DOI QR코드

DOI QR Code

Fish Activity State based an Intelligent Automatic Fish Feeding Model Using Fuzzy Inference

퍼지추론을 이용한 어류 활동상태 기반의 지능형 자동급이 모델

  • 최한석 (목포대학교 컴퓨터공학과 교수) ;
  • 최정현 (목포대학교 컴퓨터공학과) ;
  • 김영주 (목포대학교 컴퓨터공학과 강사) ;
  • 신영학 (목포대학교 컴퓨터공학과 책임연구원)
  • Received : 2020.09.14
  • Accepted : 2020.10.08
  • Published : 2020.10.28

Abstract

The automated fish feed system currently used in Korea supplies a certain amounts of feed to water tanks at a certain time. This automated system can reduce the labor cost of managing aqua farms, but it is very difficult to control intelligently and appropriately the amount of expensive feed that is critical to aqua farm productivity. In this paper, we propose the FIIFF Inference Model( Fuzzy Inference-based Intelligent Fish Feeding Model) that can solves the problems of these existing automatic fish feeding devices and maximizes the efficiency of feed supply while properly maintaining the growth rate of fish in aqua farms. The proposed FIIFF inference model has the advantage of being able to control feed amounts appropriately since it computes the amount of feed using the current water environments and fish activity state of the aqua farms. The result of the feed amount yield experiment with the proposed FIIFF Inference Model represents the effect of saving 14.8% over the eight months of actual feed amount in the aqua farm.

현재 국내에서 활용되고 있는 자동화된 어류 급이 장치는 특정 시간과 일정량의 사료를 시간에 맞추어 수조에 공급하는 방식이다. 이는 고령화되고 고가인 양식장 관리의 인건비는 줄일 수 있으나 양식 생산성에 결정적 요인이 되는 고가의 사료량을 지능적으로 적절히 조절하기는 매우 어렵다. 본 논문에서는 이러한 기존 자동급이 장치의 문제점을 해결하고, 양식장에서 어류의 성장률을 적절하게 유지하면서 사료 공급의 효율성을 극대화할 수 있는 퍼지추론 기반의 지능형 어류 자동 급이 모델인 FIIFF 추론 모델(Fuzzy Inference based Intelligent Fish Feeding Model)을 제안한다. 본 논문에서 제안하는 FIIFF 지능형 급이 추론모델은 양식어류의 현재 생육 환경 정보 및 실시간 활동 상태를 기반으로 급이량을 산출하기 때문에 사료 급이량 적절성이 매우 높다. 본 연구에서 제안한 FIIFF 추론 모델의 급이량 산출 실험 결과에서는 8개월 동안 양식장에서 실제 투입한 급이량보다 14.8%를 절감하는 효과를 보여준다.

Keywords

References

  1. 배재현 외 6명, "양식어류의 자동먹이 공급장치 개발연구," 한국수산해양기술학회 수산해양기술연구, 제42권, 제4호, pp.234-239, 2006. https://doi.org/10.3796/KSFT.2006.42.4.234
  2. 독고세준, "내수면 양식장을 위한 LPWA망 기반 스마트 급이 시스템 설계," 한국사물인터넷학회논문지, 제2권, 제3호, pp.31-35, 2016. https://doi.org/10.20465/KIOTS.2016.2.3.031
  3. 이진환, 해수 순환여과양식시스템 개발, 국립수산과학원 양식관리과, 2018년도 국립수산과학원 사업보고서, 2019.
  4. 이영돈, 송영보, "능성어류의 양식 산업화를 위해서(1)," 한국수산과학회 양식분과, 한국양식, 제13권, 제2호, pp.4-9, 2001.
  5. 선승천 외 7명, "능성어(능성어(Epinephelus septemfasciatus) 연중 생산 양식 기술개발," 한국수산과학회 양식분과 학술대회, pp.304-304, 2020.7.
  6. M. Negnevitsky 저, 김용혁 역, 인공지능 개론, 한빛아카데미, 2015.
  7. 유정원, 이한수, 정영상, 김성신, "Mamdani 퍼지추론을 이용한 화살의 탄착점 측정 시스템," 한국지능형시스템학회 논문지, 제22권, 제4호, pp.521-526, 2013.
  8. 최상균, 김재생, "온톨로지 기반의 전문가 시스템 구축을 위한 퍼지 추론 엔진," 한국콘텐츠학회논문지, 제9권, 제6호, pp.45-52, 2009. https://doi.org/10.5392/JKCA.2009.9.6.045
  9. 허경구, 김주남, "퍼지 다기준 의사결정분석을 통한 해외 독립발전사업 사업금융 리스크 분석," 한국콘텐츠학회논문지, 제17권, 제5호, pp.574-590, 2017. https://doi.org/10.5392/JKCA.2017.17.05.574
  10. https://kr.mathworks.com/help/matlab/matlab_prog/create-and-share-custom-matlab-toolboxes.html, MathWorks 한국, 툴박스 생성 및 공유- MATLAB & Simulink,