스마트팜의 정밀 환경 제어를 위해서는 데이터 품질 확보가 필수적이며, 특히 최근 제정된 ‘스마트 온실 센서/노드 메타데이터(KS X 3269, KS X 3287)’ 표준의 실효성을 확보하기 위해 데이터 무결성이 선행되어야 한다. 그러나 기존 연구는 이상치의 원인을 구분하지 않고 획일적으로 처리하여 제어 연속성을 저해하는 한계가 있다. 이에 본 연구는 LSTM 기반 예측 모델과 시계열 지속성 분석(K-Counter)을 통해 이상치를 ‘일시적 이상치(잡음)’와 ‘지속적 이상치(고장)’로 자동 분류하는 지능형 정제 프레임워크를 제안한다. 제안 방식은 일시적 이상치를 예측값으로 교정하여 제어 데이터의 연속성을 유지하고, 지속적 이상치는 KS X 3287 표준에 따라 해당 노드 상태를 ‘오류(ERROR)’로 갱신하여 제어 로직에서 즉시 배제한다. KS X 3269 표준 범위를 준수한 실험 결과 98.1%의 분류 정확도를 달성하였으며, 본 연구는 국가 표준 기반 스마트팜 제어 시스템의 상호운용성과 안정성 향상에 기여한다.
Ko et al. (Tue,) studied this question.