KR20220030543A - 스마트 양식장의 고장진단 시스템 및 그에 의한 고장진단 방법 - Google Patents
스마트 양식장의 고장진단 시스템 및 그에 의한 고장진단 방법 Download PDFInfo
- Publication number
- KR20220030543A KR20220030543A KR1020200112038A KR20200112038A KR20220030543A KR 20220030543 A KR20220030543 A KR 20220030543A KR 1020200112038 A KR1020200112038 A KR 1020200112038A KR 20200112038 A KR20200112038 A KR 20200112038A KR 20220030543 A KR20220030543 A KR 20220030543A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- smart farm
- unit
- farm
- facility
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 22
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims abstract description 50
- 238000004088 simulation Methods 0.000 claims abstract description 35
- 238000013480 data collection Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 71
- 238000009360 aquaculture Methods 0.000 claims description 25
- 244000144974 aquaculture Species 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000000746 purification Methods 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- IOVCWXUNBOPUCH-UHFFFAOYSA-N Nitrous acid Chemical compound ON=O IOVCWXUNBOPUCH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000008213 purified water Substances 0.000 description 1
- 230000003134 recirculating effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000013024 troubleshooting 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
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0256—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults injecting test signals and analyzing monitored process response, e.g. injecting the test signal while interrupting the normal operation of the monitored system; superimposing the test signal onto a control signal during normal operation of the monitored system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
-
- 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
- G06Q50/10—Services
-
- 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
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Economics (AREA)
- Animal Husbandry (AREA)
- Theoretical Computer Science (AREA)
- Zoology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
본 빌명은 스마트 양식장의 고장을 사전에 예측하거나 고장이 발생하는 즉시 이를 진단하여 관리자에게 통보할 수 있는 스마트 양식장의 고장진단 시스템 및 고장진단 방법를 제공하기 위한 것으로, 스마트 양식장의 고장진단 시스템은 스마트 양식장의 각 설비에 마련된 감지부와. 상기 감지부와 유선 또는 무선으로 통신 가능하게 연결된 서버와, 상기 스마트 양식장 내외부의 환경요인을 측정한 환경 데이터를 수집하는 환경 데이터 수집부를 포함하고, 상기 서버는, 가상 양식장의 시뮬레이션을 통해 기준 데이터를 도출하는 시뮬레이션 유닛과, 상기 감지부에서 측정된 1차 데이터에 포함된 노이즈를 상기 환경 데이터에 의해 제거하여 2차 데이터를 생성하는 전처리부와, 상기 전처리부에서 생성된 2차 데이터를 상기 기준 데이터와 대비하여 각 설비의 이상여부를 판단하는 고장진단부를 포함하는 것을 특징으로 한다.
Description
본 발명은 스마트 양식장의 고장진단 시스템 및 그에 의한 고장진단 방법에 관한 것으로, 상세하게는 순환여과식 스마트 양식장에 있어서의 고장진단 시스템과 그에 의한 고장진단 방법에 관한 것이다.
오늘날, 연근해어업과 원양어업에 의한 수산물의 생산량이 감소됨에 따라, 점차 양식업에 의한 수산물의 생산에 대한 관심과 중요도가 점차 커지고 있다.
이러한 양식방법으로, 해상가두리 양식, 육상수조식, 축제식 등이 있는데, 해상가두리 양식은 해상에 그물 등 망을 설치하여 양식하는 방법이고, 육상수조식 양식은 육상에 수조를 만들어 바닷물을 이용하여 양식하는 방법이며, 축제식 양식은 바닷가에 제방을 쌓아 저수지를 만들어 양식하는 방법으로 바닷가에 수심 2m 내외 웅덩이를 만들어 바닷물을 교환하면서 양식하는 방법이다.
특히, 해양 어류의 경우 주로 해상 가두리 양식에 의해 생산되어 왔으나, 이러한 해상 가두리 양식의 경우 자연 환경 조건과 관리자의 경험에 매우 의존적으로 이루어지기 때문에 많은 문제가 발생되고 있다.
즉, 최근 자연 환경의 악화나 기후변화로 인하여 해수가 고수온 또는 저수온이 되거나, 적조현상이 발생되거나, 또는 태풍 등에 의하여 해상 가두리에 의해 양식되고 있는 어류가 폐사하거나 소실되는 경우가 있고, 또한 양식장 시설물이 파손 또는 소실되는 등 막대한 피해가 발생하고 있다.
이러한 해상 가두리 양식장에서 발생하는 피해는 양식산업의 지속가능성을 위협하게 된다. 따라서, 이러한 양식산업의 문제를 해결하기 위한 하나의 방안으로 순환여과양식시스템(recirculating aquaculture systems; RAS)에 대한 연구 개발이 이루어지고 있다.
순환여과양식시스템은 일정한 여과장치들을 통해서 정수한 물을 계속 재사용하여 공급하는 시스템으로, 양어장에서 가장 심각한 문제가 되는 사료찌꺼기를 비롯하여 어류 배설물 등의 슬러지를 1차제거 장치를 통해 제거하고, 발생하는 암모니아, 아질산 등의 유해가스를 미생물을 통해 제거하며, 기타 어류의 환경에 맞는 수질을 인위적으로 조정하여 공급함으로써 고밀도로 양식하기 위한 양어장 시스템이다.
또한, 최근에는 양식장에 ICT, IoT, 인공지능(AI), 빅데이터 분석 기술 등을 접목한 스마트 양식 기술에 대한 개발이 이루어지고 있는데, 예를 들어, 한국공개특허 제10-2020-0045174호(이하, "특허문헌 1"이라 함)는 다양한 수조 상태 관련 데이터의 상관관계 분석을 통해 수질 변화 정보를 획득하고, 수질 변화 주기를 예측할 수 있는 양식장 모니터링 장치에 관하여 개시하고 있고, 한국공개특허 제10-2020-0013171호(이하, "특허문헌 2"라 함)는 인공지능 딥러닝 기능 중 하나의 알고리즘인 CNN(Convolution Neural Network)를 적용하여 물고기에 대한 상태 판단이 가능하고 바이오플락을 공급할 수 있는 인공지능 딥러닝을 이용한 스마트 양식장 관리 FEMS 시스템에 대해 개시하고 있다.
다만, 특허문헌 1 및 2에서와 같이, 그 동안 스마트 양식장에 있어서 ICT, IoT, 인공지능(AI), 빅데이터 분석 기술 등의 활용은 주로 양식장 내의 수질관리, 양식어의 생육관리 등에 집중되어 왔으며, 아직 스마트 양식장 시설의 고장예측 및 진단에 대한 연구개발은 아직 미흡한 실정이다.
즉, 스마트 양식장 시설에 있어서는, 시설물의 고장에 즉각적인 대응을 못하여 고장난 시설이 방치되는 경우, 스마트 양식장의 시스템 전체의 기능을 마비시키기 때문에 양식장 내의 수질은 물론 양식어의 생존에도 치명적이다.
따라서, 스마트 양식장의 고장을 예측하거나, 고장 발생시 즉각적으로 이를진단하여 관리자에게 통보할 수 있는 진단시스템의 개발이 시급한 실정이다.
또한, 양식장의 특성상, 스마트 양식장의 경우에 있어서도 가급적 자연환경 조건을 반영할 수 있도록 양식장의 내부가 자연환경과 소통할 수 있게 마련된다는 점에서, 주변 환경의 통제가 잘 이루어지는 환경에 설치되는 다른 설비의 고장 예측 및 진단시스템을 그대로 적용할 수 없다는 점에서도 스마트 양식장의 독자적인 고장 예측 및 진단시스템에 대한 개발이 필요하다.
본 빌명은 스마트 양식장의 고장을 사전에 예측하거나 고장이 발생하는 즉시 이를 진단하여 관리자에게 통보할 수 있는 스마트 양식장의 고장진단 시스템 및 고장진단 방법를 제공하기 위한 것이다.
또한, 본 발명은 스마트 양식장이 실제 가동되는 조건에서 수집된 데이터를 반영하여 시뮬레이션을 반복함으로써 개별 스마트 양식장마다 특화된 고장 진단 기준을 수립할 수 있는 스마트 양식장의 고장진단 시스템 및 그 시스템에 의한 고장진단 방법를 제공하기 위한 것이다.
본 발명에 의한 스마트 양식장의 고장진단 시스템은, 스마트 양식장의 각 설비에 마련된 감지부와. 상기 감지부와 유선 또는 무선으로 통신 가능하게 연결된 서버와, 상기 스마트 양식장 내외부의 환경요인을 측정한 환경 데이터를 수집하는 환경 데이터 수집부를 포함하고, 상기 서버는, 가상 양식장의 시뮬레이션을 통해 기준 데이터를 도출하는 시뮬레이션 유닛과, 상기 감지부에서 측정된 1차 데이터에 포함된 노이즈를 상기 환경 데이터에 의해 제거하여 2차 데이터를 생성하는 전처리부와, 상기 전처리부에서 생성된 2차 데이터를 상기 기준 데이터와 대비하여 각 설비의 이상여부를 판단하는 고장진단부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 의한 스마트 양식장의 고장진단 시스템의 상기 시뮬레이션 유닛은, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 고장진단부의 판단결과를 시뮬레이션에 반영하여 기준 데이터를 도출하는 것을 특징으로 한다.
또한, 본 발명에 의한 스마트 양식장의 고장진단 시스템은, 상기 스마트 양식장은, 수조 설비와 수처리 시스템을 포함하되, 상기 수조 설비는 어류가 양식되는 수조와, 상기 수조에 양식수를 공급하는 펌프시스템과, 상기 수조에서 양식되는 어류에 사료를 공급하는 자동사료급이장치를 포함하고, 상기 감지부는, 상기 스마트 양식장의 화재여부를 감지하기 위한 화재감지센서와, 상기 수조 설비 중 기계적 진동이 발생이 발생할 수 있는 장치의 고장여부를 감지하기 위한 진동센서와, 상기 수조 설비 중 기계적 소음이 발생이 발생할 수 있는 장치의 고장여부를 감지하기 위한 소음센서와, 상기 수처리 시스템의 정화능력을 포함한 정상작동여부를 판단하기 위한 수질센서를 포함하는 것을 특징으로 한다.
또한, 본 발명에 의한 스마트 양식장의 고장진단 시스템에 의한 고장진단 방법은, 가상 양식장에서 시뮬레이션을 통해 기준 데이터를 생성하는 제1 단계와, 스마트 양식장의 각 설비에서 측정된 1차 데이터를 수신하는 제2 단계와, 환경 데이터에 의해 상기 1차 데이터에 포함된 노이즈를 제거하여 2차 데이터를 생성하는 제3 단계와, 상기 2차 데이터를 상기 기준 데이터와 대비하여 각 설비의 이상여부를 판단하는 제4 단계를 포함하되, 상기 환경 데이터는 상기 스마트 양식장 내외부의 환경요인에 의해 측정된 데이터인 것을 특징으로 한다.
또한, 본 발명에 의한 스마트 양식장의 고장진단 시스템에 의한 고장진단 방법의 상기 제1 단계는, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 고장진단부의 판단결과를 상기 시뮬레이션에 반영하여 새로운 기준 데이터를 생성하는 것을 특징으로 한다.
또한, 본 발명에 의한 스마트 양식장의 고장진단 시스템에 의한 고장진단 방법에 있어서, 상기 환경요인은, 상기 스마트 양식장의 하우징의 내부 및 외부에 마련된 센서에서 측정된 진동, 소음, 온도, 습도, 풍향, 풍속을 포함하는 것을 특징으로 한다.
본 발명에 의하면, 스마트 양식장의 고장을 사전에 예측하거나 고장이 발생하는 즉시 이를 진단하여 관리자에게 통보할 수 있다.
또한, 본 발명은 스마트 양식장이 실제 가동되는 조건에서의 수집된 데이터를 반영하여 시뮬레이션을 반복함으로써 개별 스마트 양식장마다 특화된 고장 진단 기준을 수립할 수 있다.
도 1은 본 발명의 스마트 양식장의 개략 모식도
도 2는 본 발명의 스마트 양식장의 고장진단 시스템의 개략 모식도
도 3은 본 발명의 스마트 양식장의 고장진단 방법의 흐름도
도 2는 본 발명의 스마트 양식장의 고장진단 시스템의 개략 모식도
도 3은 본 발명의 스마트 양식장의 고장진단 방법의 흐름도
본 발명의 스마트 양식장의 고장진단 시스템 및 고장진단 방법에 대해, 도 1 내지 도 3을 참조하여, 이하에서 상세하게 설명한다.
도 1은 본 발명의 스마트 양식장 시스템의 개략 모식도이고, 도 2는 본 발명의 스마트 양식장의 고장진단 시스템의 개략 모식도이며, 도 3은 본 발명의 스마트 양식장의 고장진단 방법의 흐름도이다.
먼저, 본 발명에 의한 스마트 양식장 시스템은, 도 1에서와 같이, 수조 설비(A1)와 수처리 시스템(A2)을 포함하는 스마트 양식장(A)과, 상기 스마트 양식장(A)에 마련된 화재감지센서(110), 진동센서(120), 소음센서(130), 및 수질센서(140)와, 상기 스마트 양식장(A)의 각 센서와 유선 또는 무선으로 통신 가능하게 연결된 서버(200)와, 상기 서버(200)와 유선 또는 무선으로 통신 가능하게 연결된 환경 데이터 수집부(400) 및 사용자 단말(300)를 포함한다.
상기 스마트 양식장(A)은, 적어도 일부가 개폐 가능한 측면 및 상면으로 이루어진 하우징 내에 마련된 수조 설비(A1)와 수처리 시스템(A2)을 포함하되, 상기 수조 설비(A1)는 어류가 양식되는 수조, 상기 수조에 양식수를 공급하는 펌프시스템 및 상기 수조에서 양식되는 어류에 사료를 공급하는 자동사료급이장치를 포함한다. 또한, 상기 수처리 시스템(A2)은 물리적 여과조, 생물학적 여과조를 포함한다.
또한, 상기 펌프시스템에 의해 상기 수조 설비(A1)의 수조내 오염된 양식수는 상기 수처리 시스템(A2)으로 배출되고, 상기 수처리 시스템(A2)에 의해 정화된 양식수는 상기 수조 설비(A1)의 수조 내로 공급된다.
상기 화재감지센서(110)는 상기 스마트 양식장(A)의 화재여부를 감지하기 위한 것으로, 상기 스마트 양식장(A)의 내부가 자연환경과 소통하도록 하우징의 일부를 개방하였을 때를 전제로 상기 스마트 양식장(A)이 설치된 장소의 풍향과 풍속을 고려하여 상기 스마트 양식장(A)의 하우징 내의 천정 등에 적어도 하나이상 마련되는 것이 바람직하다.
상기 화재감지센서(110)는 열감지 센서 또는 연기감지 센서로 마련될 수 있으며, 상기 열감지 센서 또는 연기감지 센서는 상기 스마트 양식장(A)의 하우징 내의 열(온도) 또는 연기를 감지한다.
또한, 상기 진동센서(120)는 상기 수조 설비(A1)의 구성 중 기계적 진동이 발생이 발생할 수 있는 장치의 이상여부를 감지하기 위한 것으로, 기계적 진동이 발생이 발생할 수 있는 장치(예를 들면, 상기 펌프시스템 및 자동사료급이장치 등)에 적어도 하나이상 마련된다. 즉, 상기 진동센서(120)는 기계적 진동이 발생이 발생할 수 있는 장치의 진동을 측정한다.
또한, 상기 소음센서(130)는 상기 수조 설비(A1)의 구성 중 기계적 소음이 발생이 발생할 수 있는 장치의 이상여부를 감지하기 위한 것으로, 기계적 소음이 발생이 발생할 수 있는 장치(예를 들면, 상기 펌프시스템 및 자동사료급이장치 등)에 적어도 하나이상 마련된다. 즉, 상기 소음센서(130)는 기계적 소음이 발생이 발생할 수 있는 장치의 소음을 측정한다.
또한, 상기 수질센서(140)는 상기 수처리 시스템(A2)의 정화능력을 포함한 정상작동여부를 판단하기 위한 것으로, 상기 수조설비(A1)의 수조의 양식수 배출구 및 상기 수처리 시스템(A2)의 양식수 배출구 측에 각각 마련하되, pH센서, DO센서, BOD센서, COD센서 중 적어도 하나이상을 포함한다.
즉, 상기 수질센서(140)는 상기 수조설비(A1)의 수조에서 상기 수처리 시스템(A2)으로 이어지는 수조의 양식수 배출구 측에서의 수질과 상기 수처리 시스템(A2)에서 상기 수조로 이어지는 상기 수처리 시스템(A2)의 양식수 배출구 측에서 각각 수질을 측정한다.
다음으로, 본 발명에 의한 스마트 양식장의 고장진단 시스템은, 도 2에서와 같이, 상기 스마트 양식장(A)의 하우징 또는 각 설비에 마련된 화재감지센서(110), 진동센서(120), 소음센서(130), 및 수질센서(140)를 포함하는 감지부(100)와, 상기 감지부(100)에서 측정된 측정 데이터를 바탕으로 상기 감지부(100)의 각 센서가 마련된 설비의 이상여부를 판단하는 서버(200)와, 상기 서버(200)에 의해 판단된 상기 스마트 양식장(A)의 각 설비의 이상 여부에 대한 정보가 실시간으로 전송되는 사용자 단말(300)과, 상기 스마트 양식장(A)의 내외부에서 측정된 환경요인 및 기상청 제공되는 기상정보 등의 환경 데이터를 수집하여 서버(200)에 제공하는 환경 데이터 수집부(400)를 포함한다.
상기 서버(200)는, 상기 감지부(100)로부터 전송된 측정 데이터를 상기 감지부(100)의 각 센서가 위치한 설비와 매칭한 1차 데이터를 저장하는 제1 데이터베이스(210)와, 상기 환경 데이터 수집부(400)에서 수집된 환경 데이터를 저장하는 환경 데이터베이스(230)와, 상기 환경 데이터에 근거하여 상기 1차 데이터에 포함된 노이즈를 제거하여 2차 데이터를 생성하는 전처리부(220)와, 상기 1차 데이터, 2차 데이터 및 환경 데이터를 저장하는 제2 데이터베이스(240)와, 설정 데이터를 입력하는 설정 데이터 입력부(260)와, 가상 양식장을 기반으로 시뮬레이션을 수행하여 기준 데이터를 생성하는 시뮬레이션 유닛(270)과, 상기 시뮬레이션 유닛(270)에 의해 생성된 기준 데이터를 저장하는 기준 데이터베이스(280)와, 상기 2차 데이터를 상기 기준 데이터에 근거하여 각 설비의 이상 여부를 진단하는 고장진단부(250)와, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 상기 고장진단부(250)에 의한 진단결과를 포함하는 3차 데이터를 저장하는 제3 데이터베이스(290)를 포함한다.
상기 환경 데이터 수집부(400)는, 상기 스마트 양식장(A)의 하우징의 내부 및 외부에 마련된 진동센서(미도시), 소음센서(미도시), 온도센서(미도시), 습도센서(미도시), 풍향/풍속 센서(미도시)에서 측정된 진동, 소음, 온도, 습도, 풍향, 풍속 등의 환경정보를 수집하고, 상기 환경 데이터 수집부(400)에 수집된 하우징 내부 및 외부의 환경정보들은 각 환경정보가 수집된 일시 및 장소와 매칭된 환경 데이터로 환경 데이터베이스(230)에 저장된다.
또한, 상기 환경정보에는 기상청 등에서 실시간으로 제공되는 기상 정보, 즉 상기 스마트 양식장(A)이 설치된 지역의 날씨, 온도, 습도 등의 정보를 더 포함할 수 있다.
또한, 상기 전처리부(220)는, 상기 환경 데이터에 근거하여 상기 1차 데이터에 포함된 노이즈를 제거하여 2차 데이터를 생성한다.
즉, 상기 스마트 양식장(A)의 하우징 또는 각 설비에 마련된 화재감지센서(110), 진동센서(120), 소음센서(130), 및 수질센서(140) 등에서 측정된 데이터들에는 각 센서가 측정하고자 하는 대상 장소나 설비 등으로부터 획득된 정보 외에 상기 스마트 양식장(A)의 실내외 환경요인에 의한 노이즈가 더 부가되어 측정될 수 있다.
예를 들어, 상기 펌프시스템이나 자동사료급이장치에 마련된 진동센서(120), 소음센서(130)의 경우, 상기 펌프시스템이나 자동사료급이장치에서 발생하는 진동이나 소음을 측정하기 위한 것이지만, 상기 스마트 양식장(A)의 실내외 환경요인이나 기상상황에 의해 진동이나 소음이 발생하는 경우, 이러한 환경요인 등에 의해 발생한 진동이나 소음이 각 대상설비에서 발생하는 진동이나 소음과 함께 측정되는 문제가 생길 수 있게 된다.
따라서, 상기 전처리부(220)는, 상기 1차 데이터에서 상기 스마트 양식장(A)의 실내외 환경요인이나 기상상황에 의한 노이즈를 제거함으로써, 실제 각 대상설비에서 발생된 데이터만으로 가공된 2차 데이터를 생성하게 된다.
또한, 상기 시뮬레이션 유닛(270)은 가상 양식장을 기반으로 상기 설정 데이터 입력부(260)로 입력된 설정 데이터와 상기 3차 데이터를 바탕으로 시뮬레이션을 수행하여 기준 데이터를 반복적으로 갱신하여 도출한다.
여기서, 상기 설정 데이터란 양식장 운영 매뉴얼에 따른 운영 조건(예를 들면, 양식어의 수, 양식수의 양 및 순환주기, 수조의 크기 및 개수, 사료 급여량 및 급여주기 등) 및/또는 스마트 양식장이 설치되는 지역의 기상정보 등에 관한 데이터를 말하고, 상기 3차 데이터란, 상기한 바와 같이, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 상기 고장진단부(250)에 의한 진단결과를 포함하는 데이터를 말하며, 상기 기준 데이터란 상기 스마트 양식장(A)의 각 설비의 이상여부를 판단하는 기준이 되는 데이터를 말한다.
먼저, 상기 스마트 양식장(A)이 가동되기 전에는 상기 시뮬레이션 유닛(270)에 설정 데이터를 입력하여 가상 양식장을 기반으로 운영 매뉴얼에 따라 시뮬레이션을 수행하여 기준 데이터를 도출하게 된다.
즉, 상기 스마트 양식장(A)에 양식어의 수, 양식수의 양 및 순환주기, 수조의 크기 및 개수, 사료 급여량 및 급여주기 등의 운영 조건에 따른 부하를 부과하였을 때, 각 운영 조건에 의한 상기 스마트 양식장(A)의 각 설비의 정상운전의 범위를 설정하고, 각 설비의 정상운전의 범위를 각 설비의 정상운전을 판단하는 기준 데이터로 설정하게 된다.
그러나, 이 경우의 기준 데이터는 운영 조건이나 상기 스마트 양식장이 설치될 지역의 평균적 기상정보에 따른 영향을 반영할 수 있지만, 실제 상기 스마트 양식장(A)이 설치되는 장소의 환경이 상기 스마트 양식장(A)의 각 설비에 미치는 영향은 반영하지 못하게 된다.
따라서, 본 발명에 의한 상기 시뮬레이션 유닛(270)은, 상기 스마트 양식장(A)이 가동되기 전에는 설정 데이터만으로 시뮬레이션을 수행하여 기준 데이터를 도출하지만, 상기 스마트 양식장(A)이 가동되기 시작한 이후에는 상기 스마트 양식장(A)이 실제 설치된 환경에서 상기 감지부(100)의 각 센서에서 측정된 1차 데이터, 상기 환경 데이터 수집부(400)에서 실시간으로 수집된 환경 데이터, 상기 전처리부(220)에 의해 생성된 2차 데이터 및 상기 고장진단부(250)에 의한 진단결과를 반복적으로 반영하여 시뮬레이션을 수행함으로써, 지속적으로 각 설비에 대한 기준 데이터를 고도화할 수 있게 된다.
또한, 상기 고장진단부(250)는 상기 전처리부(220)에서 1차 데이터에 포함된 노이즈(상기 감지부(100)의 각 센서에서 측정하고자 하는 대상이 되는 장소 또는 시설 외에서 발생한 데이터)를 제거하여 가공한 상기 2차 데이터를 상기 기준 데이터와 대비하여 각 설비의 이상 여부를 진단하여 진단결과를 사용자 단말(300)에 통보한다.
이때, 상기 고장진단부(250)는 각 설비 중 어느 설비의 2차 데이터가 상기 기준 데이터의 정상범위를 벗어나는 경우, 해당 설비가 고장이라는 판단과 함께, 상기 기준 데이터의 상하 경계치에 대한 2차 데이터의 근접도에 따라 해당 설비의 고장 레벨을 판단하여 사용자 단말(300)에 통보할 수 있다.
또한, 모든 설비의 2차 데이터가 상기 기준 데이터의 정상범위 이내라고 하더라도 어느 설비의 고장이 에측되는 경우(예를 들면, 2차 데이터의 추세가 기준 데이터의 상하 경계치에 접근하는 경우), 상기 고장진단부(250)는 해당 설비의 고장 예측에 대한 경보를 사용자 단말(300)에 통보할 수 있다.
다음은, 도 3을 참조하여, 본 발명에 의한 스마트 양식장의 고장진단 시스템의 고장진단 방법에 대해 설명한다.
먼저, 상기 스마트 양식장(A)에 설치된 각 설비의 처음 가동시 정상운전을 판단하기 위한 기준 데이터를 설정에 대해 설명한다.
즉, 상기 스마트 양식장(A)에 설치된 각 설비의 정상운전 기준을 설정하기 위하여 설정 데이터를 상기 설정 데이터 입력부(260)에 입력한다(S110).
상기 설정 데이터는, 상기한 바와 같이, 양식어의 수, 양식수의 양 및 순환주기, 수조의 크기 및 개수, 사료 급여량 및 급여주기 등 상기 스마트 양식장(A)을 운영하기 위한 운영 조건에 관한 데이터이다.
또한, 상기 설정 데이터는 상기 스마트 양식장(A)이 설치되는 지역의 기상정보 등을 더 포함할 수 있다. 상기 기상정보는 기상청 등에서 제공되는 상기 스마트 양식장(A)이 설치되는 지역의 월별 계절별 날씨, 기온, 습도, 풍향, 풍속 등에 대한 통계 정보일 수 있다.
다음으로, 상기 시뮬레이션 유닛(270)는 가상 양식장 기반에서 상기 설정 데이터 입력부(260)로 입력한 상기 설정 데이터를 반영하여 시뮬레이션을 수행함으로써 상기 스마트 양식장(A)의 각 설비의 이상여부를 판단하기 위한 기준 데이터를 설정한다(S120).
이때, 상기 스마트 양식장(A)의 화재 여부를 판단하기 위한 기준 데이터는, 상기 스마트 양식장(A)의 하우징를 밀폐하였을 때와 하우징의 일부를 개방하였을 때를 구분하여 각각의 기준 데이터를 설정하되, 하우징의 일부를 개방하였을 때의 기준 데이터는 상기 스마트 양식장(A)이 설치된 지역의 계절별 또는 월별 평균 풍향 미 풍속을 반영하여 설정되는 것이 바람직하다.
또한, 상기 스마트 양식장(A)의 설비 중 기계적 진동이나 기계적 소음이 발생할 수 있는 장치의 진동이나 소음에 대한 기준 데이터는, 상기 스마트 양식장(A)의 운영조건이나 환경요인에 따라 설비에 부과되는 부하를 반영하여 진동 또는 소음에 대한 기준 데이터를 마련하는 것이 바람직하다.
또한, 상기 수처리 시스템(A2)의 정화능력을 포함한 정상작동여부를 판단하기 위한 기준 데이터는, 상기 수조설비(A1)의 수조의 양식수 배출구 측에 마련된 수질센서(140)에 측정된 오염도와 상기 수처리 시스템(A2)의 양식수 배출구 측에 마련된 수질센서(140)에 측정된 오염도의 차이를 기준으로 설정하되, 상기 스마트 양식장(A)의 운영조건에 따라 공급되는 사료의 양, 양식어가 배출하는 배설물의 양 등을 반영하여 기준 데이터를 마련하는 것이 바람직하다.
이와 같이, 상기 시뮬레이션 유닛(270)의 시뮬레이션에 의해 설정된 기준 데이터는, 상기 기준 데이터의 설정에 반영된 조건과 함께 상기 기준 데이터베이스(280)에 저장된다(S130).
다음은, 본 발명에 의한 스마트 양식장의 고장진단 시스템의 고장진단 및 설정 데이터에 의해 설정된 상기 기준 데이터를 업그레이드 하는 과정에 대해 설명한다.
먼저, 상기 감지부(100)의 각 센서에서 측정하여 전송한 측정 데이터를 수신하고(S210), 수신된 상기 측정 데이터를 상기 측정 데이터가 측정된 일시, 측정된 장소 또는 설비 등에 관한 데이터와 매칭된 1차 데이터로 가공하여 제1 데이터베이스(210)에 저장한다(S220).
상기 제1 데이터베이스(210)에 저장된 1차 데이터는 상기 전처리부(220)로 보내지고, 상기 전처리부(220)는 상기 1차 데이터에 포함된 노이즈(상기 감지부(100)의 각 센서에서 측정하고자 하는 대상이 되는 장소 또는 시설 외에서 발생한 데이터)를 제거하여 2차 데이터를 생성한다(S230).
상기한 바와 같이, 상기 스마트 양식장(A)의 경우 외부의 자연환경과 소통하도록 일부를 개방하는 경우가 많기 때문에, 외부 환경요인에 의한 노이즈가 측정 데이터에 포함되는 경우가 발생할 수 있다. 예를 들면, 설비의 소음을 측정하기 위한 소음센서(130)에 설비에서 발생하는 소음뿐만 아니라, 상기 스마트 양식장(A) 내의 작업자의 대화나 행동에 의한 소음이 상기 소음센서(130)에 측정될 수도 있고, 하우징의 일부 개방에 따라 상기 스마트 양식장(A) 밖의 소음이 상기 소음센서(130)에 측정되는 경우가 발생할 수 있다.
이와 같이, 상기 감지부(100)의 각 센서에서 측정한 상기 1차 데이터에 포함된 노이즈의 제거가 필요하게 되는데, 이때, 상기 1차 데이터에 포함된 노이즈의 제거에는 환경 데이터 수집부(400)에 수집한 환경 데이터가 활용된다.
즉, 상기 환경 데이터는, 환경 데이터 수집부(400)로부터 수신(S310) 및 환경 데이터베이스(230)에 저장된 후(S320), 상기 전처리부(220)에서 상기 1차 데이터에 포함된 노이즈의 제거에 활용된다.
이와 같이, 상기 전처리부(220)는, 상기 환경 데이터를 활용하여 상기 1차 데이터 중 상기 감지부(100)의 각 센서에서 측정하고자 하는 대상(장소 또는 설비) 외에서 발생하는 데이터(노이즈)를 판별하고, 이를 상기 1차 데이터로부터 제거함으로써, 상기 감지부(100)의 각 센서에서 측정하고자 하는 대상(장소 또는 설비)에 발생한 데이터로만 이루어진 2차 데이터를 생성하게 된다.
또한, 상기 1차 데이터, 2차 데이터 및 환경 데이터는 매칭되어 제2 데이터베이스(240)에 저장된다(S240).
상기 제2 데이터베이스(240)에 저장된 데이터들은 고장진단부(250)로 보내지고, 상기 고장진단부(250)는 상기 제2 데이터베이스(240)로부터 제공된 상기 2차 데이터를 상기 기준 데이터베이스(280)로부터 제공된 상기 기준 데이터와 대비하여 각 설비의 이상여부를 판단하고(S340), 그 판단결과를 사용자 단말(300)에 통보한다(S350). 이때, 상기 2차 데이터는, 상기 1차 데이터 및 환경 데이터와 매칭되어 있기 때문에, 데이터가 측정된 일시, 장소 및 환경정보를 포함한다.
또한, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 상기 고장진단부(250)에 의한 진단결과를 포함하는 3차 데이터는 제3 데이터베이스(290)에 저장된다(S370).
또한, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 상기 고장진단부(250)에 의한 진단결과를 포함하는 3차 데이터는 상기 시뮬레이션 유닛(270)으로 전송되고(S380), 상기 시뮬레이션 유닛(270)은 상기 설정 데이터와 함께, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 상기 고장진단부(250)에 의한 진단결과를 포함하는 3차 데이터를 반영하여 시뮬레이션을 수행함으로써 새로운 기준 데이터를 반복적으로 갱신하여 도출하게 된다(S120).
이와 같이 본 발명에 의한 상기 시뮬레이션 유닛(270)은 지속적으로 상기 스마트 양식장(A)이 설치된 장소의 환경요인이나 상기 스마트 양식장(A)이 실제 운영되는 과정에서 발생하는 변화요인들을 지속적으로 반영하여 계속 새로운 기준 데이터를 도출하기 때문에, 보다 정밀하게 상기 스마트 양식장(A)의 이상여부를 판단할 수 있게 된다.
A 스마트 양식장 A1 수조 설비
A2 수처리 시스템
100 감지부 110 화재감지센서
120 진동센서 130 소음센서
140 수질센서
200 서버 210 제1 데이터베이스
220 전처리부 230 환경 데이터베이스
240 제2 데이터베이스 250 고장진단부
260 설정 데이터 입력부 270 시뮬레이션 유닛
280 기준 데이터베이스 290 제3 데이터베이스
300 사용자 단말 400 환경 데이터 수집부
A2 수처리 시스템
100 감지부 110 화재감지센서
120 진동센서 130 소음센서
140 수질센서
200 서버 210 제1 데이터베이스
220 전처리부 230 환경 데이터베이스
240 제2 데이터베이스 250 고장진단부
260 설정 데이터 입력부 270 시뮬레이션 유닛
280 기준 데이터베이스 290 제3 데이터베이스
300 사용자 단말 400 환경 데이터 수집부
Claims (6)
- 스마트 양식장의 각 설비에 마련된 감지부와.
상기 감지부와 유선 또는 무선으로 통신 가능하게 연결된 서버와,
상기 스마트 양식장 내외부의 환경요인을 측정한 환경 데이터를 수집하는 환경 데이터 수집부를 포함하고,
상기 서버는,
가상 양식장의 시뮬레이션을 통해 기준 데이터를 도출하는 시뮬레이션 유닛과,
상기 감지부에서 측정된 1차 데이터에 포함된 노이즈를 상기 환경 데이터에 의해 제거하여 2차 데이터를 생성하는 전처리부와,
상기 전처리부에서 생성된 2차 데이터를 상기 기준 데이터와 대비하여 각 설비의 이상여부를 판단하는 고장진단부를 포함하는 것을 특징으로 하는 스마트 양식장의 고장진단 시스템.
- 제1항에 있어서,
상기 시뮬레이션 유닛은, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 고장진단부의 판단결과를 시뮬레이션에 반영하여 기준 데이터를 도출하는 것을 특징으로 하는 스마트 양식장의 고장진단 시스템.
- 제1항 또는 제2항에 있어서,
상기 스마트 양식장은, 수조 설비와 수처리 시스템을 포함하되,
상기 수조 설비는 어류가 양식되는 수조와, 상기 수조에 양식수를 공급하는 펌프시스템과, 상기 수조에서 양식되는 어류에 사료를 공급하는 자동사료급이장치를 포함하고,
상기 감지부는,
상기 스마트 양식장의 화재여부를 감지하기 위한 화재감지센서와,
상기 수조 설비 중 기계적 진동이 발생이 발생할 수 있는 장치의 고장여부를 감지하기 위한 진동센서와,
상기 수조 설비 중 기계적 소음이 발생이 발생할 수 있는 장치의 고장여부를 감지하기 위한 소음센서와,
상기 수처리 시스템의 정화능력을 포함한 정상작동여부를 판단하기 위한 수질센서를 포함하는 것을 특징으로 하는 스마트 양식장의 고장진단 시스템.
- 가상 양식장에서 시뮬레이션을 통해 기준 데이터를 생성하는 제1 단계와,
스마트 양식장의 각 설비에서 측정된 1차 데이터를 수신하는 제2 단계와,
환경 데이터에 의해 상기 1차 데이터에 포함된 노이즈를 제거하여 2차 데이터를 생성하는 제3 단계와,
상기 2차 데이터를 상기 기준 데이터와 대비하여 각 설비의 이상여부를 판단하는 제4 단계를 포함하되,
상기 환경 데이터는 상기 스마트 양식장 내외부의 환경요인에 의해 측정된 데이터인 것을 특징으로 하는 스마트 양식장의 고장진단 방법.
- 제4항에 있어서,
상기 제1 단계는, 상기 1차 데이터, 2차 데이터, 환경 데이터 및 고장진단부의 판단결과를 상기 시뮬레이션에 반영하여 새로운 기준 데이터를 생성하는 것을 특징으로 하는 스마트 양식장의 고장진단 방법.
- 제4항 또는 제5항에 있어서,
상기 환경요인은, 상기 스마트 양식장의 하우징의 내부 및 외부에 마련된 센서에서 측정된 진동, 소음, 온도, 습도, 풍향, 풍속을 포함하는 것을 특징으로 하는 스마트 양식장의 고장진단 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200112038A KR102589729B1 (ko) | 2020-09-03 | 2020-09-03 | 스마트 양식장의 고장진단 시스템 및 그에 의한 고장진단 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200112038A KR102589729B1 (ko) | 2020-09-03 | 2020-09-03 | 스마트 양식장의 고장진단 시스템 및 그에 의한 고장진단 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220030543A true KR20220030543A (ko) | 2022-03-11 |
| KR102589729B1 KR102589729B1 (ko) | 2023-10-16 |
Family
ID=80814530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200112038A KR102589729B1 (ko) | 2020-09-03 | 2020-09-03 | 스마트 양식장의 고장진단 시스템 및 그에 의한 고장진단 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102589729B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170060653A (ko) * | 2015-11-24 | 2017-06-02 | 주식회사 글로비트 | 모바일 기반의 양만장 통합관리 시스템 |
| KR20190128797A (ko) * | 2018-05-09 | 2019-11-19 | 대전대학교 산학협력단 | 온도에 따른 케이블의 화재 위험 측정 시스템 및 방법 |
| KR20200013171A (ko) | 2018-07-20 | 2020-02-06 | 문영실 | 인공지능 딥러닝을 이용한 스마트 양식장 관리 fems시스템 |
| KR20200045174A (ko) | 2018-10-22 | 2020-05-04 | 삼환전기(유) | 양식장 모니터링 장치 |
| KR20200091073A (ko) * | 2019-01-22 | 2020-07-30 | 주식회사 케이디파워 | 발전기의 고장예측 진단 시스템 |
-
2020
- 2020-09-03 KR KR1020200112038A patent/KR102589729B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170060653A (ko) * | 2015-11-24 | 2017-06-02 | 주식회사 글로비트 | 모바일 기반의 양만장 통합관리 시스템 |
| KR20190128797A (ko) * | 2018-05-09 | 2019-11-19 | 대전대학교 산학협력단 | 온도에 따른 케이블의 화재 위험 측정 시스템 및 방법 |
| KR20200013171A (ko) | 2018-07-20 | 2020-02-06 | 문영실 | 인공지능 딥러닝을 이용한 스마트 양식장 관리 fems시스템 |
| KR20200045174A (ko) | 2018-10-22 | 2020-05-04 | 삼환전기(유) | 양식장 모니터링 장치 |
| KR20200091073A (ko) * | 2019-01-22 | 2020-07-30 | 주식회사 케이디파워 | 발전기의 고장예측 진단 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102589729B1 (ko) | 2023-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Johnson et al. | Uncertainty and the management of mallard harvests | |
| AU2017388639A1 (en) | A system and a method for acoustic monitoring, analysis and maintenance of equipment in swimming pools | |
| KR20190023152A (ko) | 양식장 수질 모니터링 시스템 | |
| Field et al. | Group size, queuing and helping decisions in facultatively eusocial hover wasps | |
| CN109002888B (zh) | 一种赤潮预警方法 | |
| KR20090078501A (ko) | 인공 신경망에 의한 하수처리장의 유입 유량 및 유입 성분농도의 예측 방법 및 장치 | |
| CN111406213B (zh) | 对水的连续体中的异常的改进的检测和表征 | |
| Valentin et al. | A neural network-based software sensor for coagulation control in a water treatment plant | |
| CN115240060B (zh) | 一种海星灾害预警方法及系统 | |
| CN117370919B (zh) | 污水处理设备远程监控系统 | |
| CN216486750U (zh) | 河流水文数据定点采集装置 | |
| CN117084200B (zh) | 应用大数据分析的水产养殖投药控制系统 | |
| Al-Mutairi et al. | IoT-based smart monitoring and management system for fish farming | |
| CN115060312A (zh) | 一种基于人工智能的建筑材料安全监测系统 | |
| CN111861215A (zh) | 基于物联网的小区智能设备自主维护派单系统及派单方法 | |
| Faysal et al. | A Review of groundbreaking changes in the poultry industry in Bangladesh using the internet of things (IoT) and computer vision Technology | |
| KR102318565B1 (ko) | 수중 생태 및 환경 감시 시스템 | |
| KR102589729B1 (ko) | 스마트 양식장의 고장진단 시스템 및 그에 의한 고장진단 방법 | |
| KR20220085213A (ko) | 딥러닝에 기반한 가정용 실내 스마트 재배시스템의 환경센서 고장 탐지/진단/예측 시스템 | |
| CN117032102A (zh) | 一种基于大数据的设备故障预测方法和系统 | |
| CN109359624B (zh) | 基于神经网络的蛋鸡采食行为的预测方法及预测装置 | |
| Behravan et al. | Fault injection framework for fault diagnosis based on machine learning in heating and demand-controlled ventilation systems | |
| DE112022000366T5 (de) | System zum Erfassen von Wasserqualität oder Lecks unter Verwendung von Gerätedaten und maschinellem Lernen | |
| US10641133B2 (en) | Managing water-supply pumping for an electricity production plant circuit | |
| CN115356990A (zh) | 基于深度学习的料场设备故障预测方法、系统及存储介质 |
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 |