XGBoost 인공지능 모델을 활용한 상추 생육 예측

성보현; 이원경; 전신재; 원재희; 조영열

doi:10.22698/jales.20240023

추천

검색

자료유형: 학술저널

저자정보: 성보현 (제주대학교) 이원경 (강원특별자치도농업기술원 연구협력과) 전신재 (강원농업기술원) 원재희 (강원도농업기술원) 조영열 (제주대학교)

저널정보: 강원대학교 농업생명과학연구원(구 농업과학연구소) 농업생명환경연구 농업생명환경연구 제36권 제3호

발행연도: 2024.9

수록면: 289 - 296 (8page)

DOI: 10.22698/jales.20240023

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Predicting the impacts of changes in the cultivation environment on crop growth is crucial to enhancing farm management and ensuring income stability. We aimed to predict the growth of three lettuce varieties using the XGBoost artificial intelligence model. The three selected lettuce cultivars were ‘Ezatrix’, ‘Ezabel’ (Enza Zaden Co., Ltd., The Netherlands), and ‘Sunpungpochap’ (Kwonnong Co., Ltd., Korea). Cultivars were grown in a coir-based soil-free system. Environmental variables, including air temperature, soil temperature, relative humidity, and solar radiation, were measured at 1 min intervals using a HOBO data logger. The XGBoost artificial intelligence tool was employed to analyze key hyperparameters including n_estimators (number of boosting trees), learning_rate (learning rate), and max_depth (maximum depth of trees) being optimized. The environmental variables considered were air temperature, soil temperature, relative humidity, and solar radiation. The growth of the three lettuce cultivars was predicted using the XGBoost model and model performance was validated through cross-validation. Outliers in growth measurements were identified and re-predicted using moving averages. Root mean square errors (RMSE) for shoot fresh weight of ‘Ezatrix’, ‘Ezabel’, and ‘Sunpungpochap’ cultivars were 0.913, 0.864, and 0.870, respectively. RMSE values for shoot dry weight were 0.901, 0.872, and 0.867, respectively. This study utilized the XGBoost model to predict the growth of three lettuce cultivars. Its results are expected to aid in developing crop management strategies and improving productivity.

#Artificial intelligence #Lettuce #Shoot dry weight #Shoot fresh weight #XGBoost model

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)