透過機器學習堆疊整合法預測智慧農場辣椒植物溫室數據

　　近年來，由於農業結構性問題，韓國面臨農民老化、農業勞動力減少、生產面積減少、進口農產品增加等問題導致韓國農業成長、收入和出口停滯。智慧農場作為解決這些問題和振興農業的解決方案正在獲得認可，智慧農場透過監測和控制土壤品質、氣候條件和作物疾病發生等因素，以自動化和機械化優化農業流程。

　　研究重點團隊先建立智慧農場測試平台，並從6月至9月對溫室栽培之辣椒進行實驗，收集環境感測器數據，根據收集之數據進行核密度估計分析、數據分析和相關熱圖分析，接著利用機器學習中的長短期記憶(LSTM)、雙向長短期記憶(BiLSTM)和循環神經網路(GRU)作為基礎模型開發出堆疊整合模型。

　　研究結果與LSTM、BI-LSTM和GRU作為預測感測器氣溫資料變數之一之現有模型相比，團隊開發之堆疊整合模型表現出優越結果，均方誤差MSE 0.594，平均絕對誤差MAE 0.601，R平方值為 0.958。但也具備一些限制，資料收集和分析時間相對較短，大約從六月到九月，歷時約三個月，韓國四季分明，農作物生長與環境條件差異顯著。

　　研究成果已發表在MDPI應用科學期刊第18期《農業科技》，這項研究建構出堆疊整合模型驗證有效預測氣溫，顯示從依賴經驗之傳統農業轉換採用數據分析和人工智慧等數位轉型，為智慧農場奠定了基礎，在農業領域具有貢獻。【延伸閱讀】- 使用物聯網與回歸機器學習運算，打造自動化智慧溫室系統