예찰 로봇을 개발하게 된 이유
농업에서 유통은 중요하지만, 그 이전 단계인 생육 관리 또한 안정적인 수확을 위해 필수적입니다. 농작물을 수확하기 전까지 상태를 지속적으로 관찰하고 진단해야만 품질과 수확량을 일정하게 유지할 수 있기 때문입니다.
우리가 목표한 일을 달성하고자 할 때도 중간에 계획한 대로 잘 진행되고 있는지 파악하는 게 중요한 것과 비슷합니다.
이러한 이유로 척박한 농업 분야에 기술로 도움을 주고자 몇 년 전부터 생각한 아이디어가 있습니다.
‘예찰 로봇’으로 농작물의 상태를 파악하고 수확량을 예측할 수 있게 해 농가에 직접 도움을 주고 싶었습니다. 하지만 실제로 그 결과를 눈으로 보기까지는 너무나 많은 어려움이 존재했습니다.
제대로 굴러가는 로봇을 만드는 데 1-2년이 넘게 걸렸고, 의미 있는 데이터를 뽑아보기까지 또 1년이 걸렸습니다. 그리고 그 과정에서 예상치 못한 일들도 정말 많았습니다.
그래서 오늘은 약 3년간의 온실 내 자율 주행의 꿈을 이루고자 만든 ‘헤르마이(HERMAI)’라는 로봇의 개발 고군분투기를 적어 보고자 합니다.
물론 아직 완벽한? 예찰 로봇으로의 갈 길은 멀었지만 약 3년간의 아이오크롭스의 ‘헤르마이’ 로봇 제작 이야기를 통해 로봇 제작에 관심이 있으셨던 분들, 그리고 실제 농작업을 하시는 분들에게 도움이 되고자 하는 마음에서 글을 써보고자 합니다.
기대와 현실 사이
2024년 6월, 3년여 작업 끝에 농가에서 필드 테스트를 진행했는데 우리가 제작한 ‘헤르마이’ 로봇이 줄기에 걸려 작동하지 못하고 있다는 소식을 들었을 때, 예상보다 ‘앞으로 풀어야 할 숙제가 더 많구나’라고 생각했습니다.
‘헤르마이’의 레일 인식 문제, 조도 변화에 대한 민감도, 복잡한 운영 시나리오까지… 처음 우리가 기대했던 장밋빛 예상과는 다르게 로봇을 현장에 투입하면서 나타나는 물리적 한계들이 생각보다 많았던 것입니다.
돌이켜 긍정적으로 생각해 보면 해당 테스트로 로봇의 성능에 치명적일 수도 있는 개선 포인트를 발견한 점도 있지만, 당시엔 공들여 개발한 로봇이 농가에 큰 도움이 되지 못한 것 같아 아쉬운 마음이 너무 컸습니다.
2023년 초기에는 더 곤혹스러운 일이 있었는데, 몇몇 농가에 그간 우리가 수집한 데이터를 보여주었는데 "그래서 뭐 어쩌라고?" 같은 싸늘한 반응이 돌아왔습니다. 우리는 의미 있다고 생각한 데이터를 보여줬는데, 그게 농가에게는 전혀 도움이 되지 않는다는 반응이었습니다.
예상과는 다른 반응에 우린 무언가 잘못되었음을 알았고, 문제점이 무엇인지를 파악하고 개선해 직관적으로 현재 상태를 보여주는 대시보드로 변경하는 작업을 시작하게 되었습니다.
대부분의 농가에서 ‘이들이 과연 어떻게 할지 궁금해하며 관심을 보이지만 "잘 하겠어?"라는 의심의 눈초리를 보내는 것도 당시엔 당연하다고 느꼈습니다. 그간 우리가 만든 로봇이 실제 농가 작업에 큰 도움이 되지 못했기 때문입니다.
의심에서 확신으로, ‘헤르마이가 만들어갈 변화’
현장에서 직접 경험하면서 깨달은 것은 농장에서 진행하는 접근법과 연구소에서 상상하고 생각하는 것이 완전히 달랐다는 것입니다. 연구소에서는 하나하나 모든 것을 정확하게 보려고 하지만, 실제 농장에서는 그럴 여유가 없습니다.
로봇이 모든 레일을 돌아다닐 수도 없고, 농작업 스케줄을 고려해야 하기 때문에 구역별로 10~20%의 일부 레일을 통해서만 데이터를 수집할 수밖에 없어서 부분을 보고 전체를 판단해야만 합니다.
그래서 우리는 이를 해결하기 위해 큰 수의 법칙에 의존하기로 했습니다. 일부 데이터에서 오류가 발생하더라도 충분히 많은 데이터를 모으면 노이즈가 상쇄되어 의미 있는 평균치를 만들어낸다는 믿음이 있었습니다.
기존 농가들이 가진 몇 개의 샘플링으로 수기 측정하는 것과 달리, 우리는 모수를 10의 4제곱만큼 증가시켜 수천, 수만 개의 생육 데이터를 기반으로 하니 개별 오차보다는 전체 트렌드가 더 중요해진 것입니다.
그리고 작물마다 완전히 다른 접근법이 필요하다는 것도 알게 되었고 실제 상업 농가에 필요한 것을 만들고자 농가의 피드백도 적극 받아들이게 되었습니다.
토마토는 매주 2~3번 수확하기 때문에 농가에서는 수확량이 얼마나 될지가 가장 큰 관심사입니다. 수확량 예측은 1주일 후가 비교적 정확한 편인데, 3일과 6일 후 값을 합쳐서 보여주기 때문입니다. 반면 3일 후 단일 예측은 정확도가 현저히 떨어집니다.
파프리카는 또 다른 이야기인데, 8~9주라는 긴 사이클로 진행되다 보니, 농가에서는 1주일 후의 결과뿐만 아니라 현재 상태가 어떤 단계인지도 많이 궁금해하고, 4~5주 후에 발생할 일도 미리 예측하고 싶어 합니다.
_%E1%84%8C%E1%85%A5%E1%86%BC%E1%84%8B%E1%85%B4.png%3Ftable%3Dblock%26id%3D21501885-b34b-80e9-972d-c488fbe41c1d%26cache%3Dv2&w=1920&q=75)
해담토나 참그린 같은 파프리카 농장과 실제로 이러한 흐름 데이터를 만들어 논의를 진행하면서 농가들이 생육 방향을 미리 알고 유통 시장과 작물 상태를 조절하며 최적의 선택을 하려는 니즈가 강하다는 걸 확인할 수 있었습니다. 착과에서 수확까지의 사이클 안에서 현재가 몇 단계인지, 다음 주는 어느 단계인지를 보여주는 것만으로도 충분히 가치가 있었던 것입니다.
시행착오 끝에 의미 있는 데이터를 얻었어도 현실은 녹록지 않았습니다. 우리 제품 모델의 수확량 예측은 아직 변동성이 컸기 때문에 높을 때는 90% 정확도를 보이지만, 농작업 스케줄이 바뀌거나 날씨가 급변하면 40%로 정확도가 떨어질 때도 있었습니다.
평균적으로는 75~80% 수준으로 연구소나 100평, 200평 단위의 통제된 환경에서는 평균보다 훨씬 좋은 결과가 나오지만, 5,000평 이상 규모의 상업용 온실에서 매주 진행해서 얻은 데이터는 비교할 대상이 없었습니다. 그래서 일단은 정확도가 우선이라는 결론을 내리게 되었고, 이를 높이는 작업에 몰두하기로 결정했습니다.
‘헤르마이’가 앞으로 풀어야 할 숙제
여러 시행착오를 거쳤어도 아직까지 가장 두려운 순간은 농가의 반응을 확인할 때입니다. 우리 예측치가 농가 예상과 비슷하게 나오면 "음~ 그래~ 그 정도일 것 같다"라는 정도의 반응이 돌아오지만 예측치가 오버슈팅해서 높게 나오면 "와.. 그렇게 나오면 좋겠네요..."라는 뭘 모른다는 듯한 반응이 돌아옵니다. 이렇게 농가의 반응을 확인하게 되는 순간이 늘 시험 치는 듯한 기분입니다.
우리가 만들고 있는 ‘헤르마이’가 극복해야 할 과제는 환경 변화 요인을 정확하게 반영할 수 있도록 하는 것입니다. 하랑이나 로즈밸리 농가에서도 최근 2~3년간 기후 환경이 많이 변했다고 말하는데, 온도 변화 같은 환경 데이터를 모델에 포함시킨다면 이런 급변 상황을 더 잘 예측할 수 있을 것이라 생각하고 있습니다.
로즈밸리 농가에서 진행하는 시범 서비스가 끝나면 재정비를 하고 하반기에 알고리즘 업데이트를 진행할 예정인데 과실을 빠짐없이 카운팅하고 분류하는 것부터, 해가 뜨고 질 때의 발생하는 조도 변화에도 강건하게 대응하는 것까지 성능 업데이트까지 진행할 예정입니다.
우리는 여전히 많은 과제를 안고 있습니다. 하지만 2년 전 아무것도 없던 상태에서 시작했던 그때를 떠올리면 지금은 분명히 한 걸음씩 앞으로 나아가고 있습니다.
앞으로 ‘헤르마이’는 계속 발전해 나갈 것이고, 더 많은 농가와 더 많은 실질적인 변화를 만들어 나갈 것입니다.
아이오크롭스가 개발한 로봇 ‘헤르마이(HERMAI)’에 대해 자세히 알고 싶다면?
아이오크롭스(ioCrops)가 개발한 헤르마이 로봇은 AI 비전 기술을 통해 작물의 생육 상태를 실시간으로 모니터링해 농작물의 수확량을 예측하고, 최고의 재배 전략을 제시해 드립니다.
현장에서 예찰이 필요한 상황이 있다면 저희가 직접 방문하여 도움을 드리겠습니다.
궁금한 점이 있다면 언제든지 문의해 주세요!
Share article
