KR20210086373A - 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법, 장치 및 프로그램 - Google Patents
토양 상태에 따라 식물의 생장을 예측, 분석하는 방법, 장치 및 프로그램 Download PDFInfo
- Publication number
- KR20210086373A KR20210086373A KR1020200014323A KR20200014323A KR20210086373A KR 20210086373 A KR20210086373 A KR 20210086373A KR 1020200014323 A KR1020200014323 A KR 1020200014323A KR 20200014323 A KR20200014323 A KR 20200014323A KR 20210086373 A KR20210086373 A KR 20210086373A
- Authority
- KR
- South Korea
- Prior art keywords
- cultivation
- user
- soil
- information
- crop
- Prior art date
Links
- 239000002689 soil Substances 0.000 title claims abstract description 119
- 230000008635 plant growth Effects 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims description 27
- 230000007613 environmental effect Effects 0.000 claims description 22
- 238000013473 artificial intelligence Methods 0.000 claims description 14
- 238000000638 solvent extraction Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 7
- 239000000575 pesticide Substances 0.000 claims description 7
- 230000012010 growth Effects 0.000 claims description 4
- 238000003306 harvesting Methods 0.000 claims description 4
- 229910002651 NO3 Inorganic materials 0.000 claims description 2
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 244000099147 Ananas comosus Species 0.000 description 1
- 235000007119 Ananas comosus Nutrition 0.000 description 1
- 240000008790 Musa x paradisiaca Species 0.000 description 1
- 235000021015 bananas Nutrition 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012364 cultivation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010792 warming Methods 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
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버에 관한 것으로, 재배 구역 각각의 토양 조건과, 토양의 농작물 재배 이력, 휴경 여부 중 적어도 하나를 포함하는 사용자 조건을 조건 테이블에 시뮬레이션 하여, 각 재배 구역에 대하여 작물 후보군을 도출하고, 재배실력지수와 선호작물 정보를 반영하여 상기 작물 후보군 중 적어도 하나의 추천 작물을 선택해주는 효과가 있다.
Description
본 발명은 토양 상태에 따라 식물의 생장을 예측, 분석하는 장치에 관한 것이다.
빅데이터를 수집하고 분석하는 기술이 나날이 발전하는 상황에서 이러한 기술 향상이 농업 분야에는 제대로 적용되지 못하고 있다.
이러한 기술을 농업 분야에 적용하여 각종 정보들을 분석하여 제공하는 경우, 농업 생산량을 상승시키는 것은 물론, 새롭게 농업 분야에 진출하고자 하는 사람들의 진입 장벽을 낮출 수 있을 것이라고 기대된다.
또한, 사용자가 재배하고 있는 작물들의 재배 현황을 서버를 통해 소비자들에게 제공하여 농가와 소비자들을 직접적으로 연결하여 정보를 제공하고 구매를 중개하는 기능을 제공하고자 하지만, 현재로서는 이러한 기술이 제시되어 있지 않은 실정이다.
상술한 바와 같은 문제점을 해결하기 위한 본 발명은 토양에 설치된 센서로부터 센싱된 정보와 토양의 면적을 고려하여 사용자의 토양을 하나 이상의 재배 구역으로 구획하여 구분하고자 한다.
또한, 본 발명에 따르면 구획된 재배 구역 각각의 토양 조건과 각종 사용자 조건을 이용하여 시뮬레이션하여 각 재배 구역에 대하여 복수의 추천 작물을 도출하고자 한다.
또한, 본 발명에 따르면 사용자의 농작물 재배 경력, 예산 및 재배 장비 등의 정보들을 기초로하여 사용자의 재배실력지수를 산출하고, 이를 기반으로 추천 작물 중 사용자에게 최적화된 작물을 선택해주고자 한다.
또한, 본 발명에 따르면 사용자의 재배 구역의 재배 현황 정보를 획득하고, 이를 사용자의 재배현황 페이지로 업데이트하여, 서버에 접속한 소비자가 이를 확인할 수 있도록 한다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버는, 복수의 토양 조건과 환경 조건에 따른 농작물 추천 정보가 기록된 조건 테이블이 저장된 데이터베이스; 사용자의 토양에 설치된 하나 이상의 센서로부터 센싱된 정보, 및 사용자 단말로부터 입력된 사용자 조건과 토양의 정보를 수집하는 수집부; 상기 수집된 정보로부터 토양의 위치별 조건을 체킹하여 사용자의 토양을 구획하고, 사용자 토양의 총 면적을 고려하여 상기 토양을 하나 이상의 재배 구역으로 구획하는 농지 구획부; 사용자로부터 입력된 사용자의 농작물 재배 경력, 예산 및 재배 장비를 기초로 하여 사용자의 재배실력지수를 산출하는 산출부; 및 상기 구획된 재배 구역 각각의 토양 조건과, 상기 토양의 농작물 재배 이력, 휴경 여부 중 적어도 하나를 포함하는 사용자 조건을 상기 조건 테이블에 시뮬레이션 하여, 상기 각 재배 구역에 대하여 작물 후보군을 도출하고, 재배실력지수와 선호작물 정보를 반영하여 상기 작물 후보군 중 적어도 하나의 추천 작물을 선택하는, 인공지능모듈을 포함한다.
또한, 상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법은, 서버에 의해 수행되는 방법으로, 사용자의 토양에 설치된 하나 이상의 센서로부터 센싱된 정보, 및 사용자 단말로부터 입력된 사용자 조건과 토양의 정보를 수집하는 단계; 상기 수집된 정보로부터 토양의 위치별 조건을 체킹하여 사용자의 토양을 구획하고, 사용자 토양의 총 면적을 고려하여 상기 토양을 하나 이상의 재배 구역으로 구획하는 단계; 사용자로부터 입력된 사용자의 농작물 재배 경력, 예산 및 재배 장비를 기초로 하여 사용자의 재배실력지수를 산출하는 단계; 상기 구획된 재배 구역 각각의 토양 조건과, 상기 토양의 농작물 재배 이력, 휴경 여부 중 적어도 하나를 포함하는 사용자 조건을 상기 조건 테이블에 시뮬레이션 하여, 상기 각 재배 구역에 대하여 작물 후보군을 도출하는 단계; 및 상기 재배실력지수와 선호작물 정보를 반영하여 상기 작물 후보군 중 적어도 하나의 추천 작물을 선택하는 단계를 포함하고, 상기 서버는, 복수의 토양 조건과 환경 조건에 따른 농작물 추천 정보가 기록된 조건 테이블이 저장된 데이터베이스를 포함한다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
상기와 같은 본 발명에 따르면, 토양에 설치된 센서로부터 센싱된 정보와 토양의 면적을 고려하여 사용자의 토양을 하나 이상의 재배 구역으로 구획하여 구분함으로써, 각 재배 구역에 특화된 작물을 선택할 수 있는 효과가 있다.
또한, 본 발명에 따르면, 구획된 재배 구역 각각의 토양 조건과 각종 사용자 조건을 이용하여 시뮬레이션 하여 각 재배 구역에 대하여 복수의 추천 작물을 도출할 수 있는 효과가 있다.
또한, 본 발명에 따르면, 사용자의 농작물 재배 경력, 예산, 및 재배 장비 등의 정보를 기초로 하여 사용자의 재배실력지수를 산출함으로써, 사용자의 재배 실력, 장비 등과 같은 여건을 고려하여 사용자가 어렵지 않게 재배할 수 있는 작물을 선택하여 재배할 수 있도록 하는 효과가 았다.
또한, 본 발명에 따르면, 사용자의 재배 구역의 재배 현황 정보를 획득하고, 이를 사용자의 재배현황 페이지로 업데이트하여, 서버에 접속한 소비자가 이를 확인함으로써 본인이 구매하고 싶은 사용자의 작물 재배 현황, 농약 사용 여부 등을 직접 확인하고, 작물에 대한 구매를 진행할 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버의 블록도이다.
도 2는 본 발명의 실시예에 따른 농지 구획부가 사용자의 토양을 구획하는 것을 예시한 도면이다.
도 3은 본 발명의 실시예에 따른 산출부가 사용자의 재배실력지수를 산출하는 것을 예시한 도면이다.
도 4는 본 발명의 실시예에 따른 서버가 각 재배 구역의 재배 현황 정보를 수집하여, 각 재배 구역의 예상 수확량을 산출하는 것을 예시한 도면이다.
도 5는 본 발명의 실시예에 따른 재배현황 제공부가 사용자의 재배현황 페이지로 각 재배 구역의 재배현황 정보를 제공하는 것을 예시한 도면이다.
도 6은 본 발명의 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법의 흐름도이다.
도 2는 본 발명의 실시예에 따른 농지 구획부가 사용자의 토양을 구획하는 것을 예시한 도면이다.
도 3은 본 발명의 실시예에 따른 산출부가 사용자의 재배실력지수를 산출하는 것을 예시한 도면이다.
도 4는 본 발명의 실시예에 따른 서버가 각 재배 구역의 재배 현황 정보를 수집하여, 각 재배 구역의 예상 수확량을 산출하는 것을 예시한 도면이다.
도 5는 본 발명의 실시예에 따른 재배현황 제공부가 사용자의 재배현황 페이지로 각 재배 구역의 재배현황 정보를 제공하는 것을 예시한 도면이다.
도 6은 본 발명의 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법의 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
최근 들어, 빅데이터를 수집하고 분석하여 이를 활용하는 분야가 증가하고 있는데 반해, 이러한 빅데이터 기술이 농업 분야에는 제대로 활용되지 못하고 있다.
본 출원인은 빅데이터 분석 기술을 적절하게 활용하여 농업 생산량을 향상시키는 것은 물론, 농업 분야로 새롭게 진출하고자 하는 사람들에게 다양한 정보들을 맞춤형으로 제공해줌으로써 농업 분야의 진입 장벽을 낮추고자 한다.
이는 물론, 유기농 작물의 관심도가 나날이 증가하는 상황에서 많은 사람들이 본인이 구매하여 섭취하는 작물들이 정말 유기농으로 재배된 것이 맞는지 확신을 주기 위해서, 사용자가 재배하는 작물들의 재배현황 정보를 작물을 재배하는 과정에서부터 서버의 재배현황 페이지로 제공해줌으로써, 소비자들이 이를 확인하고 재배현황 페이지에서 직접 구매할 수 있도록 하고자 한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버(10)의 블록도이고, 도 2는 본 발명의 실시예에 따른 농지 구획부(120)가 사용자의 토양을 구획하는 것을 예시한 도면이며, 도 3은 본 발명의 실시예에 따른 산출부가 사용자의 재배실력지수를 산출하는 것을 예시한 도면이고, 도 4는 본 발명의 실시예에 따른 서버(10)가 각 재배 구역의 재배 현황 정보를 수집하여, 각 재배 구역의 예상 수확량을 산출하는 것을 예시한 도면이며, 도 5는 본 발명의 실시예에 따른 재배현황 제공부(150)가 사용자의 재배현황 페이지로 각 재배 구역의 재배현황 정보를 제공하는 것을 예시한 도면이다.
이하, 도 1 내지 도 5를 참조하여, 본 발명의 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버(10)에 대해서 설명하도록 한다.
본 발명의 실시예에 따른 서버(10)는 데이터베이스(110), 농지 구획부(120), 인공지능모듈(130), 정보 제공부(140), 재배현황 제공부(150), 통신부(160), 수집부(170)를 포함한다.
다만, 몇몇 실시예에서 서버(10)는 도 1에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.
데이터베이스(110)는 복수의 토양 조건과 환경 조건에 따른 농작물 추천 정보가 기록된 조건 테이블이 저장되어 있다.
보다 상세하게는, 조건 테이블에는 재배 가능한 다수의 작물들 각각에 대한 최적의 토양 조건, 환경 조건으로부터 최악의 토양 조건, 환경 조건까지 수 많은 토양 조건, 환경 조건들과의 관계가 저장되어 있다.
수집부(170)는 사용자의 토양에 설치된 하나 이상의 센서(30)로부터 센싱된 정보, 및 사용자로부터 입력된 사용자 토양의 정보를 수집한다.
이때, 센서(30)는 토양의 온도, 습도, PH, 질산염 농도, 전기전도도 중 적어도 하나를 센싱하여 서버(10)로 전송할 수 있는 장치를 의미한다.
서버(10)는 사용자의 토양 면적에 따라서 설치해야 하는 센서(30)의 개수와 설치 위치에 대한 정보를 제공할 수 있다.
예를 들어, 사용자는 사용자 단말(200)을 이용하여 서버(10)에 접속하고, 위성사진, 항공사진과 같은 지도 데이터에서 본인의 토양을 선택하여 입력할 수도 있다. 그리고, 서버(10)의 농지 구획부(120)는 사용자로부터 입력된 정보를 분석하여 지도 데이터 상으로 센서(30)를 설치해야 하는 위치에 대한 정보를 제공할 수 있다.
도 2를 참조하면, 수집부(170)는 센서(30)로부터 센싱된 정보와 사용자 단말(200)로부터 입력된 사용자 토양의 정보를 수집하고, 수집부(170)를 통해 수집된 정보를 토대로 하여 토양의 위치별 조건을 체킹하여 사용자의 토양을 5개의 서로 다른 재배 구역으로 구획하는 것을 예시하고 있다.
이 과정에서, 농지 구획부(120)는 상술한 조건들 이외에도 사용자의 재배실력지수, 사용자가 재배를 원하는 작물의 개수 조건을 대입하여 재배 구역의 개수를 설정하고 구획할 수 있다.
예를 들어, 농지 구획부(120)는 사용자의 재배실력지수가 충분하지 않다면 여러 종류의 작물을 재배하는 것은 리스크가 높다고 판단하여 상대적으로 적은 개수의 재배 구역으로 토양을 구획한다.
또한, 농지 구획부(120)는 사용자가 재배를 원하는 작물의 개수 조건을 반영하여 그에 따른 개수만큼 토양을 구획할 수 있다.
산출부는 사용자로부터 입력된 사용자의 농작물 재배 경력, 예산 및 재배 장비에 대한 정보를 기초로 하여 사용자의 재배실력지수를 산출한다.
도 3을 참조하면, 산출부는 농작물 재배 경력으로 사용자의 영농 경력 년수, 영농했던 토양의 면적, 사용자가 과거에 재배한 농작물의 종류와 재배 결과 등에 대한 정보를 입력받는다.
산출부는 재배실력지수를 산출하는 알고리즘을 포함하여, 사용자 단말(200)로부터 입력된 상기 정보들을 이용하여 재배실력지수를 산출하게 된다.
보다 상세하게 예를 들면, 산출부는 사용자의 영농 경력 년수가 많거나, 사용자가 영농했던 토양의 면적이 넓을수록 사용자의 재배실력지수를 높게 산출할 수 있다.
또한, 재배실력산출 알고리즘에는 작물별로 재배 난이도가 저장되어 있어, 사용자가 과거에 재배한 농작물의 종류와 재배 결과를 입력하게 되면, 이를 분석하여 사용자의 재배실력지수를 산출할 수 있게 된다.
인공지능모듈(130)은 구획된 재배 구역 각각의 토양 조건과, 토양의 농작물 재배 이력, 휴경 여부 중 적어도 하나를 포함하는 사용자 조건을 데이터베이스(110)의 조건 테이블에 시뮬레이션 하여, 각 재배 구역에 대하여 복수의 추천 작물을 도출한다.
그리고, 인공지능모듈(130)은 사용자의 재배실력지수와 선호작물 정보를 반영하여 복수의 추천 작물 중 적어도 하나의 작물을 선택한다.
이때, 토양의 농작물 재배 이력은 해당 토양에서 이전에 농작물을 재배한 내역을 의미하는 것으로 다음 농작물의 선택에 영향을 미칠 수 있는 환경 조건에 해당한다.
휴경 여부는 해당 토양이 휴경이 이루어진 적이 있는지, 언제인지에 해당하는 정보를 의미하며, 이 또한 다음 농작물의 선택에 영향을 미칠 수 있는 환경 조건에 해당한다.
따라서, 인공지능모듈(130)은 이러한 토양 조건과 환경 조건들을 조건 테이블에 시뮬레이션 함으로써, 각 재배 구역에서 재배하는데 적합하다고 판단되는 작물 후보군을 도출하게 된다.
그리고, 이중에서 사용자의 재배실력지수와 선호작물 정보를 반영하여 작물 후보군 중에서 적어도 하나의 작물을 선택하여 사용자에게 정보를 제공하게 된다.
따라서, 사용자는 복수의 작물 후보군 중에서도 본인이 충분히 키울 수 있고, 본인이 선호하는 작물에 대한 정보를 제공받게 된다.
또한, 인공지능모듈(130)은 각 재배 구역에 대하여 도출된 작물 후보군에 대하여, 재배실력지수에 따라 추천 순위, 재배 성공 확률을 산출하여 해당 정보를 사용자에게 제공할 수 있다.
이러한 구성들로 인해서, 농작물의 재배 경험이 적은 초보자가 본인의 토양 조건, 환경 조건, 재배실력 등을 고려하지 않고 조건에 맞지 않거나 키우기 어려운 농작물을 선택하여 재배에 실패하는 것을 사전에 방지하는 효과를 발휘하게 된다.
정보 제공부(140)는 상기 추천 작물 중에서 사용자로부터 선택된 작물을 각 재배 구역에 할당하고, 사용자의 재배실력지수에 기초하여 사용자에게 필요한 농작물 재배 가이드 정보를 도출하여 제공한다.
이때, 서버(10)의 데이터베이스(110)에는 각종 농작물에 대하여 토양 조건, 환경 조건에 따라서 재배하는 방법, 재배 유의사항, 금기사항, 비료 등과 같이 각각의 농작물을 재배하는데 숙지해야 하는 다수의 정보들이 저장되어 있다.
그리고, 정보 제공부(140)는 사용자 토양의 토양 조건, 환경 조건에 따라 맞춤형 정보를 생성하고, 사용자의 재배실력에 기초하여 사용자가 모르고 있을 것이라고 판단되는 정보들을 도출하여 사용자에게 농작물 재배 가이드 정보로 제공한다.
또한, 사용자는 사용자 단말(200)을 통해 서버(10)의 정보 제공부(140)에 접속하여 직접 질문을 입력할 수도 있으며, 정보 제공부(140)는 사용자의 질문 사항을 분석하고, 사용자의 토양 조건, 환경 조건을 대입하여 사용자의 조건과 질문에 부합하는 답을 도출하여 제공할 수 있다.
일 실시예로, 서버(10)는 센서(30)로부터 센싱되어 수집된 정보와 사용자로부터 주기적으로 입력되는 재배 현황 정보를 이용하여 각 재배 구역의 예상 수확량 정보를 산출하고, 농작물의 수확이 완료된 후 실제 수확량 정보가 획득되면, 2개의 정보를 이용하여 사용자의 재배실력지수와 사용자의 토양 조건을 업데이트 하는 것을 특징으로 한다.
보다 상세하게는, 서버(10)는 사용자로부터 각 재배 구역의 농작물의 재배 현황에 대한 정보를 주기적으로 입력받을 수 있다. 이는, 농작물의 성장상태를 직접 입력받거나 농작물이 촬영된 이미지를 입력받아서 이를 분석하는 방법으로 적용할 수 있다.
그리고, 서버(10)는 수집부(170)로부터 수집된 정보와 재배 현황 정보를 이용하여 각 재배 구역의 예상 수확량을 산출하고, 농작물의 재배가 완료된 후 실제 수확량에 대한 정보를 입력받으면, 기 설정되어 있는 사용자의 재배실력지수와 사용자의 토양 조건을 업데이트하는 것을 의미한다.
예를 들어, 예상 수확량에 비하여 실제 수확량이 많이 나왔다면 사용자의 재배실력지수가 향상되어 추후에 업데이트된 재배실력지수를 반영하게 된다.
또한, 예상 수확량에 비하여 실제 수확량이 많이 나왔다면 사용자 토양의 조건이 센서(30)로부터 수집된 정보에 의해 예측된 것보다 우수한 것으로 판단할 수 있다.
재배현황 제공부(150)는 재배현황 제공 서비스를 이용하는 사용자들 각각의 토양 정보와 각 재배 구역에서 재배되고 있는 농작물의 재배현황 정보를 획득하고, 사용자의 정보, 재배중인 농작물의 재배현황 정보, 예상 수확시기, 예상 수확량 정보를 서버(10)에 사용자의 재배현황 페이지로 업데이트하여, 서버(10)에 접속된 소비자가 단말을 통해 확인할 수 있도록 한다.
도 5를 참조하면, 사용자의 농토는 ① ~ ⑤의 재배 구역으로 구획되어 있으며, 재배현황 페이지를 통해서 각각의 재배 구역의 농작물 종류, 재배현황 정보, 예상 수확량, 농약 사용 여부에 대한 정보를 제공하고 있으며, 구매 예약 기능을 제공하고 있다.
따라서, 소비자들은 서버(10)에 접속하여 재배현황 제공 서비스에 연결하여 구매를 원하는 농작물을 검색하여 특정 사용자를 선택할 수 있게 되며, 해당 사용자의 재배현황 페이지를 통해서 위와 같은 각종 정보들을 확인할 수 있게 된다.
따라서, 소비자는 주기적으로 사용자의 농작물이 재배되고 있는 현황을 확인함은 물론 사용자가 농작물을 재배하는데 농약을 사용했는지 여부를 재배현황 페이지를 통해 확인하여 안심하고 농작물을 구매할 수 있게 된다.
일 실시예로, 재배현황 제공부(150)는 센서(30)로부터 센싱된 데이터를 사용자의 재배현황 페이지로 업데이트하고, 센싱된 데이터들을 이용하여 토양 및 농작물에 농약 사용 여부를 검출하고, 일정 주기마다 검출 결과를 재배현황 페이지로 제공하는 것을 특징으로 한다.
사용자가 직접 농약 사용 여부를 입력하게 되면, 소비자들의 신뢰성이 다소 떨어질 수 있으므로, 서버(10)에서 센서(30)로부터 수집되는 데이터들을 분석하여 농약 사용 여부에 대한 정보를 제공함으로써, 소비자들이 보다 신뢰하는 효과를 발휘하게 된다.
일 실시예로, 인공지능모듈(130)은 사용자의 토지가 위치한 장소의 기존 환경, 기후 조건을 수집하여 빅데이터를 구축하고, 빅데이터와 상기 수집된 정보를 이용하여 사용자 토양의 향후 환경 및 기후 변화를 예측하여 사용자 단말(200)로 제공한다.
또한, 인공지능모듈(130)은 예측된 환경 및 기후 변화 결과를 이용하여 향후 전환될 작물의 정보를 사용자 단말(200)로 제공하는 것을 특징으로 한다.
예를 들어, 대한민국의 남부지방의 경우에는 지구 온난화 현상이 환경, 기후 변화를 초래하여 재배하는 작물이 변화하고 있다.
예전에는 국내에서 재배하기 어려웠던 바나나, 파인애플 등과 같은 열대과일류가 재배되고 있으며, 과일의 경우 평지가 아닌 산, 강원도쪽으로 과수원들이 이전되고 있다.
이러한 환경, 기후 변화를 미리 예측하지 못하고 작물을 재배하는 경우 작물의 수확량이 줄어들거나 재배에 실패할 수도 있고, 환경, 기후 변화로 인해 기존에는 재배할 수 없었던 작물을 재배할 수 있게 될 수도 있으므로, 본 발명에서는 이러한 환경, 기후 조건의 변화를 예측하여 그에 대한 정보를 제공함은 물론, 이것을 기반으로 향후 전환될 작물의 정보를 제공해줌으로써, 사용자가 환경, 기후변화에 유연하게 대처하여 농작물을 재배할 수 있도록 하는 효과가 있다.
또한, 위와 같은 구성으로, 현재 혹은 향후 환경, 기후 변화를 예측하여 사용자에게 제공함으로써, 사용자가 갑작스러운 기후 변화에 대처할 수 있도록 하는 효과가 있다.
또한, 인공지능모듈(130)은 농작물에 임계치 이상의 영향도를 미칠 환경, 기후 변화가 예측되는 경우에는, 해당 환경, 기후 변화에 대한 대처법을 도출하여 사용자 단말(200)로 제공할 수 있다.
본 발명의 실시예에서 통신부(160)는 일반적인 유, 무선 통신장치를 보유한 수단을 의미하며, 서버, 사용자 단말, 센서 간의 유, 무선 통신 기능을 제공하며, 소비자가 단말을 통해 서버에 접속하여 재배현황 페이지를 이용할 수 있도록 한다.
도 6은 본 발명의 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법의 흐름도이다.
도 6을 참조하여, 본 발명의 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법의 흐름에 대해서 설명하도록 한다.
서버(10)가 사용자 조건과 토양의 정보를 수집한다. (S100)
보다 상세하게는, 서버(10)의 수집부(170)가 사용자의 토양에 설치된 하나 이상의 센서(30)로부터 센싱된 정보, 및 사용자 단말(200)로부터 입력된 사용자 조건과 토양의 정보를 수집한다.
서버(10)가 사용자의 토양을 하나 이상의 재배 구역으로 구획한다. (S200)
보다 상세하게는, 서버(10)의 농지 구획부(120)가 상기 수집된 정보로부터 토양의 위치별 조건을 체킹하여 사용자의 토양을 구획하고, 사용자 토양의 총 면적을 고려하여 상기 토양을 하나 이상의 재배 구역으로 구획한다.
서버(10)가 사용자의 재배실력지수를 산출한다. (S300)
보다 상세하게는, 서버(10)의 산출부가 사용자로부터 입력된 사용자의 농작물 재배 경력, 예산 및 재배 장비를 기초로 하여 사용자의 재배실력지수를 산출한다.
서버(10)가 각 재배 구역의 작물 후보군을 도출한다. (S400)
보다 상세하게는, 서버(10)의 인공지능모듈(130)이 상기 구획된 재배 구역 각각의 토양 조건과, 상기 토양의 농작물 재배 이력, 휴경 여부 중 적어도 하나를 포함하는 사용자 조건을 상기 조건 테이블에 시뮬레이션 하여, 상기 각 재배 구역에 대하여 작물 후보군을 도출한다.
서버(10)가 재배실력지수와 선호작물 정보를 반영하여 작물 후보군 중 적어도 하나의 추천 작물을 선택한다. (S500)
이상으로 설명한 본 발명의 실시예에 따른 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법 은 도 1 내지 도 6dmf 통해 설명한 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버(10)와 발명의 카테고리만 다를 뿐, 동일한 내용이므로 중복되는 설명, 예시는 생략하도록 한다.
이상에서 전술한 본 발명의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
10: 서버
30: 센서
110: 데이터베이스
120: 농지 구획부
130: 인공지능모듈
140: 정보 제공부
150: 재배현황 제공부
160: 통신부
170: 수집부
200: 사용자 단말
30: 센서
110: 데이터베이스
120: 농지 구획부
130: 인공지능모듈
140: 정보 제공부
150: 재배현황 제공부
160: 통신부
170: 수집부
200: 사용자 단말
Claims (10)
- 복수의 토양 조건과 환경 조건에 따른 농작물 추천 정보가 기록된 조건 테이블이 저장된 데이터베이스;
사용자의 토양에 설치된 하나 이상의 센서로부터 센싱된 정보, 및 사용자 단말로부터 입력된 사용자 조건과 토양의 정보를 수집하는 수집부;
상기 수집된 정보로부터 토양의 위치별 조건을 체킹하여 사용자의 토양을 구획하고, 사용자 토양의 총 면적을 고려하여 상기 토양을 하나 이상의 재배 구역으로 구획하는 농지 구획부;
사용자로부터 입력된 사용자의 농작물 재배 경력, 예산 및 재배 장비를 기초로 하여 사용자의 재배실력지수를 산출하는 산출부; 및
상기 구획된 재배 구역 각각의 토양 조건과, 상기 토양의 농작물 재배 이력, 휴경 여부 중 적어도 하나를 포함하는 사용자 조건을 상기 조건 테이블에 시뮬레이션 하여, 상기 각 재배 구역에 대하여 작물 후보군을 도출하고, 재배실력지수와 선호작물 정보를 반영하여 상기 작물 후보군 중 적어도 하나의 추천 작물을 선택하는, 인공지능모듈을 포함하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버.
- 제1항에 있어서,
상기 인공지능모듈은,
상기 각 재배 구역에 대하여 도출된 작물 후보군에 대하여, 상기 재배실력지수에 따라 추천 순위, 재배 성공 확률을 산출하여, 해당 정보를 사용자에게 제공하는 것을 특징으로 하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버.
- 제2항에 있어서,
상기 센서는,
토양의 온도, 습도, PH, 질산염 농도, 전기전도도 중 적어도 하나를 센싱하는 것을 특징으로 하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버.
- 제3항에 있어서,
상기 추천 작물 중에서 사용자로부터 선택된 작물을 각 재배 구역에 할당하고, 상기 사용자의 재배실력지수에 기초하여 상기 사용자에게 필요한 농작물 재배 가이드 정보를 도출하여 제공하는 정보 제공부를 더 포함하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버.
- 제4항에 있어서,
상기 센서로부터 센싱된 정보와 사용자로부터 주기적으로 입력되는 재배 현황 정보를 이용하여 각 재배 구역의 예상 수확량 정보를 산출하고, 농작물의 수확이 완료된 후 실제 수확량 정보가 획득되면, 2개의 정보를 이용하여 상기 사용자의 재배실력지수와 상기 사용자의 토양 조건을 업데이트 하는 것을 특징으로 하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버.
- 제3항에 있어서,
상기 서버는,
서비스를 이용하는 사용자들 각각의 토양 정보와 각 재배 구역에서 재배되고 있는 농작물의 재배 현황 정보를 획득하고, 사용자의 정보, 재배중인 농작물의 재배 현황 정보, 예상 수확시기, 예상 수확량 정보를 상기 서버에 사용자의 재배현황 페이지로 업데이트하여, 상기 서버에 접속된 소비자가 단말을 통해 확인할 수 있도록 하는 재배현황 제공부를 더 포함하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버.
- 제6항에 있어서,
상기 재배현황 제공부는,
상기 센서로부터 센싱된 데이터를 상기 사용자의 재배현황 페이지로 업데이트하고, 상기 센싱된 데이터들을 이용하여 상기 토양 및 농작물에 농약 사용 여부를 검출하고, 일정 주기마다 검출 결과를 상기 재배현황 페이지로 제공하는 것을 특징으로 하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버.
- 제1항에 있어서,
상기 인공지능모듈은,
사용자의 토지가 위치한 곳의 기존 환경 및 기후 조건을 수집하여 빅데이터를 구축하고, 빅데이터와 상기 수집된 정보를 이용하여 사용자 토양의 향후 환경 및 기후 변화를 예측하여 사용자 단말로 제공하고,
예측된 환경 및 기후 변화 결과를 이용하여 향후 전환될 작물의 정보를 사용자 단말로 제공하는 것을 특징으로 하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 서버.
- 서버에 의해 수행되는 방법으로,
사용자의 토양에 설치된 하나 이상의 센서로부터 센싱된 정보, 및 사용자 단말로부터 입력된 사용자 조건과 토양의 정보를 수집하는 단계;
상기 수집된 정보로부터 토양의 위치별 조건을 체킹하여 사용자의 토양을 구획하고, 사용자 토양의 총 면적을 고려하여 상기 토양을 하나 이상의 재배 구역으로 구획하는 단계;
사용자로부터 입력된 사용자의 농작물 재배 경력, 예산 및 재배 장비를 기초로 하여 사용자의 재배실력지수를 산출하는 단계;
상기 구획된 재배 구역 각각의 토양 조건과, 상기 토양의 농작물 재배 이력, 휴경 여부 중 적어도 하나를 포함하는 사용자 조건을 상기 조건 테이블에 시뮬레이션 하여, 상기 각 재배 구역에 대하여 작물 후보군을 도출하는 단계; 및
상기 재배실력지수와 선호작물 정보를 반영하여 상기 작물 후보군 중 적어도 하나의 추천 작물을 선택하는 단계를 포함하고,
상기 서버는,
복수의 토양 조건과 환경 조건에 따른 농작물 추천 정보가 기록된 조건 테이블이 저장된 데이터베이스를 포함하는, 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법.
- 하드웨어인 컴퓨터와 결합되어, 제9항의 방법을 실행시키기 위하여 매체에 저장된, 토양 상태에 따라 식물의 생장을 예측, 분석하는 프로그램.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20190179629 | 2019-12-31 | ||
| KR1020190179629 | 2019-12-31 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210086373A true KR20210086373A (ko) | 2021-07-08 |
| KR102366223B1 KR102366223B1 (ko) | 2022-02-22 |
Family
ID=76894170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200014323A KR102366223B1 (ko) | 2019-12-31 | 2020-02-06 | 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법, 장치 및 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102366223B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102418526B1 (ko) * | 2021-07-15 | 2022-07-07 | 황용희 | IoT기반 환경분석용 센서장치 |
| KR102430959B1 (ko) * | 2021-10-08 | 2022-08-11 | 이주연 | 인공지능 기반 식물 정보 큐레이션 서비스 제공 방법, 장치 및 시스템 |
| KR102451509B1 (ko) * | 2021-08-19 | 2022-10-11 | 주식회사 케이아그로 | 스마트 토양 관리시스템 |
| KR102474909B1 (ko) * | 2022-05-02 | 2022-12-07 | 주식회사다만듬소프트 | 컴퓨팅 장치가 인공 신경망에 기반한 예측 모델을 이용하여 친환경 작물 관련 정보를 출력하는 방법 및 이를 위한 장치 |
| CN116595333A (zh) * | 2023-05-18 | 2023-08-15 | 中国农业大学 | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100020846A (ko) * | 2008-08-13 | 2010-02-23 | 김선중 | 온라인을 통한 실제 농장 경영 시스템 |
| JP2011045292A (ja) * | 2009-08-27 | 2011-03-10 | Yanmar Co Ltd | 農薬散布情報公開システム |
| KR20140046498A (ko) | 2012-09-24 | 2014-04-21 | 경기도농업기술원 | 토양분석을 위한 토양 분쇄기 |
| JP2017072900A (ja) * | 2015-10-05 | 2017-04-13 | 株式会社リバネス | 農地管理サーバ、農地管理方法、農地管理プログラム及びコンピュータ可読記憶媒体 |
| KR20170110243A (ko) * | 2016-03-23 | 2017-10-11 | 이수열 | 농업 관리 시스템 및 농업 관리 방법 |
| KR20180054352A (ko) * | 2016-11-15 | 2018-05-24 | 주식회사 에어텍 | 농업 기상 정보를 이용한 노지 농가 재배 경영 관리 방법 |
| KR101937397B1 (ko) * | 2017-09-29 | 2019-01-11 | 주식회사 그린랩스 | 농축산업금융제공장치 |
-
2020
- 2020-02-06 KR KR1020200014323A patent/KR102366223B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100020846A (ko) * | 2008-08-13 | 2010-02-23 | 김선중 | 온라인을 통한 실제 농장 경영 시스템 |
| JP2011045292A (ja) * | 2009-08-27 | 2011-03-10 | Yanmar Co Ltd | 農薬散布情報公開システム |
| KR20140046498A (ko) | 2012-09-24 | 2014-04-21 | 경기도농업기술원 | 토양분석을 위한 토양 분쇄기 |
| JP2017072900A (ja) * | 2015-10-05 | 2017-04-13 | 株式会社リバネス | 農地管理サーバ、農地管理方法、農地管理プログラム及びコンピュータ可読記憶媒体 |
| KR20170110243A (ko) * | 2016-03-23 | 2017-10-11 | 이수열 | 농업 관리 시스템 및 농업 관리 방법 |
| KR20180054352A (ko) * | 2016-11-15 | 2018-05-24 | 주식회사 에어텍 | 농업 기상 정보를 이용한 노지 농가 재배 경영 관리 방법 |
| KR101937397B1 (ko) * | 2017-09-29 | 2019-01-11 | 주식회사 그린랩스 | 농축산업금융제공장치 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102418526B1 (ko) * | 2021-07-15 | 2022-07-07 | 황용희 | IoT기반 환경분석용 센서장치 |
| KR102451509B1 (ko) * | 2021-08-19 | 2022-10-11 | 주식회사 케이아그로 | 스마트 토양 관리시스템 |
| KR102430959B1 (ko) * | 2021-10-08 | 2022-08-11 | 이주연 | 인공지능 기반 식물 정보 큐레이션 서비스 제공 방법, 장치 및 시스템 |
| KR102474909B1 (ko) * | 2022-05-02 | 2022-12-07 | 주식회사다만듬소프트 | 컴퓨팅 장치가 인공 신경망에 기반한 예측 모델을 이용하여 친환경 작물 관련 정보를 출력하는 방법 및 이를 위한 장치 |
| CN116595333A (zh) * | 2023-05-18 | 2023-08-15 | 中国农业大学 | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 |
| CN116595333B (zh) * | 2023-05-18 | 2024-04-09 | 中国农业大学 | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102366223B1 (ko) | 2022-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102366223B1 (ko) | 토양 상태에 따라 식물의 생장을 예측, 분석하는 방법, 장치 및 프로그램 | |
| EP3534689B1 (en) | Controlling agricultural production areas | |
| Ramirez-Villegas et al. | Empirical approaches for assessing impacts of climate change on agriculture: The EcoCrop model and a case study with grain sorghum | |
| Dell et al. | What do we learn from the weather? The new climate-economy literature | |
| Wang et al. | Parameter sensitivity analysis of crop growth models based on the extended Fourier Amplitude Sensitivity Test method | |
| Müller et al. | Relevance of rest periods in non-equilibrium rangeland systems–a modelling analysis | |
| Hailegiorgis et al. | An agent-based model of rural households’ adaptation to climate change | |
| US20160247082A1 (en) | Crop Model and Prediction Analytics System | |
| Teshome | Rural households’ agricultural land vulnerability to climate change in Dembia woreda, Northwest Ethiopia | |
| Wang et al. | Irrigation scheduling—Role of weather forecasting and farmers’ behavior | |
| Wineman et al. | Climate change and crop choice in Zambia: A mathematical programming approach | |
| Wang et al. | Integrated modelling of the life cycle and aeroecology of wind-borne pests in temporally-variable spatially-heterogeneous environment | |
| JP2019030253A (ja) | 栽培支援装置、栽培支援方法、コンピュータプログラム及び記録媒体 | |
| Ceballos et al. | Fuzzy system of irrigation applied to the growth of habanero pepper (capsicum chinense jacq.) under protected conditions in yucatan, mexico | |
| EP3996012A1 (en) | Plant cultivation management system and plant cultivation management device | |
| WO2021081428A1 (en) | Agricultural systems and platforms | |
| KR20230161399A (ko) | 작물 내 활성성분 함량 증가를 위한 재배 조건 추천 방법, 장치 및 프로그램 | |
| US10783594B2 (en) | Agriculture management based on farmer expertise and interests | |
| KR102381491B1 (ko) | 작물 재배 애플리케이션을 통한 적응형 재배 정보 제공 시스템 | |
| EP3474167A1 (en) | System and method for predicting genotype performance | |
| US20230082714A1 (en) | Soil Property Model Using Measurements of Properties of Nearby Zones | |
| Rao et al. | Practical deployment of an in-field wireless sensor network in date palm orchard | |
| Kawadia et al. | Farmers’ perception of climate change in Madhya Pradesh | |
| Uyeh et al. | Grid search for lowest root mean squared error in predicting optimal sensor location in protected cultivation systems | |
| Manivasagam et al. | An efficient crop yield prediction using machine learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |