ICT 기반 아프리카 소농민의 병해충 문제 해결 서비스 설계

Ⅰ. 서 론

병해충 문제의 해결방안 모색을 위하여 문제가 되는 지역의 배경과 구체적인 실태를 분석하였다[1]. 먼저, 아프리카 기준 주요 작물과 생산량은 표 1과 같이 카사바, 사탕수수, 옥수수, 얌, 쌀 순으로 나타났다[2]. 아프리카는 농업 분야에서 성장 잠재력을 가지고 있음에도 불구하고 다양한 요인으로 그 생산량이 기대에 못 미치고 있다. 그 원인 중 하나로 병해충 관리가 심각한 문제를 일으키고 있으며, 기후 변화로 인한 영향으로 더 악화될 것으로 예상된다.

Table 1.

Major crops based on Africa’s production

아프리카에서 농업은 아프리카 전체 GDP의 32%를 차지하는 최대 산업이며, 대륙 중 최대 크기의 농경지를 보유하고 있어 농업 성장 잠재력이 크다. 하지만 거의 모든 아프리카 국가는 농업 생산력이 낮아 자급자족이 어려운 실정이다[3]. 아프리카의 농업 생산량을 감소시키는 요인으로는 여러 가지가 지적되지만, 그 중에서도 기후변화로 인한 병해충의 심각성이 두드러지게 나타나는 것으로 보고되었다[4]. 특히, 사하라 남부 아프리카는 극단적 기후변화로 인해 극한의 기온과 강우가 급증하는 등 근래 심각하게 영향을 받고 있으며, 이러한 기후변화는 농산물의 질병 및 해충의 확산에 영향을 미치고 있다. 특히 공룡이라 불리는 사막 메뚜기는 농작물, 풀 관목 및 나무를 먹어 큰 피해를 야기하고 있다. KwaZulu-Natal 대학의 농업 및 환경 과학 교수인 Paramu Mafongoya[5]에 따르면, 2019년 소말리아와 에티오피아에서 사막 메뚜기떼가 나타나 7만 헥타르의 농지를 파괴한 것으로 보고되었다. 뿐만 아니라, 가을군대벌레라는 해충은 매년 800만~2,000만 톤의 옥수수 손실을 일으키는 것으로 추정된다. 해충이 관리되지 않을 경우 앞으로 작물 생산을 25~40%까지 감소시킬 것으로 예측하고 있다.

병해충으로 인해 작물 손실이 급증하는 데에 반해 관리는 효과적으로 이루어지지 않는 실정이다. 사하라 사막 남부 아프리카 지역에서 규제 및 제도적 장치가 미흡하여 해충 관리가 효과적으로 이루어지지 않고 있다. 소규모 농부들은 불필요하게 살충제를 많이 사용하고 있으며 이는 병해충의 내성을 키워 문제를 악화시킨다[6]. 위 문제를 해결하기 위하여 여러 국가들이 통합해충관리 시스템(IPM; Integrated Pest Management)을 도입하고 있지만, 그 효과가 기대만큼 성과를 보이지 못하고 있는 실정이다. IPM의 효과를 저해하는 주요 요인은 소농민들의 농민의 문해력이 부족하고, IPM을 이루는 과정에 대한 이해력이 떨어지기 때문인 것으로 나타났다[7].

아프리카의 IPM에서 소규모 그룹으로 구성된 농부와 트레이너가 한 시즌 동안 FFS (Farmer Field Schools)를 진행하여 여러 아프리카 지역에서 실행되는데 농부들에게 농업 생테계분석의 기본 원칙을 교육한다[8]. 그러나 FFS는 자원 집약적으로 운영되는 특성이 있어 농부들 중 일부에만 접근가능하다는 단점이 있다. 현재, 대다수 농부들은 정보에 접근할 수 있는 적절한 수단이 제한적이며, 효과적인 의사결정을 내릴 수 있는 정보량이 부족하거나 문해력이 낮거나 소통의 어려움이 있는 등 때문에 살충제에 대한 인식이 부족하다. 따라서 이러한 한계를 극복하고 문제를 해결하기 위해 교육 및 지식 전달 방법을 개선하는 조치가 필요하다.

