KR102537688B1 - 스마트팜 환경 제어시스템 - Google Patents
스마트팜 환경 제어시스템 Download PDFInfo
- Publication number
- KR102537688B1 KR102537688B1 KR1020220138420A KR20220138420A KR102537688B1 KR 102537688 B1 KR102537688 B1 KR 102537688B1 KR 1020220138420 A KR1020220138420 A KR 1020220138420A KR 20220138420 A KR20220138420 A KR 20220138420A KR 102537688 B1 KR102537688 B1 KR 102537688B1
- Authority
- KR
- South Korea
- Prior art keywords
- sensor
- metadata
- management server
- integrated management
- control system
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 7
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 244000144972 livestock Species 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012795 verification Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/10—Services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W2001/006—Main server receiving weather information from several sub-stations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 스마트팜 환경 제어시스템에 관한 것으로, 더욱 상세하게는, 농작물 생육환경과 관련된 복수의 센싱값들과 센서별 동작전원과 관련된 메타데이터를 이용하여 농작물 재배시설을 실시간 모니터링 및 제어하는 동시에 시스템 장애를 진단할 수 있는 스마트팜 환경 제어시스템에 관한 것이다. 이를 위해, 스마트팜 환경 제어시스템은 농작물 재배시설의 기설정된 영역마다 배치되고, 농작물 생육환경과 관련된 복수의 센싱값들과 센서별 동작전원과 관련된 메타데이터를 일정센싱주기마다 감지하여 송신하는 복수의 센서 노드들, 상기 복수의 센싱값들과 상기 센서별 메타데이터를 누적하여 게이트웨이를 통해 중계하는 싱크 노드 및 상기 게이트웨이를 통해 기설정된 동기화 시간마다 중계받는 상기 복수의 센싱값들을 센싱항목별로 분류하여 시간별 모니터링 정보에 업데이트하고, 이를 웹서버를 통해 기등록된 관리자 단말에 제공하는 통합관리 서버를 포함하고, 상기 통합관리 서버는 상기 메타데이터와 기설정된 센서별 동작스펙 간의 차이에 따라 식별된 학습용 장애데이터에 기초하여, 상기 농작물 재배시설에 대한 실시간 시스템 장애 발생 여부를 진단하기 위한 인공지능 기반의 장애 진단 모델을 학습한다.
Description
본 발명은 스마트팜 환경 제어시스템에 관한 것으로, 더욱 상세하게는, 농작물 생육환경과 관련된 복수의 센싱값들과 센서별 동작전원과 관련된 메타데이터를 이용하여 농작물 재배시설을 실시간 모니터링 및 제어하는 동시에 시스템 장애를 진단할 수 있는 스마트팜 환경 제어시스템에 관한 것이다.
스마트팜(Smart Farm)은 농림축수산물의 생산, 가공, 유통 단계에서 정보 통신 기술(ICT)을 접목하여 지능화된 농업 시스템으로서, 사물 인터넷, 빅데이터, 인공 지능 등의 기술을 이용하여 농작물, 가축 및 수산물 등의 생육 환경을 적정하게 유지관리하고, PC와 스마트폰 등으로 원격에서 자동 관리하는 기술이다.
종래에는 ICT 기술을 활용한 스마트팜 기술을 통해 온도, 상대습도, 광량, 이산화탄소, 토양 등 환경 정보 및 생육 정보에 대한 정확한 데이터를 기반으로 생육 단계별 정밀한 관리와 예측 등이 가능하고 수확량과 품질을 향상시켜 수익성을 높일 수 있다.
이러한 스마트팜은 수많은 센서로 이루어져 있고 센서의 고장이 빈번하게 일어난다. 그러나 대부분의 센서 데이터는 통합제어기를 통해 이후 분석과정에서 쓸 수 있는 형태로 변환되어 표시됨으로, 농민들은 고도의 IT장비의 이해와 활용능력이 떨어지기 때문에 센서의 고장여부 및 고장위치 등을 정확히 파악할 수 없는 문제점이 있다.
이러한 문제점으로 인해 농민들은 한해 농작물의 경작을 망친다거나, 생육환경 변화로 인한 가축의 가치하락 등의 피해를 얻을 수 있다. 더욱이, 상기와 같이 스마트팜 내 수많은 센서 및 IT장비들의 고장으로 인해 피해가 발생한 경우 개발업체와 농민 간 분쟁을 담당하는 기구도 마련되어 있지 않으며, 기록 장치도 의무적이지 않기 때문에 농민들에게 고스란히 피해가 전가되고 있는 실정이다.
또한, 현재 스마트팜 국산화율은 전체시장의 70% 내외이나 하드웨어 및 소프트웨어가 별도로 개발되어 센서 및 IT장비의 호환성이 떨어지고, 스마트팜 전용의 고장 및 진단 시스템은 아직 미흡한 편이어서 타 분야에서 사용되는 기술들이 스마트팜에 적용되고 있는 실정이다.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 농작물 생육환경과 관련된 복수의 센싱값들을 실시간으로 모니터링함에 따라, 농작물 재배시설에 구비된 구동기들을 자동으로 조절할 수 있는 스마트팜 환경 제어시스템을 제공하기 위한 것이다.
