디지털 농업을 위한 디지털 농업 데이터 큐레이션 서비스 방안 연구
A study on Digital Agriculture Data Curation Service Plan for Digital Agriculture
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문에서는 다출처 농업 데이터를 통찰할 수 있는 지식체계를 마련하고, 시간 흐름을 가지는환경인자 분석 정보를 클러스터링 할 수 있는, 농작물 환경 인자 큐레이션 서비스 방법을 제안한다. 제안하는 큐레이션 서비스는 크게 수집, 전처리, 저장, 분석의 네 단계로 구성된다. 첫째, 수집 단계에서는 OpenAPI 기반의 웹크롤러를 이용하여 다출처 농업 데이터에 대한 수집 및 정리를 수행한다. 둘째, 전처리 단계에서는 데이터 측정 오차를 감소시키기 위해 데이터 평활화를 수행한다. 이때온실, 노지 등의 시설 특성에 따른 오차율을 고려하여 시설 유형별 평활화 방법을 적용한다. 셋째, 저장단계에서는 대용량 농업 데이터 관리를 위해, 농업 데이터 통합 스키마 및 Hadoop HDFS 기반의 저장 구조를 제안한다. 마지막으로 분석 단계에서는 농업 디지털 데이터의 시계열 특성을고려한 DTW 기반의 시계열 분류를 수행한다. DTW 기반 시계열 분류를 통해 시계열 데이터의특성을 손실 없이 반영하여 예측 결과 정확도를 향상시킨다. 향후 연구로는 제안한 서비스 방법을구현하여 스마트팜 온실에 적용하고, 테스트 및 검증을 수행할 예정이다.
Abstract
In this paper, we propose a service method that can provide insight into multi-source agricultural data, way to cluster environmental factor which supports data analysis according to time flow, and curate crop environmental factors. The proposed curation service consists of four steps: collection, preprocessing, storage, and analysis. First, in the collection step, the service system collects and organizes multi-source agricultural data by using an OpenAPI-based web crawler. Second, in the preprocessing step, the system performs data smoothing to reduce the data measurement errors. Here, we adopt the smoothing method for each type of facility in consideration of the error rate according to facility characteristics such as greenhouses and open fields. Third, in the storage step, an agricultural data integration schema and Hadoop HDFS-based storage structure are proposed for large-scale agricultural data. Finally, in the analysis step, the service system performs DTW-based time series classification in consideration of the characteristics of agricultural digital data. Through the DTW-based classification, the accuracy of prediction results is improved by reflecting the characteristics of time series data without any loss. As a future work, we plan to implement the proposed service method and apply it to the smart farm greenhouse for testing and verification.
참고문헌 (18)
- The future of agriculture, digital agriculture, "J. Park", Korea Rural Economic Institute Publishing, ~ (2021)
- 이원석, "농업·농촌 디지털 전환을 위한 빅데이터 활성화 방안 연구", 정보처리학회 논문지, 9(8), pp.235~242 (2020), 한국정보처리학회[DOI]
- S. L. Patil, "Modelling of tropical greenhouse temperature by auto regressive and neural network models", Biosystems engineering, 99(3), pp.423~431 (2008)[DOI]
- D. F. Nettleton, "Predicting rice blast disease: machine learning versus process-based models", BMC bioinformatics, 20(1), pp.1~16 (2019)[DOI]
- 김정홍, "농장 실시간 모니터링 및 제어 시스템 설계 및 구현", 한국컴퓨터정보학회논문지, 14(10), pp.167~174 (2009), 한국컴퓨터정보학회
- 이용웅, "식물공장 시설관리 시스템의 구현", 한국컴퓨터정보학회논문지, 16(2), pp.141~152 (2011), 한국컴퓨터정보학회
- 손봉기, "딥러닝 기반 한우 승가행위 검출 시스템", 차세대융합기술학회논문지, 5(1), pp.49~56 (2021), 국제차세대융합기술학회[DOI]
- Trends in Artificial Intelligence R & D Trends in Major Countries and Prospect of Agriculture Application, "M. W. Han", Ministry of Agriculture, Forestry and Fisheries Publishing, ~ (2016)
- Trends in intelligent information technology in the era of the 4th industrial revolution and the direction of agricultural R&D, "K. H. Choi", Korea Institute of Planning and Evaluation for Technology in Food, Agriculture, and Forestry Publishing, ~ (2017)
- The Fourth Industrial Revolution and the Future of Agriculture: Smart Farms and the Sharing Economy, "H. J. Lee", Korea Rural Economic Institute Publishing, ~ (2017)
- 이기영, "작물 근권부 생장 환경 Data 수집 시스템 설계에 관한 연구", 한국정보전자통신기술학회 논문지, 11(6), pp.764~771 (2018), 한국정보전자통신기술학회
- 이종열, "농작물 생육환경정보와 생체정보 분석을 위한 빅데이터 모델", 한국산업정보학회논문지, 25(6), pp.15~23 (2020), 한국산업정보학회[DOI]
- "Smart Farm Korea"[URL]
- "Publicdata Portal"[URL]
- Smart farm status survey and performance analysis, , Korea Agency of Education, Promotion and Information Service in Food, Agriculture, Forestry and Fisheries Publishing, ~ (2021)
- "National Crop Pest Management System"[URL]
- R. Kaundal, "Machine learning techniques in disease forecasting: a case study on rice blast prediction", BMC bioinformatics, 7(1), pp.1~16 (2006)[DOI]
- F. He, "Modeling greenhouse air humidity by means of artificial neural network and principal component analysis", Computers and Electronics in Agriculture, 71, pp.S19~S23 (2010)[DOI]