KR20210017729A - 수질환경 제어방법 및 시스템 - Google Patents

수질환경 제어방법 및 시스템 Download PDF

Info

Publication number
KR20210017729A
KR20210017729A KR1020190097462A KR20190097462A KR20210017729A KR 20210017729 A KR20210017729 A KR 20210017729A KR 1020190097462 A KR1020190097462 A KR 1020190097462A KR 20190097462 A KR20190097462 A KR 20190097462A KR 20210017729 A KR20210017729 A KR 20210017729A
Authority
KR
South Korea
Prior art keywords
water quality
control
environment
unit
quality environment
Prior art date
Application number
KR1020190097462A
Other languages
English (en)
Inventor
김형수
Original Assignee
주식회사 글로비트
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 주식회사 글로비트 filed Critical 주식회사 글로비트
Priority to KR1020190097462A priority Critical patent/KR20210017729A/ko
Publication of KR20210017729A publication Critical patent/KR20210017729A/ko

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
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/06—Means for regulation, monitoring, measurement or control, e.g. flow regulation of illumination
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/12—Means for regulation, monitoring, measurement or control, e.g. flow regulation of temperature
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/26—Means for regulation, monitoring, measurement or control, e.g. flow regulation of pH
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/34—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of gas
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/48—Automatic or computerized control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06N3/08—Learning methods
    • 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
    • G06Q50/10—Services

Abstract

본 발명은 수질환경 제어 방법 및 시스템에 관한 것으로, 수질환경 관리대상의 수질을 측정하여 수질 센싱 정보를 생성하는 센서부, 수질환경 관리대상의 수질환경을 제어하는 환경 제어부, 수질 센싱 정보 및 수질환경에 대한 제어상태 정보를 수집하는 제1 서버부, 일정 기간동안 수집된 수질 센싱 정보 및 상기 제어상태 정보의 이력을 기초로 미리 정의된 기계학습모델을 이용하여 수질환경에 대한 최적의 제어 값을 도출하고, 도출된 최적의 제어 값을 이용하여 환경 제어부를 제어하는 제2 서버부, 및 수질 센싱 정보 및 상기 제어상태 정보를 저장하는 클라우드부를 포함한다.

Description

수질환경 제어방법 및 시스템{WATER QUALITY CONTROL METHOD AND SYSTEM USING THEREOF}
본 발명은 수질환경 제어방법 및 시스템에 관한 것이다. 보다 상세하게는 미세조류의 생장에 관련된 수질환경을 딥러닝 학습하여 자동으로 관리할 수 있는 수질환경 제어방법 및 시스템에 관한 기술이다.
미세조류는 일반적으로 해양에서 태양에너지를 이용하여 무기물로부터 유기물을 생산하는 생산자로서 동물성 플랑크톤이나 어류 등 해양의 1차 소비자의 먹이가 되며, 광합성을 통하여 해중 용존 산소를 높이는 등 해양 생태계에 중요한 위치를 차지하고 있다. 미세조류는 함유하고 있는 엽록소의 종류 등에 따라 녹조류에서 홍조류, 시아노 박테리아까지 매우 다양하다.
현재 상업적으로 생산되고 있는 미세조류들은 한국공개특허공보 제10-2011-0094830호(2011.08.24)와 같이, 주로 고밀도로 배양할 수 있는 광 생물 반응기를 이용하여 배양된다.
일반적인 광 생물 반응기는 일정한 부피의 수조에 배양하려는 미세조류의 종류에 따라 배양액을 공급하고, 미세조류를 접종한 후, 미세조류의 성장에 유해한 원생동물 및 곰팡이의 유입을 차단하여 순수 배양이 이루어지도록 배양액을 여과, 살균 공급하게 된다.
또한, 충분한 광합성이 이루어지도록 이산화탄소 등의 탄소원이 포함된 기체를 배양액 내에 폭기시키고, 이를 통해 주입되는 기체 및 배양액 내의 영양 물질이 균일하게 분산될 수 있도록 교반 시키게 된다.
이러한 방법은 배양액의 공급과 폭기, 광원을 통한 빛의 조사 및 수온 조절 등을 수작업에 의존하고 있어 생산량 증대에 한계가 있다. 그리고, 다양한 환경 변화에 대한 데이터가 데이터베이스화 되어 있지 않기 때문에, 타 양식장 등 수요처에 기술 보급이 불가능하다. 또한, 수온이나 광량 등의 급격한 변화가 발생하는 등의 비상 상황에 즉각적인 대처를 취하기 어려운 문제가 있다.
한국공개특허공보 제10-2011-0094830호(2011.08.24)
이에 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로, 본 발명의 목적은 미세조류의 생장에 관련된 수질환경을 딥러닝 학습하여 자동으로 관리할 수 있는 수질환경 제어 시스템을 제공하는 것이다.
또한 본 발명의 다른 목적은 미세조류의 생장에 관련된 수질환경을 딥러닝 학습하여 자동으로 관리할 수 있는 수질환경 제어 방법을 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위한 수질환경 제어시스템은 수질환경 관리대상의 수질을 측정하여 수질 센싱 정보를 생성하는 센서부; 상기 수질환경 관리대상의 수질환경을 제어하는 환경 제어부; 상기 수질 센싱 정보 및 상기 수질환경에 대한 제어상태 정보를 수집하는 제1 서버부; 일정 기간동안 수집된 상기 수질 센싱 정보 및 상기 제어상태 정보의 이력을 기초로 미리 정의된 기계학습모델을 이용하여 상기 수질환경에 대한 최적의 제어 값을 도출하고, 도출된 상기 최적의 제어 값을 이용하여 상기 환경 제어부를 제어하는 제2 서버부; 및 상기 수질 센싱 정보 및 상기 제어상태 정보를 저장하는 클라우드부를 포함한다.
본 발명의 일 실시예에 있어서, 상기 센서부는 수온센서, DO센서, pH센서, 조도 센서, 이산화탄소 센서 및 질산염 센서를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 환경 제어부는 상기 수질환경을 제어하는 환경 제어장치를 포함하고, 상기 환경 제어장치의 제어상태를 상기 제어상태 정보로 생성할 수 있다.
본 발명의 일 실시예에 있어서, 상기 환경 제어장치는 조명을 제어하는 조명제어장치, 펌프를 제어하는 펌프제어장치, 이산화탄소의 공급을 제어하는 이산화탄소 공급제어장치 및 액비 공급을 제어하는 액비제어장치를 포함하고, 상기 제어상태 정보는 상기 조명의 제어 상태에 대응하는 조명제어상태정보, 상기 펌프의 제어 상태에 대응하는 펌프제어상태정보, 상기 이산화탄소의 제어 상태에 대응하는 이산화탄소제어상태정보 및 상기 액비의 제어 상태에 대응하는 액비제어상태정보를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제2 서버부는 상기 수질 센싱 정보 및 상기 제어상태 정보의 이력을 기초로 상기 기계학습모델을 정의하고, 상기 기계학습모델을 이용하여 상기 수질환경 관리대상의 수질환경을 예측하고, 예측된 수질환경을 특정 대상의 생장에 필요한 최적의 수질환경으로 유지시키는 상기 최적의 제어 값을 판단할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제2 서버부는 상기 수질 센싱 정보의 이력을 제1 빅데이터로 생성하고, 상기 제어상태 정보의 이력을 제2 빅데이터로 생성하고, 상기 제1 및 제2 빅데이터를 분석하여 상기 기계학습모델을 정의하고, 상기 제1 및 제2 빅데이터로부터 상기 최적의 제어 값을 도출하기 위한 학습 데이터를 추출 및 전처리하는 데이터 처리부; 상기 학습 데이터를 기초로 상기 기계학습모델을 딥러닝 학습시키는 기계학습 모듈부; 상기 학습된 기계학습모델을 이용하여 상기 수질환경을 예측하고, 상기 예측된 수질환경을 상기 최적의 수질환경으로 유지시키는 상기 최적의 제어 값을 도출시키는 기계학습 예측 모듈부; 및 상기 최적의 제어 값을 이용하여 상기 환경 제어부를 제어하는 자동 제어부를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 자동 제어부는 미리 설정된 비상상황 기준 정보 및 상기 예측된 수질환경을 기초로 비상 상황을 판단하여 알림 정보를 생성할 수 있다.
본 발명의 일 실시예에 있어서, 상기 클라우드부는 상기 기계학습모델 및 상기 예측된 수질환경의 정보를 저장할 수 있다.
본 발명의 일 실시예에 있어서, 상기 클라우드부에 저장된 상기 수질 센싱 정보, 상기 제어상태 정보, 상기 최적의 제어 값 및 상기 예측된 수질환경의 정보를 표시하는 표시부를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 수질 센싱 정보 및 상기 제어상태 정보를 실시간으로 모니터링하는 모니터링부, 상기 제어 상태 정보를 표시하고, 상기 환경 제어 장치의 설정을 제어하는 제어 설정부 및 상기 수질 환경으로부터 특정 생물의 생장을 관리하는 생장관리부를 포함하는 관리부를 더 포함할 수 있다.
상기한 본 발명의 목적을 실현하기 위한 수질환경 제어방법은 센서부가 수질환경 관리대상의 수질을 측정하여 수질 센싱 정보를 생성하는 단계; 제1 서버부가 상기 수질 센싱 정보 및 상기 수질환경에 대한 제어상태 정보를 수집하는 단계; 제2 서버부가 일정 기간 동안 수집된 상기 수질 센싱 정보 및 제어상태 정보의 이력을 기초로 정의된 기계학습모델을 이용하여 상기 수질환경에 대한 최적의 제어 값을 도출하는 단계; 및 상기 최적의 제어 값을 이용하여 상기 수질환경을 제어하는 단계를 포함한다.
본 발명의 일 실시예에 있어서, 상기 센서부는 수온센서, DO센서, pH센서, 조도 센서, 이산화탄소 센서 및 질산염 센서를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 환경 제어부가 상기 수질환경을 제어하는 환경 제어장치의 제어 상태를 상기 제어상태 정보로 생성하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 환경 제어장치는 조명을 제어하는 조명제어장치, 펌프를 제어하는 펌프제어장치, 이산화탄소의 공급을 제어하는 이산화탄소 공급제어장치 및 액비 공급을 제어하는 액비제어장치를 포함하고, 상기 제어상태 정보는 상기 조명의 제어 상태에 대응하는 조명제어상태정보, 상기 펌프의 제어 상태에 대응하는 펌프제어상태정보, 상기 이산화탄소의 제어 상태에 대응하는 이산화탄소제어상태정보 및 상기 액비의 제어 상태에 대응하는 액비제어상태정보를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제2 서버부가 상기 수질환경에 대한 최적의 제어값을 도출하는 단계는 상기 제2 서버부가 상기 수질 센싱 정보 및 상기 제어상태 정보를 클라우드부에 저장하는 단계; 상기 제2 서버부가 일정 기간 동안 상기 클라우드부에 저장된 상기 수질 센싱 정보 및 제어상태 정보의 이력을 기초로 상기 기계학습모델을 정의하는 단계; 상기 제2 서버부가 상기 기계학습모델을 이용하여 상기 수질환경 관리대상의 수질환경을 예측하는 단계; 및 상기 제2 서버부가 상기 예측된 수질환경을 특정 대상의 생장에 필요한 최적의 수질환경으로 유지시키는 상기 최적의 제어값을 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제2 서버부가 상기 기계학습모델을 정의하는 단계는 상기 수집 센싱 정보의 이력을 제1 빅데이터로 생성하는 단계; 상기 제어상태 정보의 이력을 제2 빅데이터로 생성하는 단계; 및 상기 제1 및 제2 빅데이터를 분석하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제2 서버부가 상기 수질환경을 예측하는 단계는 상기 제1 및 제2 빅데이터로부터 상기 최적의 제어 값을 도출하기 위한 학습 데이터를 추출 및 전처리하는 단계; 및 상기 학습 데이터를 기초로 상기 기계학습모델을 딥러닝 학습시키는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 미리 설정된 비상상황 기준 정보 및 상기 예측된 수질환경을 기초로 비상상황을 판단하여 알림 정보를 생성하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 제2 서버부가 상기 클라우드부에 상기 기계학습모델 및 상기 예측된 수질환경의 정보를 저장하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 표시부가 상기 클라우드부에 저장된 상기 수질 센싱 정보, 상기 제어상태 정보, 상기 최적의 제어 값 및 상기 예측된 수질환경의 정보를 표시하는 단계를 더 포함할 수 있다.
본 발명의 실시예들에 따르면, 수질환경 제어 방법 및 시스템은 수질환경 관리대상의 수질환경을 자동으로 제어한다. 따라서, 수작업으로 수질환경을 제어하는 방식에 비해 관리비용을 절감시키고, 생산량을 증대시킬 수 있다.
또한, 수질환경 관리대상의 수질 센싱 정보 및 수질환경에 대한 제어 정보를 일정 기간 수집 및 저장하여 빅데이터화하고, 이를 딥러닝 학습하여 수질환경을 예측하고, 예측된 수질환경을 생장에 필요한 최적의 수질환경으로 유지시키는 최적의 제어 값을 도출함으로써 환경 변화나 비상 상황에서도 시스템이 자동으로 대처가 가능하고, 생산량을 증대시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 수질환경 제어 시스템을 도시한 도면이다.
도 2는 도 1에 도시된 수질환경 제어장치를 도시한 도면이다.
도 3은 도 2에 도시된 센서부를 도시한 도면이다.
도 4는 도 2에 도시된 제2 서버부를 도시한 도면이다.
도 5는 도 2에 도시된 환경 제어부를 도시한 도면이다.
도 6은 도 2에 도시된 관리부를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 수질환경 제어 방법을 나타내는 흐름도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 실시예들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다.
상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 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 "이루어진다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 수질환경 제어 시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 수질환경 제어 시스템(100)은 수질환경 관리대상(110) 및 수질환경 제어장치(120)를 포함한다. 수질환경 관리대상(110)은 부착성 미세 규조류를 생산하는 장치로서, 부착성 미세 규조류를 배양하기 위한 수조(111) 및 미세 규조류의 생육에 필요한 수질 환경을 제어하는 환경 제어장치(113, 115, 117, 119)들을 포함할 수 있다.
예를 들어, 환경 제어장치는 배양액(해수)을 공급하는 펌프(113), 일정 세기의 빛을 조사하는 조명(115), 액화 이산화탄소를 공급하는 액화 이산화탄소 공급 장치(117), 영양 염류를 공급하는 액비 공급 장치(119)를 포함할 수 있다.
본 발명의 일 실시예에 따른 수질환경 관리대상(110)은 용암 해수를 이용하여 부착성 미세조류인 미세 규조류를 단일 종으로 순수 배양할 수 있는 장치일 수 있다.
구체적으로, 수질환경 관리대상(110)은 펌프(113)를 통해 용암 해수를 수조(111)에 공급하고, 조명(115), 액화 이산화탄소 공급 장치(117) 및 액비 공급 장치(119)를 통해 생육 환경을 제어하는 장치일 수 있다. 이러한 구조를 이용하여 본 발명의 일 실시예에 따른 수질환경 관리대상(110)은 용암 해수로부터 부착성 미세 규조류를 안정적으로 대량 배양할 수 있다. 본 발명의 일 실시예에 따른 수질환경 관리 대상(110)은 복수의 양식장에 대응하여 복수 개 구비될 수 있다.
여기에서, 용암 해수는 제주도의 현무암층을 뚫고 육지 지하로 흘러 들어온 지하 염수로서, 국내에서는 제주도의 서부 일부 지역과 동부지역을 중심으로 발견되며 일반 해수의 약 5~20배의 마그네슘, 칼슘, 칼륨 등의 미네랄이 함유되어 있다.
제주 지하 염수에는 일반 해수에 비해 높은 농도의 규소가 함유되어 있다. 그리고, 부착성 미세조류인 미세 규조류(diatoms)는 광합성 과정을 거쳐 해수에 용해되어 있는 규소와 마그네슘을 이용하여 세포벽(골격)을 구성하며, 수생 동물 사료 또는 첨가제로 이용될 수 있다.
수질환경 제어장치(120)는 수질환경 관리대상(110)의 수질을 측정한 수질 센싱 정보 및 수질환경 관리대상(110)의 수질환경을 제어한 제어상태 정보를 수집 및 저장한다.
예를 들어, 수질환경 제어장치(120)는 수조(111) 내의 수질을 측정한 수질 센싱 정보, 펌프(113)의 제어상태에 대응하는 펌프 제어상태 정보, 조명(115)의 제어상태에 대응하는 조명 제어상태 정보, 액화 이산화탄소 공급 장치(117)의 제어상태에 대응하는 이산화탄소 제어상태 정보 및 액비 공급 장치(119)의 제어상태에 대응하는 액비 제어상태 정보를 수집할 수 있다.
수질환경 제어장치(120)는 일정 기간동안 수집된 수질 센싱 정보 및 제어상태 정보를 기초로 기계학습모델을 정의하고, 기계학습모델을 이용하여 수질환경 관리대상(110)의 수질환경에 대한 최적의 제어 값을 도출한다. 그리고, 수질환경 제어장치(120)는 도출된 최적의 제어 값을 기초로 수질환경 관리대상(110)의 수질환경을 자동으로 제어한다.
이를 위해, 수질환경 제어장치(120)는 일정기간 동안 저장된 수질 센싱 정보 및 제어상태 정보를 빅데이터화하고, 딥러닝 학습하여 특정 대상의 생장에 필요한 최적의 수질환경을 유지할 수 있는 제어 값을 도출하여 수질대상 관리대상(110)의 수질환경을 자동으로 제어한다. 즉, 수질환경 제어장치(120)는 기계학습모델을 이용하여 수질환경 관리대상(110)의 수질환경을 자가 판단하여 수질환경 관리대상(110)을 자동으로 제어할 수 있다.
보다 구체적으로, 수질환경 제어장치(120)는 수질환경 관리대상(110)으로부터 수집된 수질 센싱 정보 및 제어상태 정보를 저장하고, 일정기간 동안 저장된 수질 센싱 정보 및 제어상태 정보의 이력을 빅데이터로 생성할 수 있다.
수질환경 제어장치(120)는 빅데이터를 분석하여 기계학습모델을 정의하고, 빅데이터로부터 부착성 미세 규조류의 생장에 필요한 최적의 수질환경을 유지하기 위한 학습 데이터들을 추출하여 전처리한다.
수질환경 제어장치(120)는 전처리된 학습 데이터를 기초로 기계학습모델을 딥러닝 기계 학습 및 튜닝시켜 수질환경을 예측하고, 예측된 수질환경을 특정 대상의 생장에 필요한 최적의 수질환경으로 유지시키기 위한 제어 값을 도출한다. 수질환경 제어장치(120)는 도출된 최적의 수질환경 제어 값을 기초로 수질환경 관리대상(110)의 수질환경을 자동으로 제어한다.
수질환경 제어장치(120)는 전용 어플리케이션을 통해 수질 센싱 정보 및 제어상태 정보를 실시간으로 표시하고, 수질 센싱 정보 및 제어상태 정보의 이력을 조회할 수 있다. 수질환경 제어장치(120)는 전용 어플리케이션을 통해 수질환경 예측 정보를 표시할 수 있고, 미리 설정된 비상상황 기준 정보 및 수질환경 예측 정보로부터 비상 상황을 판단하여 외부에 알릴 수 있다.
수질환경 제어장치(120)는 전용 어플리케이션을 통해 수질환경 관리대상(110)의 설정 값을 제어할 수 있고, 특정 생물의 생육 환경 등을 관리할 수 있다. 수질환경 제어장치(120)는 정보처리 장치로 구현될 수 있고, 정보처리 장치는 서버 컴퓨터, 데스크톱 컴퓨터(personal computer, PC), 태블릿 PC, 노트북 PC, 스마트폰, 휴대폰, 네비게이션 단말기, PDA(personal digital assistant) 등과 같은 임의의 전자장치의 하나 또는 그 이상의 조합일 수 있다.
수질환경 제어장치(120)는 다양한 형태로 데이터를 처리할 수 있으며, 프로세서, 메인 메모리 및 보조저장장치를 포함할 수 있다. 수질환경 제어장치(120)는 수질환경 관리대상(110)과 네트워크를 통해 연결될 수 있고, 복수의 수질환경 관리대상(110)이 수질환경 제어장치(120)와 동시에 연결될 수 있다.
도 2는 도 1에 도시된 수질환경 제어장치를 도시한 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 수질환경 제어장치(120)는 센서부(210), 제1 서버부(220), 제2 서버부(230), 클라우드부(240), 환경 제어부(250), 표시부(260) 및 관리부(270)를 포함한다.
센서부(210)는 수질환경 관리대상(110)의 수질을 측정하여 수질 센싱 정보를 생성한다. 예를 들어, 센서부(210)는 수조(111) 내의 수온, 용존 산소(DO), 수소 이온 농도(PH), 조도, 이산화탄소(CO2) 및 질산염(NO3)을 측정하여 수질 센싱 정보를 생성할 수 있다.
제1 서버부(220)는 센서부(210)를 통해 측정된 수질 센싱 정보를 수집하고, 환경 제어부(250)로부터 수신된 제어상태 정보들을 수집하여 제2 서버부(230)에 제공한다. 이를 위해, 제1 서버부(220)는 제2 서버부(230)와 네트워크를 통해 연결될 수 있다. 제1 서버부(220)는 복수의 수질환경 관리대상(110) 각각에 대응하여 복수개 구비될 수 있고, 복수의 제1 서버부(220)가 제2 서버부(230)와 동시에 연결될 수 있다.
제2 서버부(230)는 수집된 수질 센싱 정보 및 제어상태 정보를 저장하고, 일정 기간 동안 수집된 수질 센싱 정보 및 제어상태 정보의 이력을 기초로 기계학습모델을 정의하고, 기계학습모델을 딥러닝 학습하여 수질환경 관리대상(110)의 수질환경에 대한 최적의 제어 값을 도출할 수 있다. 제2 서버부(230)는 최적의 제어 값을 이용하여 환경 제어부(250)를 자동으로 제어할 수 있다.
보다 구체적으로, 제2 서버부(230)는 제1 서버부(220)로부터 전송된 수질 센싱 정보 및 제어상태 정보들을 클라우드부(240)에 저장하고, 일정 기간 동안 저장된 수질 센싱 정보의 이력을 이용하여 제1 빅데이터를 생성한다. 그리고, 제2 서버부(230)는 일정 기간동안 저장된 제어상태 정보들을 클라우드부(240)에 저장하고, 제어상태 정보의 이력을 이용하여 제2 빅데이터를 생성한다.
제2 서버부(230)는 제1 및 제2 빅데이터를 분석하여 기계학습모델을 정의하고, 제1 및 제2 빅데이터로부터 특정 생물(부착성 미세 규조류)의 생장에 필요한 최적의 수질환경을 도출하기 위한 학습 데이터들을 추출하여 전처리할 수 있다. 여기에서, 학습 데이터들에는 외부 환경에 대한 정보들이 포함될 수 있다.
제2 서버부(230)는 전처리된 학습 데이터를 기초로 기계학습모델을 딥러닝 기계 학습 및 튜닝시켜 수질환경 관리대상(110)의 수질환경을 예측할 수 있다. 그리고, 제2 서버부(230)는 예측된 수질환경을 특정 대상의 생장에 필요한 최적의 수질환경으로 유지시키는 제어 값을 도출한다.
제2 서버부(230)는 미리 설정된 비상상황 기준 정보 및 수질환경 예측 정보로부터 비상 상황을 판단하고, 비상 상황인 경우 알림을 생성하여 관리부(270)에 제공할 수 있다.
클라우드부(240)에는 수질 센싱 정보, 제어상태 정보, 기계학습모델, 최적의 수질환경 제어 값, 수질환경 예측정보, 비상 상황 판단 기준 정보 등이 저장된다. 클라우드부(240)는 제2 서버부(230)의 요청 시 저장된 정보를 제2 서버부(230) 또는 환경 제어부(250)에 전송할 수 있다.
본 발명의 일 실시예에 따른 클라우드부(240)는 NoSQL 시스템을 적용할 수 있다. NoSQL은 조인 연산이 불가능하고, 각각의 데이터가 독립적으로 설계되어 데이터를 여러 서버 등에 분산하여 작업하는 방식을 의미하는 것으로, 대용량의 데이터의 입출력이 발생해도 데이터 처리가 용이하여 데이터 처리의 속도 및 확장성이 향상될 수 있다.
환경 제어부(250)는 제2 서버부(230)에 의해 제어되어 환경 제어장치(113, 115, 117, 119)들을 제어하고, 환경 제어장치(113, 115, 117, 119)들의 제어상태 정보를 생성한다. 환경 제어부(250)는 제어상태 정보를 제1 서버부(210)에 제공한다.
표시부(260)는 수질 센싱 정보, 제어상태 정보, 비상 상황 알림 등을 화면에 표시한다. 관리부(270)는 수질 센싱 정보 및 제어상태 정보를 실시간으로 모니터링하고, 환경 제어부(250)를 관리한다. 본 발명의 일 실시예에 따른 표시부(260) 및 관리부(270)는 별도의 사용자 단말을 통해 구현될 수 있으며, 사용자 단말은 데스크톱 컴퓨터(personal computer, PC), 태블릿 PC, 노트북 PC, 스마트폰 등을 포함할 수 있다.
사용자 단말에는 전용 어플리케이션이 설치될 수 있으며, 전용 어플리케이션을 통해 수질환경 관리대상(110)을 원격으로 관리할 수 있다. 예를 들어, 사용자 단말에는 실시간 모니터링 어플리케이션, 제어설정 어플리케이션, 생장 관리 어플리케이션 등이 설치될 수 있다.
도 3은 도 2에 도시된 센서부를 도시한 도면이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 센서부(210)는 수온 센서(310), DO 센서(320), pH 센서(330), 조도 센서(340), 이산화탄소 센서(350), 질산염 센서(360) 및 제어 인터페이스 보드(370)를 포함한다. 수온 센서(310)는 수조(111) 내의 수온을 측정한다. DO 센서(320)는 수조(111) 내의 용존 산소를 측정한다.
pH 센서(330)는 수조(111) 내의 수소 이온 농도를 측정한다. 조도 센서(340)는 수조(111) 내의 조도를 측정한다. 이산화탄소 센서(350)는 수조(111) 내의 이산화탄소 농도를 측정한다. 질산염 센서(360)는 수조(111) 내의 질산염 농도를 측정한다.
제어 인터페이스 보드(370)는 수온 센서(310), DO 센서(320), pH 센서(330), 조도 센서(340), 이산화탄소 센서(350) 및 질산염 센서(360) 각각과 전기적으로 연결되고, 각 센서로부터 측정된 수온, 용존 산소(DO), 수소 이온 농도(PH), 조도, 이산화탄소(CO2) 및 질산염(NO3)을 수질 센싱 정보로 생성하여 제1 서버부(220)에 제공한다.
도 4는 도 2에 도시된 제2 서버부를 도시한 도면이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 제2 서버부(230)는 데이터 처리부(410), 기계학습 모듈부(420), 기계학습 예측 모듈부(430) 및 자동 제어부(440)를 포함한다. 데이터 처리부(410)는 제1 서버부(210)를 통해 수집된 수질 센싱 정보를 클라우드부(240)에 저장하고, 저장된 수질 센싱 정보의 이력을 이용하여 제1 빅데이터를 생성한다.
데이터 처리부(410)는 환경 제어부(250)를 통해 수집된 제어상태 정보를 클라우드부(240)에 저장하고, 저장된 제어상태 정보의 이력을 이용하여 제2 빅데이터를 생성한다.
데이터 처리부(410)는 제1 및 제2 빅데이터를 분석하여 기계학습모델을 정의하고, 제1 및 제2 빅데이터로부터 부착성 미세 규조류의 생장에 필요한 최적의 수질환경의 제어 값을 도출하기 위한 학습 데이터들을 추출 및 전처리한다.
기계학습 모듈부(420)는 전처리된 학습 데이터를 기초로 기계학습모델을 딥러닝 학습시킨다. 기계학습 예측 모듈부(430)는 학습된 기계학습모델을 이용하여 수질환경 관리대상(110)의 수질환경을 예측한다. 기계학습 예측 모듈부(430)는 예측된 수질 환경을 특정 대상의 생장에 필요한 최적의 수질환경으로 유지시키는 최적의 수질환경 제어 값을 도출한다.
자동 제어부(440)는 최적의 수질환경 제어 값을 이용하여 환경 제어부(250)를 제어한다. 예를 들어, 자동 제어부(440)는 최적의 수질환경 제어 값에 따라 환경 제어장치(113, 115, 117, 119)들을 제어하는 제어 명령을 생성하고, 각 제어 명령을 대응하는 환경 제어장치(113, 115, 117, 119)에 전송할 수 있다.
또한, 자동 제어부(440)는 미리 설정된 비상상황 기준 정보 및 예측된 수질환경을 기초로 비상 상황을 판단하여 알림 정보를 생성하고, 알림 정보를 표시부(260) 및 관리부(270)에 제공할 수 있다.
도 5는 도 2에 도시된 환경 제어부를 도시한 도면이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 환경 제어부(250)는 펌프 제어장치(510), 조명 제어장치(520), 이산화탄소 공급 제어장치(530) 및 액비 제어장치(540)를 포함한다. 펌프 제어장치(510)는 펌프 제어 명령에 따라 펌프(113)의 온/오프를 제어한다. 펌프 제어장치(510)는 펌프(113)의 제어 상태를 펌프 제어상태 정보로 생성하여 제1 서버부(220)로 전송한다.
조명 제어장치(530)는 조명 제어 명령에 따라 조명(115)의 온/오프 및 세기를 제어한다. 조명 제어장치(530)는 조명(115)의 제어 상태를 조명 제어상태 정보로 생성하여 제1 서버부(220)로 전송한다.
이산화탄소 공급 제어장치(530)는 이산화탄소 제어 명령에 따라 액화 이산화탄소 공급 장치(117)의 공급을 제어한다. 이산화탄소 공급 제어장치(530)는 이산화탄소 공급 장치(117)의 제어 상태를 이산화탄소 제어상태 정보로 생성하여 제1 서버부(220)로 전송한다.
액비 제어장치(540)는 액비 제어 명령에 따라 액비 공급 장치(119)의 공급을 제어한다. 액비 제어장치(540)는 액비 공급 장치(119)의 제어 상태를 액비 제어상태 정보로 생성하여 제1 서버부(220)로 전송한다.
도 6은 도 2에 도시된 관리부를 도시한 도면이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 관리부(270)는 모니터링부(610), 제어 설정부(620) 및 생장 관리부(630)를 포함한다. 모니터링부(610)는 수질 센싱 정보 및 제어상태 정보를 실시간으로 모니터링하여 표시한다. 모니터링부(610)는 비상 상황을 모니터링하여 알림 정보를 생성할 수 있다.
제어 설정부(620)는 펌프 제어상태 정보, 조명 제어상태 정보, 이산화탄소 제어상태 정보 및 액비 제어상태 정보를 표시하고, 환경 제어장치(113, 115, 117, 119)들의 설정을 제어할 수 있다.
생장 관리부(630)는 수질 환경으로부터 특정 생물의 생장을 관리한다. 생장 관리부(630)는 특정 생물의 생육 정보, 생육환경 등을 설정 및 관리할 수 있다.
도 7은 본 발명의 일 실시예에 따른 수질환경 제어 방법을 나타내는 흐름도이다.
본 실시예에 따른 수질환경 제어 방법은 수질환경 제어 시스템에서 수행되며 카테고리만 상이할 뿐 실질적으로 내용이 동일하다. 따라서, 도 1 내지 도 6의 수질환경 제어 시스템과 동일한 구성요소는 동일한 도면 부호를 부여하고, 반복되는 설명은 생략하며, 단계간의 연관관계 및 흐름만을 추가적으로 설명한다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 수질환경 제어 방법은 먼저 센서부(210)가 수질환경 관리대상(110)의 수질을 측정하여 수질 센싱 정보를 생성한다(단계 S710). 여기에서, 수질 센싱 정보는 수조(111) 내의 수온, 용존 산소(DO), 수소 이온 농도(pH), 조도, 이산화탄소(CO2) 및 질산염(NO3)을 측정한 정보를 포함할 수 있다.
그 다음, 제1 서버부(220)가 센서부(210)로부터 측정된 수질 센싱 정보를 수집한다(단계 S720). 그리고, 제1 서버부(220)는 환경 제어부(250)로부터 수질환경 관리대상(110)의 수질환경에 대한 제어상태 정보를 수집한다(단계 S730).
그 다음, 제2 서버부(230)는 일정 기간동안 수집된 수질 센싱 정보 및 제어상태 정보의 이력를 기초로 기계학습모델을 정의하고, 기계학습모델을 이용하여 수질환경 관리대상(110)의 수질환경에 대한 최적의 제어 값을 도출한다(단계 S740).
구체적으로, 제2 서버부(230)는 제1 서버부(220)로부터 수질 센싱 정보 및 제어상태 정보를 전송받고, 클라우드부(240)에 저장한다. 제2 서버부(230)는 일정 기간동안 저장된 수질 센싱 정보 및 제어상태 정보의 이력을 제1 및 제2 빅데이터로 생성한다.
제2 서버부(230)는 제1 및 제2 빅데이터를 분석하여 기계학습모델을 정의하고, 제1 및 제2 빅데이터로부터 부착성 미세 규조류의 생장에 필요한 최적의 수질환경을 도출하기 위한 학습 데이터들을 추출하여 전처리한다.
제2 서버부(230)는 전처리된 학습 데이터를 기초로 기계학습모델을 딥러닝 학습시키고, 학습된 기계학습모델을 이용하여 수질환경 관리대상(110)의 수질환경을 예측한다. 그리고, 예측된 수질환경을 특정 대상의 생장에 필요한 최적의 수질환경으로 유지시키는 제어 값을 도출한다.
그 다음, 제2 서버부(230)는 도출된 제어 값에 따라 제어 명령을 생성하여 환경 제어부(250)에 전달한다. 여기서, 제2 서버부(230)는 펌프 제어 명령, 조명 제어 명령, 이산화탄소 제어 명령 및 액비 제어 명령을 생성할 수 있다.
그러면, 환경 제어부(250)는 펌프 제어 명령, 조명 제어 명령, 이산화탄소 제어 명령 및 액비 제어 명령에 따라 수질환경 관리대상(110)의 수질환경을 제어한다(단계 S750). 예를 들어, 환경 제어부(250)는 펌프 제어 명령에 따라 펌프 제어장치(510)를 제어하고, 조명 제어 명령에 따라 조명 제어 장치(520)를 제어할 수 있다. 그리고, 이산화탄소 제어 명령에 따라 이산화탄소 공급 제어장치(530)를 제어하고, 액비 제어 명령에 따라 액비 제어장치(540)를 제어할 수 있다.
이에 따라, 펌프(113), 조명(115), 액화 이산화탄소 공급장치(117) 및 액비 공급장치(119)가 자동으로 제어되고, 수질환경 관리대상(110)의 수질환경이 최적의 수질환경으로 유지된다.
이때, 표시부(260)는 수질 센싱 정보, 제어상태 정보, 비상 상황 알림 등을 화면에 표시할 수 있다. 그리고, 관리부(270)는 수질 센싱 정보 및 제어상태 정보를 실시간으로 모니터링하고, 환경 제어부(250)를 지속적으로 관리한다.
본 발명의 실시예들에 따르면, 수질환경 제어 시스템 및 방법은 부착성 미세규조류를 대량 생산하는 수질환경 관리대상(110)의 수질 및 제어상태를 수집하고, 이를 기초로 딥러닝 학습하여 수질환경을 최적으로 유지시키는 제어 값을 도출하여 수질환경 관리대상(110)을 자동으로 제어함으로써 변동적인 환경에 대응할 수 있고, 생산량을 극대화시킬 수 있다.
즉, 본 발명의 실시예에 따른 수질환경 제어 시스템 및 방법은 지하 염수나 자연광 등에 의존하여 미세 규조류를 배양하는 방식에 조명, 펌프, CO2, 영양 염류 등의 공급을 제어하는 ICT 기술을 융합하여 강수량, 수심, 수온, 용존 산소, 낮과 밤 등의 환경 변화에도 미세 규조류의 성장에 최적화된 환경을 인위적으로 형성한다.
그리고, ICT 기술의 관리 포인트를 자동으로 제어하고, 제어 정보 및 상태 정보 등을 수집, 빅데이터화하여 4차 산업혁명의 핵심 기술인 딥러닝을 통해 수질환경을 학습하고, 예측함으로써 강수량, 수온, 용존 산소 등의 환경 변화나 비상 상황에서 최적 제어 값으로 시스템이 자동으로 대처할 수 있도록 하고, 원격지에서도 관리가 가능하게 함으로써 불필요한 관리 비용을 저감시키고, 생산성을 2배 이상 향상시킬 수 있다.
구체적으로, 출하 시기, 생육환경 조절, 산소 농도와 지하 해수 교체, 수질 등의 환경 변화에 대처가 가능하고, 밤중에도 빛, 이산화탄소, 영양 염류 공급을 자동으로 제어함으로써 성장 주기 활용이 극대화하여 생산량이 극대화될 수 있다. 또한, 기계학습모델을 배포하여 초보 작업자도 적절한 조치가 가능하며, 타 양식장에도 해당 시스템의 판매를 가능하게 할 수 있다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 통상의 기술자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
110: 수질환경 관리대상
120: 수질환경 제어장치
210: 센서부
220: 제1 서버부
230: 제2 서버부
240: 클라우드부
250: 환경 제어부
260: 표시부
270: 관리부

Claims (20)

  1. 수질환경 관리대상의 수질을 측정하여 수질 센싱 정보를 생성하는 센서부;
    상기 수질환경 관리대상의 수질환경을 제어하는 환경 제어부;
    상기 수질 센싱 정보 및 상기 수질환경에 대한 제어상태 정보를 수집하는 제1 서버부;
    일정 기간동안 수집된 상기 수질 센싱 정보 및 상기 제어상태 정보의 이력을 기초로 미리 정의된 기계학습모델을 이용하여 상기 수질환경에 대한 최적의 제어 값을 도출하고, 도출된 상기 최적의 제어 값을 이용하여 상기 환경 제어부를 제어하는 제2 서버부; 및
    상기 수질 센싱 정보 및 상기 제어상태 정보를 저장하는 클라우드부를 포함하는 수질환경 제어시스템.
  2. 제1항에 있어서, 상기 센서부는 수온센서, DO센서, pH센서, 조도 센서, 이산화탄소 센서 및 질산염 센서를 포함하는 수질환경 제어시스템.
  3. 제1항에 있어서, 상기 환경 제어부는 상기 수질환경을 제어하는 환경 제어장치를 포함하고, 상기 환경 제어장치의 제어상태를 상기 제어상태 정보로 생성하는 수질환경 제어시스템.
  4. 제3항에 있어서, 상기 환경 제어장치는 조명을 제어하는 조명제어장치, 펌프를 제어하는 펌프제어장치, 이산화탄소의 공급을 제어하는 이산화탄소 공급제어장치 및 액비 공급을 제어하는 액비제어장치를 포함하고,
    상기 제어상태 정보는 상기 조명의 제어 상태에 대응하는 조명제어상태정보, 상기 펌프의 제어 상태에 대응하는 펌프제어상태정보, 상기 이산화탄소의 제어 상태에 대응하는 이산화탄소제어상태정보 및 상기 액비의 제어 상태에 대응하는 액비제어상태정보를 포함하는 수질환경 제어시스템.
  5. 제1항에 있어서, 상기 제2 서버부는 상기 수질 센싱 정보 및 상기 제어상태 정보의 이력을 기초로 상기 기계학습모델을 정의하고, 상기 기계학습모델을 이용하여 상기 수질환경 관리대상의 수질환경을 예측하고, 예측된 수질환경을 특정 대상의 생장에 필요한 최적의 수질환경으로 유지시키는 상기 최적의 제어 값을 판단하는 수질환경 제어시스템.
  6. 제5항에 있어서, 상기 제2 서버부는
    상기 수질 센싱 정보의 이력을 제1 빅데이터로 생성하고, 상기 제어상태 정보의 이력을 제2 빅데이터로 생성하고, 상기 제1 및 제2 빅데이터를 분석하여 상기 기계학습모델을 정의하고, 상기 제1 및 제2 빅데이터로부터 상기 최적의 제어 값을 도출하기 위한 학습 데이터를 추출 및 전처리하는 데이터 처리부;
    상기 학습 데이터를 기초로 상기 기계학습모델을 딥러닝 학습시키는 기계학습 모듈부;
    상기 학습된 기계학습모델을 이용하여 상기 수질환경을 예측하고, 상기 예측된 수질환경을 상기 최적의 수질환경으로 유지시키는 상기 최적의 제어 값을 도출시키는 기계학습 예측 모듈부; 및
    상기 최적의 제어 값을 이용하여 상기 환경 제어부를 제어하는 자동 제어부를 포함하는 수질환경 제어시스템.
  7. 제6항에 있어서, 상기 자동 제어부는 미리 설정된 비상상황 기준 정보 및 상기 예측된 수질환경을 기초로 비상 상황을 판단하여 알림 정보를 생성하는 수질환경 제어시스템.
  8. 제6항에 있어서, 상기 클라우드부는 상기 기계학습모델 및 상기 예측된 수질환경의 정보를 저장하는 수질환경 제어시스템.
  9. 제8항에 있어서, 상기 클라우드부에 저장된 상기 수질 센싱 정보, 상기 제어상태 정보, 상기 최적의 제어 값 및 상기 예측된 수질환경의 정보를 표시하는 표시부를 더 포함하는 수질환경 제어시스템.
  10. 제1항에 있어서, 상기 수질 센싱 정보 및 상기 제어상태 정보를 실시간으로 모니터링하는 모니터링부, 상기 제어 상태 정보를 표시하고, 상기 환경 제어 장치의 설정을 제어하는 제어 설정부 및 상기 수질 환경으로부터 특정 생물의 생장을 관리하는 생장관리부를 포함하는 관리부를 더 포함하는 수질환경 제어시스템.
  11. 센서부가 수질환경 관리대상의 수질을 측정하여 수질 센싱 정보를 생성하는 단계;
    제1 서버부가 상기 수질 센싱 정보 및 상기 수질환경에 대한 제어상태 정보를 수집하는 단계;
    제2 서버부가 일정 기간 동안 수집된 상기 수질 센싱 정보 및 제어상태 정보의 이력을 기초로 정의된 기계학습모델을 이용하여 상기 수질환경에 대한 최적의 제어 값을 도출하는 단계; 및
    상기 최적의 제어 값을 이용하여 상기 수질환경을 제어하는 단계를 포함하는 수질환경 제어방법.
  12. 제11항에 있어서, 상기 센서부는 수온센서, DO센서, pH센서, 조도 센서, 이산화탄소 센서 및 질산염 센서를 포함하는 수질환경 제어방법.
  13. 제11항에 있어서, 환경 제어부가 상기 수질환경을 제어하는 환경 제어장치의 제어 상태를 상기 제어상태 정보로 생성하는 단계를 더 포함하는 수질환경 제어방법.
  14. 제13항에 있어서, 상기 환경 제어장치는 조명을 제어하는 조명제어장치, 펌프를 제어하는 펌프제어장치, 이산화탄소의 공급을 제어하는 이산화탄소 공급제어장치 및 액비 공급을 제어하는 액비제어장치를 포함하고,
    상기 제어상태 정보는 상기 조명의 제어 상태에 대응하는 조명제어상태정보, 상기 펌프의 제어 상태에 대응하는 펌프제어상태정보, 상기 이산화탄소의 제어 상태에 대응하는 이산화탄소제어상태정보 및 상기 액비의 제어 상태에 대응하는 액비제어상태정보를 포함하는 수질환경 제어방법.
  15. 제11항에 있어서, 상기 제2 서버부가 상기 수질환경에 대한 최적의 제어값을 도출하는 단계는
    상기 제2 서버부가 상기 수질 센싱 정보 및 상기 제어상태 정보를 클라우드부에 저장하는 단계;
    상기 제2 서버부가 일정 기간 동안 상기 클라우드부에 저장된 상기 수질 센싱 정보 및 제어상태 정보의 이력을 기초로 상기 기계학습모델을 정의하는 단계;
    상기 제2 서버부가 상기 기계학습모델을 이용하여 상기 수질환경 관리대상의 수질환경을 예측하는 단계; 및
    상기 제2 서버부가 상기 예측된 수질환경을 특정 대상의 생장에 필요한 최적의 수질환경으로 유지시키는 상기 최적의 제어값을 판단하는 단계를 포함하는 수질환경 제어방법.
  16. 제15항에 있어서, 상기 제2 서버부가 상기 기계학습모델을 정의하는 단계는
    상기 수집 센싱 정보의 이력을 제1 빅데이터로 생성하는 단계;
    상기 제어상태 정보의 이력을 제2 빅데이터로 생성하는 단계; 및
    상기 제1 및 제2 빅데이터를 분석하는 단계를 포함하는 수질환경 제어방법.
  17. 제16항에 있어서, 상기 제2 서버부가 상기 수질환경을 예측하는 단계는
    상기 제1 및 제2 빅데이터로부터 상기 최적의 제어 값을 도출하기 위한 학습 데이터를 추출 및 전처리하는 단계; 및
    상기 학습 데이터를 기초로 상기 기계학습모델을 딥러닝 학습시키는 단계를 포함하는 수질환경 제어방법.
  18. 제15항에 있어서, 미리 설정된 비상상황 기준 정보 및 상기 예측된 수질환경을 기초로 비상상황을 판단하여 알림 정보를 생성하는 단계를 더 포함하는 수질환경 제어방법.
  19. 제15항에 있어서, 상기 제2 서버부가 상기 클라우드부에 상기 기계학습모델 및 상기 예측된 수질환경의 정보를 저장하는 단계를 더 포함하는 수질환경 제어방법.
  20. 제19항에 있어서, 표시부가 상기 클라우드부에 저장된 상기 수질 센싱 정보, 상기 제어상태 정보, 상기 최적의 제어 값 및 상기 예측된 수질환경의 정보를 표시하는 단계를 더 포함하는 수질환경 제어방법.
KR1020190097462A 2019-08-09 2019-08-09 수질환경 제어방법 및 시스템 KR20210017729A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190097462A KR20210017729A (ko) 2019-08-09 2019-08-09 수질환경 제어방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190097462A KR20210017729A (ko) 2019-08-09 2019-08-09 수질환경 제어방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20210017729A true KR20210017729A (ko) 2021-02-17

Family

ID=74732550

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190097462A KR20210017729A (ko) 2019-08-09 2019-08-09 수질환경 제어방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20210017729A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102318530B1 (ko) * 2021-08-11 2021-10-29 주식회사 유앤유 IoT 기반 하수처리시설 에너지 관리 방법 및 시스템
KR102369139B1 (ko) * 2021-06-24 2022-03-02 주식회사 한국미세플라스틱연구원 태양광과 레이저광원을 이용한 해수 및 담수용 실시간 미세플라스틱 모니터링 시스템 장치 및 그 방법
KR102560142B1 (ko) * 2022-07-13 2023-07-26 (주)하마랩 무인기를 이용한 스마트 양식장 모니터링 시스템 및 이의 실행 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110094830A (ko) 2010-02-18 2011-08-24 한국생명공학연구원 미세조류 고밀도 배양용 광생물 반응기와, 이를 이용한 미세조류 배양 및 수확 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110094830A (ko) 2010-02-18 2011-08-24 한국생명공학연구원 미세조류 고밀도 배양용 광생물 반응기와, 이를 이용한 미세조류 배양 및 수확 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102369139B1 (ko) * 2021-06-24 2022-03-02 주식회사 한국미세플라스틱연구원 태양광과 레이저광원을 이용한 해수 및 담수용 실시간 미세플라스틱 모니터링 시스템 장치 및 그 방법
KR102318530B1 (ko) * 2021-08-11 2021-10-29 주식회사 유앤유 IoT 기반 하수처리시설 에너지 관리 방법 및 시스템
KR102560142B1 (ko) * 2022-07-13 2023-07-26 (주)하마랩 무인기를 이용한 스마트 양식장 모니터링 시스템 및 이의 실행 방법

Similar Documents

Publication Publication Date Title
KR20210017729A (ko) 수질환경 제어방법 및 시스템
CN204045001U (zh) 一种基于物联网的水下环境远程监控系统
Pruvost et al. Large-scale production of algal biomass: photobioreactors
US20100260618A1 (en) Systems, Methods, and Media for Circulating Fluid in an Algae Cultivation Pond
CN110146675A (zh) 一种水文信息监测系统
CN103031249A (zh) 生物微藻反应容器参数监测及调控系统
CN205266539U (zh) 农业种植与物联网技术教学应用课件
CN203275395U (zh) 一种池塘养殖水质在线监测系统
CN108897363A (zh) 一种基于大数据分析的水族箱智能控制系统
Esposito et al. A monitoring, modeling and decision support system (DSS) for a microalgae production plant based on internet of things structure
Granum et al. A photobioreactor with pH control: demonstration by growth of the marine diatom Skeletonema costatum
Tamburic et al. Gas transfer controls carbon limitation during biomass production by marine microalgae
Qin et al. Open pond culture systems and photobioreactors for microalgal biofuel production
CN102191179A (zh) 一种海洋产油微藻的培养方法
CN204949140U (zh) 一种珊瑚人工养殖控制系统
Mustafa et al. Technological applications and adaptations in aquaculture for progress towards sustainable development and seafood security
Rahmat et al. Evaluation of system performance for microalga cultivation in photobioreactor with IOTs (internet of things)
JP2016189745A (ja) 植物栽培システム
Hardyanto et al. Smart aquaponics design using internet of things technology
CN208803069U (zh) 绿潮爆发环境模拟装置及系统
CN208766545U (zh) 一种人工智能化养殖小龙虾集成装置
Vasker et al. Computerized Optimization of Microalgal Photosynthesis and Growth
CN1696275A (zh) 植物在线自动营养源供给光生物反应器培养系统
CN205877879U (zh) 水产养殖环境监控系统
KR20160064733A (ko) 미세조류가 생장하는데 필요한 최적의 환경을 제공하는 미세조류 배양을 위한 자동화 시스템

Legal Events

Date Code Title Description
E601 Decision to refuse application