• 생물환경조절학회지
• /
• 제30권1호
• /
• pp.85-93
• /
• 2021

수경재배시 양액 내 탄산정처리를 통한 상추의 생육 및 생리활성물질 변화를 조사하기 위해 네덜란드에서 시판되는 고형 탄산정을 사용하였다. 실험은 무처리를 대조구로 하여 0.5배, 1배, 2배 처리구로 구성하였다. 실험결과, 탄산정 처리 후 챔버내 대기 CO2 농도는 처리 직후 2배 처리구에서 472.2µL·L-1로 가장 높은 수치를 보였으며, 양액내 pH는 2배 처리구는 pH 6.03로 가장 많이 감소하였다. 이후 시간이 경과함에 따라 CO2 농도와 pH는 처리 전 수준으로 회복하는 모습을 나타냈다. 상추의 엽폭과 엽면적은 탄산정 2배 처리시 17.1cm, 1067㎠로 가장 큰값을 나타내었으며 지상부 생체중, 건물 중은 0.5배 처리구에서 63.87g, 3.08g으로 가장 높게 나타났다. 상추의 근장은 대조구에서 28.4cm로 가장 길었으나 처리구들간에 지하부의 생체중, 건물중은 유의적인 차이를 나타내지 않았다. 외관상 탄산정 처리에 의해 상추의 근장이 짧아지고 곁뿌리가 많이 발생한 것이 관찰되었다. 또한 뿌리가 갈색으로 약간 변하는 결과가 있었지만, 지상부 생육에는 부정적인 영향을 미치지 않은 것으로 나타났다. 탄산정 처리에 의한 상추의 생리활성물질을 분석한 결과 chlorogenic acid와 quercetin 두가지 물질이 검출되었으며 이를 정량분석한 결과 1배 처리구에서 chlrogenic acid는 대조구보다 249% 증가하였지만 quercetin은 37% 감소한 결과를 나타냈다. 항산화 활성을 나타내는 DPPH 라디컬 소거능을 비교한 결과 대조구와 0.5배 처리가 1배, 2배 처리보다 유의적으로 높은 값을 나타냈다. 이를 통해 탄산정 처리가 수경재배 상추의 생육과 생리활성물질을 증대에 효과가 있음을 제시한다.

• 한국해안·해양공학회논문집
• /
• 제33권6호
• /
• pp.265-274
• /
• 2021

해양 이상 자료 탐지의 연구는 이전부터 활발하게 이루어지고 있으며, 통계 및 거리 기반의 기계 학습 알고리즘을 활용하는 기법들이 개발되었다. 최근에는 AI 기반의 해양 자료 이상 탐지 기법이 많은 관심을 받고 있으며, AI를 활용한 해양 이상 자료 탐지 기법은 정답이 주어지는 지도학습 기법이 주를 이루고 있다. 이러한 방법은 학습에 필요한 모든 자료에 수작업으로 분류 정보(라벨)를 지정해야 한다는 점에서 많은 시간과 비용이 요구된다. 본 연구에서는 이러한 문제를 극복하기 위해 비지도학습 기반의 오토인코더를 이상 자료 탐지 기법에 사용하였다. 실험으로는 오토인코더의 평가를 위해 단변수·다변수학습 두가지 실험을 구성하였고, 단변수 학습은 기상청에서 제공하는 덕적도 부이 정점 관측 자료 중 수온만 사용하였으며, 다변수 학습은 수온과 기온, 풍향, 풍속, 기압, 습도 등을 사용하였다. 사용기간은 1996~2020년의 25년간이며 학습 자료에 해양-기상 자료의 특성을 고려한 전처리 기법을 적용하였다. 학습된 다변수와 단변수 오토인코더를 활용하여 실제 표층 수온에 대한 이상 탐지를 시도하였다. 모델성능 비교를 위해 오차를 삽입한 합성 자료에 다변수와 단변수 오토인코더를 포함한 여러 이상 탐지 기법을 적용하여 정량적으로 평가하였으며, 다변수/단변수의 정확도가 각각 약 96%/91%로써 다변수 오토인코더가 더 나은 이상자료 탐지 성능을 보였다. 오토인코더를 이용한 비지도학습 기반 이상 탐지 기법은 주관적 판단에 의한 오류와 자료 라벨링에 필요한 시간과 비용을 줄일 수 있다는 점에서 다양하게 활용될 것으로 판단된다.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2023년도 춘계학술대회
• /
• pp.7-7
• /
• 2023

현재 다양한 4차산업의 주요기술로는 빅데이터, 사물인터넷, 인공지능, 블록체인, 혼합현실(MR), 드론 등이 대표적인 기술들이다. 특히 최근에 세계적인 기술적 트랜드로 자리 잡고 있는 "디지털 트윈(digital twin)은 물리적인 사물과 컴퓨터에 동일하게 표현되는 가상 모델의 개념으로서. 실제 물리적인 자산 대신 소프트웨어로 가상화한 자산의 Digital twin을 만들어 모의실험함으로써 실제 농작업의 특성(현재 상태, 농업생산성, 농작업 시나리오, 등)에 대한 정확한 정보를 얻을 수 있다. 본 연구에서는 노지노업 주산지에 대한 디지털 트윈 데이터를 구축하고 스마트팜 단지를 설계 및 구축하여, 통합관제시스템 운영을 통해 자동 물관리, 원격생육예찰, 드론방제, 병충해 예찰작업 등으로 농작업을 효율화하고자 한다. 또한, 빅데이터 분석을 통한 적정량의 비료·농약사용으로 환경적 부하를 최소화하여, 노동력절감, 농작물 생산성을 향상할 수 있는 디지털 환경제어농업을 국내에 보급하고자 한다. 이러한 노지농업 기술은 디지털 농작업 및 재배관리 등 으로 노동력이 절감되고, 기후변화에 대비한 물이용 최적화와 토양오염예방 효과를 기대할 수 있으며, 전국 재배환경 디지털 데이터 확보를 통한 노지작물의 정량적인 생육관리가 가능하게 된다. 또한 농업생산성 향상을 통한 탄소중립 RED++ 활동을 직접적으로 실천을 할 수 있는 방안이다. 취득된 고정밀·고화질 영상기반 농작물 생육데이터취득을 통한 생육현황 분석과 예측은 디지털 영농작업관리에 매우 효과적이다. 실제 국립식량과학원 남부작물부에서는 지중점적, 땅속배수 등 다양한 종류의 노지스마트팜 연구개발을 진행하였다. 특히, 올해부터는 전국농업기술원 단지를 대상으로 노지스마트팜 시설 구축 및 기술 보급을 통한 사업화를 본격적으로 진행하고 있다. 본 연구에서는 디지털 트윈 기술과 노지스마트팜 기술을 융합한 농업분야 구축사례와 향후 활용방안에 대하여 서술하고자 한다.