본 연구는 농업 및 정보 통신 기술의 융합을 기반으로 국내외 스마트 농장 서비스 모델을 검토하고 한국의 스마트 온실을 개선하기 위해 필요한 다양한 요인을 조사하기 위해 수행되었다. 국내 스마트 온실의 작물 생육모델 및 환경모델에 관한 연구는 제한적이었고, 연구를 위한 인프라를 구축하는 데는 많은 시간이 필요하다. 이러한 문제의 대안으로 클라우드 기반 연구 플랫폼이 필요하다. 제안된 클라우드 기반 연구 플랫폼은 통합 데이터, 생육환경모델, 구동기 제어 모델, 스마트 온실 관리, 지식 기반 전문가 시스템 및 농가 대시보드모듈을 통해 통합적 데이터 저장 및 분석을 위한 연구 인프라를 제공한다. 또한 클라우드 기반 연구 플랫폼은 작물 생육환경, 생산성 및 액추에이터 제어와 같은 다양한 요인들 간의 관계를 정량화하는 기능을 제공하며, 연구자는 빅데이터, 기계 학습 및 인공지능을 활용하여 작물 생육 및 생장환경 모델을 분석할 수 있다.
본 연구는 농업 및 정보 통신 기술의 융합을 기반으로 국내외 스마트 농장 서비스 모델을 검토하고 한국의 스마트 온실을 개선하기 위해 필요한 다양한 요인을 조사하기 위해 수행되었다. 국내 스마트 온실의 작물 생육모델 및 환경모델에 관한 연구는 제한적이었고, 연구를 위한 인프라를 구축하는 데는 많은 시간이 필요하다. 이러한 문제의 대안으로 클라우드 기반 연구 플랫폼이 필요하다. 제안된 클라우드 기반 연구 플랫폼은 통합 데이터, 생육환경모델, 구동기 제어 모델, 스마트 온실 관리, 지식 기반 전문가 시스템 및 농가 대시보드 모듈을 통해 통합적 데이터 저장 및 분석을 위한 연구 인프라를 제공한다. 또한 클라우드 기반 연구 플랫폼은 작물 생육환경, 생산성 및 액추에이터 제어와 같은 다양한 요인들 간의 관계를 정량화하는 기능을 제공하며, 연구자는 빅데이터, 기계 학습 및 인공지능을 활용하여 작물 생육 및 생장환경 모델을 분석할 수 있다.
This study was performed to review the domestic and international smart farm service model based on the convergence of agriculture and information & communication technology and derived various factors needed to improve the Korean smart greenhouse. Studies on modelling of crop growth environment in ...
This study was performed to review the domestic and international smart farm service model based on the convergence of agriculture and information & communication technology and derived various factors needed to improve the Korean smart greenhouse. Studies on modelling of crop growth environment in domestic smart farms were limited. And it took a lot of time to build research infrastructure. The cloud-based research platform as an alternative is needed. This platform can provide an infrastructure for comprehensive data storage and analysis as it manages the growth model of cloud-based integrated data, growth environment model, actuators control model, and farm management as well as knowledge-based expert systems and farm dashboard. Therefore, the cloud-based research platform can be applied as to quantify the relationships among various factors, such as the growth environment of crops, productivity, and actuators control. In addition, it will enable researchers to analyze quantitatively the growth environment model of crops, plants, and growth by utilizing big data, machine learning, and artificial intelligences.
This study was performed to review the domestic and international smart farm service model based on the convergence of agriculture and information & communication technology and derived various factors needed to improve the Korean smart greenhouse. Studies on modelling of crop growth environment in domestic smart farms were limited. And it took a lot of time to build research infrastructure. The cloud-based research platform as an alternative is needed. This platform can provide an infrastructure for comprehensive data storage and analysis as it manages the growth model of cloud-based integrated data, growth environment model, actuators control model, and farm management as well as knowledge-based expert systems and farm dashboard. Therefore, the cloud-based research platform can be applied as to quantify the relationships among various factors, such as the growth environment of crops, productivity, and actuators control. In addition, it will enable researchers to analyze quantitatively the growth environment model of crops, plants, and growth by utilizing big data, machine learning, and artificial intelligences.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 스마트 온실 환경에 활용될 수 있는 서비스 구현과 연구를 위해 국내외 스마트팜 기술 사례 및 연구동향을 조사하고, 스마트팜의 공통적인 서비스 항목을 도출하였다. 도출된 항목은 기존 농촌진흥청에서 추진하고 있는 2세대 스마트 온실 플랫폼에 적용하고,스마트 온실 관련 농가 서비스의 확대와 적용을 위해 클라우드 기반 한국형 스마트 온실 연구 플랫폼 설계방안을 제안하고자 한다.
본 연구는 농업 및 정보 통신 기술의 융합을 기반으로 국내외 스마트 농장 서비스 모델을 검토하고 한국의 스마트 온실을 개선하기 위해 필요한 다양한 요인을 조사하기 위해 수행되었다. 국내 스마트 온실의 작물 생육모델 및 환경모델에 관한 연구는 제한적이었고, 연구를 위한 인프라를 구축하는 데는 많은 시간이 필요하다.
본 연구에서는 스마트 온실 환경에 활용될 수 있는 서비스 구현과 연구를 위해 국내외 스마트팜 기술 사례 및 연구동향을 조사하고, 스마트팜의 공통적인 서비스 항목을 도출하였다. 도출된 항목은 기존 농촌진흥청에서 추진하고 있는 2세대 스마트 온실 플랫폼에 적용하고,스마트 온실 관련 농가 서비스의 확대와 적용을 위해 클라우드 기반 한국형 스마트 온실 연구 플랫폼 설계방안을 제안하고자 한다.
제안 방법
국내 데이터수집은 통신망과 IoT 플랫폼을 활용하여 스마트 온실내·외부 데이터를 수집한다. ICT 핵심장비 25종의 단체표준을 통해 센서 및 구동 제어기의 종류에 상관없이 통신규격, 프로토콜(protocol), 데이터 규격 및 프레임(frame) 구성을 통해 데이터를 수집하고, 핵심부품 및 장비의 호환성 향상에 중점을 두고 진행되었다. 이러한 주요 선행 연구와 사례는 온실에서 수집되는 데이터의 정확한 입·출력과 데이터 무결성을 보여주고 있으며, 현재 농촌진흥청 스마트 온실 테스트베드는 센서 노드의 데이터 수집과 제어 노드를 독립적으로 관리할 수 있도록 하는 Power Line Communication(PLC)나 임베디드 시스템(embedded system) 형태의 복합환경제어기를 통해 데이터 통신과 제어가 된다(Lee 등, 2016).
국외의 경우 환경 제어 유무에 따라 노지 재배와 유리온실형으로 분류가 되며, 그에 따라 데이터 수집방법과 농가 서비스가 다르게 제공된다. 노지 재배의 주요 데이터의 수집은 정보 취득 위치에 따른 토양 함수율, 작물 생육상태, 기후 및 병해충을 측정하는 센서, 위성을 활용한 Global Positioning System (GPS)과 드론의 영상촬영 및 수확량정보 등을 활용한다. 유리온실의 경우는 자연광과 인공광을 활용하여 작물 생육환경을 인위적으로 제어하며, 센서 및 구동 제어기로부터의 정확한 데이터 수집을 통해 최적의 작물 생육환경 모델 생성과 제어에 중점을 두고 있다.
조사된 결과를 클라우드 기반 한국형 스마트 온실 플랫폼 설계에 적용하기 위해 데이터의 수집 방법과 관리, 수집된 데이터의 분석 방법 및 운영 플랫폼으로 분류하여 각 단계별 특성을 도출하였다. 도출된 특성을 데이터 수집, 데이터 관리, 작물생육, 작물생육환경 및 운영 플랫폼의 5가지 키워드로 비교하였고, 스마트팜 운영 플랫폼의 개방성과 정보를 서비스화 할 수 있는 활용측면을 고려하여 클라우드 기반 한국형 스마트 온실 연구 플랫폼 설계 방안 및 각 기능별 6가지의 모듈을 제시하였다.
제안된 클라우드 기반 연구 플랫폼은 통합 데이터, 생육 환경모델, 구동기 제어 모델, 스마트 온실 관리, 지식 기반 전문가 시스템 및 농가 대시보드 모듈을 통해 통합적 데이터 저장 및 분석을 위한 연구 인프라를 제공한다. 또한 클라우드 기반 연구 플랫폼은 작물 생육환경,생산성 및 액추에이터 제어와 같은 다양한 요인들 간의 관계를 정량화하는 기능을 제공하며, 연구자는 빅데이터,기계 학습 및 인공지능을 활용하여 작물 생육 및 생장 환경 모델을 분석할 수 있다.
로봇으로 주기별 촬영된 영상이미지는 인공지능을 활용하여 메타데이터(metadata)로 분석되어 저장이 된다. 사람과 로봇의 데이터 중복 수집은 로봇 계측을 통해 수집된 정량적 생육데이터의 이상치(outlier)를 판별하고, 데이터의 보정을 위해 인위적 계측 값을 수집하였다.
데이터의 분석에 필요한 연구 데이터는 농업 현장에 종사하는 농민의 영농기술(Atole 등, 2017)과 온실의 작물생장에 생육 환경 감지, 환경 설정에 대한 관리 및 작물에 영향을 미치는 환경변수를 도출한 데이터(Cañadas등, 2017) 등이 전문가 시스템 데이터베이스에 각 데이터 특성에 맞게 전처리(pre-processing)되어 저장이 되어있어야 한다. 전처리된 데이터는 규칙이나 이벤트 기반등의 실시간 의사결정지원 알고리즘에 적용하여 작물생육 모델, 생육환경 모델, 제어 구동 모델 및 예측 모델등을 결과로 도출하며, 도출된 모델을 스마트 온실 제어시스템에 주기적으로 갱신한다. 데이터 분석 및 처리 플랫폼에서 제공되어야 할 서비스는 데이터의 통합 저장을 위한 데이터베이스, 수집된 데이터의 전처리 기능, 인공지능 플랫폼을 활용한 병해충 예측 모델 및 최적의 생육환경모델 등과 의사결정지원 서비스가 필요하다.
이러한 문제의 대안으로 클라우드 기반 연구 플랫폼이 필요하다. 제안된 클라우드 기반 연구 플랫폼은 통합 데이터, 생육 환경모델, 구동기 제어 모델, 스마트 온실 관리, 지식 기반 전문가 시스템 및 농가 대시보드 모듈을 통해 통합적 데이터 저장 및 분석을 위한 연구 인프라를 제공한다. 또한 클라우드 기반 연구 플랫폼은 작물 생육환경,생산성 및 액추에이터 제어와 같은 다양한 요인들 간의 관계를 정량화하는 기능을 제공하며, 연구자는 빅데이터,기계 학습 및 인공지능을 활용하여 작물 생육 및 생장 환경 모델을 분석할 수 있다.
본 연구에서는 시설원예의 스마트 온실로 대상을 한정하였고, 국내외 스마트팜에 사물인터넷(internet of things, IoT), 정밀농업 및 클라우드 등을 개별 또는 병용한 주요 선행 연구 8건과 실제 스마트팜에 적용한 서비스 사례 8건을 조사하였다. 조사된 결과를 클라우드 기반 한국형 스마트 온실 플랫폼 설계에 적용하기 위해 데이터의 수집 방법과 관리, 수집된 데이터의 분석 방법 및 운영 플랫폼으로 분류하여 각 단계별 특성을 도출하였다. 도출된 특성을 데이터 수집, 데이터 관리, 작물생육, 작물생육환경 및 운영 플랫폼의 5가지 키워드로 비교하였고, 스마트팜 운영 플랫폼의 개방성과 정보를 서비스화 할 수 있는 활용측면을 고려하여 클라우드 기반 한국형 스마트 온실 연구 플랫폼 설계 방안 및 각 기능별 6가지의 모듈을 제시하였다.
클라우드 기반 한국형 스마트 온실 연구 플랫폼에 필요한 모듈의 데이터 수집은 농촌진흥청 스마트 온실 테스트베드의 1세대 한국형 스마트 온실 시스템(Lee 등,2016)에서 수집되는 데이터를 기반으로 하였으며, 온실에서 수집되는 이종 데이터인 작물 생육환경, 생육정보,구동기 제어 등을 정량적으로 분석하기 위해 사용자 인터페이스(interface)와 데이터 입·출력 및 저장 기능 모듈(module)을 제공하도록 하였다.
클라우드 플랫폼에 온실에서 수집되는 정형·비정형 데이터를 전처리 후 데이터베이스에 저장하고, 저장된 데이터를 분석할 수 있는 기계학습 및 인공지능 플랫폼을 구성하였다.
대상 데이터
Table 2. Data collection items for the testbed of Korean Smart greenhouse.
국내 데이터수집은 통신망과 IoT 플랫폼을 활용하여 스마트 온실내·외부 데이터를 수집한다.
본 연구에서는 시설원예의 스마트 온실로 대상을 한정하였고, 국내외 스마트팜에 사물인터넷(internet of things, IoT), 정밀농업 및 클라우드 등을 개별 또는 병용한 주요 선행 연구 8건과 실제 스마트팜에 적용한 서비스 사례 8건을 조사하였다. 조사된 결과를 클라우드 기반 한국형 스마트 온실 플랫폼 설계에 적용하기 위해 데이터의 수집 방법과 관리, 수집된 데이터의 분석 방법 및 운영 플랫폼으로 분류하여 각 단계별 특성을 도출하였다.
스마트 온실 내·외부 센서, 양액기, 구동기 및 계측 등으로 수집되는 주요 데이터 항목은 Table 2와 같으며,생육데이터로 수집되는 대상 작물은 ‘모모타로’ 토마토(Solanum lycopersicum L.)이며, 토마토 생육데이터의 수집 방법은 주기별로 인위적 계측과 촬영 영상의 깊이를 측정할 수 있는 카메라(realsense, inc., intel)를 부착한 로봇으로 계측하여 수집하였다.
클라우드 플랫폼은 오픈스택 재단의 코드명인 뉴튼(OpenStack newton)버전을사용하였다. 클라우드 플랫폼을 구축함에 따라 사용된 서비스는 노바(nova), 글랜스(glance), 키스톤(keystone),뉴트론(neutron), 신더(cinder), 호라이즌(horizon)을 포함한 6종의 주요 서비스로 구성하였다. 그 외에 스마트 온실 내에서 전송되는 데이터의 분석과 관리, 저장에 필요한 서비스로 실로미터(ceilometer), 히트(heat), 사하라(sahara), 트로브(trove)등의 부가 서비스를 적용하였다.
이론/모형
각 노드별 운영체제는 우분투 서버(ubuntu server 16.04 LTS)를 사용했으며, 클라우드 구축시 사용한 가상머신의 하이퍼바이저(hypervisor)는 KVM(kernel-based virtual machine)을 사용하였다. 클라우드 플랫폼은 오픈스택 재단의 코드명인 뉴튼(OpenStack newton)버전을사용하였다.
04 LTS)를 사용했으며, 클라우드 구축시 사용한 가상머신의 하이퍼바이저(hypervisor)는 KVM(kernel-based virtual machine)을 사용하였다. 클라우드 플랫폼은 오픈스택 재단의 코드명인 뉴튼(OpenStack newton)버전을사용하였다. 클라우드 플랫폼을 구축함에 따라 사용된 서비스는 노바(nova), 글랜스(glance), 키스톤(keystone),뉴트론(neutron), 신더(cinder), 호라이즌(horizon)을 포함한 6종의 주요 서비스로 구성하였다.
후속연구
국내외 스마트팜의 데이터 수집 방법에 대한 주요 선행 연구와 실제 적용 사례는 데이터 취득 위치에 따라서 수집되는 데이터의 정확한 시간에 따른 입·출력과 전송된 데이터의 손실 여부를 통해 데이터 무결성을 보장하는 데 중점을 두고 있다. 다양한 환경 조건을 가진 농가에서 수집되는 데이터를 활용하여 지역적 특성과 환경에 따라 최적화된 작물생육 환경모델 및 제어기의 구동 모델 등의 연구를 수행하고, 스마트 온실 경영 농가에 신뢰성 있는 정보 서비스를 제공하기 위해서는 한국형 스마트 온실에서 수집되는 데이터의 무결성을 검증하고 제공할 수 있는 기능을 가진 데이터 수집, 제어 및 관리 모듈이 플랫폼 설계에 적용되어야 한다.
2는 국내외 스마트팜을 5가지 키워드로 비교한 것으로, 국외의 각 항목을 기준으로 봤을 때, 데이터 수집, 데이터 관리 및 플랫폼 측면은 국내 농업 ICT 기술의 보급으로 격차가 크지는 않지만, 외부 환경 요인에 따라 제어요인이 많은 스마트 온실의 작물 생육모델과 생육환경모델은 국외에 비해 많이 뒤떨어져 있다. 이는 국내 스마트팜 서비스를 농가에 제공함에 있어 크게 영향을 미치는 요인이 되며, 국외 대비 부족한 작물 생육 모델과 생육환경모델의 연구를 위해서는 다양한 연구 환경을 제공할 수 있는 클라우드를 활용한 데이터의 통합저장과 분석을 위한 연구 플랫폼이 필요하다.
한국형 스마트 온실 연구(RDA, 2016)는 2014년부터 토마토, 국화 등의 시설작물 생육모델 개발을 추진했으며, 온실내 작물 생육에 관련된 다양한 환경 분석 요인과 데이터 통합 및 분석 인프라 환경의 미비로 해외 연구에 비해 그 격차가 심했지만, 클라우드 기반 스마트 온실 연구 플랫폼 구축에 따라 작물 생육모델 개발 및 농가 서비스 제공에 가속도가 붙을 것으로 예상된다. 한국형 스마트 온실에서 수집된 통합 데이터 및 분석을 위한 연구 환경을 클라우드 플랫폼에서 서비스하기 때문에 농업관련 연구자는 데이터의 분석을 통한 모델 연구에만 집중할 수 있을 것이며, 스마트 온실 농가는 다양한 작물재배 관련 서비스 및 온실 경영 정보서비스 등을 이용할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
스마트팜이란 무엇인가?
스마트팜은 기존 농업인의 인적 비용 및 소요 자원을 줄이고, 농업인의 현장경험을 정량적으로 데이터화하여 농업의 지식 습득과 농업 전반에 걸쳐 발생할 수 있는 문제를 실시간으로 파악하고, 해결할 수 있도록 도움을 주기위한 기술이지만 국내 보급된 스마트 온실 이용자들(농업인, 운영자, 연구자 등)이 체감하고, 실제 이용 가능한 스마트팜 서비스는 온실의 센서 데이터 모니터링과 환경 설정에 따른 제어기의 구동 등의 단순 제어 작업에 한정되어 있다(Yeo 등, 2016).
클라우드를 활용한 스마트 온실 연구 플랫폼의 구현을 위한 하드웨어는 어떤 것으로 구성되는가?
클라우드를 활용한 스마트 온실 연구 플랫폼의 구현을 위한 하드웨어는 서버(server), 스위치(switch) 및 라우터(router) 등으로 구성되며, 그 중 구현을 위해 사용된 서버사양은 Table 1과 같고, 클라우드의 인프라 토폴로지(topology)는 Fig. 1과 같다.
국내 스마트 온실의 작물 생육모델 및 환경모델에 관한 연구는 제한적이고, 연구를 위한 인프라를 구축하는 데는 많은 시간이 필요한 문제점을 해결하기 위한 대안은 무엇인가?
국내 스마트 온실의 작물 생육모델 및 환경모델에 관한 연구는 제한적이었고, 연구를 위한 인프라를 구축하는 데는 많은 시간이 필요하다. 이러한 문제의 대안으로 클라우드 기반 연구 플랫폼이 필요하다. 제안된 클라우드 기반 연구 플랫폼은 통합 데이터, 생육 환경모델, 구동기 제어 모델, 스마트 온실 관리, 지식 기반 전문가 시스템 및 농가 대시보드 모듈을 통해 통합적 데이터 저장 및 분석을 위한 연구 인프라를 제공한다.
참고문헌 (16)
Atole. A., A. Asmar, A. Biradar, N. Kothawade, S. Sarode, and R. G. Khope. 2017. IoT based smart farming system. International Journal of Emerging Technologies and Innovative Research(www.jetir.org), April 2017, 4(4):29-31.
Baek, J.H., and H.L. Lee. 2014. Design and implementation of crop-environmental control cloud systems based on growth patterns. The Korean Institute of Information Scientists and Engineers, Database Society Journal, 30(2):57-66 (in Korean).
Beecham Research. 2014. Towards smart farming - agriculture embracing the IoT vision. https://www.beechamresearch.com/files/BRL%20Smart%20Farming%20Executive%20Summary.pdf.
Canadas, J., J. A. Sanchez-Molina, F. Rodriguez, and I. M. del Aguila. 2017. Improving automatic climate control with decision support techniques to minimize disease effects in greenhouse tomatoes. Information Processing in Agriculture, 4(1):50-63.
Gartner. 2017. Artificial intelligence, machine learning, and smart things promise an intelligent future. www.gartner.com/smarterwithgartner/gartners-top-10-technologytrends-2017/.
Guerrini, F. 2015. The future of agriculture? smart farming. Forbes, http://www.forbes.com/sites/federicoguerrini/2015/18/the-future-of-agriculture-smart-farming/#5708f01a337c.
Hameed, I., E. I. El-Madbouly, and M. I. Abdo. 2017. Reconfigurable adaptive fuzzy fault-hiding control for greenhouse climate control system. International Journal of Automation and Control, 11(2):164-187.
IRS Global Research. 2016. IoT-based smart agriculture and smart farm market forecasts and core technology development trends. http://www.irsglobal.com/.
Kapnias, D., P. Ilias. 2016. Automated classification of land cover for the needs of CAP using Sentinel data. 22nd CPA/IACS conference, 24-25 Nov. 2016, Lisbon(Portugal).
Lee, J.S., Y.G. Hong, G.H. Kim, D.H. Lee, S.R. Han, and D.H. Im. 2016. A study on development of cloud system for the smart greenhouse automatic control. The Korean Institute of Communications and Information Sciences, 19 Nov. 2016 Fall Conference. 61:559-560 (in Korean).
Li, G., W. Zhang, and Y. Zhang. 2014. A design of the IOT gateway for agricultural greenhouse. Sensors & Transducers, 172(6):75.
Liu, Y., and C. Bi. 2017. The design of greenhouse monitoring system based on ZigBee WSNs. In Computational Science and Engineering (CSE) and Embedded and Ubiquitous Computing (EUC), 2017 IEEE International Conference. l(2):430-433.
Michael J. O'Grady, and Gregory M.P. O'Hare, 2017, Modelling the smart farm, information, processing in agriculture, ISSN 2214-3173, http://dx.doi.org/10.1016/j.inpa.2017.05.001.
Rural Development Administration(RDA), 2016, Big-data utilization for smart farm proper management (Tomato) p.66-72 (in Korean).
Xin, J.N., and F. Zazueta. 2016. Technology trends in ICT -towards data-driven, farmer-centered and knowledge-based hybrid cloud architectures for smart farming. Agricultural Engineering International: CIGR Journal, 18(4):275-279.
Yeo, U.H., I.B. Lee, K.S. Kwon, T.H. Ha, S.J. Park, R.W. Kim, and S.Y. Lee. 2016. Analysis of research trend and core technologies based on ICT to materialize smart-farm. Protected Horticulture and Plant Factory, 25(1):30-41 (in Korean).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.