KR102645282B1 - Apparatus, Server and System for Plant Management based on Deep Learning - Google Patents
Apparatus, Server and System for Plant Management based on Deep Learning Download PDFInfo
- Publication number
- KR102645282B1 KR102645282B1 KR1020210021182A KR20210021182A KR102645282B1 KR 102645282 B1 KR102645282 B1 KR 102645282B1 KR 1020210021182 A KR1020210021182 A KR 1020210021182A KR 20210021182 A KR20210021182 A KR 20210021182A KR 102645282 B1 KR102645282 B1 KR 102645282B1
- Authority
- KR
- South Korea
- Prior art keywords
- plant
- information
- light
- growth
- server
- Prior art date
Links
- 238000013135 deep learning Methods 0.000 title description 6
- 230000012010 growth Effects 0.000 claims abstract description 44
- 239000000463 material Substances 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- 235000015097 nutrients Nutrition 0.000 claims description 29
- 239000002689 soil Substances 0.000 claims description 24
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 20
- 235000013399 edible fruits Nutrition 0.000 claims description 20
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 claims description 18
- 230000029553 photosynthesis Effects 0.000 claims description 12
- 238000010672 photosynthesis Methods 0.000 claims description 12
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 10
- 238000013136 deep learning model Methods 0.000 claims description 10
- 229910052757 nitrogen Inorganic materials 0.000 claims description 10
- 239000011591 potassium Substances 0.000 claims description 10
- 229910052700 potassium Inorganic materials 0.000 claims description 10
- 229910000147 aluminium phosphate Inorganic materials 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 230000002015 leaf growth Effects 0.000 claims description 6
- 230000005082 stem growth Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims 1
- 230000003595 spectral effect Effects 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 208
- 238000004891 communication Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 20
- 238000000034 method Methods 0.000 description 16
- 230000008635 plant growth Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 239000003337 fertilizer Substances 0.000 description 6
- 230000010354 integration Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 229930002875 chlorophyll Natural products 0.000 description 4
- 235000019804 chlorophyll Nutrition 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010413 gardening Methods 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000003715 nutritional status Nutrition 0.000 description 2
- 230000000243 photosynthetic effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229930002868 chlorophyll a Natural products 0.000 description 1
- 229930002869 chlorophyll b Natural products 0.000 description 1
- NSMUHPMZFPKNMZ-VBYMZDBQSA-M chlorophyll b Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C=O)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 NSMUHPMZFPKNMZ-VBYMZDBQSA-M 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 230000005080 plant death Effects 0.000 description 1
- 229920000515 polycarbonate Polymers 0.000 description 1
- 239000004417 polycarbonate Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 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
- 239000001052 yellow pigment Substances 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Forests & Forestry (AREA)
- Health & Medical Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Botany (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Wood Science & Technology (AREA)
- Evolutionary Computation (AREA)
- Environmental Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Cultivation Of Plants (AREA)
Abstract
본 발명에 따른 식물의 생장환경을 제공하고, 상기 식물의 상태를 센싱하여 상기 식물의 상태에 대한 정보를 생성하는 식물 관리장치 및 상기 식물 관리장치로부터 수신되는 상기 정보를 기반으로 상기 식물의 상태정보를 생성하고, 상기 생성된 상태정보를 기반으로 상기 식물의 관리정보를 생성하는 서버를 포함하고, 상기 정보는, 상기 식물 관리장치의 카메라에 의해 촬영된 상기 식물이 포함된 영상 및 상기 식물 관리장치의 분광부에 의해 상기 식물이 식재된 배양물질로부터 수광되는 광을 기반으로 생성할 수 있다.A plant management device that provides a growth environment for plants according to the present invention, senses the state of the plant, and generates information about the state of the plant, and state information of the plant based on the information received from the plant management device. and a server that generates management information for the plant based on the generated status information, wherein the information includes an image containing the plant captured by a camera of the plant management device and the plant management device. It can be generated based on the light received from the culture material in which the plant is planted by the spectral part of .
Description
본 발명은 식물을 관리하기 위한 것으로, 보다 상세하게는 딥러닝 모델을 이용하여 식물을 관리하는 장치, 서버, 및 시스템에 관한 것이다.The present invention relates to managing plants, and more specifically, to devices, servers, and systems for managing plants using deep learning models.
최근 들어 최근 스마트 팜(Smart Farm) 시장의 규모가 확대되고 있다. 구체적으로, 2022년 세계 스마트 팜 시장규모는 4,080억 달러(한화 약 491조)에 이를 것으로 전망된다. 국내의 경우 2017년 4조 4,493억 원에서 연평균 5%씩 성장해 2022년에는 5조 9,588억 원의 규모를 형성할 것으로 보인다. Recently, the size of the smart farm market has been expanding. Specifically, the global smart farm market size is expected to reach $408 billion (approximately KRW 491 trillion) in 2022. In the domestic case, it is expected to grow at an average annual rate of 5% from KRW 4.4493 trillion in 2017 to KRW 5.9588 trillion in 2022.
그러나, 기존 농가에 쉽게 적용할 수 있는 스마트 팜은 매우 부족한 상황이며, 스마트 팜을 위한 설비를 설치하기 위해서는 매우 많은 비용이 발생한다. 그리고, 대부분의 귀농인구 및 귀촌 인구들은 식물별 키우는 요령에 대한 지식 부족 및 최적화되지 못한 환경(온도, 일조량, 물, 비료 등)을 가지고 있다. 또한, 일반 비닐하우스 스마트팜을 위한 설비를 설치하기 위해서는 비닐온실로 시공하는 경우 평당 40~50만원, 일반 온실로 구축하면 평당 450만원의 비용이 발생. 컨베이어벨트 및 수직형 스마트팜은 평당 600만원 이상으로, 일반 온실대비 구축비용이 10~17배가량 높다.However, there is a severe shortage of smart farms that can be easily applied to existing farms, and very high costs are incurred to install facilities for smart farms. In addition, most people who have returned to farming or rural areas lack knowledge on how to grow each plant and have an unoptimized environment (temperature, sunlight, water, fertilizer, etc.). In addition, in order to install equipment for a general greenhouse smart farm, it costs 400,000 to 500,000 won per pyeong if constructed as a vinyl greenhouse, and 4.5 million won per pyeong if constructed as a regular greenhouse. Conveyor belt and vertical smart farms cost more than 6 million won per pyeong, which is 10 to 17 times higher than a regular greenhouse.
또한, 국내 홈 가드닝 시장도 2018년 기준 1조4천억으로 반려식물이 트렌드화되며 시장은 더욱 활성화될 것으로 전망되고 있다.In addition, the domestic home gardening market is expected to become more active as companion plants become a trend, reaching KRW 1.4 trillion as of 2018.
그러나, 기존의 홈 가드닝을 위한 다양한 종류의 제품들은 온습도를 측정하지 못해 식물 생장 속도에 영향을 주거나 최악의 경우 식물이 죽는 경우도 발생하고 있다.However, various types of existing home gardening products are unable to measure temperature and humidity, affecting plant growth speed or, in the worst case, causing plant death.
따라서, 스마트 팜과 홈 가드닝의 활성화를 위해 합리적인 가격 범위에서 자동으로 구동되어 식물의 상태를 주기적으로 파악하고, 이를 통해 식물에게 적절한 생육환경을 만들어줄 수 있는 장치의 구현이 필요하다.Therefore, in order to activate smart farms and home gardening, it is necessary to implement a device that operates automatically within a reasonable price range to periodically check the status of plants and thereby create an appropriate growth environment for plants.
상술한 바와 같은 문제점을 해결하기 위한 본 발명은 식물이 식재된 토양의 성분을 확인하여 부족한 영양분을 제공하는 것을 그 목적으로 한다.The purpose of the present invention to solve the problems described above is to provide insufficient nutrients by confirming the composition of the soil in which plants are planted.
또한, 본 발명은 식물별 생육환경에 맞추어 LED 파장을 제공하는 것을 그 목적으로 한다.Additionally, the purpose of the present invention is to provide LED wavelengths tailored to the growth environment of each plant.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to the problems mentioned above, and other problems not mentioned can be clearly understood by those skilled in the art from the description below.
상술한 과제를 해결하기 위한 본 발명에 따른 식물의 생장환경을 제공하고, 상기 식물의 상태를 센싱하여 상기 식물의 상태에 대한 정보를 생성하는 식물 관리장치 및 상기 식물 관리장치로부터 수신되는 상기 정보를 기반으로 상기 식물의 상태정보를 생성하고, 상기 생성된 상태정보를 기반으로 상기 식물의 관리정보를 생성하는 서버를 포함할 수 있다. 여기서, 상기 정보는, 상기 식물 관리장치의 카메라에 의해 촬영된 상기 식물이 포함된 영상 및 상기 식물 관리장치의 분광부에 의해 상기 식물이 식재된 배양물질로부터 수광되는 광을 기반으로 생성될 수 있다.A plant management device that provides a growth environment for plants according to the present invention to solve the above problems, senses the state of the plant and generates information about the state of the plant, and the information received from the plant management device. It may include a server that generates state information of the plant based on the plant and generates management information of the plant based on the generated state information. Here, the information may be generated based on an image containing the plant captured by the camera of the plant management device and light received from the culture material in which the plant is planted by the spectrometer of the plant management device. .
또한, 상기 서버는, 상기 식물 관리장치로부터 수신한 영상을 딥러닝 모델에 입력하여 상기 식물에 대한 식물인식정보를 산출할 수 있다. 여기서, 상기 식물인식정보는, 상기 식물의 종류, 크기, 잎, 줄기, 열매 및 꽃 중 적어도 하나의 상태에 대한 정보를 포함할 수 있다.Additionally, the server may calculate plant recognition information for the plant by inputting the image received from the plant management device into a deep learning model. Here, the plant recognition information may include information about the type, size, state of at least one of the leaves, stems, fruits, and flowers of the plant.
또한, 상기 식물 관리장치는, 온도, 습도, 조도 및 산도, 양분 농도 중 적어도 하나를 센싱하여 상기 센싱정보를 생성하는 적어도 하나의 센서부를 더 포함할 수 있다. 여기서, 상기 서버는, 상기 식물인식정보를 기반으로 기 저장된 식물별 생장정보 중 상기 식물에 매칭되는 제1 생장정보를 추출하고, 상기 식물 관리장치로부터 수신한 광 및 상기 센싱정보를 기반으로 상기 식물의 상태에 대한 상태정보를 생성하고, 상기 상태정보에 대해 상기 제1 생장정보를 기반으로 광, 습도, 온도, 물의 양, 양분의 양 중 적어도 하나의 정보를 제공하기 위한 상기 관리정보를 산출할 수 있다.In addition, the plant management device may further include at least one sensor unit that generates the sensing information by sensing at least one of temperature, humidity, illuminance and acidity, and nutrient concentration. Here, the server extracts first growth information matching the plant from pre-stored growth information for each plant based on the plant recognition information, and detects the plant based on the light received from the plant management device and the sensing information. Generate status information about the status of the status information, and calculate the management information to provide at least one of light, humidity, temperature, amount of water, and amount of nutrients based on the first growth information for the status information. You can.
또한, 상기 상태정보는, 상기 분광부에 의해 수광되는 광을 기반으로 분석된 상기 토양 내의 상기 식물의 잎 성장을 위한 질소(N), 줄기 성장을 위한 인산(P), 열매 성장을 위한 칼륨(K) 각각의 농도에 대한 정보를 포함할 수 있다.In addition, the state information includes nitrogen (N) for leaf growth of the plant in the soil, phosphoric acid (P) for stem growth, and potassium for fruit growth ( K) Information on each concentration may be included.
