• International journal of advanced smart convergence
• /
• 제8권1호
• /
• pp.159-165
• /
• 2019

'4th Industrial Revolution' is accelerating as a core part of creating new growth engines and enhancing competitiveness of businesses. The fourth industrial revolution means the transformation of society and industries that are brought by IoT (Internet of Things), big data analysis, AI (Artificial Intelligence), and robot technology. Information and Communication Technology (ICT), which is a major factor, is affecting production and manufacturing systems and as ICT technologies become more advanced, intelligent information technology is generally utilized in all areas of society, leading to hyper-connected society where new values are created and developed. ICT technology is not just about connecting devices and systems and making smart, it is about constantly converging and harmonizing new technologies in a number of fields and driving innovation and change. It is no exception to the agro-fisheries trade. In particular, ICT technology is applied to the agricultural sector, reducing labor, providing optimal environment for crops, and increasing productivity. Due to the nature of agriculture, which is a labor-intensive industry, it is predicted that the ripple effects of ICT technologies will become bigger. We are expected to use the Smart Concentration using ICT convergence technology as a useful resource for changing smart farms, and to help develop new service markets.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.37-38
• /
• 2017

최근 방제 및 예찰과 같은 농작업에 단일 UAV(Unmanned Aerial Vehicle)시스템이 적용되고 있지만, 가반하중과 체공시간 등 기존시스템의 문제가 점차 대두되면서 작업 시간을 보다 단축시키고 작업 효율을 극대화 할 수 있는 농업용 멀티 UAV시스템의 필요성이 증대되고 있다. 본 논문에서는 작업자가 다수의 농업용 UAV를 효과적으로 제어할 수 있는 분산군집제어 알고리즘을 제안하며 알고리즘 검증 및 평가를 위한 시뮬레이터를 소개한다. 분산군집제어는 UAV 제어 계층, VP(Virtual Point) 제어 계층, 원격제어 계층으로 이루어진 3계층 제어구조를 가진다. UAV 제어 계층에서 각 UAV는 point mass로 모델링 되는 VP의 이상적인 경로를 추종하도록 제어한다. VP 제어 계층에서 각 VP는 입력 $p_i(t)=u^c_i+u^o_i+u^{co}_i+u^h_i$-(1)을 받아 제어되는데 여기서, $u^c_i{\in}{\mathbb{R}}^3$는 VP 사이의 충돌방지제어, $u^o_i{\in}{\mathbb{R}}^3$는 장애물과의 충돌방지제어, $u^{co}_i{\in}{\mathbb{R}}^3$는 UAV 상호간의 협조제어, $u^h_i{\in}{\mathbb{R}}^3$는 작업자로부터의 원격제어명령이다. (1)의 제어입력에서 충돌방지제어는 각 $u^i_c:=-{\sum\limits_{j{\in}{\eta}_i}}{\frac {{\partial}{\phi}_{ij}^c({\parallel}p_i-p_j{\parallel})^T}{{\partial}p_i}}$-(2), $u^o_c:=-{\sum\limits_{r{\in}O_i}}{\frac {{\partial}{\phi}_{ir}^o({\parallel}p_i-p^o_r{\parallel})^T}{{\partial}p_i}}$-(3)로 정의되면 ${\phi}^c_{ij}$와 ${\phi}^o_{ir}$는 포텐셜 함수를 나타낸다. 원격제어 계층에서 작업자는 햅틱 인터페이스를 통해 VP의 속도를 제어하게 된다. 이때 스케일변수 ${\lambda}$에 대하여 VP의 원격제어명령은 $u^t_i(t)={\lambda}q(t)$로 정의한다. UAV 시뮬레이터는 리눅스 환경에서 ROS(Robot Operating Systems)를 기반한 3차원 시뮬레이터인 Gazebo상에 구축하였으며, 마스터와 슬레이브 간의 제어 명령은 TCPROS를 통해 서로 주고받는다. UAV는 PX4 기반의 3DR Solo 모델을 사용하였으며 MAVROS를 통해 MAVLink 통신 프로토콜에 접속하여 UAV의 고도, 속도 및 가속도 등의 상태정보를 받을 수 있다. 현재 멀티 드론 시스템을 Gazebo 환경에 구축하였으며, 추후 시뮬레이터 상에 분산군집제어 알고리즘을 구현하여 검증 및 평가를 진행하고자 한다.

• 한국과 국제사회
• /
• 제1권1호
• /
• pp.115-152
• /
• 2017

본 논문은 미래 전쟁양상의 변화와 한국의 대응을 분석하기 위한 것이다. 이를 위해 전쟁의 개념 특성 유형과 진화, 미래의 전쟁양상의 변화, 미래전에 대한 한국의 대응전략을 살펴본 후 결론을 도출해본 것이다. 진리는 불변할 수 있지만 다른 모든 것은 변한다. 전쟁은 인간의 역사와 함께 시작되었으며, 오늘날에도 지구상의 곳곳에서는 전쟁이 끊이지 않고 있다. 농업사회${\rightarrow}$산업사회${\rightarrow}$지식정보화사회로 시대가 변화해감에 따라 전쟁양상도 변화해왔다. 미래 전쟁양상은 지상 해상 공중 우주 사이버에서 진행되는 5차원전쟁, 네트워크 중심전, 정밀타격전, 신속기동전, 비화약전, 비살상전, 무인로봇전, 정보 및 사이버전, 비대칭전, 비선형전, 병행전 등으로 변화 확대될 전망이다. 이러한 전쟁양상의 변화에 대응하여 한국군은 (1)미래지향적 군사력 건설, (2)지속적인 군사혁신과 대비태세의 발전, (3)'기술중심'의 전력획득 패러다임의 발전 정착을 모색 추진해 나가야 할 것이다. 로마 전략가 베게티우스(Vegetius)가 말한 "평화를 원하거든 전쟁에 대비하라."고 역설했는데, 이것은 오늘날 국제사회에서도 변함없이 통용되는 격언이 아닐 수 없다. 우리가 원하는 평화는 지킬 수 있는 의지와 능력이 있을 때 주어진다는 것을 한시도 잊어서는 안 될 것이다.

• Journal of Biosystems Engineering
• /
• 제26권2호
• /
• pp.163-168
• /
• 2001

A manipulator for test-cup attachment modules, which was a part of a robot milking system, was developed to reduce cost and labor for cow milking processing. A Cartesian coordinate manipulator was designed for the milking process, because it was quite flexible and can be constructed more economically than any other configuration. The manipulator was made use of DC motors, screws for power transmission, a RS422 interface system for the transmission of coordinate values and a one-chip microprocessor, 89C52. Performance tests of the manipulator were conducted to measure experimentally the precision of all axes. Some of the results are as follows. 1. The Cartesian coordinate manipulator was designed and built. Dimension of the three perpendicular axes (X, Y, and Z) and one arm’s axis(W) to pick up and transfer the modules were 700㎜$\times$450㎜$\times$550㎜$\times$650㎜. The arm’s axis moved the teat-cup attachment module, which attached four teat-cup to four teats, detached four teat-cup from four teats, was designed and manufactured by using CAD, CAM and CNC. 3. After 10 replications of exercising the manipulator, mean precision values(positioning error) of X, Y, Z axes wee 0.48㎜, 0.20㎜, 0.19㎜, respectively. Therefore, we conclude the axes to have a precision better than 0.5㎜, had no problem to operate correctly the milking manipulator.

• 생물환경조절학회지
• /
• 제10권3호
• /
• pp.172-180
• /
• 2001

본 연구에서는 포도 수확기 개발을 위하여 가장 중요한 영상처리 알고리즘을 개발하고자 두 대의 카메라를 이용한 스트레오 영상 시스템을 개발하였다. 따라서 3차원 공간상의 포도를 카메라로부터 얻어진 2차원 평면 영상을 분석한 후 알고리즘을 개발하였다. 이를 이용하여 포도 수확을 위한 3차원 공간영상의 거리정보를 획득할 수 있도록 알고리즘을 연구한 결과, 다음과 같은 결론을 얻었다. 가. 모형 포도를 이용한 실내에서의 스트레오 영상 거리 계측 결과 실제거리 1100mm까지는 오차가 5mm 이하로 비교적 정확하게 계측할 수 있었다. 그러나 실제거리 1200mm이상에서는 10mm 이상으로 비교적 오차가 크게 나타났다. 이는 거리가 멀어지면서 영상의 화소값을 통한 거리 계측에서 단위화소에 해당하는 실제거리의 정확도가 감소하였기 때문인 것으로 판단되었다. 나. 현장에서 획득한 포도 영상을 이용한 스트레오 영상 거리계측 결과 실제거리와 계측거리간의 오차가 5mm 이내로서 비교적 정확하게 측정되었다. 따라스 스트레오 영상을 이용한 포도까지의 거리계측용 영상처리 시스템은 현장에서도 적용가능 할 것으로 판단되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권4호
• /
• pp.129-134
• /
• 2018

최근, 인공신경망 모델은 예측, 수치제어, 로봇제어, 패턴인식 등의 분야에서 촉망되는 기술이다. 본 연구에서는 인공신경망 모델을 이용하여 온실 외부 온도를 예측하고 이를 온실제어에 활용하는데 목적이 있다. 예측 모델의 성능 평가를 위해 다중회귀모델과 SVM 모델과의 비교분석을 수행하였다. 평가 방법으로는 10-Fold Cross Validation을 사용하였으며, 예측 성능 향상을 위해 상관관계분석 통해 데이터 축소를 수행하였고, 측정 데이터로부터 새로운 Factor 추출하여 데이터의 신뢰성을 확보하였다. 인공신경망 구축을 위해 Backpropagation algorithm을 사용하였으며, 다중회귀모델은 M5 method로 구축하였고, SVM 모델을 epsilon-SVM으로 구축하였다. 각 모델의 비교분석 결과 각각 0.9256, 1.8503과 7.5521로 나타났다. 또한 예측모델을 온실 난방부하 계산에 적용함으로써 온실에 사용되는 에너지 비용 절감을 통한 수입증대에 기여할 수 있다. 실험한 온실의 난방부하는 3326.4kcal/h이며, 총 난방시간이 $10000^{\circ}C/h$일 때 연료소비량은 453.8L로 예측된다. 아울러 데이터 마이닝 기술 중 하나인 인공신경망을 정밀온실제어, 재배기법, 수확예측 등 다양한 농업 분야에 적용함으로써 스마트 농업으로의 발전에 기여할 수 있다.