스마트팜 데이터 활용 예측한 파프리카 고당도 분류모델 개발

Development of Paprika High-Sugar Classificationmodel Predicted Using Smart Farm Data

본 연구는 AI-Hub 공공데이터의 생육과 환경 데이터를 주차 기준으로 통합하여 파프리카의 고당도와 저당도를 비파괴적으로 분류하는 머신러닝 모델을 구축하였다. 데이터 품질은 결측치·이상치 점검을 통해 확인한 후 전 처리를 수행하였으며 Logistic Regression, Random Forest, SVM, XGBoost 네 가지 모델을 비교하였다. 실험 결과 XGBoost가 F1-score 0.86, ROC-AUC 0.92로 가장 우수한 성능을 보였다. 변수중요도 분석에서는 냉방률, 내부온도, CO₂, EC농도가 당도 분류에 핵심으로 기여하는 변수로 확인되었다. 본 연구는 스마트팜 데이터를 활용한 비파괴 품질 분류 프레임을 제시함으로써 현장 자동화 및 품질관리 표준화 가능성을 제시한다.

Paprika sugar content (°Bx) is a critical quality index directly linked to marketability in Korea. In this study, we develop a non-destructive classification model to distinguish high-sugar (≥6.0 °Bx) paprika from low-sugar paprika by integrating weekly growth data with 5-minute greenhouse environmental data obtained from AI-Hub. After conducting data quality checks and preprocessing, four machine-learning models—Logistic Regression, Random Forest, SVM, and XGBoost—were compared. XGBoost achieved the best test-set performance (F1-score = 0.86, ROC-AUC = 0.92). Feature importance analysis indicated that cooling rate, internal temperature, CO₂ concentration, and EC were the major contributing factors to sugar-level classification. This study demonstrates the feasibility of automated, non-destructive quality prediction using public smart-farm data and proposes a standardized framework for paprika quality classification.