KR102542660B1 - Apparatus and method for providing crop recommendation service - Google Patents
Apparatus and method for providing crop recommendation service Download PDFInfo
- Publication number
- KR102542660B1 KR102542660B1 KR1020220092070A KR20220092070A KR102542660B1 KR 102542660 B1 KR102542660 B1 KR 102542660B1 KR 1020220092070 A KR1020220092070 A KR 1020220092070A KR 20220092070 A KR20220092070 A KR 20220092070A KR 102542660 B1 KR102542660 B1 KR 102542660B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- cultivation
- crop
- item
- processor
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004891 communication Methods 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 45
- 239000002689 soil Substances 0.000 claims description 46
- 238000004519 manufacturing process Methods 0.000 claims description 44
- 230000012010 growth Effects 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 13
- 238000000556 factor analysis Methods 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 7
- 230000008859 change Effects 0.000 description 7
- 241000607479 Yersinia pestis Species 0.000 description 4
- 238000012272 crop production Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000575 pesticide Substances 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 240000007124 Brassica oleracea Species 0.000 description 2
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 2
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 2
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 240000005979 Hordeum vulgare Species 0.000 description 2
- 235000007340 Hordeum vulgare Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 235000012055 fruits and vegetables Nutrition 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 244000291564 Allium cepa Species 0.000 description 1
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 1
- 240000002234 Allium sativum Species 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000000832 Ayote Nutrition 0.000 description 1
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 1
- 240000008384 Capsicum annuum var. annuum Species 0.000 description 1
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- 241000675108 Citrus tangerina Species 0.000 description 1
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000009849 Cucumis sativus Nutrition 0.000 description 1
- 241000219122 Cucurbita Species 0.000 description 1
- 235000009854 Cucurbita moschata Nutrition 0.000 description 1
- 235000009804 Cucurbita pepo subsp pepo Nutrition 0.000 description 1
- 235000011511 Diospyros Nutrition 0.000 description 1
- 241000723267 Diospyros Species 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 244000017020 Ipomoea batatas Species 0.000 description 1
- 235000002678 Ipomoea batatas Nutrition 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 244000070406 Malus silvestris Species 0.000 description 1
- 235000004347 Perilla Nutrition 0.000 description 1
- 244000124853 Perilla frutescens Species 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 240000005809 Prunus persica Species 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 235000009337 Spinacia oleracea Nutrition 0.000 description 1
- 244000300264 Spinacia oleracea Species 0.000 description 1
- 241000219094 Vitaceae Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000004611 garlic Nutrition 0.000 description 1
- 235000021021 grapes Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 235000021251 pulses Nutrition 0.000 description 1
- 235000015136 pumpkin Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 235000021012 strawberries Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- 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
- G06Q50/10—Services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Botany (AREA)
- Ecology (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Biodiversity & Conservation Biology (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Forests & Forestry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 재배 작물 추천 서비스 제공 장치 및 방법에 관한 것으로서, 더욱 상세하게는 작물 생산성과 재배 수익성을 기준으로 재배 적합 작물을 결정하여 사용자에게 추천해 주는 재배 작물 추천 서비스 제공 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for providing a recommendation service for cultivated crops, and more particularly, to an apparatus and method for providing a recommendation service for cultivated crops for determining and recommending crops suitable for cultivation based on crop productivity and profitability.
기후변화가 농업 가치사슬에 미치는 영향은 다양하다. 직접적으로는 기후변화가 작물 등의 광합성과 증산활동에 영향을 미칠 수 있으며, 간접적으로는 온도, 수문 상태변화, 해수면 상승 등에 영향을 미칠 수 있다. 이러한 영향은, 식물의 생산력 확대와 물 이용 효율성 향상, 식물 생육 가능 기간 증대 및 재배적지 확대 등의 긍정적인 측면뿐만 아니라, 지온 및 수온의 상승, 적설기간 단축, 수분 증발량 증대, 토양 수분 부족 심화 등으로 인한 작물 재배지역의 이동 유발과 잡초 및 병원생물의 활성화, 해충의 다발화 등 부정적인 측면도 심화시킬 수 있다.The impact of climate change on the agricultural value chain is manifold. Climate change can directly affect photosynthesis and transpiration of crops, etc., and indirectly can affect temperature, changes in hydrological conditions, and sea level rise. These impacts include not only positive aspects such as expansion of plant productivity, improvement of water use efficiency, increase of plant growth period and expansion of suitable areas for cultivation, but also increase of ground and water temperature, shortening of snow cover period, increase of water evaporation, and deepening of soil moisture shortage, etc. It can also intensify negative aspects such as the movement of crop cultivation areas, the activation of weeds and pathogenic organisms, and the spread of pests.
이러한 배경에서 기후변동성의 변화로 인한 농작물 영향도 분석, 기후변화와 농작물 생상선 간 관계 분석 등 지속적으로 국내외 연구가 진행되어 왔다. 그러나, 이러한 연구들은 기후변화에 따른 개괄적인 농업생태계 영향 분석이나, 통계기법을 활용한 단순 예측이나 작물생산량 예측 등 실증분석 접근에 치중해 있어, 기존 관행농업의 한계로 작목 변환이 절실한 농업인이나 영농환경 변화를 고려한 작물 추천이 필요한 귀농인이 활용하는데 제약이 존재뿐만 아니라, 최신 농업환경 특성을 제대로 반영하지 못하는 문제가 존재한다.Against this backdrop, domestic and international research has been continuously conducted, such as analyzing the impact of climate variability changes on crops and analyzing the relationship between climate change and crop productivity. However, these studies are focused on empirical analysis approaches such as general analysis of the impact of climate change on the agricultural ecosystem, simple forecasting using statistical techniques, or crop production prediction. Not only are there restrictions on utilization by returning farmers who need to recommend crops considering environmental changes, but there is also a problem of not properly reflecting the latest agricultural environment characteristics.
본 발명의 배경기술은 대한민국 등록특허공보 제10-2093544호(2020.03.19.)의 '곡물 생산량 예측 방법 및 장치'에 개시되어 있다.The background art of the present invention is disclosed in Korean Patent Registration No. 10-2093544 (2020.03.19.) 'Method and Apparatus for Predicting Grain Yield'.
본 발명의 일 측면에 따른 목적은, 작물 생산성과 재배 수익성을 기준으로 재배 적합 작물을 결정하여 사용자에게 추천해 주는 재배 작물 추천 서비스 제공 장치 및 방법을 제공하는 것이다.An object according to an aspect of the present invention is to provide an apparatus and method for providing a cultivation crop recommendation service that determines and recommends crops suitable for cultivation based on crop productivity and cultivation profitability.
본 발명의 일 측면에 따른 재배 작물 추천 서비스 제공 장치는 통신 인터페이스; 및 상기 통신 인터페이스를 통해 제1 재배 데이터를 수집하고, (i) 상기 제1 재배 데이터 또는 이를 가공한 데이터와 (ii) 작물 생산량 간의 제1 관계 정보를 작물 품목별로 산출하는 프로세스, 및 상기 통신 인터페이스를 통해 제2 재배 데이터를 수집하고, (iii) 상기 제2 재배 데이터 또는 이를 가공한 데이터와 (iv) 재배 수익성 간의 제2 관계 정보를 작물 품목별로 산출하는 프로세스를 수행하고, 상기 통신 인터페이스를 통해 특정 지역과 관련된 제3 재배 데이터가 수신되면, 상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 상기 특정 지역에 대한 적어도 하나의 재배 적합 품목을 결정하거나 결정하도록 지원하는 프로세서;를 포함하는 것을 특징으로 한다.An apparatus for providing a service for recommending cultivated crops according to an aspect of the present invention includes a communication interface; And a process of collecting first cultivation data through the communication interface, and calculating first relationship information between (i) the first cultivation data or data processed therefrom and (ii) crop yield for each crop item, and the communication interface Collecting second cultivation data through (iii) performing a process of calculating second relationship information between the second cultivation data or data processed therefrom and (iv) cultivation profitability for each crop item, and through the communication interface and a processor configured to determine or support determination of at least one cultivation suitable item for the specific area based on the first and second relationship information for each crop item when third cultivation data related to a specific area is received. to be
본 발명에 있어 상기 프로세서는, 사용자 입력으로 상기 특정 지역이 선택되면, 상기 제3 재배 데이터로서 상기 특정 지역과 관련된 기상 데이터를 수신하도록 제어하고, 상기 수신된 기상 데이터에 기반하여 상기 특정 지역에서 생육시키기에 적합하지 않은 일부 작물 품목을 미리 설정된 재배 적합 후보 품목에서 제외시키거나 제외시키도록 지원하는 것을 특징으로 한다.In the present invention, when the specific region is selected by a user input, the processor controls to receive meteorological data related to the specific region as the third cultivation data, and grows in the specific region based on the received meteorological data. It is characterized in that some crop items that are not suitable for cultivation are excluded from or supported to be excluded from the preset cultivation suitable candidate items.
본 발명에 있어 상기 프로세서는, 상기 특정 지역과 관련된 기상 데이터와 작물 품목별 생육 조건 데이터를 비교하여 상기 재배 적합 후보 품목 중 상기 특정 지역에서 생육시키기에 적합성이 낮은 작물 품목을 식별하고, 상기 식별된 작물 품목 외에서 상기 재배 적합 품목을 결정하거나 결정하도록 지원하는 것을 특징으로 한다.In the present invention, the processor compares meteorological data related to the specific region and growth condition data for each crop item to identify crop items that are less suitable for growing in the specific region among the candidate items suitable for cultivation, and the identified crops It is characterized by determining or supporting the determination of the cultivation suitable item other than the item.
