전통적인 농업 관행은 물 부족, 생산 주기의 장기화, 기후 변동성, 경작 가능 토지의 감소로 인해 전 세계 식량 수요를 충족하기에 점차 부적절해지고 있다. 이에 비해 에어로포닉(aeroponic), 스마트(smart), 토양 없는(soil-free) 농업 기술은 에어로포닉이 뿌리 주변의 습기를 연속적으로 유지하기보다는 물을 미스트 형태로 간헐적으로 공급한다는 점을 고려할 때, 토지 이용을 줄이고 효율적인 물 사용을 가능하게 하여 보다 지속가능한 대안으로 제공된다. 그러나 에어로포닉은 비표준화된 구조와 제한된 실시간 제어로 인해 관개(irradiation) 관리에서 중대한 과제에 직면해 있다. 핵심 한계는 온도(T), 상대습도(RH), 광(빛) 강도(Li), 전기전도도(EC), pH, 그리고 광합성 속도(Pn)에 대해 동적으로 반응하지 못한다는 점이며, 이로 인해 작물 수확량이 최적화되지 못하고 자원이 낭비된다. 관심이 증가하고 있음에도 불구하고, 적응 제어를 위해 에어로포닉 시스템에 사물인터넷(IoT)과 머신러닝(ML) 기술을 통합하는 데에는 여전히 연구 공백이 존재한다. IoT 기반 센서는 주변 조건과 식물의 건강 상태에 대한 실시간 데이터를 제공하는 반면, ML 모델은 Pn의 변동과 환경 입력값의 변화에 기반하여 미스트 분사 간격을 적응적으로 최적화할 수 있다. 이러한 기술은 에어로포닉 환경의 역동적이고 데이터 집약적인 특성에 특히 적합하다. 본 고찰은 에어로포닉에서 IoT 센싱과 ML 기반 의사결정을 강조함으로써 관개를 제어하기 위한 새로운 표준화된 IoT–ML 프레임워크를 제안한다. 이러한 통합 접근은 물 손실을 최소화하고 자원 효율을 향상시키며, 제어된 환경의 농업 분야에서 지속가능성을 발전시키는 데 필수적이다.

본 연구에서는 화학적 토양 분석을 대체하기 위한 보다 효율적인 방안으로, 분산 반사 분광법을 이용한 논 토양 특성 회귀 모델을 개발하였다. 토양 시료는 대한민국 경기도 화성시 정남면의 염수 논에서 채집하였으며, 습윤 및 건조 토양의 스펙트럼 데이터를 수집하고 분석하였다. 토양 특성을 예측하기 위하여 부분최소제곱회귀(partial least squares regression, PLSR)에 Savitzky–Golay smoothing(SG smoothing) 및 Standard Normal Variate(SNV) 전처리를 적용한 회귀 모델을 비교·분석하였다. 분석 결과, SG smoothing 및 SNV를 적용한 습윤 토양의 예측 회귀 모델은 공정한 모델(fair model) 평가 기준을 충족하지 못하였다. 그러나 SG smoothing을 적용한 건조 토양의 회귀 모델은 점토, pH, EC, 그리고 TN에 대해 각각 RPD = 1.90, 1.87, 1.60, 1.43 및 R2 = 0.79, 0.81, 0.64, 0.64로 공정하였다. 한편 SNV를 적용한 건조 토양의 회귀 모델은 점토, pH, EC, 그리고 TN에 대해 각각 RPD = 2.21, 1.96, 1.70, 1.44 및 R2 = 0.84, 0.81, 0.76, 0.69로 양호하였다. 토양 특성의 예측 회귀 모델을 개발할 때는 습윤 토양보다 건조 토양에서의 정확도가 더 높았으며, 전처리를 단 한 번 적용했을 때는 SG smoothing보다 SNV 전처리를 적용한 회귀 모델의 정확도가 더 높았다.

본 연구에서는 식물공장 내 폐회로 수경재배 시스템에서 양액을 유지하기 위해 이온 선택 전극(ion-selective electrodes, ISEs)을 활용한 이온 모니터링 시스템을 개발하였다. 이를 기반으로 작물 생장을 위한 최적 이온 보충량을 산출하는 알고리즘과 개별 이온 보충 시스템을 개발하였다. 개발된 알고리즘은 각 목표를 달성하기 위해 서로 다른 비용 함수를 채택한다. 이온 균형 우선 알고리즘은 목표 이온 농도와 계산된 이온 농도의 제곱 차이의 합으로 정의되는 비용 함수를 최소화한다. 반면 탄소 배출 저감 알고리즘은 개별 염 보충량에 각각의 탄소 배출 계수를 곱하여 계산되는 총 탄소 배출량으로 정의되는 비용 함수를 최소화한다. 시뮬레이션 결과, 이온 균형 우선 알고리즘은 Ca, NO3, K에 대해 각각 평균 오차 5.5 ± 5.5%, 0.4 ± 0.5%, 5.0 ± 11.2%를 달성하여 이온 균형 유지에서 우수한 성능을 보였다. 한편 탄소 배출 저감 알고리즘은 총 0.064 kg CO2로, 이온 균형 우선 유형에 비해 50.19% 감소를 나타냈다. 개발된 알고리즘과 시스템은 폐 양액의 재활용을 통해 양분 및 물 사용량을 최소화함으로써 비용을 절감할 수 있을 것으로 기대된다. 또한 최적의 이온 조성을 유지함으로써 작물 생산성을 향상시키고, 탄소 배출 저감을 통해 지속가능한 농업에 기여할 것으로 예상된다.

영양액의 농도와 부피 각각에 대한 결정이다. 또한 의사결정나무 방법은 단계별 시험에서 총 비료 주입량과 탄소 배출량을 각각 12.8%와 20.6% 감소시키는 데 도움을 주었다. 이러한 결과는 의사결정나무 기반 급액 알고리즘이 기존의 심플렉스 방법에 비해 영양액의 보다 효율적인 재사용을 가능하게 할 뿐만 아니라 탄소 배출량을 줄일 잠재력도 확인해, 지속가능한 농업 발전의 가능성을 시사함을 보여준다.

식물 표현형(phenotyping)은 작물의 상태와 생장을 분석하는 데 효과적이고 강력한 도구로서 널리 연구되어 왔다. 그러나 전통적인 표현형 분석(즉, 수작업)은 시간이 많이 걸리고 노동 집약적이며, 다양한 재배 구조와 제한된 공간은 대규모이면서 고처리량(high-throughput) 수준의 표현형 분석을 저해한다. 본 연구에서는 재배 베드의 다양한 구조에 유연하게 적용할 수 있으면서 신뢰할 수 있는 공간–시간 연속성을 제공하는 저비용 고처리량 표현형 분석 시스템을 개발하였다. 이 표현형 분석 시스템은 통합 Raspberry Pi 보드와 카메라 모듈을 갖춘 저비용 표현형 센서 네트워크로 구성되었다. 분산된 카메라 센서를 통해 시스템은 재배 베드 전체에 대하여 실시간으로 작물 영상을 제공할 수 있다. 또한 모듈화된 영상 처리 아키텍처는 여러 표현형 지표의 조사를 지원한다. 시스템의 타당성은 용기형 식물공장(container-type plant factory)에서 서로 다른 광주기(light period) 조건으로 재배한 바타비아 상추(Batavia lettuce)에 대해 평가하였다. 서로 다른 광주기 조건에서 재배된 상추에 대해 생체중(fresh weight), 엽장(leaf length), 엽폭(leaf width), 엽수(leaf number)와 같은 작물 특성을 수작업으로 측정하고, 시스템으로부터 얻은 표현형 지표와 비교하였다. 그 결과, 시스템은 재배 전 기간에 걸쳐 상추의 서로 다른 표현형 특성을 보여주었다. 아울러 서로 다른 위치와 광 조건에 따른 상이한 생장 곡선이 확인됨으로써, 개발된 시스템이 저비용으로 공간적 유연성을 바탕으로 다양한 식물 표현형 시나리오를 구현할 잠재력을 지님이 입증되었다. 따라서 본 시스템은 표현형 분석에 관심 있는 연구자와 재배자에게 유용한 개발 도구로서 활용될 수 있다.

인구 증가가 지속됨에 따라 식량 안보를 보장하기 위해 농업 생산을 상당히 확대할 필요가 있다. 그러나 농업 생산량은 환경 위기와 노지(開放地) 재배 관행이 미치는 부정적 영향으로 인해 제한된다. 대안으로, 양분 자원의 활용을 최적화하기 위해 에어로포닉스(aeroponics)와 같은 수직농장 기법을 활용할 수 있다. 그러나 에어로포닉스에서 분무액 스프레이(살포) 액적의 크기와 분포가 불균일하게 나타나는 문제는 뿌리 발달과 양분 전달에 영향을 미치며, 분무 성능 분석에서 지속적으로 문제로 제기된다. 에어로포닉스에서는 가압 노즐을 통해 양액을 식물 뿌리로 전달하며, 이러한 전달의 효과는 분무 특성에 달려 있다. 유량의 변화는 액적의 크기, 밀도, 피복 범위에 직접적인 영향을 주고, 이는 결과적으로 양분 흡수와 작물 생장에 영향을 미친다. 본 연구에서는 유량을 조정(3, 4.5, 6 L/min)하여, 신속 평가 방법을 통해 침적(침착) 수집기(deposit collector)로서 물감지지(water-sensitive paper, WSP)를 사용함으로써 분무 성능을 정량적으로 분석하였다. 이후 영상 처리 기법인 임계값 분할(threshold segmentation)과 형태학적 연산(morphological operations)을 적용하여 WSP 이미지에서 개별 분무 액적을 분리하였다. 이 기법을 통해 분무 액적의 피복 면적, 크기, 밀도, 균일성을 정량화할 수 있었으며, 이를 통해 분무 성능을 효과적으로 평가할 수 있었다. 일원분산분석(one-way ANOVA) 결과, 분무 모든 매개변수는 유량에 대해 유의하게 달라지는 것으로 나타났다(p < 0.05). 예를 들어, 액적의 평균 직경은 3 L/min에서 0.73 mm에서 6 L/min에서 1.29 mm로 증가하였다. 또한 동일한 유량 범위에서 액적 밀도는 85.53 drops/cm2에서 30.00 drops/cm2로 감소하였다. 평균 균일성 지수는 유량이 증가함에 따라 30.53에서 15.95로 개선되었다. 이러한 결과는 WSP를 에어로포닉스에서 분무 성능을 분석하기 위한 효과적이고 확장 가능한 접근법으로 활용할 수 있음을 시사한다. 이는 WSP가 스마트폰 카메라와 같은 간단한 도구로 신속하게 디지털화할 수 있어, 평판 스캐너나 특수 영상 시스템의 한계를 회피할 수 있기 때문이다.

전통적인 농업 관행은 물 부족, 생산 주기의 장기화, 기후 변동성, 경작 가능 토지의 감소로 인해 전 세계 식량 수요를 충족하기에 점차 부적절해지고 있다. 이에 비해 에어로포닉(aeroponic), 스마트(smart), 토양 없는(soil-free) 농업 기술은 에어로포닉이 뿌리 주변의 습기를 연속적으로 유지하기보다는 물을 미스트 형태로 간헐적으로 공급한다는 점을 고려할 때, 토지 이용을 줄이고 효율적인 물 사용을 가능하게 하여 보다 지속가능한 대안으로 제공된다. 그러나 에어로포닉은 비표준화된 구조와 제한된 실시간 제어로 인해 관개(irradiation) 관리에서 중대한 과제에 직면해 있다. 핵심 한계는 온도(T), 상대습도(RH), 광(빛) 강도(Li), 전기전도도(EC), pH, 그리고 광합성 속도(Pn)에 대해 동적으로 반응하지 못한다는 점이며, 이로 인해 작물 수확량이 최적화되지 못하고 자원이 낭비된다. 관심이 증가하고 있음에도 불구하고, 적응 제어를 위해 에어로포닉 시스템에 사물인터넷(IoT)과 머신러닝(ML) 기술을 통합하는 데에는 여전히 연구 공백이 존재한다. IoT 기반 센서는 주변 조건과 식물의 건강 상태에 대한 실시간 데이터를 제공하는 반면, ML 모델은 Pn의 변동과 환경 입력값의 변화에 기반하여 미스트 분사 간격을 적응적으로 최적화할 수 있다. 이러한 기술은 에어로포닉 환경의 역동적이고 데이터 집약적인 특성에 특히 적합하다. 본 고찰은 에어로포닉에서 IoT 센싱과 ML 기반 의사결정을 강조함으로써 관개를 제어하기 위한 새로운 표준화된 IoT–ML 프레임워크를 제안한다. 이러한 통합 접근은 물 손실을 최소화하고 자원 효율을 향상시키며, 제어된 환경의 농업 분야에서 지속가능성을 발전시키는 데 필수적이다.

본 연구에서는 화학적 토양 분석을 대체하기 위한 보다 효율적인 방안으로, 분산 반사 분광법을 이용한 논 토양 특성 회귀 모델을 개발하였다. 토양 시료는 대한민국 경기도 화성시 정남면의 염수 논에서 채집하였으며, 습윤 및 건조 토양의 스펙트럼 데이터를 수집하고 분석하였다. 토양 특성을 예측하기 위하여 부분최소제곱회귀(partial least squares regression, PLSR)에 Savitzky–Golay smoothing(SG smoothing) 및 Standard Normal Variate(SNV) 전처리를 적용한 회귀 모델을 비교·분석하였다. 분석 결과, SG smoothing 및 SNV를 적용한 습윤 토양의 예측 회귀 모델은 공정한 모델(fair model) 평가 기준을 충족하지 못하였다. 그러나 SG smoothing을 적용한 건조 토양의 회귀 모델은 점토, pH, EC, 그리고 TN에 대해 각각 RPD = 1.90, 1.87, 1.60, 1.43 및 R2 = 0.79, 0.81, 0.64, 0.64로 공정하였다. 한편 SNV를 적용한 건조 토양의 회귀 모델은 점토, pH, EC, 그리고 TN에 대해 각각 RPD = 2.21, 1.96, 1.70, 1.44 및 R2 = 0.84, 0.81, 0.76, 0.69로 양호하였다. 토양 특성의 예측 회귀 모델을 개발할 때는 습윤 토양보다 건조 토양에서의 정확도가 더 높았으며, 전처리를 단 한 번 적용했을 때는 SG smoothing보다 SNV 전처리를 적용한 회귀 모델의 정확도가 더 높았다.

본 연구에서는 식물공장 내 폐회로 수경재배 시스템에서 양액을 유지하기 위해 이온 선택 전극(ion-selective electrodes, ISEs)을 활용한 이온 모니터링 시스템을 개발하였다. 이를 기반으로 작물 생장을 위한 최적 이온 보충량을 산출하는 알고리즘과 개별 이온 보충 시스템을 개발하였다. 개발된 알고리즘은 각 목표를 달성하기 위해 서로 다른 비용 함수를 채택한다. 이온 균형 우선 알고리즘은 목표 이온 농도와 계산된 이온 농도의 제곱 차이의 합으로 정의되는 비용 함수를 최소화한다. 반면 탄소 배출 저감 알고리즘은 개별 염 보충량에 각각의 탄소 배출 계수를 곱하여 계산되는 총 탄소 배출량으로 정의되는 비용 함수를 최소화한다. 시뮬레이션 결과, 이온 균형 우선 알고리즘은 Ca, NO3, K에 대해 각각 평균 오차 5.5 ± 5.5%, 0.4 ± 0.5%, 5.0 ± 11.2%를 달성하여 이온 균형 유지에서 우수한 성능을 보였다. 한편 탄소 배출 저감 알고리즘은 총 0.064 kg CO2로, 이온 균형 우선 유형에 비해 50.19% 감소를 나타냈다. 개발된 알고리즘과 시스템은 폐 양액의 재활용을 통해 양분 및 물 사용량을 최소화함으로써 비용을 절감할 수 있을 것으로 기대된다. 또한 최적의 이온 조성을 유지함으로써 작물 생산성을 향상시키고, 탄소 배출 저감을 통해 지속가능한 농업에 기여할 것으로 예상된다.

영양액의 농도와 부피 각각에 대한 결정이다. 또한 의사결정나무 방법은 단계별 시험에서 총 비료 주입량과 탄소 배출량을 각각 12.8%와 20.6% 감소시키는 데 도움을 주었다. 이러한 결과는 의사결정나무 기반 급액 알고리즘이 기존의 심플렉스 방법에 비해 영양액의 보다 효율적인 재사용을 가능하게 할 뿐만 아니라 탄소 배출량을 줄일 잠재력도 확인해, 지속가능한 농업 발전의 가능성을 시사함을 보여준다.