KR102620376B1 - Mentor-mentee based cultivation data management system and method - Google Patents
Mentor-mentee based cultivation data management system and method Download PDFInfo
- Publication number
- KR102620376B1 KR102620376B1 KR1020220188917A KR20220188917A KR102620376B1 KR 102620376 B1 KR102620376 B1 KR 102620376B1 KR 1020220188917 A KR1020220188917 A KR 1020220188917A KR 20220188917 A KR20220188917 A KR 20220188917A KR 102620376 B1 KR102620376 B1 KR 102620376B1
- Authority
- KR
- South Korea
- Prior art keywords
- cultivation
- cultivator
- mentee
- recipe
- mentor
- Prior art date
Links
- 238000013523 data management Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims description 56
- 238000004519 manufacturing process Methods 0.000 claims description 55
- 239000004615 ingredient Substances 0.000 claims description 35
- 238000013473 artificial intelligence Methods 0.000 claims description 32
- 239000003337 fertilizer Substances 0.000 claims description 17
- 238000003973 irrigation Methods 0.000 claims description 16
- 230000002262 irrigation Effects 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 15
- 230000008635 plant growth Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 11
- 229930000044 secondary metabolite Natural products 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000010835 comparative analysis Methods 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 4
- 230000007717 exclusion Effects 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims 2
- 238000010223 real-time analysis Methods 0.000 claims 2
- 238000007726 management method Methods 0.000 description 38
- 230000012010 growth Effects 0.000 description 13
- 238000007405 data analysis Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000258241 Mantis Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000003712 anti-aging effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Abstract
멘토-멘티 기반의 재배 데이터 관리 시스템 및 방법을 개시한다. 본 발명은 멘토 재배기가 다수의 멘티 재배기에 서로 다른 재배 레시피를 배포하고, 각 멘티 재배기들의 재배 데이터 중에서 재배 목적에 근접하는 특정 멘티 재배기의 재배 레시피를 기반으로 멘토 재배기가 일정 기간 재배하여 분석하며, 분석 결과를 재배 레시피에 반영하여 재배포하는 구성을 통해 최적화된 재배 레시피를 추출할 수 있다.A mentor-mentee based cultivation data management system and method is disclosed. In the present invention, a mentor grower distributes different cultivation recipes to a plurality of mentee growers, and the mentor grower cultivates and analyzes for a certain period of time based on the cultivation recipe of a specific mentee grower that is close to the cultivation purpose among the cultivation data of each mentee grower, An optimized cultivation recipe can be extracted by reflecting the analysis results in the cultivation recipe and redistributing it.
Description
본 발명은 멘토-멘티 기반의 재배 데이터 관리 시스템 및 방법에 관한 발명으로서, 더욱 상세하게는 멘토 재배기가 다수의 멘티 재배기에 서로 다른 재배 레시피를 배포하고, 각 멘티 재배기들의 재배 데이터 중에서 재배 목적에 근접하는 특정 멘티 재배기의 재배 레시피를 기반으로 멘토 재배기가 일정 기간 재배하여 분석하며, 분석 결과를 재배 레시피에 반영하여 재배포하는 구성을 통해 최적화된 재배 레시피를 추출하는 멘토-멘티 기반의 재배 데이터 관리 시스템 및 방법에 관한 것이다.The present invention relates to a mentor-mentee-based cultivation data management system and method. More specifically, the present invention relates to a mentor-mentee-based cultivation data management system and method. More specifically, the mentor grower distributes different cultivation recipes to multiple mentee growers, and selects cultivation data close to the cultivation purpose among the cultivation data of each mentee grower. A mentor-mentee-based cultivation data management system that extracts an optimized cultivation recipe through a configuration where the mentor grower cultivates and analyzes it for a certain period of time based on the cultivation recipe of a specific mentee grower, and the analysis results are reflected in the cultivation recipe and redistributed; It's about method.
스마트팜(smart farm)은 사물 인터넷, 빅데이터, 인공 지능 등의 기술을 이용하여 농작물의 생육 환경을 적정하게 유지, 관리하고, PC와 스마트폰 등에 의해서 원격과 자동으로 관리할 수 있어, 생산의 효율성 뿐만 아니라 편리성도 높일 수 있도록 만들어진 작물 재배 시스템이다.Smart farms use technologies such as the Internet of Things, big data, and artificial intelligence to properly maintain and manage the growing environment for crops, and can be managed remotely and automatically using PCs and smartphones, thereby improving production efficiency. It is a crop cultivation system designed to increase not only efficiency but also convenience.
이러한 스마트팜은 ICT 기술을 통해 환경조건데이터(온도, 상대습도, 광량, 이산화탄소, 토양 등) 및 생육 정보에 대한 정확한 데이터를 기반으로 생육 단계별 정밀한 관리와 예측 등이 가능하여 수확량, 품질 등을 향상시켜 수익성을 높일 수 있다.These smart farms enable precise management and prediction at each stage of growth based on accurate data on environmental condition data (temperature, relative humidity, light amount, carbon dioxide, soil, etc.) and growth information through ICT technology, thereby improving yield and quality. Profitability can be increased.
일례로서, 온실 내부에서 온도를 조정하는 공조장치 및 습도를 조정하는 분무기, 그리고 용해된 비료를 주기적으로 공급하는 인젝터 내지는 일조량을 조정하는 차양장치와 물을 공급하는 관수장치 등으로 구성된 하드웨어가 구성되고, 하드웨어를 설치된 프로그램에 따라서 자동으로 작동시키는 단말기로 구성된다. As an example, the hardware consists of an air conditioning device that adjusts the temperature inside the greenhouse, a sprayer that adjusts the humidity, an injector that periodically supplies dissolved fertilizer, a shading device that adjusts the amount of sunlight, and an irrigation device that supplies water. , It consists of a terminal that automatically operates the hardware according to the installed program.
또한, 단말기는 PC 내지는 휴대용 단말기(스마트폰, 태블릿PC) 등으로 구성되고, 최적의 조건이 가능하도록 단말기는 하드웨어를 구동시켜서 온도, 습도, 일조량 및 비료 공급량 내지는 관수 등을 자동으로 컨트롤함으로써 생산성의 향상이 가능하도록 한다.In addition, the terminal consists of a PC or a portable terminal (smart phone, tablet PC), and the terminal operates the hardware to automatically control temperature, humidity, sunlight, fertilizer supply, irrigation, etc. to ensure optimal conditions, thereby improving productivity. Make improvement possible.
그러나, 농가별 보유하고 있는 노하우만으로 최적화를 진행하기 때문에 상품의 질과 생산성 등의 향상에 한계가 있는 문제점이 있었다. However, since optimization is carried out only with the know-how possessed by each farm, there is a problem that there is a limit to the improvement of product quality and productivity.
또한, 노하우는 최적 조건의 환경(온도, 습도, 일조량, 비료의 종류, 비료의 공급량 등) 데이터를 활용한 농사 기술로서, 개발한 농가에서만 기밀로 유지하기 때문에 더 이상의 기술 발전을 기대할 수 없는 문제점이 있다.In addition, know-how is a farming technology that utilizes data on the optimal environment (temperature, humidity, sunlight, type of fertilizer, amount of fertilizer supplied, etc.), and is kept confidential only by the farm where it was developed, so further technological development cannot be expected. There is.
또한, 노하우를 다양한 농가에서 보유하고 각각의 환경에 맞도록 개선시킨다면 각 농가의 아이디어가 더해져서 상품의 질과 생산성의 향상이 가능할 것이다.In addition, if know-how is held by various farms and improved to suit each environment, it will be possible to improve product quality and productivity by adding each farm's ideas.
그러나, 동일한 식물 재배 장치를 이용하여 식물을 재배할 경우, 지역 특성을 고려하지 않고 작물의 일반적인 생장 환경을 기준으로 제어하기 때문에 품질 보다는 생산성이 주요 목표가 되어 합리적인 이윤을 발생시킬 수 없는 문제점이 있다.However, when cultivating plants using the same plant cultivation device, productivity is the main goal rather than quality because it is controlled based on the general growth environment of the crop without considering regional characteristics, and there is a problem that reasonable profits cannot be generated.
또한, 식물 재배 장치와 재배 레시피에 기반하여 대량의 식물을 재배할 경우, 식물 재배 장치가 설치된 공간의 환경 조건, 예를 들어 식물 생장에 요구되는 조명 및 광량 기반의 광권과, 온도, 습도 및 공기 Co2 조건에 기반한 지상권과, 토양, 영양 공급 및 관수 기반의 근권 등에 따라 식물의 생자에 차이가 발생하는 문제점이 있다.In addition, when cultivating a large amount of plants based on a plant cultivation device and a cultivation recipe, the environmental conditions of the space where the plant cultivation device is installed, such as lighting and light amount required for plant growth, photosphere, temperature, humidity, and air There is a problem in that there is a difference in the viability of plants depending on the surface zone based on Co 2 conditions and the root zone based on soil, nutrient supply, and irrigation.
이러한 문제점을 해결하기 위하여, 본 발명은 멘토 재배기가 다수의 멘티 재배기에 서로 다른 재배 레시피를 배포하고, 각 멘티 재배기들의 재배 데이터 중에서 재배 목적에 근접하는 특정 멘티 재배기의 재배 레시피를 기반으로 멘토 재배기가 일정 기간 재배하여 분석하며, 분석 결과를 재배 레시피에 반영하여 재배포하는 구성을 통해 최적화된 재배 레시피를 추출하는 멘토-멘티 기반의 재배 데이터 관리 시스템 및 방법을 제공하는 것을 목적으로 한다.In order to solve this problem, the present invention distributes different cultivation recipes to a plurality of mentee growers, and the mentor grower distributes different cultivation recipes to a plurality of mentee growers, based on the cultivation recipe of a specific mentee grower that is close to the cultivation purpose among the cultivation data of each mentee grower. The purpose is to provide a mentor-mentee-based cultivation data management system and method that extracts an optimized cultivation recipe through cultivation and analysis for a certain period of time, and reflection of the analysis results in the cultivation recipe and redistribution.
상기한 목적을 달성하기 위하여 본 발명의 일 실시 예는 멘토-멘티 기반의 재배 데이터 관리 시스템으로서, 멘토 재배기로부터 배포된 재배 레시피에 기반하여 식물의 재배가 이루어지도록 동작하고, 상기 식물의 재배에 따른 재배 데이터를 측정하여 상기 멘토 재배기로 출력하는 복수의 멘티 재배기; 및 상기 멘티 재배기로 재배 레시피를 배포하는 멘토 재배기;를 포함한다.In order to achieve the above object, an embodiment of the present invention is a mentor-mentee based cultivation data management system, which operates to cultivate plants based on a cultivation recipe distributed from a mentor cultivator, and according to the cultivation of the plants. A plurality of mentee growers that measure cultivation data and output it to the mentor grower; and a mentor cultivator distributing a cultivation recipe to the mentee cultivator.
또한, 상기 실시 예에 따른 멘토 재배기는, 복수의 멘티 재배기가 재배한 식물의 재배 데이터를 수집하여 임의의 재배 목적에 근접한 특정 멘티 재배기의 재배 레시피를 추출하며, 상기 추출된 재배 레시피를 기반으로 상기 멘토 재배기에서 시험 재배 시간동안 식물의 재배를 수행함에 의해 재배 데이터를 생성하여 생성된 재배 데이터를 분석하고, 상기 분석 결과가 재배 목적에 근접하면, 상기 추출된 재배 레시피가 개별 멘티 재배기의 재배 레시피에 포함되도록 보정한 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 개별 멘티 재배기에 배포하는 것을 특징으로 한다.In addition, the mentor cultivator according to the above embodiment collects cultivation data of plants grown by a plurality of mentee cultivators, extracts a cultivation recipe of a specific mentee cultivator close to a certain cultivation purpose, and based on the extracted cultivation recipe, Cultivation data is generated by performing cultivation of plants during the test cultivation time in the mentor cultivator, and the generated cultivation data is analyzed. If the analysis result is close to the cultivation purpose, the extracted cultivation recipe is added to the cultivation recipe of the individual mentee cultivator. It is characterized by generating a corrected cultivation recipe corrected to be included, and distributing the generated corrected cultivation recipe to individual mentee growers.
또한, 상기 실시 예는 멘티 재배기로 배포되는 재배 레시피가 각 멘티 재배기별로 서로 다른 재배 레시피인 것을 특징으로 한다.In addition, the above embodiment is characterized in that the cultivation recipe distributed to the mentee cultivation period is a different cultivation recipe for each mentee cultivation period.
또한, 상기 실시 예에 따른 멘토 재배기는 재배 목적에 근접하는 보정 재배 레시피를 기반으로 멘티 재배기의 재배를 반복하고, 획득한 멘티 재배기의 재배 데이터 중에서 상기 재배 목적에 가장 근접하는 최적화된 재배 레시피를 생성하는 것을 특징으로 하는 한다.In addition, the mentor cultivator according to the above embodiment repeats the cultivation of the mentee cultivator based on the corrected cultivation recipe that is close to the cultivation purpose, and generates an optimized cultivation recipe that is closest to the cultivation purpose among the acquired cultivation data of the mentee cultivator. It is characterized by:
또한, 상기 실시 예에 따른 멘토 재배기는 복수의 멘티 재배기와 재배 래시피 데이터 및 재배 데이터를 송수신하는 데이터 송수신부; 상기 멘티 재배기별로 설정된 재배 레시피가 배포되도록 하고, 상기 멘티 재배기별로 재배한 식물의 재배 데이터를 수집하여 관리하는 재배 레시피 관리부; 상기 수집된 복수의 재배 데이터를 분석하여 미리 설정된 재배 목적에 근접한 특정 멘티 재배기의 재배 레시피를 추출하고, 상기 추출된 재배 레시피를 기반으로 재배 관리부가 식물의 재배를 수행하도록 제어하며, 상기 재배 관리부가 측정한 식물의 재배 데이터를 실시간 분석하여 상기 추출된 재배 레시피에 의한 재배 결과가 재배 목적에 근접하는 결과인지 판단하며, 상기 재배 결과가 재배 목적에 근접함에 따라, 상기 추출된 재배 레시피의 적어도 일부가 포함되도록 개별 멘티 재배기의 재배 레시피를 보정한 보정 재배 레시피가 개별 멘티 재배기에 배포되도록 제어하는 최적화 관리부; 및 상기 최적화 관리부에서 추출된 재배 레시피를 기반으로 식물의 재배가 이루어지도록 동작하고, 상기 재배에 따른 재배 데이터를 측정하는 재배 관리부;를 포함하는 것을 특징으로 한다.In addition, the mentor cultivator according to the above embodiment includes a data transmitting and receiving unit that transmits and receives cultivation recipe data and cultivation data with a plurality of mentee cultivators; A cultivation recipe management unit that distributes cultivation recipes set for each mentee cultivation period and collects and manages cultivation data of plants grown for each mentee cultivation period; By analyzing the plurality of collected cultivation data, a cultivation recipe of a specific mentee cultivator close to the preset cultivation purpose is extracted, and based on the extracted cultivation recipe, the cultivation management unit controls the cultivation of the plant, and the cultivation management unit The measured cultivation data of the plant is analyzed in real time to determine whether the cultivation result according to the extracted cultivation recipe is a result close to the cultivation purpose, and as the cultivation result approaches the cultivation purpose, at least a part of the extracted cultivation recipe is An optimization management unit that controls the distribution of the corrected cultivation recipe that corrects the cultivation recipe of the individual mentee cultivator to be included in the individual mentee cultivator; and a cultivation management unit that operates to cultivate plants based on the cultivation recipe extracted from the optimization management unit and measures cultivation data according to the cultivation.
또한, 상기 실시 예에 따른 최적화 관리부는 기계 학습을 통해 멘티 재배기에서 입력된 재배 데이터를 학습 데이터로 하고, 특정 성분의 포함, 특정 성분의 불포함, 2차대사산물과 같은 특정 성분의 증가, 특정 성분의 감소, 식물의 생장 촉진, 식물의 생장 스트레스 발생을 위해 학습하는 재배 최적화 인공지능 모델을 포함하는 것을 특징으로 한다.In addition, the optimization management unit according to the above embodiment uses the cultivation data input from the mentee cultivation device as learning data through machine learning, and includes the inclusion of a specific ingredient, the absence of a specific ingredient, an increase in a specific ingredient such as secondary metabolites, and a specific ingredient. It is characterized by including a cultivation optimization artificial intelligence model that learns to reduce, promote plant growth, and generate plant growth stress.
또한, 상기 실시 예에 따른 최적화 관리부는 수집된 복수의 재배 데이터를 분석하여 미리 설정된 재배 목적에 근접한 특정 멘티 재배기의 재배 레시피를 추출하고, 상기 추출된 재배 레시피를 기반으로 재배 관리부가 재배한 식물의 재배 데이터를 실시간 분석하여 상기 특정 멘티 재배기의 재배 레시피에 의한 재배 결과가 재배 목적에 근접하는 결과인지 분석하는 데이터 분석부; 및 상기 재배 결과가 재배 목적에 근접함에 따라, 재배 최적화 인공지능 모델을 이용하여 추출된 재배 레시피의 적어도 일부가 포함되도록 개별 멘티 재배기의 재배 레시피를 보정한 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 개별 멘티 재배기에 배포하여 추가 재배가 수행되도록 하되, 상기 멘티 재배기의 재배를 통해 재배 목적에 부합하는 최적화된 재배 레시피가 생성될 때가지 반복 수행하도록 제어하는 데이터 최적화부;를 포함하는 것을 특징으로 한다.In addition, the optimization management unit according to the above embodiment analyzes a plurality of collected cultivation data to extract a cultivation recipe of a specific mentee cultivator close to the preset cultivation purpose, and based on the extracted cultivation recipe, the cultivation management unit cultivates the plants. A data analysis unit that analyzes cultivation data in real time to determine whether the cultivation results according to the cultivation recipe of the specific mentee cultivation device are close to the cultivation purpose; And as the cultivation result approaches the cultivation purpose, a corrected cultivation recipe is generated by correcting the cultivation recipe of the individual mentee cultivator to include at least a part of the extracted cultivation recipe using a cultivation optimization artificial intelligence model, and the generated corrected cultivation A data optimization unit that distributes the recipe to individual mentee cultivators to allow additional cultivation to be performed, and controls repeated execution until an optimized cultivation recipe that meets the cultivation purpose is generated through cultivation of the mentee cultivators. Do it as
또한, 상기 실시 예에 따른 최적화 관리부는 재배 결과가 재배 목적에 근접하지 않으면, 재배 목적에 근접한 다른 멘티 재배기의 재배 레시피를 추출하고, 상기 추출된 재배 레시피를 기반으로 재배 관리부가 재배를 수행하도록 제어하는 것을 특징으로 한다.In addition, if the cultivation result is not close to the cultivation purpose, the optimization management unit according to the above embodiment extracts the cultivation recipe of another mentee cultivator that is close to the cultivation purpose, and controls the cultivation management unit to perform cultivation based on the extracted cultivation recipe. It is characterized by:
또한, 상기 실시 예에 따른 재배 데이터 관리 시스템은 멘토 재배기로부터 배포된 재배 레시피에 기반하여 식물의 재배가 이루어지도록 동작하고, 상기 식물의 재배에 따른 재배 데이터를 측정하여 상기 멘토 재배기로 출력하는 복수의 양산 재배기를 더 포함하는 것을 특징으로 한다.In addition, the cultivation data management system according to the above embodiment operates to cultivate plants based on the cultivation recipe distributed from the mentor cultivator, and measures cultivation data according to the cultivation of the plant and outputs it to the mentor cultivator. It is characterized by further including a mass production cultivator.
또한, 상기 실시 예에 따른 멘토 재배기는 하나 이상의 멘티 재배기와 양산 재배기로 동일 작물에 대한 재배 레시피를 배포하고, 상기 멘티 재배기, 멘토 재배기 및 양산 재배기가 동일 시기에 재배하도록 동기화시켜 제어하는 것을 특징으로 한다.In addition, the mentor cultivator according to the above embodiment distributes a cultivation recipe for the same crop to one or more mentee cultivators and the mass production cultivator, and synchronizes and controls the mentee cultivator, the mentor cultivator, and the mass production cultivator to cultivate at the same time. do.
또한, 상기 실시 예에 따른 멘토 재배기는 양산 재배기의 재배 데이터를 실시간 모니터링하되, 상기 멘티 재배기의 재배 데이터와의 실시간 비교 분석을 통해 상기 양산 재배기의 재배 데이터가 미리 설정된 예상 목표 값에 부합하는지 분석하고, 상기 예상 목표 값이 부합하지 않으면, 재배 최적화 인공지능 모델을 이용하여 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 상기 멘티 재배기로 배포하여 상기 멘티 재배기가 보정 재배 레시피에 기반한 재배가 수행되도록 제어하는 것을 특징으로 한다.In addition, the mentor cultivator according to the above embodiment monitors the cultivation data of the mass production cultivator in real time, and analyzes whether the cultivation data of the mass production cultivator meets the preset expected target value through real-time comparative analysis with the cultivation data of the mentee cultivator, , If the expected target value does not meet, a correction cultivation recipe is generated using a cultivation optimization artificial intelligence model, and the generated correction cultivation recipe is distributed to the mentee cultivator so that the mentee cultivator performs cultivation based on the correction cultivation recipe. It is characterized by control.
또한, 상기 실시 예에 따른 상기 멘토 재배기는 멘티 재배기의 재배를 통해 유효 데이터를 갖는 최적값을 추출할 때가지, 재배 최적화 인공지능 모델을 이용하여 생성된 보정 재배 레시피에 기반한 멘티 재배기와 멘토 재배기 간의 재배를 반복 수행하고, 상기 반복 수행의 결과에 따라 최적값이 추출되면 추출된 최적값이 반영된 재배 레시피를 양산 재배기에 배포하도록 제어하는 것을 특징으로 한다.In addition, the mentor cultivator according to the above embodiment has a relationship between the mentee cultivator and the mentor cultivator based on the corrected cultivation recipe generated using a cultivation optimization artificial intelligence model until the optimal value with valid data is extracted through cultivation of the mentee cultivator. Cultivation is performed repeatedly, and when an optimal value is extracted according to the results of the repeated performance, a cultivation recipe reflecting the extracted optimal value is controlled to be distributed to the mass production cultivator.
또한, 본 발명의 일 실시 예는 멘토-멘티 기반의 재배 데이터 관리 방법으로서, a) 멘토 재배기가 복수의 멘티 재배기로 재배 레시피를 배포하면, 상기 멘토 재배기가 배포된 재배 레시피에 기반하여 식물의 재배를 수행하는 단계; b) 상기 멘토 재배기가 각 멘토 재배기의 재배 레시피를 수신하여 분석하고, 분석된 재배 레시피 중에서 미리 설정된 재배 목적에 근접한 특정 멘티 재배기의 재배 레시피를 추출하는 단계; 및 c) 상기 멘토 재배기가 추출된 특정 멘티 재배기의 재배 레시피를 기반으로 상기 멘토 재배기에서 시험 재배 시간동안 식물의 재배를 수행함에 의해 재배 데이터를 생성하여 생성된 재배 데이터를 실시간 분석하며, 상기 분석 결과가 상기 재배 목적에 근접하면, 상기 추출된 재배 레시피의 적어도 일부가 개별 멘티 재배기의 재배 레시피에 포함되도록 보정한 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 개별 멘티 재배기에 배포하는 단계;를 포함한다.In addition, an embodiment of the present invention is a cultivation data management method based on a mentor-mentee. a) When a mentor grower distributes a cultivation recipe to a plurality of mentee growers, the mentor grower grows plants based on the distributed cultivation recipe. performing steps; b) the mentor cultivator receiving and analyzing the cultivation recipe of each mentor cultivator, and extracting the cultivation recipe of a specific mentee cultivator close to a preset cultivation purpose from among the analyzed cultivation recipes; and c) the mentor cultivator generates cultivation data by cultivating plants during a test cultivation time in the mentor cultivator based on the cultivation recipe of the specific mentee cultivator extracted, and analyzes the generated cultivation data in real time, and analyzes the generated cultivation data in real time. When approaching the cultivation purpose, generating a corrected cultivation recipe corrected so that at least a part of the extracted cultivation recipe is included in the cultivation recipe of the individual mentee grower, and distributing the generated corrected cultivation recipe to the individual mentee grower; Includes.
또한, 상기 실시 예에 따른 a) 단계는 멘토 재배기가 복수의 멘티 재배기에 서로 다른 재배 레시피를 배포하는 것을 특징으로 한다.Additionally, step a) according to the above embodiment is characterized in that the mentor cultivator distributes different cultivation recipes to a plurality of mentee cultivators.
또한, 상기 실시 예에 따른 b) 단계는 b-1) 상기 멘토 재배기가 각 멘티 재배기로부터 재배 레시피에 기반하여 재배한 재배 데이터를 수집하여 분석하는 단계; b-2) 상기 분석된 재배 데이터 중에서 재배 목적에 근접한 유효 데이터가 추출되는지 판단하는 단계; 및 b-3) 상기 유효 데이터가 추출되면, 멘토 재배기가 추출된 유효 데이터와 해당 재배 레시피를 저장하는 단계를 포함하는 것을 특징으로 한다.In addition, step b) according to the above embodiment includes the steps of b-1) collecting and analyzing cultivation data grown by the mentor grower based on the cultivation recipe from each mentee grower; b-2) determining whether valid data close to the cultivation purpose is extracted from the analyzed cultivation data; and b-3) when the valid data is extracted, the mentor cultivator stores the extracted valid data and the corresponding cultivation recipe.
또한, 상기 실시 예에 따른 b-3) 단계는 유효 데이터가 추출되지 않으면 다른 재배 데이터 중에서 재배 목적에 근접한 유효 데이터를 추출하는 단계;를 더 포함하는 것을 특징으로 한다.In addition, step b-3) according to the above embodiment is characterized in that it further includes the step of extracting valid data close to the cultivation purpose from other cultivation data if valid data is not extracted.
또한, 상기 실시 예에 따른 c) 단계는 c-1) 멘토 재배기가 추출된 재배 레시피를 기반으로 멘토 재배기에서 시험 재배 시간동안 식물의 재배를 수행함에 의해 재배 데이터를 생성하여 생성된 재배 데이터를 실시간 분석하는 단계; c-2) 상기 분석 결과, 멘토 재배기가 추출된 재배 레시피에 의한 재배 결과가 재배 목적에 근접하는 결과인지 판단하는 단계; 및 c-3) 상기 재배 결과가 재배 목적에 근접함에 따라, 멘토 재배기가 추출된 재배 레시피의 적어도 일부가 포함되도록 재배 최적화 인공지능 모델을 이용하여 각 멘티 재배기의 재배 레시피를 보정한 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 각 멘티 재배기에 배포하는 단계;를 포함하는 것을 특징으로 한다.In addition, in step c) according to the above embodiment, c-1) the mentor cultivator generates cultivation data by performing cultivation of the plant during the test cultivation time in the mentor cultivator based on the extracted cultivation recipe, and the generated cultivation data is transmitted in real time. Analyzing step; c-2) As a result of the analysis, determining whether the cultivation result according to the cultivation recipe extracted by the mentor cultivation device is close to the cultivation purpose; and c-3) As the cultivation result approaches the cultivation purpose, a corrected cultivation recipe is created by correcting the cultivation recipe of each mentee cultivator using a cultivation optimization artificial intelligence model so that the mentor cultivator includes at least a portion of the extracted cultivation recipe. Generating and distributing the generated corrected cultivation recipe to each mentee cultivator.
또한, 상기 실시 예에 따른 c) 단계는 c-4) 상기 멘토 재배기가 재배 식물의 재배 종료 여부를 판단하되, 상기 판단 결과에 따라, 멘토 재배기가 멘티 재배기의 재배를 통해 재배 목적에 부합하는 최적화된 재배 레시피를 생성할 때가지, 재배 최적화 인공지능 모델을 이용하여 생성되는 보정 재배 레시피에 기반한 멘티 재배기와 멘토 재배기 간의 재배를 반복 수행하고, 수행 결과에 따른 최적화된 재배 레시피를 생성하는 단계;를 더 포함하는 것을 특징으로 한다.In addition, in step c) according to the above embodiment, c-4) the mentor cultivator determines whether cultivation of the cultivated plant has been completed, and according to the determination result, the mentor cultivator optimizes the cultivation purpose through the cultivation of the mentee cultivator. Repeating cultivation between the mentee cultivation period and the mentor cultivation period based on the corrected cultivation recipe generated using the cultivation optimization artificial intelligence model until the cultivation recipe is generated, and generating an optimized cultivation recipe according to the performance results; It is characterized by including more.
또한, 상기 실시 예에 따른 재배 데이터 관리 방법은 d) 멘토 재배기가 하나 이상의 멘티 재배기와, 복수의 양산 재배기로 재배 레시피를 배포하고, 상기 맨티 재배기와 양산 재배기가 배포된 재배 레시피에 기반하여 식물의 재배를 수행하는 단계;를 더 포함하는 것을 특징으로 한다.In addition, the cultivation data management method according to the above embodiment is d) a mentor cultivator distributes a cultivation recipe to one or more mentee cultivators and a plurality of mass production cultivators, and the manti cultivator and the mass production cultivator distribute the cultivation recipe to the distributed cultivation recipe. Characterized in that it further includes a step of performing cultivation.
또한, 상기 실시 예에 따른 d) 단계는 d-1) 멘토 재배기가 멘티 재배기, 멘토 재배기 및 양산 재배기가 동일 시기에 재배하도록 동기화하는 단계; d-2) 상기 멘토 재배기가 양산 재배기의 재배 데이터를 실시간 모니터링하되, 상기 멘티 재배기의 재배 데이터와의 실시간 비교 분석을 통해 상기 양산 재배기의 재배 데이터가 미리 설정된 예상 목표 값에 부합하는지 분석하는 단계; 및 d-3) 상기 분석 결과 예상 목표 값에 차이가 발생됨에 따라 멘토 재배기가 재배 최적화 인공지능 모델을 이용하여 차이가 반영된 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 멘티 재배기로 배포하여 상기 멘티 재배기가 보정 재배 레시피에 기반한 재배를 수행하는 단계;를 포함하는 것을 특징으로 한다.In addition, step d) according to the above embodiment includes d-1) synchronizing the mentor cultivator to cultivate the mentee cultivator, the mentor cultivator, and the mass production cultivator at the same time; d-2) the mentor cultivator monitors the cultivation data of the mass production cultivator in real time, and analyzes whether the cultivation data of the mass production cultivator meets a preset expected target value through real-time comparative analysis with the cultivation data of the mentee cultivator; and d-3) As a difference occurs in the expected target value as a result of the above analysis, the mentor cultivator generates a corrected cultivation recipe reflecting the difference using a cultivation optimization artificial intelligence model, and distributes the generated corrected cultivation recipe to the mentee grower. Characterized in that it includes a step of the mentee cultivator performing cultivation based on the corrected cultivation recipe.
또한, 상기 실시 예에 따른 d) 단계는 d-4) 상기 멘토 재배기가 보정 재배 레시피를 기반으로 멘티 재배기가 재배한 재배 데이터를 수신 및 분석하여 예상 목표 값에 부합하는 유효 데이터가 추출되는지 판단하는 단계; 및 d-5) 상기 판단 결과에 따라, 상기 멘토 재배기가 멘티 재배기의 재배를 통해 유효 데이터를 갖는 최적값을 추출할 때가지, 재배 최적화 인공지능 모델을 이용하여 생성되는 보정 재배 레시피에 기반한 멘티 재배기와 멘토 재배기 간의 재배가 반복 수행하고, 상기 반복 수행의 결과에 따라 최적값이 추출되면 추출된 최적값이 반영된 재배 레시피를 양산 재배기에 배포하는 단계;를 더 포함하는 것을 특징으로 한다.In addition, step d) according to the above embodiment is d-4) where the mentor grower receives and analyzes cultivation data grown by the mentee grower based on the corrected cultivation recipe to determine whether valid data meeting the expected target value is extracted. step; and d-5) According to the above judgment result, a mentee cultivator based on a corrected cultivation recipe generated using a cultivation optimization artificial intelligence model until the mentor cultivator extracts an optimal value with valid data through cultivation of the mentee cultivator. Cultivation between the and mentor cultivation periods is repeatedly performed, and when an optimal value is extracted according to the results of the repetition, distributing a cultivation recipe reflecting the extracted optimal value to the mass production cultivation period.
본 발명은 멘토 재배기가 다수의 멘티 재배기에 서로 다른 재배 레시피를 배포하고, 각 멘티 재배기들의 재배 데이터 중에서 재배 목적에 부합하는 특정 멘티 재배기의 재배 레시피를 기반으로 멘토 재배기가 일정 기간 재배하여 분석함으로써, 원하는 최적의 재배 레시피를 찾아갈 수 있는 장점이 있다.In the present invention, a mentor grower distributes different cultivation recipes to a plurality of mentee growers, and the mentor grower cultivates and analyzes for a certain period of time based on the cultivation recipe of a specific mentee grower that meets the cultivation purpose among the cultivation data of each mentee grower, There is an advantage in being able to find the optimal cultivation recipe you want.
또한, 본 발명은 멘토 재배기의 분석 결과를 이전에 배포된 재배 레시피에 각각 반영하여 재배포함으로써, 최적화된 재배 레시피를 추출할 수 있는 장점이 있다.In addition, the present invention has the advantage of being able to extract an optimized cultivation recipe by reflecting and redistributing the analysis results of the mentor cultivation device to previously distributed cultivation recipes.
또한, 본 발명은 최적화된 재배 레시피를 기반으로 양산 재배기에서의 재배 데이터를 모니텅하고, 멘티 재배기에서 수집한 재배 데이터와의 실시간 비교를 통해 예상 목표치에서 벗어나면 멘티 재배기로 변경된 재배 레시피를 배포하여 식물 재배를 실시간으로 최적화시킬 수 있는 장점이 있다.In addition, the present invention monitors cultivation data from a mass production cultivator based on an optimized cultivation recipe, and if it deviates from the expected target through real-time comparison with cultivation data collected from the mentee cultivator, the changed cultivation recipe is distributed to the mentee cultivator. It has the advantage of being able to optimize plant cultivation in real time.
도1은 본 발명의 일 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 시스템의 구성을 나타낸 블록도.
도2는 도1의 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 시스템의 멘토 재배기 구성을 나타낸 블록도.
도3은 도2의 실시 예에 따른 최적화 관리부 구성을 나타낸 블록도.
도4는 본 발명의 일 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법을 설명하기 위해 나타낸 흐름도.
도5는 도4의 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법의 특정 멘티 재배기의 재배 레시피 추출과정을 설명하기 위해 나타낸 흐름도.
도6은 도4의 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법의 재배 레시피 보정과 최적화 재배 레시피 생성과정을 설명하기 위해 나타낸 흐름도.
도7은 도4의 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법의 양산 재배과정을 설명하기 위해 나타낸 흐름도.Figure 1 is a block diagram showing the configuration of a mentor-mentee based cultivation data management system according to an embodiment of the present invention.
Figure 2 is a block diagram showing the configuration of a mentor cultivator of the mentor-mentee based cultivation data management system according to the embodiment of Figure 1.
Figure 3 is a block diagram showing the configuration of an optimization management unit according to the embodiment of Figure 2.
Figure 4 is a flow chart showing a mentor-mentee based cultivation data management method according to an embodiment of the present invention.
Figure 5 is a flow chart showing the process of extracting a cultivation recipe for a specific mentee cultivation period in the mentor-mentee based cultivation data management method according to the embodiment of Figure 4.
Figure 6 is a flow chart showing the cultivation recipe correction and optimized cultivation recipe creation process of the mentor-mentee based cultivation data management method according to the embodiment of Figure 4.
Figure 7 is a flow chart showing the mass production cultivation process of the mentor-mentee based cultivation data management method according to the embodiment of Figure 4.
이하에서는 본 발명의 바람직한 실시 예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명하기로 한다.Hereinafter, the present invention will be described in detail with reference to preferred embodiments of the present invention and the accompanying drawings, assuming that the same reference numerals in the drawings refer to the same components.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 발명의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다. Before describing specific details for implementing the present invention, it should be noted that configurations that are not directly related to the technical gist of the present invention have been omitted to the extent that they do not distract from the technical gist of the present invention.
또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.In addition, the terms or words used in this specification and claims have meanings and concepts that are consistent with the technical idea of the invention, based on the principle that the inventor can define the concept of appropriate terms in order to explain his or her invention in the best way. It should be interpreted as
본 명세서에서 어떤 부분이 어떤 구성요소를 "포함"한다는 표현은 다른 구성요소를 배제하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.In this specification, the expression that a part “includes” a certain element does not mean excluding other elements, but means that it may further include other elements.
또한, "‥부", "‥기", "‥모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 그 둘의 결합으로 구분될 수 있다.In addition, terms such as "‥unit", "‥unit", and "‥module" refer to a unit that processes at least one function or operation, which can be divided into hardware, software, or a combination of the two.
또한, "적어도 하나의" 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. In addition, the term "at least one" is defined as a term including singular and plural, and even if the term "at least one" does not exist, each component may exist in singular or plural, and may mean singular or plural. This can be said to be self-evident.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 시스템 및 방법의 바람직한 실시예를 상세하게 설명한다.Hereinafter, a preferred embodiment of a mentor-mentee based cultivation data management system and method according to an embodiment of the present invention will be described in detail with reference to the attached drawings.
도1은 본 발명의 일 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 시스템의 구성을 나타낸 블록도이고, 도2는 도1의 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 시스템의 멘토 재배기 구성을 나타낸 블록도이며, 도3은 도2의 실시 예에 따른 최적화 관리부 구성을 나타낸 블록도이다.Figure 1 is a block diagram showing the configuration of a mentor-mentee based cultivation data management system according to an embodiment of the present invention, and Figure 2 is a mentor cultivator of the mentor-mentee based cultivation data management system according to the embodiment of Figure 1. It is a block diagram showing the configuration, and Figure 3 is a block diagram showing the configuration of the optimization management unit according to the embodiment of Figure 2.
도1 내지 도3을 참조하면, 본 발명의 일 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 시스템은 멘토 재배기(200)가 다수의 멘티 재배기(100)에 서로 다른 재배 레시피를 배포하고, 각 멘티 재배기(100)들의 재배 데이터 중에서 재배 목적에 근접하는 특정 멘티 재배기의 재배 레시피를 기반으로 멘토 재배기가 일정 기간 재배하여 분석함으로써, 최적의 재배 레시피를 찾을 수 있도록 멘티 재배기(100)와, 멘토 재배기(200)와, 양산 재배기(300)를 포함하여 구성될 수 있다.1 to 3, in the mentor-mentee based cultivation data management system according to an embodiment of the present invention, the mentor cultivator 200 distributes different cultivation recipes to a plurality of mentee cultivators 100, and each Among the cultivation data of the mentee cultivators 100, the mentee cultivator 100 and the mentor cultivator can find the optimal cultivation recipe by cultivating and analyzing the mentor cultivator for a certain period of time based on the cultivation recipe of a specific mentee cultivator that is close to the cultivation purpose. It may be configured to include (200) and a mass production cultivator (300).
멘티 재배기(100)는 식물의 재배 환경 데이터를 측정하는 센서, 식물의 재배 환경 조성과 생육 상태를 관리하는 구성으로서, 네트워크를 통해 연결된 멘토 재배기(200)에 의해 배포된 재배 레시피에 기반하여 식물의 재배 환경 조성과 생육 상태 관리가 이루어질 수 있도록 동작한다.The mentee cultivator 100 is a sensor that measures the cultivation environment data of the plant, and a component that creates the cultivation environment and manages the growth state of the plant, and grows the plant based on the cultivation recipe distributed by the mentor cultivator 200 connected through a network. It operates to create a cultivation environment and manage growth conditions.
또한, 멘티 재배기(100)는 멘티 재배기 1(100a), 멘티 재배기 2(100b) 내지 멘티 재배기 n(100n)으로 구성될 수 있고, 본 실시 예에서는 설명의 편의를 위해 멘티 재배기(100)로 설명한다.In addition, the mentee cultivator 100 may be composed of mentee cultivator 1 (100a), mentee cultivator 2 (100b) to mentee cultivator n (100n), and in this embodiment, for convenience of explanation, it is described as mentee cultivator 100. do.
또한, 멘티 재배기(100)는 배포된 재배 레시피에 기반하여 재배가 이루어지는 식물의 재배와 관련된 데이터를 측정하고, 측정된 재배 데이터는 멘토 재배기(200)로 제공할 수 있다.Additionally, the mentee cultivator 100 may measure data related to the cultivation of plants to be cultivated based on the distributed cultivation recipe, and provide the measured cultivation data to the mentor cultivator 200.
멘토 재배기(200)는 식물의 재배 환경 데이터를 측정하는 센서, 식물의 재배 환경 조성과 생육 상태를 관리하는 구성으로서, 재배 레시피, 보정 재배 레시피, 최적화된 재배 레시피를 생성하고, 생성된 재배 레시피를 멘티 재배기(100) 및 양산 재배기(300)로 배포하는 구성을 포함하여 구성될 수 있다.The mentor cultivator 200 is a sensor that measures the cultivation environment data of the plant, and a component that manages the cultivation environment and growth state of the plant. It generates a cultivation recipe, a corrected cultivation recipe, and an optimized cultivation recipe, and stores the generated cultivation recipe. It may be configured to include distribution to the mentee cultivator 100 and the mass production cultivator 300.
여기서, 멘티 재배기(100)로 배포되는 재배 레시피는 예를 들어, 멘티 재배기 1(100a), 멘티 재배기 2(100b) 내지 멘티 재배기 n(100n)별로 서로 다른 재배 레시피로 구성될 수 있다.Here, the cultivation recipe distributed to the mentee cultivation device 100 may consist of different cultivation recipes for, for example, mentee cultivation device 1 (100a), mentee cultivation device 2 (100b) to mentee cultivation device n (100n).
또한, 재배 레시피는 멘티 재배기(100)에 설치된 각종 센서들로부터 수집된 식물 재배 데이터 및 제어 관련 데이터를 기반으로 생성된 식물 재배 레시피일 수 있다.Additionally, the cultivation recipe may be a plant cultivation recipe generated based on plant cultivation data and control-related data collected from various sensors installed in the mentee cultivation device 100.
또한, 재배 레시피는 멘티 재배기(100)에서 재배되는 식물을 화장품 및 항노화 의약품으로 활용하기 위한 목적으로 식물생장에 스트레스를 인위적으로 발생시키고, 2차대사산물을 추출하기 위한 멘티 재배기(100)의 온도, 습도, 일조량, 비료 공급량 또는 관수 등을 자동으로 컨트롤하기 위한 재배 래시피일 수 있다.In addition, the cultivation recipe artificially generates stress on plant growth for the purpose of using plants grown in the Menti cultivation device 100 as cosmetics and anti-aging medicine, and extracts secondary metabolites from the Menti cultivation device 100. It may be a cultivation recipe for automatically controlling temperature, humidity, sunlight, fertilizer supply, or irrigation.
또한, 멘토 재배기(200)는 복수의 멘티 재배기(100)가 재배한 식물의 재배 데이터를 수집하여 미리 설정된 재배 목적에 근접한 특정 멘티 재배기의 재배 레시피를 추출할 수 있다.In addition, the mentor cultivator 200 may collect cultivation data of plants grown by a plurality of mentee cultivators 100 and extract a cultivation recipe for a specific mentee cultivator that is close to a preset cultivation purpose.
또한, 멘토 재배기(200)는 추출된 재배 레시피를 기반으로 멘토 재배기(200)에서 직접 재배를 수행할 수 있고, 재배를 통해 측정되는 재배 데이터를 실시간 분석할 수 있다.In addition, the mentor cultivator 200 can perform cultivation directly on the mentor cultivator 200 based on the extracted cultivation recipe, and cultivation data measured through cultivation can be analyzed in real time.
또한, 멘토 재배기(200)는 분석 결과가 미리 설정된 재배 목적에 근접하는지 확인한 후, 재배 목적, 예를 들어 특정 성분의 포함, 특정 성분의 불포함, 특정 성분의 증가, 특정 성분의 감소 등의 재배 목적에 근접하는지 판단할 수 있다.In addition, the mentor cultivator 200 checks whether the analysis result is close to the preset cultivation purpose, and then determines the cultivation purpose, for example, inclusion of a specific ingredient, exclusion of a specific ingredient, increase of a specific ingredient, reduction of a specific ingredient, etc. You can determine whether it is close to .
또한, 멘토 재배기(200)는 추출된 특정 멘티 재배기의 재배 레시피가 각 멘티 재배기(100)의 재배 레시피에 적어도 일부가 포함되도록 보정한 보정 재배 레시피를 생성할 수 있다.Additionally, the mentor cultivator 200 may generate a corrected cultivation recipe in which the extracted cultivation recipe of a specific mentee cultivator is corrected so that at least part of the cultivation recipe of each mentee cultivator 100 is included.
또한, 멘토 재배기(200)는 생성된 보정 재배 레시피를 각 멘티 재배기(100)에 배포할 수 있다.Additionally, the mentor cultivator 200 may distribute the generated corrected cultivation recipe to each mentee cultivator 100.
또한, 멘토 재배기(200)는 재배 목적에 근접하는 보정 재배 레시피를 기반으로 각 멘티 재배기(100)의 재배를 반복 수행하고, 반복 재배를 통해 획득한 멘티 재배기(100)의 재배 데이터 중에서 재배 목적에 가장 근접하는 최적화된 재배 레시피를 생성할 수도 있다.In addition, the mentor cultivator 200 repeatedly performs cultivation of each mentee cultivator 100 based on a corrected cultivation recipe that is close to the cultivation purpose, and selects the cultivation purpose from among the cultivation data of the mentee cultivator 100 obtained through repeated cultivation. You can also create the closest optimized cultivation recipe.
이를 위해, 멘토 재배기(200)는 데이터 송수신부(210)와, 재배 레시피 관리부(220)와, 최적화 관리부(230)와, 재배 관리부(240)를 포함하여 구성될 수 있다.To this end, the mentor cultivator 200 may be configured to include a data transmission/reception unit 210, a cultivation recipe management unit 220, an optimization management unit 230, and a cultivation management unit 240.
데이터 송수신부(210)는 네트워크를 통해 연결된 복수의 멘티 재배기(100)에 재배 래시피를 송신하고, 멘티 재배기(100)에서 재배를 수행한 후 관련 재배 데이터를 수신할 수 있다.The data transmitting and receiving unit 210 may transmit a cultivation recipe to a plurality of mentee cultivators 100 connected through a network, and receive related cultivation data after performing cultivation in the mentee cultivators 100.
재배 레시피 관리부(220)는 멘티 재배기(100)별로 서로 다른 재배 레시피를 설정하고, 설정된 재배 레시피가 데이터 송수신부(210)를 통해 해당 멘티 재배기에 배포되도록 제어할 수 있다.The cultivation recipe management unit 220 sets a different cultivation recipe for each mentee cultivator 100 and controls the set cultivation recipe to be distributed to the corresponding mentee cultivator through the data transmitting and receiving unit 210.
또한, 재배 레시피 관리부(220)는 배포된 재배 레시피에 기반하여 재배를 수행한 멘티 재배기(100)별로 재배 관련 데이터를 데이터 송수신부(210)를 통해 수집하여 해당 멘티 재배기별로 저장 및 관리되도록 할 수 있다.In addition, the cultivation recipe management unit 220 collects cultivation-related data for each mentee cultivation period 100 that performed cultivation based on the distributed cultivation recipe through the data transmitting and receiving unit 210, and allows the cultivation-related data to be stored and managed for each mentee cultivation period. there is.
최적화 관리부(230)는 수집된 복수의 재배 데이터를 분석하여 미리 설정된 재배 목적에 근접한 특정 멘티 재배기의 재배 레시피를 추출할 수 있다.The optimization management unit 230 may analyze a plurality of collected cultivation data to extract a cultivation recipe for a specific mentee cultivation device that is close to the preset cultivation purpose.
또한, 최적화 관리부(230)는 추출된 특정 멘티 재배기의 재배 레시피를 기반으로 재배 관리부(240)가 식물의 재배를 수행하도록 제어할 수 있다.Additionally, the optimization management unit 230 may control the cultivation management unit 240 to perform plant cultivation based on the extracted cultivation recipe of the specific mentee cultivator.
또한, 최적화 관리부(230)는 재배 관리부(240)가 재배하는 동안 측정한 식물의 재배 데이터를 실시간 분석하여 추출된 재배 레시피에 의한 재배 결과가 재배 목적에 근접하는 결과인지 판단할 수 있다.In addition, the optimization management unit 230 may analyze the plant cultivation data measured during cultivation by the cultivation management unit 240 in real time to determine whether the cultivation result according to the extracted cultivation recipe is close to the cultivation purpose.
또한, 최적화 관리부(230)는 재배 결과가 재배 목적에 근접하는 것으로 판단되면, 추출된 특정 멘티 재배기의 재배 레시피 중에서 관련 데이터, 예를 들어 생장을 촉진하거나, 생장에 스트레스를 인위적으로 발생시키거나, 2차 대사산물을 추출하기 위한 온도, 습도, 일조량, 자외선량, 비료 공급량 또는 관수 등의 제어 데이터가 포함되도록 각 멘티 재배기(100)의 재배 레시피를 보정한 보정 재배 레시피를 생성할 수 있다.In addition, if the optimization management unit 230 determines that the cultivation result is close to the cultivation purpose, it extracts related data from the extracted cultivation recipe of the specific mentee cultivation period, for example, promoting growth, artificially creating stress on growth, or A corrected cultivation recipe can be created by correcting the cultivation recipe of each mentee cultivator 100 to include control data such as temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, or irrigation for extracting secondary metabolites.
또한, 최적화 관리부(230)는 기계 학습을 통해 멘티 재배기(100)에서 입력된 재배 데이터를 학습 데이터로 하고, 특정 성분의 포함, 특정 성분의 불포함, 2차대사산물과 같은 특정 성분의 증가, 특정 성분의 감소, 식물의 생장 촉진, 식물의 생장 스트레스 발생 등을 위해 학습하는 재배 최적화 인공지능 모델을 포함할 수 있다.In addition, the optimization management unit 230 uses the cultivation data input from the mentee cultivator 100 as learning data through machine learning, and includes inclusion of specific ingredients, non-inclusion of specific ingredients, increase in specific ingredients such as secondary metabolites, and specific It may include a cultivation optimization artificial intelligence model that learns to reduce ingredients, promote plant growth, and generate plant growth stress.
재배 최적화 인공지능 모델은 CNN(Convolutional Neural Network) 기반의 딥러닝 모델을 이용하여 재배 데이터를 포함한 학습 데이터로부터 특정 성분의 포함, 특정 성분의 불포함, 2차대사산물과 같은 특정 성분의 증가, 특정 성분의 감소, 식물의 생장 촉진, 식물의 생장 스트레스 발생 등을 위한 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수 등에 대한 분류를 학습할 수 있다.The cultivation optimization artificial intelligence model uses a deep learning model based on CNN (Convolutional Neural Network) to determine the inclusion of specific ingredients, the absence of specific ingredients, the increase of specific ingredients such as secondary metabolites, and specific ingredients from learning data including cultivation data. You can learn the classification of temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation for reduction of plant growth, acceleration of plant growth, and occurrence of plant growth stress.
여기서, 재배 최적화 인공지능 모델은 머신 러닝중에서 딥러닝(Deep learning)이라는 방법을 통해 만들어진 분석 모델들의 종류라고 볼 수 있다.Here, the cultivation optimization artificial intelligence model can be seen as a type of analysis model created through a method called deep learning among machine learning.
따라서, 재배 최적화 인공지능 모델은 딥러닝 모델 또는 딥러닝 분석 모델의 표현으로 사용될 수도 있다.Therefore, the cultivation optimization artificial intelligence model can also be used as a representation of a deep learning model or deep learning analysis model.
또한, 머신 러닝은 복잡한 시스템이 명시적으로 프로그래밍되지 않고서, 경험으로부터 자동으로 학습하고 개선할 수 있게 하는 인공 지능의 응용이다.Additionally, machine learning is an application of artificial intelligence that allows complex systems to automatically learn and improve from experience, without being explicitly programmed.
또한, 머신 러닝 모델들의 정확도 및 유효성은 그들 모델들을 훈련시키는 데 사용되는 데이터에 부분적으로 의존할 수 있다.Additionally, the accuracy and effectiveness of machine learning models may depend in part on the data used to train them.
따라서, 재배 최적화 인공지능 모델은 추출된 특정 멘티 재배기의 재배 레시피 중에서 재배 목적에 더욱 근접할 수 있도록 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수 등의 보정하는 예측 정보를 기반으로 각 멘티 재배기(100)의 재배 레시피에 반영한 보정 재배 레시피를 생성할 수 있다.Therefore, the cultivation optimization artificial intelligence model is based on predictive information that corrects temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation to get closer to the cultivation purpose among the extracted cultivation recipes of specific mentee cultivation devices. You can create a corrected cultivation recipe reflected in the cultivation recipe of (100).
또한, 최적화 관리부(230)는 생성된 보정 재배 레시피를 각 멘티 재배기(100)에 배포되도록 제어할 수 있다.Additionally, the optimization management unit 230 may control the distribution of the generated corrected cultivation recipe to each mentee cultivator 100.
또한, 최적화 관리부(230)는 재배 결과가 재배 목적에 근접하지 않으면, 수신된 다른 멘티 재배기의 재배 레시피 중에서 재배 목적에 근접한 다른 멘티 재배기의 재배 레시피를 추출하여 재배 관리부(240)를 통해 재배가 수행되도록 제어할 수 있다.In addition, if the cultivation result is not close to the cultivation purpose, the optimization management unit 230 extracts the cultivation recipe of another mentee cultivation unit that is close to the cultivation purpose from among the received cultivation recipes of other mentee cultivation units and performs cultivation through the cultivation management unit 240. It can be controlled as much as possible.
이를 위해 최적화 관리부(230)는 데이터 분석부(231)와, 데이터 최적화부(232)를 포함하여 구성될 수 있다.To this end, the optimization management unit 230 may be configured to include a data analysis unit 231 and a data optimization unit 232.
데이터 분석부(231)는 멘티 재배기(100)에서 수집된 복수의 재배 데이터를 분석하여 재배 목적에 근접한 특정 멘티 재배기의 재배 레시피를 추출할 수 있다.The data analysis unit 231 may analyze a plurality of cultivation data collected from the mentee cultivation device 100 to extract a cultivation recipe of a specific mentee cultivation device close to the cultivation purpose.
또한, 데이터 분석부(231)는 추출된 특정 멘티 재배기의 재배 레시피를 기반으로 재배 관리부(240)가 재배한 식물의 재배 데이터를 실시간 분석하고, 특정 멘티 재배기의 재배 레시피에 의한 재배 결과가 재배 목적에 근접하는 결과인지 판단한다.In addition, the data analysis unit 231 analyzes in real time the cultivation data of plants grown by the cultivation management unit 240 based on the extracted cultivation recipe of the specific mentee cultivation period, and the cultivation results according to the cultivation recipe of the specific mentee cultivation period are used for cultivation purposes. Determine whether the result is close to .
또한, 데이터 분석부(231)는 재배 결과가 재배 목적에 근접하지 않으면, 수신된 다른 멘티 재배기의 재배 레시피 중에서 재배 목적에 근접한 다른 멘티 재배기의 재배 레시피를 추출하여 재배 관리부(240)에서 재배가 수행되도록 제어할 수 있다.In addition, if the cultivation result is not close to the cultivation purpose, the data analysis unit 231 extracts the cultivation recipe of another mentee grower that is close to the cultivation purpose from among the received cultivation recipes of other mentee growers and performs the cultivation in the cultivation management unit 240. It can be controlled as much as possible.
데이터 최적화부(232)는 데이터 분석부(231)의 판단 결과, 재배 결과가 재배 목적에 근접하면, 재배 최적화 인공지능 모델을 이용하여 추출된 특정 멘티 재배기(100)의 재배 레시피 중에서 재배 목적에 더욱 근접할 수 있도록 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수 등의 재배 레시피 일부 또는 전부가 포함되도록 각 멘티 재배기(100)의 재배 레시피를 보정하여 보정 재배 레시피를 생성한다.As a result of the judgment of the data analysis unit 231, if the cultivation result is close to the cultivation purpose, the data optimization unit 232 selects a cultivation recipe from the specific mentee cultivator 100 extracted using the cultivation optimization artificial intelligence model to further suit the cultivation purpose. A corrected cultivation recipe is created by correcting the cultivation recipe of each mentee cultivator 100 to include part or all of the cultivation recipe, such as temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation so that it can be approximated.
또한, 데이터 최적화부(232)는 각 멘티 재배기(100)의 재배 레시피를 보정한 보정 재배 레시피가 해당 멘티 재배기(100)에 배포되도록 하여 추가 재배가 수행될 수 있도록 제어할 수 있다.In addition, the data optimization unit 232 may control the corrected cultivation recipe of each mentee cultivator 100 to be distributed to the corresponding mentee cultivator 100 so that additional cultivation can be performed.
또한, 데이터 최적화부(232)는 보정 재배 레시피에 기반하여 멘티 재배기(100)가 추가 재배를 통해 획득한 멘티 재배기(100)의 재배 데이터 중에서 재배 목적에 부합하는 최적화된 재배 레시피가 생성될 때가지, 재배 최적화 인공지능 모델을 이용하여 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수 등의 보정 재배 레시피를 생성하며 멘티 재배기(100)와 멘토 재배기(200) 사이에 연동된 재배를 반복 수행하도록 제어할 수 있다.In addition, the data optimization unit 232 is configured to generate an optimized cultivation recipe that meets the cultivation purpose among the cultivation data of the mentee cultivation device 100 obtained through additional cultivation by the mentee cultivation device 100 based on the corrected cultivation recipe. , using a cultivation optimization artificial intelligence model to create a corrected cultivation recipe for temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation, and to repeatedly perform linked cultivation between the mentee cultivator (100) and the mentor cultivator (200). You can control it.
즉, 데이터 최적화부(232)는 재배 최적화 인공지능 모델을 이용하여 추출된 재배 레시피에 적어도 1회 이상 보정 데이터를 반영한 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 이용하여 멘티 재배기(100)와 멘토 재배기(200) 사이에 연동된 재배를 반복 수행함으로써, 재배 목적에 부합하는 최적화된 레시피를 찾아서 제공할 수 있도록 한다.That is, the data optimization unit 232 generates a corrected cultivation recipe that reflects the correction data at least once in the extracted cultivation recipe using the cultivation optimization artificial intelligence model, and uses the generated correction cultivation recipe to grow the mentee cultivation device 100. By repeatedly performing linked cultivation between the and the mentor cultivator 200, an optimized recipe that meets the cultivation purpose can be found and provided.
재배 관리부(240)는 최적화 관리부(230)에서 추출된 재배 레시피를 기반으로 식물의 재배가 이루어지도록 동작하고, 재배에 따른 재배 데이터를 측정하는 구성으로서, 하나 이상의 챔버와, 챔버에서 재배되는 식물의 재배 환경 데이터를 측정하는 센서와, 챔버에서 재배되는 식물의 재배 환경 조성과 생육 상태를 관리하는 관리수단을 포함하여 구성될 수 있다.The cultivation management unit 240 operates to cultivate plants based on the cultivation recipe extracted from the optimization management unit 230 and measures cultivation data according to cultivation, and includes one or more chambers and the number of plants grown in the chamber. It may be configured to include a sensor that measures cultivation environment data and management means that manage the cultivation environment and growth status of plants grown in the chamber.
양산 재배기(300)는 네트워크를 통해 연결된 멘토 재배기(200)로부터 배포된 재배 레시피 또는 최적화된 재배 레시피에 기반하여 식물의 재배 환경 조성과 생육 상태 관리가 이루어질 수 있도록 동작하고, 식물의 재배 환경 데이터를 측정하는 센서, 식물의 재배 환경 조성과 생육 상태를 관리하는 구성을 포함하여 구성될 수 있다.The mass production cultivator 300 operates to create a cultivation environment for plants and manage their growth status based on the cultivation recipe or optimized cultivation recipe distributed from the mentor cultivator 200 connected through the network, and collects the cultivation environment data of the plants. It may be configured to include a sensor that measures, a component that creates a cultivation environment for plants, and a component that manages the growth state.
또한, 양산 재배기(300)는 양산 재배기 1(300a), 양산 재배기 2(300b) 내지 양산 재배기 n(300n)으로 구성될 수 있고, 본 실시 예에서는 설명의 편의를 위해 양산 재배기(300)로 설명한다.In addition, the mass production cultivator 300 may be composed of mass production cultivator 1 (300a), mass production cultivator 2 (300b) to mass production cultivator n (300n), and in this embodiment, for convenience of explanation, it is described as the mass production cultivator 300. do.
또한, 양산 재배기(300)는 배포된 재배 레시피에 기반하여 재배가 이루어지는 식물의 재배 관련된 데이터를 측정하고, 측정된 재배 데이터는 멘토 재배기(200)로 제공할 수 있다.In addition, the mass production cultivator 300 can measure data related to the cultivation of plants based on the distributed cultivation recipe, and provide the measured cultivation data to the mentor cultivator 200.
이때, 멘토 재배기(200)는 양산 재배기(300)의 재배 레시피를 최적화하기 위해 하나 이상의 멘티 재배기(100)와 양산 재배기(300)로 동일 작물에 대한 재배 레시피를 배포하고, 멘티 재배기(100), 멘토 재배기(200) 및 양산 재배기(300)가 동일 시기에 재배를 시작할 수 있도록 동기화시킬 수 있다.At this time, the mentor cultivator 200 distributes the cultivation recipe for the same crop to one or more mentee cultivators 100 and the mass production cultivator 300 in order to optimize the cultivation recipe of the mass production cultivator 300, and the mentee cultivator 100, The mentor cultivator 200 and the mass production cultivator 300 can be synchronized to start cultivation at the same time.
또한, 멘토 재배기(200)는 양산 재배기(300)의 재배 데이터를 실시간 모니터링할 수 있고, 모니터링된 양산 재배기(300)의 재배 데이터는 멘티 재배기(100)의 재배 데이터와 실시간 비교 분석을 수행할 수 있다.In addition, the mentor cultivator 200 can monitor the cultivation data of the mass production cultivator 300 in real time, and the monitored cultivation data of the mass production cultivator 300 can be compared and analyzed in real time with the cultivation data of the mentee cultivator 100. there is.
이때, 멘토 재배기(200)는 양산 재배기(300)의 재배 데이터와 멘티 재배기(100)의 재배 데이터가 미리 설정된 예상 목표 값, 예를 들어 특정 성분의 포함, 특정 성분의 불포함, 특정 성분의 증가, 특정 성분의 감소 등의 예상 목표 값에 도달하여 부합하는지 분석할 수 있다.At this time, the mentor cultivator 200 determines that the cultivation data of the mass production cultivator 300 and the cultivation data of the mentee cultivator 100 are preset expected target values, for example, inclusion of a specific ingredient, exclusion of a specific ingredient, increase of a specific ingredient, It can be analyzed whether expected target values, such as reduction of specific components, are reached and met.
또한, 멘토 재배기(200)는 예상 목표 값이 부합하지 않으면, 재배 최적화 인공지능 모델을 이용하여 예를 들어, 광량 조절, 자외선 A, 자외선 B, 자외선 C, 색상 및 파장 보정, 물, 양액, 온도, 습도 등을 보정한 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 멘티 재배기(100)로 배포할 수 있다.In addition, if the expected target value is not met, the mentor cultivator 200 uses a cultivation optimization artificial intelligence model to adjust, for example, light amount, ultraviolet ray A, ultraviolet ray B, ultraviolet ray C, color and wavelength correction, water, nutrient solution, temperature. , a corrected cultivation recipe that corrects humidity, etc. can be created, and the generated corrected cultivation recipe can be distributed to the mentee cultivator (100).
또한, 멘토 재배기(200)는 멘티 재배기(100)가 보정 재배 레시피에 기반하여 재배를 수행할 수 있도록 제어하고, 멘티 재배기(100)의 재배를 통해 유효 데이터를 갖는 최적값을 추출할 때가지, 재배 최적화 인공지능 모델을 이용하여 생성된 보정 재배 레시피에 기반한 멘티 재배기(100)와 멘토 재배기(200) 간의 재배가 반복 수행될 수 있도록 제어할 수 있다.In addition, the mentor cultivator 200 controls the mentee cultivator 100 to perform cultivation based on the corrected cultivation recipe, and until the optimal value with valid data is extracted through cultivation of the mentee cultivator 100, It can be controlled so that cultivation between the mentee cultivator 100 and the mentor cultivator 200 can be repeated based on the corrected cultivation recipe generated using a cultivation optimization artificial intelligence model.
또한, 멘토 재배기(200)는 멘티 재배기(100)와 멘토 재배기(200) 간의 반복 수행 결과 최적값이 추출되면, 추출된 최적값이 반영된 재배 레시피를 양산 재배기(300)에 배포하도록 제어할 수 있다.In addition, when the optimal value is extracted as a result of repeated performance between the mentee cultivator 100 and the mentor cultivator 200, the mentor cultivator 200 can be controlled to distribute a cultivation recipe reflecting the extracted optimal value to the mass production cultivator 300. .
다음은 본 발명의 일 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법을 설명한다.The following describes a mentor-mentee based cultivation data management method according to an embodiment of the present invention.
도4는 본 발명의 일 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법을 설명하기 위해 나타낸 흐름도이고, 도5는 도4의 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법의 특정 멘티 재배기의 재배 레시피 추출과정을 설명하기 위해 나타낸 흐름도이며, 도6은 도4의 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법의 재배 레시피 보정과 최적화 재배 레시피 생성과정을 설명하기 위해 나타낸 흐름도이고, 도7은 도4의 실시 예에 따른 멘토-멘티 기반의 재배 데이터 관리 방법의 양산 재배과정을 설명하기 위해 나타낸 흐름도이다.Figure 4 is a flowchart shown to explain the mentor-mentee based cultivation data management method according to an embodiment of the present invention, and Figure 5 is a specific mentee of the mentor-mentee based cultivation data management method according to the embodiment of Figure 4. It is a flowchart shown to explain the cultivation recipe extraction process of the cultivation period, and Figure 6 is a flowchart shown to explain the cultivation recipe correction and optimized cultivation recipe creation process of the mentor-mentee based cultivation data management method according to the embodiment of Figure 4. , Figure 7 is a flow chart showing the mass production cultivation process of the mentor-mentee based cultivation data management method according to the embodiment of Figure 4.
도1 내지 도7을 참조하면, 멘토 재배기(200)가 복수의 멘티 재배기(100)로 재배 레시피를 배포하면, 멘티 재배기(100)는 배포된 재배 레시피에 기반하여 식물의 재배를 수행(S100)할 수 있다.1 to 7, when the mentor cultivator 200 distributes a cultivation recipe to a plurality of mentee cultivators 100, the mentee cultivator 100 performs plant cultivation based on the distributed cultivation recipe (S100). can do.
S100 단계에서 멘토 재배기(200)가 복수의 멘티 재배기(100)로 배포하는 재배 레시피는 식물생장에 스트레스를 인위적으로 발생시키고, 2차대사산물을 추출하기 위한 멘티 재배기(100)의 온도, 습도, 일조량, 비료 공급량 또는 관수 등을 자동으로 컨트롤하기 위해 서로 다른 재배 레시피가 배포될 수 있다.The cultivation recipe distributed by the mentor cultivator 200 to the plurality of mentee cultivators 100 in step S100 artificially generates stress on plant growth and uses the temperature, humidity, and temperature of the mentee cultivator 100 to extract secondary metabolites. Different cultivation recipes can be distributed to automatically control the amount of sunlight, fertilizer supply, or irrigation.
S100 단계를 수행한 후, 멘토 재배기(200)는 각 멘티 재배기(100)의 재배 레시피를 수신하여 분석하고, 분석된 재배 레시피 중에서 미리 설정된 재배 목적에 근접한 특정 멘티 재배기의 재배 레시피를 추출(S200)할 수 있다.After performing step S100, the mentor cultivator 200 receives and analyzes the cultivation recipe of each mentee cultivator 100, and extracts the cultivation recipe of a specific mentee cultivator that is close to the preset cultivation purpose from among the analyzed cultivation recipes (S200) can do.
S200 단계를 더욱 상세하게 설명하면, 멘토 재배기(200)는 각 멘티 재배기(100)로부터 배포된 재배 레시피에 기반하여 재배한 재배 데이터를 수집하여 분석(S210)할 수 있다.To describe step S200 in more detail, the mentor cultivator 200 may collect and analyze cultivation data grown based on the cultivation recipe distributed from each mentee cultivator 100 (S210).
또한, 멘토 재배기(200)는 S210 단계에서 분석된 재배 데이터 중에서 재배 목적에 근접한 유효 데이터가 추출되는지 판단(S220)할 수 있다.Additionally, the mentor cultivator 200 may determine whether valid data close to the cultivation purpose is extracted from the cultivation data analyzed in step S210 (S220).
S220 단계의 판단 결과, 유효 데이터가 추출되면, 멘토 재배기(200)는 추출된 유효 데이터와 해당 재배 레시피를 저장(S230)할 수 있다.If valid data is extracted as a result of the determination in step S220, the mentor cultivator 200 may store the extracted valid data and the corresponding cultivation recipe (S230).
또한, S220 단계에서 유효 데이터가 추출되지 않으면, 멘토 재배기(200)는 S210 단계에서 수집된 다른 재배 데이터 중에서 재배 목적에 근접한 유효 데이터를 추출하여 S220 및 S230 단계를 수행할 수 있다.Additionally, if valid data is not extracted in step S220, the mentor cultivator 200 may perform steps S220 and S230 by extracting valid data close to the cultivation purpose from other cultivation data collected in step S210.
계속해서, 멘토 재배기(200)는 S200 단계에서 추출된 특정 멘티 재배기의 재배 레시피를 기반으로 멘토 재배기(200)에서 직접 재배를 수행하여 재배 데이터를 실시간 분석할 수 있다.Subsequently, the mentor cultivator 200 can analyze cultivation data in real time by directly performing cultivation in the mentor cultivator 200 based on the cultivation recipe of the specific mentee cultivator extracted in step S200.
또한, 분석 결과가 재배 목적에 근접하면, 멘토 재배기(200)는 추출된 재배 레시피의 적어도 일부가 개별 멘티 재배기의 재배 레시피에 포함되도록 각 재배 레시피를 보정한 보정 재배 레시피를 생성하여 해당 멘티 재배기(100)에 배포(S300)할 수 있다.In addition, when the analysis result is close to the cultivation purpose, the mentor cultivator 200 generates a corrected cultivation recipe that corrects each cultivation recipe so that at least a part of the extracted cultivation recipe is included in the cultivation recipe of the individual mentee cultivator to grow the corresponding mentee cultivator ( 100) can be distributed (S300).
즉, S300 단계는 멘토 재배기(200)가 추출된 재배 레시피를 기반으로 멘토 재배기(200)에서 직접 식물의 재배를 수행하고, 재배에 따른 재배 데이터를 실시간 분석(S310)할 수 있다.That is, in step S300, the mentor cultivator 200 can directly cultivate plants based on the extracted cultivation recipe and analyze cultivation data according to cultivation in real time (S310).
S310 단계의 분석을 통해 멘토 재배기(200)는 추출된 재배 레시피에 의한 재배 결과가 재배 목적에 근접하는 결과인지 판단(S320)할 수 있다.Through the analysis in step S310, the mentor cultivator 200 can determine whether the cultivation result according to the extracted cultivation recipe is close to the cultivation purpose (S320).
S320 단계의 판단 결과, 재배 결과가 재배 목적에 근접하는 유효한 성장으로 판단되면, 멘토 재배기(200)는 추출된 재배 레시피의 적어도 일부가 포함되도록 각 멘티 재배기(100)의 재배 레시피를 보정한 보정 재배 레시피를 생성(S330)하고, 생성된 보정 재배 레시피를 각 멘티 재배기(100)에 배포(S340)할 수 있다.As a result of the determination in step S320, if the cultivation result is determined to be effective growth close to the cultivation purpose, the mentor cultivator 200 corrects the cultivation recipe of each mentee cultivator 100 to include at least part of the extracted cultivation recipe. A recipe can be created (S330), and the generated corrected cultivation recipe can be distributed to each mentee cultivator (100) (S340).
즉, S330 단계에서 유효한 성장으로 판단되면, 멘토 재배기(200)는 재배 목적에 더욱 근접할 수 있도록 재배 최적화 인공지능 모델을 이용하여 추출된 특정 멘티 재배기(100)의 재배 레시피 중에서 예를 들면, 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수 등의 재배 레시피 일부 또는 전부가 포함되도록 각 멘티 재배기(100)의 재배 레시피를 보정하여 보정 재배 레시피를 생성한다.That is, if it is determined to be effective growth in step S330, the mentor cultivator 200 selects the temperature, for example, from the cultivation recipe of the specific mentee cultivator 100 extracted using a cultivation optimization artificial intelligence model to get closer to the cultivation purpose. A corrected cultivation recipe is created by correcting the cultivation recipe of each mentee cultivator 100 to include part or all of the cultivation recipe, such as humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation.
또한, 멘토 재배기(200)는 식물의 1작기 재배가 종료되었는지 여부를 판단(S350)할 수 있다.Additionally, the mentor cultivator 200 may determine whether cultivation of the first crop of plants has been completed (S350).
S350 단계의 판단 결과, 식물의 재배가 종료되지 않았으면, 멘토 재배기(200)는 멘티 재배기(100)의 재배를 수행하여 멘티 재배기(100)의 재배 데이터 중에서 재배 목적에 가장 근접하는 최적화된 재배 레시피가 생성될 때가지, 재배 최적화 인공지능 모델을 이용하여 생성되는 보정 재배 레시피에 기반한 멘티 재배기(100)와 멘토 재배기(200) 간의 재배를 반복 수행하고, 이를 통해 최적화된 재배 레시피가 생성될 수 있도록 한다.As a result of the determination in step S350, if the cultivation of the plant has not been completed, the mentor cultivator 200 performs the cultivation of the mentee cultivator 100 and creates an optimized cultivation recipe that is closest to the cultivation purpose among the cultivation data of the mentee cultivator 100. Until is created, cultivation is repeated between the mentee cultivator (100) and the mentor cultivator (200) based on the corrected cultivation recipe generated using the cultivation optimization artificial intelligence model, and through this, an optimized cultivation recipe can be created. do.
또한, S350 단계의 판단 결과, 재배가 종료되면 수행 결과에 따른 최적화된 재배 레시피를 생성 및 저장(S360)한다.In addition, as a result of the determination in step S350, when cultivation is completed, an optimized cultivation recipe according to the performance results is created and stored (S360).
계속해서, 멘토 재배기(200)는 S300 단계에서 생성된 최적화된 재배 레시피를 하나 이상의 멘티 재배기(100)와, 복수의 양산 재배기(300)로 배포하고, 맨티 재배기(100)와 양산 재배기(300)가 배포된 재배 레시피에 기반하여 식물의 재배를 수행(S400)할 수 있다.Subsequently, the mentor cultivator 200 distributes the optimized cultivation recipe generated in step S300 to one or more mentee cultivators 100 and a plurality of mass production cultivators 300, and Plant cultivation can be performed (S400) based on the distributed cultivation recipe.
즉, S400 단계에서 멘토 재배기(200)는 멘티 재배기(100), 멘토 재배기(200) 및 양산 재배기(300)가 동일 시기에 재배하도록 동기화시켜 멘티 재배기(100), 멘토 재배기(200), 양산 재배기(300)가 동시에 양산 재배를 수행(S410)할 수 있도록 한다.That is, in step S400, the mentor cultivator (200) synchronizes the mentee cultivator (100), the mentor cultivator (200), and the mass production cultivator (300) to cultivate at the same time, so that the mentee cultivator (100), the mentor cultivator (200), and the mass production cultivator (300) grow at the same time. (300) allows mass production cultivation to be performed at the same time (S410).
멘토 재배기(200)는 양산 재배기(300)의 재배 데이터를 실시간 모니터링하고, 멘티 재배기(100)의 재배 데이터와의 실시간 비교 분석을 수행(S410)하여 양산 재배기(300)의 재배 데이터가 미리 설정된 예상 목표 값에 부합하는지 판단(S420)한다.The mentor cultivator 200 monitors the cultivation data of the mass production cultivator 300 in real time, and performs a real-time comparative analysis with the cultivation data of the mentee cultivator 100 (S410), so that the cultivation data of the mass production cultivator 300 is predicted to be preset. Determine whether the target value is met (S420).
S420 단계의 판단 결과, 예상 목표 값에 차이가 발생되면, 멘토 재배기(200)는 멘티 재배기(100)로 차이를 개선하기 위해 재배 최적화 인공지능 모델을 이용하여 예를 들어, 식물생장에 스트레스를 인위적으로 발생시키고, 2차대사산물을 추출하기 위한 멘티 재배기(100)의 온도, 습도, 일조량, 자외선량, 비료 공급량 또는 관수 등을 자동으로 컨트롤하기 위한 재배 레시피가 반영된 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 멘티 재배기(100)로 전송하여 멘티 재배기(100)가 보정 재배 레시피에 기반한 재배를 수행(S430)할 수 있도록 한다.If a difference occurs in the expected target value as a result of the judgment in step S420, the mentor cultivator 200 uses a cultivation optimization artificial intelligence model to improve the difference with the mentee cultivator 100, for example, by artificially applying stress to plant growth. Generate a corrected cultivation recipe that reflects the cultivation recipe to automatically control the temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, or irrigation of the mentee cultivator 100 to extract secondary metabolites. The corrected cultivation recipe is transmitted to the mentee cultivator 100 so that the mentee cultivator 100 can perform cultivation based on the corrected cultivation recipe (S430).
또한, 멘토 재배기(200)는 보정 재배 레시피를 기반으로 멘티 재배기(100)가 재배한 재배 데이터를 수신 및 분석(S440)하고, 분석 결과로부터 예상 목표 값에 부합하는 유효 데이터가 추출되는지 판단(S450)한다.In addition, the mentor cultivator 200 receives and analyzes cultivation data grown by the mentee cultivator 100 based on the corrected cultivation recipe (S440), and determines whether valid data meeting the expected target value is extracted from the analysis result (S450) )do.
S450 단계의 판단 결과, 유효 데이터가 추출되지 않으면, 멘토 재배기(200)는 추가 보정을 수행한 보정 재배 레시피에 기반하여 멘티 재배기(100)의 재배를 수행하되, 유효 데이터를 갖는 최적값을 추출할 때가지, 재배 최적화 인공지능 모델을 이용하여 생성되는 보정 재배 레시피에 기반한 멘티 재배기(100)와 멘토 재배기(200) 간의 재배가 반복 수행될 수 있도록 제어할 수 있다.As a result of the determination in step S450, if valid data is not extracted, the mentor cultivator 200 performs cultivation of the mentee cultivator 100 based on the corrected cultivation recipe with additional correction, but extracts the optimal value having valid data. From time to time, cultivation between the mentee cultivator 100 and the mentor cultivator 200 based on the corrected cultivation recipe generated using a cultivation optimization artificial intelligence model can be controlled to be repeatedly performed.
또한, S450 단계의 판단 결과, 최적값이 추출되면 멘토 재배기(200)는 추출된 최적값이 반영된 재배 레시피를 양산 재배기(300)에 배포(S460)하여 양산 과정에서도 최적의 재배 레시피가 실시간 반영될 수 있도록 한다.In addition, when the optimal value is extracted as a result of the judgment in step S450, the mentor cultivator 200 distributes the cultivation recipe reflecting the extracted optimal value to the mass production cultivator 300 (S460) so that the optimal cultivation recipe is reflected in real time even during the mass production process. make it possible
따라서, 멘토 재배기가 다수의 멘티 재배기에 서로 다른 재배 레시피를 배포하고, 각 멘티 재배기들의 재배 데이터 중에서 재배 목적에 부합하는 특정 멘티 재배기의 재배 레시피를 기반으로 멘토 재배기가 일정 기간 재배하여 분석함으로써, 원하는 최적의 재배 레시피를 찾아갈 수 있다.Therefore, the mentor grower distributes different cultivation recipes to multiple mentee growers, and among the cultivation data of each mentee grower, the mentor grower cultivates and analyzes the desired plant for a certain period of time based on the cultivation recipe of a specific mentee grower that meets the cultivation purpose. You can find the optimal cultivation recipe.
또한, 멘토 재배기의 분석 결과를 이전에 배포된 재배 레시피에 각각 반영하여 재배포함으로써, 최적화된 재배 레시피를 추출할 수 있다.In addition, an optimized cultivation recipe can be extracted by reflecting and redistributing the analysis results of the mentor cultivation device to each previously distributed cultivation recipe.
또한, 최적화된 재배 레시피를 기반으로 양산 재배기에서의 재배 데이터를 모니텅하고, 멘티 재배기에서 수집한 재배 데이터와의 실시간 비교를 통해 예상 목표치에서 벗어나면 멘티 재배기로 변경된 재배 레시피를 배포하여 식물 재배를 실시간으로 최적화시킬 수 있다.In addition, based on the optimized cultivation recipe, cultivation data from the mass production cultivator is monitored, and if it deviates from the expected target through real-time comparison with cultivation data collected from the mentee cultivator, the changed cultivation recipe is distributed to the mentee cultivator to ensure plant cultivation. It can be optimized in real time.
상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.As described above, the present invention has been described with reference to preferred embodiments, but those skilled in the art may make various modifications and changes to the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that you can do it.
또한, 본 발명의 특허청구범위에 기재된 도면번호는 설명의 명료성과 편의를 위해 기재한 것일 뿐 이에 한정되는 것은 아니며, 실시예를 설명하는 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.In addition, the drawing numbers described in the claims of the present invention are only used for clarity and convenience of explanation and are not limited thereto. In the process of explaining the embodiment, the thickness of the lines shown in the drawings, the size of the components, etc. may be exaggerated for clarity and convenience of explanation.
또한, 상술된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 해석은 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In addition, the above-described terms are terms defined in consideration of the functions in the present invention, and may vary depending on the intention or custom of the user or operator, so interpretation of these terms should be made based on the content throughout the present specification. .
또한, 명시적으로 도시되거나 설명되지 아니하였다 하여도 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기재사항으로부터 본 발명에 의한 기술적 사상을 포함하는 다양한 형태의 변형을 할 수 있음은 자명하며, 이는 여전히 본 발명의 권리범위에 속한다. In addition, even if not explicitly shown or explained, a person skilled in the art to which the present invention pertains can make various modifications including the technical idea of the present invention from the description of the present invention. It is self-evident, and it still falls within the scope of the present invention.
또한, 첨부하는 도면을 참조하여 설명된 상기의 실시예들은 본 발명을 설명하기 위한 목적으로 기술된 것이며 본 발명의 권리범위는 이러한 실시예에 국한되지 아니한다.In addition, the above embodiments described with reference to the accompanying drawings are described for the purpose of explaining the present invention, and the scope of the present invention is not limited to these embodiments.
100 : 멘티 재배기 100a : 멘티 재배기 1
100b : 멘티 재배기 2 100n : 멘티 재배기 n
200 : 멘토 재배기 210 : 데이터 송수신부
220 : 재배 레시피 관리부 230 : 최적화 관리부
231 : 데이터 분석부 232 : 데이터 최적화부
240 : 재배 관리부 300 : 양산 재배기
300a : 양산 재배기 1 300b : 양산 재배기 2
300b : 양산 재배기 n100: Mentee cultivation period 100a: Mentee cultivation period 1
100b: Mentee cultivation period 2 100n: Mentee cultivation period n
200: Mentor cultivator 210: Data transmitting and receiving unit
220: Cultivation recipe management unit 230: Optimization management unit
231: Data analysis unit 232: Data optimization unit
240: Cultivation management department 300: Mass production cultivation unit
300a: Parasol cultivator 1 300b: Parasol cultivator 2
300b: Mass production grower n
Claims (20)
식물의 재배가 가능하고, 상기 복수의 멘티 재배기(100)로 서로 다른 재배 레시피를 배포하며, 양산 재배기(300)로 재배 레시피 또는 최적화 재배 레시피를 배포하는 멘토 재배기(200); 및
상기 멘토 재배기(200)로부터 배포된 재배 레시피에 기반하여 식물의 재배가 이루어지도록 동작하고, 상기 식물의 재배에 따른 재배 데이터를 측정하여 상기 멘토 재배기(200)로 출력하는 복수의 양산 재배기(300);를 포함하고,
상기 멘토 재배기(200)는, 복수의 멘티 재배기(100)가 서로 다른 재배 레시피로 재배한 식물의 재배 데이터를 수집 및 분석하여 미리 설정된 재배 목적 - 여기서, 재배 목적은 특정 성분의 포함, 특정 성분의 불포함, 특정 성분의 증가, 특정 성분의 감소 임 - 에 근접한 특정 멘티 재배기의 재배 레시피를 추출하되,
상기 추출된 특정 멘티 재배기의 재배 레시피를 기반으로 멘토 재배기(200)에서 시험 재배 기간동안 상기 식물의 재배를 수행하고, 시험 재배 시간동안 측정되는 재배 데이터의 실시간 분석을 통해 상기 재배 목적에 근접하는지 분석하고, 상기 분석 결과가 재배 목적에 근접함에 따라, 상기 추출된 재배 레시피의 적어도 일부가 개별 멘티 재배기의 재배 레시피에 포함되도록 보정한 보정 재배 레시피를 생성하며, 생성된 보정 재배 레시피를 각 멘티 재배기(100)에 배포하여 상기 멘티 재배기(100)가 배포된 보정 재배 레시피를 기반으로 동작되도록 하고,
상기 멘토 재배기(200)는 멘티 재배기(100) 및 양산 재배기(300)와 동일 시기에 재배하도록 동기화되며, 상기 양산 재배기(300)의 재배 데이터를 실시간 모니터링하되, 상기 멘티 재배기(100)의 재배 데이터와 실시간 비교 분석을 통해 상기 양산 재배기(300)의 재배 데이터가 미리 설정된 예상 목표 값에 부합하는지 분석하고,
상기 예상 목표 값이 부합하지 않으면, 상기 멘토 재배기(200)가 재배 최적화 인공지능 모델을 이용하여 생성한 보정 재배 레시피를 상기 멘티 재배기(100)로 배포하여 상기 멘티 재배기(100)가 보정 재배 레시피에 기반한 재배를 수행하도록 제어하되,
상기 재배 최적화 인공지능 모델을 이용하여 멘티 재배기의 재배 레시피 중에서 재배 목적에 더욱 근접할 수 있도록 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수의 보정을 통해 예측한 예측 정보로부터 생성되는 보정 재배 레시피를 기반으로 상기 멘티 재배기(100)가 유효 데이터를 갖는 최적값을 추출할 때가지 상기 멘티 재배기(100)와 멘토 재배기(200) 간의 재배를 반복 수행하고,
상기 멘토 재배기(200)는 반복 재배를 통해 추출되는 최적값을 반영한 최적화된 재배 레시피를 양산 재배기(300)에 배포하되,
상기 재배 최적화 인공지능 모델은 CNN(Convolutional Neural Network)기반의 딥러닝 모델을 이용하여 재배 데이터를 포함한 학습 데이터로부터 특정 성분의 포함, 특정 성분의 불포함, 2차대사산물과 같은 특정 성분의 증가, 특정 성분의 감소, 식물의 생장 촉진, 식물의 생장 스트레스 발생을 위한 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수에 대한 분류를 학습하는 것을 특징으로 하는 멘토-멘티 기반의 재배 데이터 관리 시스템.A plurality of mentee cultivators (100) that operate to cultivate plants based on the cultivation recipe distributed from the mentor cultivator (200), measure cultivation data according to the cultivation of the plants, and output it to the mentor cultivator (200);
A mentor cultivator (200) capable of cultivating plants, distributing different cultivation recipes to the plurality of mentee cultivators (100), and distributing a cultivation recipe or optimized cultivation recipe to the mass production cultivator (300); and
A plurality of mass production cultivators (300) that operate to cultivate plants based on the cultivation recipe distributed from the mentor cultivator (200), measure cultivation data according to the cultivation of the plants, and output it to the mentor cultivator (200). Contains ;,
The mentor cultivator 200 collects and analyzes cultivation data of plants grown with different cultivation recipes by a plurality of mentee cultivators 100 to set a preset cultivation purpose - here, the cultivation purpose is the inclusion of a specific ingredient, the inclusion of a specific ingredient, Excluding, increasing specific ingredients, decreasing specific ingredients - Extract the cultivation recipe of a specific mentee cultivation period close to,
Based on the extracted cultivation recipe of the specific mentee cultivator, cultivation of the plant is performed during the test cultivation period in the mentor cultivator 200, and analysis is made to determine whether the cultivation purpose is approached through real-time analysis of the cultivation data measured during the test cultivation period. And, as the analysis result approaches the cultivation purpose, a corrected cultivation recipe is generated so that at least part of the extracted cultivation recipe is included in the cultivation recipe of the individual mentee grower, and the generated corrected cultivation recipe is sent to each mentee grower ( 100) so that the mentee cultivator 100 operates based on the distributed corrected cultivation recipe,
The mentor cultivator 200 is synchronized to cultivate at the same time as the mentee cultivator 100 and the mass production cultivator 300, and monitors the cultivation data of the mass production cultivator 300 in real time, but the cultivation data of the mentee cultivator 100 Analyze whether the cultivation data of the mass production cultivator 300 meets the preset expected target value through real-time comparative analysis,
If the expected target value is not met, the mentor cultivator 200 distributes the corrected cultivation recipe created using the cultivation optimization artificial intelligence model to the mentee cultivator 100, and the mentee cultivator 100 responds to the corrected cultivation recipe. Control to perform based cultivation,
A corrected cultivation recipe generated from the prediction information predicted through correction of temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation to get closer to the cultivation purpose among the cultivation recipes of the mentee cultivator using the cultivation optimization artificial intelligence model. Based on , repeatedly perform cultivation between the mentee cultivator (100) and the mentor cultivator (200) until the mentee cultivator (100) extracts an optimal value with valid data,
The mentor cultivator 200 distributes an optimized cultivation recipe reflecting the optimal value extracted through repeated cultivation to the mass production cultivator 300,
The cultivation optimization artificial intelligence model uses a deep learning model based on CNN (Convolutional Neural Network) to determine the inclusion of specific ingredients, the absence of specific ingredients, the increase of specific ingredients such as secondary metabolites, and specific components from learning data including cultivation data. A mentor-mentee-based cultivation data management system that learns classification of temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation for reducing ingredients, promoting plant growth, and causing plant growth stress.
b) 상기 멘토 재배기(200)가 각 멘티 재배기(100)의 재배 레시피를 수신하여 분석하고, 분석된 재배 레시피 중에서 미리 설정된 재배 목적 - 여기서, 재배 목적은 특정 성분의 포함, 특정 성분의 불포함, 특정 성분의 증가, 특정 성분의 감소 임 - 에 근접한 특정 멘티 재배기의 재배 레시피를 추출하는 단계;
c) 상기 멘토 재배기(200)가 추출된 특정 멘티 재배기의 재배 레시피를 기반으로 상기 멘토 재배기(200)에서 시험 재배 기간동안 상기 식물의 재배를 수행하고, 시험 재배 시간동안 측정되는 재배 데이터의 실시간 분석을 통해 상기 재배 목적에 근접하는지 분석하고, 상기 분석 결과가 재배 목적에 근접함에 따라, 상기 추출된 재배 레시피의 적어도 일부가 개별 멘티 재배기의 재배 레시피에 포함되도록 보정한 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 개별 멘티 재배기(100)에 배포하여 상기 멘티 재배기(100)가 배포된 보정 재배 레시피를 기반으로 동작되도록 하는 단계; 및
d) 멘토 재배기(200)가 하나 이상의 멘티 재배기(100)와, 복수의 양산 재배기(300)로 재배 레시피를 배포하고, 상기 멘티 재배기(100)와 양산 재배기(300)가 배포된 재배 레시피에 기반하여 식물의 재배를 수행하는 단계;를 포함하고,
상기 멘토 재배기(200)는 멘티 재배기(100) 및 양산 재배기(300)와 동일 시기에 재배하도록 동기화되며, 상기 양산 재배기(300)의 재배 데이터를 실시간 모니터링하되, 상기 멘티 재배기(100)의 재배 데이터와 실시간 비교 분석을 통해 상기 양산 재배기(300)의 재배 데이터가 미리 설정된 예상 목표 값에 부합하는지 분석하고,
상기 예상 목표 값이 부합하지 않으면, 상기 멘토 재배기(200)가 재배 최적화 인공지능 모델을 이용하여 생성한 보정 재배 레시피를 상기 멘티 재배기(100)로 배포하여 상기 멘티 재배기(100)가 보정 재배 레시피에 기반한 재배를 수행하도록 제어하되,
상기 재배 최적화 인공지능 모델을 이용하여 멘티 재배기의 재배 레시피 중에서 재배 목적에 더욱 근접할 수 있도록 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수의 보정을 통해 예측한 예측 정보로부터 생성되는 보정 재배 레시피를 기반으로 상기 멘티 재배기(100)가 유효 데이터를 갖는 최적값을 추출할 때가지 상기 멘티 재배기(100)와 멘토 재배기(200) 간의 재배를 반복 수행하고,
상기 멘토 재배기(200)는 반복 재배를 통해 추출되는 최적값을 반영한 최적화된 재배 레시피를 양산 재배기(300)에 배포하되,
상기 재배 최적화 인공지능 모델은 CNN(Convolutional Neural Network)기반의 딥러닝 모델을 이용하여 재배 데이터를 포함한 학습 데이터로부터 특정 성분의 포함, 특정 성분의 불포함, 2차대사산물과 같은 특정 성분의 증가, 특정 성분의 감소, 식물의 생장 촉진, 식물의 생장 스트레스 발생을 위한 온도, 습도, 일조량, 자외선량, 비료 공급량 및 관수에 대한 분류를 학습하는 것을 특징으로 하는 멘토-멘티 기반의 재배 데이터 관리 방법.a) When the mentor cultivator 200 capable of cultivating plants distributes different cultivation recipes to a plurality of mentee cultivators 100, the mentee cultivators 100 perform plant cultivation based on the distributed different cultivation recipes. steps;
b) The mentor cultivator 200 receives and analyzes the cultivation recipe of each mentee cultivator 100, and cultivates a preset cultivation purpose among the analyzed cultivation recipes - Here, the cultivation purpose is inclusion of a specific ingredient, exclusion of a specific ingredient, and specific Increasing the ingredient, decreasing the specific ingredient - extracting the cultivation recipe of a specific mentee cultivation period close to;
c) Cultivation of the plant during a test cultivation period in the mentor cultivator 200 based on the cultivation recipe of the specific mentee cultivator from which the mentor cultivator 200 was extracted, and real-time analysis of cultivation data measured during the test cultivation time Analyze whether it is close to the cultivation purpose, and as the analysis result approaches the cultivation purpose, generate and generate a corrected cultivation recipe corrected so that at least a part of the extracted cultivation recipe is included in the cultivation recipe of the individual mentee grower. distributing the corrected cultivation recipe to individual mentee cultivators (100) so that the mentee cultivators (100) operate based on the distributed corrected cultivation recipe; and
d) The mentor cultivator 200 distributes a cultivation recipe to one or more mentee cultivators 100 and a plurality of mass production cultivators 300, and the mentee cultivators 100 and the mass production cultivators 300 are based on the distributed cultivation recipe. Comprising: performing cultivation of plants,
The mentor cultivator 200 is synchronized to cultivate at the same time as the mentee cultivator 100 and the mass production cultivator 300, and monitors the cultivation data of the mass production cultivator 300 in real time, but the cultivation data of the mentee cultivator 100 Analyze whether the cultivation data of the mass production cultivator 300 meets the preset expected target value through real-time comparative analysis,
If the expected target value is not met, the mentor cultivator 200 distributes the corrected cultivation recipe created using the cultivation optimization artificial intelligence model to the mentee cultivator 100, and the mentee cultivator 100 responds to the corrected cultivation recipe. Control to perform based cultivation,
A corrected cultivation recipe generated from the prediction information predicted through correction of temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation to get closer to the cultivation purpose among the cultivation recipes of the mentee cultivator using the cultivation optimization artificial intelligence model. Based on , repeatedly perform cultivation between the mentee cultivator (100) and the mentor cultivator (200) until the mentee cultivator (100) extracts an optimal value with valid data,
The mentor cultivator 200 distributes an optimized cultivation recipe reflecting the optimal value extracted through repeated cultivation to the mass production cultivator 300,
The cultivation optimization artificial intelligence model uses a deep learning model based on CNN (Convolutional Neural Network) to determine the inclusion of specific ingredients, the absence of specific ingredients, the increase of specific ingredients such as secondary metabolites, and specific components from learning data including cultivation data. A mentor-mentee-based cultivation data management method characterized by learning classification of temperature, humidity, sunlight, ultraviolet rays, fertilizer supply, and irrigation for reducing ingredients, promoting plant growth, and causing plant growth stress.
상기 b) 단계는 b-1) 상기 멘토 재배기(200)가 각 멘티 재배기(100)로부터 재배 레시피에 기반하여 재배한 재배 데이터를 수집하여 분석하는 단계;
b-2) 상기 분석된 재배 데이터 중에서 재배 목적에 근접한 유효 데이터가 추출되는지 판단하는 단계; 및
b-3) 상기 유효 데이터가 추출되면, 멘토 재배기(200)가 추출된 유효 데이터와 해당 재배 레시피를 저장하는 단계를 포함하는 것을 특징으로 하는 멘토-멘티 기반의 재배 데이터 관리 방법.According to claim 12,
The step b) includes b-1) the mentor cultivator 200 collecting and analyzing cultivation data grown based on the cultivation recipe from each mentee cultivator 100;
b-2) determining whether valid data close to the cultivation purpose is extracted from the analyzed cultivation data; and
b-3) When the valid data is extracted, a mentor-mentee based cultivation data management method comprising the step of storing the extracted valid data and the corresponding cultivation recipe by the mentor cultivator (200).
상기 b-3) 단계는 유효 데이터가 추출되지 않으면 다른 재배 데이터 중에서 재배 목적에 근접한 유효 데이터를 추출하는 단계;를 더 포함하는 것을 특징으로 하는 멘토-멘티 기반의 재배 데이터 관리 방법.In clause 14
The step b-3) further includes extracting valid data close to the cultivation purpose from other cultivation data if valid data is not extracted. A mentor-mentee based cultivation data management method.
상기 c) 단계는 c-1) 멘토 재배기(200)가 추출된 재배 레시피를 기반으로 멘토 재배기(200)에서 시험 재배 시간동안 식물의 재배를 수행함에 의해 재배 데이터를 생성하여 생성된 재배 데이터를 실시간 분석하는 단계;
c-2) 상기 분석 결과, 멘토 재배기(200)가 추출된 재배 레시피에 의한 재배 결과가 재배 목적에 근접하는 결과인지 판단하는 단계; 및
c-3) 상기 재배 결과가 재배 목적에 근접함에 따라, 멘토 재배기(200)가 추출된 재배 레시피의 적어도 일부가 포함되도록 재배 최적화 인공지능 모델을 이용하여 각 멘티 재배기(100)의 재배 레시피를 보정한 보정 재배 레시피를 생성하고, 생성된 보정 재배 레시피를 각 멘티 재배기(100)에 배포하는 단계;를 포함하는 것을 특징으로 하는 멘토-멘티 기반의 재배 데이터 관리 방법.According to claim 12,
In step c), c-1) the mentor cultivator 200 generates cultivation data by cultivating plants during a test cultivation time in the mentor cultivator 200 based on the extracted cultivation recipe, and the generated cultivation data is transmitted in real time. Analyzing step;
c-2) As a result of the analysis, the mentor cultivator 200 determines whether the cultivation result according to the extracted cultivation recipe is close to the cultivation purpose; and
c-3) As the cultivation result approaches the cultivation purpose, the mentor cultivator 200 corrects the cultivation recipe of each mentee cultivator 100 using a cultivation optimization artificial intelligence model so that it includes at least a portion of the extracted cultivation recipe. A mentor-mentee based cultivation data management method comprising: generating a corrected cultivation recipe and distributing the generated corrected cultivation recipe to each mentee cultivator (100).
상기 c) 단계는 c-4) 상기 멘토 재배기(200)가 재배 식물의 재배 종료 여부를 판단하되,
상기 판단 결과에 따라, 멘토 재배기(200)가 멘티 재배기(100)의 재배를 통해 재배 목적에 가장 근접하는 최적화된 재배 레시피를 생성할 때가지, 재배 최적화 인공지능 모델을 이용하여 생성되는 보정 재배 레시피에 기반한 멘티 재배기(100)와 멘토 재배기(200) 간의 재배를 반복 수행하고, 수행 결과에 따른 최적화된 재배 레시피를 생성하는 단계;를 더 포함하는 것을 특징으로 하는 멘토-멘티 기반의 재배 데이터 관리 방법.According to claim 16,
In step c), c-4) the mentor cultivator 200 determines whether cultivation of the cultivated plant has been completed,
According to the above judgment result, a corrected cultivation recipe is generated using a cultivation optimization artificial intelligence model until the mentor cultivator 200 generates an optimized cultivation recipe that is closest to the cultivation purpose through cultivation of the mentee cultivator 100. A mentor-mentee based cultivation data management method further comprising: repeating cultivation between the mentee cultivator 100 and the mentor cultivator 200 and generating an optimized cultivation recipe according to the performance results. .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220188917A KR102620376B1 (en) | 2022-12-29 | 2022-12-29 | Mentor-mentee based cultivation data management system and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220188917A KR102620376B1 (en) | 2022-12-29 | 2022-12-29 | Mentor-mentee based cultivation data management system and method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102620376B1 true KR102620376B1 (en) | 2024-01-03 |
Family
ID=89538684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220188917A KR102620376B1 (en) | 2022-12-29 | 2022-12-29 | Mentor-mentee based cultivation data management system and method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102620376B1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6261826B2 (en) * | 1981-09-18 | 1987-12-23 | Taiho Kogyo Kk | |
| KR20190106388A (en) * | 2018-03-09 | 2019-09-18 | 주식회사 리퓨터 | Plant growing system providing growing recipe |
| KR20200030534A (en) * | 2017-06-14 | 2020-03-20 | 그로우 솔루션즈 테크, 엘엘씨 | Systems and methods for communicating data across multiple Grow Pods |
| KR20210079705A (en) | 2019-12-20 | 2021-06-30 | 엘지전자 주식회사 | Smart Farm Platform |
| JP2021533737A (en) * | 2018-08-02 | 2021-12-09 | ケイデンス アグリカルチュラル システムズ インク.Cadence Agricultural Systems Inc. | Variety cultivation system and method |
-
2022
- 2022-12-29 KR KR1020220188917A patent/KR102620376B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6261826B2 (en) * | 1981-09-18 | 1987-12-23 | Taiho Kogyo Kk | |
| KR20200030534A (en) * | 2017-06-14 | 2020-03-20 | 그로우 솔루션즈 테크, 엘엘씨 | Systems and methods for communicating data across multiple Grow Pods |
| KR20190106388A (en) * | 2018-03-09 | 2019-09-18 | 주식회사 리퓨터 | Plant growing system providing growing recipe |
| JP2021533737A (en) * | 2018-08-02 | 2021-12-09 | ケイデンス アグリカルチュラル システムズ インク.Cadence Agricultural Systems Inc. | Variety cultivation system and method |
| KR20210079705A (en) | 2019-12-20 | 2021-06-30 | 엘지전자 주식회사 | Smart Farm Platform |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109874477B (en) | Agricultural park fertilizer applicator hosting method and system | |
| Alipio et al. | A smart hydroponics farming system using exact inference in Bayesian network | |
| CN112450056A (en) | Water, fertilizer and pesticide integrated intelligent irrigation system based on machine learning algorithm | |
| CN109003198A (en) | A kind of precision agriculture management platform and method based on big data technology | |
| US20220248616A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling | |
| CN108881423A (en) | A kind of wisdom agricultural planting system based on Internet of Things | |
| KR101516732B1 (en) | Control system and method for automation of plant-curture factory | |
| CN113657751A (en) | Wisdom agricultural is produced and is melted comprehensive service platform | |
| KR20200044604A (en) | Smart Farm Control System Using Smart Farm Control History | |
| Kolmanič et al. | An algorithm for automatic dormant tree pruning | |
| KR102620376B1 (en) | Mentor-mentee based cultivation data management system and method | |
| US11825784B1 (en) | Artificial intelligence enabled IoT-fog system in hydroponic automation for heterogeneous plants | |
| CN111176238B (en) | AIPA intelligent decision-making type precise agricultural system | |
| KR20200046248A (en) | Education system and method for growing of plant based on smart farm | |
| Tobias et al. | Hybrid tree-fuzzy logic for aquaponic lettuce growth stage classification based on canopy texture descriptors | |
| CN108428191A (en) | Agricultural and aquaculture internet Process supervisory system and method | |
| CN107357935B (en) | Intelligent planting equipment control method based on program cloud | |
| KR102486504B1 (en) | Cultivation data management platform and management method using community | |
| KR102377963B1 (en) | System and method for managing raising seedling area | |
| TW201909093A (en) | Intelligent scheduling system and method thereof comprising a real-time data, a historical database, an analysis module, an automatic watering module, and a parameter feedback database | |
| Chaschatzis et al. | Integration of information and communication technologies in agriculture for farm management and knowledge exchange | |
| CN114967626A (en) | Multi-source federal environment control method for plant factory crop cultivation | |
| CN114332427A (en) | Method and device for monitoring agricultural production based on digital twinning | |
| CN113196320A (en) | Fruit and vegetable plant and fruit tree cultivation management device, learning device, fruit and vegetable plant and fruit tree cultivation management method, learning model generation method, fruit and vegetable plant and fruit tree cultivation management program, and learning model generation program | |
| KR102660611B1 (en) | Cultivation data management platform and management method for continuous management of the entire cycle of plant cultivation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |