KR20200079365A - IoT 기반 노지 해충 인식 시스템 및 그 방법 - Google Patents

Abstract

본 발명은 노지 농업에서 해충을 인식하는 시스템에 관한 것으로, 더욱 상세하게는 라즈베리파이를 활용한 노지에서 병해충을 인식하고 이를 농가에 알려주어 병해충에 대한 피해로부터 미리 예방하는 방법이다.
이를 위해 본 발명에 다르는 해충 인식 시스템은 인식을 시도하는 라즈베리파이부터 분석을 실시하는 클라우드를 포함한다

Description

IoT 기반 노지 해충 인식 시스템 및 그 방법{IoT based Ground farm pest control system and method}

본 발명은 노지 농업에서 해충을 감지하는 시스템으로, 더욱 상세하게는 IoT기술 중 라즈베리파이를 활용하여 해충 이미지의 개수를 파악하여 해충에 대한 피해로부터 초동조치를 가능하게 하는 방법이다.

이를 위해 본 발명에 다르는 해충 인식 시스템은 인식을 시도하는 라즈베리파이부터 분석을 실시하는 클라우드를 포함한다.

본 발명은 라즈베리파이를 활용한 해충 인식 시스템으로써, 노지 농업에서 가장 피해를 주고 있는 해충을 감지하기 위해 비싼 카메라를 사용하기에 농가의 부담이 크고 정확한 판단 결과를 받기까지 전문가 진단을 받아야 하기에 많은 시간이 흐르고 나서야 결과를 받을 수 있다. 그렇기 때문에 피해에 대한 조치가 어려우며 노동력이 많이 필요한 실정이다. 이를 해결하기 위해 IT페로몬트랩을 사용하기는 하나 농가의 부담이 커서 실제로 많이 사용하고 있지는 않다. 본 발명에서는 최근 IoT기술 중 라즈베리파이를 활용하여 이미지를 촬영하며 이에 대한 설치비용을 감소시킴으로써 농가의 부담을 줄이며, 딥러닝 기술을 활용하여 분석결과를 도출함으로써 신속한 판단결과를 통해 농가의 생산성 증대에 기여할 수 있다.

따라서, 상기 문제점을 해결하기 위한 본 발명은 트랩에서 라즈베리파이 카메라를 활용하여 해충 이미지를 촬영하고 이를 자체적으로 라즈베리파이내부 CPU를 통해 분석하고 해충 여부를 파악하며, 해충이 발생했을 시 클라우드를 통해 이미지가 전송되고 대규모 CNN을 통해 해충의 개수를 파악하여 사용자에게 전달 및 알릴 수 있다. 라즈베리파이를 사용함으로써 기존 시스템을 설치하기 위한 비용에 대한 부담을 줄일 수 있으며, 딥러닝 분석을 통해 정확한 해충의 개수를 파악하여 위험지수를 사용자에게 알림으로써 해충에 대한 피해를 초동조치를 통해 최소화 할 수 있다. 이를 통해 농가의 생산성 증대 및 노동력 감소를 기대할 수 있다.

상기 목적달성을 위한 본 발명은,

노지(과수)농업 페로몬트랩에 설치된 라즈베리파이 기반 카메라 센서와;

이미지를 분석하고 관리하는 DB(MySQL) 및 클라우드 내 분석을 위한 분석 인프라와;

분석된 결과에 따른 해충 개수를 알려주는 기본 장치를 포함한다.

본 발명에 따르면 해충의 개수를 파악하여 해충에 대한 피해를 줄여 농가의 생산성을 증가 할 수 있으며, 딥러닝 분석을 통한 빠른 분석 결과를 전달함으로써 노동력을 감소할 수 있다.

도 1 은 실시 예에 따르는 해충 인식 시스템을 적용한 트랩의 사시도.
도 2 는 본 발명의 실시예에 따르는 해충 인식 시스템을 간략하게 보여주는 구성도.
도 3은 실시 예에 따르는 해충 인식 시스템의 간략한 블록도.

이하, 첨부된 도면 도 1, 도 2, 도 3을 참조하여 본 발명의 바람직한 실시 예를 설명하면 다음과 같다.

상기 도면에 의하면, 본 발명은 필드 트랩(10)에서 해충 수집(11)을 통해 라즈베리카메라(101)로 이미지를 분석하여 라즈베리파이(100) 내장 CPU을 통해 기본적으로 소규모CNN(201)을 통해 해충 유무를 판단한다.

판단 결과에 따라 해충이 없을 시에는 일반 경영 DB(204)에 시간과 함께 판단결과를 저장하며, 해충이 있을 시에는 농가 주인에게 어플리케이션(300)을 통해 알림 제공하고 클라우드 서버(200)로 이미지 데이터를 전송하게 된다. 전송 된 데이터는 대규모CNN(202)을 통해 해충의 개수를 판단하고 이를 사용자 어플리케이션(300)에 전송함으로써 개수를 보내 알림을 제공한다. 이 또한 경영 DB(204)에 저장함과 동시에 해충 DB(203)에도 저장함으로써 이미지 데이터 및 경영 데이터를 축적한다.

도 2는 본 발명의 시스템에 대한 전체적인 구성도를 보여주고 있으며, 필드 트랩(10)에 설치된 라즈베리파이(100)와 라즈베리파이 카메라(101)을 통해 이미지를 수집하고 수집된 이미지에서 소규모CNN(201)을 통해 해충 유무를 분석한다.

해충 유무에 따라 해충 발견 시 구글 클라우드 서버(200)로 이미지를 전송하고 대규모CNN(202)을 통해 해충의 개수를 파악하여 사용자 어플리케이션(300)으로 알림을 제공한다.

도 3은 해충 인식 시스템의 블록도로써 필드 트랩(10)에서 라즈베리파이(100)을 통해 데이터를 수집하고 이때 제공된 많은 데이터는 DB을 통해 저장 관리 된다. 또한 해충 유무 판단 결과에 따라 구글 클라우드 서버(200)로 데이터를 전송하고 분석 결과를 사용자 어플리케이션(300)을 통해 제공한다.

10: 필드 트랩
11: 필드 해충 수집장치
100: 라즈베리파이
101: 라즈베리파이 카메라
200: 구글 클라우드 서버
201: 소규모 CNN
202: 대규모 CNN
203: 해충 DB
204: 경영 DB

Claims (3)

1. 라즈베리파이 카메라(101)을 활용한 해충 이미지 데이터 수집 장치
2. 제 1 항에 있어서,
   수집 된 이미지에 대한 라즈베리파이(100) 내 CPU을 통한 소규모CNN(201) 분석 방법
3. 제 1 항에 있어서,
   해충 이미지 인식을 통한 해충 유무 판단 결과 후 클라우드서버(200)로 전송 후 대규모CNN(202) 분석 방법

Images