KR20210155667A

KR20210155667A - 토마토의 최적 생육 환경 학습 시스템 및 방법

Info

Publication number: KR20210155667A
Application number: KR1020200073176A
Authority: KR
Inventors: 이성호
Original assignee: (주)호현에프앤씨
Priority date: 2020-06-16
Filing date: 2020-06-16
Publication date: 2021-12-23
Also published as: KR102440824B1

Abstract

토마토의 최적 생육 환경 학습 시스템 및 방법이 개시된다. 토마토의 최적 생육 환경 학습 시스템은 토마토의 생육 환경을 형성하는 영향 인자들 중 미리 지정된 다수개의 영향 인자들에 대해 사용자가 입력한 예측 영향 인자값에 따른 예측 생산량과, 미리 설정된 이상 영향 인자값들을 적용하여 산출한 이상적인 생산량을 각각 산출하는 학습 유닛; 및 상기 예측 영향 인자값 및 상기 이상 영향 인자값을 적용하여 상기 예측 생산량과 상기 이상적인 생산량을 산출하기 위한 연산 테이블이 저장된 데이터베이스를 포함한다.

Description

토마토의 최적 생육 환경 학습 시스템 및 방법{Learning system and method for optimal growth environment of tomato}

본 발명은 토마토의 최적 생육 환경 학습 시스템 및 방법에 관한 것이다.

IT 기술이 급속히 발전하면서, 농업 생산성을 향상시키기 위해 농업 분야에도 스마트팜, 식물 공장 등 많은 자동화 기술 및 정보 기술이 적용되고 있다.

일 예로, 인위적으로 환경을 조정하고, 작물에 양분을 공급하여 재배하는 방법으로서 온실 농업이 확산되고 있다. 온실 농업이 절감된 노동력으로 고품질의 농작물을 생산할 수 있도록 하는 장점은 있으나, 환경 제어 및 양액 제어 등 운영의 복잡도와 난이도가 매우 높은 단점이 있다.

온실 농업과 같이 IT 기술을 접목시킨 새로운 농업 기법이 널리 확대되고 있음에도, 현재 다수의 농가에서 단지 경험에 따른 영농을 고수하고 있어 우수한 재배 효율성을 확보하지 못하는 문제점이 있다.

또한, 최적의 생육 환경을 조성하여 토마토 등 다양한 작물을 재배하고자 하는 농가일지라도, 최적의 생육 환경을 조성하기 위한 관리 기법을 학습할 기회를 제공받지 못하여 경험에 의존한 영농을 실시할 수 밖에 없는 문제점도 있다.

한국공개특허 제10-2018-0055718호

본 발명은 온실 특성에 따른 이상적인 생산량과 학습자가 입력한 생육 환경 정보에 따른 예측 생산량을 대비하여 표시함으로써, 학습자가 최적의 예측 생산량이 산출되도록 생육 환경 정보의 영향 인자들 각각을 조정하여 입력하는 과정에서 자연스럽게 이상적인 생육 환경 정보를 학습할 수 있도록 하는 토마토의 최적 생육 환경 학습 시스템 및 방법을 제공하기 위한 것이다.

본 발명은 생산량 데이터와 생육 환경 정보에 관한 농가 데이터를 다양하게 수집하고 생산량 예측 모델을 반복 기계 학습시켜, 각 영향 인자들과 생산량간의 상관 관계를 분석할 수 있어 온실 특성에 기반한 영향 인자들의 이상적인 설정값을 정확하게 도출할 수 있는 토마토의 최적 생육 환경 학습 시스템 및 방법을 제공하기 위한 것이다.

본 발명은 학습자가 학습 과정에서 최적의 예측 생산량이 산출되도록 선정한 각 영향 인자들의 설정값과, 학습자의 실제 토마토 재배 과정에서 실제 적용된 생육 환경 정보가 비일치하는 경우에는 비일치 정보를 통지하여 학습자가 생육 환경을 재확인할 수 있도록 하는 토마토의 최적 생육 환경 학습 시스템 및 방법을 제공하기 위한 것이다.

본 발명의 이외의 목적들은 하기의 설명을 통해 쉽게 이해될 수 있을 것이다.

본 발명의 일 측면에 따르면, 토마토의 최적 생육 환경 학습 시스템으로서, 토마토의 생육 환경을 형성하는 영향 인자들 중 미리 지정된 다수개의 영향 인자들에 대해 사용자가 입력한 예측 영향 인자값에 따른 예측 생산량과, 미리 설정된 이상 영향 인자값들을 적용하여 산출한 이상적인 생산량을 각각 산출하는 학습 유닛; 및 상기 예측 영향 인자값 및 상기 이상 영향 인자값을 적용하여 상기 예측 생산량과 상기 이상적인 생산량을 산출하기 위한 연산 테이블이 저장된 데이터베이스를 포함하는 토마토의 최적 생육 환경 학습 시스템이 제공된다.

여기서, 상기 미리 지정된 다수개의 영향 인자들은 온실 특성, 재식 특성, 재식 기간과 장소, 토마토 품종, 출하 규격, 온실 환경 특성, 환경 정보를 수집하는 센서 특성, 온실 내의 환경을 제어하는 제어기 특성, 양액 특성, 병원성 세균 피해, 해충 피해, 생리 장애 피해 및 작목 모니터링 요소일 수 있다.

상기 미리 지정된 다수개의 영향 인자들은 예측 영향 인자값을 입력받기 위해 미리 지정된 순서로 유저 단말의 사용자에게 제시되며, 상기 예측 생산량은 예측 영향 인자값이 입력될 때마다 갱신되도록 산출되되, 예측 영향 인자값이 아직 입력되지 않은 영향 인자에 대해서는 미리 설정된 이상 영향 인자값이 적용되어 산출될 수 있고, 상기 사용자가 상기 이상적인 생산량과 상기 예측 생산량과의 차이가 상대적으로 최소가 되도록 예측 영향 인자값을 변경하는 과정을 통해 토마토 재배를 위한 최적의 생육 환경이 학습되도록 할 수 있다.

상기 학습 유닛은 상기 유저 단말의 사용자에게 상기 데이터베이스에 미리 저장된 문제 데이터를 표출시켜 상기 사용자의 경영 기술 수준에 대한 평가를 수행하고, 평가 점수에 대해 상기 연산 테이블에 규정된 정보를 더 참조하여 상기 예측 생산량을 재산출할 수 있다.

미리 수집된 농가 데이터들에 각각 포함된 토마토 생산량과 생육 환경 정보를 이용하여 각 영향 인자값들의 변화에 따른 토마토 생산량의 변화를 학습하도록 미리 구성된 생육 모델을 이용하여, 상기 이상 영향 인자값들은 상대적으로 가장 많은 토마토 생산량을 나타내는 각 영향 인자의 설정값으로 도출될 수 있다.

상기 학습 유닛은, 토마토가 실제로 재배되는 온실에 설치된 센서 장치에서 생성되는 온실 환경 정보, 상기 온실의 제어용 프로그램에서 관리되는 온실 환경 제어기의 사용 여부에 관한 환경 제어기 정보와 사용 비료 정보를 포함하는 재배 정보를 수신하고, 상기 사용자가 최종적으로 상기 예측 생산량을 산출하기 위해 설정한 예측 영향 인자값과 상기 재배 정보에서 도출되는 실제 영향 인자값이 미리 지정된 오차 범위에서 비일치하면 상기 사용자에게 알람 메시지를 전송할 수 있다.

상기 학습 유닛은, 상기 실제 영향 인자값을 적용하여 산출한 예측 생산량이 상기 예측 영향 인자값을 적용하여 산출한 예측 생산량보다 작은 경우에만, 상기 사용자에게 알람 메시지를 전송할 수도 있다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

본 발명의 실시예에 따르면, 온실 특성에 따른 이상적인 생산량과 학습자가 입력한 생육 환경 정보에 따른 예측 생산량을 대비하여 표시함으로써, 학습자가 최적의 예측 생산량이 산출되도록 생육 환경 정보의 영향 인자들 각각을 조정하여 입력하는 과정에서 자연스럽게 이상적인 생육 환경 정보를 학습할 수 있도록 하는 효과가 있다.

또한, 생산량 데이터와 생육 환경 정보에 관한 농가 데이터를 다양하게 수집하고 생산량 예측 모델을 반복 기계 학습시켜, 각 영향 인자들과 생산량간의 상관 관계를 분석할 수 있어 온실 특성에 기반한 영향 인자들의 이상적인 설정값을 정확하게 도출할 수 있는 효과도 있다.

또한, 학습자가 학습 과정에서 최적의 예측 생산량이 산출되도록 선정한 각 영향 인자들의 설정값과, 학습자의 실제 토마토 재배 과정에서 실제 적용된 생육 환경 정보가 비일치하는 경우에는 비일치 정보를 통지하여 학습자가 생육 환경을 재확인할 수 있도록 하는 효과도 있다.

도 1은 본 발명의 일 실시예에 따른 토마토의 최적 생육 환경 학습 시스템의 블록 구성도.
도 2는 본 발명의 일 실시예에 따른 최적 생육 환경을 학습을 위해 토마토 생산량 예측용 영향 인자들의 단계별 적용 과정을 예시한 도면.
도 3 내지 도 15는 본 발명의 일 실시예에 따른 영향 인자의 설정에 따른 이상적인 생산량과 예측 생산량의 대비 화면을 예시한 도면.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일하거나 관련된 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

도 1은 본 발명의 일 실시예에 따른 토마토의 최적 생육 환경 학습 시스템의 블록 구성도이고, 도 2는 본 발명의 일 실시예에 따른 최적 생육 환경을 학습을 위해 토마토 생산량 예측용 영향 인자들의 단계별 적용 과정을 예시한 도면이며, 도 3 내지 도 15는 본 발명의 일 실시예에 따른 영향 인자의 설정에 따른 이상적인 생산량과 예측 생산량의 대비 화면을 예시한 도면이다.

도 1을 참조하면, 토마토의 최적 생육 환경 학습 시스템(100)(이하, 학습 시스템(100)이라 칭함)은 학습 유닛(110) 및 데이터베이스(120)를 포함할 수 있다. 학습 시스템(100)은 후술되는 바와 같이, 최적값 산출 유닛(130)을 더 포함할 수도 있다.

도 1에는 농업인 등인 학습자가 유저 단말(150)의 통신 기능을 이용하여 학습 시스템(100)에 접속하여 토마토의 생육 환경에 관한 영향 인자들 각각이 예측 생산량에 미치는 영향과, 최적의 예측 생산량이 산출되도록 하는 영향 인자들 각각의 이상적 설정값을 학습하는 시스템 구성이 예시되었다. 이외에도, 유저 단말(150)과 학습 시스템(100)이 일체화되어 구현되거나, 학습 유닛(110)은 소프트웨어 프로그램의 형태로 유저 단말(150)에 설치되어 운용되도록 하는 등 다양한 시스템 구조로 형성될 수 있음은 당연하다. 여기서, 유저 단말(150)은 예를 들어, 스마트폰, 컴퓨터 장치 등과 같이 통신 기능과 표시 수단을 구비한 장치일 수 있다.

본 발명자는 온실 영농 기법으로 토마토를 재배하는 다수의 농가 데이터(예를 들어, 생산량 데이터, 생육 환경 정보 등)를 다년간 수집하고 빅데이터 분석 기법으로 분석함으로써, 토마토의 생산량에 영향을 미치는 대표적인 영향 인자들을 도출하였으며, 도출된 대표적인 영향 인자들에 대한 설정값에 의해 토마토 생산량을 90% 수준의 정확도로 예측할 수 있음을 확인하였다.

여기서, 대표적인 영향 인자들은 총 15가지로 규정될 수 있고, 도 2에 예시된 바와 같이, 온실 특성, 재식 특성, 재식 기간과 장소, 토마토 품종, 출하 규격, 온실 환경 특성, 환경 정보를 수집하는 센서 특성, 온실 내의 환경을 제어하는 제어기 특성, 양액 특성, 병원성 세균 피해, 해충 피해, 생리 장애 피해, 작목 모니터링 요소 및 농업인의 경영 기술 수준이다.

학습자는 후술되는 학습 유닛(110)을 이용하여 생육 환경 정보의 영향 인자들 각각에 대한 설정값을 입력하고 조정함에 의해, 온실 특성에 따른 이상적인 생산량과 학습자가 입력한 생육 환경 정보에 따른 예측 생산량의 대비 정보를 제공받게 되며, 최적의 예측 생산량이 산출되도록 영향 인자들 각각을 조정하여 입력하는 과정에서 자연스럽게 이상적인 생육 환경 정보를 학습할 수 있게 된다.

학습 유닛(110)은 유저 대응부(112), 연산부(114), 문제 출제부(116) 및 결과 관리부(116)를 포함할 수 있다.

유저 대응부(112)는 유저 단말(150)과 통신망을 통해 접속되어, 유저 단말(150)에 학습자가 생육 환경 정보를 입력할 수 있는 예측 화면이 표시되도록 하며, 예측 화면을 통해 입력된 생육 환경 정보에 상응하는 이상적인 생산량과 예측 생산량이 대비하여 표시되도록 할 수 있다.

예측 화면은 도 3 내지 도 14에 예시된 바와 같이 생육 환경 정보의 영향 인자들이 미리 지정된 단계별로 입력되어 예측 생산량 등을 확인할 수 있도록 제공될 수 있다. 물론, 예측 화면은 하나의 표시 화면 내에서 미리 지정된 영향 인자들을 모두 입력하여 예측 생산량 등을 확인할 수 있도록 통합 구현될 수도 있다.

이하, 설명의 편의를 위해 예측 생산량을 산출하기 위해 학습자가 입력하는 생육 환경 정보와 생육 환경 정보를 구성하는 영향 인자의 설정값 각각은 예측 환경 정보와 예측 영향 인자값이라 칭하기로 한다. 이와 달리, 이상적인 생산량이 산출되도록 미리 규정된 생육 환경 정보와 생육 환경 정보를 구성하는 영향 인자의 설정값 각각은 이상 환경 정보와 이상 영향 인자값이라 칭하기로 한다.

연산부(114)는 예측 화면을 이용하여 학습자가 입력한 예측 영향 인자값을 데이터베이스(120)에 미리 저장된 연산 테이블에 대응시켜 예측 생산량을 산출할 수 있다. 또한, 연산부(114)는 학습자가 아직 지정하지 않은 영향 인자에 대해서는 이상 영향 인자값을 적용하여 이상적인 생산량을 산출할 수 있다. 연산부(114)에 의해 산출된 예측 생산량과 이상적인 생산량은 예측 화면에 표시되는 형태로 유저 단말(150)에 제공될 수 있다.

여기서, 연산 테이블은 미리 수집된 농가 데이터들(예를 들어, 생산량 데이터, 각 영향 인자의 설정값을 포함하는 생육 환경 정보 등)을 미리 설정된 빅데이터 분석 기법으로 분석함으로써 각 영향 인자들의 세부 유형에 대해 개별적인 값으로 미리 설정될 수 있다. 연산부(114)는 예측 영향 인자값 및/또는 이상 영향 인자값이 설정되었을 때 연산 테이블을 이용하여 예측 생산량과 이상적인 생산량을 각각 산출할 수 있다.

또한, 이상 영향 인자값은 연산 테이블을 참조하여 각 영향 인자에 포함된 세부 유형들 중 가장 높은 토마토 생산량에 가장 양호한 영향을 미치는 유형과 설정값으로 각 영향 인자에 대해 미리 설정되거나, 관리자에 의해 미리 지정될 수 있다.

예를 들어, 온실 재질이 유리, FRP, PO, PVC 및 EVA로 선택될 수 있는 경우, 광합성에 영향을 미치는 광투과율은 각각 91%, 90%, 90%, 90% 및 88%로 연산 테이블에 미리 설정될 수 있으며, 영향 인자인 온실 재질에 대한 이상 영향 인자값은 유리 - 91%로 미리 설정될 수 있을 것이다.

또한, PO(폴리올레핀)의 경우, 유리와 투과율이 거의 비슷하고 산파가 잘되는 장점은 있으나, UV 처리로 인해 온실내 자외선 유입이 차단되어 병충해 발생의 우려가 많은 단점이 있다. 이러한 단점이 예측 생산량에 영향을 미칠 수 있도록 병원성 세균 피해, 해충 피해와 같이 관련성을 가지는 영향 인자에서 가중치 값이 적용되도록 연산 테이블이 생성될 수도 있다.

도 2 내지 도 15를 참조하여 연산부(114), 문제 출제부(116) 및 결과 관리부(118)의 동작을 구체적으로 설명한다.

연산부(114)는 15가지로 미리 규정된 대표적인 영향 인자들 각각에 대해 미리 구성된 단계별로 학습자가 입력한 예측 영향 인자값을 연산 테이블에 적용하여 해당 단계까지의 예측 영향 인자값이 적용된 예측 생산량을 산출하여 예측 화면을 통해 표시되도록 할 수 있다.

이때, 연산부(114)는 도 2에 예시된 바와 같이, 온실 특성, 재식 특성, 재식 기간과 장소, 토마토 품종, 출하 규격, 온실 환경 특성, 환경 정보를 수집하는 센서 특성, 온실 내의 환경을 제어하는 제어기 특성, 양액 특성, 병원성 세균 피해, 해충 피해, 생리 장애 피해, 작목 모니터링 요소 및 농업인의 경영 기술 수준의 순서로 15가지의 대표적인 영향 인자들이 단계별로 적용되도록 할 수 있다. 여기서, 온실 특성을 제외한 나머지 영향 인자들의 적용 순서는 다양하게 변경될 수 있음은 당연하다.

도 2에 예시된 순서로 영향 인자들이 적용된다고 가정하면, 연산부(114)는 도 3에 예시된 바와 같이, 제1 단계의 예측 화면을 통해 입력된 온실 형태(예를 들어, 유리, PO 비닐 등), 가로/장축, 세로 장축, 높이, 동수(ea)와 같이 온실 특성에 관한 예측 영향 인자값을 기초로 연산 테이블을 이용하여 예측 생산량을 산출한다.

전술한 바와 같이, 연산 테이블은 예측 생산량이 산출될 수 있도록 온실 재질 등에 따른 상응하는 값이 미리 설정되어 데이터베이스(120)에 저장될 수 있다. 이때, 온실 표면의 청소 횟수, 비닐의 사용 횟수 등을 학습자가 더 입력할 수 있도록 하고, 이를 반영하여 예측 생산량이 산출될 수 있도록 연산 테이블이 미리 구성될 수도 있다.

도 3에 예시된 바와 같이, 학습자는 제1 단계의 예측 화면에 포함된 입력란에 예측 영향 인자값을 입력하고, 예측량 보기 버튼을 클릭함으로써 예측 생산량이 예측값 항목에서 표시되도록 할 수 있다. 산출된 예측 생산량과 대비할 수 있도록, 연산부(114)는 미리 설정된 이상 영향 인자값에 의해 산출된 이상적인 생산량이 참고값 항목에 표시되도록 할 수 있다.

이때, 예측 생산량은 이상적인 생산량과 일치하거나, 이상적인 생산량보다 작은 값으로 산출될 것이다. 학습자는 예측 영향 인자값을 조정함으로써 예측 생산량이 변동되도록 할 수 있고, 예측 생산량이 이상적인 생산량과 일치하거나 가장 유사한 값이 되도록 조정하는 과정에서 예측 영향 인자값이 토마토 생산량과 어떤 영향을 가지고, 또한 가장 최적의 예측 영향 인자값이 무엇인지를 학습할 수 있게 될 것이다.

온실 특성에 관한 예측 영향 인자값에 기초한 예측 생산량이 산출되면, 유저 대응부(112)는 재식 특성을 추가적으로 고려하여 예측 생산량을 산출하는 제2 단계의 예측 화면으로 전환되도록 할 수 있다. 물론, 예측 화면의 전환은 예를 들어 전단계 버튼 또는 다음단계 버튼 등을 이용하는 학습자의 조작에 의해 전진 또는 후진 등의 방식으로 전환되도록 할 수도 있다.

학습자는 도 4에 예시된 제2 단계의 예측 화면을 이용하여 토마토의 재식 간격(즉, 줄간 간격과 재식 간격)에 관한 예측 영향 인자값을 설정할 수 있다.

연산부(114)는 전술한 온실 특성에 관한 예측 영향 인자값으로 설정된 온실의 크기(즉, 재배 면적)와 재식 간격에 대한 예측 영향 인자값을 참조하여 총 재식수를 계산할 수 있고, 이를 통해 예측 생산량을 산출할 수 있다. 예를 들어, 재식 간격에 관한 이상 영향 인자값이 0.4mx0.4m인 경우, 학습자가 0.5mx0.5m를 예측 영향 인자값으로 설정하였다면, 예측 생산량은 이상적인 생산량에 비해 적은 값으로 산출될 것이다.

여기서, 예측 생산량을 산출하기 위한 연산 테이블은 타 작목에 영향을 주는 임계 면적을 기준점으로 하여 임계 면적을 초과하는 경우 수확량 감소분이 반영되도록 미리 생성될 수도 있다.

재식 간격에 관한 예측 영향 인자값에 기초한 예측 생산량이 산출되면, 유저 대응부(112)는 후속 단계인 재식 기간 및 장소를 추가적으로 고려하여 예측 생산량을 산출하는 예측 화면으로 전환되도록 할 수 있다.

학습자는 도 5에 예시된 제3 단계의 예측 화면을 이용하여, 토마토의 재식 기간(즉, 파종일, 가식일, 정식일 및 수확 종료일)과 농장 지역에 관한 예측 영향 인자값을 설정할 수 있다.

연산부(114)는 토마토의 재배 기간의 최대 임계치를 35주로 설정하고, 재배 지역과 재배 기간별 일사량 및 생산량 등을 고려하여 예측 생산량이 산출되도록 미리 규정된 연산 테이블을 이용하여 예측 생산량을 산출한다. 이때, 재배 기간은 주간 단위로 기준하여 예측 생산량이 산출되도록 할 수 있다. 제3 단계에서 산출된 예측 생산량은 제2 단계에서 산출된 예측 생산량과 일치하거나 더 적은 값일 수 있다.

이후, 학습자가 도 6에 예시된 제4 단계의 예측 화면을 이용하여, 토마토의 품종 및 출하 규격에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 품종별 유전적 요인이 고려되도록 품종별 평균 생산량과 품종별 생산 지수(예를 들어, 품종별 단위 생산량)를 참조하여 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 이때, 연산부(114)는 연산 테이블을 이용하여 토마토의 출하 규격(즉, 중량)에 따라 생산에 필요한 기간 및 총 필요 에너지량을 더 산출할 수도 있다.

이후, 학습자가 도 7에 예시된 제5 단계의 예측 화면을 이용하여, 토마토를 재배하는 온실 내부의 환경 특성에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 온실 환경 관리 기준 항목과 관리 설정값에 따른 총 광합성량을 참조하여 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 여기서, 온실 환경 관리 기준 항목은 예를 들어 일 평균 온도, 적산 온도, 일교차, 평균 습도, CO2, 일사량, 풍속 등일 수 있다. 연산 테이블에는 각 기준 항목의 측정값에 생산 지수값이 설정됨으로써, 연산부(114)는 각 기준 항목에 대해 설정된 예측 영향 인자값에 상응하는 예측 생산량을 산출할 수 있다.

이후, 학습자가 도 8에 예시된 제6 단계의 예측 화면을 이용하여, 토마토를 재배하는 온실에 설치된 환경 정보 수집 센서의 종류 등에 관련된 센서 특성에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 미리 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 예를 들어, 온도센서, 습도센서, CO2센서, 일사센서, 풍향센서, 풍속센서, EC센서, PH센서 등과 같은 환경 정보 수집 센서의 종류와 설치 개수는 온실의 환경 관리 제어 조건에 영향을 미치게 된다. 따라서, 연산 테이블은 환경 정보 수집 센서의 종류와 설치 개수를 참조하여 예측 생산량을 산출할 수 있도록 미리 구성된다.

이후, 학습자가 도 9에 예시된 제7 단계의 예측 화면을 이용하여, 토마토를 재배하는 온실의 천장 개폐, 일광 차단 스크린, 환기 팬, 양액기, 난방 유형 등 온실 환경을 제어하는 제어기의 종류와 수량, 사용 여부 등에 관련된 환경 제어기 특성에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 미리 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 연산 테이블은 온실 환경 제어기의 구비 여부에 따라 가중치를 달리 적용하여 예측 생산량을 산출할 수 있도록 미리 구성된다.

이후, 학습자가 도 10에 예시된 제8 단계의 예측 화면을 이용하여, 토마토 재배시의 영양 관리 등에 관련된 양액 특성에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 미리 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 예를 들어 학습자가 예측 화면에 임의의 비료 유형이나 명칭을 입력하면, 연산부(114)는 해당 비료의 구성 성분(예를 들어, 질소, 인산, 칼륨 등)의 양을 해석하고, 생육 단계별 영양 성분의 종류와 양에 의한 생산 지수가 규정된 연산 테이블을 이용하여 예측 생산량을 산출한다.

이후, 학습자가 도 11에 예시된 제9 단계의 예측 화면을 이용하여 병원성 세균의 발병에 관한 세균 피해에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 미리 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 또한, 학습자가 도 12에 예시된 제10 단계의 예측 화면을 이용하여 병원성 세균의 발병에 관한 해충 피해에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 미리 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 병원성 세균의 유형, 해충의 유형 발병시기, 치료기간. 피해유형, 피해량 등은 최종적인 생산량에 영향을 미치기 때문에 이를 고려하여 예측 생산량이 산출되도록 연산 테이블이 미리 구성된다.

이후, 학습자가 도 13에 예시된 제11 단계의 예측 화면을 이용하여 토마토의 생리 장애 피해에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 미리 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 생리장애의 유형, 발병시기, 치료기간. 피해유형, 피해량 등은 최종적인 생산량에 영향을 미치기 때문에 이를 고려하여 예측 생산량이 산출되도록 연산 테이블이 미리 구성된다.

이후, 학습자가 도 14에 예시된 제12 단계의 예측 화면을 이용하여 토마토의 재배 과정에서의 미리 지정된 모니터링 요소들에 관한 예측 영향 인자값을 설정하면, 연산부(114)는 미리 생성된 연산 테이블을 이용하여 예측 생산량을 산출한다. 모니터링 요소들은 예를 들어 토마토의 초장, 줄기 총길이, 잎 길이, 주당엽수, 초장경경, 화방길이, 화방갯수, 개화속도, 주당 화방수, 주당 착과수와 같은 10개의 작물 생육 계측값으로 미리 설정될 수 있다. 이러한 모니터링 요소들에 대한 모니터링 여부가 토마토의 수확량에 영향을 미치기 때문에 이를 고려하여 예측 생산량이 산출되도록 연산 테이블이 미리 구성된다.

전술한 12 단계에 걸쳐 학습자가 예측 영향 인자값을 각각 설정하여 예측 생산량이 산출되면, 유저 대응부(112)는 제13 단계로써 학습자의 농업 경영 기술을 진단하기 위한 평가 화면으로 전환되도록 한다.

문제 출제부(116)는 문제 은행 형태로 데이터베이스(120)에 미리 저장된 문제 데이터들 중 미리 지정된 수량의 문제가 평가 화면에 표시되도록 하며, 유저 대응부(112)는 유저 단말(150)로부터 문제 풀이 정보를 수신하여 점수 산출함으로써 학습자의 경영기술 수준을 진단할 수 있다.

연산부(114)는 학습자의 문제 풀이 결과로 획득된 점수에 대해 연산 테이블에 규정된 정보를 참조하여 예측 생산량을 산출하여 평가 화면에 표시되도록 한다.

전술한 바와 같이, 제1 단계에서 설정된 온실 특성의 예측 영향 인자값에 의해 온실의 재질과 크기 등이 결정되면, 연산부(114)는 해당 온실 특성에 상응하는 예측 영향 인자값과 그 이외의 영향 인자들에 대해서는 이상 영향 인자값을 적용하여 해당 온실에서 생산할 수 있는 이상적인 생산량을 산출하여 예측 화면과 평가 화면에 표시되도록 할 수 있다.

이후 제2 단계 내지 제12 단계에 걸쳐, 학습자는 각각의 영향 인자에 대해 예측 영향 인자값을 순차적으로 설정하게 되고, 각 단계에서 예측 생산량이 산출되어 순차적인 예측 화면들에 각각 표시된다. 특정 단계에서 산출된 예측 생산량은 직전 단계까지 설정된 예측 영향 인자값과 후행하는 단계에 대해서는 이상 예측 영향 인자값을 적용하여 산출된 것일 수 있다.

이후 제13 단계에서 평가된 농업인 등인 학습자의 경영 기술 수준이 고려되도록 예측 생산량이 최종 산출된다. 여기서, 각 단계에서의 예측 화면 또는 평가 화면에는 산출된 예측 생산량과 제1 단계에서 산출된 이상적인 생산량이 대비되어 표시될 수 있다.

각 단계에서 또는 최종 산출된 예측 생산량은 이상적인 생산량과 차이를 가질 수 있으며, 이상적인 생산량과의 차이를 상대적으로 줄이기 위해 학습자는 예측 영향 인자값을 조정하거나 변경할 수 있을 것이다.

이와 같이, 본 실시예에 따른 학습 시스템(100)은 온실 특성에 기인한 이상적인 생산량과 학습자가 입력한 생육 환경 정보(즉, 각각의 예측 영향 인자값들)에 따른 예측 생산량을 대비하여 표시하고, 학습자가 최적의 예측 생산량이 산출되도록 생육 환경 정보의 영향 인자들 각각을 조정하여 입력하는 과정에서 자연스럽게 이상적인 생육 환경 정보를 학습할 수 있도록 하는 특징이 있다.

이상적인 생육 환경 정보를 구성하는 이상 영향 인자값들 각각은 관리자에 의해 미리 설정될 수도 있으나, 농가의 토마토 생산량과 생육 환경에 관한 농가 데이터를 기계 학습하여 도출될 수도 있다. 이때, 이상 영향 인자값을 도출하는 농가 데이터의 범위는 전체 농가, 학습자가 입력한 재식 장소와 동일한 지역의 농가 및 학습자가 속한 해당 농가의 데이터 중에서 미리 지정될 수 있다.

기계 학습 방식으로 이상 영향 인자값들을 도출하기 위해, 도 1에 도시된 바와 같이, 학습 시스템(100)은 최적값 산출 유닛(130)을 포함할 수 있다.

최적값 산출 유닛(130)은 데이터베이스(120)에 저장된 농가 데이터들을 이용하여 기계 학습하도록 미리 규정된 생육 모델에 미리 지정된 범위의 농가 데이터들의 토마토 생산량과 적용된 생육 환경 내에서 도출된 미리 지정된 영향 인자값들을 적용하여 각 영향 인자값들의 변화에 따른 토마토 생산량의 변화를 학습시키고, 가장 이상적인 생산량을 나타내는 각 영향 인자값들을 도출하여 각각의 이상 영향 인자값들로 설정할 수 있다. 최적값 산출 유닛(130)은 농가 데이터가 신규로 수집될 때마다 생육 모델을 재학습시키고, 이상 영향 인자값들을 재설정할 수도 있다.

결과 관리부(118)는 학습자에 의해 예측 영향 인자값들 각각이 설정되고 경영 기술 진단이 완료되어 최종적으로 예측 생산량이 산출되면, 이에 관한 결과 보고서를 생성하여 유저 단말(150)로 전송할 수 있다. 결과 보고서에는 예를 들어 학습자가 설정한 생육 환경 정보(즉, 학습자가 설정한 각 영향 인자값)와 경영 기술 진단 결과 등에 관한 정보가 포함될 수 있다.

또한, 학습자가 예측 생산량을 산출하기 위해 설정한 생육 환경 정보는 데이터베이스(120)에 저장되어 관리될 수도 있다.

본 실시예에 따른 학습 시스템(100)은 학습자가 학습 과정에서 최적의 예측 생산량이 산출되도록 선정한 예측 영향 인자값들과, 학습자의 실제 토마토 재배 과정에서 실제 적용된 생육 환경 정보가 비일치하는 경우에는 비일치 정보를 통지하여 학습자가 생육 환경을 재확인하도록 할 수도 있다.

즉, 전술한 과정을 통해 예측 생산량이 산출된 이후, 학습 시스템(100)의 통신부(도시되지 않음)는 학습자가 실제로 토마토를 재배하는 온실에 설치된 센서 장치로부터 온실 환경 정보를 수신하고, 해당 온실의 제어용 프로그램에서 관리되는 온실 환경 제어기의 사용 여부에 관한 환경 제어기 정보, 사용 비료 정보를 수신할 수 있다.

이 경우, 결과 관리부(118)는 학습자가 최종적인 예측 생산량을 산출하기 위해 설정한 예측 영향 인자값과 수신된 정보에 상응하여 산출된 영향 인자값(즉, 실제 영향 인자값)을 서로 대비할 수 있다.

만일 예측 영향 인자값과 실제 영향 인자값이 미리 설정된 오차 범위를 초과하여 비일치하는 경우, 연산부(114)에 의해 실제 영향 인자값이 반영된 예측 생산량이 재산출되도록 하고, 재산출된 예측 생산량이 기존에 설정한 예측 영향 인자값에 따른 예측 생산량에 비해 적은 경우라면, 결과 관리부(118)는 해당 학습자의 유저 단말(150)로 알람 메시지를 전송할 수 있다.

알람 메시지는 학습자가 예를 들어 기존의 예측 생산량을 산출하기 위해 설정된 예측 영향 인자값에 대한 정보와 온실에서 토마토 재배 과정에서 실제 적용된 생육 환경 정보를 대비하여 인식할 수 있도록 정리될 수 있다.

상술한 바와 같이, 생육 환경 정보를 구성하는 각 영향 인자에 대한 설정값을 순차적인 단계로 입력받고, 이에 따른 예측 생산량을 산출하여 학습자에게 제공함으로써 학습자가 자연스럽게 최적의 생육 환경 정보를 학습하도록 하는 일련의 과정, 즉 토마토의 최적 생육 환경 학습 방법은 디지털 처리 장치에 내장된 소프트웨어 프로그램, 어플리케이션 등으로 구현되어 시계열적 순서에 따른 자동화된 절차로 수행될 수도 있음은 당연하다. 상기 프로그램 등을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 상기 프로그램은 컴퓨터가 읽을 수 있는 정보저장매체(computer readable media)에 저장되고, 컴퓨터에 의하여 읽혀지고 실행됨으로써 상기 방법을 구현한다.

상기에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

100 : 최적 생육 환경 학습 시스템 110 : 학습 유닛
112 : 유저 대응부 114 : 연산부
116 : 문제 출제부 118 : 결과 관리부
120 : 데이터베이스 130 : 최적값 산출 유닛
150 : 유저 단말

Claims

토마토의 최적 생육 환경 학습 시스템으로서,
토마토의 생육 환경을 형성하는 영향 인자들 중 미리 지정된 다수개의 영향 인자들에 대해 사용자가 각각 입력한 예측 영향 인자값에 따른 예측 생산량과, 미리 설정된 이상 영향 인자값들을 적용하여 산출한 이상적인 생산량을 각각 산출하는 학습 유닛; 및
상기 예측 영향 인자값 및 상기 이상 영향 인자값을 적용하여 상기 예측 생산량과 상기 이상적인 생산량을 산출하기 위한 연산 테이블이 저장된 데이터베이스를 포함하되,
상기 미리 지정된 다수개의 영향 인자들은 온실 특성, 재식 특성, 재식 기간과 장소, 토마토 품종, 출하 규격, 온실 환경 특성, 환경 정보를 수집하는 센서 특성, 온실 내의 환경을 제어하는 제어기 특성, 양액 특성, 병원성 세균 피해, 해충 피해, 생리 장애 피해 및 작목 모니터링 요소이고,
상기 미리 지정된 다수개의 영향 인자들은 예측 영향 인자값을 입력받기 위해 미리 지정된 순서로 유저 단말의 사용자에게 제시되며,
상기 예측 생산량은 예측 영향 인자값이 입력될 때마다 갱신되도록 산출되되, 예측 영향 인자값이 아직 입력되지 않은 영향 인자에 대해서는 미리 설정된 이상 영향 인자값이 적용되어 산출되고,
상기 사용자가 상기 이상적인 생산량과 상기 예측 생산량과의 차이가 상대적으로 최소가 되도록 각 예측 영향 인자값을 변경하는 과정을 통해 토마토 재배를 위한 최적의 생육 환경이 학습되도록 하는 것을 특징으로 하는 토마토의 최적 생육 환경 학습 시스템.
제1항에 있어서,
상기 학습 유닛은 상기 유저 단말의 사용자에게 상기 데이터베이스에 미리 저장된 문제 데이터를 표출시켜 상기 사용자의 경영 기술 수준에 대한 평가를 수행하고, 평가 점수에 대해 상기 연산 테이블에 규정된 정보를 더 참조하여 상기 예측 생산량을 다시 산출하는 것을 특징으로 하는 토마토의 최적 생육 환경 학습 시스템.
제1항에 있어서,
미리 수집된 농가 데이터들에 각각 포함된 토마토 생산량과 생육 환경 정보를 이용하여 각 영향 인자값들의 변화에 따른 토마토 생산량의 변화를 학습하도록 미리 구성된 생육 모델을 이용하여, 상기 이상 영향 인자값들은 상대적으로 가장 많은 토마토 생산량을 나타내는 각 영향 인자의 설정값으로 도출되는 것을 특징으로 하는 토마토의 최적 생육 환경 학습 시스템.
제1항에 있어서,
상기 학습 유닛은,
토마토가 실제로 재배되는 온실에 설치된 센서 장치에서 생성되는 온실 환경 정보, 상기 온실의 제어용 프로그램에서 관리되는 온실 환경 제어기의 사용 여부에 관한 환경 제어기 정보와 사용 비료 정보를 포함하는 재배 정보를 수신하고,
상기 사용자가 최종적으로 상기 예측 생산량을 산출하기 위해 설정한 예측 영향 인자값과 상기 재배 정보에서 도출되는 실제 영향 인자값이 미리 지정된 오차 범위에서 비일치하면 상기 사용자에게 알람 메시지를 전송하는 것을 특징으로 하는 토마토의 최적 생육 환경 학습 시스템.
제4항에 있어서,
상기 학습 유닛은,
상기 실제 영향 인자값을 적용하여 산출한 예측 생산량이 상기 예측 영향 인자값을 적용하여 산출한 예측 생산량보다 작은 경우에만, 상기 사용자에게 알람 메시지를 전송하는 것을 특징으로 하는 토마토의 최적 생육 환경 학습 시스템.