Earticle

초록

영어

To address the recent economic challenges faced by citrus farms, the adoption of smart agriculture and scientific farming techniques has become essential. In particular, improving the sugar content of citrus, a key quality factor highly preferred by consumers, is of great importance. This study aimed to analyze the correlation between citrus sugar content and meteorological data (temperature, rainfall, and sunlight hours) using the LightGBM machine learning algorithm and to develop a predictive model for producing high-sugar citrus. The study utilized seven years (2018–2024) of time-series meteorological data and citrus sugar content data collected from four regions in Jeju Island. The analysis results revealed that temperature was the most influential factor affecting the sugar content of citrus, and the machine learning model achieved a high prediction accuracy of 88.5%. These findings demonstrated the potential for improving citrus quality through the application of smart agricultural technologies and highlighted the possibility of applying this approach to other crops based on meteorological data. Furthermore, the study aims to enhance farmers' income and strengthen competitiveness in distribution markets by producing high-quality citrus, while presenting the practical feasibility of implementing smart farm technologies.

한국어

최근 감귤 농가의 경제적 어려움을 해결하기 위해 스마트 농업과 과학적 영농 기술의 도입이 요구되며, 특히 감귤 품질 중 소비자의 선호도가 높은 당도의 개선이 매우 중요하다. 본 연구는 감귤의 당도와 기상 데이터(기온, 강우량, 일조량) 간의 상관관계를 머신러닝 알고리즘(LightGBM)을 활용해 분석하고, 이를 통해 고당도 감귤 생산을 위한 예측 모델을 개발하 는 데 목적을 두었다. 본 연구는 제주도 4개 지역에서 수집한 7년간(2018-2024)의 시계열 기상 데이터와 감귤 당도 데이터 를 활용하였다. 분석 결과에서 기온이 감귤의 당도에 가장 큰 영향을 미치는 변수로 나타났으며, 머신러닝 모델의 당도 예측 정확도는 88.5%로 높은 성과를 보였다. 이를 통해 스마트 농업 기술을 활용한 감귤 품질 개선 가능성을 입증했으며, 향후 기상 데이터를 기반으로 감귤뿐만 아니라 다른 작물에도 적용 가능성이 있음을 확인하였다. 또한 고품질 감귤 생산을 통한 농가 소득 증대와 유통 시장 경쟁력 강화를 목표로 하며, 스마트팜 기술의 실질적 적용 가능성을 제시하였다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 인공지능과 스마트 농업 기술의 적용
2.2 LightGBM 알고리즘을 이용한 머신러닝
2.3 머신러닝을 활용한 농업 연구 사례
2.4 스마트팜(Smart Farm)
3. LightGBM을 기반으로 한 과일 품질과 날씨데이터의 상관관계
3.1 과일 품질
3.2 연구 범위 및 방법
3.3 실험 분석을 위한 시각화
4. 분석 및 기대효과
5. 결론
REFERENCES

키워드

머신러닝 과일 품질 스마트 농장 당도 감귤 기상 데이터 Machine Learning Fruit Quality Smart Farm Sugar Content Tangerines Meteorological Data

저자

• 김석수 [ Seoksoo Kim | 한남대학교 미디어영상학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물