The Korean government has been implementing international development cooperation projects on smart greenhouse for high-valued crops through the Agency of Education, Promotion, and Information Service in Food, Agriculture, Forestry, and Fisheries (EPIS). These projects have been carried out in four Asian countries – the Philippines, Cambodia, Vietnam, and Indonesia – since 2020. The main objectives of these projects are to enhance agricultural productivity, provide innovative capacity building, and establish effective marketing systems in collaboration with recipient organizations in each country. By focusing on medium- and small-scale farmers who are susceptible to climate shocks, these projects have successfully increased crop yields and the average income of farm households that have adopted advanced greenhouse facilities. This has been achieved through improved planting and marketing strategies for high-valued crops. In summary, these projects are playing a crucial role in the modernization of agriculture through the Vulnerable-Smart Agriculture (VSA) scheme, while also collecting policy data to effectively address climate change vulnerabilities. This is being done through a tripartite mechanism involving research, extension activities, and education, all aimed at promoting sustainable agricultural growth in developing countries.
스마트팜으로 알려진 지능형 온실환경 제어(스마트제어)가 겨울철 장미 ‘비스트’의 절화품질에 미치는 영향을 기존의 농 가 수동제어(수동제어)와 비교하여 조사하였다. 그 결과 지능 형 스마트제어가 온실환경인 기온, 배지온도, 상대습도를 겨 울철 절화 장미 생산에 적합하게 유지시켰다. 반면, 수동제어 는 적정한 환기와 상대습도 관리에 다소 불리하였고, 결과적 으로 겨울철 과습으로 흔히 발생하는 잿빛곰팡이 발병이 증가 했으며 절화수명이 단축되었다. 절화의 생체량, 길이, 수명 등 절화품질 역시 스마트제어를 통해 상대적으로 개선되었다. 이 번 연구를 통해 스마트제어 방식이 시설환경관리 측면에서 겨 울철 고품질 절화 장미 생산에 유리하다는 것을 확인하였다.
이 연구는 1세대 스마트 온실의 재배환경 데이터와 장미 절 화의 품질 특성 데이터를 수집하고 그 요인들 간의 상관 관계 를 분석하여 절화수명 예측 및 최적 환경 조성의 기초 자료를 얻고자 수행되었다. 이를 위해, 토경재배(SC) 및 암면배지경 양액재배(RWH) 하우스 각 1개소를 선정하여 1년간 기온, 상 대습도(RH) 및 수증기압차(VPD), 일적산광량(DLI), 근권온도 등의 환경 데이터와 매월 말 수확된 장미 ‘Miss Holland’ 절 화의 품질 특성 데이터를 수집하였으며, 이 데이터와 절화수 명과의 상관관계를 분석하였다. 절화수명은 10월과 11월을 제외하고는 SC 하우스에서 RWH 하우스보다 더 길었다. 절 화수명과 환경 및 생육 특성 간의 상관관계 분석에서 SC 하우 스의 상관계수는 RWH 하우스보다 조금 더 높았으며, 절화수 명 예측을 위한 요소들도 두 하우스 간에 차이가 있었다. SC 하우스의 절화수명 Y=0.848X1+0.366X2-0.591X3+2.224X4- 0.171X5+0.47X6+0.321X7+9.836X8-110.219(X1-X8: 최고 RH, RH 일교차, DLI, pH, Hunter’s b value, EC, 절화 장, 잎 두께; R2=0.544)로 예측되었고, RWH 하우스의 절화수명 Y=-1.291X1+52.026X2-0.094X3+0.448X4-3.84X5+0.624X6 - 8.528X7+28.45(X1-X7: 경경, 야간 VPD, 최고 근권온도, 최 저 근권온도, 기온 일교차, RH 일교차, 최고 VPD; R2=0.5243) 로 예측되었다. 이 두 모델식으로부터 SC 하우스에서는 RH, EC 및 pH가, 그리고 RWH 하우스에서는 근권 온도가 절화수명에 더 큰 영향을 미친다는 것을 추론할 수 있다. 따라서 각 재배 방법에 따라 장미의 절화수명에 더 큰 영향을 미치는 환경적 요인을 효율적으로 관리할 필요가 있다.
