세계 농식품산업 동향
4차 산업혁명의 기술적 특징과 농업 적용 기술 *
장 필 성
(과학기술정책연구원 부연구위원)
1. 4차 산업혁명과 농업
1)1.1. 4차 산업혁명이란
2015년을 기점으로 4차 산업혁명은 우리나라 모든 산업의 화두로 떠올랐다. 4차 산업 혁명은 3차 산업혁명과 구별이 어려운 연속적 변화이며 아직 현실로 구현되지 않은 미 래적 개념이라는 점에서 논의가 분분하다. 우리나라에서만 유독 인기가 있는 키워드라 는 점에서도 경계하는 모양새다. 그럼에도 불구하고 각 산업이 정보통신기술과 융합하 는 디지털 전환(digital transformation)이 급격하게 일어나고 있다는 점에서는 이견이 없는 듯하다. 디지털 전환을 바탕으로 일어나고 있는 4차 산업혁명은 무엇이며, 기존 산업혁명들과 어떻게 다른지 간략하게 살펴보는 것으로 본고를 시작하고자 한다.
그간 산업혁명이 이룩한 변화를 자동화(automation)와 연결성(connectivity)의 지속적인 강화라고 요약하곤 한다(UBS 2016). 18세기 후반 1차 산업혁명을 통해 석탄과 석유를 에너지원으로 하는 증기기관이 발명되었으며, 이를 바탕으로 자동화 공정이 시작되고, 지역 간 연결성이 높아졌다. 이후 1870년대, 미국에서 컨베이어 벨트를 특징으로 한 대량생산체제의 2차 산업혁명이 일어났다. 개별 생산 라인 혹은 개별 공장 등 부분적
* (psjang@stepi.re.kr).
자동화 공정 간 연결성이 높아졌으며 전기에너지 도입을 통해 자원 수급 차원에서의 지역 간 연결성이 높아졌다. 이후 1970년대에 정보통신 기술을 바탕으로 한 3차 산업 혁명이 일어났으며, 인터넷과 컴퓨터를 바탕으로 진보된 자동화를 이루고 사이버 세 계는 지구를 하나로 연결하였다. 4차 산업혁명은 3차 산업혁명의 연장에서 인공지능 기술 등을 기반으로 자동화와 연결성이 극대화되는 초연결사회로의 진전이자, 기계 자동화(machine automation)를 넘어선 기계 자치(machine autonomy)라는 특징을 가진다 (장필성 2017)<그림 1 참조>.
그림 1. 산업혁명의 발전과정과 명명 시점
산업혁명 용어 처음 사용 (토인비)
2차 산업혁명 용어 정식화 (랜디스)
4차 산업혁명 (다보스 포럼) 제3의 물결(토플러) 제3차 산업혁명(리프킨) 2차 산업혁명 용어 처음 사용(게데스)
1차 산업혁명 (석탄, 증기기관)
2차 산업혁명 (전기, 표준화)
3차 산업혁명 (정보통신)
4차 산업혁명 (인공지능군)
1780 1830 1870 1884 1910 1920 1969 1970 1980 2011 2016 연도
자료: 장필성(2017).
4차 산업혁명을 둘러싼 주요 논의 중 하나는 4차 산업혁명을 세계경제포럼(World Economic Forum, WEF)의 주장과 같이 혁명적인 변화라고 부를 수 있는지 여부이다. 4 차 산업혁명을 역사적 관점에서 해설한 송성수(2017)에 따르면, 산업혁명이라고 불리 기 위한 요건은 다음과 같다: ① 해당 산업혁명을 선도하는 핵심 기술이 존재해야 한 다. ② 핵심 기술은 다른 기술혁신과 연결되면서 포괄적인 연쇄효과를 유발해야 한다.
③ 해당 산업혁명으로 인한 경제적 구조의 변화가 이전의 시기와 구분되어야 한다. ④ 사회문화적 차원에서도 이전의 시기와 구분되는 변화가 있어야 한다(송성수 2017). 이 같은 관점에서 4차 산업혁명은 ‘산업혁명’으로 구분되기는 이르다. 아직 경제적 구조 의 변화나 사회문화적 차원의 변화는 일어나지 않았기 때문이다. 각 산업혁명이 명명 된 시점을 살펴보면 1차와 2차 산업혁명의 경우 50여 년 후에야 역사적으로 명명된 것에 반해 3차 산업혁명부터는 형성단계에서 논의되기 시작했고, 4차 산업혁명은 아 직 시작되지 않은 미래적 개념으로 볼 수 있다<그림 1 참조>.
