KR20180022159A - 기계학습을 이용한 양액제어장치 및 방법 - Google Patents

기계학습을 이용한 양액제어장치 및 방법 Download PDF

Info

Publication number
KR20180022159A
KR20180022159A KR1020160107107A KR20160107107A KR20180022159A KR 20180022159 A KR20180022159 A KR 20180022159A KR 1020160107107 A KR1020160107107 A KR 1020160107107A KR 20160107107 A KR20160107107 A KR 20160107107A KR 20180022159 A KR20180022159 A KR 20180022159A
Authority
KR
South Korea
Prior art keywords
data
farmhouse
crop
nutrient solution
amount
Prior art date
Application number
KR1020160107107A
Other languages
English (en)
Inventor
양중석
김형석
권만재
이택성
이택진
박수현
이주영
노주원
오상록
Original Assignee
한국과학기술연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술연구원 filed Critical 한국과학기술연구원
Priority to KR1020160107107A priority Critical patent/KR20180022159A/ko
Publication of KR20180022159A publication Critical patent/KR20180022159A/ko

Links

Images

Classifications

    • 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
    • A01G31/00—Soilless cultivation, e.g. hydroponics
    • A01G31/02—Special apparatus therefor
    • 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
    • A01G27/00—Self-acting watering devices, e.g. for flower-pots
    • A01G27/003—Controls for self-acting watering devices
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
    • Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
    • Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Environmental Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Hydroponics (AREA)

Abstract

본 발명은 기계학습을 이용한 양액제어장치 및 방법이 개시된다. 본 발명의 양액제어장치는 작물의 생육정보, 근권부 환경정보 및 재배시설의 환경정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신하는 통신부 및 통신부로부터 수신된 농가 데이터를 기계학습(machine learning)으로 작물의 생육시기를 예측하고, 예측된 생육시기를 이용하여 작물에 필요한 양액의 공급량을 산출하는 제어부를 포함한다.

Description

기계학습을 이용한 양액제어장치 및 방법{Nutrient solution control apparatus and methods using maching learning}
본 발명은 양액제어장치에 관한 것으로, 보다 상세하게는 기계학습을 이용하여 작물에 필요한 수분 및 양분의 양을 예측하는 기계학습을 이용한 양액제어장치 및 방법에 관한 것이다.
최근, 시설원예의 활성화로 인하여 시설원예를 이용한 작물의 재배가 급속히 증가하고 있다. 이에 생산량을 증가하기 위한 다양한 방법이 제안되고 있으며, 특히 작물에 필요한 수분과 양분의 최적화를 통한 생산량을 증가가 필요한 상황이다.
일반적으로, 작물의 생장은 온도, 습도, 일사량, 이산화탄소, 산소, 양분 등의 생육에 필요한 많은 요소의 영향을 받는다. 특히, 작물의 경우, 필요한 수분과 양분을 작물의 근권부에서 공급받게 되는데, 이 때 적절한 근권환경을 조성해줄 필요성이 존재한다.
종래의 근권환경의 제어는 작물의 발아부터 작물의 최종 결과물을 수확이 끝날 때까지를 4단계에서 5단계로 나누어서 각 단계에 적정한 양분을 단일 조성으로 조제하여 제공하는 방식을 이용하였다. 작물의 단계적 단순 생장 단계에 따른 양액의 공급은 작물의 생육을 그대로 반영하지 못하여 양분을 과잉으로 공급하거나 부족하게 공급하는 원인이 되고 있다. 또한 근권부의 수분함량의 제어는 하루에 일정 시간이 도달할 경우 일정시간 동안 수분을 공급하는 방식이거나, 일사량에 비례하여 양액을 공급하여 근권부의 수분함량을 제어하는 방법을 이용하였다.
이러한 시간제어나 일사량 비례제어를 이용한 근권부 수분량을 제어하는 방식은 실제 작물의 생육정보를 반영하지 못하기 때문에 작물의 생육 초창기와 후반기에 필요한 수분량의 차이를 적절하게 반영하지 못하는 문제점이 있다.
따라서, 이러한 문제점을 극복하면서 작물에 필요한 수분과 양분을 제어하는 장치가 필요한 실정이다.
한국등록특허공보 제10-0470453호(2005.02.05.)
본 발명이 이루고자 하는 기술적 과제는 농가 데이터를 이용하여 작물의 생육시기를 예측하고, 예측된 생육시기를 이용하여 작물에 필요한 양액의 공급량을 산출하는 기계학습을 이용한 양액제어장치 및 방법을 제공하는데 목적이 있다.
본 발명이 이루고자 하는 다른 기술적 과제는 작물에 최적화된 양액을 공급함으로써, 작물의 생산량을 극대화하는 기계학습을 이용한 양액제어장치 및 방법을 제공하는데 목적이 있다.
상기 목적을 달성하기 위해, 본 발명에 따른 기계학습을 이용한 양액제어장치는 작물의 생육정보, 근권부 환경정보 및 재배시설의 환경정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신하는 통신부 및 상기 통신부로부터 수신된 농가 데이터를 기계학습(machine learning)으로 상기 작물의 생육시기를 예측하고, 상기 예측된 생육시기를 이용하여 상기 작물에 필요한 양액의 공급량을 산출하는 제어부를 포함한다.
또한 상기 통신부는, 상기 산출된 양액의 공급량에 대한 데이터를 상기 재배시설에 설치된 액추에이터(actuator)에 송신하여 상기 작물에 양액이 공급되도록 하는 것을 특징으로 한다.
또한 상기 제어부는, 상기 작물의 생육시기를 예측하기 전에, 상기 농가 데이터를 데이터 표준화 포맷에 맞도록 수집을 하고, 상기 수집된 농가 데이터를 선별하여 필터링하는 것을 특징으로 한다.
또한 상기 제어부는, 상기 수신된 농가 데이터를 동일한 작물 및 종 별로 분류하고, 상기 분류된 농가 데이터를 인자(factor)별로 분류하여 상기 데이터 표준화 포맷에 맞도록 수집하는 데이터 수집부, 상기 수집된 농가 데이터를 분석하여 데이터 오류가 있는 농가 데이터 및 데이터 품질이 기준치보다 미달인 농가 데이터를 선별한 후, 필터링하는 데이터 분석부, 상기 필터링된 농가 데이터를 상기 기계학습으로 상관관계 분석 및 회귀분석을 수행하여 상기 작물의 생육시기를 예측하고, 상기 예측된 생육시기를 이용하여 상기 작물이 필요로 하는 수분 및 양분의 요구량을 예측하는 요구량 예측부 및 상기 예측된 요구량을 이용하여 양액의 공급량을 산출하는 양액 제어부를 포함하는 것을 특징으로 한다.
또한 상기 데이터 수집부는, 상기 수집된 농가 데이터를 작물별, 인자별 및 시간대별로 정렬하여 데이터베이스화를 하는 것을 특징으로 한다.
또한 상기 요구량 예측부는, 상기 필터링된 농가 데이터와 상기 데이터베이스화된 농가 데이터를 비교하여 상기 작물의 생육을 분석하고, 상기 분석된 농가 데이터를 이용하여 상기 작물의 생육시기를 예측하는 예측모듈 및 상기 예측된 생육시기를 이용하여 상기 필터링된 농가 데이터 중 상기 작물의 생육시기와 일치성이 가장 높은 농가 데이터 집합(cluster)을 산출하고, 상기 산출된 농가 데이터 집합을 학습한 후, 상기 학습된 농가 데이터 집합을 상기 예측모듈에 제공하여 상기 농가 데이터를 업데이트시키는 학습모듈을 포함하는 것을 특징으로 한다.
또한 상기 요구량 예측부는, 상기 예측모듈 및 상기 학습모듈을 순차적으로 반복 수행하여 상기 기계학습을 하는 것을 특징으로 한다.
또한 상기 예측모듈은, 상기 필터링된 농가 데이터 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 상기 생성된 복수의 패턴 중 특정 작물 및 종에 대한 특정패턴을 반복적인 상기 상관관계 분석 및 상기 회귀분석으로 추출하며, 상기 추출된 특정패턴을 이용하여 상기 작물의 생육시기를 예측하는 것을 특징으로 한다.
또한 상기 작물의 생육정보는, 상기 작물의 생산량, 경경, 총경, 엽면적지수(leaf area index, LAI), 엽온, 줄기두께, 생장속도, 생장량 및 생체중량 중 적어도 하나의 인자를 포함하고, 상기 작물의 근권부 환경정보는 배지함수량, 배지EC, 배지온도, 급액량, 급액EC, 배액EC, 배지무게, 재배단 무게, 급액 내 양액의 조성 및 배양 내 양액의 조성 중 적어도 하나의 인자를 포함하며, 상기 재배시설의 환경정보는 온실의 형태, 온도, 습도, 순간광량, 누적일사량 및 이산화탄소 농도 중 적어도 하나의 인자를 포함하는 것을 특징으로 한다.
본 발명에 따른 기계학습을 이용한 양액제어방법은, 작물의 생육정보, 근권부 환경정보 및 재배시설의 환경정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신하는 단계, 상기 수신된 농가 데이터를 기계학습으로 상기 작물의 생육시기를 예측하는 단계 및 상기 예측된 생육시기를 이용하여 상기 작물에 필요한 양액의 공급량을 산출하는 단계를 포함한다.
본 발명에 따른 기계학습을 이용한 양액제어장치 및 방법은 농가 데이터를 이용하여 작물의 생육시기를 예측하고, 예측된 생육시기를 이용하여 작물에 필요한 양액의 공급량을 산출할 수 있다.
본 발명이 이루고자 하는 다른 기술적 과제는 작물에 최적화된 양액을 공급함으로써, 작물의 생산량을 극대화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 재배시설 제어시스템을 설명하기 위한 구성도이다.
도 2는 본 발명의 일 실시예에 따른 양액제어장치를 설명하기 위한 블록도이다.
도 3은 도 2의 제어부를 설명하기 위한 블록도이다.
도 4는 도 3의 요구량 예측부를 설명하기 위한 블록도이다.
도 5는 본 발명의 일 실시예에 따른 양액제어방법을 설명하기 위한 순서도이다.
이하 본 발명의 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의한다. 또한 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 당업자에게 자명하거나 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1은 본 발명의 일 실시예에 따른 재배시설 제어시스템을 설명하기 위한 구성도이다.
도 1을 참조하면, 재배시설 제어시스템(300)은 재배시설(200)의 환경상태, 작물생장 등에 대한 상태변화를 제어하여 작물의 생장에 최적화된 환경조건을 유지한다. 여기서, 재배시설(200)은 스마트팜(smart farm)일 수 있다. 재배시설 제어시스템(300)은 양액제어장치(100) 및 재배시설(200)을 포함한다. 여기서, 작물은 토마토, 파프리카, 감자, 고추, 담배, 버섯 등과 같은 채소류이거나, 사과, 배, 포도, 귤, 감, 바나나 등과 같은 과일류이거나, 관상하기 위해 재배되는 모든 작물인 화훼일 수 있다.
양액제어장치(100)는 재배시설(200)에서 재배되는 작물에 제공되는 양액의 공급량을 산출한다. 이 때, 양액제어장치(100)는 현재 작물의 생장시기를 예측하고, 예측된 생장시기에 해당하는 양액의 공급량을 산출함으로써, 작물은 현재 필요로 하는 최적의 양액의 공급량을 제공받을 수 있다.
재배시설(200)은 사물 인터넷(Internet of Thing, IoT) 기술을 이용하여 작물 재배 시설의 온도, 습도, 광량, 이산화탄소, 토양 등을 측정 분석하고, 분석결과에 따라 최적의 상태를 유지시키는 농장이다. 이를 수행하기 위해, 재배시설(200)은 농장(210), 센서부(230), 액추에이터(actuator)(250) 및 농장 제어장치(270)를 포함한다.
농장(210)은 작물이 생장하는 공간이다. 농장(210)은 농작물 또는 화훼와 같은 작물이 생장되며, 바람직하게는 온실로 이루어질 수 있다.
센서부(230)는 복수개의 센서들을 포함하고, 각 센서들은 일정 간격으로 이격되어 농장(210)에 설치된다. 이 때, 센서부(230)는 온도센서, 습도센서, 이산화탄소센서, 광센서, 토양수분센서, 엽온센서 등과 같은 다양한 종류의 센서를 포함하여 농장(210)의 시설환경, 작물생장, 근권부 및 병충해에 대한 상태를 측정한다. 온도 센서는 농장(210) 내의 온도를 측정한다. 습도 센서는 농장(210) 내의 습도를 측정한다. 이산화탄소센서는 농장(210) 내의 이산화탄소 양을 측정한다. 광 센서는 농장(210) 내의 일조량을 측정한다. 토양수분센서는 농장(210) 내의 토양에 함유된 수분을 측정한다. 엽온센서는 농장(210) 내의 작물잎에 대한 온도를 측정한다.
액추에이터(250)는 농장(210)의 환경조건을 유지시킨다. 액추에이터(250)는 농장(210) 내에 배치되고, 작물이 생장되는데 필요한 환경조건을 조성한다. 액추에이터(250)는 복수개를 포함하고, 전기, 유압, 압축공기 등을 이용하여 구동되는 장치이다. 예를 들면, 액추에이터(250)는 냉난방 장치, 팬 장치, 스프링클러, 급수 펌프, 이산화탄소 발생기, 조명장치 또는 개폐장치 등일 수 있다. 냉난방장치는 농장(210) 내의 온도 조절을 한다. 팬 장치는 농장(210) 내의 공기 순환 및 공기 환기를 조절한다. 스프링클러 및 급수 펌프는 농장(210) 내의 물 공급을 조절한다. 이산화탄소 발생기는 이산화탄소의 농도를 조절한다. 조명장치 및 개폐장치는 농장(210) 내의 채광을 조절한다. 여기서, 조명장치는 LED 조명장치로 구성되어 작물에 필요한 스펙트럼을 포함하는 조명을 조사할 수 있고, 개폐장치는 농장(210)의 지붕을 열고 닫음으로서, 일조량을 조절할 수 있다.
농장 제어장치(270)는 센서부(230)에서 측정된 측정정보를 이용하여 농장(210)의 정보를 포함하는 농가 데이터를 양액제어장치(100)로 송신한다. 따라서, 농장 제어장치(270)는 통신모듈을 포함할 수 있다. 또한 농장 제어장치(270)는 양액제어장치(100)로부터 양액의 공급량에 대한 데이터를 수신하고, 수신된 데이터에 따라 액추에이터(250)를 제어하여 작물에 양액을 공급할 수 있다.
도 2는 본 발명의 일 실시예에 따른 양액제어장치를 설명하기 위한 블록도이다.
도 1 및 도 2를 참조하면, 양액제어장치(100)는 농가 데이터를 이용하여 작물의 생육시기를 예측하고, 예측된 생육시기를 이용하여 작물에 필요한 양액의 공급량을 산출한다. 양액제어장치(100)는 작물에 최적화된 양액을 공급함으로써, 작물의 생산량을 극대화할 수 있다. 양액제어장치(100)는 데스크톱, 랩톱, 서버 컴퓨터, 클러스터 컴퓨터 등의 컴퓨터 시스템일 수 있다.
양액제어장치(100)는 통신부(10), 제어부(20), 출력부(30), 입력부(40) 및 저장부(50)를 포함한다.
통신부(10)는 작물의 생육정보, 근권부 환경정보 및 재배시설의 환경정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신한다. 이 때, 통신부(10)는 유무선 통신을 이용하여 원격으로 농가 데이터를 수신할 수 있다. 여기서, 작물의 생육정보는 생산량, 경경, 총경, 엽면적지수(leaf area index, LAI), 엽온, 줄기두께, 생장속도, 생장량 및 생체중량 중 적어도 하나의 인자(factor)를 포함한다. 작물의 근권부 환경정보는 배지함수량, 배지EC, 배지온도, 급액량, 급액EC, 배액EC, 배지무게, 재배단 무게, 급액 내 양액의 조성 및 배양 내 양액의 조성 중 적어도 하나의 인자를 포함한다. 재배시설의 환경정보는 온실의 형태, 온도, 습도, 순간광량, 누적일사량 및 이산화탄소 농도 중 적어도 하나의 인자를 포함한다.
통신부(10)는 제어부(20)에서 예측된 작물의 양액 요구량에 대한 데이터를 재배시설에 설치된 액추에이터(270)에 송신하여 작물에 약액이 공급되도록 할 수 있다.
또한 통신부(10)는 제어부(20)에서 예측된 작물의 생육시기 및 양액 요구량에 대한 데이터를 사용자 단말(미도시)로 송신하여 사용자에게 제공할 수 있다. 이를 통해, 사용자는 어느 위치에서든 작물에 관한 데이터를 확인할 수 있다.
제어부(20)는 통신부(10)에서 수신된 농가 데이터에서 수신된 농가 데이터를 데이터 표준화 포맷에 맞도록 수집을 한다. 이 때, 제어부(20)는 후술되는 입력부(40)를 통해 농가 데이터를 입력받을 수 있으며, 입력받은 농가 데이터를 통신부(10)에서 수신된 농가 데이터와 동일하게 데이터 표준화 포맷에 맞도록 수집을 할 수 있다. 이 때, 제어부(20)는 수집된 농가 데이터를 데이터베이스화시킬 수 있다.
여기서, 데이터 표준화 포맷은 미리 정해진 표준화데이터 규격으로써, 온실, 비닐하우스, 환풍, 난방 등과 같은 시설 및 재배정보, 엽면적, 엽수, 수확량, 생육속도 등과 같은 생육정보, 온실내부환경, 온실외부환경, 토양근권환경 등과 같은 환경정보 및 적엽, 농약사용, 비료사용 등과 같은 농가 기타정보 중 적어도 하나의 인자가 규격에 따라 구분된다. 이 때, 제어부(20)는 작물의 종류에 따라 데이터 표준화 포맷의 인자를 조정할 수 있다.
제어부(20)는 수집된 농가 데이터를 선별하여 필터링한다. 제어부(20)는 필터링된 농가 데이터를 기계학습(machine learning)으로 작물의 생육시기를 예측한다. 여기서, 제어부(20)는 작물의 생육시기뿐만 아니라 작물의 재배시기도 예측할 수 있다. 제어부(20)는 예측된 생육시기를 이용하여 현재 작물이 필요로 하는 양액의 공급량을 산출한다.
출력부(30)는 모니터, 액정, 프로젝터, 프린터 등을 포함하는 디스플레이 장치로써, 통신부(10)에서 수신된 농가 데이터 및 입력부(40)에서 입력된 농가 데이터를 출력한다. 출력부(30)는 제어부(20)에서 수집하여 데이터베이스화시킨 농가 데이터를 출력한다. 출력부(30)는 제어부(20)에서 예측된 작물의 생육시기, 재배시기, 양액 요구량에 대한 데이터를 출력한다. 여기서, 출력부(30)는 터치스크린 기능을 포함할 수 있으며, 터치스크린 기능을 포함하는 경우, 입력부(40)의 역할을 수행할 수 있다.
입력부(40)는 사용자의 사용자 입력을 입력받는다. 이 때, 사용자 입력은 농가 데이터일 수 있다. 즉, 입력부(40)는 통신부(10)가 통신망을 통해 농가 데이터를 수신하는 것과 달리 직접 농가 데이터를 입력받는다.
저장부(50)는 통신부(10)에서 수신된 농가 데이터 및 입력부(40)에서 입력된 농가 데이터가 저장된다. 저장부(50)는 제어부(20)에서 수행되는 다양한 분석 알고리즘이 저장되고, 분석 알고리즘을 통해 분석된 결과도 저장이 된다. 저장부(50)는 제어부(20)에서 예측된 작물의 생육시기, 재배시기 및 양액 요구량이 저장된다. 여기서, 저장부(50)는 전술된 데이터들이 데이터베이스화되어 저장될 수 있으며, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기메모리, 자기 디스크, 광디스크 중 적어도 하나의 저장매체를 포함할 수 있다.
도 3은 도 2의 제어부를 설명하기 위한 블록도이고, 도 4는 도 3의 요구량 예측부를 설명하기 위한 블록도이다.
도 2 내지 도 4를 참조하면, 제어부(20)는 데이터 수집부(21), 데이터 분석부(23), 요구량 예측부(25) 및 양액 제어부(27)를 포함한다.
데이터 수집부(21)는 초기 동작에 필요한 농가 데이터를 수집한다. 데이터 수집부(21)는 통신부(21)로 수신된 농가 데이터를 지역별, 국가별로 수집할 수 있다. 데이터 수집부(21)는 통신부(10)에서 수신된 농가 데이터 및 입력부(40)에서 입력된 농가 데이터를 동일한 작물 및 종 별로 분류한다. 데이터 수집부(21)는 분류된 농가 데이터를 인자별로 분류하여 데이터 표준화 포맷에 맞도록 수집한다. 이 때, 데이터 수집부(21)는 수집된 농가 데이터를 시간별, 일별 및 월별과 같이 시간대별로 정렬하여 데이터베이스화를 할 수 있으며, 바람직하게는 시간별로 정렬을 할 수 있다.
즉, 데이터 수집부(21)는 농가 데이터를 작물별, 인자별 및 시간대별로 정렬하여 데이터베이스화를 할 수 있다. 이를 통해, 사용자는 동질성 및 통일성이 있는 양질의 농가 데이터를 제공받을 수 있다. 여기서, 데이터베이스화된 농가 데이터는 저장부(50)에 저장된다.
데이터 분석부(23)는 데이터 수집부(21)에서 수집된 농가 데이터를 분석하여 데이터 오류가 있는 농가 데이터 및 데이터 품질이 기준치보다 미달인 농가 데이터를 선별한다. 여기서, 데이터 품질이 기준치보다 미달인 농가 데이터는 농가 데이터가 예상되는 기준치 범위를 크게 벗어나는 잘못된 데이터일 수 있다. 데이터 분석부(23)는 신뢰성이 인정되는 농가 데이터만으로 작물의 생육시기를 예측할 수 있다.
요구량 예측부(25)는 데이터 분석부(23)에서 필터링된 농가 데이터를 기계학습으로 작물의 생육시기를 예측한다. 요구량 예측부(25)는 기계학습으로 작물의 생육시기뿐만 아니라 재배시기도 예측할 수 있다. 요구량 예측부(25)는 예측된 생육시기를 이용하여 작물에 필요한 수분 및 양분의 요구량을 예측한다. 그러므로 요구량 예측부(25)는 시간이 지날수록 학습된 경험에 대한 농가 데이터가 축적되어 작물이 현재 필요로 하는 수분 및 양분의 요구량을 점진적으로 정확하게 예측할 수 있다. 요구량 예측부(25)는 예측모듈(61) 및 학습모듈(63)을 포함한다.
예측모듈(61)은 필터링된 농가 데이터를 저장부(50)에 저장된 데이터베이스화된 농가 데이터와 비교하여 작물의 생육을 분석하고, 분석된 데이터를 이용하여 작물의 생육시기를 예측한다. 또한 예측모듈(61)은 예측된 작물의 생육시기를 이용하여 작물이 현재 필요로 하는 수분 및 양분의 요구량을 예측한다. 여기서, 예측모듈(61)은 동작 초기에 농가 데이터가 부족할 경우, 미리 정의된 농가 데이터를 이용하여 생육시기를 예측한다.
학습모듈(63)은 농가 데이터를 가공하여 학습시키는 기능을 한다. 즉, 학습모듈(63)은 예측모듈(61)에서 예측된 생육시기를 이용하여 필터링된 농가 데이터 중 작물의 생육시기와 일치성이 가장 높은 농가 데이터 집합(cluster)을 산출한다. 여기서, 학습모듈(63)은 데이터베이스화된 농가 데이터를 현재 농가 데이터 중 임계치 이하를 재필터링하여 의미 있는 농가 데이터만을 선별한 후, 농가 데이터 집합을 산출할 수 있다. 학습모듈(63)은 산출된 농가 데이터 집합을 학습한 후, 예측모듈(61)에 학습된 농가 데이터 집합을 제공하여 농가 데이터를 업데이트시킨다. 이를 통해, 예측모듈(61)은 업데이트된 농가 데이터를 현재 생육시기에 적용시켜 현재 예측된 생육시기보다 일치성이 높은 새로운 생육시기를 예측을 할 수 있다. 여기서, 학습모듈(63)에서 학습된 농가 데이터는 저장부(50)에 업데이트되어 데이터베이스화될 수 있다.
즉, 요구량 예측부(25)는 예측모듈(61) 및 학습모듈(63)을 순차적으로 반복 수행하여 기계학습을 한다. 이를 통해, 요구량 예측부(25)는 점진적으로 최적의 수분 및 양분의 요구량을 예측할 수 있다.
예를 들면, 요구량 예측부(25)는 기계학습으로 여러 가지 형태의 빅데이터 분석을 수행할 수 있으며, 바람직하게는 상관관계 분석 및 회귀분석을 수행할 수 있다. 즉, 요구량 예측부(25)의 예측모듈(61)은 농가 데이터 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 생성된 복수의 패턴을 이용하여 상관관계 분석 및 회귀분석을 수행할 수 있다. 예측모듈(61)은 반복적인 상관관계 분석 및 회귀분석으로 특정 작물 및 종에 대한 특정패턴을 추출하고, 추출된 특정패턴을 이용하여 작물의 생육시기를 예측한다. 예측모듈(61)은 예측된 생육시기를 이용하여 작물에 필요한 수분 및 양분의 요구량을 예측한다. 여기서, 특정패턴은 복수의 패턴 중 작물의 품질상태가 좋고, 생산량이 최대로 예측되는 생장 패턴일 수 있다.
양액 제어부(27)는 요구량 예측부(25)에서 예측된 수분 및 양분의 요구량을 이용하여 양액의 공급량을 산출한다. 즉, 양액 제어부(27)는 현재 작물이 필요로 하는 수분 및 양분의 요구량이 포함되도록 양액의 공급량을 산출할 수 있다. 여기서, 산출된 양액의 공급량에 대한 데이터는 통신부(10)를 통해 재배시설에 설치된 액추에이터에 송신된다. 이를 통해, 작물은 현재 필요로 하는 수분 및 양분에 해당하는 양액을 공급받을 수 있다.
도 4는 본 발명의 일 실시예에 따른 양액제어방법을 설명하기 위한 순서도이다.
도 2 및 도 4를 참조하면, 양액제어방법은 현재 작물이 필요로 하는 수분 및 양분의 요구량을 기계학습으로 예측하고, 예측된 수분 및 양분의 요구량에 해당하는 양액의 공급량을 산출한다. 이를 통해, 양액제어방법은 작물의 현재 생육상태에서의 최적화된 양액의 공급량을 제공받을 수 있도록 제어할 수 있다.
S71단계에서, 양액제어장치(100)는 작물의 생육정보, 근권부 환경정보 및 재배시설의 환경정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신한다. 양액제어장치(100)는 유무선 통신을 통해 농가 데이터를 수신할 수 있다.
S73단계에서, 양액제어장치(100)는 수신된 농가 데이터를 기계학습으로 작물의 생육시기를 예측한다. 양액제어장치(100)는 여러 가지 형태로 빅데이터 분석을 할 수 있으며, 바람직하게는 상관관계 분석 및 회귀분석을 할 수 있다. 즉, 양액제어장치(100)는 농가 데이터 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 생성된 복수의 패턴을 이용하여 상관관계 분석 및 회귀분석을 수행할 수 있다. 양액제어장치(100)는 상관관계 분석 및 회귀분석을 반복적으로 수행하여 특정 작물 및 종에 대한 특정패턴을 추출하고, 추출된 특정패턴을 이용하여 작물의 생육시기를 예측한다. 이를 통해, 양액제어장치(100)는 예측된 생육시기를 이용하여 작물에 필요한 수분 및 양분의 요구량을 예측할 수 있다.
여기서, S71단계 및 S73단계 사이에 양액제어장치(100)는 수신된 농가 데이터를 데이터 표준화 포맷에 맞도록 수집을 하고, 수집된 농가 데이터를 선별하여 필터링할 수 있다.
S75단계에서, 양액제어장치(100)는 예측된 생육시기에 따른 작물의 수분 및 양분에 대한 요구량를 이용하여 작물에 필요한 양액의 공급량을 산출한다. 양액제어장치(100)는 수분 및 양분의 요구량이 포함되도록 양액의 공급량을 산출할 수 있다. 여기서, 양액제어장치(100)는 산출된 양액의 공급량에 대한 데이터를 재배시설(200)의 농장제어장치(270)에 송신함으로써, 액추에이터(250)가 작물에 양액을 공급할 수 있도록 한다.
이상에서 본 발명의 바람직한 실시예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.
10: 통신부 20: 제어부
21: 데이터 수집부 23: 데이터 분석부
25: 요구량 예측부 27: 양액 제어부
30: 출력부 40: 입력부
50: 저장부 61: 예측모듈
63: 학습모듈 100: 양액제어장치
200: 재배시설 210: 농장
230: 센서부 250: 액추에이터
270: 농장제어장치 300: 재배시설 제어시스템

Claims (10)

  1. 작물의 생육정보, 근권부 환경정보 및 재배시설의 환경정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신하는 통신부; 및
    상기 통신부로부터 수신된 농가 데이터를 기계학습(machine learning)으로 상기 작물의 생육시기를 예측하고, 상기 예측된 생육시기를 이용하여 상기 작물에 필요한 양액의 공급량을 산출하는 제어부;
    를 포함하는 기계학습을 이용한 양액제어장치.
  2. 제 1항에 있어서,
    상기 통신부는,
    상기 산출된 양액의 공급량에 대한 데이터를 상기 재배시설에 설치된 액추에이터(actuator)에 송신하여 상기 작물에 양액이 공급되도록 하는 것을 특징으로 하는 기계학습을 이용한 양액제어장치.
  3. 제 1항에 있어서,
    상기 제어부는,
    상기 작물의 생육시기를 예측하기 전에, 상기 농가 데이터를 데이터 표준화 포맷에 맞도록 수집을 하고, 상기 수집된 농가 데이터를 선별하여 필터링하는 것을 특징으로 하는 기계학습을 이용한 양액제어장치.
  4. 제 3항에 있어서,
    상기 제어부는,
    상기 수신된 농가 데이터를 동일한 작물 및 종 별로 분류하고, 상기 분류된 농가 데이터를 인자(factor)별로 분류하여 상기 데이터 표준화 포맷에 맞도록 수집하는 데이터 수집부;
    상기 수집된 농가 데이터를 분석하여 데이터 오류가 있는 농가 데이터 및 데이터 품질이 기준치보다 미달인 농가 데이터를 선별한 후, 필터링하는 데이터 분석부;
    상기 필터링된 농가 데이터를 상기 기계학습으로 상관관계 분석 및 회귀분석을 수행하여 상기 작물의 생육시기를 예측하고, 상기 예측된 생육시기를 이용하여 상기 작물이 필요로 하는 수분 및 양분의 요구량을 예측하는 요구량 예측부; 및
    상기 예측된 요구량을 이용하여 양액의 공급량을 산출하는 양액 제어부;
    를 포함하는 것을 특징으로 하는 기계학습을 이용한 양액제어장치.
  5. 제 4항에 있어서,
    상기 데이터 수집부는,
    상기 수집된 농가 데이터를 작물별, 인자별 및 시간대별로 정렬하여 데이터베이스화를 하는 것을 특징으로 하는 기계학습을 이용한 양액제어장치.
  6. 제 5항에 있어서,
    상기 요구량 예측부는,
    상기 필터링된 농가 데이터와 상기 데이터베이스화된 농가 데이터를 비교하여 상기 작물의 생육을 분석하고, 상기 분석된 농가 데이터를 이용하여 상기 작물의 생육시기를 예측하는 예측모듈; 및
    상기 예측된 생육시기를 이용하여 상기 필터링된 농가 데이터 중 상기 작물의 생육시기와 일치성이 가장 높은 농가 데이터 집합(cluster)을 산출하고, 상기 산출된 농가 데이터 집합을 학습한 후, 상기 학습된 농가 데이터 집합을 상기 예측모듈에 제공하여 상기 농가 데이터를 업데이트시키는 학습모듈;
    을 포함하는 것을 특징으로 하는 기계학습을 이용한 양액제어장치.
  7. 제 6항에 있어서,
    상기 요구량 예측부는,
    상기 예측모듈 및 상기 학습모듈을 순차적으로 반복 수행하여 상기 기계학습을 하는 것을 특징으로 하는 기계학습을 이용한 양액제어장치.
  8. 제 6항에 있어서,
    상기 예측모듈은,
    상기 필터링된 농가 데이터 중 서로 다른 인자들을 조합하여 복수의 패턴을 생성하고, 상기 생성된 복수의 패턴 중 특정 작물 및 종에 대한 특정패턴을 반복적인 상기 상관관계 분석 및 상기 회귀분석으로 추출하며, 상기 추출된 특정패턴을 이용하여 상기 작물의 생육시기를 예측하는 것을 특징으로 하는 기계학습을 이용한 양액제어장치.
  9. 제 1항에 있어서,
    상기 작물의 생육정보는, 상기 작물의 생산량, 경경, 총경, 엽면적지수(leaf area index, LAI), 엽온, 줄기두께, 생장속도, 생장량 및 생체중량 중 적어도 하나의 인자를 포함하고,
    상기 작물의 근권부 환경정보는 배지함수량, 배지EC, 배지온도, 급액량, 급액EC, 배액EC, 배지무게, 재배단 무게, 급액 내 양액의 조성 및 배양 내 양액의 조성 중 적어도 하나의 인자를 포함하며,
    상기 재배시설의 환경정보는 온실의 형태, 온도, 습도, 순간광량, 누적일사량 및 이산화탄소 농도 중 적어도 하나의 인자를 포함하는 것을 특징으로 하는 기계학습을 이용한 양액제어장치.
  10. 작물의 생육정보, 근권부 환경정보 및 재배시설의 환경정보 중 적어도 하나의 정보가 포함된 농가 데이터를 수신하는 단계;
    상기 수신된 농가 데이터를 기계학습으로 상기 작물의 생육시기를 예측하는 단계; 및
    상기 예측된 생육시기를 이용하여 상기 작물에 필요한 양액의 공급량을 산출하는 단계;
    를 포함하는 기계학습을 이용한 양액제어방법.
KR1020160107107A 2016-08-23 2016-08-23 기계학습을 이용한 양액제어장치 및 방법 KR20180022159A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160107107A KR20180022159A (ko) 2016-08-23 2016-08-23 기계학습을 이용한 양액제어장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160107107A KR20180022159A (ko) 2016-08-23 2016-08-23 기계학습을 이용한 양액제어장치 및 방법

Publications (1)

Publication Number Publication Date
KR20180022159A true KR20180022159A (ko) 2018-03-06

Family

ID=61727069

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160107107A KR20180022159A (ko) 2016-08-23 2016-08-23 기계학습을 이용한 양액제어장치 및 방법

Country Status (1)

Country Link
KR (1) KR20180022159A (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101968613B1 (ko) * 2018-07-10 2019-08-13 주식회사 프라임제이이앤씨 데이터베이스 기반 액체비료 공급/관리 시스템 및 방법
US10515715B1 (en) 2019-06-25 2019-12-24 Colgate-Palmolive Company Systems and methods for evaluating compositions
KR102069202B1 (ko) * 2019-09-24 2020-01-22 농업회사법인 상상텃밭 주식회사 머신러닝을 활용한 양액에서 이온 간섭 효과 제거 장치 및 방법
KR102118957B1 (ko) * 2020-02-06 2020-06-04 농업회사법인 상상텃밭 주식회사 식물 뿌리의 이온 흡수율 분석 장치 및 방법
KR20210007314A (ko) * 2019-07-11 2021-01-20 (주)코노텍 시스템 에어 환경 조절 장치
CN112465316A (zh) * 2020-11-16 2021-03-09 中国科学院合肥物质科学研究院 一种融入价格因素的雾培作物营养液需求响应调控评估***
KR20210062842A (ko) * 2019-11-22 2021-06-01 (주)코노텍 시스템 에어 환경 조절 장치
KR20210085008A (ko) * 2019-12-30 2021-07-08 한국과학기술연구원 인공지능 기반 스마트 작물 재배 관리장치, 및 그 방법
KR20220019201A (ko) * 2020-08-07 2022-02-16 주식회사 긴트 트랙터 운용 시스템 및 이의 운용 방법
KR102423998B1 (ko) * 2021-12-23 2022-07-22 농업회사법인 상상텃밭 주식회사 강화학습 ai를 활용한 식물공장 양액제어 시스템 최적화 방법

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101968613B1 (ko) * 2018-07-10 2019-08-13 주식회사 프라임제이이앤씨 데이터베이스 기반 액체비료 공급/관리 시스템 및 방법
US11315663B2 (en) 2019-06-25 2022-04-26 Colgate-Palmolive Company Systems and methods for producing personal care products
US10515715B1 (en) 2019-06-25 2019-12-24 Colgate-Palmolive Company Systems and methods for evaluating compositions
US11728012B2 (en) 2019-06-25 2023-08-15 Colgate-Palmolive Company Systems and methods for preparing a product
US10839942B1 (en) 2019-06-25 2020-11-17 Colgate-Palmolive Company Systems and methods for preparing a product
US11342049B2 (en) 2019-06-25 2022-05-24 Colgate-Palmolive Company Systems and methods for preparing a product
US10861588B1 (en) 2019-06-25 2020-12-08 Colgate-Palmolive Company Systems and methods for preparing compositions
US10839941B1 (en) 2019-06-25 2020-11-17 Colgate-Palmolive Company Systems and methods for evaluating compositions
KR20210007314A (ko) * 2019-07-11 2021-01-20 (주)코노텍 시스템 에어 환경 조절 장치
KR102069202B1 (ko) * 2019-09-24 2020-01-22 농업회사법인 상상텃밭 주식회사 머신러닝을 활용한 양액에서 이온 간섭 효과 제거 장치 및 방법
KR20210062842A (ko) * 2019-11-22 2021-06-01 (주)코노텍 시스템 에어 환경 조절 장치
KR20210085008A (ko) * 2019-12-30 2021-07-08 한국과학기술연구원 인공지능 기반 스마트 작물 재배 관리장치, 및 그 방법
KR102118957B1 (ko) * 2020-02-06 2020-06-04 농업회사법인 상상텃밭 주식회사 식물 뿌리의 이온 흡수율 분석 장치 및 방법
KR20220019201A (ko) * 2020-08-07 2022-02-16 주식회사 긴트 트랙터 운용 시스템 및 이의 운용 방법
CN112465316A (zh) * 2020-11-16 2021-03-09 中国科学院合肥物质科学研究院 一种融入价格因素的雾培作物营养液需求响应调控评估***
CN112465316B (zh) * 2020-11-16 2024-05-03 中国科学院合肥物质科学研究院 一种融入价格因素的雾培作物营养液需求响应调控评估***
KR102423998B1 (ko) * 2021-12-23 2022-07-22 농업회사법인 상상텃밭 주식회사 강화학습 ai를 활용한 식물공장 양액제어 시스템 최적화 방법

Similar Documents

Publication Publication Date Title
KR101811640B1 (ko) 기계학습을 이용한 작물의 생산량 예측장치 및 방법
KR20180022159A (ko) 기계학습을 이용한 양액제어장치 및 방법
KR20180076766A (ko) 인공지능 스마트팜 관리 시스템
KR20200063500A (ko) 모듈형 스마트팜 버섯재배 시스템
KR101823521B1 (ko) 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법
WO2013126023A1 (en) A plant growth system and monitoring method
CN117893346A (zh) 一种基于物联网的ai智慧农业采收管理***及其应用
Costa et al. Greenhouses within the Agricultura 4.0 interface
Lešić et al. Rapid plant development modelling system for predictive agriculture based on artificial intelligence
US20230309464A1 (en) Method and apparatus for automated crop recipe optimization
KR102355211B1 (ko) 농작물 재배 모니터링 시스템
CN116578047B (zh) 一种用于辣椒生产的精细化智能控制方法及***
Challa et al. Reflections about optimal climate control in greenhouse cultivation
CN111869532A (zh) 一种兰花自动化培植***及培植方法
KR102609912B1 (ko) 양액재배 통합제어 시스템
KR102471743B1 (ko) 스마트팜의 미래 생산량 예측 방법
KR102377963B1 (ko) 육묘장 관리 시스템 및 방법
Rajendiran et al. Smart Aeroponic Farming System: Using IoT with LCGM-Boost Regression Model for Monitoring and Predicting Lettuce Crop Yield.
CN115171036A (zh) 一种智能农业大棚的植物管理控制方法和***
JP2023516214A (ja) 調整された育成プロトコル目標値を用いる実験
KR102471742B1 (ko) 스마트팜의 생산량과 환경에 대한 최적선형모델 구축 방법
JP2022161489A (ja) 形質変化推定システム及び自動栽培システム
CN117530164B (zh) 一种基于机器视觉的智能决策立体循环育秧方法和***
Frank et al. Data Processing and Analytics for Agricultural Greenhouse Control Systems
Pathak et al. 8 Smart Greenhouse

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E601 Decision to refuse application