부산대학교 도서관

최근 농업 분야에서 농업 경쟁력을 높이기 위해 ICT가 도입된 스마트팜 기술이 주목받고 있다. 본 연구에서는 절화 장미를 재배하는 스마트팜과 관행농가의 시설 및 재배 환경을 분석하고, 수확 후 절화수명을 예측하고자 열영상 분석과 기계학습을 통해 모델을 생성하여 스마트팜 기술 활용 가능성을 보고자 하였다. 스마트팜과 관행농가의 현황을 분석한 결과, 두 농가 모두 연동 플라스틱 온실로 되어 있었으며, 난방시스템 및 양액조절, CO2시비 장치 등의 기타 시설은 비슷한 수준으로 갖추고 있었다. 특히, 스마트팜에는 CCTV과 휴대전화 어플리케이션을 이용해 난방 시설의 ON/OFF를 할 수 있는 시스템이 있었으며, 난방 및 양액조절, 보광 등 시설 내 일부 원격자동제어가 가능한 형태였다. 스마트팜에서 재배되는 품종은 ‘Soprano’, ‘Victoria’, ‘Bubblegum’, ‘Magic Diamond’, 관행농가의 품종은 ‘Hera’, ‘Samanda’, ‘3D’, ‘Kensington Garden’로 각 4품종씩 선정하여 재배 환경에 따른 절화 생육 특성을 분석한 결과, 스마트팜의 ‘Soprano’품종은 유의 차 없이 일정하게 유지되는 것으로 나타났고, ‘Victoria’의 경우만 일정하게 유지되지 못하였다. 관행농가의 ‘Samanda’품종은 일정하게 유지되는 것으로 나타났으나, ‘Hera’, ‘3D’, ‘Kensington Garden’품종에서는 유의 차 있게 유지되지 못하는 것으로 조사되었다. 스마트팜의 ‘Soprano’, ‘Bubblegum’, ‘Magic Diamond’ 3품종은 일정한 생육 특성에 따라 절화수명에서도 유의한 차이 없이 비슷하게 조사되었다. 관행농가는 ‘Samanda’품종만 절화수명이 유의차 없이 나타났으나, ‘Hera’, ‘3D’, ‘Kensington Garden’의 절화수명은 약 3일 이상씩 차이가 나면서 일정하게 유지되지 않는 것으로 조사되었다. 절화 장미의 수명 예측을 위해 절화 장미 ‘3D’,‘Kensington Garden’과 ‘Hera’의 품종을 대상으로 열영상을 분석한 결과, 세 품종 모두 만개하는 단계에서, 잎과 꽃의 온도가 대기온도와 비슷하거나 낮게 나타났다. 또한, 대기온도와 꽃, 잎의 온도 차이가 각각 약 2℃로 대기온도보다 높아진 시점은 육안으로 노화가 나타나지는 않았으나 온도 변화가 있었던 단계였다. 그러나 3일 후 육안으로 노화 확인이 가능한 단계에서는 꽃과 잎의 온도가 대기온도와 다시 비슷해지는 경향을 보였다. 대기온도와 절화 장미의 꽃, 잎 온도 변화를 분석한 결과, (1) 꽃이 만개하는 단계, (2) 육안으로 노화가 확인되기 전 온도 변화가 나타난 단계 (3) 육안으로 노화가 나타난 단계로 구분을 할 수 있는 것으로 판단된다. 절화 장미의 수명 예측 모델 구현을 위해 ‘Hera’ 품종의 잎 온도와 대기온도의 차이를 모델의 훈련 데이터로 선정하여 기계학습(machine learning)을 실행한 결과, 100%의 정확도를 갖는 모델의 학습을 완료하였으며, 학습된 모델에 데이터를 넣어 분석한 결과, 대기온도보다 절화 장미 잎의 온도가 낮을 경우 만개하는 단계, 높을 경우 노화단계로 판단 할 수 있다. 기계 학습의 로지스틱 회귀를 사용하여, 값이 1일 경우 노화단계, 0일 경우 만개하는 단계로 설정하여 값을 구하였다. 이상의 결과를 종합해보면 현재 절화 장미 스마트팜은 1세대 수준의 원격제어시스템과 일부 자동제어시스템을 갖추고 있고 환경 제어의 한계점이 있어 스마트팜 수준을 높이고, 수확 후 절화의 수명을 예측할 수 있는 최적 모델을 생성하는 것이 필요하다고 판단된다.
Recently, in agriculture area, smart farming technology incorporating ICT is receiving attention to increase the agricultural competitiveness. In this research, the facilities and cultivation environments of cut roses in smart farm and greenhouse were analyzed. To predict the longevity after harvest, machine learning model was made by using the thermal image analysis. This was attempted to find out the possibility of the usage of smart farming technology.Comparing smart farm and greenhouse, both facilities were multi-span plastic greenhouse, and were equipped with heating and nutrient control system, CO2 control system, etc., which were similar. For the smart farm, there were heating system which could be ON/OFF controlled by CCTV and smart phone application. Some of the equipment such as heating system, nutrient control system and supplemental lighting system could be remotely controlled.Four cultivars were grown in each farms, ‘Soprano’, ‘Victoria’, ‘Bubblegum’, ‘Magic Diamond’in the smart farm and ‘Hera’, ‘Samanda’, ‘3D’, ‘Kensington Garden’ in the greenhouse. After research of morphological characteristics between different cultivation environments, ‘Soprano’of smart farm kept constant with no difference. Only the ‘Victoria’ was not kept constant. ‘Samanda’ of greenhouse kept constant with no difference but ‘Hera’, ‘3D’, and ‘Kensington Garden’ were not kept constant. ‘Soprano’, ‘Bubblegum’, and ‘Magic Diamond’ of smart farm kept constant with no difference. ‘Samanda’ of greenhouse kept constant with no difference but ‘Hera’, ‘3D’, and‘Kensington Garden’showed difference of three days per month.To predict the longevity of cut roses, thermal images analysis was used on ‘3D’, ‘Kensington Garden’ and ‘Hera’. At blooming stage, the temperatures of leaves and petals were similar to or slightly lower than the air temperature. At the certain time when the temperature of leaves and petals were increased by 2℃ than the air temperature, no symptoms were observed with naked eyes in the leaves and petals. However, after three days from the temperature increased, not only a significant senescence was observed with naked eyes, but also the temperature of leaves and petals became similar to the air temperature. As a result of analyzing the temperature changes in leaves and petals, three different stages of cut roses were able to observed: (1) blooming stage, (2) last stage with no visual senescence, and (3) stage with a significant visual senescence. To embody the longevity prediction model of the cut rose, the temperature difference between the leaf of ‘Hera’and the air were chosen for the practice data for the model. After the machine learning process, a model with 100% accuracy was studied. After imposing a data to the model, when the temperature of a cut rose leaf is lower than the air temperature it is a blooming stage and when higher it is a senescence stage. Using the logistic regression of machine learning, value 1 at senescence stage and value 0 at blooming stage was found.From the research, it could be said that current smart farming of cut roses is 1st generation level, which has limitations in environmental control by using remote control system and partial automatic system. To upgrade the smart farming level, an optimal model to predict the longevity of a cut rose is needed.