KR20180029381A - 시설원예 환경 제어 장치 및 방법 - Google Patents

시설원예 환경 제어 장치 및 방법 Download PDF

Info

Publication number
KR20180029381A
KR20180029381A KR1020160117195A KR20160117195A KR20180029381A KR 20180029381 A KR20180029381 A KR 20180029381A KR 1020160117195 A KR1020160117195 A KR 1020160117195A KR 20160117195 A KR20160117195 A KR 20160117195A KR 20180029381 A KR20180029381 A KR 20180029381A
Authority
KR
South Korea
Prior art keywords
information
environmental
environment
facility
prediction model
Prior art date
Application number
KR1020160117195A
Other languages
English (en)
Inventor
민재홍
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020160117195A priority Critical patent/KR20180029381A/ko
Publication of KR20180029381A publication Critical patent/KR20180029381A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/25—Greenhouse technology, e.g. cooling systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Environmental Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

시설원예 환경 제어 장치 및 방법이 개시된다. 본 발명의 일실시예에 따른 시설원예 환경 제어 장치는 멀티 센서를 이용하여 시설원예의 정보를 계측하는 계측부; 상기 계측된 정보를 학습하여 예측 모형을 개발하는 학습부; 상기 개발된 예측 모형을 이용하여 상기 시설원예를 제어하기 위한 설정치를 결정하는 설정부; 및 상기 결정된 설정치에 기반하여 상기 시설원예를 제어하는 제어부를 포함한다.

Description

시설원예 환경 제어 장치 및 방법 {APPRATUS FOR CONTROLLING ENVIRONMENT IN THE PROTECTED HORTICULTURE AND METHOD FOR USING THE SAME}
본 발명은 센서 및 영상 인식 기반 제어 기술에 관한 것으로, 보다 상세하게는 인공신경망 및 유전자 알고리즘을 이용한 시설원예 환경 제어 기술에 관한 것이다.
종래의 시설원예 복합환경 제어시스템은 환경제어를 환경정보를 모니터링하여, 농업 건설턴트 등의 전문가에 자문에 따라 수동으로 환경 설정치를 입력하여 환경을 제어하는 시스템이다. 따라서 외부 전문가에 의지하여 환경을 제어함으로 이에 따른 번거로움 및 비용이 발생하고, 현지 재배 상황을 정확히 반영하지 못해 최적의 생장환경을 설정이 미흡하여 생산성 및 품질이 선진국 수준에 미치지 못하고 있다. 또한, 설정된 목표치에 따른 에너지 비용을 감안하지 않아 최소비용으로 최대의 생산성 및 품질을 생산하는 합리적이고 효율적인 환경조절기능이 미흡하다.
한편, 한국공개특허 제10-2013-0028397호"원예시설 감시 제어시스템 및 방법"는 원예시설의 제어시스템에 관한 것으로, 보다 상세하게는 스마트 기기와 인터넷이 연결된 컴퓨터로 원예시설 내의 환경과 기계장치를 모니터링하고 이를 제어할 수 있도록 하는 원예시설 감시 제어시스템 및 제어방법에 관하여 개시하고 있다.
그러나, 한국공개특허 제10-2013-0028397호는 최적 자동 제어를 위한 알고리즘에 관해서는 침묵하고 있다.
본 발명은 인공신경망 및 유전자알고리즘을 활용한 최적환경제어모형을 통한 자동제어를 지원하는 것을 목적으로 한다.
또한, 본 발명은 생산량품질예측모형 및 에너지비용 산정모형을 통하여 최소의 비용을 최대의 생산성 및 품질을 지원하여 경제적이고 합리적인 재배를 수행하는 것을 목적으로 한다.
또한, 본 발명은 농업 컨설턴트에 의한 수작업 제어의 번거로움과 비용을 줄이고 경제적인 환경제어로 농가 소득 향상과 경쟁력 제고에 기여하는 것을 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 일실시예에 따른 시설원예 환경 제어 장치는 멀티 센서를 이용하여 시설원예의 정보를 계측하는 계측부; 상기 계측된 정보를 학습하여 예측 모형을 개발하는 학습부; 상기 개발된 예측 모형을 이용하여 상기 시설원예를 제어하기 위한 설정치를 결정하는 설정부; 및 상기 결정된 설정치에 기반하여 상기 시설원예를 제어하는 제어부를 포함한다.
또한, 상기한 목적을 달성하기 위한 본 발명의 일실시예에 따른 시설원예 환경 제어 방법은 멀티 센서를 이용하여 시설원예의 정보를 계측하는 단계; 상기 계측된 정보를 학습하여 예측 모형을 개발하는 단계; 상기 개발된 예측 모형을 이용하여 상기 시설원예를 제어하기 위한 설정치를 결정하는 단계; 및 상기 결정된 설정치에 기반하여 상기 시설원예를 제어하는 단계를 포함한다.
본 발명은 인공신경망 및 유전자알고리즘을 활용한 최적환경제어모형을 통한 자동제어를 지원할 수 있다.
또한, 본 발명은 생산량품질예측모형 및 에너지비용 산정모형을 통하여 최소의 비용을 최대의 생산성 및 품질을 지원하여 경제적이고 합리적인 재배를 수행할 수 있다.
또한, 본 발명은 농업 컨설턴트에 의한 수작업 제어의 번거로움과 비용을 줄이고 경제적인 환경제어로 농가 소득 향상과 경쟁력 제고에 기여할 수 있다.
도 1은 본 발명의 일실시예에 따른 시설원예 환경 제어 장치를 나타낸 블록도이다.
도 2는 본 발명의 일실시예에 따른 시설원예 환경 제어 방법을 나타낸 동작흐름도이다.
도 3은 도 2에 도시된 정보 계측 단계의 일 예를 세부적으로 나타낸 동작흐름도이다.
도 4는 도 2에 도시된 설정치 결정 단계의 일 예를 세부적으로 나타낸 동작흐름도이다.
도 5는 본 발명의 일실시예에 따른 시설원예 환경 제어 방법을 복합적으로 나타낸 다이어그램이다.
본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 시설원예 환경 제어 장치를 나타낸 블록도이다.
도 1을 참조하면 본 발명의 일실시예에 따른 시설원예 환경 제어 장치는 계측부(110), 데이터베이스부(120), 학습부(130), 설정부(140) 및 제어부(150)를 포함한다.
계측부(110)는 멀티 센서를 이용하여 시설원예의 정보를 계측하고, 계측된 정보를 데이터베이스부(120)에 저장할 수 있다.
이 때, 계측부(110)는 환경 정보 계측, 생육 정보 계측 및 수확 정보 계측을 수행할 수 있다.
계측부(110)는 먼저 환경 센서를 이용하여 온실내의 지상부 환경 정보(기온, 습도, 광도, 이산화탄소, 풍속) 및 지하부 환경 정보(지온, 수온, EC, pH, 용존산소, 염류농도, 수분)을 측정하여 최적환경제어를 위한 목표치 산정 기능을 제공할 수 있다.
이 때, 계측부(110)는 측정한 지상부 환경 정보 및 지하부 환경 정보를 포함하는 환경 정보와 환경 정보에 기반하여 산정된 목표치를 데이터베이스부(120)에 저장할 수 있다.
또한, 계측부(110)는 카메라, 생육 센서, 영상 인식 및 영상 처리를 이용하여 작물의 생육 정보(엽면적 및 수, 각 기관별 건물중 등)를 계측하여 최적환경제어를 위한 목표치 산정 기능을 제공할 수 있다.
이 때, 계측부(110)는 측정한 생육 정보 및 생육 정보에 기반하여 산정된 목표치를 데이터베이스부(120)에 저장할 수 있다.
또한, 계측부(110)는 수확기에서 생산한 농작물의 수량과 품질 등을 포함하는 수확 정보를 계측하여 데이터베이스부(120)에 저장할 수 있다.
학습부(130)는 계측한 정보를 학습하여 예측 모형을 개발할 수 있다.
이 때, 학습부(130)는 데이터베이스부(120)에 저장된 계측 환경 정보, 생육 정보 및 수확 정보를 학습할 수 있다.
이 때, 학습부(130)는 농작물의 생육에 영향을 미치는 환경 요인과 생육 간의 연관관계를 축적된 환경 정보 및 생육 정보를 마이닝하여 분석하고, 학습을 통해 가중치를 변화시켜 적합한 생육상태 예측 모형을 개발할 수 있다.
이 때, 학습부(130)는 인공신경망 및 유전자알고리즘 모형에 기반하여 생육상태 예측 모형을 개발할 수 있다.
또한, 학습부(130)는 농작물의 생산량과 품질에 영향을 미치는 환경 영향 요소를 선정하고, 축적된 환경 정보와 수확 정보를 마이닝하여 환경 영향 요소와 생산량 및 품질간의 연관 관계를 분석하고, 학습을 통해 가중치를 변화시켜 적합한 생산량·품질 예측 모형을 개발할 수 있다.
이 때, 학습부(130)는 인공신경망 및 유전자알고리즘 모형에 기반하여 생산량·품질 예측 모형을 개발할 수 있다.
설정부(140)는 개발된 예측 모형을 이용하여 시설원예를 제어하기 위한 설정치를 결정할 수 있다,
이 때, 설정부(140)는 생육상태 예측 모형을 이용하여 현재의 생육상태와 환경요인을 변화시켜 최적의 생육상태를 얻을 수 있는 최적 환경 목표치를 산정할 수 있다.
이 때, 설정부(140)는 생산량·품질 예측 모형을 이용하여 현재의 생육상태와 환경 목표치에 기반한 최적 생산량 및 품질을 예측할 수 있다.
이 때, 설정부(140)는 환경 목표치를 달성하기 위한 에너지 소모량을 에너지 비용 산정 모형을 이용하여 에너지 총 비용을 산정할 수 있다.
이 때, 에너지 비용 산정 모형은 소비되는 에너지에 대한 가격 정보와 재배 농산물의 가격 정보에 기반하여 에너지 비용 및 생산 수익을 산정할 수 있다.
이 때, 설정부(140)는 예측된 최적 생산량 및 품질에 기반하여 예상 총 수익을 산정하고, 산정된 예상 총 수익이 에너지 총 비용 및 기타 비용과 적정한 수익을 보장하는지 여부를 판단한 최적 설정치를 최종 환경 설정치로 결정할 수 있다.
제어부(150)는 결정된 최종 환경 설정치에 기반하여 시설원예를 제어할 수 있다.
도 2는 본 발명의 일실시예에 따른 시설원예 환경 제어 방법을 나타낸 동작흐름도이다.
도 2를 참조하면, 본 발명의 일실시예에 따른 시설원예 환경 제어 방법은 먼 정보를 계측한다(S210).
즉, 단계(S210)는 멀티 센서를 이용하여 시설원예의 정보를 계측하고, 계측된 정보를 데이터베이스부(120)에 저장할 수 있다.
이 때, 단계(S210)는 환경 정보 계측, 생육 정보 계측 및 수확 정보 계측을 수행할 수 있다.
이 때, 단계(S210)는 먼저 환경 정보를 계측할 수 있다(S211).
즉, 단계(S211)는 환경 센서를 이용하여 온실내의 지상부 환경 정보(기온, 습도, 광도, 이산화탄소, 풍속) 및 지하부 환경 정보(지온, 수온, EC, pH, 용존산소, 염류농도, 수분)을 측정하여 최적환경제어를 위한 목표치 산정 기능을 제공할 수 있다.
이 때, 단계(S211)는 측정한 지상부 환경 정보 및 지하부 환경 정보를 포함하는 환경 정보와 환경 정보에 기반하여 산정된 목표치를 데이터베이스부(120)에 저장할 수 있다.
또한, 단계(S210)는 생육 정보를 계측할 수 있다(S212).
즉, 단계(S212)는 카메라, 생육 센서, 영상 인식 및 영상 처리를 이용하여 작물의 생육 정보(엽면적 및 수, 각 기관별 건물중 등)를 계측하여 최적환경제어를 위한 목표치 산정 기능을 제공할 수 있다.
이 때, 단계(S212)는 측정한 생육 정보 및 생육 정보에 기반하여 산정된 목표치를 데이터베이스부(120)에 저장할 수 있다.
또한, 단계(S210)는 수확 정보를 계측할 수 있다(S213).
즉, 단계(S213)는 수확기에서 생산한 농작물의 수량과 품질 등을 포함하는 수확 정보를 계측하여 데이터베이스부(120)에 저장할 수 있다.
또한, 본 발명의 일실시예에 따른 시설원예 환경 제어 방법은 데이터를 학습할 수 있다(S220).
즉, 단계(S220)는 계측한 정보를 학습하여 예측 모형을 개발할 수 있다.
이 때, 단계(S220)는 데이터베이스부(120)에 저장된 계측 환경 정보, 생육 정보 및 수확 정보를 학습할 수 있다.
이 때, 단계(S220)는 농작물의 생육에 영향을 미치는 환경 요인과 생육 간의 연관관계를 축적된 환경 정보 및 생육 정보를 마이닝하여 분석하고, 학습을 통해 가중치를 변화시켜 적합한 생육상태 예측 모형을 개발할 수 있다.
이 때, 단계(S220)는 인공신경망 및 유전자알고리즘 모형에 기반하여 생육상태 예측 모형을 개발할 수 있다.
또한, 단계(S220)는 농작물의 생산량과 품질에 영향을 미치는 환경 영향 요소를 선정하고, 축적된 환경 정보와 수확 정보를 마이닝하여 환경 영향 요소와 생산량 및 품질간의 연관 관계를 분석하고, 학습을 통해 가중치를 변화시켜 적합한 생산량·품질 예측 모형을 개발할 수 있다.
이 때, 단계(S220)는 인공신경망 및 유전자알고리즘 모형에 기반하여 생산량·품질 예측 모형을 개발할 수 있다.
또한, 본 발명의 일실시예에 따른 시설원예 환경 제어 방법은 최적 설정치를 결정할 수 있다(S230).
즉, 단계(S230)는 개발된 예측 모형을 이용하여 시설원예를 제어하기 위한 설정치를 결정할 수 있다,
이 때, 단계(S230)는 먼저 최적 환경 목표치를 산정할 수 있다(S231).
즉, 단계(S231)는 생육상태 예측 모형을 이용하여 현재의 생육상태와 환경요인을 변화시켜 최적의 생육상태를 얻을 수 있는 최적 환경 목표치를 산정할 수 있다.
또한, 단계(S230)는 생산량 및 품질을 예측할 수 있다(S232).
즉, 단계(S232)는 생산량·품질 예측 모형을 이용하여 현재의 생육상태와 환경 목표치에 기반한 최적 생산량 및 품질을 예측할 수 있다.
또한, 단계(S230)는 에너지 비용을 산정할 수 있다(S233).
즉, 단계(S233)는 환경 목표치를 달성하기 위한 에너지 소모량을 에너지 비용 산정 모형을 이용하여 에너지 총 비용을 산정할 수 있다.
이 때, 에너지 비용 산정 모형은 소비되는 에너지에 대한 가격 정보와 재배 농산물의 가격 정보에 기반하여 에너지 비용 및 생산 수익을 산정할 수 있다.
또한, 단계(S230)는 경제적 환경 설정치를 결정할 수 있다(S234).
즉, 단계(S234)는 예측된 최적 생산량 및 품질에 기반하여 예상 총 수익을 산정하고, 산정된 예상 총 수익이 에너지 총 비용 및 기타 비용과 적정한 수익을 보장하는지 여부를 판단한 최적 설정치를 최종 환경 설정치로 결정할 수 있다.
또한, 본 발명의 일실시예에 따른 시설원예 환경 제어 방법은 환경 제어를 수행할 수 있다(S240).
즉, 단계(S240)는 결정된 최종 환경 설정치에 기반하여 시설원예를 제어할 수 있다.
도 3은 도 2에 도시된 정보 계측 단계의 일 예를 세부적으로 나타낸 동작흐름도이다.
도 3을 참조하면, 단계(S210)는 먼저 환경 정보를 계측할 수 있다(S211).
즉, 단계(S211)는 환경 센서를 이용하여 온실내의 지상부 환경 정보(기온, 습도, 광도, 이산화탄소, 풍속) 및 지하부 환경 정보(지온, 수온, EC, pH, 용존산소, 염류농도, 수분)을 측정하여 최적환경제어를 위한 목표치 산정 기능을 제공할 수 있다.
이 때, 단계(S211)는 측정한 지상부 환경 정보 및 지하부 환경 정보를 포함하는 환경 정보와 환경 정보에 기반하여 산정된 목표치를 데이터베이스부(120)에 저장할 수 있다.
또한, 단계(S210)는 생육 정보를 계측할 수 있다(S212).
즉, 단계(S212)는 카메라, 생육 센서, 영상 인식 및 영상 처리를 이용하여 작물의 생육 정보(엽면적 및 수, 각 기관별 건물중 등)를 계측하여 최적환경제어를 위한 목표치 산정 기능을 제공할 수 있다.
이 때, 단계(S212)는 측정한 생육 정보 및 생육 정보에 기반하여 산정된 목표치를 데이터베이스부(120)에 저장할 수 있다.
또한, 단계(S210)는 수확 정보를 계측할 수 있다(S213).
즉, 단계(S213)는 수확기에서 생산한 농작물의 수량과 품질 등을 포함하는 수확 정보를 계측하여 데이터베이스부(120)에 저장할 수 있다.
도 4는 도 2에 도시된 최적 설정치 결정 단계의 일 예를 세부적으로 나타낸 동작흐름도이다.
도 4를 참조하면, 단계(S230)는 먼저 최적 환경 목표치를 산정할 수 있다(S231).
즉, 단계(S231)는 생육상태 예측 모형을 이용하여 현재의 생육상태와 환경요인을 변화시켜 최적의 생육상태를 얻을 수 있는 최적 환경 목표치를 산정할 수 있다.
또한, 단계(S230)는 생산량 및 품질을 예측할 수 있다(S232).
즉, 단계(S232)는 생산량·품질 예측 모형을 이용하여 현재의 생육상태와 환경 목표치에 기반한 최적 생산량 및 품질을 예측할 수 있다.
또한, 단계(S230)는 에너지 비용을 산정할 수 있다(S233).
즉, 단계(S233)는 환경 목표치를 달성하기 위한 에너지 소모량을 에너지 비용 산정 모형을 이용하여 에너지 총 비용을 산정할 수 있다.
이 때, 에너지 비용 산정 모형은 소비되는 에너지에 대한 가격 정보와 재배 농산물의 가격 정보에 기반하여 에너지 비용 및 생산 수익을 산정할 수 있다.
또한, 단계(S230)는 최종 환경 설정치를 결정할 수 있다(S234).
즉, 단계(S234)는 예측된 최적 생산량 및 품질에 기반하여 예상 총 수익을 산정하고, 산정된 예상 총 수익이 에너지 총 비용 및 기타 비용과 적정한 수익을 보장하는지 여부를 판단한 최적 설정치를 최종 환경 설정치로 결정할 수 있다.
도 5는 본 발명의 일실시예에 따른 시설원예 환경 제어 방법을 복합적으로 나타낸 다이어그램이다.
도 5를 참조하면, 본 발명의 일실시예에 따른 시설원예 환경 제어 방법은 결정된 최종 환경 설정치에 기반하여 시설원예의 환경을 제어하는 것을 알 수 있다.
먼저, 환경 정보와 생육 정보를 계측하여 환경 목표치 산정과 데이터 베이스(120)에 저장하는 것을 알 수 있다.
또한, 수확 정보를 계측하여 데이터베이스(120)에 저장하는 것을 알 수 있다.
이 때, 데이터베이스(120)에 저장된 환경 정보, 생육 정보 및 생산 정보에 대한 데이터 마이닝, 지식습득, 모델화 및 학습을 통해 생산량·품질 예측 모형과 생육 상태 예측 모형을 개발하는 것을 알 수 있다.
이 때, 생산량·품질 예측 모형과 생육 상태 예측 모형은 인공신경망 및 유전자 알고리즘 모형을 이용하는 것을 알 수 있다.
또한, 생산량·품질 예측 모형을 이용하여 현재의 생육상태와 환경 목표치에 기반한 최적 생산량 및 품질을 예측하는 것을 알 수 있다.
이 때, 환경 목표치는 생육상태 모형에 기반하여 산정되는 것을 알 수 있다.
또한, 에너지 비용은 환경 목표치와 에너지비용 산정 모형을 이용하여 에너지 비용을 산정하는 것을 알 수 있다.
이 때, 에너지 비용 산정 모형은 소비되는 에너지에 대한 가격 정보와 재배 농산물의 가격 정보에 기반하여 에너지 비용 및 생산 수익을 산정할 수 있다.
또한, 예측된 생산량 품질 예측과 산정된 에너지 비용을 이용하여 생산 수익 산정 및 경제적인 최적 설정치를 결정하는 것을 알 수 있다.
이 때, 예상 총수익은 예측된 최적 생산량 및 품질에 기반하여 산정되고, 산정된 예상 총 수익이 에너지 총 비용 및 기타 비용과 적정한 수익을 보장하는지 여부를 판단한 최적 설정치를 최종 환경 설정치로 결정할 수 있다.
마지막으로, 시설환경의 환경 제어는 최종 환경 설정치에 의하여 수행되는 것을 알 수 있다.
이상에서와 같이 본 발명에 따른 시설원예 환경 제어 장치 및 그 제어 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
110: 계측부
120: 데이터베이스부
130: 학습부
140: 설정부
150: 제어부

