• 대한임베디드공학회논문지
• /
• 제17권3호
• /
• pp.177-183
• /
• 2022

To measure the size and weight of the fish, we developed an automatic fish size measurement system using a deep neural network, where the YOLO (You Only Look Once)v3 model was used. To detect fish, an IP camera with infrared function was installed over the fish pool to acquire image data and used as input data for the deep neural network. Using the bounding box information generated as a result of detecting the fish and the structure for which the actual length is known, the size of the fish can be obtained. A GUI (Graphical User Interface) program was implemented using LabVIEW and RTSP (Real-Time Streaming protocol). The automatic fish size measurement system shows the results and stores them in a database for future work.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.145-148
• /
• 2022

본 논문은 스마트 팜 교육용 시스템을 IoT 기반으로 임베디드 환경에서 설계 및 구현하였다. 시스템 환경은 라즈베리파이 기반에서 노드-레드(Node-RED) 프로그램을 적용하였고 생육재배에 필요한 환경 센서와 구동장치를 연동하여 구축하였다. 센싱 정보는 유. 무선통신으로 서버로 전달되며, 데이터베이스를 근간으로 한 웹 설계는 PHP, MySQL을 사용하고, 스마트 폰 앱은 안드로이드 스튜디오를 사용하였다. 시스템 동작 과정은 센서값 인지 및 비주얼한 표시, 연동 구동장치 제어 프로그래밍, 서버 및 스마트 폰을 이용한 원격제어와 모니터링 과정을 수행할 수 있도록 설계하였다.

• 스마트미디어저널
• /
• 제13권2호
• /
• pp.23-31
• /
• 2024

In precision cattle farm, reliably tracking the identity of each cattle is necessary. Effective tracking of cattle within farm environments presents a unique challenge, particularly with the need to minimize the occurrence of excessive tracking trajectories. To address this, we introduce a trajectory playback decision tree algorithm that reevaluates and cleans tracking results based on spatio-temporal relationships among trajectories. This approach considers trajectory as metadata, resulting in more realistic and accurate tracking outcomes. This algorithm showcases its robustness and capability through extensive comparisons with popular tracking models, consistently demonstrating the promotion of performance across various evaluation metrics that is HOTA, AssA, and IDF1 achieve 68.81%, 79.31%, and 84.81%.

• 스마트미디어저널
• /
• 제11권5호
• /
• pp.9-16
• /
• 2022

최근 농업 현장에서는 빅데이터와 IoT(Internet of Things) 등 기술을 적용하여 디지털농업 스마트팜으로 자동화를 하고 있다. 이러한 스마트팜은 작물의 환경을 측정하고 데이터를 조사하고 가공하여 생산량의 증대와 작물의 품질을 향상하고자 한다. 생산량 예측은 첨단 농업인 스마트팜 디지털 농업에서 중요한 연구로 빅데이터를 활용하여 환경데이터를 분석하고 나아가 생육정보 데이터 품질 관리를 위한 표준화 연구가 필요하다. 본 논문에서는 스마트팜 딸기 농장에서 수집된 환경 및 생산량 데이터를 분석하여 연구하였다. 회귀분석을 기반으로 릿지회귀(Ridge Regression), LightGBM, XGBoost를 사용하여 작물 생산량 예측 모델을 분석하였다. 3가지 모델 중 최적의 모델은 XGBoost로 R2는 82.5%의 설명력을 보였다. 연구 결과 양액흡수량과 환경데이터간의 상관관계를 확인할 수 있었고, 생산량 예측 연구에 대한 유의미한 결과를 얻을 수 있었다. 향후 작물의 생육환경 정보 및 양액의 성분 등 양액흡수량을 연구하여 양액관리를 통해 환경오염 예방 및 양액 절감에 기여할 것으로 기대된다.

• 스마트미디어저널
• /
• 제11권4호
• /
• pp.19-29
• /
• 2022

IoT 기술의 발전에 따라 스마트팜을 활용하는 농가가 증가하고 있다. 스마트팜은 환경을 모니터링하고, 원격 또는 자동으로 최적의 내부 환경을 조성하여 작물의 생산량 및 품질을 향상시킨다. 이를 위해 수집되는 농업 디지털 데이터를 활용하여 작물의 생산성을 예측하는 기술에 대한 연구가 활성화되고 있다. 그러나 생산량 예측을 위한 연구에서는 기존의 통계자료를 바탕으로 하는 통계모델 기반의 연구가 대부분이며, 이에 따라 예측 정확도가 낮은 문제점이 존재한다. 본 연구에서는 시설 원예 스마트팜에 수집된 농업 디지털 데이터를 활용하여 다양한 머신러닝 모델을 통해 생산량 및 판매 수익금을 예측하고, 성능을 비교하였다. 성능을 비교한 모델은 다중선형회귀, 서포트벡터머신, 인공신경망, 순환신경망, LSTM, ConvLSTM이다. 성능 비교 결과 ConvLSTM가 R2 값 및 RMSE 값에서 가장 우수한 성능을 나타내었다.

• 한국농공학회논문집
• /
• 제64권5호
• /
• pp.27-39
• /
• 2022

The smart farm is recognized as a solution for future farmers having positive effects on the sustainability of the poultry industry. Intelligent microclimate control can be a key technology for broiler production which is extremely vulnerable to abnormal indoor air temperatures. Furthermore, better control of indoor microclimate can be achieved by accurate prediction of indoor air temperature. This study developed predictive models for internal air temperature in a mechanically-ventilated broiler house based on the data measured during three rearing periods, which were different in seasonal climate and ventilation operation. Three machine learning models and a mechanistic model based on thermal energy balance were used for the prediction. The results indicated that the all models gave good predictions for 1-minute future air temperature showing the coefficient of determination greater than 0.99 and the root-mean-square-error smaller than 0.306℃. However, for 1-hour future air temperature, only the mechanistic model showed good accuracy with the coefficient of determination of 0.934 and the root-mean-square-error of 0.841℃. Since the mechanistic model was based on the mathematical descriptions of the heat transfer processes that occurred in the broiler house, it showed better prediction performances compared to the black-box machine learning models. Therefore, it was proven to be useful for intelligent microclimate control which would be developed in future studies.

• 한국전자통신학회논문지
• /
• 제11권12호
• /
• pp.1231-1236
• /
• 2016

2015년 1월에 체결된 파리기후협약은 기존의 교토의정서를 대체할 새로운 규약으로서 탄소배출을 최소화하기 위하여 새로운 변화를 요구하고 있다. 특히, 농업 부문은 국가 에너지 소비량의 1.8%에 불과하지만, 농산물 생산비에서 에너지가 차지하는 비중이 매우 높은 편이다. 이를 해결하기 위하여 에너지 절감 시설과 함께 화석 연료를 대체할 수 있는 신재생 에너지가 개발 및 보급되고 있으나, 이에 대한 보급률이 높지 않은 편이며, 외산 제품이 주를 이루고 있다. 이에 본 논문에서는 해외 제품이 대부분인 스마트 팜을 국내 환경에 적합한 환경 분석을 통하여 국내 환경에 적합하게 개발하고, 이 시설을 활용하는 경우 에너지 절감 효과를 보여줄 수 있는 실험을 실시하였다.

• 스마트미디어저널
• /
• 제13권6호
• /
• pp.16-23
• /
• 2024

돼지는 꿀꿀거림, 기침, 비명과 같은 다양한 소리로 환경에 대한 반응과 건강 상태를 나타낸다. 돼지 음성의 중요성으로 최근 들어 돼지의 음성은 축산업 종사자에게 매우 중요한 데이터로 활발하게 연구되고 있다. 이를 위해 돼지의 음성 패턴을 분석하여 농장 소음 속에서 돼지의 음성을 구분하고 음성과 기침 소리를 구분하는 경량화 MobileNet 모델을 제안한다. 이 MobileNet은 돈사 내에서 다양한 배경 잡음, 기침 소리 등의 다양한 소리 속에서 돼지의 음성만을 정밀하게 구분하고 분석할 수 있었다. 테스트 결과, 이 모델은 98.2%의 높은 정확도를 보여주었다. 이러한 결과를 바탕으로 향후 연구에서는 돼지의 감정 분석, 스트레스 파악 등의 문제 해결을 기대한다.

• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.632-637
• /
• 2020

비간섭적 개별 전기 기기 부하 식별(NILM)은 단일 미터기에서 측정한 총 소비 전력을 사용하여 가정이나 회사에서 개별 전기 기기의 소비 전력과 사용 시간을 효율적으로 모니터링할 수 있는 방법이다. 본 논문에서는 스마트팜의 소비 전력 데이터 취득 시스템에서 LTE 모뎀을 통해 서버로 수집된 총 소비 전력량, 개별 전기 기기의 전력량을 HDF5 형태로 변환하고 NILM 분석을 수행하였다. NILM 분석은 오픈소스를 사용하여 잡음제거 오토인코더(Denoising Autoencoder), 장단기 메모리(Long Short-Term Memory), 게이트 순환 유닛(Gated Recurrent Unit), 시퀀스-투-포인트(sequence-to-point) 학습 방법을 사용하였다.

• 스마트미디어저널
• /
• 제3권1호
• /
• pp.16-21
• /
• 2014

세계 인구의 증가로 인하여 식량에 대한 요구 또한 이에 비례하여 증가하고 있는 가운데 지속적으로 안정적인 가축 공급을 위해서는 농장에 대한 효율적인 관리가 중요하다. 최근 여러 가지 기술적 진보와 혁신에 목축업이나 농업 분야의 생산성이 향상되고 있으며, 각종 스마트 센서와 여러 가지 자동화 디바이스를 이용하여 가축의 생육 상태를 지속적으로 모니터링하고 생산을 관리하는 PLF(Precision Livestock Farming)의 활용이 확산되고 있다. 본 논문은 이미지 프로세싱 기법을 이용하여 가축의 체중을 모니터링하는 swine 관리 시스템에 관한 것으로서 Pig Module, Breeding Module, Health and Medication Module, Weighr Module, Data Analysis Module 및 Report Module을 구현하여 카메라를 통해 획득한 이미지를 이용하여 체중을 자동으로 계산하고 먹이량을 조절하며 건강상태도 모니터링 할 수 있도록 하였다.