장단기 메모리 순환 신경망을 이용한 벼 도열병 조기 예측

벼 생산에 영향을 미치는 모든 질병 중 벼 도열병이 가장 큰 영향을 미칩니다. 따라서 이 질병의 발생을 모니터링하고 정확하게 예측하는 것이 중요합니다; 이 질병의 조기 예측은 예방에 특히 유용할 것입니다. 여기에서 우리는 벼 도열병 예측을 위한 인공지능 기반 모델을 제안합니다. 한국의 벼 생산을 대표하는 지역에서의 벼 도열병 발생에 대한 역사적 데이터와 기후 데이터를 사용하여 세 가지 다른 지역(철원, 이천, 밀양)에 대한 지역 특화 모델을 개발합니다. 그 후 장기 메모리 네트워크(LSTM)를 사용하여 벼 도열병 발생을 1년 미리 예측합니다. 제안된 LSTM 모델의 예측 성능은 입력 변수(즉, 벼 도열병 점수, 기온, 상대 습도 및 일조 시간)를 변화시켜 평가됩니다. 가장 널리 재배되는 벼 품종이 선정되며, 이러한 품종에 대한 예측 결과가 분석됩니다. LSTM 모델을 누적된 벼 도열병 점수 데이터에 적용한 결과 벼 도열병 발생을 성공적으로 예측한 것으로 확인됩니다. 모든 지역에서 네 가지 입력 변수를 결합했을 때 예측이 가장 정확합니다. 제안된 LSTM 모델을 사용한 벼 도열병 곰팡이 예측은 품종 기반입니다; 따라서 이 모델은 기존의 벼 도열병 예측 모델보다 벼 육종가와 벼 도열병 연구자에게 더 유용할 것입니다.