Claims (1)

  1. 멀티 센서를 이용하여 시설원예의 정보를 계측하는 계측부;
    상기 계측된 정보를 학습하여 예측 모형을 개발하는 학습부;
    상기 개발된 예측 모형을 이용하여 상기 시설원예를 제어하기 위한 설정치를 결정하는 설정부; 및
    상기 결정된 설정치에 기반하여 상기 시설원예를 제어하는 제어부;
    를 포함하는 것을 특징으로 하는 시설원예 환경 제어 장치.
KR1020160117195A 2016-09-12 2016-09-12 시설원예 환경 제어 장치 및 방법 KR20180029381A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160117195A KR20180029381A (ko) 2016-09-12 2016-09-12 시설원예 환경 제어 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160117195A KR20180029381A (ko) 2016-09-12 2016-09-12 시설원예 환경 제어 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20180029381A true KR20180029381A (ko) 2018-03-21

Family

ID=61900347

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160117195A KR20180029381A (ko) 2016-09-12 2016-09-12 시설원예 환경 제어 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20180029381A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210025796A (ko) * 2019-08-28 2021-03-10 주식회사 어밸브 기계 학습을 이용한 작물의 최대 생장 구현 방법
KR102264227B1 (ko) * 2020-12-17 2021-06-11 주식회사 다함 스마트 온실 정밀 제어 시스템
KR102273721B1 (ko) * 2021-01-28 2021-07-06 주식회사 볼드코퍼레이션 컨테이너 조경수 생산 및 유통 관리를 위한 erp 시스템과 그 방법
KR102412181B1 (ko) * 2021-04-15 2022-06-23 주식회사 마스팜 환경제어기준모델을 기초로 시설원예의 환경을 자동으로 제어하는 시스템 및 그 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210025796A (ko) * 2019-08-28 2021-03-10 주식회사 어밸브 기계 학습을 이용한 작물의 최대 생장 구현 방법
KR102264227B1 (ko) * 2020-12-17 2021-06-11 주식회사 다함 스마트 온실 정밀 제어 시스템
KR102273721B1 (ko) * 2021-01-28 2021-07-06 주식회사 볼드코퍼레이션 컨테이너 조경수 생산 및 유통 관리를 위한 erp 시스템과 그 방법
KR102412181B1 (ko) * 2021-04-15 2022-06-23 주식회사 마스팜 환경제어기준모델을 기초로 시설원예의 환경을 자동으로 제어하는 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
EP3179319B1 (en) Method for irrigation planning and system for its implementation
Sun et al. Reinforcement learning control for water-efficient agricultural irrigation
KR20180029381A (ko) 시설원예 환경 제어 장치 및 방법
US20220248616A1 (en) Irrigation control with deep reinforcement learning and smart scheduling
BR112021002681A2 (pt) sistemas e métodos para monitorar e regular a produtividade das plantas
KR20200122612A (ko) 작물 생육 제어 시스템
CN107219759B (zh) 一种温室环境控制方法及装置
CN114442705B (zh) 一种基于物联网的智慧农业系统及控制方法
KR101823521B1 (ko) 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법
JP2019083746A (ja) 作物生産管理装置
EP3788589A1 (en) Systems and methods for applying an agricultural practice to a target agricultural field
WO2021002439A1 (ja) 植物の栽培管理システム及び、植物の栽培管理装置
CN114004458A (zh) 一种多态势感知融合的植物生长管理系统
CN109116827B (zh) 基于物联网的日光温室水肥一体化灌溉控制方法及装置
CN117873238A (zh) 一种植物生长控制方法及其系统、计算机设备和存储介质
KR20150011647A (ko) 온실 미기상 예측 기반 환기 제어 방법 및 장치
KR102387765B1 (ko) 작물의 생육량 예측 방법 및 장치
WO2021056114A1 (en) Systems and methods for monitoring and controlling crop irrigation schedules
JP6785902B2 (ja) 作物活性指数基盤の施設園芸複合環境制御システム及び方法
KR101959886B1 (ko) 온실의 구동기의 파라미터를 결정하는 서버 및 방법
KR20210059070A (ko) 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법
Wickramaarachchi et al. Real-time greenhouse environmental conditions optimization using neural network and image processing
KR20210056213A (ko) 농장 운영정보 제공 시스템
JP7263200B2 (ja) 農業ハウスの環境制御システム
RU2403705C1 (ru) Способ автоматического управления температурно-световым режимом в теплице

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application