기상 데이터 기반 감귤 당도 예측 인공지능 모델 개발

• Published in: 한국콘텐츠학회 논문지, 21(6) Vol. 21; no. 6; pp. 35 - 43
• Main Author: 서동민(Dongmin Seo)
• Format: Journal Article
• Language: Korean
• Published: 한국콘텐츠학회 2021
• Subjects: 학제간연구; Citrus; 감귤; 예측; 기상 데이터; Artificial Intelligence; Prediction; Meteralogical Data; 인공지능; 당도; Sugar Content
• ISSN: 1598-4877; 2508-6723
• DOI: 10.5392/JKCA.2021.21.06.035

Citrus quality is generally determined by its sugar content and acidity. In particular, sugar content is a very important factor because it determines the taste of citrus. Currently, the most commonly used method of measuring citrus sugar content in farms is a portable juiced sugar meter and a non-destructive sugar meter. This method can be easily measured by individuals, but the accuracy of the sugar content is inferior to that of the citrus NongHyup official machine. In particular, there is an error difference of 0.5 Brix or more, which is still insufficient for use in the field. Therefore, in this paper, we propose an AI model that predicts the citrus sugar content of unmeasured days within the error range of 0.5 Brix or less based on the previously collected citrus sugar content and meteorological data (average temperature, humidity, rainfall, solar radiation, and average wind speed). In addition, it was confirmed that the prediction model proposed through performance evaluation had an mean absolute error of 0.1154 for Seongsan area and 0.1983 for the Hawon area in Jeju Island. Lastly, the proposed model supports an error difference of less than 0.5 Brix and is a technology that supports predictive measurement, so it is expected that its usability will be highly progressive. 감귤의 품질은 일반적으로 당도와 산도로 결정된다. 특히, 당도는 감귤의 맛을 결정하기 때문에 매우 중요한 요소이다. 현재 농가에서 가장 많이 사용하는 감귤 당도 측정 방법은 휴대용 착즙당도계 및 비파괴당도계로 측정하는 방식이다. 이 방법은 개인이 손쉽게 측정 가능한 방법이지만, 감귤농협 정식기계보다 당도수치의 정확성이 떨어지며 특히 0.5 Brix 이상 오차 차이가 발생해 현장에서 사용하기에는 아직 많이 부족하다. 또한, 현재 시점의 측정이지 예측 측정이 아니다. 그래서 본 논문에서는 기존 수집된 감귤 당도 값과 기상 데이터(평균 온도, 습도, 강우량, 일사량, 평균 풍속)을 기반으로 측정되지 않은 날짜의 감귤 당도를 0.5 Brix 이하 오차범위 내에서 예측하는 AI 모델을 제안했다. 또한, 성능평가를 통해 제안하는 예측 모델이 제주 성산 지역에 대해서는 절대 평균 오차가 0.1154, 하원 지역에 대해서는 0.1983인 것을 확인했다. 마지막으로 제안한 모델은 0.5 Brix 이하 오차 차이를 지원하며, 예측 측정을 지원하는 기술이기에 그 활용성에 있어 진보성이 매우 높을 것으로 기대된다.