논문 상세보기
pp.1-11
식량 작물의 확보 및 생산량 예측은 국가 발전에 있어 필수적이며, 국가 경제뿐만 아니라 전 세계 식량 안보에 기여 한다. 최근 환경오염으로 인한 이상기후는 식량 작물 생산량에 직ㆍ간접적으로 부정적 영향을 끼치고 있어, 작물 수확량 예측 불확실성이 높아지고 있다. 특히, 노지 작물의 경우 생산량 감소와 품질 저하 문제가 화두 되고 있다. 이러한 문제는 농가들뿐만 아니라 소비자들에게도 큰 피해를 안겨주고 있다. 이러한 생산량 예측 이슈를 해결하기 위해 최근에는 인공지능 기술이 농업 분야에도 활발히 적용되고 있다. 작물 수확량의 정확한 예측을 위한 머신러닝 기반 연구가 집중적으로 수행되고 있다. 따라서, 본 연구에서는 이와 같은 인공지능 기반의 노지 작물 수확량 예측 기술(머신러닝, 딥러닝, 하이브리드 모델 등) 현황 및 작물 수확량에 가장 영향을 많이 끼치는 모델 파라미터 등을 조사하였다.
Securing food crops and predicting its productivity are essential for national development and contribute not only to the national economy, but also to global food security. Recent abnormal weather patterns caused by environmental pollution directly and indirectly affect food crop production, leading to increased uncertainty in crop yield predictions. In particular, because of the abnormal weather conditions, the low productivity and quality of field crops has attracted substantial attentions in agricultural industry. This issues not only affect farmers, but also cause significant damage to consumers. To solve the prediction issues, various artificial intelligence technologies have recently been actively applied in the field of agriculture. To accomplish this, machine learning-based researches on accurately predicting crop yields are being intensively conducted. Therefore, in this study, we investigated the current status of AI-based field crop yield prediction technologies (such as machine learning, deep learning, and hybrid models) and major parameters that have the greatest impact on crop yield.
재료 및 방법
1. Research Questions
2. 논문 검색 전략
3. 머신러닝과 농업
4. 수확량 예측용 머신러닝
5. 작물 수확량에 영향을 미치는 환경적 요인
6. 농업 분야 딥러닝 기술의 사용
7. 타겟 검출(Target detection)을 위한 인공지능 모델
감사의 글
