국내기사
다중모달 기반 생육·환경 데이터 융합을 통한 수직농장 작물 성장 예측 모델 개발 = Development of a crop growth prediction model for vertical farms through multimodal-based fusion of growth and environmental data
본 연구의 목적은 수직농장에서 수집한 영상 및 환경 데이터를 통합하여 작물의 생육 단계와 생장률을 정밀하게 예측할 수 있는 다중모달 융합 모델을 개발·평가하는 것이다. 이를 위해 수직농장 실증지에서 일정 기간 동안 RGB 영상과 CO₂농도, 온도, 상대습도, 조도 등 주요 환경 데이터를 동기화하여 수집하고, 전처리와 지표 산출을 거쳐 다중모달 학습용 데이터셋을 구축하였다. 영상 데이터로부터 엽면적, 엽색도, 형상지표, proxy VI 등의 특징을 추출하고, 환경 센서 데이터의 시계열 변화를 LSTM으로 학습한 뒤 CNN 기반 영상 특징과 병합하여 생육 단계 분류 및 생장률 예측을 동시에 수행하도록 모델을 설계하였다. 다중모달 융합 모델은 단일모달(CNN 또는 LSTM) 대비 생육 단계 분류 정확도와 생장률 예측 오차에서 모두 우수한 성능을 보였다(정확도 91.3%, RMSE 0.028). 혼동행렬 분석에서도 각 생육 단계별 높은 분류율이 확인되었으며, 실제값과 예측값 비교에서도 일관성 있는 예측이 나타났다. 또한, 입력 변수별 중요도 분석을 통해 엽면적과 proxy VI가 주요 단서로 작용하고 CO₂ 농도와 광량이 예측력 향상에 기여함을 확인하였다. 이 연구는 수직농장 환경에서 다중모달 데이터를 활용해 작물의 생육 상태를 보다 정밀하게 진단·예측할 수 있는 모델링 프레임워크를 제시함으로써, 향후 스마트 수직농장의 데이터 기반 의사결정과 제어 기술 고도화에 기여할 수 있는 가능성을 보이고 있다.