5월 22일에 열린 한국원예학회에서 김선호 석박통합과정생이 발표하였습니다.

▶ 연구제목: Physiology-guided multi-objective machine learning for robust fructose prediction in pear under inter-anual climate variabilt

▶ 연구내용:

 - 기후 변동성과 생육 단계 차이로 인해 예측이 어려운 배(신고품종)의 과당(fructose) 축적을 정밀 예측하기 위한 생리학 기반 머신러닝 프레임워크를 제안함.

 - 생육·환경 조건에서 당 축적 가능성을 반영하는 Gaussian climate gate, 장기적 비대칭 성장 패턴을 반영하는 Richards growth kernel, 대사 연속성을 반영하는 자가회귀 당 지표를 통합하여 생리학적 메타특징을 생성함.

 - 생성된 특징을 XGBoost 회귀모델에 적용하고, 단일 목적(Optuna) 및 다목적(NSGA-III) 최적화를 통해 정확도와 안정성 간 균형을 탐색함.

 - 분석 결과, 기후 게이트가 가장 큰 성능 향상 요인이었으며, 제안 모델은 다른 당 성분 및 과실 품질 특성 예측에도 확장 가능함.