[귀농귀촌] 스마트 농업의 주요기술

 

스마트 농업의 주요기술

 

 

사물인터넷 (IoT, Internet of Things)

사물인터넷은 각종 사물에 센서와 통신 기능을 내장하여 인터넷에 연결하는 기술로, 무선 통신을 통해 각종 사물을 연결하는 기술을 의미한다. 여기서 사물이란 가전제품, 모바일 장비, 웨어러블 디바이스 등 다양한 임베디드 시스템이 된다. 사물인터넷에 연결되는 사물들은 자신을 구별할 수 있는 유일한 아이피를 가지고 인터넷으로 연결되어야 하며, 외부 환경으로부터의 데이터 취득을 위해 센서를 내장하고 있다. 이를 기반으로 인간, 사물, 서비스를 상호 연동시키는 기술, 즉 정보의 가공/추출・처리・저장・판단・상황 인식・보안・인증・통합 관리 솔루션(클라우드 서비스) 등에 대한 연구개발이 지속적으로 이루어지고 있다. 사물인터넷은 오래전부터 유비쿼터스라는 용어로 알려졌었고, M2M (Machine to Machine)에서 IoT를 거쳐 최근에는 IoE(Internet of Everything)까지 개념이 확장되고 있다.

반응형

농업 IoT는 농작업을 담당하는 농기계와 농업시설의 장치・기기 구동에 핵심 역할을 하고, 그 활용이 빠르게 확대되고 있다. 현재 식물공장이나 온실 환경제어시스템,자율주행 농기계, 농업 로봇, 정밀농업 분야에서 IoT 기술을 도입한 기술 개발 및 실용화가 활발하다. 그러나 농업 IoT는 자동차, 에너지, 의료 등 다른 분야에 비해 기술 장벽이 높은 편이다. 이는 농작물 자체가 생체적으로 불확실성이 크고, 토양・날씨 등의 외부 환경변화가 심하기 때문이다. 이런 측면에서 인위적으로 환경을 조성한 식물 공장이나 온실이 현 단계에서 가장 앞서 실용화된 농업 IoT 사례이다.

IoT 기술이 도입되면서 농민의 오랜 경험과 전문지식에 의한 농장관리가 데이터를 활용한 운영 관리로 전환되고, 생산에서부터 소비단계까지 통합 관리가 가능해졌다. 생산 분야의 사례로, 온실 내부의 작물・환경을 원격으로 계측하고, 냉・난방기, 양액기, 팬, 커튼 등을 자동으로 구동하여 항상 최적의 환경을 유지하는 온실 환경제어 시스템이 대표적이다. 유통 분야에서는 농산물이나 저장공간에 각종 센서를 부착하여 농산물의 저장상태, 저장량 및 재고 현황, 운송 차량의 위치 등을 실시간으로 확인 할 수 있다. 소비자들은 원하는 고품질・안전 농산물을 산지에 직접 주문함으로써 저가로 구매할 수 있다. 이외 사례로는 축사 환경제어시스템, 농산물 저온저장고 환경 제어시스템, 논이나 밭의 급・배수 밸브를 원격으로 조절하는 물관리 제어시스템 등이 있다.

IoT 기술 도입으로 대규모 시설이나 분산된 여러 개의 시설을 효율적으로 관리할수 있는 장점이 있다. 또한 농업 IoT는 농산물 생산 단계에서부터 소비까지 도출되는 대량의 데이터들이 플랫폼으로 수집되고, 플랫폼상에서 AI 등이 데이터를 분석하여 도출된 결과에 따라 최적 의사결정이 이루어진다. 그 결과가 다시 현장으로 피드백되어 전 과정에서 나타난 문제점을 개선함으로써 스마트 농업 효과를 극대화할 수 있다.

 빅데이터(Big Data)

빅데이터란 기존 데이터베이스 관리 도구의 능력을 넘어서는 대량(수십 테라바이트)의 정형 또는 심지어 데이터베이스 형태가 아닌 비정형의 데이터 집합까지 포함한 데이터로부터 가치를 추출하고 결과를 분석하는 기술이다. 즉, 데이터베이스 등 기존의 데이터 처리 응용 소프트웨어로는 수집・저장・분석・처리하기 어려울 정도로 방대한 양의 데이터를 의미한다. 최근 사물인터넷, 인공지능 분석을 위한 영상정보 등 대량의 농업 관련 정보들이 쏟아져 나오면서 다양한 데이터 분석을 위한 연구개발이 활발히 진행되고 있다.

빅데이터 처리 기술이 발전하면서 과거에는 발견하기 어려웠던 정보를 추출하고, 이를 활용하여 새로운 가치 창출이 가능하게 되었다. 사업화에서는 하드웨어가 아닌 소프트웨어로서, 웹에 분산되어 있는 데이터를 분석하여 주어진 규칙에 따라 새로운 2차 데이터를 만들어 내는 것이 중요하다.

