안녕하세요 아이오크롭스 : ioCrops입니다-!
이번 포스팅은 ioCrops가 참여한 “국제 농업 인공지능 대회 2019-2020”
관련 마지막 포스팅으로 대회 결과에 대한 내용입니다.
대회 결과는 국제 원예 박람회인 GreenTech Amsterdam 2020 웨비나(webinar, web+seminar)에서 최종 우승 팀이 발표되었습니다. GreenTech은 매년 113개국에서 약 12,000명의 관람객이 방문하는 네덜란드, 미국, 멕시코에서 열리는 세계에서 가장 큰 원예 산업 관련 박람회 중 하나입니다.
[GreenTech Amsterdam 2020에서 최종 우승 팀 발표 사진]
아래는 본선 평가 항목과 비중은 아래와 같습니다.
본선 평가 항목
ㆍ 순수익(netprofit, 50%)
- 방울토마토 수확에서 얻은 수익에서 온실 관리에 들어간 비용 및 작물 관리 비용을 뺀 값
- 재식밀도가 높을수록 작물 관리 비용도 증가
- 방울토마토 품질과 수확 시기에 따라 다른 가격(euro/kg) 적용
ㆍ 지속 가능성 요소(sustainability factor, 20%)
- 에너지와 자원을 효율적으로 활용하여 최대의 수확량을 냈는지가 중요
- 최소의 자원과 에너지로 최대의 수확을 내는것이 핵심
- 전기, 난방, CO2 가스, 양액과 같은 에너지 또는 자원의 총 사용량이 적을수록 높은 점수 획득
ㆍ 인공지능 및 자동화 전략(AI approach, 30%)
- 작물 재배 시 활용된 인공지능 또는 자동화 적용 방식
순수익(net profit, 50%) 결과
위의 그래프는 대회에서 작물 수확 기간별 각 팀의 누적 순수익(euro/m2)을 나타낸 그래프입니다. 파란색 선은 디지로그, 회색 선은 네덜란드 재배 전문가의 순수익 값입니다.
2020.02.14 - 2020.05.29 사이 약 3달 반 동안 방울토마토가 수확되었습니다. 수확된 방울토마토의 품질에 따라 상품성과인 ClassA와 비상품성과인 Class B로 분류되어, ClassA에 해당하는 방울토마토만 수확량에 반영되었습니다. Kg당 방울토마토의 비용은 수확 시기와 측정된 당도(Brix)에 따라 차등적으로 지급되었습니다.
순수익 결과에 대해서 조금 더 자세하게 살펴보겠습니다.
총 수확량(kg/m2) 비교
The Automators(검은색), 재배 전문가(회색) 팀은 6개 팀 중 월등히 높은 총 수확량(kg/m2) 을 내었지만 가장 낮은 순수익을 가진 팀이었습니다. 반면, AICu(주황색) 팀의 경우 총 수확량에서는 4위였지만 2번째로 높은 순수익을 내었습니다.
이처럼, 무조건적인 높은 수확량은 높은 순수익을 보장하지 않았습니다. 순수익이 높더라도 작물 재배를 위한 비용을 많이 투자한 경우 순수익은 낮아지기 때문입니다.
작물 재배 투자 비용 비교
아래의 그래프는 각 팀별 재배 투자 세부 항목 비율, 자원 활용 비용(cost), 재배 수익(income) 순수익(profit)을 비교한 표입니다.
그래프 3. 자원 활용 비용(cost, euro/m2), 재배 수익(income, euro/m2) 순수익(profit, euro/m2)
작물 재배 투자 비용 세부 항목은 아래와 같습니다.
디지로그팀의 경우, 전기 사용량은 다른 팀들에 비해 가장 높았지만 가장 적은 난방(heat)과 상대적으로 적은 CO2를 사용하여 작물 재배 비용을 절약했습니다.
특히, 다른 팀들에 비해 낮은 재식밀도(plants/m2)로 작물을 재배하여, 초기 작물 투자비용(plant)과 작물 관리 인건비(labour)에서 적은 비용을 사용한 것이 특징입니다.
수확된 방울토마토 당도(Brix) 비교
상대적으로 수확량이 적은 경우라도 고당도의 방울토마토를 재배할 경우, Kg당 더 높은 토마토 값을 받기 때문에 고당도의 토마토를 재배하는 것은 높은 순수익을 내기 위한 중요한 요소 중 하나입니다.
표 1. 주최측이 제공한 2020.05.20일자 방울토마토 품질 분석 결과
2주에 한 번씩 주최측에서는 토마토 품질 분석 결과를 표 1과 같이 각 팀들에게 알려주었습니다. 디지로 그 팀(파란색)은 고당도의 토마토 수확으로 상대적으로 높은 kg당 방울토마토 값을 받았습니다(그래프 4). 반면 재배 전문가 팀(회색)은 다른 팀들에 비해 상대적으로 낮은 당도의 방울토마토를 수확했습니다.
그래프 4-1. 6 개 팀의 방울토마토 당도 (Brix)
그래프 4-2. 6개 팀의 무게당 방울토마토 가격(euro/kg)
지속 가능성 요소(sustainability factor, 20%) 결과
최종 점수의 50%를 차지하는 순수익뿐만 아니라 작물 재배 시 에너지와 자원을 효율적으로 활용했는지 즉, 최소의 자원과 에너지로 최대의 수확량을 달성했는지 평가하는 지속 가능성 요소도 주요 평가 항목이었습니다.
전기(electricity), 난방(heat), CO2 시비, 양액 비료(nutrients)의 총 사용량이 적을수록 높은 지속 가능성 점수를 획득했습니다.
순수익에서 1등과 2 등을 한 Automatoes(초록색) 와 AICu(주황색) 팀은 대부분의 항목에서 적은 자원을 사용하여 작물을 재배한 것을 확인할 수 있습니다 (그래프 5). 디지로 그 팀(파란색)의 경우, 전기와 양액의 사용량은 다른 팀들에 비해 높았지만 가장 적은 난방(heat)과 상대적으로 적은 CO2를 사용했습니다 (그래프 5).
그래프 5. classA 토마토 1kg당 각 팀별 난방(heat), 전기(electricity), CO2, 물(water), 비료(nutrient) 사용량
최종 1등 한 Automatoes 팀은 초기 작물 비용(Plant, 1위)과 작물 관리 비용(Labor, 3위)을 제외한 나머지 항목에서는 다른 팀들에 비해 적은 전기, 난방, CO2 시비 비용으로 작물을 재배했습니다. 이 팀은 높은 재식밀도에 비용을 투자해 수확량을 늘리고, 작물 관리 시 최소의 전기, 난방, CO2 시비 사용으로 높은 순수익을 낸 것이 특징입니다.
최종 2등 한 AICu 팀은 총 수확량 등수는 4등을 했지만, 가장 낮은 작물 관리 비용(Labor, 6위)과 적은 에너지 사용으로 순수익은 2등을 차지했습니다.
Digilog 팀도, 총 수확량 등수는 5등이었지만, AICu 팀과 같이 작물 재배 시 적은 에너지 사용과 고당도 토마토 수확으로 순수익은 3등을 차지했습니다. 디지로그 팀은 토마토 당도(Brix)의 경우 대부분의 수확기간에서 가장 높은 당도(Brix)의 방울토마토를 수확했습니다.
The Automators 팀과 재배 전문가팀(Reference grower)의 경우, 수확량 등수는 각각 2등과 3등으로 높은 순위를 차지했습니다. 하지만 높은 에너지 사용과 재배 비용으로 순수익은 각각 5등과 6등을 차지했습니다.
인공지능 및 자동화 전략(AI approach, 30%) 결과
AI 및 자동화 전략을 팀별로 발표하고 공유하는 내부 세미나가 GreenTech2020에서의 최종 우승 팀 발표 전에 진행되었습니다. 각 팀들은 단순 rule-base 알고리즘부터 시작해서 강화 학습, 이미테이션 러닝 등 다양한 인공지능 방법들을 시도한 과정들을 발표했습니다.
이 세미나에서 각 팀들이 발표한 AI 및 자동화 적용 방식 내용에 따라서 시설 원예, 인공지능 관련 전문가들로 구성된 심사위원에 의해 인공지능 점수가 매겨졌습니다.
순수익이 높은 팀일수록 높은 지속 가능성에서도 높은 점수를 얻었고, 인공지능 전략 점수가 순수익 반영비율보다 낮아, 인공지능 점수가 최종 등수 변경 변수로 작용하지는 않았습니다 (표 2).
표 2. 국제 온실 자동화 대회 2020의 5팀의 최종 점수
디지로그팀의 인공지능 전략에 대해서 심사위원들은 '농업에 다양한 AI 방법론을 최상의 과학적인 방식으로 시도한 팀'이라는 평을 받았습니다.
우승팀인 AuTomatoes는 “다양한 재배환경에서도 이상적인 재배 관련(특히 관수 부분) 세팅을 제안하는 알고리즘을 사용한 팀”, AICu는 “오픈소스 접근 방식으로 인공지능 알고리즘을 개발하고 장기/단기별 작물 생육 전략을 각각 따로 구분하여 작물 재배에 적용한 팀'이라는 평을 받았습니다.
대회 결과 총평
이번 국제 농업 인공지능 대회 2020에서 참여팀 모두 네덜란드 재배 전문가보다 더 높은 순수익을 냈다는 부분에서 농업에서 인공지능 및 데이터 기반 농업의 긍정적인 적용 가능성을 보여주었다고 생각합니다.
디지로그팀을 포함한 대회에 참여 팀들이 줄기 두께 측정 센서, Sap flow 센서, 열화상 카메라 등 다양한 센서들이 온실에 설치되었습니다.
정확하고 신속한 ‘실시간 재배 의사결정’을 위해서는 기존의 사람의 오감을 기반으로 한 경험 기반 의사결정에서,
기존 재배자의 오감(Green finger)이 다양한 센서들의
실시간으로 측정값들로 대체되고 있음을 볼 수 있었습니다.
높은 작물 생산량뿐만 아니라 주어진 자원(난방, CO2, 비료, 등)을 최소한으로 사용하여 작물을 재배하는 것이 중요해지면서 다양한 변수들을 고려한 재배방식이 점점 더 많이 요구되고 있습니다. 또한 다양한 센서들로 작물 상태를 실시간으로 측정할 수 있게 되면서, 모아진 많은 데이터들을 보고 해석할 수 있는 ‘사람 재배 전문가’의 중요성과 많은 양의 다양한 데이터를 효율적으로 분석하고 계산해 주는 ‘인공지능’ 기술 모두 중요하다는 것을 다시 한번 보여주는 대회였습니다.
이번 블로그 포스팅 재미있게 보셨나요?
현재 농업은 기존의 ‘농업 지식'에 다양한 작물 상태 측정 센서 및 데이터 분석 및 인공지능 등의 기술들이 도입이 시작되고 있습니다. 그래서 앞으로는 지금보다 농사를 더 잘 지을 수 있는 무한한 가능성이 열려 있는 시대라고 생각합니다.
농업에서의 다양하고 가변적인 변수들로 인해 이번 대회에서의 시도와 같이 현재는 인공지능 또는 단순 자동화 기술들의 적용을 시도를 해보는 단계이지만 앞으로는 이러한 기술들이 농사를 더 잘 짓기 위한 똑똑한 보조 수단(supporting tool)로서 자리 잡을 날이 오길 기대합니다.
#인공지능 #스마트팜 #스마트농업 #농업인공지능 #온실자동화 #네덜란드 #와게닝겐 #인공광 #원예 #온실 #토마토 #시설재배 #아이오크롭스 #미래농업 #디지로그 #Digilog
가입하기
