KR20180054413A - 농작물 생산 효율 최적화 방법 및 장치 - Google Patents
농작물 생산 효율 최적화 방법 및 장치 Download PDFInfo
- Publication number
- KR20180054413A KR20180054413A KR1020170097340A KR20170097340A KR20180054413A KR 20180054413 A KR20180054413 A KR 20180054413A KR 1020170097340 A KR1020170097340 A KR 1020170097340A KR 20170097340 A KR20170097340 A KR 20170097340A KR 20180054413 A KR20180054413 A KR 20180054413A
- Authority
- KR
- South Korea
- Prior art keywords
- production efficiency
- information
- growth
- reference model
- farmhouse
- Prior art date
Links
- 238000012272 crop production Methods 0.000 title claims abstract description 61
- 238000004519 manufacturing process Methods 0.000 claims abstract description 133
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 39
- 201000010099 disease Diseases 0.000 claims description 45
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 45
- 238000005457 optimization Methods 0.000 claims description 22
- 230000007257 malfunction Effects 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000003745 diagnosis Methods 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000003306 harvesting Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000002203 pretreatment Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 230000007613 environmental effect Effects 0.000 description 8
- 239000003337 fertilizer Substances 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000009313 farming Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
농작물 생산 효율 최적화 장치 및 방법이 개시된다. 농작물 생산 효율 최적화 방법은, 개별 농가의 생육 정보를 수집하는 단계, 수집된 생육 정보를 미리 설정된 기준 모델과 비교하여 적어도 하나 이상의 공급 자원 변수를 획득하는 단계, 상기 적어도 하나의 공급 자원 변수가 생산 효율에 미치는 영향을 학습하는 단계 및 상기 학습의 결과로, 상기 적어도 하나의 공급 자원 변수에 대한 생산 효율을 나타내는 분석 모델을 구축하는 단계를 포함한다. 따라서, 각 개별 농가의 지역적 특성을 반영하여 생산 효율을 최적화할 수 있다.
Description
본 발명은 농작물 생산 효율 최적화 방법 및 장치에 관한 것으로, 더욱 상세하게는 기준 모델에 따른 공급 자원을 개별 농가에 제공하고, 수집된 생육 정보를 기초로 생산 효율을 예측하며, 생산 결과에 따라 기준 모델을 갱신함으로써, 동적으로 기준 모델을 적용하는 방법 및 장치에 관한 것이다.
현재 온실 농작물 재배 농가에서는 농작물의 생산 효율을 증가시키기 위해 온도, 습도, 일사량 등의 환경 제어를 통해 농작물의 생육 상태를 조절할 수 있다.
이때, 일반적인 방법 중 하나는 운영자나 농가가 직접 복합 제어기나 시스템을 제어함으로써 환경 제어를 수행하는 방식이다. 그러나, 운영자나 농가가 직관적인 판단으로 환경 제어를 하기 때문에, 생산량 증대나 비용 절감의 효과가 크지 않고 제어 오류도 빈번하게 발생하는 문제점이 있다.
또한, 시설 온실과 관련된 많은 연구는 환경 정보와 생육 정보를 연계한 모델을 정의하고 있지만, 생육에 관여되는 환경 정보 및 생육 상태는 어느 지역 환경에서 재배되는지에 따라 달라지므로, 정형화된 모델로는 생산 효율성 향상을 기대하기 어렵다.
따라서, 일률적인 기준 모델에서 탈피하여, 각 지역 환경에 맞는 최적의 생산 효율 모델을 제공함으로써, 공급 자원을 최적화하고, 생산 효율성을 향상시키기 위한 방안이 요구된다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 농작물 생산 효율 최적화 방법을 제공하는 데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은, 농작물 생산 효율 최적화 장치를 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 측면은, 농작물 생산 효율 최적화 방법을 제공한다.
여기서, 농작물 생산 효율 최적화 방법은, 개별 농가의 생육 정보를 수집하는 단계, 수집된 생육 정보를 미리 설정된 기준 모델과 비교하여 적어도 하나 이상의 공급 자원 변수를 획득하는 단계, 상기 적어도 하나의 공급 자원 변수가 생산 효율에 미치는 영향을 학습하는 단계 및 상기 학습의 결과로, 상기 적어도 하나의 공급 자원 변수에 대한 생산 효율을 나타내는 분석 모델을 구축하는 단계를 포함할 수 있다.
여기서 상기 생육 정보를 수집하는 단계는, 상기 미리 설정된 기준 모델에 따른 순기마다 생육 정보를 수집할 수 있다.
여기서 상기 생육 정보는, 병해 정보, 생육 제어 장비의 진단 정보, 생육 환경 정보 및 생육 활동 정보 중 적어도 하나를 포함할 수 있다.
여기서 상기 병해 정보는, 상기 개별 농가의 운용자에 의해 입력받은 병해 이미지를 딥러닝하여 병해의 발생 확률, 병해의 발생 여부 중 하나를 예측한 결과를 포함할 수 있다.
여기서 상기 생육 제어 장비의 진단 정보는, 상기 생육 제어 장비의 제어값을 상기 생육 제어 장비와 상응하는 생육 환경값과 비교하여, 상기 생육 제어 장비의 오작동 여부를 진단한 결과를 포함할 수 있다.
여기서 농작물 생산 효율 최적화 방법은, 상기 분석 모델을 이용하여 상기 개별 농가의 생육 정보에 따른 생산 효율을 예측하는 단계 및 상기 예측된 결과를 기초로, 상기 개별 농가에 권고 또는 경고를 지시하는 메시지를 전송하는 단계를 더 포함할 수 있다.
여기서 상기 메시지를 전송하는 단계는, 상기 예측된 생산 효율이 상기 기준 모델에 따른 생산 효율보다 저조할 경우, 상기 기준 모델에 따라 상기 개별 농가에 공급되어야 하는 공급 자원 값을 권고하는 메시지를 전송할 수 있다.
여기서 농작물 생산 효율 최적화 방법은, 상기 생육 정보를 수집하는 단계 이후에, 상기 생육 정보에 대하여 전처리를 수행하는 단계를 더 포함할 수 있다.
여기서 상기 전처리를 수행하는 단계는, 상기 생육 정보에 대한 의미 검증이나 평균 또는 중심점 검사를 수행하여 상기 생육 정보 중에서 이상치로 판단된 정보를 제거하거나, 상기 생육 정보를 처리할 수 있는 데이터 형식으로 변환하는 단계를 포함할 수 있다.
여기서 농작물 생산 효율 최적화 방법은, 상기 개별 농가의 수확이 종료되었음이 확인되면, 상기 개별 농가의 생산 효율을 평가하여 가장 생산 효율이 우수한 농가나 순기를 선정하는 단계, 선정된 농가나 순기에 따른 생산 효율과 상기 미리 설정된 기준 모델에 따른 생산 효율을 비교하는 단계 및 상기 선정된 농가나 순기에 따른 생산 효율이 상기 미리 설정된 기준 모델에 따른 생산 효율보다 크면, 상기 선정된 농가나 순기에 따른 생육 정보를 반영하여 상기 미리 설정된 기준 모델을 갱신하는 단계를 더 포함할 수 있다.
상기 다른 목적을 달성하기 위한 본 발명의 다른 측면은 농작물 생산 효율 최적화 장치를 제공한다.
