농업생산관리 효율화를 위한 빅데이터 구축 및 활용

(1)

05 농업생산관리 효율화를 위한 빅데이터 구축 및 활용

조 용 빈

농촌진흥청 농업빅데이터팀 팀장 [email protected]

1. 머리말

최근 우리나라는 농업인구의 감소, 고령화, 농가 소득 정체, 기후변화 등으로 농업관련 산업이 약화되어 있으며, 정부에서는 농업관련 문제점 을 해결하기 위해 정보통신기술(ICT) 기반의 스마트팜(Smart Farm) 도 입을 추진하고 있다^[1].

스마트팜이란 정보통신기술을 온실, 축사, 과수원 등에 접목해 원격 및 자동으로 작물과 가축의 생육환경을 적절히 제어할 수 있는 농장의 개념 이며^[2], 특히 온실에서 환경과 작물의 생육상태에 대한 실시간 센싱 정보 를 기반으로 최적의 환경조건을 유지하고, 양액 제어를 통해 작물의 생산 성 및 품질을 향상하고자하는 농업ICT융합기술이다^[3].

국내에서 개발된 스마트팜 시스템들은 환경정보(온·습도, CO2, 조도 등) 기반으로 스마트 미디어를 통해 재배시설의 개폐 및 제어(보온덮개, 천 창, 커튼, 환풍기, 스프링클러, 양액, 열풍기 등)하는 수준에 머물러 있 으며, 네덜란드 등의 선진 농업국가에 비해 스마트팜 생산‧관리 등 기술이 낙후되어 있어 국내 시설농가에서는 외국 스마트팜 시스템을 선호하고 있 는 실정이다. 하지만 50년 이상의 축적된 데이터와 분석 기술을 바탕으로 환경제어시스템을 제공하는 프리바(Priva), 홀티맥스(Hortimax) 등과 같은 외산 시스템에서도 생산 데이터 유출, 장비간 호환성 부족 등의 고비 용‧저효율 문제가 발생하고 있다^[4].

이러한 외산 시스템의 고비용‧저효율 문제를 해결하고, 선진국과의 기 술격차를 해소하기 위해서는 스마트팜의 효율적인 운영을 위한 생육·생장 데이터 확보와 환경관리기술, 재배기술, 분석기술 등에 대한 연구를 통해 우리나라의 현실에 맞는 한국형 스마트팜 개발이 필요하다.

(2)

그림 1. 홀티맥스(Hortimax)社 정밀 복합환경제어시스템 및 모니터링 시스템

<출처 : http://www.hortimax.com>

이에 농촌진흥청과 농림축산식품부에서는 국 내 농업의 조건과 현실에 맞게 최적화된 기술이 적용된 한국형 스마트팜을 개발하고 있으며^[5], 현 재는 원격 모니터링과 제어기술이 적용된 1세대 스마트팜 모델이 개발을 완료한 상태이고, 정밀 생육관리를 위한 복합환경제어, 생육모델, 클라우 드, 빅데이터 등의 기술이 적용된 2세대 스마트 팜 모델 개발이 진행 중에 있다.

2세대 스마트팜 모델의 핵심기술인 빅데이터 는 지금까지 이해할 수 없었던 정보를 이해하고, 분석할 수 없었던 대용량의 비정형 데이터를 처 리하는 기술로서^[6], 데이터를 이용한 지능형 서 비스 구현의 기반 기술이다^[7].

최근 여러 기관의 보고서에 따르면 향후 빅데 이터를 활용한 농업기술이 미래 농업을 주도할 것으로 보고 있으며^[8], 현재 몬산토(Monsanto), 듀퐁(Dupont) 등 다국적 농업 관련 기업들이 빅 데이터를 활용한 새로운 농업 기술 개발에 많은 투자와 노력을 기울이고 있는 상황이다^[9]. 국내 에서도 빅데이터 기술을 농작물 생육환경에 활용 하고 있으나, 아직까지 그 활용성이 미흡한 상태 이며, 빅데이터를 활용한 기술의 성숙도와 적용 면에서 세계 수준에 미치지 못하고 있다.

