시설물 회피 제초 로봇의 정확도 향상을 위한 영상 처리 알고리즘 연구

이정규 ( Jungkyu Lee ),이지우 ( Jiwoo Lee ),이승일 ( Seungil Lee ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

자동차 자율주행 기술의 발전은 다양한 산업에 영향을 미치게 되어 무인화 기술연구를 통한 관리의 향상성을 도모하게 되었다. 로봇 및 작업기계가 구동되는 환경은 일반 도로와는 큰 차이가 있다. 가이드가 없는 이미지의 실제 거리를 추정할 경우 정확한 거리를 추정하기 어려우며, 추정을 하더라도 정확도가 떨어진다. 평면 패턴을 이용한 실제 거리 추정 방법은 모형 영상에 역 원근 변환하여 생성한 이미지의 위치 정보의 한계를 극복하기 위해 이용한 방법이다. 본 연구를 통해 무인 제초로봇이 영상기반 주행기술을 향상시키고자 평면 패턴을 이용하여 영상 내의 거리를 추정하였다. 본 실험에서 도로 모형 이미지에 역 원근 변환을 위해 OpenCV에 PerspectiveTransform() 함수를 사용하여 이미지 상에 4개의 좌표를 역 원근 변환 행렬 계산을 통하여 원근 이미지를 평면 이미지로 변환하였다. 평면 패턴 이미지에서 모서리 부분을 추출하여 이미지상의 좌표를 만들고, 실제 평면 패턴의 좌표 매칭을 통해 이미지 상에서 거리를 추정하도록 설계하였다. 도로 모형 이미지에 역 원근 변환 기법을 적용하여 생성한 이미지로 관심 영역 내에서 Top-view 이미지 형태를 보여준다. Top-view 형태로 변환된 이미지는 기준선으로부터 회전각을 계산하는데 용이하다. 계산된 회전각을 이용하여 주행 중 선회 제어를 위한 방향 정보를 제공하는데 사용이 가능하다. 본 실험을 위해 한 변의 길이가 5 cm인 정사각형으로 이루어진 체크 평면 패턴을 이용하여 기준이 되는 레퍼런스 값으로 사용하였으며 체스판 이미지 내임의의 위치에 있는 기준선 모형 좌표 추정 결과를 나타내었다. 체스판 이미지 내의 물체의 좌표를 추정하였을 경우 x축 좌표의 경우 최대 0.31 cm의 오차를 보였으며 RMSE는 0.1922로 나타났다. y축 좌표의 경우 최대 0.54 cm의 오차를 보였으며 RMSE는 0.3347로 나타났다. x축 좌표에 비해 y축 좌표는 원근에 의한 영향으로 왜곡이 더 크게 발생함에 따라 y축 좌표의 오차가 더 큰 것으로 판단된다. 본 연구를 통해 자율주행 영상처리 과정의 거리추정 정확성 향상으로 안정적인 경로주행이 가능할 것으로 기대한다.

시설물 회피 제초 로봇의 경계 설정을 위한 영상 처리 알고리즘 연구

이정규 ( Jungkyu Lee ),이지우 ( Jiwoo Lee ),이승일 ( Seungil Lee ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

