스마트 축사용 ICT 융복합 확산으로 1세대 낙농 스마트팜 모델에서 여러 제조업체에 의해 만들어진 각 장치들이 독자적인 통신 방식을 사용함으로써 각 장치간의 상호 운영이 제한되었다. 본 연구에서는 기존 ICT 장치의 상호 운용 확보 및 데이터 관리를 위하여 개방형 제어 기술 기반 1세대 낙농 스마트팜 모델의 고도화를 실시하였다. 이 과정에서 도출된 개방형 통합제어는 Open API의 소프트웨어 인터페이스 구조로 각 말단에 위치하는 ICT 장치와 센서들의 통신 방식에 맞추어 실시간 데이터 수집 역할을 맞는 Observer와 상위 통합관리 서버로 연결, 전송하는 역할을 수행하는 Broker로 구성된다. 개방형 통합제어를 통해 고도화 모델 도입에 따른 1세대 낙농 스마트팜 모델 현장 2 곳의 검증을 통하여 성과 분석한 결과 두당 일일평균 산유량이 전년도 대비하여 (A 농가 5.13%, B 농가는 1.33%) 증가하였고(p<0.05), 공태일수는 A농가에서 약 17.5%, B 농가에서 약 13.3% 감소하였다(p<0.05). 젖소는 ICT 장치 도입 이후 적응 기간이 요구되나 이후 지속적인 효과를 관찰할 경우, 생산량의 효과가 점차 증가 할 것으로 기대할 수 있다. 현재 축종별 1세대 스마트팜 고도화를 통해 ICT 장치의 통합관리 체계 구축 및 데이터 송수신 인터페이스에 대한 제시가 실시되었으나, 빅데이터 기반의 2세대 스마트팜 연구개발 진입을 위하여 데이터의 규격 및 송수신에 대한 표준제정 및 산업계의 참여 유도를 위한 정책마련이 시급하다. 또한, 인공지능과 빅데이터가 핵심인 2세대 모델의 데이터 활용안 개발을 통해 낙농 스마트팜의 2·3세대를 향한 기반 조성이 시급 할 것이라고 제언하는 바이다.
스마트 축사용 ICT 융복합 확산으로 1세대 낙농 스마트팜 모델에서 여러 제조업체에 의해 만들어진 각 장치들이 독자적인 통신 방식을 사용함으로써 각 장치간의 상호 운영이 제한되었다. 본 연구에서는 기존 ICT 장치의 상호 운용 확보 및 데이터 관리를 위하여 개방형 제어 기술 기반 1세대 낙농 스마트팜 모델의 고도화를 실시하였다. 이 과정에서 도출된 개방형 통합제어는 Open API의 소프트웨어 인터페이스 구조로 각 말단에 위치하는 ICT 장치와 센서들의 통신 방식에 맞추어 실시간 데이터 수집 역할을 맞는 Observer와 상위 통합관리 서버로 연결, 전송하는 역할을 수행하는 Broker로 구성된다. 개방형 통합제어를 통해 고도화 모델 도입에 따른 1세대 낙농 스마트팜 모델 현장 2 곳의 검증을 통하여 성과 분석한 결과 두당 일일평균 산유량이 전년도 대비하여 (A 농가 5.13%, B 농가는 1.33%) 증가하였고(p<0.05), 공태일수는 A농가에서 약 17.5%, B 농가에서 약 13.3% 감소하였다(p<0.05). 젖소는 ICT 장치 도입 이후 적응 기간이 요구되나 이후 지속적인 효과를 관찰할 경우, 생산량의 효과가 점차 증가 할 것으로 기대할 수 있다. 현재 축종별 1세대 스마트팜 고도화를 통해 ICT 장치의 통합관리 체계 구축 및 데이터 송수신 인터페이스에 대한 제시가 실시되었으나, 빅데이터 기반의 2세대 스마트팜 연구개발 진입을 위하여 데이터의 규격 및 송수신에 대한 표준제정 및 산업계의 참여 유도를 위한 정책마련이 시급하다. 또한, 인공지능과 빅데이터가 핵심인 2세대 모델의 데이터 활용안 개발을 통해 낙농 스마트팜의 2·3세대를 향한 기반 조성이 시급 할 것이라고 제언하는 바이다.
ICT convergence using smart livestock is that in the first-generation dairy smart farm model, each device made by several manufacturers uses its own communication method, limiting the mutual operation of each device. This study uses a model based on open control technology to secure interoperability...
ICT convergence using smart livestock is that in the first-generation dairy smart farm model, each device made by several manufacturers uses its own communication method, limiting the mutual operation of each device. This study uses a model based on open control technology to secure interoperability of existing ICT devices and to manage data efficiently. The open integrated control derived from this process is the software interface structure of Open API. It is an observer that serves as real-time data collection according to the communication method of ICT devices and sensors located at each end. It consists of a broker that connects and transmits to the upper integrated management server. As a result of the performance analysis through verification of two first-generation dairy smart farm model sites, the average daily milk production increased compared to the previous year (farm A 5.13%, farm B 1.33%, p<0.05). Cow days open (DO) was reduced by 17.5% on farm A and 13.3% for farm B(p<0.05). Cows require an adaptation period after the introduction of the ICT device, but if continuous effects are observed, the effect of production can be expected to increase gradually.
ICT convergence using smart livestock is that in the first-generation dairy smart farm model, each device made by several manufacturers uses its own communication method, limiting the mutual operation of each device. This study uses a model based on open control technology to secure interoperability of existing ICT devices and to manage data efficiently. The open integrated control derived from this process is the software interface structure of Open API. It is an observer that serves as real-time data collection according to the communication method of ICT devices and sensors located at each end. It consists of a broker that connects and transmits to the upper integrated management server. As a result of the performance analysis through verification of two first-generation dairy smart farm model sites, the average daily milk production increased compared to the previous year (farm A 5.13%, farm B 1.33%, p<0.05). Cow days open (DO) was reduced by 17.5% on farm A and 13.3% for farm B(p<0.05). Cows require an adaptation period after the introduction of the ICT device, but if continuous effects are observed, the effect of production can be expected to increase gradually.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 앞서 언급한 1세대 낙농 스마트팜을 구성하는 각 장치들의 수집 데이터 종류, 규격, 수집 주기, 데이터 송·수신에 대한 인터페이스 정의를 사전에 실시하였다[9]. 정의된 인터페이스를 기준으로 말단의 ICT 장치와 센서로부터 실시간 데이터 수집 역할을 하는 Observer와, 상위 통합관리 서버 및 프로그램으로 연결, 전송의 역할을 수행하는 Broker로 구성된 개방형 제어기를 추가로 도입하여 1세대 낙농 스마트팜 모델에 대한 고도화를 실시하고자 하였다.
제안 방법
본 연구에서는 앞서 언급한 1세대 낙농 스마트팜을 구성하는 각 장치들의 수집 데이터 종류, 규격, 수집 주기, 데이터 송·수신에 대한 인터페이스 정의를 사전에 실시하였다[9].
기존 1세대 낙농 스마트팜 모델에서는 여러 제조업체에 의해 만들어진 각각의 장치들이 독자적인 데이터의 규격과 종류, 수집 주기 등이 상이해서 연구 개발에 활용하는데 한계가 있고, 향후 빅데이터 연구를 위한 기반 조성시 걸림돌로 작용하고 있다. 이를 보완하기 위해 ICT 장치의 상호운영성 확보 및 효율적인 데이터 관리를 위하여 개방형 제어 기술 기반으로 1세대 낙농 스마트팜 모델의 고도화가 실시되었고, 1세대 낙농 스마트팜 모델 고도화 과정에서 도출된 개방형 통합제어는 Open API의 소프트웨어 인터페이스 구조로 스마트 축사에 적용되는 ICT 장치별 호환성을 위한 기준을 제시하였다. 그러나, 스마트 축사 ICT 기기 산업체별 각각의 자체 프로토콜을 유지 사용함으로써 호환성 미비 등으로 유지보수 및 확장에 어려움이 남아 있는 상황이다.
대상 데이터
2019년~2020년(1년간) 젖소 농가 2곳을 대상으로 고도화 모델 도입에 따른 성과 분석을 시행하였다. 농가 정보는 Table1 과 같다.
성능/효과
1). 1세대 낙농 스마트팜 ICT 구성 장치들이 본격적으로 설치되기 시작한 2019년 6월부터 연구 종료 시(2020년 1월)까지의 생산량(납유량)을 전년도 동일기간과 비교할 경우, 2019년 해당기간 동안의 납유량은 평균 99,928kg, 총합 799,427 kg으로, 2018년도의 평균 85,561kg, 총합 692,486 kg 대비 16.8% 가량 증가한 것으로 나타났다. 비교 구간에 대하여, 실제평균 착유두 수를 고려하여, 두당 평균 산유량을 산출할 경우, 2018년의 평균 착유두수는 81.
1세대 낙농 스마트팜 ICT 구성 장치들이 본격적으로 설치되기 시작한 2019년 8월부터 연구 종료 시(2019년 12월, 1월의 경우, 납유량 및 매출액이 상반기 까지 보고됨)까지의 유지방율, 유단백율, 세균 수, 체세포 수의 변화를 살펴보면 먼저 유지방율의 경우 4.2%로 2018년의 동일 기간의 4.3%와 비교하여 유의한 변화를 보이지 않는 것으로 나타났다 (p<0.05).
유성분 분석 결과는 B 농가와 계약되어 있는 납유업체로부터 결과를 제공받았다. 2018년 1월부터 연구 종료 시(2020년 1월 상반기)까지의 평균 유지방율은 4.2%, 유단백율은 3.5%, 세균수는 5.7천 마리, 체세포 수는 178.9천 개로 나타났다(Table 2). 1세대 낙농 스마트팜 ICT 구성 장치들이 본격적으로 설치되기 시작한 2019년 8월부터 연구 종료 시(2019년 12월, 1월의 경우, 납유량 및 매출액이 상반기 까지 보고됨)까지의 유지방율, 유단백율, 세균 수, 체세포 수의 변화를 살펴보면 먼저 유지방율의 경우 4.
2019년 6월부터 연구 종료 시(2020년 1월)까지의 유지방율, 유단백율, 세균 수, 체세포 수의 변화를 살펴보면 유지방율의 경우 4.1%로 2018년의 동일 기간의 4.1%와 비교하여 유의한 변화를 보이지 않는 것으로 나타났다(p<0.05).
24 kg)으로 나타났다. ICT 장치의 고도화 적용에 따라 두당 평균 산유량은 5.13% 향상된 것으로 나타났다.
3% 가량 증가한 것으로 나타났다. 두당 평균 생산량 비교를 위하여, 세부적으로 ICT 구성장치들이 도입된 시점(2019년 9월~2020년 1월)과, 비교구간(2018년 9월~2019년 1월)의 착유두수는 각각 평균 79.83두, 76.83두로 조사되었다. 해당기간 동안의 납유량과 평균 착유두수 정보를 이용하여 두당 평균 생산량을 산정해보면 ICT 장치 도입 후 865.
본연구의 1세대 낙농 스마트팜의 고도화의 장비들로 우유 생산량, 유성분 분석의 변화 관찰 및 공태일 수 감소 등의 긍정적인 효과를 통한 농가의 수익성 등의 증대에 기여하는 것을 실증연구를 통해 확인할 수 있었다. 도출된 데이터데이터 기반으로 가축관리의 실현에 기반을 조성하는 측면에서 긍정적이나, 더욱 정밀하게 가축관리를 하기 위해서는 축종에 따라 공태일수 등과 같은 생산지표의 주기가 다르기 때문에 객관적인 성과 분석을 위하여 가축의 전 주기동안의 빅데이터 측정 및 수집이 설정 되어야 할 것이다.
6% 가량의 공태일수 감소 효과를 보인 것으로 산출되었다. 생체정보 수집장치 도입 이후 지속적인 체온과 활동량 추이 관측을 통해 개체별 건강 상태를 실시간으로 확인할 수 있었으며 발정, 분만시기에 대한 예측에 대한 체감 효과가 도입 전 대비 매우 우수한 것으로 나타났다.
유단백율 또한 3.3%로 2018년 동일기간의 3.3%와 비교하여 유의한 변화가 관측되지 않았으며(p<0.05), 세균 수의 경우, 5.3천 마리로 2018년 동일기간의 5.6천 마리 대비 5.4% 가량 감소한 것으로 나타났다.
유단백율 또한 3.60%로 2018년 동일기간의 3.67%와 비교하여 유의한 변화가 관측되지 않았으며 (p<0.05), 세균 수의 경우, 5.1천 마리로 2018년 동일기간의 7.2천 마리 대비 큰 폭으로 감소한 것으로 나타났다.
총 158두 사육규모를 갖는 B 목장의 2019년 8월부터 연구종료 시(2019년 12월, 1월의 경우, 납유량 및 매출액이 상반기 까지 보고됨, 하반기의 착유생산정보가 상반기와 동일하다고 가정 후 계산 실시)까지의 생산량 및 매출액을 전년도 동일기간과 비교할 경우, 2019년 해당기간 동안의 납유량은 평균 69,077.9 kg, 총합 414,467.6 kg으로, 2018년도의 평균 65,601.1 kg, 총합 393,606.3 kg 대비 5.3% 가량 증가한 것으로 나타났다. 두당 평균 생산량 비교를 위하여, 세부적으로 ICT 구성장치들이 도입된 시점(2019년 9월~2020년 1월)과, 비교구간(2018년 9월~2019년 1월)의 착유두수는 각각 평균 79.
83두로 조사되었다. 해당기간 동안의 납유량과 평균 착유두수 정보를 이용하여 두당 평균 생산량을 산정해보면 ICT 장치 도입 후 865.31 kg(두당 일평균 산유량 28.21kg)로 산출되어, 도입 전 동일구간의 두당 평균 생산량 853.85kg(두당 일평균 산유량 27.84 kg) 대비 약 1.33 % 향상된 효과를 보인 것으로 나타났다(Fig.1). 앞선 A 목장의 경우, 장치 설치 이후 5.
후속연구
그러나 우리나라 경우, 젖소농장에서 스마트 축사를 구현을 위한 ICT 융복합 확산으로 한계점들이 나타났다. 기존 1세대 낙농 스마트팜 모델에서는 여러 제조업체에 의해 만들어진 각각의 장치들이 독자적인 데이터의 규격과 종류, 수집 주기 등이 상이해서 연구 개발에 활용하는데 한계가 있고, 향후 빅데이터 연구를 위한 기반 조성시 걸림돌로 작용하고 있다. 이를 보완하기 위해 ICT 장치의 상호운영성 확보 및 효율적인 데이터 관리를 위하여 개방형 제어 기술 기반으로 1세대 낙농 스마트팜 모델의 고도화가 실시되었고, 1세대 낙농 스마트팜 모델 고도화 과정에서 도출된 개방형 통합제어는 Open API의 소프트웨어 인터페이스 구조로 스마트 축사에 적용되는 ICT 장치별 호환성을 위한 기준을 제시하였다.
또한 2,3세대 낙농스마트팜 R & D를 위한 전주기 빅데이터 생산 기반 조성이 필요하다.
따라서 개방형 통합 제어기 연결방식의 정의를 따르면서 스마트 축사 ICT 기기 업체가 참조 가능하도록 표준기반의 통합제어기로 가시화할 필요성이 있다[8]. 또한, 스마트 축사에서 생성되는 데이터의 신뢰성 검증 및 활용안을 제시함으로써 추후 농가 생산성 향상을 위한 분석용 데이터 확보 및 기능 기반을 마련할 필요가 있다. 표준 및 개방형 제어 기반 1세대 낙농 스마트팜 고도화를 위한 통합제어기, 통합관리 플랫폼 개발을 통한 요소기술, 데이터의 통합 관리, 현장 실증을 통한 맞춤형 기술 제안 및 성과 분석이 필요하다.
또한 축산분야에서 수집되고 있는 이질적인 대량의 데이터 통합을 처리하기 위한 기준마련이 필요하며, 스마트 축사 ICT 장치의 다양화로 서로 다른 기종의 장치의 통합 관리 및 제어를 활용 가능하게 하며, 포괄할 수 있으면서 통합 가능한 형태의 표준마련이 필요한 상황이다 현재 축종별 1세대 스마트팜 고도화를 통해 ICT 장치의 통합관리 체계 구축 및 데이터 송수신 인터페이스에 대한 제시가 실시되었으나, 빅데이터 기반의 2세대 스마트팜 연구개발 진입을 위하여 데이터의 규격 및 송수신에 대한 표준 제정 및 관련 산업계의 참여 유도를 위한 정책마련이 시급하다. 또한, 인공지능과 빅데이터가 핵심인 2세대 모델의 데이터 활용안 개발을 통해 낙농 스마트팜의 2·3세대를 향한 기반 조성이 시급 할 것이라고 제언하는 바이다.
이에 본 논문은 개방형 제어기반 1세대 낙농 스마트팜의 고도화 모델을 적용하여 현장 실증의 성과분석을 통하여 고도화가 필요하다고 제언하는 바이다.
또한, 스마트 축사에서 생성되는 데이터의 신뢰성 검증 및 활용안을 제시함으로써 추후 농가 생산성 향상을 위한 분석용 데이터 확보 및 기능 기반을 마련할 필요가 있다. 표준 및 개방형 제어 기반 1세대 낙농 스마트팜 고도화를 위한 통합제어기, 통합관리 플랫폼 개발을 통한 요소기술, 데이터의 통합 관리, 현장 실증을 통한 맞춤형 기술 제안 및 성과 분석이 필요하다. 예를 들면 사양, 환경 관리 및 제어 장치의 적용 및 개방형 제어기를 통한 통합관리의 실현이나, 1세대 낙농 스마트팜고도화 모델 적용을 통한 산유량, 유성분, 공태 일수 등 주요 생산지표 성과의 정량적 효과를 분석하는 것이다.
참고문헌 (16)
M. S. Dawkins, "Animal welfare and efficient farming: is conflict inevitable", Animal Production Science, Vol.57, No.2, pp.201-208, 2017. DOI:http://dx.doi.org/10.1071/AN15383
T. NATORI, N.ARIYAMA, S. TSUICHIHARA, H. TAKEMURA, N. AIKAWA, "Study of Activity Collecting System for Grazing Cattle", 34th International Technical Conference on Circuits/Systems, Computers and Communications (ITC-CSCC), pp.1-4, 2019. DOI:https://doi.org/10.1109/ITC-CSCC.2019.8793451
M. R. Borchers, Y. M. Chang, K. L. Proudfoot, B. A. Wadsworth, A. E. Stone, J. M. Bewley, "Machine-learning-based calving prediction from activity, lying, and ruminating behaviors in dairy cattle", Journal of Dairy Science, Vol.100, pp.5664- 5674, 2017. DOI:https://doi.org/10.3168/jds.2016-11526
Y. Chung, J. Lee, S. Oh, D. Park, H. Chang, and S. Kim, "Automatic detection of cow's oestrus in audio surveillance system", Asian-Australasian Journal of Animal Sciences, Vol.26, No.7, pp.1030-1037, 2013. DOI:http://dx.doi.org/10.5713/ajas.2012.12628
Y. Qiao, M. Truman, S, Sukkarieh, " Cattle segmentation and contour extraction based on Mask R-CNN for precision livestock farming", Computers and Electronics in Agriculture, Vol. 165, pp.104958, 2019. DOI:https://doi.org/10.1016/j.compag.2019.104958
P. Astuti, C.M. Airin, S. Widiyanto, N. Prayogo, K. Triyana, "Determination of estrus phase in cattle using electronic nose", In 2018 1st International Conference on Bioinformatics, Biotechnology, and Biomedical Engineering Bioinformatics and Biomedical Engineering, Vol, 1. pp.1-4, 2018. DOI:https://doi.org/10.1109/BIOMIC.2018.8610570
S. Fournel, A. N. Rousseau, B. Laberge, " Rethinking environment control strategy of confined animal housing systems through precision livestock farming", Biosystems Engineering, Vol.155, pp.96-123, 2017. DOI:https://doi.org/10.1016/j.biosystemseng.2016.12.005
M. Choi, "A Study on the Efficient Implementation Method of Cloud-based Smart Farm Control System." Journal of Digital Convergence Vol.18, No.3, pp.171-177, 2020. DOI:https://doi.org/10.14400/JDC.2020.18.3.171
NIAS,"Enhancement and validation of first-generation dairy smart farm model based on open integration system," Rural development Administration, Korea, pp.10-79, 2020.
B. S. Ahn, K.S. Kie, K.H. Suh, T.Y. Hur, J.M Yeo, H.J. Lee, B.S. Jeon, S.B. Park, H.S. Kim, "The effects on somatic cell score and milk components by days in milk in holstein dairy cows", Journal of Animal Science and Technology, Vol.46, No.6, pp.925-936. 2004. DOI:http://dx.doi.org/10.5187/JAST.2004.46.6.92
K.E. Dittmer, K.G. Thompson, "Vitamin D metabolism and rickets n domestic animals; a review", Veterinary Pathology, Vol.48, No.2, pp 389-407, 2011. DOI:https://doi.org/10.1177/0300985810375240
Y.J. Kim, S.H. Wee, H.C. Yoon, E.J. Heo, H.J. Park, J.H. Kim, "Comparison of an automated most-probable-number technique TEMPO®TVC with traditional plating methods petrifilmtm for estimating populations of total aerobic bacteria with livestock products", Journal of food hygiene and safety Vol.27, No.1, pp.103-107, 2012. DOI:http://dx.doi.org/10.13103/JFHS.2012.27.1.103
P. Saowaphak, M. Duangjinda, S. Plaengkaeo, R. Suwannasing, W. Boonkum, "Genetic correlation and genome-wide association study (GWAS) of the length of productive life, days open, and 305-days milk yield in crossbred Holstein dairy cattle", Genetics and Molecular Research, Vol.16, No.2, 2017. DOI:https://doi.org/10.4238/gmr16029091
A. R. Fernandes, L. E. Faro, A. E. Vercesi Filho, Machado, C. H. C. Barbero, L. M., Bittar, E. R., Igarasi, M. S., "Genetic evolution of milk yield, udder morphology and behavior in Gir dairy cattle", Revista Brasileira de Zootecnia, Vol.48, No.2, 2019. DOI:https://doi.org/10.1590/rbz4820180056
K. Martikainen, A. Sironen, P. Uimari, "Estimation of intrachromosomal inbreeding depression on female fertility using runs of homozygosity in Finnish Ayrshire cattle", Journal of dairy science, Vol.101, No.12, pp.11097-11107, 2018. DOI: https://doi.org/10.3168/jds.2018-14805
J. T. Paiva, M. G. C. D. Peixoto, F. A. T. Bruneli, A. B. Alvarenga, H. R. Oliveira, A. A. Silva, P. S. Lopes, "Genetic parameters, genome-wide association and gene networks for milk and reproductive traits in Guzera cattle", Livestock Science, Vol. 242, pp.1014273, 2020. DOI: https://doi.org/10.1016/j.livsci.2020.104273
※ AI-Helper는 부적절한 답변을 할 수 있습니다.