현대 농업은 비료나 에너지 자원 및 농부들의 노동력을 최소로 하면서 최대의 수확량을 획득할 수 있는 새로운 인공지능 경작 방법들의 개발이 필요하다. 따라서 본 연구에서 양파나 마늘 같은 노지 채소들의 성장상태를 수시로 확인하여 사전에 수확량을 정확히 예측하는 방법들을 개발하여 생산된 농산물의 수요와 공급을 적절히 조절함과 동시에 경제성이 극대화될 수 있는 스마트 농업기술을 제안하려고 한다. 전남의 무안군에 있는 파속채소연구소에서 시험단위를 마련하고, 이들을 2개의 블록으로 나누어 각 블록별로 총 16개의 실험구로 나누고 각 실험구별로 비료 수준은 표준양을 기준으로 4개 수준을 서로 겹치지 않도록 랜덤하게 배치하였다. 각 실험구에 심어진 양파와 마늘에 대해서 재배기간 동안 일정한 간격으로 다분광 영상을 수집하여 이들로부터 10가지의 식생지수들을 추출하였다. 실험결과로 양파의 경우는 1D-CNN과 엽초장 변수가 결합한 모델이 가장 우수하며 다음으로 1D-CNN과 RECI가 결합한 모형과 1D-CNN+BiLSTM과 MNGRD가 결합한 모형들이 다음 순서로 예측력이 우수한 것으로 나타났고, 마늘의 경우에는 1D-CNN과 엽초장 변수가 결합한 모델이 가장 우수하며 다음으로 1D-CNN과 NGRD가 결합한 모형과 1D-CNN+BiLSTM과 엽초장 변수가 결합한 모형들이 다음 순서로 예측력이 우수하였다.