병해충 관리 방안 측면에서, 우리나라의 경우에는 ‘병해충 방제 시스템’[9]을 운영하여 손쉽게 정보를 제공받을 수 있도록 하고 농민들 스스로 문제상황을 해결할 수 있도록 하는 서비스를 제공 중이다. 독일, 브라질, 인도의 농부들은 ‘플랜틱스(Plantix)’ 애플리케이션을 사용하여 역시 유용한 ‘정보’를 제공하는 방식으로 농부들을 돕고 있다[10]. 개별 농부들의 농법에 대한 이해가 병해충 관리에 필수적이므로, 교육 수준이 병해충 대처에 있어 큰 변수로 작용한다[11]. 아프리카 정부들 또한 농법에 대한 교육을 지속적으로 강화하고자 노력하고 있으나, 아프리카 정부의 행정 역량 부족과 NGO 단체에 대한 높은 의존으로 교육 수준이 빠르게 향상되지 않는 문제가 있다[12]. 따라서, 교육의 효과를 높이고 한계를 극복하기 위한 교육 및 지식 전달 방법에 대한 개선이 필요하다.

본 연구는 기존 사례 연구 및 현장 전문가와의 인터뷰를 토대로 교육을 중심으로 한 병해충 문제 방법을 제안하였다. 현지 실정에 대한 이해를 기반으로 아프리카 소규모 농부들의 병해충 문제 해결 교육 및 지식 전달 방법을 개선하기 위한 서비스 애플리케이션을 기획하였다. 농부 스스로 농법에 관해 공부할 수 있으며, 문제에 적극적으로 대처하기 위한 ICT 기술 기반의 신고 시스템을 도입한 스마트폰 애플리케이션을 제안하였다[13]. 이를 위하여 사례연구와 인터뷰를 통한 현지 상황을 조사하여 서비스 개발 프로세스에 따라 서비스 앱의 주요 기능과 화면을 설계하였다.

Ⅱ. 사례연구

병해충 예방 애플리케이션 기획을 위하여 이미 출시된 앱 개발 사례를 연구하였다. 사례연구를 통해 아프리카 지역에서 병해충 예방을 위한 애플리케이션의 서비스 기획 및 설계에 유용한 인사이트를 확보하였다.

Ⅲ. 인터뷰 기반 현황 조사

본 연구는 Korea International Cooperation Agency (KOICA) 동아프리카 전임 연구원, 에티오피아 월드비전 데이터 테크니션 전임자, 우간다 International Development Institute (IDI) 현지 연구원, 에티오피아 파견 종교인(개신교 선교사), 사단법인 나눔과 기술의 고문 등 5명을 대상으로 인터뷰 방식으로 (1) 현지 농업 여건, (2) 행정 현황, (3) 농업 교육 현황에 대해서 조사하였다.

Ⅳ. 서비스 개발 절차

4-1 주요 기능 정의

조사한 자료 및 현지 전문가 인터뷰 등을 통하여, 소농민을 위한 기능(교육, 병해충 신고, 팟캐스트 청취)과 관리자(Extension Agent)를 위한 기능(병해충 예측 기능, 커뮤니티 기능, 팟캐스트 기능)으로 구분하여 애플리케이션의 주요 기능들이 제안되었다. 전문가 인터뷰를 통하여, 직관적인 이해와 즉각적 적용이 가능한 시청각 자료 중심의 소통 및 교육이 제공될 필요성을 확인하였으며, 이를 핵심 개념으로 하는 애플리케이션의 주요 기능들을 표 2와 같이 구상하였다.

Table 2.

Definitions of main functions

4-2 화면 정의

서비스 애플리케이션을 구체적으로 설계하기 전, 정보구조(Information Architecture, IA)를 기준으로 각 메뉴에 속하는 화면별 주요 기능과 인터페이스들을 정의하기 위하여 화면 및 기능 요구서를 작성하였다. 그림 1은 애플리케이션 화면 및 기능 요구서에 대한 예시이다.

Fig. 1.

Display statement (illustrated)

4-3 서비스 프로토타입 제작

위의 화면 정의서를 기반으로, Figma (Figma, Inc., San Francisco, CA, USA) 툴을 이용하여 서비스 애플리케이션의 프로토타입을 제작하였다. 애플리케이션의 주요 기능들에 대하여 현지 소농민 및 관리자들이 직관적으로 효과적으로 활용하기에 적합하도록 레이아웃 및 인터페이스를 사용자 중심으로 설계하였다.

Fig. 2.

Example of prototyping with Figma

Ⅴ. 최종 서비스 제안

5-1 소농민을 위한 주요 기능

본 연구는 현지 소농민들의 농업 여건과 교육 수준 등을 종합적으로 고려하여 다음의 기능들을 갖춘 최종 서비스를 제안하였다. 소농민은 병해충 대처 및 예방 능력이 부족하여 교육이 필수적인 반면, 문맹률이 높아 글을 통한 정보 전달의 효과가 낮으므로 이러한 여건을 반영하여 본 서비스는 팟캐스트 기반의 음성 정보 제공 서비스를 주요 기능으로 한다.

1) 교육 및 진단 기능

이미지 분석 인공지능 기술 중 하나인 Convolutional neural networks (CNN)를 활용하여 관리자가 병해충을 발견하였을 때 사진 촬영으로 병해충의 이름과 해결방안이 담긴 영상 또는 음성을 제공한다. 본 연구는 병해충 이미지 인식과 분류에 CNN 기술을 성공적으로 적용한 기존 연구들[18],[19]을 기반으로 본 기능을 제안하였다. 기존 연구들은 복잡한 농업 이미지 데이터에서 병해충을 정확히 식별하고 분류하는 기술을 제안하였으며, 이러한 기술을 통해 본 연구에서 제안하는 소농민 대상 교육 및 진단 서비스의 구현가능성을 고찰하였다. 이를 바탕으로 소농민은 병해충의 예방과 대처 방안을 교육받을 수 있다. CNN을 활용한 병해충 종류 분석 기술의 활용 단계는 그림 3에 예시된 것과 같으며, 주요 화면은 그림 4와 같다.

Fig. 3.

CNN technology utilization stage

Fig. 4.

Pest diagnosis interface

2) 신고 기능

소농민들이 농가 현황에 대하여 문제를 신고하거나 관리자로부터 정보를 얻기 위하여 먼 거리를 이동해야 하는 어려움을 해결하기 위하여 녹음 방식의 신고기능을 설계하였다. 글을 잘 모르는 소농민들을 위해 목소리 녹음으로 간편하게 긴급상황 또는 농지 관련 정보를 관리자에게 전송할 수 있는 기능이다. 신고를 통해 즉각적이고 직접적인 문제 해결을 가능하게 한다. 그림 5는 음성을 활용한 신고 기능의 화면과 인터페이스에 대한 예시이다.

Fig. 5.

Voice report interface

3) 팟캐스트 기능

병해충은 주변 농가에 빠르게 확산될 수 있다. 하지만 병해충의 발견과 동시에 다른 농가에 알리지 않는 문제가 빈번히 일어나는 문제를 해결하기 위해 음성 팟캐스트 기반의 정보 제공 기능을 설계하였다. 관리자가 하루 동안 발생한 사건이나 주요 사항을 녹음하여 애플리케이션을 통해 서버에 음성을 업로드하면, 소농민들의 스마트폰 푸쉬알림을 통해 중요한 정보를 제공하는 방식으로 소식을 공유할 수 있는 기능이다. 이것은 기존에 라디오로 소식을 접하는 문화에 바탕을 두고 있어, 소농민들에게 익숙하다. 하지만 라디오는 일방향 정보 제공 매체이므로 라디오 청취 시간에 따라 정보를 놓칠 수 있다는 한계가 있으나, 팟캐스트는 온디맨드 매체이므로 사용자가 언제든지 정보를 접할 수 있다는 장점이 있다. 이를 통해 병해충 관리에 필요한 정보를 신속하게 공유하고 협력을 촉진하는데 도움을 줄 수 있을 것이다. 그림 6은 팟캐스트를 활용한 정보 제공 기능의 주요 화면에 대한 예시이다.

Fig. 6.

Podcast interface

5-2 관리자를 위한 주요 기능

관리자 모드는 관리자가 보다 쉽게 소농민들 및 농장들을 관리하고 교육하며, 관리자 간에 서로 소통하여 정보 공유를 통한 효율적인 일 처리를 도와주는 기능이다. 현장 관리자들이 경제적 및 물리적 제약으로 소농민들에게 일일이 찾아가서 지식과 정보들을 전달하기 어렵다는 여건 및 주로 단기 교육이 많아 지식과 노하우가 효과적으로 축적되지 않는다는 문제를 해결하기 위하여 본 기능들이 제안하였다.

1) 병해충 발생 예측

시계열 데이터를 분석하는 인공지능 기술 중 하나인 Recurrent Neural Networks (RNN)를 활용하여 소농민들이 촬영한 이미지 데이터를 날짜 또는 날씨 기반으로 분석 및 축적하고 병해충 출현 여부를 예측하여 관리자가 정보를 쉽고 빠르게 파악할 수 있도록 홈 화면에서 관련 정보를 제공한다. RNN을 활용한 병해충 발생 예측 기능은 기존 연구들[20],[21]에서 제시된 농업 분야의 시계열 데이터 분석 기술을 기반으로 현실적인 구현가능성에 대한 고찰을 토대로 제안되었다. 기존 연구들은 RNN 기술이 농업 환경에서 시간에 따른 데이터 패턴을 학습하여 미래의 병해충 발생을 예측하는 것에 대한 효과성을 보여주고 있다. 본 연구에서 제안하는 관리자 대상 병해충 발생 예측 서비스는 이러한 기존 연구의 성과를 바탕으로, 관리자가 농장의 병해충 위험을 사전에 파악하고 대응할 수 있는 능력을 향상시킬 것으로 기대된다. 그림 7은 RNN 기술의 활용 단계를 설명하며, 그림 8은 병해충 예측 정보를 시각화한 예시이다.

Fig. 7.

RNN Technology Utilization Stage

Fig. 8.

Pest occur prediction interface

2) 관리자 커뮤니티

어느 지역에 어떤 병해충이 발생하였는지, 어떤 교육이 더욱 효과적이었는지 등과 같은 정보를 공유함으로써 지속적이고 체계적으로 농가들이 관리되고, 불필요한 교육 중첩을 방지하기 위해 관리자들간의 소통을 위한 커뮤니티 기능을 제안하였다. 그림 9는 관리자 커뮤니티 화면의 예시이다.

Fig. 9.

Manager community interface

3) 팟캐스트

앱 내에서 음성 입력 기능을 통해 중요 정보 및 교육 콘텐츠를 음성으로 제공하는 기능이다. 또한 스마트폰으로 손쉽게 병해충 관리 교육 영상을 촬영하여 빠르고 간편하게 영상을 업로드할 수 있다. 교육 영상을 업로드함으로써 소농민들이 편리하게 반복적으로 시청할 수 있게 하여 교육의 효과를 높여준다. 그림 10은 팟캐스트 기능의 화면에 대한 예시이다.

Fig. 10.

Podcast interface

4) 데이터베이스 기반 업무 보조 기능

관리자가 관리하는 각 농장의 정보와 위치를 저장할 수 있으며 이를 시각적으로 인지하기 용이한 형태로 보여준다. 더불어 소농민들의 신고와 사진 촬영을 통한 데이터로 병해충 발생 빈도와 심각성을 관련 그래프로 나타내어 관리자의 조치 후 경과를 한눈에 파악할 수 있도록 하는 기능이다. 그림 11은 데이터베이스 기반의 업무 보조 기능에 대한 화면 예시이다.

Fig. 11.

Database-based assistant interface

Ⅴ. 토의 및 결론

본 연구는 아프리카 소농민들의 높은 문맹률로 인한 소통의 어려움과 관련하여 병해충 문제를 해결하기 위해 음성과 영상을 활용하는 서비스 애플리케이션을 제안하였다. 본 애플리케이션은 민간 차원에서 병해충 예방 및 대응을 지원함으로써 아프리카 농업에 긍정적인 영향을 미치는 것을 목표로 한다. 특히, 본 연구에서 제안한 서비스 플랫폼은 아프리카 지역의 병해충에 노출되어 있는 소규모 농장을 운영하는 영세 농민을 대상으로 효과가 있을 것으로 사료된다. 특히, 현장 전문가들과의 인터뷰를 기반으로 현실적으로 적정하게 실현 가능한 방안을 제안하고자 하였다. 현장 전문가들에 따르면, 소농민은 문해력이 낮기 때문에 시청각 매체를 선호한다. 소농민들은 기존에 라디오를 통해 농업에 관한 정보를 들었지만, 본 연구가 제안한 스마트폰 애플리케이션을 활용하면 필요에 따라(on-demand) 필요한 정보를 얻거나, 알림 기능을 통해 중요한 정보를 놓치지 않을 수 있으므로, 농업에 관한 지식과 정보에 접근하기 어려웠던 소농민들의 요구를 충족시킬 것이다. 또한, 기존의 연구들[18],[19],[21],[22]을 기반으로 인공지능을 활용하여 사진촬영을 통해 관리자와의 소통이 없이도 간편하게 병해충 정보를 습득하고 병해충 확산을 예방할 수 있도록 하는 방안을 제안하였다.