또한, 센서별 동작전원과 관련된 메타데이터와 기설정된 센서동작스펙 간의 차이에 기초하여 각 메타데이터를 비학습용 정상데이터와 학습용 장애데이터 중 어느 하나로 분류하고, 학습용 장애데이터 기반의 인공지능 장애 진단 모델을 학습할 수 있는 스마트팜 환경 제어시스템을 제공하기 위한 것이다.
또한, 복수의 센싱값들을 중계받기 이전에, 태양광 발전에 관계된 일사량 데이터들에 기초하여 농작물 재배시설에 구비된 구동기들을 사전에 제어할 수 있는 스마트팜 환경 제어시스템을 제공하기 위한 것이다.
본 발명의 상기 및 다른 목적과 이점은 바람직한 실시예를 설명한 하기의 설명으로부터 분명해질 것이다.
상기와 같은 목적을 달성하기 위한 본 발명의 일실시예에 따른 스마트팜 환경 제어시스템은 농작물 재배시설의 기설정된 영역마다 배치되고, 농작물 생육환경과 관련된 복수의 센싱값들과 센서별 동작전원과 관련된 메타데이터를 일정센싱주기마다 감지하여 송신하는 복수의 센서 노드들, 상기 복수의 센싱값들과 상기 센서별 메타데이터를 누적하여 게이트웨이를 통해 중계하는 싱크 노드 및 상기 게이트웨이를 통해 기설정된 동기화 시간마다 중계받는 상기 복수의 센싱값들을 센싱항목별로 분류하여 시간별 모니터링 정보에 업데이트하고, 이를 웹서버를 통해 기등록된 관리자 단말에 제공하는 통합관리 서버를 포함하고, 상기 통합관리 서버는 상기 메타데이터와 기설정된 센서별 동작스펙 간의 차이에 따라 식별된 학습용 장애데이터에 기초하여, 상기 농작물 재배시설에 대한 실시간 시스템 장애 발생 여부를 진단하기 위한 인공지능 기반의 장애 진단 모델을 학습한다.
실시예에 있어서, 상기 장애 진단 모델은 상기 센서별 메타데이터를 시계열 입력데이터로 입력받아 장애 발생 예측 여부를 출력할 수 있는 SVM(Support Vector Machine) 알고리즘이다.
실시예에 있어서, 상기 통합관리 서버는 상기 센서별 메타데이터와 기설정된 센서별 동작스펙 간의 차이에 기초하여 각 메타데이터를 비학습용 정상데이터와 학습용 장애데이터 중 어느 하나로 분류하는 분류부, 상기 학습용 장애데이터를 기초로 학습되는 상기 장애 진단 모델을 이용하여, 상기 농작물 재배시설에 대한 실시간 시스템 장애 발생 여부를 진단하는 진단부 및 상기 시간별 모니터링 정보와 기준 정보를 비교하고, 비교 결과에 기초하여 상기 농작물 재배시설의 환경 상태를 조절하기 위한 구동기들을 기설정된 운영 시나리오에 따라 자동으로 제어하는 제어부를 포함한다.
실시예에 있어서, 상기 제어부는 상기 센서별 메타데이터에 대한 진단 결과에 기초하여, 상기 기등록된 관리자 단말에 이상탐지 메시지를 제공함에 따라 응답받는 확인신호에 응답하여, 기설정된 이벤트 시나리오에 대응되는 제어신호를 상기 구동기들에 출력한다.
실시예에 있어서, 상기 통합관리 서버는 네트워크를 통해 기상청 서버에 접속하여 오픈소스된 날씨예보 데이터들을 수집하는 수집부, 상기 오픈소스된 날씨예보 데이터들로부터 태양광 발전에 대응되는 일사량 데이터들을 추출하는 추출부 및 상기 발전요소 데이터들을 머신러닝을 통해 학습하여, 지역별 일사량 예측을 위한 기계학습 알고리즘을 도출하는 학습부를 더 포함하고, 상기 제어부는 상기 오픈소스된 날씨예보 데이터들을 기계학습 알고리즘에 적용함에 따라 출력되는 지역별 일사량에 기초하여, 기설정된 동기화 시간 이전에 상기 구동기들을 기설정된 선반영 시나리오에 따라 제어한다.
실시예에 있어서, 상기 싱크 노드는 동작전류를 측정하여 싱크노드 메타데이터를 제공하기 위한 전류계 및 상기 일정센싱주기로부터 일정시간 이전에 각 센서 노드들과의 웨이크업-응답 신호를 서로 주고받아 주파수 동기화를 수행할 수 있는 온도 보상회로를 포함한다.
실시예에 있어서, 상기 통합관리 서버는 복수의 센서 노드들로부터 공개키를 통해 암호화된 상기 복수의 센싱값들과 상기 센서별 메타데이터를 상기 공개키에 대응되는 비밀키를 통해 복호화한다.
실시예에 있어서, 상기 통합관리 서버와 통신가능하게 연결되어 상기 농작물 재배시설 내외부에 복수개로 배치되고, 농작물, 각 센서 노드, 상기 싱크 노드, 각 구동기 및 출입로를 주기적으로 촬영하는 카메라부를 더 포함하고, 상기 통합관리 서버는 상기 센서별 메타데이터 중 어느 하나가 이상 전류값에 해당하는 경우, 해당 센서의 열화상이미지의 프레임별 온도변화정보 및 아크객체에 기초하여, 화재 위험 경보를 출력한다.
