.svg)
AI 솔루션 문의하기
농산물 등급 지정 및 분류는 인공지능 기반 이미지 인식을 사용하여 과일 및 채소의 품질과 크기, 모양, 색상을 평가합니다. 이 기술은 선별 프로세스를 간소화하여 일관된 제품 표준을 보장하고 폐기물을 줄이며 농업 공급망의 운영 효율성을 향상시킵니다.
지금까지 농산물 등급 판별은 전문가의 육안 검사에 의존했으나, 이는 검사자의 주관성이 개입되고 장시간 작업 시 피로도가 누적되어 일관성을 유지하기 어렵습니다. 또한 등급판정을 위한 등급판정항목별로 정량화된 데이터의 축적이 어렵기 때문에 등급판정 결과에 대한 객관성을 확보하지 못하는 문제가 있습니다.
딥러닝 기술은 이미지 인식분야에서 좋은 성과를 보이고 있습니다. 텐서플로우 기반 모델인 Inception-v3 모델을 재학습한 학습모델을 사용하여 과일의 특징에 따라 분류하는 과일 선별 시스템을 구축할 수 있습니다. 4가지 클래스의 사과 이미지 데이터 1,280개를 바탕으로 학습 반복횟수를 500번 진행한 학습모델을 설계했고, 실험 결과 학습모델의 정확도는 90% 이상으로 나타났습니다.
건강한 사과와 손상된 사과, 병든 사과, 변색된 사과 등 4가지 상태로 분류하는 시스템입니다. 사용자가 직접 촬영한 과일 이미지 데이터를 바탕으로 모델 평가 실험을 진행했습니다. 이러한 딥러닝 기반 과일 선별 시스템을 농가에 활용한다면 농가 노동력 부족으로 인한 과일 품질 분류기가 필수가 되어있는 현실에서 저비용으로 높은 정확도의 과일 품질 선별 시스템의 구축이 가능합니다.
과일 종류와 모양, 크기를 감지하면 인공지능 기반 이미지 인식을 사용하여 다양한 과일 품종을 분류하고 물리적 특성을 평가합니다. 이 기술은 분류와 등급 지정, 포장 프로세스를 최적화하여 일관된 제품 품질을 보장하고 농업 및 소매업의 공급망 효율성을 개선하는 데 도움이 됩니다.
인공지능 기반 스펙트럽 이미징은 작물과 농산물의 품질을 분석하는 방식에 근본적인 변화를 가져오고 있습니다. 전통적인 RGB 카메라나 육안 검사 방식이 제공하지 못하는 내부 정보까지도 감지하고 분석할 수 있기 때문에, 이 기술은 고정밀 정밀농업을 가능케 하는 도구로 평가받고 있습니다.
인공지능과 결합해 실시간으로 수만 개의 씨앗 또는 과일을 초고속 선별하고 정확도는 90~99%입니다. 사람의 피로도나 주관적 편차 없이 일관된 결론을 제공하여 품질 일관성을 확보합니다. 사람이 아닌 기계가 판단하므로 일관성을 유지하고 수천만 단위의 농산물 검사에도 적용 가능합니다.
국내 스마트팜 현장에서도 초분광 카메라를 활용해 작물의 생육 상태와 수분 스트레스, 질병 여부, 토양 수분 등을 비파괴적으로 분석하는 사례가 확산되고 있습니다. 특히 딸기와 토마토, 사과 등 원예작물의 생육 상태 분석과 수확량 예측, 병해 감지에 활용되고 있습니다. 초분광 센서를 장착한 드론으로 대규모 농가를 효율적으로 모니터링하는 사례도 빠르게 늘고 있습니다.
물리적 손상 없이 작물의 내외부 특성을 분석하는 스펙트럴 이미징은 샘플 준비부터 이미지 수집, 인공지능 기반 속성 분석까지 전 과정을 순차적으로 진행합니다. 기존 파괴적 검사 방식과의 차별성과 인공지능 모델의 반복 학습 구조를 활용합니다.
육류 소비량이 늘어남에 따라 한우의 수요 및 공급도 점차 늘어가고 있습니다. 한우는 육질 등급과 육량 등급으로 나누어 판별되고 근내지방도와 고기 색, 지방색, 조직감, 성숙도, 도체 중량, 배최장근 단면적, 등지방두께 등 여러 항목을 고려합니다. 현재는 주로 등배근을 맨눈으로 확인하는 수동 판별 방식이 사용됩니다. 그러나 평가사가 정확하게 판단하기 어렵고 작업자의 부주의로 인한 육류의 오염 등 시간과 비용의 문제점이 있습니다.
한우의 등심 단면 이미지를 활용하여 등배근의 근내지방도를 산출하고 한우 등급을 자동 판별하는 알고리즘이 개발되었습니다. 평균 정확도는 79.2%를 달성했습니다. CCD카메라를 이용하여 소고기의 칼라 영상을 획득하고, 영상에서 살코기 영역을 분리합니다. 살코기 영역의 경계선을 추출하여 등급을 판정할 영역을 확정합니다.
인삼 등급 판별 시스템은 출하가 집중되는 특정기간(6~8월)에 품질 검사 및 업무 효율성을 증대시킵니다. 실시간 품질 판정 서비스를 제공하고, 육안으로만 등급을 검사하는 기존 시스템에 인공지능을 통한 신뢰 높은 서비스를 제공합니다. 인삼은 가장 많이 유통되는 4년근과 5년근, 6년근으로 구성됩니다. 인삼 학습데이터 수량은 그 해 실제 생산 및 유통되는 인삼의 수에 영향을 받습니다. 연근별 분류와 함께 등급별 분류를 동시에 수행하여 농가의 출하 의사결정을 지원합니다.
과실 및 숙성 수준을 모니터링하려면 인공지능 기반 이미지 분석을 사용하여 과일의 발달 및 성숙도를 평가해야 합니다. 이 기술은 성장 주기 전반에 걸쳐 과일 숙성에 대한 정확한 통찰력을 제공함으로써 수확 시기를 최적화하고, 더 나은 품질의 농산물을 확보하고, 폐기물을 줄이는 데 도움이 됩니다.
수집된 스펙트럼 데이터를 통해 농산물 상태 예측과 생산 품질 추세 분석 등 지능적 농업 관리가 가능합니다. 특정 품종의 저장기간에 따른 품질 변화나 계절별 수확량의 차이, 지역별 병해충 발생을 도출할 수 있습니다.
작물과 잡초를 구분해 제초제를 효율적으로 살포할 수 있습니다. 수확한 작물의 품질을 빠르고 정확하게 평가하고 구분해 품질 관리에 도움이 됩니다. 비전 인공지능을 적용한 드론을 활용해 농약 살포가 필요한 장소에 효율적으로 살포할 수 있습니다. 수확 로봇을 활용하면 사람이 직접 세심하게 따야 했던 과일과 채소 등을 더욱 빠르고 중단 없이 수확할 수 있습니다.
또한 농작물의 질병이나 해충의 징후를 조기에 파악하고 수확량을 예측할 수 있습니다. 농업에서 비전 인공지능을 활용해 모니터링하면 이러한 기능들을 효과적으로 구현할 수 있습니다.
농업 분야의 주석에는 과일의 크기와 모양, 구조적 특징을 정확하게 파악하기 위해 특정 지점을 표시하는 작업이 포함됩니다. 이 기법은 인공지능 모델을 학습시켜 과일 크기를 분석하고 변형을 감지합니다. 선별 및 등급 지정 프로세스를 최적화하여 농업 효율성을 높이는 데 도움이 됩니다.
농지 탐지를 위한 다각형 주석에는 위성 또는 항공 이미지에서 농경지의 정확하고 불규칙한 경계를 설명하는 작업이 포함됩니다. 이 기법은 인공지능 모델을 학습시켜 농지 면적을 정확하게 식별하고 분할하도록 합니다. 효율적인 토지 관리와 농작물 모니터링, 자원 최적화를 지원합니다.
대규모 프로젝트인 국책 종자 개발이나 수출용 농산물 관리 등에서도 동일한 분석 품질을 유지할 수 있습니다. 검사자의 컨디션이나 경험에 따라 판정 결과가 달라지는 기존 방식과 달리, 인공지능 시스템은 동일한 기준을 일관되게 적용하여 객관적인 등급 판별이 가능합니다.
전문등급판정사가 추출하는 판정영역 경계선과 거의 유사한 경계선을 추출함으로써 농산물의 등급을 자동으로 판정할 수 있습니다. 판정영역을 확정하는 단계에서 사용자에게 대화식의 쌍방향 확인과정을 제공하여 판정결과의 정확도를 높일 수 있습니다.
영상 데이터 및 분석결과 데이터를 저장하는 데이터저장부를 통해 장기간 축적된 데이터를 분석하면 품종별 특성과 계절별 품질 변화 패턴을 파악할 수 있습니다. 모니터는 터치패드를 사용하고 데이터저장부는 전산망에 연결되어 여러 지역의 선별 데이터를 통합 관리할 수 있습니다.
축적된 데이터는 품종 개량 연구와 재배 환경 최적화, 유통 전략 수립 등 다양한 분야에 활용될 수 있습니다. 생산자와 유통업체, 소비자 모두에게 신뢰할 수 있는 품질 정보를 제공합니다.
농촌진흥청은 협력업체와 함께 농업 분야 인공지능 에이전트를 개발하고 있습니다. 병해충 이미지 판별 기능을 적용하고 소비와 유통 데이터를 추가해 농장 규모에 따른 최적의 경영 해법을 제공할 수 있도록 서비스를 고도화할 예정입니다. 또한 기상재해와 병해충 예측, 진단, 토양, 품종, 식품, 농약 등 농촌진흥청에서 운영 중인 정보시스템의 전문 데이터까지 학습 분야를 확대합니다.
농업분야 인공지능 학습용 데이터 플랫폼을 통해 인공지능 학습용 농축산 데이터에 원하는 방식으로 자유롭게 접근하여 처리하고 분석할 수 있습니다. 연구 결과를 도출할 수 있도록 지원합니다.
기존 수작업 선별 방식은 시간당 처리할 수 있는 물량에 한계가 있었습니다. 그러나 인공지능 기반 자동 선별 시스템은 컨베이어 벨트 위를 지나가는 농산물을 실시간으로 촬영하고 분석하여 초당 수십 개의 농산물을 분류할 수 있습니다. 이는 인건비 절감과 동시에 처리 속도를 대폭 향상시켜 농번기 인력 부족 문제를 해결하는 데 기여합니다.
조명과 CCD카메라를 포함하는 영상획득장치, 영상획득장치에서 획득한 영상을 분석하여 등급을 판정하는 분석기와 영상 및 분석결과를 표시하는 모니터를 포함하는 등급판정장치로 구성됩니다.
일관된 등급 판별 기준을 적용함으로써 농산물의 품질 표준화에 기여합니다. 이는 공정한 가격 형성과 소비자 신뢰 확보로 이어집니다. 생산자는 객관적인 등급 판정 결과를 바탕으로 적정 가격을 받을 수 있고, 소비자는 명확한 등급 정보를 바탕으로 구매 의사결정을 할 수 있습니다.
농업 인공지능 학습용 데이터로 학습하여 개발된 인공지능 프로그램을 통한 판독이 구현됩니다. 기초 정보 입력에 따른 영농 상황 파악 및 맞춤형 농림 사업을 안내하는 지능형 검색 서비스와 연계하여 종합적인 농업 지원 시스템을 구축할 수 있습니다.
인공지능 등급 판별 시스템은 현재 과일과 채소, 곡물, 축산물 등 다양한 농산물 분야에서 실증 적용이 확대되고 있습니다. 초기에는 외관 검사가 비교적 단순한 품목부터 적용이 시작되었습니다. 학습 데이터가 축적되고 알고리즘이 고도화됨에 따라 복잡한 판별 기준이 요구되는 품목으로도 적용 범위가 확대되고 있습니다.
농업 생산과 농촌 생활 등 농업과 농촌 시스템을 아우르는 가치사슬에 정보통신기술이 융복합되고 있습니다. 생산의 고도화와 유통의 효율화, 경영의 선진화를 통해 소비자 만족까지 고려하는 기술생태계가 형성되고 있습니다.
.svg)
.svg)
