양계용 멀티센서 모듈 개발과 데이터 활용 연구

Abstract

전세계적인 코로나19 대유행 상황이 이어지면서, 실내에서의 식품 소비가 증가함에 따라, 닭고기 소비 역시 최근 크게 늘어나게 되었다. 효율적으로 닭고기를 생산하기 위하여, 전세계적으로 육계사에 정보통신기술을 활용한 정밀축산 기술을 적용한 스마트 육계사 기술 개발이 이루어지고 있다. 이러한 스마트 육계사 기술을 구현하기 위해서는, 우선적으로 생산 시설의 반자동화와 함께 내부 환경을 실시간으로 모니터링할 수 있는 시스템의 개발이 필요하다. 본 연구에서는 이러한 스마트 육계사 내 실시간 모니터링에 활용할 수 있는 멀티센서 모듈을 개발 및 활용하여, 실시간 환경 데이터 취득과 Modbus 통신을 통하여 측정 데이터를 웹상에서 확인할 수 있는 시스템을 개발하고자 한다. 구성되는 센서류의 효율적인 활용이 가능하도록, 해당 멀티센서 모듈은 3D 프린터를 활용하여 출력된 플라스틱 인클로저 내에 탑재된 형태로 구현이 되었다. 또한 전산유체역학 분석을 통해, 해당 멀티센서 모듈 내부의 공기 유동 및 온도 분포를 확인하여, 설계된 멀티센서 모듈에 대한 센서 데이터 독립성 및 정확성을 검증하였다. 또한 멀티센서 모델로부터 측정된 데이터를 활용함으로써, 육계의 열스트레스 환경을 대변하는 온습도지수 값을 산출하여, 멀티센서 통합이 가능하도록 하였다. 또한 육계 사육 베드의 양 끝 두 지점에서 측정된 데이터를 통해 추정된 육계 사육 베드에서의 일일 오염원 생성량 데이터를 활용한 다중선형회귀분석을 통해, 육계의 일당증체량을 어림할 수 있는 예측 모델을 설계하여, 최종적으로 설계된 멀티센서 모듈 내에서도 기초적인 센서 융합이 가능하도록 하였다. 그 결과, 설계된 멀티센서 모듈은 센서의 데이터에 대한 독립성 및 정확성을 보장하여, 환경 데이터 계측을 하는데 문제없이 활용할 수 있음을 확인하였다. 두 지점에서 측정된 온습도지수 값의 경우, 각각 80.18±1.08, 80.62±1.06로 나타나, 작업자와 육계 모두에게 고온의 열 스트레스 부하가 발생하고 있다는 것을 확인하였다. 그리고 육계의 일당증체량의 경우, 이는 SPSS 다중선형회귀분석을 통해 수립된 모델에 의해, 일일 육계 사육 베드 내 최대 온도차와 최대 이산화탄소 생성량의 비례합으로 나타나게 되었으며, 모델의 정확도에 대한 R2 값이 0.8965로 나타나, 해당 예측 모델이 상당히 정확한 예측 성능을 가진다는 것 역시 확인할 수 있었다.

As the global COVID-19 pandemic situation has been continued, the food consumption at home has increased as well. As a result, the consumption of chicken has also increased significantly recently. In order to breed broilers efficiently, the development of precision livestock farming technology using information and communications technology is being carried out worldwide, in the form of smart broiler house. In order to adjust precision livestock farming to broiler production, first of all, it is necessary to develop a system that can monitor the internal environment in real time along with semi-automation of production facilities. This research aims to develop a system that can verify data measurement on the web through real-time environmental data acquisition and Modbus communication, by developing and utilizing a multi-sensor module that can be used for real-time monitoring within the smart broiler house. The multi-sensor module was built as mounted in the customized plastic enclosure using a 3D printer, to use the sensors efficiently. By checking air flow and temperature distribution inside the multi-sensor module with computational fluid dynamics analysis, the sensor data independence and accuracy were verified, ensuring the performance of the developed sensor module. Multi-sensor integration was used to calculate temperature humidity index values which represent the thermal stress environment of the smart broiler house. Based on the environmental data measured at both ends of the breeding unit, a predictive model of broilers daily body weight gain was created by a multi-linear regression. As a result, it was confirmed that the designed multi-sensor module could guarantee the independence and accuracy of the sensors data, and thus could be used without any problem in measuring environmental data. Temperature humidity values measured at two different points were 80.18±1.08 and 80.62±1.06, respectively, indicating that both workers and broilers were under high-temperature thermal stress. The daily body weight gain prediction model established through multi-linear regression was appeared to be the proportional sum of the maximum daily temperature difference and the maximum daily carbon dioxide generation from the breeding bed. The R-squared values of the model was 0.8965, indicating that the prediction model had a high accurate prediction performance.