기계 학습을 활용한 농작물 수량 예측

농업 생산성은 토양 특성과 기후 변동성에 크게 영향을 받지만, 전통적인 수확량 추정 방법은 일반적으로 수동 토양 검사 및 실시간 현장 상황을 반영하지 못할 수 있는 과거 평균에 의존합니다. 본 논문은 토양 이미지 분석, 기계 학습 알고리즘 및 지리-기상 데이터를 통합하여 데이터 기반 농업 의사결정을 향상시키는 지능형 농작물 수량 예측 시스템을 제안합니다. 제안된 프레임워크는 농민으로부터 토양 사진을 수집하고, 이미지 향상 기법 및 지도 학습 모델을 사용하여 토양 pH를 추정하고 토양 유형을 분류합니다. 동시에, 시스템은 지리적 좌표 기반 기상 API 통합을 통해 온도, 강수량, 습도, 태양 복사량과 같은 위치별 환경 특성을 획득합니다. 이러한 토양 및 기상 변수는 과거 농업 기록과 결합되어 헥타르당 농작물 생산량을 예측하기 위해 랜덤 포레스트 회귀 모델을 훈련하는 데 사용됩니다. 실험 평가 결과, 이미지에서 추출한 토양 특성과 실시간 기상 데이터를 결합함으로써 표준 단일 출처 모델 대비 예측 정확도가 향상됨을 확인했습니다. 이 기술은 또한 비교 수확량 시각화를 제공하고 특정 토지 조건에 가장 적합한 작물을 권고합니다. 결과는 제안된 접근법이 농민들이 작물 선택을 최적화하고 생산성을 향상시키며 실험실 토양 검사 의존도를 줄여 지속 가능하고 기술 중심의 농업에 기여할 수 있음을 시사합니다.