국내에서 개발한 클라우드+딥러닝 기술을 탑재한 스마트 농업 드론의 기술?

 

한국생산기술연구원과 메타로보틱스에서 방 진행상태를 스마트폰 어플리케이션에서 실시간으로 확인하고 클라우드 서버를 통해 농민, 조종사, 제조사 간 데이터를 공유할 수 있는 '방제 드론 지능형 작업관리 시스템'을 공동 개발하였습니다. 

 

공동개발한 농업드론(출처:한국생산기술연구원)

 

 

기존의 농업 드론의 경우 매우 얇은 전선이나 장애물, 전봇대, 나무, 비닐하우스 등에 충돌하거나 기타 통신 문제로 추락하는 사고가 다방면으로 발생했었는데요. 한국생산기술연구원 지능형 농기계연구그룹 양승환 박사와 메타로보틱스가 함께 움직이는 공동연구팀에서 이러한 문제점을 해결하고 방제 효율성을 높이기 위해 <스마트 농업 클라우드 기술>을 기반으로한 드론을 약 1년 8개월 만에 성과를 내었습니다.

 

 

 

 

스마트 농업 클라우드 기술이란?

 - 실내 작업자가 근거리무선통신(NFC) 태그가 부착된 스마트폰이나 장비를 소지하고 다니면 특정 작업자가 언제, 어디에서, 어떻게, 얼마나 작업했는지를 실시간으로 클라우드 서버에 전송해주는 기술

 

 

이 연구팀은 <스마트 농업 클라우드 기술>을 기반으로 원거리 정보 전송에 유리한 <LoRa> 통신모듈을 접목시켜 드론 통신 즉시 이동 경로와 높이, 속도, 약제 방제량 및 방제 범위 등 여러 가지 정보를 클라우드 서버에 실시간으로 입력되도록 개선하였습니다.

 

 

 

LoRa 통신 네트워크 구조(예시)

 

 

LoRa 네트워크란?

 - Long Range Wide Area Network의 약자로 저전력, 광대역 네트워크(LPWAN:Low Power Wide Area Network) 사양을 지니며, IoT 디바이 및 포터블 디아비스의 운용성을 제공합니다.

 

 - LoRa WLAN은 복잡한 망 구축을 필요로 하지 않고 비면허 주파수 대역을 활용하고, 개인, 기업 모두 IoT 디바이스를 사용할 수 있고 저전력, 저비용의 특성을 가지고 있습니다.   

 

 

Lora-alliance

 

 

다시말해, LAN(블루투스, 와이파이)의 단점과 셀룰러 네트워크(3,4,5G)의 단점을 해소한 통신이 <LoRa> 입니다. LoRa 통신 모듈을 활용할 경우 각종 센서들이 자리 잡은 End-Node와 Gateway의 중간 다리 역할을 하고 Gateway 형태의 LoRa WAN 모듈의 경우에는 이더넷을 활용해서 서버나 어플리케이션 서버단으로 연결합니다.

 

 

 

 

국내 판매중인 LoRa 모듈의 경우 평균적으로 ROS 기준 최대 10km를 지원하고 있습니다.

(ROS: Robot Operating System)

 

LoRa 통신 비교표

 

ROS 구조 및 빌드시스템(ROS 하루에 입문하기)

 

 

 

기존의 방제 작업의 경우 자격증을 보유한 조종자가 직접 드론의 비행경로 확인하면서 조종을 했고, 최근 DJI 제품같은 경우 인터페이스에 탑재된 기술로 경로를 설정하여 농약을 살포하고 있습니다.

 

한국의 농경지의 경우 구획 자체가 좁은 지역이 많고 일정하지 않고 도로와 도로 사이에 떨어져있기도하고 조종자들이 해당 지역과 구역을 사전에 정확히 인지하거나 파악하지 못하면 드론 이착륙이나 이동 시간이 길어져서 방제 누적 또는 누락이 발생하기 쉽습니다. 그에 반해 외국 농경지의 경우 드론을 활용하는것에 매우 적합한 지역입니다.

 

 

한국 농경지의 특성은 대체적으로 복잡하고 구획이 좁다.

 

 

 

외국 농경지의 경우 땅덩어리가 넓기 때문에 넓직하고 구획이 길고 일관적이다.

 

 

 

공동연구팀은 드론 사고의 핵심인 전선과의 충돌을 예방하기 위해 드론과 전선 간 거리를 측정할 수 있는 기술인 <DEPTH 카메라>에 딥러닝 기술을 탑재한 <위험 인식 센서>를 드론에 개발 장착했습니다.

 

 

 

 

댑스 카메라(예시:Intel Realsense)

 

 

Depth카메라란?

 - Computational Cemera의 종류이며, 2D와 3D형태가 있습니다. 3D의 경우에는 2D에서 할 수 없는 이미지 각 픽셀의 깊이 값을 계산할 수 있다는 것이 특징이고, 3D의 경우 카메라 모듈을 2개를 사용해서 다양한 기법들로 픽셀의 깊이를 계산합니다. 최근에는 VR, AR, 자율주행 드론, 로봇 및 자동차에도 많이 사용하고 있습니다. 

 

 

반도체의 소형화 및 고급화로 성능이 더욱 좋아질 전망을 가지고 있는 카메라센서입니다.

 

 

 

위험 인식 센서란?

 - 가장 보편화 되어 있는 기술인데, 단순히 특정 수치에 대한 인지로 위험을 감지하고 인식하는 것이 기본적인데, 해당 연구팀은 <딥러닝> 이라는 기술을 통해 위험 인지도를 높여 보다 빠르게 대응할 수 있도록 하였습니다. 일명 <딥러닝 기반 객체 검출 기술>이라고도 합니다. 아키텍처 기술은 YOLO V3를 활용하였습니다. YOLO V3 기술은 V2보다 많이 개선되어서 이미지 객체검출 능력이 뛰어납니다.

 

YOLO Object Detector in Pytorch

 

 

강원대학교 전기논문 <딥러닝을 이용한 영산 기반의 화재 위치 감지>

 

 

 

 

드론을 비행하는 중에 10mm 두께 밖에 되지 않은 얇은 전선을 조종자의 눈으로 확인하기 힘든데 이 기술을 통해 약 6m 거리 밖에서도 이 정도의 두께의 장애물을 감지하고 위험 인지 시 비행을 멈추거나 조종자의 새로운 명령을 기다릴 수 있습니다.

 

 

메타로보틱스 + 생기원에서 공동개발한 스마트 농업 드론 기술(출처:JDR)

 

 

 

중국 DJI에는 현재 없는 기술인 것은 맞는데, DJI에는 RTK Tripod를 활용하여 충돌 및 오차를 방지하고 있습니다. 중국 DJI가 점유율을 지속적으로 70%이상 계속 유지하려면 더 빠른 차세대 기술을 개발해내야할텐데요. 현재 한국도, 미국도, 프랑스도.. 여러 선진국들이 드론관련 기술을 개발해내고 있습니다. 

 

한국은 후발주자이긴 하지만 그래도 빠르게 팔로우 하려고 하는 것 같습니다.

 

 

그림,글 / JDR

이미지 제공 / 한국생산기술연구원, 메타로보틱스

 

ojdr2030@gmail.com