AI 품질평가 지표(QI)를 이용한 오이 생육환경 데이터 보정 및 신뢰도 평가

Calibrating and Reliability Assessment of Cucumber Growth Environment Data Using AI Quality Indicators (QI)

본 연구는 스마트온실 오이 재배 온실에서 수집한 온도·습도·CO₂시계열을 대상으로 ISO/IEC 데이터 품질 기준을 재구성한 품질지수(QI)를 정의하고, 예측 기반 점수와 규칙 기반 점수를 결합한 데이터 신뢰도 향상 알고리즘을 제안한다. 0 또는 상수 지속 구간과 물리적 한계 초과값을 이상 후보로 제거한 뒤 다변량 회귀모델로 예측값을 산출하고, 잔차와 정상 생육 범위를 이용해 시점별 QI를 계산하였다. QI<0.5 구간을 선형보간과 회귀기반 대체로 보정한 결과 유효데이터 비율은 93.4%에서 100%로, QI 평균은 0.80에서 0.92로 향상되었으며 CO₂예측 RMSE는 약 30% 감소하였다. 이를 통해 스마트팜 환경데이터의 품질 진단·보정과 예측성능 향상을 통합하는 품질관리 프레임워크의 가능성을 제시한다.

In smart greenhouses, environmental data such as temperature, humidity, and CO₂ become key elements of growth management and automatic control, but if abnormal values are included due to sensor errors or communication instability, the accuracy of the prediction model may decrease. In order to compensate for these limitations, this study proposes an AI-based algorithm that quantitatively evaluates the quality of greenhouse environmental data and corrects abnormal sections by using an R-based AI quality evaluation index. As a result of the experiment on the Oi smart farm data in Chungcheongnam-do, the average QI improved from 0.80 to 0.92 and the CO₂ prediction RMSE decreased by about 30%. In addition, the quality characteristics of ISO/IEC 25012 were reorganized to suit the sensor time series data to confirm the relationship between quality improvement and prediction performance improvement.