| 1 |
1
데이터 수집 주기별로 환경 변수 데이터와 누적 수확량 값을 수집하는 수집부;상기 수집된 주기별 환경 변수 데이터와 누적 수확량 값을 포함하는 학습용 빅데이터를 구축하고, 상기 구축된 학습용 빅데이터를 기초로 누적 수확량 예측 모델을 학습시키는 학습부; 및미리 정해진 농작물에 대하여 누적 수확량을 예측하려는 스마트팜으로부터 작기 동안의 수집된 환경 변수 데이터를 상기 학습시킨 누적 수확량 예측 모델에 입력하여 이의 출력으로 상기 작기 동안 농작물의 누적 수확량 값을 예측하는 예측부를 포함하는, 농작물의 누적 수확량 예측 장치
|
| 2 |
2
제1항에 있어서,상기 예측부는,누적 수확량을 예측하려는 스마트팜으로부터 순차적으로 수집된 환경 변수 데이터를 학습시킨 누적 수확량 예측 모델에 입력하여 미래의 일정 시점 이후의 누적 수확량을 예측하는, 농작물의 누적 수확량 예측 장치
|
| 3 |
3
제1항에 있어서,상기 환경 변수 데이터는 환경 변수는 분 단위의 매우 짧은 주기로 수집되는 내부 온도, 습도와 같은 변수, 일단위로 수집되는 관개와 관련된 변수, 주 단위로 수집되는 가지치기와 같은 운영과 관련된 변수를 포함하는, 농작물의 누적 수확량 예측 장치
|
| 4 |
4
제1항에 있어서,상기 누적 수확량 예측 모델은,LSTM(Long-Short Term Memory) 모델을 포함하는 딥 러닝 모델인, 농작물의 누적 수확량 예측 장치
|
| 5 |
5
제1항에 있어서,상기 누적 수확량 예측 모델은,데이터 수집 주기별로 수집되는 환경 변수 데이터를 입력 받기 위한 데이터 수집 주기별로 누적 수확량 예측 모델을 구성하고,상기 구성된 데이터 수집 주기별 누적 수확량 예측 모델에 해당 주기로 전체 작기 동안 수집된 시계열 환경 데이터가 예측 시점까지 순차적으로 입력되어 상기 농작물의 누적 수확량 값을 예측하는, 농작물의 누적 수확량 예측 장치
|
| 6 |
6
제5항에 있어서,상기 예측부는,K개의 스마트팜으로부터 수집된 환경 변수 데이터를 이용하여 크기가 K인 미니 배치(mini-batch)를 구성하고, 작기 동안의 모든 누적 수확량에 대한 평균 제곱 예측 오차를 최소화하도록 상기 학습시킨 누적 수확량 예측 모델에 환경 변수 데이터를 입력하는, 농작물의 누적 수확량 예측 장치
|
| 7 |
7
제1항에 있어서,상기 예측된 작기 동안 농작물의 누적 수확량 값을 가장 최근의 실제 누적 수확량 값을 이용하여 보정하여 보정된 누적 수확량 값을 출력하는 보정부를 더 포함하는, 농작물의 누적 수확량 예측 장치
|
| 8 |
8
제7항에 있어서,상기 보정된 누적 수확량 값 은,t2일차에 대한 누적 수확량을 예측할 시점에서 가장 최근인 측정된 실제 누적 수확량 값이 z일전인 경우 수학식 에 의해 구하고, 는 예측된 누적 수확량이고, 는 실제 누적 수확량인, 농작물의 누적 수확량 예측 장치
|
| 9 |
9
제1항에 있어서,상기 학습용 빅데이터를 저장하는 저장부를 더 포함하고,상기 예측부는 상기 작기 동안 농작물의 누적 수확량을 예측하는 과정에서 사용되는 데이터를 추가하여 학습용 빅데이터를 확장시키는, 농작물의 누적 수확량 예측 장치
|
| 10 |
10
데이터 수집 주기별로 환경 변수 데이터와 누적 수확량 값을 수집하는 수집단계;상기 수집된 주기별 환경 변수 데이터와 누적 수확량 값을 포함하는 학습용 빅데이터를 구축하고, 상기 구축된 학습용 빅데이터를 기초로 누적 수확량 예측 모델을 학습시키는 학습단계; 및미리 정해진 농작물에 대하여 누적 수확량을 예측하려는 스마트팜으로부터 작기 동안의 수집된 환경 변수 데이터를 상기 학습시킨 누적 수확량 예측 모델에 입력하여 이의 출력으로 상기 작기 동안 농작물의 누적 수확량 값을 예측하는 예측단계를 포함하는, 농작물의 누적 수확량 예측 방법
|
| 11 |
11
제10항에 있어서,상기 예측단계는,누적 수확량을 예측하려는 스마트팜으로부터 순차적으로 수집된 환경 변수 데이터를 학습시킨 누적 수확량 예측 모델에 입력하여 미래의 일정 시점 이후의 누적 수확량을 예측하는, 농작물의 누적 수확량 예측 방법
|
| 12 |
12
제10항에 있어서,상기 환경 변수 데이터는 환경 변수는 분 단위의 매우 짧은 주기로 수집되는 내부 온도, 습도와 같은 변수, 일단위로 수집되는 관개와 관련된 변수, 주 단위로 수집되는 가지치기와 같은 운영과 관련된 변수를 포함하는, 농작물의 누적 수확량 예측 방법
|
| 13 |
13
제10항에 있어서,상기 누적 수확량 예측 모델은,LSTM(Long-Short Term Memory) 모델을 포함하는 딥 러닝 모델인, 농작물의 누적 수확량 예측 방법
|
| 14 |
14
제10항에 있어서,상기 누적 수확량 예측 모델은,데이터 수집 주기별로 수집되는 환경 변수 데이터를 입력 받기 위한 데이터 수집 주기별로 누적 수확량 예측 모델을 구성하고,상기 구성된 데이터 수집 주기별 누적 수확량 예측 모델에 해당 주기로 전체 작기 동안 수집된 시계열 환경 데이터가 예측 시점까지 순차적으로 입력되어 상기 농작물의 누적 수확량 값을 예측하는, 농작물의 누적 수확량 예측 방법
|
| 15 |
15
제14항에 있어서,상기 예측단계는,K개의 스마트팜으로부터 수집된 환경 변수 데이터를 이용하여 크기가 K인 미니 배치(mini-batch)를 구성하고, 작기 동안의 모든 누적 수확량에 대한 평균 제곱 예측 오차를 최소화하도록 상기 학습시킨 누적 수확량 예측 모델에 환경 변수 데이터를 입력하는, 농작물의 누적 수확량 예측 방법
|
| 16 |
16
제10항에 있어서,상기 예측된 작기 동안 농작물의 누적 수확량 값을 가장 최근의 실제 누적 수확량 값을 이용하여 보정하여 보정된 누적 수확량 값을 출력하는 보정부를 더 포함하는, 농작물의 누적 수확량 예측 방법
|
| 17 |
17
제16항에 있어서,상기 보정된 누적 수확량 값 은,t2일차에 대한 누적 수확량을 예측할 시점에서 가장 최근인 측정된 실제 누적 수확량 값이 z일전인 경우 수학식 에 의해 구하고, 는 예측된 누적 수확량이고, 는 실제 누적 수확량인, 농작물의 누적 수확량 예측 방법
|
| 18 |
18
제10항에 있어서,상기 학습용 빅데이터를 저장하는 저장단계를 더 포함하고,상기 예측단계는 상기 작기 동안 농작물의 누적 수확량을 예측하는 과정에서 사용되는 데이터를 추가하여 학습용 빅데이터를 확장시키는, 농작물의 누적 수확량 예측 방법
|
