御方法とプログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right