그렇기 때문에 국내에서도 농작물 생육 환경을 개선하고 농가의 고소득을 창출할 수 있도록 농 작물에 대한 환경정보, 생육정보 이외에도 기상

정보, 외부환경 정보, 농산물 유통정보, 농산물 생 산량 정보, 농산물 가격 정보 등의 빅데이터를 수 집하고, 빅데이터/클라우드 기반의 정보처리를 통 해 고부가가치의 다양한 지식 서비스를 제공할 수 있는 기술을 개발하는 것이 매우 중요하다.

본 고에서는 농업 선진국들의 농업 빅데이터 관련 기술개발 동향을 알아보고, 현재 농촌진흥청 에서 추진하고 있는 토마토, 파프리카, 딸기, 양 돈 분야의 농업 빅데이터 활용 사례에 대하여 살 펴본 후 미래의 농업 빅데이터 활용 방향과 시사 점을 도출하고자 한다.

2. 농업 빅데이터 기술개발 동향

최근 농업 분야에서 빅데이터를 활용한 선진 사례로는 일본, 네덜란드, 미국 등에서 활용한 사 례가 많이 등장 하고 있다.

네덜란드는 지난 수십 년간 누적된 데이터와 재배환경 최적화 노하우를 바탕으로 각종 센서와 제어솔루션을 개발하였으며, 이러한 농업 ICT기 술을 통해 생산량 및 품질 최적화를 도모하고 있 다. 네덜란드의 대표적인 농업 빅데이터 활용 사 례로는 홀티맥스(Hortimax)의 정밀 복합환경제 어시스템, 스파크드(Sparked)의 사물인터넷 기 반 소 모니터링 서비스 등이 있다.

네덜란드의 홀티맥스(Hortimax)사는 정밀 복

(3)

그림 2. 후지쯔(Fujitsu)社 농업관리 클라우드 서비스

<출처 : http://jp.fujitsu.com/solutions/cloud/agri>

그림 3. NEC社 Agriculture ICT Solution

<출처 : http://www.nec.com/en/global/solutions/agri/index.html>

합환경제어시스템을 통해 다양한 센서 및 외부기 상 정보를 이용하여 시설의 미기상 정보를 예측 하고 시설 내의 온도 편차를 최적화하는 솔루션 을 제공하고 있으며, 또한 적외선 온도센서, CO2

센서 등을 이용하여 보다 정확한 작물 주변 환경 정보를 수집하고, 사용자 설정이 가능한 소프트 웨어 기반의 제어시스템을 통해 다양한 제어 옵 션 지정 및 다수의 시설 내 공간 블록을 동일한 조 건으로 제어할 수 있도록 지원하고 있다^[10].

네덜란드의 스파크드(Sparked)사는 ‘사물인 터넷’ 기술을 활용한 빅데이터 수집과 분석을 축 산업에 응용하고 있으며, 소에 무선 인터넷 센서 를 부착하여 소에 관한 정보를 실시간으로 수집․

확보하고 사육에 필요한 내․외부 환경 데이터를 분석한다. 소의 움직임, 건강, 기후조건 등 축적 된 정보(1년 약 200MB/두)를 이용하여 각각의 소들에게 최적의 환경을 제공하고, 농장의 환경

을 효율적으로 개선하고 사육 밀도를 높여 우유 생산량이 증가하였으며, 질병 예방을 통해 안전 한 쇠고기를 생산하도록 지원한다^[11].

일본에서는 후지쯔(Fujitsu), NEC, IBM 등 유 수의 기업들이 농업분야에 ICT기술을 접목하여 다양한 서비스를 제공하고 있으며, 일본의 대표적 인 농업 빅데이터 활용 사례로는 후지쯔의 아키사 이(Akisai), NEC의 M2M(Machine To Machine) 기반 생육환경 감시 및 물류 서비스 등이 있다.

일본의 후지쯔(Fujitsu)사는 ‘아키사이(Akisai)’

를 통해 농업법인의 경영관리, 생산관리, 다수생 산자의 정시·정품·정량·정가 등의 집약관리, 시설 원예환경제어, 육우관리 등 농가의 기업적 경영 을 지원하는 클라우드 기반의 상용화 서비스를 제공하고 있다^[12].

일본의 NEC사는 농지에 M2M을 적용하여 효 율적인 농업활동을 가능하게 하고 있으며, 농지

(4)

그림 4. ‘인공위성을 활용한 쌀의 맛 관리 시스템’의 단백질 함량 분석 결과

<출처 : 일본 총무성 정보통신백서, 일본경제신문, KOTRA 해외시장뉴스>

그림 5. 몬산토(Monsanto)社 필드스크립트(FieldScripts)

<출처 : http://test.monsanto.com/products/pages/fieldscripts.aspx>

에 온도, 습도, 강우량, 일조량 등을 계측하는 센 서를 설치해 정보를 수집․전송하면 농가는 PC나 스마트폰으로 확인하여 관리하며, 이를 통해 과 학적 데이터를 바탕으로 농업 전문가의 지도를 통해 경영 효율성이 증대시키고, 가뭄이나 홍수 등을 예측하여 피해를 예방하도록 도와준다^[13].

일본의 이시카와현 하쿠이시는 ㈜ST에어스페 이스와의 협력을 통해 인공위성에서 촬영한 벼의 이미지 데이터 및 무인 헬리콥터의 보충 촬영을 통해 쌀알에 포함된 단백질 함량을 분석하는 ‘인 공위성을 활용한 쌀의 맛 관리 시스템’을 개발하 였다. 이 시스템을 통해 근적외선 디지털 카메라 기법으로 60cm 단위로 쌀알의 단백질 함량이 6.5% 이하로 조절된 쌀을 분석하여 수확 시 브랜 드 화하여 프리미엄급으로 판매한다^[14].

미국에서는 몬산토(Monsanto), 듀퐁(Dupont) 등 다국적 농업 관련 기업들이 기상 관련 빅데이 터 벤처기업들을 인수하거나 빅데이터를 활용한

새로운 농업 기술 개발에 많은 투자와 노력을 기 울이고 있다. 미국의 대표적인 농업 빅데이터 활 용 사례로는 몬산토(Monsanto)의 필드스크립트 (FieldScripts), 듀퐁(Dupont)의 Pioneer Field360 등이 있다.

미국의 몬산토(Monsanto)사는 자사와 계약한 많은 농부들로부터 많은 정보들을 수집, 분석한 후 세계 전역에 다시 공급하고 있으며, 지난 2010 년부터 ‘필드스크립트(FieldScripts)’란 명칭의 빅데이터 정보망을 개발하여 지원하고 있다. 이 시스템은 많은 트랙터들과 콤바인들에 설치된 GPS(Global Positioning System)를 활용하여 크고 작은 정보를 주고받으며, 토양 상태, 작물의 생장 상황, 일기예보, 심지어 지난 수십 년 간의 기후변화 도표 등과 같은 농작물 재배 관련 정보 와 특수 농작물 재배와 관련, 농업 전문가들의 견 해를 모아놓은 정보를 스마트폰, 컴퓨터 등을 활 용해 농부들에게 제공한다. 농부들은 이를 통해

(5)

그림 6. 듀퐁(Dupont)社 Pioneer^® Field360™ Tools

<출처 : http://www.pioneers.com/home/site/us/programs-services/pioneer-field360>

그림 7. 존디어(John Deere)社 시드스타 모바일(SeedStar Mobile)

<출처 : https://www.deere.com/en_US/products/equipment/ag_management_solutions>

지역별로 차이를 보이고 있는 기후 상황에 맞춰 이앙 심도를 조절하거나, 작물 재배 간격을 조정 해가면서 수확량을 증산하고 있다^[15].

미국의 듀퐁(Dupont)사는 인공위성으로부터 받은 위치정보를 이용해 밭을 가는 트랙터와 무 인이앙기 등을 개발해 농부들에게 보급하고 있으 며, 최근 자사의 ‘처방식 재배’ 시스템에 미국 DTN 사의 날씨정보 솔루션 ‘The Progressive Farmer’

을 적용하고 있다. 이 프로그램은 아이패드용 농 업 관련 정보 시스템이며, 뉴스와 시장 정보, 가 축 및 장비, 토지관리, 농업 정책은 물론 농작물 에 대한 선물옵션이나 투자 정보 등에 이르기까 지 다양한 정보들을 실시간으로 공급한다^[16].

미국의 존디어(John Deere)사는 자사 파종기 와 연동하여 파종 수행 현황 및 결과 데이터를

‘MyJohnDeere.com’으로 실시간 전송, 공간정 보 연동, 영상정보 기록·이력관리 등을 지원하는

SW 제품인 ‘SeedStar Mobile’을 상용화하였다^[17]. 위의 사례들처럼 일본, 네덜란드, 미국 등 선 진 농업국가에서는 농업의 여러 분야에서 빅데이 터 기술을 적용하여 활용하고 있다. 이처럼 현재 국내에서 개발 중인 한국형 2세대 스마트팜 모델 에도 이러한 빅데이터 기술이 적용될 경우 스마 트팜으로부터 수집된 환경, 생육, 이미지, 생산량 등의 대용량 데이터를 효율적으로 저장하여 관리 할 수 있으며, 빅데이터의 분석을 통해 농업환경 변화 예측, 생육자동측정 및 자동제어, 생산량 예 측 등 사용자 맞춤형 서비스를 제공함으로써 농 산물의 생산성 및 품질을 향상 시킬 수 있다. 또 한, 불확실성과 위험성이 높은 농업 경영분야에 서도 빅데이터의 활용을 통해 의사 결정 속도 및 정확도를 높임으로써 농가경영의 효율성 제고를 기대할 수 있다.

(6)

표 1. 화순 스마트팜의 데이터 측정 현황

구분 주요측정 내용 측정주기 조사방식

외기기상 평균, 최고, 최저온도, 감우, 풍향, 풍속 등 분 자동측정

내부환경 온도, 습도, CO2, 일사량, 지온, 지습 등 9항목 분 자동측정

제어 환기온도, 2중환기온도, 난방온도, 천창, 이중, 커튼, CO2 작동 등 15항목 분 자동측정 관수(양액) 일공급횟수, 일회공급량, 일 배액량, 배수율, G-EC공급, G-pH공급, Slab-EC배지, Slab-pH배지 등 8항목 일 자동/수동 측정 생육 생장길이, 잎길이, 잎폭, 잎수, 줄기굵기, 화방높이, 개화군, 착과군, 수확군, 열매수, 수확량, 평균과중

등 12항목 주 수동측정

3. 생산성 향상을 위한 스마트팜 빅데이터 수집‧

활용 사례

농촌진흥청에서는 스마트팜의 성공적인 확산과 성공 사례 발굴을 위하여 토마토, 파프리카, 딸 기, 양돈 분야의 스마트팜을 대상으로 시범농가 를 선정하여, 시범농가의 생산성을 높일 수 있도 록 스마트팜 빅데이터 수집․분석을 통한 현장 컨 설팅을 진행하고 있다.

이러한 스마트팜 빅데이터 수집․활용 프로세스 는 데이터 수집, 데이터 변환, 데이터 분석, 결과 활용으로 구성된다. 시설원예 분야의 경우 먼저 스마트팜 농가에 설치된 복합환경제어시스템에 서 측정되는 ‘분’ 단위 기상 및 근권 환경, 시스템 제어설정 등 환경 데이터와 농가의 작물 생육조 사를 통한 ‘주차’ 단위의 생육 데이터를 수집하고, 데이터 분석이 용이하도록 작물의 생육데이터 수 집 단위인 ‘주차’ 단위로 변환 후 스마트팜 빅데이 터 분석을 진행한다. 스마트팜 빅데이터 분석은 온실의 기초 환경분석과 환경과 작물의 생육상태 관계성 분석을 수행하며, 기초 환경분석은 생육 단계/제어방식별 환경정보의 평균, 최대, 표준편 차 테이블, 사분위편차 그래프를 이용하여 온실 변화 모니터링을 하고, 주차별 환경정보의 시계 열분석그래프로 시설환경 재배 관리와 비교한다.

또한 환경과 작물 생육의 관계성 분석은 주요생 육항목과 온실환경의 그래프를 시각화하여 환경

변화에 따른 생육의 변화를 동시에 파악하고, 생 육단계별 환경과 생육 데이터를 나누어 생육에 영향을 미치는 주요 환경요인을 분석한다. 이렇 게 분석된 스마트팜 빅데이터 결과는 환경제어, 재배관리, 시설 환경 개선 등 농가 현장 컨설팅에 활용한다.

이러한 스마트팜 빅데이터 수집․활용의 대표적 인 사례로는 전남 화순의 토마토 스마트팜 농가 (한울농장)의 사례가 있다. 한울농장의 대상작목 은 완숙토마토로써 연동 비닐온실(13,200m²)에 서 대프니스 품종을 재배하고 있으며, 복합환경 제어시스템으로 ㈜그린씨에스의 마그마를 2011 년부터 적용하여 사용하고 있다.

한울농장의 스마트팜 빅데이터 활용을 위해 표 1과 같이 데이터 측정항목을 정하여 외부기상, 내 부환경, 제어, 관수(양액) 등 환경데이터와 생장 길이, 잎길이, 잎폭 등 토마토 4그루의 생육 데이 터를 수집하였으며, 수집된 데이터의 원활한 분 석을 위해 생육데이터 수집 단위인 ‘주차’ 단위로 변환하여 분석하였다.

수집된 한울농장의 환경데이터를 분석한 결과 토마토의 적정생육 주간온도인 25°C와 야간온도 15°C를 잘 유지하고 있는 것을 알 수 있었으며, 일사비례방식으로 CO2를 공급하는 등 토마토 온 실의 재배환경관리가 잘 이루어지고 있음을 알 수 있었다. 또한 토마토 생육에 영향을 미치는 요 인을 분석을 통해 생육단계별 화방과 줄기굵기에

(7)

그림 8. 환경데이터 분석 그래프 그림 9. 환경, 생육, 생산량 분석 그래프

그림 10. 스마트팜 빅데이터 분석을 통한 보광을 활용한 생산성 향상 모델 개발

영향을 미치는 요인으로 내기온도, 일사량, 양액 관리가 토마토 생육에 큰 영향을 미침을 알 수 있었으며, 화방높이에 따른 환경변화는 온도 및 습도는 비슷하나 CO2, 일사량의 관계는 다름을 알 수 있었다. 그리고 환경, 생육, 생산량 관계 의 경우 일사량이 높은 12주부터 19주까지의 생 산량이 높음을 알 수 있었고, 최적의 화방 높이 조절을 통해 생산성을 향상시킬 수 있음을 알 수 있었다.

이러한 한울농장의 스마트팜 빅데이터 분석 결 과를 활용하여 농가의 현장 컨설팅을 진행하였으 며, 시설원예 환경 가이드라인에 맞춘 환경 관리 방법과 토마토의 생산량이 높고 낮은 경우의 사 례를 분석하여 그 결과를 농가에 제공함으로써 생산성 향상에 기여하고 있다. 또한, 농가에서는

스마트팜 빅데이터 분석 결과를 바탕으로 그림 10과 같이 생산성 향상을 위해 일사량을 보완할 수 있는 보광등을 온실에 설치하여 생산성을 향 상시키고 있으며, 현재는 추가적으로 보광등 관 련 데이터 등을 수집하여 온도, 생육 등과의 관계 를 분석하는 빅데이터 연구가 진행 중이다.

현재 농촌진흥청에서는 한울농장의 스마트팜 빅데이터 활용 사례뿐 아니라 표 2와 같이 토마 토, 파프리카, 딸기, 양돈 등 다양한 분야의 스마 트팜 빅데이터에 대한 연구를 진행하고 있으며, 식물체의 3차원, 열화상 등 이미지 기술과 지식 기반․인공신경망 등 인공지능 및 각종 모델을 활용 한 스마트팜 빅데이터 연구도 진행될 예정이다.

(8)

표 2. 스마트팜 빅데이터 분석 및 활용 사례

작목 농가 데이터 분석 그래프 분석 및 활용결과

(단동형)토마토

○ 단동형 온실에서, 중간 위치에 해당되는 작물은 다른 온실보다 온도가 높아 꽃이 피는 속도가 느림

- 중간 온실의 천창 개폐 보완 실시하여 비교

파프리카

○ 장기간 데이터 수집이 된 경우, 작기별 자신의 온실의 환경변화를 한꺼번에 파악가능

- 온도, 일사량 등 환경차이와 주요 생육항목 및 생산량의 차이를 알 수 있음

○ 에너지 절감을 위하여 전기사용량의 데이터를 결합하여 온도, 생육 등과의 관계를 비교함

- 가장 최소의 에너지를 사용하여 최적의 환경조건을 만족하는 점을 찾아내는 연구

딸기

○ 같은 지역 및 시기의 농가 간 환경(온도, 지중온도 등) 차이 비교 농가마다 환경관리 되어지는 온도가 다름

○ 시기별 시장 평가기준을 맞추기 위한 온도조절을 통한 경도‧산도 조절 및 품질 비교

- (겨울철) 당도>색깔>선별‧포장>경도 순 - (봄철) 경도>당도>색깔>선별‧포장 순

양돈

○ 시기별 분만 후 모돈의 사료섭취량을 비교시 돈사내의 온도에 따라 영향을 보임

- (여름분만) 2.8kg 사료섭취 - (겨울분만) 5.3kg 사료섭취

(9)

4. 결론 및 시사점

일본, 네덜란드 미국 등 농업선진국들은 빅데 이터를 활용한 새로운 농업 기술 개발에 많은 투 자와 노력을 기울이고 있으며, 이러한 빅데이터 기반의 농업 시스템 개발을 통해 필요한 정보를 추출하여 활용함으로써 생산성 증대, 농가 수익 향상, 노동력 절감 등을 이루고 있었다.

국내에서도 농축산 경쟁력 강화를 위해 농업 ICT융합기술개발, R&D시범사업 및 ICT융합기 술 확산을 위한 모델발굴사업 등을 통해 농업 빅 데이터에 관한 연구개발을 지원하고 있지만 그 규 모가 작은 편이며, 기술 수준의 경우 농업 선진국 들에 비해 농업 빅데이터의 활용도와 기술 성숙도 에서 세계 수준에 미치지 못하고 있는 상황이다.

농업 빅데이터 기술에 대한 선진국과의 기술격 차를 해소하고, 농산업 분야에 활용도를 높이기 위 해서는 환경정보, 생육정보, 기상정보, 농산물 유통 정보, 농산물 생산량 정보, 농산물 가격 정보 등 농 업 빅데이터를 활용한 다양한 농업 시스템과 다양 한 지식 서비스를 제공할 수 있는 기술에 대한 지속 적인 연구개발이 필요하며, 그 중에서도 농업 빅데 이터의 표준화를 통해 고품질의 다양한 농업 빅데 이터를 수집하고 발굴하는 것이 매우 중요하다.

충분한 양의 농업 빅데이터와 데이터 품질을 확보 하지 못하게 된다면 농업 빅데이터 서비스의 신뢰도와 만족도는 현저히 낮아지게 되고, 데이터 오류로 인한 경제적 손실 등 피해를 발생시킬 수 있기 때문이다.

그렇기 때문에 가장 우선적으로 농업 빅데이터 의 표준화를 통해 고품질의 다양한 농업 빅데이 터를 발굴하여 수집한 후 이를 기반으로 다양한 농업 빅데이터 시스템 및 지식서비스를 개발하여 농가에 적용해 나간다면 국내의 농산업은 큰 경 쟁력을 가질 수 있을 것으로 기대된다.

참고문헌

1. 김보림, 2016, 농업과 ICT의 융합-스마트팜(Smart Farm), 융합연구정책센터.

2. 서윤정, 2016, 한국의 스마트농업 현황과 주요 과 제, 세계농업, 제185호, 한국농촌경제연구원.

3. 김관중, 허재두, 2015, 스마트 팜 기술동향 및 전 망, 전자통신동향분석, 제30권, 제5호, 한국전자통 신연구원.

4. 정보통신기술진흥센터, 2016, ICT R&D 중장기 기 술로드맵 2022(융합서비스/이동통신/네트워크).

5. 농림축산식품부, 2015, ICT 융복합 스마트 팜 확산 대책.

6. 김정숙, 2012, 빅데이터 활용과 관련 기술 고찰, 한 국콘텐츠학회지, 제10권, 제1호, pp.34-40.

7. 이성훈, 2012, 빅데이터 활용 현황, 한국정보기술 학회지, 제10권, 제3호, pp.51-54.

8. Mckinsey, 2011, Big Data : The Next Frontier for Innovation, Competition, and Productivity.

9. 농협경제연구소, 2013, NHERI 주간 브리프.

10. 이종원, 2016, 해외 농업·농정 포커스, 세계농업, 제185호, 한국농촌경제연구원.

11. 이상일, 2013, 사물통신 서비스 현황과 전망, 정보 통신산업진흥원, 주간기술동향, pp.16-26.