농업용 센싱 시스템(2024년 10월 조사)(일본어판)
조사자료 상세정보(調査資料詳細データ)
◆조사 개요
본 조사 리포트는 정기간행물 Yano Eplus 2024년 11월호에 게재된 것입니다.
리서치 내용
센싱&데이터 분석에 따라 농작물의 재배조건 최적화
최소한의 물과 비료로 수확량 및 품질 향상 가능
1. 농업용 센싱 시스템이란
2. 농업용 센싱 시스템의 센싱 대상에 따른 분류
2-1. 토양 센서
2-2. 기상 센서
2-3. 작물 센서
3.농업용 센싱 시스템의 센싱 기술에 따른 분류
3-1. 리모트 센싱
3-2. IoT센싱
3-3. 스마트폰 앱
4.농업용 센싱 시스템에서의 센싱 용도에 따른 분류
4-1. 작물관리
4-2. 관개관리
4-3. 병해충관리
5.농업용 센싱 시스템에 관한 시장규모
[그림.표1.농업용 센싱 시스템에 관한 일본 및 세계시장 규모 예측
(금액 : 2023-2028년 예측)]
6. 농업용 센싱 시스템과 관련된 기업·연구기관의 대응 동향
6-1. 주식회사 코덱
【그림 1. OKIPPA의 시스템 구성】
【그림 2. OKIPPA의 단말과 아웃풋 예】
【그림 3. OKIPPA의 계측 항목 일람】
6-2. 주식회사 제피코
(1)멀티 스펙트럼 이미징
【그림 4. 가시광선에서 근적외선의 각 파장 흡수/반사 특성】
【그림 5. 가시광선 (왼쪽)과 멀티 스펙트럼 이미징 (오른쪽)의 비교】
(2)멀티 스펙트럼 카메라 MicaSense®시리즈 'Red Edge-P'
【그림 6. AgEagle사의 멀티 스펙트럼 카메라 'Red Edge-P'】
(3)'RedEdge(구모델)'에 의한 이미지 취득 사례
[그림7.「Red Edge(구 모델)」에 의해 취득한 각종 인덱스 이미지.
RGB(왼쪽 상단), NDVI(중상), NDVI2(오른쪽 상단), NDRE(왼쪽 하단), NRG(중하), DSM(오른쪽 하단)]
6-3 국립대학법인 시즈오카 대학
(1)AI를 이용한 자동 관수 제어 기법에 의한 토마토 재배
[그림 8. 토마토의 재배 실험 풍경]
【그림 9. 새롭게 개발한 관수 제어 방법의 개요】
[그림 10. 수확물 품질과 총 관수량]
(2) AI에 의한 멜론의 그물코 품질에 근거한 멜론 등급 판정 모델
【그림 11. AI가 학습하는 멜론 전체 모양 이미지】
【그림 12. 생성 AI를 이용한 데이터 확장 방법 개요】
(3)와인 포도의 작은 꽃을 고정밀도로 카운팅하는 AI 연구 개발
【그림 13. AI를 이용한 2단계 고정밀 카운팅 방법】
[그림 14. 고정밀 꽃 검출 결과 (단계 2)]
6-4. 국립대학법인 도쿄과학대학
(1)초스마트 사회 추진 컨소시엄(SSS 추진 컨소시엄)
(2)스마트 농업
[그림 15. SSS 스마트 농업 교육 연구 필드]
(3)다카하시 연구실의 대응 사례
①일본 특유의 협소한 급격한 경사면 삼림환경 대응형 농업·임업 협동작업 소형 자율 로봇((그림 16)
【그림 16. 일본 특유의 협소한 급격한 경사면 삼림환경 대응형 농업·임업협동 작업 소형 자율로봇]
②다변량 원격 센싱에 의한 대규모 식물 페노믹스 데이터와 차세대 컴퓨팅을 조합한 실시간 식물
생육 모델 구축과 식물생육 속도 제어(그림17)
[그림17. 다변량 원격 센싱에 의한 대규모 식물 페노믹스 데이터와 차세대 컴퓨팅을 접목한 실시간
식물생육 모델 구축과 식물 생육 속도 제어】
6-5. 국립대학법인 도쿄농공대학
(1)광카메라 통신
(2)포토그래메트리
(3)포토그래메트리와 광카메라 통신을 이용한 통합 농원 디지털 트윈 생성 시스템
【그림 18. 포토그래메트리와 광카메라 통신을 이용한 디지털 트윈 생성】
【그림 19.3D 점군 모델의 각 점에 센서 값을 부여한 센서 값 레이어의 생성 과정】
(4)실증 실험
【그림 20. 센서 디바이스의 배치 모식도(위), 실제 실험 모습(왼쪽 아래),
센서 디바이스의 실물 사진(우측 하단)]
【그림 21. RGB 레이어의 3D 점군 모델(왼쪽)과 센서 값 레이어의 3D 모델(오른쪽)】
7. 농업용 센싱 시스템에 관한 장래 전망
7-1. 정밀농업의 진전
7-2. 자율형 농기계 보급
7-3. 환경부하 저감
7-4. 스마트 파밍
7-5. 신기술 도입
7-6. 기후변화 대응
7-7. 도시형 농업의 발전