KR20230056896A - 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템 - Google Patents

식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템 Download PDF

Info

Publication number
KR20230056896A
KR20230056896A KR1020210140694A KR20210140694A KR20230056896A KR 20230056896 A KR20230056896 A KR 20230056896A KR 1020210140694 A KR1020210140694 A KR 1020210140694A KR 20210140694 A KR20210140694 A KR 20210140694A KR 20230056896 A KR20230056896 A KR 20230056896A
Authority
KR
South Korea
Prior art keywords
plant
light source
leaf
secondary metabolite
model
Prior art date
Application number
KR1020210140694A
Other languages
English (en)
Inventor
손정익
윤효인
오명민
Original Assignee
서울대학교산학협력단
충북대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단, 충북대학교 산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020210140694A priority Critical patent/KR20230056896A/ko
Priority to US17/965,456 priority patent/US11889800B2/en
Publication of KR20230056896A publication Critical patent/KR20230056896A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • 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
    • A01G9/249—Lighting means
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/14—Controlling the light source in response to determined parameters by determining electrical parameters of the light source
    • 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
    • A01G7/00—Botany in general
    • A01G7/04—Electric or magnetic or acoustic treatment of plants for promoting growth
    • A01G7/045—Electric or magnetic or acoustic treatment of plants for promoting growth with electric lighting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Environmental Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Botany (AREA)
  • General Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Forests & Forestry (AREA)
  • Ecology (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Wood Science & Technology (AREA)
  • Pathology (AREA)
  • Cultivation Of Plants (AREA)

Abstract

실시예는 식물의 이차대사산물 조절을 위한 인공 광원 설정 방법 및 시스템에 관한 것으로서, 식물의 재배환경 및 식물의 3D 구조 모델링과 광학 시뮬레이션을 이용한 수광량 측정을 이용하여 식물의 이차대사산물 함량을 예측하고, 이에 따라 인공 광원을 설정하는, 식물의 이차대사산물 조절을 위한 인공 광원 설정 방법 및 시스템을 제공한다.

Description

식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템{METHOD AND SYSTEM FOR SEETING ARTIFICIAL LIGHTING IN PLAINT FACTORY}
본 발명의 실시예는 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템에 관한 것으로서, 보다 상세하게는 식물의 이차대사산물의 함량을 조절하거나 식물의 잎마다 균일한 이차대사산물을 함유하도록 조절하는 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템에 관한 것이다.
자외선은 UV-A, UV-B, UV-C로 나뉘며, 자연 상태에서 UV-C(280nm 이하)는 오존에 의해 지구 표면에 도달하지 못한다. 또한, UV-C보다 더 긴 파장의 UV-A(320 ~ 390nm)와 UV-B(280 ~ 320nm)만 지구 표면에 도달하게 된다. 따라서, 가시광선보다 파장이 짧아 에너지가 큰 자외선은 식물의 디옥시리보해산(DNA) 또는 단백질 등을 손상시킬 수 있으며, 활성산소종(ROS: Reactive Oxygen Species)을 유발할 수 있다.
따라서, 과도한 자외선에 대한 식물의 방어기작 중 하나로 페놀 및 플라보노이드 화합물 등의 이차대사산물이 식물에 축적된다. 식물에 축적되는 이차대사산물은 직접적으로 식물에 침입하는 자외선을 차단하며, 이사대사산물 자체의 항산화능을 통해 자외선에 의한 세포 손상을 완화한다. 따라서, 손상을 유발시키지 않는 수준의 낮은 용량의 자외선 조사를 통해 이차대사산물 함량을 증대시킬 수 있는 기술이 연구되고 있다.
다만, 기존의 인공 자외선 조사 기술은 수은, 메탈할라이드를 이용하는 광원을 사용하며, 넓은 파장대와 조절되지 않는 높은 에너지로 인하여 식물에 대한 적용성이 떨어진다는 문제점이 있다.
또한, 식물을 재배하기 위한 식물 공장(Plant Factory)은 광도, 광주기, 온도, 습도 등 식물을 재배하기 위한 다양한 환경 요소를 제어하여 작물의 재배환경을 최적화할 수 있는 식물생산시설이다. 이러한 식물 공장 중 LED를 이용한 인공광 이용형 식물 공장은 작은 엽채류를 주로 생성한다.
하지만, 기존의 식물 공장에서 사용되는 식물 재배용 LED는 균일한 광 분포와 효율적인 세기로 작물의 생육을 증진하는 목적으로만 설계되었을 뿐, 식물의 생리활성물질(이차대사산물) 함량 증대 및 조절을 목적으로 사용될 수 없다.
식물의 이차대사산물의 함량을 조절하거나, 식물에 균일하게 이차대사산물이 함유되지 않는다면, 천연물 유래 기능성 식물이나 천연물 유래 의약품의 경우 품질의 불균일이 초래될 수 있다는 문제점이 있다.
더불어, 자외선에 대한 식물의 반응은 자외선의 세기뿐만 아니라 엽령과 같은 생리적 요인에 의해서도 영향을 받는다. 따라서, 식물의 생리활성 물질 함량 축적 또한 엽령과 같은 생리적 요인에 의해 영향을 받는다. 하지만, 식물은 다양한 엽령을 가지는 엽의 위치가 혼재되어있는 3차원 구조를 가지므로, 단순히 균일한 광을 조사하는 종래의 식물 재배용 LED를 사용하는 경우, 식물의 이차대사산물 함량을 예측하기 어렵다는 문제점이 있다.
본 발명의 실시예에 따른 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템은 식물의 이차대사산물 함량을 증가시키고, 식물의 엽 각각에 포함된 이차대사산물의 함량을 균일하게 하기 위한 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템을 제공하기 위한 것이다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 실시예에 따른 인공 광원 설정 방법은, 식물의 3차원 구조 모델 및 식물 공장의 광원 데이터를 이용하여 시뮬레이션 모델을 생성하는 단계, 상기 식물의 3차원 구조 모델에 포함된 복수의 엽 각각에 대한 수광 분석을 수행하여, 상기 엽 각각의 이차대사산물 함량을 예측하는 단계, 그리고 상기 복수의 옆 각각의 이차대사산물 함량이 미리 설정된 값을 가지도록 광원 설정 값을 도출하고, 상기 광원 설정 값에 따라 상기 식물 공장의 인공 광원 설정을 변경하는 단계를 포함한다.
또한, 실시예에 따른 시뮬레이션 모델을 생성하는 단계는, 3차원 스캐너를 이용하여 식물의 3차원 스캔 데이터를 생성하는 단계, 그리고 상기 3차원 스캔 데이터를 이용하여 서피스 모델(surface model)을 생성하는 단계를 포함한다.
또한, 실시예에 따른 이차대사산물 함량을 예측하는 단계는, 상기 서피스 모델에 포함된 복수의 엽 각각을 검출기(detector)로 설정하는 단계, 그리고 상기 식물의 엽 각각의 수광량을 예측하는 단계를 포함한다.
또한, 실시예에 따른 이차대사산물 함량을 예측하는 단계는, 상기 식물의 광학 특성 및 이차대사산물 함량을 데이터를 수신하고, 식물의 광학 특성과 이차대사산물 함량에 대한 선형 회귀분석을 수행하는 단계를 더 포함한다.
또한, 실시예에 따른 이차대사산물 함량을 예측하는 단계는, 상기 엽 각각의 수광량 예측 결과를 이용하여 상기 식물의 엽별, 엽의 높이별, 상기 식물의 생육 단계 중 어느 하나에 따른 수광량을 도출하는 단계, 그리고 상기 식물의 엽별, 엽의 높이별, 상기 식물의 생육 단계 중 어느 하나에 따른 수광량과 상기 선형 회귀분석 결과를 이용하여 이차대사산물 함량을 예측하는 단계를 더 포함한다.
또한, 실시예에 따른 인공 광원 설정 시스템은, 식물의 재배를 위한 빛을 생성하는 인공 조명, 광학 시뮬레이션 프로그램이 저장된 메모리, 그리고 상기 메모리에 저장된 광학 시뮬레이션 프로그램을 실행하는 프로세서를 포함하며, 상기 프로세서는 상기 광학 시뮬레이션 프로그램을 실행하여, 식물의 3차원 구조 모델 및 식물 공장의 광원 데이터를 이용한 시뮬레이션 모델을 생성하고, 상기 식물의 3차원 구조 모델에 포함된 복수의 엽 각각에 대한 수광 분석을 수행하여, 상기 복수의 엽 각각의 이차대사산물 함량을 예측하며, 상기 복수의 엽 각각의 이차대사산물 함량이 미리 설정된 값을 가지도록 광원 설정 값을 도출하며, 상기 인공 광원은 상기 광원 설정 값에 따라 제어된다.
본 발명의 실시예에 따른 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템은 식물의 이차대사산물 함량을 증가시키고, 식물의 엽 각각에 포함된 이차대사산물의 함량을 균일하게 하기 위한 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템을 제공할 수 있다.
도 1은 실시예에 따른 식물 이차대사산물 조절을 위한 인공 조명 설정 시스템의 구성도이다.
도 2는 실시예에 따른 식물 이차대사산물 조절을 위한 인공 조명 설정 방법의 흐름도이다.
도 3은 실시예에 따른 시뮬레이션 모델 생성 방법의 흐름도이다.
도 4는 실시예에 따른 식물의 3차원 구조 모델 예시도이다.
도 5는 실시예에 따른 이차대사산물 함량 예측 방법의 흐름도이다.
도 6은 인공 광원의 스펙트럼 그래프이다.
도 7은 케일의 광학적 특성 예시 그래프이다.
도 8은 재배광원 조사시 식물 표면의 수광 분석 예시도이다.
도 9는 UV 조사시 식물 표면의 수광 분석 예시도이다.
도 10은 엽 높이에 따른 수광 분석 예시 그래프이다.
도 11은 엽별 수광 분포 예시 그래프이다.
도 12는 이차대사산물 함량 및 항상화능 분석 예시 그래프이다.
도 13은 UV 수치에 따른 수광값의 예시 그래프이다.
도 14는 이차대사산물 함량 및 항상화능 분석 예시 그래프이다.
도 15는 UV-B 조사 시 케일의 엽별 엽록소 형광 파라미터의 예시표이다.
도 16은 식물의 생육 단계별 3차원 식물 모델의 예시도이다.
도 17은 재배광원 조사시 식물의 생육 단계에 따른 식물 표면의 수광 분석 예시 그래프이다.
도 18은 UV 조사시 식물의 생육 단계에 따른 식물 표면의 수광 분석 예시 그래프이다.
도 19는 높이에 따른 수광 분석 예시 그래프이다.
도 20은 엽 위치별 수광 분석 예시 그래프이다.
도 21은 생육 단계 및 엽 위치에 따른 플라보노이드 화합물 분석예시 그래프이다.
도 22는 생육 단계 및 엽 위치에 따른 페놀화합물 분석 예시 그래프이다.
도 23은 생육 단계 및 엽 위치에 따른 항산화능 분석 예시 그래프이다.
도 24는 생육 단계 및 엽 위치별 누적 UV 수광량과 플라보노이드 함량에 관한 선형회귀분석 예시 그래프이다.
도 25는 생육 단계 및 엽 위치별 누적 UV 수광량과 페놀화합물 함량에 관한 선형회귀분석 예시 그래프이다.
도 26은 생육 단계 및 엽 위치별 누적 UV 수광량과 플라보노이드 함량에 관한 비선형분석 예시 그래프이다.
도 27은 생육 단계 및 엽 위치별 누적 UV 수광량과 페놀화합물 함량에 관한 비선형분석 예시 그래프이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '시스템'이란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '유닛'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '유닛'은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '유닛'은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '유닛'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '유닛'들로 결합되거나 추가적인 구성요소들과 '유닛'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '유닛'들은 디바이스 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 도 1을 참조하여 실시예에 따른 식물 이차대사산물 조절을 위한 인공 조명 설정 시스템(1)의 구성을 설명한다.
도 1은 실시예에 따른 식물 이차대사산물 조절을 위한 인공 조명 설정 장치의 구성도이다.
도 1을 참조하면, 식물 이차대사산물 조절을 위한 인공 조명 설정 시스템(1)은 식물의 이차대사산물을 조절하기 위해, 식물의 3차원 스캔 데이터 및 광원 데이터를 이용한다. 인공 조명 설정 시스템(1)은 3D 스캐너(100)를 이용하여 식물의 3차원 스캔 데이터를 생성한다.
예를 들어, 고!스캔 50(GO!SCAN50TM)과 같은 고해상도 휴대용 3D 스캐너와 Vxelemnet, Creaform 등과 같은 스캔 소프트웨어를 이용하여 식물의 3차원 스캔 데이터를 획득할 수 있다. 3D 스캐너(100)를 이용하여 획득한 3차원 스캔 데이터는 엽별 크기, 모양, 높이, 배치 위치 등에 관한 정보를 포함할 수 있다.
이 때, 3D 스캐너(100)를 이용하는 것은 식물의 3D 모델을 생성하기 위한 것이다. 따라서, 본 발명은 반드시 3D 스캐너(100)를 이용하여 획득한 스캔 데이터를 이용하여 식물의 3차원 구조 모델을 생성하지 않고, 사용자가 특정 값을 입력하거나 특정 형태의 3차원 구조 모델을 임의로 생성하는 방식을 이용할 수도 있다.
또한, 인공 광원(200)의 광원 데이터는 광원의 스펙트럼, 배광 분포, 형태 등 광원과 관련된 모든 정보를 포함할 수 있다. 또한, 광원 데이터를 획득하기 위하여 인공 광원(200)의 설정 정보를 이용하는 것뿐만 아니라, 직접 식물에 조사되는 광 특성을 측정하여 광원 데이터를 획득할 수 있다.
이 때, 인공 광원(200)의 광 특성을 측정하는 것은 실제 재배 환경과 유사한 광원 데이터를 입력하기 위한 것이다. 따라서, 광 특성을 측정하지 않고 사용자가 임의의 광원 데이터를 설정할 수 있다.
메모리(300)는 광학 시뮬레이션 프로그램을 저장한다. 광학 시뮬레이션 프로그램은 설명의 편의를 위해 설정된 것으로, 명칭 그 자체로 프로그램의 기능을 제한하는 것은 아니다. 메모리(300)는 3D 스캐너(100) 및 인공 광원(200)으로부터 생성되거나 측정된 데이터, 프로세서(400)에 의해 수행되는 기능에 필요한 정보 및 데이터, 프로세서(400)의 실행에 따라 생성된 데이터 중 적어도 어느 하나 이상을 저장할 수 있다.
메모리(300)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력을 필요로 하는 휘발성 저장장치를 통칭하는 것으로 해석되어야 한다. 또한, 메모리(300)는 프로세서(400)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다.
메모리(300)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
더불어, 식물 이차대사산물 조절을 위한 인공 조명 설정 시스템(1)은 데이터베이스(미도시)를 더 포함할 수 있다. 데이터베이스는 광학 시뮬레이션을 수행하기 위해 필요한 데이터가 저장되는 곳일 수 있다. 예를 들어, 데이터베이스는 광학 시뮬레이션 프로그램의 결과 누적 데이터, 광학 시뮬레이션 프로그램의 학습을 위한 빅데이터, 옆의 높이 및 광원에 따른 수광 분석 데이터, 식물의 생육 단계 및 광원에 따른 수광 분석 데이터, 옆의 높이 및 광원에 따른 이차대사산물 함량 데이터, 식물의 생육 단계에 따른 이차대사산물 함량 데이터 등이 저장된 곳일 수 있다. 데이터베이스는 메모리(300)의 일부를 구성할 수 있으나, 반드시 인공 조명 설정 시스템(1)의 내부에 위치하는 것이 아니라 외부에 위치할 수도 있다.
프로세서(400)는 메모리(300)에 저장된 광학 시뮬레이션 프로그램을 실행하도록 구성된다. 프로세서(400)는 데이터를 제어 및 처리하는 다양한 종류의 장치들을 포함할 수 있다. 프로세서(400)는 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 일 예에서, 프로세서(400)는 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 형태로 구현될 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로세서(400)는, 광학 시뮬레이션 프로그램을 실행하여 다음과 같은 기능 및 절차들을 수행하도록 구성된다.
프로세서(400)는 식물의 재배 환경(식물 공장)과 식물의 형태를 3D 모델링하여 광원에 따른 수광량 및 이차대사산물 함량을 분석한다. 이를 위해, 3D 스캐너(100)를 이용하여 획득한 3D 스캔 데이터를 이용하여 식물의 3차원 구조 모델 및 서피스 모델(surface model)을 생성할 수 있다.
또한, 식물의 3차원 구조 모델, 서피스 모델 및 광원 데이터를 이용하여 시뮬레이션 환경을 구축할 수 있다. 시뮬레이션 환경은, 광학 시뮬레이션 프로그램을 이용하는 방식뿐만 아니라, CAD(Computer Aided Design) 프로그램을 이용하여 생성될 수 있다.
시뮬레이션 환경은 식물 공장 내 재배 환경과 식물의 재배를 위해 사용되는 광원 데이터를 이용하여 식물 공장 모델을 생성하고, 3D 스캔 데이터를 이용하여 생성된 식물의 3차원 구조 모델 또는 서피스 모델을 배치할 수 있다. 또한, 식물의 3차원 구조 모델 또는 서피스 모델에 포함된 모든 잎 모델을 검출기(detector)로 설정한 후 광학 시뮬레이션을 수행할 수 있다.
광학 시뮬레이션의 수행 결과로서, 복수의 엽 각각에 대한 수광 분석을 수행하고, 복수의 엽 각각의 이차대사산물 함량을 예측할 수 있다. 또한, 광학 시뮬레이션 프로그램은 설정된 목표 이차대사산물 함량을 가지도록 시뮬레이션 환경의 광원 설정 값을 변경할 수 있다.
따라서, 변경된 시뮬레이션 환경의 광원 설정 값을 실제 식물 공장에 적용하여 식물의 이차대사산물 함량을 조절할 수 있다. 하지만, 본 발명이 광원 설정을 변경하는 것에 한정되는 것은 아니며, 식물 공장 모델을 생성하기 위한 다양한 데이터를 변경하고 이에 따라 식물 공장의 설정을 변경하는 것을 포함할 수 있다.
구체적인 시뮬레이션 수행 방법 및 설정 변경 방법은 후술하는 도 2 내지 도 5를 참조하여 상세히 설명한다.
더불어, 프로세서(400)가 광학 시뮬레이션 프로그램을 실행하여 도출된 설정 값은 통신부(미도시)를 이용하여 식물 공장에 전송될 수 있으며, 식물 공장은 수신된 설정 값을 이용하여 식물 공장의 광원 설정을 변경할 수 있다.
또한, 프로세서(400)는 통신부를 이용하여 단말기(500)와 정보 송수신을 수행할 수 있다. 따라서, 단말기(500)로부터 시뮬레이션 모델의 환경 설정 값을 수신하거나, 광학 시뮬레이션 프로그램 수행 결과를 단말기(500)로 전송하여 사용자에게 디스플레이할 수 있다.
단말기(500)는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 휴대성과 이동성이 보장되는 무선 통신 장치 또는 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 의미할 수 있다. 또한, 통신망은 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
이하, 도 2를 참조하여 실시예에 따른 식물 이차대사산물 조절을 위한 인공 조명 설정 방법을 설명한다.
도 2는 실시예에 따른 식물 이차대사산물 조절을 위한 인공 조명 설정 방법의 흐름도이다.
도 2를 참조하면, 프로세서(400)는, 광학 시뮬레이션 프로그램을 실행하여 시뮬레이션 모델 생성 단계(S100), 이차대사산물 함량 예측 단계(S200), 인공 광원(200) 설정 변경 단계(S300)를 수행할 수 있다.
시뮬레이션 모델 생성 단계(S100)에서는, 식물의 3차원 구조 모델 및 광원 데이터를 이용하여 식물 재배 환경과 동일한 시뮬레이션 모델을 생성한다. 따라서, 시뮬레이션 모델은 실제 식물공장 내 재배환경이나 광원의 크기 및 세기가 동일한 3차원 식물 공장 모델을 포함한다.
식물의 3차원 구조 모델을 생성하기 위해서, 상술한 바와 같이3D 스캐너(100)를 이용하여 획득한 스캔 데이터를 이용하는 방식과, 사용자가 특정 값을 입력하거나 특정 형태의 3차원 구조 모델을 임의로 생성하여 식물의 3차원 구조 모델을 생성하는 방식이 이용될 수 있다.
서피스 모델에 관한 내용은 후술하는 도 3 및 도 4를 참조하여 설명한다.
더불어, 시뮬레이션 모델 생성 단계(S100)에서는, 식물의3차원 스캔 데이터를 이용하여 식물의 서피스 모델(surface model)을 생성할 수 있다. 서피스 모델 생성하는 방법은 후술하는 도 3 및 도 4를 참조하여 상세히 설명한다.
광원 데이터를 획득하기 위하여 인공 광원(200)의 설정 정보를 이용하는 것뿐만 아니라, 직접 식물에 조사되는 광 특성을 측정하여 광원 데이터를 획득할 수 있다. 하지만, 본 발명이 이에 한정되는 것은 아니며, 사용자가 임의의 광원 데이터를 설정할 수 있다.
이차대사산물 함량 예측 단계(S200)에서는, 시뮬레이션 모델에 대한 광학 시뮬레이션을 수행하여 식물의 엽 각각에 대한 수광 분석을 수행하여 수광량을 측정하고 이에 따른 이차대사산물 함량을 예측한다.
이때, 광학 시뮬레이션을 수행하기 위해, 잎의 높이, 식물의 생육 단계에 따른 수광량을 시뮬레이션하고 이에 따른 이차대사산물 함량을 예측할 수 있다. 이차대사산물 함량을 예측하는 구체적인 방법은 후술하는 도 5를 참조하여 상세히 설명한다.
인공 광원 설정 변경 단계(S300)에서는, 식물의 이차대사산물 함량에 대한 목표 이차대사산물 함량을 설정하고, 이에 대응하는 광원 설정 값을 도출한다. 그리고 광원 설정 값에 따라 식물 공장의 인공 광원의 설정을 변경하여 실제 식물이 목표 이차대사산물 함량을 가지도록 할 수 있다.
이 때, 목표 이차대사산물 함량이란 식물의 이차대사산물의 총 합 량뿐만 아니라, 각 잎의 이차대사산물 함량이 균일한 것을 포함하는 것을 의미할 수 있다. 또한, 인공 광원의 광원 설정 값을 도출하기 위해, 상술한 수광량과 이차대사산물 함량에 관한 선형회귀분석 수행 결과를 이용하여 광원 설정 값을 도출할 수 있다.
구체적으로, 광원 데이터에 따라 수광량이 변경되고, 수광량에 따라 식물의 이차대사산물 함량이 변경된다. 따라서, 시뮬레이션 모델의 광원 데이터에 따른 수광량 분석 결과를 이용하여 광원 데이터와 수광량에 관한 제1 관계식을 도출할 수 있다. 그리고, 상술한 수광량과 이차대사산물 함량에 관한 선형회귀분석 결과를 이용하여 수광량과 이차대사산물 함량에 관한 제2 관계식을 도출할 수 있다.
따라서, 광원 데이터와 수광량에 관한 제1 관계식과 수광량과 이차대사산물 함량에 관한 제2 관계식을 이용하여 광원 데이터와 이차대사산물 함량에 관한 제3 수학식을 도출할 수 있다. 따라서, 목표 이차대사산물 함?c 값을 제3 수학식에 대입하여 목표 이차대사산물 함량을 도출하기 위한 광원 데이터를 산출한다. 즉, 목표 이차대사산물 함량에 대응하는 목표 수광량을 도출하고, 목표 수광량에 대응하는 광원 데이터를 광원 설정 값으로 도출한다.
이외에도, 사용자가 복수의 광원 데이터를 설정하여 복수의 광원 데이터에 따른 이차대사산물 함량을 각각 예측하여 목표 이차대사산물 함량에 근접한 광원 데이터를 광원 설정 값으로 도출하는 방법을 이용할 수도 있다.
이하, 도 3 및 도 4를 참조하여 실시예에 따른 시뮬레이션 모델 생성 방법(S100)을 설명한다.
도 3은 실시예에 따른 시뮬레이션 모델 생성 방법의 흐름도이다.
도 4는 실시예에 따른 식물의 3차원 구조 모델 예시도이다.
도 3을 참조하면, 3차원 스캔 단계(S110)에서는 3D 스캐너(100)를 이용하여 식물을 스캔한다. 따라서, 식물의 3차원 스캔 데이터를 획득할 수 있다. 서피스 모델 생성 단계(S120)에서는 획득한 스캔 데이터를 이용하여 서피스 모델을 생성한다. 서피스 모델은 식물의 3차원 구조 모델에 대응될 수 있다.
구체적으로, 3D 스캐너(100) 및 스캔 스프트웨어를 이용하여 식물의 3D 스캔 데이터를 획득한다. 획득한 3D 스캔 데이터는 3D 메쉬 데이터(Mesh data)에 대응될 수 있다. 3D 메쉬 데이터를 이용하여 노이즈 및 구멍을 세분화보정하여 각각의 잎에 대한 리프 메쉬 데이터로 분할을 수행할 수 있다. 분할된 리프 메쉬 데이터는 Geomagic Design X 등과 같은 리버스 엔지니어링 소프트웨어를 이용하여 광 추적 시뮬레이션에 적용하기 위한 서피스 모델로 재구성 될 수 있다.
도 4는 식물의 3차원 구조 모델의 예시를 나타낸다. S1 은 실제 식물인 케일(Kale)에 해당하고, S2는 3D 스캐너(100)를 이용하여 S1을 스캔하여 생성된 메쉬 데이터(Mesh data)에 해당한다. 즉 S2는 식물(S1)의 3차원 스캔 데이터에 대응될 수 있다.
S3는 3차원 스캔 데이터(S2)에 세분화 수정(segmentation correction)을 거친 형태로서 각각의 잎이 구분되는 리프 메쉬 데이터에 대응될 수 있다. S4는 재건(reconstruction)을 거쳐 광 추적 시뮬레이션에 적용하기 위한 생성된 서피스 모델에 해당한다.
광원 데이터 입력 단계(S130)에서는, UV LED와 같은 인공 광원의 광원 특성에 대응하는 데이터를 입력한다. 광원 특성은 스펙트럼, 배광분포, 광원의 형태 등에 대한 정보가 포함될 수 있다.
또한, 광원 데이터 입력 단계(S130)는, 식물 공장의 3D 모델을 생성하는 단계를 포함할 수 있다. 식물의 3D 구조 모델 또는 서피스 모델은 Solidworks 등과 같은 3D CAD 소프트 웨어로 전송되며, 식물 공장의 3D 모델에 배치될 수 있다.
따라서, 식물 공장의 3D 모델은 인공 광원뿐만 아니라 식물 공장의 구조 및 식물 공장과 관련된 데이터를 이용하여 식물 공장의 구조를 3D 모델로 생성하는 것을 의미할 수 있다.
더불어, 시뮬레이션 모델은 식물의 3차원 구조 모델에 광원 데이터를 적용하는 것뿐만 아니라, 광원 데이터 입력 단계(S130)에서 생성된 식물 공장의 3D 모델에 식물의 3차원 구조 모델을 배치한 시뮬레이션 모델을 포함할 수 있다.
이하, 도 5를 참조하여 실시예에 따른 이차대사산물 함량 예측 방법(S200)을 설명한다.
도 5는 실시예에 따른 이차대사산물 함량 예측 방법의 흐름도이다.
도 5를 참조하면, 검출기 설정 단계(S210)에서는 서피스 모델에 포함된 복수의 엽 각각을 검출기(detector)로 설정한다.
수광 분석 단계(S220)에서는, Optisworks 등과 같은 광학 시뮬레이션 프로그램을 이용하여 수광 분석을 수행한다. 검출기 설정 단계(S210)에서 잎 각각을 검출기로 설정함으로써, 잎 각각에 수광량을 측정할 수 있다. 즉, 광학 시뮬레이션 프로그램을 이용하여 광원 데이터에 따른 엽 각각의 수광량을 예측할 수 있다.
또한, 수광 분석 단계(S220)에서는, 엽 각각의 수광량 뿐만 아니라, 엽의 높이별 수광량, 식물의 생육 단계에 따른 수광량을 도출할 수 있다.
식물의 잎은 규칙적으로 배열되는 것이 아니라 식물별로 상이한 구조를 가진다. 따라서, 동일한 식물이라도 잎 각각의 수광량은 위치, 높이, 크기 및 생육 단계 등에 따라 다를 수 있다. 그러므로 엽 별 수광량을 측정하여 이를 분석함으로서, 식물의 수광량을 더욱 정확히 예측 할 수 있다.
먼저, 엽 각각의 수광량은 가장 오래된 잎인 최하단에 위치하는 잎부터 최상단의 가장 새로운 잎까지 높이에 따라 모든 잎에 번호를 부여하고, 각 잎의 수광량을 측정한다.
엽의 높이별 수광량은 식물의 3차원 구조 모델에서 최하단에 위치하는 잎과 최상단에 위치하는 잎을 기준으로 상단, 중단, 하단으로 높이를 구분하고 각각의 높이 구간에 위치하는 잎의 수광량을 합산하여 도출할 수 있다. 이 때, 본 발명의 실시예가 높이를 상, 중, 하 세 개의 구간으로 구분하는 것에 한정되는 것은 아니며, 세 개 이상의 복수의 구간으로 세분화하여 구분하여 높이별 수광량 분석을 하는 것을 포함할 수 있다.
또한, 생육 단계에 따른 수광량을 측정하기 위해서, 식물의 생육 기간에 대응하여 식물의 3차원 구조 모델 또한 변형될 수 있다. 따라서, 식물의 생육 기간을 복수의 구간으로 구분하고 각 생육 구간에 대응하는 식물의 3차원 구조 모델에 대하여 수광 분석을 수행함으로써, 생육 단계에 따른 수광량을 수행할 수 있다.
또한, 생육 단계는 식물의 발아시점부터 재배 시점까지를 의미하는 것뿐만 아니라, 식물을 수확하기 전 특정 기간과 같이 사용자가 임의로 설정한 기간을 포함할 수 있다.
식물의 광학 특성 및 이차대사산물 함량에 대한 선형회귀분석 단계(S230)에서는, 선형회귀분석을 수행하여 수광량과 이차대사산물 함량에 관한 제1 관계식을 도출하고, 제1 관계식에 수광량의 예측 값(분석 값)을 대입하여 이차대사산물 함량을 예측할 수 있다.
예를 들어, 식물 공장에서 재배된 케일을 수확하기 전 2일 동안 하루에 12시간씩 UV LED(인공 광원)을 조사하여 케일의 수광량 및 이에 따른 이차대사산물 함량을 측정한다. 그리고, 광학 시뮬레이션 프로그램은 측정된 수광량 및 이차대사산물 함량 데이터에 대한 선형회귀분석을 수행함으로서 수광량과 이차대사산물에 관한 제1 관계식을 도출할 수 있다.
즉, 실제 식물에 대하여 식물의 수광량, 이차대사산물 함량, 광학적 특성을 측정하고, 이를 이용하여 수광량과 이차대사산물에 관한 관계식을 도출한다. 그리고, 제1 관계식에 예측된 수광량을 대입하여 이차대사산물의 함량을 예측할 수 있다.
이하, 도 6 및 도 7을 참조하여 식물의 광학적 특성을 설명한다.
도 6은 인공 광원의 스펙트럼 그래프이다.
도 6을 참조하면, 인공광원은 재배 광원(RBW LED)과 UV-B LED로 구분될 수 있다. 따라서, 도 6의 (a)는 재배광원의 스펙트럼 그래프를 나타내고, 도 6의 (b)는 UV-B LED의 스펙트럼 그래프의 예시를 나타낸다.
재배광원은 광합성 유효광에 해당하는 400 ~700 (nm) 범위의 파장을 가지는 빛을 생성할 수 있다. 이와 달리, UV-B LED의 경우에는 자외선에 해당하는 250 ~ 400 (nm) 범위의 파장을 가지는 빛을 생성할 수 있다.
도 7은 케일의 광학적 특성 그래프이다.
도 7을 참조하면, 잎의 광학적 특성을 설명하기 위해 케일의 광학적 특성 중 투과율, 반사율, 흡수율에 관한 그래프를 예시로서 설명한다. 도 7의 (a)는 재배광원과 UV-B를 케일에 조사하여 측정한 투과율 그래프이다. 도 7의 (b)는 재배광원과 UV-B를 케일에 조사하여 측정한 반사율 그래프이다. 도7의 (c)는 재배광원과 UV-B를 케일에 조사하여 측정한 흡수율 그래프이다.
그리고, 각각의 특성은 잎의 높이에 따라 상부, 중부, 하부로 구분하여 측정할 수 있다. 따라서, 각각의 특성마다 광원의 종류 및 높이로 구분하여 6개의 결과값을 측정하여 광학적 특성을 측정할 수 있다.
L1은 재배광원에 대하여 케일의 하부에 위치하는 잎의 특성, L2는 재배광원에 대하여 케일의 중부에 위치하는 잎의 특성, L3는 재배광원에 대하여 케일의 상부에 위치하는 잎의 특성을 나타낸다. L4는 재배광원 및 UV-B에 조사된 케일의 하부에 위치하는 잎의 특성, L5는 재배광원 및 UV-B에 조사된 케일의 중부에 위치하는 잎의 특성, L6는 재배광원 및 UV-B에 조사된 케일의 상부에 위치하는 잎의 특성을 나타낸다.
도 7의 (c)를 참조하면, 케일의 상부에 위치하는 잎의 경우280nm ~350nm범위 파장을 가지는 UV-B의 흡수율이 재배광원의 흡수율보다 높게 측정되는 것을 확인할 수 있다.
상술한 인공광원의 스펙트럼 특성과 식물의 광학적 특성은, 시뮬레이션 모델에 대한 광학 시뮬레이션을 수행하여 식물의 엽 각각에 대한 수광 분석을 수행하여 수광량을 측정하고 이에 따른 이차대사산물 함량을 예측하는데 이용될 수 있다.
이하, 도 8 및 도 10를 참조하여 3차원 구조 모델의 수광 분석 결과의 예시를 설명한다.
도 8은 재배광원 조사시 식물 표면의 수광 분석 예시도이다.
도 9는 UV 조사시 식물 표면의 수광 분석 예시도이다.
도 10은 엽 높이에 따른 수광 분석 예시 그래프이다.
도 8 및 도 9는 광합성 유효광(PAR: Photosynthetically　Available　Radiation, 400 ~700nm) 영역과 자외선(UV, 250~400nm)영역에서 광학 시뮬레이션을 수행하여 도출된 수광 분석 결과를 나타낸다. 도8의 (a)는 재배광원에 조사된 식물에서의 PAR 차단율을 나타내고, 도 8의 (b)는 재배광원 및 UV-B에 노출된 식물에서의 PAR 차단율을 나타낸다. 도 9의 (a)는 재배광원에 조사된 식물에서의 UV 차단율을 나타내고, 도 9의 (b)는 재배광원 및 UV-B에 노출된 식물에서의 UV 차단율을 나타낸다.
도 8 및 도 9에 도시된 바와 같이 수광 분석 결과는 잎의 높이, 각도 및 표면 곡률을 포함한 3차원 구조 모델과 함께 시각적으로 나타낼 수 있다. 또한, 도 10과 같이 잎의 높이에 따른 PAR 차단율 및 UV 차단율을 도출할 수 있다.
도 10을 참조하면, 도 10의 (a)는 높이에 따른 PAR 차단율을 나타내며, 도 10의 (b)는 높이에 따른UV 차단율을 나타낸다. PAR 차단율 및 UV 차단율은 동일하게 잎의 높이가 증가할수록 함께 증가한다. 따라서, PAR 차단율 및 UV 차단율의 수직 분포는 높은 선형성을 가진다. 또한, 수광 분석 결과는 엽별로 정량화 할 수 있다.
이하, 도 11 를 참조하여 3차원 구조 모델의 수광 분석 결과의 예시를 설명한다.
도 11은 엽별 수광 분포 예시 그래프이다.
도 11을 참조하면, 도 11의 (a)는 엽별 PAR 차단율을 나타내고, 도 11의 (b)는 엽별 UV 차단율을 나타낸다. C1은 재배광원에 조사된 식물에서의 시뮬레이션 결과를 나타내고, C2는 재배광원 및 UV-B에 노출된 식물에서의 시뮬레이션 결과를 나타낸다.
엽 번호는 케일의 최하단에 위치한 잎부터 최상단에 위치한 잎까지 높이에 따라 순서를 부여한 것에 해당한다. 이때 최하단에 위치한 잎은 엽령이 가장 오래된 잎에 해당하며, 최상단에 위치한 잎은 엽령이 가장 어린 잎에 해당할 수 있다. 따라서 엽의 번호 및 순서는 엽령에 대응될 수도 있다.
엽별 차단율의 분포는 커널 밀도 추정(kernel density estimation) 및 박스 플롯(box plots)을 기반으로하는 바이올린 플롯(violin plots)을 이용하여 도시될 수 있다.
도 12를 참조하여 3차원 구조 모델의 수광 분석 결과의 예시를 설명한다.
도 12는 이차대사산물 함량 및 항상화능 분석 예시 그래프이다.
도 12를 참조하면, UV-B 조사 시 케일의 이차대사산물 함량을 나타내는 그래프로서, 플라보노이드, 페놀화합물, 항산화능에 따른 분석 결과를 나타낸다. 도 12의 (a)는 총 플라보노이드 화합물(TFC: Total flavonoid content), 도 12의 (b)는 총 페놀화합물(TPC: total phenolic content), 도 12의 (c)는 항산화능(DPPH RAS: DPPH radical scavenging activity)을 나타낸다.
이하, 도 13 및 도 14를 참조하여 UV 수광값과 이차대사산물 함량의 관계 및 회귀분석 결과를 설명한다.
도 13은 UV 수치에 따른 수광값의 예시 그래프이다.
도 14는 이차대사산물 함량 및 항산화능 분석 예시 그래프이다.
도 13의 (a)는 UV 수광?好? 따른 총 플라보노이드 화합물 함량을 나타내고, 도 13의 (b)는 UV 수광값에 따른 총 페놀화합물 함량을 나타낸다. 도 13은 도 11 및 도 12의 데이터를 이용하여 생성될 수 있다. 도 11의 엽별 수광값과 도 12의 엽별 생리활성 화합물(플라보노이드 화합물, 페놀화합물) 함량 및 항산화능 결과 데이터에 대하여 선형회귀분석을 수행하여 설명력을 도출할 수 있다. 다만, 선형회기분석 수행 결과만으로는 설명력이 낮게 도출되어, 수광값만으로는 이차대사산물 함량을 나타낼 수 없다.
따라서, 도 14와 같이 엽별 이차대사산물 함량, 엽별 수광값 및 각 엽 순서(엽령)을 이용한 다중회귀분석이 필요하다. 도 14의 (a)는 엽별 플라보노이드 화합물 함량, 엽별 수광값 및 각 엽순서(엽령)을 이용한 다중회귀분석 결과, 도 14의 (b)는 엽별 페놀화합물 함량, 엽별 수광값 및 각 엽순서(엽령)을 이용한 다중회귀분석 결과, 도 14의 (c)는 엽별 항산화능, 엽별 수광값 및 각 엽순서(엽령)을 이용한 다중회귀분석 결과를 나타낸다. 다중회귀분석 결과 총 플라보노이드 화합물은 71.6%, 총 페놀화합물은 66.8%, 항산화능은 55.6%의 설명력을 나타낸다.
이하, 도 15를 참조하여 UV-B 조사 시 케일의 엽별 엽록소 형광 파라미터 값을 설명한다.
도 15는 UV-B 조사 시 케일의 엽별 엽록소 형광 파라미터의 예시표이다.
도 15를 참조하면, 시뮬레이션 결과로서 엽록소 형광 파라미터 값을 도출할 수 있다.
엽록소 형광 파라미터는 식물의 스트레스 수준을 측정하기 위해 사용될 수 있다. Fv/Fm (maximum quantum yield of PSII), ΦPSII (PSII operating efficiency), NPQ (nonphotochemical quenching) 모두 UV 처리에 따른 유의한 영향을 받았지만, 각 항목값의 변화가 크지 않다. 따라서, UV-B를 조사하는 경우에도 케일의 엽들이 과도한 스트레스는 받지 않은 것으로 판단된다.
따라서, 이와 같은 시뮬레이션 결과에 따라서, 인공광원의 스펙트럼을 제어하여 UV LED를 조사하는 경우에도, 식물이 과도한 스트레스를 받지 않는 수준의 세기에서 식물의 손상을 최소화하여 식물의 이차대사산물 함량을 증대시킬 수 있다.
이와 같이, 프로세서(400)는 광학 시뮬레이션 프로그램을 이용하여 식물의 자외선 수광 분포를 정략적으로 예측하며, 식물 개체 내에서 UV LED에의한 식물의 자외선 수강값과 엽령에 따른 이차대사산물 함량을 추정할 수 있다.
이하, 식물의 생육 단계에 따른 수광량 및 이차대사산물 함량 분석 결과의 예를 설명한다.
도 16은 식물의 생육 단계별 3차원 식물 모델의 예시도이다.
도 16의 (a)는 식물 공장에서 정식 후 14일차일 때 수확한 케일을 스캔하여 생성한 3차원 구조 모델을 나타내고, 도 16의 (b)는 28일차일 때 수확한 케일의 3차원 구조 모델을 나타낸다.
또한, 도 16의 (a)는 식물의 3차원 구조 모델 에 재배광원의 모델을 배치한 예시이며, 도 16의 (b)는 식물의 3차원 구조 모델에 UV LED 광원 모델을 배치한 예시이다.
도 16에 도시된 바와 같이 식물의 생육 단계에 따라 식물의 잎의 수광량이 변화 될 수 있으며, 이에 따라 잎 각각의 이차대사산물 함량 또한 상이할 수 있다.
이하, 도 17및 도 18을 참조하여 생육 단계에 따른 수광 분석 결과의 예시를 설명한다.
도 17은 재배광원 조사시 식물의 생육 단계에 따른 수광 분석 결과예시이다.
도 18은 UV 조사시 식물의 생육 단계에 따른 수광 분석 결과 예시이다.
도 17 및 도 18은, 광합성 유효광(PAR: Photosynthetically　Available　Radiation, 400 ~700nm) 영역과 자외선(UV, 250~400nm)영역에서 광학 시뮬레이션을 수행하여 도출된 수광 분석 결과를 나타낸다.
수광값은 흡수된 광합성유효광양자속(PPFD: Photosynthetic Photon Flus Density)과 흡수된 UV로 표시된다. 따라서, 도 17의 (a)는 14일차 모델의 흡수된 광합성유효광양자속을 나타내고, 도 17의 (b)는 28일차 모델의 흡수된 광합성유효광양자속을 나타낸다. 그리고 도 18의 (a)는 14일차 모델의 UV 흡수량을 나타내고, 도 18의 (b)는 28일차 모델의 UV 흡수량을 나타낸다.
또한, 시뮬레이션 결과로서, 식물의 생육 단계별 케일의 수광 분포는 높이별, 엽 위치(상단부, 중단부, 하단부)에 따라 정량화 될 수도 있다.
도 19는 높이에 따른 수광 분석 예시 그래프이다.
도 20은 엽 위치별 수광 분석 예시 그래프이다.
도 19를 참조하면, 도 19의 (a)는 높이에 따라 흡수된 광합성유효광양자속을 나타내며, 도 19의 (b)는 높이에 따른 UV 흡수량을 나타낸다. C3는 14일차 모델, C4는 28일차 모델에 해당한다.
도 20을 참조하면, 잎의 위치는 상단부(Upper), 중단부(Middle), 하단부(Lower)로 구분할 수 있으며, 도 20의 (a)는 흡수된 광합성유효광양자속을 나타내며, 도 20의 (b)는 UV 흡수량을 나타낸다.
따라서, G1은 14일차 모델의 상단부에 위치한 잎의 광합성유효광양자속 흡수 평균 값을 나타내고, G2는 14일차 모델의 중단부에 위치한 잎의 광합성유효광양자속 흡수 평균 값을 나타내고, G3는 14일차 모델의 하단부에 위치한 잎의 광합성유효광양자속 흡수 평균 값을 나타낸다.
또한, G4는 14일차 모델의 상단부에 위치한 잎의 UV 흡수 평균 값을 나타내고, G5는 14일차 모델의 중단부에 위치한 잎의 UV 흡수 평균 값을 나타내며, G6는 14일차 모델의 하단부에 위치한 잎의 UV 흡수 평균 값을 나타낸다.
H1은28일차 모델의 상단부에 위치한 잎의 광합성유효광양자속 흡수 평균 값을 나타내고, H2는 28일차 모델의 중단부에 위치한 잎의 광합성유효광양자속 흡수 평균 값을 나타내고, H3는 28일차 모델의 하단부에 위치한 잎의 광합성유효광양자속 흡수 평균 값을 나타낸다.
또한, H4는 28일차 모델의 상단부에 위치한 잎의 UV 흡수 평균 값을 나타내고, H5는 28일차 모델의 중단부에 위치한 잎의 UV 흡수 평균 값을 나타내며, H6는 284일차 모델의 하단부에 위치한 잎의 UV 흡수 평균 값을 나타낸다.
도 19 및 도 20에 도시된 바와 같이, 수광 분석 결과 생육 기간이 길수록 상단부의 수광량이 증가되는 것이 아니라 오히려 생육 기간이 짧은(작은 개체)에서 식물 높이 대비 수광량이 높게 도출된다. 이는 자연광이나 면광원과 달리, 점광원 형태의 LED 칩으로 이루어진 LED 광원에 의한 특징으로서, LED 광원은 조사거리와 배광분포에 따라 광도의 차이가 발생하며, 식물 개체간 빛가림이 발생한다. 따라서, 인공광원을 이용한 식물 재배의 경우 복잡한 수광 분포가 형성된다.
이와 같이, 식물의 3차원 구조 모델을 생성하여 광학 시뮬레이션을 수행하는 경우에, 생육 단계에 따른 3차원 구조 모델을 생성하여 수광 분석을 수행할 수 있다.
도 21의 (a)는 14일차 모델, 도 21의 (b)는 28일차 모델의 플라보노이드 화합물 분석 예시를 나타낸다. 도 22의 (a)는 14일차 모델, 도 22의 (b)는 28일차 모델의 페놀화합물 분석 예시를 나타낸다. 도 23의 (a)는 14일차 모델, 도 23의 (b)는 28일차 모델의 항산화능 분석 예시를 나타낸다.
또한, C5는 재배광원, C6는 UV-B 노출 기간이 수확 전 1일 6시간, C7은 UV-B 노출 기간이 수확 전 2일 6시간, C8은 UV-B 노출 기간이 수확 전 3일 6시간인 경우에 해당한다. C9는 UV-B 노출 기간이 수확 전 1일 12시간, C10은 UV-B 노출 기간이 수확 전 2일 12시간, C11은 UV-B 노출 기간이 수확 전 3일 12시간인 경우에 해당한다.
도 21 내지 도 23에 도시된 바와 같이 생육 단계 및 엽의 위치에 따라 이차대사산물 함량을 분석할 수 있으며, 이를 토대로 수광량에 따른 이차대사산물 함량을 분석할 수 있다.
도 24의 (a)는 14일차 모델의 생육 단계 및 엽 위치별 누적 UV 수광량과 플라보노이드 함량에 관한 선형회귀분석 예시 그래프이고, 도 24의 (b)는 28일차 모델의 생육 단계 및 엽 위치별 플라보노이드 함량에 관한 선형회귀분석 예시 그래프이다. L7은 잎의 위치가 상단부, L8은 잎의 위치가 중단부, L9은 잎의 위치가 하단부인 경우에 해당한다.
도 25의 (a)는 14일차 모델의 생육 단계 및 엽 위치별 누적 UV 수광량과 페놀화합물 함량에 관한 선형회귀분석 예시 그래프이고, 도 25의 (b)는 28일차 모델의 생육 단계 및 엽 위치별 페놀화합물 함량에 관한 선형회귀분석 예시 그래프이다.
도 26의 (a)는 14일차 모델의 생육 단계 및 엽 위치별 누적 UV 수광량과 플라보노이드 함량에 관한 비선형회귀분석 예시 그래프이고, 도 26의 (b)는 28일차 모델의 생육 단계 및 엽 위치별 플라보노이드 함량에 관한 비선형회귀분석 예시 그래프이다.
도 27의 (a)는 14일차 모델의 생육 단계 및 엽 위치별 누적 UV 수광량과 페놀화합물 함량에 관한 비선형회귀분석 예시 그래프이고, 도 27의 (b)는 28일차 모델의 생육 단계 및 엽 위치별 페놀화합물 함량에 관한 비선형회귀분석 예시 그래프이다.
누적 자외선 수광값과 이차대사산물에 대하여 엽 위치별로 각각 선형회귀분석 수행한 결과, 하단부를 제외하고 상단부, 중단부에서의 플라보노이드 화합물과 페놀화합물에 대한 설명력은 70% 내외의 설명력을 보인다. 누적 흡수된 자외선 에너지 대비 생리활성 화합물 함량의 증감의 경우, 폴라보노이 화합물에 대한 자외선 에너지 효율은 상단부 잎에서 높았으며, 페놀화합물에 대한 자외선 에너지 효율은 중단부 잎에서 높게 분석되었다.
이와 같이 광학 시뮬레이션 프로그램을 이용하여, 식물의 생육 단계에 따른 잎의 자외선 수광 차이를 정량적으로 예측할 수 있다. 또한, 분석 결과 서로 다른 생육 단계에서 UV LED에 의한 누적 자외선 수광값과 엽 위치에 따라 생리활성 화합물 및 항산화능이 다른 것으로 분석된다. 또한, 흡수된 UV 에너지 대비 이차대사산물 증대 효율을 비교 가능하다.
따라서, 시뮬레이션 모델을 이용하여 광원 데이터에 따른 식물의 자외선 수광 분포 및 이에 따른 이차대사산물 함량을 분석 할 수 있으며, 목표 이차대사산물 함량을 도출하기 위한 광원 설정 값을 도출할 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
1: 인공 조명 설정 시스템 100: 3D 스캐너
200: 인공 광원 300: 메모리
400: 프로세서 500: 단말기

Claims (10)

  1. 식물 이차대사산물 조절을 위한 인공 광원 설정 방법에 있어서,
    식물의 3차원 구조 모델 및 식물 공장의 광원 데이터를 이용하여 시뮬레이션 모델을 생성하는 단계,
    상기 식물의 3차원 구조 모델에 포함된 복수의 엽 각각에 대한 수광 분석을 수행하여, 상기 엽 각각의 이차대사산물 함량을 예측하는 단계, 그리고
    상기 복수의 옆 각각의 이차대사산물 함량이 미리 설정된 값을 가지도록 광원 설정 값을 도출하고, 상기 광원 설정 값에 따라 상기 식물 공장의 인공 광원 설정을 변경하는 단계를 포함하는, 인공 광원 설정 방법.
  2. 제1항에 있어서,
    상기 시뮬레이션 모델을 생성하는 단계는,
    3차원 스캐너를 이용하여 식물의 3차원 스캔 데이터를 생성하는 단계, 그리고
    상기 3차원 스캔 데이터를 이용하여 서피스 모델(surface model)을 생성하는 단계,
    를 포함하는, 인공 광원 설정 방법.
  3. 제2항에 있어서,
    상기 이차대사산물 함량을 예측하는 단계는,
    상기 서피스 모델에 포함된 복수의 엽 각각을 검출기(detector)로 설정하는 단계, 그리고
    상기 식물의 엽 각각의 수광량을 예측하는 단계
    를 포함하는, 인공 광원 설정 방법.
  4. 제3항에 있어서,
    상기 이차대사산물 함량을 예측하는 단계는,
    상기 식물의 광학 특성 및 이차대사산물 함량을 데이터를 수신하고, 식물의 광학 특성과 이차대사산물 함량에 대한 선형 회귀분석을 수행하는 단계
    를 더 포함하는, 인공 광원 설정 방법.
  5. 제4항에 있어서,
    상기 이차대사산물 함량을 예측하는 단계는,
    상기 엽 각각의 수광량 예측 결과를 이용하여 상기 식물의 엽별, 엽의 높이별, 상기 식물의 생육 단계 중 어느 하나에 따른 수광량을 도출하는 단계, 그리고
    상기 식물의 엽별, 엽의 높이별, 상기 식물의 생육 단계 중 어느 하나에 따른 수광량과 상기 선형 회귀분석 결과를 이용하여 이차대사산물 함량을 예측하는 단계
    를 더 포함하는, 인공 광원 설정 방법.
  6. 식물 이차대사산물 조절을 위한 인공 광원 설정 시스템에 있어서,
    식물의 재배를 위한 빛을 생성하는 인공 조명,
    광학 시뮬레이션 프로그램이 저장된 메모리, 그리고
    상기 메모리에 저장된 광학 시뮬레이션 프로그램을 실행하는 프로세서를 포함하며,
    상기 프로세서는 상기 광학 시뮬레이션 프로그램을 실행하여, 식물의 3차원 구조 모델 및 식물 공장의 광원 데이터를 이용한 시뮬레이션 모델을 생성하고, 상기 식물의 3차원 구조 모델에 포함된 복수의 엽 각각에 대한 수광 분석을 수행하여, 상기 복수의 엽 각각의 이차대사산물 함량을 예측하며, 상기 복수의 엽 각각의 이차대사산물 함량이 미리 설정된 값을 가지도록 광원 설정 값을 도출하며,
    상기 인공 광원은 상기 광원 설정 값에 따라 제어되는, 인공 광원 설정 시스템.
  7. 제6항에 있어서,
    상기 식물 공장의 인공 광원 설정 시스템은,
    식물을 스캔하여 식물의 3차원 구조 데이터를 생성하는 3차원 스캐너
    를 더 포함하며,
    상기 프로세서는 상기 광학 시뮬레이션 프로그램을 실행하여,
    상기 3차원 스캔 데이터를 이용하여 서피스 모델(surface model)을 생성하는, 인공 광원 설정 시스템.
  8. 제7항에 있어서,
    상기 프로세서는 상기 광학 시뮬레이션 프로그램을 실행하여,
    상기 식물의 3차원 구조 모델에 포함된 복수의 엽 각각을 검출기(detector)로 설정하고, 상기 식물의 옆 각각의 이차대사산물 함량을 예측하는, 식물 이차대사산물 조절을 위한 인공 광원 설정 시스템.
  9. 제8항에 있어서,
    상기 프로세서는 상기 광학 시뮬레이션 프로그램을 실행하여,
    상기 식물의 광학 특성 및 이차대사산물 함량을 데이터를 수신하고, 식물의 광학 특성과 이차대사산물 함량에 대한 선형 회귀분석을 수행하는, 식물 이차대사산물 조절을 위한 인공 광원 설정 시스템.
  10. 제9항에 있어서,
    상기 프로세서는 상기 광학 시뮬레이션 프로그램을 실행하여,
    상기 엽 각각의 수광량 예측 결과를 이용하여 상기 식물의 엽별, 엽의 높이별, 상기 식물의 생육 단계 중 어느 하나에 따른 수광량을 도출하고, 상기 식물의 엽별, 엽의 높이별, 상기 식물의 생육 단계 중 어느 하나에 따른 수광량과 상기 선형 회귀분석 결과를 이용하여 이차대사산물 함량을 예측하는, 식물 이차대사산물 조절을 위한 인공 광원 설정 시스템.
KR1020210140694A 2021-10-21 2021-10-21 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템 KR20230056896A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210140694A KR20230056896A (ko) 2021-10-21 2021-10-21 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템
US17/965,456 US11889800B2 (en) 2021-10-21 2022-10-13 Method and system for setting artificial ultraviolet illumination for plant

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210140694A KR20230056896A (ko) 2021-10-21 2021-10-21 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20230056896A true KR20230056896A (ko) 2023-04-28

Family

ID=86055589

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210140694A KR20230056896A (ko) 2021-10-21 2021-10-21 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템

Country Status (2)

Country Link
US (1) US11889800B2 (ko)
KR (1) KR20230056896A (ko)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4280835B2 (ja) 2006-10-03 2009-06-17 国立大学法人山口大学 植物体の栄養成分増強方法
KR20150076838A (ko) 2013-12-27 2015-07-07 농업회사법인 토담식품(주) 식물 재배용 조명장치 및 조명 제어 방법
US20170311553A1 (en) * 2016-05-02 2017-11-02 Sensor Electronic Technology, Inc. Ultraviolet Plant Illumination System
US10842081B2 (en) * 2016-08-31 2020-11-24 Sensor Electronic Technology, Inc. Controlling light exposure of light sensitive object
US11375595B2 (en) * 2016-09-30 2022-06-28 Sensor Electronic Technology, Inc. Controlling ultraviolet intensity over a surface of a light sensitive object
KR20190122456A (ko) 2018-04-20 2019-10-30 충북대학교 산학협력단 Uv를 이용한 식물 재배 방법 및 이를 위한 식물 재배 시스템
US11291164B2 (en) * 2018-08-24 2022-04-05 Seoul Viosys Co., Ltd. Light source for plant cultivation
CA3149012A1 (en) * 2021-02-17 2022-08-17 Sollum Technologies Inc. Method and system for simulating and implementing horticultural lighting scenarios
US11915366B2 (en) * 2021-04-27 2024-02-27 The Regents Of The University Of California Per-plant aerial image data analytics method and devices

Also Published As

Publication number Publication date
US20230129952A1 (en) 2023-04-27
US11889800B2 (en) 2024-02-06

Similar Documents

Publication Publication Date Title
US11925153B2 (en) Controlling light exposure of light sensitive object
Legendre et al. Supplemental far-red light stimulates lettuce growth: Disentangling morphological and physiological effects
Evain et al. A new instrument for passive remote sensing: 2. Measurement of leaf and canopy reflectance changes at 531 nm and their relationship with photosynthesis and chlorophyll fluorescence
DE102019201988A1 (de) Gesteuertes landwirtschaftssystem, landwirtschaftliche leuchtezur verwendung in einem gesteuerten landwirtschaftssystemund verfahren zur landwirtschaftlichen bewirtschaftung
US20220075344A1 (en) A method of finding a target environment suitable for growth of a plant variety
US20170000041A1 (en) Method to improve crop yield and/or quality
Paula et al. Eucalypt growth in monoculture and silvopastoral systems with varied tree initial densities and spatial arrangements
Olvera-González et al. Chlorophyll fluorescence emission of tomato plants as a response to pulsed light based LEDs
US20220390362A1 (en) Remote measurement of crop stress
Millán et al. Automatic irrigation scheduling on a hedgerow olive orchard using an algorithm of water balance readjusted with soil moisture sensors
CN114008481A (zh) 植物光合能力的遥感
Moosavi-Nezhad et al. Growth, biomass partitioning, and photosynthetic performance of chrysanthemum cuttings in response to different light spectra
Rakutko et al. Manifestation of effect of fluctuating asymmetry of bilateral traits of tomato growing in industrial greenhouses
Jin et al. Effect of red and blue light on cucumber seedlings grown in a plant factory
Chang et al. A supplementary lighting and regulatory scheme using a multi-wavelength light emitting diode module for greenhouse application
Reichel et al. Impact of three different light spectra on the yield, morphology and growth trajectory of three different Cannabis sativa L. strains
Burgess et al. The effect of canopy architecture on the patterning of “windflecks” within a wheat canopy
Durante et al. Estimating forage quantity and quality under different stress and senescent biomass conditions via spectral reflectance
Boros et al. Effects of LED lighting environments on lettuce (Lactuca sativa L.) in PFAL systems–A review
Osada et al. How is light interception efficiency related to shoot structure in tall canopy species?
Ye et al. A hyperspectral deep learning attention model for predicting lettuce chlorophyll content
Thapa et al. Assessment of water stress in vineyards using on-the-go hyperspectral imaging and machine learning algorithms
Zhu et al. Analysis and mitigation of illumination influences on canopy close-range hyperspectral imaging for the in situ detection of chlorophyll distribution of basil crops
Gómez-Fernández et al. Early human selection of crops’ wild progenitors explains the acquisitive physiology of modern cultivars
KR20230056896A (ko) 식물 이차대사산물 조절을 위한 인공 조명 설정 방법 및 시스템

Legal Events

Date Code Title Description
E902 Notification of reason for refusal