KR20200025326A - 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 재발생을 지속적으로 예측하는 시스템 및 방법 - Google Patents
시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 재발생을 지속적으로 예측하는 시스템 및 방법 Download PDFInfo
- Publication number
- KR20200025326A KR20200025326A KR1020180102525A KR20180102525A KR20200025326A KR 20200025326 A KR20200025326 A KR 20200025326A KR 1020180102525 A KR1020180102525 A KR 1020180102525A KR 20180102525 A KR20180102525 A KR 20180102525A KR 20200025326 A KR20200025326 A KR 20200025326A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- gray mold
- occurrence
- facility
- disease
- Prior art date
Links
- 230000008929 regeneration Effects 0.000 title claims abstract description 10
- 238000011069 regeneration method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 title claims description 53
- 230000008506 pathogenesis Effects 0.000 title abstract description 4
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 230000007613 environmental effect Effects 0.000 claims abstract description 15
- 201000010099 disease Diseases 0.000 claims description 196
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 196
- 239000000575 pesticide Substances 0.000 claims description 88
- 241000894006 Bacteria Species 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 241000233866 Fungi Species 0.000 claims description 8
- 208000031888 Mycoses Diseases 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000003814 drug Substances 0.000 description 46
- 229940079593 drug Drugs 0.000 description 43
- 241000196324 Embryophyta Species 0.000 description 25
- 239000003795 chemical substances by application Substances 0.000 description 9
- 238000011081 inoculation Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 238000001931 thermography Methods 0.000 description 7
- 235000003953 Solanum lycopersicum var cerasiforme Nutrition 0.000 description 6
- 240000003040 Solanum lycopersicum var. cerasiforme Species 0.000 description 6
- 238000009434 installation Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 235000016623 Fragaria vesca Nutrition 0.000 description 5
- 240000009088 Fragaria x ananassa Species 0.000 description 5
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 5
- 230000035784 germination Effects 0.000 description 5
- 238000009833 condensation Methods 0.000 description 4
- 230000005494 condensation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 231100000676 disease causative agent Toxicity 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 230000001954 sterilising effect Effects 0.000 description 4
- 238000004659 sterilization and disinfection Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 241000219112 Cucumis Species 0.000 description 2
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 2
- 239000005776 Fenhexamid Substances 0.000 description 2
- 239000005781 Fludioxonil Substances 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 240000003768 Solanum lycopersicum Species 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 235000009754 Vitis X bourquina Nutrition 0.000 description 2
- 235000012333 Vitis X labruscana Nutrition 0.000 description 2
- 240000006365 Vitis vinifera Species 0.000 description 2
- 235000014787 Vitis vinifera Nutrition 0.000 description 2
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 239000013043 chemical agent Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000005750 disease progression Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- VDLGAVXLJYLFDH-UHFFFAOYSA-N fenhexamid Chemical compound C=1C=C(O)C(Cl)=C(Cl)C=1NC(=O)C1(C)CCCCC1 VDLGAVXLJYLFDH-UHFFFAOYSA-N 0.000 description 2
- MUJOIMFVNIBMKC-UHFFFAOYSA-N fludioxonil Chemical compound C=12OC(F)(F)OC2=CC=CC=1C1=CNC=C1C#N MUJOIMFVNIBMKC-UHFFFAOYSA-N 0.000 description 2
- 230000003325 follicular Effects 0.000 description 2
- 230000009036 growth inhibition Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 230000004763 spore germination Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 229940124530 sulfonamide Drugs 0.000 description 2
- 150000003456 sulfonamides Chemical class 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- HYZJCKYKOHLVJF-UHFFFAOYSA-N 1H-benzimidazole Chemical compound C1=CC=C2NC=NC2=C1 HYZJCKYKOHLVJF-UHFFFAOYSA-N 0.000 description 1
- IRTLROCMFSDSNF-UHFFFAOYSA-N 2-phenyl-1h-pyrrole Chemical compound C1=CNC(C=2C=CC=CC=2)=C1 IRTLROCMFSDSNF-UHFFFAOYSA-N 0.000 description 1
- 208000034048 Asymptomatic disease Diseases 0.000 description 1
- 235000000832 Ayote Nutrition 0.000 description 1
- 241000193744 Bacillus amyloliquefaciens Species 0.000 description 1
- 244000063299 Bacillus subtilis Species 0.000 description 1
- 235000014469 Bacillus subtilis Nutrition 0.000 description 1
- 241000123650 Botrytis cinerea Species 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 240000004160 Capsicum annuum Species 0.000 description 1
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 1
- TWFZGCMQGLPBSX-UHFFFAOYSA-N Carbendazim Natural products C1=CC=C2NC(NC(=O)OC)=NC2=C1 TWFZGCMQGLPBSX-UHFFFAOYSA-N 0.000 description 1
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 240000004244 Cucurbita moschata Species 0.000 description 1
- 235000009854 Cucurbita moschata Nutrition 0.000 description 1
- 235000009804 Cucurbita pepo subsp pepo Nutrition 0.000 description 1
- 239000005758 Cyprodinil Substances 0.000 description 1
- 208000001860 Eye Infections Diseases 0.000 description 1
- 244000307700 Fragaria vesca Species 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 239000005805 Mepanipyrim Substances 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 241000132152 Polymyxa Species 0.000 description 1
- 241000589776 Pseudomonas putida Species 0.000 description 1
- 239000005828 Pyrimethanil Substances 0.000 description 1
- 244000061458 Solanum melongena Species 0.000 description 1
- 235000002597 Solanum melongena Nutrition 0.000 description 1
- 239000005842 Thiophanate-methyl Substances 0.000 description 1
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- RIOXQFHNBCKOKP-UHFFFAOYSA-N benomyl Chemical compound C1=CC=C2N(C(=O)NCCCC)C(NC(=O)OC)=NC2=C1 RIOXQFHNBCKOKP-UHFFFAOYSA-N 0.000 description 1
- MITFXPHMIHQXPI-UHFFFAOYSA-N benzoxaprofen Natural products N=1C2=CC(C(C(O)=O)C)=CC=C2OC=1C1=CC=C(Cl)C=C1 MITFXPHMIHQXPI-UHFFFAOYSA-N 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 239000006013 carbendazim Substances 0.000 description 1
- JNPZQRQPIHJYNM-UHFFFAOYSA-N carbendazim Chemical compound C1=C[CH]C2=NC(NC(=O)OC)=NC2=C1 JNPZQRQPIHJYNM-UHFFFAOYSA-N 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- HAORKNGNJCEJBX-UHFFFAOYSA-N cyprodinil Chemical compound N=1C(C)=CC(C2CC2)=NC=1NC1=CC=CC=C1 HAORKNGNJCEJBX-UHFFFAOYSA-N 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- WURGXGVFSMYFCG-UHFFFAOYSA-N dichlofluanid Chemical compound CN(C)S(=O)(=O)N(SC(F)(Cl)Cl)C1=CC=CC=C1 WURGXGVFSMYFCG-UHFFFAOYSA-N 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000011323 eye infectious disease Diseases 0.000 description 1
- FKLFBQCQQYDUAM-UHFFFAOYSA-N fenpiclonil Chemical compound ClC1=CC=CC(C=2C(=CNC=2)C#N)=C1Cl FKLFBQCQQYDUAM-UHFFFAOYSA-N 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- CIFWZNRJIBNXRE-UHFFFAOYSA-N mepanipyrim Chemical compound CC#CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 CIFWZNRJIBNXRE-UHFFFAOYSA-N 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- XGXNTJHZPBRBHJ-UHFFFAOYSA-N n-phenylpyrimidin-2-amine Chemical compound N=1C=CC=NC=1NC1=CC=CC=C1 XGXNTJHZPBRBHJ-UHFFFAOYSA-N 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 238000003359 percent control normalization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 235000015136 pumpkin Nutrition 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000028070 sporulation Effects 0.000 description 1
- -1 strains Substances 0.000 description 1
- 235000021012 strawberries Nutrition 0.000 description 1
- 239000004308 thiabendazole Substances 0.000 description 1
- WJCNZQLZVWNLKY-UHFFFAOYSA-N thiabendazole Chemical compound S1C=NC(C=2NC3=CC=CC=C3N=2)=C1 WJCNZQLZVWNLKY-UHFFFAOYSA-N 0.000 description 1
- 229960004546 thiabendazole Drugs 0.000 description 1
- 235000010296 thiabendazole Nutrition 0.000 description 1
- QGHREAKMXXNCOA-UHFFFAOYSA-N thiophanate-methyl Chemical compound COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC QGHREAKMXXNCOA-UHFFFAOYSA-N 0.000 description 1
- HYVWIQDYBVKITD-UHFFFAOYSA-N tolylfluanid Chemical compound CN(C)S(=O)(=O)N(SC(F)(Cl)Cl)C1=CC=C(C)C=C1 HYVWIQDYBVKITD-UHFFFAOYSA-N 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템은 센서부로부터 전송받는 시설온실의 실내온도, 실내습도, 상기 시설온실에서 재배되는 작물의 엽온이 저장되는 센서 DB, 기준시설온실 내부의 초기 포자수, 상기 초기 포자수가 변화하는 포자수 변화정보, 상기 기준시설온실 내부의 온도, 습도를 포함하는 환경정보, 상기 기준시설온실에서 재배되는 기준작물의 엽온정보 및 상기 포자수 변화정보, 상기 환경정보, 상기 엽온정보에 대응하는 잿빛곰팡이병 발생률정보가 매칭 테이블로 저장되어 있는 기준 DB 및 관리자 단말로부터 전송받은 상기 시설온실의 포자수 정보, 상기 센서부로부터 전송받은 상기 시설온실의 실내온도, 실내습도, 상기 작물의 엽온을 상기 기준 DB에 저장되어 있는 매칭 테이블에 적용하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 발생확률을 계산하여 사용자 단말로 제공하는 분석부를 포함한다.