실시예에 있어서, 스마트팜 환경 제어시스템은 상기 메타데이터를 보관하고 언제 어디서나 접근 가능하도록 한 USN(Ubiquitous Sensor Network) 기능을 가진다.
본 발명의 실시예에 따르면, 농작물 생육환경과 관련된 복수의 센싱값들에 따라 농작물 재배시설에 구비된 구동기들을 자동으로 조절함으로써, 농작물 생육환경을 최적으로 유지시킬 수 있다.
또한, 센서별 동작전원과 관련된 메타데이터와 기설정된 센서동작스펙 간의 차이에 기초하여 학습용 장애데이터를 분류하고, 이를 기초로 학습된 인공지능 장애 진단 모델을 이용하여 농작물 재배시설의 실시간 시스템 장애를 진단할 수 있다.
또한, 복수의 센싱값들을 중계받기 이전에, 태양광 발전에 관계된 일사량 데이터들에 기초하여 농작물 재배시설에 구비된 구동기들을 사전에 제어함으로써, 농작물 재배환경을 최적으로 유지시킬 수 있다.
본 발명의 상기 및 다른 목적과 이점은 바람직한 실시예를 설명한 하기의 설명으로부터 분명해질 것이다.
도 1은 본 발명의 일실시예에 따른 스마트팜 환경 제어시스템(1000)을 개략적으로 나타내는 도이다.
도 2는 도 1의 통합관리 서버(300)의 일실시예를 구체적으로 설명하기 위한 블록도이다.
도 3은 도 2의 통합관리 서버(300)에 대한 다른 실시예를 구체적으로 설명하기 위한 블록도이다.
도 4는 본 발명의 다른 실시예에 따른 스마트팜 환경 제어시스템(1000_1)을 개략적으로 나타내는 도이다.
도 5는 도 4의 카메라부(500)를 통해 촬영된 이미지예들이다.
도 2는 도 1의 통합관리 서버(300)의 일실시예를 구체적으로 설명하기 위한 블록도이다.
도 3은 도 2의 통합관리 서버(300)에 대한 다른 실시예를 구체적으로 설명하기 위한 블록도이다.
도 4는 본 발명의 다른 실시예에 따른 스마트팜 환경 제어시스템(1000_1)을 개략적으로 나타내는 도이다.
도 5는 도 4의 카메라부(500)를 통해 촬영된 이미지예들이다.
이하, 본 발명의 실시예와 도면을 참조하여 본 발명을 상세히 설명한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위해 예시적으로 제시한 것일 뿐, 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가지는 자에 있어서 자명할 것이다.
또한, 달리 정의하지 않는 한, 본 명세서에서 사용되는 모든 기술적 및 과학적 용어는 본 발명이 속하는 기술 분야의 숙련자에 의해 통상적으로 이해되는 바와 동일한 의미를 가지며, 상충되는 경우에는, 정의를 포함하는 본 명세서의 기재가 우선할 것이다.
도면에서 제안된 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 그리고, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에서 기술한 "부"란, 특정 기능을 수행하는 하나의 단위 또는 블록을 의미한다.
각 단계들에 있어 식별부호(제1, 제2, 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 실시될 수도 있고 실질적으로 동시에 실시될 수도 있으며 반대의 순서대로 실시될 수도 있다.
도 1은 본 발명의 일실시예에 따른 스마트팜 환경 제어시스템(1000)을 개략적으로 나타내는 도이다.
도 1을 참조하면, 스마트팜 환경 제어시스템(1000)은 복수의 센서 노드들(100_1~100_N), 싱크 노드(200) 및 통합관리 서버(300)를 포함할 수 있다.
먼저, 복수의 센서 노드들(100_1~100_N)은 농작물 재배시설(1)의 기설정된 영역마다 배치되고, 농작물 생육환경과 관련된 복수의 센싱값들과 동작전원과 관련된 센서별 메타데이터를 일정센싱주기마다 감지하여 송신할 수 있다.
구체적으로, 복수의 센서 노드들(100_1~100_N)은 온도 센서, 습도 센서, 지온 센서, 토양 센서, 강우 센서, 진동감지 센서, 마이크, 풍향-풍속 센서, 화재감지 센서, 토양수분 센서, EC 센서 및 pH 센서를 포함할 수 있다. 이러한 각 센서 노드(100_1~100_N)는 동작전원과 관련된 동작전류를 측정하기 위한 전류계를 포함할 수 있다. 예를 들면, 어느 하나의 센서가 온도 센서인 경우, 해당 센싱값은 온도정보이고, 해당 메타데이터는 온도센서에서 측정된 동작전류값일 수 있다.
다음으로, 싱크 노드(200)는 복수의 센서 노드들(100_1~100_N)로부터 일정센싱주기마다 수신받는 복수의 센싱값들과 센서별 메타데이터를 누적하여 게이트웨이를 통해 통합관리 서버(300)로 중계하는 중계모듈일 수 있다.
