IoT 데이터 수집은 정밀 농업을 제공합니다.

편집자 주:글로벌 관리 편집자 Rich Quinnell이 작성한 이 기사는 AspenCore Media의 '농업 기술' 특별 프로젝트의 일부로 IoT, 분석 및 센서 기술은 농업과 식품 생산에 근본적인 변화를 가져오고 있습니다.

사물 인터넷(IoT)과 데이터 분석이라는 두 가지 강력한 추세가 산업 및 인프라 응용 프로그램에 대한 많은 언론을 생성하고 있습니다. 그러나 이러한 기술의 적용에서 조용히 추진력을 얻고 있는 또 다른 적용 분야가 있습니다. 바로 식품 생산입니다. 농부들은 비료와 물과 같은 자원을 보다 정확하게 사용함으로써 수확량을 높이고 손실을 줄이며 비용을 절감하고 있습니다. 이 "정밀 농업"의 출발점은 센서와 무선 네트워킹이 수집에서 중요한 역할을 하는 데이터입니다.

정밀 농업에는 기본적으로 세 가지 플랫폼 유형이 있습니다:공중, 지상 기반 이동 및 고정 시스템. 플랫폼 유형이 활용하는 경향이 있는 센서 및 네트워크 기술은 일부 중복되기는 하지만 다양합니다. 그러나 플랫폼이 공유하는 한 가지는 이 애플리케이션 공간을 다루는 많은 경쟁 제품의 기능 세트가 엄청나게 다양하다는 것입니다.

그림 1 – 다중 로터 드론은 중소 규모 밭의 정밀 농업을 위해 점점 더 인기를 얻고 있는 고소 작업대입니다. (출처:유블럭스)

고소 작업대는 원격 감지를 사용하여 위에서 작물과 들판에 대한 데이터를 수집하려고 합니다. 센서는 조종되는 항공기나 위성에 위치할 수 있지만 고정익 또는 다중 헬리콥터 설계의 무인 항공기(UAV)인 드론에 의해 점점 더 많이 운반되고 있습니다. Ublox F9 정밀 GNSS 모듈과 같은 정밀 포지셔닝 센서가 장착된 드론은 식물 상태 모니터링을 위해 중소 규모 필드를 조사하는 데 특히 적합하며 항공기와 위성은 더 넓은 면적의 조사를 제공합니다.

식물 상태 모니터링의 기본 센서는 가시광선과 근적외선(NIR) 모두에서 고해상도 이미지를 촬영할 수 있는 다중 스펙트럼 카메라입니다. 대부분의 상용 카메라는 할 수 없지만 대부분의 CMOS 이미지 센서는 이러한 이미지를 제공할 수 있습니다. 이 명백한 모순의 핵심은 필터링에 있습니다.

아래 그림은 파장에 따른 일반적인 CMOS 이미지 센서(이 경우 ON Semiconductor의 경우)의 양자 효율(즉, 감도)을 보여줍니다. 센서에는 일반적인 Bayer 배열의 내장형 적색, 녹색 및 청색 필터가 포함되어 있지만 청색 필터링을 사용하더라도 IR 파장에서 상당한 감도가 유지됩니다. 따라서 대부분의 범용 카메라는 가시광선 색상을 보다 정확하게 렌더링하기 위해 센서 앞에 IR 차단 필터를 추가합니다.

그림 2 – 일반적인 컬러 이미지 센서에는 범용 카메라가 걸러내는 NIR 감도도 포함됩니다. (출처:ON Semiconductor)

적외선 감지
그러나 식물 상태 모니터링의 경우 이 IR 감도는 축복입니다. 건강한 식물의 잎은 스트레스를 받은 식물의 잎보다 더 많은 IR을 반사하고 더 많은 적색광을 흡수합니다. 이로 인해 식물 과학자들은 "정규화 차이 식생 지수"(NDVI) – (NIR-Red)/(NIR+Red) –를 식물 건강의 척도로 정의했습니다. 올바른 필터링과 몇 가지 기본 이미지 처리를 통해 CMOS 이미지 센서를 Sentera AGX710과 같은 NDVI 센서로 전환할 수 있습니다. 고소 작업대는 단일 시스템으로 전체 필드의 식물 상태를 조사하는 데 필요한 관점을 제공합니다.

그림 3 – NDVI 설문조사는 물과 비료와 같은 자원이 어느 정도 적용되어야 하는지를 지적하면서 전체 분야의 식물 건강에 대한 자세한 통찰력을 제공합니다.