KR20230032638A

KR20230032638A - 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템 및 방법

Info

Publication number: KR20230032638A
Application number: KR1020210115686A
Authority: KR
Inventors: 전숙례; 기재표; 박정환
Original assignee: 주식회사 에이비씨랩스
Priority date: 2021-08-31
Filing date: 2021-08-31
Publication date: 2023-03-07

Abstract

딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템 및 방법이 제공된다. 광량 센서는 주기적으로 온실 내부의 자연 광량을 측정하여 자연 광량 데이터를 출력하고, DB에는 과거 n년동안의 DLI(이하, '참조 DLI'라 한다)들이 일자 및 시간에 매핑된 DLI 참조 테이블과, 작물 별 필요로 하는 DLI 필요 범위가 매핑된 DLI 작물 테이블이 저장되고, AI 분석 장치는 자연 광량 데이터로부터 현재 DLI(Day Light Integral)를 산출하고, 산출된 현재 DLI, DLI 참조 테이블에 포함된 참조 DLI들 중 어느 하나의 추세, 그리고, DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 분석하여 타겟 작물에게 공급할 보광량 및 차광량 중 하나를 산출하고, 구동 제어부는 AI 분석 장치에서 산출된 결과에 기초하여 보광 및 차광 중 하나가 수행되도록 제어한다.

Description

딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템 및 방법{Light recipe-based light quantity control system and method for improving productivity of strawberries, cucumbers and tomatoes}

본 발명은 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템 및 방법에 관한 것으로서, 보다 상세하게는, AI 알고리즘을 이용하여 작물에게 공급될 광량을 예측하고, 예측 결과에 따라 보광량 또는 차광량을 포함하는 광레시피를 작성할 수 있는 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템 및 방법에 관한 것이다.

[이 발명을 지원한 연구개발사업]

[과제고유번호] D2020151

[부처명] 경기도

[연구관리전문기관] (재)경기도경제과학진흥원

[연구사업명] 경기도기술개발사업(창업기업혁신기술개발)

[연구과제명] 정밀농업 생산성 향상을 위한 빅데이터 AI 기반 인공광원 관제 서비스 개발

[기여율] 1/1

[주관기관] ㈜에이비씨랩스

[연구기간] 20200901 ~ 20210831

4차 산업혁명으로 인공지능과 사물인터넷, 빅데이터 등의 기술이 농업에 적용되면서 스마트팜이 주목받고 있다. 스마트팜은 ICT((Information and Communications Technologies)나 로봇 기술을 농업과 융합하여 직접적인 노동력 투입 대신에 원격으로 제어 가능한 농장을 구축한 것으로, 최소한의 노동력과 에너지, 자원이 투입된다는 점에서 생산성과 품질 향상이 가능한 방안으로 제시되고 있다.

국내 농업은 농촌인구의 감소 및 고령화, 한반도 기후변화 심화 등의 어려움을 겪고 있고 이에 농업과 ICT 기술을 융·복합하여 농산품 품질을 향상시키고 농업 생산성을 증대시키기 위해 정밀농업 차원에서 스마트-팜을 도입하는 농가가 폭증하고 있는 추세이다.

글로벌 환경은 인구 증가에 따른 식량 수요 증가, 농업인구 감소 및 고령화로 인한 노동력 부족으로 첨단농업기술 보급 확대 등으로 스마트팜이 미래 첨단산업으로서 세계적인 주목을 받고 있으며 최근 인공광원으로 LED가 효과적인 제품을 생상하고 있어 농업에서 활용을 위한 요구가 증대되고 있으며, 실효성에 대한 연구결과를 바탕으로 네델란드를 비롯한 글로벌 농업 선진국들은 많은 성공사례와 보급을 촉진하고 있다.

이에 국내에서도 인공 광원을 사용하고 있는 농가가 증가하는 추세이지만 현재의 자연 광원과 인공 광원에 대한 사용량을 고려하여 보광 또는 차광하기 위한 지표가 없다는 문제점이 있다.

국내 등록특허 제10-2268524 호(2021년06월17일. 등록)

전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 작물에게 현재까지 공급된 자연 광량과 과거의 경험된 광량을 기초로 앞으로 더 공급될 자연 광량을 예측하고, 보광 또는 차광 여부를 AI 알고리즘을 이용하여 판단할 수 있는 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템 및 방법에 관한 것이다.

