2018.05.25

블로그 | '데이터 기반 농업'··· 농업이 IoT·머신러닝과 만날 때

Simon Bisson | InfoWorld
사물인터넷(Internet of Things)이라고 하면 흔히 산업 또는 상업 환경에서 진보된 프로세스 또는 활동에 센서와 데이터를 제공하는 모습을 떠올린다. 그러나 우리 사회에는 IoT 기술로 큰 혜택을 얻을 수 있는 기초 분야가 있다. 보통 IT 분야라고 생각하지 않기 때문에 기술 발전에서 소외된 분야, 바로 농업이다.



마이크로소프트의 지구환경 AI
마이크로소프트의 지구환경 AI(AI for Earth) 이니셔티브는 애저 리소스와 인지 서비스(Cognitive Services) API 액세스를 통해 다양한 학계 및 민간 기구 프로젝트를 지원한다. 6개월 전에 시작된 이 프로그램은 머신러닝과 위성 이미지를 사용해 자연 재해의 영향을 받는 지역을 파악하고 게임 이론을 사용해 밀렵꾼이 멸종위기 동물을 사냥하기 전에 이들이 사냥을 하는 지역을 예측하는 등 흥미로운 결과를 내놓고 있다.

또한 마이크로소프트는 스노우 레오파드 트러스트(Snow Leopard Trust)와 함께 멸종 위기종인 눈표범의 수를 종합적으로 측정하는 데 도움을 제공하기 위해 위장색으로 알아보기 어려운 눈표범의 이미지와 스트림으로 신경망을 교육시키면서 이미지 인식 서비스를 개선하고 있다.

팜비트, 농업을 위한 IoT와 머신러닝
마이크로소프트 리서치의 팜비트(FarmBeats) 프로젝트에서는 이런 머신러닝 기술과 툴이 IoT 하드웨어 및 연구용 무선 네트워크와 함께 전 세계 농부에게 정확한 측량과 실시간에 가까운 정보를 제공하는 데 사용되고 있다. 이 프로젝트는 다양한 주요 애저 IoT 기술을 기반으로 하며 애저 IoT SDK의 DJI 드론 지원과 같은 새로운 파트너십도 이용한다.

필자는 개인적으로 농업 지원 기술에 관심이 많다. 북아일랜드에서 산지 농업을 하는 친척도 있고, 엔지니어링 경력을 시작한 초기에는 곡물 보관 창고를 관리하는 데 사용하기 위한 센서 기술 설계 프로젝트에 참여하기도 했다. 따라서 중소 규모의 농가 기계화는 물론 대규모 산업형 농업 지원까지 다루는 팜비트에 자연스럽게 관심을 갖게 됐다.

유형을 불문하고 농업인들이 직면한 문제는 복합적이다. 또한 각자가 사용 중인 토지와 관련된 경우가 많다. 미국 캘리포니아 북부의 포도밭, 네브레스카의 곡물 농장, 영국 레이크 지방의 양 목장, 케냐의 커피 농장 등 제각기 중요한 요소는 다르다. 각 농장마다 토양. 지형, 기후에 대한 경험도 다르다. 게다가 서로 다른 농경 방법 또는 이들이 생산하는 다양한 농업품도 고려해야 한다.

데이터 기반 농업
지금까지 대부분의 농업 연구는 농가를 심층적으로 기계화하고, 처리하고 사용하기 힘들 만큼 방대한 양의 실시간 데이터를 제공하는 데 집중해왔다. 또한 정보는 서로 단절된 채 그 정보가 수집되는 지점에 표시되는 경우가 많아 전체적인 관리 전략에 따라 이를 상호 연계해 사용하거나 자문을 위한 머신러닝 서비스의 입력으로 사용하기가 어려웠다.

팜비트 수석 연구원인 랜비어 챈드라는 "엔드투엔드(end-to-end) 데이터 기반 농업"이라는 개념에서 농가 기계화에 접근했다. 토지에 과한 부담을 주지 않으면서 최적의 수확을 얻기 위한 정확한 용수 및 양분 공급을 위한 지도가 농부에게 제공된다.

농가에 IoT 기술을 구현할 때 누구나 직면하는 한 가지 문제는 대역폭이다. 농장은 넓다. 최고 성능의 와이파이 네트워킹 장비를 사용해도 가장 작은 규모의 농가에서도 대역폭 확보가 쉽지 않다. 팜비트는 로라(LoRa) 무선 네트워크로도 테스트를 해봤지만 지금은 버려진 TV 전송 대역을 활용하는 공백(white space) 기술을 사용하고 있다.

이 기술은 장거리에서 상당한 양의 데이터 전송을 지원하며 과수원이나 언덕이 많은 지역과 같이 무선을 사용하기 어려운 환경에서도 잘 작동한다. 미국의 경우 가용 스펙트럼이 180MHz이므로 대부분의 농가에서 500Mbps로 전송이 가능하다. 팜비트가 사용하는 다수의 데이터 소스를 처리하기에는 충분하고도 남는 용량이다. 챈드라는 대부분의 농가가 하루에 약 5Gb의 데이터를 생산하므로 전통적인 연결 모델로는 감당하기 어렵다고 말했다.

농가의 연결 문제는 창의적인 무선 솔루션으로 해결이 가능하지만 농가를 클라우드에 연결할 때는 문제가 더 복잡해진다. 선진국에서도 시골의 광대역은 도심에 비해 크게 떨어지는 경우가 많다. 평균적인 미국 농가의 광대역 연결 속도는 3Mbps 미만이다. 따라서 농지 센서, 드론, 고정 풍선에서 생성하는 데이터를 관리하기 위한 워크로드를 처리하려면 일종의 논리적인 프로세싱이 필수적이다. 항공 이미지 처리는 대부분의 팜비트 작업에서 중요한 요소다. 다중 스펙트럼 이미지는 식물 성장과 분포에 대해 많은 정보를 제공하고 방목 중인 가축이 모이는 곳을 정확히 찾는 데도 도움이 되기 때문이다.

인텔리전트 에지 설계
팜비트는 시스템의 대역폭 요구 사항과 농장의 제한된 네트워크 용량 내에서의 작업을 줄이기 위해 여러 가지 애저 기술을 활용한다. 로컬 PC에서 IoT 에지를 실행함으로써 애저 IoT 기능의 대부분을 클라우드에서 농가로 가져올 수 있다.

그 결과 IoT 게이트웨이가 센서 인터페이스를 처리하고 MQTT를 사용해 저대역의 비교적 단순한 디바이스, FTP의 메시지를 전달하고 라이브 카메라 이미지를 위한 드론과 비디오 프로세서에서 이미지를 가져온다. 이후 로컬 프로세싱에서 다양한 소스의 데이터를 사용해 지도 및 기타 비디오와 이미지 데이터를 생성한다.

애저 IoT 에지는 애저 기능의 요소를 캡슐화한 컨테이너이므로 클라우드 애저 ML 서비스에서 학습을 거친 머신러닝 모델을 호스팅할 수 있다. 팜비트 게이트웨이의 웹 서버는 다양한 서비스의 결과를 표시하고 비료를 뿌릴 시점과 지점을 알려주거나 기후 데이터 및 토양 수분 판독치를 기반으로 관개 계획을 세부적으로 수립한다. 또한 애저 IoT의 새로운 드론 API와 연계해 비행 경로를 계획하고 비행 중인 드론에서 이미지를 다운로드할 수도 있다.

전체 시스템은 손쉽게 오프라인 운영이 가능하지만 완전히 격리되지는 않는다. 일부 요소, 예를 들어 드론 비행 계획과 디바이스 구성은 애저와 동기화되고 IoT 허브를 통해 관리된다. 챈드라는 "에지에는 클라우드로 전달되지 않는 고유한 데이터가 있다. 클라우드 아키텍처를 뒤집은 것이다"고 설명했다.

디지털 농가의 컨테이너화
팜비트에서 놀라운 점은 구현되는 IoT 인프라의 복잡함, 그리고 배포 비용의 저렴함이다. 공백 전파는 소프트웨어 정의 무선(software-defined radios)을 사용해 손쉽게 구현되는 잘 알려진 기술이며 게이트웨이 하드웨어는 다양한 IoT 에지 구성 요소와 서비스를 위한, 배포하기 쉬운 컨테이너를 실행하는 표준 윈도우 10 PC를 중심으로 구축할 수 있다. 컨테이너를 사용하면 각 농가의 필요에 따라 혼합 가능한 다양한 모듈로 맞춤형 소프트웨어를 배포하기도 더 쉬워진다.

팜비트는 아직 연구 프로젝트 단계지만 IoT 기술이 손쉽게 달성 가능한 자동화를 넘어 폭넓은 산업과 서비스에 얼마나 큰 가치를 제공할 수 있는지 잘 보여주는 사례다. 공예로서의 농업 전통이 있고, 자체 IoT 시스템을 구축하는, 기술에 능숙한 새로운 세대의 농부도 있다. 이들은 지금까지 직접 그 일을 해왔다.

팜비트의 목표는 전 지구적으로 전체 산업에 걸쳐 디지털 변혁을 제공하는 것이다. editor@itworld.co.kr  



2018.05.25

블로그 | '데이터 기반 농업'··· 농업이 IoT·머신러닝과 만날 때

Simon Bisson | InfoWorld
사물인터넷(Internet of Things)이라고 하면 흔히 산업 또는 상업 환경에서 진보된 프로세스 또는 활동에 센서와 데이터를 제공하는 모습을 떠올린다. 그러나 우리 사회에는 IoT 기술로 큰 혜택을 얻을 수 있는 기초 분야가 있다. 보통 IT 분야라고 생각하지 않기 때문에 기술 발전에서 소외된 분야, 바로 농업이다.



마이크로소프트의 지구환경 AI
마이크로소프트의 지구환경 AI(AI for Earth) 이니셔티브는 애저 리소스와 인지 서비스(Cognitive Services) API 액세스를 통해 다양한 학계 및 민간 기구 프로젝트를 지원한다. 6개월 전에 시작된 이 프로그램은 머신러닝과 위성 이미지를 사용해 자연 재해의 영향을 받는 지역을 파악하고 게임 이론을 사용해 밀렵꾼이 멸종위기 동물을 사냥하기 전에 이들이 사냥을 하는 지역을 예측하는 등 흥미로운 결과를 내놓고 있다.

또한 마이크로소프트는 스노우 레오파드 트러스트(Snow Leopard Trust)와 함께 멸종 위기종인 눈표범의 수를 종합적으로 측정하는 데 도움을 제공하기 위해 위장색으로 알아보기 어려운 눈표범의 이미지와 스트림으로 신경망을 교육시키면서 이미지 인식 서비스를 개선하고 있다.

팜비트, 농업을 위한 IoT와 머신러닝
마이크로소프트 리서치의 팜비트(FarmBeats) 프로젝트에서는 이런 머신러닝 기술과 툴이 IoT 하드웨어 및 연구용 무선 네트워크와 함께 전 세계 농부에게 정확한 측량과 실시간에 가까운 정보를 제공하는 데 사용되고 있다. 이 프로젝트는 다양한 주요 애저 IoT 기술을 기반으로 하며 애저 IoT SDK의 DJI 드론 지원과 같은 새로운 파트너십도 이용한다.

필자는 개인적으로 농업 지원 기술에 관심이 많다. 북아일랜드에서 산지 농업을 하는 친척도 있고, 엔지니어링 경력을 시작한 초기에는 곡물 보관 창고를 관리하는 데 사용하기 위한 센서 기술 설계 프로젝트에 참여하기도 했다. 따라서 중소 규모의 농가 기계화는 물론 대규모 산업형 농업 지원까지 다루는 팜비트에 자연스럽게 관심을 갖게 됐다.

유형을 불문하고 농업인들이 직면한 문제는 복합적이다. 또한 각자가 사용 중인 토지와 관련된 경우가 많다. 미국 캘리포니아 북부의 포도밭, 네브레스카의 곡물 농장, 영국 레이크 지방의 양 목장, 케냐의 커피 농장 등 제각기 중요한 요소는 다르다. 각 농장마다 토양. 지형, 기후에 대한 경험도 다르다. 게다가 서로 다른 농경 방법 또는 이들이 생산하는 다양한 농업품도 고려해야 한다.

데이터 기반 농업
지금까지 대부분의 농업 연구는 농가를 심층적으로 기계화하고, 처리하고 사용하기 힘들 만큼 방대한 양의 실시간 데이터를 제공하는 데 집중해왔다. 또한 정보는 서로 단절된 채 그 정보가 수집되는 지점에 표시되는 경우가 많아 전체적인 관리 전략에 따라 이를 상호 연계해 사용하거나 자문을 위한 머신러닝 서비스의 입력으로 사용하기가 어려웠다.

팜비트 수석 연구원인 랜비어 챈드라는 "엔드투엔드(end-to-end) 데이터 기반 농업"이라는 개념에서 농가 기계화에 접근했다. 토지에 과한 부담을 주지 않으면서 최적의 수확을 얻기 위한 정확한 용수 및 양분 공급을 위한 지도가 농부에게 제공된다.

농가에 IoT 기술을 구현할 때 누구나 직면하는 한 가지 문제는 대역폭이다. 농장은 넓다. 최고 성능의 와이파이 네트워킹 장비를 사용해도 가장 작은 규모의 농가에서도 대역폭 확보가 쉽지 않다. 팜비트는 로라(LoRa) 무선 네트워크로도 테스트를 해봤지만 지금은 버려진 TV 전송 대역을 활용하는 공백(white space) 기술을 사용하고 있다.

이 기술은 장거리에서 상당한 양의 데이터 전송을 지원하며 과수원이나 언덕이 많은 지역과 같이 무선을 사용하기 어려운 환경에서도 잘 작동한다. 미국의 경우 가용 스펙트럼이 180MHz이므로 대부분의 농가에서 500Mbps로 전송이 가능하다. 팜비트가 사용하는 다수의 데이터 소스를 처리하기에는 충분하고도 남는 용량이다. 챈드라는 대부분의 농가가 하루에 약 5Gb의 데이터를 생산하므로 전통적인 연결 모델로는 감당하기 어렵다고 말했다.

농가의 연결 문제는 창의적인 무선 솔루션으로 해결이 가능하지만 농가를 클라우드에 연결할 때는 문제가 더 복잡해진다. 선진국에서도 시골의 광대역은 도심에 비해 크게 떨어지는 경우가 많다. 평균적인 미국 농가의 광대역 연결 속도는 3Mbps 미만이다. 따라서 농지 센서, 드론, 고정 풍선에서 생성하는 데이터를 관리하기 위한 워크로드를 처리하려면 일종의 논리적인 프로세싱이 필수적이다. 항공 이미지 처리는 대부분의 팜비트 작업에서 중요한 요소다. 다중 스펙트럼 이미지는 식물 성장과 분포에 대해 많은 정보를 제공하고 방목 중인 가축이 모이는 곳을 정확히 찾는 데도 도움이 되기 때문이다.

인텔리전트 에지 설계
팜비트는 시스템의 대역폭 요구 사항과 농장의 제한된 네트워크 용량 내에서의 작업을 줄이기 위해 여러 가지 애저 기술을 활용한다. 로컬 PC에서 IoT 에지를 실행함으로써 애저 IoT 기능의 대부분을 클라우드에서 농가로 가져올 수 있다.

그 결과 IoT 게이트웨이가 센서 인터페이스를 처리하고 MQTT를 사용해 저대역의 비교적 단순한 디바이스, FTP의 메시지를 전달하고 라이브 카메라 이미지를 위한 드론과 비디오 프로세서에서 이미지를 가져온다. 이후 로컬 프로세싱에서 다양한 소스의 데이터를 사용해 지도 및 기타 비디오와 이미지 데이터를 생성한다.

애저 IoT 에지는 애저 기능의 요소를 캡슐화한 컨테이너이므로 클라우드 애저 ML 서비스에서 학습을 거친 머신러닝 모델을 호스팅할 수 있다. 팜비트 게이트웨이의 웹 서버는 다양한 서비스의 결과를 표시하고 비료를 뿌릴 시점과 지점을 알려주거나 기후 데이터 및 토양 수분 판독치를 기반으로 관개 계획을 세부적으로 수립한다. 또한 애저 IoT의 새로운 드론 API와 연계해 비행 경로를 계획하고 비행 중인 드론에서 이미지를 다운로드할 수도 있다.

전체 시스템은 손쉽게 오프라인 운영이 가능하지만 완전히 격리되지는 않는다. 일부 요소, 예를 들어 드론 비행 계획과 디바이스 구성은 애저와 동기화되고 IoT 허브를 통해 관리된다. 챈드라는 "에지에는 클라우드로 전달되지 않는 고유한 데이터가 있다. 클라우드 아키텍처를 뒤집은 것이다"고 설명했다.

디지털 농가의 컨테이너화
팜비트에서 놀라운 점은 구현되는 IoT 인프라의 복잡함, 그리고 배포 비용의 저렴함이다. 공백 전파는 소프트웨어 정의 무선(software-defined radios)을 사용해 손쉽게 구현되는 잘 알려진 기술이며 게이트웨이 하드웨어는 다양한 IoT 에지 구성 요소와 서비스를 위한, 배포하기 쉬운 컨테이너를 실행하는 표준 윈도우 10 PC를 중심으로 구축할 수 있다. 컨테이너를 사용하면 각 농가의 필요에 따라 혼합 가능한 다양한 모듈로 맞춤형 소프트웨어를 배포하기도 더 쉬워진다.

팜비트는 아직 연구 프로젝트 단계지만 IoT 기술이 손쉽게 달성 가능한 자동화를 넘어 폭넓은 산업과 서비스에 얼마나 큰 가치를 제공할 수 있는지 잘 보여주는 사례다. 공예로서의 농업 전통이 있고, 자체 IoT 시스템을 구축하는, 기술에 능숙한 새로운 세대의 농부도 있다. 이들은 지금까지 직접 그 일을 해왔다.

팜비트의 목표는 전 지구적으로 전체 산업에 걸쳐 디지털 변혁을 제공하는 것이다. editor@itworld.co.kr  

X