스마트 팜의 자동 제어를 위한 AMCS(Agricultural Machine Control System) 설계

A Design of AMCS(Agricultural Machine Control System) for the Automatic Control of Smart Farms

Abstract

본 논문에서는 농장의 위성 사진 혹은 드론 사진을 이용하여 농장을 구분하고 농장 드론과 트랙터의 자율주행 및 행동을 제어하는 'AMCS(Agricultural Machine Control System)'를 제안한다. AMCS는 드론과 트랙터의 센서 데이터 및 비디오 영상 데이터로부터 농장 경계를 구분하고, 메인 서버에서 원격 제어 명령어를 읽어 들인 후 드론 및 트랙터 스프링클러와의 연동을 통해, 관리지역 내의 원격 제어 명령을 전달하는 'LSM(Local Server Module)'과 드론과 트랙터가 농장 밖에서 농장으로 이동하는 경로와 농장 안에서 저비용, 고효율로 일을 처리할 수 있는 경로를 설정하는 'PSM(Path Setting Module)'으로 구성된다. 본 논문에서 제안하는 AMCS의 성능분석 결과 AMCS의 PSM은 외부 출발점에서 농장까지 도달하는 경로를 설정할 때 다익스트라 알고리즘보다 약 100% 향상된 성능을 보였으며, 농장 내부 작업 경로를 설정할 때 기존 경로보다 약 13% 높은 작업 효율을 보였고 36% 낮은 작업 거리를 설정했다. 따라서 PSM은 기존 방식보다 더 효율적으로 트랙터와 드론을 제어할 수 있다.

This paper proposes the AMCS(Agricultural Machine Control System that distinguishes farms using satellite photos or drone photos of farms and controls the self-driving and operation of farm drones and tractors. The AMCS consists of the LSM(Local Server Module) which separates farm boundaries from sensor data and video image of drones and tractors, reads remote control commands from the main server, and then delivers remote control commands within the management area through the link with drones and tractor sprinklers and the PSM that sets a path for drones and tractors to move from the farm to the farm and to handle work at low cost and high efficiency inside the farm. As a result of AMCS performance analysis proposed in this paper, the PSM showed a performance improvement of about 100% over Dijkstra algorithm when setting the path from external starting point to the farm and a higher working efficiency about 13% than the existing path when setting the path inside the farm. Therefore, the PSM can control tractors and drones more efficiently than conventional methods.

그림 1. 가변 윈도우를 이용하여 분리된 농장 경계 Fig. 1. Separated farm boundaries using variable windows

그림 2. PSM의 구성 Fig. 2. The Configuration of PSM

그림 3. 네 가지의 농장 작업 영역 Fig. 3. Four farm work areas

그림 4. 거리별 지나친 노드 수 Fig. 4. Number of excessive nodes by distance

그림 5. 기존 C선회 방식 농장 작업 경로 Fig. 5. Conventional C-Turnaround Farm Work Path

그림 6. PSM로 생성된 농장 작업 경로 Fig. 6. Farm work path generated by PSM

그림 7. 농장의 짧은 변에 따른 총 작업 효율 Fig. 7. Total working efficiency along short sides of the farm

그림 8. 농장의 짧은 변에 따른 총 작업 경로 Fig. 8. Total work path along short side of farm

표 1. 윈도우 구분을 위한 특징정보 Table 1. The Feature information for window identification

표 2. 성능분석 내용 및 결과 Table 2. The performance analysis and results