본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따르면, 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템은, 딸기, 오이, 토마토를 포함하는 작물의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템은, 주기적으로 온실 내부의 자연 광량을 측정하여 자연 광량 데이터를 출력하는 광량 센서; 과거 n년동안의 DLI(이하, '참조 DLI'라 한다)들이 일자 및 시간에 매핑된 DLI 참조 테이블과, 작물 별 필요로 하는 DLI 필요 범위가 매핑된 DLI 작물 테이블이 저장되는 DB; 상기 자연 광량 데이터로부터 현재 DLI(Day Light Integral)를 산출하고, 상기 산출된 현재 DLI, 상기 DLI 참조 테이블에 포함된 참조 DLI들 중 어느 하나의 추세, 그리고, 상기 DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 분석하여 상기 타겟 작물에게 공급할 보광량 및 차광량 중 하나를 산출하는 AI(Artificial Intelligent) 분석 장치; 및 상기 AI 분석 장치에서 산출된 결과에 기초하여 보광 및 차광 중 하나가 수행되도록 제어하는 구동 제어부;를 포함한다.

상기 AI 분석 장치는, 제1판단 모드가 설정된 경우, 상기 DLI 참조 테이블에 저장된 참조 DLI들 중 현재 날짜와 동일한 날짜에 해당하는 n개의 참조 DLI들과 상기 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 참조 DLI를 판단하는 DLI 유사도 판단부; 상기 판단된 참조 DLI로부터 과거의 현재 시점부터 일몰 시점까지 더 받은 자연광의 DLI(이하, '추가 DLI'라 한다)를 확인하는 추가 DLI 확인부; 및 상기 산출된 현재 DLI, 상기 확인된 추가 DLI 및 상기 DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 이용하여 상기 타겟 작물에 대한 보광량과 보광 시간, 차광량과 차광 시간 또는 현재 상태 유지 및 유지 시간 중 적어도 하나를 포함하는 광레시피를 작성하는 광레시피 작성부;를 포함하고, 상기 구동 제어부는, 상기 작성된 광레시피에 기초하여 보광, 차광 및 현재 상태 유지 중 해당하는 동작을 수행한다.

상기 DLI 유사도 판단부는, 제2판단 모드가 설정된 경우, 상기 DLI 참조 테이블에 저장된 참조 DLI들 중 현재 날짜를 기준으로 설정되는 비교 날짜 구간에 해당하는 참조 DLI들과 상기 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 참조 DLI를 판단한다.

상기 DB에는 과거 n년동안의 DLI들의 평균(이하, '평균 DLI'라 한다)이 동일한 일자 및 시간에 대해 산출되어 매핑된 DLI 평균 테이블이 더 저장되고, 상기 DLI 유사도 판단부는, 제3판단 모드가 설정된 경우, 상기 DLI 평균 테이블에 저장된 평균 DLI들 중 현재 날짜를 기준으로 설정되는 비교 날짜 구간에 해당하는 평균 DLI들과 상기 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 평균 DLI를 판단한다.

한편, 본 발명의 다른 실시 예에 따르면, 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템의 광량 제어 방법은, (A) 광량 센서가 주기적으로 온실 내부의 자연 광량을 측정하여 자연 광량 데이터를 출력하는 단계; (B) AI 분석 장치가, 상기 자연 광량 데이터로부터 현재 DLI(Day Light Integral)를 산출하고, 상기 산출된 현재 DLI, DLI 참조 테이블에 포함된 참조 DLI들 중 어느 하나의 추세, 그리고, DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 분석하여 상기 타겟 작물에게 공급할 보광량 및 차광량 중 하나를 산출하는 단계; 및 (C) 구동 제어부가, 상기 (B)단계에서 산출된 결과에 기초하여 보광 및 차광 중 하나가 수행되도록 제어하는 단계;를 포함하고, 과거 n년동안의 DLI(이하, '참조 DLI'라 한다)들이 일자 및 시간에 매핑된 DLI 참조 테이블과, 작물 별 필요로 하는 DLI 필요 범위가 매핑된 DLI 작물 테이블은 DB에 저장된다.

본 발명에 따르면, AI 알고리즘을 이용하여 작물에게 더 공급될 광량을 경험에 의한 과거 광량을 기반으로 예측하고, 예측 결과에 따라 보광량 또는 차광량을 포함하는 광레시피를 작성하여 보광 또는 차광함으로써 딸기, 오이, 토마토와 같은 작물의 생산성을 효율적으로 향상시킬 수 있다.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 실시 예에 따른 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템을 도시한 도면,
도 2는 AI 분석부(320)를 도시한 블록도,
도 3은 n개의 참조 DLI들 중 현재 DLI와 가장 유사한 것으로 판단된 참조 DLI와 현재 DLI를 도시한 예시도, 그리고,
도 4는 본 발명의 실시 예에 따른 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템의 광량 제어 방법을 도시한 흐름도이다.

이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.

어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.

본 명세서에서 제1, 제2 등의 용어가 구성요소들을 기술하기 위해서 사용된 경우, 이들 구성요소들이 이 같은 용어들에 의해서 한정되어서는 안 된다. 이들 용어들은 단지 어느 구성요소를 다른 구성요소와 구별시키기 위해서 사용되었을 뿐이다.

또한, 어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.

또한, 어떤 엘리먼트가 구현됨에 있어서 특별한 언급이 없다면, 그 엘리먼트는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.

또한, 본 명세서에서 DB라 함은, 각각의 DB에 대응되는 정보를 저장하는 소프트웨어 및 하드웨어의 기능적 구조적 결합을 의미할 수 있으며, DB에 저장된 정보를 검색, 저장, 및 관리하기 위한 별도의 DBMS(Database Management System)를 더 포함할 수도 있다.

이하, 본 발명에서 실시하고자 하는 구체적인 기술내용에 대해 첨부도면을 참조하여 상세하게 설명하기로 한다.

도 1은 본 발명의 실시 예에 따른 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템을 도시한 도면이다.

딸기, 오이, 토마토를 비롯한 모든 작물은 양액, 이산화탄소, 광합성 등 생장하는데 있어서 많은 요소들을 필요로 하며, 이 중 광량은 작물의 생산성 및 당도에 밀접한 연관이 있기 때문에 매우 중요한 요소이다.

따라서, 본 발명의 실시 예에서는 AI(Artificial Intelligent) 기반으로 자연광으로부터의 광량을 예측하여 보광해야 할 보광량과 보광시간 또는 차광해야 할 차광량과 차광시간을 포함하는 광레시피를 실시간으로 또는 주기적으로 작성하고, 작성된 광레시피를 기반으로 작물이 생산 중인 온실 내 보광 또는 차광을 자동으로 제어할 수 있다.

도 1을 참조하면, 본 발명의 실시 예에 따른 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템은 광량 센서(100), 데이터 로거(200), AI 분석 장치(300), DB(400) 및 구동 제어부(500)를 포함한다.

광량 센서(100)는 주기적으로 온실 내부의 자연 광량을 측정하여 자연 광량 데이터를 출력할 수 있다. 광량 센서(100)는 예를 들어 PAR(Photosynthetic Active Radiation) 센서, 일사량 센서 또는 조도 센서 중 하나일 수 있다. 또한, 광량 센서(100)는 온실 내 하나 이상 구비될 수 있다. 광량 센서(100)가 PAR 센서인 경우 측정되는 값은 PPFD로서, PPFD의 총량이 DLI(Day Light Integral)일 수 있다.

데이터 로거(200)는 광량 센서(100)에서 출력되는 자연 광량 데이터를 수집한다.

DB(400)는 DLI 참조 테이블 및 DLI 평균 테이블 중 적어도 하나와, DLI 작물 테이블과 후술할 현재 DLI가 저장될 수 있다.

DLI 참조 테이블은 과거 n년동안 측정된 자연 광량 데이터(예를 들어 PPFD)와 그로부터 산출된 DLI(이하, '참조 DLI'라 한다)들이 측정 일자 및 시간에 매핑저장된 테이블이다.

DLI 평균 테이블은 과거 n년동안의 DLI들의 평균(이하, '평균 DLI'라 한다)이 동일한 일자 및 시간에 대해 산출되어 매핑저장된 테이블이다. 즉, DLI 평균 테이블은 과거 n년동안 측정된 자연 광량 데이터 중 동일한 일자 및 시간에 산출된 자연 광량 데이터로부터 산출된 DLI들의 평균(이하, '평균 DLI'라 한다)이 측정 일자와 시간 별로 매핑된 테이블이다.

DLI 작물 테이블은 작물 별 필요로 하는 DLI 필요 범위가 매핑된 테이블이다.

[표 1]은 DLI 작물 테이블의 일 예로서 이에 한정되지 않음은 자명하다.

[표 1]을 참조하면 토마토가 필요로 하는 일일 DLI의 최저값은 22이고 최대값은 30이다.

AI 분석 장치(300)는 측정된 자연 광량데이터로부터 DLI를 산출하고, 산출된 DLI와 참조 DLI를 AI 알고리즘에 적용하여 온실에 인공광원을 보광할지 또는 자연광을 차광할지를 포함하는 광레시피를 작성할 수 있다.

AI 분석 장치(300)는 독립된 컴퓨팅 시스템으로 구현될 수 있으며, DLI 산출부(310) 및 AI 분석부(320)를 포함한다.

DLI 산출부(310)는 광량 센서(100)에서 측정된 자연 광량 데이터로부터 현재 시점의 DLI(Day Light Integral, 이하, '현재 DLI'라 한다)를 산출한다.

[수학식 1]은 PPFD로부터 DLI를 산출하는 식이다.

[수학식 1]에서 PPFD는 온실 내부에 설치된 PAR 센서의 측정값이고, GHLT (Greenhouse Light Transmittance)는 광 투과도이고, T는 일조 시간(solar insolation time) 이다.

[수학식 2]는 일사량으로부터 DLI를 산출하는 식이다.

[수학식 2]에서 Instantaneous Solar insolation은 온실 외부에 설치된 일사량 센서(또는 Solar radiation 센서)의 측정값이다.

[수학식 3]은 조도로부터 DLI를 산출하는 식이다.

[수학식 3]에서 Integrated Solar insolation은 온실 외부에 설치된 조도 센서(또는 Solar radiation 센서)의 측정값이다.

AI 분석부(320)는 DLI 산출부(310)에서 산출된 현재 DLI, DLI 참조 테이블에 포함된 참조 DLI들 중 선택되는 어느 하나의 추세, 그리고, DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 AI 알고리즘에 적용 및 분석하여 타겟 작물에게 공급할 보광량 및 차광량 중 하나를 포함하는 광레시피를 작성할 수 있다.

도 2는 AI 분석부(320)를 도시한 블록도이다.

도 2를 참조하면, AI 분석부(320)는 DLI 유사도 판단부(322), 추가 DLI 확인부(324) 및 광레시피 작성부(326)를 포함한다. AI 분석부(320)는 제1 내지 제3판단 모드들 중 사용자에 의해 설정되는 하나의 판단 모드로 동작할 수 있다.

먼저 제1판단 모드가 설정된 경우, DLI 유사도 판단부(322)는 DLI 참조 테이블에 저장된 참조 DLI들 중 현재 날짜와 동일한 날짜에 해당하는 n개의 참조 DLI들과 DLI 산출부(310)에서 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 참조 DLI를 판단할 수 있다.

예를 들어, DLI 참조 테이블에 지난 5년동안 산출된 참조 DLI들이 저장되어 있는 경우, DLI 유사도 판단부(322)는 오늘 날짜에 해당하는 5개의 참조 DLI들을 DLI 참조 테이블에서 읽어온다. 5개의 참조 DLI들은 각각 일출부터 일몰까지 정해진 시간에 산출된 DLI를 포함한다. DLI 유사도 판단부(322)는 5개의 참조 DLI의 패턴 중 오늘 현재 시점(t)까지 산출된 DLI의 패턴과 동일하거나 가장 유사한 하나를 판단한다.

도 3은 n개의 참조 DLI들 중 현재 DLI와 가장 유사한 것으로 판단된 참조 DLI와 현재 DLI를 도시한 예시도이다.

도 3을 참조하면, DLI(15)는 현재 시점(t는 15시)까지 산출된 현재 DLI, DLI(15_ref)는 과거의 참조 DLI들 중 현재 DLI와 추세가 가장 유사한 참조 DLI 중 일출부터 t=15일 때까지 산출된 DLI이다.

추가 DLI 확인부(324)는 가장 유사한 것으로 판단된 참조 DLI로부터 과거의 현재 시점부터 일몰 시점까지 더 받은 자연광의 DLI(이하, '추가 DLI'라 한다)를 확인한다. 도 3의 경우 일점 쇄선 안의 DLI가 추가 DLI를 포함할 수 있다.

광레시피 작성부(326)는 DLI 산출부(310)에서 산출된 현재 DLI와, 추가 DLI 확인부(324)에서 확인된 추가 DLI와, DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 이용하여 타겟 작물에 대한 보광량과 보광 시간, 차광량과 차광 시간 또는 현재 상태 유지 및 유지 시간 중 적어도 하나를 포함하는 광레시피를 작성할 수 있다.

자세히 설명하면, 광레시피 작성부(326)는 DLI 산출부(310)에서 산출된 현재 DLI와 추가 DLI 확인부(324)에서 확인된 추가 DLI를 합하여 오늘 일몰까지 받을 수 있는 일일 DLI를 예측한다.

그리고, 광레시피 작성부(326)는 DLI 작물 테이블에 저장된 DLI 필요 범위 중 사전에 정해진 기준에 따라 하나의 값을 비교값으로 정한다. 예를 들어, 광레시피 작성부(326)는 DLI 필요 범위 중 최저 DLI, 최대 DLI 또는 중간값의 DLI를 비교값으로 정할 수 있다. 본 발명의 실시 예에서는 최대 DLI를 비교값의 예로 들고 있으나 이는 변경 가능하다.

광레시피 작성부(326)는 예측된 일일 DLI가 비교값인 최대 DLI보다 작으면, 오늘 하루동안 작물이 공급받을 광량이 작물에게 필요한 광량보다 적을 것으로 판단하고, 예측된 일일 DLI와 최대 DLI의 차이만큼 보광하도록 광레시피를 작성한다. 이 때 인공광원의 출력인 와트는 정해져 있으므로, 광레시피 작성부(326)는 필요한 보광량을 작물에게 공급할 수 있는 보광시간을 산출하여 광레시피로서 적용할 수 있다.

또한, 광레시피 작성부(326)는 예측된 일일 DLI가 비교값인 최대 DLI보다 크면, 오늘 하루동안 작물이 공급받을 광량이 작물에게 필요한 광량을 초과할 것으로 판단하고, 예측된 일일 DLI와 최대 DLI의 차이만큼 차광하도록 차광 시간을 포함하는 광레시피를 작성한다.

또한, 광레시피 작성부(326)는 예측된 일일 DLI와 비교값인 최대 DLI보다 동일하면 현재 상태를 유지하여 자연광을 작물에게 공급하도록 하는 광레시피를 작성할 수 있다.

이 때, 광레시피 작성부(326)는 현재 시점에서 예측된 일일 DLI(15)와 참조 DLI(15_ref)의 차이값(갭)에 해당하는 광량만큼 보광 또는 차광을 더 수행하도록 광레시피를 작성할 수도 있다. 도 3에서는 갭만큼 더 보광할 수 있다.

또한, 광량 센서(100)는 실시간으로 또는 주기적으로 자연 광량 데이터를 측정하므로, 광레시피 작성부(326)는 실시간으로 또는 주기적으로 광레시피를 작성 및 업데이트할 수 있다. 이로써, 보광량 또는 차광량 역시 주기적으로 가변될 수 있다.

구동 제어부(500)는 AI 분석부(320)에서 산출된 결과에 기초하여 보광 및 차광 중 하나가 수행되도록 인공광원 또는 차광막의 구동을 제어한다. 즉, 구동 제어부(500)는 작성된 광레시피에 기초하여 보광, 차광 및 현재 상태 유지 중 해당하는 동작을 수행한다.

예를 들어, AI 분석부(320)에서 보광이 결정된 경우, 구동 제어부(500)는 광레시피에 설정된 시간동안 인공 광원을 작물에게 공급하도록 인공 광원을 온시킬 수 있다.

또한, AI 분석부(320)에서 차광이 결정된 경우, 구동 제어부(500)는 광레시피에 설정된 시간동안 차광막을 이용하여 작물에게 자연광이 공급되지 않도록 차광막을 구동할 수 있다.

한편, 제2판단 모드가 설정된 경우, DLI 유사도 판단부(322)는 DLI 참조 테이블에 저장된 참조 DLI들 중 현재 날짜를 기준으로 비교 날짜 구간을 설정한다. 예를 들어, 오늘이 7월 5일인 경우, 광레시피 작성부(326)는 7월 3일~7월 7일까지를 비교 날짜 구간으로서 설정할 수 있으며, 날짜 구간의 범위는 변경가능하다.

DLI 유사도 판단부(322)는 설정된 비교 날짜 구간에 해당하는 참조 DLI들과 DLI 산출부(310)에서 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 참조 DLI를 판단한다.

추가 DLI 확인부(324)는 가장 유사한 것으로 판단된 참조 DLI로부터 과거의 현재 시점부터 일몰 시점까지 더 받은 자연광의 추가 DLI를 확인한다.