본 발명에 있어 상기 프로세서는, 지역별 토양 데이터 및 작물 품목별 생육 조건 데이터에 기반하여 상기 특정 지역에 대응하는 면적 중 재배에 적합한 면적의 비율을 상기 적어도 하나의 재배 적합 품목 각각에 대하여 산출하고, 상기 산출된 비율이 가장 높은 n개의 상위 품목을 추출하여 추천 대상 품목으로 결정하거나 결정하도록 지원하는 것을 특징으로 한다.In the present invention, the processor calculates a ratio of an area suitable for cultivation among the areas corresponding to the specific region for each of the at least one cultivation item based on soil data for each region and growth condition data for each crop item, and the calculation It is characterized in that n top items with the highest ratio are extracted and determined or supported to be determined as recommended items.
본 발명에 있어 사용자 입력에 의해 복수의 지역 중에서 적어도 일부 지역이 상기 특정 지역으로 선택되면, 상기 프로세서는, 상기 적어도 일부 지역을 통합한 면적에 대한 추천 대상 품목을 결정하거나 결정하도록 지원하거나, 또는 상기 적어도 일부 지역을 분할한 면적에 대한 추천 대상 품목을 각각 결정하거나 결정하도록 지원하는 것을 특징으로 한다. In the present invention, when at least some region among a plurality of regions is selected as the specific region by a user input, the processor determines or supports the determination of a recommendation target item for an integrated area of the at least some regions, or It is characterized in that each of the recommended target items for an area obtained by dividing at least a part of the area is determined or supported to be determined.
본 발명에 있어 상기 프로세서는, 상기 제3 재배 데이터와 상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 미리 설정된 재배 적합 후보 품목 각각에 대하여 스코어를 계산하고, 상기 스코어가 가장 높은 N개의 상위 품목을 추출하여 상기 재배 적합 품목으로 결정하거나 결정하도록 지원하는 것을 특징으로 한다.In the present invention, the processor calculates a score for each of the previously set candidate items suitable for cultivation based on the third cultivation data and the first and second relationship information for each crop item, and N top items having the highest scores. It is characterized by extracting and supporting the determination or determination of the cultivation suitable item.
본 발명에 있어 상기 프로세서는, 상기 제3 재배 데이터와 상기 제1 관계 정보에 기반하여 제1 스코어를 계산하고, 상기 제3 재배 데이터와 상기 제2 관계 정보에 기반하여 제2 스코어를 계산하고, 상기 제1 및 제2 스코어에 기반하여 상기 스코어를 계산하는 것을 특징으로 한다.In the present invention, the processor calculates a first score based on the third cultivation data and the first relationship information, calculates a second score based on the third cultivation data and the second relationship information, It is characterized in that the score is calculated based on the first and second scores.
본 발명에 있어 상기 프로세서는, 상기 제3 재배 데이터로부터 제1 주요 성분에 대응하는 제1 성분값을 검출하고, 상기 검출된 제1 성분값 또는 이를 가공한 데이터에 상기 제1 관계 정보를 적용하여 상기 제1 스코어를 계산하고, 상기 제3 재배 데이터로부터 제2 주요 성분에 대응하는 제2 성분값을 검출하고, 상기 검출된 제2 성분값 또는 이를 가공한 데이터에 상기 제2 관계 정보를 적용하여 상기 제2 스코어를 계산하는 것을 특징으로 한다.In the present invention, the processor detects a first component value corresponding to a first main component from the third cultivation data, and applies the first relationship information to the detected first component value or data processed therefrom. Calculating the first score, detecting a second component value corresponding to a second main component from the third cultivation data, and applying the second relationship information to the detected second component value or data processed therefrom It is characterized in that the second score is calculated.
본 발명에 있어 상기 제1 재배 데이터는 제1 기간 동안 지역별 토양 데이터 및 기상 데이터와, 지역 및 작물 품목별 재배면적 데이터 및 생산량 데이터 중 적어도 일부를 포함하고, 상기 제2 재배 데이터는 제2 기간 동안 지역 및 작물 품목별 재배면적 데이터, 생산량 데이터, 순수익 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터 중 적어도 일부를 포함하는 것을 특징으로 한다.In the present invention, the first cultivation data includes at least a part of soil data and meteorological data by region during the first period, and cultivation area data and production data by region and crop item, and the second cultivation data includes regional data during the second period. and at least some of planted area data, production volume data, net profit data, production cost data, sales price data, and economically active population data for each crop item.
본 발명에 있어 상기 프로세서는, 주성분 분석 또는 요인 분석을 수행하여 상기 토양 데이터, 상기 기상 데이터 및 상기 재배면적 데이터로부터 제1 주요 성분을 추출하고, 상기 제1 주요 성분과 상기 생산량 데이터에 기반하여 상기 제1 관계 정보를 산출하고, 주성분 분석 또는 요인 분석을 수행하여 상기 재배면적 데이터, 생산량 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터로부터 제2 주요 성분을 추출하고, 상기 제2 주요 성분과 상기 순수익 데이터에 기반하여 상기 제2 관계 정보를 산출하는 것을 특징으로 한다.In the present invention, the processor performs principal component analysis or factor analysis to extract a first main component from the soil data, the meteorological data, and the cultivation area data, and based on the first main component and the production data, First relationship information is calculated, principal component analysis or factor analysis is performed to extract a second main component from the cultivation area data, production volume data, production cost data, selling price data, and economically active population data, and the second main component and calculating the second relationship information based on the net profit data.
본 발명에 있어 상기 프로세서는, 상기 제1 주요 성분을 독립 변수로 하고 상기 생산량 데이터를 종속 변수로 하는 기계 학습을 수행하여 상기 제1 관계 정보를 산출하고, 상기 제2 주요 성분을 독립 변수로 하고 상기 순수익 데이터를 종속 변수로 하는 기계 학습을 수행하여 상기 제2 관계 정보를 산출하는 것을 특징으로 한다.In the present invention, the processor calculates the first relationship information by performing machine learning using the first main component as an independent variable and the production volume data as a dependent variable, and the second main component as an independent variable It is characterized in that the second relationship information is calculated by performing machine learning using the net income data as a dependent variable.
본 발명의 일 측면에 따른 재배 작물 추천 서비스 제공 장치는 통신 인터페이스; 및 제1 재배 데이터 또는 이를 가공한 데이터와 생산량 간의 제1 관계 정보를 품목별로 산출하는 프로세스, 및 제2 재배 데이터 또는 이를 가공한 데이터와 수익성 간의 제2 관계 정보를 품목별로 산출하는 프로세스가 수행된 상태에서, 상기 통신 인터페이스를 통해 특정 지역과 관련된 제3 재배 데이터가 수신되면, 상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 상기 특정 지역에 대한 적어도 하나의 재배 적합 품목을 결정하거나 결정하도록 지원하는 프로세서;를 포함하는 것을 특징으로 한다.An apparatus for providing a service for recommending cultivated crops according to an aspect of the present invention includes a communication interface; And a process of calculating the first relationship information between the first cultivation data or the processed data and the production amount by item, and the process of calculating the second relationship information between the second cultivation data or the processed data and profitability by item. In this state, if third cultivation data related to a specific region is received through the communication interface, at least one cultivation suitable item for the specific region is determined or supported to be determined based on the first and second relationship information for each crop item. It is characterized in that it includes; a processor to do.
본 발명의 일 측면에 따른 재배 작물 추천 서비스 제공 방법은 프로세서가, 통신 인터페이스를 통해 제1 및 제2 재배 데이터를 수집하는 단계; 상기 프로세서가, 상기 제1 재배 데이터 또는 이를 가공한 데이터와 작물 생산량 간의 제1 관계 정보를 작물 품목별로 산출하는 단계; 상기 프로세서가, 상기 제2 재배 데이터 또는 이를 가공한 데이터와 재배 수익성 간의 제2 관계 정보를 작물 품목별로 산출하는 단계; 및 상기 프로세서가, 상기 통신 인터페이스를 통해 특정 지역과 관련된 제3 재배 데이터가 수신되면, 상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 상기 특정 지역에 대한 적어도 하나의 재배 적합 품목을 결정하거나 결정하도록 지원하는 단계;를 포함하는 것을 특징으로 한다.A method for providing a service for recommending cultivated crops according to an aspect of the present invention includes collecting, by a processor, first and second cultivation data through a communication interface; Calculating, by the processor, first relationship information between the first cultivation data or data processed therefrom and crop yield for each crop item; calculating, by the processor, second relationship information between the second cultivation data or data processed therefrom and cultivation profitability for each crop item; and when third cultivation data related to a specific region is received through the communication interface, the processor determines or determines at least one cultivation suitable item for the specific region based on the first and second relationship information for each crop item. It is characterized by including; step of supporting to do.
본 발명의 일 측면에 따르면, 본 발명은 작물 생산성과 재배 수익성을 기준으로 사용자에 의해 설정된 대상 지역에서 재배하기 적합한 품목의 작물을 결정하여 사용자에게 추천함으로써 작물 재배에 따른 사용자의 작물 생산량과 재배 수익성을 향상시킬 수 있다.According to one aspect of the present invention, the present invention determines crops of items suitable for cultivation in a target area set by the user based on crop productivity and cultivation profitability and recommends them to the user, so that the user's crop production and cultivation profitability according to crop cultivation can improve
또한, 본 발명의 일 측면에 따르면, 기후 변화에 따른 영농환경의 변화를 고려하여 추천 작물을 결정함으로써 사용자가 이상 기후에 적응적으로 대처할 수 있도록 지원할 수 있다.In addition, according to one aspect of the present invention, it is possible to support a user to adaptively cope with an abnormal climate by determining a recommended crop in consideration of a change in farming environment due to climate change.
