스마트 아쿠아포닉스에서 기계 비전 기반의 상추 성장 단계 분류로 모델링된 기계 학습 알고리즘의 비교 분석

식량 부족 문제를 해결하기 위한 도시 농업의 혁신이 촉발되고 있다. 도시 농업의 방법 중 하나는 스마트 아쿠아포닉스이다. 그러나 스마트 아쿠아포닉스가 성공적으로 작물을 생산하기 위해서는 집중적인 모니터링, 제어 및 자동화가 필요하다. 이를 효율적으로 구현하는 방법은 비전 시스템과 기계 학습 알고리즘을 활용하여 농업 기술의 능력을 최적화하는 것이다. 이를 실현하기 위해, 세 가지 기계 학습 추정기인 로지스틱 회귀(LR), K-최근접 이웃(KNN), 선형 서포트 벡터 머신(L-SVM)에 대한 비교 분석을 실시하였다. 이는 스마트 아쿠아포닉스 환경에서 재배된 상추의 기계 비전 특성 추출 이미지로부터 각 알고리즘을 모델링하여 수행되었다. 각 모델은 교차 검증 및 홀드아웃 검증을 증가시키기 위해 최적화되었다. 결과는 조정된 하이퍼파라미터(nₙeighbors=24, weights='distance', algorithm='auto', leafₛize = 10)를 가진 KNN이 주어진 데이터세트에 대해 가장 효과적인 모델로 나타났으며, 교차 검증 평균 정확도는 87.06%이고 분류 정확도는 91.67%였다.