자동차 자율주행 기술과 더불어 관련 산업에도 자동화, 편의성 및 관리 향상을 도모하기 위해 무인주행 장치의 연구가 지속적으로 이루어지고 있다. 로봇 및 작업 기계에 적용되는 무인주행 기술은 대부분 영상 처리를 통해 경계선을 감지하고 주행 경로를 결정하게 된다. 하지만 일반적인 도로와 달리 산업현장에서는 장애물 및 주행가능 구역을 명확하게 구분할 수 있는 영상 처리 기법이 필요하다. 본 연구에서는 다양한 환경에서 적용 가능한 무인주행 장치의 경계선 식별 알고리즘 개발을 개발하였다. 이미지 취득 및 영상처리를 위해 저조도에서 영상 취득이 유용한 NoIR Camera(Pi CAM V2, Raspberry, UK)카메라 모듈을 Pi3 B+ 보드(Raspberry Pi3 B+, Raspberry Pi, UK)에 결합하여 계측장치를 구성하였다. 주행 장치는 용도 및 사용 환경에 따라 경계선 및 특징점이 상이하여 실험 시 임의의 경계선을 제작, 판독에 사용되는 영상을 획득하였다. RGB 영상에서 Gray 스케일 영상으로 변환 후 노이즈 저감을 위해 Gaussian blur를 사용하였다. 변환된 이미지에 대해 2가지 분석을 진행하여 엣지가 검출된다. Canny Edge 검출 후 Hough Line 검출 방법을 이용하여 엣지 검출을 진행하였고, 경계선의 색상 차이를 고려하여 히스토그램 특징 분석을 통해 중앙선의 바깥 엣지와 안쪽 엣지 위치를 구분하였다. 최종적으로 2개의 분석 결과를 결합하여 선택적으로 엣지 라인을 검출해 표시할 수 있는 알고리즘을 구성하였다. 연속된 영상을 3회 반복하여 알고리즘의 성능을 측정하였다. 각 단계에서 취득한 전체 이미지 중 1,289, 1,167, 1,144 frame이 경계선을 인식하는 것으로 나타났다. 최종적으로 경계선 인식의 결과 최소 97.91%의 검출 성능을 확인하였으며, Top-view 영상에서 히스토그램을 이용한 연구결과에 비해 약 3% 높은 검출 알고리즘을 구현하였다.

제초로봇의 무인주행을 위한 영상 취득 시작기 제작

이정규 ( Jungkyu Lee ),이지우 ( Jiwoo Lee ),이승일 ( Seungil Lee ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

무인 주행 장치는 현대 산업 분야에서 빠르게 확산되고 있으며 자동차, 드론, 로봇 등 다양한 분야에서 활용 및 연구되고 있다. 무인 주행을 위한 영상의 대상체 판별은 주행 장치의 안전성과 효율성에 핵심적인 역할을 한다. 정확한 대상체판별을 통해 교통안전, 환경 모니터링, 농업 자동화 등 다양한 분야에서 사람의 개입 없이 작업이 가능해진다. 따라서 대상체 판별 기술의 개선은 무인 주행 분야에서의 성공적인 적용을 위한 필수적인 요소이다. 특히 태양광 발전소의 경우 일반적인 도로 주행처럼 가이드가 없으며 지면 또한 많은 변수가 존재하기 때문에 스테레오 카메라를 기반으로 대상체를 식별하는 것이 효율적이다. 특히 패널부, 기둥부, 잡초의 생장여부 등 고려해야할 사항이 많이 때문에 주행 전사전이미지 확보를 통해 영상처리 알고리즘의 검증이 필수적이다. 복잡한 환경 구조에서 올바른 대상체 식별을 통해 거리와 깊이 측정을 기반으로 주행 장치가 보다 안전한 경로로 주행이 가능하다. 본 연구를 통해 무인 제초로봇의 주행을 준비단계로 이미지 수집 및 장애물 인식 분류를 위해 스테레오 카메라 기반 영상 취득 시작기를 제작하였다. 이미지 취득 및 영상처리를 위해 저조도 성능이 우수하고 고속 데이터 출력이 가능한 IMX477(Raspberry Pi, UK) 카메라 모듈을 Pi4 보드(Raspberry Pi4, Raspberry Pi, UK)에 결합하여 촬영 장치를 구성하였다. 사전 이미지 취득을 목적으로 제작하기 때문에 하우징 외부에 프로그램 시작버튼과 led를 통한 알람 기능을 추가하였다. 하우징 외부 led를 통해 전원유지 및 영상저장 기능 활성화의 정보를 제공하도록 구현하였다. 제초로봇의 저속주행 특성을 고려하여 4초에 1번 이미지 촬영 및 저장이 가능하도록 설계하여 불필요한 파일을 줄여 저장 공간을 확보하였다. 현장 촬영 전 정확한 이미지 분석을 위해서 카메라 위치를 고정하고 calibration을 진행하였다. 좌우측 카메라의 대응점을 찾고 본질 행렬과 기본 행렬을 계산하여 깊이 정보를 추정할 예정이다. 제작된 영상 취득 시작기는 스테레오 카메라를 이용하기 때문에 깊이 정보를 더 정확히 얻을 수 있다. 획득한 태양광 발전소 현장의 이미지를 기반으로 대상체 판별을 통해 주행 알고리즘을 개발하여 복잡한 환경에서의 제초작업 자동화 구현이 가능할 것으로 기대한다.

시설물 회피 제초 로봇의 경계 설정을 위한 영상 처리 알고리즘 연구

이정규 ( Jungkyu Lee ),이지우 ( Jiwoo Lee ),이승일 ( Seungil Lee ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

자동차 자율주행 기술과 더불어 관련 산업에도 자동화, 편의성 및 관리 향상을 도모하기 위해 무인주행 장치의 연구가 지속적으로 이루어지고 있다. 로봇 및 작업 기계에 적용되는 무인주행 기술은 대부분 영상 처리를 통해 경계선을 감지하고 주행 경로를 결정하게 된다. 하지만 일반적인 도로와 달리 산업현장에서는 장애물 및 주행가능 구역을 명확하게 구분할 수 있는 영상 처리 기법이 필요하다. 본 연구에서는 다양한 환경에서 적용 가능한 무인주행 장치의 경계선 식별 알고리즘 개발을 개발하였다. 이미지 취득 및 영상처리를 위해 저조도에서 영상 취득이 유용한 NoIR Camera(Pi CAM V2, Raspberry, UK)카메라 모듈을 Pi3 B+ 보드(Raspberry Pi3 B+, Raspberry Pi, UK)에 결합하여 계측장치를 구성하였다. 주행 장치는 용도 및 사용 환경에 따라 경계선 및 특징점이 상이하여 실험 시 임의의 경계선을 제작, 판독에 사용되는 영상을 획득하였다. RGB 영상에서 Gray 스케일 영상으로 변환 후 노이즈 저감을 위해 Gaussian blur를 사용하였다. 변환된 이미지에 대해 2가지 분석을 진행하여 엣지가 검출된다. Canny Edge 검출 후 Hough Line 검출 방법을 이용하여 엣지 검출을 진행하였고, 경계선의 색상 차이를 고려하여 히스토그램 특징 분석을 통해 중앙선의 바깥 엣지와 안쪽 엣지 위치를 구분하였다. 최종적으로 2개의 분석 결과를 결합하여 선택적으로 엣지 라인을 검출해 표시할 수 있는 알고리즘을 구성하였다. 연속된 영상을 3회 반복하여 알고리즘의 성능을 측정하였다. 각 단계에서 취득한 전체 이미지 중 1,289, 1,167, 1,144 frame이 경계선을 인식하는 것으로 나타났다. 최종적으로 경계선 인식의 결과 최소 97.91%의 검출 성능을 확인하였으며, Top-view 영상에서 히스토그램을 이용한 연구결과에 비해 약 3% 높은 검출 알고리즘을 구현하였다.

인공지능 기반 온실 환경인자의 시간영역 추정

이정규(JungKyu Lee),오종우(JongWoo Oh),조용진(YongJin Cho),이동훈(Donghoon Lee) (사)한국생물환경조절학회 2020 생물환경조절학회지 Vol.29 No.3

스마트 팜 관리의 활용 효율성을 높이기 위해서는 작물 및 환경 변화에 대한 사전 검사를 실시간으로 평가하기 위한 모델링 기법이 필요하다. 시설 온실 내부의 CO₂와 같은 필수 환경 요소는 다양한 상관 변수가 밀접하게 결합 된 시간 영역에서 신뢰할 수 있는 추정 모델을 확립하기가 어렵다. 따라서 본 연구는 입력 영역과 출력 변수를 CO₂와 같은 시간 관점에서 인접 영역에 분포된 환경 정보를 이용하여 시간 복잡도를 줄이기 위한 인공 신경망을 개발하기 위해 수행되었다. 스마트 팜을 계측하기 위한 센서 모듈을 통해 환경 요소를 지속적으로 측정하였다. 실험기간의 평균 데이터로 예측하는 모델링 1, 전일 데이터로 예측하는 모델링 2을 구성하여 CO₂ 환경인자의 상호관계를 예측하였다. 전일의 데이터 학습으로 예측하는 모델링 2가 60일 평균값으로 예측한 모델링 1에 비해 성능이 우수하였다. 30일 이전까지는 대부분 0.70~0.88사이의 결정계수를 보였으며 모델링 2가 약 0.05정도 높게 나타났다. 하지만 30일 이후에는 두 가지 모델링 모두 결정 계수 값이 0.50 이하로 낮은 값을 보였다. 모델링 접근법에 따라 결정 요인의 값을 비교하고 분석 한 결과 인접한 시간대의 데이터는 고정 신경망 모델을 사용하는 대신 예측이 필요한 지점에서 상대적으로 높은 성능을 나타냈다. To increase the utilization of the intelligent methodology of smart farm management, estimation modeling techniques are required to assess prior examination of crops and environment changes in realtime. A mandatory environmental factor such as CO₂ is challenging to establish a reliable estimation model in time domain accounted for indoor agricultural facilities where various correlated variables are highly coupled. Thus, this study was conducted to develop an artificial neural network for reducing time complexity by using environmental information distributed in adjacent areas from a time perspective as input and output variables as CO₂. The environmental factors in the smart farm were continuously measured using measuring devices that integrated sensors through experiments. Modeling 1 predicted by the mean data of the experiment period and modeling 2 predicted by the day-to-day data were constructed to predict the correlation of CO₂. Modeling 2 predicted by the previous day"s data learning performed better than Modeling 1 predicted by the 60-day average value. Until 30 days, most of them showed a coefficient of determination between 0.70 and 0.88, and Model 2 was about 0.05 higher. However, after 30 days, the modeling coefficients of both models showed low values below 0.50. According to the modeling approach, comparing and analyzing the values of the determinants showed that data from adjacent time zones were relatively high performance at points requiring prediction rather than a fixed neural network model.

비파괴 딸기 잎 표현형 정보 지속 측정을 위한 계측 시스템 설계

이정규 ( Jungkyu Lee ),김하나 ( Hana Kim ),유재수 ( Jaesoo Yoo ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

최근 스마트팜은 인공지능 기술의 결합으로 시설 내부 환경의 in-put 데이터를 기반으로 환경조절, 양분관리 등의 종합제어시스템 플랫폼의 연구가 활발하게 이루어지고 있다. 재배 사이클 및 외부 환경에 따라 시설 내부의 환경을 조절하여 최적의 생육을 위해 제어하게 되며 최종 목표는 생산량의 향상이다. 작물에 따라 작물 생산 시기 및 기간이 상이하므로 재배 중 잎의 생육을 통해 작물의 생육 상태의 점검이 필요하며 정확한 잎 생육의 계측을 통해 작물의 이상상태 진단 및 제어통합시스템 모델링에 반영이 될 수 있다. 최근 딥러닝 등의 기술을 활용하여 학습된 작물들의 생육 측정시스템이 다수 개발되고 있다. 대다수의 정상적인 성장이 이루어진 잎의 경우 95% 이상의 측정 성능을 나타내주고 있다. 하지만 재배기간 중 정상적으로 성장하지 못해 잎의 형태가 최적의 모델링과 벗어나 있더라도 현재 재배하고 있는 제어 모델링의 표본으로 활용할 수 있다. 본 연구에서는 인력 투입의 감소와 빠르고 정확하게 다량의 잎 생육 데이터의 수집을 위한 계측 시스템을 설계하였다. 잎의 생육정보 취득을 위해 딸기(설향)을 표본으로 선정하여 선행 실험을 진행하였다. 딸기의 잎 성장 과정에서 잎의 방향과 형태에 따라 원본 촬영에 애로사항이 발생한다. 또한 옆폭 및 옆장은 촬영 각도에 따라 실제 크기와 오차가 발생하며 많은 잎이 겹쳐있는 경우 온전한 잎의 촬영에 많은 어려움이 따른다. 이에 정확한 크기를 계측하기 위해서 2D 형태의 표본을 사용하고자 격자보드 및 덮개를 틸팅하는 방식을 고안하여 잎을 고르게 펴서 정확한 잎의 사이즈를 촬영할 수 있도록 계측 장비를 설계하였다. 물리적인 방식으로 측정오차를 감소시킴과 동시에 표본에서 제외되는 다른 잎과의 분리도 가능해진다. 라즈베리파이 광각 카메라(YR-019, Raspberry Pi, UK)를 사용하여 약 5 cm의 거리에서 250 cm2의 면적의 촬영이 가능하다. 설계된 장비의 재현성 검증이 완료된다면 간편하고 정확한 방식으로 잎 생육의 빅데이터 수집이 가능할 것으로 기대된다. 추후 틸팅 과정에서 거리 측정을 통해 잎의 두께를 계측하는 연구를 진행 할 예정이다.

CO₂ 센서 실시간 디지털 필터링 최적화 방안 연구

이정규 ( Jungkyu Lee ),강동현 ( Donghyun Kang ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.1

농업분야에서 지속적으로 증가하는 인건비에 상응하기 위해선 농가 경영 부담을 경감할 수 있는 고효율의 스마트팜 보급이 대안이 될 수 있다. 스마트팜의 올바른 운영을 위해서 다양한 기술들이 접목이 되어야 하며 작물 생육과 관련된 환경 변수는 가장 중요한 관리의 대상이라 할 수 있다. 이중에서 CO₂는 다른 환경 변수에 비해 정확한 계측 및 상응하는 자동화에 의한 제어가 난해한 환경 요소이다. 우선 기체의 분압을 측정하는 보급형 센서의 시스템적인 오차에 기인하여 특정 시점 또는 지점의 CO₂ 밀도를 오차 범위 내에서 특정하기에 한계가 있다. 아울러, 임의의 설정값을 기준으로 한 자동 제어의 경우 적정성을 가늠하기가 난해하다. 정밀도 높은 고가의 CO₂ 센서를 스마트팜 현장에 보급하기에는 농가경영부담 증가를 고려하지 않을 수 없다. 본 연구에서는 다소 외란의 영향이 큰 보급형 CO₂ 센서 신호를 활용하기 위해서 저주파 대역 필터를 사용하기 위한 방안을 살펴보았다. 실험을 수행한 테스트 베드는 충북 청주시 소재 (충북 청주시 상당구 가덕면 노동리 326)의 딸기 재배 온실(10 m × 100m)이다. 실험에 사용한 CO₂ 센서는 AX-5000(Airtest, BC, Canada)로 0~5000 ppm 범위에서 정밀도는 50 ppm의 특성을 보인다. 측정 주기는 2Hz 이며 초기 안정화 시간은 30~180 초이고 데이터 계측 결과는 TTL(3.3V level) 통신으로 송신한다. TTL신호를 해석하기 위하여 Cortext-A7 (Allwinner, Guangdong, China) 기반의 마이크로 컨트롤러를 사용하였다. 디지털 필터링을 수행하지 않은 경우를 파악하기 위하여 온실 내 외기 유입이 없는 상태 예비 실험을 수행하였다. 1 분당 센서에서 계측한 값의 표준 편차가 166 ppm 내외이었으며 이는 오차 범위의 3배에서 해당하는 값으로 별도의 필터링을 수행하지 않으면 사용하기 어려운 상태라 판단이 되었다. 계측 시작 시점에서 10초후에 CO₂를 5초간 강제 공급하고 추후 45초간 데이터를 기록하였다. 2식의 센서를 준비하여 필터를 적용한 경우와 적용하지 않은 경우를 비교하였다. 적용된 디지털 필터는 median filter 이며 윈도우 크기는 4, 8, 16, 24, 32로 설정하였다. 각 윈도우 크기별 계측 실험 시 미적용 필터를 적용한 센서를 동시에 측정하여 값을 비교하였다. 윈도우 크기별로 순서대로 두 센서 간의 차이를 산출하여 표준편차를 구하면 62.40, 91.47, 125.15, 149.58, 193.60으로 나타났다. 윈도우의 크기가 4, 즉 2초간 데이터의 평균을 구하면 센서 정밀도에 근사적인 오차를 보이는 특성이 발견된다. 윈도의 크기가 24 (12초) 인 경우 표준편차는 디지털 필터 없이 사용한 경우 보다 낮았다. 한편 제어 기준 값을 설정하기 위한 입력 변수의 관점에서 살펴본다면 다소 제어시스템의 반응이 느리더라도 입력 데이터의 안정성이 더 중요할 것이다. 윈도우 크기가 16 이상인 경우 안정적인 상태를 보이나 하위 윈도우 크기에서는 추가 적인 필터링이 요구되는 신호의 형태를 띠고 있다. 필터링 된 데이터의 표준편차를 살펴보았을 때 윈도우의 크기가 24일 때 133.91로 나타나 최소값을 나타내었다. 윈도우 사이즈가 클수록 필터링 여부에 따른 편차가 커지는 경우는 시설내의 CO₂ 변화가 매우 큰 경우에 해당하고 반대의 조건에선 CO₂ 변화가 미미한 경우일 것이다. 추가로 이미 알려진 시설 내 CO₂ 의 변화는 일주기 형태를 보인다는 점을 적용해 볼 필요가 있다. 따라서, 센서에 내재한 외란의 영향을 최소화하기 위해서 병렬적으로 윈도우 사이즈를 적용시켜 CO₂ 변화율에 대한 1차 판단을 수행하고 일주기에 따른 제어 방식을 결정하는 방법을 고려해볼만 하다.

온실 내부 환경 시계열 예측을 위한 기계학습 파라메터 최적화 연구

이정규 ( Jungkyu Lee ),임은정 ( Eunjeong Em ),유재수 ( Jaesoo Yoo ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

국내 시설농업은 플라스틱 온실 및 대규모 온실의 증가와 더불어 스마트팜이 활발하게 보급되고 있다. 작물의 재배로 최적의 생산성을 올리기 위해 기초가 되는 것이 온실 내부의 환경 요소이다. 최근 인공지능의 발달로 LSTM(long short term memory), MRM(multi regression model) 등을 통해 많은 환경 예측 모델이 등장하고 연구가 되고 있다. 본 연구에서는 시설농업 내부 환경을 예측할 수 있는 모델링의 개선을 통해 시계열 데이터를 효과적으로 적용하기 위한 연구를 진행하였다. 선행 연구에서 획득한 시계열 환경 데이터를 기반으로 예측기법 향상에 대해 연구하였다. 2달의 계측 데이터를 시간별로 구분하여 24시간 하루 동안 1분 단위로 평균을 도출하여 학습세트를 구성하였다. 통신과정에서 나타날 수 있는 불완전, 노이즈, 비일관 데이터가 발생할 수 있고 정제된 데이터로 학습하기 위해 smoothing 및 normalization 과정을 진행하였다. 머신러닝 학습세트 구성을 위한 이동평균의 span은 실질적으로 몇 구간 또는 몇 시간의 데이터 평균이 가장 정확도 높은 예측결과를 보여줄 수 있는가에 대해 중요한 요인 중 하나이다. 데이터를 통해 학습하고 가장 신뢰도가 높은 결과를 예측하기 위해 span을 2부터 60까지 설정하였다. 학습을 통하여 온실 내부 3차원 공간 안의 예측성능이 가장 높은 span을 확인하였다. 또한 가장 높은 결정계수 평균을 나타내는 span 값과 동일한 span의 외기 데이터를 적용하여 학습을 진행하고 예측 성능을 확인하였다. 온도 데이터를 입력변수로 하여 각 span 설정에 따른 학습모델의 결정계수 평균을 비교, 분석하였다. Span 13일 경우 온실 내부의 온도 예측의 정확도가 가장 높았으며 실제 결정계수의 평균은 몇몇의 지점을 제외하고 대부분 0.9500 이상의 예측 성능 결과를 나타내었다. 입구쪽에서 가까운 지점들은 대체적으로 예측 성능이 다소 떨어지는 경향이 있었다. 이는 양액기, 덕트난방기, 근권난방기 등 예측범위에서 벗어나는 제어에서 발생하는 상황으로 나타나는 국소부위 결과로 추측된다. 또한 예측성능이 다소 떨어지는 플라스틱 온실의 앞, 뒤 및 양측은 온도변화의 폭이 급격하다는 반증이며 작물 재배 시 적절한 환경조절이 필요하다.

LSTM 신경망 기반 온실 내 시계열 온도 예측 모델 연구

이정규 ( Jungkyu Lee ),강동현 ( Donghyun Kang ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.1

스마트팜은 자연 조건에 의한 생육환경의 불확정성을 줄이기 위한 다양한 기술의 조합으로 구성되어 있다. 특히 온도 환경의 경우 농작물의 적절한 형성과 발달에 가장 큰 영향을 주는 인자로 보고되고 있다. 한편 농가 경영 효율의 측면에서 난방과 냉방으로 인한 에너지 투입 비용에 대한 지속적인 평가가 수반되어야 할 필요가 있다. 스마트팜 고도화를 위해 선결해야할 다양한 난제 중 하나인 과다/과소 에너지 투입을 해소하기 위한 의사결정 기술이 다방면에서 연구되고 있다. 하드웨어 관점에서 기존의 기계적 제어 방식을 탈피하여 예찰을 통한 지능적 제어 방식를 고려해 볼 필요가 있다. 온실 내부 온도 변화의 경우 외부 온도의 일장 주기성에 대응하므로 유사 외부 조건상에서 근사적으로 예측이 가능할 것 이라고 가정할 수 있다. 본 연구에서는 신경망 학습 모델 중 하나인 LSTM(Long short-term memory)을 이용하여 일단위로 인접한 시계열 데이터 변이를 학습한 후 시계열 상에서 온도 변화를 예측하기 위한 방안을 연구하였다. 실험을 수행한 테스트 베드는 충북 청주시 소재(충북 청주시 상당구 가덕면 노동리 326)의 딸기 재배 온실(10 m × 100 m)에서 2018년 3월 1일부터 4월 40일까지 수행되었다. 온실 내부의 온도 계측을 위하여 분해능이 ±0.2°C 이며 40°C~165°C 범위를 계측할 수 있는 HDC1080(Texas instrument, Tex, USA) 센서를 사용하였다. 디지털 통신 방식 중 하나인 I2C 통신방식으로 전송되는 온도 계측 신호 처리를 위해 ARM32 기반 마이크로프로세서를 이용하고 1 Hz의 주기로 기록하였다. 1000 m2 표면적에 해당하는 온실 내부의 대표 온도를 결정하기 위하여 온도 계측 시스템 18 노드를 균등 배분하여 설치하였다. 1 Hz로 계측된 데이터를 신경망 입출력 노드로 삼을 변수로 변환하기 위하여 1차적으로 low pass filter를 이용한 평활화를 수행한 후 정규화를 수행하였다. 입력 변수의 초기 거동이 시계열 상에서 지속적으로 출력 변수에 영향을 주는 대표적인 신경망 모델인 LSTM 모델을 이용하여 일별 시간 단위 평균 온도 24 시퀀스와 분 단위 평균 온도 12440 시퀀스를 입/출력으로 삼은 2가지 형태의 모델을 구성하였다. 시계열 데이터 시퀀스는 임의의 시간 t unit time 에서의 입력변수와 (t+1) unit time 출력변수로 구성하여 순차적으로 학습데이터를 생성하였다. 데이터 분석 및 신경망 모델링 수행을 위하여 MatlabTM R2014a(Mathworks, CA, USA)에서 라이브러리 형태로 제공되는 lstmlayer 함수를 이용하였다. 학습 시 주요 매개변수는 epoch=1, iteration=1000, learning rate=0.001로 고정하였다. 실측치와 모델링을 이용한 예측치를 비교한 회귀분석을 통해 모델의 복습(recalling) 성능을 평가하였다. 시간 단위로 후처리한 온도 예측 모델의 경우 신경망 학습이 수렴하지 않았으며, 최종 도출 모델을 적용한 경우 r²= 0.75 (n=1487) 내외의 결정계수를 보였다. 분 단위로 후처리한 모델의 경우 약 r²= 0.97 (n=86400)의 선형 회귀 성능을 보였다. 인접하여 측정한 온도 간에 내재하고 있는 상호선형성이 분 단위의 시계열 데이터에 남아 있기 때문이라고 판단할 수 있다. 이러한 내재적인 선형성이 존재하는 이유로 실험 기간 동안 연평균 온도 변화에서 크게 벗어나지 않았던 외적 환경 요인의 영향을 들 수 있다. 예측 가능한 최고 time frame 도출과 이상적인 외기조건에 대한 학습데이터 확보를 통해 온실 내 온도 환경 최적 제어를 위한 지능적인 열 에너지 적기/적량 투입 모델이 가능할 것이다.

BLE 기반 가축 활동 징후 계측 웨어러블 시스템 설계

이정규 ( Jungkyu Lee ),김지후 ( Jihoo Kim ),지윤광 ( Yoonkwang Jee ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

국민의 소득 증가로 육류의 소비량은 꾸준히 증가하고 있다. 이에 공급량 확대를 위해 스마트팜을 활용한 농축산업의 현대화가 추진중이다. 해외의 경우 개체별 모니터링을 통해 실효적인 객체 관리를 수행 중이나 국내 기술 수준은 2세대 스마트팜의 초기 단계에 머물러 있다. 또한 단기적 기술 향상을 위해 해외 기종을 도입할 경우 고비용, A/S, 가축모델의 상이함 등의 문제점이 발생한다. 본 연구에서는 BLE 통신의 특징을 활용하여 장시간 가축의 활동 특성 정보를 모니터링하고 수집, 통합 및 저장이 가능한 계측시스템을 설계하였다. 저전력 모드가 가능한 BLE 보드(Nano 33 BLE, Arduino, US)를 선정하여 적층형으로 설계하였다. 딥 스위치를 사용하여 각 센서별 ID 설정 기능을 구현하고 LE 2M PHY 프로토콜을 통해 수집된 데이터를 빠르게 전송하도록 설계하였다. 가축에 부착하는 센서는 배터리 사용방식으로 전력 소모량 감소를 위해 기존 원보드 형태에서 슬립모드별 테스트를 거쳐 최적 계측 주기를 설정하였다. BLE 기능을 지원하는 저전력 다중 프로토콜 SoC인 nRF52840(Nordic Semicondutor, US)를 포함하는 모듈을 선택하였고 RTC 모듈을 추가하여 센서로부터 전송되는 시계열데이터를 수집하는 게이트웨이를 구성하였다. 원보드 제작 단계에서 RTC 및 통신모듈은 와이어 점퍼선으로 결선하도록 회로를 설계하여 부품 교체가 용이한 장점이 있다. 센서부, 게이트웨이는 분진으로부터 보호하고자 엔클로징 및 방수 작업으로 보호하였다. 게이트웨이로 수집된 데이터 통합 서버 구축을 위해 WIFI가 지원되는 DUO2 모듈을 선정하였다. 서버 작동 여부 확인 및 상태 도시를 위해 DISPLAY를 추가로 결선하였으며 I2C 통신으로 서버 상태 정보를 전송하도록 하였다. 계측된 데이터가 서버에서 통합되고 각 센서 노드별로 데이터를 분류하기 위해 서버 내부적으로 데이터 통합, 저장 구조를 설계하였다. 설계된 가축 웨어러블 계측 시스템을 통해 IMU 센서를 기반으로 가축의 행동 데이터 수집 및 분석이 가능하다. 딥스위치를 기반으로 한 센서 ID 설정으로, 설계 방식의 특성 상 대량 양산이 가능하다. 또한 슬립모드 적용 및 부품의 모듈화로 장시간 구동이 가능함과 동시에 유지보수 편의성을 확보하였다. 향후 연구에 따라 영상데이터 비교 및 App을 통한 정보 제공을 기대할 수 있다.