이러한 싱크 노드(200)는 싱크 노드 자체의 동작전류를 측정하기 위한 전류계(210)와 일정센싱주기로부터 일정시간 이전에 각 센서 노드와의 웨이크업-응답 신호를 서로 주고받아 주파수 동기화를 수행할 수 있는 온도 보상회로(220)를 더 포함할 수 있다.
실시예에 따라, 싱크 노드(200)는 복수의 센서 노드들(100_1~100_N)로부터 복수의 센싱값들과 센서별 메타데이터를 수신받을 때, 복수의 센싱값들과 센서별 메타데이터 중 어느 하나의 데이터를 랜덤으로 선택하고 해당 센서 노드(예컨대, 100_1)에 주기적으로 재요청함에 따라 재요청데이터를 응답받을 수 있다.
이때, 싱크 노드(200)는 어느 하나의 데이터와 재요청데이터 간의 동일 여부에 기초하여, 신뢰검증 식별번호를 복수의 센싱값들과 센서별 메타데이터에 부여하여 중계할 수 있다.
다음으로, 통합관리 서버(300)는 싱크 노드(200)로부터 게이트웨이를 통해 기설정된 동기화 시간마다 복수의 센싱값들을 중계받고, 복수의 센싱값들을 센서별로 분류하여 저장 DB(301)에서 관리되는 시간별 모니터링 정보에 누적하여 업데이트할 수 있다.
그런 다음, 통합관리 서버(300)는 시간별 모니터링 정보에 대한 업데이트 여부에 기초하여, 게이트웨이에 연결된 웹서버(302)를 통해 기등록된 관리자 단말(10)에 시간별 모니터링 정보를 제공할 수 있다.
즉, 스마트팜 환경 제어시스템(1000)은 복수의 센서 노드들(100_1~100_N)로부터 감지된 메타데이터를 통합관리 서버(300)를 통해 저장 DB(301)에 보관하고 언제 어디서나 접근이 가능하도록한 USN(Ubiquitous Sensor Network) 기능을 가질 수 있다.
본 발명의 실시예에 따른 통합관리 서버(300)는 센서별 메타데이터와 기설정된 센서별 동작스펙 간의 차이에 따라, 센서별 메타데이터로부터 학습용 장애데이터를 식별할 수 있다.
이때, 통합관리 서버(300)는 학습용 장애데이터에 기초하여, 농작물 재배시설(1)에 대한 실시간 시스템 장애 발생 여부를 진단하기 위한 인공지능 기반의 장애 진단 모델을 학습하여 저장 DB(301)에 등록할 수 있다.
여기서, 인공지능 기반의 장애 진단 모델은 센서별 메타데이터를 시계열 입력데이터로 입력받아 장애 발생 예측 여부를 출력할 수 있는 SVM(Support Vector Machine) 알고리즘일 수 있다.
일 실시예에 따라, 통합관리 서버(300)는 인공지능 기반의 장애 진단 모델을통해 확인된 센서별 메타데이터에 대한 진단 결과에 기초하여, 기등록된 관리자 단말(10)에 이상탐지 메시지를 제공할 수 있다.
다른 실시예에 따라, 통합관리 서버(300)는 복수의 센서 노드들(100_1~100_N)로부터 공개키를 통해 암호화된 복수의 센싱값들과 센서별 메타데이터를 공개키에 대응되는 비밀키를 통해 복호화할 수 있다.
또 다른 실시예에 따라, 통합관리 서버(300)는 게이트웨이를 통해 접속된 관리자 단말(10)과의 본인인증을 수행한 인증결과에 따라, 관리자 단말(10)로부터 웹서버를 통해 일정센싱주기와 동기화 시간을 수동으로 조절할 수 있도록 수동조절모드를 제공할 수 있다.
이하, 구체적인 실시예와 비교예를 통하여 본 발명의 구성 및 그에 따른 효과를 보다 상세히 설명하고자 한다. 그러나, 본 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것이며, 본 발명의 범위가 이들 실시예에 한정되는 것은 아니다.
도 2는 도 1의 통합관리 서버(300)의 일실시예를 구체적으로 설명하기 위한 블록도이다.
도 2를 참조하면, 통합관리 서버(300)는 분류부(310), 진단부(320) 및 제어부(330)를 포함할 수 있다.
먼저, 분류부(310)는 싱크 노드(200)를 통해 중계받는 센서별 메타데이터와 기설정된 센서별 동작스펙 간의 차이에 기초하여, 각 메타데이터를 비학습용 정상데이터와 학습용 장애데이터 중 어느 하나 분류할 수 있다.
다음으로, 진단부(320)는 분류부(310)를 통해 분류된 학습용 장애데이터를 기초로 학습되는 장애 진단 모델을 이용하여, 농작물 재배시설(1)에 대한 실시간 시스템 장애 발생 여부를 진단할 수 있다.
다음으로, 제어부(330)는 저장 DB(301)에 업데이트된 시간별 모니터링 정보와 기준 정보를 비교하고, 비교 결과에 기초하여 농작물 재배시설의 환경 상태를 조절하기 위한 구동기들(400_1~400_N)을 기설정된 운영 시나리오에 따라 자동으로 제어할 수 있다.
