KR20200043801A - Artificial Intelligence Plant Management System - Google Patents

Artificial Intelligence Plant Management System Download PDF

Info

Publication number
KR20200043801A
KR20200043801A KR1020180124629A KR20180124629A KR20200043801A KR 20200043801 A KR20200043801 A KR 20200043801A KR 1020180124629 A KR1020180124629 A KR 1020180124629A KR 20180124629 A KR20180124629 A KR 20180124629A KR 20200043801 A KR20200043801 A KR 20200043801A
Authority
KR
South Korea
Prior art keywords
control
information
artificial intelligence
farm
plant
Prior art date
Application number
KR1020180124629A
Other languages
Korean (ko)
Inventor
박아론
임준기
전종욱
Original Assignee
농업회사법인 만나씨이에이 주식회사
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 농업회사법인 만나씨이에이 주식회사 filed Critical 농업회사법인 만나씨이에이 주식회사
Priority to KR1020180124629A priority Critical patent/KR20200043801A/en
Publication of KR20200043801A publication Critical patent/KR20200043801A/en

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/0089—Regulating or controlling systems
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M9/00—Special adaptations or arrangements of powder-spraying apparatus for purposes covered by this subclass
    • A01M9/0092—Regulating or controlling systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection

Abstract

The present invention relates to an artificial intelligence plant management and pest control system for automatic pest control by analyzing an image photographed by a camera with artificial intelligence algorithm to identify a growth stage of plants or determining type of pests when pests occur. By visualizing a farm through a mobile camera, a farmer may grasp a situation of the entire farm at a glance without having to go around every corner of the farm. Through this, the artificial intelligence plant management system may achieve an effect capable of quickly coping with a point where there is pest or poor growth and development.

Description

인공지능 식물 관리 시스템{Artificial Intelligence Plant Management System}Artificial Intelligence Plant Management System

본 발명은 카메라로 촬상한 영상을 인공지능 알고리즘으로 분석하여 식물의 생장단계를 파악하거나 병충해의 종류 등을 판단하여 자동으로 방제를 하는 인공지능 식물 관리 시스템에 관한 것이다.The present invention relates to an artificial intelligence plant management system that analyzes an image captured by a camera with an artificial intelligence algorithm to grasp the growth stage of a plant or to determine the type of pest or the like and automatically control it.

최근 급작스럽게 변화하는 기후에 의해 병해충 종류가 다양해지고 난방제병(방제를 하더라도 그 효과가 매우 낮은 병해충)과 돌발 외래 병해충이 꾸준히 증가하고 있으며 이로 인한 피해사례도 급증하고 있다. In recent years, the types of pests are diversified due to the rapidly changing climate, and the number of heating pests (even pests that have a very low effect even if controlled) and the number of outbreak pests are steadily increasing, and the number of cases of damage is rapidly increasing.

종래에는 농장에서 이러한 병해충 발생 여부를 눈으로 직접 확인한 후 필요한 조치를 수행하게 되는데, 운영하는 농장의 규모가 크고 재배하는 식물의 종류가 다양할수록 병해충의 발생 여부를 인지하기 어려워지고 농장주가 직접 병해충 종류의 판단함에 따라 병충해의 종류를 판단하는 정확도도 떨어진다.Conventionally, it is necessary to perform the necessary measures after directly checking whether or not these pests occur on the farm. The larger the size of the farm that is operated and the variety of cultivated plants, the more difficult it is to recognize whether or not the pests are occurring, and the farmer directly types the pests. As judged by, the accuracy of judging the type of pest is also poor.

이 때문에 농장주는 발생한 병해충의 종류와 어떤 방제약이 필요한지 판단하기 위해 전문가에게 분석을 의뢰하는데, 이 과정에서 많은 시간이 소요되어 방제를 위한 골든타임을 놓치는 사례가 자주 발생하는 문제가 있다.For this reason, the farmer requests an analysis to an expert to determine the type of pest and what kind of control agent is needed. In this process, it takes a lot of time to frequently miss the golden time for control.

본 발명은 이와 같은 문제를 해결하기 위해 카메라를 이용하여 농장 전체를 상시 모니터링하고 NDVI와 같은 객관적 수치를 이용하여 병해충 여부를 진단한 뒤 필요한 조치를 농장 운영자에게 알려주고 자동으로 방제를 수행하는 인공지능 식물 관리 시스템을 제공한다.In order to solve this problem, the present invention is an artificial intelligence plant that continuously monitors the entire farm using a camera, diagnoses whether or not a pest is using an objective value such as NDVI, and then informs the farm operator of necessary measures and automatically performs control. Provide a management system.

상기의 과제를 해결하기 위한 본 발명에 따른 인공지능 식물 관리 시스템은 카메라, 계산부, 원격서버 및 무인방제기를 포함한다.The artificial intelligence plant management system according to the present invention for solving the above problems includes a camera, a calculation unit, a remote server, and an unmanned controller.

카메라는 농장에서 생장되는 식물의 이미지를 촬상한다. 이미지는 가시광선 이미지와 적외선 이미지를 포함할 수 있다. 그리고 카메라는 촬상된 이미지의 위치정보, 즉 촬상 이미지에 나타난 식물의 위치정보를 해당 이미지와 함께 전송할 수 있다. The camera captures images of plants growing on the farm. The image may include a visible light image and an infrared image. In addition, the camera may transmit the location information of the captured image, that is, the location information of the plants in the captured image together with the corresponding image.

계산부는 이미지를 통해 NDVI(Normalized Difference Vegetation Index)수치를 계산한다. 계산부는 카메라 또는 후술할 원격서버에 포함될 수 있다.The calculation unit calculates NDVI (Normalized Difference Vegetation Index) values through an image. The calculation unit may be included in a camera or a remote server to be described later.

원격서버는 계산된 NDVI 수치를 인공지능 알고리즘을 통해 병충해 발생 여부 및 병충해의 종류를 판단하고, 방제명령을 전송한다. 방제명령은 방제약의 종류, 분사량 중 적어도 하나의 정보를 포함할 수 있다.The remote server determines whether the pest and the type of the pest are caused by the artificial intelligence algorithm based on the calculated NDVI value, and transmits a control command. The control command may include at least one of the type of the control drug and the injection amount.

원격서버는 위치정보를 통해 방제지역을 결정하며, 방제명령에 방제지역 정보를 포함시켜 전송한다.The remote server determines the control area through location information, and transmits it by including the control area information in the control command.

원격서버는 방제지역에서 복수의 병충해가 발생된 것으로 판단되면 서로 다른 방제약을 혼합하여 방제지역에 살포하도록 명령하며, 서로 다른 방제지역에서 서로 다른 병충해가 발생되면 각 방제지역에 대한 방제약을 선정하고 방제를 실시할 우선순위를 결정하여 방제명령에 포함시켜 전송한다.When it is determined that a plurality of pests have occurred in the control area, the remote server orders to mix the different control drugs and spray them in the control area, and when different pests occur in different control areas, select the control drug for each control area. Then, prioritize the control to be carried out and include it in the control command and transmit it.

원격서버는 이미지 분석을 통해 식물의 생장단계를 판단하여 파종, 이관 및 수확시기를 농장 관리자에게 전송한다.The remote server determines the growth stage of the plant through image analysis and transmits the seeding, transfer and harvest times to the farm manager.

무인방제기는 원격서버로부터 방제명령을 전송받아 서로 다른 종류의 방제약 중 병충해에 적합한 방제약을 선정하여 식물에 살포한다.The unmanned controller receives a control command from a remote server and selects a suitable drug for pest control from different types of control drugs and sprays it on plants.

무인방제기는 방제지역 정보에 따라서 해당지역에 방제약을 살포한다.The UAV sprays the pesticide in the area according to the information on the area.

본 발명에서 농장은 복수의 구역으로 구분되고, 식물은 복수의 구역들에서 식물의 종류, 파종 시기, 수확 시기 중 적어도 하나가 다르게 될 수 있다.In the present invention, the farm is divided into a plurality of zones, and at least one of a kind of a plant, a seeding time, and a harvesting time may be different in a plurality of zones.

또한, 본 발명은 구역들의 식물에 대한 실시간 사진과, 상기 농장의 온도, 습도, 이산화탄소 농도, 광량 및 양액 온도, 습도, ph 중 적어도 하나를 포함하는 환경 정보와, 식물의 재배에 필요한 작업 스케쥴 정보와, 구역별로 식물에 대한 병충해 정보와 광량 정보와 수확 시기 정보 중 적어도 하나를 포함하는 구역별 식물 상태정보들을 화면상으로 디스플레이하는 모니터링 시스템이 추가될 수 있다.In addition, the present invention is a real-time picture of the plants in the zone, the environmental information including at least one of the temperature, humidity, carbon dioxide concentration, light quantity and nutrient solution temperature, humidity, ph of the farm, and work schedule information required for plant cultivation In addition, a monitoring system may be added to display plant state information for each area on the screen, including at least one of pest and pest information for plants and light quantity information and harvest time information for each area.

농장을 카메라를 통해 시각화하면서 농장주가 농장 구석구석을 직접 다니지 않아도 전체 농장의 상황을 한눈에 파악할 수 있고, 이를 통해 병충해 및 생육 부진이 있는 지점에 대한 빠른 대처가 가능한 효과를 달성할 수 있다.While visualizing the farm through the camera, the farmer can grasp the situation of the entire farm at a glance without having to go around every corner of the farm at a glance.

농장주가 경험을 통해 축적한 노하우를 통해 식물의 상태를 판단하는 것이 아니라 촬영한 식물의 NDVI 수치를 활용하여 식물이 어떤 병충해를 겪고 있는지 객관적으로 판단할 수 있어 잘못된 판단에 의한 농장 운영 실패를 줄일 수 있는 효과를 달성할 수 있다.Rather than judging the state of a plant based on the know-how accumulated by the farmer through experience, it is possible to objectively determine what pests a plant is experiencing by using the NDVI value of the planted plant, thereby reducing the failure of the farm due to wrong judgment. Effect can be achieved.

또한, 이미지 분석을 통해 파악한 식물의 현재 상태와 농장 내 각종 센서에 의한 환경정보가 결합되면 보다 최적화된 환경제어를 실시할 수 있는 효과를 달성할 수 있다.In addition, when the current state of plants identified through image analysis and environmental information by various sensors in the farm are combined, it is possible to achieve an effect of performing more optimized environmental control.

도 1은 본 발명의 실시 예에 따른 인공지능 식물 관리 시스템을 도시한 도면이다.
도 2는 본 발명의 실시 예에 따른 인공지능 식물 관리 시스템에서 농장을 방제지역 별로 구분한 모습을 도시한 도면이다.
도 3은 본 발명의 실시 예에 따른 인공지능 식물 관리 시스템에서 구역별 식물 상태정보들을 화면상으로 디스플레이하는 모니터링 시스템을 도시한 도면이다.1 is a view showing an artificial intelligence plant management system according to an embodiment of the present invention.
2 is a view illustrating a state in which farms are divided into control regions in the artificial intelligence plant management system according to an embodiment of the present invention.
3 is a diagram illustrating a monitoring system for displaying plant state information for each area on the screen in the artificial intelligence plant management system according to an embodiment of the present invention.

첨부된 도면을 참조하여 일실시예의 인공지능 식물 관리 시스템에 대해 설명한다.An artificial plant management system of an embodiment will be described with reference to the accompanying drawings.

본 발명에 따른 인공지능 식물 관리 시스템은 카메라(100), 계산부, 원격서버(110) 및 무인방제기(120)를 포함한다.The artificial intelligence plant management system according to the present invention includes a camera 100, a calculation unit, a remote server 110, and an unmanned controller 120.

카메라(100)는 농장(130)에서 각 방제지역(140)을 이동하면서 농장(130)에서 생장되는 식물의 이미지를 촬상한다. 카메라(100)는 레일, 와이어, 드론 등을 통해 이동되면서 농장(130) 전체를 촬상한다.The camera 100 captures an image of a plant grown on the farm 130 while moving each control area 140 on the farm 130. The camera 100 captures the entire farm 130 while moving through a rail, wire, or drone.

식물의 이미지는 가시광선 이미지와 적외선 이미지를 포함하는데 가시광선 이미지는 식물의 생장단계를 판단하는 용도로 사용될 수 있고, 적외선 이미지는 가시광선 이미지와 함께 NDVI 수치를 계산하는 데 사용될 수 있다. The image of the plant includes a visible light image and an infrared image. The visible light image can be used to determine the growth stage of the plant, and the infrared image can be used to calculate the NDVI value along with the visible light image.

또한, 카메라(100)는 식물을 촬상한 위치정보를 파악하기 위해 위치정보를 촬상된 이미지와 함께 후술할 원격서버(110)로 전송한다. 카메라(100)의 위치정보는 드론의 경우 넓은 농장(130)을 커버할 때 사용되므로 GPS좌표를 위치정보로 활용할 수 있다.In addition, the camera 100 transmits the location information together with the captured image to the remote server 110 to be described later in order to grasp the location information of the plant. Since the location information of the camera 100 is used to cover the wide farm 130 in the case of a drone, GPS coordinates can be used as location information.

또 다른 실시예로 와이어 또는 레일을 통해 카메라를 이동시키는데 이 경우 비닐하우스나 온실 같은 실내농장(130)에서 사용되므로 농장(130)의 가장자리에 있는 시작포인트에서부터 카메라(100)를 이동시키면서 바퀴 또는 도르레가 회전된 회전수에 바퀴 또는 도르레의 둘레를 곱하면 카메라(100)가 시작포인트에서 이동한 거리가 산출되고 레일 또는 와이어 전체길이에서 이동거리를 빼면 카메라(100)가 농장내부의 어디에 있는지 알 수 있고 이를 통해 카메라의 위치정보가 산출될 수 있다. In another embodiment, the camera is moved through a wire or rail. In this case, since it is used in an indoor farm 130 such as a greenhouse or greenhouse, the wheel or pulley is moved while moving the camera 100 from the starting point at the edge of the farm 130. Multiplying the number of revolutions rotated by the circumference of the wheel or pulley calculates the distance that the camera 100 moves from the starting point, and subtracts the distance from the entire rail or wire length to see where the camera 100 is inside the farm. Thereby, the location information of the camera can be calculated.

계산부는 상기에 언급한 가시광선 이미지와 적외선 이미지를 통해 NDVI(Normalized Difference Vegetation Index) 수치를 계산한다. 계산부는 카메라(100)에 설치되어 카메라(100)에서 NDVI 수치가 계산된 후에 NDVI 수치가 바로 서버에 전송될 수 있고 계산부가 원격서버(110)에 설치될 경우 카메라(100)가 가시광선 이미지와 적외선 이미지를 촬상하여 전송하면 원격서버(110)에서 NDVI 수치가 계산될 수 있다.The calculation unit calculates a NDVI (Normalized Difference Vegetation Index) value through the visible and infrared images mentioned above. After the calculation unit is installed on the camera 100 and the NDVI value is calculated by the camera 100, the NDVI value can be directly transmitted to the server. When the calculation unit is installed on the remote server 110, the camera 100 displays a visible light image. When the infrared image is captured and transmitted, the NDVI value may be calculated by the remote server 110.

NDVI 수치를 가시광선 이미지와 적외선 이미지를 활용하여 계산하는 방법은 등록특허 제10-1769832호 "NDVI 카메라 장치"에 개시되어 있으므로 상세한 설명은 생략한다.A method of calculating the NDVI value using a visible light image and an infrared image is disclosed in Patent No. 10-1769832, "NDVI Camera Device," and detailed description is omitted.

원격서버(110)는 계산된 NDVI 수치를 인공지능 알고리즘을 통해 병충해 발생 여부 및 병충해의 종류를 판단하고, 방제명령을 전송한다. 방제명령은 방제약의 종류, 분사량 중 적어도 하나의 정보를 포함한다.The remote server 110 determines whether or not the pest is generated and the type of the pest through the artificial intelligence algorithm based on the calculated NDVI value and transmits a control command. The control command includes information on at least one of the type of the control drug and the injection amount.

방제약의 종류와 분사량이 정해지면 원격서버(110)는 위치정보를 통해 방제지역(140)을 결정하며, 방제명령에 방제지역(140) 정보를 포함시켜 전송한다. 방제지역(140)은 농장(130)의 크기에 따라 여러 개로 나뉠 수 있으며 본 실시예에서는 도 2에 도시된 바와 같이 a1구역 ~ g6구역으로 구분될 수 있다.When the type and amount of the control drug are determined, the remote server 110 determines the control area 140 through location information, and transmits the control area 140 by including the control area 140 information. The control area 140 may be divided into several according to the size of the farm 130, and in this embodiment, as shown in FIG. 2, it may be divided into a1 area to g6 area.

예를 들어 설명하면 농장(130)은 도 2에 도시된 바와 같이 여러 개의 구역으로 나누어져 있다. 농장(130)의 천장에는 방제액이 흐르는 파이프와 파이프에 설정된 간격으로 이격되어 복수 개가 배치되고 전기적 신호에 따라 분사량이 제어되는 솔레노이드 밸브가 설치된다. 솔레노이드 밸브는 후술할 무인방제기(120)에서 제어된다.For example, the farm 130 is divided into several regions as illustrated in FIG. 2. On the ceiling of the farm 130, a pipe through which the control solution flows and a solenoid valve spaced at a predetermined interval in the pipe are disposed, and a solenoid valve in which the injection amount is controlled according to an electrical signal is installed. The solenoid valve is controlled by an unmanned controller 120 to be described later.

예를 들어 a1구역에 병충해가 발생되면 카메라(100)가 이동하면서 a1구역에서 생장하는 식물을 촬상할 때 NDVI 수치가 다르게 나오게 되고 원격서버(110)는 a1구역에 병충해가 발생된 것으로 판단한다. For example, when a pest occurs in the a1 area, when the camera 100 moves and images a plant growing in the a1 area, the NDVI value is different and the remote server 110 determines that the a1 area has a pest.

원격서버(110)는 a1구역의 위치정보와 병충해 발생정보를 무인방제기(120)로 전송하면 무인방제기(120)는 a1구역에서 발생된 병충해에 적합한 방제약을 파이프를 통해 공급하면서 식물에 살포하게 된다.When the remote server 110 transmits the location information of the a1 area and the pest-infestation information to the unmanned controller 120, the unmanned controller 120 sprays the plant while supplying a control agent suitable for the pest generated in the a1 area through the pipe. do.

실시예에 따라 원격서버(110)는 방제지역(140)에서 복수의 병충해가 발생된 것으로 판단되면 서로 다른 방제약을 혼합하여 방제지역(140)에 살포하도록 명령할 수 있다.According to an exemplary embodiment, when it is determined that a plurality of pests have occurred in the control area 140, the remote server 110 may command to mix the different control agents and spray the control area 140.

예를 들면 c3구역에서 자라는 식물에서 2종류의 병충해가 복합적으로 발생되면 원격서버(110)는 무인방제기(120)에 이를 전달하고 무인방제기(120)는 2종류의 병충해에 필요한 방제약을 섞어서 c3구역에 살포할 수 있다.For example, if two types of pests occur in a plant growing in the c3 zone, the remote server 110 delivers them to the unmanned controller 120 and the unmanned controller 120 mixes the pesticides necessary for the two types of pests c3 Can be sprayed onto the area.

또한, 원격서버(110)는 서로 다른 방제지역(140)에서 서로 다른 병충해가 발생되면 각 방제지역(140)에 대한 방제약을 선정하고 방제를 실시할 우선순위를 결정하여 방제명령에 포함시켜 전송할 수도 있다. 이때, 우선순위는 병충해의 심각한 정도에 따라 결정될 수 있다.In addition, when different pests occur in different control areas 140, the remote server 110 selects a control drug for each control area 140, determines the priority to perform the control, and includes and transmits it to the control command. It might be. At this time, the priority may be determined according to the severity of the pest.

천장에 설치되어 방제약이 흐르는 파이프는 2종류의 방제약이 섞지 않게 각각 다른 구역에 보내 분사할 수 없다. 만약 그렇게 하기 위해서는 방제약의 개수와 동일하게 파이프가 농장(130)의 천장에 설치되어야 하는데 이 경우 비용증가, 시공의 어려움 등의 문제가 발생된다.Pipes that are installed on the ceiling and flow through the chemicals cannot be sprayed by sending them to different areas so that the two types of chemicals do not mix. In order to do so, the pipes should be installed on the ceiling of the farm 130 in the same way as the number of control chemicals. In this case, problems such as cost increase and construction difficulties occur.

따라서 원격서버(110)는 이러한 문제 해결을 위해 서로 다른 방제지역(140)에서 예컨데 b3구역의 병충해가 d4 구역의 병충해보다 확산속도가 빠르거나 농장(130)에 피해를 줄 수 있는 병충해로 판단되면 원격서버(110)는 b3구역에 우선적으로 병충해가 방제될 수 있도록 방제명령을 무인방제기(120)로 전송하고 무인방제기(120)는 b3구역에 우선적으로 방제약을 살포하게 된다. 그 다음에 d4구역에 방제를 하도록 방제명령을 하게 된다.Therefore, in order to solve this problem, the remote server 110 determines that the pest of b3 zone is faster than the pest of d4 zone or that the farm 130 can be damaged, for example, in different control areas 140. The remote server 110 transmits a control command to the unmanned controller 120 so that the disease and pest can be controlled preferentially in the area b3, and the unmanned controller 120 sprays the control agent preferentially to the area b3. Then, a control order is given to control the area d4.

이 밖에도 원격서버(110)는 NDVI 수치를 통한 병충해 여부 판단뿐만 아니라 이미지 분석을 통해 식물의 생장단계를 판단하여 파종, 이관 및 수확시기를 농장 관리자에게 전송한다. 여기서 이미지는 가시광선 이미지를 통해 식물의 크기와 잎의 수 잎의 길이 등 형태학적 요소들을 통해 언제 파종, 이관 및 수확을 해야하는지도 파악할 수 있어 농장(130) 운영에 큰 도움이 되며 여기서도 인공지능 알고리즘을 사용할 수 있다.In addition, the remote server 110 not only determines whether or not the disease is pest through NDVI, but also determines the growth stage of the plant through image analysis and transmits the seeding, transfer, and harvest times to the farm manager. Here, the image can be used to understand when to plant, transfer, and harvest through morphological factors such as the size of the plant and the number of leaves, and the length of the leaves through the visible light image, which is a great help in the operation of the farm 130. Can be used.

원격서버(110)는 계산된 NDVI 수치를 통해 식물의 병해충 여부를 판단할 때 머신러닝 기법을 이용해 판단하는데, 다양한 식물의 NDVI 수치에 따른 병해충 종류 데이터가 축적될수록 진단의 정확도는 높아진다. 처음에는 농장관리자가 벙충해가 발생된 식물의 NDVI 샘플데이터를 미리 입력하면 원격서버(110)는 농장(130)내의 방제지역(140)에서 식물에 병충해가 발생되면 미리 입력된 NDVI 샘플데이터와 비교하여 유사한 병충해를 판단한다. 그리고 판단된 데이터는 머신러닝을 위해 원격서버(110) 내부에 저장되고 저장된 데이터가 많아 질수록 병충해 진단 정확도가 높아지는 것이다.The remote server 110 uses a machine learning technique to determine whether a plant is a pest based on the calculated NDVI value, and the accuracy of diagnosis increases as data of pest types according to NDVI values of various plants accumulate. Initially, when the farm administrator inputs NDVI sample data of a plant in which pests are caused in advance, the remote server 110 compares the sample data with NDVI previously entered when a disease occurs in a plant in the control area 140 in the farm 130. To judge similar pests and diseases. In addition, the determined data is stored in the remote server 110 for machine learning, and the more the stored data is, the higher the accuracy of the diagnosis of the disease is.

농장 관리자는 PC 혹은 모바일 기기에 설치된 앱 또는 웹 환경을 통해 서버로 접속하여 병해충 발생 여부 및 식물 생장 단계를 파악하여 파종, 이관, 수확 시기를 추천받는 등의 고도화된 농장(130) 관리를 수행할 수 있다. Farm managers can access the server through an app installed on a PC or mobile device or a web environment to understand whether pests have occurred and the stage of plant growth, and perform advanced farm management 130 such as recommending sowing, transfer, and harvest times. You can.

무인방제기(120)는 원격서버(110)로부터 방제명령을 전송받아 서로 다른 종류의 방제약 중 병충해에 적합한 방제약을 선정하여 식물에 살포한다. The unmanned controller 120 receives a control command from the remote server 110 and selects a suitable control agent for pest control among different types of control agents and sprays it on the plants.

무인방제기(120)는 방제지역(140) 정보에 따라서 해당지역에 방제약을 살포한다.The unmanned controller 120 sprays the control agent to the corresponding area according to the control area 140 information.

본 발명에서 농장(130)은 도 2에 도시된 방제지역(140)처럼 복수의 구역으로 구분될 수 있고, 식물은 복수의 구역들에서 식물의 종류, 파종 시기, 수확 시기 중 적어도 하나가 다르게 될 수 있다.In the present invention, the farm 130 may be divided into a plurality of zones, such as the control area 140 shown in FIG. 2, and the plants may be different in at least one of a type of plant, a seeding time, and a harvesting time in a plurality of zones. You can.

또한, 본 발명은 도 3에 도시된 바와 같이 구역들의 식물에 대한 실시간 사진과, 좌측에는 상기 농장(130)의 내부기온(10) 물온도(20) 및 PH농도(30) 중 적어도 하나를 포함하는 환경 정보와, 우측에는 식물의 재배에 필요한 작업 스케쥴 정보와, 구역별로 식물에 대한 병충해 정보와 광량 정보와 수확 시기 정보 중 적어도 하나를 포함하는 구역별 식물 상태정보들을 화면상으로 디스플레이하는 모니터링 시스템(150)이 추가될 수 있다. 모니터링 시스템은 원격서버(110)와 연결되며, 구역별로 식물에 대한 병충해 정보와 광량 정보와 수확 시기 정보 중 적어도 하나를 포함하는 구역별 식물 상태정보들을 받아 디스플레이 한다.In addition, the present invention includes a real-time photograph of the plants in the zones as shown in FIG. 3, and at least one of the internal temperature 10, the water temperature 20, and the PH concentration 30 of the farm 130 on the left side. A monitoring system that displays on-screen the plant status information for each area, including environment information to be performed, work schedule information required for plant cultivation on the right side, and at least one of insect pest information, light quantity information, and harvest time information for plants for each area. 150 may be added. The monitoring system is connected to the remote server 110 and receives and displays plant state information for each area including at least one of pest and insect information, light quantity information, and harvest time information for plants for each area.

작업 스케쥴 정보는 PH농도조절(40), 재배일정(50), 트리밍(60), 이관작업 일정(70) 중 적어도 하나의 정보일 수 있다.The work schedule information may be at least one of the PH concentration control 40, the cultivation schedule 50, the trimming 60, and the transfer work schedule 70.

상부와 하부에는 재배 작물별 광량에 대한 정보 및 수확시기(80)가 디스플레이 된다.Information on the amount of light for each cultivated crop and the harvest time 80 are displayed on the upper and lower parts.

모니터링 시스템(150)은 도 3에 도시된 바와 같이 PC에 디스플레이될 수 있지만 실시예에 따라 스마트폰, 태블릿PC, 및 노트북PC 중 적어도 하나의 장치를 통해 원거리에서 상태정보가 디스플레이 될 수 있다.The monitoring system 150 may be displayed on a PC as illustrated in FIG. 3, but status information may be displayed remotely through at least one device among a smart phone, a tablet PC, and a notebook PC according to an embodiment.

100: 카메라
110: 원격서버
120: 무인방제기
130: 농장
140: 방제지역
150: 모니터링 시스템100: camera
110: remote server
120: UAV
130: farm
140: control area
150: monitoring system

Claims (6)

농장에서 생장되는 식물의 이미지를 촬상하는 카메라;
상기 이미지를 통해 NDVI(Normalized Difference Vegetation Index) 수치를 계산하는 계산부;
상기 계산된 NDVI 수치를 인공지능 알고리즘을 통해 병충해 발생 여부 및 상기 병충해의 종류를 판단하고, 방제명령을 전송하는 원격서버;
상기 원격서버로부터 상기 방제명령을 전송받아 서로 다른 종류의 방제약 중 상기 병충해에 적합한 방제약을 선정하여 상기 식물에 살포하는 무인방제기;
를 포함하는 것을 특징으로 하는 인공지능 식물 관리 시스템.A camera that captures an image of a plant growing on a farm;
A calculation unit that calculates a NDVI (Normalized Difference Vegetation Index) value through the image;
A remote server that determines whether the calculated NDVI value is a pest or not and the type of the pest through an artificial intelligence algorithm, and transmits a control command;
An unmanned controller that receives the control command from the remote server and selects a control agent suitable for the pest from among different types of control agents;
Artificial intelligence plant management system comprising a. 제1항에 있어서,
상기 이미지는 가시광선 이미지와 적외선 이미지를 포함하는 것을 특징으로 하는 인공지능 식물 관리 시스템.According to claim 1,
The image is an artificial intelligence plant management system, characterized in that it comprises a visible light image and an infrared image. 제1항에 있어서,
상기 카메라는 상기 식물을 촬상한 위치정보를 상기 이미지와 함께 전송하고,
상기 원격서버는 상기 위치정보를 통해 방제지역을 결정하며, 상기 방제약의 종류, 분사량 중 적어도 하나의 정보를 포함한 방제명령에 상기 방제지역 정보를 포함시켜 전송하고,
상기 무인방제기는 상기 방제지역 정보에 따라서 해당지역에 상기 방제약을 살포하는 것을 특징으로 하는 인공지능 식물 관리 시스템.According to claim 1,
The camera transmits location information of the plant along with the image,
The remote server determines the control area through the location information, transmits the control area information by including the control area information in the control command including at least one of the type of the control drug and the injection amount,
The unmanned controller is artificial intelligence plant management system, characterized in that for spraying the control drug in the area according to the control area information. 제1항에 있어서,
상기 원격서버는 상기 방제지역에서 복수의 병충해가 발생된 것으로 판단되면 상기 서로 다른 방제약을 혼합하여 상기 방제지역에 살포하도록 명령하며,
서로 다른 방제지역에서 서로 다른 병충해가 발생되면 각 방제지역에 대한 방제약을 선정하고 방제를 실시할 우선순위를 결정하여 상기 방제명령에 포함시켜 전송하는 것을 특징으로 하는 인공지능 식물 관리 시스템.According to claim 1,
When it is determined that a plurality of pests have occurred in the control area, the remote server orders the different control agents to be mixed and sprayed to the control area,
An artificial intelligence plant management system characterized in that when different pests occur in different control areas, a control drug for each control area is selected, priorities for performing the control are determined and included in the control command and transmitted. 제1항에 있어서,
상기 원격서버는 상기 이미지 분석을 통해 상기 식물의 생장단계를 판단하여 파종, 이관 및 수확시기를 농장 관리자에게 전송하는 것을 특징으로 하는 인공지능 식물 관리 시스템.According to claim 1,
The remote server is an artificial intelligence plant management system, characterized in that by determining the growth stage of the plant through the image analysis and transmitting the seeding, transfer and harvest time to the farm manager. 제5항에 있어서,
상기 농장은 복수의 구역으로 구분되고, 상기 식물은 상기 복수의 구역들에서 식물의 종류, 파종 시기, 수확 시기 중 적어도 하나가 다르게 재배되고,
상기 구역들의 식물에 대한 실시간 사진과, 상기 농장의 온도, 습도, 이산화탄소 농도, 광량 및 양액의 온도, ph, EC도 중 적어도 하나를 포함하는 환경 정보와, 상기 식물의 재배에 필요한 작업 스케쥴 정보와, 상기 구역별로 식물에 대한 병충해 정보와 광량 정보와 수확 시기 정보 중 적어도 하나를 포함하는 구역별 식물 상태정보들을 화면 상으로 디스플레이하는 모니터링 시스템을 추가로 포함하는 인공지능 식물 관리 시스템.The method of claim 5,
The farm is divided into a plurality of zones, and the plants are cultivated differently at least one of a type of plant, a sowing time, and a harvest time in the plurality of zones,
Real-time photographs of plants in the zones, environmental information including at least one of temperature, humidity, carbon dioxide concentration, light quantity and nutrient solution temperature, ph, EC degrees of the farm, and work schedule information required for cultivation of the plants, , An artificial intelligence plant management system further comprising a monitoring system for displaying, on a screen, plant state information for each area including at least one of pest and pest information and light quantity information and harvest time information for each area.
KR1020180124629A 2018-10-18 2018-10-18 Artificial Intelligence Plant Management System KR20200043801A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180124629A KR20200043801A (en) 2018-10-18 2018-10-18 Artificial Intelligence Plant Management System

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180124629A KR20200043801A (en) 2018-10-18 2018-10-18 Artificial Intelligence Plant Management System

Publications (1)

Publication Number Publication Date
KR20200043801A true KR20200043801A (en) 2020-04-28

Family

ID=70456193

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180124629A KR20200043801A (en) 2018-10-18 2018-10-18 Artificial Intelligence Plant Management System

Country Status (1)

Country Link
KR (1) KR20200043801A (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220012108A (en) * 2020-07-22 2022-02-03 주식회사 굴리 Apparatus and method for determining sowing time of sprout crops using image reading
JP2022057201A (en) * 2020-09-30 2022-04-11 東日本電信電話株式会社 Farm field integrated management system
KR102446817B1 (en) * 2022-03-03 2022-09-26 주식회사 유성조경개발 Landscape management operating system
KR102538747B1 (en) * 2022-11-28 2023-06-01 농업회사법인 상상텃밭 주식회사 Apparatus and method for providing plant factory digital twin interface using 3D image reconstruction algorithm
KR102643855B1 (en) * 2022-11-24 2024-03-08 주식회사 대호이엔지 System for integrated management by utilizing real-time image collection function of rgb camera
CN117875571A (en) * 2024-03-12 2024-04-12 中国林业科学研究院林业研究所 Forest vegetation growth condition analysis method and system
WO2024085289A1 (en) * 2022-10-21 2024-04-25 엘지전자 주식회사 Artificial intelligence-based method and system for controlling plant cultivation

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220012108A (en) * 2020-07-22 2022-02-03 주식회사 굴리 Apparatus and method for determining sowing time of sprout crops using image reading
JP2022057201A (en) * 2020-09-30 2022-04-11 東日本電信電話株式会社 Farm field integrated management system
KR102446817B1 (en) * 2022-03-03 2022-09-26 주식회사 유성조경개발 Landscape management operating system
WO2024085289A1 (en) * 2022-10-21 2024-04-25 엘지전자 주식회사 Artificial intelligence-based method and system for controlling plant cultivation
KR102643855B1 (en) * 2022-11-24 2024-03-08 주식회사 대호이엔지 System for integrated management by utilizing real-time image collection function of rgb camera
KR102538747B1 (en) * 2022-11-28 2023-06-01 농업회사법인 상상텃밭 주식회사 Apparatus and method for providing plant factory digital twin interface using 3D image reconstruction algorithm
CN117875571A (en) * 2024-03-12 2024-04-12 中国林业科学研究院林业研究所 Forest vegetation growth condition analysis method and system

Similar Documents

Publication Publication Date Title
KR20200043801A (en) Artificial Intelligence Plant Management System
US11287411B2 (en) Systems and methods for crop health monitoring, assessment and prediction
US9076105B2 (en) Automated plant problem resolution
US11631475B2 (en) Real-time projections and estimated distributions of agricultural pests, diseases, and biocontrol agents
CN109003198A (en) A kind of precision agriculture management platform and method based on big data technology
US20220272907A1 (en) Automated plant monitoring systems and methods
CN109832246A (en) A kind of plant protection drone aggregation of data acquisition system based on Beidou navigation
Singh et al. Role of artificial intelligence and the internet of things in agriculture
KR20160044817A (en) Greenhouse control system and control method thereof
EP4182925A1 (en) System and method for testing plant genotype and phenotype expressions under varying growing and environmental conditions
KR102546183B1 (en) Method and system for managing smart farm
EP4187344A1 (en) Work machine distance prediction and action control
CN206196575U (en) A kind of intelligent flower management system
US20220107297A1 (en) Platform for real-time identification and resolution of spatial production anomalies in agriculture
US20220104437A1 (en) Reduction of time of day variations in plant-related data measurements
Kosmopoulos et al. The SOUP project: current state and future activities
US20210195850A1 (en) Greenhouse control system
Mehta et al. Smart Agricultural Mechanization in India—Status and Way Forward
CN117530164B (en) Intelligent decision-making three-dimensional circulation seedling raising method and system based on machine vision
KR102271864B1 (en) Smart farm environment control system that can provide automatic cultivation data based on learning data
CN117729242A (en) Intelligent agricultural system based on AI technology
KR20160013375A (en) Arable Land Management System Linked With Farming Journal
Bedi et al. Design of Intelligent Polyhouse with IOT
CN114020961A (en) Wisdom agricultural plant diseases and insect pests cloud platform
CN116823512A (en) Intelligent agriculture management method and system based on Internet of things platform

Legal Events

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