본 발명에 따르면, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 지속적인 재발생을 신뢰성있게 예측할 수 있다.
본 발명에 따르면, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 지속적인 재발생을 신뢰성있게 예측할 수 있다.
Description
본 발명은 시설재배 작물의 잿빛곰팡이병 발생 예측 시스템 및 방법에 관한 것이다. 보다 구체적으로, 본 발명은 시설온실(비닐, 경질판 또는 유리온실)에서 재배되는 작물(가지, 고추, 딸기, 메론, 상추, 수박, 오이, 참외, 토마토, 포도, 피망, 호박 등)의 잿빛곰팡이병 초기 발생 및 방제 후 지속적인 재발생을 신뢰성있게 예측할 수 있는 시스템 및 방법에 관한 것이다.
시설온실은 작물생육에 적합한 환경을 유지하여 주년생산을 할 수 있어 겨울철 노지재배가 불가능한 시기에 채소 등 작물을 재배할 수 있다. 하지만 시설재배를 할 경우 시설 내의 공중습도는 노지에 비하여 항상 높아 곰팡이로 인한 병 발생이 잦아지게 된다. 이는 원예시설이 피복재로 쌓여 외부와 차단되어 있어 인위적인 관수가 이루어지는 경우 높은 기온으로 증발산이 심하고, 환기가 제대로 이루어지지 않기 때문이다. 특히 겨울철 저온기에는 온도를 맞추기 위해 환기를 억제하기 때문에 밀폐된 시설은 실내습도가 높게 유지되고, 작물체 표면에 이슬이 맺히는 현상도 발생하게 되어 곰팡이병 발생이 더욱 촉진되게 된다.
이렇게 발생하는 곰팡이병 중 잿빛곰팡이병(Gray mold)은 전 세계적으로 채소류, 관상식물류, 과실류 등 다양한 작물에서 연중 흔하게 발생하는 병으로 꽃, 과실, 줄기, 잎 등의 식물 부위에 회색의 곰팡이가 생겨 감염된 부위가 마르거나 썩는 병징을 나타낸다. 작물에 발생한 잿빛곰팡이로 인하여 생산량과 품질이 저하되어 농가의 소득이 감소하고 방제로 인한 비용은 증가하게 된다. 이러한 잿빛곰팡이병의 원인균 중 하나인 보트리티스 시네레아(Botrytis cinerea)는 회색 균사와 분생자경을 형성하고, 분생자경 끝에는 회색이나 무색의 난형 분생포자를 다발로 형성한다. 분생자경과 분생포자는 포도송이와 유사하고, 분생포자는 다습한 날씨에 쉽게 방출되어 기류를 따라 이동한다. 대기 중 분생포자의 수가 많을수록 발병속도가 빨라진다. 이 균은 부패된 식물 잔재 내에서 균사체나 균핵 상태로 토양에서 월동한다. 병원균의 생장, 포자형성, 포자 방출과 발아, 감염 후 정착하기 위한 최적의 조건으로 18~23℃의 온도와 다습한 기후가 요구된다. 발아하는 포자는 상처를 통해 조직에 침입하고, 늙은 꽃잎, 죽어가는 잎, 죽은 줄기 등에 균사를 형성한다. 균핵도 발아하여 균사다발을 형성함으로써 직접 침입하는 경우가 많으나, 드물게 균핵이 발아하여 자낭반과 자낭포자를 형성하기도 한다.
시설온실에서 재배되는 작물은 항상 같은 환경조건을 유지시키므로 병 또한 연중 다회 발생할 확률이 높다. 방제 조치를 할 경우에도 특정 병 조건을 충족시킬 수 있는 환경이 유지되므로 2차, 3차 발생하기가 쉽다. 이러한 시설온실의 환경특성을 관측하고 어떤 환경조건이 지속적으로 유지되면 병이 발생하게 되는지 연구하여 병 발생에 최적인 상태가 일정기간 유지되면 병발생을 예측하여 알려주는 시스템의 개발이 이루어져 왔다.
현재까지 개발된 병 발생 및 방제에 관한 선행기술문헌들과 연구문헌들을 포함하는 종래 기술은 환경 관측 후 1차 발생에 대해서만 언급이 되어있는 것이 대부분이다. 이러한 종래 기술에 따르면, 대기온습도, 토양온습도 등 환경정보로만 병 발생을 예측하는데 병을 일으키는 원인균은 식물체에 부착하여 살아가므로 식물의 상태를 고려하지 않은 대기와 토양 환경만으로는 병발생 조건을 정확하게 판단할 수 없다.
잿빛곰팡이병 예찰 선행문헌은 온도 15~25℃, 습도 70% 이상 조건이 일정기간 유지되는 환경적 요인으로만 판단하여 기준값에 도달하면 약제를 살포하는데, 어떤 종류의 약제를 어떤 방법으로 사용하였는지 방제관련 정보가 관리되지 않아 화합물 성분이 같은 약제를 지속 살포하는 경우 잿빛곰팡이병 원인균의 변이 또는 내성이 발생하는 등의 문제가 발생할 수 있다. 또한 방제 이후 재발생에 대해서 방제 전과 같은 조건으로 병 발생을 예찰하거나 예측하므로 정확도가 떨어지는 문제가 있다. 이는 초기 포자수 및 재발에 의해 변화되는 포자수에 따라 달라지는 병발생 속도를 고려하지 않았기 때문이다. 따라서 식물체의 상태와 초기 포자수를 고려한 병발생 예측을 하여 정확도를 높일 필요성이 있고, 적절한 방제방법을 알려주고 방제관련 정보를 수집하여 방제로 인해 변화한 포자수를 고려하여 재발생을 예측할 필요성이 있다.
본 발명은 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 지속적인 재발생을 신뢰성있게 예측할 수 있도록 하는 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템 및 방법을 제공하는 것을 목적으로 한다.
이에, 본 발명은 시설재배 작물의 상태와 초기 포자수를 고려하여 병발생 예측을 함으로써 예측 정확도를 높일 수 있고, 사용자에게 적절한 시점에 적절한 방제방법을 알려줘 효과적인 방제를 수행할 수 있도록 하고, 방제수행 정보를 사용자로부터 수집하여 방제로 인해 변화한 포자수를 고려하여 재발생을 신뢰성있게 예측할 수 있도록 하는 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템 및 방법을 제공하는 것을 목적으로 한다.
이러한 기술적 과제를 해결하기 위한 본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템은 센서부로부터 전송받는 시설온실의 실내온도, 실내습도, 상기 시설온실에서 재배되는 작물의 엽온이 저장되는 센서 DB, 기준시설온실 내부의 초기 포자수, 상기 초기 포자수가 변화하는 포자수 변화정보, 상기 기준시설온실 내부의 온도, 습도를 포함하는 유효환경정보, 상기 기준시설온실에서 재배되는 기준작물의 엽온정보 및 상기 포자수 변화정보, 상기 환경정보, 상기 엽온정보에 대응하는 잿빛곰팡이병 발생률정보가 매칭 테이블로 저장되어 있는 기준 DB 및 관리자 단말로부터 전송받은 상기 시설온실의 초기 포자수 , 상기 센서부로부터 전송받은 상기 시설온실의 실내온도, 실내습도, 상기 작물의 엽온을 상기 기준 DB에 저장되어 있는 매칭 테이블에 적용하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 초기 발생확률 및 재발생확률 을 계산하여 사용자 단말로 제공하는 분석부를 포함한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템에 있어서, 상기 관리자 단말로부터 전송받은 상기 시설온실의 초기 포자수 정보는 상기 시설온실에서 표본 포집되어 배양된 표본 포자의 수를 상기 시설온실의 체적으로 환산한 정보이고, 상기 분석부는, 상기 시설온실의 초기 포자수 정보를 상기 기준 DB에 저장된 매칭 테이블의 초기 포자수에 대입하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 발생확률을 계산하는 것을 특징으로 한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템에 있어서, 상기 분석부는, 상기 사용자 단말로 계산된 잿빛곰팡이병 발생확률에 대응하는 알림정보를 제공하되, 계산된 잿빛곰팡이병 발생확률이 설정된 임계치 이상인 경우 농약정보 보기 선택버튼이 포함된 알림정보를 상기 사용자 단말로 제공하는 것을 특징으로 한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템에 있어서, 상기 기준 DB를 구성하는 농약 DB에는 잿빛곰팡이병 원인균의 생활사를 기준으로 구분된 농약의 작용시점 및 농약의 방제효과를 나타내는 방제가가 농약의 종류별로 구분되어 저장되어 있고, 상기 분석부는, 사용자에 의해 상기 농약정보 보기 선택버튼이 선택되는 경우 상기 잿빛곰팡이병 발생확률에 대응하는 농약정보를 제공하되, 상기 사용자 단말로 제공되는 농약정보는 상기 농약 DB에 저장되어 있는 작용시점과 방제가를 기준으로 선택된 농약들에 대한 정보인 것을 특징으로 한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템에 있어서, 상기 분석부는, 사용자에 의해 상기 농약정보 보기 선택버튼이 선택되는 경우 상기 사용자 단말에 농약 사용과 관련한 방제방법을 선택하는 방제방법 선택버튼이 표시되도록 제어하고, 상기 방제방법 선택버튼을 통해 선택된 방제방법에 대응하는 농약정보를 상기 사용자 단말로 제공하는 것을 특징으로 한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템에 있어서, 상기 분석부는, 상기 사용자 단말로부터 전송받은 방제정보 및 상기 기준 DB를 구성하는 포자수 DB에 저장된 포자수 변화정보 에 따라 상기 시설온실의 포자수 정보를 보정하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 재발생확률을 계산하여 상기 사용자 단말로 제공하는 것을 특징으로 한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템에 있어서, 상기 분석부가 상기 사용자 단말로부터 전송받는 방제정보는 잿빛곰팡이병 발생유무, 방제여부, 사용농약에 대한 정보를 포함하는 것을 특징으로 한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템에 있어서, 상기 기준 DB를 구성하는 농약 DB에는 농약의 방제효과를 나타내는 방제가가 농약의 종류별로 구분되어 저장되어 있고, 상기 분석부는 상기 방제정보에 포함된 사용농약의 방제가를 상기 농약 DB로부터 추출하고, 추출된 방제가 및 상기 기준 DB를 구성하는 포자수 DB에 저장된 포자수 변화정보 에 따라 상기 시설온실의 포자수 정보를 보정하고, 보정된 포자수 정보를 잿빛곰팡이병 재발생확률 계산에 반영하는 것을 특징으로 한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 방법은, 분석부가 관리자 단말로부터 시설온실의 초기 포자수를 전송받는 단계, 센서 DB가 상기 시설온실에 설치된 센서부로부터 전송받는 상기 시설온실의 실내온도, 실내습도, 상기 시설온실에서 재배되는 작물의 엽온을 저장하는 단계, 상기 분석부가 상기 관리자 단말로부터 전송받은 상기 시설온실의 초기 포자수, 상기 센서부로부터 전송받아 상기 센서 DB에 저장된 상기 시설온실의 실내온도, 실내습도, 상기 작물의 엽온을 기준 DB에 저장되어 있는 매칭 테이블에 적용하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 초기 발생확률 및 재발생확률을 계산하는 단계 및 상기 분석부가 계산된 잿빛곰팡이병 초기 발생확률 및 재발생확률에 따른 정보를 사용자 단말로 제공하는 단계를 포함한다.
본 발명에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 방법에 있어서, 상기 기준 DB에 저장된 매칭 테이블에는 기준시설온실 내부의 초기 포자수, 상기 초기 포자수가 변화하는 포자수 변화정보, 상기 기준시설온실 내부의 온도, 습도를 포함하는 환경정보, 상기 기준시설온실에서 재배되는 기준작물의 엽온정보 및 상기 포자수 변화정보, 상기 환경정보, 상기 엽온정보에 대응하는 잿빛곰팡이병 발생률정보가 상호 매칭되어 저장되어 있는 것을 특징으로 한다.
본 발명에 따르면, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 지속적인 재발생을 신뢰성있게 예측할 수 있도록 하는 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템이 제공되는 효과가 있다.
또한, 시설재배 작물의 상태와 초기 포자수를 고려하여 병발생 예측을 함으로써 예측 정확도를 높일 수 있고, 사용자에게 적절한 시점에 적절한 방제방법을 알려줘 효과적인 방제를 수행할 수 있도록 하고, 방제수행 정보를 사용자로부터 수집하여 방제로 인해 변화한 포자수를 고려하여 재발생을 신뢰성있게 예측할 수 있도록 하는 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템이 제공되는 효과가 있다.
보다 구체적으로, 식물 엽온과 초기 포자수 데이터를 활용하여 분석하므로 잿빛곰팡이병 발생 예측의 정확도를 높일 수 있으며, 병의 진전과 방제로 인한 포자수 변화를 예측하여 연중 다회 발생하는 잿빛곰팡이병에 맞춘 병발생 예측이 가능하다는 효과가 있다.
또한, 잿빛곰팡이병의 발생이 예상되어 주의가 필요한 시기에 미리 방제정보를 알려주기 때문에 병발생 후 방제할 때보다 적은 약제사용으로도 효과를 볼 수 있어 비용을 절감할 수 있고 병으로 인한 피해를 최소화 할 수 있으며, 소비자에게 건강한 농산물을 제공할 수 있다는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템을 나타낸 도면이고,
도 2는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 온도별 시간에 따른 포자수 변화를 나타낸 그래프이고,
도 3은 본 발명의 일 실시 예에 있어서, 포자수에 따른 잿빛곰팡이병 발생률을 나타낸 그래프이고,
도 4는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 습도 100% 조건에서 온도별 잿빛곰팡이병 발생률을 나타낸 그래프이고,
도 5는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 온도 20℃ 조건에서 습도별 잿빛곰팡이병 발생률을 나타낸 그래프이고,
도 6은 본 발명의 일 실시 예에 있어서, 실내습도와 실내온도를 분산형으로 나타낸 그래프이고,
도 7은 본 발명의 일 실시 예에 있어서, 실내습도와 식물 체온(엽온)을 분산형으로 나타낸 그래프이고,
도 8은 본 발명의 일 실시 예에 있어서, 방울토마토 잎의 24시간 온도변화를 나타낸 그래프이고,
도 9는 본 발명의 일 실시 예에 있어서, 열화상카메라로 측정한 방울토마토 엽온 이미지를 나타낸 도면이고,
도 10은 본 발명의 일 실시 예에 있어서, 열화상카메라로 측정한 딸기 엽온 이미지를 나타낸 도면이고,
도 11은 잿빛곰팡이병 원인균의 생활사를 나타낸 도면이고,
도 12는 본 발명의 일 실시 예에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 예측 시스템의 예시적인 동작방법을 나타낸 도면이고,
도 13은 본 발명의 일 실시 예에 따른 시설재배 작물의 잿빛곰팡이병 재발생 예측 시스템의 예시적인 동작방법을 나타낸 도면이고,
도 14는 본 발명의 일 실시 예에 있어서, 사용자 단말의 어플리케이션에서 병발생 확률을 제공하는 예시적인 화면 구성을 나타낸 도면이고,
도 15는 본 발명의 일 실시 예에 있어서, 사용자 단말의 어플리케이션에서 농약정보를 제공하는 예시적인 화면 구성을 나타낸 도면이고,
도 16은 본 발명의 일 실시 예에 있어서, 사용자 단말의 어플리케이션을 통해 사용자가 방제정보를 입력 및 조회하는 예시적인 화면 구성을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 온도별 시간에 따른 포자수 변화를 나타낸 그래프이고,
도 3은 본 발명의 일 실시 예에 있어서, 포자수에 따른 잿빛곰팡이병 발생률을 나타낸 그래프이고,
도 4는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 습도 100% 조건에서 온도별 잿빛곰팡이병 발생률을 나타낸 그래프이고,
도 5는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 온도 20℃ 조건에서 습도별 잿빛곰팡이병 발생률을 나타낸 그래프이고,
도 6은 본 발명의 일 실시 예에 있어서, 실내습도와 실내온도를 분산형으로 나타낸 그래프이고,
도 7은 본 발명의 일 실시 예에 있어서, 실내습도와 식물 체온(엽온)을 분산형으로 나타낸 그래프이고,
도 8은 본 발명의 일 실시 예에 있어서, 방울토마토 잎의 24시간 온도변화를 나타낸 그래프이고,
도 9는 본 발명의 일 실시 예에 있어서, 열화상카메라로 측정한 방울토마토 엽온 이미지를 나타낸 도면이고,
도 10은 본 발명의 일 실시 예에 있어서, 열화상카메라로 측정한 딸기 엽온 이미지를 나타낸 도면이고,
도 11은 잿빛곰팡이병 원인균의 생활사를 나타낸 도면이고,
도 12는 본 발명의 일 실시 예에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 예측 시스템의 예시적인 동작방법을 나타낸 도면이고,
도 13은 본 발명의 일 실시 예에 따른 시설재배 작물의 잿빛곰팡이병 재발생 예측 시스템의 예시적인 동작방법을 나타낸 도면이고,
도 14는 본 발명의 일 실시 예에 있어서, 사용자 단말의 어플리케이션에서 병발생 확률을 제공하는 예시적인 화면 구성을 나타낸 도면이고,
도 15는 본 발명의 일 실시 예에 있어서, 사용자 단말의 어플리케이션에서 농약정보를 제공하는 예시적인 화면 구성을 나타낸 도면이고,
도 16은 본 발명의 일 실시 예에 있어서, 사용자 단말의 어플리케이션을 통해 사용자가 방제정보를 입력 및 조회하는 예시적인 화면 구성을 나타낸 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.
본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.
도 1은 본 발명의 일 실시 예에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템을 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템(10)은 센서 DB(200), 기준 DB(100) 및 분석부(300)를 포함한다.
이하의 설명에서 기준시설온실은 잿빛곰팡이병 발생확률 계산에 이용되는 정보들을 수집하여 기준 DB(100)에 데이터베이스하기 위한 시설이며, 시설온실은 실제 사용자가 작물을 재배하는 시설로서, 본 발명은 이 시설온실에서 재배되는 작물의 잿빛곰팡이병 초기 발생 및 농약을 이용한 방제 후 지속적인 재발생을 신뢰성있게 예측하는 기술이다.
센서 DB(200)는 센서부(20)로부터 실시간 전송받는 시설온실의 실내온도, 실내습도, 시설온실에서 재배되는 작물의 엽온에 대한 정보가 저장되는 구성요소로서, 센서부(20)를 구성하는 각각의 센서가 전송하는 정보들은 센서 DB(200)에 누적 저장되며, 후술하는 분석부(300)가 시설온실에서 재배되는 작물의 잿빛곰팡이병 발생확률을 계산하는 기초 자료로 이용될 수 있다.
예를 들어, 센서부(20)는 시설온실 내부 공간의 온도를 측정하는 실내온도센서(22), 습도를 측정하는 실내습도센서(24), 시설온실에서 재배되는 작물의 엽온을 감지하는 열화상카메라(26)를 포함하여 구성될 수 있다.
