- 주최: KIST 강릉분원
- 주관: 데이콘
- 기간: 2022.11.21 ~ 2022.12.19
- 주제: 생육 환경 생성 AI 모델 결과를 바탕으로 상추의 일별 최대 잎 중량을 도출할 수 있는 최적의 생육 환경 조성
- 상추의 일별 잎중량을 예측하는 AI 예측 모델 개발 (정량평가)
- 예측 모델을 활용하여 생육 환경 생성 AI 모델 개발 (정성평가)
→ 생성 AI 모델 결과로부터 상추의 일별 최대 잎 중량을 도출할 수 있는 최적의 생육 환경 조성 및 제안 (최종 결과물)
- 최종 4위 / 137팀 (상위 3%)
- Public Score 8위 4.79935 | Private Score 6위 8.55621
- 최종 순위는 정성평가 포함한 결과
Input
- DAT : 생육 일 (0~27일차)
- obs_time : 측정 시간 (1시간 간격)
- 상추 케이스 별 환경 변수 15개 : 온도, 습도, co2, ec, 분무량, 광량 등 (1시간 간격)
Target
- DAT : 생육 일 (1~28일차)
- predicted_weight_g : 일별 예측한 잎 중량
Train / Test set
- Train set: 총 28개 상추 케이스 (CASE_01 ~ CASE_28.csv)
- Test set: 총 5개 상추 케이스 (CASE_01 ~ CASE_05.csv)
- 예측 모델:
XGBoostRegressor모델에gridsearch로 하이퍼파라미터 튜닝 - 생성 모델: Train set 중에서 팀 내 "최적환경" 기준을 만족하는 케이스 선별 →
sdv PAR모델로 Input 증식 → 기존 예측모델에 Input 대입하여 Target인 'predicted_weight_g' 생성
| 파생변수 종류 | 생성 목적과 방법 |
|---|---|
| 일간 누적값 | 일별 잎 중량을 예측하기 위해 co2, ec, 광량, 비료의 일간 누적값을 계산함 |
| 월간 누적값 | 작물 생육에 필요한 열량을 나타내는 적산온도를 계산하기 위해 기준 온도 이상의 온도를 누적함 |
| 불규칙한 일별 광량을 보정하기 위해 광량의 월간 누적값을 계산함 | |
| feature 간 곱 | Target과의 관계가 유사하거나 Feature 간 상관관계가 높다고 판단한 변수의 영향력을 측정하기 위해 습도 X 온도, 습도 X 온도 X co2, 비료(ec X 분무량), ec X co2를 생성함 |
| DAT 곱 | 작물의 생육곡선이 S자형임을 고려해 최근 환경변수의 영향을 키우기 위해 비료, 습도 X 분무량, co2, 습도 누적, 비료 누적에 생육 일을 곱함 |
- 생성 모델 결과로부터 조성된 생육 환경 해석과 적합성 검토 등의 인사이트는 [왕왕상츄]_PPT자료에서 확인할 수 있습니다