최근 농업에 많은 공학분야의 기술들이 접목되고 있지만, 농산물 생산기술과 공학적인 지식을 두루 갖춘 개발자는 그리 많지 않은 상황이다. 이는 작물 생산에 대한 데이터의 부족과 작물 재배환경에 대한 이해가 부족한 이유라 할 수 있을 것이다. 1)김나은 등은 머신러닝 알고리즘을 이용한 온실 딸기 생산량 예측을 통한 연구를 진행하였으며, 작물에 대한엽수, 꽃수, 과실수, 초장, 잎의 길이, 엽록소 함량을 조사하였으며, 환경데이터로는 온도, 습도, 조도 데이터를 수집하여 분석하였다. 2)김세광은 광합성 기반 모델을 이용한 딸기의 생장과 수확량 예측 및 시뮬레이션 모델을 검정하고 생산량을 예측하기도 하였다. 다양한 연구가 진행되고 있지만 딸기는 다른 작물에 비해 민감한 작물이기 때문에 많은 어려움이 따르게 된다. 딸기의 생산은 농가의 소득과 직결되기 때문에 적정한 시기에 수확을 해야 하므로 무엇보다 중요한 작업이다. 그러므로 딸기의 성숙되는 과정을 실시간으로 파악하여 투입되는 노동력을 사전에 파악한다면 생산성 향상에 큰 도움이 될 것이다. 본 연구에서는 Matlab 이미지 데이터의 데이터팁을 활용하여 딸기 성숙상태와 미성숙 상태의 데이터를 수집하여 평균값을 중심으로 파티클 필터링 기법을 이용하여 성숙도 판단을 제안하였다. 딸기의 성숙 정도에 따른 면적비를 통해 백분율로 도출하였으며, 알고리즘은 Matlab 환경에서 구성하였다. 딸기의 화방이 육안으로 확인이 가능한 시기부터 수확까지의 전과정을 이미지 데이터화하여 분석한 결과를 기반으로 분석하여 현장에 합리적으로 접근할 수 있는 데이터를 수집할 수 있었다. RGB 데이터는 조도, 광도, 휘도에 따라 데이터 값이 변형이 쉽게 되므로 성숙도 판단에 대한 RGB 데이터의 보정이 필요한 상황임을 확인할 수 있었다. 본 연구를 통해 딸기 생산과정을 모니터링한 결과를 기반으로 성숙과정별 변색과정과 생산 시기를 예측할 수 있는 알고리즘을 통해 생산성 향상과 농가 소득향상을 기대하며, 추후 실시간 모니터링할 수 있는 체계를 구축하여 자율주행을 통한 협동로봇 개발을 위한 기초데이터가 되길 기대한다.