KR20230168607A - 강화학습 기반 작물 재배를 지원하는 재배기 - Google Patents
강화학습 기반 작물 재배를 지원하는 재배기 Download PDFInfo
- Publication number
- KR20230168607A KR20230168607A KR1020230101863A KR20230101863A KR20230168607A KR 20230168607 A KR20230168607 A KR 20230168607A KR 1020230101863 A KR1020230101863 A KR 1020230101863A KR 20230101863 A KR20230101863 A KR 20230101863A KR 20230168607 A KR20230168607 A KR 20230168607A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- control unit
- crop
- control
- environmental
- Prior art date
Links
- 230000002787 reinforcement Effects 0.000 title claims abstract description 55
- 230000007613 environmental effect Effects 0.000 claims abstract description 85
- 230000001066 destructive effect Effects 0.000 claims abstract description 7
- 235000015097 nutrients Nutrition 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 34
- 239000003795 chemical substances by application Substances 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000000034 method Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 239000007921 spray Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012364 cultivation method Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G31/00—Soilless cultivation, e.g. hydroponics
- A01G31/02—Special apparatus therefor
-
- 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
- A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
-
- 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
- A01G9/143—Equipment for handling produce in 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
- A01G9/26—Electric devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Environmental Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Forests & Forestry (AREA)
- Ecology (AREA)
- General Business, Economics & Management (AREA)
- Biodiversity & Conservation Biology (AREA)
- Economics (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Wood Science & Technology (AREA)
- Botany (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 일 태양에 따르면, 강화학습 기반 작물 재배를 지원하는 재배기로서, 대상 작물에 대하여 비파괴적인 방식으로 작물 이미지 정보를 획득하는 촬영부, 상기 대상 작물의 생장에 영향을 미치는 적어도 하나의 환경 요소에 관한 환경 정보를 감지하기 위한 센서부, 및 강화학습 모델에 기반하여 상기 작물 이미지의 촬영 및 상기 환경 요소를 제어하기 위한 제어부를 포함하는 재배기가 제공된다.
Description
본 발명은 강화학습 기반 작물 재배를 지원하는 재배기에 관한 것이다.
현재 인류는 전 세계적인 식량 수요의 증가, 기후 변화 위험 관리의 필요성 증가, 노동력 부족 등의 문제에 직면해 있으며, 이로 인해 재배 생산성을 높여야 한다는 목소리가 커지고 있다.
현재까지의 통상적인 재배 전략은 예전부터 전해 내려오거나, 재배 전문가 혹은 연구자들이 개발한 것으로서, 적정 환경 요소 범위를 지정하여 재배 기간에 걸쳐서, 환경 요소에 대한 값을 고정적으로 유지한다는 특징이 있다. 그러나, 이러한 재배 전략은 재배 주기가 끝나고 난 후에 비로소 그 전략에 대한 성과를 평가할 수 있을 뿐만 아니라, 실제 재배 환경에서 작물의 생육에 방해가 되는 요소가 발생하는 경우와 같은 상황을 대비할 수 없다는 점에서 한계가 분명하다. 또한, 작물의 환경 요소에 따라 다양한 조합이 생성될 수 있으므로 통상적인 재배 전략으로부터 최적의 재배 전략을 찾는 것은 쉽지 않다.
한편, 4차 산업 혁명 시대가 도래함에 따라 인공지능에 대한 관심이 커지고 있다. 그 중 강화학습은 최적화 개념과 행동심리학 개념을 결합한 인공지능 기반 기계학습 알고리즘 중 하나로서, 시스템 최적화 문제를 풀기 위해 많은 연구 및 개발이 이루어지고 있다. 이에 따라, 강화학습을 작물 재배에 도입하여 재배 생산성을 높이고자 하는 시도가 이어지고 있다.
하지만, 지금까지 소개된 기술에 의하면, 재배 주기가 끝난 후에 비로소 보상이 제공되는 방식으로 강화학습이 이루질 뿐이므로, 재배 중에 보상을 제공할 수 없어 데이터의 절대적인 수량이 부족하고, 데이터의 수집 속도가 느린 작물 재배 환경에서 최적의 재배 전략을 찾는 것이 어렵다는 한계가 있었다.
이에 본 발명자(들)는, 최적의 재배 전략을 찾기 위하여 대상 작물에 대하여 비파괴적인 방식으로 작물 이미지 정보를 획득하는 촬영부, 대상 작물의 생장에 영향을 미치는 적어도 하나의 환경 요소에 관한 환경 정보를 감지하기 위한 센서부, 및 강화학습 모델에 기반하여 작물 이미지의 촬영 및 환경 요소를 제어하기 위한 제어부를 포함하는 재배기를 제안하는 바이다.
본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 다양한 환경 요소를 센싱 및 제어하고, 추가적인 알고리즘을 이용하여 최적의 재배 전략을 찾는 것을 다른 목적으로 한다.
또한 본 발명은, 강화학습 서버와의 통신을 통해 재배기를 원격 제어함으로써 작물 이미지 시퀀스 정보에 기초하여 추론되는 중간 보상을 이용하여 학습되는 강화학습 모델에 따라 제어를 수행하는 것을 또 다른 목적으로 한다.
또한 본 발명은, 환경 정보와 환경 제어 정보 사이의 상관 관계에 기초하여 생성되는 역학 모델에 의해 생성되는 데이터를 이용하여 학습되는 강화학습 모델에 따라 제어를 수행하는 것을 또 다른 목적으로 한다.
또한, 본 발명은, 재배기의 크기를 소형화하고, 독립성으로 제어될 수 있는 재배 환경을 구축함으로써, 한정된 공간에서도 많은 재배기를 이용하여 재배 데이터를 충분히 확보하는 것을 또 다른 목적으로 한다.
또한, 본 발명은, 재배 최적화를 위하여 분무경을 통해 양액을 공급함으로써, 정밀하게 분무량 및 분무 시기를 제어하고, 물의 소모를 줄이는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 대상 작물에 대하여 비파괴적인 방식으로 작물 이미지 정보를 획득하는 촬영부, 상기 대상 작물의 생장에 영향을 미치는 적어도 하나의 환경 요소에 관한 환경 정보를 감지하기 위한 센서부, 및 강화학습 모델에 기반하여 상기 작물 이미지의 촬영 및 상기 환경 요소를 제어하기 위한 제어부를 포함하는 재배기가 제공된다.
본 발명에 의하면, 다양한 환경 요소를 센싱 및 제어하고, 추가적인 알고리즘을 이용하여 최적의 재배 전략을 찾을 수 있게 된다.
또한 본 발명에 의하면, 강화학습 서버와의 통신을 통해 재배기를 원격 제어함으로써 작물 이미지 시퀀스 정보에 기초하여 추론되는 중간 보상을 이용하여 학습되는 강화학습 모델에 따라 제어를 수행할 수 있게 된다.
또한 본 발명에 의하면, 환경 정보와 환경 제어 정보 사이의 상관 관계에 기초하여 생성되는 역학 모델에 의해 생성되는 데이터를 이용하여 학습되는 강화학습 모델에 따라 제어를 수행할 수 있게 된다.
또한, 본 발명에 의하면, 재배기의 크기를 소형화하고, 독립성으로 제어될 수 있는 재배 환경을 구축함으로써, 한정된 공간에서도 많은 재배기를 이용하여 재배 데이터를 충분히 확보할 수 있게 된다.
또한, 본 발명에 의하면, 재배 최적화를 위하여 분무경을 통해 양액을 공급함으로써, 정밀하게 분무량 및 분무 시기를 제어하고, 물의 소모를 줄일 수 있게 된다.
도 1은 본 발명의 일 실시예에 따라 작물 재배를 제어하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 재배기의 내부 구성을 개념적으로 도시하는 도면이다.
도 3 내지 도 5는 본 발명의 일 실시예에 따른 재배기의 외관, 내부 및 양액 공급 방식을 예시적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 재배기의 내부 구성을 개념적으로 도시하는 도면이다.
도 3 내지 도 5는 본 발명의 일 실시예에 따른 재배기의 외관, 내부 및 양액 공급 방식을 예시적으로 나타내는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
본 발명의 일 실시예에 따른 작물 이미지 정보는 획득된 작물 이미지를 기초로 추정될 수 있는 대상 작물의 생장 정보, 생장 정보를 참조하여 결정되는 대상 작물의 생장 변화 정보를 포함할 수 있다. 한편, 본 발명의 일 실시예에 따른 작물의 생장 정보의 추정, 작물의 생장 변화 정보의 결정에 대해 더 자세한 내용에 관하여는 본 출원인에 의하여 출원된 한국특허출원 제10-2022-0057194호에 최초로 첨부된 특허출원명세서의 기재를 참조할 수 있으며, 한국특허출원 제10-2022-0057194의 특허출원명세서에 기재된 내용은 그 전체로서 본 명세서에 병합된 것으로 보아야 함을 밝혀 둔다.
본 발명의 일 실시예에 따른 환경 정보는 온도, 습도, 광도, 조도, 농도 등 대상 작물의 재배에 연관된 환경 요소에 관한 정보를 의미할 수 있다. 또한, 본 발명의 일 실시예에 따른 환경 정보는 재배기 내에서 작물의 재배가 이루어지는 과정에서 제공되는 환경 요소를 의미할 수 있다. 한편, 본 발명의 일 실시예에 따른 환경 정보는 강화학습에서 환경과 에이전트가 상호작용하는 과정 중 제공되는 상태에 대응될 수 있다.
본 발명의 일 실시예에 따른 환경 제어 정보는 타겟 온도, 타겟 습도, 타겟 광도, 타겟 조도, 타겟 풍량, 타겟 농도, 타겟 급수량 등 대상 작물의 재배를 위해 제어되는 환경 요소에 관한 정보를 의미할 수 있다. 또한, 본 발명의 일 실시예에 따른 환경 제어 정보는 재배기 내에서 작물의 재배가 이루어지는 과정에서 제어하고자 하는 환경 요소를 의미할 수 있다. 한편, 본 발명의 일 실시예에 따른 환경 제어 정보는 강화학습에서 환경과 에이전트가 상호작용하는 과정 중 에이전트의 행동에 대응될 수 있다.
본 발명의 일 실시예에 따른 보상 정보는 강화학습에서 환경과 에이전트가 상호작용하는 과정 중 에이전트에게 주어지는 보상에 대응될 수 있다. 구체적으로, 본 발명의 일 실시예에 따른 보상 정보는 에이전트에게 주어지는 보상을 결정하는 기준(또는 환경이 에이전트로부터 행동을 수신한 후 다음 상태를 결정하는 기준) 및 기준에 따라 제공된 보상에 관한 정보를 의미할 수 있다. 예를 들어, 보상 정보는 보상 함수(예를 들어, 가치 함수) 또는 전이 확률 분포 함수, 재배기에 전달하는 작물 재배의 종료 신호 등에 관한 정보를 포함할 수 있다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따라 작물 재배를 제어하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 재배 제어 시스템(200) 및 디바이스(300)를 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE; Long Term Evolution) 통신, 5G 통신, 블루투스 통신(저전력 블루투스(BLE; Bluetooth Low Energy) 통신 포함), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다. 다른 예를 들면, 통신망(100)은 광 통신망으로서, 라이파이(LiFi; Light Fidelity) 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
다음으로, 본 발명의 일 실시예에 따른 재배 제어 시스템(200)은 작물 이미지 정보, 환경 정보, 환경 제어 정보 및 보상 정보 중 적어도 하나에 기초하여 대상 작물에 관한 상태에 따른 에이전트의 행동에 관한 이력 정보를 획득하고, 획득된 이력 정보 및 강화학습 모델을 이용하여 누적 보상을 최대화하는 제어 정책을 결정하는 기능을 수행할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 디바이스(300)는 재배 제어 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 재배기(400), 스마트폰, 태블릿, 스마트 워치, 스마트 밴드, 스마트 글래스, 데스크탑 컴퓨터, 노트북 컴퓨터, 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(300)로서 채택될 수 있다.
특히, 디바이스(300)는, 사용자가 재배 제어 시스템(200)으로부터 본 발명에 따른 서비스를 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 재배 제어 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
한편, 본 발명의 일 실시예에 따른 재배 제어 시스템(200)에 대해 더 자세한 내용에 관하여는 본 출원인에 의하여 출원된 한국특허출원 제10-2022-0058642호에 최초로 첨부된 특허출원명세서의 기재를 참조할 수 있으며, 한국특허출원 제10-2022-0058642의 특허출원명세서에 기재된 내용은 그 전체로서 본 명세서에 병합된 것으로 보아야 함을 밝혀 둔다.
재배기(400)의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 재배기(400)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.
본 발명의 일 실시예에 따른 재배기(400)는, 짧은 주기로 재배가 가능하고, 재배 환경이 독립적이며, 재배기(400)의 골조의 일부를 쉽게 구현할 수 있는 소형 재배기를 의미할 수 있다. 구체적으로, 본 발명의 일 실시예에 따른 최적의 재배 알고리즘의 개발을 위해 많은 재배 데이터 및 독립적으로 제어될 수 있는 재배 환경을 필요로 하므로, 재배기(400)는 후술할 구성요소의 기능을 수행할 수 있으면서, 최소화될 수 있다. 이를 통해, 한정된 공간에서도 많은 재배기(400)를 이용하여 재배 데이터를 충분히 확보할 수 있을 뿐만 아니라, 재배 환경을 독립적으로 제어하기 용이해지는 효과가 달성될 수 있다.
또한, 본 발명의 일 실시예에 따른 재배기(400)는, 촬영부(410), 센서부(420) 및 제어부를 포함하여 구성될 수 있다. 구체적으로, 본 발명의 일 실시예에 따른 재배기(400)는 대상 작물에 대하여 비파괴적인 방식으로 작물 이미지를 획득할 수 있는 촬영부(410), 대상 작물의 생장에 영향을 미치는 적어도 하나의 환경 요소에 관한 환경 정보를 감지하기 위한 센서부(420), 강화학습 모델에 기반하여 작물 이미지의 촬영 및 환경 요소를 제어하기 위한 제어부를 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따르면, 촬영부(410), 센서부(420) 및 제어부는 그 중 적어도 일부가 외부의 시스템(미도시됨)과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 재배기(400)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 재배기(400)와 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 재배기(400)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 재배기(400)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 재배 제어 시스템(200), 디바이스(300) 또는 서버(미도시됨) 내에서 실현되거나 외부 시스템(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.
도 2는 본 발명의 일 실시예에 따른 재배기(400)의 내부 구성을 개념적으로 도시하는 도면이다.
먼저, 본 발명의 일 실시예에 따른 촬영부(410)는, 대상 작물에 대하여 비파괴적인 방식으로 작물 이미지 정보를 획득하는 기능을 수행할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 촬영부(410)는 대상 작물의 특성 또는 형태에 관하여 비파괴적인 방식으로 작물 이미지를 획득할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 촬영부(410)는 대상 작물에 직접적으로 가시광선을 조사하지 않는 방식으로 작물 이미지를 획득할 수 있다. 예를 들어, 촬영부(410)는 직접적으로 가시광선을 조사하지 않고, 대상 작물로부터 적외선 에너지를 감지하는 방식으로 작물 이미지를 획득할 수 있다.
이를 통해, 야간 촬영 시 강제로 빛을 주어 대상 작물의 생육 상태를 변동시키는 기존의 광 조사 방식과는 달리 작물의 생체 리듬에 영향을 주지 않는 방식으로 작물의 야간 이미지를 획득할 수 있으므로 짧은 시간 내에 많은 재배 데이터를 확보할 수 있게 된다.
또한, 본 발명의 일 실시예에 따른 촬영부(410)의 대상 작물에 관한 촬영은 후술할 제1 제어부(430)를 통해 제어될 수 있으며, 촬영부(410)는 대상 작물에 관한 촬영을 통해 획득한 작물 이미지를 제1 제어부(430)에 전송할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 센서부(420)는, 대상 작물의 생장에 영향을 미치는 적어도 하나의 환경 요소에 관한 환경 정보를 감지하는 기능을 수행할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 센서부(420)는 온도, 습도(또는 상대습도), 광도, 조도, 농도 등 대상 작물의 재배에 연관된 환경 요소에 관한 정보를 감지할 수 있다,
한편, 본 발명의 일 실시예에 따르면, 센서부(420)에서 감지한 환경 정보는 강화학습에서 환경과 에이전트가 상호작용하는 과정 중 제공되는 상태에 대응될 수 있다.
또한, 본 발명의 일 실시예에 따른 센서부(420)의 환경 요소에 관한 감지는 후술할 제2 제어부(440)를 통해 제어될 수 있고, 센서부(420)는 감지한 환경 정보를 제2 제어부(440)에 전송할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 제어부는, 강화학습 모델에 기반하여 작물 이미지의 촬영 및 환경 요소를 제어하는 기능을 수행할 수 있다.
본 발명의 일 실시예에 따른 제어부는 제1 제어부(430), 제2 제어부(440) 및 제어 모듈(450)을 포함할 수 있고, 제1 제어부(430) 및 제2 제어부(440)는 재배 제어 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 재배 제어 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 촬영부(410), 센서부(420) 및 제어 모듈(450)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 제어부는 대상 작물에 관한 촬영 및 강화학습 모델에 관한 동작을 제어하는 제1 제어부(430)와 환경 요소의 감지 및 제어에 관한 동작을 제어하는 제2 제어부(440)를 포함할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 제1 제어부(430)와 제2 제어부(440)는 프로그래밍을 통해 다양한 제어나 연산 작업이 가능한 초소형 컴퓨터인 MCU(Micro Controller Unit)를 포함할 수 있다. 예를 들어, 제1 제어부(430)는 라즈베리파이(Raspberry Pi)를 포함할 수 있고, 제2 제어부(440)는 아두이노(Arduino)를 포함할 수 있다. 다만, 제1 제어부(430)와 제2 제어부(440)가 포함하는 MCU는 위의 예시에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
이를 통해, 본 발명의 일 실시예에 따른 재배기(400)는 다양한 환경 요소를 센싱 및 제어할 수 있게 된다. 또한, 본 발명의 일 실시예에 따른 재배기(400)는 단순히 기설정된 방식대로 작동할 수 있을 뿐만 아니라, 경우에 따라서는 추가적인 알고리즘을 이용하여 다른 방식으로 작동할 수 있기 때문에, 최적의 재배 전략을 찾는 데에 기여할 수 있게 되는 효과가 달성될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 제1 제어부(430)와 제2 제어부(440) 사이에서 시리얼(serial) 통신이 이루어질 수 있다. 본 발명의 일 실시예에 따른 시리얼 통신은 데이터를 스트림으로 바꿔서 한 번에 한 비트씩 전송하는 것으로 제1 제어부(430)와 제2 제어부(440) 사이에 연결된 두 개의 선(예를 들어, 데이터의 송수신을 위한 선, 동기화를 위한 선)을 이용하여 이루어질 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 제1 제어부(430)와 제2 제어부(440)가 물리적으로 결합되어, 동기화된 시리얼 통신을 통해 다양한 정보(예를 들어, 환경 정보, 환경 제어 정보, 보상 정보, 작물 이미지 정보, 대상 작물에 관한 상태에 따른 에이전트의 행동에 관한 이력 정보 등)를 주고, 받을 수 있으며, 오류가 적고 빠른 통신이 가능해질 수 있다.
또한, 본 발명의 일 실시예에 따른 제어부는 작물 이미지 시퀀스 정보에 기초하여 추론되는 중간 보상을 이용하여 학습되는 강화학습 모델에 따라 제어를 수행할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 제어부는 강화학습 모델에 포함되는 보상 체계가 작물 이미지 정보를 참조하여 생성되는 제1 작물 이미지 시퀀스 정보 및 제2 작물 이미지 시퀀스 정보 사이의 우열 관계를 기초로 중간 보상을 추론할 수 있도록 지원할 수 있고, 중간 보상을 이용하여 학습되는 강화학습 모델에 따라 작물 이미지의 촬영 및 환경 요소를 제어할 수 있다.
본 발명의 일 실시예에 따른 작물 이미지 시퀀스 정보는 촬영부(410)가 획득한 작물 이미지 정보를 제1 제어부(430)가 시간의 흐름에 기초하여 추출하고 생성한 정보를 의미할 수 있다. 예를 들어, 제1 작물 이미지 시퀀스 정보는 제1 시점까지의 획득된 작물 이미지, 작물의 생장 정보, 작물의 생장 변화 정보 등을 포함할 수 있다. 또 다른 예를 들어, 제2 작물 이미지 시퀀스 정보는 제1 시점부터 제2 시점까지 획득된 작물 이미지, 작물의 생장 정보, 작물의 생장 변화 정보 등을 포함할 수 있다.
여기서, 본 발명의 일 실시예에 따른 작물의 생장 정보는 대상 작물의 형태 또는 특성에 따라 대상 작물의 생육 상태를 분석할 수 있는 정보(예를 들어, 수분 포텐셜, 생장 기대 확률 분포, 생체중, 대상 작물의 엽면적, 대상 작물의 정사영 엽면적, 광학적 흐름에 따른 생장 속도, 광합성 속도 등에 관한 정보)를 의미할 수 있다. 또한, 본 발명의 일 실시예에 따른 작물의 생장 변화 정보는 시간의 흐름에 따라 나타나는 대상 작물의 생육 상태의 변화에 관한 정보(예를 들어, 시간에 따른 수분 포텐셜의 변화, 생체중의 변화, 엽면적의 변화, 정사영 엽면적의 변화, 광학적 흐름에 따른 생장 속도의 변화 등에 관한 정보)를 의미할 수 있다.
보다 구체적으로, 본 발명의 일 실시예에 따른 제1 작물 이미지 시퀀스 정보 및 제2 작물 이미지 시퀀스 정보 사이의 우열 관계는 이진 분류(Binary Classification) 알고리즘을 통해 결정될 수 있다.
예를 들어, 위의 우열 관계는 대상 작물의 생장 변화 정보를 참조하여 결정될 수 있다. 구체적으로, 동일한 시점 구간 동안 제1 작물 이미지 시퀀스 정보에 포함된 작물의 생장 변화량의 크기 및 제2 작물 이미지 시퀀스 정보에 포함된 작물의 생장 변화량의 크기를 비교하는 방식으로 이진화 분류(또는 이진화 라벨링)가 이루어짐으로써 우열 관계가 결정될 수 있다. 이를 통해, 각각의 작물 이미지에 포함된 작물의 구성 요소(예를 들어, 줄기, 잎, 뿌리) 등에 대한 개별적인 라벨링 부담이 줄어들 뿐만 아니라, 시퀀스의 구간(즉, 시점 구간)만큼 학습이 지연되는 것을 막을 수 있으므로, 강화학습에서 시간과 비용을 절감할 수 있는 효과가 달성될 수 있다. 또한, 위의 우열 관계에 기초하여 보상 체계가 학습되고, 중간 보상의 추론이 가능해짐에 따라 강화학습의 학습 효율이 향상되는 효과가 달성될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 작물 이미지 시퀀스 정보는 제1 제어부(430)에서 프로그래밍을 통해 추가되는 데이터 증강 알고리즘에 기초하여 더 획득될 수 있다. 예를 들어, 랜덤 플립(random flip) 알고리즘을 통해 작물 이미지의 상하 및 좌우를 전환함으로써 작물의 이미지 시퀀스 정보가 더 획득될 수 있다. 이를 통해, 적은 비용으로 더 많은 작물의 이미지가 획득될 수 있고, 작물 재배의 최적화를 위한 강화학습에 이용될 수 있는 효과가 달성될 수 있다.
한편, 본 발명의 일 실시예에 따르면, 강화학습 모델은 제1 제어부(430)로부터 작물 이미지 정보, 환경 정보를 수신하여 누적 보상을 최대화하는 제어 정책을 결정할 수 있도록 학습될 수 있다. 구체적으로, 본 발명의 일 실시예에 따르면, 제1 제어부(430)는 제2 제어부(440)로부터 환경 정보를 수신할 수 있고, 촬영부(410)로부터 작물 이미지 정보를 수신할 수 있으며, 제1 제어부(430)는 강화학습 모델의 학습이 진행되는 별도의 서버(또는 강화학습 서버)(미도시됨)로 위의 정보들을 송신할 수 있고, 강화학습 모델은 강화학습 서버가 수신한 작물 이미지 정보 및 환경 정보를 참조하여 누적 보상을 최대화하는 제어 정책을 결정할 수 있도록 학습될 수 있다.
또한, 본 발명의 일 실시예에 따른 제1 제어부(430)는 강화학습 모델로부터 작물 이미지 정보, 환경 정보, 환경 제어 정보 및 보상 정보 중 적어도 하나에 기초하여 대상 작물에 관한 상태에 따른 에이전트의 행동에 관한 이력 정보를 수신할 수 있다. 구체적으로, 본 발명의 일 실시예에 따른 제1 제어부(430)는 강화학습 서버로부터 대상 작물에 관한 상태에 따른 에이전트의 행동에 관한 이력 정보를 수신할 수 있다.
본 발명의 일 실시예에 따른 이력 정보는 특정 시점에서 작물 이미지 정보, 환경 정보, 환경 제어 정보 및 보상 정보 중 적어도 하나에 기초하여 획득한 대상 작물에 관한 상태에 따른 에이전트의 행동에 관한 정보가 시간의 흐름에 따라 누적되는 정보로서, 강화학습이 이루어지는 시간의 흐름에 따라 누적되는 순서쌍의 집합을 의미할 수 있고, 위의 순서쌍은 작물 이미지 정보, 환경 정보, 환경 제어 정보 및 보상 정보 중 적어도 하나에 기초하여 결정될 수 있다.
또한, 본 발명의 일 실시예에 따른 제1 제어부(430)는 이력 정보를 제2 제어부(440)에 송신하고, 제2 제어부(440)는 이력 정보에 포함된 환경 제어 정보를 참조하여 환경 요소의 감지 및 제어에 관한 동작을 제어할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 제2 제어부(440)는 제1 제어부(430)로부터 수신한 환경 제어 정보를 참조하여 적어도 하나의 제어 모듈(450)을 통해 환경 요소의 감지 및 제어에 관한 동작을 제어할 수 있다. 보다 구체적으로, 본 발명의 일 실시예에 따른 적어도 하나의 제어 모듈(450)은 냉각 모듈, 난방 모듈, 가습 모듈, 환풍 모듈, 펌프 모듈, 관수 모듈, LED 모듈을 포함할 수 있으며, 환경 제어 정보를 참조하여 재배 공간의 환경 요소를 제어할 수 있다.
또한, 본 발명의 일 실시예에 따른 제2 제어부(440)는 제1 제어부(430)로부터 수신한 이력 정보에 포함된 작물 재배의 종료 신호(Done)에 따라 제어 모듈(450)을 제어함으로써 재배기(400)의 작동을 종료할 수 있다.
이와 같이, 본 발명의 일 실시예에 따른 제1 제어부(430)가 강화학습 서버와의 통신(예를 들어, 소켓(Socket) 통신)을 통해 이력 정보를 수신하고, 제2 제어부(440)가 제1 제어부(430)와의 통신(예를 들어, 시리얼 통신)을 통해 이력 정보에 포함된 환경 제어 정보 또는 작물 재배의 종료 신호를 수신하여 제어 모듈(450)을 통해 재배 공간의 환경 요소를 제어할 수 있으므로, 재배기(400)의 원격 제어가 가능해지는 효과가 달성될 수 있다.
또한, 본 발명의 일 실시예에 따른 제2 제어부(440)는 환경 제어 정보에 따라 환경 요소의 감지 및 제어가 이루어지는지 검증할 수 있다.
예를 들어, 제2 제어부(440)는 제1 제어부(430)로부터 수신한 환경 제어 정보에 포함된 타겟 농도와 센서부(420)로부터 감지한 재배 공간 내의 농도와 일치하는지 여부에 대하여 검증할 수 있다.
또 다른 예를 들어, 제2 제어부(440)는 제1 제어부(430)로부터 수신한 이력 정보로부터 에이전트의 행동이 잘 이루어졌는지 여부를 검증할 수 있다.
또 다른 예를 들어, 위의 검증을 통해 제1 제어부(430)와의 통신이 이루어지지 않거나 센서부(420)를 통한 환경 요소의 감지 및 제어가 이루어지지 않는 것으로 판단되는 경우, 제2 제어부(440)는 재실행(Reboot)될 수 있다.
한편, 본 발명의 일 실시예에 따른 제어부는 강화학습 모델에서 에이전트가 이력 정보의 적어도 일부에 기초하여 환경과의 상호작용 없이 학습될 수 있도록 지원할 수 있다.
예를 들어, 제1 제어부(430)는 강화학습 서버에 재배기(400)에서 획득한 환경 정보 및 작물 이미지 정보를 송신하지 않음으로써, 강화학습 모델에서 에이전트는 사전에 획득한 이력 정보에 기초하여 환경과의 상호작용 없이 사전 학습될 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 사전 학습 과정에서 획득한 이력 정보의 적어도 일부에 기초하여 보수적인 가치 함수가 학습될 수 있다. 본 발명의 일 실시예에 따른 보수적인 가치 함수는 이후의 강화학습 과정에서 페널티를 제공하는 기준이 될 수 있다.
보다 구체적으로, 본 발명의 일 실시예에 따라 환경과의 상호작용을 하며 강화학습이 이루어질 경우에, 근본적으로 데이터가 부족하고, 데이터 수집 속도가 느린 작물 재배 환경에서 과대 추정되는 가치 함수에 기초하여 의도치 않은 편향에 대해 학습하게 되거나 과적합(overfitting)되는 위험이 존재하게 되는데, 사전 학습 과정에서 결정된 가치 함수를 기준으로 보정이 이루어질 수 있으므로 작물 재배 최적화에 보다 적합한 방향으로 강화학습이 이루어질 수 있다.
한편, 본 발명의 일 실시예에 따른 제어부는 환경 정보와 환경 제어 정보 사이의 상관 관계에 기초하여 생성되는 역학 모델에 의해 생성되는 데이터를 이용하여 학습되는 강화학습 모델에 따라 제어를 수행할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 제어부는 에이전트와 환경의 상호작용에서 환경 정보가 주어짐에 따라 환경 제어 정보가 결정되는 것에 관한 상관 관계에 기초하여 생성되는 역학 모델에 의해 생성되는 데이터를 이용하여 학습되는 강화학습 모델에 따라 작물 이미지의 촬영 및 환경 요소를 제어할 수 있다.
한편, 본 발명의 일 실시예에 따른 제어부는 PWM(Pulse Width Modulation)을 통해 적어도 하나의 제어 모듈(450)을 제어할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 PWM은 디지털 신호(예를 들어, 0과 1의 신호로 구성됨)의 변조를 통해서 아날로그 신호(예를 들어, sin 곡선과 같이 연속된 형태의 신호)처럼 다양한 값들을 가지게 하는 것을 의미할 수 있다. 즉, 본 발명의 일 실시예에 따른 PWM은 디지털 신호의 0과 1의 비율을 특정 주기 내에서 조절하여 이산적인 값을 연속적인 값으로 변화시킴으로써 다양한 값을 지니게 할 수 있다. 예를 들어, 본 발명의 일 실시예에 따른 제2 제어부(440)는 PWM을 통해 적어도 하나의 제어 모듈(450)의 작동 여부(예를 들어, On/Off)뿐만 아니라 작동 방식(예를 들어, 모듈의 출력)을 제어할 수 있게 된다.
보다 구체적으로, 본 발명의 일 실시예에 따르면, 제2 제어부(440)는 펌프 모듈 및 관수 모듈을 제어하는 데 있어서, 튜브에 너무 많은 압력이 쌓이지 않도록 펌프의 출력을 제어할 수 있다.
한편, 도 2에서 도시된 촬영부(410), 센서부(420), 제1 제어부(430), 제2 제어부(440), 제어 모듈(450) 및 재배 공간의 위치는 실제 재배기 내에서의 물리적인 위치를 나타내는 것이 아님을 밝혀 둔다. 도 2에 도시된 각 구성요소의 물리적인 위치는 도 2의 예시에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
도 3 내지 도 5는 본 발명의 일 실시예에 따른 재배기의 외관, 내부 및 양액 공급 방식을 예시적으로 나타내는 도면이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 복수의 재배기는 가림막을 이용하여 독립적으로 제어될 수 있는 재배 환경을 구축하고 있다. 또한 본 발명의 일 실시예에 따른 복수의 재배기는 소형으로 제작된 것으로서, 현실의 제한된 공간을 효율적으로 활용할 수 있는 것을 확인할 수 있다. 이를 통해, 최적의 재배 알고리즘을 개발하기 위해 제한된 공간 속에서 많은 재배 데이터를 수집할 수 있게 되는 효과가 달성될 수 있다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 재배기의 재배 공간에서 4개체의 대상 작물이 위치할 수 있음을 확인할 수 있다. 또한, 본 발명의 일 실시예에 따른 재배기의 천장에 설치된 촬영부는 대상 작물로부터 적외선 에너지를 감지하는 방식으로 작물 이미지를 획득할 수 있고, 센서부는 온도, 습도, 광도, 조도, 농도 등 대상 작물의 재배에 연관된 환경 요소를 감지할 수 있고, 냉각 모듈, 난방 모듈, 가습 모듈, 환풍 모듈, 펌프 모듈, 관수 모듈, LED 모듈 등의 제어 모듈은 환경 제어 정보를 참조하여 환경 요소를 제어할 수 있다. 한편, 본 발명의 일 실시예에 따른 냉각 모듈은 큰 크기를 지닌 냉각 컴프레셔가 아닌 열전 소자를 이용하여 소형화될 수 있고, 펌프 모듈은 노즐의 분무에 관한 최소 요구량에 따라 소형화될 수 있다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 재배기는 토양을 사용하지 않는 수경 재배 방식을 이용할 수 있다. 구체적으로, 본 발명의 일 실시예에 따른 재배기는 분무경(Aeroponics)을 통해 양액이 공급될 수 있다. 본 발명의 일 실시예에 따른 분무경은 노즐을 통해서 작은 입자의 양액을 분무하여 근권부를 양액으로 포화시켜서 양분을 공급하는 방식을 의미할 수 있다.
이와 같이, 재배기에 분무경을 통해 양액이 공급됨으로써, 정밀하게 분무량 및 분무 시기를 제어할 수 있고, 물의 소모를 줄일 수 있으며, 재배 최적화를 위한 최적의 양액을 공급하는 것이 가능해지는 효과가 달성될 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
100: 통신망
200: 재배 제어 시스템
300: 디바이스
400: 재배기
410: 촬영부
420: 센서부
430: 제1 제어부
440: 제2 제어부
450: 제어 모듈
200: 재배 제어 시스템
300: 디바이스
400: 재배기
410: 촬영부
420: 센서부
430: 제1 제어부
440: 제2 제어부
450: 제어 모듈
Claims (3)
- 강화학습 기반 작물 재배를 지원하는 재배기로서,
대상 작물에 대하여 비파괴적인 방식으로 작물 이미지 정보를 획득하는 촬영부,
상기 대상 작물의 생장에 영향을 미치는 적어도 하나의 환경 요소에 관한 환경 정보를 감지하기 위한 센서부, 및
강화학습 모델에 기반하여 상기 작물 이미지의 촬영 및 상기 환경 요소를 제어하기 위한 제어부를 포함하고,
상기 제어부는 상기 대상 작물에 관한 촬영 및 상기 강화학습 모델에 관한 동작을 제어하는 제1 제어부와 상기 환경 요소의 감지 및 제어에 관한 동작을 제어하는 제2 제어부를 포함하고,
상기 제1 제어부는 상기 대상 작물을 촬영한 이미지 및 환경 정보 중 적어도 하나를 상기 강화학습 모델에 제공하고, 상기 제2 제어부는 상기 강화학습 모델에 의해 결정되는 제어 정책에 기초하여 상기 환경 요소의 감지 및 제어에 관한 동작을 제어하고,
상기 제어부는 작물 이미지 시퀀스 정보에 기초하여 추론되는 중간 보상을 이용하여 학습되는 상기 강화학습 모델에 따라 상기 제어를 수행하고,
상기 작물 이미지 시퀀스 정보는 상기 촬영부가 획득한 작물 이미지 정보를 상기 제1 제어부가 시간의 흐름에 기초하여 추출하고 생성한 정보를 의미하고,
상기 강화학습 모델은 상기 제1 제어부로부터 상기 작물 이미지 정보, 상기 환경 정보를 수신하여 누적 보상을 최대화하는 제어 정책을 결정할 수 있도록 학습되고,
상기 제1 제어부는 상기 강화학습 모델로부터 상기 작물 이미지 정보, 상기 환경 정보, 환경 제어 정보 및 보상 정보 중 적어도 하나에 기초하여 상기 대상 작물에 관한 상태에 따른 에이전트의 행동에 관한 이력 정보를 수신하고,
상기 제1 제어부는 상기 이력 정보를 상기 제2 제어부에 송신하고, 상기 제2 제어부는 상기 이력 정보에 포함된 상기 환경 제어 정보를 참조하여 상기 환경 요소의 감지 및 제어에 관한 동작을 제어하고,
상기 제2 제어부는 상기 환경 제어 정보에 따라 상기 환경 요소의 감지 및 제어가 이루어지는 여부를 검증하고,
상기 제어부는 상기 환경 정보와 환경 제어 정보 사이의 상관 관계에 기초하여 생성되는 역학 모델에 의해 생성되는 데이터를 이용하여 학습되는 강화학습 모델에 따라 상기 제어를 수행하는
재배기. - 제1항에 있어서,
상기 제어부는 PWM(Pulse Width Modulation)을 통해 적어도 하나의 제어 모듈을 제어하는
재배기. - 제1항에 있어서,
분무경(Aeroponics)을 통해 양액이 공급되는
재배기.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230101863A KR20230168607A (ko) | 2022-06-07 | 2023-08-03 | 강화학습 기반 작물 재배를 지원하는 재배기 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220069168 | 2022-06-07 | ||
| KR1020230101863A KR20230168607A (ko) | 2022-06-07 | 2023-08-03 | 강화학습 기반 작물 재배를 지원하는 재배기 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220069168 Division | 2022-06-07 | 2022-06-07 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230168607A true KR20230168607A (ko) | 2023-12-14 |
Family
ID=89167014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230101863A KR20230168607A (ko) | 2022-06-07 | 2023-08-03 | 강화학습 기반 작물 재배를 지원하는 재배기 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230168607A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210038131A (ko) | 2019-09-30 | 2021-04-07 | 주식회사 유니텍시스템 | 수경재배기 |
-
2023
- 2023-08-03 KR KR1020230101863A patent/KR20230168607A/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210038131A (ko) | 2019-09-30 | 2021-04-07 | 주식회사 유니텍시스템 | 수경재배기 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102305292B1 (ko) | 스마트팜 제어 시스템 | |
| CN204808024U (zh) | 一种基于云服务的智能大棚监控系统 | |
| CN206820788U (zh) | 一种植物工厂植物长势记录和种植建议系统 | |
| US20150089866A1 (en) | Intelligent light sources to enhance plant response | |
| CN110262435A (zh) | 基于大数据分析的智慧大棚控制系统及方法 | |
| CN205161283U (zh) | 一种智能种植机 | |
| CN107173184A (zh) | 一种智能化农业灌溉系统及方法 | |
| CN109874477A (zh) | 一种农业园区施肥机托管方法及系统 | |
| CN107861551A (zh) | 一种基于大数据的智能大棚系统 | |
| KR102380989B1 (ko) | 스마트팜에서 재배되는 작물에 대한 생육 레시피 정보를 제공하는 스마트팜 제어장치 및 이의 동작방법 | |
| Karunanithy et al. | Energy efficient cluster and travelling salesman problem based data collection using WSNs for Intelligent water irrigation and fertigation | |
| JP2004000146A (ja) | 植物の栽培方法および植物の栽培装置 | |
| CN105467959A (zh) | 基于无线通讯的家用种植机系统及其控制方法 | |
| Pala et al. | Aeroponic greenhouse as an autonomous system using intelligent space for agriculture robotics | |
| CN111026206A (zh) | 水培植物自动控制系统 | |
| KR102400496B1 (ko) | 스마트 팜과, 그 관리 방법 및 장치 | |
| KR20200006889A (ko) | 반려 식물 관수 장치 및 반려 식물 관수 장치의 구동 방법 | |
| Tapakire et al. | Iot based smart agriculture using thingspeak | |
| CN114004458A (zh) | 一种多态势感知融合的植物生长管理系统 | |
| CN114793671A (zh) | 一种室内植物的养殖方法、设备及介质 | |
| CN204994345U (zh) | 一种智能育苗系统 | |
| KR102446943B1 (ko) | 컨트롤 판넬이 구비된 IoT 기반의 가정용 스마트 팜 제어 시스템 | |
| KR20140143272A (ko) | 시설재배 최적 생장 환경 제공 시스템 및 그 방법 | |
| KR102312678B1 (ko) | 통신 인터페이스와 인공 지능에 기반한 개인용 식물 재배 장치 및 시스템 | |
| KR20230168607A (ko) | 강화학습 기반 작물 재배를 지원하는 재배기 |