스마트팜 기술의 분야별 개발 동향
2019-09-10
org.kosen.entty.User@7b72ee24
이경선(kylee414)
1. 서론
스마트 팜(Smart Farm)은 농림축수산물의 생산, 가공, 유통 단계에 정보통신 기술과 같은 신기술을 접목하여 지능화 된 농림축수산업 시스템을 말한다. 최근 사물 인터넷, 빅데이터, 인공지능 등의 기술이 발달하면서 다양한 기술이 농림축수산업 분야에 적용되며, 스마트 팜이 미래 기술로 각광받고 있다. 스마트팜에서 활용하는 주요 기술로는 각종 센서를 이용하여 온도, 습도, 광량, 풍향, 풍속, 이산화탄소, 토양 수분 등 환경 정보를 수집하고, 이 데이터를 기반으로 관수, 관비 공급기, 양액기, 측광 개폐기, 이산화탄소 공급기와 같은 관련 기기를 제어하며, 각종 녹화 장비와 클라우드를 이용하여 데이터를 시각화, 저장, 공유 할 수 있으며, 소프트웨어와 분석 기술을 통해 성장 단계별로 예측 및 분석하는 기술이 있다. 스마트 팜 기술의 활용으로 필요한 자원을 최소화 및 최적화하고, 정확한 의사결정을 할 수 있어 궁극적으로 생산성을 향상 시킬 수 있는 장점이 있다.
미래 기술로서 스마트팜의 적용을 위해 미국, 유럽의 각국 및 일본 등 은 스마트팜 기술을 적극 개발, 도입하고 있다. 우리나라에서도 스마트 팜을 본격적으로 도입하기 위한 위한 정책이 추진되고 있다. 농림수산식품부는 스마트팜 생태계 조성과 스마트 농업 확산을 위한 지원을 확대하기 위해 2020년도 예산안에 2477억을 편성하고, 스마트 농업 정보 기반(플랫폼) 구축, 스마트팜 정보 통신기술 기자재 국가 표준 확산 지원, 스마트팜 빅 데이터 센터, 첨단 무인 자동화 농업 생산 시범 단지 조성 등을 추진한다고 발표하였다. [1]
이러한 상황에서 본 보고서에서는 해외 사례를 중심으로 스마트팜 기술의 분야별 최신 개발 동향을 분석하고자 한다. 구체적으로는 사물인터넷(IoT) 기술, 로봇 및 자동화 기술, AI와 머신러닝을 활용한 기술, 소프트웨어 및 플랫폼 기술 개발 현황을 살펴보고자 한다. 또한 실제 기술 개발 후 원활한 도입에 있어 고려해야 할 사항을 논의하고자 할 것이다.
2. 스마트팜 기술의 분야별 동향
2.1. 사물인터넷(IoT) 기술
사물에 센서를 부착하여 실시간으로 데이터를 수집, 분석하는 사물인터넷(Internet of Things, IoT)기술은 스마트팜에서도 활발하게 적용되고 있다. 예를 들어 다양한 센서를 이용하여 기상 정보, 토양 정보, 농작물의 성장 상태, 가축의 건강상태에 관한 정보를 수집하여 생산성을 향상시킬 수 있다.
농업 뿐만 아니라 축산 및 수산업 분야에서도 IoT 기술이 적용되고 있다. 축산 분야 에서는 센서를 가축에 직접 부착하고, IoT 기술을 이용해 이를 수집해 가축의 건강 정보를 확인할 수 있는 기술이 확산되고 있다. 미국의 Quantified Ag사는 소의 귀에 센서를 부착하여 이상이 생겼을 때 바로 확인할 수 있는 기술을 상업화 하였다. 이를 통해 전반적인 가축의 건강 상태의 향상시키고, 인력과 자원을 효율적으로 활용할 수 있으며, 질병의 대량 발생을 막을 수 있는 장점이 있다. [2] 수산업 분야에서도 센서와 IoT기술을 이용하여 생산성을 향상시키려는 시도가 계속되고 있다. 스페인의 Libelium World는 스마트 센서를 이용하여 어장의 수질을 실시간으로 관리하는 기술을 이란과 베트남에 도입하였다. 산성도, 용존 산소 농도, 특정 화학물질의 농도 등을 모니터링 하여, 이상이 발생하였을 시 대비할 수 있어 비용을 절약하고 생산성을 향상시키고 있다. [3]
2.2. 로봇 및 자동화 기술
로봇 및 자동화를 이용한 기술도 활발하게 개발 및 적용되고 있다. 최근 많은 나라에서 농업 분야 종사자의 인구가 줄어들고 있고, 노동력 부족이 심화되고, 고령화가 진행되면서 부족한 인력을 로봇 및 자동화 기술로 대체할 수 있을 것이란 기대가 확산되고 있다. 예를 들어 기존에 인력이 많이 필요하였던 농산물의 수확 및 포장에 로봇 및 자동화 기술들이 도입되고 있다. 미국의 Harvest Croo Robotics사는 딸기를 자동 수확 기계를 개발, 상업화에 성공하였다. 이 자동 수확 기계는 센서를 이용하여 수확 가능한 딸기를 확인 한 후 수확한다. 이를 도입함으로써 인건비를 절약할 수 있을 뿐만 아니라, 수확율을 일정하게 유지할 수 있는 장점이 있다. [4] Root AI사도 비슷한 원리를 이용하여 토마토를 자동 수확하는 기계를 개발하였다. [5] 수확 시 기계를 활용하면 농작물에 상처가 날 것이란 우려가 있지만, 이 역시 기술을 활용하여 극복할 수 있다. 미국 캘리포니아의 Abundant Robotics 사가 개발한 사과 수확 로봇은 진공으로 사과를 빨아들이는 방식을 이용하여 상처 없이 수확할 수 있다. [5] 수확 후 상품화를 위해 포장하는 기술에도 로봇이 활용되고 있다. 뉴질랜드의 기업 Robotics Plus사는 사과를 포장하는데 있어 사과의 특징과 위치를 인식해 트레이에 배열하는 기계를 상업화하였다. 이 기계는 1분에 120개의 사과를 포장할 수 있어 효율성이 높을 뿐 아니라 비슷한 색, 크기의 사과를 한 패키지에 포장하고, 잘 익은 부분이 앞에서 볼 수 있도록 배열함으로써 상품 가치를 높일 수 있다. [6] 기존의 인력을 대체할 수 있는 로봇 및 자동화 기술은 기존의 농장 뿐만 아니라 온실에서도 적용되고 있다. 온실에서 활용한 기술은 하나의 기계로 다양한 작업을 수행할 수 있는 장점이 있다. Metamotion사에서 개발한 로봇은 온실에 특화되어 있어 3D 비전 및 머신 비전을 사용하여 수확할 작물을 확인하고 수확할 수 있을 뿐만 아니라, 포장, 가지치기, 수정 등 다른 작업도 수행할 수 있다. [8] 축산업분야에서도 로봇을 이용하여 기존의 인력을 대체할 수 있는 기술이 개발되었다. 호주 시드니 대학(University of Sydney)이 개발한 SwagBot은 소떼의 이동을 주도하며, 기존 카우보이가 하는 일을 대체하였다. 또한 이 로봇은 센서를 이용하여 가축의 체온과 움직임을 확인하여 건강 상태를 실시간으로 감시할 수 있다. [9]
로봇을 이용하면 기존에 수집하지 못하는 데이터를 수집하거나, 기존의 작업을 더욱 정밀하게 수행할 수 있는 장점도 있다. 이는 특히 드론 활용에서 두드러진다. 드론을 이용하여 상공에서 영상 관련 데이터를 수집하면 작물의 성장 상황이나, 해충이나 잡초의 영향 등을 확인할 수 있어 수확량 예측에 도움이 된다. 또한 드론을 이용하여 필요한 곳에 제초제, 비료, 물을 바로 운반할 수 있는 장점도 있다. 드론에서 수집한 영상데이터는 AI와 머신러닝과 관련 있는 경우가 많으므로 다음 섹션에서 보다 자세히 설명하도록 하겠다.
2.3. 인공지능(AI)와 머신러닝의 이용
인공지능(AI)과 머신 러닝을 이용하여 수집한 데이터를 가공 및 분석하는 기술도 스마트팜에 도입되어 작물의 생산성 향상에 도움을 주고 있다. 예를 들어 온도, 강수, 풍속, 풍향, 일조량 등을 예측할 수 있어, 적절한 시기에 적절한 조치가 가능하다면 농업 생산성을 향상시킬 수 있을 것이다. AI와 머신 러닝은 특히 원격탐사 데이터, 위성 데이터, 드론의 영상 데이터와 결합하여 현재 농작물의 상태를 확인하고 적절한 조치를 취할 수 있도록 해준다. Humming Bird Technology에서 개발한 기술은 원격탐사 이미지, 항공사진, 드론 이미지를 AI와 머신 러닝으로 분석하여 필요한 비료의 양 등을 분석한 후 시각화 하여 사용자가 확인할 수 있는 서비스를 제공하고 있다. [10] FluroSat사의 기술도 위성, 항공, 드론 이미지를 이용하여 비료나 수분이 필요한 곳이나, 영양 분석 결과들을 시각화하여 제공하고 있다 [11]. Aerobotics사는 드론 이미지와 위성 이미지를 이용하여 해충 및 질병의 피해를 빠르게 파악할 수 있는 서비스를 제공하고 있다 [12].
AI와 머신러닝 기술을 이용하여 자원을 최소한으로 사용하면서 가장 효율적으로 제초작업을 수행하는 기술도 발달하고 있다. 이를 통해 제초제를 적게 사용함으로서 친환경적인 제초작업을 할 수 있고, 생산성도 향상시킬 수 있다. 미국의 Blue River Technology사는 농장 전체가 아닌 개개의 작물에 주목하여 머신 비전과 AI를 이용하여 잡초를 인식한 후, 특정 지역에만 제초제를 뿌릴 수 있는 기술을 상업화하였다 [13]. 비슷한 기술을 활용하는 Ecorobotix사에 의하면 이와 같이 특정 작물에만 제초제를 살포하는 기법으로 기존과 비교하여 약 90%의 제초제 사용을 줄일 수 있다고 한다 [14]. 한편, FarmWise사가 개발한 기계는 머신 비전으로 잡초를 인식한 후, 제초제를 사용하지 않고 물리적으로 제거하여 제초할 수 있다 [15].
AI와 머신 러닝은 축산업 분야에도 적용되고 있다. Cainthus사의 기술은 머신 비전과 AI를 이용하여 카메라로 24시간 현장에서 가축을 촬영하고, 이를 분석하여 정보를 실시간으로 제공하여 이상이 발생할 시 신속하게 대처할 수 있도록 해준다. 이에 따라 작업 효율성을 향상시키고, 생산성을 높일 수 있다. [16]
2.4. 소프트웨어 및 플랫폼 개발
스마트팜에서 활용하는 여러가지 소프트웨어 및 플랫폼 개발도 활발히 진행되고 있다. 소프트웨어 분야에서 주목할만한 것은 수집한 데이터를 바탕으로 최적화 된 솔루션을 제공하는 어플리케이션이다. 독일 Fodjan사가 개발한 Fodjan Smart Feeding 소프트웨어를 활용하여 농부들이 사료를 최적으로 공급할 수 있도록 해준다. 사료 공급 목표를 설정하면, 각 가축 별로 사료 공급 계획 및 사료 재고 관리에 도움을 주어 비용을 절감하고 효율을 향상 시킨다. [17] 스위스의 스타트업인 Anemon사는 소에 발열이 있을 경우 농부에게 문자 메세지로 알려주는 프로그램을 개발하였다. 소의 생식기에 있는 센서가 체온을 측정하고 목에 있는 센서가 움직임을 측정하여 발열이나 이상이 있는 경우 문자 메세지가 발송되도록 프로그래밍 하였다. [18] 미국의 스타트업 the Bee Corp은 줄어드는 벌의 개체수에 대응하여 수정을 원활하게 할 수 있도록 벌 군락의 크기를 계산할 수 있는 소프트웨어인 Verifli를 개발하였다. 이 소프트웨어를 이용하여 벌집의 적외선 사진을 찍으면 이를 데이터로 분석하고, 현지의 날씨나 벌의 특성 등을 이용하여 군락의 크기를 개산해준다. [19]
소프트웨어 및 플랫폼 분야에서 주목할만한 또 하나의 기술은 개개의 기술을 통합적으로 관리하는 시스템의 구축이다. 일본의 대표적 농기계 회사인 Kubota사는 Kubota Smart Agriculture System이라는 플랫폼을 구축하였다. 이 시스템은 쌍방향 통신이 가능하여 각 기계나 인력이 수집한 데이터를 클라우드 서비스를 이용해 한 곳에 모으고, 이를 분석하여 적절한 조치를 결정하면 여기에 연결된 트랙터, 콤바인, 이앙기 등 다양한 기계를 작동할 수 있다. [20]
2.5. 식물공장
스마트팜 기술은 기존의 농업 형태가 아닌 새로운 형태의 농업 분야에도 활발하게 적용되고 있다. 대표적으로는 식물공장이라고 불리는 수직 농장(Vertical Farm) 분야에도 여러 신기술들이 도입되고 있다. 식물공장에서는 기존의 농업과 다르게 흙 없이 물에서 재배하는 수경재배(Hydroponics), 작물을 공중에 매달고 물과 양분을 분무기로 뿜어 기르는 분무식 수경재배(Aeroponics), 물고기와 작물을 함께 길러 수확하는 양어 수경재배(Aquaponics)등을 이용하여 작물을 재배한다. 일본의 Spread Co., Ltd사는 2018년 세계 최대 규모의 자동화 식물공장인 ‘테크노 팜 케이하나(Techno Farm Keihana)’를 오픈하였다. 이 식물공장은 자동생육관리 시스템, 물 재활용 시스템, 환경 제어기술 등을 도입하여 매일 3만 포기의 상추를 생산할 수 있다. [21] 미국의 스타트업 Square Roots도 뉴욕시에서 식물공장 사업을 시작하였다. 이 곳에서 자란 허브와 채소는 GMO와 살충제를 사용하지 않고, 수경재배로 재배된 후 인근 소매상으로 배송된다. 각 제품에는 QR코드가 부착되어 소비자들이 이 제품을 누가 어디서 어떻게 재배 하였는지를 확인할 수 있다. [22][23] 이와 같은 식물공장 방식의 새로운 형태의 농업은 도시를 중심으로 확산되고 있으며, 기존과 다른 재배 방식을 사용하면서 다양한 스마트 기술의 도입될 수 있을 것으로 기대된다..
2.6. 전망과 향후 과제
스마트팜 기술은 계속해서 발전하고 있지만, 실제 현장에 적용되기 위해서는 해결하여야 할 과제가 몇 가지 있다. 스마트팜 기술은 초기 투자비용이 높은 것에 비해, 그 효과에 대한 불확실성이 크고, 잘 알려져 있지 않다. 특히 인건비가 저렴하고, 초기 투자자본이 부족한 개발도상국에서는 이러한 연유로 스마트팜 기술이 도입되기 어려운 실정이다. 이를 해결하기 위해서는 사용자를 중심으로 한 우수 사례를 공유하여 스마트팜의 유용성을 알릴 필요가 있따. 한편, 스마트팜 기술이 현장에 적용되더라 하더라도 활용에 어려운 경우도 있다. 스마트팜 기술은 여러가지 하드웨어 및 소프트웨어 기술이 결합되어 복잡한 조작을 요구한다. 고령화 되는 농촌 사회에서 여기에 적응하지 못해 스마트팜 기술의 활용을 포기하는 사용자들도 많다. 이에 지속적인 업데이트와 교육이 필요하다. 인프라의 문제도 있다. 미국이나 유럽의 경우 농장이 고립되어 있는 지역에 위치한 경우가 많아 IoT에 꼭 필요한 초고속 인터넷 등 관련 인프라가 부족한 경우가 많다. 이를 지원하기 위한 기본적 인프라 구축도 필요하다. [24][25]
한편, 정책적으로 고려해야 할 부분도 있다. 먼저 데이터 소유권과 보안의 문제이다. 스마트팜 기술은 이제 막 도입되어 대부분의 국가가 데이터 소유권이나 보안 관련 정책이 정립되지 않았다. 이에 향후 데이터 소유권 및 보안 관련 정책 수립이 필요하며, 데이터를 부정적인 목적으로 사용하는 사례를 막기 위한 법적 제도도 필요하다. 또한 데이터 공유의 문제가 있는데 농업 및 식품 산업의 경우 다양한 공급 사슬이 연결되어 있지만, 이 사이에 데이터 공유를 어떻게 하여야 하는지에 대한 논의는 아직 진행되지 않았다. 그리고 스마트팜 기술을 이용하였을 때 예상치 못한 결과 발생 한 경우 책임 소재를 정해야 하는 문제도 남아있다. [24][25] 위와 같은 사항들은 향후 스마트팜 기술 확산 및 더 넓은 사회적 이익을 위해 논의해야하는 문제이다.
3. 결론
스마트팜 기술은 갈수록 줄어드는 농촌 인구와 고령화 문제에 대응하고, 미래의 지속가능한 농업을 위한 주요한 기술로 주목받고 있다. 특히 최근 IoT, 인공지능, 머신러닝 등의 기술의 발전으로 농업, 축산업, 수산업 및 임업 분야에서 다양한 활용이 개발되고 있다. 본 보고서에서는 현재 스마트팜 기술의 현황을 알아보기 위해 미국, 유럽 및 일본 등에서 상업화 된 기술 사례를 중심으로 동향을 파악하였다. 또한 기술 개발 뿐만 아니라 기술을 적용하기 위해 조성되어야 할 환경에 대해서도 논의하였다. 본 보고서가 향후 스마트팜 기술 개발 및 확산에 도움이 되기를 기대한다.
References
1. 한국영농신문. 스마트 농업 확산 되나… 내년도 예산안 2477억 원 편성. 2019.09.05. http://www.youngnong.co.kr/news/articleView.html?idxno=27751 [Viewed: 2019.09.09]
2. Quantified Ag. http://quantifiedag.com [Viewed: 2019.09.09]
3. Livelium World. http://www.libelium.com [Viewed: 2019.09.09]
4. Harvest Croo Robotics. https://harvestcroo.com [Viewed: 2019.09.09]
5. Root AI. https://root-ai.com [Viewed: 2019.09.09]
6. Abundant Robotics. https://www.abundantrobotics.com [Viewed: 2019.09.09]
7. Robotics Plus. https://www.roboticsplus.co.nz/ [Viewed: 2019.09.09]
8. Metamotion. https://metomotion.com [Viewed: 2019.09.09]
9. Smithsonian.com. Meet SwagBot, the Robot Cowboy That Can Herd and Monitor Cattle On Its Own. https://www.smithsonianmag.com/innovation/meet-swagbot-robot-cowboy-can-herd-and-monitor-cattle-its-own-180959913/ [Viewed: 2019.09.09]
10. Humming Bird Technology. https://hummingbirdtech.com [Viewed: 2019.09.09]
11. Flurosat. https://flurosat.com [Viewed: 2019.09.09]
12. Aerobotics. https://www.aerobotics.com [Viewed: 2019.09.09].
13. Blue River Technology. http://www.bluerivertechnology.com [Viewed: 2019.09.09]
14. Ecoroboticx. http://www.bluerivertechnology.com [Viewed: 2019.09.09]
15. FarmWise. https://farmwise.io ]Viewed: 2019.09.09]
16. Cainthus. https://www.cainthus.com [Viewed: 2019.09.09]
17. Fodjan. https://fodjan.de [Viewed: 2019.09.09]
18. Tagliabue, J. Swiss Cows Send Texts to Announce They’re in Heat. New York Times. 2012.10.01. https://www.nytimes.com/2012/10/02/world/europe/device-sends-message-to-swiss-farmer-when-cow-is-in-heat.html [Viewed: 2019.09]
19. The Bee Corp. https://www.thebeecorp.com [Viewed: 2019.09.09]
20. Kubota. For Better Food and Better Lives in Our World: Kubota Creates the Future of Agriculture. https://www.kubota.com/rd/our-stories/future-agriculture.html [Viewed: 2019.09.09]
21. AgriTech Tomorrow. “Techno Farm Keihanna”, the Largest Automated Vertical Farm in the World, to Start Shipping its Products. 2018.11.15. https://www.agritechtomorrow.com/story/2018/11/“techno-farm-keihanna”-the-largest-automated-vertical-farm-in-the-world-to-start-shipping-its-products-/11105/
22. Square Roots. https://squarerootsgrow.com [Viewed: 2019.09.09]
23. Jessica Tyler and Aria Bendix. The urban farming startup created by Kimbal Musk — Elon’s brother — lets you scan your produce to see where it came from. Business Insider. 2019.03.06. https://www.businessinsider.com/musk-square-roots-romaine-recall-2018-12
24. Deloitte. Smart Livestock Farming: Potential of Digitalization for Global Meat Supply. Discussion Paper. 2018. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/operations/Smart-livestock-farming_Deloitte.pdf [Viewed: 2019.09.09]
25. Achim Walter, Robert Finger, Robert Huber, and Nina Buchmann. Opinion: Smart farming is key to developing sustainable agriculture PNAS. June 13, 114 (24), 6148-6150, 2017. https://doi.org/10.1073/pnas.1707462114
스마트 팜(Smart Farm)은 농림축수산물의 생산, 가공, 유통 단계에 정보통신 기술과 같은 신기술을 접목하여 지능화 된 농림축수산업 시스템을 말한다. 최근 사물 인터넷, 빅데이터, 인공지능 등의 기술이 발달하면서 다양한 기술이 농림축수산업 분야에 적용되며, 스마트 팜이 미래 기술로 각광받고 있다. 스마트팜에서 활용하는 주요 기술로는 각종 센서를 이용하여 온도, 습도, 광량, 풍향, 풍속, 이산화탄소, 토양 수분 등 환경 정보를 수집하고, 이 데이터를 기반으로 관수, 관비 공급기, 양액기, 측광 개폐기, 이산화탄소 공급기와 같은 관련 기기를 제어하며, 각종 녹화 장비와 클라우드를 이용하여 데이터를 시각화, 저장, 공유 할 수 있으며, 소프트웨어와 분석 기술을 통해 성장 단계별로 예측 및 분석하는 기술이 있다. 스마트 팜 기술의 활용으로 필요한 자원을 최소화 및 최적화하고, 정확한 의사결정을 할 수 있어 궁극적으로 생산성을 향상 시킬 수 있는 장점이 있다.
미래 기술로서 스마트팜의 적용을 위해 미국, 유럽의 각국 및 일본 등 은 스마트팜 기술을 적극 개발, 도입하고 있다. 우리나라에서도 스마트 팜을 본격적으로 도입하기 위한 위한 정책이 추진되고 있다. 농림수산식품부는 스마트팜 생태계 조성과 스마트 농업 확산을 위한 지원을 확대하기 위해 2020년도 예산안에 2477억을 편성하고, 스마트 농업 정보 기반(플랫폼) 구축, 스마트팜 정보 통신기술 기자재 국가 표준 확산 지원, 스마트팜 빅 데이터 센터, 첨단 무인 자동화 농업 생산 시범 단지 조성 등을 추진한다고 발표하였다. [1]
이러한 상황에서 본 보고서에서는 해외 사례를 중심으로 스마트팜 기술의 분야별 최신 개발 동향을 분석하고자 한다. 구체적으로는 사물인터넷(IoT) 기술, 로봇 및 자동화 기술, AI와 머신러닝을 활용한 기술, 소프트웨어 및 플랫폼 기술 개발 현황을 살펴보고자 한다. 또한 실제 기술 개발 후 원활한 도입에 있어 고려해야 할 사항을 논의하고자 할 것이다.
2. 스마트팜 기술의 분야별 동향
2.1. 사물인터넷(IoT) 기술
사물에 센서를 부착하여 실시간으로 데이터를 수집, 분석하는 사물인터넷(Internet of Things, IoT)기술은 스마트팜에서도 활발하게 적용되고 있다. 예를 들어 다양한 센서를 이용하여 기상 정보, 토양 정보, 농작물의 성장 상태, 가축의 건강상태에 관한 정보를 수집하여 생산성을 향상시킬 수 있다.
농업 뿐만 아니라 축산 및 수산업 분야에서도 IoT 기술이 적용되고 있다. 축산 분야 에서는 센서를 가축에 직접 부착하고, IoT 기술을 이용해 이를 수집해 가축의 건강 정보를 확인할 수 있는 기술이 확산되고 있다. 미국의 Quantified Ag사는 소의 귀에 센서를 부착하여 이상이 생겼을 때 바로 확인할 수 있는 기술을 상업화 하였다. 이를 통해 전반적인 가축의 건강 상태의 향상시키고, 인력과 자원을 효율적으로 활용할 수 있으며, 질병의 대량 발생을 막을 수 있는 장점이 있다. [2] 수산업 분야에서도 센서와 IoT기술을 이용하여 생산성을 향상시키려는 시도가 계속되고 있다. 스페인의 Libelium World는 스마트 센서를 이용하여 어장의 수질을 실시간으로 관리하는 기술을 이란과 베트남에 도입하였다. 산성도, 용존 산소 농도, 특정 화학물질의 농도 등을 모니터링 하여, 이상이 발생하였을 시 대비할 수 있어 비용을 절약하고 생산성을 향상시키고 있다. [3]
2.2. 로봇 및 자동화 기술
로봇 및 자동화를 이용한 기술도 활발하게 개발 및 적용되고 있다. 최근 많은 나라에서 농업 분야 종사자의 인구가 줄어들고 있고, 노동력 부족이 심화되고, 고령화가 진행되면서 부족한 인력을 로봇 및 자동화 기술로 대체할 수 있을 것이란 기대가 확산되고 있다. 예를 들어 기존에 인력이 많이 필요하였던 농산물의 수확 및 포장에 로봇 및 자동화 기술들이 도입되고 있다. 미국의 Harvest Croo Robotics사는 딸기를 자동 수확 기계를 개발, 상업화에 성공하였다. 이 자동 수확 기계는 센서를 이용하여 수확 가능한 딸기를 확인 한 후 수확한다. 이를 도입함으로써 인건비를 절약할 수 있을 뿐만 아니라, 수확율을 일정하게 유지할 수 있는 장점이 있다. [4] Root AI사도 비슷한 원리를 이용하여 토마토를 자동 수확하는 기계를 개발하였다. [5] 수확 시 기계를 활용하면 농작물에 상처가 날 것이란 우려가 있지만, 이 역시 기술을 활용하여 극복할 수 있다. 미국 캘리포니아의 Abundant Robotics 사가 개발한 사과 수확 로봇은 진공으로 사과를 빨아들이는 방식을 이용하여 상처 없이 수확할 수 있다. [5] 수확 후 상품화를 위해 포장하는 기술에도 로봇이 활용되고 있다. 뉴질랜드의 기업 Robotics Plus사는 사과를 포장하는데 있어 사과의 특징과 위치를 인식해 트레이에 배열하는 기계를 상업화하였다. 이 기계는 1분에 120개의 사과를 포장할 수 있어 효율성이 높을 뿐 아니라 비슷한 색, 크기의 사과를 한 패키지에 포장하고, 잘 익은 부분이 앞에서 볼 수 있도록 배열함으로써 상품 가치를 높일 수 있다. [6] 기존의 인력을 대체할 수 있는 로봇 및 자동화 기술은 기존의 농장 뿐만 아니라 온실에서도 적용되고 있다. 온실에서 활용한 기술은 하나의 기계로 다양한 작업을 수행할 수 있는 장점이 있다. Metamotion사에서 개발한 로봇은 온실에 특화되어 있어 3D 비전 및 머신 비전을 사용하여 수확할 작물을 확인하고 수확할 수 있을 뿐만 아니라, 포장, 가지치기, 수정 등 다른 작업도 수행할 수 있다. [8] 축산업분야에서도 로봇을 이용하여 기존의 인력을 대체할 수 있는 기술이 개발되었다. 호주 시드니 대학(University of Sydney)이 개발한 SwagBot은 소떼의 이동을 주도하며, 기존 카우보이가 하는 일을 대체하였다. 또한 이 로봇은 센서를 이용하여 가축의 체온과 움직임을 확인하여 건강 상태를 실시간으로 감시할 수 있다. [9]
로봇을 이용하면 기존에 수집하지 못하는 데이터를 수집하거나, 기존의 작업을 더욱 정밀하게 수행할 수 있는 장점도 있다. 이는 특히 드론 활용에서 두드러진다. 드론을 이용하여 상공에서 영상 관련 데이터를 수집하면 작물의 성장 상황이나, 해충이나 잡초의 영향 등을 확인할 수 있어 수확량 예측에 도움이 된다. 또한 드론을 이용하여 필요한 곳에 제초제, 비료, 물을 바로 운반할 수 있는 장점도 있다. 드론에서 수집한 영상데이터는 AI와 머신러닝과 관련 있는 경우가 많으므로 다음 섹션에서 보다 자세히 설명하도록 하겠다.
2.3. 인공지능(AI)와 머신러닝의 이용
인공지능(AI)과 머신 러닝을 이용하여 수집한 데이터를 가공 및 분석하는 기술도 스마트팜에 도입되어 작물의 생산성 향상에 도움을 주고 있다. 예를 들어 온도, 강수, 풍속, 풍향, 일조량 등을 예측할 수 있어, 적절한 시기에 적절한 조치가 가능하다면 농업 생산성을 향상시킬 수 있을 것이다. AI와 머신 러닝은 특히 원격탐사 데이터, 위성 데이터, 드론의 영상 데이터와 결합하여 현재 농작물의 상태를 확인하고 적절한 조치를 취할 수 있도록 해준다. Humming Bird Technology에서 개발한 기술은 원격탐사 이미지, 항공사진, 드론 이미지를 AI와 머신 러닝으로 분석하여 필요한 비료의 양 등을 분석한 후 시각화 하여 사용자가 확인할 수 있는 서비스를 제공하고 있다. [10] FluroSat사의 기술도 위성, 항공, 드론 이미지를 이용하여 비료나 수분이 필요한 곳이나, 영양 분석 결과들을 시각화하여 제공하고 있다 [11]. Aerobotics사는 드론 이미지와 위성 이미지를 이용하여 해충 및 질병의 피해를 빠르게 파악할 수 있는 서비스를 제공하고 있다 [12].
AI와 머신러닝 기술을 이용하여 자원을 최소한으로 사용하면서 가장 효율적으로 제초작업을 수행하는 기술도 발달하고 있다. 이를 통해 제초제를 적게 사용함으로서 친환경적인 제초작업을 할 수 있고, 생산성도 향상시킬 수 있다. 미국의 Blue River Technology사는 농장 전체가 아닌 개개의 작물에 주목하여 머신 비전과 AI를 이용하여 잡초를 인식한 후, 특정 지역에만 제초제를 뿌릴 수 있는 기술을 상업화하였다 [13]. 비슷한 기술을 활용하는 Ecorobotix사에 의하면 이와 같이 특정 작물에만 제초제를 살포하는 기법으로 기존과 비교하여 약 90%의 제초제 사용을 줄일 수 있다고 한다 [14]. 한편, FarmWise사가 개발한 기계는 머신 비전으로 잡초를 인식한 후, 제초제를 사용하지 않고 물리적으로 제거하여 제초할 수 있다 [15].
AI와 머신 러닝은 축산업 분야에도 적용되고 있다. Cainthus사의 기술은 머신 비전과 AI를 이용하여 카메라로 24시간 현장에서 가축을 촬영하고, 이를 분석하여 정보를 실시간으로 제공하여 이상이 발생할 시 신속하게 대처할 수 있도록 해준다. 이에 따라 작업 효율성을 향상시키고, 생산성을 높일 수 있다. [16]
2.4. 소프트웨어 및 플랫폼 개발
스마트팜에서 활용하는 여러가지 소프트웨어 및 플랫폼 개발도 활발히 진행되고 있다. 소프트웨어 분야에서 주목할만한 것은 수집한 데이터를 바탕으로 최적화 된 솔루션을 제공하는 어플리케이션이다. 독일 Fodjan사가 개발한 Fodjan Smart Feeding 소프트웨어를 활용하여 농부들이 사료를 최적으로 공급할 수 있도록 해준다. 사료 공급 목표를 설정하면, 각 가축 별로 사료 공급 계획 및 사료 재고 관리에 도움을 주어 비용을 절감하고 효율을 향상 시킨다. [17] 스위스의 스타트업인 Anemon사는 소에 발열이 있을 경우 농부에게 문자 메세지로 알려주는 프로그램을 개발하였다. 소의 생식기에 있는 센서가 체온을 측정하고 목에 있는 센서가 움직임을 측정하여 발열이나 이상이 있는 경우 문자 메세지가 발송되도록 프로그래밍 하였다. [18] 미국의 스타트업 the Bee Corp은 줄어드는 벌의 개체수에 대응하여 수정을 원활하게 할 수 있도록 벌 군락의 크기를 계산할 수 있는 소프트웨어인 Verifli를 개발하였다. 이 소프트웨어를 이용하여 벌집의 적외선 사진을 찍으면 이를 데이터로 분석하고, 현지의 날씨나 벌의 특성 등을 이용하여 군락의 크기를 개산해준다. [19]
소프트웨어 및 플랫폼 분야에서 주목할만한 또 하나의 기술은 개개의 기술을 통합적으로 관리하는 시스템의 구축이다. 일본의 대표적 농기계 회사인 Kubota사는 Kubota Smart Agriculture System이라는 플랫폼을 구축하였다. 이 시스템은 쌍방향 통신이 가능하여 각 기계나 인력이 수집한 데이터를 클라우드 서비스를 이용해 한 곳에 모으고, 이를 분석하여 적절한 조치를 결정하면 여기에 연결된 트랙터, 콤바인, 이앙기 등 다양한 기계를 작동할 수 있다. [20]
2.5. 식물공장
스마트팜 기술은 기존의 농업 형태가 아닌 새로운 형태의 농업 분야에도 활발하게 적용되고 있다. 대표적으로는 식물공장이라고 불리는 수직 농장(Vertical Farm) 분야에도 여러 신기술들이 도입되고 있다. 식물공장에서는 기존의 농업과 다르게 흙 없이 물에서 재배하는 수경재배(Hydroponics), 작물을 공중에 매달고 물과 양분을 분무기로 뿜어 기르는 분무식 수경재배(Aeroponics), 물고기와 작물을 함께 길러 수확하는 양어 수경재배(Aquaponics)등을 이용하여 작물을 재배한다. 일본의 Spread Co., Ltd사는 2018년 세계 최대 규모의 자동화 식물공장인 ‘테크노 팜 케이하나(Techno Farm Keihana)’를 오픈하였다. 이 식물공장은 자동생육관리 시스템, 물 재활용 시스템, 환경 제어기술 등을 도입하여 매일 3만 포기의 상추를 생산할 수 있다. [21] 미국의 스타트업 Square Roots도 뉴욕시에서 식물공장 사업을 시작하였다. 이 곳에서 자란 허브와 채소는 GMO와 살충제를 사용하지 않고, 수경재배로 재배된 후 인근 소매상으로 배송된다. 각 제품에는 QR코드가 부착되어 소비자들이 이 제품을 누가 어디서 어떻게 재배 하였는지를 확인할 수 있다. [22][23] 이와 같은 식물공장 방식의 새로운 형태의 농업은 도시를 중심으로 확산되고 있으며, 기존과 다른 재배 방식을 사용하면서 다양한 스마트 기술의 도입될 수 있을 것으로 기대된다..
2.6. 전망과 향후 과제
스마트팜 기술은 계속해서 발전하고 있지만, 실제 현장에 적용되기 위해서는 해결하여야 할 과제가 몇 가지 있다. 스마트팜 기술은 초기 투자비용이 높은 것에 비해, 그 효과에 대한 불확실성이 크고, 잘 알려져 있지 않다. 특히 인건비가 저렴하고, 초기 투자자본이 부족한 개발도상국에서는 이러한 연유로 스마트팜 기술이 도입되기 어려운 실정이다. 이를 해결하기 위해서는 사용자를 중심으로 한 우수 사례를 공유하여 스마트팜의 유용성을 알릴 필요가 있따. 한편, 스마트팜 기술이 현장에 적용되더라 하더라도 활용에 어려운 경우도 있다. 스마트팜 기술은 여러가지 하드웨어 및 소프트웨어 기술이 결합되어 복잡한 조작을 요구한다. 고령화 되는 농촌 사회에서 여기에 적응하지 못해 스마트팜 기술의 활용을 포기하는 사용자들도 많다. 이에 지속적인 업데이트와 교육이 필요하다. 인프라의 문제도 있다. 미국이나 유럽의 경우 농장이 고립되어 있는 지역에 위치한 경우가 많아 IoT에 꼭 필요한 초고속 인터넷 등 관련 인프라가 부족한 경우가 많다. 이를 지원하기 위한 기본적 인프라 구축도 필요하다. [24][25]
한편, 정책적으로 고려해야 할 부분도 있다. 먼저 데이터 소유권과 보안의 문제이다. 스마트팜 기술은 이제 막 도입되어 대부분의 국가가 데이터 소유권이나 보안 관련 정책이 정립되지 않았다. 이에 향후 데이터 소유권 및 보안 관련 정책 수립이 필요하며, 데이터를 부정적인 목적으로 사용하는 사례를 막기 위한 법적 제도도 필요하다. 또한 데이터 공유의 문제가 있는데 농업 및 식품 산업의 경우 다양한 공급 사슬이 연결되어 있지만, 이 사이에 데이터 공유를 어떻게 하여야 하는지에 대한 논의는 아직 진행되지 않았다. 그리고 스마트팜 기술을 이용하였을 때 예상치 못한 결과 발생 한 경우 책임 소재를 정해야 하는 문제도 남아있다. [24][25] 위와 같은 사항들은 향후 스마트팜 기술 확산 및 더 넓은 사회적 이익을 위해 논의해야하는 문제이다.
3. 결론
스마트팜 기술은 갈수록 줄어드는 농촌 인구와 고령화 문제에 대응하고, 미래의 지속가능한 농업을 위한 주요한 기술로 주목받고 있다. 특히 최근 IoT, 인공지능, 머신러닝 등의 기술의 발전으로 농업, 축산업, 수산업 및 임업 분야에서 다양한 활용이 개발되고 있다. 본 보고서에서는 현재 스마트팜 기술의 현황을 알아보기 위해 미국, 유럽 및 일본 등에서 상업화 된 기술 사례를 중심으로 동향을 파악하였다. 또한 기술 개발 뿐만 아니라 기술을 적용하기 위해 조성되어야 할 환경에 대해서도 논의하였다. 본 보고서가 향후 스마트팜 기술 개발 및 확산에 도움이 되기를 기대한다.
References
1. 한국영농신문. 스마트 농업 확산 되나… 내년도 예산안 2477억 원 편성. 2019.09.05. http://www.youngnong.co.kr/news/articleView.html?idxno=27751 [Viewed: 2019.09.09]
2. Quantified Ag. http://quantifiedag.com [Viewed: 2019.09.09]
3. Livelium World. http://www.libelium.com [Viewed: 2019.09.09]
4. Harvest Croo Robotics. https://harvestcroo.com [Viewed: 2019.09.09]
5. Root AI. https://root-ai.com [Viewed: 2019.09.09]
6. Abundant Robotics. https://www.abundantrobotics.com [Viewed: 2019.09.09]
7. Robotics Plus. https://www.roboticsplus.co.nz/ [Viewed: 2019.09.09]
8. Metamotion. https://metomotion.com [Viewed: 2019.09.09]
9. Smithsonian.com. Meet SwagBot, the Robot Cowboy That Can Herd and Monitor Cattle On Its Own. https://www.smithsonianmag.com/innovation/meet-swagbot-robot-cowboy-can-herd-and-monitor-cattle-its-own-180959913/ [Viewed: 2019.09.09]
10. Humming Bird Technology. https://hummingbirdtech.com [Viewed: 2019.09.09]
11. Flurosat. https://flurosat.com [Viewed: 2019.09.09]
12. Aerobotics. https://www.aerobotics.com [Viewed: 2019.09.09].
13. Blue River Technology. http://www.bluerivertechnology.com [Viewed: 2019.09.09]
14. Ecoroboticx. http://www.bluerivertechnology.com [Viewed: 2019.09.09]
15. FarmWise. https://farmwise.io ]Viewed: 2019.09.09]
16. Cainthus. https://www.cainthus.com [Viewed: 2019.09.09]
17. Fodjan. https://fodjan.de [Viewed: 2019.09.09]
18. Tagliabue, J. Swiss Cows Send Texts to Announce They’re in Heat. New York Times. 2012.10.01. https://www.nytimes.com/2012/10/02/world/europe/device-sends-message-to-swiss-farmer-when-cow-is-in-heat.html [Viewed: 2019.09]
19. The Bee Corp. https://www.thebeecorp.com [Viewed: 2019.09.09]
20. Kubota. For Better Food and Better Lives in Our World: Kubota Creates the Future of Agriculture. https://www.kubota.com/rd/our-stories/future-agriculture.html [Viewed: 2019.09.09]
21. AgriTech Tomorrow. “Techno Farm Keihanna”, the Largest Automated Vertical Farm in the World, to Start Shipping its Products. 2018.11.15. https://www.agritechtomorrow.com/story/2018/11/“techno-farm-keihanna”-the-largest-automated-vertical-farm-in-the-world-to-start-shipping-its-products-/11105/
22. Square Roots. https://squarerootsgrow.com [Viewed: 2019.09.09]
23. Jessica Tyler and Aria Bendix. The urban farming startup created by Kimbal Musk — Elon’s brother — lets you scan your produce to see where it came from. Business Insider. 2019.03.06. https://www.businessinsider.com/musk-square-roots-romaine-recall-2018-12
24. Deloitte. Smart Livestock Farming: Potential of Digitalization for Global Meat Supply. Discussion Paper. 2018. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/operations/Smart-livestock-farming_Deloitte.pdf [Viewed: 2019.09.09]
25. Achim Walter, Robert Finger, Robert Huber, and Nina Buchmann. Opinion: Smart farming is key to developing sustainable agriculture PNAS. June 13, 114 (24), 6148-6150, 2017. https://doi.org/10.1073/pnas.1707462114