earticle

영어

Recently, crop production management using sensor data is one of the key elements of smart farming, and it is developing based on sensor network as it improves efficiency of crop quality control when sensor data is used. Even if smart farm management systems are built, farmers' direct involvement in sensor data-based systems is indispensable, and their dependence on smart farm management systems is still not high. In this paper, we analyzed the growth information obtained in the cultivation process, including the in-house growth environment information, targeting strawberry crops, and using the DRCM design, the learning speed is slightly lower than that of the conventional CNN, but it is optimal for strawberry production. It creates a unique environment and shows a higher diagnostic success rate.As a result, the success rate of data analysis on strawberry production farms has improved by about 9.4%, and farmers can easily and quickly access and reduce direct intervention by developing a decision-making system capable of multiple controls. I hope I can present a possible methodology proposal.

한국어

최근 들어 센서 데이터를 활용한 농작물 생육 관리는 스마트 농업의 핵심요소 가운데 하나로 센서 데이 터를 활용할 경우 농작물 품질관리의 효율성이 향상되기에 센서 네트워크를 기반으로 발전해나가고 있다. 현재의 스마트 팜 관리시스템은 스마트 팜을 구축하였다 하더라도 센서 데이터 기반의 시스템에 농민들의 직접적인 개입 은 필수불가결한 실정으로 스마트 팜 관리시스템에 대한 의존율은 여전히 높지 못한 실정이다. 본 논문에서는 딸 기 작물을 대상으로 재배 과정에서 획득된 생육 정보에 하우스 내 생육 환경정보를 포함해 분석하고, DRCM 설 계를 통해 기존 CNN 보다 학습속도는 다소 떨어지지만 딸기 생산 최적의 환경을 조성하여 더높은 진단 성공률을 보여준다. 결과적으로 딸기 생산 농장 데이터 분석 성공률이 약 9.4%가량 향상되었으며, 복합적인 제어를 수행할 수 있는 의사결정 시스템을 개발함으로써 농민들이 손쉽고 빠르게 접근하여 직접적인 개입을 줄일 수 있는 방법 론에 대한 방안을 제시할 수 있을 것으로 예상한다.