여기서 농작물 생산 효율 최적화 장치는, 적어도 하나의 프로세서 및 상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들을 저장하는 메모리를 포함할 수 있다.
여기서 상기 적어도 하나의 단계는, 개별 농가의 생육 정보를 수집하는 단계, 수집된 생육 정보를 미리 설정된 기준 모델과 비교하여 적어도 하나 이상의 공급 자원 변수를 획득하는 단계, 상기 적어도 하나의 공급 자원 변수가 생산 효율에 미치는 영향을 학습하는 단계 및 상기 학습의 결과로, 상기 적어도 하나의 공급 자원 변수에 대한 생산 효율을 나타내는 분석 모델을 구축하는 단계를 포함할 수 있다.
여기서, 상기 생육 정보를 수집하는 단계는, 상기 미리 설정된 기준 모델에 따른 순기마다 상기 생육 정보를 수집할 수 있다.
여기서 상기 생육 정보는, 병해 정보, 생육 제어 장비의 진단 정보, 생육 환경 정보 및 생육 활동 정보 중 적어도 하나를 포함할 수 있다.
여기서 상기 병해 정보는, 상기 개별 농가의 운용자에 의해 입력받은 병해 이미지를 딥러닝하여 병해의 발생 확률, 병해의 발생 여부 중 하나를 예측한 결과를 포함할 수 있다.
여기서 상기 생육 제어 장비의 진단 정보는, 상기 생육 제어 장비의 제어값을 상기 생육 제어 장비와 상응하는 생육 환경값과 비교하여, 상기 생육 제어 장비의 오작동 여부를 진단한 결과를 포함할 수 있다.
여기서 상기 명령어들은 상기 적어도 하나의 프로세서가, 상기 분석 모델을 이용하여 상기 개별 농가의 생육 정보에 따른 생산 효율을 예측하는 단계 및 상기 예측된 결과를 기초로, 상기 개별 농가에 권고 또는 경고를 지시하는 메시지를 전송하는 단계를 더 수행하도록 지시할 수 있다.
여기서 상기 메시지를 전송하는 단계는, 상기 예측된 생산 효율이 상기 기준 모델에 따른 생산 효율보다 저조할 경우, 상기 기준 모델에 따라 상기 개별 농가에 공급되어야 하는 공급 자원 값을 권고하는 메시지를 전송할 수 있다.
여기서 상기 명령어들은 상기 적어도 하나의 프로세서가, 상기 생육 정보를 수집하는 단계 이후에, 상기 생육 정보에 대하여 전처리를 수행하는 단계를 더 수행하도록 지시할 수 있다.
여기서 상기 전처리를 수행하는 단계는, 상기 생육 정보에 대한 의미 검증이나 평균 또는 중심점 검사를 수행하여 상기 생육 정보 중에서 이상치로 판단된 정보를 제거하거나, 상기 생육 정보를 처리할 수 있는 데이터 형식으로 변환하는 단계를 포함할 수 있다.
여기서 상기 명령어들은 상기 적어도 하나의 프로세서가, 상기 개별 농가의 수확이 종료되었음이 확인되면, 상기 개별 농가의 생산 효율을 평가하여 가장 생산 효율이 우수한 농가나 순기를 선정하는 단계, 선정된 농가나 순기에 따른 생산 효율과 상기 미리 설정된 기준 모델에 따른 생산 효율을 비교하는 단계 및 상기 선정된 농가나 순기에 따른 생산 효율이 상기 미리 설정된 기준 모델에 따른 생산 효율보다 크면, 상기 선정된 농가나 순기에 따른 생육 정보를 반영하여 상기 미리 설정된 기준 모델을 갱신하는 단계를 더 수행하도록 지시할 수 있다.
상기와 같은 본 발명에 따른 농작물 생산 효율 최적화 방법 및 장치를 이용할 경우에는 각 농가의 지역 환경에 따른 생산 효율 최적화를 수행할 수 있다.
또한, 최적화된 기준 모델에 따라 생육 제어를 위한 권고나 경고 사항을 제시함으로써 각 농가가 시설 온실의 운영을 손쉽게 할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법을 수행하기 위한 전체 시스템 개념도이다.
도 2는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법을 수행하기 위한 전체 시스템을 기능 측면에서 도식화한 개념도이다.
도 3은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 알고리즘을 도식화한 개념도이다.
도 4는 본 발명의 일 실시예에 따른 순기 제어 포인트가 온도인 경우에 기준 모델에 따른 공급 자원을 설명하기 위한 개념도이다.
도 5는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 데이터 축적에 대한 개념도이다.
도 6은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 각 농가의 결과 데이터에 대한 개념도이다.
도 7은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 기준 모델 갱신에 관한 개념도이다.
도 8은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법에 대한 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 장치에 대한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법을 수행하기 위한 전체 시스템을 기능 측면에서 도식화한 개념도이다.
도 3은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 알고리즘을 도식화한 개념도이다.
도 4는 본 발명의 일 실시예에 따른 순기 제어 포인트가 온도인 경우에 기준 모델에 따른 공급 자원을 설명하기 위한 개념도이다.
도 5는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 데이터 축적에 대한 개념도이다.
도 6은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 각 농가의 결과 데이터에 대한 개념도이다.
도 7은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 기준 모델 갱신에 관한 개념도이다.
도 8은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법에 대한 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 장치에 대한 개념도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법 및 장치는 생산 효율 예측에 따른 제어 결과 및 현재 상태 비교분석에 의한 결과 평가에 따라 기준모델 갱신(renewal)에 의한 모델 최적화를 제공할 수 있다. 이러한 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법 및 장치는 아래와 같은 주요 기능을 수행할 수 있다.
즉, 생산 효율화 분석을 위한 정보 축적, 생산 효율 영향 변수를 고려한 학습, 학습 모델을 기반으로 한 생산 효율 예측 및 각 농가 별 생산 효율 결과에 따른 기준모델 갱신을 수행할 수 있다.
더욱 상세하게는 생산 효율화 분석을 위해 온실의 환경정보들이 온실 내 설치된 센서들에 의해 수집된 뒤 클라우드를 통해 전송되며, 또한 작물(예: 딸기)의 생육정보(엽수, 엽장, 관부직경 등)는 모바일을 이용한 농가의 영농일지에 의해, 병해 정보는 병해 사진 분석결과를 농작물 생산 효율 최적화 장치에 전송될 수 있다. 이렇게 수집된 정보는 대규모, 다양한 정보를 분산 저장하는 빅데이터 클러스터에 저장될 수 있다.
수집된 공급자원 정보와 병해 분석 결과, 환경 센서/장비 등의 오작동 등의 정보를 기반으로 생산 효율 분석이 이루어진다. 분석된 결과는 온실 환경을 제어하기 위한 정보나, 클라우드에 분석 결과를 가시화 또는 농가에 경고/권고 등을 알리기 위한 정보를 제공할 수 있다.
더욱 자세하게는 생산 효율화 분석은 두 단계에 의해 수행된다. 첫 번째 단계는 공급자원 중 농작물의 생육감시를 위한 것으로, 일반적으로 알려진 생육주기(정식기, 보온기, 출뢰기, 개화기, 과실비대기, 수확기)에 따른 생육 환경을 초기 기준 모델로 설정할 수 있다. 설정된 기준 모델을 기반으로 현재 생육 상태 및 생육 환경 (온도, 습도, 일사 등)을 감시하고 기준모델 생육 상태 값 및 생육환경 값을 비교함으로써, 기준 모델이 준수 되도록 제어할 수 있다.
두 번째 단계는 생산 효율 모델 구축으로써, 전체 축적되는 공급자원 정보를 기반으로 생산 효율 분석 모형을 생성하고, 순기 제어 포인트에 맞추어 현재의 생산효율을 도출해 낼 수 있다. 이를 위해, 각 공급자원, 병해 이미지를 처리하는 병해예측 분석 엔진과 온톨로지에 의해 장비 오작동 진단을 하는 오작동 진단 분석 엔진, 그리고 기준모델 상태 머신에 의한 분석 결과 정보들을 빅데이터 클러스터인 하둡에 저장할 수 있고, 이때 저장된 정보는 생산 효율 모델의 분석을 위한 입력 정보로 사용될 수 있다.
입력된 정보는 전처리 과정을 거쳐 분석 데이터로 변환되고 학습을 통해 분석 모델이 구축될 수 있다. 구축된 분석 모델을 기반으로 순기 제어 포인트 마다 예측 분석을 수행할 수 있으며, 수행 결과 및 순기 제어 포인트에서의 결과는 농가나 운영자를 위해 팜 클라우드 서버에 제공되어 가시화될 수 있다.
더욱 상세하게는 생산효율 분석은 구체적으로 생산효율 모델 구축을 위하여 축적 되는 공급자원 정보를 기반으로 생산효율에 영향을 미칠 수 있는 공급자원들의 영향도를 계산할 수 있다. 이러한 영향도에 따라 생산효율 예측에 어떠한 공급자원이 영향을 미치는지 나타날 수 있다. 구축된 모형들은 각 농가의 공급자원 정보에 따라 각각에 해당되는 모형들로 구축될 수 있다. 구축된 모형들을 이용하여 순기 제어 포인트마다 기준모델 상태 머신 에서의 결과 및 나머지 공급자원의 정보에 의해 각 농가의 실제 생산 효율 예측을 수행할 수 있다.
생산효율 예측은 앞서 구축한 분석 모델의 공급자원들의 영향도에 의해 결과가 도출될 수 있고, 이러한 상황 정보는 농가 및 운용자에게 가시화될 수 있다. 수확이 종료 될 때마다 정의된 기준 모델 갱신(renewal) 기준 (생산량이 가장 우수한 농가가 기존의 기준모델 생산량보다 많은 경우 등)에 따라 기준 모델을 갱신할 수 있다. 또한, 각 순기마다 생산량이 가장 우수한 농가의 순기와 기준모델의 각 순기를 비교하여 더 우수한 순기를 기준 모델에 반영하여 기준 모델을 갱신할 수 있다. 이처럼 갱신된 기준 모델은 각 지역의 환경 특성, 공급자원이 기준모델에 완전이 맞지 않으므로 이를 반영한 최적 모델로 적응하기 위한 기준 모델이 될 수 있다.
구체적으로, 각 농가의 생산 효율 및 각 순기 별 생산효율이 상호 비교 되며, 이 중 가장 우수한 생산 효율 모델을 선택하여 현 기준 모델의 평가를 수행할 수 있다. 기준 모델에 의한 생산 효율 값이 현재 우수 농가/순기 보다 미진한 경우, 우수 농가/순기의 생육 환경에 관련 정보를 기반으로 기준모델을 갱신할 수 있다.
이하, 앞서 설명한 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법을 수행하기 위한 전체 시스템 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법을 수행하기 위한 전체 시스템은, 각종 센서가 구비된 시설 온실(10), 농가의 운영자 또는 사용자에 의해 영농 일지 등을 입력받는 모바일 장치(20), 시설 온실과 모바일 장치로부터 각종 데이터를 수집받는 팜 클라우드 서버(30) 및/또는 팜 클라우드 서버(30)로부터 센싱 데이터를 전달받아 농작물 생산 효율 최적화를 수행하고 분석 결과를 팜 클라우드 서버(30)에 제공하는 농작물 생산 효율 최적화 장치(40)를 포함할 수 있다.
여기서 시설 온실(10)에는 각종 센서들이 설치되어 IoT(Internet of Things) hub를 구성할 수 있으며, 각종 센서들은 시설 온실에 온도, 습도, 빛과 같은 작물의 생육에 영향을 주는 환경 정보를 수집할 수 있다.
또한, 여기서 시설 온실(10)은 센서들로부터 데이터를 수신할 수 있고, 센서나 시설 온실에 설치된 라이트, 온도 제어기, 습도 제어기 등과 같은 각종 장비들에 제어 메시지를 송신할 수 있다.
또한, 시설 온실(10)은 미리 설정된 기준 모델에 따라 빛, 온도, 습도 등의 제어를 수행할 수 있다. 이때, 기준 모델은 농작물 생산 효율 최적화 장치(40)에 의해 갱신되고 갱신된 모델이 적용될 수 있다.
여기서, 모바일 장치(20)는 사용자에 의해 영농 일지를 입력 받을 수 있는데, 영농 일지는 시설 온실에서 기르는 농작물의 생육 정보와 병해가 발생한 이미지가 기록될 수 있다.
즉, 여기서 모바일 장치는 사용자가 농작물의 생육을 위해 제공한 비료의 양, 비료의 단가, 성장한 크기, 수확된 열매량 등 각종 생육 정보 및 병해가 발생한 이미지를 포함한 병해 정보 등을 입력받을 수 있다.
여기서, 팜 클라우드 서버(30)는 시설 온실(10)로부터 센싱 데이터들을 수집할 수 있고, 모바일 장치(20)로부터 생육 정보나 병해 정보를 수집할 수 있다. 이때, 이렇게 수집된 정보는 대규모, 다양한 정보를 분산 저장하는 하둡 클러스터(Hadoop Cluster)에 저장될 수도 있다.
여기서 농작물 생산 효율 최적화 장치(40)는 수집된 센서 데이터 및 생육 정보에서 도출된 공급 자원 정보 및 병해 정보를 분석하고, 온실 환경의 센서 또는 제어 장비 등에 대한 오작동 정보를 분석함으로써, 시설 온실에 대한 생산 효율을 분석할 수 있다. 분석된 결과는 팜 클라우드 서버(20)를 통해 시설 온실(10)이나 모바일 장치(20)에 제공될 수 있는데, 이때 경고나 권고 사항 형태로 변형되어 제공될 수 있다.
여기서, 센서나 제어 장비의 오작동 정보는 모바일 장치(20)에서 사용자에 의해 입력되거나, 시설 온실(10)에 설치된 제어 장비로부터 오작동 신호를 시설 온실(10)이 수신함으로써 수집될 수 있다.
여기서, 시설 온실(10) 및 모바일 장치(20)는 각각 하나씩 도시하였으나, 여러 농가마다 각각 존재할 수 있으므로, 팜 클라우드 서버(30) 또는 농작물 생산 효율 최적화 장치(40)는 수개의 시설 온실들 및 모바일 장치들로부터 데이터를 제공받을 수 있는 것으로 이해되어야 한다.
