순환신경망 기반 저온 저장 양파의 물성 변화 시계열 예측 모델 개발 = Development of RNN-based model for time-series prediction of physical property changes in onions during cold storage

국문 초록 (Abstract)

본 연구에서는 장기간 저온 저장 중인 양파의 물리적 품질 변화를 예측하는 순환신경망(RNN) 기반 모델을 제안하였다. 특정 시점에 국한된 단순 회귀식을 활용하는 기존 연구들과는 달리, 본 모델은 시계열 기반의 저장 환경 이력을 활용하는 것을 목표로 한다. 더욱이, 실시간으로 쉽게 획득 가능한 환경 정보와 저장 기간만을 입력으로 사용하도록 설계하여 향후 현장 적용 시 실용성을 강조하였다. 모델 개발을 위해, 통제된 조건 하에 양파를 저장하며, 정기적인 샘플링과 실험을 통해 품질 요소 데이터를 축적하였다. 데이터 전 처리 과정에서 각종 노이즈와 시간 해상도 문제를 해결하였으며, 환경과 품질 요소 간 상호작용을 고려해 생물체 항복 강도를 모델의 주 예측 대상으로 선정하였다. LSTM을 포함한 다양한 RNN 기반 모델 및 전통적인 MLR 모델이 개발되었으며, 그 성능을 비교하였다. 농산물 품질 예측을 위한 사전 검증된 모델이 부족한 상황을 고려하여, 다양한 모델 구조와 매개변수 조합을 탐색하기 위해 그리드 탐색 방식을 적용하였다. 최적화된 조합을 기반으로 재학습된 모델들의 성능은 동일한 독립 테스트 데이터를 활용하여 비교되었으며, 제시된 모델 중 LSTM 기반 예측 모델이 가장 좋은 성능과 가장 먼 예측 기간을 보여주었다. 반면, MLR 모델은 학습데이터에 대한 완전한 과적합을 보였으며, 이를 통해 저장 이력을 활용한 품질 예측의 부적합함을 확인할 수 있었다. 본 연구 결과를 통해 RNN의 농산물 저장/유통 연구에 대한 잠재력을 검증하고자 하였으며, 개발된 모델은 향후 수확 후 연구의 기반 기술로서 활용될 수 있을 것으로 기대된다.