KR102418735B1 - 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 - Google Patents
빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 Download PDFInfo
- Publication number
- KR102418735B1 KR102418735B1 KR1020200102646A KR20200102646A KR102418735B1 KR 102418735 B1 KR102418735 B1 KR 102418735B1 KR 1020200102646 A KR1020200102646 A KR 1020200102646A KR 20200102646 A KR20200102646 A KR 20200102646A KR 102418735 B1 KR102418735 B1 KR 102418735B1
- Authority
- KR
- South Korea
- Prior art keywords
- crop
- maturity
- crops
- size
- color
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003306 harvesting Methods 0.000 claims abstract description 26
- 238000010191 image analysis Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 10
- 230000001066 destructive effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 235000015097 nutrients Nutrition 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
- A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
- A01G9/246—Air-conditioning systems
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
- A01G9/247—Watering arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G06T5/002—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Environmental Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Forests & Forestry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Wood Science & Technology (AREA)
- Botany (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템을 개시한다. 빅데이터를 이용한 스마트팜 농작물 판매 방법은, 기설정된 범위 내의 농작물 사진을 촬영하는 단계, 상기 촬영된 농작물 사진을 기초로 영상 분석을 수행하여 사진 내 농작물의 성숙도를 분석하는 단계, 상기 농작물의 예비 수요자들을 추출하는 단계, 상기 농작물의 예비 수요자들에게 상기 농작물의 성숙도 및 수확시기 정보를 포함하는 판매정보를 송부하는 단계 및 상기 예비 수요자들로부터 구매여부를 회신받는 단계를 포함한다.
Description
본 발명은 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템에 관한 것으로서, 보다 구체적으로는 재배 식물의 재배 현황을 수요자에게 제공하여 농작물의 상태를 지속적으로 확인하고 거래가 이루어지는 농작물 판매 방법 및 시스템에 관한 것이다.
스마트팜의 사전적 정의는 농사 기술에 정보통신기술(ICT)을 접목하여 만들어진 지능화된 농장을 의미한다. 이러한 스마트팜은 사물인터넷(IoT: Internet of Things) 기술을 이용하여 농작물 재배 시설의 온도, 습도, 햇볕량, 이산화탄소, 토양 등을 측정 분석하고, 분석 결과에 따라서 제어 장치를 구동하여 적절한 상태로 변화시킨다. 스마트팜을 적극적으로 도입하는 경우, 농업의 생산, 유통, 소비 과정에 걸쳐 생산성과 효율성 및 품질 향상 등과 같은 고부가가치를 창출시킬 수 있는 장점이 있다
이에 반하여 종래 인터넷에서 이루어지는 농산물 직거래는 생산자가 홈페이지에 판매할 농산물을 촬영하여 올리면, 이를 소비자가 보고 구입할 수 있도록 구성되어 있었으며, 이는 유통과정이 생략되어 생산자와 소비자 모두에게 합리적인 가격으로 거래할 수 있는 장점이 있었다.
그러나 종래의 농작물 직거래 방법은 소비자의 입장에서 농작물의 재배환경과 재배과정을 확인할 수가 없기 때문에 소비자가 생산자를 일방적으로 믿고 거래할 수밖에 없는 구조로 되어 있다.
또한, 농작물이 공급에 비해 수요가 많아진 경우에는 지나치게 가격이 상승해 소비자에게는 부담으로 작용하며, 반대로 농작물이 과잉 생산된 경우에는 수확되지 못하고 방치되거나 헐값에 판매되는 등 생산자에게 손실이 발생하게 된다.
이에 따라, 생산자는 수요 예측에 대한 부담감을 갖고 농작물을 재배하게 된다는 문제점이 있다.
따라서, 농작물의 재배 상태를 실시간으로 확인할 수 있도록 데이터를 제공하고 이를 수요자가 확인함으로써, 믿을 수 있는 농작물을 구매할 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템이 요구되고 있는 상황이다.
본 발명은 빅데이터를 이용하여 농작물의 재배 상태를 확인하고 이를 수요자에게 제공하여 재배의 투명성과 거래의 효율을 높일 수 있도록, 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템의 제공을 목적으로 한다.
또한 본 발명은 농작물의 크기와 RGB값을 이용하여 성숙도를 판단하되, 단계에 따라 크기 또는 RGB를 선택적으로 이용하여 성숙도를 판단함으로써, 농작물의 성숙도 판단 정확도를 높일 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템의 제공을 목적으로 한다.
또한, 본 발명은 분석된 농작물의 성숙도에 기초하여 재배조건을 자동으로 결정하고 제어함으로써, 농작물의 최적 성장 환경을 제공하여 생산 효율을 극대화할 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템의 제공을 목적으로 한다.
또한, 본 발명은 농작물의 크기, 성숙도, 당도를 예측하여 이를 포함한 판매정보를 예비 수요자에게 제공하고 수확되는 농작물의 결과와 오차가 발생하는 경우에 대비한 보상조건을 제시함으로써, 예비 수요자에게 구매 신뢰성을 높일 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템의 제공을 목적으로 한다.
또한, 본 발명은 예비 수요자가 제시하는 가중항목에 따라 보상조건을 수정함으로써, 예비 수요자의 개별 구매 특성을 반영하는 보상조건 제시가 가능한 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템의 제공을 목적으로 한다.
또한, 본 발명은 다수의 예비 수요자가 제시하는 가중항목에 따른 오차값의 합산값을 산출하고, 상기 합산값이 가장 작은 예비 수요자를 상기 농산물 생산자에게 추천함으로써, 농산물 생산자의 이익균형을 함께 고려할 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템의 제공을 목적으로 한다.
위와 같은 목적을 달성하기 위하여, 본 발명의 일실시례에 의한 빅데이터를 이용한 스마트팜 농작물 판매 방법은, 기설정된 범위 내의 농작물 사진을 촬영하는 단계, 상기 촬영된 농작물 사진을 기초로 영상 분석을 수행하여 사진 내 농작물의 성숙도를 분석하는 단계, 상기 농작물의 예비 수요자들을 추출하는 단계, 상기 농작물의 예비 수요자들에게 상기 농작물의 성숙도 및 수확시기 정보를 포함하는 판매정보를 송부하는 단계 및 상기 예비 수요자들로부터 구매여부를 회신받는 단계를 포함한다.
이때, 상기 농작물의 사진을 촬영하는 단계는, 상기 농작물의 사진을 다수개 촬영하는 단계, 상기 다수개의 사진 간의 중첩부분이 탐색되는 경우, 상기 중첩부분 중 색감값이 기설정된 값보다 높은 부분을 유효한 부분으로 처리하고 기설정된 값보다 낮은 부분을 노이즈 처리하는 단계 및 상기 색감값이 기설정된 값보다 높은 부분을 유효한 부분으로 처리하여 상기 다수개의 사진을 합성하는 단계를 포함할 수 있다.
이때, 상기 성숙도를 분석하는 단계는, 상기 사진 내의 농작물 주변을 블랙처리하는 단계, 폴리곤 방식으로 상기 사진 내의 농작물의 윤곽선을 추출하고, 이를 기초로 상기 농작물의 크기를 측정하는 단계, 상기 농작물 영상에 포함된 색상 RGB값을 측정하는 단계, 상기 농작물의 크기가 기설정된 기준값 이하인 경우에는 크기를 기초로 농작물의 성숙도를 분석하고, 상기 농작물의 크기가 상기 기준값을 초과하는 경우에는 상기 색상 RGB를 기초로 농작물의 성숙도를 분석하는 단계, 상기 분석된 성숙도에 기초하여 상기 농작물에 대한 물주기 조건, 양액공급 조건 및 온습도 조절 조건을 포함하는 재배조건을 결정하는 단계 및 상기 결정된 재배조건에 대응하여 재배 환경을 제어하는 단계를 포함할 수 있다.
또한, 상기 판매정보를 송부하는 단계는, 현재 시점의 농작물 크기, 색상에 따른 성숙도 및 비과괴 측정을 통해 판단한 당도 및 수확 시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도를 함께 제공하는 단계 및 수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도를 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여 보상조건을 제시하는 단계를 포함할 수 있다.
또한, 상기 보상조건을 제시하는 단계는, 상기 수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도와 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여 적어도 하나에서 기설정된 한계 오차값을 초과하는 경우, 초과된 오차값에 비례하여 보상되도록 보상조건을 제시할 수 있다.
또한, 상기 보상조건을 제시하는 단계는, 상기 수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도와 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여, 각 오차값의 합산값이 기설정된 한계오차 합산값을 초과하는 경우 초과된 오차값에 비례하여 보상되도록 보상조건을 제시하며, 상기 예비 수요자들로부터 구매여부를 회신받는 단계는, 상기 예비 수요자 각자로부터 상기 농작물의 크기, 성숙도 및 당도 중 어느 하나에 부여할 가중항목을 결정하여, 구매여부와 함께 회신하는 단계 및 상기 회신받은 가중항목을 적용하여 상기 각 오차값의 합산값이 기설정된 한계오차 합산값을 초과하는 경우 초과된 오차값에 비례하여 보상되도록 보상조건을 수정하는 단계를 포함할 수 있다.
또한, 상기 예비 수요자 각자가 제시한 가중항목을 적용하여 산출된 각 오차값의 합산값이 가장 작은 예비 수요자를 상기 농산물의 생산자에게 예비 수요자 추천 리스트로 제공하는 단계를 포함할 수 있다.
본 발명에 따르면 빅데이터를 이용하여 농작물의 재배 상태를 확인하고 이를 수요자에게 제공하여 재배의 투명성과 거래의 효율을 높일 수 있도록, 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템을 제공할 수 있는 효과가 있다.
또한 본 발명에 따르면 농작물의 크기와 RGB값을 이용하여 성숙도를 판단하되, 단계에 따라 크기 또는 RGB를 선택적으로 이용하여 성숙도를 판단함으로써, 농작물의 성숙도 판단 정확도를 높일 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템을 제공할 수 있는 효과가 있다.
또한, 본 발명에 따르면 분석된 농작물의 성숙도에 기초하여 재배조건을 자동으로 결정하고 제어함으로써, 농작물의 최적 성장 환경을 제공하여 생산 효율을 극대화할 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템을 제공할 수 있는 효과가 있다.
또한, 본 발명에 따르면 농작물의 크기, 성숙도, 당도를 예측하여 이를 포함한 판매정보를 예비 수요자에게 제공하고 수확되는 농작물의 결과와 오차가 발생하는 경우에 대비한 보상조건을 제시함으로써, 예비 수요자에게 구매 신뢰성을 높일 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템을 제공할 수 있는 효과가 있다.
또한, 본 발명에 따르면 예비 수요자가 제시하는 가중항목에 따라 보상조건을 수정함으로써, 예비 수요자의 개별 구매 특성을 반영하는 보상조건 제시가 가능한 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템을 제공할 수 있는 효과가 있다.
또한, 본 발명에 따르면 다수의 예비 수요자가 제시하는 가중항목에 따른 오차값의 합산값을 산출하고, 상기 합산값이 가장 작은 예비 수요자를 상기 농산물 생산자에게 추천함으로써, 농산물 생산자의 이익균형을 함께 고려할 수 있는 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템을 제공할 수 있는 효과가 있다.
도 1은 본 발명의 일실시례에 따른 빅데이터를 이용한 스마트팜 농작물 거래방법을 나타낸 동작흐름도이다.
도 2는 도 1의 단계 중 농작물의 사진을 촬영하는 단계의 일실시례를 세부적으로 도시한 플로우차트이다.
도 3은 도 1의 단계 중 성숙도를 분석하는 단계의 일실시례를 세부적으로 도시한 플로우차트이다.
도 4는 도 1의 단계 중 판매정보를 송부하는 단계의 일실시례를 세부적으로 도시한 플로우차트이다.
도 2는 도 1의 단계 중 농작물의 사진을 촬영하는 단계의 일실시례를 세부적으로 도시한 플로우차트이다.
도 3은 도 1의 단계 중 성숙도를 분석하는 단계의 일실시례를 세부적으로 도시한 플로우차트이다.
도 4는 도 1의 단계 중 판매정보를 송부하는 단계의 일실시례를 세부적으로 도시한 플로우차트이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다.
도 1은 본 발명의 일실시례에 따른 빅데이터를 이용한 스마트팜 농작물 거래방법을 나타낸 동작흐름도이고, 도 2는 도 1의 단계 중 농작물의 사진을 촬영하는 단계의 일실시례를 세부적으로 도시한 플로우차트이며. 도 3은 도 1의 단계 중 성숙도를 분석하는 단계의 일실시례를 세부적으로 도시한 플로우차트이고, 도 4는 도 1의 단계 중 판매정보를 송부하는 단계의 일실시례를 세부적으로 도시한 플로우차트이다.
도 1을 참고하면, 단계(S110)에서는, 기설정된 범위 내의 농작물의 사진을 촬영할 수 있다. 상기 기설정된 범위 내의 농작물의 사진 촬영은 촬영부(미도시)에 의해 수행될 수 있다. 일례로, 사용자가 관리하는 비닐하우스 범위 내에서 이동가능한 촬영장치 또는 고정설치된 다수의 촬영장치를 통해 농작물의 사진 촬영이 이루어질 수 있다.
이때, 농작물의 사진은 다수개 촬영될 수 있으며, 촬영된 다수의 이미지 중 선택된 하나 이상의 이미지를 아래의 분석에 활용할 수 있다.
이와 관련하여, 단계(S110)의 세부구성 일실시례는 도 2를 참고하여 보다 상세하게 설명한다.
도 2를 참고하면, 단계(S111)에서는 상기 농작물의 사진을 다수개 촬영할 수 있다. 즉, 하나의 농작물에 대하여 동일한 각도에서 다수개의 사진 촬영이 이루어질 수 있고, 각도를 달리하여 다수개의 사진 촬영이 이루어질 수 있다. 영역별로 사진 촬영이 이루어지는 경우, 영역들 간의 중첩영역이 발생하도록 다수개의 사진 촬영을 수행하여 영상 분석에 용이한 사진을 취사선택하여 사용할 수 있다.
단계(S112)에서는, 상기 다수개의 사진 간의 중첩부분이 탐색되는 경우, 상기 중첩부분 중 색감값이 기설정된 값보다 높은 부분을 유효한 부분으로 처리하고 기설정된 값보다 색감값이 낮은 부분을 노이즈 처리할 수 있다. 즉, 영역별로 사진 촬영이 이루어지고, 중첩부분이 탐색되는 경우, 중첩부분 중 색각값이 높은 부분이 영상 분석에 유리한 것으로 판단하고, 이를 유효한 부분으로 처리하며, 상대적으로 색감값이 낮은 부분은 노이즈 처리하여 영상 분석에 유리한 방향으로 취사 선택하여 사용할 수 있다.
여기서, 상기 기설정된 값은 미리 설정된 고정 값 또는 중첩되는 부분의 중간 값으로 설정할 수 있다.
단계(S113)에서는, 상기 다수개의 사진을 합성하되, 중첩되는 부분은 색감값이 기설정된 값보다 높은 부분을 유효한 부분으로 구성하여 합성할 수 있다.
다시 도 1을 참고하면, 단계(S120)에서는, 상기 성숙도 분석부(미도시)를 통해 상기 촬영된 농작물 사진을 기초로 영상 분석을 수행하여 사진 내 농작물의 성숙도를 분석할 수 있다.
따라서, 농작물의 영상으로부터 파악되는 크기, 색감 등을 통해 현재 농작물의 성숙도를 분석할 수 있으며, 이를 위해 농작물의 성장단계별 크기와 색감을 빅데이터로 구성하고, 이를 활용하여 농작물의 성숙도를 분석할 수 있다.
이와 관련하여, 단계(S120)의 세부구성 일실시례는 도 3을 참고하여 보다 상세하게 설명한다.
도 3을 참고하면, 단계(S121)에서는 촬영된 사진 내의 농작물 주변을 블랙처리할 수 있다.
이를 통해 사진 내에서 분석이 필요한 농작물과 그 주변의 경계를 보다 명확하게 처리할 수 있다.
단계(S122)에서는 폴리곤 방식으로 사진 내의 농작물의 윤곽선을 추출하고, 이를 기초로 상기 농작물의 크기를 측정할 수 있다. 즉, 농작물의 윤곽선이 추출되면 농작물의 크기를 측정할 수 있으며, 농작물의 크기는 농작물을 기설정된 방향으로 정렬한 후 기설정된 방향으로의 경계와 경계간의 거리를 측정할 수 있다.
예를 들어, 토마토의 경우 꼭지가 달린부분이 상측방향에 위치하도록 정렬하고 세로방향의 길이, 가로방향의 길이 중 하나 또는 모두를 측정하는 방법으로 농작물의 크기를 측정할 수 있다.
이때, 세로방향의 길이와 가로방향의 길이를 모두 측정하는 경우에는 두 길이의 합산값 또는 곱셈값(면적과 비례하는 값)을 이용하여 농작물의 크기에 비례하는 순위를 측정할 수 있다.
이후 단계(S123)에서는 농작물 영상에 포함된 색상 부분의 RGB값을 측정할 수 있다. 즉, 농작물의 성장 단계에 따라 색상이 변화되므로, 상기 색상의 변화정도에 따라 성숙도를 측정하도록 영상 내 색상 부분의 RGB값을 측정할 수 있다.
단계(S124)에서는 상기 측정된 농작물의 크기가 기설정된 기준값 이하인 경우에는 농작물의 크기를 기초로 성숙도를 판단하고, 농작물의 크기가 상기 기준값을 초과하는 경우에는 농작물의 색상을 기초로 성숙도를 분석할 수 있다.
일례로, 농작물의 성숙도를 20단계로 구분하여 표현하는 경우, 농작물의 크기가 기설정된 크기 이하의 범위에서 성숙도 1 내지 성숙도 10을 구분하되 크기를 기초로 구분하고, 농작물의 크기가 기설정된 크기를 초과하는 경우에는 색상을 기초로 성숙도 11 내지 성숙도 20을 구분하여 판단할 수 있다.
단계(S125)에서는 상기 분석된 성숙도에 기초하여 상기 농작물에 대한 물주기 조건, 양액공급 조건 및 온습도 조절 조건을 포함하는 재배조건을 결정하고, 단계(S126)에서는 상기 결정된 재배조건에 대응하여 재배 환경을 제어할 수 있다.
따라서, 분석된 농작물의 성숙도가 예상치에 미치지 못하는 경우에는 보다 활발한 생장이 이루어지도록 물주기 조건, 양액공급 조건, 온습도 조건을 조절하여 신속한 생장이 이루어지도록 제어할 수 있다.
반대로, 출하 예상 시기에 비해 농작물의 성숙도가 앞서는 경우에는 생장 속도를 지연시켜 출하 시기에 맞춰 최적의 결과물이 도출되도록 물주기 조건, 양액공급 조건, 온습도 조건을 조절하여 신속한 생장이 이루어지도록 제어할 수 있다.
다시 도 1을 참고하면, 단계(S130)에서는, 상기 예비 수요자 추출부(미도시)를 통해 상기 농작물의 예비 수요자들을 추출할 수 있다. 일례로, 해당 농작물에 관심을 표시한 사용자, 기설정된 기간 내에 해당 농작물에 대한 검색이력이 있는 사용자, 해당 농작물에 대한 온라인 구매이력이 있는사용자 등 필요에 따라 농작물의 예비 수요자를 추출하고, 이후 추출된 사용자들을 타겟팅하여 판매정보 등을 송부할 수 있다.
따라서, 단계(S140)에서는, 상기 판매정보 송신부(미도시)를 통해 상기 농작물의 예비 수요자들에게 상기 농작물의 성숙도 및 수확시기 정보를 포함하는 판매정보를 송부할 수 있다.
이와 관련하여, 단계(S140)의 세부구성 일실시례는 도 4를 참고하여 보다 상세하게 설명한다.
단계(S141)에서, 현재 시점의 농작물 크기, 색상에 따른 성숙도 및 비과괴 측정을 통해 판단한 당도 및 수확 시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도를 상기 판매정보에 포함하여 예비 수요자에게 제공할 수 있다.
이후, 단계(S142)에서는 수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도를 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여 보상조건을 제시할 수 있다.
즉, 예비 수요자에게 제공한 판매정보가 수확된 결과물의 정보와 상이한 경우를 대비하여, 이에 대한 보상조건을 제시함으로써, 예비 수요자가 보다 안심하고 구매예약을 진행할 수 있도록 구성이 마련될 수 있다.
보다 상세하게는 상기 수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도와 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여 적어도 하나에서 기설정된 한계 오차값을 초과하는 경우, 초과된 오차값에 비례하여 보상되도록 보상조건을 제시할 수 있다.
일례로, 수학 결과물에 대한 농작물의 크기가 5cm이고, 농작물의 예상 크기가 3.5cm였던 경우, 기설정된 한계오차값인 1cm(또는 비율로 20% 가 한계오차)를 초과하여 오차가 발생(색상, 당도 등은 오차가 없는 것으로 가정)하였으므로, 1mm당 1원을 보상조건으로 제시하였다면, 해당 농작물에 대한 보상은 15원으로 결정될 수 있다.
또한, 보상조건을 제시하기 위한 다른 일례로, 상기 수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도와 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여, 각 오차값의 합산값(합산오차)이 기설정된 한계오차 합산값(합산한계오차)을 초과하는 경우 초과된 오차값에 비례하여 보상되도록 보상조건을 제시할 수 있다.
즉, 모든 영역에서 오차값을 계산하고 그 합산오차(또는 합산오차비율)가 합산한계오차(합산한계오차비율)를 초과한 경우, 초과된 오차값에 비례하여 보상되도록 조건을 제시할 수 있다.
일례로, 농작물의 크기에 대한 오차율이 20%이고, 성숙도에 대한 오차율이 10%이며, 당도에 대한 오차율이 15%인 경우, 합산오차비율은 45%이므로, 1%당 1원을 보상조건으로 제시하였다면, 상기 농작물에 대한 보상금액은 45원으로 결정될 수 있다.
한편, 상기와 같이 생산자가 보상조건을 제시하는 경우, 보상조건이 일방적으로 결정되는 것이 아니라, 예비 수요자들로부터 가중항목을 결정하도록 하여 예비 수요자의 취향과 관심영역을 반영하여 보상조건이 결정되도록 조정할 수도 있다.
이를 위해 상기 예비 수요자들로부터 구매여부를 회신받는 단계는,
상기 예비 수요자 각자로부터 상기 농작물의 크기, 성숙도 및 당도 중 어느 하나에 부여할 가중항목을 결정하여, 구매여부와 함께 회신하는 단계; 및 상기 회신받은 가중항목을 적용하여 상기 각 오차값의 합산값이 기설정된 한계오차 합산값을 초과하는 경우 초과된 오차값에 비례하여 보상되도록 보상조건을 수정하는 단계를 포함할 수 있다.
즉, 예비 수요자 1이 당도에 가장 큰 비중을 두고 농산물을 구매하고자 하는 경우, 생산자가 제시한 보상조건에서 당도 항목에 1.5배 가중치를 두도록 회신할 수 있고, 이 경우 당도에 1.5를 곱하여 보상금액을 결정할 수 있다.
일례로, 농작물의 크기에 대한 오차율이 20%이고, 성숙도에 대한 오차율이 10%이며, 당도에 대한 오차율이 10%인 경우, 당도에 가중치 1.5를 곱셈연산하여 계산한 합산오차비율은 45%이므로, 1%당 1원을 보상조건으로 제시한 경우, 총 보상금액은 45원으로 결정될 수 있다.
한편, 가중치를 적용하는 보상조건에서는, 합산오차비율 45%가 한계합산오차비율 30%를 초과하였더라도 가중치를 부여한 당도 항목에 대한 오차비율 10%가 당도에 대한 한계오차비율 15%를 초과하지 않은 경우에는 상기와 같이 보상이 이루어지지 않도록 처리하여, 가중치를 부여한 예비 예비 수요자는 당도가 한계보상을 초과한 경우에는 많은 보상금액을 수령하고, 당도가 한계보상을 초과하지 않은 경우라면 비록 다른 항목들과의 합산오차비율이 한계합산오차비율을 초과하였더라도 보상금액을 수령하지 않도록 설정하여, 가중치를 부여한 경우 생산자와 예비 수요자간의 보상금액 결정의 형평성을 반영할 수 있다.
한편, 빅데이터를 이용한 스마트 농작물 판매 방법은 상기 예비 수요자 각자가 제시한 가중항목을 적용하여 산출된 각 오차값의 합산값이 가장 작은 예비 수요자를 상기 농산물의 생산자에게 예비 수요자 추천 리스트로 제공하는 단계를 더 포함할 수 있다.
따라서, 농작물의 예비 수요자가 판매량을 초과하는 경우, 생산자는 예비 수요자를 선택하여 구매가 확정될 수 있는데, 이 경우 예비 수요자마다 제시한 가중항목에 따라 각각의 보상조건 및 보상금액 예상값을 산출하여 그 금액이 가장 작은 예비 수요자를 추천함으로써, 생산자와 해당 예비 수요자들간의 구매계약이 우선순위로 이루어지도록 설정할 수 있다.
단계(S150)에서는, 상기 생산자가 보상조건을 확정하여 상기 예비 수요자를 선택하면, 상기 구매정부 수신부(미도시)를 통해 다시 상기 예비 수요자로부터 구매여부 확정의사를 회신받을 수 있다.
따라서, 예비 수요자로부터 구매여부 확정의사가 회신되면 구매계약이 이루어진 것으로 판단하여 성장과정에 따른 지속적인 농산물 정보를 상기 확정된 예비 수요자에게 발송할 수 있다.
상기와 같이 본 발명의 일실시례에 따르면, 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템에 빅데이터를 이용하여 농작물의 재배 상태를 확인하고 이를 수요자에게 제공하여 재배의 투명성과 거래의 효율을 높일 수 있다.
한편, 빅데이터를 이용한 스마트팜 농작물 판매 방법은 빅데이터를 이용한 스마트팜 농작물 판매 시스템에 의해 구현될 수 있으며, 그 일실시례는 아래에서 설명한다.
본 발명의 농작물 판매 시스템은 복수의 생산지(생산자A, 생산자B, .. 생산자C)에서 생산된 작물의 거래를 중개하는 시스템이다.
각 구성의 세부적인 설명에 앞서 농작물 판매 시스템에서 이루어지는 예비 수요자와 생산자 간에 이루어지는 작물 거래 프로세스를 간략하게 설명하기로 한다.
복수의 생산자(생산자A, 생산자B, .. 생산자C)는 유선 또는 무선 네트워크(예를 들어 인터넷 연결을 위한 네트워크)를 통해 농작물 판매 시스템에 접속하고, 생산하는 작물을 농작물 판매 시스템에 게시한다.
예비 수요자(예비 수요자1, 예비 수요자 2, .. 예비 수요자 N)는 유선 또는 무선 네트워크(예를 들어 인터넷 연결을 위한 네트워크)를 통해 농작물 판매 시스템에 접속하고, 생산자들이 게시한 작물들 가운데 원하는 작물의 구매를 예약한다.
예를 들어, 예비 수요자 1이 생산자 A의 작물의 구매를 예약하고 보상조건 조정과정을 거쳐 예약이 했다고 가정하면, 생산자 A는 작물 영상 서버에 구매 예약된 작물의 영상을 생산자 단말(P)를 이용하여 재배 1일차 영상부터 수확 예정일 영상까지 매일 (또는, 특정 주기) 촬영하여 전송(즉, 업로드)한다.
생장 영상 전송 서버(300)는 업로드된 날자별 영상을, 그대로 또는 소정의 편집 과정을 거쳐 예비 수요자 A의 단말(C)로 전송한다.
구매 예약된 작물의 생장이 완료에 따라 수확이 진행되면 생산자 A는 예비 수요자 1에게 수확된 작물을 발송하여 거래 프로세스가 마무리된다.
이어서, 각 구성에 대해 구체적으로 설명하기로 한다.
작물 영상 서버는 작물 생산지에서 재배되는 작물의 영상을 수신받아 저장한다. 작물 영상 서버는 작물의 영상을 저장하므로 영상 저장을 위한 스토리지를 포함하나, 자명한 구성이므로 스토리지는 도시 생략하였다.
실시자에 따라 작물 영상 서버는 동일작물 판단부 및 표준영상 기록부를 포함할 수 있다.
동일작물 판단부는 수신된 날자별 작물의 영상을 비교하여 어느 특정일에 수신된 작물 영상이 최초 수신된 작물의 영상과 동일한 작물 영상인지를 판단한다.
작물은 생장 과정에 따라 그 크기 및 형태가 점차 변화하는데, 동일작물 판단부는 수신된 날자별 영상을 비교하여 유사성을 검토하여 수신되는 작물의 영상이 동일한 작물의 영상인지를 판단한다.
동일작물 판단부에 의하면, 구매 예약된 작물을 타 생산자가 생산한 동일 종류의 작물로 바꾸는 것을 방지할 수 있다.
한편, 표준영상 기록부는 작물의 평균 성장 영상을 저장한다. 평균 성장 영상이란 생산자 A가 기존에 재배한 작물의 영상을 모두 취합한 영상에 해당한다.
보다 구체적으로 설명하면, 예를 들어 생산자 A가 '버섯'을 재배하는 생산자라고 가정한다면, 작물 영상 서버는 생산자 A가가 버섯을 1회차 재배할 때 촬영한 날자별 영상과, 2회차 재배할 때 촬영된 날자별 영상과, N회차 재배할 때 촬영된 날자별 영상 모두를 저장하고 있다.
실시 형태에 따라 표준영상 기록부는 1회차 내지 N회차 영상에서 각 날자별로 작물의 크기를 추출하여 평균 크기를 가지는 작물의 영상을 표준 영상(즉, 평균 성장 영상)으로 선택할 수 있다.
' 평균 성장 영상'은 후술할 산출량 계산부에서 활용된다.
예약 서버는 작물 영상 서버에 저장된 작물의 영상을 이용하여 해당 작물의 판매 정보를 개시하고, 예비 수요자 단말(C)로부터 작물의 구매를 예약 받다.
예약 서버의 구성은 통상적인 온라인 쇼핑몰의 구성과 유사한 것이므로 구체적인 설명은 생략하기로 한다.
생장 영상 전송 서버는 구매 예약된 작물의 영상을 구매 예약한 예비 수요자 단말(C)로 전송한다. 이때, 구매 예약된 작물의 영상은 생산자 단말(P)로부터 예비 수요자 단말(C)로 직접 전송될 수도 있으나, 작물 재배 과정의 신뢰성을 보다 높이기 위해서 소정의 영상 처리가 수행될 수 있다.
일 예로, 생장 영상 전송 서버는 작물 영상 서버에 저장된 다수의 작물의 영상 가운데, 구매 예약된 작물의 영상을 날자별로 이어 붙여 구매 예약한 예비 수요자 단말(C)로 전송할 수 있다.
가격 산정 서버는 작물의 성장 과정에서 발생하는 리스크를 반영하여 예상 산출량을 계산하고 작물의 판매 단가를 계산한다. 작물의 재배 과정에서 기상요건에 따라 생장 조건이 변화하여 작물의 생산량이 변화될 수 있으며, 작물의 발아 성공률과 같은 조건에 따라 생산량이 변화될 수 있다.
리스크는 특정 생산지(예를 들어 생산자 A)에만 적용될 수도 있고, 전체 생산지(생산자 A 내지 생산자 C)에 모두 적용될 수 있다.
실시 형태에 따라, 가격 산정 서버는 산출량 계산부 및 리스크 계산부를 포함할 수 있다.
산출량 계산부는 작물의 예상 산출량을 계산하는데, 구체적으로 작물 영상 서버에 수신되는 날자별 작물의 영상을 분석하여 해당 작물의 예상 산출량을 계산한다. 예를 들어, 작물 영상 서버에 수신되는 날자별 작물의 영상과 표준 영상 기록부에 저장된 평균 성장 영상을 비교하고, 양측의 유사도에 기초하여 예상 산출량을 계산한다.
리스크 계산부는 산출량 계산부에서 계산된 각 생산자(생산자 A, 생산자 B 내지 생산자 C)별 예상 산출량을 기초로하여 예약 서버에 개시된 최초 판매 가격을 조정한다. 이때, 예약 예비 수요자인 예비 수요자 1의 계약 가격을 변동할지 유지할지는 리스크 설정에 따라 변동될 수 있다.
작물 영상 서버에 작물의 영상을 업로드되는 구체적인 동작에 대해 설명하기로 한다.
작물 영상의 신뢰성을 높이기 위해 작물 영상 서버는 작물을 생산하는 생산자의 모바일 단말(즉, 생산자 단말(P))에 설치된 전용 애플리케이션을 통해서 촬영된 작물의 영상을 수신하도록 설정된다.
여기서 전용 애플리케이션은 생산자 단말(P)에 설치된다. 전용 애플리케이션은 생산자 본인 인증후 농작물 판매 시스템에 접속이 가능하다.
전용 애플리케이션은 동영상 촬영으로 작물이 재배되는 열 또는 고랑 단위로 일괄 촬영하고, 촬영된 영상에서 개별 작물의 영상을 추출하는 방식으로 특정한 작물의 영상을 구분하여 획득한다.
생산자가 개별 작물(Ga, Gb, Gc.... Gx)를 하나 하나 구분하여 촬영하는 것은 매우 번거로운 일이다. 사용자는 전용 애플리케이션을 구동하여 이동하면서 작물(Ga, Gb, Gc.... Gx)를 열 또는 고랑 단위로 동영상으로 일괄 촬영하면,
전용 애플리케이션에서 동영상을 처리하여 각 작물의 개별 영상으로 추출한다. 이어서 개별 영상으로 추출된 작물의 영상이 작물 영상 서버에 업로드 된다.
도시 생략되었으나, 이러한 영상처리를 돕기위해 작물(Ga, Gb, Gc.... Gx)이 재배되는 열에 숫자 또는 문자 표식을 구비하는 것이 바람직할 수 있다. 또한 작물의 성장 과정을 명확하게 확인할 수 있도록, 작물의 상대적인 크기의 확인이 가능하도록 막대자가 표식으로서 구비하는 것이 바람직하다.
또한, 본 발명의 일실시례에 따른, 빅데이터를 이용한 스마트 농작물 판매 방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
S110 : 기설정된 범위 내의 농작물의 사진을 촬영하는 단계
S120 : 영상 분석을 통해 농작물의 성숙도를 분석하는 단계
S130 : 농작물의 예비 수요자를 추출하는 단계
S140 : 예비 수요자에게 농작물의 성숙도 및 수확시기 정보를 포함하는 판매정보를 송부하는 단계
S150 : 예비 수요자로부터 구매여부를 회신받는 단계
S120 : 영상 분석을 통해 농작물의 성숙도를 분석하는 단계
S130 : 농작물의 예비 수요자를 추출하는 단계
S140 : 예비 수요자에게 농작물의 성숙도 및 수확시기 정보를 포함하는 판매정보를 송부하는 단계
S150 : 예비 수요자로부터 구매여부를 회신받는 단계
Claims (7)
- 촬영부, 성숙도 분석부, 예비 수요자 추출부, 판매정보 송신부, 구매정보 수신부를 포함하는 빅데이터를 이용한 스마트 농작물 판매 시스템에 의해 수행되는 스마트 농작물 판매 방법에 있어서,
상기 촬영부를 통해 기설정된 범위 내의 농작물 사진을 촬영하는 단계;
상기 성숙도 분석부를 통해 상기 촬영된 농작물 사진을 기초로 영상 분석을 수행하여 사진 내 농작물의 성숙도를 분석하는 단계;
상기 예비 수요자 추출부를 통해 상기 농작물의 예비 수요자들을 추출하는 단계;
상기 판매정보 송신부를 통해 상기 농작물의 예비 수요자들에게 상기 농작물의 성숙도 및 수확시기 정보를 포함하는 판매정보를 송부하는 단계; 및
상기 구매정보 수신부를 통해 상기 예비 수요자들로부터 구매여부를 회신받는 단계;를 포함하고,
상기 농작물의 사진을 촬영하는 단계는,
상기 농작물의 사진을 다수개 촬영하는 단계;
상기 다수개의 사진 간의 중첩부분이 탐색되는 경우, 상기 중첩부분 중 색감값이 기설정된 값보다 높은 부분을 유효한 부분으로 처리하고 기설정된 값보다 낮은 부분을 노이즈 처리하는 단계; 및
상기 색감값이 기설정된 값보다 높은 부분을 유효한 부분으로 처리하여 상기 다수개의 사진을 합성하는 단계;를 포함하며,
상기 성숙도를 분석하는 단계는,
상기 사진 내의 농작물 주변을 블랙처리하는 단계;
폴리곤 방식으로 상기 사진 내의 농작물의 윤곽선을 추출하고, 윤곽선이 추출된 상기 농작물을 기설정된 방향으로 정렬한 후, 상기 농작물의 크기를 측정하는 단계;
상기 농작물 영상에 포함된 색상 RGB값을 측정하는 단계;
상기 농작물의 크기가 기설정된 기준값 이하인 경우에는 크기를 기초로 농작물의 성숙도를 분석하고, 상기 농작물의 크기가 상기 기준값을 초과하는 경우에는 상기 색상 RGB를 기초로 농작물의 성숙도를 분석하는 단계;
상기 분석된 성숙도에 기초하여 상기 농작물에 대한 물주기 조건, 양액공급 조건 및 온습도 조절 조건을 포함하는 재배조건을 결정하는 단계; 및
상기 결정된 재배조건에 대응하여 재배 환경을 제어하는 단계;를 포함하고,
상기 농작물의 크기를 측정하는 단계는,
상기 농작물의 세로 길이 및 가로 길이를 모두 측정하는 경우에는, 상기 세로 길이 및 상기 가로길의 합산값 및 곱셈값에 기초하여 상기 농작물 크기에 비례하는 순위를 측정하는 단계를 더 포함하며,
상기 예비 수요자들을 추출하는 단계는,
상기 농작물에 관심을 표시한 사용자, 기설정된 기간 내에 상기 농작물에 대한 검색이력이 있는 사용자 및 상기 농작물에 대한 온라인 구매이력이 있는 사용자 중 적어도 어느 하나를 상기 예비 수요자로 추출하고,
상기 판매정보를 송부하는 단계는,
현재 시점의 농작물 크기, 색상에 따른 성숙도 및 비과괴 측정을 통해 판단한 당도 및 수확 시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도를 함께 제공하는 단계; 및
수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도를 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여 보상조건을 제시하는 단계;를 포함하되,
상기 보상조건을 제시하는 단계는,
상기 수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도와 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여 적어도 하나에서 기설정된 한계 오차값을 초과하는 경우, 초과된 오차값에 비례하여 보상되도록 제1 보상조건을 제시하고,
상기 수확 결과물에 대한 농작물 실물 크기, 실물 색상에 따른 성숙도 및 비파괴 측정을 통해 판단되는 실물 당도와 상기 수확시점의 농작물 예상 크기, 색상에 따른 예상 성숙도 및 예상 당도와 각각 비교하여, 각 오차값의 합산값이 기설정된 한계오차 합산값을 초과하는 경우 초과된 오차값에 비례하여 보상되도록 제2 보상조건을 제시하며,
상기 예비 수요자들로부터 구매여부를 회신받는 단계는,
상기 예비 수요자 각자로부터 상기 농작물의 크기, 성숙도 및 당도 중 어느 하나에 부여할 가중항목을 결정하여, 구매여부와 함께 회신하는 단계; 및
상기 회신받은 가중항목을 적용하여 상기 각 오차값의 합산값이 기설정된 한계오차 합산값을 초과하는 경우 초과된 오차값에 비례하여 보상되도록 보상조건을 수정하는 단계;를 포함하고,
상기 보상조건을 수정하는 단계는,
상기 각 오차값의 합산값인 합산오차가 상기 기설정된 한계오차 합산값인 합산한계오차를 초과하더라도, 상기 가중항목에 대한 상기 합산오차가 상기 합산한계오차를 초과하지 않는 경우에는 상기 예비 수요자들에게 보상이 제공되지 않도록 설정하며,
상기 예비 수요자 각자가 제시한 가중항목을 적용하여 산출된 각 오차값의 합산값이 가장 작은 예비 수요자를 상기 농작물의 생산자에게 예비 수요자 추천 리스트로 제공하는 단계;를 포함하는 것을 특징으로 하는 빅데이터를 이용한 스마트 농작물 판매 방법. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200102646A KR102418735B1 (ko) | 2020-08-14 | 2020-08-14 | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 |
PCT/KR2020/017439 WO2022034985A1 (ko) | 2020-08-14 | 2020-12-02 | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200102646A KR102418735B1 (ko) | 2020-08-14 | 2020-08-14 | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220022006A KR20220022006A (ko) | 2022-02-23 |
KR102418735B1 true KR102418735B1 (ko) | 2022-07-11 |
Family
ID=80247019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200102646A KR102418735B1 (ko) | 2020-08-14 | 2020-08-14 | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102418735B1 (ko) |
WO (1) | WO2022034985A1 (ko) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101832724B1 (ko) * | 2016-09-08 | 2018-04-16 | 아인정보기술 주식회사 | 영상이미지를 통한 농작물 생육 진단 시스템 및 방법 |
KR102121734B1 (ko) * | 2019-11-18 | 2020-06-12 | 이민우 | 스마트 팜 통합관리 플랫폼 시스템 및 이의 운영방법 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010113300A (ko) * | 2000-06-19 | 2001-12-28 | 안정길 | 텔레마케팅을 이용한 온/오프라인 유통판매시스템 |
KR101146055B1 (ko) | 2006-09-14 | 2012-05-14 | 주식회사 유씨티코리아 | 농산물 재배환경 모니터링 시스템 및 그 방법 |
JP5700748B2 (ja) * | 2009-12-14 | 2015-04-15 | 国立大学法人東京農工大学 | 植物栽培システム |
KR101759799B1 (ko) * | 2015-12-29 | 2017-08-01 | (주)태원이노베이션 | 3차원 이미지 제공 방법 |
KR101893978B1 (ko) * | 2016-11-21 | 2018-08-31 | 주식회사 케이티 | 생산자 위치 기반의 농산물 거래 장치, 방법 및 시스템 |
KR102145970B1 (ko) * | 2018-10-12 | 2020-08-19 | 주식회사 글로벌코딩연구소 | 재배 과정의 실시간 중계 기반 농작물 거래 시스템 |
-
2020
- 2020-08-14 KR KR1020200102646A patent/KR102418735B1/ko active IP Right Grant
- 2020-12-02 WO PCT/KR2020/017439 patent/WO2022034985A1/ko active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101832724B1 (ko) * | 2016-09-08 | 2018-04-16 | 아인정보기술 주식회사 | 영상이미지를 통한 농작물 생육 진단 시스템 및 방법 |
KR102121734B1 (ko) * | 2019-11-18 | 2020-06-12 | 이민우 | 스마트 팜 통합관리 플랫폼 시스템 및 이의 운영방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20220022006A (ko) | 2022-02-23 |
WO2022034985A1 (ko) | 2022-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3315014B1 (en) | A system for forecasting the drying of an agricultural crop | |
EP3571629B1 (en) | Adaptive cyber-physical system for efficient monitoring of unstructured environments | |
CA3078904A1 (en) | System and method for managing and operating an agricultural-origin-product manufacturing supply chain | |
US10157472B2 (en) | Apparatus and processes for corn moisture analysis and prediction of optimum harvest date | |
CN111432628B (zh) | 施肥设计方法及施肥设计装置 | |
US20190059203A1 (en) | System and method for prescribing fertilizer application rates for spatial distribution of a product | |
US10620175B2 (en) | Apparatus and processes for photosynthetic activity measurement and mapping | |
US11665992B2 (en) | Predictive agricultural management system and method | |
KR101937397B1 (ko) | 농축산업금융제공장치 | |
CN108053078A (zh) | 一种产量预测方法、服务器以及计算机可读存储介质 | |
Srikanth et al. | Small holders farming predictive analysis using peer-to-peer approach | |
JP2021073860A (ja) | 農作物生育推定装置、農作物生育推定システム、農作物生育推定方法、及びプログラム | |
US20230017169A1 (en) | Field Change Detection and Alerting System Using Field Average Crop Trend | |
KR102418735B1 (ko) | 빅데이터를 이용한 스마트 농작물 판매 방법 및 그 시스템 | |
US11580609B2 (en) | Crop monitoring to determine and control crop yield | |
KR20200080156A (ko) | 농작물의 소득 예측시스템 및 그의 예측방법 | |
KR102145970B1 (ko) | 재배 과정의 실시간 중계 기반 농작물 거래 시스템 | |
JP6238216B1 (ja) | 農作物判定システム | |
KR102222004B1 (ko) | 과채류 물동량 예측시스템 및 방법 | |
KR20220066695A (ko) | 이미지 비젼 처리를 통하여 측정된 당도 정보를 포함하는 과일 정보 공유를 위한 정보 제공 방법 및 시스템 | |
Penzel et al. | Modeling of individual fruit-bearing capacity of trees is aimed at optimizing fruit quality of Malus x domestica Borkh.‘Gala’ | |
JP6362570B2 (ja) | 農作物判定システム | |
Tanaka et al. | Deep learning-based estimation of rice yield using RGB image | |
US20220414759A1 (en) | Agricultural products trading system based on real-time relay of cultivation process | |
WO2021256621A1 (ko) | 인공지능을 이용한 스마트팜 농작물 거래 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |