딥러닝 기술통한 기계학습 자동화 … 진단 정확성 높여
시설원예 농업에서 계절 변화에 따른 작물 생육관리 방법과 농작물 가격 변동으로 인한 수입의 불안정을 해결하는 것은 매우 중요한 연구이다. 그중 생산량에 영향을 미치는 대표적인 요인은 병해충 피해이다. 병해충을 예방하기 위해서는 병해충 발생 전·후에 방역·방제를 철저히 하는 것이 가장 효과적이지만, 병해충을 발생 전 육안으로 확인하는 것은 매우 어렵다. 그동안 병해충 예찰 기술을 개발하기 위해 다양한 연구들이 진행되어 왔는데, 최근에는 인공지능을 이용한 분석법이 주목받고 있다. 이 기술은 인공지능으로 병해충의 모양, 색, 크기 등 패턴을 분석하여 병해충을 진단할 수 있는 기술이다.
인공지능을 이용한 방법으로 병해충 영상을 수집하기 위해서는 다수의 카메라 모듈을 설치하고 여기서 획득된 영상을 진단 서버로 실시간 전송해야 한다. 진단 서버에서는 IT 기술을 접목해 병해충 데이터베이스를 구축하고, 실시간으로 작물 영상 이미지를 비교한다. 이러한 과정이 분석 기술 중의 하나인 딥러닝 기술과 함께 지속적으로 반복되면 정확도가 더욱 높아지게 된다. 또한, 전송된 데이터는 병해충 진단 알고리즘에 의해 영상을 정밀하게 분석해 진단 정확도를 더욱 높인다. 진단 분석 후에는 기상 예보와 연동하여 작물의 병해충 발생 위험을 알림 앱(APP)으로 전송해 병해충 발생 징후를 사전에 파악하고 약제 살포시기와 살포량을 적절하게 관리하는 것이 가능하게 된다. 이는 병해충 발생 후 상당한 시간이 경과한 후 진행되는 부정확한 방제법 사용을 원천적으로 방지할 수 있다. 즉, 농가 소득을 높이는 것은 물론 국가 차원에서 안정적인 농산물의 자급을 가능하게 만드는 기술이라고 할 수 있다.
진단의 정확성을 높이기 위해 최근에는 다양한 방법으로 병해충 진단에 활용하고 있다. 예를 들어, 페로몬, 유인광 등 서로 다른 방법으로 벌레를 유인하여 영상을 획득하고, 작물 자체를 예찰하는 카메라를 별도로 설치하여 병해 영상을 추가적으로 획득하고 있다. 특히, 전문가와 사용자의 의견을 적극 반영하여 진단 서버가 부정확한 진단을 내린 경우 이를 바로잡는 것은 물론 딥러닝 기술을 통하여 기계학습이 자동적으로 이루어짐으로써 유사한 상황에서 부정확한 진단이 이뤄질 가능성을 낮추고 있다. 그리고 새로운 병해충이 발견되거나 외래 병해충이 유입되는 경우 새로운 방제 정보들이 간편한 방법으로 입력‧적용할 수 있어 능동적이고 유연한 대처가 가능하다. 한편, 작물 재배 사용자는 스마트폰이나 PC 등 다양한 장치에서 응용 프로그램을 통해 클라우드(서버) 데이터에서 읽을 수 있기 때문에 언제 어디서든 실시간으로 온실 환경을 확인하거나 수집된 빅데이터를 참고할 수 있으며, 경고를 유발할 임계값을 스스로 설정할 수도 있다.
농촌진흥청에서는 지금까지 수집한 병해충 관련 이미지를 입력하여 5만 여장의 영상 이미지 가운데 92∼99%를 정확히 식별할 수 있었다. 앞으로도 더 많은 농작물 병해충 영상을 인공지능(AI) 진단용 서버 시스템에 지속적으로 학습하여 진단 효율을 높일 계획이다. 이처럼 인공지능 기능을 농업에 활용하면 생리장해와 병해충 오진을 방지하는 것은 물론 전문적인 지식을 전달하여 오인으로 인한 약제 살포 감소 등 방제 비용을 크게 줄일 수 있을 것으로 기대된다. 더불어 안전 농산물 생산을 위해 가장 필요한 병해충 방제작업을 무인 자동화 시스템으로 연결함으로써 고령 농업인에게 큰 도움을 줄 것으로 기대한다. 앞으로는 기후 온난화에 따른 해충의 급격한 증가, 또는 조기 발생 등 다양한 해충 변화상을 신속하고 정확하게 모니터링 할 수 있는 시스템으로 발전시켜 스마트 기술이 접목된 시설원예 농업으로 발전시켜 나갈 계획이다.
■이중섭<농진청 원예원 시설원예연구소 농업연구관>