한편, 본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.On the other hand, the effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description below.
도 1은 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 장치를 보인 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 통해 제1 관계 정보를 산출하는 과정을 보인 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 통해 제2 관계 정보를 산출하는 과정을 보인 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 통해 재배 적합 품목을 결정하는 과정을 보인 흐름도이다.
도 5 내지 도 7은 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 설명하기 위한 예시도이다.
도 8은 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 통해 스코어를 계산하는 과정을 보인 흐름도이다.1 is a block diagram showing an apparatus for providing a service for recommending cultivated crops according to an embodiment of the present invention.
2 is a flowchart showing a process of calculating first relationship information through a method for providing a service for recommending cultivated crops according to an embodiment of the present invention.
3 is a flowchart showing a process of calculating second relationship information through a method for providing a service for recommending cultivated crops according to an embodiment of the present invention.
4 is a flowchart illustrating a process of determining an item suitable for cultivation through a method for providing a service for recommending cultivated crops according to an embodiment of the present invention.
5 to 7 are exemplary diagrams for explaining a method of providing a service for recommending cultivated crops according to an embodiment of the present invention.
8 is a flowchart showing a process of calculating a score through a method for providing a service for recommending cultivated crops according to an embodiment of the present invention.
이하에서는 본 발명의 실시예에 따른 재배 작물 추천 서비스 제공 장치 및 방법을 첨부된 도면들을 참조하여 상세하게 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.Hereinafter, a cultivated crop recommendation service providing apparatus and method according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings. In this process, the thickness of lines or the size of components shown in the drawings may be exaggerated for clarity and convenience of description. In addition, terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or custom of a user or operator. Therefore, definitions of these terms will have to be made based on the content throughout this specification.
도 1은 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 장치를 보인 블록 구성도이다.1 is a block diagram showing an apparatus for providing a service for recommending cultivated crops according to an embodiment of the present invention.
도 1을 참고하면, 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 장치는 통신 인터페이스(100), 메모리(200) 및 프로세서(300)를 포함할 수 있다. 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 장치는 도 1에 도시된 구성 요소 외에 다양한 구성 요소를 더 포함하거나, 위 구성 요소들 중 일부 구성 요소를 생략할 수 있다.Referring to FIG. 1 , an apparatus for providing a service for recommending cultivated crops according to an embodiment of the present invention may include a
통신 인터페이스(100)는 외부 장치와 통신을 수행할 수 있다. 통신 인터페이스(100)는 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 장치와 통신을 수행할 수 있다. 일 실시예에 따르면, 통신 인터페이스(100)는 외부 장치(예: 사용자 단말, 외부 서버 등)로부터 재배 적합 품목(재배 적합 작물에 대한 품목)을 결정하는 과정에서 요구되는 각종 정보를 수신할 수 있다. 일 실시예에 따르면, 통신 인터페이스(100)는 외부 장치(예: 외부 서버로서, 예를 들어 통계청 서버, 기상청 서버 및 농촌진흥청 서버 등을 포함)로부터 제1 및 제2 재배 데이터를 수신할 수 있다. 일 실시예에 따르면, 통신 인터페이스(100)는 외부 장치(예: 사용자 단말, 외부 서버 등)로부터 제3 재배 데이터를 수신할 수 있다. 일 실시예에 따르면, 통신 인터페이스(100)는 후술하는 프로세서(300)에 의해 산출된 정보(예: 재배 적합 품목 또는 추천 대상 품목)를 외부 장치(예: 사용자 단말)로 전송할 수 있다. The
여기서, 제1 재배 데이터는 지역별 토양 데이터 및 기상 데이터와, 지역 및 작물 품목별 재배면적 데이터 및 생산량 데이터를 포함할 수 있다. 토양 데이터는 특정 지역의 토양 상태를 나타내는 데이터로서, 농경지화학성 데이터 및 토양특성 데이터를 포함할 수 있다. 농경지화학성 데이터는 특정 지역의 농경지를 구성하는 토양의 화학성분 함유량 및 조성 등에 대한 데이터를 포함할 수 있다. 토양특성 데이터는 특정 지역의 토양의 특성을 나타내는 데이터로서, 토색, 표토자갈함량, 배수등급, 지형, 경사 및 유효토심 등에 대한 데이터를 포함할 수 있다. 기상 데이터는 특정 지역의 기상 상태를 나타내는 정보로서, 기온, 습도, 풍향, 풍속, 강수량, 일조량 및 토양수분 등에 대한 데이터를 포함할 수 있다. 재배면적 데이터는 특정 지역에 대한 특정 작물 품목의 재배면적을 나타내는 데이터일 수 있다. 생산량 데이터는 특정 지역에 대한 특정 작물 품목의 생산량을 나타내는 데이터일 수 있다. 재배면적 및 생산량 데이터는 실제 작물 재배 사례들로부터 도출되는 통계 데이터일 수 있다. Here, the first cultivation data may include soil data and meteorological data for each region, and cultivation area data and yield data for each region and crop item. Soil data is data representing soil conditions in a specific area, and may include farmland chemistry data and soil property data. Farmland chemistry data may include data on the content and composition of chemical components of soil constituting farmland in a specific region. Soil property data is data representing soil characteristics of a specific region, and may include data on soil color, topsoil gravel content, drainage grade, topography, slope, and effective soil depth. The meteorological data is information representing the meteorological condition of a specific region, and may include data on temperature, humidity, wind direction, wind speed, precipitation, amount of sunlight, soil moisture, and the like. Cultivated area data may be data representing the planted area of a specific crop item in a specific region. Yield data may be data representing the yield of a specific crop item for a specific region. Cultivated area and yield data may be statistical data derived from actual crop cultivation cases.
제2 재배 데이터는 지역 및 작물 품목별 재배면적 데이터, 생산량 데이터, 생산비용 데이터, 판매가격 데이터, 경제활동인구 데이터 및 순수익 데이터를 포함할 수 있다. 생산비용 데이터는 특정 지역에 대한 특정 작물 품목의 생산비용을 나타내는 데이터일 수 있다. 판매가격 데이터는 특정 지역에 대한 특정 작물 품목의 판매가격(도소매가격)을 나타내는 데이터일 수 있다. 경제활동인구 데이터는 특정 지역에 대한 특정 작물 품목의 경제활동인구를 나타내는 데이터일 수 있다. 순수익 데이터는 특정 지역에 대한 특정 작물 품목의 순수익을 나타내는 데이터일 수 있다. 재배면적 데이터, 생산량 데이터, 생산비용 데이터, 판매가격 데이터, 경제활동인구 데이터 및 순수익 데이터는 실제 작물 재배 사례들로부터 도출되는 통계 데이터일 수 있다.The second cultivation data may include cultivation area data by region and crop item, production volume data, production cost data, sales price data, economically active population data, and net profit data. The production cost data may be data representing the production cost of a specific crop item for a specific region. The selling price data may be data indicating the selling price (wholesale/retail price) of a specific crop item for a specific region. The economically active population data may be data representing the economically active population of a specific crop item in a specific region. The net profit data may be data representing the net profit of a specific crop item for a specific region. Planted area data, production data, production cost data, sales price data, economically active population data, and net profit data may be statistical data derived from actual crop cultivation cases.
제3 재배 데이터는 사용자에 의해 선택된 지역에 대한, 토양 데이터 및 기상 데이터와, 작물 품목별 재배면적 데이터, 생산량 데이터, 판매가격 데이터, 경제활동인구 데이터 및 순수익 데이터를 포함할 수 있다. 제1 및 제2 재배 데이터는 기계 학습을 위한 학습 데이터로서 과거에 대한 데이터이고, 제3 재배 데이터는 기계 학습에 적용하기 위한 데이터로서 해당 지역에 대한 최근 데이터일 수 있다.The third cultivation data may include soil data and weather data for a region selected by the user, cultivation area data for each crop item, production data, sales price data, economically active population data, and net income data. The first and second cultivation data are data for the past as learning data for machine learning, and the third cultivation data is data for application to machine learning and may be recent data for a corresponding region.
메모리(200)에는 프로세서(300)가 재배 적합 품목을 결정하는 과정에서 요구되는 각종 정보가 저장되어 있을 수 있다. 메모리(200)에는 통신 인터페이스(100)를 통해 수신되는 각종 정보가 저장될 수 있다. 메모리(200)에는 프로세서(300)가 재배 적합 품목을 결정하는 과정에서 산출되는 각종 정보가 저장될 수 있다. The
프로세서(300)는 통신 인터페이스(100) 및 메모리(200)를 제어하는 주체로서, 중앙 처리 장치(CPU: Central Processing Unit), MCU(Micro Controller Unit) 또는 SoC(System on Chip)로도 구현될 수 있으며, 운영 체제 또는 어플리케이션을 구동하여 프로세서(300)에 연결된 복수의 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있으며, 메모리(200)에 저장된 적어도 하나의 명령을 실행시키고, 그 실행 결과 데이터를 메모리(200)에 저장하도록 구성될 수 있다. The
프로세서(300)는 통신 인터페이스(100)를 통해 제1 재배 데이터를 수집하고, 수집된 제1 재배 데이터 또는 이를 가공한 데이터와 작물 생산량 간의 제1 관계 정보를 작물 품목별로 산출하는 프로세스를 수행할 수 있다. 즉, 프로세서(300)는 토양 상태, 기상 상태 및 재배면적 등의 요인이 작물 생산량에 미치는 영향을 작물 품목별로 산출할 수 있다. The
프로세서(300)는 통신 인터페이스(100)를 통해 제2 재배 데이터를 수집하고, 수집된 제2 재배 데이터 또는 이를 가공한 데이터와 재배 수익성 간의 제2 관계 정보를 작물 품목별로 산출하는 프로세스를 수행할 수 있다. 즉, 프로세서(300)는 재배면적, 생산량, 생산비용, 판매가격 및 경제활동인구 등의 요인이 재배 수익성에 미치는 영향을 작물 품목별로 산출할 수 있다.The
프로세서(300)는 통신 인터페이스(100)를 통해 특정 지역과 관련된 제3 재배 데이터가 수신되면, 제1 및 제2 관계 정보에 기반하여 통신 인터페이스(100)를 통해 수신된 특정 지역에 대한 적어도 하나의 재배 적합 품목을 결정하거나 결정하도록 지원하는 프로세스를 수행할 수 있다. 즉, 프로세서(300)는 토양 상태, 기상 상태 및 재배면적 등의 요인이 작물 생산량에 미치는 영향과, 재배면적, 생산량, 생산비용, 판매가격 및 경제활동인구 등의 요인이 재배 수익성에 미치는 영향을 고려하여 사용자에 의해 선정된 특정 지역에 대한 적어도 하나의 재배 적합 품목을 결정하거나 결정하도록 지원할 수 있다.When the third cultivation data related to the specific region is received through the
프로세서(300)는 결정된 재배 적합 품목(또는 추천 대상 품목)에 대한 정보를 통신 인터페이스(100)를 통해 외부 장치(예: 사용자 단말)로 전송하거나 전송하도록 지원하는 프로세스를 수행할 수 있다. 즉, 프로세서(300)는 재배 적합 품목(또는 추천 대상 품목)을 결정한 결과를 사용자가 확인할 수 있도록 결정된 재배 적합 품목(또는 추천 대상 품목)에 대한 정보를 사용자 단말로 전송할 수 있다.The
도 2는 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 통해 제1 관계 정보를 산출하는 과정을 보인 흐름도이다. 이하에서는 도 2를 참고하여, 프로세서(300)가 제1 관계 정보를 산출하는 과정을 설명하도록 한다. 한편, 후술하는 과정 중 일부 과정은 후술하는 순서와 다른 순서로 수행되거나, 또는 생략될 수 있다.2 is a flowchart showing a process of calculating first relationship information through a method for providing a service for recommending cultivated crops according to an embodiment of the present invention. Hereinafter, referring to FIG. 2 , a process of calculating the first relationship information by the
먼저, 프로세서(300)는 통신 인터페이스(100)를 통해 제1 기간에 대한 제1 재배 데이터를 수집하고, 수집된 제1 재배 데이터를 메모리(200)에 저장할 수 있다(S201). 즉, 프로세서(300)는 외부 장치(예: 통계청 서버, 기상청 서버 및 농촌진흥청 서버 등)로부터 소정의 기간(예: 최근 5년)에 대한 지역별 토양 데이터 및 기상 데이터와, 지역 및 작물 품목별 재배면적 데이터 및 생산량 데이터를 수집할 수 있다. 이때, 프로세서(300)는 필요에 따라 수집된 제1 재배 데이터를 통합하기 위한 전처리를 수행할 수 있다. 예를 들어, 프로세서(300)는 각 데이터의 단위를 일치시키기 위한 변환 처리를 수행할 수 있다.First, the
이어서, 프로세서(300)는 메모리(200)에 저장된 제1 재배 데이터에 기반하여 작물 생산량에 영향을 미치는 적어도 하나의 제1 주요 성분을 추출할 수 있다(S203). 일 실시예에 따르면, 프로세서(300)는 주성분 분석(PCA: Principal Component Analysis) 또는 요인 분석(FA: Factor Analysis)을 수행하여 토양 데이터, 기상 데이터 및 재배면적 데이터로부터 적어도 하나의 제1 주요 성분을 추출할 수 있다. 즉, 프로세서(300)는 토양 데이터, 기상 데이터 및 재배면적 데이터에 포함된 수많은 요인들 중 작물 생산량에 영향을 미치는 주요 성분만을 주성분 분석 또는 요인 분석을 통해 추출할 수 있다.Subsequently, the
이어서, 프로세서(300)는 메모리(200)에 저장된 제1 재배 데이터에 기반하여 제1 주요 성분과 작물 생산량 간의 제1 관계 정보를 산출할 수 있다(S205). 일 실시예에 따르면, 프로세서(300)는 제1 주요 성분을 독립 변수로 하고 생산량을 종속 변수로 하는 기계 학습(예: 회귀 분석)을 수행하여 제1 관계 정보를 산출할 수 있다. 즉, 프로세서(300)는 토양 데이터, 기상 데이터 및 재배면적 데이터와 생산량 데이터를 학습 데이터로 하여 회귀 모델을 지도 학습시킴으로써 제1 주요 성분이 생산량에 미치는 영향도(즉, 회귀 계수)인 제1 관계 정보를 산출할 수 있다. 산출된 제1 관계 정보는 메모리(200)에 저장될 수 있으며, 메모리(200)에 저장된 제1 관계 정보는 재배 적합 품목을 결정하는데 이용될 수 있다. Subsequently, the
프로세서(300)는 전술한 과정을 작물 품목별로 수행할 수 있다. 즉, 프로세서(300)는 전술한 과정을 미리 설정된 재배 적합 후보 품목 각각에 대하여 수행할 수 있으며, 이에 따라 제1 관계 정보가 작물 품목별로 산출되어 메모리(200)에 저장될 수 있다. The
도 3은 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 통해 제2 관계 정보를 산출하는 과정을 보인 흐름도이다. 이하에서는 도 3을 참고하여, 프로세서(300)가 제2 관계 정보를 산출하는 과정을 설명하도록 한다. 한편, 후술하는 과정 중 일부 과정은 후술하는 순서와 다른 순서로 수행되거나, 또는 생략될 수 있다.3 is a flowchart showing a process of calculating second relationship information through a method for providing a service for recommending cultivated crops according to an embodiment of the present invention. Hereinafter, referring to FIG. 3 , a process of calculating the second relationship information by the
먼저, 프로세서(300)는 통신 인터페이스(100)를 통해 제2 기간에 대한 제2 재배 데이터를 수집하고, 수집된 제2 재배 데이터를 메모리(200)에 저장할 수 있다(S301). 즉, 프로세서(300)는 외부 장치(예: 통계청 서버, 기상청 서버 및 농촌진흥청 서버 등)로부터 소정의 기간(예: 최근 5년)에 대한 지역 및 작물 품목별 재배면적 데이터, 생산량 데이터, 순수익 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터를 수집할 수 있다. 이때, 프로세서(300)는 필요에 따라 수집된 제2 재배 데이터를 통합하기 위한 전처리를 수행할 수 있다. 예를 들어, 프로세서(300)는 각 데이터의 단위를 일치시키기 위한 변환 처리를 수행할 수 있다.First, the
이어서, 프로세서(300)는 메모리(200)에 저장된 제2 재배 데이터에 기반하여 재배 수익성에 영향을 미치는 적어도 하나의 제2 주요 성분을 추출할 수 있다(S303). 일 실시예에 따르면, 프로세서(300)는 주성분 분석(PCA: Principal Component Analysis) 또는 요인 분석(FA: Factor Analysis)을 수행하여 재배면적 데이터, 생산량 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터로부터 적어도 하나의 제2 주요 성분을 추출할 수 있다. 즉, 프로세서(300)는 재배면적 데이터, 생산량 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터에 포함된 수많은 요인들 중 재배 수익성에 영향을 미치는 주요 성분만을 주성분 분석 또는 요인 분석을 통해 추출할 수 있다. 한편, 순수익에 영향을 미치는 요인의 종류가 상대적으로 적은 경우 주요 성분을 추출하는 과정을 생략하고, 모든 요인을 주요 성분으로 간주할 수도 있다.Subsequently, the
이어서, 프로세서(300)는 메모리(200)에 저장된 제2 재배 데이터에 기반하여 제2 주요 성분과 재배 수익성 간의 제2 관계 정보를 산출할 수 있다(S305). 일 실시예에 따르면, 프로세서(300)는 제2 주요 성분을 독립 변수로 하고 수익성을 종속 변수로 하는 기계 학습(예: 회귀 분석)을 수행하여 제2 관계 정보를 산출할 수 있다. 즉, 프로세서(300)는 재배면적 데이터, 생산량 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터와 순수익 데이터를 학습 데이터로 하여 회귀 모델을 지도 학습시킴으로써 제2 주요 성분이 재배 수익성에 미치는 영향도(즉, 회귀 계수)인 제2 관계 정보를 산출할 수 있다. 산출된 제2 관계 정보는 메모리(200)에 저장될 수 있으며, 메모리(200)에 저장된 제2 관계 정보는 재배 적합 품목을 결정하는데 이용될 수 있다.Next, the
프로세서(300)는 전술한 과정을 작물 품목별로 수행할 수 있다. 즉, 프로세서(300)는 전술한 과정을 미리 설정된 재배 적합 후보 품목 각각에 대하여 수행할 수 있으며, 이에 따라 제2 관계 정보가 작물 품목별로 산출되어 메모리(200)에 저장될 수 있다.The
도 4는 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 통해 재배 적합 품목을 결정하여 사용자에게 제공하는 과정을 보인 흐름도이다. 이하에서는 도 4를 참고하여, 프로세서(300)가 재배 적합 품목을 결정하여 사용자에게 제공하는 과정을 설명하도록 한다. 한편, 후술하는 과정 중 일부 과정은 후술하는 순서와 다른 순서로 수행되거나, 또는 생략될 수 있다.4 is a flow chart showing a process of determining and providing an item suitable for cultivation to a user through a method for providing a service for recommending cultivated crops according to an embodiment of the present invention. Hereinafter, with reference to FIG. 4 , a process in which the
먼저, 프로세서(300)는 통신 인터페이스(100)를 통해 재배 적합 품목을 제공받고자 하는 지역(이하 대상 지역)에 대한 위치 정보(예: 읍/면/동)를 수신할 수 있다(S401).First, the
이어서, 프로세서(300)는 통신 인터페이스(100)를 통해 외부 장치로부터 대상 지역과 관련된 제3 재배 데이터(예: 최근 1년에 대한 제1 및 제2 재배 데이터)를 수신할 수 있다(S403). 즉, 프로세서(300)는 외부 장치로부터 대상 지역과 관련된 토양 데이터, 기상 데이터, 재배면적 데이터, 생산량 데이터, 판매가격 데이터, 경제활동인구 데이터 및 순수익 데이터를 수신할 수 있다.Subsequently, the
이어서, 프로세서(300)는 제3 재배 데이터에 포함된 기상 데이터에 기반하여 대상 지역에서 생육시키기에 적합하지 않은 일부 작물 품목을 미리 설정된 재배 적합 후보 품목에서 제외시킬 수 있다(S405). 일 실시예에 따르면, 프로세서(300)는 대상 지역에 대한 기상 데이터와 작물 품목별 생육 조건 데이터를 비교하여 재배 적합 후보 품목 중 대상 지역에서 생육시키기에 적합성이 낮은 작물 품목(즉, 대상 지역에서 생육시키기에 적합하지 않은 작물 품목)을 식별하고, 식별된 작물 품목 외에서 재배 적합 품목을 결정할 수 있다. 여기서, 생육 조건 데이터는 특정 작물 품목의 생육을 위해 요구되는 환경 기준을 나타내는 데이터로서, 생육적정온도, 생육최적온도 및 생육한계온도(최고한계온도 및 최저한계온도) 등에 대한 데이터를 포함할 수 있다. 작물 품목별 생육 조건 데이터는 미리 설정되어 메모리(200)에 저장될 수도 있고, 통신 인터페이스(100)를 통해 외부 장치로부터 수신할 수도 있다. 예를 들어, 프로세서(300)는 소정의 기간에 대한 대상 지역의 평균 기온(기온 데이터로부터 검출)이 특정 품목의 생육적정온도 범위(생육적정온도 데이터로부터 검출)에 포함되지 않는 경우 해당 품목을 재배 적합 후보 품목에서 제외시킬 수 있다.Next, the
도 5에 도시된 바와 같이, 제1 및 제2 재배 데이터와 생육 조건 데이터가 존재하는 작물 품목 중 생산량 및 재배면적을 기준으로 상위에 위치하는 품목이 재배 적합 후보 품목으로 미리 설정될 수 있으며, 예를 들어, 맥류(보리), 두류(콩), 과실류(사과, 배, 포도, 복숭아, 단감, 감귤), 과실과채류(수박, 참외, 토마토, 딸기), 과채류(오이, 호박), 서류(감자, 고구마), 엽경채류(배추, 양배추, 상추, 시금치), 근채류(무), 조미채소류(양파, 풋고추, 마늘), 특용작물류(들깨, 땅콩)을 포함한 26개의 작물이 재배 적합 후보 품목에 포함될 수 있다.As shown in FIG. 5, among the crop items for which the first and second cultivation data and growth condition data exist, items located at the top based on production volume and cultivation area may be preset as candidate items suitable for cultivation. For example, barley (barley), pulses (beans), fruits (apples, pears, grapes, peaches, sweet persimmons, tangerines), fruits and vegetables (watermelons, melons, tomatoes, strawberries), fruits and vegetables (cucumbers, pumpkins), papers (potatoes) , sweet potato), leafy vegetables (cabbage, cabbage, lettuce, spinach), root vegetables (radish), seasoned vegetables (onion, green pepper, garlic), and special crops (perilla seeds, peanuts). can
이어서, 프로세서(300)는 제3 재배 데이터와 작물 품목별 제1 및 제2 관계 정보에 기반하여 재배 적합 후보 품목 각각에 대한 스코어를 계산할 수 있다(S407). 스코어를 계산하는 구체적인 과정은 후술하도록 한다. 한편, S407 단계 이전에 제1 및 제2 관계 정보를 산출하는 과정(즉, 도 2 및 도 3의 과정)이 선행될 수 있다.Subsequently, the
이어서, 프로세서(300)는 스코어가 가장 높은 N개의 상위 품목을 추출하고, 추출된 N개의 상위 품목을 재배 적합 품목으로 결정할 수 있다(S409). 즉, 프로세서(300)는 스코어를 기준으로 N개의 상위 품목을 재배 적합 후보 품목으로부터 추출하여 재배 적합 품목으로 결정할 수 있다. 추출할 상위 품목의 개수(N)는 미리 설정되어 있을 수 있으며, 사용자 의도에 따라 변경될 수도 있다.Subsequently, the
나아가, 프로세서(300)는 지역별 토양 데이터 및 작물 품목별 토양적성 데이터에 기반하여 대상 지역에 대응하는 면적 중 재배에 적합한 면적의 비율(이하 적지 비율)을 적어도 하나의 재배 적합 품목 각각에 대하여 산출할 수 있다(S411). 지역별 토양 데이터는 미리 산출되어 메모리(200)에 저장될 수도 있고, 통신 인터페이스(100)를 통해 외부 장치로부터 수신할 수도 있다. 토양적성 데이터는 특정 작물 품목의 재배에 특정 지역의 토양이 적합한 정도(즉, 토양적성도 등급)를 분류하기 위한 기준을 나타내는 정보일 수 있다. 토양적성 데이터는 미리 산출되어 메모리(200)에 저장될 수도 있고, 통신 인터페이스(100)를 통해 외부 장치로부터 수신할 수도 있다. 일 실시예에 따르면, 프로세서(300)는 지역별 토양 데이터와 작물 품목별 토양적성 데이터를 비교하여 대상 지역의 면적 중 토양적성도 등급이 기준 등급 이상인 면적(즉, 토양적성도 등급이 최적지 또는 적지인 면적)의 비율을 재배 적합 품목 각각에 대하여 산출할 수 있다. 도 6은 특정 작물 품목에 대한 지역별 토양적성도와 특정 작물 품목에 대한 토양적성 데이터(즉, 토양적성 기준)를 보인 예시도이다. 한편, 추출할 상위 품목의 개수(n)는 미리 설정되어 있을 수 있으며, 사용자 의도에 따라 변경될 수도 있다.Furthermore, the
이어서, 프로세서(300)는 적지 비율이 가장 높은 n개의 상위 품목을 추출하고, 추출된 n개의 상위 품목을 추천 대상 품목으로 결정할 수 있다(S413). 즉, 프로세서(300)는 적지 비율을 기준으로 n개의 상위 품목을 재배 적합 품목으로부터 추출하여 추천 대상 품목으로 결정할 수 있다. 추출할 상위 품목의 개수(n)는 미리 설정되어 있을 수 있으며, 사용자 의도에 따라 변경될 수도 있다.Subsequently, the
이어서, 프로세서(300)는 통신 인터페이스(100)를 통해 외부 장치(예: 사용자 단말)로 추천 대상 품목을 전송할 수 있다(S415). 즉, 프로세서(300)는 사용자가 확인할 수 있도록 추천 대상 품목을 사용자 단말로 제공할 수 있다. 이때, 프로세서(300)는 추천 대상 품목과 함께 각 추천 대상 품목의 적정비료사용량 데이터, 추천농약 데이터 및 병충해관리 데이터 중 적어도 하나를 제공할 수도 있다. 프로세서(300)는 추천 대상 품목에 대응하는 적정비용량 데이터, 추천농약 데이터 및 병충해관리 데이터 중 적어도 하나를 검출하고, 검출된 데이터를 통신 인터페이스(100)를 통해 전송할 수 있다. 작물 품목별 적정비료사용량 데이터, 추천농약 데이터 및 병충해관리 데이터는 미리 산출되어 메모리(200)에 저장될 수도 있고, 통신 인터페이스(100)를 통해 외부 장치로부터 수신할 수도 있다. 또한, 프로세서(300)는 추천 대상 품목과 함께 해당 추천 대상 품목에 대응하는 재배 데이터 중 일부를 제공할 수도 있다. 도 7은 통신 인터페이스(100)를 통해 사용자에게 제공되는 추천 대상 품목에 대한 정보를 보인 예시도이다.Subsequently, the
한편, 전술한 실시예에서는 사용자로부터 하나의 지역(읍/면/동)이 선택되면, 선택된 지역에 적합한 추천 대상 품목을 결정하여 사용자에게 제공하는 것으로 기재하였으나, 근접 또는 이격된 복수의 지역이 사용자에 의해 선택될 수도 있으며, 이 경우 프로세서(300)는 복수의 지역을 통합한 면적 또는 분할한 면적 중 적어도 일부에 대한 추천 대상 품목을 결정하여 사용자에게 제공할 수도 있다. 즉, 프로세서(300)는 복수의 지역을 통합한 전체 지역에 대한 추천 대상 품목을 결정하여 사용자에게 제공할 수도 있고, 복수의 지역 각각에 대한 추천 대상 품목을 결정하여 사용자에게 제공할 수도 있다. 한편, 사용자에 의해 지역(읍/면/동)의 일부가 선택될 수도 있으며, 이 경우 프로세서(300)는 해당 일부 지역에 대한 추천 대상 품목을 결정하여 사용자에게 제공할 수 있다.Meanwhile, in the above-described embodiment, when one region (eup/myeon/dong) is selected by the user, it is described that a recommended target item suitable for the selected region is determined and provided to the user. In this case, the
도 8은 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 방법을 통해 스코어를 산출하는 과정을 보인 흐름도이다. 이하에서는 도 8을 참고하여, 본 발명의 일 실시예에 따른 프로세서(300)가 스코어를 산출하는 과정을 설명하도록 한다. 한편, 후술하는 과정 중 일부 과정은 후술하는 순서와 다른 순서로 수행되거나, 또는 생략될 수 있다.8 is a flowchart showing a process of calculating a score through a method for providing a service for recommending a cultivated crop according to an embodiment of the present invention. Hereinafter, referring to FIG. 8 , a process of calculating a score by the
먼저, 프로세서(300)는 제3 재배 데이터로부터 제1 주요 성분에 대응하는 제1 성분값을 검출할 수 있다(S801). 즉, 프로세서(300)는 대상 지역에 대한 토양 데이터, 기상 데이터 및 재배면적 데이터 중 제1 주요 성분에 대응하는 데이터값을 검출할 수 있다.First, the
이어서, 프로세서(300)는 제1 성분값에 제1 관계 정보를 적용하여 제1 스코어를 계산할 수 있다(S803). 즉, 프로세서(300)는 대상 지역에 대한 토양 데이터, 기상 데이터 및 재배면적 데이터 중 제1 주요 성분에 대응하는 데이터값에 제1 관계 정보를 적용하여 작물 생산량에 대한 스코어(즉, 제1 스코어)를 계산할 수 있다.Subsequently, the
이어서, 프로세서(300)는 제3 재배 데이터로부터 제2 주요 성분에 대응하는 제2 성분값을 검출할 수 있다(S805). 즉, 프로세서(300)는 대상 지역에 대한 재배면적 데이터, 생산량 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터 중 제2 주요 성분에 대응하는 데이터값을 검출할 수 있다.Subsequently, the
이어서, 프로세서(300)는 제2 성분값에 제2 관계 정보를 적용하여 제2 스코어를 계산할 수 있다(S807). 즉, 프로세서(300)는 대상 지역에 대한 재배면적 데이터, 생산량 데이터, 순수익 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터 중 제2 주요 성분에 대응하는 데이터값에 제2 관계 정보를 적용하여 재배 수익성에 대한 스코어(즉, 제2 스코어)를 계산할 수 있다.Subsequently, the
이어서, 프로세서(300)는 제1 및 제2 스코어에 기반하여 최종 스코어를 산출할 수 있다(S809). 제1 및 제2 스코어에 대한 가중치가 미리 설정되어 있을 수 있으며, 프로세서(300)는 미리 설정된 가중치를 제1 및 제2 스코어에 적용한 후 합산하여 최종 스코어를 산출할 수 있다.Subsequently, the
프로세서(300)는 전술한 과정을 작물 품목별로 수행할 수 있다. 즉, 프로세서(300)는 전술한 과정을 재배 적합 후보 품목 각각에 대하여 수행하여 재배 적합 후보 품목 각각에 대하여 스코어를 산출할 수 있다.The
한편, 전술한 실시예에서는 제1 관계 정보로부터 제1 스코어를 계산하고, 제2 관계 정보로부터 제2 스코어를 계산하고, 계산된 제1 및 제2 스코어로부터 스코어를 계산하는 것으로 기재하였으나, 제1 및 제2 관계 정보를 기반으로 다시 회귀분석을 수행하여 제3 관계 정보를 도출하고, 제3 관계 정보로부터 스코어를 계산할 수도 있다.Meanwhile, in the above-described embodiment, it has been described that a first score is calculated from the first relationship information, a second score is calculated from the second relationship information, and a score is calculated from the calculated first and second scores. And based on the second relationship information, regression analysis may be performed again to derive third relationship information, and a score may be calculated from the third relationship information.
상술한 바와 같이, 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 장치 및 방법은 작물 생산성과 재배 수익성을 기준으로 사용자에 의해 설정된 대상 지역에서 재배하기 적합한 품목의 작물을 결정하여 사용자에게 추천함으로써 작물 재배에 따른 사용자의 작물 생산량과 재배 수익성을 향상시킬 수 있다. 또한, 본 발명의 일 실시예에 따른 재배 작물 추천 서비스 제공 장치 및 방법은 기후 변화에 따른 영농환경의 변화를 고려하여 추천 작물을 결정함으로써 사용자가 이상 기후에 적응적으로 대처할 수 있도록 지원할 수 있다.As described above, the cultivated crop recommendation service providing apparatus and method according to an embodiment of the present invention determines crops suitable for cultivation in a target area set by the user based on crop productivity and cultivation profitability and recommends them to the user. It is possible to improve the user's crop production and cultivation profitability according to crop cultivation. In addition, the apparatus and method for providing a service for recommending cultivated crops according to an embodiment of the present invention can support users to adaptively cope with abnormal climate by determining recommended crops in consideration of changes in the farming environment due to climate change.
본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.Implementations described herein may be embodied in, for example, a method or process, an apparatus, a software program, a data stream, or a signal. Even if discussed only in the context of a single form of implementation (eg, discussed only as a method), the implementation of features discussed may also be implemented in other forms (eg, an apparatus or program). The device may be implemented in suitable hardware, software and firmware. The method may be implemented in an apparatus such as a processor, which is generally referred to as a processing device including, for example, a computer, microprocessor, integrated circuit or programmable logic device or the like. Processors also include communication devices such as computers, cell phones, personal digital assistants ("PDAs") and other devices that facilitate communication of information between end-users.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야 할 것이다.Although the present invention has been described with reference to the embodiments shown in the drawings, it should be noted that this is only exemplary and various modifications and equivalent other embodiments are possible from those skilled in the art to which the technology pertains. will understand Therefore, the true technical protection scope of the present invention should be defined by the claims below.
100: 통신 인터페이스 200: 메모리
300: 프로세서100: communication interface 200: memory
300: processor
Claims (18)
상기 통신 인터페이스를 통해 제1 재배 데이터를 수집하고, (i) 상기 제1 재배 데이터 또는 이를 가공한 데이터와 (ii) 작물 생산량 간의 제1 관계 정보를 작물 품목별로 산출하는 프로세스, 및
상기 통신 인터페이스를 통해 제2 재배 데이터를 수집하고, (iii) 상기 제2 재배 데이터 또는 이를 가공한 데이터와 (iv) 재배 수익성 간의 제2 관계 정보를 작물 품목별로 산출하는 프로세스를 수행하고,
상기 통신 인터페이스를 통해 특정 지역과 관련된 제3 재배 데이터가 수신되면,
상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 상기 특정 지역에 대한 적어도 하나의 재배 적합 품목을 결정하거나 결정하도록 지원하는 프로세서;
를 포함하고,
상기 프로세서는, 사용자 입력으로 상기 특정 지역이 선택되면, 상기 제3 재배 데이터로서 상기 특정 지역과 관련된 기상 데이터를 수신하도록 제어하고,
상기 수신된 기상 데이터에 기반하여 상기 특정 지역에서 생육시키기에 적합하지 않은 일부 작물 품목을 미리 설정된 재배 적합 후보 품목에서 제외시키거나 제외시키도록 지원하고,
상기 프로세서는, 지역별 토양 데이터 및 작물 품목별 토양적성 데이터에 기반하여 상기 특정 지역에 대응하는 면적 중 재배에 적합한 면적의 비율을 상기 적어도 하나의 재배 적합 품목 각각에 대하여 산출하고, 상기 산출된 비율이 가장 높은 n개의 상위 품목을 추출하여 추천 대상 품목으로 결정하거나 결정하도록 지원하고,
사용자 입력에 의해 복수의 지역이 상기 특정 지역으로 선택되면,
상기 프로세서는, 상기 복수의 지역을 통합한 면적에 대한 추천 대상 품목을 결정하거나 결정하도록 지원하고, 및 상기 복수의 지역을 분할한 면적에 대한 추천 대상 품목을 각각 결정하거나 결정하도록 지원하고,
상기 프로세서는, 상기 제3 재배 데이터와 상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 미리 설정된 재배 적합 후보 품목 각각에 대하여 스코어를 계산하고, 상기 스코어가 가장 높은 N개의 상위 품목을 추출하여 상기 재배 적합 품목으로 결정하거나 결정하도록 지원하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 장치.
communication interface; and
A process of collecting first cultivation data through the communication interface and calculating first relationship information between (i) the first cultivation data or data processed therefrom and (ii) crop yield for each crop item; and
Collecting second cultivation data through the communication interface, (iii) performing a process of calculating second relationship information between the second cultivation data or data processed therefrom and (iv) cultivation profitability for each crop item;
When third cultivation data related to a specific area is received through the communication interface,
a processor determining or supporting at least one cultivation suitable item for the specific region based on the first and second relationship information for each crop item;
including,
The processor controls to receive meteorological data related to the specific region as the third cultivation data when the specific region is selected by a user input,
Based on the received meteorological data, some crop items unsuitable for growth in the specific area are excluded or supported to be excluded from preset candidates suitable for cultivation,
The processor calculates a ratio of an area suitable for cultivation among the areas corresponding to the specific area for each of the at least one cultivation item based on the soil data for each region and the soil suitability data for each crop item, and the calculated ratio is the most suitable for cultivation. Extract high n top items to determine or support decision making as recommended items;
When a plurality of regions are selected as the specific region by user input,
The processor determines or assists in determining a recommendation target item for an area in which the plurality of regions are integrated, and determines or assists in determining a recommendation target item for an area obtained by dividing the plurality of regions, respectively;
The processor calculates a score for each of the crop suitable candidate items set in advance based on the third cultivation data and the first and second relationship information for each crop item, and extracts N top items having the highest scores, A cultivated crop recommendation service providing device characterized in that it determines or assists in determining an item suitable for cultivation.
상기 프로세서는, 상기 특정 지역과 관련된 기상 데이터와 작물 품목별 생육 조건 데이터를 비교하여 상기 재배 적합 후보 품목 중 상기 특정 지역에서 생육시키기에 적합하지 않은 작물 품목을 식별하고, 상기 식별된 작물 품목 외에서 상기 재배 적합 품목을 결정하거나 결정하도록 지원하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 장치.
According to claim 1,
The processor compares meteorological data related to the specific region and growth condition data for each crop item to identify crop items unsuitable for growth in the specific region among the candidate items suitable for cultivation, and to cultivate the crop items other than the identified crop items. An apparatus for providing a recommendation service for cultivated crops, characterized in that it determines or assists in determining suitable items.
상기 프로세서는, 상기 제3 재배 데이터와 상기 제1 관계 정보에 기반하여 제1 스코어를 계산하고, 상기 제3 재배 데이터와 상기 제2 관계 정보에 기반하여 제2 스코어를 계산하고, 상기 제1 및 제2 스코어에 기반하여 상기 스코어를 계산하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 장치.
According to claim 1,
The processor calculates a first score based on the third cultivation data and the first relationship information, calculates a second score based on the third cultivation data and the second relationship information, and calculates the first and second scores. A cultivated crop recommendation service providing device characterized in that the score is calculated based on the second score.
상기 프로세서는, 상기 제3 재배 데이터로부터 제1 주요 성분에 대응하는 제1 성분값을 검출하고, 상기 검출된 제1 성분값 또는 이를 가공한 데이터에 상기 제1 관계 정보를 적용하여 상기 제1 스코어를 계산하고,
상기 제3 재배 데이터로부터 제2 주요 성분에 대응하는 제2 성분값을 검출하고, 상기 검출된 제2 성분값 또는 이를 가공한 데이터에 상기 제2 관계 정보를 적용하여 상기 제2 스코어를 계산하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 장치.
According to claim 7,
The processor detects a first component value corresponding to a first main component from the third cultivation data, and applies the first relationship information to the detected first component value or data processed thereto to obtain the first score. calculate,
Detecting a second component value corresponding to a second main component from the third cultivation data, and calculating the second score by applying the second relationship information to the detected second component value or data processed therefrom. Cultivated crop recommendation service providing device characterized by.
상기 제1 재배 데이터는 제1 기간 동안 지역별 토양 데이터 및 기상 데이터와, 지역 및 작물 품목별 재배면적 데이터 및 생산량 데이터 중 적어도 일부를 포함하고, 상기 제2 재배 데이터는 제2 기간 동안 지역 및 작물 품목별 재배면적 데이터, 생산량 데이터, 순수익 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터 중 적어도 일부를 포함하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 장치.
According to claim 1,
The first cultivation data includes at least a portion of soil data and meteorological data for each region during the first period, and cultivation area data and production data for each region and crop item, and the second cultivation data includes cultivation data for each region and crop item during the second period. An apparatus for providing a service for recommending cultivated crops, characterized in that it includes at least a portion of area data, production data, net profit data, production cost data, selling price data, and economically active population data.
상기 프로세서는, 주성분 분석 또는 요인 분석을 수행하여 상기 토양 데이터, 상기 기상 데이터 및 상기 재배면적 데이터로부터 제1 주요 성분을 추출하고, 상기 제1 주요 성분과 상기 생산량 데이터에 기반하여 상기 제1 관계 정보를 산출하고,
주성분 분석 또는 요인 분석을 수행하여 상기 재배면적 데이터, 생산량 데이터, 생산비용 데이터, 판매가격 데이터 및 경제활동인구 데이터로부터 제2 주요 성분을 추출하고, 상기 제2 주요 성분과 상기 순수익 데이터에 기반하여 상기 제2 관계 정보를 산출하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 장치.
According to claim 9,
The processor performs principal component analysis or factor analysis to extract a first main component from the soil data, the meteorological data, and the cultivation area data, and the first relationship information based on the first main component and the yield data. Calculate,
Principal component analysis or factor analysis is performed to extract a second main component from the planted area data, production volume data, production cost data, selling price data, and economically active population data, and based on the second main component and the net profit data, An apparatus for providing a service for recommending cultivated crops, characterized in that for calculating second relationship information.
상기 프로세서는, 상기 제1 주요 성분을 독립 변수로 하고 상기 생산량 데이터를 종속 변수로 하는 기계 학습을 수행하여 상기 제1 관계 정보를 산출하고,
상기 제2 주요 성분을 독립 변수로 하고 상기 순수익 데이터를 종속 변수로 하는 기계 학습을 수행하여 상기 제2 관계 정보를 산출하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 장치.
According to claim 10,
The processor calculates the first relationship information by performing machine learning using the first principal component as an independent variable and the production volume data as a dependent variable;
and calculating the second relationship information by performing machine learning using the second main component as an independent variable and the net profit data as a dependent variable.
제1 재배 데이터 또는 이를 가공한 데이터와 생산량 간의 제1 관계 정보를 품목별로 산출하는 프로세스, 및
제2 재배 데이터 또는 이를 가공한 데이터와 수익성 간의 제2 관계 정보를 품목별로 산출하는 프로세스가 수행된 상태에서,
상기 통신 인터페이스를 통해 특정 지역과 관련된 제3 재배 데이터가 수신되면,
상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 상기 특정 지역에 대한 적어도 하나의 재배 적합 품목을 결정하거나 결정하도록 지원하는 프로세서;
를 포함하고,
상기 프로세서는, 사용자 입력으로 상기 특정 지역이 선택되면, 상기 제3 재배 데이터로서 상기 특정 지역과 관련된 기상 데이터를 수신하도록 제어하고,
상기 수신된 기상 데이터에 기반하여 상기 특정 지역에서 생육시키기에 적합하지 않은 일부 작물 품목을 미리 설정된 재배 적합 후보 품목에서 제외시키거나 제외시키도록 지원하고,
상기 프로세서는, 지역별 토양 데이터 및 작물 품목별 토양적성 데이터에 기반하여 상기 특정 지역에 대응하는 면적 중 재배에 적합한 면적의 비율을 상기 적어도 하나의 재배 적합 품목 각각에 대하여 산출하고, 상기 산출된 비율이 가장 높은 n개의 상위 품목을 추출하여 추천 대상 품목으로 결정하거나 결정하도록 지원하고,
사용자 입력에 의해 복수의 지역이 상기 특정 지역으로 선택되면,
상기 프로세서는, 상기 복수의 지역을 통합한 면적에 대한 추천 대상 품목을 결정하거나 결정하도록 지원하고, 및 상기 복수의 지역을 분할한 면적에 대한 추천 대상 품목을 각각 결정하거나 결정하도록 지원하고,
상기 프로세서는, 상기 제3 재배 데이터와 상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 미리 설정된 재배 적합 후보 품목 각각에 대하여 스코어를 계산하고, 상기 스코어가 가장 높은 N개의 상위 품목을 추출하여 상기 재배 적합 품목으로 결정하거나 결정하도록 지원하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 장치.
communication interface; and
A process of calculating the first relationship information between the first cultivation data or the processed data and the production amount for each item, and
In the state in which the process of calculating the second cultivation data or the second relationship information between the data processed and profitability by item is performed,
When third cultivation data related to a specific area is received through the communication interface,
a processor determining or supporting at least one cultivation suitable item for the specific region based on the first and second relationship information for each crop item;
including,
The processor controls to receive meteorological data related to the specific region as the third cultivation data when the specific region is selected by a user input,
Based on the received meteorological data, some crop items unsuitable for growth in the specific area are excluded from or supported to be excluded from preset candidates suitable for cultivation,
The processor calculates a ratio of an area suitable for cultivation among the areas corresponding to the specific region for each of the at least one cultivation item based on the soil data for each region and the soil suitability data for each crop item, and the calculated ratio is the most suitable for cultivation. Extract high n top items to determine or support decision making as recommended items;
When a plurality of regions are selected as the specific region by user input,
The processor determines or assists in determining a recommendation target item for an area in which the plurality of regions are integrated, and determines or assists in determining recommendation target items for an area obtained by dividing the plurality of regions, respectively;
The processor calculates a score for each of the crop suitable candidate items set in advance based on the third cultivation data and the first and second relationship information for each crop item, and extracts N top items having the highest scores, A cultivated crop recommendation service providing device characterized in that it determines or assists in determining an item suitable for cultivation.
상기 프로세서가, 상기 제1 재배 데이터 또는 이를 가공한 데이터와 작물 생산량 간의 제1 관계 정보를 작물 품목별로 산출하는 단계;
상기 프로세서가, 상기 제2 재배 데이터 또는 이를 가공한 데이터와 재배 수익성 간의 제2 관계 정보를 작물 품목별로 산출하는 단계; 및
상기 프로세서가, 상기 통신 인터페이스를 통해 특정 지역과 관련된 제3 재배 데이터가 수신되면, 상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 상기 특정 지역에 대한 적어도 하나의 재배 적합 품목을 결정하거나 결정하도록 지원하는 단계를 포함하고,
상기 재배 적합 품목을 결정하거나 결정하도록 지원하는 단계 이전에,
상기 프로세서가, 사용자 입력으로 상기 특정 지역이 선택되면, 상기 제3 재배 데이터로서 상기 특정 지역과 관련된 기상 데이터를 수신하도록 제어하고, 상기 수신된 기상 데이터에 기반하여 상기 특정 지역에서 생육시키기에 적합하지 않은 일부 작물 품목을 미리 설정된 재배 적합 후보 품목에서 제외시키거나 제외시키도록 지원하는 단계를 더 포함하고,
상기 재배 적합 품목을 결정하거나 결정하도록 지원하는 단계 이후에,
상기 프로세서가, 지역별 토양 데이터 및 작물 품목별 토양적성 데이터에 기반하여 상기 특정 지역에 대응하는 면적 중 재배에 적합한 면적의 비율을 상기 적어도 하나의 재배 적합 품목 각각에 대하여 산출하고, 상기 산출된 비율이 가장 높은 n개의 상위 품목을 추출하여 추천 대상 품목으로 결정하거나 결정하도록 지원하는 단계를 더 포함하고,
상기 추천 대상 품목으로 결정하거나 결정하도록 지원하는 단계에서,
상기 프로세서는, 사용자 입력에 의해 복수의 지역이 상기 특정 지역으로 선택되면, 상기 복수의 지역을 통합한 면적에 대한 추천 대상 품목을 결정하거나 결정하도록 지원하고, 및 상기 복수의 지역을 분할할 면적에 대한 추천 대상 품목을 각각 결정하거나 결정하도록 지원하고,
상기 재배 적합 품목을 결정하거나 결정하도록 지원하는 단계에서,
상기 프로세서는, 상기 제3 재배 데이터와 상기 작물 품목별 제1 및 제2 관계 정보에 기반하여 미리 설정된 재배 적합 후보 품목 각각에 대하여 스코어를 계산하고, 상기 스코어가 가장 높은 N개의 상위 품목을 추출하여 상기 재배 적합 품목으로 결정하거나 결정하도록 지원하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 방법.
Collecting, by a processor, first and second cultivation data through a communication interface;
Calculating, by the processor, first relationship information between the first cultivation data or data processed therefrom and crop yield for each crop item;
calculating, by the processor, second relationship information between the second cultivation data or data processed therefrom and cultivation profitability for each crop item; and
When third cultivation data related to a specific region is received through the communication interface, the processor determines or determines at least one cultivation suitable item for the specific region based on the first and second relationship information for each crop item. Including support steps,
Prior to the step of determining or assisting in determining the cultivation suitable item,
When the specific region is selected by user input, the processor controls to receive meteorological data related to the specific region as the third cultivation data, and based on the received meteorological data, is not suitable for growing in the specific region. Further comprising the step of excluding or assisting to exclude some crop items that are not suitable for cultivation from the preset candidate crop items,
After the step of determining or assisting in determining the cultivation suitable item,
The processor calculates a ratio of an area suitable for cultivation among the areas corresponding to the specific area for each of the at least one cultivation item based on the soil data for each region and the soil suitability data for each crop item, and the calculated ratio is the most suitable for cultivation. Further comprising the step of extracting high n top items and determining or assisting in determining as recommended items;
In the step of determining or supporting the decision as the recommended target item,
The processor, when a plurality of regions are selected as the specific region by a user input, determines or supports a recommendation target item for an area in which the plurality of regions are integrated, and determines an area into which the plurality of regions are to be divided. to decide or support to decide each item to be recommended for;
In the step of determining or supporting the determination of the cultivation suitable item,
The processor calculates a score for each of the crop suitable candidate items set in advance based on the third cultivation data and the first and second relationship information for each crop item, and extracts N top items having the highest scores, A method for providing a cultivating crop recommendation service, characterized in that it determines or assists in determining an item suitable for cultivation.
상기 제외시키도록 지원하는 단계에서, 상기 프로세서는,
상기 특정 지역과 관련된 기상 데이터와 작물 품목별 생육 조건 데이터를 비교하여 상기 재배 적합 후보 품목 중 상기 특정 지역에서 생육시키기에 적합하지 않은 작물 품목을 식별하고, 상기 식별된 작물 품목 외에서 상기 재배 적합 품목을 결정하거나 결정하도록 지원하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 방법.
According to claim 13,
In the step of supporting to exclude, the processor,
By comparing meteorological data related to the specific region and growth condition data for each crop item, crop items unsuitable for growth in the specific region among the candidate items suitable for cultivation are identified, and the crop items suitable for cultivation are determined other than the identified crop items. A method of providing a recommendation service for cultivated crops, characterized in that for supporting to determine or decide.
상기 재배 적합 품목을 결정하거나 결정하도록 지원하는 단계에서,
상기 프로세서는, 상기 제3 재배 데이터와 상기 제1 관계 정보에 기반하여 제1 스코어를 계산하고, 상기 제3 재배 데이터와 상기 제2 관계 정보에 기반하여 제2 스코어를 계산하고, 상기 제1 및 제2 스코어에 기반하여 상기 스코어를 계산하는 것을 특징으로 하는 재배 작물 추천 서비스 제공 방법.According to claim 13,
In the step of determining or supporting the determination of the cultivation suitable item,
The processor calculates a first score based on the third cultivation data and the first relationship information, calculates a second score based on the third cultivation data and the second relationship information, and calculates the first and second scores. A method for providing a cultivated crop recommendation service, characterized in that the score is calculated based on the second score.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220092070A KR102542660B1 (en) | 2022-07-25 | 2022-07-25 | Apparatus and method for providing crop recommendation service |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220092070A KR102542660B1 (en) | 2022-07-25 | 2022-07-25 | Apparatus and method for providing crop recommendation service |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102542660B1 true KR102542660B1 (en) | 2023-06-15 |
Family
ID=86763568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220092070A KR102542660B1 (en) | 2022-07-25 | 2022-07-25 | Apparatus and method for providing crop recommendation service |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102542660B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117891887A (en) * | 2024-01-11 | 2024-04-16 | 中国林业科学研究院资源信息研究所 | Method for jointly constructing spatial semantic database based on GIS data |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101934961B1 (en) * | 2017-09-29 | 2019-04-05 | 주식회사 그린랩스 | Method and apparatus for predicting profitablilty |
| JP2019160246A (en) * | 2018-03-16 | 2019-09-19 | 日本電気株式会社 | Cultivated crop selection support device, cultivated crop selection support method and program |
| KR20200064024A (en) * | 2018-11-28 | 2020-06-05 | 주식회사 리테일영 | Information providing system and method for recommendation of crop cultivation |
-
2022
- 2022-07-25 KR KR1020220092070A patent/KR102542660B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101934961B1 (en) * | 2017-09-29 | 2019-04-05 | 주식회사 그린랩스 | Method and apparatus for predicting profitablilty |
| JP2019160246A (en) * | 2018-03-16 | 2019-09-19 | 日本電気株式会社 | Cultivated crop selection support device, cultivated crop selection support method and program |
| KR20200064024A (en) * | 2018-11-28 | 2020-06-05 | 주식회사 리테일영 | Information providing system and method for recommendation of crop cultivation |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117891887A (en) * | 2024-01-11 | 2024-04-16 | 中国林业科学研究院资源信息研究所 | Method for jointly constructing spatial semantic database based on GIS data |
| CN117891887B (en) * | 2024-01-11 | 2024-06-11 | 中国林业科学研究院资源信息研究所 | Method for jointly constructing spatial semantic database based on GIS data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11617313B2 (en) | Controlling agricultural production areas | |
| de Oliveira Aparecido et al. | Machine learning algorithms for forecasting the incidence of Coffea arabica pests and diseases | |
| US20170270446A1 (en) | Agronomic systems, methods and apparatuses for determining yield limits | |
| Raun et al. | Optical sensor‐based algorithm for crop nitrogen fertilization | |
| Gallardo et al. | Breeding trait priorities of the blueberry industry in the United States and Canada | |
| US20160309646A1 (en) | Agronomic systems, methods and apparatuses | |
| US20160302351A1 (en) | Agronomic systems, methods and apparatuses | |
| Silva et al. | Can big data explain yield variability and water productivity in intensive cropping systems? | |
| JP5626056B2 (en) | Crop image processing program, crop image processing method, and crop image processing apparatus | |
| CN109328016A (en) | Method for the hybrid species of plant breeding for identification | |
| Devkota et al. | Explaining yield and gross margin gaps for sustainable intensification of the wheat-based systems in a Mediterranean climate | |
| Antony | Prediction of the production of crops with respect to rainfall | |
| KR102542660B1 (en) | Apparatus and method for providing crop recommendation service | |
| Siles et al. | Smallholder coffee in the global economy—A framework to explore transformation alternatives of traditional agroforestry for greater economic, ecological, and livelihood viability | |
| Baral et al. | Yield gap analysis of rainfed alfalfa in the United States | |
| Nordlander et al. | Replanting conifer seedlings after pine weevil emigration in spring decreases feeding damage and seedling mortality | |
| Pandey et al. | Smart agriculture: Technological advancements on agriculture—A systematical review | |
| Yang et al. | Development of a lucerne model in APSIM next generation: 1 phenology and morphology of genotypes with different fall dormancies | |
| Farizan et al. | Analysis of Support Vector Regression Performance in Prediction of Lettuce Growth for Aeroponic IoT Systems | |
| Narra et al. | A data driven approach to decision support in farming | |
| Renju et al. | A review of crop yield prediction strategies based on machine learning and deep learning | |
| Mwangi | Impact of Climate Change on Agricultural Food Production | |
| Stoyanova-Doycheva et al. | Architecture of a knowledge base in smart crop production | |
| Miina et al. | Lessons learned from assessing the cover and yield of bilberry and lingonberry using the national forest inventories in Finland and Sweden | |
| Salam et al. | Climate recommender system for wheat cultivation in North Egyptian Sinai Peninsula |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |