[논문]ICT 기반의 스마트팜 설계

신봉희; 전혜경

doi:10.22156/cs4smb.2020.10.02.015

ICT 기반의 스마트팜 설계
ICT-based Smart Farm Design 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.10 no.2, 2020년, pp.15 - 20

초록
AI-Helper

본 논문에 ICT 기반의 스마트 팜 설계를 제안한다. 현재 전체 인구 감소에 따라 자연적으로 농촌인구의 감소도 필연적으로 도래하고 있다. 날로 올라가는 인건비 증가에 따른 각 농가의 경제적 부담은 점점 커져간다. 이에 대한 해결책으로 컴퓨팅 자원을 활용한 스마트팜 보급의 필요성이 대두되고 있다. 제안된 시스템은 4차 산업혁명에서 떠오르고 있는 ICT 기술을 활용한다. 방대한 양의 데이터 수집을 위해 빅데이터 분석을 활용하고 수집된 자료의 관리와 효율적인 서비스 제공을 위한 플랫폼을 제안한다. 제안한 플랫폼은 SOA 서비스 레이어, 미들웨어 레이어, 리소스 풀 레이어, 물리적 리소스 레이어로 구성된다. 각 레이어가 갖고 있는 하부 구성요소를 이용하여 ICT 기반의 스마트팜 서비스는 사용자 입장에서 필요한 기능만을 서비스로 제공하기 때문에 비용을 낮출 수 있고 설치 및 관리가 용이할 것으로 여겨진다.

Abstract ▼ AI-Helper

In this paper, we propose an ICT-based smart farm design. At present, the decrease in rural population is naturally inevitable due to the decrease of the total population. The economic burden on each farm grows with increasing labor costs. As a solution to this, the necessity of spreading smart farms using computing resources is emerging. The proposed system utilizes the ICT technology emerging from the Fourth Industrial Revolution. We will use big data analysis to collect a large amount of data and propose a platform for managing collected data and providing efficient services. The proposed platform consists of SOA service layer, middleware layer, resource pool layer and physical resource layer. ICT-based smart farm service can reduce costs and be easy to install and manage because ICT-based smart farm service provides only necessary functions from the user's point of view.

주제어

표/그림 (4)

그림 Fig. 1. Computing management of based-on ICT
그림 Fig. 2. Architecture of Smart Farm based on ICT
그림 Fig. 3. Architecture of Smart Farm Control based on ICT
그림 Fig. 4. Architecture of Data Center based on ICT

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

스마트 팜에서는 적은 인원으로 효율적인 농작물이 가능하도록 여러 가지 기술을 적용하고 있다. 본 논문에 서는 환경제어시스템으로 실내에서 재배하는 농작물에서 발생하는 환경 데이터들을 수집하고, 이 데이터를 활용한 농작물의 최적 재배 환경 설정을 위한 모델을 설계하고, 이 모델을 바탕으로 관리자가 의사결정을 하는데 도움이 되도록 한다.
본 논문에서는 환경제어시스템으로 실내에서 재배하는 농작물에서 발생하는 환경 데이터들을 수집하고, 수집된 데이터를 활용하여 농작물의 최적 재배 환경 설정을 위한 모델을 설계하고 제안해 보았다.

제안 방법

구성된 자원 풀은 바탕으로 사용자에게 서비스를 제공한다. 이때 농작물 생산성 향상과 안정성을 위해 수집된 데이터에 대한 관리를 담당하는 미들웨어를 구성하였다. 미들웨어에서는 사용자 관리, 작업관리, 자원관리 및 보안관리를 담당한다.
제안된 모델은 ICI 기반으로 데이터를 수집학 이를 토대로 자원 풀을 구성한다. 구성된 자원 풀은 바탕으로 사용자에게 서비스를 제공한다.
제안된 시스템 구조에서 물리적 리소스 레이어와 리소스 풀 레이어에서는 생산 공정에서 발생하는 정보 감지를 위해 환경 센서, 바이오센서, GPS 및 RFID에서 정보를 읽어 들인다. 예를 들어 조명 센서는 실시간으로 빛의 강도를 수집하고 비디오 센서는 식물의 크기 등을 모니터링 하여 발아기간, 성장기간 등을 식물 사진의 스펙트럼 분석을 통해 식물의 건강 상태를 실시간으로 알 수 있다.

대상 데이터

제안하는 시스템의 구조는 다음 네 가지 레이어로 구성된다. 물리적 리소스 레이어, 리소스 풀 레이어, 미들웨어 관리 레이어, SOA 레이어이다.

후속연구

또한 토양 구성을 분석한 후 물과 토양을 유지 하는 서비스가 제공될 수 있다. 또한 시스템은 대기에서 얻은 온도 데이터를 수집 밑 분석하고 식물의 성장에 영향을 줄 수 있는 다양한 조건에 대한 체계적인 분석을 수행할 수 있다.
농업 정보는 수많은 raw 데이터를 발생시킨다. 이때 데이터베이스를 사용하면 농업 생산의 특정 프로세스에 대한 정보 관리가 가능해져 각각의 농업 시설 및 생산 그룹에 의해 대한 생산 성능과 관련된 데이터의 분석 및 계산, 계획 수립 등이 가능해 진다.
현재 우리나라 신장환자의 수는 날로 증가하는 추세이다. 이에 따라 특수 가공된 식물을 원하는 수요가 많으므로 만성환자를 위한 특정 작물 재배 스마트 팜을 구현하면 경제적 효과가 있을 것으로 사료된다.
향후 연구에서는 설계된 구조를 바탕으로 한 플랫폼을 기반으로 만성 환자에 특성화된 식물 재배를 위한 실내 스마트팜을 구현하고자 한다. 만성환자 중에는 특정 음식 섭취에 어려움이 있는 환자들이 많다.

질의응답

핵심어	질문	논문에서 추출한 답변
	물리적 리소스 레이어는 무엇을 포함하는가?	물리적 리소스 레이어는 농업 정보와 관련하여 다양한 종류의 서버, 메모리, 인터넷 인프라, 데이터베이스 및 소프트웨어를 포함한다. 물리적 리소스 레이어에서는 ICT 환경으로 구축된 농업환경의 모든 데이터를 물리적으로 수집하게 된다.
	스마트팜을 구축하여 ICT 기술을 활용하는 예는 무엇인가?	스마트팜을 구축하여 ICT 기술을 활용한 농작물의 생산성과 품질 향상에 주력하고 있다. 센서에서 작물의 재배, 환경 데이터를 실시간으로 수집, 모니터링하여 최적의 재배환경관리시스템을 구축하여 농작물을 자동적으로 관리하여 생성성과 품질이 증가 하였다. 일본의 경우, 식물은 재배하는 농장에서 습도, 온도, 조도 등 센서를 통해 수집된 실내정보를 이용한 스케줄링 소프트웨어로 토마토의 재배환경을 제어하고, 인공광을 이용한 최적의 재배환경을 통해 농업의 공업화를 이루는 프로젝트를 수행하였다[1].
	스마트팜은 무엇인가?	스마트팜이란 실내 혹은 실외에 있는 축사나 비닐하우스에 정보통신을 활용하여 원격에서도 자동으로 농작물과 가축의 생장환경을 적정하게 관리할 수 있는 농업현장을 의미한다. 스마트팜을 농업 현장에 들여와 작물 생장정보와 환경정보에 대한 데이터를 기초로 최적의 생장환경을 만들 수 있고, 노동력과 에너지, 사료를기존보다 덜 투입하고도 농작물의 생산성 증가와 품질 향상을 실현할 수 있다[5].

참고문헌 (20)

J. Ahn & H. Lee (2015). Smart farm using IoT that change the lives of rural people. Planning and Policy, 5, 19-26.
B. Kim & S. Chai (2016). Policy for vitalizing greenhouse farming, Korea Rural Economic Institute, Korea.
KOSIS. (2017). Crop production survey, Statistics Korea. http://kosis.kr/statHtml/statHtml.do?orgId101&t blIdDT_1ET0027\&conn_pathI2
https://terms.naver.com/entry.nhn?docId2275655&cid42219&categoryId51195
http://smartfarmkorea.net/
K. I. Sung, B. Y. Kim, H. G. Kim, M. H. Han & K. H. Pack. (2016). Analyzing and countermeasure for smart livestock farming based on ICT. A Study on the Policy of Convergence, 2-14,
K. S. Kwon. (2017). Research and Development of Livestock Farm Using ICT Integration Technology. Korean Journal of Agriculture: Power and resources, 59(2), 38-45.
J. Y. Park & M. Y. Heo. (2017). Trends in International Standardization of Smart Agriculture. The Journal of The Korean Institute of Communication Sciences, 34(1), 70-75.
H. S. Gu, J. H. Min & J. Y. Park (2015). Survey of ICT-Agriculture Convergence. Electronic Communication Trend Analysis, 30(2), 49-58.
H. D. Park. (2018). Cloud-based smart farm system construction and service demonstration. ezfarm, Jan.
G. V. Satyanarayana & S. D. Mazaruddin. (2013). Wireless Sensor Based Remote Monitoring System for Agriculture Using ZigBee and GPS. Conference on Advances in Communications and Control System
R. K. Kodali, V. Jain & S. Karagwal (2016). IoT based smart greenhouse. IEEE Region 10 Humanitarian Technology Conference, pp. 1-6.
L. Zheng, M. Li, C. Wu, H. Ye, R. Ji, X. Deng & W. Guo. (2011). Development of a smart mobile farming service system. Mathematical and computer modelling, 54(3), 1194-1203.

상세보기
S. Li, Y. Han, G. Li, M. Zhang, L. Zhang & Q. Ma. (2012). Design and implementation of agricultral greenhouse environmental monitoring system based on internet of things. Applied Mechanics and Materials, 121(126), 2624-2629.
G. Li, W. Zhang, and Y. Zhang (2014). A design of the IOT gateway for agricultural greenhouse, Sensors & Transducers. 172(6):75-80.
P. Nugroho, I. Andri, I. Takashi, H. Eiji, Yasumaru & M. Muneshi. (2013). Development of actuation framework for agricultural informatization supporting system, Bio-robotics, 1, 181-186.
M. R. M. Kassim, I. Mat & A. N. Harun. (2014). Wireless sensor network in precision agriculture application. International Conference on Computer, Information and Telecommunication Systems (CITS). (pp. 1-5).
KDOQI. (2007). KDOQI Clinical Practice Guidelines and Clinical Practice Recommendations for Diabetes and Chronic Kidney Disease. Am J Kidney Dis, 49(2), Suppl 2, S12-154. DOI : 10.1053/j.ajkd.2006.12.005

상세보기
P. H. Marathe, H. X. Gao & K. L. Close. (2017), American Diabetes Association Standards of Medical Care in Diabetes 2017. J Diabetes, 9(4), 320-324.

상세보기
R. Rabkin. (2003). Diabetic nephropathy. Clin Cornerstone, 5(2), 1-11.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증