KR20200071884A - 노지 작물의 병해 예측 서비스 장치 및 방법 - Google Patents
노지 작물의 병해 예측 서비스 장치 및 방법 Download PDFInfo
- Publication number
- KR20200071884A KR20200071884A KR1020180156235A KR20180156235A KR20200071884A KR 20200071884 A KR20200071884 A KR 20200071884A KR 1020180156235 A KR1020180156235 A KR 1020180156235A KR 20180156235 A KR20180156235 A KR 20180156235A KR 20200071884 A KR20200071884 A KR 20200071884A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- disease
- crops
- unit
- field
- Prior art date
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 71
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 244000037666 field crops Species 0.000 claims abstract description 30
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 25
- 238000009313 farming Methods 0.000 claims abstract description 24
- 230000000694 effects Effects 0.000 claims abstract description 21
- 238000003745 diagnosis Methods 0.000 claims description 20
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 230000002265 prevention Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 7
- 239000000575 pesticide Substances 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000003306 harvesting Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000012508 change request Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 244000307700 Fragaria vesca Species 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Marine Sciences & Fisheries (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
Abstract
노지 작물의 재배환경에 관련된 정보를 수집하여 이를 근거로 하는 미래 예측을 통해 병해 예측된 정보를 서비스할 수 있는 노지 작물의 병해 예측 서비스 장치 및 방법을 제시한다. 제시된 장치는 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 수신하는 데이터 수신부, 수신된 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 근거로 해당 노지 작물에 대한 병해 분석을 행하는 분석부, 및 분석부에서의 분석 결과를 사용자 단말에게로 전송하는 데이터 전송부를 포함한다.
Description
본 발명은 노지 작물의 병해 예측 서비스 장치 및 방법에 관한 것으로, 보다 상세하게는 노지 작물의 재배환경에 대한 데이터를 기반으로 노지 작물의 병해 예측을 행할 수 있는 장치 및 방법에 관한 것이다.
농업은 인류의 생존에 가장 기본적인 식량 및 식료품을 생산하는 산업이다. 농업은 인류가 한곳에 정착하여 문명을 발전시킬 수 있는 기반을 제공한 대표적인 1차 산업이다.
이러한 농업은 많은 인력을 필요로 하는데, 우리 나라의 경우 현대 사회에 들어 고령화와 소가족화가 빠르게 진행되어 있다. 이에 따라, 농업에 종사하는 인구 또한 그 비율이 줄어들고 농업에 종사하는 평균연령 또한 점차 노령화되어 사회적인 문제로 대두되고 있다.
한편, 농업은 유기적 생물을 생산하기 때문에 토지와 기후 등 자연조건에 크게 의존하게 되는데, 근래에는 비닐하우스나 유리 온실 등의 시설에서 인위적으로 재배환경을 조절하면서 작물을 재배하는 방법을 많이 이용하고 있다.
또한, 농가에서 이러한 농작물 재배 방식에 ICT(Information & Communication Technology) 융복합 기술을 적용하여 농작물 재배 환경을 최적화하는 방법을 시도하고 있다. 한편, 정부 차원에서도 식량자원의 무기화에 대응하여 적극적으로 농업에 ICT 기술을 접목하여 농업의 경쟁력을 확보하려는 노력이 증대되고 있다.
이러한 정밀 농업을 구현하기 위하여 다양한 발명들이 제안되어 왔다.
그러나, 기존 발명들은 대부분 온실 등과 같이 시설에서 농작물의 생장 환경을 적합하게 유지할 수 있도록 온도/습도/광량 등을 제어할 수 있는 시설로 운영되는 것에 그치고 있다. 이는 실제로 우리나라의 식량 작물(쌀, 옥수수, 콩, 감자 등) 대부분은 시설 재배가 아닌 노지 재배를 통하여 재배되는 특성을 고려할 때, 적용이 불가능하다는 문제점이 있었다.
한편, 이러한 노지 재배 작물의 경우, 시설 재배의 경우에 비하여 기상 상황에 따라 생장/발육은 물론, 병충해의 발생 등 여러 요인이 크게 영향을 받게 된다. 따라서, 이러한 기상 상황을 실시간으로 신속하고 정확하게 전달받는 것은 물론, 해당 재배 지역의 과거 소정기간 동안의 기상 정보 등의 빅 데이터(Big Data)를 함께 분석하여 기상 상황을 정확하게 예측하는 것은 물론, 이러한 기상 상황 예측에 따라 재배 작물에 적합한 파종, 병충해 방지, 수확 시기 등을 미리 예측하여 제공하는 방법이 요구된다.
본 발명은 상기한 종래의 문제점을 해결하기 위해 제안된 것으로, 노지 작물의 재배환경에 관련된 정보를 수집하여 이를 근거로 하는 미래 예측을 통해 병해 예측된 정보를 서비스할 수 있는 노지 작물의 병해 예측 서비스 장치 및 방법을 제공함에 그 목적이 있다.
상기와 같은 목적을 달성하기 위하여 본 발명의 바람직한 실시양태에 따른 노지 작물의 병해 예측 서비스 장치는, 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 수신하는 데이터 수신부; 상기 수신된 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 근거로 해당 노지 작물에 대한 병해 분석을 행하는 분석부; 및 상기 분석부에서의 분석 결과를 사용자 단말에게로 전송하는 데이터 전송부;를 포함한다.
상기 분석부는, 상기 수신된 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터에 대한 딥러닝을 통해 해당 노지 작물에 대한 미래의 환경값을 예측하는 예측부; 및 상기 해당 노지 작물에 대한 미래의 환경값을 근거로 병해 진단을 행하는 병해 진단부;를 포함할 수 있다.
상기 딥러닝은 LTSM일 수 있다.
상기 병해 진단부는, 상기 해당 노지 작물에 대한 미래의 환경값에 GIM을 사용하여 병해 진단을 행할 수 있다.
상기 병해 진단부는, 병해 진단의 결과로서 병해 예측 정보, 이상감지 정보, 및 예방 안내 중에서 하나 이상을 출력할 수 있다.
상기 분석부는 상기 데이터 수신부로부터의 데이터 중에서 이상 데이터를 걸러내는 필터링부;를 추가로 포함하고, 상기 필터링부를 통과한 정상 데이터가 상기 예측부에게로 입력될 수 있다.
상기 데이터 전송부는, 상기 분석부에서의 분석 결과를 웹을 통한 전송 및 앱을 통한 전송 중에서 어느 하나를 통해 사용자 단말에게로 전송할 수 있다.
한편, 본 발명의 바람직한 실시양태에 따른 노지 작물의 병해 예측 서비스 방법은, 노지 작물의 병해 예측 서비스 장치에서의 노지 작물의 병해 예측 서비스 방법으로서, 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 수신하는 단계; 상기 수신된 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 근거로 해당 노지 작물에 대한 병해 분석을 행하는 단계; 및 상기 분석을 행하는 단계에서의 분석 결과를 사용자 단말에게로 전송하는 단계;를 포함한다.
이러한 구성의 본 발명에 따르면, 노지 작물의 재배환경 정보를 수집하고 수집된 정보를 딥러닝 기반의 기술로 예측 후에 병해 알고리즘을 적용함으로써, 병해를 보다 정확히 예측할 수 있다.
기존의 알고리즘은 현재 측정된 데이터 및 누적 데이터를 기반으로 하여 현재 상태를 진단하고 있지만, 본 발명은 수집데이터 값을 먼저 미래 예측하고 예측된 값을 병해 알고리즘에 적용하여 병해를 예측함으로써 보다 빠른 병해에 대한 선재 대응이 가능하다.
도 1은 본 발명의 실시예에 따른 노지 작물의 병해 예측 서비스 장치가 채용된 시스템의 구성도이다.
도 2 내지 도 4는 도 1에 도시된 데이터 제공 디바이스의 예들을 설명하기 위한 도면이다.
도 5 내지 도 8은 도 1에 도시된 데이터 전송 디바이스와 서버간의 데이터 전송에 관련된 흐름을 설명하기 위한 도면이다.
도 9는 도 1에 도시된 서버의 내부 구성도이다.
도 10은 도 9에 도시된 예측부에서 사용하는 LSTM을 설명하기 위한 도면이다.
도 11 내지 도 13은 도 9에 도시된 예측부의 예측 데이터의 예들이다.
도 14는 본 발명의 실시예에 따른 노지 작물의 병해 예측 서비스 방법을 설명하기 위한 플로우차트이다.
도 15 내지 도 18은 도 14의 설명에 채용되는 병해 분석 결과의 예를 나타낸 도면이다.
도 2 내지 도 4는 도 1에 도시된 데이터 제공 디바이스의 예들을 설명하기 위한 도면이다.
도 5 내지 도 8은 도 1에 도시된 데이터 전송 디바이스와 서버간의 데이터 전송에 관련된 흐름을 설명하기 위한 도면이다.
도 9는 도 1에 도시된 서버의 내부 구성도이다.
도 10은 도 9에 도시된 예측부에서 사용하는 LSTM을 설명하기 위한 도면이다.
도 11 내지 도 13은 도 9에 도시된 예측부의 예측 데이터의 예들이다.
도 14는 본 발명의 실시예에 따른 노지 작물의 병해 예측 서비스 방법을 설명하기 위한 플로우차트이다.
도 15 내지 도 18은 도 14의 설명에 채용되는 병해 분석 결과의 예를 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 실시예에 따른 노지 작물의 병해 예측 서비스 장치가 채용된 시스템의 구성도이고, 도 2 내지 도 4는 도 1에 도시된 데이터 제공 디바이스의 예들을 설명하기 위한 도면이다.
도 1의 시스템은, 데이터 제공 디바이스(10), 사용자 단말(20), 네트워크(30), 및 서버(40)를 포함한다.
데이터 제공 디바이스(10)는 노지 작물(즉, 노지에서 재배되는 작물)의 재배환경 정보를 네트워크(30)를 통해 서버(40)에게로 제공할 수 있다. 보다 구체적으로, 데이터 제공 디바이스(10)는 노지 작물의 작물근처(즉, 지상부)와 땅속(즉, 지중부)의 정보를 센싱하여 제공할 수 있고, 영농 활동 데이터를 제공할 수 있다. 여기서, 지상부의 정보는 예를 들어 온도, 습도, 조도에 대한 정보일 수 있다. 지중부의 정보는 온도, 습도, EC에 대한 정보일 수 있다. 그리고, 영농 활동 데이터는 관수 사용 정보, 시비 사용 정보, 농약 사용 정보, 영농일지 정보(음성, 사진, 영상) 등일 수 있다.
기존의 노지 작물 데이터 수집 장비는 백엽상 내부에 설치되는 것이 대부분이었는데, 이 경우 작물의 주변(즉, 근접) 또는 실제 작물에 영향을 주는 정보를 수집하기에는 부족하였다. 따라서, 도 2에 도시된 데이터 제공 디바이스(10)의 일 예에 따른 장비는 별도의 백엽상 없이 직접 노지 작물의 근처에 설치된다.
도 2에 도시된 데이터 제공 디바이스(10)의 일 예에 따른 장비는 노지 작물의 근처에서 노지에 대해 거의 수직하게 설치된다. 지상으로 노출된 부분에는 조도 센서(11), 온도/습도 센서(12), 전원 스위치(13), NB-IoT(NarrowBand-Internet of Things ; 협대역 사물 인터넷) 통신모듈(14), 및 내장 배터리(15)가 설치된다. 지하로 들어간 부분에는 제 1 온도/습도/EC 센서(16), 및 제 2 온도/습도/EC 센서(17)가 설치된다. 도 2에 표기된 수치는 하나의 예일 뿐, 이에 국한되는 것은 아니다.
도 3에 도시된 데이터 제공 디바이스(10)의 다른 예에 따른 장비는 노지 작물의 주변의 지상에 설치되어 온도, 습도, 조도의 정보를 센싱하는 지상부 센서(110, 111), 노지 작물의 주변의 지중(땅속)에 설치되어 온도, 습도, EC의 정보를 센싱하는 지중부 센서(113, 114, 115), 및 지상부 센서(110, 111)와 지중부 센서(113, 114, 115)에서 센싱된 정보를 취합하여 무선통신(NB-IoT)을 통해 서버(40)에게로 데이터를 전송하는 데이터 로거(116)를 포함한다. 데이터 로거(116)는 지상에 설치된다. 도 3에 표기된 수치는 하나의 예일 뿐, 이에 국한되는 것은 아니다.
도 4에 도시된 데이터 제공 디바이스(10)의 또다른 예에 따른 장비는 영농 활동 데이터를 서버(40)에게로 전송할 수 있다. 예를 들어, 영농 일지 정보를 녹음/사진 촬영/영상 촬영하여 보낼 수 있다. 한편, 관수 사용 정보, 시비 사용 정보, 및 농약 사용 정보를 메모 형태로 보낼 수 있다.
여기서, 도 4에 도시된 데이터 제공 디바이스(10)의 또다른 예에 따른 장비는 단말이 될 수 있다. 단말은 휴대용 단말기 또는 휴대용 컴퓨터로 구현될 수 있다. 휴대용 단말기는 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 휴대용 컴퓨터는 노트북, 랩톱(laptop) 등을 포함할 수 있다.
또한, 상술한 단말은 스마트폰, 스마트 노트, 태블릿 PC, 웨어러블(wearable) 컴퓨터 등의 각종 스마트 기기일 수도 있다.
도 1에서, 사용자 단말(20)은 서버(40)로부터의 병해 분석 결과(예컨대, 병해 예측 정보, 이상감지, 예방 안내 등)를 수신하고, 이를 표출할 수 있다. 사용자 단말(20)은 병해 예측 서비스 어플리케이션을 서버(40)에게 요청하여 다운로드받는다. 사용자 단말(20)은 병해 예측 서비스 어플리케이션을 통해 병해 예측 정보(즉, 병해 분석 결과)를 제공받을 수 있다.
사용자 단말(20)은 휴대용 단말기 또는 휴대용 컴퓨터로 구현될 수 있다. 여기서, 휴대용 단말기는 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 휴대용 컴퓨터는 노트북, 랩톱(laptop) 등을 포함할 수 있다.
또한, 사용자 단말(20)은 스마트폰, 스마트 노트, 태블릿 PC, 웨어러블(wearable) 컴퓨터 등의 각종 스마트 기기일 수도 있다.
네트워크(30)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network;WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크로 구현될 수 있다.
또한, 네트워크(30)는 이동 통신망(mobile radio communication network), 위성 통신망, 블루투스(Bluetooth), Wibro(Wireless Broadband Internet), HSDPA(High Speed Downlink Packet Access), LTE(Long Term Evolution) 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
필요에 따라서, 네트워크(30)는 유선 및 무선이 혼용된 네트워크일 수 있다.
서버(40)는 데이터 제공 디바이스(10)로부터 노지 작물의 재배환경 정보(즉, 작물 환경 센싱 데이터)와 영농 활동 데이터를 수신함과 더불어, 오픈 API를 통해 공공 데이터를 수신할 수 있다. 여기서, 영농 활동 데이터는 예를 들어 물, 농약, 비료 등의 투여 및 작물 피해 내용, 수확 등의 입력 정보가 될 수 있다. 공공 데이터는 예를 들어 기상청을 통한 기후 및 기상 정보, 스마트팜코리아를 통한 농가의 정보(스마트팜 정보), 농촌 진흥청을 통한 농업지역에 맞는 맞춤형 지역 날씨 정보, 국가농작물병해충관리시스템(NCPMS)을 통한 병해충 정보 및 방제정보, 및 흙토람을 통한 해당 지역의 농경지 화학성 및 토양특성 정보를 포함할 수 있다.
서버(40)는 수신된 정보들을 근거로 인공지능 기반의 빅데이터 분석을 통해 병해 예측, 이상감지(고온, 냉해 등), 예방 안내 등을 사용자 단말(20)에게로 서비스할 수 있다. 서버(40)는 본 발명의 청구범위에 기재된 노지 작물의 병해 예측 서비스 장치의 일 예가 될 수 있다.
도 5 내지 도 8은 도 1에 도시된 데이터 전송 디바이스(10)와 서버(40)간의 데이터 전송에 관련된 흐름을 설명하기 위한 도면이다.
도 5는 정상적인 데이터 수집 및 전송 시나리오를 설명하기 위한 도면으로서, 데이터 전송 디바이스(10)는 수집 기간 마다 데이터를 수집하고, 수집된 데이터의 개수가 설정된 전송 개수를 충족하면 데이터를 서버(40)에게로 전송한다. 서버(40)는 정상적으로 데이터를 수신하게 되면 성공 응답을 데이터 전송 디바이스(10)에게로 리턴한다.
도 6은 비정상적인(오류) 데이터 수집 및 전송 시나리오를 설명하기 위한 도면으로서, 데이터 전송 디바이스(10)는 수집 기간 마다 데이터를 수집하고, 수집된 데이터의 개수가 설정된 전송 개수를 충족하면 데이터를 서버(40)에게로 전송한다. 이때, 데이터 전송 디바이스(10)의 데이터에 오류가 있거나 전송시 타임아웃이 되면 오류로 간주되며, 재전송 시나리오에 맞추어 재전송 시도를 진행한다.
도 7은 수집 데이터 전송 후 데이터 추가 전송의 시나리오를 설명하기 위한 도면으로서, 데이터 전송 디바이스(10)에서 서버(40)에게로의 일반적인 데이터 전송이 진행되고 데이터 전송의 마지막 패키지 응답에 추가 데이터 전송 요청이 보내진다. 여러 데이터가 추가로 필요한 경우 서버(40)에서 지속적으로 요청하며 추가 데이터 요청이 없는 경우 일반 응답으로 마무리된다.
도 8은 수집 데이터 전송 후 세팅값 변경 시나리오를 설명하기 위한 도면으로서, 데이터 전송 디바이스(10)에서 서버(40)에게로의 일반적인 데이터 전송이 진행되고 데이터 전송의 마지막 패키지 응답에 세팅 변경 요청이 보내진다. 추가 데이터 전송이 필요한 경우 추가 데이터 전송까지 완료된 이후에 세팅 변경을 요청한다.
도 9는 도 1에 도시된 서버(40)의 내부 구성도이고, 도 10은 도 9에 도시된 예측부(44c)에서 사용하는 LSTM을 설명하기 위한 도면이고, 도 11 내지 도 13은 도 9에 도시된 예측부(44c)의 예측 데이터의 예들이다.
서버(40)는 데이터 수신부(42), 분석부(44), 및 데이터 전송부(46)를 포함한다.
데이터 수신부(42)는 데이터 제공 디바이스(10)로부터 노지 작물의 재배환경 정보(즉, 작물 환경 센싱 데이터)와 영농 활동 데이터를 수신하고, 오픈 API를 통해 각종의 공공 데이터를 수신한다.
분석부(44)는 데이터 수신부(42)에 수신된 데이터에 대해 딥러닝(예컨대, LSTM)으로 노지 작물에 대한 미래의 환경값을 예측하고, 예측된 환경값을 근거로 병해 분석을 행하여 병해 예측 정보, 이상감지 정보, 예방 안내 등을 출력한다.
여기서, 분석부(44)는 필터링부(44a), 제 1 저장부(44b), 예측부(44c), 병해 진단부(44d), 및 제 2 저장부(44e)를 포함할 수 있다.
필터링부(44a)는 데이터 수신부(42)로부터의 데이터 중에서 이상 데이터(즉, 오류 등의 기설정 범위를 초과하는 데이터)를 걸러낸다.
제 1 저장부(44b)는 필터링부(44a)를 통과한 정상적인 데이터를 저장한다.
예측부(44c)는 제 1 저장부(44b)에 저장된 데이터에 대하여 농가 선재 대응을 위하여 LSTM(Long Short Term Memory networks)을 이용한 수집데이터의 미래 값을 예측할 수 있다. 다시 말해서, 예측부(44c)는 데이터 수신부(42)에 수신된 데이터 중에서 정상적인 데이터에 대해 딥러닝(예컨대, LSTM)을 적용하여 노지 작물에 대한 소정 시간 후의 환경값을 예측할 수 있다.
여기서, LSTM은 과거 측정값에 의존하는 RNN(순환신경망)을 개선한 알고리즘으로서, 도 10에 예시한 바와 같이 내부 노드를 메모리셀이라 불리는 형태로 대체하여 오랜 기간 동안 정보를 축적하거나 이전 정보를 잊을 수 있도록 고안된 개폐장치를 사용한다. LSTM은 무조건 축적된 데이터를 이용하는 것이 아니라 현재 상황에 맞는 트레이닝이 가능하므로, 이전의 특이값에 대한 대처가 가능하다.
그에 따라, 예측부(44c)는 다양한 종류의 측정 데이터에 대한 예측 데이터를 생성할 수 있다.
예를 들어, 예측부(44c)는 도 11에서와 같이 지상부 센서에서 측정된 조도 데이터(a)에 대하여 소정 시간 후의 예측 데이터(b)를 생성할 수 있다.
한편, 예측부(44c)는 도 12에서와 같이 지상부 센서에서 측정된 온도 데이터(a)에 대하여 소정 시간 후의 예측 데이터(b)를 생성할 수 있다.
또한, 예측부(44c)는 도 13에서와 같이 지상부 센서에서 측정된 습도 데이터(a)에 대하여 소정 시간 후의 예측 데이터(b)를 생성할 수 있다.
본 발명의 실시예에서 예측부(44c)는 현재의 측정 데이터에 대해 6시간 이후의 데이터를 예측할 수 있다.
병해 진단부(44d)는 예측부(44c)로부터의 예측 데이터(즉, 노지 작물에 대한 예측된 환경값)에 대해 GIM을 사용하여 병해 진단(예컨대, 병해 발병 예측)을 행한다. 그 결과, 병해 진단부(44d)는 병해 예측 정보, 이상감지 정보, 예방 안내 등을 출력할 수 있다.
여기서, GIM은 A simple Generic Infection Model의 약자로서, 병해 예측 모델이라고 한다. GIM은 노지 작물 병해에 영향을 주는 병원균과 환경 정보와의 관계를 분석할 수 있으므로, 현재 재배중인 노지 작물에 대한 병해 발병 예측이 가능하다.
제 2 저장부(44e)는 병해 진단부(44d)에서의 결과값을 저장한다.
데이터 전송부(46)는 분석부(44)에서의 분석 결과를 사용자 단말(20)에게로 전송할 수 있다.
예를 들어, 데이터 전송부(46)는 웹을 통한 전송 및 앱을 통한 전송을 행할 수 있다.
웹을 통한 전송의 경우 전문가용 데이터 전송이 될 수 있는데, 이 경우에는 모니터링 정보, 분석 및 알림 관리 정보 등을 전송할 수 있다.
앱을 통한 전송의 경우 농가용 데이터 전송이 될 수 있는데, 이 경우에는 해당 농가에 적합한 모니터링 정보, 및 영농의사결정 지원 정보 등을 전송할 수 있다.
도 14는 본 발명의 실시예에 따른 노지 작물의 병해 예측 서비스 방법을 설명하기 위한 플로우차트이고, 도 15 내지 도 18은 도 14의 설명에 채용되는 병해 분석 결과의 예를 나타낸 도면이다.
일단, 서버(40)는 데이터 제공 디바이스(10)로부터 노지 작물의 재배환경 정보(즉, 작물 환경 센싱 데이터)와 영농 활동 데이터를 수신함과 더불어, 오픈 API를 통해 공공 데이터를 수신한다(S10). 여기서, 영농 활동 데이터는 예를 들어 물, 농약, 비료 등의 투여 및 작물 피해 내용, 수확 등의 입력 정보가 될 수 있다. 공공 데이터는 예를 들어 기상청을 통한 기후 및 기상 정보, 스마트팜코리아를 통한 농가의 정보(스마트팜 정보), 농촌 진흥청을 통한 농업지역에 맞는 맞춤형 지역 날씨 정보, 국가농작물병해충관리시스템(NCPMS)을 통한 병해충 정보 및 방제정보, 및 흙토람을 통한 해당 지역의 농경지 화학성 및 토양특성 정보를 포함할 수 있다.
이어, 서버(40)는 수신된 데이터 중에서 이상 데이터(즉, 오류 등의 기설정 범위를 초과하는 데이터)를 걸러낸다(S20).
이후, 서버(40)는 수신된 데이터 중에서 정상적인 데이터에 대해 딥러닝(예컨대, LSTM)의 다변량 예측을 통하여 노지 작물에 대한 소정 시간 후의 환경값을 예측한다(S30). 여기서, 예측된 환경값의 예로는 도 11 내지 도 13에 나타낸 바 있다.
그리고 나서, 서버(40)는 예측 데이터(즉, 노지 작물에 대한 예측된 환경값)에 대해 GIM을 사용하여 병해 진단(예컨대, 병해 발병 예측)을 행한다. 그 결과, 서버(40)는 병해 예측 정보, 이상감지 정보, 예방 안내 등을 출력할 수 있다(S40).
예를 들어, 사용자가 전문가인 경우에는 서버(40)는 도 15에 예시한 바와 같이 병해충 모니터링에서 분석된 질병의 상태를 지역별로 안정/주의/경고로 구분하여 표시될 수 있도록 질병 예측 결과 화면(a) 및 질병 정보 화면(b)을 전문가의 사용자 단말(20)에게로 전송할 수 있다.
한편, 사용자가 농가 운영자인 경우에는 서버(40)는 도 16 내지 도 18에 예시한 바와 같이 해당 농가에 적합한 모니터링 정보, 및 영농의사결정 지원 정보 등을 전송할 수 있다.
또한, 상술한 본 발명의 노지 작물의 병해 예측 서비스 방법은, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상에서와 같이 도면과 명세서에서 최적의 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로, 본 기술 분야의 통상의 지식을 가진자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10 : 데이터 제공 디바이스
20 : 사용자 단말
30 : 네트워크 40 : 서버
42 : 데이터 수신부 44 : 분석부
46 : 데이터 전송부 44a : 필터링부
44b : 제 1 저장부 44c : 예측부
44d : 병해 진단부 44e : 제 2 저장부
30 : 네트워크 40 : 서버
42 : 데이터 수신부 44 : 분석부
46 : 데이터 전송부 44a : 필터링부
44b : 제 1 저장부 44c : 예측부
44d : 병해 진단부 44e : 제 2 저장부
Claims (14)
- 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 수신하는 데이터 수신부;
상기 수신된 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 근거로 해당 노지 작물에 대한 병해 분석을 행하는 분석부; 및
상기 분석부에서의 분석 결과를 사용자 단말에게로 전송하는 데이터 전송부;를 포함하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 장치. - 청구항 1에 있어서,
상기 분석부는,
상기 수신된 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터에 대한 딥러닝을 통해 해당 노지 작물에 대한 미래의 환경값을 예측하는 예측부; 및
상기 해당 노지 작물에 대한 미래의 환경값을 근거로 병해 진단을 행하는 병해 진단부;를 포함하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 장치. - 청구항 2에 있어서,
상기 딥러닝은 LTSM인 것을 특징으로 하는 노지 작물의 병해 예측 서비스 장치. - 청구항 2에 있어서,
상기 병해 진단부는,
상기 해당 노지 작물에 대한 미래의 환경값에 GIM을 사용하여 병해 진단을 행하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 장치. - 청구항 2에 있어서,
상기 병해 진단부는,
병해 진단의 결과로서 병해 예측 정보, 이상감지 정보, 및 예방 안내 중에서 하나 이상을 출력하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 장치. - 청구항 2에 있어서,
상기 분석부는 상기 데이터 수신부로부터의 데이터 중에서 이상 데이터를 걸러내는 필터링부;를 추가로 포함하고,
상기 필터링부를 통과한 정상 데이터가 상기 예측부에게로 입력되는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 장치. - 청구항 1에 있어서,
상기 데이터 전송부는,
상기 분석부에서의 분석 결과를 웹을 통한 전송 및 앱을 통한 전송 중에서 어느 하나를 통해 사용자 단말에게로 전송하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 장치. - 노지 작물의 병해 예측 서비스 장치에서의 노지 작물의 병해 예측 서비스 방법으로서,
노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 수신하는 단계;
상기 수신된 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터를 근거로 해당 노지 작물에 대한 병해 분석을 행하는 단계; 및
상기 분석을 행하는 단계에서의 분석 결과를 사용자 단말에게로 전송하는 단계;를 포함하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 방법. - 청구항 8에 있어서,
상기 병해 분석을 행하는 단계는,
상기 수신된 노지 작물의 재배환경 정보와 영농 활동 데이터 및 공공 데이터에 대한 딥러닝을 통해 해당 노지 작물에 대한 미래의 환경값을 예측하는 단계; 및
상기 해당 노지 작물에 대한 미래의 환경값을 근거로 병해 진단을 행하는 단계;를 포함하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 방법. - 청구항 9에 있어서,
상기 딥러닝은 LTSM인 것을 특징으로 하는 노지 작물의 병해 예측 서비스 방법. - 청구항 9에 있어서,
상기 병해 진단을 행하는 단계는,
상기 해당 노지 작물에 대한 미래의 환경값에 GIM을 사용하여 병해 진단을 행하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 방법. - 청구항 9에 있어서,
상기 병해 진단을 행하는 단계는,
병해 진단의 결과로서 병해 예측 정보, 이상감지 정보, 및 예방 안내 중에서 하나 이상을 출력하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 방법. - 청구항 9에 있어서,
상기 병해 분석을 행하는 단계는,
상기 미래의 환경값을 예측하는 단계 이전에,
상기 수신된 데이터 중에서 이상 데이터를 걸러내는 단계;를 추가로 포함하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 방법. - 청구항 8에 있어서,
상기 분석 결과를 사용자 단말에게로 전송하는 단계는,
상기 분석 결과를 웹을 통한 전송 및 앱을 통한 전송 중에서 어느 하나를 통해 사용자 단말에게로 전송하는 것을 특징으로 하는 노지 작물의 병해 예측 서비스 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180156235A KR20200071884A (ko) | 2018-12-06 | 2018-12-06 | 노지 작물의 병해 예측 서비스 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180156235A KR20200071884A (ko) | 2018-12-06 | 2018-12-06 | 노지 작물의 병해 예측 서비스 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200071884A true KR20200071884A (ko) | 2020-06-22 |
Family
ID=71142711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180156235A KR20200071884A (ko) | 2018-12-06 | 2018-12-06 | 노지 작물의 병해 예측 서비스 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200071884A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IT202000030038A1 (it) * | 2020-12-11 | 2021-03-11 | Impattozero S R L | Dispositivo di monitoraggio e gestione delle condizioni ambientali di un ecosistema |
| KR20220052490A (ko) * | 2020-10-21 | 2022-04-28 | 권수현 | 내외부 환경 조건에 따라 자동 제어 가변성을 갖는 비닐하우스 및 관리방법 |
| KR102630545B1 (ko) | 2023-08-07 | 2024-01-29 | 하순태 | 잔디 상태에 따른 관리를 수행하는 로봇 및 로봇 제어방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160076317A (ko) | 2014-12-22 | 2016-06-30 | 주식회사 케이티 | 병해충 발생 예측 장치 및 방법 |
| KR101831880B1 (ko) | 2016-08-02 | 2018-02-26 | (주)유샘인스트루먼트 | 센서장치를 이용한 딸기작물 병해 예찰 및 약제살포 결정시스템 |
| KR20180054352A (ko) | 2016-11-15 | 2018-05-24 | 주식회사 에어텍 | 농업 기상 정보를 이용한 노지 농가 재배 경영 관리 방법 |
-
2018
- 2018-12-06 KR KR1020180156235A patent/KR20200071884A/ko not_active Application Discontinuation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160076317A (ko) | 2014-12-22 | 2016-06-30 | 주식회사 케이티 | 병해충 발생 예측 장치 및 방법 |
| KR101831880B1 (ko) | 2016-08-02 | 2018-02-26 | (주)유샘인스트루먼트 | 센서장치를 이용한 딸기작물 병해 예찰 및 약제살포 결정시스템 |
| KR20180054352A (ko) | 2016-11-15 | 2018-05-24 | 주식회사 에어텍 | 농업 기상 정보를 이용한 노지 농가 재배 경영 관리 방법 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220052490A (ko) * | 2020-10-21 | 2022-04-28 | 권수현 | 내외부 환경 조건에 따라 자동 제어 가변성을 갖는 비닐하우스 및 관리방법 |
| IT202000030038A1 (it) * | 2020-12-11 | 2021-03-11 | Impattozero S R L | Dispositivo di monitoraggio e gestione delle condizioni ambientali di un ecosistema |
| KR102630545B1 (ko) | 2023-08-07 | 2024-01-29 | 하순태 | 잔디 상태에 따른 관리를 수행하는 로봇 및 로봇 제어방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Islam et al. | A review of applications and communication technologies for internet of things (Iot) and unmanned aerial vehicle (uav) based sustainable smart farming | |
| Terence et al. | Systematic review of Internet of Things in smart farming | |
| Jagüey et al. | Smartphone irrigation sensor | |
| US10349584B2 (en) | System and method for plant monitoring | |
| CN107609666B (zh) | 使用历史农药使用信息进行害虫预测的系统和方法 | |
| US20170258005A1 (en) | Field monitoring, analysis, and treatment system | |
| Saha et al. | IoT‐enabled agricultural system application, challenges and security issues | |
| US20230215511A1 (en) | Real-time projections and estimated distributions of agricultural pests, diseases, and biocontrol agents | |
| KR20200071884A (ko) | 노지 작물의 병해 예측 서비스 장치 및 방법 | |
| KR20200044216A (ko) | 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법 | |
| Thessler et al. | Geosensors to support crop production: Current applications and user requirements | |
| Koshy et al. | Application of the internet of things (IoT) for smart farming: a case study on groundnut and castor pest and disease forewarning | |
| Marcu et al. | Overview of IoT basic platforms for precision agriculture | |
| CN108304953B (zh) | 农作物病虫害的预警方法和系统 | |
| Pérez-Expósito et al. | An IoT monitoring system for precision viticulture | |
| Farooq et al. | IoT based smart greenhouse framework and control strategies for sustainable agriculture | |
| Bhanumathi et al. | The role of geospatial technology with IoT for precision agriculture | |
| Choudhury et al. | Precision crop monitoring with affordable iot: Experiences with okra | |
| Manideep et al. | Smart agriculture farming with image capturing module | |
| Niranjana et al. | An IoT Based Real-Time Monitoring System for Viticulture to Minimize Energy Consumption | |
| Rahu et al. | Agricultural environmental monitoring: a WSN perspective | |
| Jagyasi et al. | Event based experiential computing in agro-advisory system for rural farmers | |
| Juul et al. | Deployment of wireless sensor networks in crop storages | |
| Saha et al. | A crop-monitoring system using wireless sensor networking | |
| Poonia et al. | A comprehensive study on smart farming for transforming agriculture through cloud and IoT |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |