[농업 영상 AI 데이터 활용 아이디어 해커톤 대회] 성장 환경에 따른 생육단계-수확량 데이터 분석을 통한 솎아내기 자동화 로봇 개발 (CHOP-CHOP)

🔶 농업 영상 AI 데이터 활용 아이디어 해커톤 대회

🔶 주최/주관 : 한국지능정보사회진흥원/경상대학교 스마트팜연구소

🔶 목적 : 농업 영상 AI 데이터 활용 및 모델 활성화 아이디어 발굴

🔶 참가신청서 제출 후, 데이터를 제공받아 데이터 분석 진행 → 발표 자료 제출 → 발표

 

포스터

 

1. 아이디어 배경

농림축산식품부의 2018 식량자급률 현황을 살펴보면 보리, 양파, 콩 등 대부분 품종의 식량 자급률이 낮음을 알 수 있다.

또한, 통계청의 농산물생산비조사에 따르면 전체 생산비 중 직접 생산비 분야의

노동력 점유율이 52.1% 차지하고 있음을 알 수 있다. 

이러한 문제점들을 해결하고자 작물들의 식량 자급률을 높이고, 노동력을 줄일 수 있는 방법에 대해 생각해보았다.

현재 수확한 과일의 품질을 분류하는 프로그램이 개발되어 있다.

하지만 수확하기 전에 미리 과일의 품질을 높일 수 있는 방법이 필요하다고 생각되어

이동하면서 식물의 이미지를 촬영하고 품질에 따라 자동으로 솎아내는 로봇을 제안한다.

데이터를 제공받는 여러 작물 중, 식량 자급률이 낮은 콩을 대표적으로 아이디어를 구체화하였다.

 

2. 콩 표준 재배법

본격적인 로봇 디자인에 앞서 콩의 표준 재배법에 대해 살펴보았다.

 

3. 데이터 분석

제공받은 데이터를 통해 데이터 분석을 진행하였다. (MATLAB 이용)

수확량을 Response로 학습 진행 후, 다양한 경도, 위도의 값으로 수확량을 예측할 수 있음을 확인하였다.

하지만 제공받은 데이터에는 우리가 필요한 각 생육 단계에 따른 생육 정보가 존재하지 않아서

직접적인 데이터 분석은 할 수 없었다.

따라서, 각 생육 단계에 따른 생육 정보가 존재한다고 가정하고, 솎아내기 로봇에 필요한 데이터 분석 과정을 기술하였다.

1. 각 생육 단계에 따른 생육 정보가 존재한다고 가정 2. 초장, 분지수의 지상생육조사 데이터를 기반으로 QUALITY_3의 값 산정 3. QUALITY_3를 Response로 하여 학습 진행 →  해당 지역에서의 센서 별 파장에 따른 QUALITY_3의 예측값 파악 → 토지의 상태에 맞춰진 솎아내기 간격을 기준으로 작물 솎아내기 진행 → 비슷한 위치의 솎아 낼 작물 중 QUALITY_3보다 낮은 품질의 작물 솎아내기 진행

 

4. 솎아내기 자동화 로봇

<Blender>를 이용하여 솎아내기 로봇을 디자인하였다.

초기 입력값과 수시 입력값이 입력되면

로봇은 재배 환경 관리 및 피드백 제공 및 입력값에 따른 QUALITY_3을 계산한다.

이러한 결과를 통해 재배 환경을 관리할 수 있고, 낮음 품질의 작물 솎아내기가 가능하다.

솎아내기 자동화 로봇은 카메라, 집게팔, 바퀴로 구성된다.

 카메라와 집게팔이 달린 머리 부분은 360도 회전하며 식물을 측정할 수 있도록 하였다.

카메라 : 식물의 길이, 잎의 개수 측정

집게팔 : 품질이 낮은 작물 솎아내기

바퀴 : 지면이 고르지 않은 밭에서도 잘 다닐 수 있도록 설계

 

5. 개선사항

작물들의 각 생육 단계에 따른 데이터가 부족한 경우가 많았다.

보다 정확한 솎아내기 자동화 로봇 개발을 위한 데이터 개선 사항에 대해 이야기해보려 한다.

 

1. 작물들의 생육 정보 데이터 구축           → 생육 단계와 생육 정보에 따른 데이터 분석으로 솎아내기 정확도 증가할 수 있음 2. 다양한 지역에서의 V3 단계 콩 데이터 구축           → 한 지역에서의 V3 데이터 밖에 존재하지 않아 지역에 따른 수확량 정확도 감소           → 다양한 지역에서의 데이터를 이용하여 수확량 예측값의 정확도를 증가시킬 수 있음 3. 생육 1단계에 대한 품질 데이터 구축           → 생육 1단계에 대한 품질 데이터가 존재하지 않음           → 생육 1단계의 지역, 센서 파장에 따른 품질을 안다면 해당 품질에 의해 속아내기 자동화 진행 가능

 

6. 결론

솎아내기 자동화 로봇의 품질 판단으로 솎아내기를 자동화함으로써 노동력을 감소시키고, 생산성을 향상할 수 있다.

이러한 솎아내기 자동화 로봇은 작물들의 생육 정보가 포함된 데이터가 제공된다면

다양한 작물에 효과적으로 적용할 수 있을 것으로 예상된다.