AgroLens 프로젝트는 기계 학습(ML) 기반 방법론을 개발하여 실험실 검사 없이 토양 영양소 수준을 예측함으로써 효율적인 영양 관리 및 정밀 시비를 가능하게 합니다. 유럽 LUCAS 토양 데이터셋과 Sentinel-2 위성 영상을 사용하여 인, 칼륨, 질소, pH 수준 등 주요 토양 특성을 추정하는 강력한 유럽 모델을 개발하고, 기상 데이터, 수확량, Clay AI 생성 임베딩과 같은 보충 기능을 통합하여 모델을 향상시켰습니다. Random Forests, XGBoost, FCNN과 같은 고급 알고리즘을 구현하여 정밀한 영양소 예측을 위한 모델을 미세 조정했습니다. 결과는 엄격한 정확도 기준을 충족하는 RMSE 값을 보여주는 강력한 모델 성능을 보여줍니다. 본 연구는 재현 가능하고 확장 가능한 토양 영양소 예측 파이프라인을 구축하여 아프리카와 같은 자원이 부족한 지역에서 정밀 시비 및 자원 배분 개선 등 혁신적인 농업 응용을 위한 길을 열었습니다.
