본 연구에서는 센서 네트워크, 실시간 모니터링 및 지능형 관수를 통해 작물 생산량과 물 이용 효율을 높이는 IoT 기반 정밀 농업(IoT-PA)을 소개합니다. 이 프레임워크는 지속 가능한 농업과 SDG 2(기아 종식) 및 12(책임 있는 소비와 생산)를 장려합니다.
이 논문에서
요약
초록
농식품 산업은 사물인터넷(IoT), 인공지능(AI), 클라우드 컴퓨팅 및 데이터 분석을 활용하여 자원 제한, 예측 불가능한 기후 및 지속 가능한 식량 생산 문제를 해결하기 위해 빠르게 디지털화되고 있습니다. 전통적인 농업은 경직된 관수 일정과 제한적인 현장 모니터링으로 인해 물을 낭비하고 작물 수확량을 감소시키며 환경에 해를 끼칩니다. 본 논문에서 제시하는 IoT 기반 정밀 농업(IoT-PA) 시스템은 분산 센서 네트워크, 실시간 토양 수분 및 기상 모니터링, 지능형 관수 제어를 통해 농업 자원 이용을 최적화합니다. 제안된 플랫폼은 환경 데이터를 수집하고 현장 조건을 분석하며, 작물 성장을 극대화하고 물 낭비를 방지하기 위해 자동으로 관수를 권장합니다. 농민들은 이 프레임워크의 지속적인 모니터링과 빠른 알림을 통해 데이터 기반의 농업 의사결정을 내릴 수 있습니다. IoT-PA 아키텍처는 전통적인 농법에 비해 관수 효율성, 농작물 수확량 및 지속 가능한 자원 관리를 개선합니다. 더 높은 농업 생산성과 효율적인 물 및 자원 이용은 유엔 지속 가능 발전 목표(SDG)의 SDG 2(기아 종식) 및 SDG 12(책임 있는 소비와 생산) 달성에 기여합니다. 제안된 스마트 농업 시스템은 확장 가능하고 실용적이며, 지속 가능한 식량 생산과 환경 보존을 촉진합니다.
서론
식량 안보, 환경 지속 가능성 및 경제적 회복력은 농식품 기업에 달려 있습니다1. 전 세계 인구가 2080년대 중반까지 약 103억 명에 달할 것으로 예상됨에 따라, 지속 가능한 식량 생산과 효율적인 자원 관리에 대한 수요가 크게 증가하고 있으며, 이에 따라 농업은 환경 영향을 최소화하면서 더 적은 자원으로 더 많은 식량을 생산하도록 적응해야 합니다2. 단순한 농법으로는 이러한 문제를 해결할 수 없습니다3. 기후 변화, 토양 퇴화, 물 부족 및 시장 변동성으로 인해 이러한 상황은 특히 더욱 두드러집니다4. 혁신적인 디지털 기술은 다양한 요구사항을 충족하고 농업적 성공을 유엔 지속가능발전목표(UN SDGs)와 연결할 수 있습니다5. 디지털 농업은 인공지능(AI), 사물인터넷(IoT), 원격 탐사 및 분석 기술을 활용합니다6. 이러한 기술들은 농업 성과, 자원 투입 및 기후를 정밀하게 추적합니다7. 이를 통해 합리적인 판단을 내리기 쉽게 하고 농업 효율을 높입니다8. 여기에는 주요 구성 요소를 실시간으로 모니터링하는 IoT 기반 장치들이 포함됩니다9. 작물 상태, 토양 수분, 온도 및 습도가 이에 해당합니다10. 정밀 농업은 물과 영양분을 필요한 때에만 사용하여 낭비를 줄이고 지속 가능성을 높입니다11. IoT는 농식품 가치 사슬의 회복력과 생산성을 향상시킬 수 있습니다12. 제어된 관수 시스템과 센서 기반 모니터링을 통해 필요에 따라 작물에 물을 공급할 수 있습니다13. 농민들은 AI 데이터 분석을 사용하여 패턴을 식별하고, 작물의 품질과 양을 개선하며, 해충 발생을 예측합니다14. 이는 물을 절약하고 식물 성장을 촉진합니다15. 이러한 유망한 진전에도 불구하고, 특히 저개발 국가에서는 디지털 농업 기술의 보급이 제한적입니다16. 낮은 디지털 문해력, 인프라 제약, 막대한 초기 투자 비용 및 취약한 법적 규제가 도입을 저해합니다17. 더욱이, 현재의 농업 활동은 대부분 인적 투입과 고정된 데이터에 의존하고 있어 이상적인 자원 효율성이나 환경 보존을 달성하는 데 어려움이 있습니다.
본 논문은 사물인터넷 기반 정밀 농업을 위한 통합 프레임워크(IoT-PA)를 제시합니다. 이 기술은 실시간 센서 데이터와 자동 관수 시스템을 결합하여 용수 사용 및 작물 관리의 비효율성을 해결합니다. 농업의 디지털 전환을 위한 적절한 방향을 제시하는 이 프레임워크는 확장 가능하고 유연하며 농민에게 유리해야 합니다. 또한, 이는 디지털 전환의 기회를 제공합니다. 토양 및 기후에 관한 실시간 데이터를 기반으로, 정밀 농업 및 사물인터넷 프레임워크는 관수 일정을 최적화하여 용수를 절약하고 작물의 건강을 증진하며, 궁극적으로 식량 생산량을 높이는 것을 목표로 합니다.
식량 가용성 증대를 통한 생산량 향상은 지속가능발전목표 2(기아 종식)의 달성으로 이어지며, 동시에 효율적인 자원 이용을 통해 지속가능발전목표 12(책임 있는 소비와 생산)를 촉진합니다. 디지털 혁신은 경험적 검증을 통해 농식품 체계의 회복력과 지속가능성을 높여 더욱 지속가능한 미래로 이끌 수 있습니다.
식량 수요를 충족하고 지속 가능성을 달성하기 위해 전 세계 농업은 변화해야 합니다. 기후 변화와 제한된 자원으로 인해 생산량을 높이고 환경 피해를 줄이기 위한 창의적인 방법이 필요한 상황입니다. 디지털 기술, 특히 IoT 기반 기술은 농업을 변화시킬 수 있습니다. 본 논문은 수익성 있고 지속 가능한 농업을 위해 이러한 기술을 활용하는 방법에 대해 다룹니다.
