<그림 2> 클라우드 및 빅데이터 기반 스마트 팜의 사이버 – 물리적 모형도
자료: Wolfert et al.(2014).
피하고 수확량을 높일 수 있는 과학적인 방법을 제시하고 있다
.
또한 데이터 분석을 기반으 로 작물의 생장상황,
건강상태(
영양,
질병 등),
수확량 예측 등의 정보를 실시간 제공함으로 써 생산 비용은 줄여주고 생산량을 증가시켜 수익을 극대화하고 있다. 2016
년 유료서비스 농지면적은560
만ha
에서2017
년1,010
만ha
로 증가하였고, 2025
년에는1
억6,000
만ha(
대 한민국 국토 면적의16
배)
가 예상되고 있다.
<
그림3>
은 클라이밋 코퍼레이션의 디지털 농업 플랫폼인 필드뷰(FieldView)
서비스에 대해 보여주고 있다.
필드뷰 서비스에서는 농기계와 농경지 곳곳에 센서를 부착하고 여기서 획득한 다양한 데이터를 기후정보와 결합하여 지역별로 알맞은 농사법을 추천한다.
농부들 은 트랙터를 운전할 때는 태블릿PC
로 접속하고,
걸어서 농장을 둘러 볼 때는 스마트폰을 이용하고,
사무실이나 집에서는 데스크탑을 통해 필드뷰 플랫폼에 접속해서 날씨와 토양상태,
작물상태를 파악할 수 있다.
<그림 3> Climate Corporation의 FieldView 서비스
자료: (https://climate.com/) (검색일: 2019.6.25.)
클라이밋 코퍼레이션은 세계적인 종자기업인 몬산토그룹이
2013
년10
월, 9
억3,000
만 달러에 인수하여 화제가 되었다.
그 후 다국적기업인 바이엘이 몬산토를630
억 달러에 인수 하면서 현재 클라이밋 코퍼레이션은 바이엘의 자회사가 되었다.
2.3. 존 디어(John Deere)
세계 최대 농기계 회사인 미국의 존 디어는
1999
년 나브콤 테크놀로지를 인수한 뒤GPS
기술을 활용한 농기계를 개발하고 있다. 2017
년에는 인공지능 벤처기업인 블루리버 테크놀 로지(Blue River Technology)
를 인수하면서 농업용 빅데이터 기술 및 인공지능 기술을 접목 하는 데 주력하고 있다.
존 디어는2019
년 세계 최대IT·
가전 전시회‘CES 2019’
에 각종 센서와 통신 기능을 탑재한 콤바인을 선보였다.
이 제품은GPS
와 레이저,
컴퓨터 비전 등 센서를 활용해 토양 상태를 측정하는 것부터 곡물을 심고 비료를 주고 수확하기까지 전 과정에 필요한 정보를 수집하여 사용자에게 제공한다.
머신러닝을 통해 필요한 곳에 필요한 만큼의 비료나 농약을 투입할 수 있어 농사의 효율성을 높이고 생산비용을 절감할 수 있고,
강화된GPS
센서로2.54
㎝ 단위까지 측정할 수 있으며,
모든 수집된 정보는 스마트폰 앱과 연동되어 손쉽게 확인할 수 있다.
블루리버 테크놀로지는 차세대 스마트 농업 장비를 개발하 고 있는 스타트업으로 출발하여 현재는 존 디어의 일원으로 기술 개발을 진행하고 있다.
블루리버 테크놀로지는 빅데이터 및 인공지능 기술을 기반으로See & Spray
기술을 도입하 여 잡초 제거 문제를 해결하고 있다.
현재 세계적으로 작물 재배에 있어서 큰 문제는 제초제 내성 잡초의 증가로 인해 농민들이 잡초 제거 문제를 해결할 새로운 방법이 필요한 상태인데도 불구하고 효과적인 해결책은 점점 줄어들고 있다는 점이다
.
매년 잡초 제거에 소요되는 비용이250
억 달러이고, 30
억 파운드의 제초제를 사용하고 있고, 250
종의 내성 잡초가 생겨나고 있다.
과도한 제초제 사용은 제초제 내성의 진화를 촉진하게 되는데,
잡초와 싸우느라 농가는 작물 수확에 어려움 을 겪을 뿐만 아니라 수익성도 악화되고 있다.
이로 인해 제초제의 내성은 더욱 강해지는 악순환이 일어나고 있다.
블루리버 테크놀로지는 이를 극복하기 위해 빅데이터와 인공지능 기술을 이용하여 효율적으로 제초제를 분사하여 제초제 양의90%
정도를 줄여주게 한다.
블루리버 테크놀로지(Blue River Technology)
의 레티스 봇(Lettuce Bot)
은 경작지의 잡초를 찾아 제거하는 장치인데 레티스 봇은 수백만 장의 식물 이미지가 저장된 데이터베이스에서 식물과 잡초를 즉각적으로 구분할 수 있다.
레티스 봇은 작물만을 선별하여 비료를 살포하 고,
비료 살포에 적합하지 않은 유기농 경작지 등에서는 해가 되는 잡초를 제거한다.
레티스 봇은 머신러닝 기술로 상추를 식별해 분당5,000
장의 사진을 촬영하고 실시간으로 수확량을측정해 미국 상추 총 생산량의
10%
정도를 수확한다고 한다.
또한 앞서 언급한See &
Spray
기술로0.02
초 만에0.635mm
반경에 있는 상추 싹과 잡초 싹을 정확하게 구분하고 제거하여 직접 제초제를 뿌릴 때보다90%
의 비용 절감 효과도 가져온다고 한다.
1)<그림 4> 레티스 봇(Lettuce Bot)
자료: (http://fortune.com/2015/06/03/3d-crop-scanner/) (검색일: 2018.05.25.)
<그림 5> 레티스 봇의 See & Spray 기술
자료: (http://blog.emmetts.com.au/john-deere-ventures-into-artificial-intelligence) (검색일: 2018.05.25.)
2.4. IBM의 딥 썬더
‘
지역밀착형(hyperlocal)’
일기예보를 제공하는IBM
의 딥 썬더는 다양한 이점을 보여준다.
1) (http://www.bluerivertechnology.com/) (검색일: 2018.06.07.)
이런 이점은 정밀농업
,
수확량 증가,
수확 후 손실 감소,
저렴한 가격과 같은 소비자 혜택,
품질개선,
환경영향 감소 가능성 등과 직접적으로 연관된다.
또한 효율적인 수자원 활용 가능성은 국제적으로도 매우 중요한 이슈이다. <
그림6>
은 농업을 위해 지역밀착형 일기예 보를 제공해주는IBM
의 딥 썬더의 서비스 모형 그림이다.
<그림 6> IBM 빅 썬더의 농업을 위한 지역밀착형 일기예보를 제공 모형도
자료: 농촌진흥청, World Focus(p.9)에서 재인용
2.5. 유럽: IoF 2020(Internet of Food & Farm)
IoF 2020
은 사물인터넷을 기반으로 유럽의 농식품 전 영역에 네트워크를 구축하여 빅데이터를 수집․활용하는 프로젝트인데 농식품 서비스 분야에 첨단
ICT
융합기술을 활용하여,
효율적이고 건강한 먹거리를 보장하는 글로벌 생태계 조성이 목표이다. 19
개국73
개 파트너 기관으로 구성되어2017
년부터4
년간3,500
만 유로(
약440
억 원)
의 연구비가 투입되고 있는 데 와게닝겐 대학이 주도하고 있다. IoF 2020
프로젝트는 곡물,
낙농,
과일,
채소 및 육류 등5
개 분야로 구분되며,
총19
개의 현장적용 프로젝트를 진행하고 있다.
각각의 세부 프로 젝트들은 연구목적과 이에 따른 연구목표 및 기대치가 설정되어 있다.
곡물분야의 세부 프로젝트는
4
개이며(“
유럽연합(EU)
의IoF 2020” <
표2>
참조),
프로젝트 연구자들은 기존 센서 네트워크,
지리관측시스템,
작물성장 모델과 분석도구를 다양한 데이 터베이스에 연결하여 표준화된 작동 프로토콜을 만든다.
현장에서는IoT
기술의 도움으로 토양·
기후·
식물성장·
질병·
해충과 같은 주요 변수에 대한 데이터를 결합하여 정밀농업을 시도하는 방식으로 운영되고 있다.
낙농분야의 세부 프로젝트는
4
개이며(“
유럽연합(EU)
의IoF 2020” <
표3>
참조),
실시간 센서 데이터와GPS
기계 학습 기술 및 클라우드 기반 서비스를 결합하여 유럽 낙농부문의 생산과정을 개선하는 것을 목표로 한다.
이를 통해 낙농분야의 자원 효율성·
품질·
동물복지 향상 및 환경오염 감소 효과를 입증하는 것이 프로젝트의 목표이다.
IoF 2020
의 과수분야 세부 프로젝트는 포도 및 올리브의 생산과 고부가가치화에 중점을두고 있다
. 1
차적으로는 센서 데이터,
해충/
질병 통제를 위한 클라우드시스템 및 조기경보시 스템을 통한 품질 및 수율 향상을 목표로 하고 있으며,
무선인식기(RFID)
나 스마트 패키징을 이용한 저장·
처리·
운송과정 상태모니터링 시스템을 개발하는 등 사후 관리까지의 실증 연구 를 진행할 계획이다. IoF2020
채소분야 세부 프로젝트들은 센서와 데이터 분석을 지능적으 로 결합하여 재배 과정을 자동화하는 방법을 채택하였다.
완전히 통제된 실내 온실부터 노지에 이르기까지 다양한 조건 하에서 실험하며,
특히 잡초 방제·
추적성 및 인증 시스템의 향상에 초점을 두고 있다. IoF 2020
프로젝트의 동물사육분야에서는 조기경보시스템을 이용 한 동물 건강 증진 및 항생제 사용 감소,
고급 모니터링 시스템을 사용한 결정 최적화 및 피드백 제공 등 동물사육 및 유통과정에IoT
기술 적용하는 것을 모색해 나가고 있다.
<표 2> 주요 프로젝트 내용
구분 주요내용
곡물
Internet of Arable
IoT 기술 결합(토양, 작물 및 기후 조건 등)을 통한 전주기 데이터를 수집 및 관리하며, 주요 작물의 경우 저장 관리
낙농
Internet of Dairy 낙농업 분야 IoT 기술 결합(센서, GPS 등)을 통한 실시간 모니터링 및 개체 사양 관리 과수
Internet of Fruits 재배부터 판매까지의 모든 과정을 IoT 기술과 결합하여 수확, 원산지, 운송 등의 정보 를 수집하고 유용한 정보를 제공
채소
Internet of Vegetables 식물공장을 활용하여 실시간 제어를 가능하게 하고 IoT 기술을 활용한 인공조명 시스 템 구축을 통해 자동 생육 기술 개발
동물사육
Internet of Meat 동물 사육을 위한 환경 모니터링 및 자동화 시스템 구축 자료: 농촌진흥청(2017), “빅데이터가 바꾸는 농업의 미래”에서 재인용
<
표2>
에 나와 있는5
개의 영역(
곡물,
낙농,
과수,
채소,
축산)
에서 데이터 기반의19
가지 혁신 비즈니스 사례를 제시하는 것이1
차 목표인데,
여기서는 사물인터넷,
빅데이터 등 차세대 혁신기술을 사용자가 얼마만큼 쉽게 받아들일 것인지를 뜻하는 수용도(acceptability)
향상이 중요하다.
연구책임자인 비어스 박사는
2018
년 프로젝트 일부를 공개하고 공개경쟁을 통해 더 많은 분석과 비즈니스 모델 생성을 가능하게 할 것이라고 발표하였다.
프로젝트가 성공적으로 진행되면 농식품분야에서 지금껏 예상하지 못했던 다양한 비즈니스 모델들이 생겨날 것으 로 예상되며,
이로 인해 농업용 하드웨어보다 부가가치가 높은 농식품 정보 비즈니스의 확대와 농식품분야 빅데이터 수집 및 활용에 관한 국제표준 제정도 기대하고 있다.
또한 여기서 나온 주요 혁신 사례들은 차세대 농식품 비즈니스 모델로 발전시킬 계획이다.
2.6. 와게닝겐 대학 (WUR)