환경데이터 학습을 통한 AI 기반 노지 스마트팜 설계

AI-Based Field Smart Farm Design through Environmental Data Learning

본 논문은 인공지능(AI)과 사물인터넷(IoT)을 기반으로 한 노지 스마트팜 시스템을 설계하는 것을 목표로 한다. Temporal Fusion Transformer(: TFT)와 같은 트랜스포머 기반 시계열 예측 모델을 활용하여 작물의 생육 환경을 실시간으로 모니터링하고 이를 바탕으로 관수 및 관비를 자동으로 조정하는 시스템을 제안한다. 실시간으로 수집된 환경 데이터와 기상 데이터를 통합하여 AI 모델을 학습시키고, 이를 통해 작물의 생육에 최적화된 관수 및 관비 전략을 도출하는 것을 목표로 한다. 이 시스템은 자원 사용을 최소화하면서도 농업 생산성을 극대화할 수 있는 솔루션을 제공하며, 다양한 기상 조건에서의 성능 검증을 진행할 예정이다. 향후 연구는 다양한 작물과 지역에 적용 가능한 표준화된 노지 스마트팜 모델을 개발하고, 장기적인 데이터 수집을 통해 시스템 성능을 지속적으로 개선할 계획이다.

This paper aims to design an open field smart farm system based on artificial intelligence (AI) and the Internet of Things (IoT). We propose a system that monitors the crop growth environment in real time and automatically adjusts irrigation and fertilization based on the results by utilizing a transformer-based time series prediction model such as Temporal Fusion Transformer (TFT). The goal is to integrate environmental data and weather data collected in real time to train an AI model, and derive an irrigation and fertilization strategy optimized for crop growth. This system provides a solution that can maximize agricultural productivity while minimizing resource use, and its performance will be verified under various weather conditions. Future research plans to develop a standardized open field smart farm model applicable to various crops and regions, and to continuously improve system performance through long-term data collection.