전통적인 농업은 자원을 낭비하고 실시간 모니터링이 부족하며 데이터 기반의 의사결정이 제한적입니다. 이러한 문제는 용수 낭비와 환경 피해를 초래하고 농작물 수확량을 저해합니다. 농업 분야의 디지털 기술, 특히 정밀 관개 기술은 한계가 있습니다. IoT는 실시간 데이터와 자동화를 통해 확장 및 통합을 가능하게 합니다. 시스템은 생산성을 극대화하고 물 소비를 최적화해야 합니다. 최근 연구에서 정밀 농업 내 IoT, AI 및 데이터 분석의 활용을 검토했으나, 대부분 토양 수분 감지, 자동 관개, 작물 모니터링 및 수확량 예측에 집중되어 있습니다. 이러한 솔루션들은 흔히 개별적으로 작동하여 지속 가능한 농업 관리 의사결정을 지원하는 능력이 제한적입니다. 많은 시스템에서 실시간 이기종 환경 데이터 통합, 적응형 관개 관리 및 지속 가능성과의 정렬이 부족한 실정입니다. 본 연구에서는 분산형 IoT 센서, 실시간 환경 모니터링, 지능형 관개 일정 계획 및 지속적인 의사결정 지원을 통해 이러한 한계를 해결하는 IoT-PA 시스템을 제시합니다. 기존 기술과 달리, 본 프레임워크는 물 소비, 농업 생산, 자원 낭비를 최적화하며 SDGs 2(기아 종식) 및 12(책임감 있는 소비와 생산)를 달성하고자 합니다. IoT-PA의 혁신적인 확장 가능 감지, 통신, 분석 및 지속 가능성 지향적 자원 관리는 데이터 기반의 운영 효율적이며 환경적으로 지속 가능한 농업 의사결정을 가능하게 합니다. 본 프로젝트의 목적은 실시간 환경 모니터링, 클라우드 기반 데이터 저장 및 자동 관개 일정 계획을 통해 정밀 농업을 지원하는 IoT-PA 프레임워크를 구축하고 평가하는 것입니다. 제안된 프레임워크는 IoT 기반 센서를 사용하여 토양 수분, 기온, 상대 습도, 강수량 및 광도를 지속적으로 모니터링함으로써 실시간으로 관개 결정을 최적화합니다. 또한, 본 연구는 기존 관개 방식과 비교하여 물 이용 효율, 작물 수확량 개선, 관개 응답 시간, 시스템 효율성, 통신 신뢰성 및 에너지 소비를 포함한 정량적 지표를 사용하여 제안된 프레임워크의 성능을 평가하고자 합니다. 더불어, IoT 기술의 통합이 어떻게 자원 활용도를 높이고 불필요한 물 소비를 줄이며 농업 생산성을 향상시킬 수 있는지 입증하고, 지속 가능한 농업 자원 관리를 통해 지속 가능 발전 목표(SDG) 2(기아 종식)와 SDG 12(책임감 있는 소비와 생산)에 기여하는 방법을 제시하고자 합니다.
통합 디지털 농업 및 식품 시스템 프레임워크 (IDAFS)
본 논문은 팬데믹, 불평등, 기후 변화 및 총체적인 세계 식량 부족 상황에서 디지털 기술이 농업의 회복력을 어떻게 향상시키는지 조사합니다18. 인공지능, 빅데이터 및 정밀 농업이 생산성을 높이고, 낭비를 5% 줄이며, 지출을 23% 절감하는 방법임을 강조하며 이에 대해 다룹니다. 또한, 2030 SDGs를 달성하기 위한 디지털 전환을 촉진하고, 지속 가능하고 효율적인 식품 체계를 위한 블록체인 및 맞춤형 영양과 같은 최신 트렌드를 조명합니다.
디지털-SDG 영향 분석 모델 (DSIAM)
본 논문은 디지털 경제 및 사회 지수(DESI) 데이터를 활용하여 디지털 전환을 통한 식량 안보 관련 지속가능발전목표(SDGs)의 달성 여부를 조사합니다. 디지털 연결성, 기술 및 공공 서비스가 SDG1, SDG2, SDG3, SDG1019에 미치는 영향을 분석하기 위해 EU 데이터(2017~2022년)를 바탕으로 구조 방정식 모델링과 군집 분석을 사용하였습니다. 연구 결과, 디지털화가 빈곤 감소, 평등 증진 및 건강 개선에 얼마나 결정적인 역할을 하는지를 보여줍니다.
디지털 마을 통합 및 활성화 프레임워크 (DVIRF)
30개 중국 성의 패널 데이터(2013~2023)를 통해 본 논문은 농촌 디지털화가 농촌 산업의 통합적 발전을 어떻게 지원하는지 실험적으로 조사합니다20. 이 연구는 이중 머신러닝 기법을 사용하여 디지털 전환의 직접적인 경로(디지털 서비스, 인프라)와 간접적인 경로(요소 재배치, 구조적 변화)를 모두 발견했습니다. 특히 동부 지역과 곡물 생산 지역에서 더 유의미한 영향이 나타났습니다. 이에 따라 디지털 커뮤니티를 촉진하고 농촌 재개발 자금을 극대화하기 위한 법적 제도 마련을 제안합니다.
순환 농식품 체계 전환 모델 (CAFSTM)
디지털 전환은 환경 의식, 상호 운용성 및 사용자 중심 설계를 통해 농식품 분야를 변화시키며21, 효율성과 비즈니스 모델을 향상시킵니다. 개인 맞춤형 식품 및 순환형 농식품 시스템은 피드백 루프를 사용하여 폐기물을 줄입니다. 본 보고서에서는 데이터 프라이버시와 상호 운용성을 다루며, 지속 가능한 디지털 농장 시스템을 위한 기술적, 거버넌스 및 생태학적 접근 방식을 제시합니다.
지속 가능한 식품 시스템 혁신 프레임워크 (SFSIF)
지속 가능한 농업은 AI, IoT, 로보틱스 및 유전자 편집을 통해 이점을 얻습니다. 정치적, 태도적, 재정적 조치와 신뢰 구축 활동은 혁신을 촉진합니다22. 폐기물 관리, 식품 가공 및 토지 이용 측면에서 디지털 기술과 정부 지원은 농식품 시스템의 지속 가능성, 회복력 및 영양 안보를 향상시킬 수 있습니다.
농가공 가치사슬 강화 모델 (APVCEM)
본 논문은 가치 사슬과 농산물 가공이 농업을 세계화하고 경쟁력을 높인다고 제안합니다. 공동체 농업과 공급망의 중요성이 강조됩니다23. 인도의 강력한 가치 사슬은 식품 공급과 사업적 성장을 증대시킵니다. 세계 경제와 농촌 지역 사회는 이러한 네트워크를 통해 혜택을 얻습니다.
디지털 지속가능성 영향 프레임워크 (DSIF)
농업 생산량, 오염, 도시 폐기물 및 SDG 12를 통해 디지털 기술은 식품 지속가능성을 저해합니다. 구조 방정식 모델링24에 따르면, 디지털 기술은 도시 쓰레기, 온실가스 배출 및 소비자 행동을 최소화할 수 있습니다. 디지털화는 공급망 지속가능성을 개선하지만, 연구 결과에 따르면 책임감 있는 소비를 방해하는 것으로 나타나 균형 잡힌 구현이 필요합니다.
농업 4.0 전환 프레임워크(A4TF)
농업 4.0은 사물인터넷(IoT), 인공지능(AI), 클라우드 컴퓨팅, 로보틱스, 빅데이터 분석 및 자동화의 통합을 통해 지능적이고 데이터 중심적인 정밀 농업 실천을 가능하게 하는 것을 의미합니다. 본 논문에서는 농업 4.0을 이용한 디지털 농업 전환에 대해 설명합니다. IoT, AI, 드론, 블록체인 및 재생 에너지25에 대해 다룹니다. 또한 영농형 태양광 발전, 스마트 관개 및 실시간 가축 모니터링을 연구합니다. 연구에 따르면, 디지털 전환은 기후, 물 및 식량 문제를 해결함으로써 지속 가능한 식량 생산, 자원 효율성 및 환경 보존을 개선합니다.
기존 연구들은 농업 생산성과 지속 가능성을 향상시키기 위한 IoT, 인공지능, 클라우드 컴퓨팅 및 디지털 기술의 잠재력을 입증해 왔습니다18,19,20. 대부분의 연구는 디지털 농업에 대한 개념적 평가18, 정책 및 경제 중심의 디지털 전환19, 또는 현장 수준의 정밀 농업 기술이 배제된 농촌 디지털 개발20에 집중하고 있습니다. 따라서 실시간 센싱, 클라우드 기반 분석, 자동 관수 및 의사결정 지원을 결합하는 연구는 거의 이루어지지 않았습니다. 또한 여러 기술에서 반복 가능한 구현 방법과 철저한 자원 최적화 메커니즘이 부족한 실정입니다. 본 논문에서 제안하는 IoT 기반 정밀 농업(IoT-PA) 프레임워크는 IoT 센싱, 클라우드 컴퓨팅, 실시간 환경 모니터링 및 지능형 관수 관리를 단일 아키텍처로 통합하여, SDG 2와 SDG 12를 지원하는 동시에 물 이용 효율, 작물 생산성 및 지속 가능한 농업 자원 관리를 개선합니다.
프로토콜
디지털 기술 덕분에 농식품 산업은 지속 가능하고 데이터 중심적인 생태계로 진화하고 있습니다. IoT, AI 및 블록체인은 공급망 투명성, 식품 안전성과 생산성을 향상시킵니다. 정밀 농업, 스마트 팜 및 팬데믹 이후의 회복 탄력성은 특히 기아 종식, 기후 행동, 책임감 있는 소비와 생산이라는 지속가능발전목표(Sustainable Development Goals)를 지원합니다.
IoT 기반 정밀 농업(IoT-PA) 프레임워크에는 ESP32 마이크로컨트롤러, 토양 수분, 기온, 상대 습도(DHT2), 강수량 및 광도(BH1750) 센서, IoT 게이트웨이, 클라우드 데이터베이스 및 자동 관수 컨트롤러가 포함되었습니다. 대표성 있는 필드 데이터를 제공하기 위해 토양 수분 센서는 작물 뿌리 영역의 15–20 cm 깊이에 설치하였으며, 환경 센서는 지면에서 2 m 높이에 설치하였습니다. 배치 전, 제조사 요구 사항에 따라 보정하여 측정 오차가 ±2% 이내인 센서만 테스트에 사용하였습니다. ESP32 컨트롤러에서 클라우드 플랫폼으로 환경 데이터를 10분마다 전송하기 위해 Wi-Fi(802.1 b/g/n) 또는 LoRaWAN(915 MHz)이 사용되었습니다. 본 실험에서 프레임워크는 토양 수분(%), 기온(°C), 상대 습도(%), 강수량(mm) 및 광도(lux)를 기록하였습니다. Min–Max 정규화를 통해 데이터를 표준화하기 전, 센서 관측값은 10분마다 클라우드 데이터베이스로 업로드되었으며 중복 값과 결측값은 제거되었습니다. IoT-PA 의사 결정 엔진은 센서 데이터를 사용하여 관수 여부를 결정하였습니다. 토양 수분이 체적 함수량 기준 35% 미만으로 감소하면 관수가 자동으로 시작되었으며, 수분 스트레스와 과잉 관수를 방지하기 위해 45%에서 중단되었습니다. 기상 예보에서 12 h 이내에 5 mm 이상의 강우가 예상될 경우, 물을 보존하기 위해 관수를 중단하였습니다. 유사한 필드 조건에서 작물이 성장하는 90일 동안 프레임워크를 지속적으로 가동하였습니다. 각 관수 주기마다 관수 시간, 총 물 소비량, 통신 지연 시간, 센서 상태 및 시스템 에너지 사용량이 30분마다 클라우드 데이터베이스에 기록되었습니다. 농민들은 각 의사 결정 주기 이후 모바일 앱을 통해 실시간 관수 지침과 필드 상태 업데이트를 제공받았습니다. 반복성을 검증하기 위해 동일한 시스템과 운영 조건으로 실험을 3회 반복하였습니다.
본 실험은 토마토 재배지에서 수행되었습니다. 20 m x 20 m (40 m2) 크기의 실험 구획은 pH 6.7–7.0의 양토질 토양으로 구성되었습니다. ESP32 기반의 IoT 모니터링 시스템은 지표면으로부터 15–20 cm 깊이에 설치된 정전용량식 토양 수분 센서와 지상 2 m 높이에 고정된 DHT2 온습도 센서, BH1750 광강도 센서 및 강우량 센서로 이루어졌습니다. 이미터 간격 30 cm, 횡방향 파이프 간격 1 m의 점적 관수 네트워크를 설치하였습니다. 클라우드 플랫폼은 10 min마다 MQTT를 통해 전송된 센서 측정값을 수신하였습니다. 90일 후, 작물 수확량은 수확한 토마토의 총 생체중(구획당 kg)으로 측정하였습니다.
데이터 소스 설명: 제안된 IoT 기반 정밀 농업(IoT-PA) 프레임워크는 프로토콜 섹션에 기술된 조건 하에서 90일간의 현장 실험을 통해 구현 및 평가되었습니다. Agriculture Digital Twin Market Report(DataIntelo)는 배경 정보 및 프레임워크 개발을 위한 참고 자료로만 사용되었습니다. 결과 섹션에 제시된 모든 성능 지표는 DataIntelo 시장 보고서가 아닌, 제안된 IoT-PA 프레임워크의 실험적 평가를 통해 얻은 결과입니다.
기여 1: IoT 기반 정밀 농업(IoT-PA) 프레임워크 제안
실시간 기상 및 토양 데이터 기반의 관수 자동화 시스템이 소개되었습니다. 디지털 기술의 발전은 농식품 성장을 촉진하고 있습니다 (그림 1). 우선 IoT, AI 및 드론 기반의 정밀 농업이 도입되었으며, 이어 데이터 기반의 의사결정과 자원 효율성이 강화되었습니다. 디지털 혁신은 식품 추적성, 공급망 및 시장 접근성을 개선합니다. 이러한 기술들은 농민의 역량을 강화하고 식품 안전을 보장하며 포용적 발전을 도모합니다. IoT 기반 정밀 농업(IoT-PA) 프레임워크는 실시간 환경 모니터링, 클라우드 기반 분석 및 자동 관수를 통합함으로써 지속 가능한 자원 활용과 기후 회복력이 있는 스마트 농업을 촉진합니다. 이는 지속가능발전목표(SDGs) 2(기아 종식), 12(책임감 있는 소비와 생산) 및 13(기후 행동)을 지원합니다.
식 (1)에서 S(t)는 시간 t에서 수집된 환경 데이터를 나타내며, M(t)는 토양 수분 (%), T(t)는 기온 (°C), H(t)는 상대 습도 (%RH), R(t)는 강우량 (mm), 그리고 L(t)는 광도 (lux)를 의미합니다. 식 (1)은 IoT 센서 네트워크를 통해 지속적으로 획득되어 모니터링 및 의사결정을 위해 클라우드 플랫폼으로 전송되는 실시간 환경 매개변수 집합을 정의합니다.
식 (2)에서와 같이, 여기서 I(t))는 관수 제어 신호를 나타내며, M(t) 측정된 토양 수분이며, M은th 정해진 관수 임계값(체적 함수율 35%)을 나타냅니다. 측정된 토양 수분이 임계값 아래로 떨어지면, IoT-PA 컨트롤러가 관수 펌프를 자동으로 작동시킵니다. 
그렇지 않으면, 관수는 비활성 상태로 유지됩니다. 
토양 수분이 목표 수준인 45%에 도달하면 관수가 자동으로 중단되며, 이를 통해 물 이용 효율을 높이고 과잉 관수를 방지합니다.
그림 2에서 볼 수 있듯이, 농업은 디지털 기술을 통해 데이터 중심으로 지속 가능해지고 있습니다. 카메라와 로봇은 작물의 품질과 투입 효율성을 높이며, 센서는 위치와 온도를 감지합니다. 데이터 관리 시스템은 중앙 마이크로컨트롤러로부터 온도 및 습도 데이터를 수신합니다. 서버는 실시간 농업 모니터링 및 의사결정 데이터를 수집합니다. 농민들은 지역 언어로 된 휴대전화를 통해 정보를 확인합니다. 환경 조건을 모니터링하고, 관수 결정을 최적화하며, 물 낭비를 최소화하고, SDG 2(기아 종식), SDG 12(책임감 있는 소비와 생산), SDG 13(기후 행동)과 연계된 지속 가능한 농법을 지원함으로써, 폐루프 제어(closed-loop control)는 농업 생산성을 향상시킵니다.
식 (3)에서 L(t)는 시간 t에서의 통합 환경 모니터링 데이터를 나타내고, Si(t)는 ith IoT 센서에서 획득한 측정값을 의미하며, N은 배치된 센서의 총 개수입니다. 식 (3)은 여러 센서로부터 평균 환경 상태를 계산하여 센서의 변동성을 최소화하는 동시에 관수 의사결정을 돕습니다.
![베타 붕괴 방정식 β(t)=[L(t)-Mth]/Mth, 이론적 분석의 수학적 공식.](/files/ftp_upload/73067/73067eq18v2.jpg "figure-protocol-6")
식 (4)에서 β(t)는 정규화된 관수 결정 지수를 나타내고, L(t)는 식 (3)으로부터 얻은 총합 토양 수분 측정값을 나타내며, Mth는 미리 정의된 토양 수분 임계값(35% 체적 함수율)입니다. β(t)의 값이 음수이면 토양 수분이 부족함을 나타내어 관수를 실행하며, 0 이상의 값은 토양 수분이 임계값과 같거나 그 이상임을 나타내어 관수가 비활성 상태로 유지됩니다.
기여 2: 실증적 결과를 통해 실질적인 이점을 입증함.
이는 해당 프레임워크의 실행 가능성을 입증하였으며, 용수 사용량을 대폭 줄이는 동시에 농업 생산성을 향상시켰습니다.
그림 3 IoT 기반 정밀 농업이 자원 낭비와 낮은 농업 생산성 문제를 어떻게 해결하는지 보여줍니다. 우선, 자원 낭비와 낮은 농업 생산성 문제를 다룹니다. IoT, AI 및 실시간 데이터 분석은 스마트한 의사 결정, 자동 관수 및 센서 기반 모니터링을 제공합니다. 이러한 개선 사항은 작물 건강과 용수 이용 효율을 향상시킵니다. 제안된 IoT 기반 정밀 농업(IoT-PA) 프레임워크는 실시간 환경 모니터링, 자동 관수 제어 및 효율적인 자원 관리를 통합하여 물 소비를 최소화하는 동시에 농업 생산성을 높임으로써 지속가능발전목표(SDG) 2(기아 종식)와 SDG 12(책임감 있는 소비와 생산)를 촉진합니다.
어디에 
시간 t에서의 종합 환경 모니터링 지수를 나타냅니다 제공된 텍스트가 없습니다. 번역할 내용을 입력해 주세요., M(t) 토양 수분 (%)은, T(t) 기온(°C), H(t))은 상대 습도(%RH)이며, R(t) 강우량(mm)이며, L(t) 빛의 세기(lux)입니다. 식 (5)는 정규화된 환경 매개변수들을 하나의 모니터링 지수로 결합하며, 이는 IoT-PA 프레임워크에서 사용되는 전반적인 현장 상태를 나타냅니다.
어디에 G(t) 모니터링 간격 또는 센싱 노드로부터 얻은 통합 환경 조건을 나타내며, 
식 (5)를 사용하여 계산된 종합 환경 모니터링 지수가 다음의 경우에 적용되는지... kth 관찰. 식 (6)은 여러 측정값의 평균을 내어 현장 상태를 예측함으로써 측정 변동성을 제거하고, 자동 관수 일정 계획을 위한 신뢰할 수 있는 입력값을 제공한다.
그림 4는 증기 기관부터 디지털에 이르기까지 각 산업 혁명이 글로벌 산업에 어떠한 영향을 미쳤는지를 보여줍니다. 마지막으로, 산업 4.0에서는 AI, 블록체인 및 정밀 농업이 농식품 분야를 변화시키고 있습니다. 이러한 결과는 농업, 자원 효율성 및 지속 가능성을 향상시킵니다. 제안된 IoT 기반 정밀 농업(IoT-PA) 프레임워크는 디지털 센싱, 클라우드 기반 분석 및 자동 관수가 어떻게 농업 생산성과 자원 활용도를 높여 SDG 2(기아 종식) 및 SDG 12(책임 있는 소비와 생산)를 지원하는지 보여줍니다.
여기서 V(t)는 시간 t에서의 전체 필드 상태를 나타내고, Gi(t)는 ith 번 센싱 노드에서 얻은 환경 모니터링 지수를 나타내며, N은 배치된 IoT 센서 노드의 총 개수입니다. 식 (7)은 모든 센싱 지점의 측정값을 통합하여 평균 필드 상태를 추정함으로써 관수 결정의 신뢰도를 높입니다.
여기서 $\alpha$는eq 관개 일정 수립에 사용되는 등가 결정 지수를 나타내며, V(t))는 식 (7)로부터 얻은 통합 환경 조건이며, M(t)는 측정된 토양 수분이며, 
전체 필드 상태와 현재 토양 수분 측정값의 영향력 사이의 균형을 맞추는 가중 계수입니다. 식 (8)은 IoT-PA 프레임워크가 자동 관수 및 효율적인 수자원 관리를 지원하는 데 사용하는 최종 결정 지수를 계산합니다.
기여 3: 지속 가능한 농업의 의제 발전
SDG 2 및 12에 따라, 이는 농업 식량 안보와 자원 효율성을 개선하기 위한 디지털 전환을 가능하게 했습니다.
그림 5는 디지털 농식품 시스템 전환을 통한 팬데믹 이후의 회복력과 지속 가능한 발전을 보여줍니다. IoT 기반 농업에서는 자원을 극대화하기 위해 센서가 기존의 도구들을 대체합니다. 블록체인과 자동화는 안전하고 개방적인 식품 배송을 가능하게 하며, AI는 효율적이고 위생적인 제조 및 가공을 제공합니다. 식품 안전 알림과 실시간 모니터링은 소비자에게 도움을 줍니다. 이러한 순환 체계는 전 세계적인 식량 안보, 건강 및 효율성을 향상시킵니다. 일관된 디지털 농업 접근 방식은 실시간 센싱, 클라우드 컴퓨팅 및 자동 관수를 사용하여 작물 생산성, 용수 이용률 및 지속 가능한 농법을 개선함으로써 지속가능발전목표(SDGs) 2(기아 종식), 3(건강과 웰빙), 12(책임감 있는 소비와 생산)를 지원합니다.
여기서 R(t)는 시간 t에서의 관수 필요 지수를 나타내고, Mi(t)는 i번째 센서 노드에서 측정된 토양 수분이며, Mth 는 미리 정의된 토양 수분 임계값, N은 센싱 노드의 총 개수입니다. 식 (9)는 의도한 임계값으로부터의 평균 토양 수분 변화량을 추정하여 모니터링 대상 필드의 관수 필요량을 계산합니다.
어디에 
스마트 관개 제어 지수를 나타내며, R(t)는 식 (9)로부터 얻은 관수 요구 지수이며, V(t) 식 (7)로부터 얻은 통합 환경 모니터링 지수이며, 
은 가중 계수입니다. 제안된 IoT-PA 시스템의 자동 관수 일정 계획을 위한 최종 제어 값은 식 (10)을 사용하여 관수 수요와 환경 조건을 통해 계산됩니다.
결과
IoT-PA 아키텍처의 성능 지표에는 물 소비량, 농작물 수확량, 시스템 효율성, 지속 가능한 자원 최적화 및 SDG 기여도가 포함됩니다. 스마트한 기술적 선택은 농업 생산성, 지속 가능성 및 자원 관리를 향상시킵니다.
데이터셋 설명: 제안된 프레임워크의 개발 및 맥락화를 지원하기 위한 배경 정보로 DataIntelo의 Agriculture Digital Twin Market Report26가 사용되었습니다. 본 연구는 2025년을 기준 연도로, 2026~2034년을 예측 기간으로 설정하여 2019~2034년 전 세계 농업 디지털 트윈 시장 통계를 다룹니다. 260페이지 분량의 구조화된 시장 인텔리전스 데이터셋에는 시장 규모, 연평균 성장률(CAGR), 지역별 시장 분포, 구성 요소 세분화(소프트웨어, 하드웨어 및 서비스), 응용 분야(작물 모니터링, 가축 모니터링, 정밀 농업, 스마트 온실 및 기타), 배포 모드(클라우드 및 온프레미스), 농장 규모 범주, 그리고 IoT, AI, 빅데이터 및 블록체인을 포함한 기술 도입에 관한 정량적 데이터가 포함되어 있습니다. 분석 전, 수집된 수치 데이터의 완전성과 일관성을 검토하였으며, Min–Max 정규화를 사용하여 연속 변수를 정규화하였습니다.
실험 단위는 IoT 기반의 작물 구획이었으며, 유사한 운영 조건 하에 세 차례의 개별 실험(n = 3)이 90일 동안 수행되었습니다. 센서 측정값은 MQTT를 통해 10분마다 클라우드 플랫폼으로 전송되었습니다. 정량적 데이터는 평균 ± SD로 표시하였습니다. 제안된 IoT-PA 프레임워크와 표준 시간 기반 관수 시스템의 통계적 유의성을 측정하기 위해 대응표본 Student's t-test를 실시하였으며, p < 0.05를 유의미한 것으로 간주하였습니다. 성능 측정 지표의 신뢰성은 95% 신뢰 구간(CI)을 계산하여 평가하였습니다. 정전용량식 토양 수분 센서, DHT2 온도-습도 센서, BH1750 광도 센서 및 강우 센서를 갖춘 ESP32 기반 IoT 플랫폼을 통해 IoT 기반 정밀 농업(IoT-PA) 패러다임을 검증하였습니다. 환경 측정값은 MQTT를 통해 AWS IoT Core로 지속적으로 전송되었습니다. 유사한 기후 조건에서 제안된 프레임워크를 시간 기반 관수 시스템과 비교하였습니다. 우리는 물 사용량, 농작물 생산량, 시스템 효율성, 지속 가능한 자원 최적화 및 SDG 정렬 여부를 평가하였습니다.
물 사용량 분석
그림 6 제안된 IoT 기반 정밀 농업(IoT-PA) 아키텍처에서 지속적인 토양 수분 모니터링과 자동 관수 관리를 통해 용수 사용량을 24.62% 감소시켰음을 보여줍니다. 실시간 센싱은 불필요한 관수를 줄이고 용수 이용 효율을 개선하였으며, 지속 가능한 농업 생산성을 뒷받침하였습니다.
어디에 
특정 시간에서의 절수 백분율을 나타냅니다 t, W대화 관행 관수 방법을 사용하여 소비된 총 수량이며, W사물인터넷(IoT) 제안된 IoT-PA 프레임워크를 사용하여 소비된 총 수량입니다. 식 (1)은 자동 관개 일정 계획을 통한 수분 절약률(%)을 계산합니다. 테스트 결과, 제안된 프레임워크가 전통적인 관개 방식보다 수분을 24.62% 더 절약하는 것으로 나타났습니다.
작물 수확량 분석
그림 7은 제안된 IoT 기반 정밀 농업(IoT-PA) 시스템을 사용하여 자동 관수 및 환경 모니터링이 농작물 수확량을 95.13%까지 증가시킨 결과를 보여줍니다. 관수 및 작물 관리를 위한 실시간 센서 데이터를 통해 식물 건강, 작물 수확량 및 수동 개입 효율이 개선되었습니다.
어디에 
시점에서의 농업 생산성(%)을 나타냅니다 t, Y사물인터넷(IoT) 제안된 IoT-PA 프레임워크를 사용하여 얻은 작물 수확량이며, Y최대 실험 조건에서 달성 가능한 최대 작물 수확량입니다. 제안된 프레임워크의 농업 생산성 백분율은 식 (12)를 통해 계산됩니다. IoT-PA 시스템은 실험 평가에서 95.13%의 농업 생산성을 달성하였으며, 이는 센서 기반 관수와 실시간 환경 모니터링이 작물 성능을 향상시킨다는 것을 시사합니다.
시스템 효율성 분석
그림 8은 IoT 기반 정밀 농업(IoT-PA) 프레임워크가 자율 관수, 실시간 환경 감지, 클라우드 기반 데이터 처리 및 자동 의사결정을 통합하여 93.85%의 시스템 효율성을 달성했음을 보여줍니다. 높은 효율성은 자원 낭비를 최소화하면서 시스템이 안정적으로 작동함을 의미하며, 이는 지속 가능한 농업을 뒷받침합니다.
어디에 
시간 t에서의 전체 시스템 효율(%)을 나타냅니다. t, 
성공적으로 완료된 센싱, 통신 및 관수 작업의 횟수를 나타내며, 
실험 기간 동안 예정된 전체 시스템 작업 횟수입니다. 식 (13)은 IoT-PA 프레임워크의 성공률을 계산하며, 이는 시스템의 신뢰성과 효율성을 나타냅니다. 실험 결과, 제안된 프레임워크는 93.85%의 시스템 효율성을 보였으며, 이는 지속적인 스마트 팜 응용 분야에서 안정적이고 신뢰할 수 있음을 입증합니다.
지속 가능한 자원 최적화 분석
제안된 IoT 기반 정밀 농업(IoT-PA) 프레임워크는 환경적 및 경제적 지속 가능성에 부합하는 94.25%의 지속 가능한 자원 최적화를 달성합니다. 그림 9는 실시간 모니터링, 자동 관수 일정 계획 및 데이터 기반 의사결정이 어떻게 물과 에너지 낭비를 줄이는 동시에 농작물 수확량을 증가시키는지 보여줍니다. 따라서 이 프레임워크는 자원 활용도를 향상시키고 지속 가능한 농업을 촉진합니다.
어디에 
시간 $t$에서의 지속 가능한 자원 최적화율(%)을 나타냄 입력된 텍스트가 없습니다. 번역할 내용을 제공해 주십시오., 
제안된 IoT-PA 프레임워크에 의해 효율적으로 활용된 자원(물 및 에너지 등)의 수를 나타내며, 
동일한 재배 조건 하에서의 최적 자원 요구량이다. 식 (14)는 자원 활용도를 평가하기 위해 효율적으로 사용된 자원을 최적 자원 요구량과 비교한다. 실험 결과, IoT-PA 프레임워크는 94.25%의 지속 가능한 자원 최적화율을 통해 자원 낭비를 줄이고 농업 생산성을 유지할 수 있음을 보여주었다.
SDGs 달성을 위한 디지털 기술 분석
그림 10은 본 연구에서 IoT 기반 정밀 농업(IoT-PA) 아키텍처가 96.31%의 SDG 정렬 효율을 달성했음을 보여줍니다. 자동 관수 및 실시간 모니터링은 물과 에너지 사용을 최적화함으로써 농업 생산량을 증대시키고 SDG 2(기아 종식) 및 SDG 12(책임 있는 소비와 생산)를 촉진합니다. 높은 SDG 정렬 효율은 디지털 기술이 지속 가능하고 자원 효율적인 농업을 촉진한다는 것을 보여줍니다.
어디에 
시간 t에서의 SDG 정렬 효율(%)을 나타냄 t, 
제안된 IoT-PA 프레임워크에 의해 성공적으로 달성된 지속 가능성 목표의 수를 나타내며, 
평가 대상으로 정의된 전체 지속 가능성 목표를 나타냅니다. 식 (15)는 달성된 지속 가능성 목표를 사전 정의된 목표치와 비교합니다. 시험 데이터에 따르면, IoT-PA 프레임워크는 지능형 자원 관리와 디지털 혁신을 통해 지속 가능한 농업 성장을 지원했으며, SDG 정렬 효율성은 96.31%로 나타났습니다.
실험 결과에 따르면, IoT 기반 정밀 농업(IoT-PA) 프레임워크는 실시간 센싱, 클라우드 기반 모니터링 및 자동 관수 제어를 통해 지속 가능한 농업 관리를 개선하는 것으로 나타났습니다. 해당 프레임워크는 전통적인 관수 방식과 비교하여 용수 사용량을 24.62% 감소시켰으며, 농업 생산성 95.13%, 시스템 효율성 93.85%, 지속 가능한 자원 최적화 94.25%, 그리고 SDG 정렬 효율성 96.31%를 달성했습니다. 이러한 결과는 IoT 기술과 지능형 관수가 자원 활용도, 작물 생산성 및 지속 가능한 농업을 향상시킨다는 것을 보여줍니다. 따라서 제안된 IoT-PA 프레임워크는 데이터 기반 농업 관리를 통해 지속가능발전목표(SDG) 2번(기아 종식)과 12번(책임감 있는 소비와 생산)을 지원하는 실용적이고 확장 가능한 디지털 농업 솔루션을 제공합니다.
IoT 기반 정밀 농업(IoT-PA) 프레임워크의 재현성을 테스트하기 위해 모든 실험은 동일한 조건에서 3회 반복 수행되었습니다. 용수 감소량(24.62%), 작물 수확량 증대(95.13%), 시스템 효율성(93.85%), 지속 가능한 자원 최적화(94.25%) 및 SDG 정렬도(96.31%)를 포함한 3회 실험 결과는 평균 ± 표준편차(SD)로 제공됩니다. 비교 분석 전, Shapiro-Wilk 정규성 검사를 통해 실험 데이터의 분포를 분석하였습니다. 제안된 IoT-PA 프레임워크를 표준 시간 기반 관수 기술과 비교하기 위해 대응표본 t-검정(paired Student's t-test)을 실시하였으며, 유의 수준은 p < 0.05로 설정하였습니다. 모든 핵심 성과 지표(KPI)에 대해 실험 추정치의 불확실성을 정량화하기 위해 95% 신뢰구간(CI)을 산출하였으며, 실험 결과의 반복성과 일관성을 검토하기 위해 변동계수(CV)를 계산하였습니다.
데이터 가용성:
본 연구의 결과물을 뒷받침하는 실험 데이터는 원고에 기술된 제안된 IoT 기반 정밀 농업(IoT-PA) 프레임워크의 90일 현장 평가 기간 동안 생성되었습니다. 프레임워크의 개념적 개발을 위한 배경 참조 및 디지털 농업 기술에 대한 맥락을 제공하기 위해 사용된 농업 디지털 트윈 시장 보고서(DataIntelo)는 다음 주소에서 확인할 수 있습니다: https://dataintelo.com/report/agriculture-digital-twin-market.
그림 1디지털 루트: 농식품 체인의 지속 가능성 배양 IoT, 클라우드 컴퓨팅, 인공지능 및 데이터 분석을 포함한 디지털 기술의 통합을 통해 농업 생산성을 향상시키고 자원 활용을 최적화하며 지속 가능한 식량 생산을 지원하는 농식품 가치 사슬의 개요. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2스마트 농업 루프: 현장 센서에서 농민의 손까지. 실시간 환경 센싱, 무선 데이터 전송, 클라우드 기반 분석, 자동 관수 제어 및 정밀 농업을 위한 농민 의사결정 지원을 보여주는 제안된 사물인터넷 기반 정밀 농업(IoT-PA) 프레임워크의 워크플로. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
그림 3토양에서 목표까지: 지속 가능한 성장을 위한 스마트 팜 청사진. 스마트 농업 관리를 위한 디지털 기술의 통합을 보여주는 제안된 IoT 기반 정밀 농업(IoT-PA) 프레임워크의 개념적 개요. 이 그림의 확대 버전을 보시려면 여기를 클릭하십시오.
그림 4증기기관에서 스마트 팜까지: 농업 기술(Agri-Tech) 미래를 향한 진화. 기계화, 정밀 농업, 사물인터넷(IoT), IoT 기반 모니터링, 클라우드 컴퓨팅 및 지능형 의사결정 시스템을 통한 전통적 농법에서 현대 디지털 농업으로의 농업 기술 진화. 이 그림의 확대 버전을 보시려면 여기를 클릭하십시오.
그림 5안전한 곡물을 위한 스마트 체인: 지속 가능한 식품 미래를 향한 디지털 경로. 식량 안보와 환경 성능을 개선하기 위해 작물 모니터링, 정밀 관개, 자원 최적화, 식품 품질 모니터링 및 지속 가능성 평가를 포함하여 농업 공급망을 지원하는 디지털 기술의 개념적 표현. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
그림 6물 사용량 분석. 기존 관수 방법과 제안된 IoT-PA 프레임워크 간의 물 소비량 비교. 실험 기간 동안 물 소비량을 평가하였으며, 값은 평균 ± 표준편차(n = 3회 독립 시행)로 나타내었다. 통계적 유의성은 다음을 이용한 paired Student's t-test로 평가하였다. p < 0.05. 제안된 IoT-PA(사물인터넷 기반 정밀 농업) 프레임워크는 기존 관개 방식 대비 용수 소비량을 24.62% 감소시켰다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
그림 7작물 수확량 분석. 동일한 재배 조건에서 기존 관수 방법과 제안된 IoT-PA(사물인터넷 기반 정밀 농업) 프레임워크를 사용하여 얻은 농업 생산성의 비교. 작물 수확량 값은 평균 ± 표준 편차(n = 3회 독립 시행)로 표시되었다. 통계적 유의성은 대응표본 t-검정(paired Student's t-test)을 사용하여 평가되었다.p < 0.05). 제안된 프레임워크는 95.13%의 농업 생산성을 달성했습니다. 이 그림의 확대 버전을 보시려면 여기를 클릭하십시오.
그림 8시스템 효율성 분석. 성공적인 센싱, 통신, 클라우드 처리 및 자동 관수 작동을 기반으로 한 IoT-PA(사물인터넷 기반 정밀 농업) 프레임워크의 성능 평가 결과입니다. 결과는 평균 ± 표준편차로 표시하였습니다(n = 3회 독립 실험). 통계 분석은 다음을 이용한 대응표본 Student's t-검정(paired Student's t-test)으로 수행하였습니다. p < 0.05. 제안된 시스템은 93.85%의 전체 시스템 효율을 달성했습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
그림 9지속 가능한 자원 최적화 분석. 효율적인 수자원 및 자원 관리를 통해 제안된 IoT-PA 프레임워크가 달성한 지속 가능한 자원 최적화의 평가 결과입니다. 결과는 평균 ± 표준 편차(n = 3회 독립 실험)로 나타냈습니다. 통계적 유의성은 대응표본 Student t-검정(p < 0.05). 제안된 프레임워크는 94.25%의 지속 가능한 자원 최적화율을 달성하였다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
그림 10SDG 달성을 위한 디지털 기술 분석. 물 이용 효율, 농업 생산성, 지능형 관개 및 지속 가능한 자원 관리의 개선을 통해 제안된 IoT-PA(사물인터넷 기반 정밀 농업) 프레임워크가 지속가능발전목표(SDGs)에 기여하는 정도를 평가하였습니다. 결과는 평균 ± 표준편차(n = 3회 독립 실험)로 나타내었습니다. 통계적 유의성은 다음의 대응표본 t-검정(paired Student's t-test)을 사용하여 평가하였습니다. p < 0.05. 제안된 프레임워크는 96.31%의 SDG 정렬 효율성을 달성했다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
토론
IoT-PA를 통해 디지털 농업은 현재의 문제들을 해결할 수 있을 것입니다. 본 논문은 자원 경제와 농업 생산을 위해 실시간 모니터링, 센서 기반 관수 및 데이터 기반 의사결정을 제안합니다. 사물인터넷(IoT)을 사용한 결과 용수 소비량은 24.62% 감소하였고 농업 생산량은 95.13% 증가하여, 혁신적인 지속 가능성 잠재력을 입증하였습니다. 93.85%의 시스템 효율성으로 SDG 2(기아 종식)와 SDG 12(책임감 있는 소비와 생산)를 충족하였습니다. 해당 시스템은 96.31%의 SDG 정렬 효율성을 달성하였습니다. 스마트 자동화는 자원 집약적인 대안을 대체하여 식량 안보와 환경을 개선합니다. 본 연구는 센서, 클라우드 컴퓨팅 및 자동화가 어떻게 복제 가능한 농업 모델을 구축할 수 있는지를 강조합니다. 인구 증가와 기후 변화로 인해 농업에는 이러한 기술이 필요합니다. 본 논문에 따르면 디지털 혁신은 농업의 효율성, 회복 탄력성 및 지속 가능성을 높일 수 있습니다. 향후 연구에서는 IoT-PA 아키텍처를 다양한 작물과 지역에 적용할 예정입니다. AI는 기상학, 예측 분석 및 해충 식별 기능을 향상시킬 것입니다. 농민의 접근성을 높이기 위해 저비용 기술과 모바일 애플리케이션에 중점을 두어야 합니다. 수용성, 데이터 수신 품질, 그리고 글로벌 지속 가능성 및 식량 안보 목표가 정의될 것입니다.
통합 디지털 농업과 비교하여 & Sridhar 등이 제안한 식품 체계 프레임워크 (IDAFS)18IoT, 인공지능(AI), 블록체인, 로보틱스 및 지속 가능한 농식품 시스템을 위한 빅데이터를 포함한 디지털 기술에 대한 종합적인 검토를 제공하는 것과 달리, 제안된 IoT-PA 프레임워크는 정밀 농업을 위한 실질적인 구현 방안을 제공합니다. IDAFS가 주로 개념적 수준에서 기술 도입 및 디지털 전환 전략을 논의하는 반면, IoT-PA는 실시간 환경 센싱, 클라우드 기반 데이터 처리, 자동 관수 제어 및 농민 알림 기능을 하나의 통합된 운영 프레임워크로 통합합니다. 이러한 통합을 통해 지속적인 필드 모니터링과 자동화된 의사결정이 가능해지며, 결과적으로 해당 플랫폼은 정밀 관수 및 자원 관리에 적합하게 됩니다.18Vărzaru의 디지털-SDG 영향 분석 모델(DSIAM)19 정책 수준 및 지역 경제 분석을 통해 식량 안보와 지속가능발전목표(SDGs) 달성에서 디지털 전환의 역할을 강조합니다. 현장 구현을 위해, IoT-PA 아키텍처는 IoT 기반 센서, 자동 관수 제어 및 클라우드 통신을 사용합니다. 디지털 전환은 농업 분야에서 용수 이용 효율과 작물 생산량을 향상시키기 위해 활용됩니다.19Zhang과 Zhang의 DVIRF20 디지털 인프라, 농촌 산업 통합 및 기술 혁신을 통해 지속 가능한 농촌 개발을 촉진합니다. DVIRF는 정밀 관수 의사결정 지원 없이는 지역 디지털 전환을 지원합니다. 스마트 농업을 가능하게 하기 위해, IoT-PA 프레임워크는 지속적인 센서 모니터링, 지능형 관수 일정 계획, 클라우드 기반 분석 및 자동화된 자원 관리를 결합합니다.20제안된 IoT-PA 아키텍처는 실시간 의사 결정 및 수자원 관리를 위해 환경 센싱, 연결성, 클라우드 컴퓨팅 및 자동 관수를 결합합니다. 개념적인 디지털 농업 프레임워크와 비교하여18,19,20이 설계는 운영 효율성을 높이고, 인적 개입을 줄이며, 지속 가능한 농업을 촉진합니다. 그러나 이 프레임워크에는 몇 가지 주요한 단점이 있습니다. 본 실험적 평가는 일반적인 농업 조건 하에서 수행되었으며, 다양한 작물 종류, 토양 유형, 기후 지역 또는 대규모 상업적 농업 환경에서 검증되지 않았습니다. 또한, 본 구현에서는 미리 설정된 토양 수분 임계값을 사용하므로, 예측 관수 일정 수립, 작물 수확량 예측, 병충해 탐지 또는 디지털 트윈 기반의 작물 시뮬레이션에 AI를 활용하지 않았습니다. 향후 연구에서는 머신러닝, 디지털 트윈, 원격 탐사 및 설명 가능한 AI를 활용하여 농업 예측력, 확장성 및 유연성을 향상시킬 예정입니다.
IoT 기반 정밀 농업(IoT-PA) 결과를 해석할 때는 몇 가지 한계점을 고려해야 합니다. 일반적으로 이 프레임워크는 다양한 작물 유형, 토양 특성, 기후 조건 또는 대규모 농업 환경에서 테스트되지 않았습니다. 다양한 재배 방식에서 최적의 성능을 내기 위해, 관수 관리는 작물별 보정이 필요할 수 있는 토양 수분 임계값을 사용합니다. 본 애플리케이션은 IoT 기반의 환경 모니터링 및 자동 관수 관리를 활용하며, AI 기반의 예측 관수, 병해충 진단, 영양분 관리 또는 다중 스펙트럼 원격 탐사는 포함하지 않습니다. 네트워크 연결성, 센서 보정 정확도 및 실시간 데이터 전송에 영향을 미치는 기후 요인으로 인해 원격 농업 지역에서는 프레임워크의 성능이 저하될 수 있습니다.
공개 사항
저자들은 이해관계의 충돌이 없습니다.
감사의 글
본 연구는 공공, 상업 또는 비영리 부문의 어떠한 지원 기관으로부터도 특정 연구비를 지원받지 않았습니다.
재료
| 이름 | 회사 | 카탈로그 번호 | 댓글 |
|---|---|---|---|
| Arduino IDE | Arduino | Version 2.x https://www.arduino.cc/en/software | 통합 개발 환경, ESP32 펌웨어 개발 |
| 정전 용량식 토양 수분 센서 | DFRobot | SEN0193 | 체적 토양 수분 측정; 동작 전압 3.3–5.5 V |
| 클라우드 IoT 플랫폼 | Amazon Web Services | AWS IoT Core https://aws.amazon.com/iot-core | 데이터 저장, 시각화 및 원격 모니터링을 위한 클라우드 기반 IoT 플랫폼 |
| DC 전원 공급 장치 | Mean Well | / | 컨트롤러 및 펌프에 전원 공급; 12 V DC 정전압 출력, 모델: LRS-50-12 |
| DC 워터 펌프 | 시판 제품 | / | 자동 관수; 12 V DC 펌프 |
| 디지털 광강도 센서 | Rohm Semiconductor | BH1750FVI | 주변 광강도 측정; 1–65535 lux |
| ESP32 개발 보드 | Espressif Systems | ESP32-DEVKITC-32D | 듀얼 코어 240 MHz MCU, Wi-Fi/Bluetooth; 센서 데이터 수집 및 관수 제어용 메인 컨트롤러 |
| Microsoft Excel | Microsoft Corporation | Microsoft 365 https://www.microsoft.com/microsoft-365/excel | 데이터 정리 및 시각화를 위한 스프레드시트 소프트웨어 |
| MQTT 브로커 | Eclipse Foundation | Mosquitto v2.x https://mosquitto.org | IoT 메시지 통신; MQTT 프로토콜 |
| Python | Python Software Foundation | Version 3.x https://www.python.org | 데이터 전처리 및 통계 분석용 프로그래밍 언어 |
| 강우 센서 모듈 | DFRobot | / | 아날로그/디지털 출력; 강우 이벤트 감지; 모델: SEN0308 |
| 단일 채널 릴레이 모듈 | Songle | SRD-05VDC-SL-C | 관수 펌프 ON/OFF 스위칭; 5 V 릴레이 |
| 온습도 센서 | Adafruit Industries | DHT22 (AM2302) | 환경 모니터링; 온도 ±0.5 °C; 습도 ±2% RH |
| 웹 브라우저 | Google LLC | Google Chrome (최신 안정 버전) https://www.google.com/chrome | AWS IoT 대시보드 접속 |
| Wi-Fi 라우터 | TP-Link Technologies | / | ESP32와 클라우드 간 무선 통신; IEEE 802.11 b/g/n/ac; 모델: Archer C6 |
참고문헌
- Nhamo G, Chikodzi D, Dube K. Sustainable Development Goals for Society. Vol. 1. Springer International Publishing; 2021.
- Venkatesh R. Effect of hybrid nanofluid and polyethylene glycol/aluminium foam on thermal characteristics and energy storage performance of solar air heater. Appl Therm Eng. 2026;291:130213.
- Ajaj R, Buheji M, Hassoun A. Optimizing the readiness for industry 4.0 in fulfilling the Sustainable Development Goal 1: Focus on poverty elimination in Africa. Front Sustain Food Syst. 2024;8:1393935.
- Hiywotu AM. Advancing sustainable agriculture for goal 2: zero hunger-a comprehensive overview of practices, policies, and technologies. Agroecol Sustain Food Syst. 2025;49(7):1027–55.
- Venkatesh R. Effect of Boron Nitride on Mechanical Characteristics of LDPE Nanocomposite made with Ramie Fiber. J Inst Eng India Ser D. 2024.
- Arun M, et al. Integrated renewable energy supply architecture for advancing hydrogen symbiosis and eco synergistic smart grid interactions with next generation combustion technologies. Sci Rep. 2025;15(1):25619.
- Venkatesh R. Synthesis and Behavior Study of Basalt Fiber-Made Low-Density Polyethylene Composites Via Injection Mold. J Inst Eng India Ser D. 2024.
- Jayakrishnan R, Johnpaul V, Balasundaram N, Senthilkumar S. Stabilization of black cotton soil in Chittur region in Palakkad using lime, rice husk ash, coir fibre. Indian J Eng. 2026;23:e3ije1709.
- Gopan G, Arun M, Vembu S. Comparison of dimple tube with flat plate collector for solar water heater by using carbon nanofluid. Int J Low-Carbon Technol. 2025;20:820–33.
- Arun M, Barik D, Sridhar KP, Vignesh G. Experimental and CFD analysis of plain and dimples tube at application of solar water heater. Mater Today Proc. 2021;42:804–9.
- Rinesh S, et al. Prediction and classification of solar photovoltaic power generation using extreme gradient boosting regression model. Int J Low-Carbon Technol. 2024;19:2420–30.
- Ogbonnaya EP, et al. Efficacy of moringa oleifera leaf extract as a phytogenic additive in finisher broiler chickens. Discov Agric. 2026;12:e14da3219.
- Giganti P, Borrello M, Falcone PM, Cembalo L. The impact of blockchain technology on enhancing sustainability in the agri-food sector: A scoping review. J Clean Prod. 2024;456:142379.
- Rinesh S, Arun M, Kumar SN, Prajitha C, Kumar AS. Evaluating the type 2 fuzzy logic controller with multilayer perceptrons for optimal tracking of solar photovoltaic systems. Int J Low-Carbon Technol. 2025;20:394–403.
- Gupta S, et al. Operationalizing Digitainability: Encouraging mindfulness to harness the power of digitalization for sustainable development. Sustainability. 2023;15(8):6844.
- Urugo MM, et al. Journal of agriculture and food research. J Agric Food Res. 2024;18:101316.
- Hong Z, Xiao K. Digital economy structuring for sustainable development: the role of blockchain and artificial intelligence in improving supply chain and reducing negative environmental impacts. Sci Rep. 2024;14(1):3912.
- Arun M, Barik D, Sridhar KP, Dennison MS. Thermal performance of a dimpled tube parabolic trough solar collector (PTSC) with SiO2 nanofluid. Int J Photoenergy. 2022;2022(1):8595591.
- Vărzaru AA. Unveiling digital transformation: a catalyst for enhancing food security and achieving sustainable development goals at the European Union level. Foods. 2024;13(8):1226.
- Zhang J, Zhang W. Harnessing digital technologies for rural industrial integration: a pathway to sustainable growth. Systems. 2024;12(12):564.
- Vahdanjoo M, Sørensen CG, Nørremark M. Digital transformation of the agri-food system. Curr Opin Food Sci. 2025;63:101287.
- Khan N, et al. Potential role of technology innovation in transformation of sustainable food systems: A review. Agriculture. 2021;11(10):984.
- Singh V, Borisagar D, Singh OP, Verma SK. Enhancing agricultural competitiveness: harnessing value chains and agro-processing for sustainable growth. In: Sustaining the Global Agriculture Supply Chain. IGI Global Scientific Publishing; 2025. p. 37–72.
- Bocean CG. A longitudinal analysis of the impact of digital technologies on sustainable food production and consumption in the European Union. Foods. 2024;13(8):1281.
- Dayıoğlu ME, Türker UF. Digital transformation for sustainable future-agriculture 4.0: A review. J Agric Sci (Tarim Bilimleri Derg). 2021;27(4).
- DataIntelo. Agriculture Digital Twin Market Report: Global Industry Analysis, Growth, Trends, and Forecast. DataIntelo Research; 2025. Available from: DataIntelo Agriculture Digital Twin Market Report.