인공지능 알고리즘을 통한 스마트팜 경영혁신: 토마토 초장 환경결정요인 예측 모형

초록

본 연구는 농작물의 최적 생장에 있어서 필요한 환경 데이터를 통해 LSTM(Long Short-Term Memory)으로 성장예측 알고리즘을 구현하여, 기존 다중회귀분석 방법과의 상대적 적합성을 비교∙고찰하였다. 실증 분석을 위해 농촌진흥청 스마트팜 현장 농가 데이터 자료(2021.02~09) 초장과 환경결정요인이 되는 환경 데이터를 이용하여 농작물의 생장(초장)을 예측하였다. LSTM을 통해 일시적인 온도에 대한 생산량이 아닌 기준 시점 이전의 온도 데이터를 분석하여 농작물의 생장을 예측할 수 있으며 생산량을 제고할 수 있다. 분석 결과 시간의 흐름에 따라 성장하는 작물의 특징을 고려하여 인과 분석에 치중하는 다중회귀분석보다 작물의 특성을 고려한 LSTM이 우수한 것으로 나타났다. 본 연구 결과를 통해 스마트팜 알고리즘 시장에서 다중회귀분석보다 LSTM이 농업적 분석에 더욱 적합하다는 이론적 시사점과 인공신경망이 농업에서 경험을 대체하고 기술을 더 효율적으로 농가에 제공한다는 실무적 시사점을 도출했다. 아울러 기존 딥러닝 방식보다 과거 경험의 데이터를 고려한다는 점에서 LSTM은 연속적이고 현실적인 분석 방법이며, 특히 기존 알고리즘은 기술적인 부분에만 집중한 일방적 형태의 분석 방법이지만 LSTM은 실제 농가들의 이해를 반영한 농업적 도메인을 가진 것으로 쌍방향적 분석 방법으로 경영 전략적인 알고리즘에 부합한다는 것을 증명한다.

키워드