딸기 시비 데이터 기반 생산량 예측 및 생육환경 최적화 연구

• 영문명: Data-driven modeling of strawberry yield with environmental and fertilization variables
• 발행기관: 한국스마트미디어학회
• 저자명: 추미희(MiHee Chu) 신창선(ChangSun Shin)
• 간행물 정보: 『스마트미디어저널』제14권 제11호, 79~88쪽, 전체 10쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2025.11.28

국문 초록

스마트팜 기술은 환경·시비 데이터를 정밀 수집·분석하여 작물 생산성을 향상시키는 핵심 수단으로 주목된다. 딸기 재배는 온도, 습도, 일사량, CO₂ 등 환경 요인과 시비 처리의 영향을 크게 받는다. 본 연구는 스마트팜에서 4개월간 수집한 데이터를 활용해 생산량 예측 모델을 구축하고 주요 영향 요인을 규명하였다. Gradient Boosting, Random Forest, LSTM, ARIMA를 비교한 결과 Gradient Boosting이 가장 우수하였다. 변수 중요도 분석에서는 내부온도와 CO₂가 핵심 요인으로 나타났으며, 시비제 중 미량요소 처리가 대조군 대비 생산량을 유의하게 증가시켰다. 또한 상위 25% 고수확군 분석을 통해 내부온도 13.8~16.4℃, CO₂ 522~776ppm, 습도 75.8~91% 범위가 최적 조건임을 확인하였다. 본 연구는 데이터 기반 접근을 통해 딸기 생산량 예측의 타당성을 제시하고 스마트팜 환경 제어 및 시비 전략 수립에 활용 가능한 근거를 제공한다.

영문 초록

Smart farming technology has emerged as a key approach for improving crop productivity by enabling the precise collection and analysis of environmental and fertilization data. Strawberry cultivation is highly influenced by environmental factors such as temperature, humidity, solar radiation, and CO₂, as well as by fertilization treatments. This study developed a yield prediction model using four months of data collected from a smart farm and identified the major factors affecting productivity. Four predictive models—Gradient Boosting, Random Forest, LSTM, and ARIMA—were compared, and Gradient Boosting showed the best performance. Feature importance analysis indicated that internal temperature and CO₂ concentration were the most influential variables, and among fertilization treatments, micronutrient application significantly increased yield compared with the control group. Analysis of the top 25% high-yield samples confirmed that an internal temperature of 13.8–16.4°C, CO₂ concentration of 522–776 ppm, and humidity of 75.8–91% represent optimal environmental conditions. This study demonstrates the feasibility of data-driven strawberry yield prediction and provides practical evidence for designing environmental control and fertilization strategies in smart farming.

목차

Ⅰ. 서론

Ⅱ. 본론

Ⅲ. 결론 및 제언

키워드

딸기 스마트팜 머신러닝 생산량 예측 최적화 Strawberry Smart farm Machine learning Yield prediction Optimization