본 논문은 유제품 농가의 소 건강 모니터링 및 수확량 최적화 문제 해결을 위해 설명 가능한 기계 학습(Explainable ML) 기반의 데이터 기반 농업 방식을 제시한다. 3축 가속도계 센서를 이용한 지속적인 데이터 수집과 강력한 ML 방법론 및 알고리즘을 통해 소의 활동과 행동에 대한 실행 가능한 정보를 제공하여 농가의 정보 기반 의사결정 및 지속 가능한 농업 관행 도입을 지원한다. 블루투스 기반 IoT 기기와 4G 네트워크를 사용하여 데이터 전송, 분석, 추론 생성을 원활하게 수행하며, 설명 가능한 AI 프레임워크(SHAP)를 사용하여 모델 성능을 해석한다. 가속도계 시계열 데이터의 전처리(통계적 특징 추출, 신호 처리 기법, 슬라이딩 윈도우 기법을 이용한 지연 기반 특징 추출)에 중점을 두고, 다양한 하이퍼파라미터 최적화 ML 모델을 평가하여 k-최근접 이웃 분류기가 가장 우수한 성능(AUC: 학습 세트 0.98, 표준 편차 0.0026, 테스트 세트 0.99)을 달성함을 보여준다. 중요 특징에 대한 자세한 비교 및 선택된 특징의 안정성 분석을 통해 설명 가능하고 실용적인 ML 모델을 개발하여 지속 가능한 축산 관리를 지원한다.
