KR20150096103A - 농산물 수확량 예측 장치 및 방법 - Google Patents
농산물 수확량 예측 장치 및 방법 Download PDFInfo
- Publication number
- KR20150096103A KR20150096103A KR1020140017094A KR20140017094A KR20150096103A KR 20150096103 A KR20150096103 A KR 20150096103A KR 1020140017094 A KR1020140017094 A KR 1020140017094A KR 20140017094 A KR20140017094 A KR 20140017094A KR 20150096103 A KR20150096103 A KR 20150096103A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- agricultural product
- agricultural
- data
- forecasted
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004519 manufacturing process Methods 0.000 claims description 79
- 230000001419 dependent effect Effects 0.000 claims description 23
- 238000013461 design Methods 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000003442 weekly effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 241000607479 Yersinia pestis Species 0.000 claims 2
- 201000010099 disease Diseases 0.000 claims 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 2
- 239000012808 vapor phase Substances 0.000 claims 2
- 238000003306 harvesting Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000012271 agricultural production Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001955 cumulated effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
본 발명은 농산물 수확량 예측 장치 및 방법에 관한 것으로서, 본 발명에 따른 농산물 수확량 예측 장치는 농산물 재배가 시작되기 전부터 농산물 재배가 시작되어 끝날 때까지의 모든 단계에서 발생하는 정보를 누적하고, 예측시 예측시점까지 누적된 정보를 활용하여 농산물의 수확량을 예측하는 것을 특징으로 한다. 본 발명에 따르면, 농작물 수확 월에 다다를수록 데이터를 더 많이 누적할 수 있고, 이처럼 누적된 데이터를 기반으로 보다 정확하게 농산물 수확량을 예측할 수 있다. 즉, 농산물 재배가 시작되기 전부터 농산물 재배가 시작되어 끝날 때까지의 모든 단계에서 발생하는 정보를 누적할 수 있으므로, 예측시 예측 시점까지 누적된 정보를 활용할 수 있어서 농산물의 수확량을 정확하게 예측할 수 있다.
Description
본 발명은 농산물 수확량 예측 장치 및 방법에 관한 것으로서, 보다 구체적으로는 시차별 농산물의 수확량을 예측하는 장치 및 방법에 관한 것이다.
종래의 농산물 생산지 정보는 품목별, 지역별로 위촉된 모니터 요원(현지 농협직원, 농업 기술 센터 직원 등)에 의한 전화조사를 통해 매월 수집되어 산지의 생산 및 거래 동향을 파악하는데 활용되었으나, 모니터 요원의 잦은 부서 이동, 농촌현장 근무에 따른 잦은 자리 비움, 모니터 활동 외의 다른 업무 수행 등으로 인해 신속하고 정확하게 수집될 수 없으므로, 수집된 농산물 생산지 정보를 산지의 생산 및 거래 동향 파악을 위한 기초 정보로서 활용되는데 한계가 있다.
또한, 농업 관측 정보 지원 서비스는 1999년 이래로 그 중요성이 계속 증대되고 있으나, 이를 수행하는 종래의 농업 관측 정보 지원 시스템은 조사 결과(농업 관측 정보)를 단순히 데이터베이스에 저장하거나 제공만 할 뿐, 저장된 조사 결과를 활용하여 시계열 분석 등을 수행한 분석 결과 서비스까지는 제공하지 못한다는 한계가 있다.
한편, 선행특허 2011-0080962, 센서네트워크 연동 농산물 생산 예측 관리 시스템은 농장 주변의 생육환경을 모니터링하여 수집된 자료들을 바탕으로 농장을 운영하기 위해 생산량을 예측 및 관리하는 것으로서, 무선센서를 이용하여 생육환경을 모니터링하여 수집된 자료들을 바탕으로 농장운영을 위한 회계, 경영 등에 필요한 각종 데이터를 산출하도록, 생육환경 정보, 작업일지 정보, 생산일지 정보를 포함하는 농장정보를 입력받는 입력 서버, 농장정보 입력 서버로부터 전달된 농장정보를 토대로 농장경영, 생산량통계 지표를 산출하는 농장정보 분석 서버로 구성된다.
여기서 예측 기술은 통계적 기법, 데이터 마이닝 기법 등 총체적으로 이력 데이터를 분석하여 설명변수(독립변수)와 종속변수 간의 관계를 규정하고, 규정된 관계를 기반하여 미래를 추정하는 것이다.
통계적 기법은 그 예로 독립 변수와 종속 변수 간 인과관계를 파악하는 회귀분석, 종속변수만으로 인과관계를 파악하는 것이 아니라 종속변수의 통계적 특성으로 향후 특정 기간을 추정하는 시계열 분석 등이 있다.
데이터 마이닝 기법은 전통적인 통계적 기법뿐만 아니라 뉴럴 네트워크, SVM(Support Vector Machine), 의사결정기법 등을 활용하여 데이터를 분석하는 것이다.
한편, 농산물의 생산량에 영향을 주는 변인으로 온도, 습도, 강우, 일조시간, 일조량 등 농업기상데이터, 태풍이나 이상기후에 의한 농산물 피해, 병충해, 재배면적 결정에 영향을 미치는 가격데이터, 농산물의 수출입에 따른 유통정보 등이 있으며, 이러한 변인(variable)에 의해 발생하는 농산물의 수급 불안에 따른 가격 급등 또는 가격 급락은 농민뿐만 아니라 소비자에게까지도 매년 반복적으로 경제적 피해를 주고 있다.
따라서, 전술된 경제적 손실을 방지하기 위해서는 농산물 수확량에 대한 정확한 단기예측(1년 미만의 예측)이 필요하다.
본 발명은 상기와 같은 필요를 감안하여 창출한 것으로서, 농산물 재배가 시작되기 전부터 농산물 재배가 시작되어 끝날 때까지의 모든 단계에서 발생하는 정보를 누적하고, 예측시 예측시점까지 누적된 정보를 활용하여 농산물의 수확량을 예측하는 농산물 수확량 예측 장치 및 방법을 제공하는 데 그 목적이 있다.
즉, 본 발명은 농산물 재배시 반영된 계절정보를 기반으로, 즉 시간의 흐름에 따라 예측시 예측 시점까지 누적된 계절정보(과거 누적 데이터, 최근 데이터 등)를 기반으로 농산물 생산량(수확량) 예측 서비스를 제공하는 것으로서, 농산물 재배 시작 월부터 예측 수행 월까지 누적된 계절정보를 토대로 농산물의 수확량을 예측할 수 있도록 한 것이다.
전술한 목적을 달성하기 위하여, 본 발명의 일면에 따른 농산물 수확량 예측 장치는 예측 대상 농산물 관련 수집된 정보 중 상기 예측 대상 농산물의 생산량 정보를 종속변수로 설정하고, 나머지 정보를 설명변수로 설정하며, 설정된 설명변수와 종속변수 간의 관계를 분석하여 상기 예측 대상 농산물의 생산량 예측 모형을 설계하는 모형 설계부; 및 입력된 특정 시간에 대응되는 상기 예측 대상 농산물의 변인 데이터를 저장공간으로부터 획득하고, 상기 모형 설계부에 의해 설계된 생산량 예측 모형 중 하나를 획득된 상기 예측 대상 농산물의 변인 데이터를 토대로 선택하며, 선택된 상기 생산량 예측 모형에 획득된 상기 예측 대상 농산물의 변인 데이터를 입력하여 상기 예측 대상 농산물의 생산량 예측 서비스를 제공하는 예측 서비스부를 포함한다.
본 발명의 다른 면에 따른 농산물 수확량 예측 방법은 예측 대상 농산물 관련 수집된 정보 중 상기 예측 대상 농산물의 생산량 정보를 종속변수로 설정하고, 나머지 정보를 설명변수로 설정하는 단계; 설정된 설명변수와 종속변수 간의 관계를 분석하여 상기 예측 대상 농산물의 생산량 예측 모형을 설계하는 단계; 입력된 특정 시간에 대응되는 상기 예측 대상 농산물의 변인 데이터를 저장공간으로부터 획득하고, 설계된 생산량 예측 모형 중 하나를 획득된 상기 예측 대상 농산물의 변인 데이터를 토대로 선택하는 단계; 및 선택된 상기 생산량 예측 모형에 획득된 상기 예측 대상 농산물의 변인 데이터를 입력하여 상기 예측 대상 농산물의 생산량 예측 서비스를 제공하는 단계를 포함한다.
본 발명에 따르면, 농작물 수확 월에 다다를수록 데이터를 더 많이 누적할 수 있고, 이처럼 누적된 데이터를 기반으로 보다 정확하게 농산물 수확량을 예측할 수 있다.
즉, 농산물 재배가 시작되기 전부터 농산물 재배가 시작되어 끝날 때까지의 모든 단계에서 발생하는 정보를 누적할 수 있어서, 예측시 예측 시점까지 누적된 정보를 활용할 수 있으므로 농산물의 수확량을 정확하게 예측할 수 있다.
도 1은 본 발명의 농산물 수학량 예측 장치를 설명하기 위한 구성도.
도 2 및 도 3은 본 발명의 일 실시예에 따른 농산물 수확량 예측 장치를 설명하기 위한 예시도.
도 4는 본 발명의 예측 서비스부를 설명하기 위한 도면.
도 5는 본 발명의 예측결과를 설명하기 위한 도면.
도 6은 본 발명의 일 실시예에 따른 농산물 수확 예측 방법을 설명하기 위한 흐름도.
도 2 및 도 3은 본 발명의 일 실시예에 따른 농산물 수확량 예측 장치를 설명하기 위한 예시도.
도 4는 본 발명의 예측 서비스부를 설명하기 위한 도면.
도 5는 본 발명의 예측결과를 설명하기 위한 도면.
도 6은 본 발명의 일 실시예에 따른 농산물 수확 예측 방법을 설명하기 위한 흐름도.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 용이하게 이해할 수 있도록 제공되는 것이며, 본 발명은 청구항의 기재에 의해 정의된다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자 이외의 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
본 발명은 농업생산 분야에서 통계 및 데이터 마이닝 기술을 접목하여 농업의 각 영역에서 필요한 1년 미만의 단기예측 서비스를 제공하는 것으로서, 농산물의 파종, 정식, 개화, 발육, 수확기 등 재배 전 과정마다 데이터를 수집하여 누적하고, 누적된 데이터를 실시간(주 단위, 월 단위 등)으로 적용하여 농산물 재배 초기과정부터 마지막 과정까지의 수확량 예측 서비스를 제공할 수 있도록 한 것이다.
이하, 도 1 내지 도 5를 참조하여 본 발명의 일 실시예에 따른 농산물 수확량 예측 장치를 설명한다. 도 1은 본 발명의 농산물 수학량 예측 장치를 설명하기 위한 구성도이고, 도 2 및 도 3은 본 발명의 일 실시예에 따른 농산물 수확량 예측 장치를 설명하기 위한 예시도이며, 도 4는 본 발명의 예측 서비스부를 설명하기 위한 도면이며, 도 5는 본 발명의 예측결과를 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 농산물 수확량 예측 장치는 데이터 소스부(100), 모형 설계부(200) 및 예측 서비스부(300)를 포함한다.
데이터 소스부(100)는 기상 통계 자료, 유통 통계 자료, 자연 재해 자료 등과, 생산량 등이 포함된 농업 통계 자료를 모형 설계부(200)에 제공한다.
모형 설계부(200)는 데이터 소스부(100)로부터 제공된 자료 중 기상 통계 자료, 유통 통계 자료, 자연 재해 자료 등을 설명변수로 설정하고, 생산량 등이 포함된 농업 통계 자료를 종속변수로 설정하며, 설정된 설명변수와 종속변수 간의 관계를 분석하고, 분석된 관계를 토대로 예측 대상 농산물의 생산량 예측 모형을 설계하여 적합(Fitting)하며, 적합(Fitting)된 예측 대상 농산물의 생산량 예측 모형을 예측 서비스부(300)에 제공한다.
즉, 모형 설계부(200)는 데이터 소스부(100)로부터 제공된 자료 중 기상정보를 예측 대상 농산물의 특성 정보에 따라 1차 가공하고, 1차 가공된 기상정보를 예측 대상 농산물의 특성 정보에 따라 예측 대상 농산물의 생산량에 가장 큰 영향을 주는 기상정보로 2차 가공하여 1차 가공된 기상정보 및 2차 가공된 기상정보를 누적하며, 누적된 기상정보를 활용하여 생산량 예측 모형을 설계하고, 설계된 생산량 예측 모형을 예측 서비스부(300)에 제공한다.
예컨대, 모형 설계부(200)는 원시자료 수집부(210), 연간 생산량 수집부(220), 1차 기상정보 생성부(230), 2차 기상정보 생성부(240), 모형 적합부(250) 및 모형 관리부(260)를 포함한다.
원시자료 수집부(210)는 데이터 소스부(100)로부터 입력된 기상 통계 자료, 유통 통계 자료, 자연 재해 자료 등을 수집하고, 수집된 자료를 1차 기상정보 생성부(230)에 전달한다.
연간 생산량 수집부(220)는 데이터 소스부(100)로부터 입력된 농업 통계 자료를 수집하고, 수집된 농업 통계 자료를 모형 적합부(250)에 전달한다.
1차 기상정보 생성부(230)는 원시자료 수집부(210)로부터 전달된 자료 중 기상 통계 자료를 활용하여 1차 기상정보를 생성하고, 생성된 1차 기상정보를 2차 기상정보 생성부(240) 및 모형 적합부(250)에 전달한다.
예컨대, 1차 기상정보 생성부(230)는 도 2 및 도 3에 도시된 바와 같이, 기상 통계자료를 예측 대상 농산물의 특성정보(Vegetation Characteristics)에 따라 1월부터 12월까지의 평균 온도[log(weather_n$avg_temp_tot)], 1월부터 12월까지의 평균 일조량[log(weather_n$shine_term_tot)], 1월부터 12월까지의 평균 강수량[log(weather_n$rain_amt_tot)] 등의 제1 기상변수로 가공하여 가공된 제1 기상변수를 2차 기상정보 생성부(240) 및 모형 적합부(250)에 전달한다.
2차 기상정보 생성부(240)는 1차 기상정보 생성부(230)로부터 전달된 1차 기상정보를 토대로 2차 기상정보를 생성하고, 생성된 2차 기상정보를 모형 적합부(250)에 전달한다.
예컨대, 2차 기상정보 생성부(240)는 1차 기상정보 생성부(230)로부터 전달된 제1 기상변수를 예측 대상 농산물의 특성정보(Vegetation Characteristics)에 따라 3월부터 10월까지의 평균 일교차[log(weather_n$diff)], 5월부터 9월까지의 강수 정도[log(weather_n$degrain)], 5월부터 6월까지의 고온 정도[log(weather_n$deghigh)], 7월부터 8월까지의 일소 정도[log(weather_n$deghigh2)] 등의 제2 기상변수로 가공하여 가공된 제2 기상변수를 모형 적합부(250)에 전달한다.
모형 적합부(250)는 1차 기상정보 생성부(230)로부터 전달된 1차 기상정보 및 2차 기상정보 생성부(240)로부터 전달된 2차 기상정보를 설명변수로 설정하고, 연간 생산량 수집부(220)로부터 전달된 농업 통계 자료 중 예측 대상 농산물의 생산량 정보를 종속변수로 설정하며, 설정된 설명변수와 종속변수 간의 관계를 분석하고, 분석된 관계 결과를 토대로 예측 대상 농산물의 생산량 예측 모형을 설계하여 적합(Fitting)한다.
모형 관리부(260)는 모형 적합부(250)에 의해 적합된 예측 대상 농산물의 생산량 예측 모형을 관리하며 예측 서비스부(300)에 제공한다.
예측 서비스부(300)는 실시간 입력된 정보 및 모형 설계부(200)로부터 제공된 예측 대상 농산물의 생산량 예측 모형을 기반으로 주기별(월 단위, 격주, 주 단위 등) 예측 대상 농산물의 생산량 예측 서비스(예측치)를 제공한다.
즉, 예측 서비스부(300)는 모형 설계부(200)로부터 제공된 예측 대상 농산물의 생산량 예측 모형을 활용하여 시차별로 예측 서비스(월별로 연간 농산물의 생산량에 대한 예측 결과)를 제공한다.
예컨대, 예측 서비스부(300)는 도 4에 도시된 바와 같이 데이터 저장부(310), 데이터 열람부(320), 모형 선택부(330) 및 생산량 추정부(340)를 포함하고, 계절(시간)의 흐름에 따라 주기(t=period)와 주기에 대응되는 농산물 변인 데이터[D(t)]를 입력받는다.
여기서 농산물 변인 데이터는 예측 대상 농산물의 생산량에 영향을 주는 것으로서, 온도, 습도, 강우, 일조시간, 일조량 등의 농업기상데이터, 태풍이나 이상기후에 의한 농산물 피해, 병충해, 재배면적 결정에 영향을 주는 가격데이터, 농산물의 수출입에 따른 유통정보 등일 수 있다.
데이터 저장부(310)는 주기별(t,t+1,...,t+i)로 입력된 데이터, 즉 입력된 각 주기(t,t+1,...,t+i)에 대응되어 입력된 농산물 변인 데이터[D(t),D(t+1),...,D(t+i)]]를 저장하고, 데이터 수집 관리 기관 등에 의해 운영된 소스 제공부로부터 원시자료(raw data) 수집을 위해 정의된 인터페이스를 저장한다.
예컨대, 예측 서비스부(300)는 저장된 인터페이스를 통해 데이터 수집 관리 기관의 소스 제공부에 접속하여 예측 대상 농산물의 원시자료를 수집할 수 있다.
여기서는 예측 서비스부(300)가 사용자의 조작에 따라 인터페이스를 통해 직접 예측 대상 농산물의 원시자료를 수집하여 입력받는 것으로 설명하였으나 이에 국한되지 않고, 데이터 소스부(100)의 원시자료를 수모형 설계부(200)를 통해 입력받거나 직접 데이터 소스부(100)로부터 입력받도록 구성할 수 있음은 물론이다.
데이터 열람부(320)는 모형 선택부(330)의 요청에 대응되는 데이터를 데이터 저장부(310)에서 열람하여 모형 선택부(330) 및 생산량 추정부(340)에 제공한다.
모형 선택부(330)는 입력된 특정 주기(t+i)에 대응되는 농산물 변인 데이터[D(t+i)]를 자신과 생산량 추정부(340)가 데이터 저장부(310)로부터 제공받을 수 있도록 데이터 열람부(320)에 요청하고, 특정 주기(t+i) 및 특정 주기(t+i)에 대응되는 농산물 변인 데이터[D(t+i)]를 토대로 생산량 예측 모형을 선택한다.
생산량 추정부(340)는 모형 선택부(330)에 의해 선택된 생산량 예측 모형을 모형 설계부(200)에 요청하여 제공받고, 요청에 따라 모형 설계부(200)로부터 제공된 생산량 예측 모형에 데이터 열람부(320)로부터 제공된 누적 정보, 즉 특정 주기(t+i)에 대응되는 농산물 변인 데이터[D(t+i)]를 입력하여 농산물 생산량(Py)을 추정한다.
예측 서비스부(300)는 추정된 농산물 생산량(예측치)을 데이터 저장부(310)에 저장하며, 사용자가 확인할 수 있도록 제공한다.
전술한 바를 다시 요약하면, 본 발명의 농산물 수확량 예측 장치는 매 월(혹은 매주기 등)마다 농산물의 생산량 예측 모형을 설계하고, 설계된 농산물의 생산량 예측 모형 중 예측 수행 월에 대응되는 생산량 예측 모형을 선택하며, 선택된 생산량 예측 모형에 누적 설명변수 정보를 입력하여 시차별 농산물의 생산량 통계치를 추정하는 것이다.
전술한 바를 위해 본 발명의 농산물 수확량 예측 장치는 농산물의 생육 기간(총 개월, 또는 총 주기 등)만큼 예측 대상 농산물의 생산량 예측 모형을 설계한다.
예컨대, 도 5에 도시된 바와 같이 예측 대상 농산물을 사과작물로 할 경우, 본 발명의 농산물 수확량 예측 장치는 누적된 정보인 33년간 사과 생산량 및 기상정보를 활용하여 사과작물의 생산량 예측 모형을 3월부터 10월까지 8개 설계한다.
농산물 수확량 예측 장치는 예측을 위해 예측 수행 월(t)의 과월 정보(3, ~t)와 예측 수행 월(t)의 기상정보(x)를 예측 수행 월에 대응되는 사과작물의 생산량 예측 모형[F(x3~xt)]에 입력하여 예측치를 추정하고, 추정된 값으로 예측 서비스를 제공한다.
이하, 전술된 도 2 및 도 3에 대해 좀 더 설명하면, 본 발명의 농산물 수확량 예측 장치는 농산물 수확량에 대해 1년 미만의 단기예측 서비스를 제공하는 것으로서, 도 2에 도시된 바와 같이 수집된 기상정보를 예측 대상 농산물의 특성정보(Vegetation Characteristics)에 따라 제1 기상 변수 및 제2 기상 변수로 가공하여 누적하고, 누적된 제1 기상 변수 및 제2 기상 변수(누적된 기상 데이터), 및 실시간 기상 데이터를 활용하여 월간 모형(Monthly Model)을 생성하며, 생성된 월간 모형을 토대로 연간 농산물 수확량을 예측하는 것이다.
예컨대, 도 3에 도시된 바와 같이, 본 발명의 농산물 수확량 예측 장치는 수집된 기상정보를 예측 대상 농산물의 특성 정보에 따라 1월부터 12월까지의 평균 온도[log(weather_n$avg_temp_tot)], 1월부터 12월까지의 평균 일조량[log(weather_n$shine_term_tot)], 1월부터 12월까지의 평균 강수량[log(weather_n$rain_amt_tot)] 등의 제1 기상변수로 가공하고, 가공된 제1 기상변수를 예측 대상 농산물의 특성 정보에 따라 3월부터 10월까지의 평균 일교차[log(weather_n$diff)], 5월부터 9월까지의 강수 정도[log(weather_n$degrain)], 5월부터 6월까지의 고온 정도[log(weather_n$deghigh)], 7월부터 8월까지의 일소 정도[log(weather_n$deghigh2)] 등의 재배 작물의 특성에 가장 큰 영향을 주는 제2 기상 변수로 가공하며, 가공된 제1 기상변수 및 제2 기상변수를 누적한다.
본 발명의 농산물 수확량 예측 장치는 누적된 기상 데이터(제1 기상변수 및 제2 기상 변수)와, 예측 대상 농산물의 생산량에 영향을 주는 변수(작물별 연간 생산량, 월 평균 최고온도, 월 평균 최저온도, 월 평균온도, 월 평균 일조량, 월 평균 강수량, 일교차, 전월 대비 강수 변화, 저온 정도, 고온 정도, 일소, 강수 정도 등)를 토대로 예측 대상 농산물의 생산량 예측모형을 설계하며, 설계된 생산량 예측모형을 활용하여 예측 대상 농산물의 생산량에 대해 예측 서비스, 즉 12월 사과 생산량(result_apple_12)을 제공하는 것이다.
전술한 바와 같이, 본 발명에 따르면, 농작물 수확 월에 다다를수록 데이터를 더 많이 누적할 수 있고, 이처럼 누적된 데이터를 기반으로 보다 정확하게 농산물 수확량을 예측할 수 있다. 즉, 농산물 재배가 시작되기 전부터 농산물 재배가 시작되어 끝날 때까지의 모든 단계에서 발생하는 정보를 누적할 수 있어서, 예측시 예측시점까지 누적된 정보를 활용할 수 있으므로, 농산물의 수확량을 정확하게 예측할 수 있다.
이상, 도 1 내지 도 5를 참조하여 본 발명의 일 실시예에 따른 농산물 수확량 예측 장치를 설명하였고, 이하에서는 도 6을 참조하여 본 발명의 일 실시예에 따른 농산물 수확 예측 방법을 설명한다. 도 6은 본 발명의 일 실시예에 따른 농산물 수확 예측 방법을 설명하기 위한 흐름도이다.
도 6에 도시된 바와 같이, 본 발명의 농산물 수확 예측 방법은 기상 통계 자료, 유통 통계 자료, 자연 재해 자료 등과, 생산량 등이 포함된 농업 통계 자료를 수집한다(S600).
수집된 자료 중 기상 통계 자료, 유통 통계 자료, 자연 재해 자료 등을 설명변수로 설정하고, 생산량 등이 포함된 농업 통계 자료를 종속변수로 설정하며, 설정된 설명변수와 종속변수 간의 관계를 분석하고, 분석된 관계를 토대로 예측 대상 농산물의 생산량 예측 모형을 설계하여 적합(Fitting)한다.
즉, 수집된 자료 중 기상정보를 예측 대상 농산물의 특성 정보에 따라 1차 가공하고, 1차 가공된 기상정보를 예측 대상 농산물의 특성 정보에 따라 예측 대상 농산물의 생산량에 가장 큰 영향을 주는 기상정보로 2차 가공하여 1차 가공된 기상정보 및 2차 가공된 기상정보를 누적하며, 누적된 기상정보를 활용하여 생산량 예측 모형을 설계한다(S601).
예컨대, 수집된 자료 중 기상 통계자료를 예측 대상 농산물의 특성정보(Vegetation Characteristics)에 따라 1월부터 12월까지의 평균 온도[log(weather_n$avg_temp_tot)], 1월부터 12월까지의 평균 일조량[log(weather_n$shine_term_tot)], 1월부터 12월까지의 평균 강수량[log(weather_n$rain_amt_tot)] 등의 제1 기상변수로 가공하고, 가공된 제1 기상변수를 예측 대상 농산물의 특성정보(Vegetation Characteristics)에 따라 3월부터 10월까지의 평균 일교차[log(weather_n$diff)], 5월부터 9월까지의 강수 정도[log(weather_n$degrain)], 5월부터 6월까지의 고온 정도[log(weather_n$deghigh)], 7월부터 8월까지의 일소 정도[log(weather_n$deghigh2)] 등의 제2 기상변수로 가공하며, 가공된 1차 기상변수 및 제2차 기상변수를 설명변수로 설정하고, 농업 통계 자료 중 예측 대상 농산물의 생산량을 종속변수로 설정하며, 설정된 설명변수와 종속변수 간의 관계를 분석하고, 분석된 관계 결과를 토대로 예측 대상 농산물의 생산량 예측 모형을 설계하여 적합(Fitting)한다.
실시간 입력된 정보 및 설계된 예측 대상 농산물의 생산량 예측 모형을 기반으로 주기별(월 단위, 격주, 주 단위 등) 예측 대상 농산물의 생산량 예측치를 제공한다(S602).
즉, 설계된 예측 대상 농산물의 생산량 예측 모형을 활용하여 시차별로 예측 서비스(월별로 연간 농산물의 생산량에 대한 예측 결과)를 제공한다.
예컨대, 계절(시간)의 흐름에 따라 주기(t=period)와 주기에 대응되는 농산물 변인 데이터[D(t)]를 입력받고, 여기서 농산물 변인 데이터는 예측 대상 농산물의 생산량에 영향을 주는 것으로서, 온도, 습도, 강우, 일조시간, 일조량 등의 농업기상데이터, 태풍이나 이상기후에 의한 농산물 피해, 병충해, 재배면적 결정에 영향을 주는 가격데이터, 농산물의 수출입에 따른 유통정보 등일 수 있으며, 주기별(t,t+1,...,t+i)로 입력된 데이터, 즉 입력된 각 주기(t,t+1,...,t+i)에 대응되어 입력된 농산물 변인 데이터[D(t),D(t+1),...,D(t+i)]]를 저장하고, 저장된 농산물 변인 데이터[D(t),D(t+1),...,D(t+i)]] 중 입력된 특정 주기(t+i)에 대응되는 농산물 변인 데이터[D(t+i)]를 획득하여 이를 토대로 생산량 예측 모형을 선택하며, 선택된 생산량 예측 모형에 특정 주기(t+i)에 대응되는 농산물 변인 데이터[D(t+i)]를 입력하여 농산물 생산량(Py)을 추정한다.
이상 바람직한 실시예와 첨부도면을 참조하여 본 발명의 구성에 관해 구체적으로 설명하였으나, 이는 예시에 불과한 것으로 본 발명의 기술적 사상을 벗어나지 않는 범주내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
100 : 데이터 소스부 200 : 모형 설계부
300 : 예측 서비스부
300 : 예측 서비스부
Claims (16)
- 예측 대상 농산물 관련 수집된 정보 중 상기 예측 대상 농산물의 생산량 정보를 종속변수로 설정하고, 나머지 정보를 설명변수로 설정하며, 설정된 설명변수와 종속변수 간의 관계를 분석하여 상기 예측 대상 농산물의 생산량 예측 모형을 설계하는 모형 설계부; 및
입력된 특정 시간에 대응되는 상기 예측 대상 농산물의 변인 데이터를 저장공간으로부터 획득하고, 상기 모형 설계부에 의해 설계된 생산량 예측 모형 중 하나를 획득된 상기 예측 대상 농산물의 변인 데이터를 토대로 선택하며, 선택된 상기 생산량 예측 모형에 획득된 상기 예측 대상 농산물의 변인 데이터를 입력하여 상기 예측 대상 농산물의 생산량 예측 서비스를 제공하는 예측 서비스부
를 포함하는 농산물 수확량 예측 장치. - 제1항에 있어서,
상기 모형 설계부는 상기 수집된 정보 중 기상정보를 상기 예측 대상 농산물의 특성 정보에 따라 1차 가공하고, 1차 가공된 기상정보를 상기 예측 대상 농산물의 특성 정보에 따라 상기 예측 대상 농산물의 생산량에 가장 큰 영향을 주는 기상정보로 2차 가공하여 1차 가공된 기상정보 및 2차 가공된 기상정보를 누적하며, 누적된 기상정보를 활용하여 상기 예측 대상 농산물의 생산량 예측 모형을 설계하는 것
인 농산물 수확량 예측 장치. - 제1항에 있어서, 상기 모형 설계부는,
상기 수집된 정보 중 기상 통계 자료를 활용하여 상기 예측 대상 농산물의 특성정보에 따라 1차 기상정보를 생성하는 1차 기상정보 생성부;
상기 1차 기상정보 생성부에 의해 생성된 1차 기상정보를 토대로 상기 예측 대상 농산물의 특성정보에 따라 2차 기상정보를 생성하는 2차 기상정보 생성부; 및
생성된 상기 1차 기상정보 및 2차 기상정보를 설명변수로 설정하고, 상기 수집된 정보 중 상기 예측 대상 농산물의 생산량 정보를 종속변수로 설정하며, 설정된 설명변수와 종속변수 간의 관계를 분석하고, 분석된 관계 결과를 토대로 상기 예측 대상 농산물의 생산량 예측 모형을 설계하여 적합(Fitting)하는 모형 적합부를 포함하는 것
인 농산물 수확량 예측 장치. - 제3항에 있어서,
상기 1차 기상정보 생성부는 상기 기상 통계자료를 상기 예측 대상 농산물의 특성정보에 따라 1월부터 12월까지의 평균 온도 정보, 1월부터 12월까지의 평균 일조량 정보 및 1월부터 12월까지의 평균 강수량 정보 중 적어도 하나를 포함하는 1차 기상정보로 가공하고, 가공된 상기 1차 기상정보를 상기 2차 기상정보 생성부 및 상기 모형 적합부에 전달하는 것
인 농산물 수확량 예측 장치. - 제3항에 있어서,
상기 2차 기상정보 생성부는 생성된 상기 1차 기상정보를 상기 예측 대상 농산물의 특성정보에 따라 3월부터 10월까지의 평균 일교차 정보, 5월부터 9월까지의 강수 정도 정보, 5월부터 6월까지의 고온 정도 정보 및 7월부터 8월까지의 일소 정도 정보 중 적어도 하나를 포함하는 2차 기상정보로 가공하고, 가공된 2차 기상정보를 상기 모형 적합부에 전달하는 것
인 농산물 수확량 예측 장치. - 제1항에 있어서, 상기 예측 서비스부는,
입력된 각 주기에 대응되어 입력된 상기 예측 대상 농산물의 변인 데이터를 저장하는 데이터 저장부;
입력된 특정 주기에 대응되는 상기 예측 대상 농산물의 변인 데이터를 상기 데이터 저장부로부터 획득하고, 입력된 상기 특정 주기 및 획득된 상기 예측 대상 농산물의 변인 데이터를 토대로 상기 예측 대상 농산물의 생산량 예측 모형을 선택하는 모형 선택부; 및
선택된 상기 생산량 예측 모형에 획득된 상기 예측 대상 농산물의 변인 데이터를 입력하여 상기 예측 대상 농산물의 생산량을 추정하는 생산량 추정부를 포함하는 것
인 농산물 수확량 예측 장치. - 제1항에 있어서,
상기 예측 대상 농산물의 변인 데이터는 온도, 습도, 강우, 일조시간 및 일조량 중 적어도 하나가 포함된 농업기상데이터, 날씨에 의한 농산물 피해 데이터, 병충해 데이터, 가격데이터 및 농산물의 수출입에 따른 유통데이터 중 적어도 하나를 포함하는 것
인 농산물 수확량 예측 장치. - 제1항에 있어서, 상기 예측 서비스부는,
1년 미만의 단기예측 서비스를 제공하는 것으로서,
상기 예측 대상 농산물의 전 재배 과정마다 데이터를 수집하여 누적하고, 누적된 데이터를 주 단위 또는 월 단위로 적용하여 상기 예측 대상 농산물의 재배 초기과정부터 마지막 과정까지 상기 예측 대상 농산물의 생산량을 예측하여 제공하는 것
인 농산물 수확량 예측 장치. - 예측 대상 농산물 관련 수집된 정보 중 상기 예측 대상 농산물의 생산량 정보를 종속변수로 설정하고, 나머지 정보를 설명변수로 설정하는 단계;
설정된 설명변수와 종속변수 간의 관계를 분석하여 상기 예측 대상 농산물의 생산량 예측 모형을 설계하는 단계;
입력된 특정 시간에 대응되는 상기 예측 대상 농산물의 변인 데이터를 저장공간으로부터 획득하고, 설계된 생산량 예측 모형 중 하나를 획득된 상기 예측 대상 농산물의 변인 데이터를 토대로 선택하는 단계; 및
선택된 상기 생산량 예측 모형에 획득된 상기 예측 대상 농산물의 변인 데이터를 입력하여 상기 예측 대상 농산물의 생산량 예측 서비스를 제공하는 단계
를 포함하는 농산물 수확량 예측 방법. - 제9항에 있어서, 상기 설계하는 단계는,
상기 수집된 정보 중 기상정보를 상기 예측 대상 농산물의 특성 정보에 따라 1차 가공하는 단계;
1차 가공된 기상정보를 상기 예측 대상 농산물의 특성 정보에 따라 상기 예측 대상 농산물의 생산량에 가장 큰 영향을 주는 기상정보로 2차 가공하는 단계; 및
1차 가공된 기상정보 및 2차 가공된 기상정보를 누적하여 누적된 기상정보를 토대로 상기 예측 대상 농산물의 생산량 예측 모형을 설계하는 단계를 포함하는 것
인 농산물 수확량 예측 방법. - 제9항에 있어서, 상기 설계하는 단계는,
상기 수집된 정보 중 기상 통계 자료를 활용하여 상기 예측 대상 농산물의 특성정보에 따라 1차 기상정보를 생성하는 단계;
생성된 1차 기상정보를 토대로 상기 예측 대상 농산물의 특성정보에 따라 2차 기상정보를 생성하는 단계;
생성된 상기 1차 기상정보 및 2차 기상정보를 설명변수로 설정하고, 상기 수집된 정보 중 상기 예측 대상 농산물의 생산량 정보를 종속변수로 설정하는 단계; 및
설정된 설명변수와 종속변수 간의 관계를 분석하고, 분석된 관계 결과를 토대로 상기 예측 대상 농산물의 생산량 예측 모형을 설계하여 적합(Fitting)하는 단계를 포함하는 것
인 농산물 수확량 예측 방법. - 제11항에 있어서, 상기 1차 기상정보를 생성하는 단계는,
상기 기상 통계자료를 상기 예측 대상 농산물의 특성정보에 따라 1월부터 12월까지의 평균 온도 정보, 1월부터 12월까지의 평균 일조량 정보 및 1월부터 12월까지의 평균 강수량 정보 중 적어도 하나를 포함하는 1차 기상정보로 가공하는 단계를 포함하는 것
인 농산물 수확량 예측 방법. - 제11항에 있어서, 상기 2차 기상정보를 생성하는 단계는,
생성된 상기 1차 기상정보를 상기 예측 대상 농산물의 특성정보에 따라 3월부터 10월까지의 평균 일교차 정보, 5월부터 9월까지의 강수 정도 정보, 5월부터 6월까지의 고온 정도 정보 및 7월부터 8월까지의 일소 정도 정보 중 적어도 하나를 포함하는 2차 기상정보로 가공하는 단계를 포함하는 것
인 농산물 수확량 예측 방법. - 제9항에 있어서, 상기 예측 서비스를 제공하는 단계는,
입력된 각 주기에 대응되어 입력된 상기 예측 대상 농산물의 변인 데이터를 저장하는 단계;
저장된 변인 데이터 중 입력된 특정 주기에 대응되는 상기 예측 대상 농산물의 변인 데이터를 획득하고, 입력된 상기 특정 주기 및 획득된 상기 예측 대상 농산물의 변인 데이터를 토대로 상기 예측 대상 농산물의 생산량 예측 모형을 선택하는 단계; 및
선택된 상기 생산량 예측 모형에 획득된 상기 예측 대상 농산물의 변인 데이터를 입력하여 상기 예측 대상 농산물의 생산량을 추정하는 단계를 포함하는 것
인 농산물 수확량 예측 방법. - 제9항에 있어서,
상기 예측 대상 농산물의 변인 데이터는 온도, 습도, 강우, 일조시간 및 일조량 중 적어도 하나가 포함된 농업기상데이터, 날씨에 의한 농산물 피해 데이터, 병충해 데이터, 가격데이터 및 농산물의 수출입에 따른 유통데이터 중 적어도 하나를 포함하는 것
인 농산물 수확량 예측 방법. - 제9항에 있어서, 상기 예측서비스를 제공하는 단계는,
1년 미만의 단기예측 서비스를 제공하는 것으로서,
상기 예측 대상 농산물의 전 재배 과정마다 데이터를 수집하여 누적하고, 누적된 데이터를 주 단위 또는 월 단위로 적용하여 상기 예측 대상 농산물의 재배 초기과정부터 마지막 과정까지 상기 예측 대상 농산물의 생산량을 예측하여 제공하는 것
인 농산물 수확량 예측 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140017094A KR20150096103A (ko) | 2014-02-14 | 2014-02-14 | 농산물 수확량 예측 장치 및 방법 |
| US14/489,424 US20150234785A1 (en) | 2014-02-14 | 2014-09-17 | Prediction apparatus and method for yield of agricultural products |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140017094A KR20150096103A (ko) | 2014-02-14 | 2014-02-14 | 농산물 수확량 예측 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20150096103A true KR20150096103A (ko) | 2015-08-24 |
Family
ID=53798251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140017094A KR20150096103A (ko) | 2014-02-14 | 2014-02-14 | 농산물 수확량 예측 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20150234785A1 (ko) |
| KR (1) | KR20150096103A (ko) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170075312A (ko) * | 2015-12-23 | 2017-07-03 | (주) 우림인포텍 | 전후방향 동향 통합 시계열 예측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
| KR20190100516A (ko) * | 2018-02-07 | 2019-08-29 | 이화여자대학교 산학협력단 | 곡물 생산량 예측 방법 및 장치 |
| KR20200070736A (ko) | 2018-12-10 | 2020-06-18 | 대한민국(농촌진흥청장) | 작물수확량 예측방법 및 이를 구현하는 작물수확량 예측장치 |
| KR20200072997A (ko) * | 2018-12-13 | 2020-06-23 | 대한민국(농촌진흥청장) | 유사기상을 이용한 벼 작황 예측 방법 |
| KR102202168B1 (ko) * | 2020-02-19 | 2021-01-13 | 주식회사 판다코퍼레이션 | 빅데이터에 기반한 농업 공공 데이터를 수집하는 방법 및 이를 위한 장치 |
| KR102268654B1 (ko) | 2020-01-02 | 2021-06-22 | 가톨릭관동대학교산학협력단 | 딥러닝을 이용한 작물 질병 진단 기반 수확량 예측 시스템 및 방법 |
| KR102647967B1 (ko) * | 2023-07-19 | 2024-03-15 | 주식회사 미스터아빠 | 수요예측 기반의 산지 직거래 플랫폼 시스템 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6609142B2 (ja) * | 2015-08-31 | 2019-11-20 | ソフトバンク株式会社 | 農業管理システム、サーバ、農業管理方法、サーバ制御方法、及びサーバプログラム |
| CN107341577A (zh) * | 2017-07-25 | 2017-11-10 | 中国农业科学院农业信息研究所 | 一种农作物产量预测方法及系统 |
| CN107392376B (zh) * | 2017-07-25 | 2020-05-29 | 中国农业科学院农业信息研究所 | 一种农作物气象产量预测方法及系统 |
| CN108830740A (zh) * | 2018-06-19 | 2018-11-16 | 新疆农业科学院农作物品种资源研究所 | 一种农作物生长节点实时技术信息采集系统及方法 |
| CN108984803B (zh) * | 2018-10-22 | 2020-09-22 | 北京师范大学 | 一种农作物产量空间化的方法及系统 |
| CN109615150B (zh) * | 2018-12-29 | 2023-04-18 | 航天信息股份有限公司 | 一种确定水稻气象产量的方法和系统 |
| CN110309969B (zh) * | 2019-06-28 | 2022-05-03 | 河南农业大学 | 基于物联网和遥感反演的冬小麦晚霜冻害监测及产量预测方法 |
| CN112987132A (zh) * | 2021-02-03 | 2021-06-18 | 菏泽市气象局 | 一种牡丹气象服务技术研究系统及方法 |
| CN117610964B (zh) * | 2023-11-28 | 2024-05-31 | 安徽省农业科学院农业工程研究所 | 一种休闲农业规划的经济优化设计方法及系统 |
-
2014
- 2014-02-14 KR KR1020140017094A patent/KR20150096103A/ko not_active Application Discontinuation
- 2014-09-17 US US14/489,424 patent/US20150234785A1/en not_active Abandoned
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170075312A (ko) * | 2015-12-23 | 2017-07-03 | (주) 우림인포텍 | 전후방향 동향 통합 시계열 예측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
| KR20190100516A (ko) * | 2018-02-07 | 2019-08-29 | 이화여자대학교 산학협력단 | 곡물 생산량 예측 방법 및 장치 |
| KR20200070736A (ko) | 2018-12-10 | 2020-06-18 | 대한민국(농촌진흥청장) | 작물수확량 예측방법 및 이를 구현하는 작물수확량 예측장치 |
| KR20200072997A (ko) * | 2018-12-13 | 2020-06-23 | 대한민국(농촌진흥청장) | 유사기상을 이용한 벼 작황 예측 방법 |
| KR102268654B1 (ko) | 2020-01-02 | 2021-06-22 | 가톨릭관동대학교산학협력단 | 딥러닝을 이용한 작물 질병 진단 기반 수확량 예측 시스템 및 방법 |
| KR102202168B1 (ko) * | 2020-02-19 | 2021-01-13 | 주식회사 판다코퍼레이션 | 빅데이터에 기반한 농업 공공 데이터를 수집하는 방법 및 이를 위한 장치 |
| KR102647967B1 (ko) * | 2023-07-19 | 2024-03-15 | 주식회사 미스터아빠 | 수요예측 기반의 산지 직거래 플랫폼 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20150234785A1 (en) | 2015-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20150096103A (ko) | 농산물 수확량 예측 장치 및 방법 | |
| US8671006B2 (en) | System and method for managing and predicting crop performance | |
| Lee et al. | Agricultural production system based on IoT | |
| US9880140B2 (en) | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery | |
| US10772269B2 (en) | Predicting crop productivity via intervention planning on small-scale farms | |
| García-López et al. | Evaluation of three simulation approaches for assessing yield of rainfed sunflower in a Mediterranean environment for climate change impact modelling | |
| US20210209705A1 (en) | System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain | |
| US11833313B2 (en) | Systems and methods for monitoring and regulating plant productivity | |
| KR101936317B1 (ko) | 단말기를 이용한 스마트 파밍 방법 | |
| De Toro et al. | Cereal harvesting–strategies and costs under variable weather conditions | |
| KR102175904B1 (ko) | 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법 | |
| WO2023108213A1 (en) | Methods and systems for classifying and benchmarking irrigation performance | |
| KR20180003791A (ko) | 식물공장을 자동으로 제어하는 장치 및 방법 | |
| Brinkhoff et al. | Soil moisture forecasting for irrigation recommendation | |
| Wang et al. | An inexact irrigation water allocation optimization model under future climate change | |
| TWI529634B (zh) | Crop production planning systems, crop production planning methods and computer-readable recording media | |
| JP7163881B2 (ja) | 作物特性予測システム、作物特性予測方法、及び作物特性予測プログラム | |
| Chen et al. | Pest incidence forecasting based on internet of things and long short-term memory network | |
| CN113570240B (zh) | 一种基于农作物全生命周期管理的智慧农场平台 | |
| Lorite et al. | Assessing irrigation scheme water use and farmers’ performance using wireless telemetry systems | |
| Salam et al. | G1 Blackspot Manager model predicts the maturity and release of ascospores in relation to ascochyta blight on field pea | |
| KR20130019051A (ko) | 센서네트워크 연동 농산물 생산 예측 관리 시스템 | |
| Gu et al. | Machine learning on minimizing irrigation water for lawns | |
| CN116703083A (zh) | 一种基于人工智能的可控农业栽培管理系统及方法 | |
| KR20210059070A (ko) | 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |