K씨는 농촌에서 태어나 어린 시절을 그곳에서 보냈다. 서울에 있는 대학에 진학하여 컴퓨터공학을 전공하고, 공장자동화 대기업에 취업하여 10년 넘게 인공지능 엔지니어로 일하고 있다. 회사 업무에 만족하면서 성취감도 높지만 마음 한 켠에는 유년시절 뛰놀던 농촌과 농업에 대한 아련함이 있다. 그동안 인공지능과 자동화 업무에서 축적한 기술을 기반으로 꿈에 그리던 디지털농장을 만들어 보고자 한다. K씨가 논 20ha의 디지털 농장에서 농작업 단계별로 적용할 AI 기술들을 살펴보도록 하자
우선 디지털 농장의 핵심 인프라와 농기계를 준비하였다. 논 전역에 물 공급과 배수를 위해 파이프를 설치하고 밸브로 유량을 조절한다. 논 곳곳에는 컬러카메라와 분광카메라로 구성된 CCTV가 설치되어 농경지와 작물을 감시하고 있다. 또한 조류퇴치기와 해충트랩도 논 가장자리에 설치하였다. 농경지 주변의 기상정보를 측정하기 위해 기상관측기를 설치하였다. 무인 농작업을 위해 자율주행 트랙터, 이앙기, 콤바인을 준비하였다. 이러한 기기와 농기계에는 무선 통신 모듈이 탑재되어 스마트폰으로 원격으로 감시하고 제어할 수 있다.
토양 경운은 자율주행 트랙터에 쟁기를 부착하여 흙을 갈아엎는 작업이다. 토양의 강도가 높은 상태에서 경운 작업이 이루어지면 트랙터에 전달되는 부하가 높아져 연료 소모량이 증가하고 트랙터 수명을 단축시킨다. 또한 경운 작업의 균일성도 떨어지게 된다. 따라서 토양의 강도가 최적일 때 경운 작업을 수행하는 것이 중요하다.
농경지 기상관측기로 측정한 온도, 습도, 강수량, 태양광의 강도와 토양의 특성을 입력 인자로 하여 AI는 토양의 수분 침투량과 증산량을 계산하여 토양의 강도를 예측한다. 이를 기반으로 경운 최적의 시기에 자율주행 트랙터에 경운 작업을 수행하도록 명령한다.
토양 정지는 로터베이터를 이용하여 경운한 흙을 잘게 부수고 균평하도록 하는 작업이다. 경운 작업과 유사하게 AI는 토양의 수분 및 강도를 예측하여 정지 작업의 최적 시기를 결정하고, 로터베이터의 회전속도와 좌우 균평을 조절하여 토양 표면이 최적의 균평을 유지하도록 한다. 트랙터의 경운·정지 작업 기록은 모두 저장되어 AI는 트랙터 부품의 수명을 예측하고 고장을 미리 진단할 수 있다.
이앙은 어린 묘를 농경지에 심는 작업이다. AI는 이앙 이전과 이후의 기상 자료를 바탕으로 최적의 이앙시기를 결정한다. 또한 작년도 수확 시 측정한 농경지 위치별 수확량과 단백질 함량을 기준으로 투입 비료량을 결정하고 이앙과 동시에 육묘 인접에 투입한다. 이러한 작업은 스마트폰으로 제어된 자율주행 이앙기에 의해 이루어진다.
이앙직후 농경지에 설치된 CCTV를 통해 농경지 전체의 영상을 획득한다. AI 영상 분석시스템을 통해 이앙된 묘를 인식하고 개체별로 GPS 좌표를 부여하여 작물 개체별로 생육관리가 이루어지도록 한다. 또한 이앙이 이루어지지 않는 결주 위치를 찾아 재식함으로써 수확량을 높일 수 있다.
물관리는 벼의 생육을 결정하는 중요한 요인이다. 특히 탄소발생을 저감하기 위해서는 벼 생육 단계별로 논 수위를 정밀하게 조절하여야 한다. CCTV AI 영상분석 시스템은 논 수위를 정밀하게 측정하고, 작물의 생육상태와 기상 요건에 따라 작물의 수분 요구량을 분석하여 급수와 배수를 자동 조절한다.
CCTV에 설치된 AI 분광분석 시스템은 작물의 바이오매스, 생육지수, 환경 스트레스 지수를 측정하고 병해충을 진단하여 농경지 위치별 최적의 비료·농약 종류, 투입량, 투입시기를 결정한다. 드론은 비료·농약 투입 처방전에 따라 농경지 위치별로 다르게 살포한다. AI 분광분석 시스템은 잡초를 식별하고 잡초의 GPS 좌표를 인식하여 드론을 통해 제초제가 잡초에 국소 살포될 수 있도록 한다.
조류에 의한 농작물 피해를 최소화하기 위해 조류 퇴치기를 설치한다. 조류 퇴치기의 AI 시스템은 대상 조류와 조류의 행동 패턴을 분석하여 조류를 쫓기 위한 최적의 레이저 빔과 초음파 패턴을 생성한다. 이는 조류의 학습에 의한 퇴치기의 효용성 저하를 방지할 수 있다.
AI 수확량 예측 시스템은 작물 생육 단계별로 기상, 작물 생육 및 병해충, 관배수, 비료·농약 투입 정보 등을 종합하여 수확량을 예측한다. AI 시스템은 비료, 농약 등 농자재의 투입량과 예측 수확량을 분석하여 생산성과 경제성을 극대화할 수 있도록 재배관리를 실시한다.
수확 시기는 곡물의 숙도와 건조 상태에 따라 결정한다. CCTV AI 분광분석 시스템은 곡물의 숙도를 예측한다. AI 시스템은 기상정보를 활용하여 곡물의 건조도를 예측하고, 콤바인이 투입될 수 있는 토양의 경도를 예측하여 최적 수확 작업시기를 결정한다.
수확 직전에 CCTV AI 영상분석 시스템을 활용하여 영상에서 곡물 영역만을 추출하여 수확량을 측정하고 GPS 좌표와 함께 지도화 한다. 수확량 지도 분석을 통해 농경지 내 수확량 변이와 변이 발생 요인을 분석한다. 수확 작업은 이앙 시기에 인식한 작물 개체의 GPS 좌표를 자율주행 콤바인이 따라가면서 무인으로 진행된다.
AI가 관리하는 디지털 농장은 기상 및 토양 정보를 AI로 예측하여 센서 설치를 최소화하고, 이를 통해 디지털농장 구축 비용을 절감할 뿐만 아니라 자율주행 농기계에 의한 작업의 수월성을 향상한다. 또한 농경지 및 작물 관찰을 위해 드론 대신 CCTV를 사용함으로써 비용을 절감하고 사용의 편의성을 향상한다.
디지털 농장의 궁극적인 목적은 투입되는 농자재를 최소화함에도 수확량과 품질을 극대화하여 생산성을 향상하고 소득을 향상시키는 데 있다. 이를 위해 농작업 단계별로 AI를 활용하여 최적의 의사결정을 내리고 자율주행 농기계를 통해 최적의 농작업을 수행한다. 또한 농작업 단계별로 방대한 양의 데이터를 수집하고 학습하여 시간이 지날수록 AI의 성능은 지속해서 향상된다.
K씨가 상상하는 AI 디지털 농장의 출현이 눈앞에 다가와 있다. 우리가 가는 길이 세계의 모델이 되고 표준이 될 것이다. 농업의 생태계를 AI로 혁신하자.