또한, 상기 서버는, 상기 제1 생장정보를 기반으로 상기 식물의 성장이 느리거나 멈춰진 경우, 상기 분광부가 상기 식물의 광합성에 도움이 되는 제1 파장 내지 제2 파장의 청색빛 또는 제3 파장 내지 제4 파장의 적색빛을 조사하도록 제어하기 위한 상기 관리정보를 생성할 수 있다.In addition, when the growth of the plant is slow or stopped based on the first growth information, the server uses blue light of the first to second wavelengths or third to third wavelengths of blue light that is helpful for photosynthesis of the plant by the spectrometer. The management information for controlling irradiation of red light of the fourth wavelength can be generated.
또한, 상술한 과제를 해결하기 위한 본 발명에 따른 식물 관리장치는, 식물을 중심으로 상기 식물과 기 설정된 반경을 촬영하여 실시간으로 영상을 생성하는 카메라, 상기 식물 또는 식물이 식재된 토양에 광을 조사하고, 상기 식물 또는 배양물질로부터 상기 광을 수광하는 적어도 하나의 분광부, 상기 식물을 중심으로 상기 반경의 온도, 습도, 조도 및 양분 농도 중 적어도 하나를 센싱하여 센싱정보를 생성하는 적어도 하나의 센서부 및 상기 광 및 센싱정보를 기반으로 상기 식물의 상태에 대한 상태정보를 생성하고, 상기 상태정보를 기반으로 광, 온도, 양분, 물의 양, 양분의 양 중 적어도 하나를 제공하기 위해 구동되는 제어부를 포함할 수 있다.In addition, the plant management device according to the present invention for solving the above-described problems includes a camera that generates images in real time by photographing the plant and a preset radius centered on the plant, and emitting light to the plant or the soil in which the plant is planted. At least one spectrometer that irradiates and receives the light from the plant or culture material, and at least one that generates sensing information by sensing at least one of temperature, humidity, illuminance, and nutrient concentration of the radius centered on the plant Generates state information about the state of the plant based on the sensor unit and the light and sensing information, and is driven to provide at least one of light, temperature, nutrients, amount of water, and amount of nutrients based on the state information. It may include a control unit.
또한, 상기 제어부는, 상기 영상을 딥러닝 모델에 입력하여 상기 식물에 대한 식물인식정보를 산출할 수 있다. 여기서, 상기 식물인식정보는, 상기 식물의 종류, 크기, 잎, 줄기, 열매 및 꽃 중 적어도 하나의 상태에 대한 정보를 포함할 수 있다.Additionally, the control unit may calculate plant recognition information for the plant by inputting the image into a deep learning model. Here, the plant recognition information may include information about the type, size, state of at least one of the leaves, stems, fruits, and flowers of the plant.
또한, 상기 제어부는, 상기 식물인식정보를 기반으로 기 저장된 식물별 생장정보 중 상기 식물에 매칭되는 제1 생장정보를 추출하고, 상기 광 및 센싱정보를 기반으로 상기 식물의 상태에 대한 상태정보를 생성하고, 상기 상태정보에 대해 상기 제1 생장정보를 기반으로 광, 습도, 온도, 물의 양, 양분의 양 중 적어도 하나의 정보를 제공하기 위한 상기 관리정보를 산출할 수 있다.In addition, the control unit extracts first growth information matching the plant from the previously stored growth information for each plant based on the plant recognition information, and provides status information about the state of the plant based on the light and sensing information. The management information for providing at least one of light, humidity, temperature, amount of water, and amount of nutrients may be calculated based on the first growth information for the state information.
또한, 상기 상태정보는, 상기 분광부에 의해 수광되는 광을 기반으로 분석된 상기 토양 내의 상기 식물의 잎 성장을 위한 질소(N), 줄기 성장을 위한 인산(P), 열매 성장을 위한 칼륨(K) 각각의 농도에 대한 정보를 포함할 수 있다.In addition, the state information includes nitrogen (N) for leaf growth of the plant in the soil, phosphoric acid (P) for stem growth, and potassium for fruit growth ( K) Information on each concentration may be included.
또한, 상기 제어부는, 상기 제1 생장정보를 기반으로 상기 식물의 성장이 느리거나 멈춰진 경우, 상기 분광부가 상기 식물의 광합성에 도움이되는 제1 파장 내지 제2 파장의 청색빛 또는 제3 파장 내지 제4 파장의 적색빛을 조사하도록 제어할 수 있다.In addition, when the growth of the plant is slow or stopped based on the first growth information, the control unit is configured to emit blue light of a first to second wavelength or a third to third wavelength that is helpful for photosynthesis of the plant. It can be controlled to irradiate red light of the fourth wavelength.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.In addition to this, another method for implementing the present invention, another system, and a computer-readable recording medium recording a computer program for executing the method may be further provided.
상기와 같은 본 발명에 따르면, 식물이 식재된 토양의 성분을 확인하여 부족한 영양분을 제공함으로써 식물의 생육환경을 최적화할 수 있는 효과가 있다.According to the present invention as described above, there is an effect of optimizing the growth environment of plants by confirming the components of the soil in which plants are planted and providing insufficient nutrients.
또한, 본 발명은 식물별 생육환경에 맞추어 LED 파장을 제공 가능함으로써 다양한 종류의 식물을 식재하더라도 각각의 식물에 맞게 적절한 파장을 조정할 수 있는 효과가 있다.In addition, the present invention can provide LED wavelengths tailored to the growth environment of each plant, so even if various types of plants are planted, the appropriate wavelength can be adjusted to suit each plant.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description below.
도 1은 본 발명에 따른 딥러닝 기반의 식물 관리를 위한 시스템에 대해 개략적으로 나타낸 도면이다.
도 2는 본 발명에 따른 딥러닝 기반의 식물 관리를 위한 시스템을 나타낸 블록도이다.
도 3은 본 발명에 따른 식물의 생장을 위한 파장에 대해 나타낸 예시도이다.
도 4는 본 발명에 따른 제1 발광모듈에서 조사되는 광의 작용효과에 대해 나타낸 예시도이다.
도 5는 본 발명에 따른 서버에서 식물 관리를 위한 동작에 대한 흐름도이다.1 is a diagram schematically showing a system for deep learning-based plant management according to the present invention.
Figure 2 is a block diagram showing a system for deep learning-based plant management according to the present invention.
Figure 3 is an exemplary diagram showing the wavelength for plant growth according to the present invention.
Figure 4 is an exemplary diagram showing the effect of light emitted from the first light emitting module according to the present invention.
Figure 5 is a flowchart of operations for plant management in the server according to the present invention.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.The advantages and features of the present invention and methods for achieving them will become clear by referring to the embodiments described in detail below along with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below and may be implemented in various different forms. The present embodiments are merely provided to ensure that the disclosure of the present invention is complete and to provide a general understanding of the technical field to which the present invention pertains. It is provided to fully inform the skilled person of the scope of the present invention, and the present invention is only defined by the scope of the claims.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.The terminology used herein is for describing embodiments and is not intended to limit the invention. As used herein, singular forms also include plural forms, unless specifically stated otherwise in the context. As used in the specification, “comprises” and/or “comprising” does not exclude the presence or addition of one or more other elements in addition to the mentioned elements. Like reference numerals refer to like elements throughout the specification, and “and/or” includes each and every combination of one or more of the referenced elements. Although “first”, “second”, etc. are used to describe various components, these components are of course not limited by these terms. These terms are merely used to distinguish one component from another. Therefore, it goes without saying that the first component mentioned below may also be a second component within the technical spirit of the present invention.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms (including technical and scientific terms) used in this specification may be used with meanings commonly understood by those skilled in the art to which the present invention pertains. Additionally, terms defined in commonly used dictionaries are not interpreted ideally or excessively unless clearly specifically defined.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the attached drawings.
설명에 앞서 본 명세서에서 사용하는 용어의 의미를 간략히 설명한다. 그렇지만 용어의 설명은 본 명세서의 이해를 돕기 위한 것이므로, 명시적으로 본 발명을 한정하는 사항으로 기재하지 않은 경우에 본 발명의 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.Prior to explanation, the meaning of terms used in this specification will be briefly explained. However, since the explanation of terms is intended to aid understanding of the present specification, it should be noted that if it is not explicitly described as limiting the present invention, it is not used in the sense of limiting the technical idea of the present invention.
도 1은 본 발명에 따른 딥러닝 기반의 식물 관리를 위한 시스템(1)에 대해 개략적으로 나타낸 도면이다.Figure 1 is a diagram schematically showing a
도 2는 본 발명에 따른 딥러닝 기반의 식물 관리를 위한 시스템(1)을 나타낸 블록도이다.Figure 2 is a block diagram showing a
도 3은 본 발명에 따른 식물의 생장을 위한 파장에 대해 나타낸 예시도이다.Figure 3 is an exemplary diagram showing the wavelength for plant growth according to the present invention.
도 4는 본 발명에 따른 제1 발광모듈(121)에서 조사되는 광에 대한 작용효과에 대해 나타낸 예시도이다.Figure 4 is an exemplary diagram showing the effect of light emitted from the first light emitting module 121 according to the present invention.
이하, 도 1 내지 도 4를 통해 딥러닝 기반의 식물 관리를 위한 시스템(1)에 대해 상세히 설명한다.Hereinafter, the deep learning-based
시스템(1)은 식물이 식재된 토양의 성분을 확인하여 부족한 영양분을 제공함으로써 식물의 생육환경을 최적화할 수 있는 효과를 가질 수 있다.
또한, 시스템(1)은 식물별 생육환경에 맞추어 LED 파장을 제공 가능함으로써 다양한 종류의 식물을 식재하더라도 각각의 식물에 맞게 적절한 파장을 조정할 수 있는 효과를 가질 수 있다.In addition, the
도 1 내지 도 2를 보면, 시스템(1)은 식물 관리장치(10), 상기 식물 관리장치(10)의 동작을 제어하는 서버(20), 상기 서버(20)에서 제공하는 애플리케이션(미도시)을 통해 상기 식물 관리장치(10)의 상태와 식재된 식물(2)의 상태를 실시간으로 확인할 수 있는 사용자 단말기(30) 및 통신망(40)을 포함할 수 있다. 1 and 2, the
여기서, 시스템(1)은 식물 관리장치(10)와 서버(20)를 분리하여 구성하고 있으나, 반드시 이에 한정되지 않고 식물 관리장치(10)에 서버(20)의 역할을 포함된 상태로 구현될 수 있다. 구체적으로 상기 식물 관리장치(10)의 제1 제어부(190)가 상기 서버(20)의 제2 제어부(230)의 동작과 동일한 동작을 수행할 수 있다.Here, the
이하, 시스템(1)은 도 1 내지 도 2에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수 있다.Hereinafter,
식물 관리장치(10)는 식물(2)의 생장환경을 제공하고, 상기 식물(2)의 상태를 센싱하여 상기 식물(2)에 대한 정보를 생성할 수 있다. 여기서, 정보는 상기 식물 관리장치의 촬영부(110)에 의해 촬영된 상기 식물이 포함된 영상 및 상기 식물 관리장치의 분광부에 의해 상기 식물이 식재된 토양으로부터 수광되는 광을 기반으로 생성될 수 있다.The plant management device 10 can provide a growth environment for the plant 2 and generate information about the plant 2 by sensing the state of the plant 2. Here, information can be generated based on the image containing the plant captured by the photographing unit 110 of the plant management device and the light received from the soil in which the plant is planted by the spectrophotometer of the plant management device. there is.
식물 관리장치(10)는 촬영부(110), 분광부(120), 센서부(130), 온도 조절부(140), 투입부(150), 급수부(160), 통신부(170), 메모리(180) 및 제어부(190)를 포함하여 구성될 수 있으나 반드시 이에 한정되지 않고 더 적거나 더 많은 구성요소를 포함할 수 있다. The plant management device 10 includes a photographing unit 110, a spectroscopic unit 120, a sensor unit 130, a temperature control unit 140, an input unit 150, a water supply unit 160, a communication unit 170, and a memory. It may include the 180 and the control unit 190, but is not necessarily limited thereto and may include fewer or more components.
또한, 식물 관리장치(10)는 상기 식물(2)을 식재할 수 있는 공간이 구비되는 하우징(11)과 제1 발광모듈(121)이 구비되고, 상기 제1 발광모듈(121)과 상기 식물(2)과의 거리 조절이 가능하도록 구비되는 높이 조절부(12)를 추가로 더 포함할 수 있다.In addition, the plant management device 10 is provided with a housing 11 having a space for planting the plant 2 and a first light-emitting module 121, and the first light-emitting module 121 and the plant It may further include a height adjustment unit 12 provided to adjust the distance to (2).
여기서, 상기 하우징(11)의 형태는 직육면체 형태로 도시되고 있으나 반드시 이에 한정되지 않고 상기 식물(2)이 식재될 수 있는 다양한 형태로 구비될 수 있다. 상기 하우징(11)은 상기 식물(2)이 식재된 배양물질을 구비할 수 있다. 여기서, 배양물질은 토양만이 아니라 특별한 환경의 배지를 포함한 다양한 물질일 수 있다.Here, the shape of the housing 11 is shown as a rectangular parallelepiped, but it is not necessarily limited to this and can be provided in various shapes in which the plant 2 can be planted. The housing 11 may be provided with culture material in which the plant 2 is planted. Here, the culture material may be a variety of materials, including not only soil but also a medium in a special environment.
보다 상세하게는, 상기 하우징(11)은 상기 식물(2)이 토양(3)에서 자라는 경우가 아니라 수경재배가 필요한 경우에는 상기 하우징(11) 내에 물이 구비될 수 있다.More specifically, the housing 11 may be equipped with water when the plant 2 is not grown in the soil 3 but when hydroponic cultivation is required.
촬영부(110)는 영상 촬영이 가능한 기기를 의미할 수 있다. 상기 촬영부(110)는 기 설정된 입력 또는 사용자의 조작에 따라 영상(동영상 또는 이미지)을 촬영할 수 있다. 상기 촬영부(110)는 카메라(111)가 구비된 전자기기일 수 있으며 통신부(170)를 통해 서버(20)와의 정보 송수신이 가능하도록 구비될 수 있다. 또한, 상기 촬영부(110)는 영상 촬영 중 발생되는 소리에 대해서도 별도의 녹음모듈(미도시)을 구비하여 녹음할 수 있다.The photographing unit 110 may refer to a device capable of capturing images. The photographing unit 110 can capture images (videos or images) according to preset inputs or user manipulations. The photographing unit 110 may be an electronic device equipped with a camera 111 and may be equipped to transmit and receive information with the server 20 through the communication unit 170. In addition, the photographing unit 110 can record sounds generated during video capture using a separate recording module (not shown).
촬영부(110)는 식물(2)을 중심으로 상기 식물(2)과 기 설정된 반경을 촬영하여 실시간으로 영상을 생성할 수 있다. 여기서, 상기 식물 관리장치(10)에 식재되는 식물(2)은 하나의 종류일 수도 있고, 다양한 종류의 식물일 수도 있다.The photographing unit 110 may generate an image in real time by photographing the plant 2 and a preset radius centered on the plant 2 . Here, the plant 2 planted in the plant management device 10 may be one type or various types of plants.
여기서, 서버(20)는 상기 촬영부(110)에서 상기 식물(2)을 촬영한 영상을 기반으로 스틸컷을 추출하고, 상기 스틸컷을 날짜별로 매칭하여 사용자 별로 도감을 생성할 수 있다. 서버(20)는 애플리케이션을 통해 상기 생성된 도감을 사용자 단말기(30)로 제공할 수 있다. 이에 따라, 사용자들은 애플리케이션을 통해 상기 식물(2)의 성장과정을 날짜별 매칭된 스틸컷을 통해 편리하게 확인할 수 있는 효과가 있다. Here, the server 20 extracts a still cut based on the image taken of the plant 2 by the photographing unit 110, and matches the still cut by date to create an encyclopedia for each user. The server 20 may provide the generated encyclopedia to the user terminal 30 through an application. Accordingly, users can conveniently check the growth process of the plant 2 through the application through still cuts matched by date.
추가로, 촬영부(110)는 초분광카메라(112)를 포함할 수 있으며, 상기 초분광카메라(112)는 가시광선 영역(400 ~ 700 nm)과 근적외선 영역(700 nm ~ 1,000nm)의 파장대를 수백개 또는 수천개의 밴드로 나눌 수 있는 카메라를 의미한다. 즉, 초분광카메라(112)는 빛의 파장을 매우 많은 범위(예를 들어, 10 nm 단위)로 나누어 육안으로 볼 수 없는 빛의 파장을 취득함으로 상기 식물(2)에 대한 초분광 이미지를 생성할 수 있다. Additionally, the imaging unit 110 may include a hyperspectral camera 112, which has a wavelength range of visible light region (400 nm to 700 nm) and near-infrared region (700 nm to 1,000 nm). This refers to a camera that can divide a band into hundreds or thousands of bands. That is, the hyperspectral camera 112 divides the wavelength of light into a very large range (for example, in units of 10 nm) and acquires wavelengths of light that cannot be seen with the naked eye, thereby generating a hyperspectral image of the plant 2. can do.
여기서, 서버(20)는 상기 초분광카메라(112)로부터 획득한 상기 초분광 이미지를 분석하여 상기 식물(2)의 상태를 파악할 수 있다.Here, the server 20 can determine the state of the plant 2 by analyzing the hyperspectral image acquired from the hyperspectral camera 112.
분광부(120)는 상기 식물(2) 또는 식물(2)이 식재된 토양(3)에 광을 조사하고, 상기 식물(2) 또는 토양(3)으로부터 상기 광을 수광할 수 있으며, 적어도 하나 구비될 수 있다.The spectrometer 120 irradiates light to the plant 2 or the soil 3 on which the plant 2 is planted, and receives the light from the plant 2 or the soil 3, and includes at least one It can be provided.
여기서, 분광부(120)는 제1 발광모듈(121), 제2 발광모듈(122) 및 수광모듈(123)을 포함하여 구성될 수 있다.Here, the spectrometer 120 may include a first light-emitting module 121, a second light-emitting module 122, and a light-receiving module 123.
제1 발광모듈(121)은 상기 식물(2)에게 엽록소의 활동을 증가시켜 광합성을 활발하게 도와주기 위한 파장을 제공할 수 있다. The first light-emitting module 121 can provide the plant 2 with a wavelength to actively promote photosynthesis by increasing the activity of chlorophyll.
구체적으로, 도 3 내지 4를 통해 상기 제1 발광모듈(121)의 파장에 대해 설명한다.Specifically, the wavelength of the first light emitting module 121 will be described through FIGS. 3 and 4.
먼저, 도 3을 보면, 식물(2)에는 식물 생장용 파장이 제공되어야 한다. 여기서, 식물 생장용 파장은 식물(2)의 잎 속에 들어 있는 엽록소의 활동을 증가시켜 광합성을 활발하게 해줄 수 있다. First, looking at FIG. 3, the plant 2 must be provided with a wavelength for plant growth. Here, the wavelength for plant growth can increase the activity of chlorophyll contained in the leaves of the plant (2), thereby activating photosynthesis.
일 예로, 식물 생장용 파장은 식물 광합성에 도움을 주는 제1 파장 내지 제2 파장의 청색 빛과 제3 파장 내지 제4 파장의 적색 빛을 포함할 수 있다. 보다 상세하게는 상기 식물 생장용 파장은 식물에 광합성에 도움을 주는 400nm 내지 500nm 파장의 청색 빛과 640nm 내지 700nm 파장의 적색 빛을 포함할 수 있다. 구체적으로 제1 스펙트럼은 엽록소 a의 흡수 스펙트럼이고, 제2 스펙트럼은 식물광합성 스펙트럼이고, 제3 스펙트럼은 엽록소 b의 흡수 스펙트럼으로 제1 내지 제3 스펙트럼의 분포를 보면, 400nm 내지 500nm 파장의 청색 빛과 640nm 내지 700nm 파장의 적색 빛에 빛의 흡수율과 광합성 속도가 높은 것으로 나타난다. 따라서, 제1 발광모듈(121)은 상기 식물(2)로 400nm 내지 500nm 파장의 청색 빛과 640nm 내지 700nm 파장의 적색 빛을 제공하여 식물의 생장에 도움을 줄 수 있는 효과를 가질 수 있다.For example, the wavelength for plant growth may include blue light of the first to second wavelengths and red light of the third to fourth wavelengths that help plant photosynthesis. More specifically, the wavelength for plant growth may include blue light with a wavelength of 400 nm to 500 nm and red light with a wavelength of 640 nm to 700 nm, which helps plants photosynthesize. Specifically, the first spectrum is the absorption spectrum of chlorophyll a, the second spectrum is the plant photosynthesis spectrum, and the third spectrum is the absorption spectrum of chlorophyll b. Looking at the distribution of the first to third spectra, blue light with a wavelength of 400 nm to 500 nm It appears that the light absorption rate and photosynthetic rate are high for red light with a wavelength of 640nm to 700nm. Accordingly, the first light emitting module 121 may provide blue light with a wavelength of 400 nm to 500 nm and red light with a wavelength of 640 nm to 700 nm to the plant 2, thereby contributing to the growth of the plant.
다음으로, 도 4를 보면, 각 파장에 따른 식물에게 작용되는 효과를 나타낸 것이다. 적외선 IR-A이 1400nm 내지 1000nm 파장대를 가질 때 식물의 광합성에 특별한 작용이 없을 수 있다. 적외선 IR-A이 780nm 파장대를 가질 때 식물의 성장을 촉진시킬 수 있다.Next, looking at Figure 4, the effect on plants according to each wavelength is shown. When infrared IR-A has a wavelength range of 1400 nm to 1000 nm, it may not have any special effect on plant photosynthesis. When infrared IR-A has a wavelength of 780nm, it can promote plant growth.
가시광선 중 적색은 700nm 파장대를 가질 때 발아를 저지할 수 있고, 상기 가시광선 중 적색은 660nm 파장대를 가질 때 엽록소 작용을 최대로 유도할 수 있다. 가시광선 중 적황색은 610nm 파장대를 가질 때 광학성에 유익하지 않으며, 해충을 방제할 수 있다. 가시광선 중 녹황색은 510nm 파장대를 가질 때 노란 색소에 의해 일부를 흡수할 수 있다. 가시광선 중 청색은 430nm 내지 440nm 파장대를 가질 때 광합성 작용을 최대로 유도하여 잎이 넓고 커지게 될 수 있다.Among visible lights, red can inhibit germination when it has a wavelength of 700 nm, and red among visible lights can maximize chlorophyll action when it has a wavelength of 660 nm. Among visible light, red-yellow color is not optically beneficial when it has a wavelength of 610nm and can control pests. Among visible light, green-yellow color can be partially absorbed by yellow pigment when it has a wavelength of 510 nm. Among visible lights, blue, when it has a wavelength range of 430nm to 440nm, can induce photosynthetic activity to the maximum, causing leaves to become wider and larger.
자외선 중 UV-A는 400nm 내지 315nm 파장대를 가질 때 일반적으로 식물의 잎을 두껍게 하고, 색소의 발색을 촉진하며, 해충을 유인할 수 있다. 자외선 중 UV-B는 282nm 파장대를 가질 때 면역체를 형성할 수 있다. 자외선 중 UV-C는 100 파장대를 가질 때 엽록소를 파괴할 수 있다.Among ultraviolet rays, UV-A, when it has a wavelength range of 400 nm to 315 nm, can generally thicken plant leaves, promote pigment development, and attract pests. Among ultraviolet rays, UV-B can form immune bodies when it has a wavelength of 282 nm. Among ultraviolet rays, UV-C can destroy chlorophyll when it has a wavelength of 100.
따라서, 제1 발광모듈(121)은 상기 식물(2)로 제1 파장 내지 제2 파장의 청색 빛과 제3 파장 내이 제4 파장의 적색빛을 제공하여 식물의 생장에 도움을 줄 수 있는 효과를 가질 수 있다. 보다 상세하게는, 제1 발광모듈(21)은 상기 식물(2)로 400nm 파장이 포함되는 기 설정된 범위 내의 파장 내지 500nm 파장이 포함되는 기 설정된 범위 내의 파장의 청색 빛과 640nm 파장이 포함되는 기 설정된 범위 내의 파장 내지 700nm 파장이 포함되는 기 설정된 범위 내의 파장의 적색 빛을 제공하여 식물의 생장에 도움을 줄 수 있는 효과를 가질 수 있다.Therefore, the first light emitting module 121 provides blue light of the first to second wavelengths and red light of the third or fourth wavelength to the plant 2, which can help the growth of the plant. You can have More specifically, the first light emitting module 21 is a plant 2 that includes blue light with a wavelength within a preset range including a 400nm wavelength to a preset range including a 500nm wavelength and a 640nm wavelength. It can have the effect of helping the growth of plants by providing red light with a wavelength within a preset range, including a wavelength within a set range and a wavelength of 700 nm.
여기서, 제1 발광모듈(121)은 적외선, 가시광선 또는 자외선 파장의 광 제공이 가능한 양자점(Quantum dot)이 적용될 수도 있고, 이외 LED, 텅스텐 램프 또는 할로겐 램프가 적용될 수도 있으며, 제1 발광모듈(121)에서 제공되는 광은 제어부(180) 또는 서버(20)에서 결정된 발광 조건을 따르게 된다.Here, the first light-emitting module 121 may be a quantum dot capable of providing light in infrared, visible, or ultraviolet wavelengths, or an LED, tungsten lamp, or halogen lamp may be used, and the first light-emitting module ( The light provided from 121) follows the light emission conditions determined by the control unit 180 or the server 20.
제1 발광모듈(121)이 LED로 구성되는 경우, 상기 LED는 식물 생장용 청색(일 예로, 450nm 파장을 포함하는 기 설정된 범위 내의 파장)과 적색(일 예로, 660nm 파장을 포함하는 기 설정된 범위 내의 파장)의 최적의 광량비에 맞추어 제작될 수 있다. 또한 상기 LED는 다양한 전압 대응이 가능하며 AC 직결이 가능할 수 있다. 상기 LED는 저전력 소모로 전기요금을 50%이상 절감할 수 있으며, 친환경 제품으로 온실가스 배출을 감소할 수 있다. 상기 LED의 수명은 50,000 내지 100,000시간 이상이고, 알루미늄, 폴리카보네이트 소재로 이루어져 파손 위험이 낮다.When the first light-emitting module 121 is composed of an LED, the LED has blue (for example, a wavelength within a preset range including a 450nm wavelength) and red (for example, a preset range including a 660nm wavelength) for plant growth. It can be manufactured according to the optimal light quantity ratio (wavelength within). Additionally, the LED can support various voltages and can be directly connected to AC. The LED can reduce electricity bills by more than 50% due to low power consumption, and as an eco-friendly product, it can reduce greenhouse gas emissions. The lifespan of the LED is 50,000 to 100,000 hours or more, and it is made of aluminum and polycarbonate, so the risk of damage is low.
제2 발광모듈(122)은 상기 식물(2)이 식재된 토양의 상태를 파악하기 위해 N(질소), P(인상), K(칼륨)를 정확하게 구분할 수 있는 고유의 파장을 제공할 수 있다. 여기서, 제2 발광모듈(122)은 적외선, 가시광선 또는 자외선 파장의 광 제공이 가능한 양자점(Quantum dot)이 적용될 수도 있고, 이외 LED, 텅스텐 램프 또는 할로겐 램프가 적용될 수도 있으며, 제2 발광모듈(122)에서 제공되는 광은 제어부(180) 또는 서버(20)에서 결정된 발광 조건을 따르게 된다.The second light emitting module 122 can provide a unique wavelength that can accurately distinguish N (nitrogen), P (phosphorus), and K (potassium) in order to determine the state of the soil in which the plant 2 is planted. . Here, the second light-emitting module 122 may be a quantum dot capable of providing light in infrared, visible, or ultraviolet wavelengths, or an LED, tungsten lamp, or halogen lamp may be used, and the second light-emitting module ( The light provided from 122) follows the light emission conditions determined by the control unit 180 or the server 20.
수광모듈(123)은 제2 발광모듈(122)에서 조사되어 상기 식물(2)이 식재된 배양물질에 반사되었거나 상기 배양물질에 투과된 광을 수광할 수 있다. 일 예로, 수광모듈(123)은 제2 발광모듈(122)에서 조사되어 상기 식물(2)이 식재된 토양(3)에 반사되었거나 상기 토양(3)에 투과된 광을 수광할 수 있다. 여기서, 수광모듈(123)은 포토 다이오드 또는 스펙트로미터(Spectrometer)로 구성될 수 있다.The light receiving module 123 may receive light irradiated from the second light emitting module 122 and reflected or transmitted through the culture material in which the plant 2 is planted. As an example, the light receiving module 123 may receive light irradiated from the second light emitting module 122 and reflected or transmitted through the soil 3 in which the plant 2 is planted. Here, the light receiving module 123 may be composed of a photo diode or a spectrometer.
구체적으로, 도 1을 보면, 수광모듈(123)은 상기 하우징(11) 내에 공간(A)을 통해 제2 발광모듈(122)에서 조사되어 상기 식물(2)이 식재된 토양(3)에 반사되었거나 상기 토양(3)에 투과된 광을 수광할 수 있다.Specifically, looking at FIG. 1, the light receiving module 123 is irradiated from the second light emitting module 122 through the space A within the housing 11 and reflected on the soil 3 in which the plant 2 is planted. Light that has been passed through or transmitted through the soil (3) can be received.
센서부(130)는 상기 식물(2)을 중심으로 상기 반경의 온도, 습도, 조도 및 양분 농도 중 적어도 하나를 센싱하여 센싱정보를 생성할 수 있다. 또한, 센서부(130)는 상기 식물(2)이 식재된 배양물질 일 예로 토양(3)의 산도를 측정하여 센싱정보를 생성할 수 있다.The sensor unit 130 may generate sensing information by sensing at least one of temperature, humidity, illumination, and nutrient concentration of the radius centered on the plant 2. In addition, the sensor unit 130 may generate sensing information by measuring the acidity of soil 3 as an example of the culture material in which the plant 2 was planted.
센서부(130)는 온도 센서(Temperature Sensor, 131), 습도 센서(Humidity Sensor, 132), 조도 센서(Illumination Sensor, 133) 및 산도 센서(pH Sensor, 134), 중 적어도 하나를 포함할 수 있다.The sensor unit 130 may include at least one of a temperature sensor 131, a humidity sensor 132, an illumination sensor 133, and a pH sensor 134. .
여기서, 온도 센서(131)는 상기 식물(2)을 중심으로 상기 반경의 온도 변화를 감지하여 온도를 측정할 수 있다.Here, the temperature sensor 131 can measure the temperature by detecting a temperature change in the radius centered on the plant 2.
습도 센서(132)는 상기 식물(2)을 중심으로 상기 반경의 습도에 대해 기 설정된 주기 또는 실시간으로 측정할 수 있다.The humidity sensor 132 can measure the humidity of the radius centered on the plant 2 at a preset period or in real time.
조도 센서(133)는 상기 제1 발광 모듈(121) 또는 자연광에 따라 식물(2)에 조사되는 광량을 측정할 수 있다.The illuminance sensor 133 may measure the amount of light irradiated to the plant 2 according to the first light emitting module 121 or natural light.
산도 센서(134)는 상기 식물(2)이 식재된 토양(3)에 공급되는 물 속 비료의 산도를 측정할 수 있다.The acidity sensor 134 can measure the acidity of fertilizer in water supplied to the soil 3 in which the plant 2 is planted.
또한, 상기 센서부(130)는 열 감지 센서(미도시), 가스 감지 센서(미도시), 가속도 센서(acceleration sensor, 미도시), 중력 센서(G-sensor, 미도시), 자이로스코프 센서(gyroscope sensor, 미도시), 모션 센서(motion sensor, 미도시) 등을 포함하여, 상기 식물 관리장치(10)에 대해 위험이 감지되는 경우, 위험감지신호를 생성할 수 있다.In addition, the sensor unit 130 includes a heat detection sensor (not shown), a gas detection sensor (not shown), an acceleration sensor (not shown), a gravity sensor (G-sensor, not shown), and a gyroscope sensor ( When danger is detected for the plant management device 10, including a gyroscope sensor (not shown), a motion sensor (not shown), etc., a danger detection signal can be generated.
온도 조절부(140)는 열선(141)을 구비하고, 상기 온도 센서(131)에서 측정한 온도가 기 설정된 정상 범위를 벗어나는 경우, 열선(141)의 작동에 대해 온 또는 오프 하도록 제어될 수 있다.The temperature controller 140 is provided with a heating wire 141, and when the temperature measured by the temperature sensor 131 is outside a preset normal range, the operation of the heating wire 141 can be controlled to turn on or off. .
투입부(150)는 상기 식물 관리장치(10)의 일측에 구비되어 상기 식물(2)에 필요한 물, 영양제 또는 비료를 투입할 수 있도록 구성될 수 있다. 사용자는 상기 투입부(150)를 통해 상기 식물(2)에 필요한 물(물 + 영양제(액체 또는 분말(물에 녹는) 형태) + 비료(액체 또는 분말(물에 녹는) 형태)을 투입할 수 있다.The input unit 150 may be provided on one side of the plant management device 10 and configured to input water, nutrients or fertilizers necessary for the plant 2. The user can input water (water + nutrients (liquid or powder (soluble in water) form) + fertilizer (liquid or powder (soluble in water) form) required for the plant 2 through the input unit 150). there is.
급수부(160)는 상기 식물 관리장치(10) 하단에 구비될 수 있고, 상기 투입부(150)가 위치하는 곳에 펌프(161), 통로(162) 및 스프링클러(Sprinkler, 163)를 추가로 구비할 수 있다. 상기 급수부(160)는 상기 투입부(150)로부터 제공받은 상기 물, 영양제 또는 비료를 보관하다가 상기 식물(2)에 상기 물이 필요한 경우, 상기 제어부(180)의 명령에 따라 상기 펌프(161)를 구동하여 통로(162)로 물을 끌어올려서 스프링클러(163)를 통해 상기 식물(2)과 상기 식물(2)이 식재된 토양(3)에 상기 물을 제공할 수 있다.The water supply unit 160 may be provided at the bottom of the plant management device 10, and is additionally provided with a pump 161, a passage 162, and a sprinkler 163 where the input unit 150 is located. can do. The water supply unit 160 stores the water, nutrients or fertilizer provided from the input unit 150, and when the plant 2 needs the water, the pump 161 operates according to a command from the control unit 180. ) can be driven to draw water into the passage 162 and provide the water to the plant 2 and the soil 3 in which the plant 2 is planted through the sprinkler 163.
제1 통신부(170)는 상기 식물 관리장치(10)와 무선 통신 시스템 사이, 상기 식물 관리장치(10)와 서버(20) 사이 또는 상기 식물 관리장치(10)와 외부 서버(미도시) 사이의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 상기 제1 통신부(170)는 식물 관리장치(10)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.The first communication unit 170 is between the plant management device 10 and the wireless communication system, between the plant management device 10 and the server 20, or between the plant management device 10 and an external server (not shown). It may include one or more modules that enable wireless communication. Additionally, the first communication unit 170 may include one or more modules that connect the plant management device 10 to one or more networks.
여기서, 제1 통신부(170)는 식물 관리장치(10)로부터 영상(동영상 또는 이미지)과 센싱정보를 전송할 수 있고, 상기 영상과 센싱정보에 대해 서버(20)에서 생성한 관리정보를 수신할 수 있다.Here, the first communication unit 170 can transmit video (video or image) and sensing information from the plant management device 10, and can receive management information generated by the server 20 for the video and sensing information. there is.
제1 메모리(180)는 상기 식물 관리장치(10)의 다양한 기능을 지원하는 정보를 저장할 수 있다. 메모리(180)는 상기 식물 관리장치(10)에서 구동되는 다수의 응용 프로그램(application program), 상기 식물 관리장치(10)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버(미도시)로부터 다운로드 될 수 있다. 또한 이러한 응용 프로그램 중 적어도 일부는, 상기 식물 관리장치(10)의 기본적인 기능을 위하여 존재할 수 있다. 한편, 응용 프로그램은, 제1 메모리(180)에 저장되고, 상기 식물 관리장치(10) 상에 설치되어, 제1 제어부(190)에 의하여 상기 식물 관리장치(10)의 동작(또는 기능)을 수행하도록 구동될 수 있다.The first memory 180 may store information supporting various functions of the plant management device 10. The memory 180 may store a plurality of application programs running on the plant management device 10, data for operation of the plant management device 10, and commands. At least some of these applications may be downloaded from an external server (not shown) through wireless communication. Additionally, at least some of these applications may exist for the basic functions of the plant management device 10. Meanwhile, the application program is stored in the first memory 180, is installed on the plant management device 10, and controls the operation (or function) of the plant management device 10 by the first control unit 190. It can be driven to perform.
제1 제어부(190)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 상기 서버(20)의 전반적인 동작을 제어할 수 있다. 제1 제어부(190)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 제1 메모리(180)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다. The first control unit 190 can typically control the overall operation of the server 20 in addition to operations related to the application program. The first control unit 190 processes signals, data, information, etc. input or output through the components discussed above or runs an application program stored in the first memory 180 to provide or process appropriate information or functions to the user. can do.
제1 제어부(190)는 제1 메모리(180)에 저장된 응용 프로그램을 구동하기 위하여, 도 2와 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제1 제어부(190)는 상기 응용 프로그램의 구동을 위하여, 상기 식물 관리장치(10)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작 시킬 수 있다.The first control unit 190 may control at least some of the components examined with FIG. 2 in order to run an application program stored in the first memory 180. Furthermore, the first control unit 190 may operate at least two of the components included in the plant management device 10 in combination with each other in order to drive the application program.
제1 제어부(190)는 서버(20)로부터 상기 영상, 광, 센싱정보에 대한 관리정보를 수신하여 상기 관리정보를 기반으로 식물 관리장치(10)의 동작을 제어할 수 있다.The first control unit 190 may receive management information about the image, light, and sensing information from the server 20 and control the operation of the plant management device 10 based on the management information.
여기서, 상기 식물 관리장치(10)의 제1 제어부(190)가 상기 서버(20)의 제2 제어부(230)와 동일하게 동작한다면, 상기 제1 제어부(190)는 상기 영상, 광, 센싱정보를 기반으로 상기 식물(2)의 상태정보를 생성할 수 있다. 제1 제어부(190)는 상기 상태정보를 기반으로 광, 온도, 양분, 물의 양 및 양분의 양 중 적어도 하나를 제공하기 위해 상기 식물(2)의 관리정보를 생성할 수 있다. 이하, 제1 제어부(190)의 구체적인 동작은 서버(20)의 제2 제어부(230)의 동작과 동일할 수 있다.Here, if the first control unit 190 of the plant management device 10 operates in the same manner as the second control unit 230 of the server 20, the first control unit 190 controls the image, light, and sensing information. Based on this, status information of the plant 2 can be generated. The first control unit 190 may generate management information for the plant 2 to provide at least one of light, temperature, nutrients, amount of water, and amount of nutrients based on the status information. Hereinafter, the specific operation of the first control unit 190 may be the same as the operation of the second control unit 230 of the server 20.
서버(20)는 상기 식물 관리장치(10)로부터 수신되는 상기 정보를 기반으로 상기 식물(2)의 상태정보를 생성하고, 상기 생성된 상태정보를 기반으로 상기 식물(2)의 관리정보를 생성할 수 있다.The server 20 generates status information of the plant 2 based on the information received from the plant management device 10, and generates management information of the plant 2 based on the generated status information. can do.
서버(20)는 제2 통신부(210), 제2 메모리(220) 및 제2 제어부(230)를 포함하여 구성될 수 있으나 반드시 이에 한정되지 않고 더 적거나 더 많은 구성요소를 포함할 수 있다.The server 20 may include a second communication unit 210, a second memory 220, and a second control unit 230, but is not necessarily limited thereto and may include fewer or more components.
제2 통신부(210)는 상기 서버(20)와 무선 통신 시스템 사이, 상기 서버(20)와 식물 관리장치(10) 사이 또는 상기 서버(20)와 외부 서버(미도시) 사이의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 상기 제2 통신부(210)는 서버(20)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.The second communication unit 210 enables wireless communication between the server 20 and the wireless communication system, between the server 20 and the plant management device 10, or between the server 20 and an external server (not shown). It may contain one or more modules that do this. Additionally, the second communication unit 210 may include one or more modules that connect the server 20 to one or more networks.
여기서, 제2 통신부(210)는 상기 식물 관리장치(10)로부터 상기 영상, 광, 센싱정보를 수신할 수 있고, 상기 서버(20)에서 생성한 상기 식물 관리장치(10)의 동작에 대한 관리신호를 전송할 수 있다.Here, the second communication unit 210 is capable of receiving the image, light, and sensing information from the plant management device 10, and manages the operation of the plant management device 10 generated by the server 20. Signals can be transmitted.
제2 메모리(220)는 상기 서버(20)의 다양한 기능을 지원하는 정보를 저장할 수 있다. 제2 메모리(220)는 상기 서버(20)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 상기 서버(20)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버(미도시)로부터 다운로드 될 수 있다. 또한 이러한 응용 프로그램 중 적어도 일부는, 상기 서버(20)의 기본적인 기능을 위하여 존재할 수 있다. 한편, 응용 프로그램은, 제2 메모리(220)에 저장되고, 상기 서버(20) 상에 설치되어, 제2 제어부(230)에 의하여 상기 서버(20)의 동작(또는 기능)을 수행하도록 구동될 수 있다.The second memory 220 may store information supporting various functions of the server 20. The second memory 220 may store a plurality of application programs (application programs) running on the server 20, data for operating the server 20, and commands. At least some of these applications may be downloaded from an external server (not shown) through wireless communication. Additionally, at least some of these application programs may exist for the basic functions of the server 20. Meanwhile, the application program is stored in the second memory 220, installed on the server 20, and driven by the second control unit 230 to perform the operation (or function) of the server 20. You can.
제2 메모리(220)는 적어도 하나의 식물의 종류 별로 식물이 성장하는데 필요한, 광, 습도, 온도, 양분 물의 양 및 양분의 양 중 적어도 하나를 포함하는 식물 생장정보를 저장할 수 있다.The second memory 220 may store plant growth information including at least one of light, humidity, temperature, amount of nutrient water, and amount of nutrients required for plant growth for each type of plant.
제2 제어부(230)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 상기 서버(20)의 전반적인 동작을 제어할 수 있다. 제2 제어부(230)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 제2 메모리(220)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다. The second control unit 230 can control the overall operation of the server 20 in addition to operations related to the application program. The second control unit 230 processes signals, data, information, etc. input or output through the components discussed above or runs an application program stored in the second memory 220 to provide or process appropriate information or functions to the user. can do.
제2 제어부(230)는 제2 메모리(220)에 저장된 응용 프로그램을 구동하기 위하여, 도 2와 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제2 제어부(230)는 상기 응용 프로그램의 구동을 위하여, 상기 서버(20)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작 시킬 수 있다.The second control unit 230 may control at least some of the components examined with FIG. 2 in order to run an application program stored in the second memory 220. Furthermore, the second control unit 230 can operate at least two of the components included in the server 20 in combination with each other in order to run the application program.
제2 제어부(230)는 상기 식물 관리장치(10)로부터 수신한 영상을 딥러닝 모델에 입력하여 상기 식물(2)에 대한 식물인식정보를 산출할 수 있다. 여기서, 상기 식물인식정보는, 상기 식물의 종류, 크기, 잎, 줄기, 열매 및 꽃 중 적어도 하나의 상태에 대한 정보를 포함할 수 있다.The second control unit 230 may calculate plant recognition information for the plant 2 by inputting the image received from the plant management device 10 into a deep learning model. Here, the plant recognition information may include information about the type, size, state of at least one of the leaves, stems, fruits, and flowers of the plant.
제2 제어부(230)는 상기 딥러닝 모델로 컨볼루션 뉴럴 네트워크(CNN, Convolutional Neural Network, 이하 CNN이라 명칭함)를 사용할 수 있다.The second control unit 230 may use a convolutional neural network (CNN, hereinafter referred to as CNN) as the deep learning model.
CNN은 영상의 각 영역에 대해 복수의 필터를 적용하여 특징 지도(Feature Map)를 만들어 내는 컨볼루션 층(Convolution Layer)과 특징 지도를 공간적으로 통합함으로써 위치나 회전의 변화에 불변하는 특징을 추출할 수 있도록 하는 통합층(Pooling Layer)을 번갈아 수차례 반복하는 구조로 형성될 수 있다. 이를 통해, 점, 선, 면 등의 낮은 수준의 특징에서부터 복잡하고 의미 있는 높은 수준의 특징까지 다양한 수준의 특징을 추출해낼 수 있다. CNN can extract features that are invariant to changes in position or rotation by spatially integrating the convolution layer and feature map, which creates a feature map by applying multiple filters to each area of the image. It can be formed in a structure that alternately repeats the pooling layer several times. Through this, various levels of features can be extracted, from low-level features such as points, lines, and surfaces to complex and meaningful high-level features.
컨볼루션 층은 입력 영상의 각 패치에 대하여 필터와 국지 수용장(Local Receptive Field)의 내적에 비선형 활성 함수(Activation Function)를 취함으로 서 특징지도(Feature Map)를 구할 수 있다. 다른 네트워크 구조와 비교하여, CNN은 희소한 연결성 (Sparse Connectivity)과 공유된 가중치(Shared Weights)를 가진 필터를 사용하는 특징을 가질 수 있다. 이러한 연결구조는 학습할 모수의 개수를 줄여주고, 역전파 알고리즘을 통한 학습을 효율적으로 만들어 결과적으로 예측 성능을 향상시킬 수 있다. The convolution layer can obtain a feature map by taking a nonlinear activation function as the inner product of the filter and the local receptive field for each patch of the input image. Compared to other network structures, CNNs can be characterized by sparse connectivity and using filters with shared weights. This connection structure reduces the number of parameters to be learned, makes learning through the backpropagation algorithm efficient, and ultimately improves prediction performance.
통합 층(Pooling Layer 또는 Sub-sampling Layer)은 이전 컨볼루션 층에서 구해진 특징 지도의 지역 정보를 활용하여 새로운 특징 지도를 생성할 수 있다. 일반적으로 통합 층에 의해 새로 생성된 특징지도는 원래의 특징 지도보다 작은 크기로 줄어드는데, 대표적인 통합 방법으로는 특징 지도 내 해당 영역의 최대값을 선택하는 최대 통합(Max Pooling)과 특징 지도 내 해당 영역의 평균값을 구하는 평균 통합(Average Pooling) 등이 있을 수 있다. 통합 층의 특징지도는 일반적으로 이전 층의 특징 지도보다 입력 영상에 존재하는 임의의 구조나 패턴의 위치에 영향을 적게 받을 수 있다. 즉, 통합층은 입력 영상 혹은 이전 특징 지도에서의 노이즈나 왜곡과 같은 지역적 변화에 보다 강인한 특징을 추출할 수 있게 되고, 이러한 특징은 분류 성능에 중요한 역할을 할 수 있다. 또 다른 통합 층의 역할은, 깊은 구조상에서 상위의 학습 층으로 올라갈수록 더 넓은 영역의 특징을 반영할 수 있게 하는 것으로서, 특징 추출 층이 쌓이면서, 하위 층에서는 지역적인 특징을 반영하고 상위 층으로 올라 갈수록 보다 추상적인 전체 영상의 특징을 반영하는 특징 생성할 수 있다.The integration layer (Pooling Layer or Sub-sampling Layer) can generate a new feature map by utilizing the local information of the feature map obtained from the previous convolution layer. In general, the newly created feature map by the integration layer is reduced to a smaller size than the original feature map. Representative integration methods include max pooling, which selects the maximum value of the corresponding area within the feature map, and There may be average pooling, which calculates the average value of an area. The feature map of the integrated layer can generally be less affected by the location of arbitrary structures or patterns present in the input image than the feature map of the previous layer. In other words, the integration layer can extract features that are more robust to local changes such as noise or distortion in the input image or previous feature map, and these features can play an important role in classification performance. The role of another integration layer is to reflect features of a wider area as you go up to higher learning layers in the deep structure. As feature extraction layers accumulate, local features are reflected in lower layers and moved up to higher layers. Increasingly, more abstract features can be generated that reflect the features of the entire image.
이와 같이, 컨볼루션 층과 통합 층의 반복을 통해 최종적으로 추출된 특징은 다중 신경망(MLP: Multi-Layer Perceptron)이나 서포트 벡터 머신(SVM: Support Vector Machine)과 같은 분류 모델이 완전 연결 층(Fully-connected Layer)의 형태로 결합되어 분류 모델 학습 및 예측에 사용될 수 있다.In this way, the features finally extracted through repetition of the convolutional layer and the integration layer are classified into a fully connected layer (fully connected layer) by a classification model such as a multi-layer perceptron (MLP) or a support vector machine (SVM). -connected layer) and can be used for classification model learning and prediction.
다만, 본 발명에 따른 상기 딥러닝 모델은 CNN에 한정되지 아니하고, 다양한 구조의 신경망으로 형성될 수 있다.However, the deep learning model according to the present invention is not limited to CNN, and may be formed as a neural network of various structures.
제2 제어부(230)는 상기 식물인식정보를 기반으로 기 저장된 식물별 생장정보 중 상기 식물(2)에 매칭되는 제1 생장정보를 추출할 수 있다. 여기서, 제2 제어부(230)는 상기 식물 관리장치(10)로부터 수신한 광, 센싱정보를 기반으로 상기 식물(2)의 상태에 대한 상태정보를 생성하고, 상기 상태정보에 대해 상기 제1 생장정보를 기반으로 광, 습도, 온도, 물의 양 및 양분의 양 중 적어도 하나의 정보를 제공하기 위한 상기 관리정보를 산출할 수 있다.The second control unit 230 may extract first growth information matching the plant 2 from pre-stored growth information for each plant based on the plant recognition information. Here, the second control unit 230 generates status information about the state of the plant 2 based on the light and sensing information received from the plant management device 10, and determines the first growth condition for the state information. Based on the information, the management information to provide at least one of light, humidity, temperature, amount of water, and amount of nutrients can be calculated.
여기서, 양분의 양은 배지가 보유하고 있는 양분의 양(일 예로, 비료의 양)뿐만 아니라 식물(2)의 잎사귀의 상태를 파악하기 위해 사용될 수 있다.Here, the amount of nutrients can be used to determine the state of the leaves of the plant 2 as well as the amount of nutrients (for example, the amount of fertilizer) held by the medium.
상기 상태정보는, 상기 분광부(120)에 의해 수광되는 광을 기반으로 분석된 상기 토양(3) 내의 상기 식물(2)의 잎 성장을 위한 질소(N), 줄기 성장을 위한 인산(P), 열매 성장을 위한 칼륨(K) 각각의 농도에 대한 정보를 포함할 수 있다.The state information includes nitrogen (N) for leaf growth and phosphoric acid (P) for stem growth of the plant (2) in the soil (3) analyzed based on the light received by the spectrometer 120. , may include information on each concentration of potassium (K) for fruit growth.
제2 제어부(230)는 상기 제1 생장정보를 기반으로 상기 식물(2)의 성장이 느리거나 멈춰진 경우, 상기 분광부가 상기 식물의 광합성에 도움이 되는 제1 파장(일 예로, 400nm 파장이 포함되는 기 설정된 범위 내의 파장) 내지 제2 파장(일 예로, 500nm 파장이 포함되는 기 설정된 범위 내의 파장)의 청색빛 또는 제3 파장(일 예로, 640nm 파장이 포함되는 기 설정된 범위 내의 파장) 내지 제4 파장(일 예로, 799nm 파장이 포함되는 기 설정된 범위 내의 파장)의 적색빛을 조사하도록 제어하기 위한 상기 관리정보를 생성할 수 있다.When the growth of the plant 2 is slow or stops based on the first growth information, the second control unit 230 sets the spectrometer to a first wavelength (for example, a wavelength of 400 nm) that is helpful for photosynthesis of the plant. Blue light of a wavelength within a preset range) to a second wavelength (e.g., a wavelength within a preset range including a 500nm wavelength) or a third wavelength (e.g., a wavelength within a preset range including a 640nm wavelength) to the third wavelength. The management information for controlling the irradiation of red light of 4 wavelengths (for example, a wavelength within a preset range including the 799 nm wavelength) can be generated.
제2 제어부(230)는 상기 영상을 기반으로 상기 식물(2)의 상태정보를 생성할 수 있다. 여기서, 상기 영상을 기반으로 생성된 상태정보는, 영상에서의 상기 식물(2)의 잎, 줄기, 열매 등에 대한 상태에 대한 정보일 수 있다. The second control unit 230 may generate status information of the plant 2 based on the image. Here, the status information generated based on the image may be information about the status of the leaves, stems, fruits, etc. of the plant 2 in the image.
여기서, 제2 제어부(230)는 상기 딥러닝 모델에 입력하여 상기 식물(2)에 대해 산출한 식물인식정보를 기반으로 상기 영상에서 상기 식물(2)의 잎, 줄기, 열매 및 영양 상태가 정상범위를 벗어나는지 여부를 판단할 수 있다.Here, the second control unit 230 determines that the leaves, stems, fruits, and nutritional status of the plant 2 in the image are normal based on plant recognition information calculated for the plant 2 by inputting it into the deep learning model. You can determine whether it is out of range.
이후, 제2 제어부(230)는 상기 식물(2)의 잎, 줄기, 열매가 상기 정상범위를 벗어나는 경우, 바로 상기 분광부(120)는 급수부(160)의 동작을 제어하는 관리신호를 생성할 수 있다. 구체적으로 제2 제어부(230)는 상기 식물(2)의 잎, 줄기, 열매 및 영양 상태가 상기 정상범위를 벗어나는 경우, 상기 식물(2)을 중심으로 상기 반경의 온도, 습도 및 조도 중 적어도 하나를 센싱한 센싱정보를 기반으로 상기 분광부(120)는 급수부(160)의 동작을 제어하는 관리신호를 생성할 수 있다.Thereafter, when the leaves, stems, and fruits of the plant 2 are outside the normal range, the second control unit 230 generates a management signal to control the operation of the water supply unit 160. can do. Specifically, when the leaves, stems, fruits, and nutritional status of the plant 2 are outside the normal range, the second control unit 230 controls at least one of temperature, humidity, and illuminance of the radius centered on the plant 2. Based on the sensing information, the spectrometer 120 can generate a management signal that controls the operation of the water supply unit 160.
사용자 단말기(30)는 사용자에게 식물을 관리하기 위한 서비스와 연계되는 애플리케이션을 제공하여 사용자가 키우는 식물에 대한 상태를 실시간으로 제공해주거나 사용자로부터 이를 관리하기 위한 제어신호를 입력받아 상기 서버(20)로 전송할 수 있다. 여기서, 상기 식물 관리장치(10)가 상기 서버(20)의 동작까지 수행하는 경우, 상기 사용자 단말기(30)는 상기 제어신호를 상기 식물 관리장치(10)로 전송할 수 있다.The user terminal 30 provides the user with an application linked to a service for managing plants and provides the status of the plants grown by the user in real time, or receives a control signal for management from the user and sends it to the server 20. Can be transmitted. Here, when the plant management device 10 performs the operation of the server 20, the user terminal 30 may transmit the control signal to the plant management device 10.
사용자 단말기(30)는 제3 통신부(310), 디스플레이부(320), 제3 메모리(330) 및 제3 제어부(340)를 포함할 수 있으나 반드시 이에 한정되지 않고, 도 2에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수 있다.The user terminal 30 may include, but is not necessarily limited to, a third communication unit 310, a display unit 320, a third memory 330, and a third control unit 340, and the components shown in FIG. 2 It may contain fewer or more components.
제3 통신부(310)는 사용자 단말기(30) 각각과 무선 통신 시스템 사이, 사용자 단말기(30)와 식물 관리장치(10) 사이, 사용자 단말기(30)와 서버(20) 사이 또는 복수의 사용자 단말기(30)와 외부 서버(미도시) 사이의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 상기 제3 통신부(310)는 사용자 단말기(30)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.The third communication unit 310 is between each of the user terminals 30 and the wireless communication system, between the user terminal 30 and the plant management device 10, between the user terminal 30 and the server 20, or between a plurality of user terminals ( It may include one or more modules that enable wireless communication between 30) and an external server (not shown). Additionally, the third communication unit 310 may include one or more modules that connect the user terminal 30 to one or more networks.
디스플레이부(120)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 사용자 단말기(30)와 사용자 사이의 입력 인터페이스를 제공함과 동시에, 사용자 단말기(30)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.The display unit 120 can implement a touch screen by forming a layered structure or being integrated with the touch sensor. This touch screen can provide an input interface between the user terminal 30 and the user, and at the same time, an output interface between the user terminal 30 and the user.
제3 메모리(330)는 사용자 단말기(30)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 제3 메모리(330)는 사용자 단말기(30)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 사용자 단말기(30)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또한 이러한 응용 프로그램 중 적어도 일부는, 사용자 단말기(30)의 기본적인 기능(예를 들어, 전화 착신, 발신 기능, 메시지 수신, 발신 기능)을 위하여 존재할 수 있다. 한편, 응용 프로그램은, 제3 메모리(330)에 저장되고, 사용자 단말기(30) 상에 설치되어, 제3 제어부(340)에 의하여 사용자 단말기(30)의 동작(또는 기능)을 수행하도록 구동될 수 있다.The third memory 330 can store data supporting various functions of the user terminal 30. The third memory 330 may store a plurality of application programs (application programs or applications) running on the user terminal 30, data for operating the user terminal 30, and commands. At least some of these applications may be downloaded from an external server via wireless communication. Additionally, at least some of these applications may exist for the basic functions of the user terminal 30 (eg, incoming and outgoing call functions, reception and sending functions of messages). Meanwhile, the application program is stored in the third memory 330, installed on the user terminal 30, and driven to perform the operation (or function) of the user terminal 30 by the third control unit 340. You can.
제3 제어부(340)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 사용자 단말기(30)의 전반적인 동작을 제어할 수 있다. 제3 제어부(340)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 제3 메모리(330)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.The third control unit 340 may control the overall operation of the user terminal 30 in addition to operations related to the application program. The third control unit 340 processes signals, data, information, etc. input or output through the components discussed above or runs an application program stored in the third memory 330, thereby providing or processing appropriate information or functions to the user. can do.
또한, 제3 제어부(340)는 제3 메모리(330)에 저장된 응용 프로그램을 구동하기 위하여, 도 2와 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제3 제어부(340)는 상기 응용 프로그램의 구동을 위하여, 사용자 단말기(30)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작 시킬 수 있다.Additionally, the third control unit 340 may control at least some of the components examined with FIG. 2 in order to run an application program stored in the third memory 330. Furthermore, the third control unit 340 can operate at least two of the components included in the user terminal 30 in combination with each other in order to run the application program.
또한, 제3 제어부(340)는 식물을 관리하는 서비스와 연계되는 적어도 하나의 애플리케이션을 다운받아 구동할 수 있다. 제3 제어부(340)는 상기 적어도 하나의 애플리케이션을 구동하는 경우, 사용자로부터 식물의 종류, 식물의 씨앗의 종류 등의 정보를 입력받을 수 있다.Additionally, the third control unit 340 may download and run at least one application linked to a plant management service. When running the at least one application, the third control unit 340 may receive information such as the type of plant and the type of plant seed from the user.
도 5는 본 발명에 따른 서버(20)에서 식물 관리를 위한 동작에 대한 흐름도이다. 여기서, 상기 서버(20)에서 수행하는 동작은 상기 서버(20)의 제2 제어부(230)에서 동일하게 수행할 수 있다.Figure 5 is a flowchart of operations for plant management in the server 20 according to the present invention. Here, operations performed by the server 20 can be performed in the same manner by the second control unit 230 of the server 20.
서버(20)는 식물 관리장치(10)로부터 상기 식물(2)에 대한 영상, 광, 센싱정보를 수신할 수 있다(S501). 여기서, 서버(20)는 상기 식물(2)에 대한 영상, 광, 센싱정보를 사용자 단말기(30)로 제공할 수 있다.The server 20 may receive image, light, and sensing information about the plant 2 from the plant management device 10 (S501). Here, the server 20 can provide image, light, and sensing information about the plant 2 to the user terminal 30.
서버(20)는 상기 영상을 딥러닝 모델에 입력하여 상기 식물(2)에 대한 식물인식정보를 산출할 수 있다(S502). 여기서. 식물인식정보는, 상기 식물의 종류, 크기, 잎, 줄기, 열매 및 꽃 중 적어도 하나의 상태에 대한 정보를 포함할 수 있다.The server 20 may calculate plant recognition information for the plant 2 by inputting the image into a deep learning model (S502). here. Plant recognition information may include information about the state of at least one of the type, size, leaves, stem, fruit, and flower of the plant.
먼저, 서버(20)는 상기 식물인식정보를 기반으로 상기 영상에서 상기 식물(2)의 잎, 줄기, 열매가 정상범위를 벗어나는지 여부를 판단할 수 있다(S503).First, the server 20 can determine whether the leaves, stems, and fruits of the plant 2 in the image are outside the normal range based on the plant recognition information (S503).
다음으로, 서버(20)는 상기 식물인식정보를 기반으로 상기 광에서 분석된 질소(N), 인산(P) 및 칼륨(K) 각각의 농도에 따라 상기 식물(2)의 잎, 줄기, 열매가 정상범위를 벗어나는지 여부를 판단할 수 있다(S504).Next, the server 20 identifies the leaves, stems, and fruits of the plant 2 according to the concentrations of nitrogen (N), phosphoric acid (P), and potassium (K) analyzed in the light based on the plant recognition information. It is possible to determine whether is outside the normal range (S504).
여기서, 상기 질소(N)는 상기 토양 내의 상기 식물의 잎 성장을 위해 필요하고, 상기 인산(P)은 줄기 성장을 위해 필요하고, 상기 칼륨(K)은 열매 성장을 위해 필요할 수 있다.Here, the nitrogen (N) may be required for leaf growth of the plant in the soil, the phosphoric acid (P) may be required for stem growth, and the potassium (K) may be required for fruit growth.
서버(20)는 상기 식물(2)의 잎, 줄기, 열매 및 꽃이 상기 정상범위를 벗어나는 경우, 바로 상기 제1 발광모듈(121)과 급수부(160)의 동작을 제어하는 관리신호를 생성할 수 있다(S505).The server 20 generates a management signal to immediately control the operation of the first light emitting module 121 and the water supply unit 160 when the leaves, stems, fruits, and flowers of the plant 2 are outside the normal range. You can do it (S505).
여기서, 정상범위는 상기 식물인식정보를 기반으로 상기 식물(2)의 종류와 상기 종류에 대한 식물 생장정보에 따라 결정될 수 있다. 여기서, 식물 생장정보는 적어도 하나의 식물의 종류 별로 식물이 성장하는데 필요한, 광, 습도, 온도, 양분 물의 양 및 양분의 양 중 적어도 하나를 포함할 수 있다.Here, the normal range may be determined based on the plant recognition information and depending on the type of plant 2 and plant growth information for the type. Here, the plant growth information may include at least one of light, humidity, temperature, amount of nutrient water, and amount of nutrients required for plant growth for each type of plant.
구체적으로 상기 서버(20)는 상기 식물(2)의 잎, 줄기, 열매 및 꽃이 상기 정상범위를 벗어나는 경우, 상기 식물(2)을 중심으로 상기 반경의 온도, 습도 및 조도 및 양분 농도 중 적어도 하나를 센싱한 센싱정보를 기반으로 상기 분광부(120)의 제1 발광모듈(121)과 급수부(160)의 동작을 제어하는 관리신호를 생성할 수 있다.Specifically, when the leaves, stems, fruits, and flowers of the plant 2 are outside the normal range, the server 20 detects at least one of the temperature, humidity, illuminance, and nutrient concentration of the radius centered on the plant 2. A management signal that controls the operation of the first light emitting module 121 and the water supply unit 160 of the spectrometer 120 can be generated based on the sensing information.
도 5는 단계 S501 내지 단계 S505를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 5에 기재된 순서를 변경하여 실행하거나 단계 S501 내지 단계 S505 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 5는 시계열적인 순서로 한정되는 것은 아니다.Figure 5 depicts steps S501 to S505 as being sequentially executed, but this is merely an illustrative explanation of the technical idea of this embodiment, and those skilled in the art will understand the steps of this embodiment. Various modifications and modifications can be made by executing by changing the order shown in FIG. 5 or executing one or more of steps S501 to S505 in parallel without departing from the essential characteristics, so FIG. 5 is in a time-serial order. It is not limited.
이상에서 전술한 본 발명에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.The method according to the present invention described above may be implemented as a program (or application) and stored in a medium in order to be executed in conjunction with a server, which is hardware.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.The above-mentioned program is C, C++, JAVA, machine language, etc. that can be read by the processor (CPU) of the computer through the device interface of the computer in order for the computer to read the program and execute the methods implemented in the program. It may include code coded in a computer language. These codes may include functional codes related to functions that define the necessary functions for executing the methods, and include control codes related to execution procedures necessary for the computer's processor to execute the functions according to predetermined procedures. can do. In addition, these codes may further include memory reference-related codes that indicate at which location (address address) in the computer's internal or external memory additional information or media required for the computer's processor to execute the above functions should be referenced. there is. In addition, if the computer's processor needs to communicate with any other remote computer or server in order to execute the above functions, the code uses the computer's communication module to determine how to communicate with any other remote computer or server. It may further include communication-related codes regarding whether communication should be performed and what information or media should be transmitted and received during communication.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.The steps of the method or algorithm described in connection with embodiments of the present invention may be implemented directly in hardware, implemented as a software module executed by hardware, or a combination thereof. The software module may be RAM (Random Access Memory), ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), Flash Memory, hard disk, removable disk, CD-ROM, or It may reside on any type of computer-readable recording medium well known in the art to which the present invention pertains.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.Above, embodiments of the present invention have been described with reference to the attached drawings, but those skilled in the art will understand that the present invention can be implemented in other specific forms without changing its technical idea or essential features. You will be able to understand it. Therefore, the embodiments described above should be understood in all respects as illustrative and not restrictive.
10: 식물 관리장치
110: 촬영부
120: 분광부
130: 센서부
140: 온도 조절부
150: 투입부
160: 급수부
170: 통신부
180: 메모리
190: 제어부
20: 서버
30: 사용자 단말기10: Plant management device
110: Filming Department
120: spectrometer
130: sensor unit
140: Temperature control unit
150: Input part
160: water supply unit
170: Department of Communications
180: memory
190: Control unit
20: Server
30: user terminal
Claims (10)
상기 식물 관리장치로부터 수신되는 상기 정보를 기반으로 상기 식물의 상태정보를 생성하고, 상기 생성된 상태정보를 기반으로 상기 식물의 관리정보를 생성하는 서버;를 포함하고,
상기 정보는, 상기 식물 관리장치의 촬영부에 의해 촬영된 상기 식물이 포함된 영상 및 상기 식물 관리장치의, 식물 또는 식물이 식재된 배양물질에 광을 조사하고 상기 식물 또는 토양으로부터 수광하는, 적어도 하나의 분광부에 의해 상기 식물이 식재된 배양물질로부터 수광되는 광을 기반으로 생성되며,
상기 서버는 상기 식물 관리장치의 촬영부를 통해 촬영된 영상을 수신하여, 수신된 영상 기반으로 스틸컷을 추출하고, 추출된 스틸컷을 날짜별로 매칭하여 사용자 별로 도감을 생성하여, 사용자 단말로 제공하며,
상기 서버는,
상기 식물 관리장치로부터 수신한 영상을 딥러닝 모델에 입력하여 상기 식물에 대한 식물인식정보를 산출하고,
상기 식물인식정보는,
상기 식물의 종류, 크기, 잎, 줄기, 열매 및 꽃 중 적어도 하나의 상태에 대한 정보를 포함하며,
상기 서버는,
상기 식물인식정보를 기반으로 기 저장된 식물별 생장정보 중 상기 식물에 매칭되는 제1 생장정보를 추출하고,
상기 서버는,
상기 제1 생장정보를 기반으로 상기 식물의 성장이 느리거나 멈춰진 경우, 상기 적어도 하나의 분광부가 상기 식물의 광합성에 도움이 되는 파장대의 빛을 조사하도록 제어하기 위한 상기 관리정보를 생성하며,
상기 식물 관리장치는,
온도, 습도, 조도 및 산도 및 양분 농도 중 적어도 하나를 센싱하여 센싱정보를 생성하는 적어도 하나의 센서부를 더 포함하고,
상기 식물 관리장치로부터 수신한 광 및 상기 센싱정보를 기반으로 상기 식물의 상태에 대한 상태정보를 생성하고,
상기 상태정보에 대해 상기 제1 생장정보를 기반으로 광, 습도, 온도, 물의 양 및 양분의 양 중 적어도 하나의 정보를 제공하기 위한 상기 관리정보를 산출하며,
상기 상태정보는,
상기 적어도 하나의 분광부에 의해 수광되는 광을 기반으로 분석된 토양 내의 상기 식물의 잎 성장을 위한 질소(N), 줄기 성장을 위한 인산(P), 열매 성장을 위한 칼륨(K) 각각의 농도에 대한 정보를 포함하며,
상기 분광부는 제1 발광모듈 및 제2 발광모듈을 포함하며,
상기 제1 발광모듈은 상기 생성된 관리정보에 기초하여 식물의 광합성에 도움이 되는 400 nm 내지 500 nm 파장의 청색광 및 640 nm 내지 700 nm 파장의 적색광을 출력하며,
상기 제2 발광모듈은 상기 질소(N), 인산(P), 칼륨(K)이 구분되도록 고유의 파장을 출력하도록 구성되는, 식물 관리 시스템.
A plant management device that provides a growth environment for plants, senses the state of the plant, and generates information about the state of the plant; and
A server that generates state information of the plant based on the information received from the plant management device and generates management information of the plant based on the generated state information,
The information includes, at least, an image containing the plant captured by a photographing unit of the plant management device and irradiating light to a plant or culture material on which the plant is planted in the plant management device and receiving light from the plant or soil. It is generated based on the light received from the culture material in which the plant is planted by one spectrometer,
The server receives images captured through the photography unit of the plant management device, extracts still cuts based on the received images, matches the extracted still cuts by date, creates an encyclopedia for each user, and provides it to the user terminal. ,
The server is,
Input the image received from the plant management device into a deep learning model to calculate plant recognition information for the plant,
The plant recognition information is,
Contains information on the type, size, state of at least one of the leaves, stems, fruits, and flowers of the plant,
The server is,
Based on the plant recognition information, extract first growth information matching the plant from the previously stored growth information for each plant,
The server is,
When the growth of the plant is slow or stopped based on the first growth information, the at least one spectrometer generates the management information to control the irradiation of light in a wavelength band helpful for photosynthesis of the plant,
The plant management device,
It further includes at least one sensor unit that generates sensing information by sensing at least one of temperature, humidity, illuminance, acidity, and nutrient concentration,
Generating status information about the state of the plant based on the light received from the plant management device and the sensing information,
For the state information, calculate the management information to provide at least one of light, humidity, temperature, amount of water, and amount of nutrients based on the first growth information,
The status information is,
Concentrations of nitrogen (N) for leaf growth of the plant, phosphoric acid (P) for stem growth, and potassium (K) for fruit growth in the soil analyzed based on the light received by the at least one spectrometer Contains information about,
The spectrometer includes a first light-emitting module and a second light-emitting module,
The first light emitting module outputs blue light with a wavelength of 400 nm to 500 nm and red light with a wavelength of 640 nm to 700 nm, which are helpful for photosynthesis of plants, based on the generated management information,
The second light emitting module is configured to output a unique wavelength to distinguish nitrogen (N), phosphoric acid (P), and potassium (K).
식물을 중심으로 상기 식물과 기 설정된 반경을 촬영하여 실시간으로 영상을 생성하는 카메라;
상기 식물 또는 식물이 식재된 배양물질에 광을 조사하고, 상기 식물 또는 토양으로부터 상기 광을 수광하는 적어도 하나의 분광부;
상기 식물을 중심으로 상기 반경의 온도, 습도, 조도 및 양분 농도 중 적어도 하나를 센싱하여 센싱정보를 생성하는 적어도 하나의 센서부; 및
상기 광 및 센싱정보를 기반으로 상기 식물의 상태에 대한 상태정보를 생성하고, 상기 상태정보를 기반으로 광, 온도, 양분, 물의 양 및 양분의 양 중 적어도 하나를 제공하기 위해 구동되는 제어부;를 포함하며,
상기 식물 관리장치는,
상기 카메라를 통해 촬영된 영상을 상기 서버로 제공하며,
상기 서버에서, 촬영된 영상 기반으로 스틸컷이 추출되고 추출된 스틸컷이 날짜별로 매칭되어 사용자 별 도감이 생성되어 사용자 단말로 제공되고,
상기 서버에서, 수신한 영상을 딥러닝 모델에 입력하여 상기 식물에 대한 식물인식정보가 산출되고,
상기 식물인식정보는,
상기 식물의 종류, 크기, 잎, 줄기, 열매 및 꽃 중 적어도 하나의 상태에 대한 정보를 포함하며,
상기 서버에서, 상기 식물인식정보를 기반으로 기 저장된 식물별 생장정보 중 상기 식물에 매칭되는 제1 생장정보가 추출되고,
상기 식물 관리장치는,
상기 제1 생장정보를 기반으로 상기 식물의 성장이 느리거나 멈춰진 경우, 상기 적어도 하나의 분광부가 상기 식물의 광합성에 도움이 되는 파장대의 빛을 조사하도록 제어하기 위한 관리정보를, 상기 서버로부터 수신하며,
상기 제어부는,
상기 광 및 센싱정보를 기반으로 상기 식물의 상태에 대한 상태정보를 생성하고,
상기 상태정보에 대해 상기 제1 생장정보를 기반으로 광, 습도, 온도, 물의 양 및 양분의 양 중 적어도 하나의 정보를 제공하기 위한 상기 관리정보를 산출하며,
상기 상태정보는,
상기 분광부에 의해 수광되는 광을 기반으로 분석된 상기 토양 내의 상기 식물의 잎 성장을 위한 질소(N), 줄기 성장을 위한 인산(P), 열매 성장을 위한 칼륨(K) 각각의 농도에 대한 정보를 포함하며,
상기 분광부는 제1 발광모듈 및 제2 발광모듈을 포함하며,
상기 제1 발광모듈은 상기 수신된 관리정보에 기초하여 식물의 광합성에 도움이 되는 400 nm 내지 500 nm 파장의 청색광 및 640 nm 내지 700 nm 파장의 적색광을 출력하며,
상기 제2 발광모듈은 상기 질소(N), 인산(P), 칼륨(K)이 구분되도록 고유의 파장을 출력하도록 구성되는, 식물 관리장치.
A plant management device that communicates with a server,
A camera that generates images in real time by photographing the plant and a preset radius centered on the plant;
At least one spectrometer that irradiates light to the plant or the culture material on which the plant is planted and receives the light from the plant or soil;
At least one sensor unit that generates sensing information by sensing at least one of temperature, humidity, illumination, and nutrient concentration of the radius centered on the plant; and
A control unit driven to generate status information about the state of the plant based on the light and sensing information and provide at least one of light, temperature, nutrients, amount of water, and amount of nutrients based on the status information; Includes,
The plant management device,
Provides video captured through the camera to the server,
In the server, still cuts are extracted based on the captured video, the extracted still cuts are matched by date, an encyclopedia for each user is created, and provided to the user terminal,
In the server, the received image is input into a deep learning model to calculate plant recognition information for the plant,
The plant recognition information is,
Contains information on the type, size, state of at least one of the leaves, stems, fruits, and flowers of the plant,
In the server, first growth information matching the plant is extracted from the previously stored growth information for each plant based on the plant recognition information,
The plant management device,
When the growth of the plant is slow or stops based on the first growth information, the at least one spectrometer receives management information from the server to control the irradiation of light in a wavelength band helpful for photosynthesis of the plant; ,
The control unit,
Generate status information about the state of the plant based on the light and sensing information,
For the state information, calculate the management information to provide at least one of light, humidity, temperature, amount of water, and amount of nutrients based on the first growth information,
The status information is,
The concentration of nitrogen (N) for leaf growth of the plant, phosphoric acid (P) for stem growth, and potassium (K) for fruit growth in the soil analyzed based on the light received by the spectrometer. contains information,
The spectrometer includes a first light-emitting module and a second light-emitting module,
The first light emitting module outputs blue light with a wavelength of 400 nm to 500 nm and red light with a wavelength of 640 nm to 700 nm, which are helpful for photosynthesis of plants, based on the received management information,
The second light emitting module is configured to output a unique wavelength to distinguish nitrogen (N), phosphoric acid (P), and potassium (K).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210021182A KR102645282B1 (en) | 2021-02-17 | 2021-02-17 | Apparatus, Server and System for Plant Management based on Deep Learning |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210021182A KR102645282B1 (en) | 2021-02-17 | 2021-02-17 | Apparatus, Server and System for Plant Management based on Deep Learning |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220117620A KR20220117620A (en) | 2022-08-24 |
| KR102645282B1 true KR102645282B1 (en) | 2024-03-08 |
Family
ID=83111970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210021182A KR102645282B1 (en) | 2021-02-17 | 2021-02-17 | Apparatus, Server and System for Plant Management based on Deep Learning |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102645282B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6708789B2 (en) * | 2017-04-17 | 2020-06-10 | 日本製紙株式会社 | How to predict plantation productivity |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200029657A (en) * | 2018-09-06 | 2020-03-19 | 장성식 | Farming automation system using crop image big data |
| KR20200058016A (en) * | 2018-11-19 | 2020-05-27 | 정준수 | customized system for managing cultivation |
| KR101986139B1 (en) | 2019-04-19 | 2019-06-10 | 올레팜 주식회사 | Smart farm cultivation system |
-
2021
- 2021-02-17 KR KR1020210021182A patent/KR102645282B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6708789B2 (en) * | 2017-04-17 | 2020-06-10 | 日本製紙株式会社 | How to predict plantation productivity |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220117620A (en) | 2022-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111988985B (en) | Controlled agricultural system and method of agriculture | |
| US11308715B2 (en) | AI-powered autonomous plant-growth optimization system that automatically adjusts input variables to yield desired harvest traits | |
| US11663414B2 (en) | Controlled agricultural systems and methods of managing agricultural systems | |
| CN113966518B (en) | Controlled agricultural system and method of managing agricultural system | |
| JP6365668B2 (en) | Information processing apparatus, device, information processing system, control signal production method, program | |
| KR20220132531A (en) | Multi-sensor imaging method and apparatus for controlled environment horticulture using irradiator and camera and/or sensor | |
| CN114007411B (en) | Gardening lighting device with LiDAR sensing | |
| CN116114513A (en) | Light guide platform for cultivar growth environment | |
| CN113221723B (en) | Traceable self-feedback learning urban plant factory | |
| Chang et al. | A supplementary lighting and regulatory scheme using a multi-wavelength light emitting diode module for greenhouse application | |
| US20220400620A1 (en) | Controlled environment agriculture method and system for plant cultivation | |
| KR102645282B1 (en) | Apparatus, Server and System for Plant Management based on Deep Learning | |
| Dadios et al. | Automation and control for adaptive management system of urban agriculture using computational intelligence | |
| CN109324509A (en) | Information Regulating method, apparatus and system | |
| KR20200000398A (en) | system for supplementing main light using variable artificial light and light sensing device therefor | |
| Thapa et al. | Assessment of water stress in vineyards using on-the-go hyperspectral imaging and machine learning algorithms | |
| WO2021067847A1 (en) | Agricultural platforms | |
| Jayasuriya et al. | Image based Crop Monitoring Technologies in Protected Horticulture: A Review | |
| CN108268073B (en) | Luminous environment control system for plant growth | |
| US20230003856A1 (en) | Time-of-flight sensing for horticulture | |
| WO2018111064A1 (en) | System for monitoring and controlling water stress in order to optimise oil extraction | |
| Irwanto et al. | IoT and fuzzy logic integration for improved substrate environment management in mushroom cultivation | |
| Thapa | Irrigation Management in Vineyards: Modeling Water Stress Using Hyperspectral Imaging | |
| Chakraborty et al. | Integrating Neural Network for Pest Detection in Controlled Environment Vertical Farm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |