애그테크(AgTech) 컴퓨터 비전을 위한 데이터 소싱 가이드
전통적인 산업 농업 방법은 식량 생산뿐만 아니라 기타 원자재를 관리하고 제조업체에 공급함으로써 생계를 유지하며 글로벌 공급망과 경제에 크게 기여하고 있습니다.
이러한 광범위한 영향력을 고려하면, 이러한 기존 방식은 세계 각지에서 변화하는 시장 수요에 발맞추기 위해 혁신적으로 변화하고 있습니다.
농업 업계가 이러한 수요를 충족하기 위해 계획하고 있는 방법에는 머신러닝(ML) 및 컴퓨터 비전(CV) 기능이 탑재된 AI 시스템이나 애플리케이션과 같은 혁신적인 기술이 주요 역할을 하고 있습니다.
애그테크(AgTech) AI의 데이터 수요
CV 및 ML과 같은 새로운 기술을 도입하는 것에 적극적인 많은 농업 전문가들은 생육기 농작물의 수확량이나 가축의 생산량 등 주요 지표의 개선이 가능하다면 새로운 기술 도입의 가치가 있다고 말합니다.
높은 수확량을 달성하는 데는 여러 장애물이 있지만, 대부분의 문제는 아래 두 가지 항목 또는 카테고리로 나눌 수 있습니다.
- 환경적 요인
- 기존 수확량 증대
환경적 요인은 날씨, 지역 기후, 토양 구성, 그리고 작물의 생육과 품질에 영향을 미치는 해충이나 잡초의 유무를 포함합니다. 다른 한 가지 항목인 기존 수확량 증대는 특정 작물에게 필요한 것이 무엇인지, 그리고 최적의 수확 타이밍이 언제인지 파악해 수확량을 향상시킬 수 있는 방법을 다룹니다.
이와 같은 전략적 접근을 흔히 정밀 농업(precision agriculture)이라고도 합니다. 정밀 농업을 추진하기 위해 현재 현장에서 활발히 활용되고 있는 다수의 유명 AI 애플리케이션은 농작물 상태를 모니터링하고 농부에게 데이터 기반의 가치 있는 인사이트를 제공하도록 설계되었습니다.
높은 수확량과 연결되는 이 두 가지 문제를 바탕으로, 농업 분야의 주요 컴퓨터 비전 애플리케이션은 다양한 조건과 시나리오를 기반으로 다양한 작물 및 기타 식물과 관련된 이미지 데이터를 통해 훈련됩니다.
이러한 애플리케이션은 실제 환경에 맞게 준비되어야 하기 때문에 데이터에는 예측 불가능한 상황이 포함되어야 합니다. 또한, 작물이 환경 변화에 민감하게 반응하며 씨앗에서 수확 가능한 식물로 성장하기 때문에, 예기치 못한 기상 패턴과 작물의 건강 유지에 영향을 받는 가변적인 환경 속에서도 안정적으로 성능을 발휘해야 합니다.
애그테크 애플리케이션을 위한 데이터 소싱
컴퓨터 비전 모델은 작물 인식 및 분석 작업에 안성맞춤으로, 지능형 로봇과 드론, 자동화된 농기계와 같은 애플리케이션이 과중한 노동을 덜어주고 더 짧은 시간에 더 높은 품질의 상품을 효율적으로 생산하는 데 집중할 수 있게 해줍니다.
최근 몇 년 동안 농업 분야에서의 CV 활용은 의미있는 진전을 이루었고 업계에서도 환영하는 분위기지만, 애그테크 구축을 위한 데이터 수집을 시도할 때 고려해야할 주요한 문제점이 아직도 존재합니다. 가장 큰 장애물은 공개 데이터 소스나 데이터 저장소가 생산 환경을 제대로 반영하지 못하는 경우가 많아 모델 배포 및 활성화 후 성능에 대한 우려가 생길 수 있으며, 특히 정밀 농업 기능을 수행하기에는 문제가 될 수 있다는 점입니다.
또한, 오픈 소스 옵션 중 상당수가 소규모 개발자 팀이 제한된 특정 영역에서 단시간에 수집한 이미지이기 때문에 아직 활용할 수 있는 케이스가 많지 않을 수 있다는 점도 문제점입니다. 따라서 특정 모델이나 프로젝트에 맞춤화되지 않은 데이터를 해당 프로젝트의 요구 사항에 맞추기가 어렵습니다.
여기서 커스텀 CV 모델의 유즈 케이스에 맞는 훈련용 데이터를 어떻게 소싱해야 할지에 대한 의문이 생기게 되는데, 애그테크 개발 커뮤니티에서 가장 많이 사용되는 방법을 분석해보면 이 질문에 대한 명확한 답을 찾을 수 있을 것 같습니다.
- 무인 항공기 및 센서 시스템을 활용한 수동 데이터 수집
- 애그테크 AI에 특화된 데이터 제공 업체 또는 서비스 고용
- USDA와 같은 정부 기관에서 제공하는 광범위하고 믿을 수 있는 아카이브를 포함한 공공 데이터 저장소의 일반 데이터의 일부를 활용한 빌드 구축
농업 데이터 수집을 위한 드론 활용
ML 농업 산업에서 데이터 소싱과 관련된 모든 논의에서 드론의 중요성을 언급하는 것을 빼놓을 수 없습니다.
농업 분야에서 드론은 해를 거듭할수록 점점 더 보편화되고 있으며, 농업인들이 농작물 수확량을 몇 배로 늘리는 데에 효과적인 방법으로 떠오르고 있습니다. 이러한 항공 기기에 CV와 ML이 현대적으로 통합되고 기능이 추가되면서 농장은 이제 현대적이고 편리한 방식으로 작물의 건강과 잠재적인 수확량을 분석하고 영향을 미칠 수 있는 수단을 갖게 되었습니다.
무인 항공기(Unmanned Aerial Vehicles, UAV) 또는 무인 지상 차량(Unmanned Ground Vehicles, UGV)이 보급되기 전에 작물을 조사하려면 헬리콥터와 같이 고가이면서 비효율적인 수단을 사용했는데, 이에 비하면 드론과 같은 장비는 훨씬 가볍고 에너지 효율이 높은 선택지입니다.
일반적으로 보면 드론은 농업 역량을 향상시키는 데 큰 도움이 되고 특히 AI 솔루션을 제공하는 데 적합하지만, 모든 드론이 그런 것은 아닙니다. 외형이나 디자인뿐만 아니라 고유한 기능 및 그 기능을 얼마나 효과적으로 수행하는지도 고려해야 합니다.
드론이 효과적으로 잘 설계되었는지 평가하려면 다양한 기능을 갖추고 있는지 확인해봐야 합니다. 이를테면, 수동 및 자동 평가에 모두 사용할 수 있는 고해상도 이미지 및 비디오 캡처가 가능한지, 작물의 특성을 정확히 분석할 수 있는지, 지형 매핑이 가능한지, 작물 심기나 살포 작업에 활용 가능한지 등을 살펴봐야 합니다.
다음은 농업 산업의 다양한 데이터 소싱 유즈 케이스에 활용할 수 있는 UAV 중 호평받는 선택지의 리스트입니다.
1. Pix4D
정밀 농업에서 매핑은 기술 사용의 중요한 이점입니다. Pix4D의 RGB 매핑 소프트웨어는 사용자에게 수 분 만에 200에이커를 정찰할 수 있는 귀중한 고해상도 뷰를 제공합니다. 농부들이 현장에 있든 없든 편리하게 농경지의 정확한 지형을 파악할 수 있습니다.
2. DJI Agras MG-1
업계 최고의 최첨단 제품 중 하나로 널리 알려진 DJI Argas MG-1은 안정적인 비행 성능을 제공하는 레이더 감지 시스템과 작물에 살포할 때 정확한 살포를 보장하는 스프링 시스템 및 유량 센서가 장착되어 있습니다.
3. DJI Phantom 4
농업용으로 특별히 설계된 DJI의 Phantom 4는 최대 30분의 비행 시간으로 필드 매핑을 최대한 효율적이고 편리하게 만드는 역할을 합니다. 원본 위성 관측 데이터와 이미지 위치 데이터를 캡처할 수 있어 데이터 검증 시간을 단축하고 최소한의 수동 조정으로 보다 효율적인 후처리 워크플로우를 달성할 수 있습니다.
4. 패럿 아나피 열화상(Parrot Anafi Thermal)
패럿 아나피는 최고 수준의 열화상 성능을 보여줍니다. 이 드론은 옵션으로 제공되는 열화상 모듈을 사용하여 야간 비행도 가능하며 매우 뛰어난 휴대성을 보여줍니다. 수 초면 작동 준비가 완료되며, 고품질 광학 센서 덕분에 어두운 곳에서도 최상의 사진을 촬영할 수 있습니다.
5. DJI Mavic 2 Pro
DJI Mavic 2는 장애물 회피 기술을 통해 안전을 최우선으로 생각하며 최대 18킬로미터의 통신 거리를 지원해 감시용으로 이상적입니다. 4개의 센서를 탑재해 안정적으로 비행하며 추락이나 제품 손상 가능성을 줄여줍니다. 30분의 긴 비행 시간, 시속 45마일의 속도와 항속거리로 필요한 지점에 도착해 항공 촬영과 매핑 촬영을 더 적은 시간과 위험 부담으로 수행할 수 있습니다.
다음으로는 UAV가 아닌 애그테크 데이터 수집에 추천하는 제품입니다. 애그테크 CV 애플리케이션의 가장 일반적인 유즈케이스는 물론, 강력한 모델 개발에 필요한 이상적인 품질과 관련성을 갖춘 데이터를 소싱하기 위한 상세한 추천 사항을 알려드립니다. 이는 현대 농부들과 함께 더 크고 지속 가능한 생산성을 위한 인사이트를 추출하는 귀중한 도구로 활용할 수 있습니다.
농작물 및 가축 모니터링
농장의 중요한 자산으로 가능한 한 최상의 상태를 유지해야 하는 농작물, 가축 및 기타 관심 품목을 모니터링하는 기능은 생산량과 수확량을 증대시킬 수 있는 획기적인 잠재력을 가지고 있습니다. 생각해 보면, 농작물과 방목 중인 가축을 수동으로 모니터링하는 것은 시간이 많이 걸릴 뿐만 아니라 상당히 비효율적이기 때문입니다.
농작물 및 가축 모니터링 애플리케이션에 어떤 유형의 데이터가 이상적인지 고려할 때는 드론이나 다양한 유형의 센서 시스템과 같은 시스템이 대상 물체를 포착하고 이를 적절히 분석하여 탈수나 질병과 같은 문제 상태를 감지하는 데 도움이 되는 농작물 및 가축 관련 이미지 데이터를 목표로 삼아야 합니다.
작물 및 토양 건강 평가
작물의 건강을 측정하는 가장 정확한 방법은 뿌리와 그 주변의 토양에 직접 접근하는 것입니다. 작물 감지 애플리케이션의 경우, 작물의 상태를 추적하는 판독값과 다양한 성장 단계를 제공하고 표면적으로만이 아닌 모든 문제를 감지할 수 있는 기능을 제공해야 하는 경우가 많습니다.
해충 및 질병 예방
농작물을 모니터링 및 평가하고 사용자에게 인사이트를 제공하는 개념과 유사하게, 해충 및 질병 예방 애그테크 솔루션은 평가 기능을 염두에 두고 설계되어야 합니다. 이 유즈 케이스에 대한 애플리케이션의 예로는 건강에 해로운 식물과 건강한 식물을 구분할 수 있는 무인 항공기를 들 수 있습니다.
해충 및 질병 예방 CV 모델은 기생충이나 침입성 잡초와 같이 현장에서 원치 않는 작물 또는 생물의 징후를 자동으로 인식하고 제초제 또는 살충제의 정확한 용량을 적용하여 작물 생육에 대한 추가 피해를 해결하거나 예방할 수 있을 만큼 직관적이어야 합니다.
이러한 작업을 위한 데이터 소싱은 식별해야 하는 잡초 및 해충 유형과 고객 또는 애플리케이션 사용자가 보호해야 하는 작물 품종에 따라 다양한 소스를 통해 얻을 수 있습니다.
야도충, 잎벌, 갯지렁이, 메뚜기와 같이 흔하거나 널리 퍼져 있는 해충의 경우, USDA의 농업 리서치 서비스(Agricultural Research Service)와 같은 공공 데이터베이스에서 이미지나 비디오와 같은 가장 일반적인 인풋 데이터를 얻을 수 있습니다.
예측 분석
작물 생육에 큰 도움이 되는 기상 조건의 예측이나 판독은 예측 및 예측 CV 소프트웨어를 활용하면 가능합니다. 이러한 모델은 일반적으로 농업 수확량에 큰 영향을 미칠 수 있는 다양한 환경 시나리오 또는 이벤트를 평가, 추적, 예측 및 예측하도록 설계되었습니다.
또한 농부에게 해당 지역의 기상 패턴에서 주목할 만한 변화를 알려주고 이러한 변화가 작물 생산에 어떤 영향을 미치는지에 대한 분석적 시각을 제공하여 재배 결정을 내릴 수 있도록 도움을 줄 수 있어야 합니다.
위성 또는 항공 이미지는 이상적인 인풋 데이터 요건을 충족할 뿐만 아니라 비용적인 측면에서 효율적이며 고품질의 상세한 이미지를 제공하고, 모델 성능에 큰 차이를 만드는 정확성을 제공하기 때문에 예측 분석 애플리케이션에 널리 사용되는 옵션입니다.
데이터 인텔리전스를 활용한 수확량 극대화
보다 생산적이고 현대화된 농업 산업은 농부와 함께 조화롭게 작동하여 생산량과 작물 수확량을 극대화하는 차세대 애그테크 애플리케이션을 통해서만 가능합니다. 이 모든 것은 작업자에게 가장 유용한 기능을 갖춘 애플리케이션을 갖추기 위해 올바른 유형의 데이터를 수집하는 것에서 시작됩니다.
데이터가 수집된 시기, 지리적 위치, 데이터에 포함된 오브젝트에 대한 시간과 위치의 영향 등 상이한 세부 사항과 내용이 ML 모델에 도움이 되는 경우가 많습니다. 이러한 요소는 모두 현재 사용 중인 데이터의 품질과 정확성에 영향을 미치며, 이는 농업 방식의 진화로 이어지게 됩니다.