본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행 하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법 이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석 방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점 을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계 학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였 다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개 발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변 화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층 6에서 r2 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연 구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예 측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이 터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아 가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단 계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.
이 연구는 스마트 온실의 온습도 데이터를 수집하고, 그 환 경 요인들 간의 상관관계를 분석하여 스마트 온실 환경관리의 기초자료를 제공하고자 수행되었다. 스마트팜 시스템이 도입된 토경 방식의 OS 온실과 암면 배지경 방식의 KB 온실을 대 상으로 기온, 근권온도, 상대습도의 항목에서 매일 24시간의 데이터를 수집하였고, 이중 최고와 최저, 일평균, 주간 평균, 야간 평균, 일교차의 여섯 가지로 세분하여 정리한 후 두 온실 간의 차이와 기온과 근권온도의 상관관계를 분석하였다. 장미의 생육적온은 주간, 야간, 일교차는 이며, 근권온도는, 습도 는 95% 미만을 유지하는 것이 좋다. 두 온실의 실제 환경과 장미의 적정 환경 조건을 비교했을 때, 주간 기온은 OS 온실 에서 5개월 간, KB 온실에서 7개월 간 적정 수준(24~27˚C)을 유지하였다. 야간 기온은 두 온실 모두 2개월간 적정 수준 (15~18˚C)을 유지하였고, 일교차는 OS 온실에서 6개월간, B 온실은 9개월 간 적정 수준(약 10˚C)에 근접하였다. 근권온도 는 OS 온실에서 10개월, KB 온실에서 5개월간 적정 수준 (20~25˚C)을 유지한 반면, 상대습도는 두 온실 모두 연중 적정 범위 내에 들었다. 기온과 근권온도의 상관관계를 분석한 결 과, OS 온실은 최고 온도, 평균 온도, 주간 온도, 야간온도에 서는 뚜렷한 상관관계를, 최저온도와 일교차에서는 약한 상관 관계를 보였으며, KB 온실에서는 전 영역에서 매우 강한 직선 적 비례 관계를 보였다. 결론적으로 토경재배를 실시하는 OS 온실이 고설식 암면배지경을 실시하는 KB 온실에 비해 근권 온도가 기온의 영향을 덜 받았으며, 완충능력이 높은 토경재 배에서는 기온의 영향을 덜 받는다고 볼 수 있다.
본 연구에서는 스마트팜과 관행재배 온실의 시설, 토양 분 석 및 3종류의 절화 스프레이 국화 ‘아비삭(Abishag)’, ‘포드 (Ford)’, ‘헤나(Henna)’ 의 생육 조건 등을 비교 분석했다. 스 마트팜에는 온도, 습도, CO2, 영양공급, 환기, 광을 탐지하는 16개의 자동 센서 채널들이 있다. 특히, 온도가 높아질 때 스 마트팜에서는 안개분사장치를 사용하지만 관행재배 온실에서 는 어떠한 장비 사용 없이 오직 측창만을 열어 온도를 낮춘 다. 따라서 스마트팜은 연중 균일한 환경을 유지하기 때문에 우수한 품질의 절화 국화를 생산할 수 있다. 그 결과 스마트 팜에서는 연간 3.5기작을 재배할 수 있고 m2당 연간 129본을 생산한다. 반면에 관행재배 온실에서는 연간 3기작, m2당 연 간 91본을 생산한다. 토양분석 결과 스마트팜은 유기물함량과 pH가 적정수준이었지만 관행재배 온실은 유기물함량이 초과 상태였다. 전기전도도는 관행재배 온실에서는 적정치보다 3.8 배 정도 높게 나타난 반면 스마트팜에서는 적정 수준을 유지 하고 있어 스마트팜에서의 토양관리가 좋은 것으로 나타났다. 세 품종 모두 스마트팜에서 재배 시 절화장, 엽 수, 줄기직경 이 더 우수한 결과값을 얻었다. 반면에, 엽록소 함량은 관행재 배 온실에서 더 높았다. 본 연구는 스마트팜과 관행재배 온실 에서 절화 스프레이 국화 3품종의 품질을 비교 검증하였다.
스마트 온실은 주로 파프리카, 토마토, 딸기와 같은 과채류 작물을 대상으로 보급되었다. 스마트 온실의 보급량은 지속적으로 증가하고 있지만, 그 실태에 대한 조사는 부족하다. 그러므로, 이번 연구를 통해 한국의 스마트 온실의 시설 규모, 재배작물, 재배방법, 발생 병해충과 실사용자의 평가를 중심으로 한 현 실태를 파악하고자 하였다. 스마트 온실의 리스트는 각 권역별 현장지원센터로부터 제공받았으며, 모든 조사는 농가를 직접 방문하여 수행되었다. 조사된 스마트 온실 농가의 약 50%가 3,300 m2~6,600 m2사이의 규모로 운영하고 있었다. 조사된 농가 중 97.1% 가 화학적 방법을 이용해 병해충을 방제하고 있었다. 조사된 농가에서 응답한 주요 식물병은 흰가루병과 잿빛곰팡이병으로 각각 54.4%, 33.8% 비율로 주로 문제가 되는 식물병이라고 응답하였다. 모든 토마토 농가에서 가루이류가 가장 문제가 되는 해충이라고 응답하였다. 그러나, 파프리카 농가의 76.5%, 70.6%가 총채벌레류와 진딧물류를 가장 문제가 된다고 응답하였다. 스마트 온실에 대한 사용자의 만족도는 10점 만점에 평균 7.5점이었다. 이 결과는 한국의 현재 스마트 온실을 관리하고 미래 스마트 온실을 설계하는 계획을 세우는 데 도움이 될 것이라 생각된다.
본 연구는 기존에 사용하여 왔고, 최근에 온습도의 정확도를 검증하였던 강제 흡출식 복사선 차폐장치 (Aspirated Radiation Shield; ARS)와 모 기업(A 회사)에서 개발한 시스템으로 측정한 온습도를 비교하여 성능을 검토한 후, 시스템의 성능을 개선할 목적으로 수행되었다. 그 결과를 요약하면 다음과 같다. 딸기의 무성도가 두 계측시스템에 영향을 미친 경우를 제외하면, 전체적으로 볼 때 플레이트 2개의 시스템이 1개보다 복사선 차폐효과가 미미하지만 좋은 것으로 나타났다. 그리고 A회사의 시스템과 ARS장치로 측정한 최고온도의 전체적인 범위는 각각 20.5~53.3oC 및 17.8~44.1oC정도로써 A사 제품이 2.7~9.2oC정도 높게 나타났고, 일별 최대 편차는 12.2oC 정도였다. 평균온도의 경우, 두 기관의 전체적인 범위는 각각 12.4~38.6oC 및 11.8~32.7oC정도로써 A사 시스템이 0.6~5.9oC정도 높게 나타났고, 일별 최대 편차는 6.7oC정도 였다. 최저온도의 경우도 각각 4.2~28.6oC 및 2.9~26.4oC정도로써 A사 제품이 1.3~2.2oC정도 높게 나타났고, 일별 최대 편차는 2.9oC정도로써 두 기관의 장치로 측정한 온도에 편차가 있는 것으로 나타났다. 또한 상대습도의 경우, A회사와 ARS장치로 측정한 평균상대습도의 전체적인 범위는 각각 52.9~93.3% 및 55.3~96.5%정도로써 A회사의 시스템이 ARS장치보다 2.4~3.2%정도 낮게 나타나는 경향을 보였다. 그러나 일별로 비교하여 보면, 최대 18.0%정도 A회사의 시스템이 낮게 나타나는 날도 있었다. 결국 상대습도 도 온도와 마찬가지로 미미하긴 하지만 두 기관의 장치로 측정한 온도에 편차가 있는 것으로 나타났다.
본 연구에서는 우선, 농작물의 생육 및 환경관련 데이터를 활용하여 온실의 최적 환경 구현을 위한 시스템을 선정하고 생산성 향상에 대한 연구에 앞서 현재 국내에 보급되어 있는 스마트 온실의 실태를 파악하기 위하여 7가지의 유형별 스마트 온실 농가를 대상으로 현장조사를 실시하였다. 그 결과 현장에서 전하는 유형별 스마트 팜 선도 사례의 주목적을 보면, 지능형이나 첨단형 정도가 스마트 팜에 가까운 것으로 판단되었다. 연령대를 보면, 상대적으로 40대 및 60대가 가장 많았지만, 50대 이하가 21개 농가로서 전체의 약 70.0%정도를 차지하였고, 재배경력 은 10년 이하가 가장 많았다. 온실의 형태로는 1-2W형 이 전체의 50.0%정도이고, 연동형이 전체의 80.0%정도 로서 24개 농가였다. 재배작물의 경우, 화훼류는 3개 농가뿐이고, 나머지 농가는 채소류 중에서도 과채류만 재배 하는 것으로 나타났다. 과채류 중에서도 상대적으로 토마 토와 파프리카가 전체 중에 약 63.6%를 차지하였다. 제어시스템은 약 77.4%정도인 24개 농가가 국산제품을 사용하고 있었다. 제어시스템의 제어방식의 경우, 3개 농가는 제어패널만을 사용하여 온습도 등을 조절하였고 나머지 농가는 패널과 컴퓨터에 의한 디지털 제어방식이었다. 디지털 제어의 경우, 휴대폰을 통한 애플리케이션으 로 원격조절도 가능하게 설계되어 있고, 대부분 농가에 CCTV도 설치되어 있었다. 계측 및 조절 대상 환경인자 는 온도를 포함하여 9개 정도이며, 온도는 전체 조사대 상 농가가 계측하고 있었지만, 환기 및 공기유동 팬이나 탄산가스 농도 등의 경우는 다른 인자에 비해 상대적으로 낮았다. 난방시스템의 경우, 대상 농가 중에 46.7%가 전기보일러를 사용하는 것으로 조사되었다. 이 외에도 온수보일러, 히트펌프 및 등유보일러 등으로 나타났다. 제어시스템에 투자한 규모의 경우, 1,000만 원에서 1억 원까지로 투자규모가 농가마다 다르게 나타났다.
본 연구는 농업 및 정보 통신 기술의 융합을 기반으로 국내외 스마트 농장 서비스 모델을 검토하고 한국의 스마트 온실을 개선하기 위해 필요한 다양한 요인을 조사 하기 위해 수행되었다. 국내 스마트 온실의 작물 생육모델 및 환경모델에 관한 연구는 제한적이었고, 연구를 위한 인프라를 구축하는 데는 많은 시간이 필요하다. 이러한 문제의 대안으로 클라우드 기반 연구 플랫폼이 필요하다. 제안된 클라우드 기반 연구 플랫폼은 통합 데이터, 생육 환경모델, 구동기 제어 모델, 스마트 온실 관리, 지식 기반 전문가 시스템 및 농가 대시보드 모듈을 통해 통합적 데이터 저장 및 분석을 위한 연구 인프라를 제공한다. 또한 클라우드 기반 연구 플랫폼은 작물 생육환경, 생산성 및 액추에이터 제어와 같은 다양한 요인들 간의 관계를 정량화하는 기능을 제공하며, 연구자는 빅데이터, 기계 학습 및 인공지능을 활용하여 작물 생육 및 생장 환경 모델을 분석할 수 있다.