Caramel LabCaramel Lab

농업 IoT 및 AI: 스마트 센싱 기술

The IoT and AI in Agriculture: The Time Is Now—A Systematic Review of Smart Sensing Technologies

Tymoteusz Miller, Grzegorz Mikiciuk, Irmina Durlik 외 3인·Sensors·발표 2025.06· 151 인용
최근 1년 151회 인용· 분야 최상위· 떠오르는 연구

한국어 핵심 요약

사물 인터넷(IoT)과 인공지능(AI)의 통합은 정밀 농업, 실시간 모니터링, 데이터 기반 의사결정을 가능하게 하며 현대 농업을 변화시키고 있습니다. 본 체계적 문헌고찰은 PRISMA 방법론에 따라 경작지와 초지용 스마트 센싱 기술의 최근 발전을 종합적으로 검토합니다. 2020년부터 2024년까지 발표된 동료 심사 문헌을 분석하여 다양한 농업 응용 분야에서 IoT 기반 센서 네트워크 및 AI 기반 분석의 채택에 중점을 두었습니다. 연구 결과는 광학, 음향, 전자기 및 토양 센서 사용과 SVM, CNN, 랜덤 포레스트와 같은 머신러닝 모델을 활용한 관개, 비료 및 해충 관리 전략 최적화 연구가 크게 증가했음을 보여줍니다. 그러나 높은 인프라 비용, 제한된 상호 운용성, 농촌 지역의 연결성 제약, 투명성 및 데이터 프라이버시에 대한 윤리적 문제와 같은 주요 과제도 확인되었습니다. 이러한 장벽을 해결하기 위해 엣지 AI, 블록체인 시스템, 자율 플랫폼과 같은 혁신 기술이 강조되고 있습니다. 본 연구는 경작지와 초지에 초점을 맞춰 AI 통합 센싱 기술을 체계적으로 검토한 최초의 문헌으로, 기술 발전과 실제 구현 격차에 대한 심층적인 종합 분석을 제공합니다. 개발도상국의 공정한 데이터 소유권, 사이버 보안 및 스마트 농업 도구에 대한 공평한 접근을 보장하기 위한 정책 개입의 필요성도 제기합니다.

섹션 미리보기

연구 배경

IoT와 AI는 정밀 농업, 실시간 모니터링, 데이터 기반 의사결정을 통해 현대 농업을 혁신하고 있습니다. 본 연구는 경작지와 초지에서 스마트 센싱 기술의 최신 발전을 체계적으로 검토합니다.

핵심 발견

광학, 음향, 전자기, 토양 센서와 SVM, CNN 등 머신러닝 모델을 활용한 연구가 급증했습니다. 하지만 높은 인프라 비용, 상호 운용성 부족, 농촌 연결성 제약, 데이터 프라이버시 문제가 주요 과제로 남아있습니다.

전체 8개 섹션 분석

내가 읽고 있는 논문도 이렇게 정리해드릴게요

연구 배경 · 방법론 · 결과 · 한계점까지 8개 섹션 풀 분석. PDF 업로드 한 번이면 끝.

내 논문 분석하기

관련 생물학 논문

생물학 전체 보기