관리자의 입장에서 본 연구가 제안한 애플리케이션 플랫폼은 다음과 같이 농업 사회에 기여할 수 있다. 첫째, 애플리케이션의 사용을 통해 관리자들은 직접 대면 교육을 제공하지 않더라도 물리적인 거리 제약 없이 농민들을 교육하고 관리할 수 있다. 이를 통해 음성과 영상에 기반하여 보다 효율적인 교육을 제공하며 지속적인 농민들의 병해충 관리가 가능해질 수 있을 것으로 기대된다. 둘째, 애플리케이션의 신고 기능을 통해 관리자들은 실시간으로 병해충 관련 보고를 받아들여 신속한 대응이 가능해진다. 이를 통해 농업 생산성을 향상시킬 수 있으며, 문제 상황에 대한 빠른 조치로 인해 농작물 손실을 최소화할 수 있을 것으로 기대된다. 인공지능 기술을 통해 관리자의 업무 일부를 대체함으로써 관리자의 부담을 줄여줄 수 있을 것이다. 위와 같은 기능을 통해 관리자는 농업 생산성과 농민들의 안정적인 소득을 지원하며, 병해충 문제에 대한 신속하고 효과적인 대응을 가능하게 함으로써 농업 분야에서 긍정적인 영향을 미칠 것으로 기대된다.

본 연구에서 제안한 애플리케이션 플랫폼의 구현 및 지속가능한 활용 측면에서 본 연구의 한계 및 추후 연구는 다음과 같다. 첫째, 본 연구의 특성상 아프리카 농가를 직접 방문하지 않고서는 프로토타입에 대한 실사용자 피드백을 얻을 수 없었기 때문에, 현지 상황에 대한 정확한 반영을 통한 기획이 어려운 한계가 있다. 따라서, 제안된 애플리케이션의 효용성을 검증하기 위해서는 추후 실사용자를 대상으로 한 사용자 조사 연구가 필요하다. 둘째, 본 플랫폼의 주요 기능들은 제한된 숫자의 현장 전문가들의 의견을 기반으로 제안되었으므로, 추후 본 플랫폼을 고도화하기 위해서는 보다 다양한 현장 이해관계자들의 의견들을 다각적으로 고려할 필요가 있다. 셋째, 본 애플리케이션은 다수의 농민들과 관리자들이 참여하는 플랫폼 형식으로 구성되어 있으므로, 효과성을 높이기 위해서는 사용자 확보가 필수적이다. 하지만 아프리카 지역의 스마트폰 보급률이 높지 않기 때문에 각 농민들과 관리자들이 일대일로 소통하는 것은 어려울 수 있다. 따라서, 추후 현지 조사 등을 통하여 마을 또는 소규모 공동체 단위로 본 애플리케이션을 활용하는 방법에 대한 연구가 필요할 것으로 보인다. 마지막으로, 제안한 플랫폼을 장기간 안정적으로 활용하기 위한 비용 및 경영활동적 측면에 대한 고려가 필요하다. 또한, 이러한 한계들을 극복하기 위해서는 현지 상황을 더 깊이 이해하고 사용자들의 의견을 수렴하기 위하여 현장 기반의 연구활동이 필요할 것으로 사료된다.