또한, 팜 클라우드 서버(30)와 농작물 생산 효율 최적화 장치(40)를 분리하여 도시하였으나, 하나의 장치나 서버로 구현될 수 있으며, 하둡 클러스터를 팜 클라우드 서버(30) 또는 농작물 생산 효율 최적화 장치(40)에 포함한 형태로 구현될 수 있는 것으로 이해되어야 한다.
도 2는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법을 수행하기 위한 농작물 생산 효율 최적화 장치를 기능 측면에서 도식화한 개념도이다.
도 2를 참조하면, 하둡 클러스터로 구현될 수 있는 데이터베이스(41)는 각종 농가의 시설 온실에서 수집된 센서 데이터, 모바일 장치에서 수집된 생육 정보, 병해 정보를 저장할 수 있다.
공급 자원 처리부(42)는 데이터베이스에 저장된 정보로부터, 병해 이미지에 대한 딥러닝 분석을 통해, 병해 여부 및 병해의 발생 가능성을 예측하는 병예 예측 분석 엔진, 제어 장비나 센서의 오작동 여부를 진단 및 분석하는 오작동 진단 분석 엔진, 생육 정보와 센서 데이터를 기준 모델과 비교하고, 기준 모델에 따른 공급 자원량을 도출할 수 있는 기준 모델 상태 머신을 포함할 수 있다.
생산 효율 최적화부(43)는 온실에서의 생산 효율 최적화를 위한 입력 데이터로 병해 여부나 발생 확률, 오작동 여부, 기준 모델이나 공급 자원량을 인터페이스(IF, interface) API (application protocol interface)를 통하여 획득 할 수 있고, 입력 데이터들은 분석을 위한 전처리 및 정보 조합을 통해 분석을 위한 데이터로 반입될 수 있다. 여기서, 전처리 및 정보 조합은 분석을 위하여 입력 데이터의 형식을 변경하거나, 재조합하는 과정일 수 있다.
생산 효율 최적화부(43)는 입력 데이터가 축적되면, 현재의 공급 자원량 각 요소(예를 들어 병해 여부, 병해 종류, 비료의 양, 온도공급값, 습도공급값 등)가 생산 효율에 미치는 영향을 학습함으로써 생산 효율에 대한 분석 모델을 구축할 수 있다. 이렇게 구축된 분석 모델을 이용하여 순기 제어 포인트 마다 생산 효율에 대한 예측을 할 수 있다. 여기서 각 농가 별로 예측된 결과는 사용자의 모바일 단말이나 시설 온실에 생산 효율에 대한 경보를 수행하거나, 권고 사항을 제시하는데 활용할 수 있다.
생산 효율 최적화부(43)는 또한, 동적으로 기준 모델을 적용하기 위하여 우수한 농가 및 순기 결과값을 반영하여, 기준 모델을 새롭게 갱신할 수 있다.
분석 결과 가시화부(44)는 생산 효율을 예측한 결과, 생산 효율 예측에 따라 요구되는 각 요소들의 제어값 또는 순기 제어 포인트에서의 결과를 클라우드 인터페이스(클라우드 If API)를 통해 팜 클라우드 서버, 모바일 장치, 시설 온실 등에 제공할 수 있다.
도 3은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 알고리즘을 도식화한 개념도이다.
기준모델 상태 머신에서 순기 제어 포인트마다 공급 자원값이 제공될 수 있고, 생산 효율 분석 모델을 구축하기 위한 학습 데이터(Training data)가 제공될 수 있다.
여기서, 공급 자원값은 기준 모델을 기초로 실제 시설 농가에 제공된 비료의 양, 온도 제어값, 습도 제어값 등을 의미할 수 있고, 학습 데이터는 시설 농가에서 획득한 데이터 이외에 별도로 학습을 위한 입력 데이터로서, 다른 농가에서의 공급 자원값에 따른 생산 효율이나, 공지된 논문이나 검증된 실험 데이터들로부터 획득된 공급 자원에 따른 생산 효율일 수 있다.
제공된 학습 데이터 및 공급 자원값을 기초로, 생산 효율에 영향을 미치는 변수(Xi)들을 추출하고, 추출된 변수 또는 시간에 따른 변수가 생산 효율에 미치는 영향을 학습할 수 있다.
여기서, 생산 효율은 생산량이나 공급된 생산 단가 대비 생산량 등으로 정의될 수 있다.
한편 공급자원에 대한 생산 효율을 학습한 결과로서, 공급 자원(변수)에 따른 생산 효율을 나타내는 분석 모델을 구축할 수 있다. 이때, 분석 모델은 해당 농가의 시설 온실 데이터를 이용하기 때문에 각 농가마다 사용되는 공급자원 정보에 따라 상이한 형태의 분석 모델이 구축될 수 있다. 이때, 변수에 따른 생산 효율은 기계 학습에 의해 도출되거나, 회귀 분석, 시계열 분석 등에 의해 도출될 수도 있다.
이렇게 구축된 분석 모델을 기초로, 해당 농가의 공급 자원 값 및 테스트 데이터(Test data)를 이용하여 해당 농가의 생산 효율을 예측할 수 있다. 여기서 테스트 데이터는 해당 농가에서 제공되지 않으나 분석 모델에 포함되는 변수의 기본 값으로 미리 설정된 값일 수 있다.
생산 효율을 예측한 결과는 일종의 상황 정보로서, 농가 및 운용자에게 가시화하여 제공될 수 있으며, 생산 효율이 낮을 때는 경고하거나, 생산 효율을 높이기 위해 부족한 공급 자원값을 권고할 수 있다.
농작물 수확이 종료되면, 기준 모델 갱신(renewal) 기준에 따라 각 농가의 생산 효율 및 각 순기 별 생산 효율을 상호 비교할 수 있다. 이 중 가장 우수한 농가의 생산 효율 모델을 선택하여 현재 적용된 기준 모델의 평가를 수행할 수 있다.
기준 모델에 의한 생산 효율 값이 현재 우수 농가/순기 보다 미진한 경우, 우수한 농가나 우수한 순기의 생육 환경 정보 또는 생육 정보(하엽 제거 등)를 기반으로 기준 모델을 갱신할 수 있다.
도 4는 본 발명의 일 실시예에 따른 순기 제어 포인트가 온도인 경우에 기준 모델에 따른 공급 자원을 설명하기 위한 개념도이다.
도 4를 참조하면, 기준 모델은 정식기, 보운기, 개화기 등으로 이루어지는 각 순기에 따른, 온도, 습도 등의 생육 환경 정보를 나타낼 수 있다.
순기 제어 포인트로 온도를 예로 들면, 현재 순기에 따른 기준 모델 온도와 시설 온실에 센서에 의해 수집된 온도 사이의 차분값을 공급 자원값으로 도출할 수 있다. 여기서 도출된 공급 자원값은 시설 온실에 제공되어야 하는 자원값으로서, 생산 효율 분석 모델 구축을 위한 입력으로 이용되거나, 해당 시설 온실을 가진 농가에 권고 사항으로 제공될 수 있다.
여기서, 공급 자원 값은 온도와 같이 생육 환경에 관한 것이라면, 차분값으로 도출될 수 있으나, 농가의 운용자에 의해 하엽 제거 작업이 수행된 경우와 같이 생육 환경 이외의 생육 활동에 관한 것이라면, 그러한 생육 활동의 유무를 나타내는 값으로 도출될 수도 있다. 예를 들어, 생육 활동이 있는 경우에는 1, 없는 경우에는 0으로 도출하거나, 1 또는 0에 가중치를 부여한 값으로 도출될 수도 있다.
또한, 기준 모델은 별도로 입력되거나 미리 설정될 수 있으며, 각 순기는 작물의 종류에 따라 달리 설정될 수 있다.
도 5는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 데이터 축적에 대한 개념도이다.
도 5를 참조하면, 농작물 생산 효율 최적화를 수행하기 위한 입력 데이터로서, 각종 공급 자원 정보는 지속적으로 축적되어 분석 모델을 구축하는데 활용할 수 있다.
여기서, 입력 데이터 중 하나인 병해에 관련된 정보로는, 병해의 발생 시간, 병해의 종류, 발생 확률, 작물의 종류가 있을 수 있다.
여기서, 병해의 종류, 발생 확률은 모바일 장치를 통해 수집된 작물이나 병해 관련 이미지를 딥러닝을 이용하여 분석함으로써 알 수 있고, 발생 시간이나 작물의 종류는 모바일 장치 등을 통해 별도로 농가 운용자(또는 사용자)에 의해 입력된 데이터를 수집하여 획득할 수 있다.
또한, 입력 데이터 중 장비의 오작동 관련된 정보로서, 장비의 종류, 장비에 의해 측정된 값, 진단 시간이 있을 수 있다.
또한, 기준 모델을 위해 각 순기에 따른 공급 자원의 종류, 공급 자원의 값 등이 입력 데이터가 될 수 있고, 이전에 수행된 예측 결과로서, 각 농가의 공급 결과값(생산 단가, 생산량 등), 효율 예측이 수행된 시간등이 입력 데이터가 될 수 있다.
또한, 모바일 장치를 통해 운용자에 의해 입력된 데이터로서, 입력이 이루어진 시간, 기준 단가나 비료비 등 공급자원 정보, 농가명 등이 입력 데이터가 될 수 있다.
이렇게 입력된 데이터는, 전처리 과정으로서, 데이터 평균 및 중심점 검사, 데이터 변수변환 검사, 변수간에 의미 검증, 데이터 이상치 제거 검사 등을 수행함으로써, 분석 모델을 구축하는데 필요한 데이터들로 선별 또는 변환될 수 있다.
도 6은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 각 농가의 결과 데이터에 대한 개념도이다.
도 6을 참조하면, 공급 자원으로서, 생육 주기(또는 순기)에 따른 온도 데이터, 농약 투입량, 비료 양, 비료의 가격을 각 농가별로 수집한 결과를 확인할 수 있다.
구체적으로, 농가 1의 경우, 정식기에서 25도의 온도였고, 보온기에서는 29도였음을 수집할 수 있고, 농약 투입량은 10 인 것을 수집할 수 있다.
즉, 각 순기마다 각 농가에 제공된 공급 자원을 지속적으로 수집하여 저장함으로써, 우수 농가를 결정하는 데이터로 활용하거나, 기준 모델에 따른 예측을 통해 해당 농가에 공급자원에 대한 권고 사항을 제시 또는 경고를 할 수 있다.
도 7은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화를 위한 기준 모델 갱신에 관한 개념도이다.
도 7을 참조하면, 농작물 생산 효율을 최적화하기 위하여 기준 모델을 새롭게 갱신하는 과정을 설명할 수 있다.
예를 들어, 도 6에서와 같이 각 농가에서 수집된 공급 자원 정보를 바탕으로, 가장 생산 효율이 우수한 농가를 선정할 수 있고, 특정 순기에서 가장 생산 효율이 우수한 농가 및 순기를 선정할 수도 있다.
이렇게 선정된 우수 농가에서 수집된 공급 자원 정보 또는 생육 정보(적엽, 적엽 금지, 하엽 제거 등)를 기초로, 기존에 적용되고 있었던 기준 모델을 새롭게 갱신할 수 있다.
구체적으로, 우수한 농가에서 특정 순기에서 제공되고 있었던 온도, 습도 등의 생육 환경 정보 및 하엽 제거와 같은 생육 정보를 각 순기별로 저장하여 새로운 기준 모델로 적용할 수 있다.
도 8은 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 방법에 대한 흐름도이다.
도 8을 참조하면, 농작물 생산 효율 최적화 방법은, 개별 농가의 생육 정보를 수집하는 단계(S100), 수집된 생육 정보를 미리 설정된 기준 모델과 비교하여 적어도 하나 이상의 공급 자원 변수를 획득하는 단계(S110), 적어도 하나의 공급 자원 변수가 생산 효율에 미치는 영향을 학습하는 단계(S120) 및 학습의 결과로, 적어도 하나의 공급 자원 변수에 대한 생산 효율을 나타내는 분석 모델을 구축하는 단계(S130)를 포함할 수 있다.
여기서 개별 농가는 각 농가의 시설 온실을 제어하는 서버나 컴퓨터 등을 의미할 수 있다.
여기서 기준 모델은 일반적으로 알려지거나 활용되고 있는 각 순기별 공급 자원 값(비료의 양, 온도, 습도 등)을 정의한 모델로 미리 설정될 수 있으며, 각 농가의 수확이 이루어진 후에 갱신되어 각 농가의 지역 환경에 최적화될 수 있다.
여기서, 공급 자원 변수를 획득하는 단계(S110)는 수집된 생육 정보 중에서 기준 모델에 부합하는 정보를 선별하고, 기준 모델에 따른 변수값으로 변환하는 단계일 수 있다. 예를 들어, 기준 모델에서 요구하는 온도 나 습도값과 생육 정보에 따른 온도 나 습도값의 차분값을 공급 자원 변수값으로 활용할 수 있다.
여기서 생육 정보를 수집하는 단계(S100)는, 미리 설정된 기준 모델에 따른 순기마다 생육 정보를 수집할 수 있다.
여기서 생육 정보는, 병해 정보, 생육 제어 장비의 진단 정보, 생육 환경 정보 및 생육 활동 정보 중 적어도 하나를 포함할 수 있다.
여기서 생육 환경 정보는 농작물의 생육에 영향을 주는 온도, 습도 등을 지시하는 정보로서, 개별 농가의 시설 온실에 설치된 각종 센서들로부터 수집될 수 있다.
여기서 생육 활동 정보는 농작물의 생육에 필요한 운용자의 활동에 관한 정보로서, 농작물에 하엽 제거 작업을 수행하였는지 여부 등을 포함하는 정보일 수 있고,
여기서, 병해 정보는 개별 농가의 운용자가 사용하는 모바일 장치에 의해 병해가 의심되는 작물이 촬영되고, 촬영된 병해 이미지를 모바일 장치로부터 수신할 수 있고, 수신된 병해 이미지를 처리함으로써 획득될 수 있다.
구체적으로 병해 정보는, 개별 농가의 운용자에 의해 입력받은 병해 이미지를 딥러닝하여 병해의 발생 확률, 병해의 발생 여부 중 하나를 예측한 결과를 포함할 수 있다.
여기서 생육 제어 장비의 진단 정보는, 생육 제어 장비의 제어값을 생육 제어 장비와 상응하는 생육 환경값과 비교하여, 생육 제어 장비의 오작동 여부를 진단한 결과를 포함할 수 있다.
여기서 생육 제어 장비는 개별 농가의 시설 온실에 설치되어 시설 온실 내의 온도, 습도, 빛 등의 생육 환경을 제어하는 각종 장치들을 의미할 수 있다.
여기서, 생육 제어 장비의 제어값 및 생육 환경값은 개별 농가에 설치된 각종 센서 및 생육 제어 장비에 전송된 제어 메시지를 확인함으로써 획득될 수 있다. 이때, 생육 제어 장비에 대한 제어는 각 시설 농가에 설치된 서버 또는 이하에서 설명하는 농작물 생산 최적화 장치에 의해 수행될 수 있다.
여기서 농작물 생산 효율 최적화 방법은, 분석 모델을 이용하여 개별 농가의 생육 정보에 따른 생산 효율을 예측하는 단계(S140) 및 예측된 결과를 기초로, 개별 농가에 권고 또는 경고를 지시하는 메시지를 전송하는 단계(S150)를 더 포함할 수 있다.
여기서 메시지를 전송하는 단계(S150)는, 예측된 생산 효율이 기준 모델에 따른 생산 효율보다 저조할 경우, 기준 모델에 따라 개별 농가에 공급되어야 하는 공급 자원 값을 권고하는 메시지를 전송할 수 있다.
여기서 메시지를 전송하는 단계(S150)는, 예측된 생산 효율이 기준 모델에 따른 생산 효율보다 저조할 경우, 예측된 생산 효율을 포함하는 경고 메시지를 전송할 수 있다.
여기서 농작물 생산 효율 최적화 방법은, 생육 정보를 수집하는 단계 이후에, 생육 정보에 대하여 전처리를 수행하는 단계를 더 포함할 수 있다.
여기서 전처리를 수행하는 단계는, 생육 정보에 대한 의미 검증이나 평균 또는 중심점 검사를 수행하여 생육 정보 중에서 이상치로 판단된 정보를 제거하거나, 생육 정보를 처리할 수 있는 데이터 형식으로 변환하는 단계를 포함할 수 있다.
여기서 농작물 생산 효율 최적화 방법은, 개별 농가의 수확이 종료되었음이 확인되면, 개별 농가의 생산 효율을 평가하여 가장 생산 효율이 우수한 농가나 순기를 선정하는 단계, 선정된 농가나 순기에 따른 생산 효율과 미리 설정된 기준 모델에 따른 생산 효율을 비교하는 단계 및 선정된 농가나 순기에 따른 생산 효율이 미리 설정된 기준 모델에 따른 생산 효율보다 크면, 선정된 농가나 순기에 따른 생육 정보를 반영하여 미리 설정된 기준 모델을 갱신하는 단계를 더 포함할 수 있다.
여기서, 우수한 순기는 순기 별로 각 농가의 생산 효율을 산출하고, 산출된 순기별 생산 효율 중 가장 우수한 효율을 갖는 농가의 순기를 의미할 수 있다.
도 9는 본 발명의 일 실시예에 따른 농작물 생산 효율 최적화 장치에 대한 개념도이다.
도 9를 참조하면, 농작물 생산 효율 최적화 장치(100)는, 적어도 하나의 프로세서 및 적어도 하나의 프로세서(110)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들을 저장하는 메모리(120)를 포함할 수 있다.
여기서, 농작물 생산 효율 최적화 장치(100)는, 수집된 생육 정보를 저장하는 저장소(storage, 140)를 더 포함할 수 있고, 여기서 저장소(140)는 하둡 클러스터(Hadoop Cluster)일 수 있다.
여기서, 농작물 생산 효율 최적화 장치(100)는, 생육 정보를 수집하기 위하여 각 개별 농가의 생육 정보를 전송받고, 각 개별 농가에 권고나 경고 메시지를 전송하기 위한 통신 모듈(130)을 더 포함할 수 있다.
여기서 적어도 하나의 단계는, 개별 농가의 생육 정보를 수집하는 단계, 수집된 생육 정보를 미리 설정된 기준 모델과 비교하여 적어도 하나 이상의 공급 자원 변수를 획득하는 단계, 적어도 하나의 공급 자원 변수가 생산 효율에 미치는 영향을 학습하는 단계 및 학습의 결과로, 적어도 하나의 공급 자원 변수에 대한 생산 효율을 나타내는 분석 모델을 구축하는 단계를 포함할 수 있다.
여기서, 생육 정보를 수집하는 단계는, 미리 설정된 기준 모델에 따른 순기마다 생육 정보를 수집할 수 있다.
여기서 생육 정보는, 병해 정보, 생육 제어 장비의 진단 정보, 생육 환경 정보 및 생육 활동 정보 중 적어도 하나를 포함할 수 있다.
여기서 병해 정보는, 개별 농가의 운용자에 의해 입력받은 병해 이미지를 딥러닝하여 병해의 발생 확률, 병해의 발생 여부 중 하나를 예측한 결과를 포함할 수 있다.
여기서 생육 제어 장비의 진단 정보는, 생육 제어 장비의 제어값을 생육 제어 장비와 상응하는 생육 환경값과 비교하여, 생육 제어 장비의 오작동 여부를 진단한 결과를 포함할 수 있다.
여기서 명령어들은 적어도 하나의 프로세서가, 분석 모델을 이용하여 개별 농가의 생육 정보에 따른 생산 효율을 예측하는 단계 및 예측된 결과를 기초로, 개별 농가에 권고 또는 경고를 지시하는 메시지를 전송하는 단계를 더 수행하도록 지시할 수 있다.
여기서 메시지를 전송하는 단계는, 예측된 생산 효율이 기준 모델에 따른 생산 효율보다 저조할 경우, 기준 모델에 따라 개별 농가에 공급되어야 하는 공급 자원 값을 권고하는 메시지를 전송할 수 있다.
여기서 명령어들은 적어도 하나의 프로세서가, 생육 정보를 수집하는 단계 이후에, 생육 정보에 대하여 전처리를 수행하는 단계를 더 수행하도록 지시할 수 있다.
여기서 전처리를 수행하는 단계는, 생육 정보에 대한 의미 검증이나 평균 또는 중심점 검사를 수행하여 생육 정보 중에서 이상치로 판단된 정보를 제거하거나, 생육 정보를 처리할 수 있는 데이터 형식으로 변환하는 단계를 포함할 수 있다.
여기서 명령어들은 적어도 하나의 프로세서가, 개별 농가의 수확이 종료되었음이 확인되면, 개별 농가의 생산 효율을 평가하여 가장 생산 효율이 우수한 농가나 순기를 선정하는 단계, 선정된 농가나 순기에 따른 생산 효율과 미리 설정된 기준 모델에 따른 생산 효율을 비교하는 단계 및 선정된 농가나 순기에 따른 생산 효율이 미리 설정된 기준 모델에 따른 생산 효율보다 크면, 선정된 농가나 순기에 따른 생육 정보를 반영하여 미리 설정된 기준 모델을 갱신하는 단계를 더 수행하도록 지시할 수 있다.
여기서, 농작물 생산 효율 최적화 장치의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
여기서, 농작물 생산 효율 최적화 장치(100)는 도 1에서의 농작물 생산 효율 최적화 장치(40)와 상응하거나, 도 1에서의 팜 클라우드 서버(30)를 더 포함하는 장치일 수 있다.
또한, 농작물 생산 효율 최적화 장치(100)는 그 기능적 모듈로 구분할 경우 도 2에 따른, 데이터베이스(41), 공급자원 처리부(42), 생산 효율 최적화부(43) 및 분석 결과 가시화부(44) 중 적어도 하나를 포함하는 기능 모듈을 포함할 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (20)
- 농작물 생산 효율 최적화 장치에 의해 수행되는 농작물 생산 효율 최적화 방법으로서,
개별 농가의 생육 정보를 수집하는 단계;
수집된 생육 정보를 미리 설정된 기준 모델과 비교하여 적어도 하나 이상의 공급 자원 변수를 획득하는 단계;
상기 적어도 하나의 공급 자원 변수가 생산 효율에 미치는 영향을 학습하는 단계; 및
상기 학습의 결과로, 상기 적어도 하나의 공급 자원 변수에 대한 생산 효율을 나타내는 분석 모델을 구축하는 단계를 포함하는, 농작물 생산 효율 최적화 방법. - 청구항 1에서,
상기 생육 정보를 수집하는 단계는,
상기 미리 설정된 기준 모델에 따른 순기마다 상기 생육 정보를 수집하는, 농작물 생산 효율 최적화 방법. - 청구항 1에서,
상기 생육 정보는,
병해 정보, 생육 제어 장비의 진단 정보, 생육 환경 정보 및 생육 활동 정보 중 적어도 하나를 포함하는, 농작물 생산 효율 최적화 방법. - 청구항 3에서,
상기 병해 정보는,
상기 개별 농가의 운용자에 의해 입력받은 병해 이미지를 딥러닝하여 병해의 발생 확률, 병해의 발생 여부 중 하나를 예측한 결과를 나타내는, 농작물 생산 효율 최적화 방법. - 청구항 3에서,
상기 생육 제어 장비의 진단 정보는,
상기 생육 제어 장비의 제어값을 상기 생육 제어 장비와 상응하는 생육 환경값과 비교하여, 상기 생육 제어 장비의 오작동 여부를 진단한 결과를 나타내는, 농작물 생산 효율 최적화 방법. - 청구항 1에서,
상기 분석 모델을 이용하여 상기 개별 농가의 생육 정보에 따른 생산 효율을 예측하는 단계; 및
상기 예측된 결과를 기초로, 상기 개별 농가에 권고 또는 경고를 지시하는 메시지를 전송하는 단계를 더 포함하는, 농작물 생산 효율 최적화 방법. - 청구항 6에서,
상기 메시지를 전송하는 단계는,
상기 예측된 생산 효율이 상기 기준 모델에 따른 생산 효율보다 저조할 경우,
상기 기준 모델에 따라 상기 개별 농가에 공급되어야 하는 공급 자원 값을 권고하는 메시지를 전송하는, 농작물 생산 효율 최적화 방법. - 청구항 1에서,
상기 생육 정보를 수집하는 단계 이후에,
상기 생육 정보에 대하여 전처리를 수행하는 단계를 더 포함하는, 농작물 생산 효율 최적화 방법. - 청구항 8에서,
상기 전처리를 수행하는 단계는,
상기 생육 정보에 대한 의미 검증이나 평균 또는 중심점 검사를 수행하여 상기 생육 정보 중에서 이상치로 판단된 정보를 제거하거나, 상기 생육 정보를 처리할 수 있는 데이터 형식으로 변환하는 단계를 포함하는, 농작물 생산 효율 최적화 방법. - 청구항 1에서,
상기 개별 농가의 수확이 종료되었음이 확인되면,
상기 개별 농가의 생산 효율을 평가하여 가장 생산 효율이 우수한 농가나 순기를 선정하는 단계;
선정된 농가나 순기에 따른 생산 효율과 상기 미리 설정된 기준 모델에 따른 생산 효율을 비교하는 단계; 및
상기 선정된 농가나 순기에 따른 생산 효율이 상기 미리 설정된 기준 모델에 따른 생산 효율보다 크면, 상기 선정된 농가나 순기에 따른 생육 정보를 반영하여 상기 미리 설정된 기준 모델을 갱신하는 단계를 더 포함하는, 농작물 생산 효율 최적화 방법. - 적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들을 저장하는 메모리를 포함하는, 농작물 생산 효율 최적화 장치로서,
상기 적어도 하나의 단계는,
개별 농가의 생육 정보를 수집하는 단계;
수집된 생육 정보를 미리 설정된 기준 모델과 비교하여 적어도 하나 이상의 공급 자원 변수를 획득하는 단계;
상기 적어도 하나의 공급 자원 변수가 생산 효율에 미치는 영향을 학습하는 단계; 및
상기 학습의 결과로, 상기 적어도 하나의 공급 자원 변수에 대한 생산 효율을 나타내는 분석 모델을 구축하는 단계를 포함하는, 농작물 생산 효율 최적화 장치. - 청구항 11에서,
상기 생육 정보를 수집하는 단계는,
상기 미리 설정된 기준 모델에 따른 순기마다 상기 생육 정보를 수집하는, 농작물 생산 효율 최적화 장치. - 청구항 11에서,
상기 생육 정보는,
병해 정보, 생육 제어 장비의 진단 정보, 생육 환경 정보 및 생육 활동 정보 중 적어도 하나를 포함하는, 농작물 생산 효율 최적화 장치. - 청구항 13에서,
상기 병해 정보는,
상기 개별 농가의 운용자에 의해 입력받은 병해 이미지를 딥러닝하여 병해의 발생 확률, 병해의 발생 여부 중 하나를 예측한 결과를 포함하는, 농작물 생산 효율 최적화 장치. - 청구항 13에서,
상기 생육 제어 장비의 진단 정보는,
상기 생육 제어 장비의 제어값을 상기 생육 제어 장비와 상응하는 생육 환경값과 비교하여, 상기 생육 제어 장비의 오작동 여부를 진단한 결과를 포함하는, 농작물 생산 효율 최적화 장치. - 청구항 11에서,
상기 명령어들은 상기 적어도 하나의 프로세서가,
상기 분석 모델을 이용하여 상기 개별 농가의 생육 정보에 따른 생산 효율을 예측하는 단계; 및
상기 예측된 결과를 기초로, 상기 개별 농가에 권고 또는 경고를 지시하는 메시지를 전송하는 단계를 더 수행하도록 지시하는, 농작물 생산 효율 최적화 장치. - 청구항 16에서,
상기 메시지를 전송하는 단계는,
상기 예측된 생산 효율이 상기 기준 모델에 따른 생산 효율보다 저조할 경우,
상기 기준 모델에 따라 상기 개별 농가에 공급되어야 하는 공급 자원 값을 권고하는 메시지를 전송하는, 농작물 생산 효율 최적화 장치. - 청구항 11에서,
상기 명령어들은 상기 적어도 하나의 프로세서가,
상기 생육 정보를 수집하는 단계 이후에,
상기 생육 정보에 대하여 전처리를 수행하는 단계를 더 수행하도록 지시하는, 농작물 생산 효율 최적화 장치. - 청구항 18에서,
상기 전처리를 수행하는 단계는,
상기 생육 정보에 대한 의미 검증이나 평균 또는 중심점 검사를 수행하여 상기 생육 정보 중에서 이상치로 판단된 정보를 제거하거나, 상기 생육 정보를 처리할 수 있는 데이터 형식으로 변환하는 단계를 포함하는, 농작물 생산 효율 최적화 장치. - 청구항 11에서,
상기 명령어들은 상기 적어도 하나의 프로세서가,
상기 개별 농가의 수확이 종료되었음이 확인되면,
상기 개별 농가의 생산 효율을 평가하여 가장 생산 효율이 우수한 농가나 순기를 선정하는 단계;
선정된 농가나 순기에 따른 생산 효율과 상기 미리 설정된 기준 모델에 따른 생산 효율을 비교하는 단계; 및
상기 선정된 농가나 순기에 따른 생산 효율이 상기 미리 설정된 기준 모델에 따른 생산 효율보다 크면, 상기 선정된 농가나 순기에 따른 생육 정보를 반영하여 상기 미리 설정된 기준 모델을 갱신하는 단계를 더 수행하도록 지시하는, 농작물 생산 효율 최적화 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/705,711 US20180137579A1 (en) | 2016-11-15 | 2017-09-15 | Method for optimizing crop production efficiency and apparatus for the same |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160151927 | 2016-11-15 | ||
| KR20160151927 | 2016-11-15 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180054413A true KR20180054413A (ko) | 2018-05-24 |
Family
ID=62299183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170097340A KR20180054413A (ko) | 2016-11-15 | 2017-07-31 | 농작물 생산 효율 최적화 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180054413A (ko) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200089038A (ko) * | 2019-01-16 | 2020-07-24 | 주식회사 케이티 | 스마트 온실의 환경제어 방법, 장치 및 시스템 |
| KR20210035948A (ko) * | 2019-09-24 | 2021-04-02 | (주)다울 | 머신러닝 기반의 생장 분석 시스템 |
| KR20210036571A (ko) * | 2019-09-26 | 2021-04-05 | 장승호 | 비닐 온실의 열손실 방지를 위한 천장 환풍기 시스템 |
| KR102321137B1 (ko) * | 2021-03-29 | 2021-11-03 | 서봉주 | 생물의 최적 생육조건 데이터 수집/제공 시스템 및 방법 |
| KR102331141B1 (ko) * | 2021-01-05 | 2021-12-01 | 농업회사법인 주식회사 편농 | 개량형 스마트팜 관리시스템 |
| KR102343566B1 (ko) * | 2021-04-22 | 2021-12-24 | 주식회사 위컴바인 | IoT 기반의 영농일지 관리 시스템 |
| KR20220076298A (ko) * | 2020-11-30 | 2022-06-08 | 강원대학교산학협력단 | 클라우드 기반 협동형 재배 장치 |
| KR20220083181A (ko) * | 2020-12-11 | 2022-06-20 | 한국전자통신연구원 | 스마트팜 데이터셋 유효성 검증을 위한 수집 데이터 선별 장치 및 그 방법 |
| KR102412181B1 (ko) * | 2021-04-15 | 2022-06-23 | 주식회사 마스팜 | 환경제어기준모델을 기초로 시설원예의 환경을 자동으로 제어하는 시스템 및 그 방법 |
| KR20220109180A (ko) * | 2021-01-28 | 2022-08-04 | 조선대학교산학협력단 | 스마트팜의 생산성을 높이는 최적의 작물 재배 레시피 개발방법 |
-
2017
- 2017-07-31 KR KR1020170097340A patent/KR20180054413A/ko unknown
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200089038A (ko) * | 2019-01-16 | 2020-07-24 | 주식회사 케이티 | 스마트 온실의 환경제어 방법, 장치 및 시스템 |
| KR20210035948A (ko) * | 2019-09-24 | 2021-04-02 | (주)다울 | 머신러닝 기반의 생장 분석 시스템 |
| KR20210036571A (ko) * | 2019-09-26 | 2021-04-05 | 장승호 | 비닐 온실의 열손실 방지를 위한 천장 환풍기 시스템 |
| KR20220076298A (ko) * | 2020-11-30 | 2022-06-08 | 강원대학교산학협력단 | 클라우드 기반 협동형 재배 장치 |
| KR20220083181A (ko) * | 2020-12-11 | 2022-06-20 | 한국전자통신연구원 | 스마트팜 데이터셋 유효성 검증을 위한 수집 데이터 선별 장치 및 그 방법 |
| KR102331141B1 (ko) * | 2021-01-05 | 2021-12-01 | 농업회사법인 주식회사 편농 | 개량형 스마트팜 관리시스템 |
| KR20220109180A (ko) * | 2021-01-28 | 2022-08-04 | 조선대학교산학협력단 | 스마트팜의 생산성을 높이는 최적의 작물 재배 레시피 개발방법 |
| KR102321137B1 (ko) * | 2021-03-29 | 2021-11-03 | 서봉주 | 생물의 최적 생육조건 데이터 수집/제공 시스템 및 방법 |
| KR102412181B1 (ko) * | 2021-04-15 | 2022-06-23 | 주식회사 마스팜 | 환경제어기준모델을 기초로 시설원예의 환경을 자동으로 제어하는 시스템 및 그 방법 |
| KR102343566B1 (ko) * | 2021-04-22 | 2021-12-24 | 주식회사 위컴바인 | IoT 기반의 영농일지 관리 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20180054413A (ko) | 농작물 생산 효율 최적화 방법 및 장치 | |
| US11041650B2 (en) | Cloud and edge integrated energy optimizer | |
| Evans et al. | From data to decisions: helping crop producers build their actionable knowledge | |
| US9626600B2 (en) | Event analyzer and computer-readable storage medium | |
| US10772269B2 (en) | Predicting crop productivity via intervention planning on small-scale farms | |
| US10496051B2 (en) | Event analyzing device, event analyzing system, event analyzing method, and non-transitory computer readable storage medium | |
| JP6847787B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| EP3346428A1 (en) | Sensor design support apparatus, sensor design support method and computer program | |
| JP2018128855A (ja) | イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム、および記録媒体 | |
| CN108780315A (zh) | 用于优化旋转设备的诊断的方法和装置 | |
| JP2014127093A (ja) | イベント解析装置およびコンピュータプログラム | |
| US20180137579A1 (en) | Method for optimizing crop production efficiency and apparatus for the same | |
| US20200160227A1 (en) | Model update based on change in edge data | |
| EP2951654B1 (en) | Methods and systems for online monitoring using a variable data sampling rate | |
| CN111508604A (zh) | 一种急性肾损伤患者死亡率预测方法、服务器及存储介质 | |
| US20190164102A1 (en) | Operational improvement effect calculation device, operational improvement effect calculation method and recording medium | |
| KR20210109575A (ko) | 정보 처리 장치 및 정보 처리 시스템 | |
| WO2018079225A1 (ja) | 自動予測システム、自動予測方法および自動予測プログラム | |
| JP6631540B2 (ja) | 情報処理システム、変化点検出方法、およびプログラム | |
| KR20230144301A (ko) | 환경보건 모니터링 시스템 및 그 방법 | |
| Carrasquilla-Batista et al. | Standalone fuzzy logic controller applied to greenhouse horticulture using internet of things | |
| WO2018221488A1 (ja) | ノウハウ情報処理システム、方法及び装置 | |
| Munir et al. | Data analytics: industrial perspective & solutions for streaming data | |
| KR20200070736A (ko) | 작물수확량 예측방법 및 이를 구현하는 작물수확량 예측장치 | |
| Rajathi et al. | Study and Analysis of Various Crop Prediction Techniques in IoT Network: An Overview |