• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.170-170
• /
• 2017

기후변화 따른 스마트팜 돈사 외부 환경의 변화에 대응하고, 사육 환경을 능동적으로 개선하기 위한 연구가 수행 중이다. 돈사 내 열전달 요소 간 상호 역학성 분석을 위해서 고려해야할 사항은 입기구, 보온 등, 열풍기, 단열제, 위치, 방향, 돈사의 연평균 온도, 습도, 연중 일사량, 가축의 열복사 등 상호 복잡하게 연관되어 있는 물리량이다. 돈사 전체 열손실, 자연발생 에너지량, 강제발생 에너지량, 난방용량 등을 고려한 순간 열부하 산정을 위한 여러 방법 중 우선적으로 CFD(Computational Fluid Dynamics)를 이용하였다. 순간 열부하 산정을 위한 해석 도구 선정에 있어서 다양한 유체 및 기체 전산 유체역학 Solver(Fluent, Open-FOAM, Blender)를 고려하였다. 공간 Mech를 수행하기 위한 도구로는 공개 소프트웨어 인 FreeFem++ 3.51-4 (http://www.freefem.org)를 이용하였다. 이 과정에서 일부 기체 (암모니아)의 농도를 난수로 변화시키는 기법을 적용하여 가상적으로 돈사의 환경을 Pseudo 시뮬레이션 하였다. 결과적으로 Fluent에 비하여 OpenFOAM을 이용하여 얻은 열유동의 방향(속도)과 크기 백터가 상대적으로 크게 나타났다. Fluent가 시계열 상에서 혼합 기체 물리량 변화를 무시할 수 있는 안정되고 균일한 환경에 적합하기 때문인 것으로 판단되었다. Blender의 경우 Lattice Boltzmann methods 과 Smoothed-particle hydrodynamics 방법을 이용한 유체/입자 동력학 모델링을 제공함에 있어 시각적 효과를 강조하는 기능에 중점을 두었다. Fluent와 Blender에서 제공하는 해석 연산 모듈의 정확성 검증을 위해선 공간 분해능을 높인 정밀 계측 시스템을 이용하여 검증할 필요가 있다. Open-FOAM를 이용한 열부하 분석 수행이 상대적으로 높은 절대값을 보이는 특성은 열부하 제어 시스템의 Overshoot를 유발할 가능성이 있으므로 이에 대한 해석 모델의 보정이 추가적으로 필요할 것이다. CFD의 한계인 시간 복잡도를 낮추고 상대적으로 높은 시계열 분해능을 확보할 경우 돈사 내 환기시스템에 맞는 소요 환기량 실시간 산정이 가능해지고 외부기상 및 돈사내부 복사열을 활용함과 동시에 돈군 순환에 상응하는 실시간 열부하 관리 시스템 도출이 가능할 것이다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.21 no.8
• /
• pp.1560-1566
• /
• 2017

Recently, accumulation of data on pig farm is enabled through the wide spread of smart pig farm equipped with Internet-of-Things based sensors, and various machine learning algorithms are applied on the data in order to improve the productivity of pig farm. Herein, multiple machine learning schemes are used to predict the water usage in pig farm which is known to be one of the most important element in pig farm management. Especially, regression algorithms, which are linear regression, regression tree and AdaBoost regression, and classification algorithms which are logistic classification, decision tree and support vector machine, are applied to derive a prediction scheme which forecast the water usage based on the temperature and humidity of pig farm. Through performance evaluation, we find that the water usage can be predicted with high accuracy. The proposed scheme can be used to detect the malfunction of water system which prevents the death of pigs and reduces the loss of pig farm.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.12
• /
• pp.2348-2354
• /
• 2016

In recent days, IoT (Internet of Things) technology has been widely used in the field of agriculture, which enables the collection of environmental data and biometric data into the database. The availability of big data on agriculture results in the increase of the machine learning based analysis. Through the analysis, it is possible to forecast agricultural production and the diseases of livestock, thus helping the efficient decision making in the management of smart farm. Herein, we use the environmental and biometric data of Smart Pig farm to derive the accurate relationship model between the environmental information and the daily weight increase of swine and verify the accuracy of the derived model. To this end, we applied the M5P tree algorithm of machine learning which reveals that the wind speed is the major factor which affects the daily weight increase of swine.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.168-168
• /
• 2017

ICT 융합 스마트팜 내의 환경계측 센서, 영상 및 사양관리 시스템의 증가에도 불구하고 이들 장비에서 확보되는 데이터를 적절히 유효하게 활용하는 기술이 미흡한 실정이다. 돈사의 경우 가축의 복지수준, 성장 변화를 실시간으로 모니터링 및 예측할 수 있는 데이터 분석 및 모델링 기술 확보가 필요하다. 이를 위해선 가축의 생리적 변화 및 행동적 변화를 조기에 감지하고 가축의 복지수준을 실시간으로 감시하고 분석 및 예측 기술이 필요한데 이를 위한 대표적인 정보 통신 공학적 접근법 중에 하나가 Data mining 이다. Data mining에 대한 연구 수행에 필요한 다양한 소프트웨어 중에서 Open source로 제공이 되는 4가지 도구를 비교 분석하였다. 스마트 돈사 내에서 열환경 모델링을 목표로 한 데이터 분석에서 고려해야할 요인으로 데이터 분석 알고리즘 도출 시간, 시각화 기능, 타 라이브러리와 연계 기능 등을 중점 적으로 분석하였다. 선정된 4가지 분석 도구는 1) R(https://cran.r-project.org), 2) OpenCV(http://opencv.org), 3) OpenNN (http://www.opennn.net), 4) Orange(http://orange.biolab.si) 이다. 비교 분석을 수행한 운영체제는 Linux-Ubuntu 16.04.4 LTS(X64)이며, CPU의 클럭속도는 3.6 Ghz, 메모리는 64 Gb를 설치하였다. 개발언어 측면에서 살펴보면 1) R 스크립트, 2) C/C++, Python, Java, 3) C++, 4) C/C++, Python, Cython을 지원하여 C/C++ 언어와 Python 개발 언어가 상대적으로 유리하였다. 데이터 분석 알고리즘의 경우 소스코드 범위에서 라이브러리를 제공하는 경우 Cross-Platform 개발이 가능하여 여러 운영체제에서 개발한 결과를 별도의 Porting 과정을 거치지 않고 사용할 수 있었다. 빌트인 라이브러리 경우 순서대로 R 의 경우 가장 많은 수의 Data mining 알고리즘을 제공하고 있다. 이는 R 운영 환경 자체가 개방형으로 되어 있어 온라인에서 추가되는 새로운 라이브러리를 클라우드를 통하여 공유하기 때문인 것으로 판단되었다. OpenCV의 경우 영상 처리에 강점이 있었으며, OpenNN은 신경망학습과 관련된 라이브러리를 소스코드 레벨에서 공개한 것이 강점이라 할 수 있다. Orage의 경우 라이브러리 집합을 제공하는 것에 중점을 둔 다른 패키지와 달리 시각화 기능 및 망 구성 등 사용자 인터페이스를 통합하여 운영한 것이 강점이라 할 수 있다. 열환경 모델링에 요구되는 시간 복잡도에 대응하기 위한 부가 정보 처리 기술에 대한 연구를 수행하여 스마트팜 열환경 모델링을 실시간으로 구현할 수 있는 방안 연구를 수행할 것이다.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.164-164
• /
• 2017

스마트 돈사 환경의 복지 및 생산성 향상을 위하여 정량 분석법을 기반으로 한 모돈 관리의 중요성이 증가하고 있다. 모돈은 교배, 임신, 분만, 포유, 이유를 순환적 반복하여 이루어지는데 모돈의 관리는 돈사 농장의 생산성 및 경제성과 직결된다. 모돈 관리에 필요한 환경 및 계측정보를 획득하고 이 정보로부터 모돈의 개체관리를 극대화시키고 최적의 방안을 찾고자 지속적으로 계측이 가능한 모돈의 돈사 모니터링 시스템이 필요하다. 모돈의 행동특성 계측이 가능한 시스템이 필요한 이유는 모돈의 행동 특성(섭식 및 지제불량 등)에 상응하는 대사 불량, 질병 및 발정 징후 등을 조기에 발견할 수 있기 때문이다. 돈사 내에서 정지 상태로 판별이 되는 모돈의 지제상태(기립상태, 누운 상태, 앉은 상태)와 다르게 연속적인 움직임으로부터 판별되는 모돈의 섭식상태를 분석하기 위해서는 계측 시스템과 이를 분석해주는 시스템간의 시간적 차이를 최소화 할 수 있는 실시간 신호 처리 기술이 필수적이다. 모돈의 섭식을 정량적으로 지수화하기 위한 센서의 최소 SPS(sample per second)는 600 Hz($100Hz{\times}6$개)로서 최소 6개 ADC 채널과 최소 1,200 Hz 이상으로 샘플링 할 수 있는 마이크로 컨트롤러가 필요하다. 또한 16 비트의 분해능으로 1분 동안 연속 계측을 수행할 경우 필요한 정보량은 153,600 KByte ($1,200sample/s{\times}16bit/sample{\times}8Byte/bit$)으로 실시간 처리를 수행하기에 매우 큰 정보량이라 판단할 수 있다. 수행하고자 하는 정보처리 기법에 따라 다소 상이할 수 있으나, 1분을 주기로 모돈의 섭식 분석을 수행하고자 할 경우 최도 150 MByte의 정보량을 처리하기 위한 최소의 클럭수는 단순 대입의 경우 2.5 Mhz (clock/second) ($=1clock/Byte{\times}150MByte/60seconds$) 이며 덧셈(4 clock)의 경우 10 Mhz, 곱셈(16 clock)의 경우 40 Mhz의 클럭이 필요하다. 또한 정보의 저장 및 도시를 위해 필요한 부가적인 회로(LCD, SD메모리) 구동을 위해 필요한 클럭을 고려할 경우 추가적인 클럭이 필요하다. 이를 종합적으로 고려하여 120 Mhz ($= 40Mhz{\times}3$) 이상의 클럭이 필요하다고 판단할 수 있다. 또한 센서 계측 주기의 시간 분해능을 균등하게 유지하기 위해선 계측->도시->저장의 과정을 교차적으로 수행해야 한다. 이러한 과정을 거처 최종적으로 선정한 마이크로 프로세서는 ARM Cortex-M4이며 168 MHz로 연산 수행이 가능하여 목표하고자 하는 신호처리를 수행 할 수 있다. 현장 예비 실험을 통해 기대 성능을 만족하였으며, 시간 복잡도가 높은 연산을 대비하여 최적 시분할 스케쥴링 기법에 대한 보완이 필요하다고 판단되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.379-381
• /
• 2021

비디오 모니터링은 자율주행차뿐만 아니라 농장 내 병든 동물 탐지 등과 같은 스마트팜 분야에서도 사람을 대신하여 24시간 연속 모니터링할 수 있는 중요한 응용 분야이다. 본 논문에서는 비디오 모니터링의 계산양을 줄이면서도 혼잡한 돈방에서 빠르게 움직이는 돼지들을 정확히 탐지하기 위해 CNN 기반 객체 탐지기의 정확도를 고려한 방법을 제안한다. 즉, 연속되는 비디오 영상에서 key frame을 먼저 추출한 후, 비디오의 특성인 움직임 정보가 포함된 영상에서 GMM을 이용하여 움직인 돼지와 움직이지 않은 돼지의 위치를 구분하고, 최종적으로 YOLOv4를 적용하여 움직인 돼지와 움직이지 않은 돼지를 탐지한다. 돈사에서 촬영된 비디오 데이터로 실험한 결과, 제안 방법은 효과적으로 움직인 돼지를 탐지할 수 있음을 확인하였다.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.167-167
• /
• 2017

스마트팜 내부의 3차원 공간의 온도, 습도, 기압, 공기질 분석을 통한 돈사 미세 조절 기술에 대한 연구가 진행 중이다. 해당 특성 중에서 기압을 제외한 환경인자들은 돈사 내의 구조 특성상 위치별로, 시간별로 매우 상이한 변이의 형태를 보인다. 일정 시점을 기준으로 계측 지점 이외의 지점에 대한 환경인자들을 공간적으로 추정하는 기술은 대표적으로 컴퓨터 분석 기술에 의존하고 있다. 시간 복잡도가 매우 높은 CFD(Computer Fluid Dynamics) 방식은 정밀도 측면에서 유리하나, 상응하는 제어 기술/하드웨어 등의 부재로 모델링 결과의 활용도가 낮다고 볼 수 있다. 본 연구에서는 CFD를 수행하는 과정에 있어 실질적으로 유효한 단위로 공간 분해능을 낮추고, 동등한 크기의 세부 공간에 대한 모델링을 병렬적으로 수행하기 위한 방안을 연구하였다. 실험적으로 돈사 환경을 3차원으로 구성하기 위하여, 공기 흡입구, 배출구, 기둥, 덕트 요소를 포함시켰다. 실내 공간을 1차적으로 가로, 세로, 높이방향으로 $3{\times}3{\times}3$ 균등 분배한 후 3차원 행렬로 분할하였다. 각 분할된 행렬에 대한 연산 수행을 위하여 현재까지 대중에 공개된 SBC(Single Board Computer) 중 가장 높은 연산 수행 능력이 있는 Odroid-XU4(Hardkernel, AnYang, Korea) 16식을 병렬 클러스터링 기술로 연동하였다. 하나의 AP당 8개의 코어가 내장되어 있으므로, 총 128개의 코어를 이용하여 동시에 128개의 3D 정방행렬 연산이 가능하도록 구성하였다. 모델링을 위한 수학적 모델로는 실험적으로 Steady turbulent model (Newtonian coefficient)을 이용하였다. 클러스터링을 이용한 병렬 처리의 특성상 균등한 정보량을 동시에 배분해야 하므로 108 ($27{\times}4$)개의 코어를 이용하여 1차적으로 나뉜 공간을 다시 4등분하여 동시에 $12{\times}12{\times}12$에 해당하는 공간 분해능에 대한 처리를 동시에 수행할 수 있도록 하였다. 2단계에 걸쳐 분할한 공간 세그먼트에 대한 클러스터링 연산 수행 결과 초당 15회 정도의 연산을 수행할 수 있었으며, 시간 분해능을 100으로 설정한 경우 약 5초가 수행되었다. 선행적으로 수행하였던 CFD 모델링 (OpenFOAM)과 비교하였을 때 상대적으로 정밀도가 낮은 3차원 모델링 결과를 얻을 수 있었다. 모델링에 소요되는 시간을 비약적으로 경감 시킨 장점을 살려 적정한 공간 분할 기법과 추가로 발생하는 다수의 바운더리 조건을 근사적으로 추정할 수 있는 데이터 마이닝 기술이 보완되어야 할 것이다.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.169-169
• /
• 2017

스마트 돈사 내의 열환경 분석에 필수적으로 고려되어야 인자는 가축의 복사 에너지 변화로 볼 수 있다. 열환경 제어의 대상이기도 하지만 회귀적으로 열환경 변화의 인자이기도 하다. 이러한 가축의 복사 에너지 분석을 위하여 시설 내에 용이하게 배포가 가능한 열화상 계측 시스템을 개발하였다. 초소형 마이크로 열화상 계측 시스템에 부가적으로 IOT(Internet of Thing) 기반 기술을 이용한 모듈화 개발을 병행하였다. 열화상 계측 센서로 LWIR(Longwave infrared)영역에 해당하는 $8{\mu}m{\sim}4{\mu}m$의 영역에서 $0.05^{\circ}C$의 분해능을 보이는 $Lepton^{TM}$ (500-0690-00, FLIR, Goleta, CA)모델을 사용하였다. SPI(Serial Peripheral Interface) 속도 2 Mhz로 마이크로프로세서(NanoPi NEO Air, FrendlyArm, CA, USA)와 고속 통신을 수행하여 9 Hz의 계측이 가능하다. 열화상 센서와 마이컴으로 구성되는 단위 계측 시스템의 통신 기능 확장을 위하여 다음과 같이 세 단계의 정보 전달 시나리오를 설계하였다. 1) 단독적으로 열화상을 계측 하고 내장된 메모리에 저장하는 형식 2) 인접한 사용자 인터페이스에서 1번 단독 모듈에 접속하여 열화상을 실시간으로 전송하여 화면에 도시하는 형식 3) 2번 사용자 도시모듈과 병행적으로 Local WI-FI 통신을 이용한 모바일 기기에 화면을 도시하는 형식. 이와 같은 계층적이며 모듈화된 계측 시스템을 구성하기 위해서 1번 모듈에 공개 소프트웨어인 Hostapd 2.5(http://w1.fi/hostapd)버전을 설치하였다. 외부 인터넷 환경이 없는 상황에 1번 모듈 단독으로 AP(Access Point) 기능을 제공하여 지근 거리에 있는 2번 모듈과 3번 모바일 기기의 접속을 관리할 수 있다. 2번 모듈의 경우 화면 다수의 1번 모듈에 접속을 교차적으로 수행하는 방식과 2번 모듈 자체가 AP가 되어 1번 모듈의 접속을 허용하는 형태로 구성되어 있다. 계측 시스템의 계측 매트릭스 구성에 따라 선택적으로 결정할 수 있다. 1번 2번 모듈 공통적으로 TCP/IP Listener와 Client 서비스를 병렬적으로 수행할 수 있도록 개발을 하였다. 3번 모바일 기기에서 사용자 인터페이스 구현을 위하여 범용 Android 기반 GUI 프로그램과 Socket 통신을 연동시켰다. 1개의 열화상 Frame의 전송량은 9,600 Byte ($=80{\times}60{\times}2Byte$) 로 WI-FI 통신 전송 시 2회 ~ 6회 정도 내외로 가변적인 통신 수행 횟수를 나타내었다. 센서 계측 시스템과 정보 전송 시스템을 병렬적으로 구성한 모듈화 된 계측시스템의 전 요소에서 센서에서 제공하는 최대 계측 주기인 9 Hz 구현이 일반적으로 가능하였다. 이를 이용한 추후 연구를 통해 가축 객체의 열복사 정보와 돈사 내 열환경 간의 역학성을 연구할 것이다.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.163-163
• /
• 2017

모돈은 교배, 임신, 분만, 포유, 이유를 순환적 반복을 요구하는 개체로서 스마트 농장 시스템의 생산성 향상에 있어서 중요한 요소이다. 본 연구에서는 모돈 능력의 극대화 및 최적의 시스템 관리를 위해서 초음파 센서를 활용한 모돈의 지제 이상 징후를 실시간으로 계측할 수 있는 시스템을 개발하였다. 이 시스템은 높이에 따라 상-중-하(30 cm 간격), 위치에 따라 전면부-후면부에 초음파 센서를 설치하고 이를 마이크로 컨트롤러에 연결하여 모돈의 지제 이상 유무 측정이 가능하도록 하였다. 모돈의 체형과 위치를 고려하여 설치된 초음파 센서의 위치 조절이 가능하도록 하였다. 또한 소형 LCD 모듈을 내장하여 실시간 모니터링이 가능하도록 하였으며, 측정된 데이터는 저장장치인 microSD 카드에 저장되도록 하였다. 모돈사의 환경을 고려하여 방밀형 구조로 하우징 마감하였다. 이 모돈 지체 이상 분석 시스템에 사용된 툴은 C언어를 이용하였다. 건강한 모돈을 대상으로 모돈의 지제의 관찰을 위하여 총 12회의 현장 실증실험이 수행되었으며, 현장 실증 시험 중 소요된 시간은 현장의 상황에 따라 다소 상이하였다 (8시간-28일). 높이 상에 위치한 전면부 및 후면부 초음파 센서 모두에서 모돈이 검출이 된 경우 정상 기립으로 간주하였고, 높이 상에 위치한 전면-후면부 초음파 센서 모두에서 모돈이 검출이 되지 않은 경우 정상적으로 누워 있는 걸로 간주하였다. 높이 하에 위치한 전면부 혹은 후면부 초음파 센서 한곳만 모돈이 검출된 경우 비정상적인 기립으로 간주하였다. 취득된 데이터를 분석한 결과 모돈의 정상적 상태 (기립상태, 누운 상태, 앉은 상태)와 그 외의 비정상적 상태로 분류가 가능하다. 또한 측정된 초음파 센서의 진동의 유무 및 파동형태에 따라서 모돈의 상태 예측이 가능하다. 초음파 센서의 진동 파동이 크고 안정된 상태인 경우 정상적인 활동 상태로 판단하였으며, 진동 파동이 작고 안정적인 경우는 수면 상태로 분류하였다. 실시간으로 지속적인 데이터 획득을 위하여 차후 초음파 센서 및 시스템의 보완작업이 필요하다. 이와같은 모돈의 행동 패턴에 따른 취득된 데이터를 분류하여 모돈의 발정에 의한 행동 특성(기립시간) 분석에 따른 발정 적기 발견 및 정량화 기술 개발에 활용이 가능하다.