광레시피 작성부(326)는 DLI 산출부(310)에서 산출된 현재 DLI와, 추가 DLI 확인부(324)에서 확인된 추가 DLI와, DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 이용하여 타겟 작물에 대한 광레시피를 작성한다.

또한, 제3판단 모드가 설정된 경우, DLI 유사도 판단부(322)는 DLI 평균 테이블을 이용할 수 있다. DLI 유사도 판단부(322)는 DLI 평균 테이블에 저장된 평균 DLI들 중 현재 날짜를 기준으로 설정되는 비교 날짜 구간에 해당하는 평균 DLI들과 DLI 산출부(310)에서 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 평균 DLI를 판단한다.

이후 추가 DLI 확인부(324)와 광레시피 작성부(326)의 동작은 제1판단 모드 또는 제2판단 모드에서의 동작과 유사하거나 동일하므로 구체적인 설명은 생략한다.

도 4는 본 발명의 실시 예에 따른 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템의 광량 제어 방법을 도시한 흐름도이다.

도 4에 도시된 광량 제어 방법은 도 1 내지 도 3을 참조하여 설명한 광량 제어 시스템에 의하여 동작할 수 있다.

도 4를 참조하면, 광량 센서(100)는 주기적으로 온실 내부의 자연 광량을 측정하여 자연 광량 데이터를 출력한다(S400).

데이터 로거(200)는 S400단계에서 출력되는 자연 광량 데이터를 수집하고, DLI 산출부(310)는 수집된 자연 광량 데이터로부터 DLI를 산출한 후 DB(400)에 저장한다(S410).

DLI 유사도 판단부(322)는 제1판단 모드가 설정된 경우, DLI 참조 테이블에 저장된 참조 DLI들 중 현재 날짜와 동일한 날짜에 해당하는 n개의 참조 DLI들과 S410단계에서 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 참조 DLI를 판단한다(S420).

추가 DLI 확인부(324)는 S420단계에서 판단된 참조 DLI로부터 과거의 현재 시점부터 일몰 시점까지 더 받은 자연광의 추가 DLI를 확인한다(S430).

광레시피 작성부(326)는 DB(400)의 DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 확인한 후, 확인된 DLI 필요 범위 중 사전에 정해진 기준에 따라 하나의 값을 비교값으로 정한다(S440).

광레시피 작성부(326)는 S430단계에서 확인된 추가 DLI와 S420단계에서 산출된 현재 DLI를 합하여 작물이 오늘 하루동안 받을 것으로 예상되는 일일 DLI를 예측한다(S450).

광레시피 작성부(326)는 S450단계에서 예측된 일일 DLI가 S440단계에서 정해진 비교값(예를 들어, 최대 DLI)보다 작으면(S460-Yes), 작물에게 공급할 보광량과 보광시간을 산출한다(S470).

구동 제어부(500)는 S470단계에서 산출된 보광량과 보광시간에 따라 작물을 담당하는 인공광원을 구동한다(S480).

반면, S460단계에서, S450단계에서 예측된 일일 DLI가 S440단계에서 정해진 비교값(예를 들어, 최대 DLI)보다 크거나 같으면(S460-No), 광레시피 작성부(326)는 작물에게 공급되는 자연광을 차광할 시간과 차광량을 산출한다(S490).

구동 제어부(500)는 S490단계에서 산출된 차광량과 차광시간에 따라 작물의 차광을 담당하는 차광막이 자연광을 차폐하도록 구동한다(S495).

상술한 도 4에서는 제1판단 모드로 동작하는 경우를 예로 들어 설명하였으나, 도 4의 광량 제어 방법은 제2 및 제3판단 모드에도 적용가능하다.

또한, S460단계에서, S450단계에서 예측된 일일 DLI가 S440단계에서 정해진 비교값(예를 들어, 최대 DLI)과 동일한 경우, 광레시피 작성부(326)는 현재 자연광 공급 상태를 유지하도록 하는 광레시피를 작성할 수도 있다.

이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다.

한편, 이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

100: 광량 센서 200: 데이터 로거
300: AI 분석 장치 400: DB
500: 구동 제어부

Claims

딸기, 오이, 토마토를 포함하는 작물의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템에 있어서,
주기적으로 온실 내부의 자연 광량을 측정하여 자연 광량 데이터를 출력하는 광량 센서;
과거 n년동안의 DLI(이하, '참조 DLI'라 한다)들이 일자 및 시간에 매핑된 DLI 참조 테이블과, 작물 별 필요로 하는 DLI 필요 범위가 매핑된 DLI 작물 테이블이 저장되는 DB;
상기 자연 광량 데이터로부터 현재 DLI(Day Light Integral)를 산출하고, 상기 산출된 현재 DLI, 상기 DLI 참조 테이블에 포함된 참조 DLI들 중 어느 하나의 추세, 그리고, 상기 DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 분석하여 상기 타겟 작물에게 공급할 보광량 및 차광량 중 하나를 산출하는 AI(Artificial Intelligent) 분석 장치; 및
상기 AI 분석 장치에서 산출된 결과에 기초하여 보광 및 차광 중 하나가 수행되도록 제어하는 구동 제어부;
를 포함하는 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템.
제1항에 있어서,
상기 AI 분석 장치는,
제1판단 모드가 설정된 경우, 상기 DLI 참조 테이블에 저장된 참조 DLI들 중 현재 날짜와 동일한 날짜에 해당하는 n개의 참조 DLI들과 상기 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 참조 DLI를 판단하는 DLI 유사도 판단부;
상기 판단된 참조 DLI로부터 과거의 현재 시점부터 일몰 시점까지 더 받은 자연광의 DLI(이하, '추가 DLI'라 한다)를 확인하는 추가 DLI 확인부; 및
상기 산출된 현재 DLI, 상기 확인된 추가 DLI 및 상기 DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 이용하여 상기 타겟 작물에 대한 보광량과 보광 시간, 차광량과 차광 시간 또는 현재 상태 유지 및 유지 시간 중 적어도 하나를 포함하는 광레시피를 작성하는 광레시피 작성부;
를 포함하고,
상기 구동 제어부는,
상기 작성된 광레시피에 기초하여 보광, 차광 및 현재 상태 유지 중 해당하는 동작을 수행하는 것을 특징으로 하는 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템.
제2항에 있어서,
상기 DLI 유사도 판단부는,
제2판단 모드가 설정된 경우, 상기 DLI 참조 테이블에 저장된 참조 DLI들 중 현재 날짜를 기준으로 설정되는 비교 날짜 구간에 해당하는 참조 DLI들과 상기 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 참조 DLI를 판단하는 것을 특징으로 하는 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템.
제1항에 있어서,
상기 DB에는 과거 n년동안의 DLI들의 평균(이하, '평균 DLI'라 한다)이 동일한 일자 및 시간에 대해 산출되어 매핑된 DLI 평균 테이블이 더 저장되고,
상기 DLI 유사도 판단부는,
제3판단 모드가 설정된 경우, 상기 DLI 평균 테이블에 저장된 평균 DLI들 중 현재 날짜를 기준으로 설정되는 비교 날짜 구간에 해당하는 평균 DLI들과 상기 산출된 현재 DLI를 비교하여 DLI 유사도가 가장 높은 평균 DLI를 판단하는 것을 특징으로 하는 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템.
딸기, 오이, 토마토를 포함하는 작물의 생산성 향상을 위한 광레시피 기반의 광량 제어 시스템의 광량 제어 방법에 있어서,
(A) 광량 센서가 주기적으로 온실 내부의 자연 광량을 측정하여 자연 광량 데이터를 출력하는 단계;
(B) AI 분석 장치가, 상기 자연 광량 데이터로부터 현재 DLI(Day Light Integral)를 산출하고, 상기 산출된 현재 DLI, DLI 참조 테이블에 포함된 참조 DLI들 중 어느 하나의 추세, 그리고, DLI 작물 테이블에 저장된 타겟 작물의 DLI 필요 범위를 분석하여 상기 타겟 작물에게 공급할 보광량 및 차광량 중 하나를 산출하는 단계; 및
(C) 구동 제어부가, 상기 (B)단계에서 산출된 결과에 기초하여 보광 및 차광 중 하나가 수행되도록 제어하는 단계;를 포함하고,
과거 n년동안의 DLI(이하, '참조 DLI'라 한다)들이 일자 및 시간에 매핑된 DLI 참조 테이블과, 작물 별 필요로 하는 DLI 필요 범위가 매핑된 DLI 작물 테이블은 DB에 저장되는 딸기, 오이, 토마토의 생산성 향상을 위한 광레시피 기반의 광량 제어 방법.