KR20230055631A - 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법 - Google Patents
복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법 Download PDFInfo
- Publication number
- KR20230055631A KR20230055631A KR1020210139228A KR20210139228A KR20230055631A KR 20230055631 A KR20230055631 A KR 20230055631A KR 1020210139228 A KR1020210139228 A KR 1020210139228A KR 20210139228 A KR20210139228 A KR 20210139228A KR 20230055631 A KR20230055631 A KR 20230055631A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- greenhouse
- growth
- crop growth
- crop
- Prior art date
Links
- 230000012010 growth Effects 0.000 title claims abstract description 243
- 230000007613 environmental effect Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 claims description 44
- 230000005068 transpiration Effects 0.000 claims description 36
- 230000001186 cumulative effect Effects 0.000 claims description 28
- 230000006735 deficit Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 21
- 230000010365 information processing Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000003306 harvesting Methods 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000003891 environmental analysis Methods 0.000 claims description 11
- 230000003442 weekly effect Effects 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 230000001850 reproductive effect Effects 0.000 abstract description 14
- 238000004891 communication Methods 0.000 description 15
- 230000009105 vegetative growth Effects 0.000 description 13
- 235000013399 edible fruits Nutrition 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 230000007812 deficiency Effects 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 235000019640 taste Nutrition 0.000 description 3
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 3
- 238000009736 wetting Methods 0.000 description 3
- 241000219112 Cucumis Species 0.000 description 2
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 2
- 240000008067 Cucumis sativus Species 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 240000003768 Solanum lycopersicum Species 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 235000009849 Cucumis sativus Nutrition 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 241000712062 Patricia Species 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 244000235659 Rubus idaeus Species 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000007704 transition Effects 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/14—Greenhouses
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Abstract
본 발명은 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법에 관한 것으로, 농부가 운영하는 복수의 온실의 환경데이터와 작물 생육데이터를 수집하고 이를 이용해 현재 작물 생육상태에 영향을 주는 환경속성값을 구한 후 복수의 온실의 환경데이터와 작물 생육데이터와 환경속성값을 기반으로 기계적인 학습을 통해 온실 내 작물의 생육예측정보를 제공하고, 나아가 농부가 자신의 개인적인 취향이나 이슈가 발생하여 작물의 생장을 영양생장 또는 생식생장으로 유도해야 할 경우에 그에 따른 온실 환경 조절을 위한 환경제어정보를 제공할 수 있는 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법에 관한 것이다.
Description
본 발명은 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법에 관한 것으로, 보다 상세하게는 농부가 운영하는 복수의 온실의 환경데이터와 작물 생육데이터를 수집하고 이를 이용해 현재 작물 생육상태에 영향을 주는 환경속성값을 구한 후 복수의 온실의 환경데이터와 작물 생육데이터와 환경속성값을 기반으로 기계적인 학습을 통해 온실 내 작물의 생육예측정보를 제공하고, 나아가 농부가 자신의 개인적인 취향이나 이슈가 발생하여 작물의 생장을 영양생장 또는 생식생장으로 유도해야 할 경우에 그에 따른 온실 환경 조절을 위한 환경제어정보를 제공할 수 있는 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법에 관한 것이다.
종래에는 개인의 오랜 재배 경험을 통해 획득한 노하우나 지식에 따라 온실의 환경을 제어하면서 작물을 재배하였다. 한편, 최근에는 농업 생산성의 정체, 농촌인구 감소 및 고령화, 농산물 시장 개방이라는 위기 아래, 작물 생산량 및 품질을 높이고, 노동력을 절감하기 위한 방안으로, 농업에 ICT(Information and Communication Technology) 기술을 접목한 스마트팜(Smart farm)이 확산되고 있는 추세에 있다.
스마트팜 확산 추세에 맞춰 재배작물의 수확량이나 품질을 향상시키기 위한 노력의 일환으로 온실에서 수집된 다양한 환경데이터와 생육데이터와 작물수확량데이터를 기반으로 작물의 생육을 예측하고, 온실 내 환경을 보다 정밀하게 제어할 수 있는 데이터 처리 방안이나 제어 알고리즘을 구현하기 위한 연구가 지속되고 있다.
예를 들어, 한국공개특허 제10-2021-0114751호는, 순환 신경망을 이용해, 시간적으로 누적된 데이터에 기반하여 작물의 생육 조건과 환경 요인에 따른 작물의 생육량을 예측하고, 예측된 생육량을 이용하여 생육량에 영향을 미치는 환경 요인들을 파악하고, 온실의 환경을 제어하는 자동화된 알고리즘을 제공하는 작물의 생육량 예측 방법 및 장치를 개시하고 있다. 한국공개특허 제10-2021-0114751호에 따른 작물 생육량 예측 장치는 수집한 작물 생육 특성과 환경 요인에 작물의 생육량을 태깅하여 시계열적인 학습 데이터를 생성하고, 학습 데이터로 생육량 예측 모델을 학습시키는 기술로 구현된다.
농업기술센터의 농업데이터 연구결과에 따르면, 작물수확데이터는 3~4주 전 작물의 생육상태에 영향을 받고, 또한 그 생육상태는 3~4주 전 환경상태의 영향을 받는 것으로 보고되고 있다. 이러한 연구에 따르면, 현재 환경상태는 향후 재배작물의 생육상태에 영향을 주고, 그 생육상태는 향후 재배작물의 수확량에 영향을 주게 된다는 것이다.
본 발명은 상기와 같은 배경에서 제안된 것으로, 농부가 운영하는 복수의 온실의 환경데이터와 작물 생육데이터를 수집하고 이를 이용해 현재 작물 생육상태에 영향을 주는 환경속성값을 구한 후 복수의 온실의 환경데이터와 작물 생육데이터와 환경속성값을 기반으로 기계적인 학습을 통해 분석 및 예측의 정확성이 높은 온실 내 작물의 생육예측정보를 제공할 수 있는 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법을 제공하고자 한다.
또한, 본 발명은 농부가 자신의 개인적인 취향이나 이슈가 발생하여 작물의 생장을 영양생장 또는 생식생장으로 유도해야 할 경우에 그에 따른 온실 환경 조절을 위한 환경제어정보를 제공할 수 있는 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법을 제공하고자 한다.
본 발명에 따른 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치는 온실을 운영하는 농부가 사용하는 사용자 단말기와 네트워크를 통해 연결되는 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측장치이다.
본 발명에 따른 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측장치는, 사용자 단말기로부터 온실식별정보와 온실에서 재배하는 작물정보를 입력받아 저장부에 저장하는 온실정보등록처리부와;
사용자 단말기로부터 온실식별정보와 온실에서 재배되는 작물의 재배주차별 생육정보를 입력받아 저장부에 저장하고, 상기 작물의 재배주차별 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn)을 산출하여 저장부에 저장하고, 현재 재배주차의 작물생장값(Sn)과 이전 재배주차의 작물생장값(Sn-1)을 이용하여 생장추세정보를 생성하여 저장부에 저장하는 온실생육정보처리부와;
사용자 단말기로부터 온실식별정보와 온실에서 재배되는 재배주차별 작물의 화방별 과중정보와 작물수확정보를 입력받아 저장부에 저장하는 작물수확정보처리부와;
사용자 단말기로부터 온실식별정보와 온실에 설치된 환경센서에서 감지한 재배주차별 환경정보를 입력받아 저장부에 저장하는 온실환경정보처리부와;
상기 재배주차별 환경정보 중 온도와 상대습도와 증산환경 판단 테이블을 이용해 일정한 시간 간격으로 온실 수분부족분(Humidity Deficit, HD)을 계산하여 저장부에 저장하고, 저장부에 저장된 작물의 재배주차별 생육정보와 재배주차별 환경정보와 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)을 이용해 미리 입력된 환경분석기준정보에 따라 환경속성값들을 산출하여 저장부에 저장하는 환경속성정보처리부와;
사용자 단말기로부터 제1 온실식별정보와 현재 재배중인 작물정보와 재배주차정보를 포함하는 작물생육예측 요청정보가 입력되면, 제1 온실에서 재배중인 작물의 3주 내지 4주 이전의 재배주차별 시간에 따른 제1 온실의 수분부족분(HD) 정보 및 환경속성값들과 현재 재배주차의 작물생장값(Sn)과 생장추세정보를 저장부로부터 검출하고 이를 이용하여 제1 온실의 3주 내지 4주 이전의 재배환경 및 현재 작물생육상태와 유사한 제2 온실정보를 저장부로부터 검출하는 온실정보검출처리부와;
상기 검출된 제2 온실정보에서 다음주차의 작물생육정보를 검출하여 사용자 단말기로 전송하는 작물생육예측처리부를 포함한다.
본 발명에서 환경분석기준정보는 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)과 환경정보에 대한 분석값을 얻기 위해 설정된 정보이며, 적어도 최소, 최대, 평균, 주간평균, 오전평균, 표준편차, 오전 누적시간과 오후 누적시간, 일몰 전후의 시간과 일출 전후의 시간, 일출부터 일몰까지의 누적시간, 일몰부터 다음날 일출까지의 누적시간, 시간당 변화, 변화폭 및 특정온도 범위에서의 누적시간을 포함하는 것을 특징으로 한다.
본 발명에 따른 작물생육 예측장치의 온실정보검출처리부는, 사용자 단말기로부터 제1 온실식별정보와 현재 재배중인 작물정보와 농부가 희망하는 다음주차 작물 생장정보를 포함하는 환경제어데이터 요청정보가 입력되면, 저장부로부터 검출된 제1 온실에서 재배중인 작물의 3주 내지 4주 이전의 재배주차별 시간에 따른 제1 온실의 수분부족분(HD) 정보 및 환경속성값들과 현재 재배주차의 작물생장값(Sn)과 생장추세정보와 농부가 희망하는 다음주차 작물 생장정보와 유사한 제3 온실정보를 저장부로부터 검출하고,
상기 작물생육예측처리부는, 상기 검출된 제3 온실정보에서 다음주차 환경제어데이터를 추출하고, 상기 추출된 다음주차 환경제어데이터를 사용자 단말기로 전송하는 것을 특징으로 한다.
본 발명에 따른 작물생육 예측방법은, 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측방법복수의 온실에서 재배되었거나 현재 재배중인 작물의 재배주차별 환경정보와 생육정보와 작물의 화방별 과중정보와 작물수확정보를 포함하는 온실정보와 미리 설정된 작물의 재배주차별 생육정보의 기준값 정보와 증산환경 판단 테이블을 저장하는 데이터베이스를 이용하여 제1 온실에서 재배중인 작물의 생육상태를 예측하는 작물생육 예측장치에서 실행되는 작물생육 예측방법으로,
제1 온실에 설치된 환경센서에서 감지한 작물의 재배주차별 환경정보 중 온도와 상대습도와 증산환경 판단 테이블을 이용해 일정한 시간 간격으로 온실 수분부족분(Humidity Deficit, HD)을 계산하여 데이터베이스에 저장하고, 데이터베이스에 저장된 작물의 재배주차별 생육정보와 재배주차별 환경정보 및 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)을 이용해 미리 입력된 환경분석기준정보에 따라 환경속성값들을 산출하여 데이터베이스에 저장하는 단계와;
제1 온실식별정보와 현재 재배중인 작물정보 및 재배주차정보를 포함하는 작물생육예측 요청정보가 입력되면, 현재 재배주차정보와 이전 재배주차정보에 대응하는 제1 온실의 작물 생육데이터의 측정값과 미리 설정된 기준값 정보를, 상기 데이터베이스로부터 수신하는 단계와;
상기 제1 온실의 현재 재배주차정보에 대응하는 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn)을 산출하고, 상기 제1 온실의 이전 재배주차정보에 대응하는 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn-1)을 산출하고, 상기 작물생장값들(Sn, Sn-1)을 이용하여 제1 온실의 작물 생육추세정보를 생성하여 저장하는 단계와;
제1 온실에서 재배되는 작물과 동일한 작물에 대한 작물재배정보를 가지고 있는 온실정보를 상기 데이터베이스로부터 수신한 후 그 중 3주 내지 4주 이전의 재배주차 기간동안 시간에 따른 온실 수분부족분(HD) 및 환경속성값들이 제1 온실의 수분부족분(HD) 및 환경속성값들과 유사한 온실정보를 제1차 딥러닝분석을 통해 검출하고,
상기 제1차 딥러닝분석을 통해 검출된 온실정보 중에서, 제1 온실의 현재 재배주차의 작물생장값(Sn) 및 생장추세정보와 유사한 제2 온실정보를 제2차 딥러닝분석을 통해 검출하는 단계와;
상기 검출된 제2 온실정보에서 다음주차의 작물생육정보를 검출하여 사용자 단말기로 전송하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따른 작물생육 예측장치는 작물의 재배주차별 생육정보와 재배주차별 환경정보 및 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)을 이용해 미리 입력된 환경분석기준정보에 따라 환경속성값들을 산출하고 이를 이용하여 작물생육예측에 사용하도록 구현됨으로써, 작물생육 예측의 정확도를 높일 수 있다.
또한, 본 발명에 따르면, 농부가 자신의 개인적인 취향이나 이슈가 발생하여 작물의 생장을 영양생장 또는 생식생장으로 유도해야 할 경우에도 그에 따른 환경제어정보를 참조할 수 있어 농부의 작물 재배에 도움을 줄 수 있다.
도 1 은 본 발명에 따른 작물생육 예측장치를 포함하는 전체 시스템을 설명하기 위한 예시도이다.
도 2 는 본 발명에 따른 작물생육 예측장치의 구성을 설명하기 위한 예시도이다.
도 3 은 본 발명에 따른 작물생육 예측방법을 설명하기 위한 예시도이다.
도 2 는 본 발명에 따른 작물생육 예측장치의 구성을 설명하기 위한 예시도이다.
도 3 은 본 발명에 따른 작물생육 예측방법을 설명하기 위한 예시도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 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.
도 1 은 본 발명에 따른 작물생육 예측장치를 포함하는 전체 시스템을 설명하기 위한 예시도이고, 도 2 는 본 발명에 따른 작물생육 예측장치의 구성을 설명하기 위한 예시도이다.
본 발명에 따른 전체 시스템은 도 1 에 도시한 바와 같이, 무선 중계기(111)와 사용자 단말기(121)와 작물생육 예측장치(200)를 포함하여 구현될 수 있다.
무선 중계기(111)는 복수의 온실 내 환경센서와 내부 통신망 예를 들어, 로라(LoRa) 통신망을 연결될 수 있다. 로라(LoRa) 통신 기술은 다른 무선통신 프로토콜보다 훨씬 긴 범위(가시거리가 확보된 환경에서 최대 21km)를 가지므로 많은 수신기 및 AP 가 필요 없어 인프라 구축 비용을 낮출 수 있다. 로라(LoRa) 통신 기술은 3/4G 셀룰러 네트워크에 비해 임베디드 애플리케이션을 위한 더욱 높은 확장 가능성과 비용 효율성을 제공할 수 있다.
복수의 온실 내 환경센서는 블루투스(Bluetooth), 지그비(Zigbee), 적외선 통신(IrDA), 와이-파이(Wi-Fi) 통신프로토콜에 따라 액추에이터와 근거리 무선 통신을 수행할 수 있다. 복수의 온실 내 환경센서에서 감지한 환경데이터는 사용자 단말기(121) 및 작물생육 예측장치(200)로 전송될 수 있다. 복수의 온실 내 환경센서는 온도, 상대습도, 이산화탄소량 등을 수집하는 센서들의 집합체일 수 있다.
복수의 온실 내 액추에이터는 통신부와 제어장치와 구동부를 포함하여 구현될 수 있다. 복수의 온실 내 액추에이터의 통신부는 근거리 무선 통신모듈과 로라(LoRa) 통신모듈을 포함할 수 있다. 제어장치는 라즈베리파이(raspberry pi), 아두이노(Arduino), 아틱(ARTIK), 비글보드(beagleboard), 갈릴레오 보드(galileo board) 등의 오픈소스 하드웨어를 사용할 수 있다. 구동부는 전원공급장치, 릴레이, 모터 등을 포함하여 구현될 수 있다.
사용자 단말기(121)는 작물생육 예측장치(200)와 네트워크로 연결되는 통신 장치로서, 예를 들어 PDA(Personal Digital Assistant), 데스크탑 PC, 노트북, 태블릿 PC, 스마트폰, 또는 웨어러블 PC 일 수 있다. 사용자 단말기(121)는 작물생육 예측장치(200)로부터 작물재배주차별 작물재배정보를 입력받아 저장하거나 표시할 수 있다.
사용자 단말기(121)는 복수의 온실 내 환경센서로부터 환경데이터를 입력받아 저장하며, 사용자 요청에 따라 과거 또는 현재의 환경데이터를 표시할 수 있다. 사용자 단말기(121)는 작물재배주차별 작물재배 이행정보를 사용자로부터 입력받아 저장부에 저장하며, 작물생육 예측장치(200)로 전송할 수 있다. 사용자 단말기(121)는 온실 내 재배작물 중에 선택된 복수의 샘플들의 생육데이터를 사용자로부터 입력받아 저장부에 저장하며, 작물생육 예측장치(200)로 전송할 수 있다.
예를 들어, 작물 생육데이터는 초장, 절간수, 주간생육길이, 줄기굵기, 잎길이, 잎폭, 엽수, 엽면적, 최대 엽장, 적역량, 적심 절위, 주당 화방수, 과일의 평균 과중, 수확량, 화방번호, 착화절위, 경경, 화방별 개화수, 생장점에서 화방거리, 화방간 거리, 착과수, 적과수 등을 포함할 수 있다.
작물생육 예측장치(200)는 일례로, 팜 클라우드 서버, 랩탑 컴퓨터 내에 구현될 수 있다. 작물생육 예측장치(200)는 농부들이 필요로 하는 작물의 작물생육정보를 예측하여 알려준다. 도 2에 도시한 바와 같이, 크게 통신부(210)와 저장부(220)와 제어부(230)를 포함하여 구현될 수 있다.
저장부(220)는 복수의 온실에서 재배되었거나 현재 재배중인 작물의 재배주차별 환경정보와 생육정보와 작물의 화방별 과중정보와 작물수확정보를 포함하는 온실정보와 미리 설정된 작물의 재배주차별 생육정보의 기준값 정보와 증산환경 판단 테이블을 저장할 수 있다. 온실정보는 온실식별정보와 온실의 위치와 온실을 운영하는 농부의 연락처를 더 포함할 수 있다.
제어부(230)는 저장부(220)에 저장된 프로그램과 데이터를 실행하며, 온실정보등록처리부(231)와 온실환경정보처리부(232)와 온실생육정보처리부(233)와 작물수확정보처리부(234)와 환경속성정보처리부(235)와 온실정보검출처리부(236)와 작물생육예측처리부(237)를 포함하여 구현될 수 있다.
온실정보등록처리부(231)는 사용자 단말기로부터 온실식별정보와 온실에서 재배하는 작물정보를 입력받아 저장부(220)에 저장한다. 작물정보는 예컨대 토마토, 고추, 참외, 파트리카, 오이일 수 있다. 온실정보등록처리부(231)는 사용자 단말기로부터 온실의 위치와 온실을 운영하는 농부의 연락처를 입력받아 저장부(220)에 저장한다.
온실환경정보처리부(232)는 사용자 단말기로부터 온실식별정보와 온실에 설치된 환경센서에서 감지한 재배주차별 환경정보를 입력받아 저장부(220)에 저장한다. 온실 환경정보는 온도, 습도, 대기압, 일사량, 이산화탄소량을 포함할 수 있다.
온실생육정보처리부(233)는 사용자 단말기로부터 온실식별정보와 온실에서 재배되는 작물의 재배주차별 생육정보를 입력받아 저장부(220)에 저장한다. 온실생육정보처리부(233)는 작물의 재배주차별 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn)을 산출하고 이를 저장부(220)에 저장한다.
작물의 재배주차별 생육정보의 기준값은 농업기술센터의 작물별 농업기술정보를 통해 입수가능하다. 농업기술센터는 지역별로 존재하며 지역 특산물에 대한 오랜 농업기술정보를 수집 및 관리한다.
아래 표 1을 참조하면, 주간 생육길이, 줄기굵기, 잎길이, 잎폭, 입수, 엽면적지수를 포함하는 생육정보에 대해, 8주(2021.7.14) 및 9주(2021.7.22)에 따른 측정값을 나타낸 것이다. 현재 재배주차인 9주차 작물생장값과 이전 재배주차인 8주차 작물생장값은 각각 생육정보의 측정값과 기준값의 차이값이다. 작물생장값을 이용하여 현재 작물의 생육상태가 영양생식인지 생식생인지를 판단할 수 있다.
온실생육정보처리부(233)는 현재 재배주차의 작물생장값(Sn)과 이전 재배주차의 작물생장값(Sn-1)을 이용하여 생장추세정보를 생성하여 저장부(220)에 저장한다. 예를 들어, 생장추세정보는 수학식 1에 의해 산출될 수 있다.
S 는 생장추세정보, Sn,m 과 Sn-1,m 은 작물생장값이고, n 은 재배주차이고, m 은 생육정보의 종류이다. 예를 들어 표 1을 참조하면 m이 1 인 경우 주간 생육길이, m이 2인 경우 줄기굵기, m이 3인 경우 잎길이 등으로 정해질 수 있다.
온실생육정보처리부(233)는 예를 들어, 생육정보 중에서 줄기굵기의 변화량에 따라 생장강도의 강, 약을 판단할 수 있다.
작물수확정보처리부(234)는 사용자 단말기로부터 온실식별정보와 온실에서 재배되는 재배주차별 작물의 화방별 과중정보와 작물수확정보를 입력받아 저장부(220)에 저장한다.
환경속성정보처리부(235)는 재배주차별 환경정보 중 온도와 상대습도와 증산환경 판단 테이블을 이용해 일정한 시간 간격으로 온실 수분부족분(Humidity Deficit, HD)을 계산하여 저장부(220)에 저장한다.
예를 들어, 수분부족분을 계산하는 방식은 공지의 임의의 방식이 적용될 수 있다. 또한, 예를 들어, 증산환경 판단 테이블에 따른 단계별 증산환경정보는 수분부족분의 정도에 따라 아주 적은 증산, 적은 증산, 적합한 증산, 많은 증산, 매우 많은 증산, 심각한 증산의 6개의 레벨로 구분될 수 있으나, 증산환경레벨 구분이 이에 한정되지는 않는다.
예를 들어, 아주 적은 증산은 수분부족분이 1.1 g/㎥ 미만의 상태로 짙은 파란색으로 표시되고, 적은 증산은 수분부족분이 1.1 g/㎥ 이상 2.8 g/㎥ 미만의 상태로 옅은 파란색으로 표시되고, 적합한 증산은 수분부족분이 2.8 g/㎥ 이상 6 g/㎥ 미만의 상태로 옅은 초록색으로 표시되고, 많은 증산은 수분부족분이 6 g/㎥ 이상 11 g/㎥ 미만의 상태로 옅은 노란색으로 표시되고, 매우 많은 증산은 수분부족분이 11 g/㎥ 이상 15 g/㎥ 미만의 상태로 옅은 주황색으로 표시되고, 심각한 증산은 수분부족분이 15 g/㎥ 이상의 상태로 옅은 빨간색으로 표시될 수 있다.
환경속성정보처리부(235)는 작물의 재배주차별 생육정보와 재배주차별 환경정보와 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)을 이용해 미리 입력된 환경분석기준정보에 따라 환경속성값들을 산출하여 저장부(220)에 저장한다.
환경분석기준정보는 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)과 환경정보에 대한 분석값을 얻기 위해 설정된 정보이며, 적어도 최소, 최대, 평균, 주간평균, 오전평균, 표준편차, 오전 누적시간과 오후 누적시간, 일몰 전후의 시간과 일출 전후의 시간, 일출부터 일몰까지의 누적시간, 일몰부터 다음날 일출까지의 누적시간, 시간당 변화, 변화폭 및 특정온도 범위에서의 누적시간을 포함한다.
환경속성정보처리부(235)에서 산출하는 환경속성값은 예를 들어, 적합한 증산의 오전 누적시간, 적합한 증산의 일출부터 일몰까지의 누적시간, 일몰부터 다음날 일출까지 적합한 증산 누적시간, 1일 동안 적합한 증산 누적시간을 포함할 수 있으나, 환경속성값은 이에 한정되지는 않는다.
농업기술센터의 농업데이터 연구결과에 따르면, 작물수확데이터는 3~4주 전의 생육데이터에 영향을 받고, 또한 그 생육데이터는 3~4주 전의 환경데이터의 영향을 받게 된다. 따라서, 현재 환경상태는 향후 생육에 영향을 주고, 그 생육상태는 향후 수확데이터에 영향을 주게 된다.
온실정보검출처리부(236)는 사용자 단말기로부터 제1 온실식별정보와 현재 재배중인 작물정보와 재배주차정보를 포함하는 작물수확예측 요청정보가 입력되면, 제1 온실에서 재배중인 작물의 3주 내지 4주 이전의 재배주차별 시간에 따른 제1 온실의 수분부족분(HD) 정보 및 환경속성값들과 현재 재배주차의 작물생장값(Sn)과 생장추세정보를 저장부(220)로부터 검출하고 이를 이용하여 제1 온실의 3주 내지 4주 이전의 재배환경 및 현재 작물생육상태와 유사한 제2 온실정보를 저장부(220)로부터 검출한다.
작물생육예측처리부(237)는 검출된 제2 온실정보에서 다음주차의 작물생육정보를 검출하여 사용자 단말기로 전송한다. 작물생육정보는 잎, 줄기, 뿌리가 발달하는 영양생장상태와 꽃과 과실이 발달하는 생식생장상태로 구분된다. 토마토, 오이, 참외와 같은 작물은 영양생장과 생식생장을 병행하여 연속 수확 시 균형있는 생장을 도모하는 것이 중요하다.
영양생장상태는 일례로, 초장, 절간수, 주간생육길이, 줄기굵기, 잎길이, 잎폭, 엽수, 엽면적, 최대 엽장, 적역량, 적심 절위를 포함한다. 생식생장상태는 주당 화방수, 과일의 평균 과중, 착화절위, 개화수, 착과수, 적과수를 포함할 수 있다. 영양생장과 생식생장의 유도는 온실 내부의 환경 조절로 가능하다.
본 발명은 온실에서 작물을 재배하는 농부가 다음주차 작물 생장을 영양생장 또는 생식생장이 되도록 유도하기 위해, 다음주차에 온실 내부의 환경 조절을 어떻게 제어해야 할지를 알려줄 수 있다.
이 같은 실시예에 따르면, 온실정보검출처리부(236)는 사용자 단말기로부터 제1 온실식별정보와 현재 재배중인 작물정보와 농부가 희망하는 다음주차 작물 생장정보를 포함하는 환경제어데이터 요청정보가 입력되면, 저장부로부터 검출된 제1 온실에서 재배중인 작물의 3주 내지 4주 이전의 재배주차별 시간에 따른 제1 온실의 수분부족분(HD) 정보 및 환경속성값들과 현재 재배주차의 작물생장값(Sn)과 생장추세정보와 농부가 희망하는 다음주차 작물 생장정보와 유사한 제3 온실정보를 저장부로부터 검출한다. 작물생육예측처리부(237)는 검출된 제3 온실정보에서 다음주차 환경제어데이터를 추출하고, 추출된 다음주차 환경제어데이터를 사용자 단말기로 전송한다.
도 3 은 본 발명에 따른 작물생육 예측장치에서 실행되는 작물생육 예측방법을 설명하기 위한 예시도이다.
작물생육 예측장치는 복수의 온실에서 재배되었거나 현재 재배중인 작물의 재배주차별 환경정보와 생육정보와 작물의 화방별 과중정보와 작물수확정보를 포함하는 온실정보와 미리 설정된 작물의 재배주차별 생육정보의 기준값 정보와 증산환경 판단 테이블을 저장하는 데이터베이스를 자체에 구비할 수도 있고, 데이터베이스와 별개로 독립하여 구현될 수도 있다.
단계 301에서, 작물생육 예측장치는 제1 온실에 설치된 환경센서에서 감지한 작물의 재배주차별 환경정보 중 온도와 상대습도와 증산환경 판단 테이블을 이용해 일정한 시간 간격으로 온실 수분부족분(Humidity Deficit, HD)을 계산하여 데이터베이스에 저장한다.
예를 들어, 수분부족분을 계산하는 방식은 공지의 임의의 방식이 적용될 수 있다. 또한, 예를 들어, 증산환경 판단 테이블에 따른 단계별 증산환경정보는 수분부족분의 정도에 따라 아주 적은 증산, 적은 증산, 적합한 증산, 많은 증산, 매우 많은 증산, 심각한 증산의 6개의 레벨로 구분될 수 있으나, 증산환경레벨 구분이 이에 한정되지는 않는다.
단계 301에서, 작물생육 예측장치는 데이터베이스에 저장된 작물의 재배주차별 생육정보와 재배주차별 환경정보 및 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)을 이용해 미리 입력된 환경분석기준정보에 따라 환경속성값들을 산출하여 데이터베이스에 저장한다.
환경분석기준정보는 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)과 환경정보에 대한 분석값을 얻기 위해 설정된 정보이며, 적어도 최소, 최대, 평균, 주간평균, 오전평균, 표준편차, 오전 누적시간과 오후 누적시간, 일몰 전후의 시간과 일출 전후의 시간, 일출부터 일몰까지의 누적시간, 일몰부터 다음날 일출까지의 누적시간, 시간당 변화, 변화폭 및 특정온도 범위에서의 누적시간을 포함한다.
환경속성값은 예를 들어, 적합한 증산의 오전 누적시간, 적합한 증산의 일출부터 일몰까지의 누적시간, 일몰부터 다음날 일출까지 적합한 증산 누적시간, 1일 동안 적합한 증산 누적시간을 포함할 수 있으나, 환경속성값은 이에 한정되지는 않는다.
단계 302에서, 작물생육 예측장치는 제1 온실식별정보와 현재 재배중인 작물정보 및 재배주차정보를 포함하는 작물생육예측 요청정보가 입력되면 현재 재배주차정보와 이전 재배주차정보에 대응하는 제1 온실의 작물 생육데이터의 측정값과 미리 설정된 기준값 정보를, 데이터베이스로부터 수신한다.
일례로, 작물의 재배주차별 생육정보의 기준값은 농업기술센터의 작물별 농업기술정보를 통해 입수가능하다. 농업기술센터는 지역별로 존재하며 지역 특산물에 대한 오랜 농업기술정보를 수집 및 관리한다.
단계 303에서, 작물생육 예측장치는 작물생육 예측장치는 제1 온실의 현재 재배주차정보에 대응하는 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn)을 산출하고, 상기 제1 온실의 이전 재배주차정보에 대응하는 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn-1)을 산출한다. 작물생육 예측장치는 산출된 작물생장값들(Sn, Sn-1)을 이용하여 제1 온실의 작물 생육추세정보를 생성하여 데이터베이스에 저장한다.
작물 생육추세정보와 작물생장값들(Sn, Sn-1)은 예를 들어, 영양생장에서 생식생장으로, 약한 영양생장에서 강한 영양생장으로, 생식생장에서 영양생장으로 변화되는 정보를 포함한다.
단계 304에서, 작물생육 예측장치는 제1 온실에서 재배되는 작물과 동일한 작물에 대한 작물재배정보를 가지고 있는 온실정보를 데이터베이스로부터 수신한 후 그 중 3주 내지 4주 이전의 재배주차 기간동안 시간에 따른 온실 수분부족분(HD) 및 환경속성값들이 제1 온실의 수분부족분(HD) 및 환경속성값들과 유사한 온실정보를 제1차 딥러닝분석을 통해 검출하고, 제1차 딥러닝분석을 통해 검출된 온실정보 중에서, 제1 온실의 현재 재배주차의 작물생장값(Sn) 및 생장추세정보와 유사한 제2 온실정보를 제2차 딥러닝분석을 통해 검출한다.
단계 305에서, 작물생육 예측장치는 검출된 제2 온실정보에서 다음주차의 작물생육정보를 검출하여 사용자 단말기로 전송한다. 작물생육정보는 잎, 줄기, 뿌리가 발달하는 영양생장상태와 꽃과 과실이 발달하는 생식생장상태로 구분된다. 영양생장상태는 일례로, 초장, 절간수, 주간생육길이, 줄기굵기, 잎길이, 잎폭, 엽수, 엽면적, 최대 엽장, 적역량, 적심 절위를 포함한다. 생식생장상태는 주당 화방수, 과일의 평균 과중, 착화절위, 개화수, 착과수, 적과수를 포함할 수 있다.
이상 본 발명을 여러 실시예에 기초하여 설명하였는데, 이는 본 발명을 예증하기 위한 것이다. 통상의 기술자라면, 위 실시예를 기술사상을 유지한 채 다른 형태로 변형하거나 수정할 수 있을 것이다. 그러나, 본 출원의 권리범위는 아래의 특허 청구범위에 의해 정해지므로, 그러한 변형이나 수정이 아래의 특허 청구범위의 권리범위에 포함되는 것으로 해석될 수 있다.
Claims (5)
- 온실을 운영하는 농부가 사용하는 사용자 단말기와 네트워크를 통해 연결되는 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측장치에 있어서,
상기 작물생육 예측장치는:
사용자 단말기로부터 온실식별정보와 온실에서 재배하는 작물정보를 입력받아 저장부에 저장하는 온실정보등록처리부와;
사용자 단말기로부터 온실식별정보와 온실에서 재배되는 작물의 재배주차별 생육정보를 입력받아 저장부에 저장하고, 상기 작물의 재배주차별 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn)을 산출하여 저장부에 저장하고, 현재 재배주차의 작물생장값(Sn)과 이전 재배주차의 작물생장값(Sn-1)을 이용하여 생장추세정보를 생성하여 저장부에 저장하는 온실생육정보처리부와;
사용자 단말기로부터 온실식별정보와 온실에서 재배되는 재배주차별 작물의 화방별 과중정보와 작물수확정보를 입력받아 저장부에 저장하는 작물수확정보처리부와;
사용자 단말기로부터 온실식별정보와 온실에 설치된 환경센서에서 감지한 재배주차별 환경정보를 입력받아 저장부에 저장하는 온실환경정보처리부와;
상기 재배주차별 환경정보 중 온도와 상대습도와 증산환경 판단 테이블을 이용해 일정한 시간 간격으로 온실 수분부족분(Humidity Deficit, HD)을 계산하여 저장부에 저장하고, 저장부에 저장된 작물의 재배주차별 생육정보와 재배주차별 환경정보와 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)을 이용해 미리 입력된 환경분석기준정보에 따라 환경속성값들을 산출하여 저장부에 저장하는 환경속성정보처리부와;
사용자 단말기로부터 제1 온실식별정보와 현재 재배중인 작물정보와 재배주차정보를 포함하는 작물생육예측 요청정보가 입력되면, 제1 온실에서 재배중인 작물의 3주 내지 4주 이전의 재배주차별 시간에 따른 제1 온실의 수분부족분(HD) 정보 및 환경속성값들과 현재 재배주차의 작물생장값(Sn)과 생장추세정보를 저장부로부터 검출하고 이를 이용하여 제1 온실의 3주 내지 4주 이전의 재배환경 및 현재 작물생육상태와 유사한 제2 온실정보를 저장부로부터 검출하는 온실정보검출처리부와;
상기 검출된 제2 온실정보에서 다음주차의 작물생육정보를 검출하여 사용자 단말기로 전송하는 작물생육예측처리부를 포함하는,
복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측장치. - 청구항 1 에 있어서,
상기 환경분석기준정보는 상기 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)과 환경정보에 대한 분석값을 얻기 위해 설정된 정보이며, 적어도 최소, 최대, 평균, 주간평균, 오전평균, 표준편차, 오전 누적시간과 오후 누적시간, 일몰 전후의 시간과 일출 전후의 시간, 일출부터 일몰까지의 누적시간, 일몰부터 다음날 일출까지의 누적시간, 시간당 변화, 변화폭 및 특정온도 범위에서의 누적시간을 포함하는 것을 특징으로 하는,
복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측장치. - 청구항 1 에 있어서,
상기 온실정보검출처리부는,
사용자 단말기로부터 제1 온실식별정보와 현재 재배중인 작물정보와 농부가 희망하는 다음주차 작물 생장정보를 포함하는 환경제어데이터 요청정보가 입력되면, 저장부로부터 검출된 제1 온실에서 재배중인 작물의 3주 내지 4주 이전의 재배주차별 시간에 따른 제1 온실의 수분부족분(HD) 정보 및 환경속성값들과 현재 재배주차의 작물생장값(Sn)과 생장추세정보와 농부가 희망하는 다음주차 작물 생장정보와 유사한 제3 온실정보를 저장부로부터 검출하고,
상기 작물생육예측처리부는,
상기 검출된 제3 온실정보에서 다음주차 환경제어데이터를 추출하고, 상기 추출된 다음주차 환경제어데이터를 사용자 단말기로 전송하는 것을 특징으로 하는,
복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측장치. - 복수의 온실에서 재배되었거나 현재 재배중인 작물의 재배주차별 환경정보와 생육정보와 작물의 화방별 과중정보와 작물수확정보를 포함하는 온실정보와 미리 설정된 작물의 재배주차별 생육정보의 기준값 정보와 증산환경 판단 테이블을 저장하는 데이터베이스를 이용하여 제1 온실에서 재배중인 작물의 생육상태를 예측하는 작물생육 예측장치에서 실행되는 작물생육 예측방법으로,
제1 온실에 설치된 환경센서에서 감지한 작물의 재배주차별 환경정보 중 온도와 상대습도와 증산환경 판단 테이블을 이용해 일정한 시간 간격으로 온실 수분부족분(Humidity Deficit, HD)을 계산하여 데이터베이스에 저장하고, 데이터베이스에 저장된 작물의 재배주차별 생육정보와 재배주차별 환경정보 및 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)을 이용해 미리 입력된 환경분석기준정보에 따라 환경속성값들을 산출하여 데이터베이스에 저장하는 단계와;
제1 온실식별정보와 현재 재배중인 작물정보 및 재배주차정보를 포함하는 작물생육예측 요청정보가 입력되면, 현재 재배주차정보와 이전 재배주차정보에 대응하는 제1 온실의 작물 생육데이터의 측정값과 미리 설정된 기준값 정보를, 상기 데이터베이스로부터 수신하는 단계와;
상기 제1 온실의 현재 재배주차정보에 대응하는 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn)을 산출하고, 상기 제1 온실의 이전 재배주차정보에 대응하는 생육정보의 측정값과 미리 설정된 기준값을 이용하여 작물생장값(Sn-1)을 산출하고, 상기 작물생장값들(Sn, Sn-1)을 이용하여 제1 온실의 작물 생육추세정보를 생성하여 저장하는 단계와;
제1 온실에서 재배되는 작물과 동일한 작물에 대한 작물재배정보를 가지고 있는 온실정보를 상기 데이터베이스로부터 수신한 후 그 중 3주 내지 4주 이전의 재배주차 기간동안 시간에 따른 온실 수분부족분(HD) 및 환경속성값들이 제1 온실의 수분부족분(HD) 및 환경속성값들과 유사한 온실정보를 제1차 딥러닝분석을 통해 검출하고,
상기 제1차 딥러닝분석을 통해 검출된 온실정보 중에서, 제1 온실의 현재 재배주차의 작물생장값(Sn) 및 생장추세정보와 유사한 제2 온실정보를 제2차 딥러닝분석을 통해 검출하는 단계와;
상기 검출된 제2 온실정보에서 다음주차의 작물생육정보를 검출하여 사용자 단말기로 전송하는 단계를 포함하는 것을 특징으로 하는,
복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측방법. - 청구항 4 에 있어서,
상기 환경분석기준정보는 상기 일정한 시간 간격으로 계산된 온실의 수분부족분(HD)과 환경정보에 대한 분석값을 얻기 위해 설정된 정보이며, 적어도 최소, 최대, 평균, 주간평균, 오전평균, 표준편차, 오전 누적시간과 오후 누적시간, 일몰 전후의 시간과 일출 전후의 시간, 일출부터 일몰까지의 누적시간, 일몰부터 다음날 일출까지의 누적시간, 시간당 변화, 변화폭 및 특정온도 범위에서의 누적시간을 포함하는 것을 특징으로 하는,
복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210139228A KR20230055631A (ko) | 2021-10-19 | 2021-10-19 | 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210139228A KR20230055631A (ko) | 2021-10-19 | 2021-10-19 | 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230055631A true KR20230055631A (ko) | 2023-04-26 |
Family
ID=86099551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210139228A KR20230055631A (ko) | 2021-10-19 | 2021-10-19 | 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230055631A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101823521B1 (ko) | 2015-01-09 | 2018-01-30 | 한국전자통신연구원 | 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법 |
| KR20210114751A (ko) | 2020-03-11 | 2021-09-24 | 서울대학교산학협력단 | 작물의 생육량 예측 방법 및 장치 |
-
2021
- 2021-10-19 KR KR1020210139228A patent/KR20230055631A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101823521B1 (ko) | 2015-01-09 | 2018-01-30 | 한국전자통신연구원 | 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법 |
| KR20210114751A (ko) | 2020-03-11 | 2021-09-24 | 서울대학교산학협력단 | 작물의 생육량 예측 방법 및 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10966377B2 (en) | Intelligent growing management method and intelligent growing device | |
| KR101852987B1 (ko) | 고부가가치 버섯재배를 위한 모듈형 식물공장시스템 | |
| KR101811640B1 (ko) | 기계학습을 이용한 작물의 생산량 예측장치 및 방법 | |
| KR20200122612A (ko) | 작물 생육 제어 시스템 | |
| CN104991459A (zh) | 一种有机蔬菜大棚监控系统及方法 | |
| KR20190106388A (ko) | 생육 레시피를 생성 및 제공하는 식물 재배 시스템 | |
| KR102175904B1 (ko) | 농산물 수급 예측 서버 및 농산물 수확 최적지 분석 방법 | |
| KR20180022159A (ko) | 기계학습을 이용한 양액제어장치 및 방법 | |
| KR20200063500A (ko) | 모듈형 스마트팜 버섯재배 시스템 | |
| CN116824362A (zh) | 一种农产品监控方法和系统 | |
| CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
| KR20170052898A (ko) | 농장 맞춤형 영농 정보제공 서버, 방법 및 그 프로그램 | |
| CN114066033A (zh) | 一种智慧农业优化方法和系统 | |
| KR20200056520A (ko) | 클라우드 기반 토마토 생육진단 및 생산성 예측 방법 | |
| JP2021057071A (ja) | 農作物の栽培方法提案プログラム及びシステム | |
| KR20230055631A (ko) | 복수의 온실 환경정보와 작물 생육정보를 이용한 작물생육 예측 장치 및 방법 | |
| KR102355211B1 (ko) | 농작물 재배 모니터링 시스템 | |
| KR20230045370A (ko) | 복수의 온실 환경정보와 작물 생육정보를 이용한 작물수확량 예측장치 및 작물수확량 예측장치에서 실행되는 화방별 과중정보 예측방법 | |
| CN110377082A (zh) | 一种温室中的自动化控制系统 | |
| KR102377963B1 (ko) | 육묘장 관리 시스템 및 방법 | |
| KR102132324B1 (ko) | 농장 운영정보 제공 시스템 | |
| KR20180054352A (ko) | 농업 기상 정보를 이용한 노지 농가 재배 경영 관리 방법 | |
| KR102580770B1 (ko) | 스마트 토양상태센서와 비콘 기능이 결합된 지능형 스마트 식물 케어 시스템 | |
| KR102545118B1 (ko) | 식재도를 이용한 과수원의 관리 방법 및 시스템 | |
| KR102451509B1 (ko) | 스마트 토양 관리시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |