작물 모델은 광범위한 연구 목적과 규모를 위해 개발되어 왔으나, 현재의 모델링 연구들이 다양하기 때문에 호환성이 낮다. 모델의 적응성을 향상시키면 모델 통합으로 이어질 수 있다. 심층 신경망은 전통적인 모델링 매개변수가 없으므로, 모델 학습에 따라 다양한 입력 및 출력 조합이 가능하다. 이러한 장점에도 불구하고, 전 과정 기반(process-based) 작물 모델이 완전한 심층 신경망 복합체(complexes)로서 시험된 바는 없다. 본 연구의 목적은 수경재배(hydroponic) 스위트 페퍼를 위한 전 과정 기반 딥러닝 모델을 개발하는 것이었다. 환경 시퀀스로부터 서로 다른 생장 인자를 처리하기 위해 어텐션 메커니즘(attention mechanism)과 멀티태스크 학습(multitask learning)을 선택하였다. 알고리즘은 생장 시뮬레이션 회귀(regression) 과제에 적합하도록 수정하였다. 재배는 온실에서 연 2회, 2년 동안 수행하였다. 개발된 작물 모델인 DeepCrop은, 보지 못한 데이터(unseen data)를 사용한 평가에서 이용 가능한 작물 모델들에 비해 가장 높은 모델링 효율(= 0.76)과 가장 낮은 정규화 평균제곱오차(= 0.18)를 보였다. t-분포 확률적 이웃 임베딩 분포(t-distributed stochastic neighbor embedding distribution)와 어텐션 가중치(attention weights)는 DeepCrop이 인지적 능력(cognitive ability) 관점에서 분석될 수 있음을 뒷받침하였다. DeepCrop의 높은 적응성을 바탕으로, 본 연구에서 개발된 모델은 기존 작물 모델을 대체할 수 있는 다목적 도구로서, 복잡한 정보를 분석함으로써 얽혀 있는 농업 시스템을 드러내는 데 활용될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.