IoT-ML 파이프라인 기반 Powdery Mildew 예측 정확도 96% 달성

Context

지역 기상 스테이션의 낮은 데이터 해상도로 인한 Microclimate 파악 한계 직면. 가시적 증상 발현 후 처리를 수행하는 Reactive 방식의 관리 체계로 인한 조기 대응 실패 문제 존재.

Technical Solution

• Vine-level IoT Sensor Network 구축을 통한 고해상도 환경 데이터 수집
• LoRaWAN Gateway와 MQTT 프로토콜을 활용한 Cloud 기반 실시간 Data Pipeline 설계
• SVM 및 Logistic Regression 하이브리드 모델 적용으로 예측 정확도 96% 확보
• 온도(20-27°C) 및 상대 습도 중심의 Feature Engineering을 통한 질병 특화 모델 최적화
• Deep Learning 기반 Fuzzy Annotation 도입을 통한 실시간 Breakpoint 탐지 및 타겟팅 개입 체계 구축
• 도메인 지식 기반의 Risk Scoring 로직을 ML Inference 레이어에 통합하여 의사결정 지원

Impact

• SVM+LR 하이브리드 모델 기반 예측 정확도 96% 달성
• 가시적 증상 발현 3~5일 전 조기 경보 가능