KR102175904B1 - 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법 - Google Patents

농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법 Download PDF

Info

Publication number
KR102175904B1
KR102175904B1 KR1020190103013A KR20190103013A KR102175904B1 KR 102175904 B1 KR102175904 B1 KR 102175904B1 KR 1020190103013 A KR1020190103013 A KR 1020190103013A KR 20190103013 A KR20190103013 A KR 20190103013A KR 102175904 B1 KR102175904 B1 KR 102175904B1
Authority
KR
South Korea
Prior art keywords
quality
agricultural products
agricultural
information
region
Prior art date
Application number
KR1020190103013A
Other languages
English (en)
Inventor
한상빈
Original Assignee
한상빈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한상빈 filed Critical 한상빈
Priority to KR1020190103013A priority Critical patent/KR102175904B1/ko
Application granted granted Critical
Publication of KR102175904B1 publication Critical patent/KR102175904B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

실시예에 따른 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법은 품종 별 표준지표와 농수산물별 수확 최적지 정보를 누적된 분석정보를 기반으로 업데이트하여 생산자와 도소매 업자에게 정확한 정보를 제공할 수 있다. 또한, 실제 기후데이터와 품종 별 품질 데이터를 반복측정하고 측정 결과를 누적하여 품종 별 표준지표와 최적지 정보를 업데이트 할 수 있고, 실제 기후에 따라 농작물의 수급과 품질, 가격을 예측할 수 있다. 또한, 실시예를 통해 년도, 계절, 분기에 따른 실제 기후에 따라 수확된 농산물 품질을 분석하여 기후와 품질의 상관관계에 대한 분석 데이터를 확보할 수 있고, 품질 예측을 통해 가격 차등을 정확하게 산출하여, 소비자에게 고품질의 농산물을 합리적인 가격으로 제공할 수 있고, 지역별 농수산물의 품질과 수확량에 대한 정확한 수급 예측을 통해 가격을 안정화 시키고 농수산물 수급을 안정적으로 조정할 수 있도록 한다.

Description

농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법{SERVER FOR FORECASTING AGRICULTURAL SUPPLY DEMAND AND METHOD AGRICULTURAL FOR HARVESTING OPTIMAL LOCATION ANALYSIS}
농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법에 관한 것으로, 농산물별 표준지표를 기반으로 최적 수급지를 선정하고, 수급지에서 생산된 농산물의 품질분석 데이터를 누적하여 최적 수급지 및 표준지표를 업데이트하고, 농산물의 수확량과 수급 예측 및 농산물 품질에 따른 지역별 가격 차등 정도를 산출하는 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
사물인터넷(IoT)은 사람, 기기, 공간, 데이터 등 모든 것이 네트워크로 연결되어 사람과 사물뿐만 아니라 사물과 사물 사이에서도 데이터를 교환할 수 있는 기능을 보유하고 언제 어디서나 상호 소통할 수 있는 생태계를 의미하는 기술이다. 산업혁명과 정보화 혁명 이후에 도래가 예상되는 초 연결 시대에서의 초 연결 인터넷을 의미하는 기술이다. IoT 기술은 이러한 초연결 인터넷을 구축하고 인간에게 서비스가 제공될 생태계를 구성하게 될 것이다. 이러한 IoT 기술은 다양한 산업분야에서 이용될 수 있는데, 농업분야에서의 IoT 활용은 농수산물의 유통 및 수확량을 예측하는 기능과 접목되어 시장과 도매 공급 망을 안정시키는데 기여할 것으로 예상된다. 특히, 농업분야에서 농산물 품정 별 최적기후와 유사한 지역의 날씨를 예측하고, 예측된 날씨에 따라 지역별 농산 품질을 예측하여 수급망과 가격을 조정함으로써, 소비자에게는 최상 품질의 농산물을 안정적으로 공급하고, 도소매 업자 및 생산자는 미리 납품활로를 확보하여 안정적인 수익창출에 많은 도움을 줄 것으로 예상된다.
IoT 를 이용하여 농산물별 최적 수확지를 분석하고, 기간별 기후에 따라 품질을 예측하는 기술은 이처럼 상당한 수익창출에 이바지하게 될 것으로 기대하지만, 아직까지 농산물 품종과 수확최적지를 분석하고 그 해 기후에 따라 품질을 예측하는 시스템에 대한 연구 개발은 상당히 부족한 실정이다.
1. 한국 특허공개 제 10-2019-0047327 (2019.05.08) 2. 한국 특허등록 제 10-0941875 (2010.02.03)
실시예에 따른 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법은 품종 별 표준지표를 저장하고, IoT를 통해 지역별로 수집된 환경데이터를 표준지표와 비교하고 비교 결과에 따라 품종 별 최적지를 추출한다. 또한, 최적지의 실제 날씨에 따른 농산물의 품질을 예측하고 지역별로 수확된 농산물 실제 품질 데이터를 누적하여 표준지표와 최적지 데이터를 업데이트 함으로써, 농산물 재배와 수급에 필요한 정확한 정보를 제공할 수 있도록 한다. 또한, 지역별 수확량과 품질 예측에 따른 농산물의 가격 및 유통량을 산출하여 도소매 업자와 생산자에게 미리 알림으로써, 농산물의 가격을 안정시키고, 품질 예측을 통해 농산물별 합리적인 가격 차등이 발생하도록 한다.
실시예에 따른 농산물 수확 최적지 분석 방법은 (A)분석서버에서 농산물의 최적 수확환경데이터인 품종 별 표준지표를 설정하는 단계; (B)분석서버에서 지역별 강수량, 일조량, 일교차를 포함하는 환경정보 및 지역별 누적 날씨 데이터를 수집하는 단계; (C)분석서버에서 수집된 날씨 데이터와 지역별 환경정보를 표준지표와 비교하고 상관관계를 분석하는 단계; 및 (D)분석서버에서 상관관계가 가장 높은 지역을 최적지로 추출하고, 최적지로 추출된 지역 농산물의 작황, 수확량, 품질을 포함하는 농산물 수확 품질 세부정보를 파악하는 단계; 를 포함한다.
다른 실시예에 따른 농산물 수급 예측 서버는 농산물의 최적 수확환경데이터인 품종 별 표준지표를 설정하여 저장하는 데이터베이스; 지역별 강수량, 일조량, 일교차를 포함하는 환경정보 및 지역별 누적 날씨 데이터를 수집하는 수집모듈; 수집된 날씨 데이터와 지역별 환경정보를 표준지표와 비교하여 상관관계를 분석하고, 상관관계가 가장 높은 지역을 최적지 추출하는 분석모듈; 및 최적지로 추출된 지역 농산물의 작황, 수확량, 품질을 포함하는 농산물 수확 품질 세부정보를 파악하고, 농산물 수확 품질 세부정보에 따라 표준지표와 최적지를 업데이트하고, 지역별 농산물 수급 량 및 가격을 예측하는 연산모듈; 을 포함한다.
이상에서와 같은 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법은 품종 별 표준지표와 농수산물별 수확 최적지 정보를 누적된 분석정보로 업데이트하여 정확한 정보를 제공할 수 있다.
년도, 계절, 분기에 따른 실제 기후에 따라 수확된 농산물 품질을 분석하여 기후와 품질의 상관관계에 대한 분석 데이터를 확보할 수 있고, 품질 예측을 통해 가격 차등을 정확하게 산출하여, 소비자에게 고품질의 농산물을 합리적인 가격으로 제공할 수 있다.
또한, 지역별 농수산물의 품질과 수확량에 대한 정확한 수급 예측을 통해 가격을 안정화 시키고 농수산물 수급을 안정적으로 조정할 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 실시예에 따른 농산물 수급 예측 및 농산물 수확 최적지 분석 시스템 구성을 나타낸 도면
도 2는 실시예에 따른 분석서버(100)의 데이터 처리 블록을 나타낸 도면
도 3은 실시예에 따른 농산물 수급 예측 서버의 데이터 처리 흐름을 나타낸 도면
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 실시예에 따른 농산물 수급 예측 및 농산물 수확 최적지 분석 시스템 구성을 나타낸 도면이다.
도 1을 참조하면, 실시예에 따른 농산물 수급 예측 및 농산물 수확 최적지 분석 시스템은 분석서버(100), 외부서버(200) 및 사용자 단말(300)을 포함하여 구성될 수 있다.
분석서버(100)는 품종 별 표준지표를 미리 저장하고, 외부서버(200)로부터 지역별 날씨 데이터, 농산물 수확 데이터 등을 전달받아, 표준지표와 실제 지역별 날씨 데이터를 비교하고, 비교 결과를 기반으로 지역별 농산물 품질을 예측한다. 실시예에서 분석서버(100)는 실제 농산물 품질 분석을 통해 기후와 농산물의 상관관계를 분석하여 표준지표와 품종 별 최적지 정보를 업데이트한다. 실시예에서 분석서버(100)는 기 저장된 표준지표와 실제 지역별 환경데이터를 비교하고 상관관계를 분석하여 최적지를 선정할 뿐만 아니라, 실제 지역에서 재배된 농산물의 품종 별 품질 정보를 반복 측정하고, 반복 측정된 정보를 누적 저장하여 새로운 표준지표를 생성할 수 있도록 한다. 특히, 분석서버(100)는 계절변동 및 순환변동으로 인한 실제 지역별 기후데이터와 환경데이터를 누적저장하고 이에 대한 농작물 수확정보(수확량, 품질 등)를 누적하고 환경데이터와 농작물 수확정보에 대한 상관관계를 파악하여 실제 기후데이터가 입력되면 농작물 재배량과 품질을 예측할 수 있도록 한다.
외부서버(200)는 분석서버(100)로 데이터를 전달하는 기상 API, 비콘, 센서 등을 포함하는 기기로서, 지역별 농산물 수급 예측 및 농산물 수확 최적지 분석에 필요한 일련의 데이터를 분석서버(100)로 전송한다. 실시예에서 외부서버(200)는 농가에 설치된 기후변화 감지 센서, 기상센터 서버, 비콘 등 농작물 수확 및 재배에 필요한 다양한 정보를 저장하고 수집하는 기관의 데이터 저장 서버가 될 수 있다.
사용자 단말(300)은 분석서버(100)에서 업데이트된 표준지표 및 최적지 정보와 지역별 품종 수급예측 및 농산물 품질 데이터를 전달받아 사용자에게 제공한다. 실시예에서 사용자는 농산물 도소매 업자 및 생산자가 될 수 있다. 실시예에서 사용자는 자신의 단말을 통해 분석서버(100)에서 제공하는 농산물별 최적지, 품질예측정보, 수급량, 가격 등의 정보를 확인하여 생산자는 확인한 정보를 기반으로 품종과 품질에 따라 합리적인 가격으로 생산물을 도소매 업자에게 판매 할 수 있다.
또한, 도소매 업자는 분석서버(100)에서 제공하는 지역별 수급 량, 품질예측정보, 최적지 등을 파악하여 그 해 품질이 우수할 것으로 예상되는 지역에서 농산물을 매입할 수 있다.
도 2는 실시예에 따른 분석서버(100)의 데이터 처리 블록을 나타낸 도면이다.
도 2를 참조하면, 실시예에 따른 분석서버(100)는 데이터베이스(110), 수집모듈(130), 분석모듈(150) 및 연산모듈(170)을 포함하여 구성될 수 있다. 본 명세서에서 사용되는 '모듈' 이라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.
데이터베이스(110)는 농산물의 최적 수확환경데이터인 품종 별 표준지표를 설정하여 저장한다. 예컨대, 표준지표는 특정 작물 재배에 최적 환경 정보를 카테고리 별로 저장한 데이터이다. 실시예에서 표준지표는 평균기온, 휴면기, 최저극온, 생육기, 강수량, 토양조건, 지형조건, 일조량, 일조시간, 작토깊이 등의 환경데이터와 작물의 성장기별 표준온도 등을 포함할 수 있다. 구체적으로 사과의 표준지표는 평균기온: 8~11℃℃이상~14℃이하), 휴면기: -7℃이하의 적산기간이 1,200~1,500시간 이상 필요, 최저극온: -30℃기온변화가 심하고, 수세가 약하면 더 높은 온도에서 피해 발생), 생육기(4월~10월): 15~18℃℃이상~21℃이하), 강수량: 1,300mm 이하, 연간일조시간 2300시간 등의 표준정보가 품종 별로 저장될 수 있다.
수집모듈(130)은 지역별 강수량, 일조량, 일교차를 포함하는 환경정보 및 지역별 누적 날씨 데이터를 수집한다. 실시예에서 수집모듈(130)은 기후 API 및 농가 별 비콘에서 수집된 농가 별 실제 기후와 농작물 정보, 수확량 및 품질 정보를 복수개의 서버와 기기로부터 수집한다.
분석모듈(150)은 수집된 날씨 데이터와 지역별 환경정보를 상기 표준지표와 비교하여 상관관계를 분석하고, 상관관계가 가장 높은 지역을 최적지 추출한다. 또한 실시예에서 분석모듈(150)은 실제 수집된 지역별 기후정보, 토양 정보를 포함하는 환경데이터와 실제 수확량과 농산물 품질정보를 분석하여 환경데이터와 농산물의 수확량 및 품질정보의 상관관계를 파악한다. 또한 실시예에서 분석모듈(150)은 지역별 환경정보와 표준지표를 기간에 따라 비교하고, 지역 별 농산물 품질을 비교하고, 비교 결과에 따라 농산물별 최고 품질지역을 선정한다. 즉, 데이터를 반복측정하고 이를 누적하여 누적된 데이터를 통해, 기후 및 지역별로 농산물 생산량과 품질을 예측할 수 있도록 한다.
연산모듈(170)은 최적지로 추출된 지역 농산물의 작황, 수확량, 품질을 포함하는 농산물 수확 품질 세부정보를 파악하고, 농산물 수확 품질 세부정보에 따라 표준지표와 최적지를 업데이트하고, 지역별 농산물 수급 및 가격을 예측한다. 또한 연산모듈(170)은 지역별 환경정보와 표준지표 비교결과 및 실제 농산물 수확 품질을 데이터를 축적하여, 시계열 분석 및 회귀분석을 통해 농산물의 수급, 가격을 예측하고, 최적지를 업데이트 한다. 실시예에서 시계열 분석은 과거의 날씨정보 변화추세나 이에 따른 지역별 농작물의 재배량 및 품질 변화 및 농작물 재배량과 품질에 기반한 수요 또는 소비 변화 데이터를 누적저장하고 이를 추적하여 분석한다. 실시예에서는 시계열 분석 결과를 통해, 실제 날씨에 따른 품종 별 재배량과 품질 및 수요량을 예측하고 예측 결과를 기반으로 그 해 농작물의 지역별 품질 예측과 가격예측을 수행할 수 있다.
또한 실시예에서 연산모듈(170)은 업데이트된 최적지에 따라 농산물 별 표준지표를 업데이트 하고, 표준지표와 지역별 환경정보의 상관관계에 따라 지역별 농산물 품종 품질을 예측하고, 상기 예측 결과에 따라 농산물 가격차등 정도를 산출한다.
또한 실시예에서 분석모듈(150)은 농산물 품종 별 품질을 수확된 농산물 세부정보를 이용하여 파악할 수 있다. 실시예에서 분석모듈(150)은 농산물의 크기, 색 선명도, 당도, 무게, 재배량 등 측정 가능한 농산물의 세부정보를 전달받아, 품종 별 평균크기와 비교하고 품종 별 표준편차를 산출하여 수확된 농산물의 품질을 파악할 수 있다.
이하에서는 농산물 수확 최적지 분석 방법에 대해서 차례로 설명한다. 실시예에 따른 농산물 수확 최적지 분석 방법의 작용(기능)은 농산물 수급 예측 서버 및 시스템상의 기능과 본질적으로 같은 것이므로 도 1 및 2와 중복되는 설명은 생략한다.
도 3은 실시예에 따른 농산물 수급 예측 서버의 데이터 처리 흐름을 나타낸 도면이다.
도 3을 참조하면, S10 단계에서는 분석서버에서 농산물의 최적 수확환경데이터인 품종 별 표준지표를 설정한다.
S20 단계에서는 분석서버에서 지역별 강수량, 일조량, 일교차를 포함하는 환경정보 및 지역별 누적 날씨 데이터를 수집한다. S30 단계에서는 분석서버에서 수집된 날씨 데이터와 지역별 환경정보를 표준지표와 비교하고 상관관계를 분석한다. 또한, 실시예에서 S30 단계에서는 표준지표와 지역별 환경정보의 상관관계에 따라 지역별 농산물 품종 품질을 예측하고, 예측 결과에 따라 농산물 가격차등 정도를 산출할 수 있다.
S40 단계에서는 분석서버에서 상관관계가 가장 높은 지역을 최적지로 추출하고, 최적지로 추출된 지역 농산물의 작황, 수확량, 품질을 포함하는 농산물 수확 품질 세부정보를 파악한다.
S50 단계에서는 추출된 최적지의 환경정보와 표준지표를 비교하고, S60 단계에서는 지역별 환경정보와 표준지표를 기간에 따라 비교하고, 지역 별 농산물 품질을 비교한다. S50 단계에서는 지역별 환경정보와 표준지표 비교결과 및 실제 농산물 수확 품질을 데이터를 축적하여, 시계열 분석을 통해 농산물의 수급, 가격을 예측하고, 최적지를 업데이트 할 수 있다. 또한, 업데이트된 최적지에 따라 농산물 별 표준지표를 업데이트한다. 실시예에서는 실제 재배된 품종 별 품질 데이터와 외부 환경 데이터간 상관관계 결과에 따라 최적지와 품종 별 표준지표를 업데이트 할 수 있다.
S70 단계에서는 분석서버에서 비교 결과에 따라 농산물별 최고 품질지역을 선정하고, S80 단계에서는 지역별 농산물 수급 및 가격 예측을 수행한다.
실시예에 따른 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법은 품종 별 표준지표와 농수산물별 수확 최적지 정보를 누적된 분석정보로 업데이트하여 생산자와 도소매 업자에게 정확한 정보를 제공할 수 있다. 또한, 실제 기후데이터와 품종 별 품질 데이터를 반복측정하고 측정 결과를 누적하여 품종 별 표준지표와 최적지 정보를 업데이트 할 수 있고, 실제 기후에 따라 농작물의 수급과 품질, 가격을 예측할 수 있다. 또한, 실시예를 통해 년도, 계절, 분기에 따른 실제 기후에 따라 수확된 농산물 품질을 분석하여 기후와 품질의 상관관계에 대한 분석 데이터를 확보할 수 있도록 한다. 아울러, 실시예에서는 품질 예측을 통해 가격 차등을 정확하게 산출하여, 소비자에게 고품질의 농산물을 합리적인 가격으로 제공할 수 있도록 하고, 지역별 농수산물의 품질과 수확량에 대한 정확한 수급 예측을 통해 가격을 안정화 시키고 농수산물 수급을 안정적으로 조정할 수 있도록 한다.
개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.

Claims (10)

  1. 농산물 수확 최적지 분석 방법에 있어서,
    (A)분석서버에서 농산물의 최적 수확환경데이터인 품종 별 표준지표를 설정하는 단계;
    (B)분석서버에서 지역별 강수량, 일조량, 일교차를 포함하는 환경정보 및 지역별 누적 날씨 데이터를 수집하는 단계;
    (C)분석서버에서 수집된 날씨 데이터와 지역별 환경정보를 상기 표준지표와 비교하고 상관관계를 분석하는 단계; 및
    (D)분석서버에서 상관관계가 가장 높은 지역을 최적지로 추출하고, 상기 최적지로 추출된 지역 농산물의 작황, 수확량, 품질을 포함하는 농산물 수확 품질 세부정보를 파악하는 단계;
    (E) 분석서버에서 상기 추출된 최적지의 환경정보와 표준지표를 비교하는 단계;
    (F) 분석서버에서 지역별 환경정보와 표준지표를 기간에 따라 비교하고, 지역 별 농산물 품질을 비교하는 단계;및
    (G) 분석서버에서 비교 결과에 따라 농산물별 최고 품질지역을 선정하는 단계;를 포함하고,
    상기 (F) 단계; 는
    지역별 환경정보와 표준지표 비교결과 및 실제 농산물 수확 품질의 데이터를 축적하여, 시계열 분석을 통해 농산물의 수급, 가격을 예측하고, 최적지를 업데이트 하고, 업데이트된 최적지에 따라 농산물 별 표준지표를 업데이트 하고
    상기 (C) 단계; 는
    분석서버에서 실제 지역에서 재배된 농산물의 품종 별 품질 정보를 반복 측정하고, 반복 측정된 정보를 누적 저장하여 새로운 표준지표를 생성하는 단계;
    표준지표와 지역별 환경정보의 상관관계에 따라 지역별 농산물 품종의 품질을 예측하는 단계;
    계절변동 및 순환변동으로 인한 실제 지역별 기후데이터와 환경데이터를 누적저장하고 수확량, 품질을 포함하는 농작물 수확정보를 누적하고 환경데이터와 농작물 수확정보에 대한 상관관계를 파악하여 실제 기후데이터가 입력되면 농작물 재배량과 품질을 예측하는 단계; 및
    농작물 재배량과 품질 예측 결과에 따라 농산물 가격차등 정도를 산출하는 단계;를 포함하고,
    상기 (D) 단계; 는
    분석서버에서 최적지로 추출된 지역 농산물의 작황, 수확량, 품질을 포함하는 농산물 수확 품질 세부정보를 파악하고, 농산물 수확 품질 세부정보에 따라 표준지표와 최적지를 업데이트하고, 지역별 농산물 수급 및 가격을 예측하는 단계;
    지역별 환경정보와 표준지표 비교결과 및 실제 농산물 수확 품질의 데이터를 축적하여, 시계열 분석 및 회귀분석을 통해 농산물의 수급, 가격을 예측하고, 최적지를 업데이트 하는 단계;
    시계열 분석 결과를 통해, 실제 날씨에 따른 품종 별 재배량과 품질 및 수요량을 예측하고 예측 결과를 기반으로 그 해 농작물의 지역별 품질 예측과 가격예측을 수행하는 단계;
    업데이트된 최적지에 따라 농산물 별 표준지표를 업데이트 하고, 표준지표와 지역별 환경정보의 상관관계에 따라 지역별 농산물 품종 품질을 예측하고, 지역별 농산물 품종 품질 예측 결과에 따라 농산물 가격차등 정도를 산출하는 단계; 및
    농산물의 크기, 색 선명도, 당도, 무게, 재배량을 포함하는 측정 가능한 농산물의 세부정보를 전달받아, 품종 별 평균크기와 비교하고 품종 별 표준편차를 산출하여 수확된 농산물의 품질을 파악하는 단계;를 포함하고,
    상기 시계열 분석은 과거의 날씨정보 변화추세나 이에 따른 지역별 농작물의 재배량, 품질 변화 및 농작물 재배량과 품질에 기반한 수요 또는 소비 변화 데이터를 누적저장하고 저장된 데이터를 추적하여 분석하는 것을 특징으로 하는 농산물 수확 최적지 분석 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 농산물 수급 예측 서버에 있어서,
    농산물의 최적 수확환경데이터인 품종 별 표준지표를 설정하여 저장하는 데이터베이스;
    지역별 강수량, 일조량, 일교차를 포함하는 환경정보 및 지역별 누적 날씨 데이터를 수집하는 수집모듈;
    수집된 날씨 데이터와 지역별 환경정보를 상기 표준지표와 비교하여 상관관계를 분석하고, 상관관계가 가장 높은 지역을 최적지 추출하는 분석모듈; 및
    상기 최적지로 추출된 지역 농산물의 작황, 수확량, 품질을 포함하는 농산물 수확 품질 세부정보를 파악하고, 상기 농산물 수확 품질 세부정보에 따라 표준지표와 최적지를 업데이트하고, 지역별 농산물 수급 량 및 가격을 예측하는 연산모듈; 을 포함하고
    상기 분석모듈; 은
    지역별 환경정보와 표준지표를 기간에 따라 비교하고, 지역 별 농산물 품질을 비교하고, 비교 결과에 따라 농산물별 최고 품질지역을 선정하고
    상기 연산모듈; 은
    실제 지역에서 재배된 농산물의 품종 별 품질 정보를 반복 측정하고, 반복 측정된 정보를 누적 저장하여 새로운 표준지표를 생성하고, 지역별 환경정보와 표준지표 비교결과 및 실제 농산물 수확 품질의 데이터를 축적하여, 시계열 분석을 통해 농산물의 수급, 가격을 예측하고, 최적지를 업데이트하고, 업데이트된 최적지에 따라 농산물 별 표준지표를 업데이트 하고, 표준지표와 지역별 환경정보의 상관관계에 따라 지역별 농산물 품종 품질을 예측하고, 계절변동 및 순환변동으로 인한 실제 지역별 기후데이터와 환경데이터를 누적저장하고 수확량, 품질을 포함하는 농작물 수확정보를 누적하고 환경데이터와 농작물 수확정보에 대한 상관관계를 파악하여 실제 기후데이터가 입력되면 농작물 재배량과 품질을 예측하고, 농작물 재배량과 품질 예측 결과에 따라 지역별 농산물의 가격차등 정도를 산출하고
    상기 연산모듈; 은
    지역별 환경정보와 표준지표 비교결과 및 실제 농산물 수확 품질의 데이터를 축적하여, 시계열 분석 및 회귀분석을 통해 농산물의 수급, 가격을 예측하고, 최적지를 업데이트 하고, 시계열 분석 결과를 통해, 실제 날씨에 따른 품종 별 재배량과 품질 및 수요량을 예측하고 예측 결과를 기반으로 그 해 농작물의 지역별 품질 예측과 가격예측을 수행하고, 업데이트된 최적지에 따라 농산물 별 표준지표를 업데이트 하고, 표준지표와 지역별 환경정보의 상관관계에 따라 지역별 농산물 품종 품질을 예측하고, 지역별 농산물 품종 품질 예측 결과에 따라 농산물 가격차등 정도를 산출하고, 농산물의 크기, 색 선명도, 당도, 무게, 재배량을 포함하는 측정 가능한 농산물의 세부정보를 전달받아, 품종 별 평균크기와 비교하고 품종 별 표준편차를 산출하여 수확된 농산물의 품질을 파악하고,
    상기 시계열 분석은 과거의 날씨정보 변화추세나 이에 따른 지역별 농작물의 재배량, 품질 변화 및 농작물 재배량과 품질에 기반한 수요 또는 소비 변화 데이터를 누적저장하고 저장된 데이터를 추적하여 분석하는 것을 특징으로 하는 농산물 수급 예측 서버.

  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
KR1020190103013A 2019-08-22 2019-08-22 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법 KR102175904B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190103013A KR102175904B1 (ko) 2019-08-22 2019-08-22 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190103013A KR102175904B1 (ko) 2019-08-22 2019-08-22 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법

Publications (1)

Publication Number Publication Date
KR102175904B1 true KR102175904B1 (ko) 2020-11-06

Family

ID=73572163

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190103013A KR102175904B1 (ko) 2019-08-22 2019-08-22 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법

Country Status (1)

Country Link
KR (1) KR102175904B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393277A (zh) * 2021-07-01 2021-09-14 安徽洲弋电子商务有限公司 一种基于大数据的农产品市场数据分析系统
KR20220095674A (ko) 2020-12-30 2022-07-07 민석기 지역별 과수 당도 예측 장치 및 방법
KR20220169217A (ko) 2021-06-18 2022-12-27 대한민국(농촌진흥청장) 농작업 일거리 수요 예측 시스템
KR102539662B1 (ko) * 2022-07-20 2023-06-07 농업협동조합중앙회 농산물 가격의 예측을 지원하는 전자 장치 및 그 제어 방법
CN116976917A (zh) * 2023-07-31 2023-10-31 金景(海南)科技发展有限公司 基于区块链技术的农业品牌存证体系建设方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100941875B1 (ko) 2008-07-28 2010-02-11 순천대학교 산학협력단 ｕ-ＩＴ 기반의 정밀농업을 위한 농산물 수확량 모니터링시스템
KR20140070241A (ko) * 2012-11-30 2014-06-10 강원대학교산학협력단 작물별 지역 맵핑 시스템 및 방법
KR101475445B1 (ko) * 2013-08-29 2014-12-22 (유)호정솔루션 Ｇｉｓ기반 농산물 수확 예측 서비스 제공 방법
KR20190004978A (ko) * 2017-07-05 2019-01-15 (주)우하농산 생산지 경매정보를 이용한 맞춤형 농작물 정보 제공 시스템 및 그 방법
KR20190047327A (ko) 2017-10-27 2019-05-08 조원제 빅데이터 기반의 농산물 수확량에 따른 유통량 분배 조정 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100941875B1 (ko) 2008-07-28 2010-02-11 순천대학교 산학협력단 ｕ-ＩＴ 기반의 정밀농업을 위한 농산물 수확량 모니터링시스템
KR20140070241A (ko) * 2012-11-30 2014-06-10 강원대학교산학협력단 작물별 지역 맵핑 시스템 및 방법
KR101475445B1 (ko) * 2013-08-29 2014-12-22 (유)호정솔루션 Ｇｉｓ기반 농산물 수확 예측 서비스 제공 방법
KR20190004978A (ko) * 2017-07-05 2019-01-15 (주)우하농산 생산지 경매정보를 이용한 맞춤형 농작물 정보 제공 시스템 및 그 방법
KR20190047327A (ko) 2017-10-27 2019-05-08 조원제 빅데이터 기반의 농산물 수확량에 따른 유통량 분배 조정 시스템

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220095674A (ko) 2020-12-30 2022-07-07 민석기 지역별 과수 당도 예측 장치 및 방법
KR20220169217A (ko) 2021-06-18 2022-12-27 대한민국(농촌진흥청장) 농작업 일거리 수요 예측 시스템
CN113393277A (zh) * 2021-07-01 2021-09-14 安徽洲弋电子商务有限公司 一种基于大数据的农产品市场数据分析系统
CN113393277B (zh) * 2021-07-01 2023-11-28 安徽洲弋电子商务有限公司 一种基于大数据的农产品市场数据分析系统
KR102539662B1 (ko) * 2022-07-20 2023-06-07 농업협동조합중앙회 농산물 가격의 예측을 지원하는 전자 장치 및 그 제어 방법
CN116976917A (zh) * 2023-07-31 2023-10-31 金景(海南)科技发展有限公司 基于区块链技术的农业品牌存证体系建设方法
CN116976917B (zh) * 2023-07-31 2024-05-24 金景(海南)科技发展有限公司 基于区块链技术的农业品牌存证体系建设方法

Similar Documents

Publication Publication Date Title
KR102175904B1 (ko) 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법
US11617313B2 (en) Controlling agricultural production areas
US10241098B2 (en) Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery
KR101936317B1 (ko) 단말기를 이용한 스마트 파밍 방법
US20210209705A1 (en) System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain
Channe et al. Multidisciplinary model for smart agriculture using internet-of-things (IoT), sensors, cloud-computing, mobile-computing & big-data analysis
CN106028792B (zh) 用于农作物管理的方法和系统
US10772269B2 (en) Predicting crop productivity via intervention planning on small-scale farms
US10271117B2 (en) Environmental monitoring
US20170161560A1 (en) System and method for harvest yield prediction
KR101934961B1 (ko) 단말기를 이용한 수익성 예측 방법 및 수익성 예측 장치
García-López et al. Evaluation of three simulation approaches for assessing yield of rainfed sunflower in a Mediterranean environment for climate change impact modelling
Romera et al. Use of a pasture growth model to estimate herbage mass at a paddock scale and assist management on dairy farms
KR20150096103A (ko) 농산물 수확량 예측 장치 및 방법
JP2013051887A (ja) 生育管理方法
Mumtaz et al. Analysis of meteorological variations on wheat yield and its estimation using remotely sensed data. A case study of selected districts of Punjab Province, Pakistan (2001-14)
KR20180003791A (ko) 식물공장을 자동으로 제어하는 장치 및 방법
AU2023203307A1 (en) Controlling Agricultural Production Areas
Kumar et al. Multiparameter optimization system with DCNN in precision agriculture for advanced irrigation planning and scheduling based on soil moisture estimation
CA3196136A1 (en) Advanced crop manager for crops stress mitigation
KR20210059070A (ko) 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법
US20220309595A1 (en) System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain
Higgins et al. Forecasting maturity of green peas: An application of neural networks
Mishra et al. Significance of IoT in the agricultural sector
JP2024007918A (ja) 広告提供システム

Legal Events

Date Code Title Description
GRNT Written decision to grant