References

• J. Lim, D. Jeong, K. Seo, K. Yoon, I. Cho, C. Hong, ... and H. Lim, African Agricultural Modernization and Implications, Korea Trade-Investment Promotion Agency, Seoul, Global Market Report 16-050, October 2016.
• Visual Capitalist. What are the Most Produced Cash Crops in Africa? [Internet]. Available: https://www.visualcapitalist.com/cp/what-are-the-most-produced-cash-crops-in-africa/, .
• SciDev.Net. Helping Africa’s Farmers Control Climate-Induced Pests [Internet]. Available: https://www.scidev.net/sub-saharan-africa/features/helping-africas-farmers-control-climate-induced-pests/, .
• S.-Y. Jang and H.-B. Kim, “A Study on the Classification of Crop Pest Image Based on Deep Learning,” in Proceedings of the Electrical Industry Application Society of KIEE Fall Conference, Yongin, pp. 77-80, November 2022.
• H. de Bon, J. Huat, L. Parrot, A. Sinzogan, T. Martin, E. Malézieux, and J.-F. Vayssières, “Pesticide Risks from Fruit and Vegetable Pest Management by Small Farmers in Sub-Saharan Africa. A Review,” Agronomy for Sustainable Development, Vol. 34, pp. 723-736, 2014. [https://doi.org/10.1007/s13593-014-0216-7]
• J.-P. Deguine, J.-N. Aubertot, R. J. Flor, F. Lescourret, K. A. G. Wyckhuys, and A. Ratnadass, “Integrated Pest Management: Good Intentions, Hard Realities. A Review,” Agronomy for Sustainable Development, Vol. 41, 38, 2021. [https://doi.org/10.1007/s13593-021-00689-w]
• M. Tamò, I. Glitho, G. Tepa-Yotto, and R. Muniappan, “How Does IPM 3.0 Look Like (and Why Do We Need It in Africa)?,” Current Opinion in Insect Science, Vol. 53, 100961, October 2022. [https://doi.org/10.1016/j.cois.2022.100961]
• S.-R. Lee, H.-K. Shin, S.-A. An, and K. Yu, “Development of Voice Assistant Apps for Low Vision People Based on Artificial Intelligence,” Journal of Digital Contents Society, Vol. 21, No. 2, pp. 277-284, February 2020. [https://doi.org/10.9728/dcs.2020.21.2.277]
• Rural Development Administration. NCPMS (National Crop Pest Management System) [Internet]. Available: https://ncpms.rda.go.kr/, .
• LG Innotek. When Agriculture Meets Technology, Something Happens: Agri-Tech [Internet]. Available: https://news.lginnotek.com/844, .
• S. Houngbo, A. Zannou, A. Aoudji, H .C. Sossou, A. Sinzogan, R. Sikirou, ... and A. Ahanchédé, “Farmers’ Knowledge and Management Practices of Fall Armyworm, Spodoptera Frugiperda (J.E. Smith) in Benin, West Africa,” Agriculture, Vol. 10, No. 10, 430. [https://doi.org/10.3390/agriculture10100430]
• S. Jeon and S. Park, “Current Status and Challenges of Agriculture in the Democratic Republic of Congo,” World Agriculture, Vol. 166, pp. 129-155, June 2014.
• H. J. Lee, “Paradigm Shift in Design Methodology for HCI Design,” in Proceedings of HCI Korea 2010, Pyeongchang, pp. 465-467, January 2010.
• Nongupin News. Nonghyup Chemical and BASF Jointly Launch ‘Javio Scouting’ App [Internet]. Available: https://www.nongupin.co.kr/news/articleView.html?idxno=95078, .
• Agrifood Networks. Africa Agricultural Technology and the Issue of Literacy [Internet]. Available: https://agrifoodnetworks.org/article/agricultural-technology-and-issue-of-literacy, .
• Voice of America. Africa Chad, The World’s Most Illiterate Country [Internet]. Available: https://www.voakorea.com/a/a-35-2010-01-15-voa27-91417444/1330008.html, .
• W. J. Lee, “KOICA Rural Development Project in Africa and Case Studies of Major Projects,” Korean National Committee on Irrigation and Drainage, Vol. 59, pp. 72-76, June 2017.
• I. Jang, S. Kim, H. Park, M. Kim, and J. Eun, Artificial Neural Network Technologies and Development Directions for Smart Farms, Institute for Information & Communications Technology Promotion, Daejeon, Weekly Technology Trends, December 2016.
• H. Choi, H. Ahn, Y. Jeong, and B. Lee, “A Smart Farm Environment Optimization and Yield Prediction Platform Based on IoT and Deep Learning,” The Journal of Korea Institute of Information, Electronics, and Communication Technology, Vol. 12, No. 6, pp. 672-680, December 2019. [https://doi.org/10.17661/jkiiect.2019.12.6.672]
• B. Lee, S. Park, B. Kim, M. Kim, W. Sang, M. Seo, ... and C. Mo, “Development of Intelligent Soil Moisture Content Prediction Model for Field Smart Farms Using RNN-LSTM,” in Proceedings of the Korean Society for Agricultural Machinery 2022 Spring Conference, Wanju, pp. 127-127, April 2022.
• Y. Choi, J. Choi, H. Choi, S. Chung, S. Lee, H. Hwang, ... and J. Yoo, “Analysis of Error Detection Schemes for Smart Farm Data,” in Proceedings of the Korea Contents Association Conference, Gunsan, pp. 263-264, May 2023.