KR101392279B1 - 식물 공장의 생산량 예측 방법 - Google Patents
식물 공장의 생산량 예측 방법 Download PDFInfo
- Publication number
- KR101392279B1 KR101392279B1 KR1020120150155A KR20120150155A KR101392279B1 KR 101392279 B1 KR101392279 B1 KR 101392279B1 KR 1020120150155 A KR1020120150155 A KR 1020120150155A KR 20120150155 A KR20120150155 A KR 20120150155A KR 101392279 B1 KR101392279 B1 KR 101392279B1
- Authority
- KR
- South Korea
- Prior art keywords
- plant
- information
- production
- production amount
- yield
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 241000196324 Embryophyta Species 0.000 claims abstract description 76
- 238000004519 manufacturing process Methods 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004451 qualitative analysis Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000012272 crop production Methods 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 식물 공장의 생산량 예측 방법에 관한 것으로서, 식물 공장의 내부의 환경 상태 및 재배 식물의 성장 상태에 대한 데이터를 기반으로 식물 공장의 현재 상태를 진단하는 A단계와; 상기 A단계에서 진단된 상태 정보를 분석하는 B단계와; 상기 B단계에 분석된 정보를 토대로 상기 식물 공장에 대한 생산량을 예측하는 C단계와; 상기 C단계에서 예측된 정보를 검증하여 예측 생산량을 산출하는 D단계;를 포함하며, 상기 B단계에서 분석되는 정보는 해당 식물 공장에서의 과거 생산 결과 통계와 유관기관의 통계를 이용하여 모델링되는 것을 특징으로 한다.
이에 의해, 식물 공장에서 생육되는 식물의 생산량을 정확하게 예측할 수 있으며, 생산량 예측에 있어서 현재의 상태 정보 분석과 과거의 생산량 및 통계 분석을 취합하여 생산량 예측 모델을 구축함으로써 보다 신뢰성 있는 생산량 예측이 구현될 수 있으며, 생산량 예측에 의한 에너지 절감 및 시스템 효율이 증대될 수 있다.
이에 의해, 식물 공장에서 생육되는 식물의 생산량을 정확하게 예측할 수 있으며, 생산량 예측에 있어서 현재의 상태 정보 분석과 과거의 생산량 및 통계 분석을 취합하여 생산량 예측 모델을 구축함으로써 보다 신뢰성 있는 생산량 예측이 구현될 수 있으며, 생산량 예측에 의한 에너지 절감 및 시스템 효율이 증대될 수 있다.
Description
본 발명은 식물 공장의 생산량 예측 방법에 관한 것이다.
식물 공장은 통제된 시설 내에서 생물의 생육환경(빛, 공기, 열, 양분)을 인공적으로 제어하여 계절이나 장소에 관계없이 자동화를 통한 식물 생산과 동일한 작물을 계획 생산할 수 있는 시스템으로서, 식물공장은 LED, 환경제어시스템, 로봇자동화공정 등 첨단기술이 융화된 농업 분야라는 점에서 기존 비닐하우스와의 차이가 있다.
또한, 식물 공장은 향후 국내 기후변화에 대한 적극적 대응의 하나이며, 나아가 공장설비 자체의 수출이 가능한 신성장 산업으로, 채소 자급률이 10% 미만인 국가에 식물공장의 설치, 기술 자체를 수출함으로써 경제성을 증대시킬 수 있는 기술이다.
종래의 기술로는, "엽 채류 생산을 위한 식물공장 시스템"(출원번호 10-2011-0019180호)이 있었으나, 상기 종래 기술은 식물 공장의 물리적 구성을 기재하고 있으며, 식물 공장의 생산량을 예측하는 구성 또는 방법에 대해서는 기재하고 있지 않았다.
본 발명의 목적은, 식물 공장에서 생육되는 식물의 생산량을 정확하게 예측할 수 있는 식물 공장의 생산량 예측 방법을 제공하는 데 있다.
본 발명의 또 다른 목적은, 생산량 예측에 있어서 현재의 상태 정보 분석과 과거의 생산량 및 통계 분석을 취합하여 생산량 예측 모델을 구축함으로써 보다 신뢰성 있는 생산량 예측이 구현되며, 생산량 예측에 의한 에너지 절감 및 시스템 효율이 증대되는 식물 공장의 생산량 예측 방법을 제공하는 데 있다.
상기 목적은, 본 발명에 따라, 식물 공장의 내부의 환경 상태 및 재배 식물의 성장 상태에 대한 데이터를 기반으로 식물 공장의 현재 상태를 진단하는 A단계와; 상기 A단계에서 진단된 상태 정보를 분석하는 B단계와; 상기 B단계에 분석된 정보를 토대로 상기 식물 공장에 대한 생산량을 예측하는 C단계와; 상기 C단계에서 예측된 정보를 검증하여 예측 생산량을 산출하는 D단계;를 포함하며, 상기 B단계에서 분석되는 정보는 해당 식물 공장에서의 과거 생산 결과 통계와 유관기관의 통계를 이용하여 모델링되는 식물 공장의 생산량 예측 방법에 의해 달성될 수 있다.
여기서, 상기 A단계는, 식물 공장 내부의 환경 상태(온도, 습도, 기체의 조성비, 일사량, 조명의 강도)와 재배되는 식물의 성장도에 대한 정보를 복수의 센서노드로 수집하는 A-1단계와; 상기 A-1단계에 수집된 정보와 해당 식물의 기준 생장 정보를 매핑하는 A-2단계와; 상기 A-1단계 및 A-2단계에서 획득된 정보를 저장매체에 저장하는 A-3단계;를 포함한다.
또한, 상기 B단계는, 상기 A단계에서 수집된 정보에 임계치를 설정하여 분석구간이 설정된 구간 내의 정보를 분석하는 B-1단계와; 상기 A단계에서 수집된 정보에 각각 상이한 가중치를 부여하여 정보를 분석하는 B-2단계와; 상기 A단계에서 수집된 정보와 해당 식물 공장의 과거 생산 자료를 비교하여 정보를 분석하는 B-3단계와; 상기 A단계에서 수집된 정보와 유관 기관의 통계 정보를 비교하여 정보를 분석하는 B-4단계;를 포함하며, 상기 B-1단계와 B-2단계와 B-3단계와 B-4단계는 동시에 수행되도록 마련될 수 있다.
아울러, 상기 B단계는, 상기 B-1단계와 B-2단계와 B-3단계와 B-4단계 중 어느 하나의 단계 이상이 선택되고, 선택된 각 단계에서 분석된 정보가 취합되어 모델링될 수 있다.
여기서, 상기 C단계는, 상기 B-1단계와 B-2단계에서 분석된 정보를 토대로 해당 식물 공장의 생산량 예측 모델을 설정하는 C-1단계와; 상기 B-3단계와 B-4단계에서 분석된 정보를 토대로 해당 식물 공장의 생산량 예측 모델을 추정하는 C-2단계와; 상기 C-1단계에서 설정된 생산량 예측 모델과 상기 C-2단계에서 추정된 생산량 예측 모델의 평균치를 기준으로 생산량 예측 모델을 검증하고 구축하는 C-3단계;를 포함하여 이루어질 수 있다.
한편, 상기 D단계는, 상기 C-3단계에서 구축된 생산량 예측 모델에서 재배 작물의 특성, 재배 시기, 재배 지역, 재배 환경에 따른 오차를 반영하여 예측 생산량을 산출하는 단계로 마련될 수 있다.
본 발명에 의해, 식물 공장에서 생육되는 식물의 생산량을 정확하게 예측할 수 있으며, 생산량 예측에 있어서 현재의 상태 정보 분석과 과거의 생산량 및 통계 분석을 취합하여 생산량 예측 모델을 구축함으로써 보다 신뢰성 있는 생산량 예측이 구현될 수 있으며, 생산량 예측에 의한 에너지 절감 및 시스템 효율이 증대될 수 있다.
첨부의 하기 도면들은, 전술한 발명의 상세한 설명과 함께 본 발명의 기술적 사상을 이해시키기 위한 것이므로, 본 발명은 하기 도면에 도시된 사항에 한정 해석되어서는 아니 된다.
도 1 은 본 발명에 따른 식물 공장의 생산량 예측 방법에 대한 흐름도이다.
도 1 은 본 발명에 따른 식물 공장의 생산량 예측 방법에 대한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 구성을 상세히 설명하기로 한다.
이에 앞서, 본 명세서 및 청구범위에 사용된 용어는 사전적인 의미로 한정 해석되어서는 아니되며, 발명자는 자신의 발명을 최선의 방법으로 설명하기 위해 용어의 개념을 적절히 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합되는 의미와 개념으로 해석되어야 한다.
따라서, 본 명세서에 기재된 실시예 및 도면에 도시된 구성은 본 발명의 바람직한 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 표현하는 것은 아니므로, 본 출원 시점에 있어 이들을 대체할 수 있는 다양한 균등물과 변형예들이 존재할 수 있음을 이해하여야 한다.
도 1 은 본 발명에 따른 식물 공장의 생산량 예측 방법에 대한 흐름도이다.
도 1 을 참조하면, 본 발명에 따른 식물 공장의 생산량 예측 방법은, 식물 공장의 내부의 환경 상태 및 재배 식물의 성장 상태에 대한 데이터를 기반으로 식물 공장의 현재 상태를 진단하는 A단계(S10)와; 상기 A단계(S10)에서 진단된 상태 정보를 분석하는 B단계(S20)와; 상기 B단계(S20)에 분석된 정보를 토대로 상기 식물 공장에 대한 생산량을 예측하는 C단계(S30)와; 상기 C단계(S30)에서 예측된 정보를 검증하여 예측 생산량을 산출하는 D단계(S40);를 포함하며, 상기 B단계(S20)에서 분석되는 정보는 해당 식물 공장에서의 과거 생산 결과 통계와 유관기관의 통계를 이용하여 모델링될 수 있다.
먼저, 상기 A단계(S10)는, 식물 공장 내부의 환경 상태(온도, 습도, 기체의 조성비, 일사량, 조명의 강도)와 재배되는 식물의 성장도에 대한 정보를 복수의 센서노드로 수집하는 A-1단계(S12)와; 상기 A-1단계(S12)에 수집된 정보와 해당 식물의 기준 생장 정보를 매핑하는 A-2단계(S14)와; 상기 A-1단계(S12) 및 A-2단계(S14)에서 획득된 정보를 저장매체에 저장하는 A-3단계(S16);를 포함한다.
여기서, 상기 A-1단계(S12)는 식물 공장 내, 외부에 배치되는 하나 이상의 센서노드들로부터 제어모듈 또는 정보수집부가 해당 식물 공장 내부의 환경 상태와 식물의 성장도에 대한 정보를 전송받는 단계이다.
바람직하게는, 상기 센서노드는, 온습도 센서, 기체센서, 일사량 센서, 광센서, 이미지영상센서 등으로 마련되고, 유비쿼터스 센서 네트워크로 구성되어 각 센서노드로부터 각종 정보가 감지 및 수집된다.
다음, 상기 A-2단계(S14)는 상기 A-1단계(S12)에서 수집된 각종 정보를 해당 식물의 기준 생장 정보와 매핑시키는 단계로서, 상기 매핑 과정은 제어모듈 내부에서 진행될 수 있으나 독립적인 매핑부를 구성하여 이루어질 수 있음은 물론이다.
또한, 상기 매핑은 식물의 현재 상태 정보와 제어모듈 등에 미리 저장된 식물의 기준 생장 정보를 비교하여, 허용 범위를 초과하는 비교값이 검출될 경우, 이를 관리자에게 알람 형태로 알리거나 별도의 기록으로 현재 식물의 상태가 기준 값에 비하여 떨어지거나 초과하는 것으로 남기도록 마련될 수 있다.
또한, 매핑(S12) 과정에 의해 허용 범위를 초과하는 경우, 생산량 예측에 문제 또는 노이즈가 유입될 수 있으므로, 매핑에 문제가 있을 경우, 이 후, 분석 과정을 진행하지 않도록 시스템이 구성되는 것이 바람직하다.
다음, 상기 A-1단계(S12) 및 A-2단계(S14)에서 수집되고 매핑된 정보는 기록매채 등에 저장(S16)되며, 수집된 상태 정보와 매핑된 정보가 별도의 테이블에 독립적으로 저장되는 것이 바람직하다.
다음, 상기 A단계(S10)에서 진단된 상태 정보를 분석한다.(B단계(S20))
여기서, 상기 B단계(S20)는, 상기 A단계(S10)에서 수집된 정보에 임계치를 설정하여 분석구간이 설정된 구간 내의 정보를 분석하는 B-1단계(S22)와; 상기 A단계(S10)에서 수집된 정보에 각각 상이한 가중치를 부여하여 정보를 분석하는 B-2단계(S24)와; 상기 A단계(S10)에서 수집된 정보와 해당 식물 공장의 과거 생산 자료를 비교하여 정보를 분석하는 B-3단계(S26)와; 상기 A단계(S10)에서 수집된 정보와 유관 기관의 통계 정보를 비교하여 정보를 분석하는 B-4단계(S28);를 포함하여 이루어질 수 있다.
여기서, 상기 B-1단계(S22)는 시계열적 시점 또는 일부 구간 또는 전구간을 임계치로 설정하여 해당 시점 또는 구간 내의 정보를 정량적, 종합적으로 분석하는 단계이다.
또한, 상기 B-2단계(S24)는 정성적 분석 방법으로써, 바람직하게는 휴리스틱 분석 기법(이에 대한 구체적 내용은 공지된 것이므로 생략한다.)으로 이루어질 수 있다.
여기서, 상기 B-2단계(S24)는 상기 A단계(S10)에서 수집된 정보에 각각 상이한 가중치를 부여하여 수집된 정보에 대한 분석을 실시하는 단계로써, 식물 공장의 목표 생산량 및 목표 생산량에 도달하기 위한 식물 공장 내의 환경 설정을 결정하기 위한 정보로서 활용될 수 있다.
한편, 상기 B-3단계(S26)는 A단계(S10)에서 수집된 정보와 해당 식물 공장의 과거 생산 자료를 비교하여 정보를 분석하는 단계로서, 본 발명에 따른 생산량 예측 방법에 대한 정보가 누적될수록 그 신뢰성이 높아지는 분석 단계이다.
또한, 상기 B-4단계(S28)는 유관 기관(예를 들면, 기상청, 환경청 등)에서 제공하는 특정 시점, 특정 주기, 특정 지역의 기후 상태 및 예측 정보, 토양 정보 등을 바탕으로 식물의 생산량에 대한 정보를 분석하는 단계이다.
여기서, 상기 B-1단계(S22)와 B-2단계(S24)와 B-3단계(S26)와 B-4단계(S28)는 동시에 수행되도록 마련될 수 있으며, 상기 B단계(S20)는, 상기 B-1단계(S22)와 B-2단계(S24)와 B-3단계(S26)와 B-4단계(S28) 중 어느 하나의 단계 이상이 선택되고, 선택된 각 단계에서 분석된 정보가 취합되어 모델링될 수 있다.
즉, 현재 생장 상태에 대한 정량적 분석, 정성적 분석, 과거 정보 분석, 환경, 지역에 대한 통계 분석 중 필요한 분석을 선택하고 이를 취합하여 모델링함으로써 지역, 식물, 사용자의 특성 및 요구에 부합되는 생산량 예측 모델을 제공할 수 있는 것이다.
또한, 상기 B-1단계(S22)와 B-2단계(S24)와 B-3단계(S26)와 B-4단계(S28)는 각각의 분석툴을 구비한 독립적 구성에서 수행되는 것이 바람직하지만, 이를 종합하여 분석할 수 있는 수단을 마련하여 제어모듈 내, 외부에 설치하는 것도 가능할 것이며, B-3단계(S26) 및 B-4단계(S28)는 외부 서버와 통신 가능하도록 연동되어 분석 정보를 전송받도록 구성되는 것도 가능하다.
다음, 상기 B단계(S20)에 분석된 정보를 토대로 상기 식물 공장에 대한 생산량을 예측(C단계:S30)한다.
여기서, 상기 C단계(S30)는, 상기 B-1단계(S22)와 B-2단계(S24)에서 분석된 정보를 토대로 해당 식물 공장의 생산량 예측 모델을 설정하는 C-1단계(S32)와; 상기 B-3단계(S26)와 B-4단계(S28)에서 분석된 정보를 토대로 해당 식물 공장의 생산량 예측 모델을 추정하는 C-2단계(S34)와; 상기 C-1단계(S32)에서 설정된 생산량 예측 모델과 상기 C-2단계(S34)에서 추정된 생산량 예측 모델의 평균치를 기준으로 생산량 예측 모델을 검증하고 구축하는 C-3단계(S36);를 포함하여 이루어질 수 있다.
즉, 상기 C-1단계(S32)에서 정량적, 정성적 분석을 바탕으로 생산량 예측 모델을 설정하고, 상기 C-2단계(S34)에서 누적된 과거 정보 분석을 타방으로 생산량 예측 모델을 추정한 후, 상기 C-3단계(S36)에서, 이들의 평균치를 기준으로 생산량 예측 모델을 구축함으로써, 정확하고 신뢰적인 생산량 예측 모델이 구축될 수 있는 것이다.
여기서, 상기 C-1단계(S32)에서 설정된 생산량 예측 모델과 C-2단계(S34)에서 추정된 생산량 예측 모델은 각각의 평균치를 바탕으로 동일한 가중치(50:50)를 적용하여 생산량 예측 모델을 구축하는 것이 바람직하지만, 식물 특성, 재배 환경 특성, 기후 특성에 따라 상이한 가중치를 적용하여 생산량 예측 모델을 구축하는 것도 가능하다.
다음, 상기 D단계(S40)는, 상기 C-3단계(S30)에서 구축된 생산량 예측 모델에서 재배 작물의 특성, 재배 시기, 재배 지역, 재배 환경에 따른 오차를 반영하여 예측 생산량을 산출하는 단계로 마련될 수 있다.
즉, 시기, 시점, 일부 구간, 전체 구간, 작물 별 현황분석으로부터 발생될 수 있는 오차를 적용하여 분석 정보에 유입될 수 있는 노이즈를 제거함으로써, 더욱 정확한 생산량 예측 방법을 구현할 수 있는 것이다.
아울러, 상기 각 센서노드들의 USN를 구현하기 위한 세부 구성(통신 회로, 프로토콜, 인터페이스 등)과, 식물 공장 내부에 설치되는 기계적 구성에 대한 구체적인 내용은 식물 공장에 관련 기술에 있어 이미 공지된 것이므로 생략하였다.
또한, 전술한 각 단계를 수행하는 주체는 각 단계의 역할에 따라 입출력, 저장, 연산, 통신, 산출의 역할을 수행하는 독립적 구성으로 마련되는 것이 바람직하지만, 이에 한정되지는 않으며, 식물 공장의 시스템을 제어하는 제어모듈 내부에 일체로 설치되어 작동되는 것도 가능할 것이다.
전술한 바와 같이, 본 발명에 따른 식물 공장의 생산량 예측 방법은, 식물 공장에서 생육되는 식물의 생산량을 정확하게 예측할 수 있으며, 생산량 예측에 있어서 현재의 상태 정보 분석과 과거의 생산량 및 통계 분석을 취합하여 생산량 예측 모델을 구축함으로써 보다 신뢰성 있는 생산량 예측이 구현될 수 있으며, 생산량 예측에 의한 에너지 절감 및 시스템 효율이 증대될 수 있다.
이상, 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명의 기술적 사상은 이러한 것에 한정되지 않으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해, 본 발명의 기술적 사상과 하기 될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형 실시가 가능할 것이다.
Claims (6)
- 식물 공장의 내부의 환경 상태 및 재배 식물의 성장 상태에 대한 데이터를 기반으로 식물 공장의 현재 상태를 진단하는 A단계와;
상기 A단계에서 진단된 상태 정보를 분석하는 B단계와;
상기 B단계에 분석된 정보를 토대로 상기 식물 공장에 대한 생산량을 예측하는 C단계와;
상기 C단계에서 예측된 정보를 검증하여 예측 생산량을 산출하는 D단계;를 포함하며,
상기 B단계에서 분석되는 정보는 해당 식물 공장에서의 과거 생산 결과 통계와 유관기관의 통계를 이용하여 모델링되도록 마련되며,
상기 A단계는,
식물 공장 내부의 환경 상태와 재배되는 식물의 성장도에 대한 정보를 복수의 센서노드로 수집하는 A-1단계와;
상기 A-1단계에 수집된 정보와 해당 식물의 기준 생장 정보를 매핑하는 A-2단계와;
상기 A-1단계 및 A-2단계에서 획득된 정보를 저장매체에 저장하는 A-3단계;를 포함하는 것을 특징으로 하는 식물 공장의 생산량 예측 방법. - 삭제
- 제 1 항에 있어서,
상기 B단계는,
상기 A단계에서 수집된 정보에 임계치를 설정하여 분석구간이 설정된 구간 내의 정보를 분석하는 B-1단계와;
상기 A단계에서 수집된 정보에 각각 상이한 가중치를 부여하여 정보를 분석하는 B-2단계와;
상기 A단계에서 수집된 정보와 해당 식물 공장의 과거 생산 자료를 비교하여 정보를 분석하는 B-3단계와;
상기 A단계에서 수집된 정보와 유관 기관의 통계 정보를 비교하여 정보를 분석하는 B-4단계;를 포함하며,
상기 B-1단계와 B-2단계와 B-3단계와 B-4단계는 동시에 수행되는 것을 특징으로 하는 식물 공장의 생산량 예측 방법. - 제 3 항에 있어서,
상기 B단계는, 상기 B-1단계와 B-2단계와 B-3단계와 B-4단계 중 어느 하나의 단계 이상이 선택되고, 선택된 각 단계에서 분석된 정보가 취합되어 모델링되는 것을 특징으로 하는 식물 공장의 생산량 예측 방법. - 제 4 항에 있어서,
상기 C단계는,
상기 B-1단계와 B-2단계에서 분석된 정보를 토대로 해당 식물 공장의 생산량 예측 모델을 설정하는 C-1단계와;
상기 B-3단계와 B-4단계에서 분석된 정보를 토대로 해당 식물 공장의 생산량 예측 모델을 추정하는 C-2단계와;
상기 C-1단계에서 설정된 생산량 예측 모델과 상기 C-2단계에서 추정된 생산량 예측 모델의 평균치를 기준으로 생산량 예측 모델을 검증하고 구축하는 C-3단계;를 포함하는 것을 특징으로 하는 식물 공장의 생산량 예측 방법. - 제 5 항에 있어서,
상기 D단계는,
상기 C-3단계에서 구축된 생산량 예측 모델에서 재배 작물의 특성, 재배 시기, 재배 지역, 재배 환경에 따른 오차를 반영하여 예측 생산량을 산출하는 단계인 것을 특징으로 하는 식물 공장의 생산량 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120150155A KR101392279B1 (ko) | 2012-12-21 | 2012-12-21 | 식물 공장의 생산량 예측 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120150155A KR101392279B1 (ko) | 2012-12-21 | 2012-12-21 | 식물 공장의 생산량 예측 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101392279B1 true KR101392279B1 (ko) | 2014-05-07 |
Family
ID=50893290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120150155A KR101392279B1 (ko) | 2012-12-21 | 2012-12-21 | 식물 공장의 생산량 예측 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101392279B1 (ko) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101811640B1 (ko) * | 2016-08-03 | 2017-12-26 | 한국과학기술연구원 | 기계학습을 이용한 작물의 생산량 예측장치 및 방법 |
| KR101823521B1 (ko) * | 2015-01-09 | 2018-01-30 | 한국전자통신연구원 | 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법 |
| KR101860757B1 (ko) * | 2016-05-04 | 2018-05-24 | 한국과학기술연구원 | 작물의 생산량 예측장치 및 방법 |
| KR20180086735A (ko) * | 2017-01-23 | 2018-08-01 | 한국과학기술연구원 | 표현형 기반 식물체 선발 시스템 및 그 방법 |
| KR101935008B1 (ko) * | 2017-12-08 | 2019-01-03 | 함영국 | 농작물 생장상태정보를 이용한 농작물 유통관리 방법 |
| WO2019017408A1 (ja) * | 2017-07-18 | 2019-01-24 | 株式会社プラントライフシステムズ | 情報処理装置、情報処理方法およびプログラム |
| CN113940263A (zh) * | 2021-11-15 | 2022-01-18 | 中国农业科学院都市农业研究所 | 一种用于植物生产的照护装置 |
| KR20220067056A (ko) * | 2020-11-17 | 2022-05-24 | 주식회사 아니벌써 | 사용자의 위치에 기반한 상품 제공 방법 및 그 장치 |
| WO2024043405A1 (ko) * | 2022-08-26 | 2024-02-29 | 최관철 | 생육환경 정보 측정기를 이용한 식물 관리 기법 제공 장치 및 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005151851A (ja) | 2003-11-21 | 2005-06-16 | Mayekawa Mfg Co Ltd | 農作物需給管理システム、加工食品受発注システム及び農業支援システム |
| JP2008137209A (ja) | 2006-11-30 | 2008-06-19 | Komuratekku:Kk | 樹脂凸版 |
| JP2010166851A (ja) * | 2009-01-22 | 2010-08-05 | Chiharu Hongo | 作物の収量予測方法及びその装置 |
| JP2012203875A (ja) | 2011-03-28 | 2012-10-22 | Tokyo Electric Power Co Inc:The | 収量予測装置およびコンピュータプログラム |
-
2012
- 2012-12-21 KR KR1020120150155A patent/KR101392279B1/ko not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005151851A (ja) | 2003-11-21 | 2005-06-16 | Mayekawa Mfg Co Ltd | 農作物需給管理システム、加工食品受発注システム及び農業支援システム |
| JP2008137209A (ja) | 2006-11-30 | 2008-06-19 | Komuratekku:Kk | 樹脂凸版 |
| JP2010166851A (ja) * | 2009-01-22 | 2010-08-05 | Chiharu Hongo | 作物の収量予測方法及びその装置 |
| JP2012203875A (ja) | 2011-03-28 | 2012-10-22 | Tokyo Electric Power Co Inc:The | 収量予測装置およびコンピュータプログラム |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101823521B1 (ko) * | 2015-01-09 | 2018-01-30 | 한국전자통신연구원 | 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법 |
| KR101860757B1 (ko) * | 2016-05-04 | 2018-05-24 | 한국과학기술연구원 | 작물의 생산량 예측장치 및 방법 |
| KR101811640B1 (ko) * | 2016-08-03 | 2017-12-26 | 한국과학기술연구원 | 기계학습을 이용한 작물의 생산량 예측장치 및 방법 |
| KR20180086735A (ko) * | 2017-01-23 | 2018-08-01 | 한국과학기술연구원 | 표현형 기반 식물체 선발 시스템 및 그 방법 |
| KR102145617B1 (ko) | 2017-01-23 | 2020-08-19 | 한국과학기술연구원 | 표현형 기반 식물체 선발 시스템 및 그 방법 |
| WO2019017408A1 (ja) * | 2017-07-18 | 2019-01-24 | 株式会社プラントライフシステムズ | 情報処理装置、情報処理方法およびプログラム |
| CN110892440A (zh) * | 2017-07-18 | 2020-03-17 | 株式会社植物生命系统 | 信息处理装置、信息处理方法和程序 |
| KR101935008B1 (ko) * | 2017-12-08 | 2019-01-03 | 함영국 | 농작물 생장상태정보를 이용한 농작물 유통관리 방법 |
| KR20220067056A (ko) * | 2020-11-17 | 2022-05-24 | 주식회사 아니벌써 | 사용자의 위치에 기반한 상품 제공 방법 및 그 장치 |
| KR102476236B1 (ko) * | 2020-11-17 | 2022-12-12 | 주식회사 아니벌써 | 사용자의 위치에 기반한 상품 제공 방법 및 그 장치 |
| CN113940263A (zh) * | 2021-11-15 | 2022-01-18 | 中国农业科学院都市农业研究所 | 一种用于植物生产的照护装置 |
| WO2024043405A1 (ko) * | 2022-08-26 | 2024-02-29 | 최관철 | 생육환경 정보 측정기를 이용한 식물 관리 기법 제공 장치 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101392279B1 (ko) | 식물 공장의 생산량 예측 방법 | |
| Eslamirad et al. | Thermal comfort prediction by applying supervised machine learning in green sidewalks of Tehran | |
| CN101795090B (zh) | 预测光伏器件的电力产量的方法 | |
| KR102093544B1 (ko) | 곡물 생산량 예측 방법 및 장치 | |
| CN106779188A (zh) | 一种种植设备中植物病虫害预测方法及装置 | |
| CN107430388A (zh) | 用于控制建筑物内的环境管理系统的方法和装置 | |
| CN103476042A (zh) | 环境监测系统中的无线温度传感器优化部署方法 | |
| CN108573327A (zh) | 基于天气数据的无线传感网节点太阳能收集功率预测算法 | |
| Liu | Smart sensors, sensing mechanisms and platforms of sustainable smart agriculture realized through the big data analysis | |
| CN117251700B (zh) | 基于人工智能的环境监测传感器数据分析方法及系统 | |
| KR20210011745A (ko) | 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 | |
| CN110119767A (zh) | 一种基于lvq神经网络的黄瓜温室温度智能化检测装置 | |
| US20130317632A1 (en) | Platform apparatus for agricultural environment control system | |
| CN116383773A (zh) | 基于自适应预测区间的数据中心能效异常检测方法、系统和介质 | |
| Dhaya et al. | Energy efficient resource allocation algorithm for agriculture iot | |
| CN109063388A (zh) | 风环境模拟的微气候建筑选址设计方法 | |
| KR102067110B1 (ko) | 높은 정확도를 가지는 기축 건물의 에너지 데이터 처리장치 및 방법 | |
| US20210305937A1 (en) | Device and method for determining whether power generation system is abnormal | |
| van Mourik et al. | Improving climate monitoring in greenhouse cultivation via model based filtering | |
| CN116579873A (zh) | 基于高温干旱气象评估作物灾害减产情况的方法及系统 | |
| Eredics et al. | Data cleaning for an intelligent greenhouse | |
| WO2021039465A1 (ja) | 病害予測システム、病害予測方法及びプログラム | |
| Ramirez et al. | Assessing data quality in a sensor network for environmental monitoring | |
| Pero et al. | IoT-Driven Machine Learning for Precision Viticulture Optimization | |
| Eredics et al. | Data Cleaning and Anomaly Detection for an Intelligent Greenhouse |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| LAPS | Lapse due to unpaid annual fee |