NaLamKI — 농업을 지속 가능하게 만드는 AI 기술 프로젝트
기후 변화, 숙련 인력 부족, 농약 사용 등 다양한 요인이 농업 공정의 품질과 운영에 영향을 미치고 있습니다. 헤르츠 연구소로도 알려진 프라운호퍼 통신 연구소(HHI)의 연구진은 클라우드 기술과 인공지능 기술을 활용해 농업을 더 효율적이고 지속 가능하게 만들고자 합니다.
NaLamKI 프로젝트에서 연구진은 파트너들과 함께 장비와 기계에서 정보를 수집해 예측과 의사결정 지원을 위한 데이터베이스를 구축하는 '서비스형 소프트웨어(SaaS)' 플랫폼을 개발하고 있습니다. 농업 부문은 심각한 과제에 직면해 있습니다. 독일 농민들은 이미 기후 변화의 광범위한 영향을 체감하고 있으며, 앞으로 이에 더 많이 적응해야 할 것입니다.
기온 상승과 강수량 변화는 작물 생육과 윤작부터 토양 경작까지 모든 농업 변수에 영향을 미칩니다. 클라우드의 분산형 AI와 농장의 중앙집중형 AI는 변화하는 조건에 대한 이러한 적응 과정을 더 효율적으로 만들고, 농업의 모든 영역에서 속도를 높여 전체 생태계를 더 유연하고 미래 지향적으로 만들 수 있습니다.
바로 여기서 NaLamKI 프로젝트가 등장합니다. 프로젝트의 활동은 농업 및 산업 공급업체와 특수 작물 솔루션 공급업체를 위한 개방형 인터페이스를 갖춘 클라우드 기반 '서비스형 소프트웨어(SaaS)' 플랫폼 구축에 집중될 것입니다.
위성, 드론, 토양 센서, 로봇, 수동 데이터 수집 및 재고 데이터를 통해 수집된 센서 및 기계 데이터를 결합하면, 최첨단 인공지능 기법을 활용해 농업 공정을 더 지속 가능하게 최적화할 수 있는 데이터 풀을 만들 수 있습니다.
플랫폼에 배포되는 AI 애플리케이션은 농민들이 넓은 면적에 걸쳐 작물과 토양의 상태를 분석하고, 관개, 시비, 병해충 방제 등 작물 보호와 영양 관리 공정의 조직 방식을 바꾸는 데 도움을 줍니다. 이를 통해 품질과 양 모두에서 충분한 작물 수확을 보장하고, 배출량을 줄이며 생물 다양성을 보존할 수 있습니다.
예를 들어, 작물 보호제를 목표에 맞게 사용하면 수확량이 늘고 비용이 줄며 자원을 아끼고 환경을 적극적으로 보호할 수 있습니다.
“기후 변화 외에도 숙련 인력 부족은 농업 공정의 품질과 운영에 영향을 미칩니다. 그래서 작물 상태를 매우 제한된 표본으로만 점검하는 경우가 많습니다. 현재는 넓은 농경지에서 토양 수분 상태나 병해충 감염 여부를 찾아내고 정확히 파악하는 것이 불가능합니다. 특히 우리는 드론, 위성, 로봇 카메라로 얻은 이미지를 분석하고, 그 결과를 농민들에게 의미 있게 전달하는 방법을 연구하고 있습니다”
이 문제를 해결하기 위해 연구소는 프로젝트의 일환으로 농업 공정 모델링과 농지 5G 네트워크 구축을 위한 원격 탐사 데이터 분석용 AI 기법을 개발하고 있습니다. 모든 데이터를 통합함으로써 연구진은 이전에는 거의 알 수 없었던 경작지 특성에 대한 이해를 얻게 될 것입니다.
농민들은 AI와 상호작용하며 질문할 수 있습니다. 예를 들어, 현재의 토양 수분과 작물 병해 지표를 바탕으로 AI는 조치 방법을 안내하고 다양한 시나리오의 효과를 보여줄 수 있습니다. 구체적으로, 경작지 면적과 현재 토양 상태를 보여주는 패널이 태블릿에 표시됩니다. 특정 영역을 누르면 농민은 낮은 수분 같은 문제에 대한 정보와 이를 더 잘 해결하는 방법에 대한 권장 사항을 얻게 됩니다.
학습 데이터와 AI 서비스는 데이터 보호에 안전한 유럽 클라우드 인프라인 Gaia-X를 활용해 분산 방식으로 제공됩니다. 또한 데이터가 농장에 로컬로 저장되는 분산 학습 기반의 분산형 AI 시스템이 구축될 예정입니다. 농민들은 AI 모델을 공유하고 NaLamKI 플랫폼으로 옮겨 알고리즘을 지속적으로 개선할 수 있습니다. 플랫폼은 제3자 공급업체에도 개방될 것입니다. 예를 들어, 스타트업들은 이 플랫폼에서 혁신적인 AI 솔루션을 제안할 수 있습니다.
AI 모델 개발 과정을 위한 초기 데이터 수집은 이미 완료되었습니다. 특히 독일 팔츠 지역의 과수원에서 로봇이 사과나무를 심는 동안 촬영한 이미지가 이제 이용 가능합니다. 이를 위해 위치 센서, LIDAR, RGB 및 다중 분광 카메라 등 다양한 센서의 데이터가 수집, 분석, 통합되었으며, 이는 자율 로봇이 농장을 이동하는 동안 이루어졌습니다.
목표는 과수원 나무에 대한 의미 있는 표현을 만들어, 열매의 개수와 익은 정도, 줄기 직경, 개별 작물과 주변 토양의 상태를 판단할 수 있게 하는 것입니다. 여기에는 이동 경로상의 장애물, 특히 높은 식생 속 생물을 탐지하는 것도 포함됩니다.
“우리는 로봇이 과수원을 지나가는 동안 데이터를 평가합니다. 수집된 정보는 과수 개체군 지도와 결합되어 필지 지도에 표시됩니다. 이 데이터를 바탕으로 농민을 위한 문서가 생성됩니다”
