How It Works
수집에서 제어까지, 한 흐름으로
- 1
통합 데이터 수집
카메라 모듈과 온습도·일사·토양 센서가 생장 영상과 환경 데이터, 제어 로그를 통합 수집합니다.
기온습도일사량토양수분토양 EC영상 - 2
생장 상태 분석
YOLO11 탐지 모델이 과실을 찾아 개수·면적을 정량화하고, 면적 급감 등 생장 이상 후보를 분류합니다.
과실 탐지면적 변화이상 후보 - 3
변화 예측·제어 판단
GRU 모델이 익일 환경을 예측하고, 탐지 결과·생육단계 규칙과 융합해 제어 필요 여부를 판단합니다.
센서 최신값익일 예측탐지 결과생육단계 규칙 - 4
실행·알림·기록
관수 장치 등과 연동해 제어를 실행하고, 이상 징후는 경보로 전달하며 판단 근거까지 로그로 기록합니다.
관수관비차광환기경보
판단 근거 기록
모든 판단에 근거가 남습니다
제어 추천은 센서 최신값, GRU 익일 예측, YOLO 탐지 결과, 생육단계 규칙을 함께 평가한 결과이며, 어떤 값 때문에 그렇게 판단했는지가 로그로 기록됩니다. 농가는 관제 화면에서 관수·관비·차광·환기·경보별로 로그를 필터해 확인하고, 경보는 개별 또는 일괄로 처리합니다.
- 266제어 판단 기록 (근거 포함)실증 기간 중 성공률 90% 이상 평가 진행 중
- 88미확인 경보 처리구역별 경보 사유 표시, 개별·일괄 확인
Before / After
기존 스마트팜과 무엇이 다른가
환경 기준값 중심의 단일 제어에서, 작물의 실제 생장 상태를 반영하는 통합 제어로.
| 구분 | 기존 환경센서 중심 제품 | 크리 AI 통합 분석·제어 시스템 |
|---|---|---|
| 제품 개념 | 태양광 패널·차양 구조 중심의 자동 차양 제품 | 카메라·환경센서·AI 분석모듈·제어보드를 결합한 노지 사과 생육환경 분석·제어 패키지 |
| 데이터 수집 | 일사량·온도 등 일부 환경 데이터 | 온도·습도·일사량·토양수분·토양 EC·토양온도·생장 영상·제어 로그 통합 수집 |
| 영상 분석 | 영상 기반 생장 판단 기능 없음 | 장수 사과로 학습한 YOLO11 과실 탐지, 면적 변화 기반 생장 이상 경보 |
| 예측 기능 | 환경 데이터 기반 차양 필요 여부만 예측 | GRU 익일 환경 예측 + 탐지 결과 융합, 정상/비정상 판단 |
| 제어 방식 | 일사량·온도 기준 차양 중심 제어 | 예측값과 영상 분석을 반영한 관수·관비·차광·환기·경보 통합 추천 |
| 제어 연동 | 차양장치 중심의 단일 제어 | 관수장치·제어보드·통신모듈 연동, 판단 근거 포함 제어 로그 기록 |
우리 과원에도 적용할 수 있을까요?
과원 규모·재배 방식·설치 환경을 알려주시면 맞춤 구성과 도입 절차를 안내해 드립니다.