Caramel LabCaramel Lab
#

정밀농업

7편의 한국어 분석 — 최신순으로 정렬했어요

생물학발표 2026.10· 0

미국 농업 AI/ML 적용의 과제와 인식

2050년까지 전 세계 인구가 100억 명을 넘어설 것으로 예상됨에 따라 식량 수요는 최대 100% 증가할 전망입니다. 이러한 증가하는 수요를 충족하기 위해 농업 관리의 적응이 필수적이며, 인공지능(AI) 및 머신러닝(ML) 기술은 농업 분야가 이러한 요구에 대응하는 데 기여할 수 있습니다. 본 연구는 AI 및 ML 기술의 초기 도입 이해관계자들을 대상으로 사용 패턴, 인식 및 장벽을 조사하기 위해 온라인 설문조사와 후속 인터뷰를 수행했습니다. 129명의 농업 이해관계자를 대상으로 한 온라인 설문조사는 농업 관행에 AI 및 ML …

환경공학발표 2026.10· 2최근 1년 2회

무인기 관측 기반 작물 증발산 및 물 스트레스 추적

고해상도 데이터를 활용한 증발산(ET) 추정은 정밀한 물 사용 모니터링과 작물 스트레스 조기 감지를 통해 물 보전 및 수확량 최적화에 기여한다. 본 연구는 10헥타르 농경지에서 사탕무(2021), 감자(2022), 겨울 밀(2023)을 대상으로 3개 재배 기간 동안 무인항공기(UAV) 데이터를 활용하여 15cm 해상도로 Priestley–Taylor Two-Source Energy Balance (TSEB-PT) 모델을 적용했다. 모델 입력값으로는 지표면 온도(LST)를 위한 열적외선(TIR), 캐노피 특성화를 위한 다중 스펙트럼…

환경공학발표 2026.09· 0

UAV 초분광 영상 활용 SIF-ET 증발산 추정

증발산량(ET)의 정확한 추정은 농업용수 관리 및 지표면-대기 상호작용 이해에 필수적입니다. 기존 열 및 광학 원격 감지 기술은 ET 추정에 유용하지만, 경험적 매개변수화, 복잡한 보정, 제한된 적용성 등의 한계가 있습니다. 식생 광합성의 직접적인 지표인 태양유도 엽록소 형광(SIF)은 SIF-GPP 관계에 대한 현장별 경험적 보정 없이도 기계론적 프레임워크를 통해 일관되고 정확한 ET 추정을 가능하게 합니다. 그러나 현재 SIF 기반 ET 추정은 주로 저해상도 위성 데이터에 의존하며, 농경지에서 고해상도 ET 역학을 파악하는 능…

생물학발표 2026.07· 4최근 1년 3회

작물 수확량 예측 및 비료 추천 시스템

작물 수확량 예측은 농업 생산성 향상에 중요한 역할을 한다. 특정 지역의 작물 수확량을 예측하면 농부가 적합한 작물을 선택하는 데 도움이 되며, 이는 전체적인 생산성 증대로 이어진다. 토양 pH, 강우량, 온도, 습도 등 다양한 요인을 고려하여 특정 토지에 맞는 작물을 추천하는 것은 농부들이 가장 적합한 작물을 선택하는 데 필수적이다. 또한, 작물 성장과 생산성 극대화를 위해서는 적절한 시기에 적합한 비료를 사용하는 것이 중요하다. 본 연구는 이러한 문제들을 해결하기 위해 Random Forest with Extreme Gradi…

생물학발표 2025.08· 37최근 1년 37회

스마트 농업 기술: 지속 가능한 미래를 위한 혁신

기후 변화, 인구 증가, 자원 고갈이 야기하는 전 지구적 식량 안보 문제에 대응하기 위한 스마트 농업 기술의 혁신적 잠재력을 비판적으로 검토한다. 이 연구는 인공지능(AI), 사물 인터넷(IoT), 무인 항공기(UAV), 로봇 공학, 딥러닝 등 다양한 기술 영역의 연구 결과를 통합하여 농업 4.0에 대한 통합적 관점을 제시함으로써 기존 연구의 격차를 해소한다. 개별 혁신 기술에 초점을 맞춘 이전 연구와 달리, 본 논문은 효율적인 데이터 기반 생태계를 구축하기 위한 기술 융합의 중요성을 강조한다. PRISMA 방법론을 적용하여 20…

생물학발표 2025.07· 48최근 1년 48회

정밀 농업, 작물 수확량 예측 개선

정밀 농업(PA)은 데이터 기반 기술을 활용하여 작물 및 경작지의 개별 요구사항을 모니터링하고 분석하는 농업 관리 전략입니다. 이는 작물 수확량과 품질을 최적화하고 운영 비용 및 환경 영향을 최소화하여 생산성 향상과 지속 가능한 농업을 목표로 합니다. 효과적인 센싱 기술을 통한 모니터링, 강력한 관리 정보 시스템 구현, 그리고 경작 시스템 내의 변동성 관리가 필수적입니다. PA에서는 딥러닝 및 머신러닝(ML) 기법을 활용한 작물 수확량 시뮬레이션이 해충, 영양분 및 물 부족, 기타 재배 기간 중의 환경 변수들이 복합적으로 미치는 …

생물학발표 2025.07· 40최근 1년 40회

스마트 정밀 농업 신기술 동향

생산성, 지속가능성, 효율성 극대화를 위해 정밀 농업은 혁신 기술을 적극적으로 활용하고 있습니다. 본 리뷰 논문은 농업 공학 분야에서 인공지능(AI), 머신러닝(ML), 자동화, 클라우드 컴퓨팅, 사물 인터넷(IoT) 센서의 통합을 중점적으로 다룹니다. IoT 센서는 작물 상태, 기상 패턴, 토양 건강에 대한 실시간 데이터를 수집하는 데 필수적이며, 클라우드 컴퓨팅은 이러한 데이터의 효율적인 처리, 저장 및 접근성을 보장하여 확장 가능하고 실시간 분석을 가능하게 합니다. AI와 ML은 예측 분석, 질병 진단, 비료 사용 최적화에 …

연구 트렌드로 돌아가기