여기서, 구동기들(400_1~400_N)은 농작물 재배시설(1)에 구비된 보온덮개, 측창, 천장, 커튼, 차광막, 히터, 환풍기, 살수장치, 관수장치 및 관비장치를 동작시키기 위한 구동모터들일 수 있다.
일 실시예에 따라, 제어부(330)는 센서별 메타데이터에 대한 실시간 진단 결과에 기초하여, 기등록된 관리자 단말(10)에 이상탐지 메시지를 제공함에 따라 응답받는 확인신호에 응답하여, 화재나 구동기들(400_1~400_N)의 오작동에 따라 기설정된 이벤트 시나리오에 대응되는 제어신호를 구동기들(400_1~400_N)에 출력할 수 있다.
다른 실시예에 따라, 제어부(330)는 각 센서 노드(100_1~100_N)의 배터리 수명주기에 기초하여, 저장 DB(301)에 업데이트된 시간별 모니터링 정보 중 어느 하나의 센싱값을 검증하도록 해당 센서 노드와의 통신하는 조회동작횟수를 조절할 수 있다.
구체적으로, 각 센서 노드(100_1~100_N)의 배터리 수명주기가 교체주기로부터 일정 기간 이내에 근접한 경우, 제어부(330)는 센싱값을 조회하여 검증하는 동작횟수를 증가시킬 수 있다. 또한, 각 센서 노드(100_1~100_N)의 배터리 수명주기가 교체주기로부터 일정 기간 이내에 근접하지 않는 경우, 제어부(330)는 센싱값을 조회하여 검증하는 동작횟수를 감소시킬 수 있다.
도 3은 도 2의 통합관리 서버(300)에 대한 다른 실시예를 구체적으로 설명하기 위한 블록도이다.
도 1 내지 도 3을 참조하면, 통합관리 서버(300)는 분류부(310), 진단부(320), 제어부(330), 수집부(340), 추출부(350) 및 학습부(360)를 포함할 수 있다. 이하, 도 2에서 설명된 동일한 부재번호의 분류부(310), 진단부(320) 및 제어부(330)에 대한 중복된 설명은 이하에서 생략될 것이다.
먼저, 수집부(340)는 게이트웨이를 따라 연결되는 외부망을 통해 기상청 서버(302)에 접속하여 오픈소스된 날씨예보 데이터들을 수집할 수 있다.
여기서, 오픈소스된 날씨예보 데이터들은 시간별 기압, 기온, 풍향, 풍속, 상대습도, 강수량, 강수유무, 일사량, 일조시간, 지면 온도, 초상 온도 및 지중온도를 포함할 수 있다.
다음으로, 추출부(350)는 오픈소스된 날씨예보 데이터들로부터 농작물 재배시설(1)의 일정거리 이내에 설치된 태양광 발전기(303)의 태양광 발전량에 대응되는 발전요소 데이터들을 식별하여 추출할 수 있다.
다음으로, 학습부(360)는 추출부(350)를 통해 추출된 발전요소 데이터들을 머신러닝을 통해 학습하여, 지역별 일사량 예측을 위한 기계학습 알고리즘을 도출하여 저장 DB(301)에 저장할 수 있다.
실시예에 따라, 제어부(330)는 오픈소스된 날씨예보 데이터들을 기계학습 알고리즘에 적용함에 따라 출력되는 지역별 일사량에 기초하여, 기설정된 동기화 시간 이전에 구동기들(400_1~400_N)을 기설정된 선반영 시나리오에 따라 제어할 수 있다. 즉, 통합관리 서버(300)는 농작물 재배시설(1)의 온실 환경을 센싱하기 전에 지역별 일사량 예측하여, 제어부(330)를 통해 농작물 재배시설(1)의 온실 환경을 사전에 최적상태로 제어할 수 있다.
도 4는 본 발명의 다른 실시예에 따른 스마트팜 환경 제어시스템(1000_1)을 개략적으로 나타내는 도이고, 도 5는 도 4의 카메라부(500)를 통해 촬영된 이미지예들이다.
도 1 내지 도 5를 참조하여 설명하면, 스마트팜 환경 제어시스템(1000_1)은 복수의 센서 노드들(100_1~100_N), 싱크 노드(200), 통합관리 서버(300) 및 카메라부(500)를 포함할 수 있다. 이하, 도 1에서 설명된 동일한 부재번호의 복수의 센서 노드들(100_1~100_N), 싱크 노드(200) 및 통합관리 서버(300)에 대한 중복된 설명은 이하에서 생략될 것이다.
먼저, 카메라부(500)는 도 5에 도시된 바와 같이, 통합관리 서버(300)와 통신가능하게 연결되어 농작물 재배시설(1) 내외부에 복수개로 배치되고, 농작물, 복수의 센서 노드들(100_1~100_N), 복수의 싱크 노드들(200_1~200_N), 구동기들(400_1~400_N) 및 출입로를 주기적으로 촬영할 수 있다.
여기서, 각 싱크 노드(200_1~200_N)는 농작물 재배시설(1)에 일정거리 이내에 위치한 센서 노드와 구동기를 그룹화하여 중계할 수 있다.
이때, 카메라부(500)는 통합관리 서버(300)로부터 게이트웨이를 통해 전송받는 제어 신호에 따라, Pan, Tilt 및 Zoom 동작이 조절되는 PTZ 카메라 모듈, 각 센서 노드(100_1~100_N), 각 싱크 노드(200_1~200_N), 각 구동기(400_1~400_N)에 대한 열화상 및 적외선이미지를 촬영하는 열화상 및 적외선 카메라 모듈 및 이미지를 게이트웨이를 통해 통합관리 서버(300)로 전송하기 위한 통신모듈을 포함할 수 있다.
실시예에 따라, 통합관리 서버(300)는 기등록된 관리자 단말(10)에 시간별 모니터링 정보를 제공할 때, 시간별 모니터링 정보에 대응되는 각 센서이미지를 통합하여 제공할 수 있다.
일 실시예에 따라, 센서별 메타데이터 중 어느 하나가 이상 전류값에 해당하는 경우, 통합관리 서버(300)는 카메라부(500)를 통해 촬영된 어느 하나에 대응되는 센서의 열화상이미지의 프레임별 온도변화정보 및 아크객체에 기초하여, 해당 센서에 대한 정상 동작 여부를 검증할 수 있다.
다른 실시예에 따라, 저장 DB(301)에 업데이트된 시간별 모니터링 정보가 기설정된 수확시기에 해당하는 경우, 통합관리 서버(300)는 카메라부(500)를 통해 해당 농작물이미지를 촬영하도록 제어할 수 있다.
이때, 통합관리 서버(300)는 해당 농작물이미지로부터 검출되는 농작물 객체의 사이즈에 기초하여, 농작물 객체에 대한 확대 및 축소 비율을 자동으로 조절할 수 있다.
또 다른 실시예에 따라, 통합관리 서버(300)는 카메라부(500)를 통해 촬영된 농작물이미지로부터 검출된 농작물 객체와 기설정된 재배기간에 따른 농작물 표준객체 간의 색상 및 사이즈 차이에 기초하여, 일정기간 동안의 비료 투여량을 증가 및 감소시키도록 관리자 단말(10)에 비료 투여량 조절메시지를 제공할 수 있다.
또 다른 실시예에 따라, 통합관리 서버(300)는 카메라부(500)를 통해 일정기간 촬영된 농작물 재배시설(1), 농작물, 복수의 센서 노드들(100_1~100_N), 싱크 노드(200), 구동기들(400_1~400_N) 및 출입로에 대한 이미지들, 복수의 센싱값들, 센서별 메타데이터 및 구동기들(400_1~400_N)에 대한 제어신호에 기초하여, 모의 재배를 위한 스마트팜 재배 시뮬레이션 프로그램을 생성하고 이를 웹서버를 통해 접속된 관리자 단말(10)에 제공할 수 있다.
또 다른 실시예에 따라, 통합관리 서버(300)는 카메라부(500)를 통해 촬영된 구동기들(400_1~400_N)의 구동 영상들로부터 인식된 기설정된 고장진동 동작소리에 대응되는 어느 하나의 구동기(예컨대, 400_1)를 검출하고, 해당 어느 하나의 구동기(예컨대, 400_1)에 대한 기설정된 점검주기를 수정하여 관리자 단말(10)에 통보할 수 있다.
또 다른 실시예에 따라, 통합관리 서버(300)는 카메라부(500)를 통해 촬영된 출입로이미지로부터 확인된 관리자 객체에 기초하여, 관리자 단말(10)에 질의 신호를 전송함에 따라 응답받는 응답 신호에 따라 농작물 재배시설(1)의 도어를 잠금상태에서 개방상태로 언락시킬 수 있다.
또 다른 실시예에 따라, 통합관리 서버(300)는 카메라부(500)를 통해 촬영된 농작물이미지로부터 검출되는 계절별 병해충 객체에 기초하여, 웹을 통해 병해충 정보를 검색하여 관리자 단말(10)에 제공하는 동시에 방역 스케줄 및 방역 가이드 방법을 제공할 수 있다.
본 명세서에서는 본 발명자들이 수행한 다양한 실시예 가운데 몇 개의 예만을 들어 설명하는 것이나 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고, 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
10: 관리자 단말
100_1~100_N: 복수의 센서 노드들
200: 싱크 노드
300: 통합관리 서버
1000: 스마트팜 환경 제어시스템
100_1~100_N: 복수의 센서 노드들
200: 싱크 노드
300: 통합관리 서버
1000: 스마트팜 환경 제어시스템
Claims (9)
- 농작물 재배시설의 기설정된 영역마다 배치되고, 농작물 생육환경과 관련된 복수의 센싱값들과 센서별 동작전원과 관련된 메타데이터를 일정센싱주기마다 감지하여 송신하는 복수의 센서 노드들;
상기 복수의 센싱값들과 상기 센서별 메타데이터를 누적하여 게이트웨이를 통해 중계하는 싱크 노드; 및
상기 게이트웨이를 통해 기설정된 동기화 시간마다 중계받는 상기 복수의 센싱값들을 센싱항목별로 분류하여 시간별 모니터링 정보에 업데이트하고, 이를 웹서버를 통해 기등록된 관리자 단말에 제공하는 통합관리 서버를 포함하고,
상기 통합관리 서버는 상기 메타데이터와 기설정된 센서별 동작스펙 간의 차이에 따라 식별된 학습용 장애데이터에 기초하여, 상기 농작물 재배시설에 대한 실시간 시스템 장애 발생 여부를 진단하기 위한 인공지능 기반의 장애 진단 모델을 학습하고,
상기 장애 진단 모델은 상기 센서별 메타데이터를 시계열 입력데이터로 입력받아 장애 발생 예측 여부를 출력할 수 있는 SVM(Support Vector Machine) 알고리즘이며,
상기 통합관리 서버는 상기 센서별 메타데이터와 기설정된 센서별 동작스펙 간의 차이에 기초하여 각 메타데이터를 비학습용 정상데이터와 학습용 장애데이터 중 어느 하나로 분류하는 분류부;
상기 학습용 장애데이터를 기초로 학습되는 상기 장애 진단 모델을 이용하여, 상기 농작물 재배시설에 대한 실시간 시스템 장애 발생 여부를 진단하는 진단부; 및
상기 시간별 모니터링 정보와 기준 정보를 비교하고, 비교 결과에 기초하여 상기 농작물 재배시설의 환경 상태를 조절하기 위한 구동기들을 기설정된 운영 시나리오에 따라 자동으로 제어하는 제어부를 포함하는, 스마트팜 환경 제어시스템. - 삭제
- 삭제
- 제1항에 있어서,
상기 제어부는 상기 센서별 메타데이터에 대한 진단 결과에 기초하여, 상기 기등록된 관리자 단말에 이상탐지 메시지를 제공함에 따라 응답받는 확인신호에 응답하여, 기설정된 이벤트 시나리오에 대응되는 제어신호를 상기 구동기들에 출력하는, 스마트팜 환경 제어시스템. - 제1항에 있어서,
상기 통합관리 서버는 기상청 서버에 접속하여 오픈소스된 날씨예보 데이터들을 수집하는 수집부;
상기 오픈소스된 날씨예보 데이터들로부터 태양광 발전에 대응되는 발전요소 데이터들을 추출하는 추출부; 및
상기 발전요소 데이터들을 머신러닝을 통해 학습하여, 지역별 일사량 예측을 위한 기계학습 알고리즘을 도출하는 학습부를 더 포함하고,
상기 제어부는
상기 오픈소스된 날씨예보 데이터들을 기계학습 알고리즘에 적용함에 따라 출력되는 지역별 일사량에 기초하여, 기설정된 동기화 시간 이전에 상기 구동기들을 기설정된 선반영 시나리오에 따라 제어하는, 스마트팜 환경 제어시스템. - 제1항에 있어서,
상기 싱크 노드는 싱크 노드 자체의 동작전류를 측정하기 위한 전류계; 및
상기 일정센싱주기로부터 일정시간 이전에 각 센서 노드들과의 웨이크업-응답 신호를 서로 주고받아 주파수 동기화를 수행할 수 있는 온도 보상회로를 포함하는, 스마트팜 환경 제어시스템. - 제1항에 있어서,
상기 통합관리 서버는 복수의 센서 노드들로부터 공개키를 통해 암호화된 상기 복수의 센싱값들과 상기 센서별 메타데이터를 상기 공개키에 대응되는 비밀키를 통해 복호화하는, 스마트팜 환경 제어시스템. - 제1항에 있어서,
상기 통합관리 서버와 통신가능하게 연결되어 상기 농작물 재배시설 내외부에 복수개로 배치되고, 농작물, 각 센서 노드, 상기 싱크 노드, 각 구동기 및 출입로를 주기적으로 촬영하는 카메라부를 더 포함하고,
상기 통합관리 서버는
상기 센서별 메타데이터 중 어느 하나가 이상 전류값에 해당하는 경우, 해당 센서의 열화상이미지의 프레임별 온도변화정보 및 아크객체에 기초하여, 화재 위험 경보를 출력하는, 스마트팜 환경 제어시스템.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220138420A KR102537688B1 (ko) | 2022-10-25 | 2022-10-25 | 스마트팜 환경 제어시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220138420A KR102537688B1 (ko) | 2022-10-25 | 2022-10-25 | 스마트팜 환경 제어시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR102537688B1 true KR102537688B1 (ko) | 2023-05-30 |
| KR102537688B9 KR102537688B9 (ko) | 2023-09-19 |
Family
ID=86529733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220138420A KR102537688B1 (ko) | 2022-10-25 | 2022-10-25 | 스마트팜 환경 제어시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102537688B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102610416B1 (ko) | 2023-09-07 | 2023-12-05 | 이상택 | 도심 내 유휴공간을 활용한 구독형 농작물 스마트팜 운영 플랫폼 제공 방법, 장치 및 시스템 |
| KR102615730B1 (ko) | 2023-09-07 | 2023-12-19 | 이상택 | 농작물 성장 촉진을 위한 재배판 거치 구조물 |
