[논문]Design of Smart Farm Growth Information Management Model Based on Autonomous Sensors

Yoon-Su Jeong

doi:10.9708/jksci.2023.28.04.113

Design of Smart Farm Growth Information Management Model Based on Autonomous Sensors 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.28 no.4, 2023년, pp.113 - 120

Yoon-Su Jeong (Dept. of Game Software Engineering, Mokwon University)

초록
AI-Helper

스마트 팜은 IoT 기술과 인공지능 기술이 접목되면서 농작물에 투입되는 노동력·에너지·양분 등을 최소화는 연구가 꾸준히 증가하고 있는 상황이다. 그러나, 스마트 팜에서 농작물의 생육 정보를 효율적으로 관리하는 연구는 현재까지 미진한 상태이다. 본 논문에서는 스마트 팜에 자율 센서를 적용하여 농작물의 생육 정보를 효율적으로 모니터링할 수 있는 관리 기법을 제안한다. 제안 기법은 농작물의 생육 정보를 자율 센서를 통해 수집한 후 생육 정보를 농작물 재배에 재활용하는데 초점을 갖는다. 특히, 제안 기법은 농작물의 생육 정보를 한 슬롯으로 할당한 후 로드밸런싱을 수행하도록 농작물별로 가중치를 부여하며, 농작물의 생육 정보 간의 간섭을 서로 최소화한다. 또한, 제안 기법은 농작물의 생육 정보를 4단계 (센싱 탐지 단계, 센싱 전송 단계, 애플리케이션 처리 단계, 데이터 관리 단계 등)로 처리할 때, 농작물의 중요 관리점을 실시간으로 전산화하기 때문에 관리 기준 이외의 경우에는 즉각적인 경고 시스템이 동작한다. 성능평가 결과, 자율 센서의 정확도는 기존 기법보다 평균 22.9%의 향상된 결과를 얻었으며, 효율성은 기존 기법보다 평균 16.4% 향상된 결과를 얻었다.

Abstract ▼ AI-Helper

Smart farms are steadily increasing in research to minimize labor, energy, and quantity put into crops as IoT technology and artificial intelligence technology are combined. However, research on efficiently managing crop growth information in smart farms has been insufficient to date. In this paper, we propose a management technique that can efficiently monitor crop growth information by applying autonomous sensors to smart farms. The proposed technique focuses on collecting crop growth information through autonomous sensors and then recycling the growth information to crop cultivation. In particular, the proposed technique allocates crop growth information to one slot and then weights each crop to perform load balancing, minimizing interference between crop growth information. In addition, when processing crop growth information in four stages (sensing detection stage, sensing transmission stage, application processing stage, data management stage, etc.), the proposed technique computerizes important crop management points in real time, so an immediate warning system works outside of the management criteria. As a result of the performance evaluation, the accuracy of the autonomous sensor was improved by 22.9% on average compared to the existing technique, and the efficiency was improved by 16.4% on average compared to the existing technique.

주제어

표/그림 (11)

그림 Fig. 1. Farm Processing Architecture
그림 Fig. 2. Hardware Components
표 Table 1. Autonomous IoT sensor management algorithm
표 Table 2. Track process algorithm of autonomous IoT sensor
그림 Fig. 3. The Structure of the Linked Blockchain
그림 Fig. 4. Experiment Environment
표 Table 3. Environment Setup
표 Table 4. Accuracy of autonomous sensor Units : %
표 Table 5. Efficiency using autonomous sensor Units : %
표 Table 6. Process time of autonomous sensor Units : ms
표 Table 7. Productivity versus capital, quality improvement, energy savings, increased convenience, income assessment Units : %

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 스마트 팜에서 재배하는 농작물의 생육 요인들(온도, 습도, 일조량 등)을 자율 센서로 효율적으로 모니터링할 수 있는 관리 기법을 제안한다. 제안 기법은 농작물의 관리 효율성을 높이는데 초점을 가지며, 농작물의 생육 정보를 한 슬롯으로 할당하여 자율 센서 간 수집된 정보를 로드밸런싱 한다.
스마트 팜은 자동∙원격 관리를 통해 운영되기 때문에 농장에 투입되는 노동∙에너지 등을 최소화하여 농업 경쟁력을 높일 수 있는 다양한 연구가 제시되었다. 본 논문에서는 스마트 팜의 농작물에 자율 센서를 적용하여 농작물을 효율적으로 모니터링할 수 있는 관리 기법을 제안하였다. 제안 기법은 농작물의 관리 효율성을 향상시킬 뿐만아니라 관리 비용을 최소화하는 데 목적이 있다.
본 논문에서는 스마트 팜의 농작물에 자율 센서를 적용하여 농작물을 효율적으로 모니터링할 수 있는 관리 기법을 제안하였다. 제안 기법은 농작물의 관리 효율성을 향상시킬 뿐만아니라 관리 비용을 최소화하는 데 목적이 있다. 제안 기법은 농작물의 생육 정보를 하나의 슬롯으로 할당하여 수집 정보 간 로드밸런싱을 유지함으로써 농작물의 관리 비용을 낮추었다.

제안 방법

제안 기법은 농작물의 생육 환경정보를 블록체인 기반으로 처리함으로써 시간과 공간 제약 없이 농작물의 중요 관리점을 연계 관리할 수 있으므로 경고 시스템 없이 즉각 대응할 수 있다. 또한, 제안 기법은 농작물의 생육 정보를 정확한 시간과 절차에 따라 자동으로 데이터를 측정하고, 기록한 후, 중요 관리점에 따라 모니터링이 가능하다.
자율 센서를 이용한 제안 기법은 농작물의 생육 정보를 연계 처리하기 위해서 자율 센서 간 수집된 정보를 로드밸런싱하여 유지한다. 이때, 제안 기법은 수집된 농작물의 생육 정보를 농작물별로 가중치를 부여하는데 그 이유는 농작물의 생육 정보 간에 간섭을 서로 최소화하기 위해서이다.
제안 기법에서는 스마트 팜을 효율적으로 관리하기 위해서 자율 센서를 사용한다. 이때, 자율 센서를 통해 생산 관리뿐만 아니라 상품 관리 프로세스를 Table 1과 같은 알고리즘을 통해 수행한다.
본 논문에서는 스마트 팜에서 재배하는 농작물의 생육 요인들(온도, 습도, 일조량 등)을 자율 센서로 효율적으로 모니터링할 수 있는 관리 기법을 제안한다. 제안 기법은 농작물의 관리 효율성을 높이는데 초점을 가지며, 농작물의 생육 정보를 한 슬롯으로 할당하여 자율 센서 간 수집된 정보를 로드밸런싱 한다. 이를 위해서 제안 기법에서는 수집된 농작물의 생육 정보를 농작물별로 가중치를 부여함으로써 농작물의 생육 정보 간에 간섭을 서로 최소화한다.
제안 기법은 농작물의 생육 정보를 하나의 슬롯으로 할당하여 수집 정보 간 로드밸런싱을 유지함으로써 농작물의 관리 비용을 낮추었다. 제안 기법은 농작물의 생육 정보를 농작물별로 가중치를 부여하여 농작물의 생육 정보를 4단계(센싱 탐지 단계, 센싱 전송 단계, 애플리케이션 처리 단계, 데이터 관리 단계 등)로 전산처리함으로써 농작물의 생육 정보 간에 간섭을 서로 최소화하였다. 성능 평가 결과, 자율 센서의 정확도는 일정 시간 동안 해시 체인으로 생육 정보를 묶어 처리하였기 때문에 기존 기법보다 평균 22.
제안 기법은 농작물의 관리 효율성을 향상시킬 뿐만아니라 관리 비용을 최소화하는 데 목적이 있다. 제안 기법은 농작물의 생육 정보를 하나의 슬롯으로 할당하여 수집 정보 간 로드밸런싱을 유지함으로써 농작물의 관리 비용을 낮추었다. 제안 기법은 농작물의 생육 정보를 농작물별로 가중치를 부여하여 농작물의 생육 정보를 4단계(센싱 탐지 단계, 센싱 전송 단계, 애플리케이션 처리 단계, 데이터 관리 단계 등)로 전산처리함으로써 농작물의 생육 정보 간에 간섭을 서로 최소화하였다.
제안 기법은 스마트 팜에서 생육 되는 농작물의 다양한 생육 요인(온도, 습도, 일조량 등)을 데이터로 처리 관리할 수 있다. 제안 기법은 센싱 탐지 단계, 센싱 전송 단계, 애플리케이션 처리 단계, 데이터 관리 단계 등 4가지 단계로 구성된다. 센싱 감지 단계는 농작물 생육을 담당하는 센서 장치로부터 데이터를 수집한다.
1에서 제안 기법은 농작물 관리의 효율성을 높이는데 초점을 가지며, 농작물 관리에서 데이터 접근 방식은 경로 최적화 방식을 사용한다. 제안 기법은 자율 센서를 통해 농작물 관리 정보를 할당된 시간 슬롯 및 최적의 경로 계획 전략을 기반으로 자율적으로 수집한다.
제안 기법은 농작물 생육 정보 수집 트랙에서 3가지 동작을 수행한다. 첫째, 자율 센서에 부착된 카메라를 통해 생육 정보 수집 준비하고, 둘째, CNN을 훈련할 수 있는 머신러닝 모델을 구축하고, 셋째, 훈련된 모델을 트랙에 적용한다.

성능/효과

이를 위해서 제안 기법에서는 수집된 농작물의 생육 정보를 농작물별로 가중치를 부여함으로써 농작물의 생육 정보 간에 간섭을 서로 최소화한다. 또한, 제안 기법은 농작물의 생육 정보를 4단계(센싱 감지 단계, 센싱 전송 단계, 애플리케이션 처리 단계, 데이터 관리 단계 등)로 구분하여 데이터를 수집할 때, 실시간으로 중요 관리점을 전산화하기 때문에 관리 기준에 대해서 이탈 사항이 발행하면 즉각적인 경고 시스템으로 즉각 대응할 수 있다.
또한, 제안 기법은 자율 센서 모니터링을 통해 실시간으로 중요 관리점을 n×n 행렬로 정의된 관계 성분으로 나타낸 후 관리 기준 이탈 사항이 발행할 때마다 경고 시스템이 즉각 대응할 수 있도록 설계하였기 때문에 효율성이 기존 기법보다 향상된 결과를 얻을 수 있다.
4% 향상된 결과를 얻었다. 마지막으로 중요 관리점을 n×n 행렬의 관계 성분으로 나타낸 후 관리 기준 이탈에 따라 경고 시스템이 즉각 대응할 수 있으므로 기존 기법보다 평균 13.2% 단축 시간을 얻었다. 향후 연구에서는 연구 결과를 기반으로 다양한 스마트팜의 농작물에 적용할 계획이다.
9%의 향상된 결과를 얻었다. 생육 정보를 쌍대비교 행렬을 이용하여 농작물 생육 정보 수만큼 계층화하였기 때문에 효율성이 기존 기법보다 평균 16.4% 향상된 결과를 얻었다. 마지막으로 중요 관리점을 n×n 행렬의 관계 성분으로 나타낸 후 관리 기준 이탈에 따라 경고 시스템이 즉각 대응할 수 있으므로 기존 기법보다 평균 13.
제안 기법은 농작물의 생육 정보를 농작물별로 가중치를 부여하여 농작물의 생육 정보를 4단계(센싱 탐지 단계, 센싱 전송 단계, 애플리케이션 처리 단계, 데이터 관리 단계 등)로 전산처리함으로써 농작물의 생육 정보 간에 간섭을 서로 최소화하였다. 성능 평가 결과, 자율 센서의 정확도는 일정 시간 동안 해시 체인으로 생육 정보를 묶어 처리하였기 때문에 기존 기법보다 평균 22.9%의 향상된 결과를 얻었다. 생육 정보를 쌍대비교 행렬을 이용하여 농작물 생육 정보 수만큼 계층화하였기 때문에 효율성이 기존 기법보다 평균 16.
시드(seed) 등으로 구성하며, 각 블록체인의 데이터는 자율 센서에서 수집된 중요 정보로 해시값을 생성한다. 제안 기법은 농작물의 생육 환경정보를 블록체인 기반으로 처리함으로써 시간과 공간 제약 없이 농작물의 중요 관리점을 연계 관리할 수 있으므로 경고 시스템 없이 즉각 대응할 수 있다. 또한, 제안 기법은 농작물의 생육 정보를 정확한 시간과 절차에 따라 자동으로 데이터를 측정하고, 기록한 후, 중요 관리점에 따라 모니터링이 가능하다.
이때, 자율 센서를 통해 생산 관리뿐만 아니라 상품 관리 프로세스를 Table 1과 같은 알고리즘을 통해 수행한다. 제안 기법은 스마트팜에서 생산되는 농작물의 생육 정보관리, 생산, 재고 등을 시간과 공간 제약 없이 처리함으로써 스마트 팜의 경쟁력을 확보할 수 있다. 또한, 제안 기법은 자율 센서 모니터링을 통해 실시간으로 중요 관리점을 전산화하기 때문에 관리 기준 이탈 사항이 발행할 때마다 경고 시스템으로 즉각 대응할 수 있다.

후속연구

2% 단축 시간을 얻었다. 향후 연구에서는 연구 결과를 기반으로 다양한 스마트팜의 농작물에 적용할 계획이다.

참고문헌 (15)

A. P. John, S. N. Anand, S. Verma, S. Shukla, A. Chalil and？S. K N, "IoT Based System to Enhance Agricultural Practices,"？Proceedings of the 2021 Second International Conference on？Electronics and Sustainable Communication Systems (ICESC), pp.？845-850, 2021.
L. Akhila, B. S. Megha, M. Santhoshlal Nikhila, B. Sreelakshmi,？P. Vykha, C. Anu and K. N. Sreehari, "IoT-enabled Geriatric？Health Monitoring System," Proceedings of the 2021 Second？International Conference on Electronics and Sustainable？Communication Systems (ICESC), pp. 803-810, 2021
K. M. Sakthiprasad and R. K. Megalingam, "A Survey on Machine？Learning in Agriculture - background work for an unmanned？coconut tree harvester," Proceedings of the 2019 Third？International Conference on Inventive Systems and Control？(ICISC), pp. 433-437, 2019.
E. M. E. Ahmed, K. H. B. Abdalla and I. k. Eltahir, "Farm？Automation based on IoT," Proceedings of the 2018 International？Conference on Computer, Control, Electrical, and Electronics？Engineering (ICCCEEE), pp. 1-4, 2018.
P. Srivastava, M. Bajaj and A. S. Rana, "Overview of ESP8266？Wi-Fi module based Smart Irrigation System using IOT,"？Proceedings of the 2018 Fourth International Conference on？Advances in Electrical, Electronics, Information, Communication？and Bio-Informatics (AEEICB), pp. 1-5, 2018.
M. V. Gurao and U. B. Vaidya, "IOT based Smart Irrigation？System," International Journal of Engineering Research &？Technology, Vol. 11, No. 11, pp. 1-5, Novemver 2022. DOI:？10.17577/IJERTV11IS110063
G. Sushanth and S. Sujatha, "IOT Based Smart Agriculture？System," Proceedings of the 2018 International Conference on？Wireless Communications, Signal Processing and Networking？(WiSPNET), pp. 1-4, 2018.
K. S. Pratyush Reddy, Y. M. Roopa, K. Rajeev L.N. and N. S.？Nandan, "IoT based Smart Agriculture using Machine Learning,"？Proceedings of the 2020 Second International Conference on？Inventive Research in Computing Applications (ICIRCA), pp.？130-134,
C. V. Giriraja and T. K. Ramesh, "Weather Condition Based？Automatic Irrigation System," Proceedings of the 2020 2nd PhD？Colloquium on Ethically Driven Innovation and Technology for？Society (PhDEDITS), pp. 1-2,
V. S. Rama Krishna Sighakolli, B. Siddineni, T. J. Satyanarayana？and R. Nanditha, "Emergency Locket for Women using Blynk？and IFTTT based on the Internet of Things," Proceedings of the？2021 12th International Conference on Computing Communication？and Networking Technologies (ICCCNT), pp. 1-6, 2021.
D. Savchuk and A. Doroshenko, "Investigation of machine？learning classification methods effectiveness," Proceedings of the？2021 IEEE 16th International Conference on Computer Sciences？and Information Technologies (CSIT), pp. 33-37, 2021.
D. V. K, Dr. T. K. Ramesh and A. Shashikanth, "A Machine？Learning based Ensemble Approach for Predictive Analysis of？Healthcare Data," Proceedings of the 2020 2nd PhD Colloquium？on Ethically Driven Innovation and Technology for Society (PhD？EDITS), pp. 1-2, 2020.
A. Yaganteeswarudu, "Multi Disease Prediction Model by using？Machine Learning and Flask API," Proceedings of the 2020 5th？International Conference on Communication and Electronics？Systems (ICCES), pp. 1242-1246,
J. N. Reddy, K. Vinod and A. S. Remya Ajai, "Analysis of？Classification Algorithms for Plant Leaf Disease Detection,"？Proceedings of the 2019 IEEE International Conference on？Electrical, Computer and Communication Technologies？(ICECCT), pp. 1-6, 2019.
S. Akshay and T. K. Ramesh, "Efficient Machine Learning？Algorithm for Smart Irrigation," Proceedings of the 2020？International Conference on Communication and Signal？Processing (ICCSP), pp. 867-870, 2020.？

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