• The Journal of Bigdata
• /
• v.3 no.2
• /
• pp.113-121
• /
• 2018

In this study, an augmented reality(AR)-based information management system for agricultural facility is proposed. Using a variety of sensed data transmitted by Lora-based wireless networks deployed at the agricultural facility, this system is capable of augmenting the sensed data and displaying them on the user's smartphone screen to provide visualized information to user. When users point their smartphone camera to the agricultural facility, the environment information collected from numerous sensors installed at the facility would be visualized and appear on the screen. Unlike traditional system which requires user to search a specific facility and then select sensor(s) to obtain the environment information, the proposed system shows the information on smartphone screen by augmenting it with real image captured by camera without doing a series of time-taking selection process. Since the way of acquiring information is through image or video, this system contributes to convenient monitoring and efficient management for agricultural facility.

• Journal of Bio-Environment Control
• /
• v.28 no.1
• /
• pp.16-27
• /
• 2019

Using virtual reality technology, users can learn and experience many interactions in virtual space like the actual physical space. This study was conducted to develop air flow simulator that allows farmers and consultants to consult air flow through VR devices by creating a greenhouse or pigpen model. It can help educate farmers about the importance of ventilation effects for agricultural facilities. We proposed CFD visualization system by building a virtual reality environment and constructing database of CFD and structure of agricultural facilities. After consultants can set up situations according to environmental conditions, the users experience the visualized air flow of agricultural facility according to the ventilation effects. Also it can provide a quantified environmental distribution in the agricultural facility. Currently, the CFD data in agricultural facilities are established during winter and summer. In order to experience various environmental conditions in the developed system, The experts need to run CFD data under various environmental conditions and register them in the system requirements.

• Proceedings of The Korean Society of Agricultural and Forest Meteorology Conference
• /
• 2018.06a
• /
• pp.132-132
• /
• 2018

• Proceedings of the Korean Society for Bio-Environment Control Conference
• /
• 1992.12a
• /
• pp.21-22
• /
• 1992

온실의 난방에 필요한 난방기기의 용량 및 연료소비량을 합리적으로 추정하기 위해서는 난방설계용 외기조건, 즉 표준기상 데이터가 필요하다. 그러나, 현재 국내에는 건물의 냉난방 설계를 위한 표준기상 자료가 대도시 지역의 일부에 대하여만 발표되어 있다. 이것은 농업시설에 대해서는 적용이 불가능하므로 농업 시설 설계를 위한 개략적인 표준기상 데이터의 선정이 요망된다. (중략)

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.159-159
• /
• 2017

스마트 시설환경은 대표적으로 원예, 축산 분야 등 여러 형태의 농업현장에 정보 통신 및 데이터 분석 기술을 도입하고 있는 시설화된 생산 환경이라 할 수 있다. 근래에 하드웨어적으로 급증한 스마트 시설환경에서 생산되는 방대한 생육/환경 데이터를 올바르고 적합하게 사용하기 위해서는 일반 산업 현장과는 차별화 된 분석기법이 요구된다고 할 수 있다. 소프트웨어 공학 분야에서 연구된 빅데이터 처리 기술을 기계적으로 농업 분야의 빅데이터에 적용하기에는 한계가 있을 수 있다. 시설환경 내/외부의 다양한 환경 변수는 시계열 데이터의 난해성, 비가역성, 불특정성, 비정형 패턴 등에 기인하여 예측 모델 연구가 매우 난해한 대상이기 때문이라 할 수 있다. 본 연구에서는 근래에 관심이 급증하고 있는 인공신경망 연구 소프트웨어인 Tensorflow (www.tensorflow.org)와 대표적인 Open source인 OpenNN (www.openn.net)을 스마트 시설환경 환경변수 상호간 상관성 분석에 응용하였다. 해당 소프트웨어 라이브러리의 운영환경을 살펴보면 Tensorflow 는 Linux(Ubuntu 16.04.4), Max OS X(EL capitan 10.11), Windows (x86 compatible)에서 활용가능하고, OpenNN은 별도의 운영환경에 대한 바이너리를 제공하지 않고 소스코드 전체를 제공하므로, 해당 운영환경에서 바이너리 컴파일 후 활용이 가능하다. 소프트웨어 개발 언어의 경우 Tensorflow는 python이 기본 언어이며 python(v2.7 or v3.N) 가상 환경 내에서 개발이 수행이 된다. 주의 깊게 살펴볼 부분은 이러한 개발 환경의 제약으로 인하여 Tensorflow의 주요한 장점 중에 하나인 고속 연산 기능 수행이 일부 운영 환경에 국한이 되어 제공이 된다는 점이다. GPU(Graphics Processing Unit)의 제공하는 하드웨어 가속기능은 Linux 운영체제에서 활용이 가능하다. 가상 개발 환경에 운영되는 한계로 인하여 실시간 정보 처리에는 한계가 따르므로 이에 대한 고려가 필요하다. 한편 근래(2017.03)에 공개된 Tensorflow API r1.0의 경우 python, C++, Java언어와 함께 Go라는 언어를 새로 지원하여 개발자의 활용 범위를 매우 높였다. OpenNN의 경우 C++ 언어를 기본으로 제공하며 C++ 컴파일러를 지원하는 임의의 개발 환경에서 모두 활용이 가능하다. 특징은 클러스터링 플랫폼과 연동을 통해 하드웨어 가속 기능의 부재를 일부 극복했다는 점이다. 상기 두 가지 패키지를 이용하여 2016년 2월부터 5월 까지 충북 음성군 소재 딸기 온실 내부에서 취득한 온도, 습도, 조도, CO2에 대하여 Large-scale linear model을 실험적(시간단위, 일단위, 주단위 분할)으로 적용하고, 인접한 세그먼트의 환경변수 예측 모델링을 수행하였다. 동일한 조건의 학습을 수행함에 있어, Tensorflow가 개발 소요 시간과 학습 실행 속도 측면에서 매우 우세하였다. OpenNN을 이용하여 대등한 성능을 보이기 위해선 병렬 클러스터링 기술을 활용해야 할 것이다. 오프라인 일괄(Offline batch)처리 방식의 한계가 있는 인공신경망 모델링 기법과 현장 보급이 불가능한 고성능 하드웨어 연산 장치에 대한 대안 마련을 위한 연구가 필요하다.

• The Journal of Bigdata
• /
• v.8 no.1
• /
• pp.1-10
• /
• 2023

This paper presents the design process of an agricultural data sharing platform intended to address major challenges faced by the domestic agricultural industry. The platform was designed with a user interface that prioritizes user requirements for ease of use and offers various analysis techniques to provide growth prediction for field environment, growth, management, and control data. Additionally, the platform supports File to DB and DB to DB linkage methods to ensure seamless linkage between the platform and farmhouses. The UI design process utilized HTML/CSS-based languages, JavaScript, and React to provide a comprehensive user experience from platform login to data upload, analysis, and detailed inquiry visualization. The study is expected to contribute to the development of Korean smart farm models and provide reliable data sets to agricultural industry sites and researchers.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.162-162
• /
• 2017

구글에서 공개한 Tensorflow를 이용한 여러 학문 분야의 연구가 활발하다. 농업 시설환경을 대상으로 한 빅데이터의 축적이 증가함과 아울러 실효적인 정보 획득을 위한 각종 데이터 분석 및 마이닝 기법에 대한 연구 또한 활발한 상황이다. 한편, 타 분야의 성공적인 심층학습기법 응용사례에 비하여 농업 분야에서의 응용은 초기 성장 단계라 할 수 있다. 이는 농업 현장에서 취득한 정보의 난해성 및 완성도 높은 생육/환경 모델링 정보의 부재로 실효적인 전과정 처리 기술 도출에 소요되는 시간, 비용, 연구 환경이 상대적으로 부족하기 때문일 것이다. 특히, 센서 기반 데이터 취득 기술 증가에 따라 비약적으로 방대해진 수집 데이터를 시간 복잡도가 높은 심층 학습 모델링 연산에 기계적으로 단순 적용할 경우 시간 효율적인 측면에서 성공적인 결과 도출에 애로가 있을 것이다. 매우 높은 시간 복잡도를 해결하기 위하여 제시된 하드웨어 가속 기능의 경우 일부 개발환경에 국한이 되어 있다. 일례로, 구글의 Tensorflow는 오픈소스 기반 병렬 클러스터링 기술인 MPICH를 지원하는 알고리즘을 공개하지 않고 있다. 따라서, 본 연구에서는 심층학습 기법 연구에 있어서, 예상 가능한 다양한 자원을 활용하여 최대한 연산의 결과를 빨리 도출할 수 있는 하드웨어적인 접근 방법을 모색하였다. 호스트에서 수행하는 일방적인 학습 알고리즘과 달리 이기종간 심층 학습이 가능하기 위해선 우선, NFS(Network File System)를 이용하여 데이터 계층이 상호 연결이 되어야 한다. 이를 위해서 고속 네트워크를 기반으로 한 NFS의 이용이 필수적이다. 둘째로 제한된 자원의 한계를 극복하기 위한 메모 공유 라이브러리가 필요하다. 셋째로 이기종간 프로세서에 최적화된 병렬 처리용 컴파일러를 이용해야 한다. 가장 중요한 부분은 이기종간의 처리 능력에 따른 작업을 고르게 분배할 수 있는 작업 스케쥴링이 수행되어야 하며, 이는 처리하고자 하는 데이터의 형태에 따라 매우 가변적이므로 해당 데이터 도메인에 대한 엄밀한 사전 벤치마킹이 수행되어야 한다. 이러한 요구조건을 대부분 충족하는 Open-CL ver1.2(https://www.khronos.org/opencl/)를 이용하였다. 최신의 Open-CL 버전은 2.2이나 본 연구를 위하여 준비한 4가지 이기종 시스템에서 모두 공통적으로 지원하는 버전은 1.2이다. 실험적으로 선정된 4가지 이기종 시스템은 1) Windows 10 Pro, 2) Linux-Ubuntu 16.04.4 LTS-x86_64, 3) MAC OS X 10.11 4) Linux-Ubuntu 16.04.4 LTS-ARM Cortext-A15 이다. 비교 분석을 위하여 NVIDIA 사에서 제공하는 Pascal Titan X 2식을 SLI로 구성한 시스템을 준비하였다. 개별 시스템에서 별도로 컴파일 된 바이너리의 이름을 통일하고, 개별 시스템의 코어수를 동일하게 균등 배분하여 100 Hz의 데이터로 입력이 되는 온도 정보와 조도 정보를 입력으로 하고 이를 습도정보에 Linear Gradient Descent Optimizer를 이용하여 Epoch 10,000회의 학습을 수행하였다. 4종의 이기종에서 총 32개의 코어를 이용한 학습에서 17초 내외로 연산 수행을 마쳤으나, 비교 시스템에서는 11초 내외로 연산을 마치는 결과가 나왔다. 기보유 하드웨어의 적절한 활용이 가능한 심층학습 기법에 대한 연구를 지속할 것이다

• Journal of Korea Society of Industrial Information Systems
• /
• v.25 no.6
• /
• pp.15-23
• /
• 2020

While research activities in the agricultural field for climate change are being actively carried out, smart agriculture using information and communication technology has become a new trend in line with the Fourth Industrial Revolution. Accordingly, research is being conducted to identify and respond to signs of abnormal growth in advance by monitoring the stress of crops in various outdoor environments and soil conditions. There are also attempts to analyze data collected in real time through various sensors using artificial intelligence techniques or big data technologies. In this paper, we propose a big data model that is effective in analyzing the growth environment informations and biometric information of crops by using the existing relational database for big data analysis. The performance of the model was measured by the response time to a query according to the amount of data. As a result, it was confirmed that there is a maximum time reduction effect of 23.8%.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.11 no.6
• /
• pp.764-771
• /
• 2018

Domestic and foreign agricultural environments nowadays are undergoing various changes such as aging of agricultural population, increase of earned population, rapid climate change, diversification of agricultural product distribution structure, depletion of water resources and limited cultivation area. In order to respond to various environmental changes in recent agriculture, practical use of Smart Greenhouse to easily record, store and manage crop production information such as crop growing information, growth environment and agriculture work log, Interest is growing. In this paper, we propose a system that collects the situation information necessary for growth such as temperature, humidity, solar radiation, CO2 concentration, and monitor the collected data, which can be measured in the rhizosphere of the crop. We have developed a system that collects data such as temperature, humidity, radiation, and growth environment data, which are measured by data obtained from the rhizosphere measuring section of a growing crop and measured by a sensor, and transmitted to a wireless communication gateway of 400 MHz. We developed the integrated SW that can monitor the rhythm environment data and visualize the data by using cloud based data. We can monitor by graph format and data format for visualization of data. The existing smart farm managed crops and facilities using only the data within the farm, and this study suggested the most efficient growth environment by collecting and analyzing the weather and growth environment of the farms nationwide.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.487-487
• /
• 2023

농업 분야에서 미생물은 영양분 가용화, 유기물 분해 등 토양 영양분 공급에 중요한 역할을 하며, 토양 건강성 증진, 식량 안보 및 식품 건강 면에서 많은 활용 가능성을 지니고 있다. 최근 유역 환경 건강성, 생물 다양성 보존, 효율적인 고품질 농산물 생산에 대한 관심이 커져, 지속 가능한 농업 중 하나인 유기농업과 관행농업 토양의 이화학적 및 생물학적 특성에 관한 비교 연구가 진행되고 있다. 미생물은 지속 가능한 농업 발전의 중요한 요소 중 하나로써, 미생물 다양성이 풍부할수록 토양 비옥도, 작물 성장 면에서 긍정적인 영향을 미친다고 알려져 있다. 본 연구는 이에 대한 기초 데이터를 제공하기 위해 논 경작지를 대상으로 유기 및 관행농업 토양의 미생물 군집조성과 Alpha diversity analysis(Chao1, Shannon, Simpson index)을 통해 비교하였다. 경기도 양평군에서 유기 및 관행 논 지역을 각각 1지점씩 선정하였으며, 8월부터 11월까지 총 4회 현장 조사를 진행하였다. 미생물 분석은 차세대염기서열분석을 실시하였으며, bacteria는 16S rRNA V3-4 영역, fungi는 ITS 3-4 영역을 sequencing 하였다. 미생물 군집조성은 문수준에서는 큰 차이가 없었으나, 속수준에서는 fungi 군집조성에 차이를 보였다. 예로 Ustilaginoidea 속은 관행 논 토양에서만 발견되었으며, 벼 이삭누룩병을 일으키는 병원균으로 과도한 질소 비료 시비가 원인으로 추정된다. 종 다양성은 bacteria diversity의 경우 관행 논 토양에서 높게 측정되는 반면, fungi diversity의 경우 유기 논 토양에서 높게 측정되었다. 결론적으로 체계적인 시비 관리 통해 미생물 군집은 조절될 수 있으며, 관행농업은 적절한 시비를 통해 토양 건강성 및 식품 건강성 면에서 유기농업과 비슷한 효과를 보여줄 가능성이 있다고 판단된다.