상세 보기
이중 분기 LSTM 모델 기반 양파 생육 특성 예측
Prediction of Onion Growth Traits Using a Dual-Branch LSTM Model
- 장기성;
- 장영원;
- 이지현;
- 노혜민;
- 여욱현;
- 외 3명
초록
최근 기후 변화로 인해 기존 경험 기반 농업의 불확실성이 증가하고 있어 작물의 생육 특성을 정밀하게 예측하고 대비하는 것이 중요해지고 있다. 이에 본 연구는 복합 농업 데이터를 기반으로 양파의 생육 특성을 정밀하게 예측하기 위해, 시계열 기반 환경 정보 및 생육 데이터를 처리하는 LSTM 기반 동적 분기와, 품종 및 재식 밀도 등 농가별 고정 특성을 반영하는 정적 분기로 구성된 이중 분기 아키텍처를 제안하고 검증한다. 제안 모델의 검증은 전북특별자치도 내 3곳의 양파 재배 농가에서 2024년과 2025년에 수집된 환경, 생육, 농가 정보 데이터셋을 활용하였다. 실험 결과, 구직경과 생구무게에 대한 평균 가 각 0.91과 0.90으로, 제안 모델이 두 변수에 대해 높은 수준의 설명력을 갖고 있음을 확인하였다. 이는 본 연구에서 제안한 복합 데이터 모델링 접근법이 수확량의 정밀한 예측과 재배 관리 의사결정의 보조 도구로 활용될 수 있음을 보여준다.
키워드
딥러닝; 복합 농업 데이터; 생육 특성 예측; 양파; LSTM; Deep learning; Growth traits; LSTM; Multi-source agricultural data; Onion
- 제목
- 이중 분기 LSTM 모델 기반 양파 생육 특성 예측
- 제목 (타언어)
- Prediction of Onion Growth Traits Using a Dual-Branch LSTM Model
- 저자
- 장기성; 장영원; 이지현; 노혜민; 여욱현; 고재형; 박종숙; 양원용
- 발행일
- 2025-12
- 유형
- Y
- 저널명
- 농업생명과학연구
- 권
- 59
- 호
- 6
- 페이지
- 275 ~ 283