기준 DB(100)는 포자수 DB(11), 환경 DB(120), 엽온 DB(130), 농약 DB(140)를 포함하여 구성되며, 이들은 기준시설온실 내부의 초기 포자수, 상기 초기 포자수가 변화하는 포자수 변화정보, 기준시설온실 내부의 온도, 습도를 포함하는 유효환경정보, 기준시설온실에서 재배되는 기준작물의 엽온정보 및 상기 포자수 변화정보, 농약에 사용된 화합물 종류에 따른 작용시점과 방제가에 대응하는 잿빛곰팡이병 발생률정보 등이 매칭 테이블로 저장되는 구성요소이다.
분석부(300)는 관리자 단말(30)로부터 전송받은 시설온실의 초기 포자수, 센서부(20)로부터 실시간 전송받아 센서 DB(200)에 저장되는 시설온실의 실내온도, 실내습도, 시설온실에서 재배되는 작물의 엽온을 기준 DB(100)에 저장되어 있는 매칭 테이블에 적용하여 시설온실에서 재배되는 작물의 잿빛곰팡이병 초기 발생확률 및 재발생확률 을 계산하여 사용자 단말(40)로 제공하는 구성요소이다.
예를 들어, 관리자 단말(30)로부터 전송받은 시설온실의 초기 포자수 정보는 시설온실에서 표본 포집되어 배양된 표본 포자의 수를 시설온실의 체적으로 환산한 정보일 수 있으며, 분석부(300)는, 시설온실의 초기 포자수 정보를 기준 DB(100)에 저장된 매칭 테이블의 초기 포자수에 대입하여 시설온실에서 재배되는 작물의 잿빛곰팡이병 발생확률을 계산할 수 있다.
예를 들어, 분석부(300)는, 사용자 단말(40)로 계산된 잿빛곰팡이병 발생확률에 대응하는 알림정보를 제공할 수 있으며, 계산된 잿빛곰팡이병 발생확률이 설정된 임계치 이상인 경우 농약정보 보기 선택버튼이 포함된 알림정보를 사용자 단말(40)로 제공할 수 있다.
예를 들어, 기준 DB(100)를 구성하는 농약 DB(140)에는 잿빛곰팡이병 원인균의 생활사를 기준으로 구분된 농약의 작용시점 및 농약의 방제효과를 나타내는 방제가가 농약의 종류별로 구분되어 저장되어 있고, 분석부(300)는, 사용자에 의해 농약정보 보기 선택버튼이 선택되는 경우 잿빛곰팡이병 발생확률에 대응하는 농약정보를 제공할 수 있다. 이 경우, 사용자 단말(40)로 제공되는 농약정보는 농약 DB(140)에 저장되어 있는 작용시점과 방제가를 기준으로 선택된 농약들에 대한 정보일 수 있다.
예를 들어, 분석부(300)는, 사용자에 의해 농약정보 보기 선택버튼이 선택되는 경우 사용자 단말(40)에 농약 사용과 관련한 방제방법을 선택하는 방제방법 선택버튼이 표시되도록 제어하고, 방제방법 선택버튼을 통해 선택된 방제방법에 대응하는 농약정보를 사용자 단말(40)로 제공할 수 있다.
예를 들어, 분석부(300)는, 사용자 단말(40)로부터 전송받은 방제정보 및 기준 DB(100)를 구성하는 포자수 DB(110)에 저장된 포자수 변화정보 에 따라 시설온실의 초기 포자수 정보를 보정하여 시설온실에서 재배되는 작물의 잿빛곰팡이병 재발생확률을 계산한 후, 이 정보를 사용자 단말(40)로 제공할 수 있으며, 분석부(300)가 사용자 단말(40)로부터 전송받는 방제정보는 잿빛곰팡이병 발생유무, 방제여부, 사용농약에 대한 정보를 포함할 수 있다.
예를 들어, 기준 DB(100)를 구성하는 농약 DB(140)에는 농약의 방제효과를 나타내는 방제가가 농약의 종류별로 구분되어 저장되어 있고, 분석부(300)는 방제정보에 포함된 사용농약의 방제가를 농약 DB(140)로부터 추출하고, 추출된 방제가 및 기준 DB(100)를 구성하는 포자수 DB(110)에 저장된 포자수 변화정보 에 따라 시설온실의 초기 포자수 정보를 보정하고, 보정된 포자수 정보를 잿빛곰팡이병 재발생확률 계산에 반영할 수 있다.
< 데이터 수집 및 데이터베이스 >
이하에서는 데이터 수집 및 데이터베이스 구축과 관련한 예시적인 구성을 설명한다.
1. 포자수 DB(110)
비산되는 잿빛곰팡이 포자를 수집하기 위하여 5L 부피의 멸균백을 이용하여 온실 내 공기를 포집한 후 잿빛곰팡이 선택배지인 BSTM배지를 멸균백 입구에 위치시켜 24시간 방치시킨다. 이후 배지를 밀봉한 다음 20℃에서 5일간 배양한다. 배지에 채집된 포자의 수를 혈구계산판을 이용하여 측정하고, 배지 내 포자수는 5L 멸균백 내 포자수와 동일하다. 5L 멸균백 내 포자수를 기준시설온실 전체 부피로 산정하여 기준시설온실 내 포자수를 파악한다. 기준시설온실의 동고, 측고, 폭, 길이를 이용하여 기준시설온실의 부피(단위: m3)를 계산한다. 멸균백 내 포자수를 멸균백의 부피로 나눈 후 단위변환하고 기준시설온실 부피와 곱하여 기준시설온실 내 포자수(단위: conidia)를 구한다. 기준시설온실 내 포자수를 기준시설온실의 부피로 나누어 기준시설온실 내 단위부피당 포자수(단위: conidia/m3)를 산정한다.
즉, 기준시설온실 내 포자수 (단위: conidia) = (멸균백 내 포자수 ÷ 5) × 1000 × 기준시설온실 부피일 수 있다.
도 2는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 온도별 시간에 따른 포자수 변화를 나타낸 그래프이다.
도 2를 참조하면, 106conidia/ml 의 포자접종 후 습도 100% 조건에서 시간과 온도에 따라 배지에서 생성되는 포자수 변화가 개시되어 있으며, 접종 3일 후 20℃는 초기포자의 1/10, 15℃는 1/100이 생성되었고, 10℃와 25℃는 포자 생성 전이었다. 4일경에 20℃는 전날보다 5배, 15℃는 10배 늘어났고, 5일경에는 전날보다 20℃는 2배, 15℃는 10배가 증가하였다. 이때부터 10℃는 초기포자의 1/1000, 25℃는 500/1이 생성되었다. 6일경에는 전날보다 10℃는 10배, 15℃와 20℃는 2배, 25℃는 5배 증가하였고, 그 후에는 모든 온도에서 24시간마다 각각 2배씩 증가되는 경향을 보였다.
도 3은 본 발명의 일 실시 예에 있어서, 포자수에 따른 잿빛곰팡이병 발생률을 나타낸 그래프로서, 병발생률은 병의 세기를 측정하는 단위로 주로 식물체의 전체주수당 발병주수를 근거로 한다. 병발생은 잿빛곰팡이병에 감염되어 육안으로 확인되는 균사체가 있을 때 발생한 것으로 판단한다. 사용자 단말(40)에서 실행되는 어플리케이션에서 제공되는 병발생 확률은 원인균이 발아하여 균사가 생장될 가능성을 나타낸 것으로 여기서 설명하는 병발생률과는 다르다.
도 3에 개시된 바와 같이, 온도 20℃, 습도 100%의 조건에서 포자수를 달리하여 토마토 줄기에 접종하였을 때 포자수가 증가함에 따라 병발생률이 높아졌고, 1000conidia/plant 이상부터 유효한 것으로 나타났다.
도 4는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 습도 100% 조건에서 온도별 잿빛곰팡이병 발생률을 나타낸 그래프이다.
도 4를 참조하면, 106conidia/ml 의 포자접종 후 습도 100% 조건에서 시간에 따라 달라지는 잿빛곰팡이병 발생률이 온도별로 개시되어 있다. 일정 온도와 습도 조건이 유지되는 시간이 증가할수록 병발생률이 증가하였고, 병발생률이 25℃ 이상에서 감소하고, 30℃에서 가장 낮은 병발생률을 보였기 때문에 유효한 실내온도는 10~25℃ 로 판단하였다.
도 5는 본 발명의 일 실시 예에 있어서, 106conidia/ml 의 포자접종 후 온도 20℃ 조건에서 습도별 잿빛곰팡이병 발생률을 나타낸 그래프이다.
도 5를 참조하면, 106conidia/ml 의 포자접종 후 온도 20℃ 조건에서 시간과 습도에 따라 달라지는 잿빛곰팡이병 발생률이 개시되어 있다. 시간이 흐름에 따라 병발생률이 증가하였고, 병발생률이 70%를 넘긴 90%이상의 습도가 유효한 환경인 것으로 판단되었다.
위의 자료들을 토대로 기준시설온실 내 초기 포자수와 대기온습도에 따라 달라지는 잿빛곰팡이병 발생률과 시간에 따라 달라지는 잿빛곰팡이 포자수를 데이터베이스화하였다.
2. 환경 DB(120)
실내환경 데이터를 수집하기 위해 실내 온/습도센서를 설치하여 1분 단위로 측정된 데이터를 수집하였으며, 잿빛곰팡이병 발생에 유효한 환경패턴을 찾아내기 위하여 도 6과 같이 24시간동안 측정된 실내온습도를 분산형으로 나타내어 분석을 실시하였다. 주간과 야간을 사각형과 삼각형으로 나누어 표시하였고, 도 6에 개시된 그래프의 배경은 선행논문들을 참고하여 온도와 습도별 작물 생육에 적합한 조건과 잿빛곰팡이병이 위험하거나 경계해야하는 조건을 나타내었다. 도 6의 A구간은 생육에 부적합하면서 잿빛곰팡이 위험인 조건, B구간은 생육에 부적합하면서 잿빛곰팡이 경계인 조건, C구간은 생육은 양호하나 잿빛곰팡이를 경계해야하는 조건, D구간은 생육에는 적합하나 잿빛곰팡이를 경계해야하는 조건, E구간은 생육과 잿빛곰팡이가 양호한 조건, F구간은 생육에 부적합하지만 잿빛곰팡이는 양호한 조건이다.
실제로 이를 참고하여 대기 중 온습도로 잿빛곰팡이병 발생을 예측하였더니 잿빛곰팡이 경계조건보다 위험조건이 주로 잿빛곰팡이 발생에 영향을 미쳤고, 이때 실내환경 조건은 온도는 10~25℃ 습도는 90% 이상이었다. 시간대는 일몰 30분 전부터 일출 2시간30분 후까지가 해당되어 야간의 실내온습도가 잿빛곰팡이병 발생에 큰 영향을 미치는 것으로 판단하였다.
같은 기간 식물 체온, 즉, 엽온과 대기습도로 도 7과 같이 잿빛곰팡이병 발생을 예측하였더니, 잿빛곰팡이 위험조건이 일몰 15분 전부터 일출 2시간15분 후까지 유지되었다.
따라서 잿빛곰팡이 위험조건이 실내온도는 12시간45분, 엽온은 12시간15분으로 관측되어 엽온이 30분 정도 적은 것으로 나타났다.
잿빛곰팡이병 원인균은 대기 중이 아닌 식물에 부착하여 살아가므로 대기의 온도보다 식물체의 온도가 잿빛곰팡이병의 진행에 영향을 미치는데 실내온도와 엽온 사이에 차이가 발생하기 때문에 실내온도를 이용하여 잿빛곰팡이병을 예측하는 것보다 엽온을 활용하여 예측하는 것이 정확도를 높일 수 있다고 판단하였다.
3. 엽온 DB(130)
도 8은 본 발명의 일 실시 예에 있어서, 방울토마토 잎의 24시간 온도변화를 나타낸 그래프이고, 도 9는 본 발명의 일 실시 예에 있어서, 열화상카메라로 측정한 방울토마토 엽온 이미지를 나타낸 도면이고, 도 10은 본 발명의 일 실시 예에 있어서, 열화상카메라로 측정한 딸기 엽온 이미지를 나타낸 도면으로서, FLIR E6 열화상카메라(-20~250℃ 온도범위의 단열재, 바닥, 벽체, 난방배관 등 표면에서 나오는 복사열을 측정)를 활용하여 시설에서 많이 재배되는 작물 중 방울토마토와 딸기를 선정하여 방울토마토 농가와 딸기농가 각각 1개소에서 작물의 엽온을 24시간동안 측정하여, 이를 통해 작물의 엽온과 대기온도의 변화 패턴을 파악할 수 있었고, 잿빛곰팡이병의 발생에 영향을 미치는 결로의 발생 시점 또한 파악이 가능하였다.
그 결과 도 8에 개시된 바와 같이, 13시부터 15시까지 엽온이 28.1±1.7℃로 실내온도(27±1.1℃)보다 큰 폭으로 변동되었고, 이후 16시45분시까지 15시30분을 제외하고 엽온이 실내온도보다 1℃ 정도 낮았다. 이후 18시45분까지 엽온이 실내온도보다 1℃ 정도 높고, 그 이후부터 다음날 아침 9시까지 엽온이 실내온도보다 2~4℃ 정도 높고, 아침 9시부터 13시까지 엽온이 1~2℃ 정도 높았다. 야간에 실내온도가 급격히 낮아지는 반면에 엽온은 느리게 낮아지는 영향으로 실내온도와 엽온의 차이가 커진 것으로 판단된다.
결로의 경우 잎의 이슬점온도보다 실내온도가 낮은 조건에서 발생하는 것으로 관측되었고, 19시부터 다음날 8시15분까지가 해당되었다.
식물체의 체온(엽온)을 측정해 이를 데이터베이스화 하여 더욱 정확한 잿빛곰팡이병 데이터베이스를 만들 수 있었다.
4. 농약 DB(140)
농촌진흥청 국립농업과학원의 농약정보서비스의 농약정보, 한국작물보호협회의 작물보호제 지침서, 농약별 방제 실험 논문을 토대로 작용시점, 방제가 등의 정보를 수집하여 데이터베이스화 하였다. 농약에 사용된 화합물의 종류에 따라 작용시점과 방제가를 나타낸 예시는 표 1과 같다. 이를 바탕으로 방제에 따라 변하는 잿빛곰팡이병 원인균의 포자수와 발병률을 보정한다.
예를 들어, 표 1의 water soluble sulfur 성분의 약제를 사용하는 경우 작용시점이 잿빛곰팡이병 원인균의 생활사를 나타낸 도 11의 ①번에 해당된다. 이는 분생포자의 발아를 억제하는 효과가 있어 작물이 잿빛곰팡이병에 감염되는 것을 막을 수 있다.
| 종류 | 구성 물질 | 작용 시점 | 방제가 | |
| 화학적방제제 | benzimidazole | benomyl | 2,3,4 | 95% (105conidia/ml) 15% (106conidia/ml) 약제저항성균 |
| carbendazim | ||||
| thiophanate-methyl | ||||
| thiabendazole | ||||
| anilinopyrimidine | mepanipyrim | 2,3 | 80~90% (103conidia/ml) | |
| pyrimethanil | ||||
| cyprodinil | ||||
| sulfonamide | dichlofluanid | 1,2,3,4, 5,6,7,8 |
80~95% (103conidia/ml) | |
| tolylfluanid | ||||
| phenylpyrrole | fludioxonil | 1,2,3 | 1회 73% 2회 95.9% |
|
| fenpiclonil | ||||
| hydroxyanilide | fenhexamid | 1,2,3 | 90% (105conidia/ml) | |
| 친환경방제제 | 자연광물 | water soluble sulfur | 1 | 포자발아 억제 95% (104conidia/ml) 90% (105conidia/ml) 균사생장 억제 20% (104conidia/ml) |
| copper | ||||
| 미생물 추출물 | Bacillus subtilis | 2,3 | 균사생장 억제 99% (104conidia/ml) 포자발아 억제 15~30% (104conidia/ml) |
|
| Panibacillus polymyxa No.72 | ||||
| Bacillus velezensis NS05 | ||||
| Pseudomonas putida LSW 17S | ||||
<잿빛곰팡이병 발생 예측>
도 1을 다시 참조하면, 본 발명의 일 실시 예에 따른 잿빛곰팡이병 발생 예측 시스템(10)의 사용자는 사용자 단말(40)에서 실행중인 어플리케이션을 통해 농장, 즉, 자신의 시설온실을 등록하고, 작기정보(정식일, 재배종료일), 온실정보(종류, 동고, 측고, 폭, 길이), 센서정보(실내온도센서(22), 실내습도센서(24), 열화상카메라), 지난 방제정보(병발생 유무, 방제일, 살포 농약명)를 등록한다. 잿빛곰팡이병 발생 예측은 수집된 포자수, 실내온도, 실내습도, 엽온 데이터가 분석부(300)로 전송되면, 분석부(300)가 데이터 분석을 시작하고, 그 결과가 사용자 단말(40)의 어플리케이션을 통해 사용자에게 병발생 확률로 제공된다. 센서 설치 후 잿빛곰팡이병 초기 예측이 진행되고, 사용자가 정확한 방제정보를 입력할 경우 재발생 예측이 진행된다.
예를 들어, 도 13 및 도 14를 추가로 참조하면, 분석부(300)는 병발생 확률이 60%이상일 경우, 사용자 단말(40)의 어플리케이션을 통해 알림과 함께 병발생 유무, 방제 진행 여부, 방제방법을 문의할 수 있다. 사용자가 방제방법(일반, 저농약, 무농약방제)을 선택하면 앞서 기준 DB(100)에 데이터베이스화한 농약정보를 활용하여 방제방법에 따라 각기 다른 방제관련 정보를 제공할 수 있다.
방제방법을 일반방제와 저농약 방제를 선택한 경우 화학적 방제제와 친환경 방제제를 모두 제공하고, 저농약 재배는 화학적 방제제보다 친환경 방제제 사용을 권고할 수 있다.
무농약 방제를 선택한 경우는 친환경 방제제 정보를 제공할 수 있다.
화학적 방제제 사용시 예측된 병발생 확률이 60%이상으로 잿빛곰팡이병 발생 전 병발생을 예방하기 위해 방제를 하는 경우 도 11의 작용시점 1, 2, 3, 4에 해당되는 약제를 추천할 수 있다. 잿빛곰팡이병 원인균의 발아를 억제하기 위해 작용시점 1이 포함된 약제를 우선 추천할 수 있다. 방제 후 잿빛곰팡이병 재발생 예측시 기존에 사용된 것과 다른 계열 구성물질의 방제제 사용을 추천할 수 있다. 잿빛곰팡이병이 발생한 경우 원인균의 전반적인 생활사(작용시점 1~8)에 영향을 미치는 약제를 우선 추천하고, 이후 균사 생장에 영향을 미치는 약제(작용시점 2, 3, 4)를 추천할 수 있다.
친환경 방제제 사용시 예측된 병발생 확률이 60%이상으로 잿빛곰팡이병 발생 전 병발생을 예방하기 위해 방제를 하는 경우 잿빛곰팡이병 원인균의 발아를 억제하기 위해 자연광물로 구성된 방제제를 추천할 수 있다. 방제 후 잿빛곰팡이병 재발생 예측시 기존에 사용된 것과 다른 구성물질의 방제제 사용을 추천할 수 있다. 잿빛곰팡이병이 발생한 경우 균사 생장을 억제하기 위해 미생물 추출물로 구성된 약제를 추천할 수 있다.
이하에서는, 도 12 내지 도 16을 추가로 참조하여, 잿빛곰팡이병 발생 예측을 초기 예측과 재발생 예측으로 구분하여 설명한다.
1. 초기 예측
먼저 시설온실 내에 센서부(20)를 설치하고 센서부(20)가 실내온도, 실내습도, 엽온을 측정하기 시작한다(S100).
관리자는 설치 시점에 온실 내 공기를 포집하여 공기 중 포자를 배지에서 배양시켜 온실 내 포자수를 파악하여 관리자 단말(30)을 통해 포자수를 입력한다(S110). 본 발명의 일 실시 예에 있어서, 병예측을 하여 제공하는 병발생 확률은 작물이 잿빛곰팡이병 원인균이 발아하여 균사가 생장될 가능성을 나타낸 것이다.
이후의 단계(S120 내지 S230)에서는, 포자수에 따른 병발생 확률과 온습도 등 환경에 따른 병발생 확률을 매칭시켜 잿빛곰팡이병 발생 확률을 계산한다.
포자수 입력 후 입력된 포자수에 해당되는 잿빛곰팡이병 발생 확률 정보가 선택이 되고(S120), 센서 DB에 저장된 센서 설치 후 5일 동안 수집된 온도, 습도, 엽온 측정 정보들 중(S130), 먼저 엽온과 실내습도를 환경 DB에 저장되어있는 잿빛곰팡이병 유효환경 패턴과 매칭시켜 잿빛곰팡이병 발생에 유효한 시점을 찾아내고(S140), 실내온도와 실내습도로 계산한 실내 이슬점 온도를 엽온과 비교하여 결로가 예상되는 시점을 파악하여 이 시점은 실내습도를 100%로 변환한 후 엽온 DB에 저장되어 있는 잿빛곰팡이병 발생 확률 정보와 매칭시켜(S150) 병발생 확률을 계산한다(S160).
예를 들어, 초기 잿빛곰팡이 포자가 106conidia/cm3 일 때 센서 설치 후 포자수가 입력되기까지 5일 동안 온도 20℃, 습도 100%인 조건이 유지된 누적시간이 36시간인 경우 표 2의 온도 20℃의 분당 병발생 확률로 계산한 병발생 확률은 60%가 된다. 표 2는 습도 100% 조건에서 분당 병발생 확률을 나타낸다.
| 습도(%) | 온도(℃) | 분당 병발생 확률(%) |
| 100 | 10 | 0.0139 |
| 100 | 15 | 0.0231 |
| 100 | 20 | 0.0278 |
| 100 | 25 | 0.0154 |
| 100 | 30 | 0.0099 |
다음 표 3은 병발생 확률 지표를 나타낸다.
| 병발생 확률 | 지표 | 제공정보 |
| ＜60 | 양호 | - |
| 60≤, ＜80 | 주의 | 농약정보 제공 |
| 80≤, ＜90 | 경계 | 농약정보 제공 |
| 90≤, ≤100 | 위험 | 농약정보 제공 |
표 3을 참조하면, 병발생 확률 60% 이상 80% 미만인 경우(S180) 주의 상태이고 농약정보를 제공해야 하는 상황이다. 이 경우, 분석부(300)의 제어에 의해 사용자 단말(40)의 어플리케이션을 통해 사용자에게 잿빛곰팡이병 주의 알림과 함께 사용자가 예비방제를 진행할 것인지 문의한다(S190). 사용자가 예비방제 진행 및 방제방법을 선택하고(S220) 이에 해당되는 농약정보를 제공한다(S230). 이와 관련하여 사용자에게 제공되는 화면 구성은 도 14, 도 15에 예시되어 있다. 한편, 이 시점은 원인균이 발아하고 있을 가능성이 있으니 표 1의 작용시점 1, 2에 해당되는 약제를 추천하여 제공한다. 사용자가 일반재배를 선택한 경우 도 16에 예시된 바와 같이 화학적 방제제와 친환경 방제제 중 해당되는 약제의 목록을 제공한다.
병발생 확률 80% 이상 90% 미만의 경계 상태인 경우 방제진행을 권고하고(S200내지 S210), 사용자가 방제방법을 선택한 후(S220) 원인균이 발아하여 균사가 생장하고 있을 가능성이 있으니 표 1의 작용시점 1, 2, 3에 해당되는 약제를 추천하여 제공한다(S230).
병발생 확률이 90%이상으로 위험 상태인 경우 바로 사용자가 방제방법을 선택하게 하고, 원인균이 발아하여 균사 및 분생자경이 생장하고 있을 가능성이 있으니 표 1의 작용시점 1, 2, 3, 4에 해당되는 약제를 추천하여 제공한다(S200내지 S230).
농약 정보를 제공한 후 초기 포자수와 엽온, 대기온습도를 매칭시켜 파악한 분당 병발생 확률을 지속적으로 누적시켜 병발생 확률을 실시간으로 제공한다(S130내지 S160). 이때 병발생 확률이 변경되었다면 예비방제 및 방제 진행여부를 문의하고, 병발생 확률이 변경되지 않았다면 다음날 이를 문의한다.
도 15에 예시된 바와 같이, 추천 농약의 정보는 제형, 계통, 주성분, 사용 적기 및 방법, 희석배수 안전사용기준, 독성, 혼용가능 농약을 제공한다.
초기 병발생 확률 통보시 60% 미만의 양호상태(S170) 또는 60% 이상이지만 방제하지 않은 경우 초기 포자수와 엽온, 대기온습도를 매칭시켜 파악한 분당 병발생 확률을 지속적으로 누적시켜 병발생 확률을 실시간으로 제공한다(S130내지 S160).
2. 재발생 예측
병발생 예측 시작 후 사용자가 어플리케이션에 잿빛곰팡이병 발생유무, 방제유무, 사용약제 정보 등 방제정보를 입력하면 입력된 방제정보에 따라 재발생 예측이 실시된다(S300 내지 S500).
사용자가 추천 약제 중 실제 사용한 약제를 선택하거나, 도 16에 예시된 어플리케이션 화면을 통해 직접 모든 방제정보를 입력한다(S310). 입력된 방제정보를 통해 병이 발생했는지 파악하여(S320), 병이 발생하기 전인 경우 사용 약제의 방제가 정보를 농약 DB에서 찾아내고(S360), 이를 적용하여 포자수와 병발생 확률을 보정한다. 센서 설치 시점에 조사한 초기 포자가 방제시점까지 누적된 병발생 확률만큼 발아하였다고 예상하고(S370), 발아한 포자는 적용 약제의 방제가 만큼 영향을 받았다고 판단한다. 초기 포자수에서 약제의 영향을 받은 포자수를 제외하여 방제 후 포자수를 보정한다. 병발생 확률 또한 적용 약제의 방제가를 곱하여 보정시킨다(S380). 적용 약제의 방제가는 권장처리횟수 완료 여부에 따라 다르게 적용시킨다. 보정된 병발생 확률에서 시작하여 엽온, 대기온습도를 매칭시켜 파악한 잿빛곰팡이병 발생 유효조건 누적에 따라 보정된 포자수에 의한 재발생 확률을 예측한다(S390내지 S420).
보정된 포자수 = 초기포자수 - (초기포자수 × 병발생 확률 × 방제가)
보정된 병발생 확률 = 방제 시점 병발생 확률 - (방제 시점 병발생 확률 × 방제가)
예를 들어, 초기 포자수가 106conidia/cm3 이고 병발생 확률은 80% 일 때, fludioxonil 성분의 약제를 사용한 경우 해당 약제의 1회 사용시 방제가 73%를 적용하여 계산한다. 그 결과 보정된 포자수는 4.16×105conidia/cm3 이고, 보정된 병발생 확률은 24%가 된다.
방제 후 재발생 예측시 보정된 포자수와 온습도에 따른 분당 병발생 확률을 누적시켜 보정된 병발생 확률과 더한다(S390에서 S420). 실시간으로 병 재발생 확률을 통보하고, 60% 이상 80% 미만이 될 경우 주의 알람과 함께 예비방제 진행 여부를 문의하고(S440내지 S450), 80%이상 90% 미만시 경고 알람과 함께 방제 진행을 문의한다(S470). 사용자가 방제방법 선택시(S480) 약제를 추천하는데, 사용자가 이전에 입력한 방제 정보를 활용하여(S490) 이전 방제에 사용한 약제와 다른 계열의 구성물질로 이루어진 약제를 우선순위로 하여 추천한다(S500). 재발생 확률이 90% 이상인 경우(S460) 위험 알람과 함께 바로 사용자가 방제방법을 선택하게 한 후 지난 방제정보를 참고하여 농약 정보를 제공한다(S480에서 S500).
사용자가 추천 약제 중 실제 사용한 약제를 선택하거나 직접 입력하여 방제정보를 등록한다(S310). 해당 약제의 1회 사용시 방제가를 적용하여 포자수와 병발생 확률을 보정한다(S360내지 S380). 사용자가 방제 진행 및 방제방법을 선택하면 지난 방제 정보를 참고하여 방제에 사용할 농약의 정보를 제공한다(S480에서 S500).
보정된 포자수는 4.16×105conidia/cm3 이고, 병발생 확률은 60% 일 때 fenhexamid 성분의 약제를 사용한 경우 방제가 90%를 적용하여 계산한다. 그 결과 보정된 포자수는 약 1.91×105conidia/cm3 이고, 보정된 병발생 확률은 6% 이다.
위와 같은 방법으로 방제 후에도 지속적으로 잿빛곰팡이병 발생을 예측한다.
사용자가 추천 약제 중 실제 사용한 약제를 선택하거나, 도 16에 예시된 어플리케이션 화면을 통해 직접 모든 방제정보를 입력하고(S310), 병발생 정보를 파악하여 병이 발생한 경우(S320), 병발생 확률 90% 이상 즉 위험단계에 병이 발생한 것인지 파악한다(S330).
병발생 확률 90% 미만 즉 위험단계 이전에 잿빛곰팡이병이 발생한 경우 포자수 DB를 통하여 현재까지 온습도로 파악한 분당 병발생 확률이 누적된 값이 100%가 될 수 있는 포자수를 역추적하여(S340) 초기 포자수를 수정한다(S350). 수정된 포자수를 바탕으로 사용 약제의 방제가를 적용하여 포자수와 병발생 확률을 보정한다(S360내지 S380).
병발생 확률 90% 이상 즉 위험단계에 병이 발생한 경우 적용 약제의 방제가를 파악하고(S360), 센서 설치 시점에 조사한 초기 포자가 방제시점까지 누적된 병발생 확률만큼 발아하였다 예상하고(S370), 발아한 포자는 적용 약제의 방제가 만큼 영향을 받았다고 판단한다. 초기 포자수에서 약제의 영향을 받은 포자수를 제외하여 방제 후 포자수를 보정한다. 병발생 확률 또한 적용 약제의 방제가를 곱하여 보정한다(S380).
초기포자수가 106conidia/cm3 이고, 20℃ 100%조건이 56시간 지속된 경우 병발생 확률이 93%로 위험단계 통보가 된다. 병발생 유무를 문의하고 사용자가 병발생을 선택하면 현재 균사 생장과 포자형성이 이뤄지는 상태이므로 표 3의 작용시점이 1~8단계인 약제를 추천한다. 추천약제로 방제를 한 경우 아래의 계산식으로 보정을 진행한다.
보정된 포자수 = 새로 생성된 포자수 - (새로 생성된 포자수 × 방제가)
보정된 병발생 확률 = 방제 시점 병발생 확률 - (방제 시점 병발생 확률 × 방제가)
포자수 데이터베이스에 따라 20℃, 100% 조건은 병이 발생한 시점에 초기 포자수의 1/10이 새로 생성된다고 예측한다. 105conidia/cm3 의 포자가 새로 생성되었고, 이 포자들은 sulfonamide계 방제약제의 영향을 받았다고 가정을 하여 80%의 방제가를 곱하여 보정을 한다. 그 결과 보정된 포자수는 2×104conidia/cm3 이고, 보정된 병발생 확률은 18.6%이다.
방제 후 재발생 예측시 보정된 포자수와 온습도에 따른 분당 병발생 확률을 누적시켜 보정된 병발생 확률과 더한다(S390에서 S420). 어플리케이션을 통해 실시간으로 재발생 확률을 제공하고 60% 이상 80% 미만시 예비방제 진행을 문의하고(S450), 80%이상 90% 미만시 방제 진행을 문의한 후(S470) 사용자가 방제 진행 및 방제방법을 선택하면 지난 방제 정보를 참고하여 방제에 사용할 농약의 정보를 제공한다(S480내지 S500). 재발생 확률이 90% 이상인 경우(S460) 바로 사용자가 방제방법을 선택한 후 지난 방제정보를 참고하여 농약 정보를 제공한다(S480내지 S500).
사용자가 방제정보 중 병발생 유무만 입력하였을 때(S310), 초기 포자수와 엽온, 대기온습도를 매칭시켜 파악한 분당 병발생 확률을 지속적으로 누적시켜 병발생 확률을 실시간으로 제공한다(S390 내지 S500).
사용자가 방제정보 중 사용 약제 관련 정보만 입력한 경우(S310) 사용 약제의 방제가 정보를 농약 DB에서 찾아내고(S360), 이를 적용하여 포자수와 병발생 확률을 보정한다. 센서 설치 시점에 조사한 초기 포자가 방제시점까지 누적된 병발생 확률만큼 발아하였다고 예상하고(S370), 발아한 포자는 적용 약제의 방제가 만큼 영향을 받았다고 판단한다. 초기 포자수에서 약제의 영향을 받은 포자수를 제외하여 방제 후 포자수를 보정한다. 병발생 확률 또한 적용 약제의 방제가를 곱하여 보정시킨다(S380). 적용 약제의 방제가는 권장처리횟수 완료 여부에 따라 다르게 적용시킨다. 보정된 병발생 확률에서 시작하여 엽온, 대기온습도를 매칭시켜 파악한 잿빛곰팡이병 발생 유효조건 누적에 따라 보정된 포자수에 의한 재발생 확률을 예측한다(S390내지 S420).
이상 시스템을 기준으로 본 발명의 실시 예를 설명하였으나, 이러한 설명은 방법 발명에도 적용될 수 있으며, 중복되는 설명은 생략하도록 한다.
이상에서 상세히 설명한 바와 같이 본 발명에 따르면, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 지속적인 재발생을 신뢰성있게 예측할 수 있도록 하는 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템이 제공되는 효과가 있다.
또한, 시설재배 작물의 상태와 초기 포자수를 고려하여 병발생 예측을 함으로써 예측 정확도를 높일 수 있고, 사용자에게 적절한 시점에 적절한 방제방법을 알려줘 효과적인 방제를 수행할 수 있도록 하고, 방제수행 정보를 사용자로부터 수집하여 방제로 인해 변화한 포자수를 고려하여 재발생을 신뢰성있게 예측할 수 있도록 하는 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템이 제공되는 효과가 있다.
보다 구체적으로, 식물 엽온과 초기 포자수 데이터를 활용하여 분석하므로 잿빛곰팡이병 발생 예측의 정확도를 높일 수 있으며, 병의 진전과 방제로 인한 포자수 변화를 예측하여 연중 다회 발생하는 잿빛곰팡이병에 맞춘 병발생 예측이 가능하다는 효과가 있다.
또한, 잿빛곰팡이병의 발생이 예상되어 주의가 필요한 시기에 미리 방제정보를 알려주기 때문에 병발생 후 방제할 때보다 적은 약제사용으로도 효과를 볼 수 있어 비용을 절감할 수 있고 병으로 인한 피해를 최소화 할 수 있으며, 소비자에게 건강한 농산물을 제공할 수 있다는 효과가 있다.
10: 잿빛곰팡이병 발생 예측 시스템
20: 센서부
22: 실내온도센서
24: 실내습도센서
26: 열화상카메라
30: 관리자 단말
40: 사용자 단말
100: 기준 DB
110: 포자수 DB
120: 환경 DB
130: 엽온 DB
140: 농약 DB
200: 센서 DB
300: 분석부
20: 센서부
22: 실내온도센서
24: 실내습도센서
26: 열화상카메라
30: 관리자 단말
40: 사용자 단말
100: 기준 DB
110: 포자수 DB
120: 환경 DB
130: 엽온 DB
140: 농약 DB
200: 센서 DB
300: 분석부
Claims (10)
- 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템으로서,
센서부로부터 전송받는 시설온실의 실내온도, 실내습도, 상기 시설온실에서 재배되는 작물의 엽온이 저장되는 센서 DB;
기준시설온실 내부의 초기 포자수, 상기 초기 포자수가 변화하는 포자수 변화정보, 상기 기준시설온실 내부의 온도, 습도를 포함하는 환경정보, 상기 기준시설온실에서 재배되는 기준작물의 엽온정보 및 상기 포자수 변화정보, 상기 환경정보, 상기 엽온정보에 대응하는 잿빛곰팡이병 발생률정보가 매칭 테이블로 저장되어 있는 기준 DB; 및
관리자 단말로부터 전송받은 상기 시설온실의 초기 포자수 , 상기 센서부로부터 전송받은 상기 시설온실의 실내온도, 실내습도, 상기 작물의 엽온을 상기 기준 DB에 저장되어 있는 매칭 테이블에 적용하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 초기 발생확률 및 재발생확률 을 계산하여 사용자 단말로 제공하는 분석부를 포함하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템. - 제1항에 있어서,
상기 관리자 단말로부터 전송받은 상기 시설온실의 포자수 정보는 상기 시설온실에서 표본 포집되어 배양된 표본 포자의 수를 상기 시설온실의 체적으로 환산한 정보이고,
상기 분석부는,
상기 시설온실의 포자수 정보를 상기 기준 DB에 저장된 매칭 테이블의 초기 포자수에 대입하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 발생확률을 계산하는 것을 특징으로 하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템. - 제1항에 있어서,
상기 분석부는,
상기 사용자 단말로 계산된 잿빛곰팡이병 발생확률에 대응하는 알림정보를 제공하되, 계산된 잿빛곰팡이병 발생확률이 설정된 임계치 이상인 경우 농약정보 보기 선택버튼이 포함된 알림정보를 상기 사용자 단말로 제공하는 것을 특징으로 하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템. - 제3항에 있어서,
상기 기준 DB를 구성하는 농약 DB에는 잿빛곰팡이병 원인균의 생활사를 기준으로 구분된 농약의 작용시점 및 농약의 방제효과를 나타내는 방제가가 농약의 종류별로 구분되어 저장되어 있고,
상기 분석부는,
사용자에 의해 상기 농약정보 보기 선택버튼이 선택되는 경우 상기 잿빛곰팡이병 발생확률에 대응하는 농약정보를 제공하되,
상기 사용자 단말로 제공되는 농약정보는 상기 농약 DB에 저장되어 있는 작용시점과 방제가를 기준으로 선택된 농약들에 대한 정보인 것을 특징으로 하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템. - 제4항에 있어서,
상기 분석부는,
사용자에 의해 상기 농약정보 보기 선택버튼이 선택되는 경우 상기 사용자 단말에 농약 사용과 관련한 방제방법을 선택하는 방제방법 선택버튼이 표시되도록 제어하고,
상기 방제방법 선택버튼을 통해 선택된 방제방법에 대응하는 농약정보를 상기 사용자 단말로 제공하는 것을 특징으로 하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템. - 제1항에 있어서,
상기 분석부는,
상기 사용자 단말로부터 전송받은 방제정보 및 상기 기준 DB를 구성하는 포자수 DB에 저장된 포자수 변화정보 에 따라 상기 시설온실의 포자수 정보를 보정하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 재발생확률을 계산하여 상기 사용자 단말로 제공하는 것을 특징으로 하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템. - 제6항에 있어서,
상기 분석부가 상기 사용자 단말로부터 전송받는 방제정보는 잿빛곰팡이병 발생유무, 방제여부, 사용농약에 대한 정보를 포함하는 것을 특징으로 하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템. - 제7항에 있어서,
상기 기준 DB를 구성하는 농약 DB에는 농약의 방제효과를 나타내는 방제가가 농약의 종류별로 구분되어 저장되어 있고,
상기 분석부는 상기 방제정보에 포함된 사용농약의 방제가를 상기 농약 DB로부터 추출하고, 추출된 방제가 및 상기 기준 DB를 구성하는 포자수 DB에 저장된 포자수 변화정보에 따라 상기 시설온실의 포자수 정보를 보정하고, 보정된 포자수 정보를 잿빛곰팡이병 재발생확률 계산에 반영하는 것을 특징으로 하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 시스템. - 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 방법으로서,
분석부가 관리자 단말로부터 시설온실의 초기 포자수를 전송받는 단계;
센서 DB가 상기 시설온실에 설치된 센서부로부터 전송받는 상기 시설온실의 실내온도, 실내습도, 상기 시설온실에서 재배되는 작물의 엽온을 저장하는 단계;
상기 분석부가 상기 관리자 단말로부터 전송받은 상기 시설온실의 초기 포자수, 상기 센서부로부터 전송받아 상기 센서 DB에 저장된 상기 시설온실의 실내온도, 실내습도, 상기 작물의 엽온을 기준 DB에 저장되어 있는 매칭 테이블에 적용하여 상기 시설온실에서 재배되는 작물의 잿빛곰팡이병 초기 발생확률 및 재발생확률을 계산하는 단계; 및
상기 분석부가 계산된 잿빛곰팡이병 초기 발생확률 및 재발생확률에 따른 정보를 사용자 단말로 제공하는 단계를 포함하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 방법. - 제9항에 있어서,
