Deep Logic, Transparent Output

FarmSense는 "단순 진단"을 넘어섭니다.
수만 건의 데이터와 정교한 알고리즘이 결합된 진짜 의사결정 지원 시스템(DSS)을 경험하세요.

Core Algorithm Logic

어떻게 판단하고 예측하는지, FarmSense의 두뇌를 공개합니다.

Prevention

병해충은 특정 환경 조건이 맞을 때만 발생합니다. PMI는 실시간 온습도 데이터와 잎 표면 습윤 지속 시간(Leaf Wetness Duration)을 결합하여 병원균 포자의 발아 가능성을 확률로 계산합니다.

Input DataTemp, Humidity, Leaf Wetness

LogicRisk = f(T, RH, WetHours)

OutputPMI Risk Score (0~1.0)

Yield Prediction

스마트폰 사진 한 장으로 수관(Canopy)의 밀도와 공극률을 분석합니다. 이를 통해 광합성 효율과 엽면적(LAI)을 추정하고, 최종적으로 예상 수확량을 계산합니다.

이미지의 분광 분석(R-G-B Histogram)을 통해 엽록소 활성도를 수치화합니다. 육안으로 식별하기 전, 식물이 받는 미세한 스트레스를 감지하여 '건강 지수'로 표현합니다.

Stress (0.0)Healthy (1.0)

토양 수분 장력(pF)과 일사량 기반의 증발산량(ET) 계산법을 적용합니다. 작물이 실제 필요로 하는 물의 양을 '리터(L)' 단위로 정확히 제안하여 과잉 관수 및 비료 유실을 방지합니다.

VitiCanopy: A free computer app to estimate canopy vigor and porosity for grapevine

De Bei et al. • Sensors (2016)

Plant Disease Forecasting: A Comprehensive Review

Javaid et al. • Agronomy (2022)

Evaluation of spectral disease index PMI to detect early wheat powdery mildew

ResearchGate • Remote Sensing (2018)

Predictive Analytics for Plant Health using Machine Learning Techniques

IJAM • International Journal of Applied Mechanics (2025)

* FarmSense DSS 알고리즘은 위 논문들의 검증된 이론을 바탕으로 구현되었습니다.

본 서비스의 예측 결과는 수집된 데이터와 알고리즘에 기반한 분석 추정치입니다.
실제 환경 변수와 국지적 특성에 따라 오차가 발생할 수 있으며, 최종 영농 의사결정은 농장주의 판단하에 진행되어야 합니다. FarmSense는 의사결정을 돕는 보조 도구로서 기능합니다.