빅데이터 기술 발전으로 농업 생산방식도 기존의 ‘경험 기반 관리’에서 ‘빅데이터 기반 예측관리’로 전환되고 있다. 이를테면 농민의 직간접적인 경험과 기술을 벗어나 데이터의 분석, 예측, 맞춤 처방으로 시장 상황에 따라 능동적인 대처가 가능해졌다. 따라서 빅데이터 활용 여부가 미래 농업의 경쟁력을 좌우할 전망이다.

미국 몬산토(Monsanto)사는 종자 수확량을 극대화하기 위해 첨단 육종기법에 기반한 빅데이터 분석 도구(tool)인 필드 스크립트(FieldScript)을 개발하고, 이를 정밀 농업기술과 연계하여 효과를 높이고 있다. 종자 유전학과 정밀한 장비를 사용하여 경작지에 적합한 품종과 파종량을 처방하고, 토지와 질병 이력・강수량 등 각종 데이터를 통해 재배관리를 지원함으로써 지속가능한 농업을 실현할 뿐만 아니라 종자 생산량 증대를 가져왔다. 듀퐁(Du Pont)사는 수십 년간 축적된 토양과 기후・강우량 정보 를 바탕으로 경작지별 데이터, 실시간 농경・기상 정보와 결합하여 관리업무를 지원하는 소프트웨어 ‘Field360 Select’를 개발하였다. 이는 어디에서나 자신의 농장 데이터에 접속하여 농장관리가 가능하다. 이들 다국적 기업들은 옥수수, 콩 등을 계약재배하고 있는 세계 전역의 농부들에게 빅데이터를 활용한 ‘처방식 재배(prescriptive planting)’ 방식을 보급하고 있다.

미국 존디어(John Deere)사는 자사의 트랙터와 콤바인에 GPS, 센서와 IoT, 데이터 수집 및 무선 전송 장비를 탑재하였다. 또한 ‘시드스타 모바일(SeedStar Mobile)’ 이라는 휴대용 장비를 사용하여 파종작업 데이터를 실시간으로 수집・분석・시각화함 으로써 작업 중 문제가 생겼을 경우 신속히 해결하고, 이는 작업능률 향상과 수확량 극대화로 이어져 통해서 농업 생산성을 크게 높였다. 이들 장비는 농경지 공간 정보와 연계하여 가시화된 형태의 정보를 제공하고 영농정보의 기록과 이력 관리를 통해서 체계화된 영농 관리뿐만 아니라 작업 중에 나타난 문제를 조기에 개선할 수 있다는 장점이 있다.

국내 농림축산식품부와 KT는 국가동물방역통합시스템(KAHIS) 데이터와 KT의 통화 로그 데이터를 활용해 조류인플루엔자(Avian Influenza: AI)의 확산과 사람・차량 이동의 연관성을 분석하는 빅데이터 기반 확산모델을 개발하였다. 이를 이용하여 AI 관련 정보를 수집・분석하고, AI 확산경로를 예측하여 축산 차량과 인력의 이동을 제어하는 데 활용하고 있다.

 

인공지능

인공지능(Artificial Intelligence: AI)은 지능이 없는 기계에 사람처럼 지능을 갖게 하는 것이다. 인공지능 전문가는 사람만이 가지고 있는 특징을 이해하고, 이를 바탕으로 컴퓨터와 로봇 등이 사람처럼 생각하여, 결정을 내리도록 하는 기술을 개발한다. 인공지능기술은 사람의 인지(보기・듣기・읽기), 학습(반복 학습을 통해 지식을 고도화), 추론(학습된 지능에 기반하여 인지된 환경에 대한 추론 및 예측) 등을 컴퓨터 기술을 이용하여 구현함으로써 문제를 해결하는 기술이다. 인공지능과 사물인터넷을 기반으로 한 무인(Unmanned) 기술은 우리의 일상적인 삶 곳곳으로 확산하고 있다. 무인 기술은 사람의 노동력을 최소화하고, 비용을 줄이며, 새로운 서비스를 제공하는 등 혁신의 시대를 개척하고 있다.

728x90

미국 블루리버 테크놀로지(Blue River Technology Inc.)사는 트랙터에 기계학습 엔진을 탑재한 잡초 제거 로봇인 레투스봇(LettuceBot)을 개발하였다. 트랙터에 부착한 레투스봇은 실시간으로 식물을 스캔한 후 상추와 잡초를 구별하여 최소량의 제초제 주입만으로 잡초를 성공적으로 제거하였고, 그로 인해 제초제 사용도 90% 절감하였다. 또한 존 디어사(2017년에 블루리버 테크놀로지사를 인수)의 씨앤스프레이(See & Spray)는 목화밭 4,000m²에 제초제 95L 살포하던 것을 인공지능으로 목화와 잡초를 인식해서 잡초에만 제초제를 뿌림에 따라 제초제가 7.5L만 사용되었다. 즉, 제초제를 92% 줄이는 효과를 거두었다. 미국 인디고 애그리컬쳐(Indigo Agriculture)사에서 개발한 인디고 아틀라스 플랫폼은 AI 기반 위성 이미지 분석을 통해 실시간으로 전 세계 작물 건강 및 토양환경 상태를 파악하여 작물 건강지수(CHI)를 생성하고, 날씨・원격 데이터에 기계학습을 적용하여 다양한 날씨 패턴을 추적한다. 과거 데이터와 비교하여 당해연도 곡물 수확량 또는 생산량을 예측한다. 펜실베이니아대학은 질병 26종에 감염된 작물 14종 을 이용하여 사진으로 질병 여부를 판단하는 인공지능 애플리케이션(App)을 개발하였다. 컴퓨터에 5만 개 이상의 이미지를 올려 학습시킨 인공지능은 새로 판별해야 할 잎 이미지 중 99% 정확도로 건강 여부를 식별하였고, 농민이 병에 걸린 작물 사진을 올리면 질병 원인을 판단하여 처방할 수 있도록 했다. 가축의 행동 패턴을 모니터링 분석하여 조기에 질병을 치료하거나 임신 성공률을 높이는 사례도 있다.

농업용 로봇

로봇은 인간을 모방하여 외부 환경을 인식(Sense)하여 상황을 판단(Think)하고 자율적으로 동작(Act)하는 기계이다. 이를테면 “사람과 같은 기능을 가진 기계를 로봇”이라고 말할 수 있다. 로봇은 크게 산업용 로봇과 비산업용 로봇으로 분류되고, 비 산업용 로봇은 서비스 로봇으로 분류되기도 한다. 농업 로봇은 농업에 사용되는 로봇 으로 작물생육이나 가축 사양의 환경에 대한 모니터링에서부터 이식, 제초, 방제, 살포, 수확, 착유 등 다양한 분야에서 활용되고 있다. 농업 로봇은 농작업의 기계화에서 반 자율형 로봇을 거쳐 완전 자율형 로봇으로 이어지고 있다.

로봇은 크게 센서부, 지능・제어부, 구동・구조부로 구성된다. 센서부는 사람의 감각기관에 해당하고, GPS・카메라 등 각종 센서를 이용하여 외부 환경 정보를 얻고, 로봇 내부의 작동상태 정보 또한 검출한다. 지능・제어부는 사람의 두뇌와 신경망에 해당하고, 사용자가 원하는 설정(목표)값과 센서를 통해 얻은 정보(측정)값을 비교하여 설정값에 도달하도록 기계를 제어한다. 그리고 구동・구조부는 사람의 근육과 골격에 해당하고, 지능・제어부의 명령에 따라 모터 등의 작동장치(actuator)와 팔(arm), 핸드 툴(hand tools), 이동 기구와 같은 동력 전달 기구로 원하는 동작을 이행한다.

①. 노지농업 로봇: 트랙터, 콤바인 등 전통 농기계와 첨단 로봇 기술이 융합된 지능형 농기계로 진화하고 있다. 대규모 면적의 파종·수확·운반 작업 등을 수행하므로 대형 로봇이 많고, 노지(露地, open field)의 특성상 자연환경에 노출되므로 내구성이 필요하다.

②. 시설농업 로봇: 소규모 면적의 유리온실, 비닐하우스 등에서 고부가 작물을 대상으로 파종·정식·관리·수확·운반 작업을 수행한다. 소형 로봇이 많고, 노지농업 로봇보다 연중 이용 시간이 길어 경제성이 높다.

③ 축산 로봇: 착유·포유·급이 작업 등 가축 사양(飼養) 관리뿐만 아니라 축사 청소, 분뇨처리등 사육환경 개선 분야에서 활용 중이다. 1990년대 초부터 착유 로봇이 사용되었고, 이는 우유 생산에서 관리까지 전 과정을 자동화하여 시간과 노동력을 크게 절감하였다.

노지농업 로봇은 넓은 논과 밭을 적은 인원으로 관리하므로 농가의 노동력 부족을 해소하고, 농가의 경영규모 확대와 생산비 감소에 효과가 높다. RTK-GPS²⁾에 의해 정확한 위치를 실시간으로 측정하여 작업하므로 야간에도 작업할 수 있다. 경운정지, 비료 살포, 농약 방제작업을 할 때 중복 작업과 빠진 곳 없이 정밀한 작업이 가능 하다. 더구나 노지농업 로봇은 트랙터, 콤바인 등 전통 농기계와 로봇 기술의 융합을통해 새로운 로봇 농기계 형태로 진화해 가고 있다. 과채류 수확 로봇의 경우, 수확 팔(arm)에 숙도(익은 정도)나 당도 센서를 부착하면 잘 익고 당도 높은 과채류만을 골라서 수확할 수 있다. 이는 수확 작업을 생력화・효율화할 뿐만 아니라 과채류에 대한 엄격한 품질평가로 부가가치를 높이고, 재배관리 단계의 문제점을 파악하여 이를 개선 하는 데도 활용할 수 있다.

 

 

[귀농귀촌] 스마트팜 이해 - 농업 환경의 변화

 

[귀농귀촌] 귀농 준비 - 상속세

 

"이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다."