• 방송공학회논문지
• /
• 제26권4호
• /
• pp.377-389
• /
• 2021

본 연구는 수직형 스마트팜, 즉 식물공장 관리의 디지털화를 위한 시스템의 구현을 위한 프레임워크 설계를 제안한다. 본 연구에서 제안한 디지털 트윈 시스템의 세부 프레임워크 모듈은 1) 스마트 식물공장 트윈 클라이언트 2) 스마트 식물공장 트윈 게이트웨이 및 3) 스마트 식물공장 트윈서버로 구현하였다. 특히 스마트 식물공장 트윈 게이트웨이는 디지털 트윈의 구현을 위한 표준 개방형 하드웨어 플랫폼으로 주로 사용되는 Eclipse Ditto를 사용하여 구현하였다. 또한, 각 요소는 초기화 및 데이터 전송과 같은 메시지 시퀀스를 정의하여 클라이언트, IoT 게이트웨이, 서버와 각기 통신이 가능한 인터페이스를 설계하였다. 본 연구에서 제안된 프레임워크의 검증을 위하여 식물공장에서 별도로 설치한 라즈베리파이를 통해 환경 및 제어데이터를 수집하여 이를 가상환경에 가시화하는 형태의 프로토타입 디지털 트윈 시스템을 개발하였다.

• 한국산학기술학회논문지
• /
• 제21권11호
• /
• pp.180-186
• /
• 2020

스마트 축사용 ICT 융복합 확산으로 1세대 낙농 스마트팜 모델에서 여러 제조업체에 의해 만들어진 각 장치들이 독자적인 통신 방식을 사용함으로써 각 장치간의 상호 운영이 제한되었다. 본 연구에서는 기존 ICT 장치의 상호 운용 확보 및 데이터 관리를 위하여 개방형 제어 기술 기반 1세대 낙농 스마트팜 모델의 고도화를 실시하였다. 이 과정에서 도출된 개방형 통합제어는 Open API의 소프트웨어 인터페이스 구조로 각 말단에 위치하는 ICT 장치와 센서들의 통신 방식에 맞추어 실시간 데이터 수집 역할을 맞는 Observer와 상위 통합관리 서버로 연결, 전송하는 역할을 수행하는 Broker로 구성된다. 개방형 통합제어를 통해 고도화 모델 도입에 따른 1세대 낙농 스마트팜 모델 현장 2 곳의 검증을 통하여 성과 분석한 결과 두당 일일평균 산유량이 전년도 대비하여 (A 농가 5.13%, B 농가는 1.33%) 증가하였고(p<0.05), 공태일수는 A농가에서 약 17.5%, B 농가에서 약 13.3% 감소하였다(p<0.05). 젖소는 ICT 장치 도입 이후 적응 기간이 요구되나 이후 지속적인 효과를 관찰할 경우, 생산량의 효과가 점차 증가 할 것으로 기대할 수 있다. 현재 축종별 1세대 스마트팜 고도화를 통해 ICT 장치의 통합관리 체계 구축 및 데이터 송수신 인터페이스에 대한 제시가 실시되었으나, 빅데이터 기반의 2세대 스마트팜 연구개발 진입을 위하여 데이터의 규격 및 송수신에 대한 표준제정 및 산업계의 참여 유도를 위한 정책마련이 시급하다. 또한, 인공지능과 빅데이터가 핵심인 2세대 모델의 데이터 활용안 개발을 통해 낙농 스마트팜의 2·3세대를 향한 기반 조성이 시급 할 것이라고 제언하는 바이다.

• 한국정보통신학회논문지
• /
• 제23권6호
• /
• pp.733-739
• /
• 2019

수위측정은 스마트 공장(Smart Factory), 스마트 농장(Smart Farm), 스마트 양식장(Smart Fish Farm) 등 IoT 모니터링 분야에서 활용도가 높다. 그러나 기존의 수위측정 방식은 복잡한 알고리즘과 고가의 센서 위주로 상품성과 산업현장 적용성이 떨어진다. 본 논문에서는 이러한 문제를 해결하고자 비접촉식 스마트센서인 적외선 거리 센서와 홀센서 기반 수위측정 방법을 각각 제안하였다. 센서의 고감도로 인해 발생하는 데이터 오류는 간단한 구조도입을 통해 해결함으로써 범용성을 높였다. 구현된 수위측정 방법은 성능평가 실험을 통해 그 유효성이 검증되었다. 본 연구를 통해 개발된 센서는 IoT 기술 기반 범용성 수위측정 모니터링 시스템으로 확장될 수 있을 것으로 기대한다.

• 한국인터넷방송통신학회논문지
• /
• 제18권4호
• /
• pp.117-122
• /
• 2018

본 논문은 ICT 기술의 고도화를 통한 스마트 농업 확산 전략을 제시한다. 오늘날 세계는 환경 오염 문제와 지구 온난화로 전통 농업이 위협을 받고 있으며, 또한 저 출산 및 고령화에 따른 농업 종사자의 감소가 뚜렷하여 향후 식량 자원에 대한 사회적 문제가 예상된다. ICT 기술과 농업의 융합은 노동 집약적인 1차 산업이 아닌, 재배와 제조 및 서비스를 포함하는 새로운 페러다임을 제시하고 있다. 적은 노동력으로 양질의 식량을 안정적으로 공급할 수 있는 스마트팜 기술 보급이 시급한 실정이다. 본 논문에서는 현재 스마트팜 기술 현황을 살펴보고, 확산의 저해 요인을 분석하고 ICT 기술의 고도화를 통한 향후 스마트농업 발전 방향을 제시한다.

• 농촌계획
• /
• 제25권2호
• /
• pp.15-21
• /
• 2019

The agricultural environment is changing and becoming more advanced due to the influence of the 4th Industrial Revolution. From the basic plan of Rural Informatics to the current level of 2nd generation smart farms aimed at improving productivity using Big data, cloud network and more IoT technology. We are continuing to provide support and research and development. However, many problems remain to be solved in order to supply and settle smart farms in Korea. The purpose of this study is to provide a method of collecting and sharing data on farming environment and to help improve the income and productivity of farmers based on collected data. In the case of hog farm, the multiple sensors for environmental data like temperature, humidity and gases and the network environment for connecting the internet were established. The environment sensor was made using the ESP8266 Node MCU board as micro-controller, DHT22 sensor for temperature and humidity, and MQ series sensors for various gases in the hog pens. The network sensor was applied experimentally for one month and the environmental data of the hog farm was stored on a web database. This study is expected to raise the importance of collecting and managing the agricultural and environmental data, for the next generation farmers to understand the smart farm more easily and to try it by themselves.

• 스마트미디어저널
• /
• 제12권1호
• /
• pp.47-53
• /
• 2023

최근 정보통신기술을 농업과 접목해 새로운 가치를 창출하는 스마트팜 연구가 활발하게 진행되고 있다. 국내 스마트팜 기술이 농업 선진국 수준의 생산성을 가지기 위해서는 기계 학습을 활용한 자동화된 의사결정이 필요하다. 그러나 현재의 스마트 온실 데이터 수집 기술은 빅데이터 분석이나 기계 학습을 수행하기에 충분하지 않다. 본 논문에서는 자율 기계 학습을 위한 스마트 온실 데이터 전처리 시스템을 설계하고 구현한다. 제안하는 시스템은 대상 데이터를 다양한 전처리 기법에 적용하고 평가를 수행하여 최적 전처리 기법을 탐색하고 저장한다. 이렇게 탐색 된 최적 전처리 기법은 새롭게 수집된 데이터에 대하여 전처리를 수행하는데 활용된다.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권6호
• /
• pp.60-71
• /
• 2019

스마트팜이나 스마트시티와 같은 IoT 시스템이 보편화되면, 많은 센서 노드들로부터 수집된 대량의 데이터가 인터넷 내 서버로 전송되기 때문에 네트워크 트래픽 폭증, 전달 지연, 서버 부하증가 문제가 발생한다. 이러한 문제를 완화하기 위해 IoT 시스템과 서버와 사이에 데이터를 저장하는 포그 컴퓨팅 개념이 제안된 바 있다. 본 연구에서는 포그 노드의 소프트웨어 플랫폼을 구현하여 스마트팜(smart farm) 시험 구현물에 적용해 봄으로써, 포그 노드를 사용하는 경우 위에서 나열된 문제를 해결할 수 있음을 확인하였다. 포그 노드 플랫폼을 이용했을 때 IoT 장치를 제어하는데 걸리는 시간이 기존 IoT-서버 방식보다 더 낮아지는 것을 확인하였으며, 인터넷 내부 트래픽 폭증, 부하 증가 문제를 해결할 수 있음을 확인하였다. 또한 포그 노드의 기본 기능인 IoT 데이터 저장뿐만 아니라, 실시간 원격제어, 긴급 알림, 데이터 시각화의 기능을 본 논문의 포그 노드에 구현해 봄으로써 보다 지능적인 IoT 제어가 가능함을 보였다.

• 한국농공학회논문집
• /
• 제66권4호
• /
• pp.17-26
• /
• 2024

This study aimed to design and build a web-based decision support system for wheat cultivation management. The system is designed to collect and measure the weather environment at the growth stage on a daily basis and predict the soil moisture content. Based on this, APSIM, one of the process-based crop models, was used to predict the potential yield of wheat cultivation in real time by making decisions at each stage. The decision-making system for wheat crop management was designed to provide information through a web-based dashboard in consideration of user convenience and to comprehensively evaluate wheat yield potential according to past, present, and future weather conditions. Based on the APSIM model, the system estimates the current yield using past and present weather data and predicts future weather using the past 40 years of weather data to estimate the potential yield at harvest. This system is expected to be developed into a decision support system for farmers to prescribe irrigation and fertilizer in order to increase domestic wheat production and quality by enhancing the yield estimation model by adding influence factors that can contribute to improving wheat yield.

• 한국정보전자통신기술학회논문지
• /
• 제12권6호
• /
• pp.672-680
• /
• 2019

본 논문은 농장의 바이오 센서 데이터를 수집해서 농장에서 재배중인 농작물의 질병을 진단하고, 그 해 수확량을 예측하는 IoT 및 딥 러닝 기반 스마트 팜 환경 최적화 및 수확량 예측 플랫폼을 제안한다. 이 플랫폼은 현재 날씨, 토양 미생물 등 수집 가능한 모든 정보를 수집하여 작물이 잘 성장할 수 있도록 농장 환경을 최적화하고, 농장에서 재배중인 작물의 잎을 이용하여 작물의 질병을 진단하고, 그리고, 농장의 모든 정보를 사용하여 올해 수확량을 예측한다. 실험 결과 AEOM(Agricultural Environment Optimization Module)의 평균 정확도는 RF(Random Forest)보다 약 15%, GBD(Gradient Boosting Tree)보다 약 8% 높고, 데이터가 증가해도 RF나 GBD에 비해 정확도가 덜 감소한다. 선형 회귀에 따르면 정확도의 기울기는 ReLU의 경우 -3.641E-4, Sigmoid의 경우 -4.0710E-4, 계단함수의 경우 -7.4534E-4이다. 따라서 ReLU 사용시 정확도 기울기가 가장 낮으므로 테스트 데이터의 양이 증가함에 따라 ReLU는 다른 두 가지 활성화 기능보다 더 정확하다. 본 논문에서 제안한 EOYPP는 농장 전체를 관리하는 플랫폼으로 실제 농장에 도입된다면 국내 스마트 팜의 발전에 크게 이바지할 것이다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권6호
• /
• pp.1427-1435
• /
• 2017

최근 농업 분야에서는 빅데이터와 사물인터넷을 이용한 스마트팜의 확산이 이루어지고 있다. 스마트팜은 첨단 정보통신기술을 농업에 활용하여 농작물의 높은 생산성과 우수한 품질을 가져다줄 것으로 주목받고 있다. 스마트팜은 복합 환경제어시스템으로 온실 안에서 자라고 있는 농작물의 생육환경을 자동적으로 측정하여 실시간으로 환경 정보가 방대한 양의 데이터로 쌓이고 있다. 따라서 측정된 빅데이터를 활용한 농작물의 통계적 최적 생육환경설정 모형은 스마트팜에서 의사결정을 하는데 도움이 될 것으로 사료된다. 본 연구에서는 스마트팜 토마토 농가에서 실제로 수집된 자료를 이용하여 수확량과 환경변수의 연관성을 알아보고 이것을 토대로 수확량을 예측하기 위해 다중회귀분석을 실시하였다. 먼저 토마토 생육과정을 고려하여 환경인자에 대해서 적절한 변수 변환을 한 후 새롭게 생성된 변수들을 이용하여 모형을 적합시켰다. 그리고 적합된 통계적 모형을 이용하여 토마토의 수확량에 영향을 미치는 최적환경인자를 도출하였고, 이를 바탕으로 토마토 농가의 수확량을 예측할 수 있었다. 결론적으로 본 연구결과는 통계적 모형을 활용하여 토마토 생산성을 향상시킬 수 있는 최적의 생육환경을 조절할 수 있는 재배전략을 제시하는데 의미가 있을 것으로 기대된다.