맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

기계학습을 이용한 작물의 생산량 예측장치 및 방법

  • 기술번호 : KST2019011077
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 기계학습을 이용한 작물의 생산량 예측장치 및 방법이 개시된다. 본 발명에 따른 기계학습을 이용한 작물의 생산량 예측장치는 작물의 생육정보, 환경정보 및 병충해정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신하는 통신부 및 통신부로부터 수신된 농가 데이터를 기계학습(machine learning)으로 작물의 생육을 예측하는 생육모델을 생성하고, 생성된 생육모델을 이용하여 상기 작물의 생산량을 예측하는 제어부를 포함한다.
Int. CL G06Q 10/04 (2012.01.01) G06Q 50/02 (2012.01.01) G06Q 10/06 (2012.01.01) G06F 17/18 (2006.01.01)
CPC G06Q 10/04(2013.01) G06Q 10/04(2013.01) G06Q 10/04(2013.01) G06Q 10/04(2013.01) G06Q 10/04(2013.01)
출원번호/일자 1020160099009 (2016.08.03)
출원인 한국과학기술연구원
등록번호/일자 10-1811640-0000 (2017.12.18)
공개번호/일자
공고번호/일자 (20171226) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2016.08.03)
심사청구항수 6

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술연구원 대한민국 서울특별시 성북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이주영 대한민국 서울특별시 성북구
2 이운석 대한민국 서울특별시 성북구
3 양중석 대한민국 서울특별시 성북구
4 이택성 대한민국 서울특별시 성북구
5 이택진 대한민국 서울특별시 성북구
6 권만재 대한민국 서울특별시 성북구
7 김형석 대한민국 서울특별시 성북구
8 노주원 대한민국 서울특별시 성북구
9 오상록 대한민국 강원도 강릉

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 박종한 대한민국 서울특별시 구로구 디지털로**길 * (구로동, 에이스하이엔드타워*차) ***호(한림특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술연구원 서울특별시 성북구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2016.08.03 수리 (Accepted) 1-1-2016-0756086-36
2 선행기술조사의뢰서
Request for Prior Art Search		 2017.03.13 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2017.05.12 발송처리완료 (Completion of Transmission) 9-6-2017-0072335-16
4 의견제출통지서
Notification of reason for refusal		 2017.05.23 발송처리완료 (Completion of Transmission) 9-5-2017-0360625-06
5 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2017.07.12 수리 (Accepted) 1-1-2017-0666052-96
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2017.07.12 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2017-0666051-40
7 등록결정서
Decision to grant		 2017.11.30 발송처리완료 (Completion of Transmission) 9-5-2017-0837555-52
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
작물의 생육정보, 환경정보 및 병충해정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신하는 통신부; 및상기 통신부로부터 수신된 농가 데이터를 데이터 표준화 포맷에 맞도록 수집하고, 상기 수집된 농가 데이터를 선별하여 필터링하며, 상기 필터링된 농가 데이터를 기계학습(machine learning)으로 상기 작물의 생육을 예측하는 생육모델을 생성하고, 상기 생성된 생육모델을 이용하여 상기 작물의 생산량을 예측하는 제어부;를 포함하고,상기 제어부는,상기 수신된 농가 데이터를 동일한 작물 및 종 별로 분류하고, 상기 분류된 농가데이터를 인자(factor) 별로 분류하여 상기 데이터 표준화 포맷에 맞도록 수집하며, 상기 수집된 농가 데이터를 시간대별로 정렬하여 데이터베이스화하는 데이터 수집부;상기 데이터베이스화된 농가 데이터를 분석하고, 상기 분석된 결과를 이용하여 데이터 오류가 있는 농가 데이터 및 데이터 품질이 기준치보다 미달인 농가 데이터를 선별하며, 상기 선별된 농가 데이터를 필터링하는 데이터 분석부;상기 필터링된 농가 데이터를 상기 기계학습으로 상관관계 분석 및 회귀분석을 수행하여 상기 생육모델을 생성하는 생육모델 생성부; 및상기 생성된 생육모델을 이용하여 상기 작물의 생중량에 대한 생산량을 예측하는 생산량 예측부;를 포함하며,상기 생육모델 생성부는,상기 필터링된 농가 데이터 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 상기 생성된 복수의 패턴에 대한 상관관계 분석 및 회귀분석을 수행하며, 상기 수행된 상관관계 분석 및 회귀분석된 결과를 이용하여 상기 복수의 패턴 중 특정 작물 및 종에 대한 특정패턴을 추출하고, 상기 추출된 특정패턴을 이용하여 상기 생육모델을 생성하는 생성모듈;상기 필터링된 농가 데이터를 상기 생육모델과 비교하여 현재 작물의 생육상태를 분석하고, 상기 분석된 생육상태를 이용하여 상기 작물의 생산량이 가장 높은 생육환경을 예측하는 예측모듈; 및상기 예측된 생육환경을 이용하여 상기 필터링된 농가 데이터 중 상기 작물의 생산량 및 품질이 가장 높은 농가 데이터 집합(cluster)을 산출하고, 상기 산출된 농가 데이터 집합을 상기 생성모듈에 제공하여 상기 농가 데이터를 업데이트시키는 학습모듈;를 포함하는 것을 특징으로 하는 기계학습을 이용한 작물의 생산량 예측장치
2 2
제 1항에 있어서,상기 학습모듈은,상기 생성모듈에서 생성된 생육모델을 이용하여 현재 농가 데이터 중 기준치보다 미달인 농가 데이터를 재필터링한 후, 상기 농가 데이터 집합을 산출하는 것을 특징으로 하는 기계학습을 이용한 작물의 생산량 예측장치
3 3
삭제
4 4
삭제
5 5
삭제
6 6
제 1항에 있어서,상기 생육모델 생성부는,상기 생성모듈, 상기 예측모듈 및 상기 학습모듈을 순차적으로 반복 수행하여 상기 기계학습을 하는 것을 특징으로 하는 기계학습을 이용한 작물의 생산량 예측장치
7 7
삭제
8 8
제 1항에 있어서,상기 데이터 표준화 포맷은,시설 및 재배 정보, 생육정보, 환경정보 및 농가기타정보 중 적어도 하나의 인자가 미리 정해진 표준데이터 규격에 따라 구분되는 것을 특징으로 하는 기계학습을 이용한 작물의 생산량 예측장치
9 9
제 1항에 있어서,상기 작물의 생육정보는 생산량, 경경, 총경, 엽면적지수(leaf area index, LAI), 엽온, 줄기두께, 화방간격, 생장속도, 생장강도 및 생장상 중 적어도 하나의 인자를 포함하고, 상기 환경정보는 온실의 형태, 환경설비, 운영온도, 습도, 순간광량, 이산화탄소 농도, 배지함수량, 배지EC 및 운영정보 중 적어도 하나의 인자를 포함하며, 상기 병충해정보는 병충해발생빈도 및 식물생리장애정보 중 적어도 하나의 인자를 포함하는 것을 특징으로 하는 기계학습을 이용한 작물의 생산량 예측장치
10 10
작물의 생육정보, 환경정보 및 병충해정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신하는 단계;상기 수신된 농가 데이터를 데이터 표준화 포맷에 맞도록 수집하는 단계;상기 수집된 농가 데이터를 선별하여 필터링하는 단계;상기 필터링된 농가 데이터를 기계학습으로 상관관계 분석 및 회귀분석을 수행하여 상기 작물의 생육을 예측하는 생육모델을 생성하는 단계; 및상기 생성된 생육모델을 이용하여 상기 작물의 생중량에 대한 생산량을 예측하는 단계;를 포함하고,상기 수집하는 단계는,상기 수신된 농가 데이터를 동일한 작물 및 종 별로 분류하는 단계;상기 분류된 농가 데이터를 인자 별로 분류하여 상기 데이터 표준화 포맷에 맞도록 수집하는 단계; 및상기 수집된 농가 데이터를 시간대별로 정렬하여 데이터베이스화하는 단계;를 포함하며,상기 필터링하는 단계는,상기 데이터베이스화된 농가 데이터를 분석하는 단계;상기 분석된 결과를 이용하여 데이터 오류가 있는 농가 데이터 및 데이터 품질이 기준치보다 미달인 농가 데이터를 선별하는 단계; 및상기 선별된 농가 데이터를 필터링하는 단계;를 포함하고,상기 생육모델을 생성하는 단계는,상기 필터링된 농가 데이터 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 상기 생성된 복수의 패턴에 대한 상관관계 분석 및 회귀분석을 수행하며, 상기 수행된 상관관계 분석 및 회귀분석된 결과를 이용하여 상기 복수의 패턴 중 특정 작물 및 종에 대한 특정패턴을 추출하고, 상기 추출된 특정패턴을 이용하여 상기 생육모델을 생성하는 단계;상기 필터링된 농가 데이터를 상기 생육모델과 비교하여 현재 작물의 생육상태를 분석하고, 상기 분석된 생육상태를 이용하여 상기 작물의 생산량이 가장 높은 생육환경을 예측하는 단계; 및상기 예측된 생육환경을 이용하여 상기 필터링된 농가 데이터 중 상기 작물의 생산량 및 품질이 가장 높은 농가 데이터 집합을 산출하고, 상기 산출된 농가 데이터 집합을 상기 생성된 생육모델로 제공하여 상기 농가 데이터를 업데이트시키는 단계;를 포함하는 것을 특징으로 하는 기계학습을 이용한 작물의 생산량 예측방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 미래창조과학부 한국과학기술연구원 실용화형 융합연구단 사업 토마토, 파프리카 생산 관리를 위한 실시간 생육 계측 센서 기술 개발