Analysis on Proportional Daily Weight Increase of Swine Using Machine Learning

기계학습을 이용한 비육돈의 비율일당증체분석

Recently, big data analysis based on machine learning has gained popularity and many machine learning techniques have been applied to the field of agriculture. By using machine learning technique to analyze huge number of samples of biological and environmental data, new observations can be found. In this research, we consider the estimation of proportional daily weight increase (PDWI) based on measurement data from experimental swine farm. In order to derive the exact formulation for PDWI estimation, we have used measured value of mean, daily maximum, daily minimum of temperature, humidity, CO2, wind speed and measured PDWI values. Based on collected data, we have derived equation for PDWI estimation using tree-based algorithm. In the derived formulation, we have found that the daily average temperature is the most dominant factor that affects PDWI. Our results can be applied to pig farms to estimate the PDWI of swine.

최근 기계학습기반 빅데이터 분석이 많은 주목을 받으며 축산분야에도 다양한 기계학습 방안들이 적용되고 있다. 많은 양의 생체데이터와 환경데이터에 기계학습기법을 적용하여 분석함으로써 이전에는 발견하지 못했던 새로운 사실들을 밝혀낼 수 있다. 본 연구에서는 실험돈사에서 수집된 데이터를 기반으로 비육돈의 비율일당증체를 예측하는 방안에 대해서 다루었다. 비율일당증체 예측을 위해서 매일 측정된 온도/습도/이산화탄소/풍속의 일평균/일최소/일최대 데이터(환경데이터)과 비율일당증체(생체데이터)를 이용하였고, 트리기반 알고리즘을 사용하여 비율일당증체 예측수식을 도출하였다. 이를 통해 평균 온도가 비율일당증체에 가장 큰 영향을 미치는 요소인 것을 보였다. 본 연구의 결과는 각 양돈농가에서 비육돈의 성장을 예측하는데 유용하게 활용될 수 있을 것이다.