강화학습 기반의 온실 내 환기 제어 시스템 개발

이윤홍 ( Yoon-hong Yi ),김학진 ( Hak-jin Kim ),김주신 ( Joo-shin Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1

온실 내부 온도는 태양의 고도 상승에 따라 급격하게 상승하고 이러한 온도의 상승은 작물 성장에 피해를 입힐 수 있기에 온실의 냉방에 있어 환기는 아주 중요한 요소이다. 온실에서 일반적으로 환기 시스템, 즉 측창 및 천창을 제어할 때 P-band 제어 방식을 사용한다. P-band 제어는 내부온도와 환기온도의 차이에 비례하여 창의 개폐정도를 비례적으로 제어하는 온실에서 가장 널리 사용되는 방식이다. 그러나 P-band 제어는 밴드 설정 온도가 고정 값이고, 사용자의 경험에 의해 그 값을 변경해야 한다는 단점이 있다. 이로 인해 주변환경 변화에 대응하여 능동적으로 제어를 수행하지 못하여 정밀한 온도 제어가 어려워지고 작물에 피해를 초래할 수 있다. 이러한 문제점을 해결하기 위해 본 연구는 강화학습을 통해 외부환경 변화에 대응하는 최적의 환기 제어 시스템 개발을 목표로 하고 있다. 실험 장소는 수원에 위치한 서울대학교 부속 농장의 5x14m2 규모의 요인 실험 온실에서 실험이 진행되었고 대상 작물은 방울토마토를 선정하였다. 방울토마토의 적정 생육온도를 기반으로 시간대별 목표 온도 값을 최저 15℃, 최대 25℃로 설정하였다. 온실 내외부로 설치된 외부기상대와 내부 온습도 센서로부터 얻어진 데이터가 강화학습 알고리즘이 적용된 메인 PC로 보내진다. 센서로부터 얻은 온도 데이터를 기반으로 목표 온도 값과의 차이를 계산하여 그 차이를 최소화할수록 알고리즘 상으로 더 많은 보상을 얻게 하고 최종적으로 그 보상의 예측 값을 극대화 시키는 방향으로 측창제어를 함으로써 목표 온도 값을 추종하게 된다. 강화 학습 기반의 환기 제어 시스템 개발을 통해 외부기상의 변화에 대응이 어려웠던 기존의 제어와 달리 계속해서 주변 환경과의 상호작용 및 학습을 통해 더 정밀하게 목표 온도를 추종 할 것으로 예상된다.

사물인터넷을 이용한 온실 환경 원격 모니터링 및 제어 시스템

이윤홍 ( Yoon-hong Yi ),김학진 ( Hak-jin Kim ),조우재 ( Woo-jae Cho ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.2

To achieve maximum crop yield, it is important to create the optimal environmental conditions in the greenhouse. However, to get the desired environmental conditions, many sensors and actuators are required and most of the current monitoring and controlling systems are wired. It makes several drawbacks such as wiring heavy-duty, large upfront investment, inconvenient postmaintenance, increase of system complexity, etc. The internet of things (IoT) technology can allow huge number of sensors or actuators to be interconnected and controllable on the internet, thereby allowing more efficient monitoring and control for greenhouse environment. This paper suggests a remote monitoring and controlling system for greenhouses using the IoT technology. The system can collect the temperature and humidity inside greenhouse and the temperature, humidity, solar radiation, direction of the wind, and wind speed outside greenhouse from the sensor nodes. Then, the collected data would be transferred to the Cloud of the IBM Bluemix. Based on the collected data, the environmental control algorithm of the system would control the side windows and fans in the greenhouse to maintain the temperature and humidity as the optimum levels. Furthermore, the system could allow growers to recognize the temporal variations in the greenhouse environments and control the actuators anywhere, anytime. The system can make it convenient to manage the environmental conditions of the greenhouse, thereby allowing efficient and effective crop production.

CNN 기반 온도 변화 예측 모델의 실시간 예측 성능 평가

이윤홍 ( Yoon Hong Yi ),강민석 ( Minseok Gang ),김동욱 ( Dong-wook Kim ),김주신 ( Joo-shin Kim ),정대현 ( Dae-hyun Jung ),김학진 ( Hak-jin Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1

온실은 작물 재배를 위해 적절한 환경을 조성해 줄 수 있다는 장점이 있지만 이상적인 재배환경을 만들기 위해서는 세심한 관리가 필요하다. 특히 지구 온난화로 인해 폭염이나 폭설과 같은 기상이변이 많이 생기면서 외부 기상변화에 발빠르게 대처를 할 수 있는 온실 제어의 필요성이 증가하고 있다. 최근 인공지능을 이용하여 온실 내외부 기상 데이터를 이용하여 온실 내부 온도 변화를 예측하는 연구들이 제시되어 왔다. 본 연구는 급격하게 변하는 외부기상에 대응하여 온실을 제어하기 위해 온실 내부 온도 변화를 예측하고자 하였다. 인공신경망의 기법중 하나인 convolutional neural network (CNN)을 이용하여 내부온도, 내부습도, 내부 CO2 농도, 외부온도, 외부습도, 일사량, 풍향, 풍속 총 8가지 요인들을 입력으로 하여 30분뒤 온실 내부온도를 예측하는 모델을 개발하였다. 예측모델은 수원에 위치한 서울대학교 부속 농장의 단동형 비닐온실에서 관측된 4월, 11월, 1월의 계절별 데이터를 사용하여 개발하였다. 이후 개발된 모델의 적용성 평가를 위해 2월16일부터 2월21일까지 총 5일동안 실시간으로 예측 성능을 검증하였다. 5일간 예측 모델을 통해 온실 내부 온도를 예측한 결과 실제 온도 측정 값과의 평균제곱근편차(RMSE)의 정확도는 2.2℃의 결과를 보였다. 본 연구에서는 급격하게 변하는 외부기상에 대응하여 온실을 제어하고자 인공신경망 기반의 온실 내부 온도 변화 예측 모델을 개발하였고 실시간 예측 성능을 검토하였다. 추후 연구에서는 예측된 온도를 온실 작동기 제어에 반영한다면 외부기상에 대응하는 온실 제어가 가능할 것으로 예상된다.

단동형 온실 내의 온도변화 실시간 예측을 위한 CNN 기반 모델의 적용성 평가

이윤홍 ( Yoon-hong Yi ),정대현 ( Dae-hyun Jung ),김주신 ( Joo-shin Kim ),김학진 ( Hak-jin Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2

온실을 제어함에 있어 온도 변화는 매우 중요한 지표이다. 하지만 온실 내부 환경은 여러 요인들이 복합적으로 얽혀있고, 비선형성을 띄기에 온실 내부 온도 변화를 알기란 쉽지 않다. 이렇게 사람들의 눈으로 확인하기 어려운 온실 내부 변화를 알기위해 온실 내외부 데이터를 활용한 인공지능 연구가 강력한 해결책을 제시할 수 있다. 본 연구에서는 convolutional neural network (CNN)를 이용하여 온도 예측 모델을 형성하였다. 개발된 모델은 외부온도, 외부습도, 일사량, 풍향, 풍속, 내부온도, 내부습도, 내부 CO2 등 8가지 요인을 입력으로 사용하여, 30분, 1시간 뒤의 온실 내부 온도를 각각 예측하였다. 예측모델은 수원에 위치한 서울대학교 부속 농장의 단동형 비닐온실의 4월 9일에서 4월 29일까지 약 20일의 데이터를 사용하여 개발하였다. 이후 개발된 모델의 적용성 평가를 위해 학습에 쓰이지 않은 5월, 6월의 데이터를 사용하여 적용성 평가를 실시하였다. 실제 계측한 온도 값과의 비교를 통해 온도 예측 성능을 평가한 결과 30분, 1시간 뒤의 온도 예측에 대해 결정계수(R2)는 각각 0.94, 0.91이 나왔으며, root mean squared error (RMSE)는 각각 1.19℃, 1.16℃의 결과를 보였다. 본 연구에서 개발된 모델을 실험 온실에 적용하여 실시간으로 취득되는 데이터를 통해 온도예측을 실시하였고 그 예측 성능을 검토하였다. 추후 연구에서는 작동기의 제어이력 데이터를 추가 학습한다면 더욱 정밀한 온도예측이 가능할 것으로 예상된다.

식물공장 내 엽면적지수 측정을 위한 자동 영상 모니터링 시스템

이윤홍 ( Yoon-hong Yi ),김학진 ( Hak-jin Kim ),조우재 ( Woo-jae Cho ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.1

An accurate and fast assessment of the leaf area index based on the vision system could give a useful information that can be used for estimating the crop water need, crop yield, or spatial-temporal growth information, thereby allowing the precision crop management. However, traditional estimations usually suffer from an inaccurate estimate of the varied leaf area index (LAI) according to the crop growth because all direct methods of measuring LAI are similar in that they are extremely laborious, destructive and costly in terms of time and money. In this study, an automated image monitoring system that could easily measure the LAI based on the excess green index and Otsu‘s threshold was developed. From the application test to the lettuce cultivation based on the nutrient film technique, the LAIs estimated by the developed system showed an accuracy of 98.5 ±1.7% in comparison to the manually obtained LAIs, besides the images corresponding to the harvesting period. Furthermore, the results showed there were spatial-temporal variations in the lettuce growth according to the position, implying the necessity of the monitoring the entire growing bed for the selective harvesting. In further study, a development of an image processing that is robust to the saturation would be conducted to allow more versatile and precise crop management.

순환식 수경재배에서 염 축적 관리를 위한 NaCl 모니터링 시스템

조우재 ( Woo-jae Cho ),김학진 ( Hak-jin Kim ),이윤홍 ( Yoon-hong Yi ),김주신 ( Jooshin Kim ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.2

One of the main problems in closed hydroponics is scarcity of good quality water. Although a filtration or desalination could reduce the salts in water, the remaining salts in water would in duce the accumulation of NaCl. If the NaCl in closed hydroponic solution reach to the specific constraint level, the growers should discharge the hydroponic solutions to prevent the salt stress in crops. However, many growers just discharge the nutrient solution regularly because there is few system to monitor the NaCl level in the nutrient solution. It may lead to the excessive discharge of the hydroponic solution, thereby inducing groundwater contamination and loss of fertilizer and water. To prevent the excessive discharge of the solution, it would be necessary to monitor the NaCl concentration in closed hydroponic solution and decide the discharge timing based on the salinity level. In this study, an automated monitoring system for the NaCl accumulation in a closed hydroponics was introduced. Using an artificially formulated saline water with the NaCl concentrations of the water quality standard for hydroponics, the progressively increasing salinity in closed hydroponic system was monitored and the feasibility was evaluated. The impact of NaCl accumulation in a closed system on the growth of lettuce was also investigated.

식물공장 내 엽면적지수 측정을 위한 자동 3D 영상 모니터링 시스템

강민석 ( Minseok Gang ),김학진 ( Hak-jin Kim ),조우재 ( Woo-jae Cho ),이윤홍 ( Yoon-hong Yi ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1

원예작물의 생산성은 식물 덮개의 면적 및 구조에 영향을 받는다. 엽면적을 나타내는 지표인 엽면적지수(leaf area index)는 증산 및 광합성과 밀접한 관계가 있고, 엽면적을 통해 생체중, 수분 요구량을 예측하는데 활용될 수 있다. 따라서 정확한 엽면적 지수 측정은 최적 작물 생육을 위해서 매우 중요하다. 엽면적을 측정하기 위한 전통적인 방법은 파괴적이고, 인적 자원을 많이 필요로 하여 시간과 비용 소모가 클 뿐만 아니라, 시료의 채취 방법이나 시료 상태에 따라 신뢰성이 떨어질 수 있다. 이를 극복하기 위하여 기존 RGB 영상을 이용하여 LAI를 측정하는 선행연구가 제시되었으나, 2D 기반 엽면적 측정은 잎의 높이 등 3차원적 형태 특징을 고려할 수 없고, 작물 내 또는 작물 간 잎의 폐색 영역을 반영할 수 없어 부정확하다는 한계점을 지닌다. 3D 영상을 통해 엽면적지수를 측정하고자 하는 연구는 대부분 노지 작물 혹은 화분 작물을 대상으로 진행되어왔다. 따라서 본 연구에서는 작물 생육 상태 모니터링을 위해 자동 3D 영상 데이터 수집 및 3D 모델링을 위한 모니터링 시스템을 개발하고, 3D 모델을 통한 엽면적지수 측정 결과를 제시하였다. 개발된 시스템은 식물공장 테스트베드와 2차원 이동 플랫폼, Lidar 센서를 바탕으로 선행 연구에서의 LAI 측정 결과보다 실제에 근접한 엽면적 지수를 얻을 수 있었다. 후속 연구에서 다양한 작물에 대해서 LAI를 예측할 수 있는 강인 이미지 처리 방법을 개발하고 일사량, 풍속 조건 등이 존재하는 비닐 온실 환경에서의 시스템 성능을 평가하고자 한다.

방울토마토 수경재배시 이온선택성 전극을 활용한 양액 내 개별 이온 검출

김주신 ( Jooshin Kim ),김학진 ( Hak-jin Kim ),조우재 ( Woo-jae Cho ),이윤홍 ( Yoon-hong Yi ),김용현 ( Yong-hyun Yi ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1

순환식 수경재배 시 양액 내 NO3-, K+, Ca2+과 같은 주 이온의 불균형과 Na+와 같은 유해 물질의 축적은 식물 생육 장애와 질병을 유발하여 생산량 및 품질 저하로 이어진다. 따라서 양액 내 주요 이온들의 농도를 실시간으로 확인하고 유해 물질을 검출하는 것은 식물재배에 있어 중요한 요소이다. 하지만 현재 시중에 판매되고 있는 양액 제어 장치는 양액 내 이온 성분들을 개별적으로 측정하지 못하고 전체 이온들의 총합을 측정하여 전기전도도(EC) 값으로 나타낸다. 산출된 EC 값을 토대로 시비량이 결정되고 농업용수와 혼합하여 양액을 제조하는데 이때 부족 성분과 과잉성분을 구별하지 못하여 양액 내 이온 불균형이 발생한다. 이러한 문제를 해결하기 위해, 본 연구에서는 이온 선택성 전극(ISE)과 라즈베리파이 3B 모델을 사용하여 개별 이온 농도를 실시간으로 검출하는 시스템을 개발하였다. 1-2W형 비닐하우스에서 방울토마토 모종을 암면 배지에 정식하고 점적 관수 방식으로 Hoagland 양액을 공급하며 NO3-, K+, Ca2+, Na+ 이온 농도를 확인하는 요인실험을 진행하였다. 이온선택성 전극의 계측 값들은 ADC 변환을 거쳐 라즈베리파이에 입력되었고 2점 정규화를 통해 신호 표류 현상을 보상한 후 이온별 현재 농도를 산출하는 데 사용되었다. 그 후 Node-RED 프로그램을 사용해 사용자가 인터넷에서 검출 값을 실시간으로 확인하고, 각 이온 농도가 임계 값을 넘으면 사용자에게 경고 알람을 보내는 시스템을 개발하였다. 개발된 시스템의 이온 농도 검출성능은 15% 이내의 오차를 나타내어 실제 방울토마토 재배에서도 주 이온 성분의 농도 검출에 적용 가능함을 나타내었다. 하지만, 이번 연구에서는 개별 이온 농도 관리를 위한 자동 염 보충은 고려하지 않았기 때문에 추후 연구에서 이를 개선하는 것이 필요하다.

작물 생육 대응형 수경재배 변량 관비 제어 시스템

조우재 ( Woo-jae Cho ),김학진 ( Hak-jin Kim ),이윤홍 ( Yoon-hong Yi ),정대현 ( Dae-hyun Jung ),조영열 ( Young-yeol Cho ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.1

In soilless cultivation, fertigation practices are generally based on the personal experience of the grower without considering the water needs of the growing plant. This approach usually causes over-irrigation or under-irrigation for crops, thereby leading to the waste of water, and less yield and quality of crops. Therefore, precision fertigation, which is a technique that provides water based on the water needs of the plant, is necessary for more efficient water use in hydroponics. In this study, an automated fertigation system that could variably supply the nutrient solution to a hydroponic bed based on the transpiration rate of the growing plants was developed. To estimate the transpiration rate of the plants, the modified Penman-Monteith equation using the air temperature, relative humidy, radiation, and the leaf area index (LAI) was used. In lettuce cultivation test, the developed system successfully controled the fertigation volume according to the varied vapor pressure deficit and the radiation as well as the growth of the lettuces. From the application test, the developed system reduced the nutrient solution supply by 57.4% in comparison with the conventional timer-based fertigation strategy, while meeting the actual daily water consumption of the plants with an error of 7.3%, when the lettuces were saturated. In addition, the promoted increasing rate of the leaf area was observed in the plant-based fertigation, indicating the plant-based fertigation could improve the productivity.

순환식 수경재배를 위한 이온 기반 양액 관리 시스템 개발

조우재 ( Woo-jae Cho ),김학진 ( Hak-jin Kim ),이윤홍 ( Yoon-hong Yi ),조영열 ( Young-yeol Cho ),이공인 ( Gong-in Lee ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.2

To reduce the emission of drainage into the environment, it is necessary to maintain the nutrient solution composition at the optimal ion balance. In that sense, ion-specific nutrient solution management can provide the reuse of the hydroponic solution without discharge. However, the absence of the robust ion sensors for several major ions such as P and Mg limits the ion-specific nutrient management. resultingly and little research has been conducted to develope a dosing algorithm for the ion-specific nutrient management. In this study, a decision tree-based dosing algorithm was developed to calculate the optimal volumes of individual nutrient stock solutions to be supplied for five major nutrient ions, i.e., NO3, K, Ca, P, and Mg based on the NO3, K, and Ca sensing. The fertilizer salts for Mg and P were injected proportional to the injected mass of Ca and NO3 due to the absence of the ion sensors for Mg and P. Using the developed dosing algorithm, an ion-specific nutrient solution management system was constructed and applied to Glehnia littoralis cultivation grown on a commercial nutrient film technique-based hydroponic system. From the application test, the system performance was evaluated based on the ion balance in the reused nutrient solution.