상기 기준 DB에 저장된 매칭 테이블에는 기준시설온실 내부의 초기 포자수, 상기 초기 포자수가 변화하는 포자수 변화정보, 상기 기준시설온실 내부의 온도, 습도를 포함하는 환경정보, 상기 기준시설온실에서 재배되는 기준작물의 엽온정보 및 상기 포자수 변화정보, 상기 환경정보, 상기 엽온정보에 대응하는 잿빛곰팡이병 발생률정보가 상호 매칭되어 저장되어 있는 것을 특징으로 하는, 시설재배 작물의 잿빛곰팡이병 초기 발생 및 재발생 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180102525A KR20200025326A (ko) | 2018-08-30 | 2018-08-30 | 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 재발생을 지속적으로 예측하는 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180102525A KR20200025326A (ko) | 2018-08-30 | 2018-08-30 | 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 재발생을 지속적으로 예측하는 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200025326A true KR20200025326A (ko) | 2020-03-10 |
Family
ID=69801002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180102525A KR20200025326A (ko) | 2018-08-30 | 2018-08-30 | 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 재발생을 지속적으로 예측하는 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200025326A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114265451A (zh) * | 2021-09-24 | 2022-04-01 | 西北农林科技大学 | 一种温室温湿度多时段组合与时间的变化控制番茄灰霉病方法与系统 |
| KR20220076187A (ko) * | 2020-11-30 | 2022-06-08 | 대한민국(농촌진흥청장) | 작물 추가 약제 방제 판단 방법 |
| WO2023119869A1 (ja) * | 2021-12-24 | 2023-06-29 | 東洋製罐グループホールディングス株式会社 | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100047111A (ko) | 2008-10-27 | 2010-05-07 | 서울대학교산학협력단 | 토양전염성 식물병 발생 예찰시스템 및 그 방법 |
| KR20110067791A (ko) | 2009-12-15 | 2011-06-22 | 순천대학교 산학협력단 | 작물의 병해충 진단 시스템 및 그 방법 |
| KR20150105804A (ko) | 2014-03-10 | 2015-09-18 | 메타라이츠(주) | 역병 발생 예측 장치 및 그 방법 |
| KR101695971B1 (ko) | 2016-05-23 | 2017-02-16 | 주식회사 에이치엔엘 | 딸기 잿빛곰팡이병 예찰시스템 및 예찰방법 |
| KR20180015325A (ko) | 2016-08-02 | 2018-02-13 | (주)유샘인스트루먼트 | 센서장치를 이용한 딸기작물 병해 예찰 및 약제살포 결정시스템 |
-
2018
- 2018-08-30 KR KR1020180102525A patent/KR20200025326A/ko not_active Application Discontinuation
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100047111A (ko) | 2008-10-27 | 2010-05-07 | 서울대학교산학협력단 | 토양전염성 식물병 발생 예찰시스템 및 그 방법 |
| KR20110067791A (ko) | 2009-12-15 | 2011-06-22 | 순천대학교 산학협력단 | 작물의 병해충 진단 시스템 및 그 방법 |
| KR20150105804A (ko) | 2014-03-10 | 2015-09-18 | 메타라이츠(주) | 역병 발생 예측 장치 및 그 방법 |
| KR101695971B1 (ko) | 2016-05-23 | 2017-02-16 | 주식회사 에이치엔엘 | 딸기 잿빛곰팡이병 예찰시스템 및 예찰방법 |
| KR20180015325A (ko) | 2016-08-02 | 2018-02-13 | (주)유샘인스트루먼트 | 센서장치를 이용한 딸기작물 병해 예찰 및 약제살포 결정시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220076187A (ko) * | 2020-11-30 | 2022-06-08 | 대한민국(농촌진흥청장) | 작물 추가 약제 방제 판단 방법 |
| CN114265451A (zh) * | 2021-09-24 | 2022-04-01 | 西北农林科技大学 | 一种温室温湿度多时段组合与时间的变化控制番茄灰霉病方法与系统 |
| WO2023119869A1 (ja) * | 2021-12-24 | 2023-06-29 | 東洋製罐グループホールディングス株式会社 | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Duveiller et al. | Epidemiology of foliar blights (spot blotch and tan spot) of wheat in the plains bordering the Himalayas | |
| Baptista et al. | Effect of nocturnal ventilation on the occurrence of Botrytis cinerea in Mediterranean unheated tomato greenhouses | |
| KR20200025326A (ko) | 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 재발생을 지속적으로 예측하는 시스템 및 방법 | |
| Khan et al. | Fluctuations in number of Cercospora beticola conidia in relationship to environment and disease severity in sugar beet | |
| Cao et al. | Dynamics in concentrations of Blumeria graminis f. sp tritici conidia and its relationship to local weather conditions and disease index in wheat | |
| Kim et al. | Development of a disease risk prediction model for downy mildew (Peronospora sparsa) in boysenberry | |
| Li et al. | Airborne fungi associated with ornamental plant propagation in greenhouses | |
| Carisse et al. | Lagged association between powdery mildew leaf severity, airborne inoculum, weather, and crop losses in strawberry | |
| Yunis et al. | Qualitative approach for modelling outbreaks of grey mould epidemics in non-heated cucumber greenhouses | |
| KR20180015325A (ko) | 센서장치를 이용한 딸기작물 병해 예찰 및 약제살포 결정시스템 | |
| Carisse et al. | Relationship of airborne Botrytis cinerea conidium concentration to tomato flower and stem infections: A threshold for de-leafing operations | |
| Bečka et al. | Use of petal test in early-flowering varieties of oilseed rape (Brassica napus L.) for predicting the infection pressure of Sclerotinia sclerotiorum (Lib.) de Bary | |
| Swett et al. | Using model-based fungicide programing to effectively control Botrytis and Anthracnose fruit rots in Mid-Atlantic strawberry fields and co-manage strawberry sap beetle (Stelidota geminate) | |
| Ficke et al. | The role of precipitation, and petal and leaf infections in Sclerotinia stem rot of spring oilseed Brassica crops in Norway | |
| Harikrishnan et al. | A logistic regression model for predicting risk of white mold incidence on dry bean in North Dakota | |
| Anco et al. | Temporal patterns of sporulation potential of Phomopsis viticola on infected grape shoots, canes, and rachises | |
| Nepal et al. | Prevalence of blackleg and pathogenicity groups of Leptosphaeria maculans in North Dakota | |
| Nopsa et al. | A latent period duration model for wheat stem rust | |
| Rani et al. | Identification of resistant sources and epidemiology of early blight (Alternaria solani) of tomato (Lycopersicum esculentum) in Jammu and Kashmir | |
| Khaliq et al. | The role of conidia in the dispersal of Ascochyta rabiei | |
| Tayviah | Epidemiology and management of Stemphylium leaf blight on onion (Allium cepa L.) in the Holland Marsh, Ontario | |
| Ahmad et al. | Genotype resistance, inoculum source and environment directly influence development of grey leaf spot (caused by Stemphylium spp.) and yield loss in narrow-leafed lupin (Lupinus angustifolius) | |
| Singh | Aerobiology, epidemiology and management strategies in apple scab: science and its applications | |
| Dancey | Development and Implementation of a New National Warning System for Potato Late Blight in Great Britain | |
| Pettitt et al. | Atypical late blight symptoms following first recorded infections by Phytophthora infestans genotype EU_39_A1 in UK vine tomatoes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |