LSTM 신경망 기반 온실 내 시계열 CO₂ 예측 모델 연구

임은정 ( Eunjeong Em ),오상훈 ( Sanghoon Oh ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.1

이상적인 조건에서 외기 환경과 독립적인 온실 내 농작물의 효과적인 광합성을 위해선 적정 CO₂ 농도를 유지해야 할 필요가 있다. 인위적 방법론을 이용한 CO₂ 농도 유지 기술은 CO₂ 계측 시스템의 정밀도에 따라 성능이 좌우 된다. 다른 환경 변수와 달리 CO₂ 는 작물 및 외부 인입에 따라 선택적으로 수지가 발생하므로 온도, 습도에 비하여 인과모델 도출이 상대적으로 난해하다. 또한 기체 분압 측정 시스템의 기술적 한계로 인해 외란이나 non-steady condition에 의한 시스템 오차의 범위가 매우 크다. 한편, 이미 알려진 CO₂ 농도의 일장 주기 연관성을 바탕으로 작물 생육 및 토양 CO₂ 발생 등을 종합적으로 고려한 인과모델 수립 가능성이 점차 커지고 있다. 특히, 난해한 비선형 인과모델을 밝히기 위하여 경험 데이터를 토대로 한 신경망을 이용한 연구들이 활발하다. 본 연구에서는 신경망 학습 모델 중 하나인 LSTM(Long short-term memory)을 이용하여 일단위로 인접한 시계열 데이터 변이를 학습한 후 시계열 상에서 CO₂ 변화를 예측하기 위한 방안을 연구하였다. 실험을 수행한 테스트 베드는 충북 청주시 소재(충북 청주시 상당구 가덕면 노동리 326)의 딸기 재배 온실(10 m × 100m)에서 2018년 3월 1일부터 4월 40일까지 수행되었다. 온실 내부의 CO₂계측을 위하여 정밀도가 ±30 ppm이며 0~10,000 ppm 범위를 계측할 수 있는 TG100(Trueyes, Korea) 센서를 사용하였다. 디지털 통신 방식 중 하나인 I2C 통신방식으로 전송되는 CO₂ 계측 신호 처리를 위해 ARM32 기반 마이크로프로세서를 이용하고 1 Hz의 주기로 기록하였다. 1000 ㎡ 표면적에 해당하는 온실 내부의 대표 CO₂를 결정하기 위하여 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 CO₂ 24 시퀀스와 분 단위 평균 CO₂ 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. 모델링을 수행한 두 모델은 신경망 학습이 수렴하지 않았으며, 최종 도출 모델을 적용한 경우 r²= 0.1 (n=1487 or 12440) 이하의 결정계수를 보였다. 가정과 달리 CO₂ 예측 모델이 발산하게 된 가장 큰 이유는 실험 초기인 3월 초순의 최소, 최대 편차는 약 600 ppm이었으나 실험 말기에는 약 100 ppm 내외였기 때문으로 판단된다. 이는 신경망 학습 과정 상 선형 대수적 계산 방식의 한계에 기인한 것이며 입력 패턴의 다양성을 해설할 수 있는 추가 변수가 필요함을 의미하기도 한다. 한편, 정밀도 측면에서 예측 모델의 성능은 매우 부정적이나, 1차 미분으로 밝힐 수 있는 증감의 형태는 일치하는 것으로 파악된다. 이는 CO₂ 농도의 증감 추세 예측이 요구되는 제어 시스템에 응용 가능성이 있다고 할 수 있다. 자동화 온실에 적용할 수 있는 CO₂ 공급 모델 도출을 위해선 환경 변수 간의 상관성 해석은 물론 최대 수요자인 작물의 생육 정보를 공학적으로 해석할 수 있는 기술 마련이 선행되어야 할 것이다.

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.

저전력기반 슬립모드를 이용한 Chipset 전력 관리 성능 평가

주우혁 ( Woohyeok Ju ),임은정 ( Eunjeong Em ),박지원 ( Jiwon Park ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1

지능형 디지털 농업 시스템은 ICT 기술을 기반으로 농산물의 생산, 유통, 소비 등 농산업의 전 과정에서 필수적으로 요구되는 미래 농업의 형태이다. 농업 전반의 디지털화를 위해 다양한 현장에서 대응 가능한 농업용 임베디드 장비의 개발과 상용화가 절실하다. 임베디드 장비는 크기가 작고 휴대성을 확보해야하며 한정된 배터리 자원으로 동작됨으로 효율적인 전력 관리에 대한 관심이 증대하고 있다. 본 연구에서 ARM 기반의 임베디드 시스템을 구성하는 요소기술들 중 저전력 기술의 구현과 전력 관리 성능 비교 연구를 수행하였다. 본 연구에 사용된 ARM 보드(D32 pro v2.0.0, WeMos Lolin, China)는 마이크로컨트롤러 칩셋으로 ESP32-WROVER 모듈을 포함하고 있으며, 240MHz의 주기, 4MB 크기의 플래시 메모리, 320KB의 렘 메모리의 성능을 가지고 있다. 또한 칩 내부 모뎀의 전력 관리 라이브러리를 기본적으로 제공하고 있다. ESP32에서 제공하는 데이터 시트를 따르면 Nomal Sleep은 ESP32 Core, ULP Coprocessor, RTC 만 작동하며 전력 소비량 3 ~ 20 mA 수준이다. Deep Sleep은 ULP Coprocessor, RTC 만 작동하여 전력 소비량 10 μA 수준이다. Hibernation의 전력 소비량은 2.5 μA 수준을 나타냈다. 성능 평가를 위해 각 모드별로 10분 동안 슬립모드를 유지하고 1분 동안 모듈을 작동하도록 설정하였다. 본 실험에서는 총 4개의 AA 건전지를 직렬로 연결하여 동일 칩셋에서 각 모드별 전압 측정 결과를 3일간 기록하여 비교하였다. 성능 비교 결과, Hibernation 모드를 활용한 경우가 전압 변화량이 0.41V로 가장 낮은 것으로 확인할 수 있었다. Deep Sleep, Nomal Sleep 모드를 활용한 경우의 전압 변화량은 0.51V, 1.55V 이었다. 위와 같은 연구 결과는 주어진 연구환경에서 수행한 상대적인 평가이므로 정량적인 수치로 성능 평가에 한계가 있으나, 근사적으로 전력소비량을 비교하는 측면에서 활용이 가능할 것이다. 결과적으로 농업의 디지털화 과정에서 개발되는 휴대용 임베디드 장비에서의 전력 소모가 증가하고 있고 제한된 전원에서 효과적인 전력 관리가 필요한 현시점에서 전력 소모 분석의 기초 연구로 활용이 가능하다 판단된다.

저전력 웨어러블 센서 제작을 위한 BLE 5.0 물리계층 특성 연구

전진택 ( Jintack Jeon ),임은정 ( Eunjeong Em ),상완규 ( Wankyu Sang ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1

농업의 4차 산업화는 5G, AI, 빅데이터, IOT 등 4차 산업혁명의 핵심 기술을 응용하여 농업과의 융합으로 이루어지고 있다. 이를 위해 국내 유수 기업들을 중심으로 융복합 기술을 농업분야에 다양하게 적용시키기 위한 노력을 하고 있다. 축산 분야에서는 웨어러블 센서 기술을 활용하여 소나 돼지의 모니터링과 품질 향상을 도모할 수 있다. 한편 무선 통신 기반의 웨어러블 센서는 배터리 용량, 센서의 크기, 전력력 등을 고려해야 한다. 또한 가축에 부착하는 경우 축사 환경으로부터 발생하는 물리적 손상, 통신 장애 및 방해들로부터 강인함이 요구된다. 본 연구에서 저전력 기반의 BLE 5.0 물리적 계층별 데이터 수신거리, 데이터 크기의 특성을 분석하였다. 연구를 위해 사용된 보드는 Nano33 BLE with sense이며 BLE 기능을 지원하는 B306 모듈을 포함하고 있다. B306 모듈은 블루투스 5.0을 지원하는 nRF52840(Nordic Semiconductor, US)의 다중 프로토콜 SoC이며, 1MB의 플래시를 갖춘 ARM 기반의 칩으로 구성되어있다. BLE 5.0 에서의 물리계층은 기존 LE 프로토콜인 LE 1M을 포함하고 있으며, LE 2M, LE Coded 계층이 추가되었다. LE 2M 프로토콜의 이론적인 데이터 전송 속도는 2Mbps 으로 근거리 환경에서 LE 1M 프로토콜 대비 2배 빠른 통신 속도를 제공한다. LE Coded 프로토콜은 기본적으로 FEC(Forward Error Correction) 과정을 포함한다. 이와 같은 방식은 전송 속도는 1Mbps 이하로 떨어지지만, LE 1M 대비 4배의 통신 거리 향상이 가능하다. BLE 프로토콜의 물리계층별 최대수신거리와 데이터 크기는 통신 감도와 해당 거리를 기록하여 비교하였다. 비교 결과 LE 2M은 근거리 환경에서 LE Coded 대비 통신감도가 좋은 것으로 확인되었다. 최대 수신거리는 LE Coded가 LE 2M 대비 약 2배 멀리 까지 무선 통신이 가능함을 확인했다. 기본적으로 무선 통신에서 통신 거리는 송신부에서 신호 출력의 강도를 조절하는 방식으로 제어가 가능하다. 농업현장의 시설 구조물, 계측 대상 등에 대응하여 BLE 프로토콜 물리계층의 특성에 따라 적절하게 적용이 가능할 것이다. 추후 BLE 5.0의 물리 계층 특성에 따라 소비전력 비교를 통해 BLE 프로토콜의 응용 분야를 확장시킬 추가 연구가 필요하다.

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.

돈사 내부 환기 조건에 따른 돼지 체표면 온도 반응 관찰

전진택 ( Jintack Jeon ),임은정 ( Eunjeong Em ),조용진 ( Yongjin Cho ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.2

여름철 돈사에서 열환경 관리는 돼지의 생산성과 직결되며 농가의 수익성과 밀접한 관련이 있다. 돼지는 호흡수를 늘리는 방법으로 체열을 발산하여 더위에 체력소모가 많다. 그에 따라 필요한 시설요소로 환풍기 설치와 냉방 장치를 이용한 내부 환경 제어 등의 중요성이 부각되고 있다. 양돈업을 운영하는 현장에서 시설투자 비용 상승과 냉방 장치에서 발생하는 전기료가 농장 경영에 큰 부담이 되는 것은 사실이다. 고온의 열환경에서 돼지의 체감온도를 저하시키는 것과 적절한 에너지 투입을 위해 돼지 체표면의 부위별 복사에너지의 변이를 정밀하게 관찰할 필요가 있다. 본 연구에서는 열화상카메라를 이용하여 돈사 열환경에 의한 돼지 체표면의 부위별 복사에너지 변이를 관찰하여 돈사 내부의 정밀한 열환경 제어를 위한 기초 연구를 수행하였다. 돼지 체표면의 온도 측정에 사용한 열화상카메라Ⅰ(C2, FLIR, USA)는 MSX 기술이 적용되어 실화상과 열화상을 결합해 측정 대상체의 선명한 이미지 데이터를 저장할 수 있다. 온도 측정값의 정확도를 비교하기 위해 열화상카메라Ⅱ(TG165, FLIR, USA)를 사용하였다. 테스트 베드는 2식의 냉방기, 난방기, 환풍구와 4식의 환기창이 설치되어 있는 청주 소재 실험 돈사에서 수행 하였다. 돈사 내부 열환경에 따른 돼지 체표면의 온도분포를 비교하기 위해 대조군1은 환풍구와 거리가 최대, 대조군2는 가까운 위치에 냉방기가 설치, 대조군3은 환풍구와 거리가 최소로 대조군을 설정하여 돼지 표면에 대해 두부, 경부, 등부, 서혜부의 부위별 온도를 측정하였다. 돈사 내부의 대조군 열환경에 따라 대조군1 체표면의 귀 부위 복사에너지가 37.8 ℃로 가장 높았으며, 대조군2 체표면의 머리 부위 복사에너지가 34.3 ℃로 가장 낮았다. 내부 온도는 대조군1이 27.3 ℃ 가장 높았으며, 대조군3의 내부 온도가 25.6 ℃로 비교적 낮은 것을 확인할 수 있었다. 내부 환경 요소 중 냉방기와 환풍구에 의해 생긴 공기의 흐름이 돼지 체표면의 복사에너지와 밀접한 관련이 있는 것으로 판단되었다. 본 실험을 통한 돼지 체표면 부위별 복사에너지 변이 고려를 통해 돈사 내부의 환경관리시설을 정밀하게 제어할 수 있을 것이다.

태양광 패널 진단을 위한 실시간 영상처리 알고리즘 연구

이정규 ( Jungkyu Lee ),임은정 ( Eunjeong Em ),이승일 ( Seungil Lee ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

기술의 발전과 더불어 환경오염에 대한 관심이 증가하며 신재생에너지로의 전환이 빠르게 이루어지고 있다. 태양광의 활용은 꾸준한 연구 및 실증을 바탕으로 많은 보급화를 이루었으나 최근 관리의 문제가 대두되고 있다. 발전량을 저감하는 먼지, 이물질 등으로 발생하는 발전효율에 손실을 극복하고자 로봇을 활용하여 태양광 패널을 관리하는 등 많은 연구개발 및 시제품의 개발이 이루어지고 있다. 대규모 발전소에서는 불필요한 패널까지 청소를 하게 되면 에너지 소모 및 장비의 내구성 감소로 이어지기 때문에 효율적인 관리를 위해 전략적인 접근 방법이 필요하다. 본 연구에서는 태양광 패널 청소로봇과 결합하여 사용할 수 있도록 국소범위 지역을 실시간으로 모니터링 및 이상여부를 검출할 수 있는 영상분석 알고리즘을 개발하였다. 청소로봇 기준 세로 1m의 크기로 인해 패널과 영상취득부의 거리는 10 cm로 적용하였다. 기존 FOV 68° 의 화각으로는 대형 패널의 영상을 취득하기에 구조적인 어려움이 있어 설계과정에서 FOV 160° 의 카메라(YR-019, Raspberry Pi, UK)로 변경이 이루어졌다. 카메라 모듈은 태양광 패널 청소 로봇에 부착하여 영상정보 수집이 가능하도록 제작하였다. 수집된 영상에 대해 6종류의 색 공간으로 분류하고, 각각의 색 공간에 대응되는 채널을 활용하여 총 18가지 방법으로 분석이 가능하도록 구성했다. 다양한 분석 기법을 적용해서 일사량에 따른 이미지 변화에도 밝기 변화에 대응이 가능하며 이미지 분석 시 필요한 경우 불필요한 패널 이외의 촬영 부분을 제거 할 수 있는 기능을 구현하였다. 이미지 크롭핑을 이용하여 광각 카메라에 대한 왜곡을 최소화하였고 이를 통해 안전성이 확보된 표본 이미지 분석을 통해 오염물의 위치 추정이 가능하도록 구성하였다. 이미지뷰어 프로그램을 통해 영상 수집 및 분석 장치에서 수집된 영상을 실시간으로 확인 할 수 있다. 사용자 편의성을 위해 특정 구역의 영상 정보를 저장할 경우 폴더별로 관리할 수 있도록 프로그램의 기능을 구현하였다. 미세오염, 기상 악조건 등 추가 연구를 통해 악조건을 극복하고 패널의 오염 검출도의 정확도를 향상시킨다면, 태양광 패널 국소부위 관리에 효율적인 기능을 할 것으로 기대된다.

스마트팜 블랙박스 통신 프로토콜 연동 방안 연구

주우혁 ( Woohyeok Ju ),임은정 ( Eunjeong Em ),최승욱 ( Seungwook Choi ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.2

스마트팜 관련 다양한 연구와 더불어 농림축수산 현장의 변화가 커지고 있다. 스마트팜 보급사업 시행 결과에 따르면 스마트팜 장비의 고장 및 오작동으로 인한 신뢰성 결여 문제가 스마트팜 확산의 장애요인으로 지적되고 있다. 스마트팜 장비의 오류를 사용자가 즉각적으로 확인할 수 없으며 정확한 원인 판단이 어려워 생산성 향상에 저해요소로 작용한다. 스마트팜 시스템 고장 원인 분석 시스템 개발하기 위해 스마트팜 구동기(천창, 측창, 보온커튼, 차광막, 환풍기, 유동팬, 관수펌프, 밸브 등)의 작업 상태를 확인할 수 있어야 한다. 본 연구에서는 구동기의 작업 상태를 확인할 수 있는 블랙박스와 통신하기 위한 통신 프로토콜 연동 방안을 살펴 보았다. N사의 블랙박스 보드(NR-AG-S03, Naretrends, Korea)는 한 보드에 220 VAC 전원을 사용하는 구동기 8채널, 24 VDC 전원을 사용하는 구동기 8 채널을 연동하여 구동기의 상태를 확인 가능하다. 보드에 사용하는 통신 인터페이스는 2가지로 RS-232 통신 인터페이스와 RS-485 통신 인터페이스를 사용한다. 장치 디버깅을 목적으로 RS-232 통신을 사용하며 일정 시간마다 계측 결과를 통신한다. 데이터 취득을 목적으로 RS-485 통신을 사용하며 Master 장치의 명령을 받으면 계측 결과를 통신한다. 3개의 토글스위치를 가진 DIP 스위치를 사용하여 장치의 ID를 0~7까지 설정할 수 있다. RS-485 통신을 이용할 경우 ID를 설정해 8대의 보드와 동시에 통신하여 최대 AC 64 채널, DC 64 채널 구동기의 작업 상태 데이터 획득이 가능하다. RS-485 통신에서 사용하는 프로토콜은 STX(Start of text)와 EXT(End of text)가 포함된 프로토콜이다. 블랙박스와 통신 프로토콜을 연동하여 얻은 데이터를 분석하여 구동기의 이상 징후 포착하는 진단 기술을 확보하고, 잠재적 고장 요인과 잔여유효수명을 예측할 수 있을 것이다. 예측된 자료를 통해 구동기의 사전 정비, 문제점 개선, 유지보수 등 필요한 조치를 행함으로 불시 고장으로 인한 장애와 피해를 예방할 수 있을 것으로 기대된다. 또한 스마트팜 시스템 산업의 제품 및 서비스의 신뢰성이 향상 될 것으로 판단된다.

BLE를 활용한 LBS 정확도 향상을 위한 신호특성 연구

이정규 ( Jungkyu Lee ),임은정 ( Eunjeong Em ),유재수 ( Jaesoo Yoo ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

IOT 기반 기술이 발달함에 따라 다양한 기술들이 농업 현장에 적용되고 있다. 농작물의 모니터링, 가축 생육정보 모니터링, 온실 환경조절 등 광범위하게 농업 분야에서 활용되고 있으며 특히 LBS(Location Based Service)의 수요가 증가하고 있다. 관성센서 등 다양한 실내 위치 추적을 위한 방법이 존재하나 저전력 통신이 가능한 BLE(Bluetooth Low Energy)에 대한 연구가 활발히 진행중이다. 본 연구에서는 BLE 통신을 활용한 위치추정을 위해 불규칙한 신호 특성을 확인하였으며 LBS 시스템의 정확성을 높이기 위한 데이터 처리방법에 대해 연구하였다. 실험장비는 Nano33 BLE Board, Nano33 Sense Board를 사용하여 네트워크를 구성하였다. Nano33 BLE 보드는 BLE 5.0 프로토콜을 지원하는 nRF52740(Nordic Semiconductor, US) 칩셋을 포함하고 있으며 BLE 프로토콜의 데이터 통신을 확보하기 위해 LE 2M PHY 방식을 사용하였다. RSSI 방식은 실내 위치 측위 방법 중 하나이며, 단위는 dBm으로 1 mW 단위의 전력을 dB 스케일로 바꿔 나타낸 것으로 스케일의 크기가 통신거리와 관계가 있다. 신호강도는 기본적으로 음수로 표현되며 0에 가까울수록 신호의 세기가 강하다는 것을 의미하며 -100이라면 데이터 송수신 자체가 불안전한 것을 의미한다. 동일한 위치에서 5분간 RSSI 값을 측정한 결과 값이 일정하지 않음을 확인하였으며 특정 거리를 대표하는 RSSI 데이터의 확보가 필수적이다. 거리에 따른 신호세기를 확보하기 위해 거리별 RSSI 값을 1 m부터 4 m까지 1 m 간격으로 측정하였다. 평균값과 최대 빈도 값을 비교하여 각 거리를 대표하는 RSSI 값을 선별하였다. 등간격의 실험 데이터를 거리변화에 따른 dBm값으로 나타내었다. 측정된 거리 간 RSSI 값의 평균과 측정된 RSSI 값의 빈도수로 나타낸 그래프이다. RSSI의 평균데이터는 거리에 따른 신호세기가 선형으로 나타나지 않으나 빈도수 데이터는 멀어질수록 RSSI 값이 점차 감소하는 것을 확인하였다. 위의 실험 결과를 통해 거리와 RSSI 값 간의 관계식은 RSSI 값의 빈도수를 이용하여 도출하였으며 추후 좌표 측정 및 계산에 적용 시 위치추정의 오차감소가 기대된다.

Quaternion 필터를 적용한 지향각 상하 오차 보정 기법 연구

주우혁 ( Woohyeok Ju ),임은정 ( Eunjeong Em ),손연규 ( Yeonkyu Son ),이동훈 ( Donghoon Lee ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1

국립농업과학원에서는 토양 및 토양특성 등을 제공하는 흙토람 사이트를 운영하고 있으며 대국민 서비스 기반 구축을 목적으로 토양 조사를 수행하고 있다. 토양 조사는 현지토양조사 및 분류, 대표토양의 시료채취 및 분석 등의 과정을 거쳐 이루어진다. 이러한 체계적인 토양조사는 토양특성에 적합한 작물선택, 비료사용개선 등을 위한 기초자료로 사용되어 진다. 현장에서 운용되는 토양정보 현장기록장치는 다양한 상황에 대응이 가능하고, 방향 및 위치 데이터의 신뢰성을 확보가 요구된다. 한편 토양 조사 현장의 경사, 영상 촬영 각도, 장비의 구조적 특성 등에 의해 지향각의 상하 오차가 발생되는 것을 확인하였다. 본 연구에서 토양정보 현장 기록장치의 방향 데이터 신뢰성 확보를 위해 오차 보정을 위한 연구를 수행하였다. 본 연구에서 사용한 보드는 Rasberry Pi(Raspberry Pi Zero W, Raspberry Pi, UK)로 WiFi 무선통신이 가능한 소형 SBC이다. IMU 센서(MPU9250, InvenSense, US)는 3축 가속도, 3축 자이로, 3축 지자기를 측정할 수 있다. 가속도는 ±2 g, ±4g, ±8 g, ±16 g의 범위, 자이로는 ±250 °/s, ±500 °/s, ±1000 °/s, ±2000 °/s의 범위에서 설정하여 측정 할 수 있고 지자기는 ± 4800의 범위에서 측정이 가능하다. IMU센서에서 측정된 데이터는 Kalman 필터를 이용하여 지향각을 산출하였고 추가적으로 Quaternion 필터를 이용하여 3차원 지향각 측정시의 오차를 보정하였다. 성능측정을 위하여 총 2대의 센서와 1대의 나침반을 이용하여 45 °단위로 측정을 진행하였다. 나침반과 1번 센서로 측정한 지향각을 비교, 분석했을 경우 R2가 0.9979의 성능을 보여주었고 2번 센서와 비교하였을 경우 R2가 0.9968인 성능을 보여주었다. 이와 같은 연구 결과는 아날로그 나침반을 이용하여 비교하였기에 정확성이 떨어질 수 있으나, 오차를 감안하더라도 Quaternion 필터를 이용하여 오차를 보정하였을 경우 3차원 자세와 상관없이 지향각을 정확하게 측정할 수 있었다. 결과적으로 평평한 면에 놓아야 되는 제약을 가진 아날로그 나침반에서 벗어나 3차원 자세와 상관 없이 정확한 지향각을 측정할 수 있을 것으로 판단된다.