KR20200044216A - System and method for predicting the occurrence of pests using Big Data - Google Patents

System and method for predicting the occurrence of pests using Big Data Download PDF

Info

Publication number
KR20200044216A
KR20200044216A KR1020180121407A KR20180121407A KR20200044216A KR 20200044216 A KR20200044216 A KR 20200044216A KR 1020180121407 A KR1020180121407 A KR 1020180121407A KR 20180121407 A KR20180121407 A KR 20180121407A KR 20200044216 A KR20200044216 A KR 20200044216A
Authority
KR
South Korea
Prior art keywords
information
pest
unit
special
big data
Prior art date
Application number
KR1020180121407A
Other languages
Korean (ko)
Inventor
신창선
이명배
조현욱
박철영
양수영
Original Assignee
순천대학교 산학협력단
주식회사 엘시스
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 순천대학교 산학협력단, 주식회사 엘시스 filed Critical 순천대학교 산학협력단
Priority to KR1020180121407A priority Critical patent/KR20200044216A/en
Publication of KR20200044216A publication Critical patent/KR20200044216A/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Catching Or Destruction (AREA)

Abstract

Disclosed is a big data-based pest outbreak prediction system detecting and predicting signs of pest outbreak in a special crop. The system includes: a sensor unit collecting environment information on a special crop cultivation site; an imaging unit imaging special crop state information; a big data processing unit subject to cloud-based transmission of weather history information, special fruit cultivation information, a pest control manual, pest information, and pesticide information surrounding the special crop cultivation site; an information collection unit collecting information on the sensor unit, the imaging unit, and the big data processing unit; sensor information and imaging information databases respectively storing the sensor unit information and the imaging unit information collected at the information collection unit; a diagnosis execution unit executing a special crop pest diagnosis occurrence and pest control algorithm based on the information stored in the sensor information and imaging information databases and the information collected from the big data processing unit; and a user guide unit visualizing the result of the diagnosis execution unit by means of a geographic information system (GIS) and transmitting the result to a user interface. According to the present invention, a pest outbreak timing and a pest outbreak index depending on the correlation between environment information surrounding the cultivation site and the size of special crop fruit are predicted by means of poisson distribution and a neural network algorithm, and thus the accuracy of the prediction can be significantly improved and the occurrence (expansion) of damage to farmers can be significantly reduced.

Description

빅데이터를 이용한 병해충 발생 예측 시스템 및 방법{System and method for predicting the occurrence of pests using Big Data}System and method for predicting the occurrence of pests using Big Data}

본 발명은 미세기상 기후 수집 및 영상 정보를 통한 이미지 분석, 예찰 모형 등을 통해 병해충 및 기상재해에 대한 피해를 최소화할 수 있는 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for predicting pest outbreaks using big data that can minimize damage to pests and meteorological disasters through microclimate climate collection and image analysis through image information, forecast models, and the like.

일반적으로 사물인터넷(Internet of things)이란 생활 속 사물들을 유무선 네트워크로 연결해 정보를 공유하는 환경 또는 생활 속 사물들에 장착되는 유무선 네트워크 장치로서, 최근 들어 사물인터넷과 관련된 아이템이 널리 개발되고 있는 추세이다. 이러한 사물인터넷을 이용하여 가전제품, 전자기기뿐만 아니라 헬스케어, 원격검침, 스마트홈,스마트카 등 다양한 분야에서 사물을 네트워크로 연결해 정보를 공유할 수 있다.In general, the Internet of Things (Internet of things) is a wired / wireless network device that is mounted on things in life or an environment in which objects in life are connected to a wired / wireless network to share information. Recently, items related to the Internet of Things have been widely developed. . By using the Internet of Things, it is possible to share information by connecting objects with networks in various fields such as home appliances and electronic devices, as well as healthcare, remote meter reading, smart homes, and smart cars.

한편, 농업 분야에 있어서 농작물 재배 기술 및 관리 기술 등이 꾸준히 발전하고 있으나, 여전히 각종 질병으로 인한 농작물이나 과수의 피해가 꾸준히 발생하고 있고, 농작물 재배 기술의 현대화 필요성도 계속 증가하고 있는 실정이다.On the other hand, in the field of agriculture, crop cultivation technology and management technology, etc. are steadily developing, but the damage of crops or fruit trees is still occurring due to various diseases, and the necessity of modernizing the cultivation technology of crops continues to increase.

최근 급속도로 발달하고 있는 IoT(Internet of Things) 기술들이 다양한 산업분야에 결합하여 새로운 서비스들을 개발하는 연구들이 진행 중에 있다. 노동집약적 위주의 농산업 분야에서도 IoT 기술을 융합하여 첨단화되고 있는 추세이다. 이러한 첨단화 기술들을 이용하여 자연 의존적인 농산업에서 안정되고 지속적인 성장이 가능하게 탈바꿈하고 있다. Recently, IoT (Internet of Things) technologies that are rapidly developing are combined with various industries to develop new services. In the field of labor-intensive agricultural industry, IoT technology is converging to become more advanced. Using these advanced technologies, it is transforming to enable stable and sustainable growth in the agricultural industry that is dependent on nature.

전국의 생산률 중 전남지역(순천, 광양, 하동, 고흥 등)에 30%이상이 생산되는 특용과수(매실, 유자 등) 품목에 대한 병해충 발생 예찰 연구도 진행 중에 있지만 배포되고 있는 방제 매뉴얼은 우리나라 평균 기상환경에 맞춰 제작되어 실제 적용에 한계가 있다. In the nationwide production rate, pesticide outbreak prediction studies on special fruit trees (plums, citrons, etc.) that produce more than 30% in the Jeonnam region (Suncheon, Gwangyang, Hadong, Goheung, etc.) are underway, but the control manual being distributed is It is manufactured according to the average weather environment in Korea, so there is a limit to its practical application.

이러한 농작물의 병해충관리가 전국적으로 시행되고 있으나 병해충의 예찰과 방제는 작목별 독립적인 시스템이 개발·운영되고 있고, 돌발 병해충 발생시 신속한 자료 수집을 위한 시스템의 부재로 방제 적기를 놓치는 경우가 많다. 또한 병해충 적기방제를 위한 예측 모형 연구를 수행하여 개발된 모델을 공개적으로 서비스할 수 있는 시스템이 없어 연구사업 성과물로만 관리되고 있고 표준화 되지 않아 농업인들에게 혼란만 주고 있는 실정이다. Although pest management of these crops is being implemented nationwide, independent systems for planting and controlling pests are often developed and operated, and in the event of a sudden pest, there is often a lack of a system for rapid data collection. In addition, there is no system to openly service the developed model by conducting a predictive model study for timely control of pests, so it is managed only as a result of the research project and is not standardized.

덧붙이자면, 고추, 토마토, 가지, 수박 등 시설원예작물에 발생하는 각종 병, 해충, 생리장해 현상의 발생상황을 파악하고, 진단에 필요한 멀티미디어 정보를 현장에서 수집함과 아울러 중요한 병해충의 개략적인 발생밀도 변동과 농가 대처방법, 증상자료 등을 수집하고 작물에 피해를 주는 병해충 및 생리장해를 농가단위에서 손쉽고 정확하게 진단하고 대처방법이 현재 농가에서 절실하게 필요한 상황이나 재배지 환경에 맞는 맞춤형 정보의 제공이 어려운 현실이다.In addition, it identifies the occurrence of various diseases, pests, and physiological disorders in facility horticultural crops such as peppers, tomatoes, eggplants, and watermelons, collects multimedia information necessary for diagnosis in the field, and outlines important pests Density fluctuations, farming measures, symptom data, etc. are collected, and pests and physiological disorders that damage crops can be easily and accurately diagnosed at the farming unit, and tailored information suitable for the situation or farming environment that the farmers desperately need is needed. It is a difficult reality.

대한민국 공개특허 제10-2018-0078698호(2018.07.10. 공개)Republic of Korea Patent Publication No. 10-2018-0078698 (published on July 10, 2018)

본 발명은 상술한 종래의 문제점을 해결하기 위하여 안출된 것으로서, 광역 기상정보 및 농업 환경지수 정보와 재배지역에 특화된 미세지역 재배지 내의 지중/지상 환경정보와 미세기상 정보를 실시간 또는 주기적으로 수집하고 적용하여 특용작물(매실, 유자 등)의 기상재해, 병충해의 발생 징후 및 확산을 예찰하여 사용자에게 실시간으로 전달할 수 있는 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법을 제공하는 것을 목적으로 한다.The present invention has been devised to solve the above-mentioned conventional problems, and collects and applies real-time or periodic environmental information and micro-meteorological information in the micro-regional cultivation area, which is specialized in the wide-area weather information and agricultural environment index information, and the cultivation area. Therefore, it is an object of the present invention to provide a system and method for predicting the occurrence of pests using big data that can predict and spread the occurrence and spread of meteorological disasters and pests of special crops (plum, citron, etc.).

본 발명의 일 측면에 따르면, 특용작물의 병해충 발생 징후를 감지 및 예측하는 시스템으로서, 특용작물 재배지의 환경정보를 수집하는 센서부; 특용작물의 상태 정보를 촬영하는 촬영부; 특용작물 재배지 주변의 기상이력 정보와 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보를 클라우드 기반으로 전송받는 빅데이터 처리부; 상기 센서부, 촬영부, 빅데이터 처리부의 정보를 수집하는 정보 수집부; 상기 정보 수집부에 수집된 센서부 정보와 촬영부 정보가 각각 저장되는 센서정보 및 촬영정보 데이터 베이스; 상기 센서정보 및 촬영정보 데이터 베이스에 저장된 정보와 상기 빅데이터 처리부로부터 수집된 정보를 기반으로 특용작물의 병해충 진단발생 및 방제 알고리즘을 수행하는 진단 수행부; 및 상기 진단 수행부의 결과를 GIS(Geographic Information System)를 이용하여 시각화하여 사용자 인터페이스로 전송하는 사용자 안내부를 포함하는 빅데이터를 이용한 병해충 발생 예측 시스템이 제공된다.According to an aspect of the present invention, a system for detecting and predicting signs of pest occurrence of a special crop, comprising: a sensor unit for collecting environmental information of a special crop cultivation site; A photographing unit for photographing status information of the special crop; A big data processing unit that receives weather history information and special fruit cultivation information, pest control information, pest information, and pesticide information around the special crop cultivation area based on the cloud; An information collecting unit collecting information of the sensor unit, the photographing unit, and the big data processing unit; A sensor information and photographing information database in which sensor unit information and photographing unit information collected in the information collecting unit are respectively stored; A diagnosis performing unit for performing a pest diagnosis and control algorithm of a special crop based on information stored in the sensor information and photographing information database and information collected from the big data processing unit; And a user guide that visualizes the results of the diagnosis execution unit using a Geographic Information System (GIS) and transmits the result to the user interface.

상기 정보 수집부는, 상기 촬영부의 정보를 실시간 영상으로 전달하도록 영상 정보를 생성하는 스트리밍 서버; 상기 센서부, 촬영부 정보가 일시 저장되는 데이터 획득 서버; 및 상기 데이터 획득 서버에 저장된 정보를 웹상에서 확인 가능하도록 하는 데이터 웹서버를 포함하며, 상기 진단 수행부는 상기 센서정보 및 촬영정보 데이터 베이스에 저장된 정보를 상기 빅데이터 처리부로부터 수집된 정보와 대응 비교하여 특용작물의 병해충 진단발생 및 방제 알고리즘을 수행할 수 있다.The information collection unit, a streaming server that generates image information to deliver the information of the photographing unit in real time; A data acquisition server in which the sensor unit and the photographing unit information are temporarily stored; And a data web server that enables information stored in the data acquisition server to be checked on the web, and the diagnostic execution unit compares the information stored in the sensor information and the shooting information database with information collected from the big data processing unit. Diagnosis and control algorithms for pests of special crops can be performed.

상기 센서부와 상기 정보 수집부에 각각 마련되어 센서부의 감지정보를 무선 송수신하는 무선 송신부와 무선 수신부를 더 포함할 수 있다.Each of the sensor unit and the information collection unit may further include a wireless transmitter and a wireless receiver that wirelessly transmit and receive sensor information.

상기 진단 수행부는, 상기 특용작물 생육환경에 맞는 병해충 예찰 소프트웨어 엔진을 탑재하고 재배지 기상환경에 맞는 특용작물 병해충 예찰 소프트웨어 엔진을 탑재하고 적용한 알고리즘을 기반으로 산출된 병해충 발생 예찰 모형에 특용작물 재배지에서 수집된 실측데이터를 적용하여 맞춤형 병해충 발생지수를 산출하되, 빅데이터 처리부로부터 수집된 값과 센서부와 촬영부의 측정값을 비교하고 그 편차를 산출하여 편차값의 범위에 따른 발생 가능한 병해충 정보, 병해충 발생확률을 산출할 수 있다.The diagnostic execution unit is equipped with a pest prediction software engine suitable for the growth environment of the special crop, a pest crop prediction software engine suitable for the cultivation environment, and is collected from a special crop plantation in a pest occurrence prediction model calculated based on the applied algorithm. Calculate a customized pest outbreak index by applying the measured data, but compare the values collected from the big data processing section with the measured values of the sensor section and the imaging section and calculate the deviation to generate possible pest information and pest outbreaks according to the range of deviation values Probability can be calculated.

상기 진단 수행부는, 푸아송 분포(poisson distribution)를 이용하여 재배지 주변 환경 정보와 특용작물 열매 크기의 상관관계에 따른 병해충 발생지수를 계산하고, 뉴럴 네트워크를 적용하여 병해충 발생시기를 예측할 수 있다.The diagnostic execution unit may calculate a pest occurrence index according to a correlation between environmental information around a plantation and a fruit size of a special crop using a Poisson distribution, and apply a neural network to predict when a pest occurs.

본 발명의 다른 측면에 따르면, 특용작물의 병해충 발생 징후를 감지 및 예측하는 방법로서, (a) 특용작물 재배지의 환경정보를 수집하고 특용작물의 생장 정보를 촬영하고 특용작물 재배지 주변의 기상이력 정보와 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보를 클라우드 기반으로 전송받는 단계; (b) 상기 특용작물 재배지 환경정보, 생장정보를 무선 송수신을 이용하여 수집하는 단계; (c) 상기 특용작물 재배지 환경정보, 생장정보를 상기 클라우드 기반으로 전송받은 정보와 비교하여 병해충 진단발생 및 방제 알고리즘을 수행하는 단계; 및 (d) 상기 (c)단계의 수행 결과를 사용자 인터페이스로 전송하는 단계를 포함하되, 상기 (c)단계는 상기 특용작물 생육환경에 맞는 병해충 예찰 소프트웨어 엔진에 탑재된 알고리즘을 기반으로 산출된 병해충 발생 예찰 모형에 특용작물 재배지에서 수집된 실측데이터를 적용하여 맞춤형 병해충 발생지수를 산출하되, 빅데이터 처리부로부터 수집된 값과 센서부와 촬영부의 측정값을 비교하고 그 편차를 산출하여 편차값의 범위에 따른 발생 가능한 병해충 정보, 병해충 발생확률을 산출하는 것을 특징으로 하는 빅데이터를 이용한 병해충 발생 예측방법이 제공된다.According to another aspect of the present invention, as a method of detecting and predicting signs of pest occurrence of a special crop, (a) collecting environmental information of the special crop plantation, photographing growth information of the special crop, and weather history information around the special crop plantation And receiving special fruit cultivation information, control manual, pest information, pesticide information is transmitted in the cloud-based; (b) collecting environmental information and growth information of the special crop cultivation area using wireless transmission and reception; (c) comparing the environment information and growth information of the special crop cultivation field with information received based on the cloud to perform a pest diagnosis and control algorithm; And (d) transmitting the execution result of step (c) to a user interface, wherein step (c) is calculated based on an algorithm mounted on the pest prediction software engine suitable for the growth environment of the special crop. Calculate the customized pest outbreak index by applying the measured data collected from the special crop plantation to the outbreak forecast model, but compare the values collected from the big data processing section with the measured values of the sensor section and the imaging section and calculate the deviation to calculate the range of the deviation value Pest occurrence prediction method using big data is provided, which is characterized in that it is possible to generate pest information and pest probability.

상기에서 설명한 본 발명의 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법에 의하면, 사용자가 항시 용이하게 특용작물의 생장 환경을 모니터링할 수 있고 병충해 발생 예찰 정보를 전달받아 병충해 발생 가능성이 농후한 경우 신속하게 후속처리를 진행하여 피해 발생과 확산을 최소화할 수 있다.According to the pest occurrence prediction system and method using the big data of the present invention described above, the user can easily monitor the growth environment of a special crop at any time, and receive information on the prediction of the occurrence of the pest, so that the possibility of the occurrence of the pest is quickly It is possible to minimize damage and spread by proceeding with follow-up.

또한 푸아송 분포(poisson distribution)와 뉴럴 네트워크 알고리즘을 이용하여 재배지 주변 환경 정보와 특용작물 열매 크기의 상관관계에 따른 병해충 발생지수와 병해충 발생시기를 예측함으로써 그 정확도를 월등히 향상시켜 농업인들의 피해 발생(확산)을 크게 저감시킬 수 있다.In addition, by using the Poisson distribution and neural network algorithm to predict the pest incidence index and the timing of the pest incidence according to the correlation between the environment information of the cultivation area and the size of the special crop, the accuracy is significantly improved, resulting in damage to farmers ( Diffusion) can be greatly reduced.

도 1은 본 발명의 실시예에 따른 빅데이터를 이용한 병해충 발생 예측 시스템을 나타내는 그림,
도 2는 본 발명의 실시예에 따른 빅데이터를 이용한 병해충 발생 예측 시스템을 나타내는 구성도,
도 3은 본 발명의 실시예에 따른 빅데이터를 이용한 병해충 발생 예측 시스템에서 GUI를 보여주는 그림,
도 4는 본 발명의 실시예에 따른 빅데이터를 이용한 병해충 발생 예측방법을 나타내는 순서도이다.
1 is a diagram showing a pest occurrence prediction system using big data according to an embodiment of the present invention,
Figure 2 is a block diagram showing a pest generation prediction system using big data according to an embodiment of the present invention,
3 is a diagram showing a GUI in a pest occurrence prediction system using big data according to an embodiment of the present invention,
4 is a flowchart illustrating a method for predicting pest occurrence using big data according to an embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 더욱 상세히 설명하기로 한다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 도면상에서 동일 부호는 동일한 요소를 지칭한다.Hereinafter, embodiments of the present invention will be described in more detail with reference to the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in various different forms, and only the present embodiments allow the disclosure of the present invention to be complete, and the scope of the invention to those skilled in the art is completely It is provided to inform you. The same reference numerals in the drawings refer to the same elements.

본 발명의 바람직한 실시예에 따른 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법은 클라우드 기반의 빅데이터 처리를 통해 실시간으로 병해충 및 기상재해에 대한 예찰 정보를 제공하고 개방형 서비스 인터페이스를 통해 다양한 환경에서 활용될 수 있도록 하는 것으로서, 특용작물 재배지 주변의 기상 상황과 적용 특용작물의 방제 메뉴얼, 농약 정보, 병해충 정보, 특용작물 재배정보를 클라우드 기반으로 전달받고 재배지 주변의 지중/지상 환경정보와 대응 비교하여 병해충, 기상재해 발생에 대한 예찰 정보를 제공한다. 부연하자면, 본 발명은 광역 기상정보 및 농업 환경지수 정보와 재배지역에 특화된 미세지역 재배지 내의 지중/지상 환경정보와 미세기상 정보를 실시간으로 수집하고 적용하여 특용작물(매실, 유자 등)의 기상재해, 병충해의 발생 징후 및 확산을 예찰하여 사용자에게 실시간으로 전달함으로써 피해 확산을 조기에 방지하고 수확을 증가시킬 수 있도록 마련된다. The pest occurrence prediction system and method using big data according to a preferred embodiment of the present invention provides prediction information on pests and meteorological disasters in real time through cloud-based big data processing, and can be utilized in various environments through an open service interface In order to enable, the weather conditions around the planting area of special crops and the control manual, pesticide information, pest information, and crop planting information of the applied crops are delivered in the cloud-based and compared with the underground / ground environmental information around the plantation, pests, Provides forecast information for meteorological disasters. In other words, the present invention collects and applies real time / ground environmental information and fine weather information in a wide area weather information, agricultural environment index information, and micro area cultivation areas specialized in the cultivation area in real time, and causes meteorological disasters of special crops (plum, citron, etc.). , It is prepared to prevent the spread of damage early and increase the harvest by predicting the signs and spread of disease and pests and delivering them to users in real time.

이하, 실시예를 참조하여 본 발명을 상세히 설명한다.Hereinafter, the present invention will be described in detail with reference to Examples.

도 1에 도시한 바와 같이, 본 발명의 실시예에 따른 빅데이터를 이용한 병해충 발생 예측 시스템은 특용작물의 병해충 발생 징후를 감지 및 예측하는 시스템으로서, 센서부(100), 촬영부(200), 빅데이터 처리부(250), 정보 수집부(300), 센서정보 및 촬영정보 데이터 베이스(400,410), 진단 수행부(500), 사용자 안내부(600)를 포함한다.As illustrated in FIG. 1, the pest occurrence prediction system using big data according to an embodiment of the present invention is a system for detecting and predicting signs of pest occurrence of a special crop, the sensor unit 100, the photographing unit 200, It includes a big data processing unit 250, an information collection unit 300, sensor information and photographing information databases 400,410, a diagnosis performing unit 500, and a user guide unit 600.

먼저 센서부(100)는 특용작물 재배지의 환경정보를 수집하는 것으로서 특용작물이 생장하는 비닐하우스 등에 설치되어 생장정보를 감지하게 된다. 구체적으로 센서부(100)는 매실, 유자 등이 생장하는 비닐하우스 내부의 온도, 습도, 조도를 측정할 수 있고 토양의 EC(Electrical Conductivity)를 측정할 수 있다.First, the sensor unit 100 collects environmental information of a special crop cultivation site, and is installed in a greenhouse where the special crop is grown to detect growth information. Specifically, the sensor unit 100 may measure temperature, humidity, and illuminance inside a plastic greenhouse where plums and citrons grow, and may measure EC (Electrical Conductivity) of the soil.

촬영부(200)는 특용작물의 상태 정보를 촬영하는 일종의 CCTV로서, 마찬가지로 비닐하우스 내부에 설치된다.The photographing unit 200 is a kind of CCTV that photographs the status information of a special crop, and is similarly installed inside the vinyl house.

빅데이터 처리부(250)는 특용작물 재배지 주변의 기상이력 정보와 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보를 클라우드 기반으로 전송받는다.The big data processing unit 250 receives weather history information and special fruit cultivation information, a control manual, pest information, and pesticide information around the special crop cultivation area based on the cloud.

구체적으로, 빅데이터 처리부(250)는 기상청 등과 같이 유관기관의 데이터를 기반으로 특용작물 재배지 주변의 과거 및 현재 기상이력 정보, 농업 환경지수 정보를 XML 전송, FTP 전송등의 방법을 통해 실시간 또는 주기적으로 전송받는다. 또한 빅데이터 처리부(250)는 농업 관련 기관 및 인터넷 등을 통해 특용작물 재배정보, 특용작물에 발생가능한 병해충 정보, 병해충 방제 메뉴얼, 병해충 방제를 위한 농약 정보 등을 실시간 또는 주기적으로 전송받는다. 좀 더 부연하자면, 빅데이터 처리부(250)는 일 예로, 각종 온도, 습도, 조도, EC(electrical conductivity) 조건범위에서 매실, 유자 등의 병해충 발생 확률, 발생 가능한 병해충, 최적의 생장 환경 정보 등 다양한 정보를 전송받을 수 있다.Specifically, the big data processing unit 250 is based on the data of related organizations such as the Korea Meteorological Administration, the past and present weather history information around the special crop plantation, agricultural environment index information through XML transmission, FTP transmission, etc. in real time or periodic Is sent to. In addition, the big data processing unit 250 receives real-time or periodic transmission of special crop cultivation information, pest information that may occur on the special crop, pest control manual, pesticide control information for pest control, etc., through agricultural organizations and the Internet. To be more specific, the big data processing unit 250 is, for example, various temperature, humidity, illuminance, EC (electrical conductivity) in a range of conditions, such as plums, citrons, pest occurrence probability, possible pests, optimal growth environment information, etc. Information can be sent.

다음 정보 수집부(300)는 센서부(100), 촬영부(200) 및 빅데이터 처리부(250)의 정보를 수집한다.Next, the information collection unit 300 collects information of the sensor unit 100, the photographing unit 200, and the big data processing unit 250.

도 1에 도시한 바와 같이, 정보 수집부(300)는 스트리밍 서버(310), 데이터 획득 서버(320), 데이터 웹서버(330)를 포함한다.As shown in FIG. 1, the information collection unit 300 includes a streaming server 310, a data acquisition server 320, and a data web server 330.

또한 본 발명은 센서부(100)와 정보 수집부(300)에 각각 마련되어 센서부(100)의 감지정보를 무선 송수신하는 무선 송신부(350)와 무선 수신부(360)를 더 포함한다. 구체적으로 무선 송신부(350)는 비닐하우스에 마련되어 센서부(100)의 감지신호를 전달받아 무선 수신부(360)로 주기적으로 전송하며, 무선 수신부(360)는 비닐하우스 외부(정보 수집부가 설치된 영역 주변 등)에 설치되어 무선 송신부의 송신 정보를 수신하며 수신된 정보는 데이터 획득 서버(320)에 저장된다. 예를 들면, 무선 송신부(350)는 1시간 내지 6시간의 주기로 전송할 수 있으며, 무선 송수신은 인터넷, WIFI, LTE 등 무선 통신망을 이용하여 가능하다.In addition, the present invention further includes a wireless transmitting unit 350 and a wireless receiving unit 360 that are respectively provided in the sensor unit 100 and the information collecting unit 300 to wirelessly transmit and receive the sensing information of the sensor unit 100. Specifically, the wireless transmission unit 350 is provided in the vinyl house and receives the detection signal of the sensor unit 100 and periodically transmits it to the wireless reception unit 360, and the wireless reception unit 360 is outside the vinyl house (around the area where the information collection unit is installed) Etc.) to receive transmission information of the wireless transmitter and the received information is stored in the data acquisition server 320. For example, the wireless transmitter 350 may transmit in a period of 1 hour to 6 hours, and wireless transmission and reception is possible using a wireless communication network such as the Internet, WIFI, LTE.

먼저 스트리밍 서버(310)는 촬영부(200)의 정보를 실시간 영상으로 전달하도록 영상 정보를 생성하는 것으로서, 촬영부(200)로부터 전송되는 데이터를 동영상 스트리밍 서비스로 제공하기 위해 마련되며 사용자는 스마트폰 등의 무선통신기기를 이용하여 촬영부(200)의 촬영 영상을 실시간으로 확인할 수 있다.First, the streaming server 310 generates video information to deliver information of the photographing unit 200 as a real-time video, and is provided to provide data transmitted from the photographing unit 200 as a video streaming service, and a user uses a smartphone. By using a wireless communication device, such as can be checked in real time the captured image of the imaging unit 200.

데이터 획득 서버(320)는 센서부(100), 촬영부(200)의 정보가 일시 저장되는 것으로서 저장된 정보는 결국 후술하는 센서정보 및 촬영정보 데이터 베이스(400,410)로 전송되어 저장된다.The data acquisition server 320 is temporarily stored as the information of the sensor unit 100 and the photographing unit 200, and the stored information is finally transmitted to and stored in the sensor information and the photographing information databases 400 and 410 to be described later.

데이터 웹서버(330)는 데이터 획득 서버(320)에 저장된 정보를 웹상에서 확인 가능하도록 마련되며, 후술하는 사용자 안내부(600)는 데이터 웹서버(330)에 저장된 정보를 사용자 인터페이스(스마트폰 등)로 전송하여 사용자가 촬영부의 촬영 영상 뿐만 아니라 센서부의 감지값도 실시간으로 확인 가능하도록 할 수 있다.The data web server 330 is provided so that information stored in the data acquisition server 320 can be checked on the web, and the user guide unit 600 described later uses the information stored in the data web server 330 in a user interface (smartphone, etc.). ), So that the user can check the sensing value of the sensor unit as well as the captured image of the shooting unit in real time.

다음, 센서정보 및 촬영정보 데이터 베이스(400,410)는 정보 수집부(300), 구체적으로 데이터 획득 서버(320)에 일차적으로 수집/저장된 센서부 정보와 촬영부 정보가 각각 별도 저장된다.Next, the sensor information and the photographing information databases 400 and 410 are separately stored in the information collecting unit 300, specifically, the sensor unit information and the photographing unit information primarily collected / stored in the data acquisition server 320, respectively.

다음, 진단 수행부(500)는 센서정보 및 촬영정보 데이터 베이스(400,410)에 저장된 정보와 빅데이터 처리부(250)를 통해 실시간 또는 주기적으로 수집된 정보를 기반으로 특용작물의 병해충 진단발생 및 방제 알고리즘을 수행한다. 진단 수행부(500)는 센서정보 및 촬영정보 데이터 베이스(400,410)에 저장된 정보와 빅데이터 처리부(250)를 통해 수집된 정보를 대응 비교하여 특용작물의 병해충 진단발생 및 방제 알고리즘을 수행한다.Next, the diagnosis execution unit 500 is based on the information stored in the sensor information and the shooting information database 400 and 410 and the information collected in real time or periodically through the big data processing unit 250 to diagnose and control the pest of the special crop. To perform. The diagnosis execution unit 500 compares the information stored in the sensor information and the shooting information databases 400 and 410 with the information collected through the big data processing unit 250 to perform a pest diagnosis and control algorithm of a special crop.

구체적으로, 진단 수행부(500)는 특용작물 생육환경에 맞는 병해충 예찰 소프트웨어 엔진을 탑재하는데 특히 재배지(비닐하우스 주변) 기상환경에 맞는 특용작물 병해충 예찰 소프트웨어 엔진을 탑재하고, 적용한 알고리즘을 기반으로 산출된 병해충 발생 예찰 모형에 특용작물 재배지에서 수집된 실측데이터(온도, 습도,조도, EC 등)를 적용하여 맞춤형 병해충 발생지수를 산출한다.Specifically, the diagnosis execution unit 500 is equipped with a pest prediction software engine suitable for the growing environment of the special crop. In particular, the pest crop prediction software engine suitable for the weather environment in the cultivation area (around the vinyl house) is mounted and calculated based on the applied algorithm. The customized pest outbreak index is calculated by applying the measured data (temperature, humidity, illuminance, EC, etc.) collected from the special crop cultivation model to the predicted pest outbreak model.

병해충 예찰 소프트웨어 엔진은 클라우드 기반하여 빅데이터 처리부(250)로부터 수집된 특용작물 재배지 주변의 기상이력 정보와 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보 등 다양한 정보와 센서정보 및 촬영정보 데이터 베이스(400,410)에 저장되는 값을 비교하고 그 편차를 산출하여 편차값의 범위에 따른 발생 가능한 병해충 정보, 병해충 발생확률을 산출하게 된다. 여기서, 병해충 예찰 소프트웨어 엔진은 매실, 유자 등 작물 종류에 따라 별도로 병해충 발생지수를 산출하며 이를 위해 빅데이터 처리부(250)는 각종 특용작물에 대한 병해충 관련 정보, 최적의 생장 환경 정보 등을 전송받으며 병해충 예찰 소프트웨어 엔진은 해당 특용작물에 해당하는 정보를 기준으로 병해충 발생지수를 산출하게 된다.The pest prediction software engine is a cloud-based database of various information such as weather history and special fruit cultivation information, control manuals, pest information, pesticide information, sensor information, and pesticide information collected from the big data processing unit 250 collected from the big data processing unit 250 By comparing the values stored in (400,410) and calculating the deviation, the possible pest information and the probability of occurrence of the pest according to the range of the deviation value are calculated. Here, the pest prediction software engine calculates the pest occurrence index separately according to crop types such as plums and citrons. To this end, the big data processing unit 250 receives pest-related information, optimal growth environment information, etc. for various special crops. The prediction software engine calculates the pest outbreak index based on the information corresponding to the special crop.

본 발명의 실시예에서, 진단 수행부(500)는 푸아송 분포(poisson distribution) 알고리즘을 이용하여 재배지 주변 환경 정보와 특용작물 열매 크기의 상관관계에 따른 병해충 발생지수를 계산하고, 뉴럴 네트워크를 적용하여 병해충 발생시기를 예측한다.In an embodiment of the present invention, the diagnosis performing unit 500 calculates the pest occurrence index according to the correlation between the environment information around the plantation and the fruit size of the special crop using the Poisson distribution algorithm, and applies the neural network To predict when pests will occur.

여기서, 푸아송 분포 알고리즘은 수학적 통계 기법인 푸아송 분포를 이용한 알고리즘으로서 단위 시간 안에 어떤 사건이 몇 번 발생할 것인지를 표현하는 이산 확률 분포를 이용한다. 정해진 시간 안에 어떤 사건이 일어날 횟수에 대한 기대값을 람다(lamda)라고 했을 때, 그 사건이 n회 일어날 확률은 다음 수학식과 같다.Here, the Poisson distribution algorithm is an algorithm using the Poisson distribution, which is a mathematical statistical technique, and uses a discrete probability distribution representing how many times an event will occur within a unit time. When the expected value of the number of times an event will occur within a predetermined time is called a lambda, the probability that the event will occur n times is as follows.

[수학식][Mathematics]

Figure pat00001
Figure pat00001

여기서 e는 자연상수Where e is the natural constant

인공신경망(人工神經網, artificial neural network, ANN)은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이다. 인공신경망은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜 문제 해결 능력을 가지는 모델 전반을 가리킨다. 진단 수행부(500)는 전술한 푸아송 분포 알고리즘과 뉴럴 네트워크 알고리즘을 이용하여 병해충 발생확률을 산출하여 병해충 발생지수로 변환 산출하고, 빅데이터 처리부(250)의 정보를 다각적으로 반영하여 병해충 발생시기를 예측한다.Artificial neural network (ANN) is a statistical learning algorithm inspired by the neural network of biology (especially the brain of the animal's central nervous system) in machine learning and cognitive science. The artificial neural network refers to a model in which artificial neurons (nodes) that form a network through synaptic binding have a problem-solving ability by changing the strength of synaptic binding through learning. The diagnosis execution unit 500 calculates the probability of occurrence of a pest using the Poisson distribution algorithm and the neural network algorithm described above, converts it into a pest occurrence index, and reflects information of the big data processing unit 250 in various ways to generate a pest Predict.

본 발명은 푸아송 분포(poisson distribution)와 뉴럴 네트워크 알고리즘을 이용하여 재배지 주변 환경 정보와 특용작물 열매 크기의 상관관계에 따른 병해충 발생지수와 병해충 발생시기를 예측함으로써 그 정확도를 월등히 향상시켜 농업인들의 피해 발생(확산)을 크게 저감시킬 수 있다.The present invention significantly improves the accuracy by predicting the pest incidence index and the timing of the pest incidence according to the correlation between the environment information around the plantation and the fruit size of the special crop using the Poisson distribution and the neural network algorithm. The occurrence (diffusion) can be greatly reduced.

다음, 사용자 안내부(600)는 진단 수행부(500)의 결과를 사용자 인터페이스로 전송하여 사용자가 실시간으로 특용작물 재배지의 실측데이터, 촬영 영상 뿐만 아니라 진단 수행부(500)에서 산출된 맞춤형 병해충 발생지수, 병해충 발생시기 등을 전달받아 병해충 발생 징후를 미리 예측하고 대비할 수 있도록 한다. 사용자 안내부(600)는 인터넷망, 와이파이, 블루투스 등을 통해 사용자 스마트폰의 GUI로 전송할 수 있다.Next, the user guide unit 600 transmits the results of the diagnosis performing unit 500 to the user interface so that the user generates real-time pests measured in the diagnosis performing unit 500 as well as the actual data and photographed images of the special crop plantation in real time. The index and the time of occurrence of the pest are received to help predict and prepare for the signs of the occurrence of the pest in advance. The user guide 600 may transmit to the GUI of the user's smartphone through an Internet network, Wi-Fi, Bluetooth, or the like.

본 발명의 실시예에서, 도 3에 도시한 바와 같이, 사용자 안내부(600)는 진단 수행부(500)의 결과를 GIS(Geographic Information System)를 이용하여 시각화하여 사용자 인터페이스로 전송한다.In an embodiment of the present invention, as shown in FIG. 3, the user guide unit 600 visualizes the result of the diagnosis performing unit 500 using a Geographic Information System (GIS) and transmits it to the user interface.

스마트폰 등과 같은 사용자 인터페이스 화면에는 지도를 기반으로 병해충 알림단계의 등급이 색상으로 구분되도록 하며, 경고 알림단계, 경고 발송시간, 경고 알림내용과 더불어 발생 가능하거나 발생한 병해충(예를 들면 매실검은별무늬병)에 대한 발생시기, 병해충 설명, 방제 방법 등이 지도 이미지를 기반으로 제공됨으로써 사용자의 신속하고 정확한 후속 대응을 가져올 수 있다.On the user interface screen, such as a smartphone, the level of the pest notification stage is color-coded based on the map, and possible or occurring pests (e.g., plum black star disease) along with the warning notification stage, warning delivery time, and warning notification contents ), When the occurrence of the pest, pest description, control methods, etc. are provided based on the map image, so that the user can quickly and accurately follow up.

도 4에 도시한 바와 같이, 본 발명의 실시예에 따른 빅데이터를 이용한 병해충 발생 예측방법은, 특용작물의 병해충 발생 징후를 감지 및 예측하는 방법로서, (a) 특용작물 재배지의 환경정보를 수집하고 특용작물의 생장 정보를 촬영하고 특용작물 재배지 주변의 기상이력 정보와 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보를 클라우드 기반으로 전송받는 단계; (b) 상기 특용작물 재배지 환경정보, 생장정보를 무선 송수신을 이용하여 수집하는 단계; (c) 상기 특용작물 재배지 환경정보, 생장정보를 상기 클라우드 기반으로 전송받은 정보와 비교하여 병해충 진단발생 및 방제 알고리즘을 수행하는 단계; 및 (d) 상기 (c)단계의 수행 결과를 사용자 인터페이스로 전송하는 단계를 포함한다.As shown in FIG. 4, the method for predicting the occurrence of pests using big data according to an embodiment of the present invention is a method for detecting and predicting signs of occurrence of pests of a special crop, (a) collecting environmental information of a special crop plantation And photographing growth information of the special crop and receiving weather history information and special fruit cultivation information, a control manual, pest information, and pesticide information around the special crop plantation in a cloud-based manner; (b) collecting environmental information and growth information of the special crop cultivation area using wireless transmission and reception; (c) comparing the environment information and growth information of the special crop cultivation field with information received based on the cloud to perform a pest diagnosis and control algorithm; And (d) transmitting the result of the step (c) to the user interface.

먼저 센서부(100)와 촬영부(200)를 통해 특용작물 재배지의 환경정보(온도,습도,조도, EC 등)와 특용작물의 생장 모습을 촬영하고, 빅데이터 처리부(250)를 통해 특용작물 재배지 주변의 기상이력 정보와 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보를 클라우드 기반으로 전송받는다(S100).First, through the sensor unit 100 and the photographing unit 200, environmental information (temperature, humidity, illuminance, EC, etc.) of the special crop cultivation site and the growth of the special crop are photographed, and the special crop is processed through the big data processing unit 250. The weather history information around the cultivation area, special fruit cultivation information, control manual, pest information, and pesticide information are received in the cloud (S100).

다음 S100단계에서 수집된 재배지 환경정보와 촬영정보를 무선 송신부(350)와 무선 수신부(360)를 이용하여 정보 수집부(300)로 전송한다(S200).Next, the cultivation environment information and photographing information collected in step S100 are transmitted to the information collection unit 300 using the wireless transmission unit 350 and the wireless reception unit 360 (S200).

다음 S200단계에서 수집된 정보와 빅데이터 처리부(250)를 통해 실시간 또는 주기적으로 수집된 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보 등을 비교 분석하여 병해충 진단발생 및 방제 알고리즘을 수행한다(S300).The information collected in the next step S200 and the special data cultivation information, control manual, pest information, pesticide information, etc. collected in real time or periodically through the big data processing unit 250 are compared and analyzed to perform pest diagnosis and control algorithm ( S300).

S300단계에서는 특용작물 생육환경(특히 재배지 환경)에 맞는 병해충 예찰 소프트웨어 엔진을 이용하여 적용한 알고리즘을 기반으로 산출된 병해충 발생 예찰 모형에 특용작물 재배지에서 수집된 실측데이터(온도, 습도,조도, EC 등)와 빅데이터 처리부(250)를 통해 수집된 다양한 정보를 적용하여 맞춤형 병해충 발생지수를 산출한다. 구체적으로, S300단계에서는 푸아송 분포(poisson distribution) 알고리즘을 이용하여 재배지 주변 환경 정보와 특용작물 열매 크기의 상관관계에 따른 병해충 발생지수를 계산하고, 빅데이터 처리부에 수집된 정보, 센서부와 촬영부 정보와 뉴럴 네트워크를 다각적으로 적용하여 병해충 발생시기를 예측한다. In step S300, actual data (temperature, humidity, illuminance, EC, etc.) collected from the special crop cultivation in the pest outbreak prediction model calculated based on the algorithm applied using the pest prediction software engine suitable for the growth environment of the special crop (especially the cultivation environment) ) And a variety of information collected through the big data processing unit 250 to calculate a customized pest outbreak index. Specifically, in step S300, using the Poisson distribution algorithm, the pest incidence index according to the correlation between the environment information around the plantation and the fruit size of the special crop is calculated, and the information collected by the big data processing unit, the sensor unit and the imaging Predict the time when pests occur by applying various information and neural networks.

다음 S300단계에서 산출된 병해충 발생지수, 병해충 발생확률 등과 더불어 발생했거나 발생확률이 농후한 해당 병해충에 대한 병해충 정보, 방제 방법 등을 사용자 인터페이스로 전송하여 사용자가 실시간으로 병해충 발생관련 예측 정보를 확인하고 이에 대비할 수 있도록 한다(S400).By sending the pest information, control method, etc. for the pest that has occurred or has a high probability of occurrence, along with the pest outbreak index and the probability of occurrence of the pest calculated in the next step S300, the user checks the prediction information related to the outbreak in real time. To prepare for this (S400).

본 발명을 첨부 도면과 전술된 바람직한 실시예를 참조하여 설명하였으나, 본 발명은 그에 한정되지 않으며, 후술되는 특허청구범위에 의해 한정된다. 따라서, 본 기술분야의 통상의 지식을 가진 자라면 후술되는 특허청구범위의 기술적 사상에서 벗어나지 않는 범위 내에서 본 발명을 다양하게 변형 및 수정할 수 있다.Although the present invention has been described with reference to the accompanying drawings and the preferred embodiments described above, the present invention is not limited thereto, and is limited by the claims below. Therefore, those of ordinary skill in the art can variously modify and modify the present invention without departing from the technical spirit of the claims to be described later.

100: 센서부 200: 촬영부
250: 빅데이터 처리부 300: 정보 수집부
310: 스트리밍 서버 320: 데이터 획득 서버
330: 데이터 웹서버 400: 센서정보 데이터 베이스
410: 촬영정보 데이터 베이스 500: 진단 수행부
600: 사용자 안내부
100: sensor unit 200: shooting unit
250: Big data processing unit 300: Information collection unit
310: streaming server 320: data acquisition server
330: data web server 400: sensor information database
410: photographing information database 500: diagnosis performing unit
600: user guide

Claims (6)

특용작물의 병해충 발생 징후를 감지 및 예측하는 시스템으로서,
특용작물 재배지의 환경정보를 수집하는 센서부(100);
특용작물의 상태 정보를 촬영하는 촬영부(200);
특용작물 재배지 주변의 기상이력 정보와 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보를 클라우드 기반으로 전송받는 빅데이터 처리부(250);
상기 센서부, 촬영부, 빅데이터 처리부의 정보를 수집하는 정보 수집부(300);
상기 정보 수집부에 수집된 센서부 정보와 촬영부 정보가 각각 저장되는 센서정보 및 촬영정보 데이터 베이스(400,410);
상기 센서정보 및 촬영정보 데이터 베이스에 저장된 정보와 상기 빅데이터 처리부로부터 수집된 정보를 기반으로 특용작물의 병해충 진단발생 및 방제 알고리즘을 수행하는 진단 수행부(500); 및
상기 진단 수행부의 결과를 GIS(Geographic Information System)를 이용하여 시각화하여 사용자 인터페이스로 전송하는 사용자 안내부(600)를 포함하는 빅데이터를 이용한 병해충 발생 예측 시스템.
As a system for detecting and predicting signs of pest occurrence of special crops,
A sensor unit 100 that collects environmental information of a special crop plantation;
A photographing unit 200 for photographing status information of a special crop;
A big data processing unit 250 that receives weather history information and special fruit cultivation information, pest control information, pest information, and pesticide information around the special crop cultivation area based on the cloud;
An information collecting unit 300 for collecting information of the sensor unit, the photographing unit, and the big data processing unit;
A sensor information and photographing information database (400,410) in which sensor unit information and photographing unit information collected in the information collecting unit are respectively stored;
A diagnosis performing unit 500 for performing a diagnosis and control algorithm for pests and pests of special crops based on information stored in the sensor information and shooting information database and information collected from the big data processing unit; And
Pest occurrence prediction system using big data including a user guide unit (600) that visualizes the results of the diagnosis execution unit using a GIS (Geographic Information System) and transmits it to a user interface.
제1항에 있어서,
상기 정보 수집부(300)는,
상기 촬영부(200)의 정보를 실시간 영상으로 전달하도록 영상 정보를 생성하는 스트리밍 서버(310);
상기 센서부(100), 촬영부(200) 정보가 일시 저장되는 데이터 획득 서버(320); 및
상기 데이터 획득 서버(320)에 저장된 정보를 웹상에서 확인 가능하도록 하는 데이터 웹서버(330)를 포함하며,
상기 진단 수행부(500)는 상기 센서정보 및 촬영정보 데이터 베이스에 저장된 정보를 상기 빅데이터 처리부로부터 수집된 정보와 대응 비교하여 특용작물의 병해충 진단발생 및 방제 알고리즘을 수행하는 것을 특징으로 하는 빅데이터를 이용한 병해충 발생 예측 시스템.
According to claim 1,
The information collecting unit 300,
A streaming server 310 that generates image information to deliver information of the photographing unit 200 as a real-time image;
A data acquisition server 320 in which the sensor unit 100 and the photographing unit 200 information are temporarily stored; And
And a data web server 330 that enables information stored in the data acquisition server 320 to be checked on the web.
The diagnostic execution unit 500 compares the information stored in the sensor information and the photographing information database with information collected from the big data processing unit, and performs big data diagnosis and control algorithms of pests of special crops. Pest outbreak prediction system using.
제1항에 있어서,
상기 센서부와 상기 정보 수집부에 각각 마련되어 센서부의 감지정보를 무선 송수신하는 무선 송신부(350)와 무선 수신부(360)를 더 포함하는 것을 특징으로 하는 빅데이터를 이용한 병해충 발생 예측 시스템.
According to claim 1,
A pest generation prediction system using big data, characterized in that it further includes a wireless transmitter (350) and a wireless receiver (360) provided for each of the sensor unit and the information collecting unit to wirelessly transmit and receive sensor information.
제1항에 있어서,
상기 진단 수행부(500)는,
상기 특용작물 생육환경에 맞는 병해충 예찰 소프트웨어 엔진을 탑재하고 재배지 기상환경에 맞는 특용작물 병해충 예찰 소프트웨어 엔진을 탑재하고 적용한 알고리즘을 기반으로 산출된 병해충 발생 예찰 모형에 특용작물 재배지에서 수집된 실측데이터를 적용하여 맞춤형 병해충 발생지수를 산출하되, 빅데이터 처리부(250)로부터 수집된 값과 센서부와 촬영부의 측정값을 비교하고 그 편차를 산출하여 편차값의 범위에 따른 발생 가능한 병해충 정보, 병해충 발생확률을 산출하는 것을 특징으로 하는 빅데이터를 이용한 병해충 발생 예측 시스템.
According to claim 1,
The diagnosis performing unit 500,
Mounting the pest prediction software engine suitable for the growth environment of the special crop and mounting the pest crop prediction software engine suitable for the meteorological environment and applying the measured data collected from the special crop plantation to the pest occurrence prediction model calculated based on the applied algorithm. To calculate the customized pest outbreak index, but compares the values collected from the big data processing unit 250 with the measured values of the sensor section and the imaging section and calculates the deviation to determine possible pest information and probability of occurrence of the pest according to the range of the deviation value Pest occurrence prediction system using big data characterized by calculating.
제4항에 있어서,
상기 진단 수행부(500)는,
푸아송 분포(poisson distribution)를 이용하여 재배지 주변 환경 정보와 특용작물 열매 크기의 상관관계에 따른 병해충 발생지수를 계산하고, 뉴럴 네트워크를 적용하여 병해충 발생시기를 예측하는 것을 특징으로 하는 빅데이터를 이용한 병해충 발생 예측 시스템.
According to claim 4,
The diagnosis performing unit 500,
Using the Poisson distribution, we calculate the pest incidence index according to the correlation between the environment information around the cultivation area and the size of the special crop, and apply the neural network to predict when the pest will occur. Pest outbreak prediction system.
특용작물의 병해충 발생 징후를 감지 및 예측하는 방법로서,
(a) 특용작물 재배지의 환경정보를 수집하고 특용작물의 생장 정보를 촬영하고 특용작물 재배지 주변의 기상이력 정보와 특용과일 재배정보, 방제 메뉴얼, 병해충 정보, 농약 정보를 클라우드 기반으로 전송받는 단계;
(b) 상기 특용작물 재배지 환경정보, 생장정보를 무선 송수신을 이용하여 수집하는 단계;
(c) 상기 특용작물 재배지 환경정보, 생장정보를 상기 클라우드 기반으로 전송받은 정보와 비교하여 병해충 진단발생 및 방제 알고리즘을 수행하는 단계; 및
(d) 상기 (c)단계의 수행 결과를 사용자 인터페이스로 전송하는 단계를 포함하되,
상기 (c)단계는 상기 특용작물 생육환경에 맞는 병해충 예찰 소프트웨어 엔진에 탑재된 알고리즘을 기반으로 산출된 병해충 발생 예찰 모형에 특용작물 재배지에서 수집된 실측데이터를 적용하여 맞춤형 병해충 발생지수를 산출하되, 빅데이터 처리부(250)로부터 수집된 값과 센서부와 촬영부의 측정값을 비교하고 그 편차를 산출하여 편차값의 범위에 따른 발생 가능한 병해충 정보, 병해충 발생확률을 산출하는 것을 특징으로 하는 빅데이터를 이용한 병해충 발생 예측방법.


As a method of detecting and predicting signs of pest occurrence of special crops,
(a) collecting environmental information of the special crop cultivation site, photographing growth information of the special crop cultivation, and receiving weather history information and special fruit cultivation information, a control manual, pest information, and pesticide information around the special crop cultivation in a cloud-based manner;
(b) collecting environmental information and growth information of the special crop cultivation area using wireless transmission and reception;
(c) performing the pest diagnosis and control algorithm by comparing the environment information and growth information of the special crop with the information received based on the cloud; And
(d) transmitting the result of step (c) to a user interface,
In the step (c), a customized pest outbreak index is calculated by applying actual data collected from a special crop cultivation model to a pest outbreak prediction model calculated based on an algorithm mounted in the pest prediction software engine suitable for the growth environment of the special crop, Big data, characterized in that it compares the values collected from the big data processing unit 250 with the measured values of the sensor unit and the imaging unit, calculates the deviation, and calculates possible pest information and probability of occurrence of the pest according to the range of the deviation value. Prediction method using pests.


KR1020180121407A 2018-10-11 2018-10-11 System and method for predicting the occurrence of pests using Big Data KR20200044216A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180121407A KR20200044216A (en) 2018-10-11 2018-10-11 System and method for predicting the occurrence of pests using Big Data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180121407A KR20200044216A (en) 2018-10-11 2018-10-11 System and method for predicting the occurrence of pests using Big Data

Publications (1)

Publication Number Publication Date
KR20200044216A true KR20200044216A (en) 2020-04-29

Family

ID=70466563

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180121407A KR20200044216A (en) 2018-10-11 2018-10-11 System and method for predicting the occurrence of pests using Big Data

Country Status (1)

Country Link
KR (1) KR20200044216A (en)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102235669B1 (en) 2020-08-31 2021-04-01 글로벌에이티시(주) Pesticide information alert system and method thereof
KR102271036B1 (en) * 2020-05-18 2021-07-01 주식회사 선도소프트 Platform using cloud-based Big Data
CN114586760A (en) * 2022-03-29 2022-06-07 广东省农业科学院植物保护研究所 Pesticide spraying method and system based on big data and readable storage medium
KR20220109990A (en) * 2021-01-29 2022-08-05 라온피플 주식회사 Apparatus and method for photographing
CN114972843A (en) * 2022-04-26 2022-08-30 黑龙江省农业科学院农业遥感与信息研究所 Agricultural pest diagnosis and early warning system based on big data
WO2022215811A1 (en) * 2021-04-06 2022-10-13 전북대학교산학협력단 System for automatically detecting diseases and pests in crops
KR20230046828A (en) * 2021-09-30 2023-04-06 광운대학교 산학협력단 Method and apparatus for predicting locust pest risk topographic map based on machine learning
WO2023063484A1 (en) * 2021-10-12 2023-04-20 농업회사법인 주식회사 지인 Artificial intelligence-based crop disease and insect damage identification system
CN117291291A (en) * 2023-08-12 2023-12-26 江苏信实环境工程有限公司 Insect condition intelligent monitoring system and method based on Internet of things
CN117391265A (en) * 2023-12-13 2024-01-12 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) Forestry pest hazard risk prediction method based on big data analysis
CN118014207A (en) * 2024-02-21 2024-05-10 珠海市现代农业发展中心 Corn planting field evaluation management method and system

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180078698A (en) 2016-12-30 2018-07-10 박대성 Monitoring system for plant growth in artificial structure

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180078698A (en) 2016-12-30 2018-07-10 박대성 Monitoring system for plant growth in artificial structure

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102271036B1 (en) * 2020-05-18 2021-07-01 주식회사 선도소프트 Platform using cloud-based Big Data
KR102235669B1 (en) 2020-08-31 2021-04-01 글로벌에이티시(주) Pesticide information alert system and method thereof
KR20220109990A (en) * 2021-01-29 2022-08-05 라온피플 주식회사 Apparatus and method for photographing
WO2022215811A1 (en) * 2021-04-06 2022-10-13 전북대학교산학협력단 System for automatically detecting diseases and pests in crops
KR20230046828A (en) * 2021-09-30 2023-04-06 광운대학교 산학협력단 Method and apparatus for predicting locust pest risk topographic map based on machine learning
WO2023063484A1 (en) * 2021-10-12 2023-04-20 농업회사법인 주식회사 지인 Artificial intelligence-based crop disease and insect damage identification system
CN114586760A (en) * 2022-03-29 2022-06-07 广东省农业科学院植物保护研究所 Pesticide spraying method and system based on big data and readable storage medium
CN114586760B (en) * 2022-03-29 2023-03-03 广东省农业科学院植物保护研究所 Pesticide spraying method and system based on big data and readable storage medium
CN114972843A (en) * 2022-04-26 2022-08-30 黑龙江省农业科学院农业遥感与信息研究所 Agricultural pest diagnosis and early warning system based on big data
CN114972843B (en) * 2022-04-26 2024-03-15 黑龙江省农业科学院农业遥感与信息研究所 Agricultural pest diagnosis and early warning system based on big data
CN117291291A (en) * 2023-08-12 2023-12-26 江苏信实环境工程有限公司 Insect condition intelligent monitoring system and method based on Internet of things
CN117291291B (en) * 2023-08-12 2024-04-23 江苏信实环境工程有限公司 Insect condition intelligent monitoring system and method based on Internet of things
CN117391265A (en) * 2023-12-13 2024-01-12 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) Forestry pest hazard risk prediction method based on big data analysis
CN117391265B (en) * 2023-12-13 2024-03-05 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) Forestry pest hazard risk prediction method based on big data analysis
CN118014207A (en) * 2024-02-21 2024-05-10 珠海市现代农业发展中心 Corn planting field evaluation management method and system
CN118014207B (en) * 2024-02-21 2024-07-30 珠海市现代农业发展中心 Corn planting field evaluation management method and system

Similar Documents

Publication Publication Date Title
KR20200044216A (en) System and method for predicting the occurrence of pests using Big Data
US10349584B2 (en) System and method for plant monitoring
US10402835B2 (en) Agricultural situational awareness tool
Channe et al. Multidisciplinary model for smart agriculture using internet-of-things (IoT), sensors, cloud-computing, mobile-computing & big-data analysis
US20170161560A1 (en) System and method for harvest yield prediction
EP3482630B1 (en) Method, system and computer program for performing a pest forecast
Bhojwani et al. Crop selection and IoT based monitoring system for precision agriculture
CN110728332A (en) Agricultural data analysis method and system based on Internet of things
JPWO2018047726A1 (en) INFORMATION PROCESSING APPARATUS AND INFORMATION PROCESSING SYSTEM
UA124801C2 (en) Computer-generated accurate yield map data using expert filters and spatial outlier detection
CN110188962B (en) Rice supply chain information processing method based on agricultural Internet of things
JP6960525B2 (en) Plant health monitoring methods and equipment
US11631475B2 (en) Real-time projections and estimated distributions of agricultural pests, diseases, and biocontrol agents
Thessler et al. Geosensors to support crop production: Current applications and user requirements
KR102422346B1 (en) Smart farm system and operating method thereof
Feiyang et al. Monitoring behavior of poultry based on RFID radio frequency network
US20220067584A1 (en) Model generation apparatus, model generation method, computer-readable storage medium storing a model generation program, model generation system, inspection system, and monitoring system
Parween et al. Iot and its real-time application in agriculture
KR20200030987A (en) Crop damage analysis system for crop damage assessment and crop damage assessment method using the same
KR20200071884A (en) Apparatus and method for servicing disease prediction of wild crops
Sivagnanasundaram et al. Farmers as sensors: A crowdsensing platform to generate agricultural pest incidence reports
KR20200044217A (en) System and method for predicting the occurrence of pest based on internet
CN113450209A (en) Agricultural loan management and control system and method
KR20210121864A (en) System and method for smart agriculture field management
CN112750291A (en) Farmland intelligent monitoring system and method based on multi-network fusion

Legal Events

Date Code Title Description
E601 Decision to refuse application