하지만 4차 산업혁명을 특징짓는 핵심 원리의 윤곽은 드러나고 있으며, 실제 현실로 도 등장하고 있다. 4차 산업혁명은 물리성과 가상성이 결합되어 고도의 효율성을 발휘 할 사이버물리시스템(Cyber Physical System, CPS)을 구현시킬 변화로 요약된다. 좀 더 전 통적인 표현을 빌려 설명하면, 이는 데이터 수집/분석/제어기술을 활용하여 공장이나 기계 등의 주변의 물리적 자원들의 활용을 최적화하는 것을 의미한다. 좀 더 포괄적인 접근을 취하자면, 현실세계를 개선하기 위해 사람들이 수행해 왔던 일련의 작업들, 즉 혁신과정이 가속되는 것을 포함한다. 즉, 4차 산업혁명은 혁신과정의 가속화로 표현될 수 있을 것이다. 이 과정들은 현실의 정보를 인지하는 것, 정보를 분석하는 것, 분석 결과를 현실에 적용하는 것으로 구분될 수 있다. 인공지능 등의 정보통신 기술과 로봇 기술 등의 물리적 기술의 진보를 바탕으로 사람만이 수행할 수 있던 각 과업을 기계가 수행할 수 있게 되었으며, 그 과정 간에 존재하는 제약과 병목현상이 최소화 되는 광범 위한 자동화가 달성되는 것이다<그림 2 참조>. 이 같은 핵심원리를 공유하는 4차 산 업혁명의 전조들이 관찰되고 있다. 4차 산업혁명은 고객의 개별 주문에 즉각적으로 대 응해 제품을 생산하고 장비의 상태를 스스로 진단 관리하는 스마트팩토리나 스스로 주변 환경을 인지하여 운행하는 자율주행기술을 비롯하여, 숙박이나 차량을 공유해주 는 O2O 서비스, 고객의 정보를 바탕으로 개별 고객에게 특화된 서비스를 제공하는 비 즈니스 모델 혁신 등 다양한 모습으로 등장하고 있다.
그림 2. 4차 산업혁명의 핵심 원리: 사이버 물리시스템의 구현
자료: 송종국(2017).
1.2. 4차 산업혁명과 농업의 변화
4차 산업혁명으로 대변되는 디지털 전환은 모든 산업에서 나타나고 있다. 그러나 그 영향이 미치는 정도는 산업의 물리적 특성에 따라 다르다. 4차 산업혁명의 핵심 원리 는 물리성과 가상성의 융합을 통한 최적화이다. 각 산업의 물리적 특징은 물리적 세계 를 가상화하거나, 가상화를 통해 분석 판단한 결과를 물리적 세계에서 구현하는데 많 은 영향을 주게 된다. 예를 들어 금융 산업의 경우 이미 대부분의 금융거래가 실제 화 폐를 사용하지 않고 이루어진다는 점에서 물리적 제약이 거의 없어, 인공지능 기술을 비롯한 정보기술의 발전과 비례한 변화가 일어나게 된다. 제조업의 경우 각종 기계 설 비들이 존재하므로 이를 제어하기 위한 사물인터넷기술(센서, 통신 등) 및 로봇 기술 등이 반드시 필요하다. 보다 복잡한 과정이 필요한 반면, 이들의 종합적인 적용을 통 해 얻을 수 있는 잠재적 가치도 더 클 수 있다.
이 같은 관점에서 농업의 경우는 어떨까? 4차 산업혁명의 특징이 자동화라는 점에 서 노동력 부족에 시달리는 농업부문의 기대가 큰 편이다. 그러나 농업은 다른 산업 보다 물리적 특성이 독특하고 제약이 많다. 제조업부문은 자동화된 스마트팩토리를 구현하여 개발도상국으로 아웃소싱되었던 공장을 자국으로 불러들이는 리쇼어링을 모색하고 있다. 반면 농업은 국가와 지역별로 기후와 토양이 다르고 각 품종이나 생물 은 재배와 사육에 적합한 환경에 종속될 수밖에 없다. 또한 각 품종은 파종과 수확의 시기가 어느 정도 결정되어 있기 때문에 소비자의 수요에 따라 생산을 조절하는 온디 맨드(on-demand) 체제로 전환되는 것도 어렵다. 심지어 농장의 경우 공장과 달리 정형 적인 패턴보다는 비정형적인 패턴이 많으며, 작업 환경이나 수행해야하는 수작업의 난 이도 측면에서 로봇을 통한 자동화가 적용되기가 매우 까다롭다.
농업의 물리적 특징에서 파생되는 어려움으로 인하여 농업의 경우 4차 산업혁명으 로 인한 급진적 변화보다 점진적 변화가 일어날 것으로 보인다. 전반적 과정의 자동화 보다는 농부의 작업이나 판단을 부분적으로 보조하는 기술의 형태로 발전될 가능성이 높다. 오히려 대량의 정보를 획득하고 이를 분석해내는 혁신과정의 가속화라는 측면 에서 농업의 디지털화가 진행될수록 축적되는 방대한 생육정보를 바탕으로 농업 기술 이 빠르게 진보되고, 생산성이 향상되는 효과를 얻게 될 것으로 보인다.
이와 같은 농업의 변화는 데이터기반 농업으로의 전환을 의미한다. 데이터 기반 농 업에서는 농부의 경험이나 노하우에 의해 판단했던 과정을 축적된 데이터를 통해 판 단하게 된다. 보다 높은 수익을 얻기 위해서는 어떤 작물을 심어야 할지, 언제 얼마만
큼의 물과 비료를 주어야 할지 등에 대한 예측을 데이터를 통해 도출할 수 있다. 농산 물을 생산하여 소비자에게 전달하는 전반적 과정에서 보다 정확한 판단을 내리고 효 율적인 관리를 가능하게 한다<표 1 참조>. 데이터기반의 농업과 농업의 자동화는 현 재 정부와 농가가 추진하고 있는 스마트팜의 목표이다. 초기 스마트팜은 주로 농부의 작업 편의를 개선하는 환경 제어 장치를 적용하였으나 점차 생육환경 정보를 활용하 여 생산성을 향상시키는 소프트웨어 중심의 복합적인 시스템으로 발전하고 있다.
표 1. 경험기반 농업에서 데이터기반 농업으로의 전환
경험 기반 농업 데이터 기반 농업
파종 - 주관적 품종 선택
- 파종시기 경험 의존
- 목적 지향적 품종개발/선택 - 환경데이터 기반 파종시기 결정
재배/관리
- 농부 경험 의존 비료/관수 - 인력의존 농작업 - 징후 확인 후 병해충 관리
- 비료/관수 정밀예측, 제어 - 자동화/기계화 농작업 - 징후 예찰 동시관리 수확/저장 - 경험기반 수확시기 결정
- 노동력 의존 수확
- 품질/유통정보 기반 수확 결정 - 자동화 선별/포장작업 가공/유통 - 육안의존 품질 판단
- 경험 기반 유통/판매
- 제품화 기준 품질 규격화 - 실시간 시장정보기반 유통/판매
종합
- 농부의 경험과 노하우 의존 - 비효율적 농작물 관리
- 기후, 환경, 시장변화 수동적 대응
- 축적된 데이터 기반 정밀 예측 - 농작업 정밀 예찰, 효율적 관리 - 기후, 환경, 시장상황 능동 대처 자료: 오상록(2017) 재구성.
2. 4차 산업혁명, 농업 부문 주요 기술과 사례
2.1. 4차 산업혁명과 기술
물리성과 가상성의 융합으로 대변되는 4차 산업혁명의 변화를 이끌어 나가는 기술 은 다양하다. 또한 달성하고자 하는 목적을 기준으로 각 기술이 분류되기도 한다. 사 이버물리시스템을 제조 공장에 구현하고자 했던 인더스트리 4.0의 경우 장비의 상태 나 공정 과정 등을 정밀하게 측정하기 위한 센서들과 이들을 연결하여 데이터화 시키 는 사물인터넷 기술, 그리고 방대한 데이터들을 분석하고 처리하는 인공지능 기술이 이 핵심 요소이다. 여기에 새로운 제작 기법, 새로운 소재, 새로운 에너지원이 적용되 어 제조과정 전반에 나타날 변화로 차세대 제조혁명이라는 표현이 사용되곤 한다. 4차
산업혁명의 경우 제조과정을 넘어서 실제 사람의 삶이나 각종 작업 과정에 적용될 수 있는 로봇, 무인자동차, 드론, 생명공학기술, 블록체인 기술 등의 영향까지 고려한 용 어로 사용되고 있다<그림 3참조>.
그림 3. 4차 산업혁명 관련 기술 관계도
자료: 장필성(2017).
이같이 다양한 기술 가운데 농업에 적용되는 기술은 무엇일까? 4차 산업혁명 관련 기술을 적용하여 얻고자 하는 기능 유형과 그 기능을 구현하기 위한 기술로 구분하여 살펴볼 수 있다. 크게 3가지 기능으로 분류하면, 정보를 수집하고 수집된 정보를 분석 하며 분석 결과를 실행하는 것으로 구분할 수 있다.
각 기능을 수행하기 위해 로봇, 드론 등의 장비와 이에 탑재된 각종 센서들이 활용 되며, 사진이나 동영상 형태로 얻어진 비정형적 빅데이터를 분석하기 위해 인공지능 이 활용된다. 그리고 인공지능이 내린 결정을 실행하기 위한 로봇과 드론 등이 활용된 다. 각 기능과 기술은 서로 얽혀있는 관계를 가진다. 로봇이나 드론은 정보를 수집하 는 동시에 인공지능이 판단한 결과를 실행한다. 인공지능의 경우 다른 농장의 데이터 와 여러 연구결과들을 통해 축적한 데이터를 학습하여 고도로 뛰어난 비서역할을 수 행하면서, 로봇이나 드론의 활동을 제어한다<표 2 참조>.
하나의 기술이 여러 기능을 위해 사용되고, 하나의 제품에도 여러 기술이 사용되기
때문에 각 기술을 명확히 구분하기 어렵다. 다만 본고에서는 정보를 수집하는 사물인 터넷기술, 정보를 바탕으로 판단하는 인공지능기술, 농작업을 자동화하는 로봇 및 드 론기술을 소개하고자 한다.
표 2. 농업부문 4차 산업혁명 기술의 기능별 구분
기능별 구분 구현에 활용되는 4차 산업혁명 관련 기술
① 토양, 작물, 환경(축산 포함) 등의 복합 정보 수집
(사물인터넷 기술) 시설, 로봇, 드론 등의 기기 혹은 작물이나 동물에 부 착된 각종 센서를 통해 토양, 작물, 환경 등의 정보를 얻음, 농업 환경에 특화된 유무선 통신 장비
② 획득된 정보를 바탕으로 의사결정을 내리기 위한 분석
(인공지능 기술) 수많은 농장의 정보를 축적한 빅데이터를 분석하여 해당 농장에 필요한 정보 제공
기존 컴퓨터가 판단하기 어려운 비정형적 데이터(사진, 영상 등)를 분석하기 위한 인공지능기술 필요
③ 의사 결정 결과를 실행하는 농축산
생산 엑츄에이팅 (로봇, 드론 기술) 로봇, 드론, 무인 트랙터 등 자료: 농림수산식품기술기획평가원(2016) 재구성.
2.2. 사물인터넷과 빅데이터
사물인터넷(Internet of Things, IOT)은 컴퓨터와 컴퓨터를 연결하던 인터넷이 발전한 형태로, 통신기술을 통해 사물(가전제품, 모바일장비, 생산기기 등)을 연결시키는 것을 의미한다. 근래에는 모바일 장비를 통해 언제나 사람과 연결될 수 있다는 점에서 만물 인터넷(Internet of Everything, IOE)이라고 불리기도 한다. 사물인터넷 기술은 각 기기가 전송하는 정보를 교환할 수 있으며, 기기의 센서를 통해 기기의 상태나 주변 환경의 정보를 획득할 수 있고 이를 바탕으로 원격으로 제어 명령을 내릴 수 있게 한다.
농가에서 사물인터넷을 통해 수집된 정보는 그 자체만으로 큰 가치를 지니는 것은 아니다. 수많은 농가에서 수집된 정보와 기존 농업 연구결과들이 모여서 최적의 생육 환경에 대한 정보를 제공하는 데이터베이스를 구축하게 되며, 이 데이터베이스에 비 추어 보아 현재의 생육환경에 어떠한 변화를 취해야 하는지에 대해 실시간으로 의사 결정을 내려줄 수 있다는 점에서 그 가치를 가진다. 따라서 사물인터넷기술은 빅데이 터를 활용한 농업 정보망과 긴밀한 관계가 있다. 농업분야 빅데이터 정보망의 대표적 사례로 몬산토의 필드스크립트(FieldScripts)가 있다. 몬산토의 필드스크립트는 종자 유 전학과 형질 기술로 데이터를 분석하고 각 농가의 기후조건이나 토양환경에 맞는 최 적의 종자를 추천해준다.
먼저 농업에서의 사물인터넷은 생육 환경에 대한 정보를 수집하기 위해 사용된다.
센서를 통해 기온, 일광조건, 습도, 토양의 상태에 대한 정보를 수집한다. 수집된 정보 는 환경을 정밀하게 모니터링하게 도와주며, 최적 생육 환경에 대한 정보를 제공하는 빅데이터망과 연결되어있는 경우 상황을 실시간으로 진단할 수 있게 돕는다. 그 대표 적 사례로는 토양의 습도를 파악하는 아일랜드의 Waterbee의 사례가 있다. 무선통신 기반의 스마트 센서인 ZigBee를 배포하고 토양 습도와 여러 환경 요인을 파악할 수 있 게 한다. 10~20m 거리의 근거리 통신이 가능하며, 중간에 배치된 게이트웨이를 통해 이동통신망에 연결되며, WaterBee 서버에 접속하여 수집된 데이터에 대한 분석을 수행 하고 그 결과를 사용자의 스마트폰이나 태블릿, 컴퓨터 등에 전송해준다. 또한 네덜란드 와게닝겐 UR(Wageningen University and Research Centre)의 시험용 온실에서는 땅속의 센 서가 무기염류, 수분의 양, 필수영양소, 산성도를 점검하며, 대기 중의 온도, 습도, 이산 화탄소 양 등을 모니터링하는 연구를 수행하고 있다<그림4 참조>.
그림 4. 무선 습도 센서 WaterBee와 Wageningen의 매립형 토양 센서
자료: Waterbee, Wageningen University & Research.
또한 농업부문에서의 사물인터넷 기술은 생육 환경 정보 외에도 작물이나 가축의 상태에 대한 정보를 직접 획득하기 위해 사용된다. 식물의 생육환경 뿐 아니라 컨디션 을 측정하는 서비스로 이스라엘의 Phytech가 있다. 이스라엘의 Phytech는 작물·환경을 관리하는 고정밀 센서와 소프트웨어를 통해 식물의 생육 컨디션을 측정한다. 지속적 으로 식물의 상태를 모니터링하여 작물의 성장 상태를 보여주고 작물이 스트레스 받 는지 여부와 그 원인을 경고해주어 문제를 예방하도록 한다<그림 5 참조>.
그림 5. Phytech의 식물 생장 센서와 모니터링 시스템
자료: Postscapes.
사물인터넷 기술은 농작물보다는 가축의 상태를 파악하는데 더욱 높은 쓰임새를 보 이고 있다. 동물은 식물과 달리 제자리에 고정되어있지 않아 모니터링이 어려우며, 갑 작스러운 질병이 발생하는 경우 빠르게 대응해야할 필요성이 높기 때문이다. 가축의 경우 필요한 정보를 얻는 방법이 다양하다. 소의 체온을 측정하여 소의 상태를 진단하 는 것이 일반적이지만, 소의 되새김질에 소요되는 시간을 측정하는 스코틀랜드 Silent herdsman의 Cattle Health Care Management System이나 소의 걸음걸이를 측정하는 일본 후지쯔의 우보시스템 등도 존재한다.
후지쯔의 우보시스템의 경우 소의 발정기를 판단하기 위한 시스템으로서, 사람의 판정률이 약 58% 수준인 반면 우보시스템은 100%에 가깝다. 소가 발정을 하거나 질 병에 걸렸을 때 평상시에 비해 걸음 수가 증가하거나 다른 형태를 가지는 것을 측정 하는 방식이다. 우보시스템을 적용한 일본 다수의 목장에서는 평균 420일이던 분만 사 이의 간격을 365일 이내로 줄였으며 약 2개월분의 생산비용이 절감되었다.
2.3. 인공지능
인공지능은 인간이 지닌 지적능력을 인공적으로 구현한 것으로서, 단일기술이라기 보다는 인간의 인식, 판단, 학습 등의 과업을 필요로 하는 작업을 대체하기 위해 적용 되는 기술의 모음이다. 세부적으로는 인지컴퓨팅, 기계학습, 딥러닝, 응용프로그램 인 터페이스 예측, 자연어 처리, 이미지 및 스피치 인식기술 등 다양하게 구분될 수 있다.
전통적인 인공지능은 지식기반형 인공지능 혹은 전문가 시스템이라고 불렸는데, 이는 해당 문제에 대한 인간의 판단 과정을 논리모형으로 분해하여 컴퓨터가 오차 없이 수
행하도록 하는 형태의 인공지능이다. 많은 발전이 있었지만, 인간이 스스로의 판단 과 정을 논리 모형으로 해석해주기 어렵거나, 컴퓨터의 정보 형태가 복잡한 경우 사용이 어려웠다.
최근 알파고의 등장으로 주목을 받고 있는 인공지능은 데이터기반 그리고 인공신경 망 기반의 기계학습을 의미한다. 이는 다량의 데이터를 바탕으로 컴퓨터가 스스로 정 보의 특징들을 추상화 시켜나가는 학습과정을 거치도록 하며, 기존 방식으로 개선이 어려웠던 음성인식이나 이미지 인식 등의 영역에서 비약적인 발전을 이끌고 있다. 오 늘날 구글 Face Net의 얼굴 인식 정확도는 99.96% 수준이며, 이는 사람보다 더 이미지 인식 능력이 향상되었음을 의미한다.
이미지 인식능력의 비약적인 발전은 농업부문에서 농부가 눈으로 직접 보고 판단해 야했던 많은 과업들을 로봇이 스스로 판단하여 수행할 수 있게 됨을 의미한다. 예를 들어 기존의 농기계는 잡초와 작물을 구별하지 못했기 때문에 잡초 제거 작업을 위해 과도한 농약 살포나 농부들의 번거로운 수작업이 필요했다. 잡초와 작물을 구별하며 잡초 제거 작업을 수행할 수 있는 인공지능을 탑재한 리버 테크놀로지(Blue River Technology)가 개발한 레터스봇(Lettuce Bot)은 현재 개발되어 보급을 앞두고 있다. 레터 스봇은 기계학습 능력을 가진 인공지능 로봇이며 상추(lettuce) 밭을 지나면서 1분에 수 천 장의 장면을 촬영한다. 레터스봇은 학습된 지식을 바탕으로 싹이 돋기 시작한 상추 와 그 옆의 다양한 잡초를 구분하여 정교하게 제거한다. 너무 가깝게 자라고 있는 상 추가 있는 경우 더 큰 상추만 남기고 작은 상추를 제거하는 것도 가능하다 <그림 6 참조>. 레터스봇이 대량 보급되면 농부들의 작업량이 감소할 뿐 아니라 대량 살포되 는 농약을 크게 줄일 수 있게 된다.
그림 6. Lettuce Bot 작업 모습
주: (좌)Lettuce Bot 제초제 살포, (우)제초제 살포영역과 비살포영역 비교.
인공지능은 작물과 잡초의 피아식별 수준을 넘어서 구체적인 상태의 진단까지 적용 될 수 있다. 펜실베이니아대의 데이비드 휴즈(David Hughes) 교수와 로잔공과대학의 마 르셀 살라데(Marcel Salathé) 교수는 식물의 모습을 촬영하면 질병 증상에 대해 정확한 진단을 내려주는 인공지능(Plant Village)도 개발 중이다. 현재 26종의 병충해가 발생한 14종의 농작물 사진 데이터를 바탕으로 학습시킨 인공지능을 개발하였으며, 훈련 결 과 5만 여장의 사진가운데 99% 이상 정확히 식별할 수 있었다. 더 다양한 종류의 농작 물과 다양한 병충해 그리고 그 외의 농작물 생장 저해 사례들도 수집하여 인공지능을 학습시키고 있다. 식물 상태에 대한 오진으로 인한 손실을 줄여줄 수 있을 것으로 기 대된다. 이와 유사하게 영상 이미지를 분석하여 미성숙 복숭아를 판별하는 기술도 있 다. 인공신경망을 적용하여 85% 수준의 정확도로 미성숙 복숭아를 판별할 수 있다는 연구결과가 발표되었다(Kurtulmus, F., Lee, W. S., & Vardar, A. 2014).
그림 7. 인공지능을 통한 미성숙 복숭아 판별
자료: Kurtulmus, F., Lee, W. S., & Vardar, A.(2014).
2.4. 로봇
농업용 로봇은 농업 생산, 유통, 소비 과정에서 스스로 환경을 인식하고 상황을 판 단하여 자율적인 동작을 통해 지능화된 작업이나 서비스를 제공하는 기계를 의미하며 (한국산업기술평가관리원 2015), 농업로봇은 노지에서 작업에 이용되는 자주형 농업로 봇과 실내 작업에 이용되는 정치형 농업로봇으로 구분될 수 있다<그림 8 참조>. 로 봇이 스스로 판단하여 작업을 수행하기 위해서는 인공지능의 도움이 필요하므로, 인 공지능기술과 로봇기술은 분리될 수 없다. 다만 로봇이 수행하기에 조금 더 까다로운 형태의 작업을 포함한 기술과 제품들을 본 소절에서 다루었다.
그림 8. 자주형 농업로봇과 정치형 농업로봇
｜자주형 농업로봇｜ ｜정치형 농업로봇｜
자료: 한국산업기술평가관리원 (2015).
잡초를 제거하는 또 다른 로봇들이 있는데, 이들의 특징은 제초제를 사용하지 않고 물리적 방법을 통해 잡초를 제거한다. 호주 시드니 대학에서는 립파(Robot for Intelligent Perception and Precision Application, RIPPA)라는 로봇을 연구하고 있다. 카메라와 센서를 통해 농작물의 상태를 확인하며, 잡초를 발견하면 집게를 통해 제거하고 작물에게는 비료와 물을 살포한다. 제초제를 사용하지 않는 점과 태양전지 패널을 통해 동력을 공 급받는다는 점에서 친환경 유기농 농업을 지향함을 알 수 있다. 보쉬사에서 개발한 보 니롭(BoniRob) 역시 립파와 동일한 방식으로 잡초를 제거하는 로봇이다.
그림 9. 시드니 대학의 RIPPA와 보쉬의 BoniRob(우하)
주: (좌상)RIPPA, (우상)RIPPA 잡초 제거 모습, (좌하)RIPPA 상추 식별 과정, (우하)BoniRob.
밭작물의 경우 작물의 크기가 작고 장애물이 적기 때문에 로봇이 활동하기 비교적 수월하지만, 과수원의 경우 나무와 잎사귀로 인하여 로봇의 작업이 많은 제약을 받는 다. 또한 열매를 가지에서 분리해내는 과정은 밭에서 자라는 작물들을 수확하는 과정 보다 훨씬 정교한 작업을 요구하므로 로봇에게 쉽지가 않다. 그럼에도 불구하고 최근 많은 진전을 이룬 사례들이 있으며, 대표적으로 미국의 어번던트 로보틱스(Abundant Robotics)에서 만든 사과 수확 로봇이 있다. 이 로봇은 비전시스템을 통해 나무에 달린 사과를 인식하고, 진공으로 빨아들이는 로봇 팔을 움직여서 사과를 수확할 수 있다.
그림 10. 어번던트 로보틱스 사과 수확 로봇
자료: Youtube.
노지에서 자주형 로봇을 통해 작업이 이루어지는 반면, 실내에서는 정치형 로봇을 통해 작업을 수행할 수 있다. 계획된 작업 범위에 대한 로봇 작업이므로 보다 정교한 작업이 저렴한 비용으로 수행될 수 있다. 이를 통해 매우 세밀한 수준의 정밀농업을 구현할 수 있으며, 개인의 텃밭을 손쉽게 가꾸어주는 Farm-bot Genesis 등이 재미있는 사례로 꼽힌다. Farm-bot Genesis는 작은 텃밭 영역을 스마트폰 등의 장비를 이용하여 원하는 작물을 손쉽게 재배할 수 있도록 돕는다.
그림 11. Farm-bot Genesis
자료: Robotic Gizmos.
2.5. 드론
드론은 꿀벌 혹은 꿀벌의 소리 등을 지칭하는 단어였지만, 근래에 무인기를 지칭하는 의미로 사용되고 있다. 넓은 의미에서 드론은 로봇기술의 한 영역이나 농업 환경에서 드론이 수행할 수 있는 특별한 역할이 많기 때문에 분리하여 소개할 필요가 있다. 실제 상업용 드론 시장의 80%를 농업 부문에서 차지할 것으로 예상될 만큼 농업에서 드론의 활용 가능성은 크다. 농부가 화학약품에 노출되지 않고도 농약을 살포할 수 있으며, 카 메라를 이용해 작물의 상태를 파악할 수 있다. 농업의 생산성 향상 이상으로 농부들의 작업 환경을 크게 개선하고 노동력 부족 현상을 완화하는 데 도움을 줄 것으로 보인다.
미국 애그리보틱스(Agribotix)사의 Hornet은 농지 상공을 날아다니며 적외선 센서와 카메라로 농작물의 생육 상태를 측정한다. 애그리보틱스는 드론을 판매하는 것뿐만 아니라 농가에서 송출된 데이터를 분석해주는 클라우드 분석 서비스도 제공한다. 이 서비스를 이용하여 작물의 상태를 분석한 뒤 필요한 곳에만 비료를 뿌려 비료 사용량 을 절감할 수 있다. 미국의 프리시전호크(PrecisionHawk)사는 시각 센서, 초분광센서, 다 중스펙트럼, 열적외선 등 다양한 센서 기술을 동원해 작물을 분석한다<그림 12 참 조>. 일본 사가현의 사가대학교는 농업용 어그리 드론(AGRI DRONE)을 개발했다. 적 외선과 열카메라를 이용해 해충이 모여 있는 곳을 찾아내고 살충제와 해충 퇴치기를
통해 직접 해충을 제거한다. 콩과 감자 농장을 대상으로 시험한 결과 50여 종의 해충 을 찾아 박멸하였으며, 해충 발생지점에만 살충제를 살포하여 살충제 피해를 줄이고 토양을 보호하는 효과를 거두었다<그림 13 참조>.
그림 12. Agribotix Hornet과 Precision Hawk
자료: Innovationews, Red Herring.
그림 13. 일본 사가대학교의 농업용 드론(AGRI DRONE)
주: (좌상)농업용 드론, (우상)공중에서 작물의 위치와 해충 밀집 지역 스캔, (좌하)살충제 살포, (우하)해충 퇴치.
자료: OPTim AGRI DRONE.
참고문헌
농림수산식품기술기획평가원. 2016. “주요국의 인공지능 R&D 동향 및 농업분야 적용 전망”. 농식품 R&D 이슈보고서 . 농림수산식품기술기획평가원.
박로운 외. 2015. 농생명산업의 빅데이터 실용사례에 대한 분석과 활용 방안 . 한약정 보연구회지.
오상록. 2017. 지능정보사회 신서비스육성: 스마트팜을 활용한 기술사업화 플랫폼을 중심으로 . 연구산업육성전략포럼.
송성수. 2017. “역사에서 배우는 산업혁명론: 제4차 산업혁명과 관련하여”. STEPI Inisight . 과학기술정책연구원.
송종국. 2017. 4차 산업혁명과 농업농촌 . 제20회 농업전망.
장필성. 2017. “4차 산업혁명의 이해: ‘초연결사회’, 기계 자동화 넘어선 기계 자치시대 예고”. 나라경제 . 한국개발원.
한국산업기술평가관리원. 2015. 농업로봇 기술동향과 산업전망 . 한국산업기술평가관리원.
Kurtulmus, Ferhat, Won Suk Lee, and Ali Vardar. 2014. Immature peach detection in colour images
acquired in natural illumination conditions using statistical classifiers and neural network.Precision agriculture.
UBS. 2016. Extreme automation and connectivity: The global, regional, and investment implications of the
Fourth Industrial Revolution. UBS.참고사이트
