Development of a Productivity Enhancement Model and Platform Service Utilizing Big Data in Tomato Greenhouses

doi:10.22716/sckt.2024.12.3.002

All Issue

2024 Vol.12, Issue 3 Preview Page Next Page

Research Article

Development of a Productivity Enhancement Model and Platform Service Utilizing Big Data in Tomato Greenhouses 토마토 스마트온실 빅데이터 활용 생산성 향상 모델 개발 및 플랫폼 서비스: Suhyun Ryu¹, Hyerim Lee², and Joon Yong Shim³
류수현¹, 이혜림², 심준용³; ^1,3Researcher, Smart Agriculture Team, Rural Development Administration
²Senior Researcher, Smart Agriculture Team, Rural Development Administration

^1,3농촌진흥청 스마트농업팀 농업연구사, ²농촌진흥청 스마트농업팀 농업연구관

30 September 2024. pp. 19-32

PDF

Abstract

스마트온실의 도입으로 빅데이터 축적 및 작물의 생산성 향상에 대한 연구가 활발히 이루어지고 있다. 본 연구에서는 2016년부터 2022년까지 6년간 수집된 토마토 스마트온실 내 환경, 생육, 수량 데이터를 활용하여 토마토 생산성 향상 모델을 개발하였다. 총 93농가의 데이터를 수집 및 표준화하였고 수량을 기준으로 우수농가(상위 20%)와 일반농가(하위 80%)로 구분하여 각각의 환경, 생육 요인을 비교하였다. 농가 현장 환경에 맞는 최적환경 서비스를 위해 일사량, 외기기온을 기준으로 환경을 12구간으로 나누었고, 구간별 최대 수량에 해당하는 최적환경을 표출하였다. 누적일사량, 야간 기온, 관수량 등 환경 요인과 생장길이, 엽수, 줄기굵기, 화방높이 등 생육 요인이 수량과 높은 관련성을 나타내었고, 생육단계별로 수량과 가장 높은 상관관계를 보이는 기간의 평균 값을 최적환경 및 적정 생육 값으로 제시하였다. 개발된 모델은 웹페이지(https://smartfarm.rda.go.kr)를 통해 대국민 서비스하고 있으며, 농가의 생육단계, 현재 환경에 적합한 최적환경을 제공받을 수 있다.

The introduction of smart greenhouses has enabled the accumulation of big data, leading to extensive research on enhancing crop productivity. In this study, we developed models for improving tomato productivity using environmental, growth, and yield data collected from tomato smart greenhouses over a six-year period from 2016 to 2022. Data from 93 farms were collected and standardized, then categorized into leading (top 20%) and normal farms (bottom 80%) based on yield. Environmental factors such as solar radiation, nighttime temperatures, and irrigation amounts, and growth factors such as growth length, number of leaves, thickness of stem, and stem length from the growing tip to the first inflorescence, showed a strong correlation with yield. We presented the average values of periods showing the highest correlation with yield for each growth stage as the optimal environment and suitable growth conditions. To provide optimal environment services tailored to farm conditions, we divided the environment into 12 zones based on solar radiation and outside temperature, and expressed the optimal environment corresponding to the maximum yield for each zone. The developed model is accessible to the public through a website (https://smartfarm.rda.go.kr), offering information on growth stages and optimal environments suitable for current conditions to farmers.

Keywords

Environment variables

Growth variables

Optimal environment

Smartfarm

Statistical model

References

이재경, 설병문, "지능형 스마트 팜 활용과 생산성에 관한 연구: 토마토 농가 사례를 중심으로", 벤처창업연구, 제14권 제3호, pp. 185-199, 2019.
10.16972/apjbve.14.3.201906.185
M. Amiri-Zarandi, M. H. Fard, S. Yousefinaghani, M. Kaviani, and R. Dara, "A platform approach to smart farm information processing", Agriculture, Vol. 12, 838, 2022.
10.3390/agriculture12060838
H. Li, H. Liu, X. Gong, S. Li, J. Pang, Z. Chen, and J. Sun, " Optimizing irrigation and nitrogen management strategy to trade off yield, crop water productivity, nitrogen use efficiency and fruit quality of greenhouse grown tomato", Agricultural Water Management, Vol. 245, 106570, 2021.
10.1016/j.agwat.2020.106570
나명환, 박유하, 조완현, "스마트팜 데이터를 이용한 토마토 최적인자에 관한 연구", 한국데이터정보과학회지, 제28권 제6호, pp. 1427-1435, 2017.
이승호, 박윤선, 권오상, "토마토 스마트팜의 생육함수 추정과 수익 최적화 모형 구축", 한국데이터정보과학회지, 제31권 제4호, pp. 619-635, 2020.
10.7465/jkdi.2020.31.4.619
S. Wolfert, L. Ge, C. Verdouw, and M. J. Bogaardt, "Big data in smart farming - a review", Agricultural Systems, Vol. 153, pp. 69-80, 2017.
10.1016/j.agsy.2017.01.023
최경이, 임미영, 김소희, 노미영, "장기 수경재배에서 급액량의 차이가 토마토 생육과 수량 특성에 미치는 영향", 생물환경조절학회지, 제31권 제4호, pp. 444-451, 2022.
노희선, 이윤숙, "파프리카 스마트팜 도입에 영향을 미치는 요인 분석: 강원도 지역을 중심으로", 지역발전연구, 제31권 제1호, pp. 79-90, 2022.
임준택, 이변우, 윤진일, 신진철, 신재훈, 이충근, 문경환, 이강오, "작물 생육 모델링의 이론과 실제", 선진 출판사, 익산, 2009.
M. K. van Ittersum, P. A. Leffelaar, H. van Keulen, M. J. Kropff, L. Bastiaans, and J. Goudriaan, "On approaches and applications of the Wageningen cropmodels", European Journal of Agronomy, Vol. 18, pp. 201-234, 2003.
10.1016/S1161-0301(02)00106-5
E. Heuvelink, "Evaluation of a dynamic simulation model for tomato crop growth and development", Annals of Botany, Vol. 83, pp. 413-422, 1999.
10.1006/anbo.1998.0832
J. W. Jones, E. Dayan, L. H. Allen, H. Van Keulen, and H. Challa, "A dynamic tomato growth and yield model (TOMGRO)", Transactions of the ASAE, Vol. 34, pp. 663-672, 1991.
10.13031/2013.31715
A. Kenig, and J. W. Jones, "TOMGRO V3. 0: A dynamic model of tomato growth and yield, Ch. II-5. Optimal environmental control for indeterminate greenhouse crops", BARD Research Report No. IS-1995-91RC. Haifa, Isreal: Agricultural Engineering Dept., Technion.
A. Ramírez-Arias, F. Rodríguez, J. L. Guzmán, and M. Berenguel, " Multiobjective hierarchical control architecture for greenhouse crop growth", Automatica, Vol. 48, pp. 490-498, 2012.
10.1016/j.automatica.2012.01.002
P. P. Jayaraman, A. Yavari, D. Georgakopoulos, A. Morshed, and A. Zaslavsky, "Internet of things platform for smart farming: experiences and lessons learnt", Sensors, Vol. 16, 1884, 2016.
10.3390/s16111884
V. Saiz-Rubio, and F. Rovira-Mas, "From smart farming towards agriculture 5.0: a review on crop cata management", Agromony, Vol. 10, 207, 2020.
10.3390/agronomy10020207
한국농수산식품유통공사, "미국 스마트농업 및 IT 시스템을 활용한 농작물 재배현황 및 관리", 한국농수산식품유통공사, pp. 77-80, 2019.
T. Saito, Y. Kawasaki, D. H. Ahn, A. Ohyama, and T. Higashide, "Prediction and improvement of yield and dry matter production based on modeling and non-destructive measurement in year-round greenhouse tomatoes", The Horticulture Jounal, Vol. 89, pp. 425-431, 2020.
10.2503/hortj.UTD-170
L. Gong, M. Yu, S. Jiang, V. Cutsuridis, and S. Pearson, "Deep learning based prediction on greenhouse crop yield combined TCN and RNN", Sensors, Vol. 21, 4537, 2021.
10.3390/s21134537
백정현, 허정욱, 김현환, 홍영신, 이재수, "클라우드 기반 한국형 스마트온실 연구 플랫폼 설계 방안", 시설원예․식물공장, 제27권 제1호, pp. 27-33, 2018.
H. S. Sim, D. S. Kim, M. G. Ahn, S. R. Ahn, and S. K. Kim, "Prediction of strawberry growth and fruit yield based on environmental and growth data in a greenhouse for soil cultivation with applied autonomous facilities", Horticultural Science and Technology, Vol. 38, pp. 840-849, 2020.
10.7235/HORT.20200076
S. H. Han, H. Mutahira, and H. S. Jang, "Prediction of sensor data in a greenhouse for cultivation of paprika plants using a stacking ensemble for smart farms", Applied Sciences, Vol. 13, 10464, 2023.
10.3390/app131810464
D. H. Jung, H. S. Kim, C. Jhin, H. J. Kim, and S. H. Park, "Time-serial analysis of deep neural network models for prediction of climatic conditions inside a greenhouse", Computers and Electronics in Agriculture, Vol. 173, 105402, 2020.
10.1016/j.compag.2020.105402
B. S. Kim, B. G. Kang, S. H. Choi, and T. G. Kim, "Data modeling versus simulation modeling in the big data era: case study of a greenhouse control system", Simulation, Vol. 93, pp. 579-594, 2017.
10.1177/0037549717692866
S. Venkatesan, J. Lim, H. Ko, and Y. Cho, "A machine learning based model for energy usage peak prediction in smart farms", Simulation, Vol. 11, 218, 2022.
10.3390/electronics11020218
노희선, 이윤숙, "토마토 스마트팜 생육데이터와 수확량의 연관성 분석", 융복합지식학회논문지, 제8권 제3호, pp. 17-25, 2020.
최영하, 조정래, 이한철, 박동금, 권준국, 이재한, "모모타로-요쿠 토마토 하계 육묘시 용기 크기와 묘령이 정식 후 생육 및 수량에 미치는 영향", 시설원예․식물공장, 제11권 제1호, pp. 12-17, 2002.
H. P. Klaring, and A. Krumbein, "The Effect of constraining the intensity of solar radiation on the photosynthesis, growth, yield and product quality of tomato", Journal of Agronomy and Crop Science, Vol. 199, pp. 351-359, 2013.
10.1111/jac.12018
J. H. Venema, F. Posthumus, and van P. R. Hasselt, "Impact of suboptimal temperature on growth, photosynthesis, leaf pigments and carbohydrates of domestic and high-altitude wild Lycopersicon species", Journal of Plant Physiology, Vol. 155, pp. 711-718, 1999.
10.1016/S0176-1617(99)80087-X
K. Johansen, M. J. L. Morton, Y. Malbeteau, B. Aragon, S. Al-Mashharawi, M. G. Ziliani, Y. Angel, G. Fiene, S. Negrao, M. A. A. Mousa, M. A. Tester, and M. F. McCabe, "Predicting biomass and yield in a tomato phenotyping experiment using UAV imagery and random forest", Frontiers in Artificial Intelligence, Vol. 3, 28, 2020.
10.3389/frai.2020.00028

Information

Publisher :The Society of Convergence Knowledge
Publisher(Ko) :융복합지식학회
Journal Title :The Society of Convergence Knowledge Transactions
Journal Title(Ko) :융복합지식학회논문지
Volume : 12
No :3
Pages :19-32
DOI :https://doi.org/10.22716/sckt.2024.12.3.002

[1] 이재경, 설병문, "지능형 스마트 팜 활용과 생산성에 관한 연구: 토마토 농가 사례를 중심으로", 벤처창업연구, 제14권 제3호, pp. 185-199, 2019.
10.16972/apjbve.14.3.201906.185

[2] M. Amiri-Zarandi, M. H. Fard, S. Yousefinaghani, M. Kaviani, and R. Dara, "A platform approach to smart farm information processing", Agriculture, Vol. 12, 838, 2022.
10.3390/agriculture12060838

[3] H. Li, H. Liu, X. Gong, S. Li, J. Pang, Z. Chen, and J. Sun, " Optimizing irrigation and nitrogen management strategy to trade off yield, crop water productivity, nitrogen use efficiency and fruit quality of greenhouse grown tomato", Agricultural Water Management, Vol. 245, 106570, 2021.
10.1016/j.agwat.2020.106570

[4] 나명환, 박유하, 조완현, "스마트팜 데이터를 이용한 토마토 최적인자에 관한 연구", 한국데이터정보과학회지, 제28권 제6호, pp. 1427-1435, 2017.

[5] 이승호, 박윤선, 권오상, "토마토 스마트팜의 생육함수 추정과 수익 최적화 모형 구축", 한국데이터정보과학회지, 제31권 제4호, pp. 619-635, 2020.
10.7465/jkdi.2020.31.4.619

[6] S. Wolfert, L. Ge, C. Verdouw, and M. J. Bogaardt, "Big data in smart farming - a review", Agricultural Systems, Vol. 153, pp. 69-80, 2017.
10.1016/j.agsy.2017.01.023

[7] 최경이, 임미영, 김소희, 노미영, "장기 수경재배에서 급액량의 차이가 토마토 생육과 수량 특성에 미치는 영향", 생물환경조절학회지, 제31권 제4호, pp. 444-451, 2022.

[8] 노희선, 이윤숙, "파프리카 스마트팜 도입에 영향을 미치는 요인 분석: 강원도 지역을 중심으로", 지역발전연구, 제31권 제1호, pp. 79-90, 2022.

[9] 임준택, 이변우, 윤진일, 신진철, 신재훈, 이충근, 문경환, 이강오, "작물 생육 모델링의 이론과 실제", 선진 출판사, 익산, 2009.

[10] M. K. van Ittersum, P. A. Leffelaar, H. van Keulen, M. J. Kropff, L. Bastiaans, and J. Goudriaan, "On approaches and applications of the Wageningen cropmodels", European Journal of Agronomy, Vol. 18, pp. 201-234, 2003.
10.1016/S1161-0301(02)00106-5

[11] E. Heuvelink, "Evaluation of a dynamic simulation model for tomato crop growth and development", Annals of Botany, Vol. 83, pp. 413-422, 1999.
10.1006/anbo.1998.0832

[12] J. W. Jones, E. Dayan, L. H. Allen, H. Van Keulen, and H. Challa, "A dynamic tomato growth and yield model (TOMGRO)", Transactions of the ASAE, Vol. 34, pp. 663-672, 1991.
10.13031/2013.31715

[13] A. Kenig, and J. W. Jones, "TOMGRO V3. 0: A dynamic model of tomato growth and yield, Ch. II-5. Optimal environmental control for indeterminate greenhouse crops", BARD Research Report No. IS-1995-91RC. Haifa, Isreal: Agricultural Engineering Dept., Technion.

[14] A. Ramírez-Arias, F. Rodríguez, J. L. Guzmán, and M. Berenguel, " Multiobjective hierarchical control architecture for greenhouse crop growth", Automatica, Vol. 48, pp. 490-498, 2012.
10.1016/j.automatica.2012.01.002

[15] P. P. Jayaraman, A. Yavari, D. Georgakopoulos, A. Morshed, and A. Zaslavsky, "Internet of things platform for smart farming: experiences and lessons learnt", Sensors, Vol. 16, 1884, 2016.
10.3390/s16111884

[16] V. Saiz-Rubio, and F. Rovira-Mas, "From smart farming towards agriculture 5.0: a review on crop cata management", Agromony, Vol. 10, 207, 2020.
10.3390/agronomy10020207

[17] 한국농수산식품유통공사, "미국 스마트농업 및 IT 시스템을 활용한 농작물 재배현황 및 관리", 한국농수산식품유통공사, pp. 77-80, 2019.

[18] T. Saito, Y. Kawasaki, D. H. Ahn, A. Ohyama, and T. Higashide, "Prediction and improvement of yield and dry matter production based on modeling and non-destructive measurement in year-round greenhouse tomatoes", The Horticulture Jounal, Vol. 89, pp. 425-431, 2020.
10.2503/hortj.UTD-170

[19] L. Gong, M. Yu, S. Jiang, V. Cutsuridis, and S. Pearson, "Deep learning based prediction on greenhouse crop yield combined TCN and RNN", Sensors, Vol. 21, 4537, 2021.
10.3390/s21134537

[20] 백정현, 허정욱, 김현환, 홍영신, 이재수, "클라우드 기반 한국형 스마트온실 연구 플랫폼 설계 방안", 시설원예․식물공장, 제27권 제1호, pp. 27-33, 2018.

[21] H. S. Sim, D. S. Kim, M. G. Ahn, S. R. Ahn, and S. K. Kim, "Prediction of strawberry growth and fruit yield based on environmental and growth data in a greenhouse for soil cultivation with applied autonomous facilities", Horticultural Science and Technology, Vol. 38, pp. 840-849, 2020.
10.7235/HORT.20200076

[22] S. H. Han, H. Mutahira, and H. S. Jang, "Prediction of sensor data in a greenhouse for cultivation of paprika plants using a stacking ensemble for smart farms", Applied Sciences, Vol. 13, 10464, 2023.
10.3390/app131810464

[23] D. H. Jung, H. S. Kim, C. Jhin, H. J. Kim, and S. H. Park, "Time-serial analysis of deep neural network models for prediction of climatic conditions inside a greenhouse", Computers and Electronics in Agriculture, Vol. 173, 105402, 2020.
10.1016/j.compag.2020.105402

[24] B. S. Kim, B. G. Kang, S. H. Choi, and T. G. Kim, "Data modeling versus simulation modeling in the big data era: case study of a greenhouse control system", Simulation, Vol. 93, pp. 579-594, 2017.
10.1177/0037549717692866

[25] S. Venkatesan, J. Lim, H. Ko, and Y. Cho, "A machine learning based model for energy usage peak prediction in smart farms", Simulation, Vol. 11, 218, 2022.
10.3390/electronics11020218

[26] 노희선, 이윤숙, "토마토 스마트팜 생육데이터와 수확량의 연관성 분석", 융복합지식학회논문지, 제8권 제3호, pp. 17-25, 2020.

[27] 최영하, 조정래, 이한철, 박동금, 권준국, 이재한, "모모타로-요쿠 토마토 하계 육묘시 용기 크기와 묘령이 정식 후 생육 및 수량에 미치는 영향", 시설원예․식물공장, 제11권 제1호, pp. 12-17, 2002.

[28] H. P. Klaring, and A. Krumbein, "The Effect of constraining the intensity of solar radiation on the photosynthesis, growth, yield and product quality of tomato", Journal of Agronomy and Crop Science, Vol. 199, pp. 351-359, 2013.
10.1111/jac.12018

[29] J. H. Venema, F. Posthumus, and van P. R. Hasselt, "Impact of suboptimal temperature on growth, photosynthesis, leaf pigments and carbohydrates of domestic and high-altitude wild Lycopersicon species", Journal of Plant Physiology, Vol. 155, pp. 711-718, 1999.
10.1016/S0176-1617(99)80087-X

[30] K. Johansen, M. J. L. Morton, Y. Malbeteau, B. Aragon, S. Al-Mashharawi, M. G. Ziliani, Y. Angel, G. Fiene, S. Negrao, M. A. A. Mousa, M. A. Tester, and M. F. McCabe, "Predicting biomass and yield in a tomato phenotyping experiment using UAV imagery and random forest", Frontiers in Artificial Intelligence, Vol. 3, 28, 2020.
10.3389/frai.2020.00028

The Society of Convergence Knowledge Transactions ISSN:2287-8920(Print) 융복합지식학회논문지

All Issue