| KR102670525B1 (ko) * | 2023-06-23 | 2024-05-30 | 농업회사 법인 (주)바른농산 | 다종의 농산물 재배가 가능한 스마트팜 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110007292A (ko) * | 2009-07-16 | 2011-01-24 | 주식회사 유나티앤이 | 센서네트워크를 이용한 태양광 발전용 태양전지모듈 모니터링시스템 및 그 방법 |
| KR101726257B1 (ko) | 2016-10-31 | 2017-04-13 | 숭실대학교산학협력단 | 스마트팜 정보 관리 시스템 및 이를 이용한 스마트팜 정보 관리 방법, 이를 수행하기 위한 기록 매체 |
| JP2020048551A (ja) * | 2018-09-21 | 2020-04-02 | 国立研究開発法人農業・食品産業技術総合研究機構 | 生育環境制御プログラム、生育環境制御方法及び生育環境制御装置 |
| KR102369167B1 (ko) * | 2020-01-10 | 2022-03-03 | (주)알파랩에이아이 | 머신러닝을 이용한 지능형 스마트팜 운영 시스템 |
-
2022
- 2022-10-25 KR KR1020220138420A patent/KR102537688B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110007292A (ko) * | 2009-07-16 | 2011-01-24 | 주식회사 유나티앤이 | 센서네트워크를 이용한 태양광 발전용 태양전지모듈 모니터링시스템 및 그 방법 |
| KR101726257B1 (ko) | 2016-10-31 | 2017-04-13 | 숭실대학교산학협력단 | 스마트팜 정보 관리 시스템 및 이를 이용한 스마트팜 정보 관리 방법, 이를 수행하기 위한 기록 매체 |
| JP2020048551A (ja) * | 2018-09-21 | 2020-04-02 | 国立研究開発法人農業・食品産業技術総合研究機構 | 生育環境制御プログラム、生育環境制御方法及び生育環境制御装置 |
| KR102369167B1 (ko) * | 2020-01-10 | 2022-03-03 | (주)알파랩에이아이 | 머신러닝을 이용한 지능형 스마트팜 운영 시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102670525B1 (ko) * | 2023-06-23 | 2024-05-30 | 농업회사 법인 (주)바른농산 | 다종의 농산물 재배가 가능한 스마트팜 시스템 |
| KR102610416B1 (ko) | 2023-09-07 | 2023-12-05 | 이상택 | 도심 내 유휴공간을 활용한 구독형 농작물 스마트팜 운영 플랫폼 제공 방법, 장치 및 시스템 |
| KR102615730B1 (ko) | 2023-09-07 | 2023-12-19 | 이상택 | 농작물 성장 촉진을 위한 재배판 거치 구조물 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102537688B9 (ko) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102537688B1 (ko) | 스마트팜 환경 제어시스템 | |
| US8947525B2 (en) | Plant observation device and method | |
| US11415464B2 (en) | Infrared thermal monitoring system for industrial application | |
| AU2020265650B2 (en) | Machine learning motion sensing with auxiliary sensors | |
| KR20140114089A (ko) | 원예시설 감시 제어시스템 및 방법 | |
| KR100941000B1 (ko) | 유비쿼터스 센서네트워크 기반 온실환경 자동관리 시스템 | |
| US10986789B1 (en) | System and method for sensor-assisted indoor gardening | |
| KR102305292B1 (ko) | 스마트팜 제어 시스템 | |
| KR101156594B1 (ko) | 작물의 병해충 진단 시스템 및 그 방법 | |
| WO2019245122A1 (ko) | 아이오티 기반 온실 내 작물 생육상태 실시간 모니터링 시스템 | |
| KR101412184B1 (ko) | 농작물 관리 시스템 및 방법 | |
| KR20190031768A (ko) | Ict기반의 스마트 팜 제어 시스템 | |
| KR20190120023A (ko) | 새싹 인삼 재배를 위한 아이씨티 기반의 스마트 팜 제어 시스템 | |
| KR20220071405A (ko) | 스마트 팜의 빅 데이터를 이용한 농업 지원 시스템 및 방법 | |
| KR101545615B1 (ko) | 야생식물의 생육과정 모니터링 시스템 | |
| KR20190143678A (ko) | IoT 기반 온실 환경 관리 시스템 | |
| CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
| KR20200045219A (ko) | 카메라 영상 및 데이터의 동시 통신을 위한 스마트 제어보드를 이용한 원격지 제어 시스템이 적용된 스마트 팜 | |
| KR102105185B1 (ko) | 사용자 편의성을 고려한 온실 통합환경제어시스템 | |
| KR20190134884A (ko) | 사설 클라우드가 구축된 시설원예용 프로파일 기반 스마트 팜 시스템 | |
| KR101772552B1 (ko) | 로봇을 기반으로 하는 농작물 재배를 위한 통합 관리 시스템 | |
| KR20130007899A (ko) | 작물의 생육 상태 모니터링 방법 | |
| KR102630770B1 (ko) | 지능형 스마트팜 관리장치 및 이를 이용한 관리시스템 | |
| JP2020156335A (ja) | 農業ハウスの環境制御システム、ハウス制御装置 | |
| KR102272472B1 (ko) | 복합 제어 스마트팜 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant | ||
| G170 | Re-publication after modification of scope of protection [patent] | ||
| G170 | Re-publication after modification of scope of protection [patent] |