대규모 농업과 농촌개발에서 드론과 GIS 활용 그리고 AI

단편적으로 짧은 글을 몇개 적었는데 필요에 의해서 웹에 구현하면서 전체를 정리하는 글을 작성한다.

1. 도입

업무적으로 모두 같은 프로그램을 사용할 수 있으면 쉽겠지만 대다수의 한국인은 네이버나 카카오톡 기반의 모바일 환경에 익숙하다. 사무환경을 갖춘 사람들이라도 일반적인 오피스웨어를 제외하고는 프로그램을 다루는데 익숙하지 않다. 게다가 테블릿이 보급되면서 이런 환경의 제약은 더 강해지고 모바일앱이 없으면 웹앱으로 제공되어야 비로써 정보에 접근 가능하다.

얼굴을 맞대고 일하는 환경에서는 내 장비를 들고가서 보여주면 간단하지만 원거리 환경에서는 다양한 방법을 구사할 필요가 있다. 우선 대중적인 온라인 매체를 통해 글과 사진, 영상을 공유할 수 있다. 하지만 이제 얘기할 3D모델링이나 GIS는 단순히 텍스트와 이미지, 영상 플랫폼에서는 재현하는데 한계가 있어 웹환경을 사용하고자 했다.

2. 웹서버 구축

이전에도 웹호스팅 서비스를 통해 간단한 웹페이지를 운영한 사례는 많았으나 도메인 연결의 문제, 용량의 한계 등으로 확장성에 제약이 있었다. 개인서버를 구축할 수도 있지만 구축비용과 유지보수라는 두가지 어려움이 동시에 존재하기 때문에 쉬운 접근방식은 아니다. NAS Network Attached Storage 가 대중화되고 기능이 강화되면서 활용성이 높아졌다. 특히 인터넷속도의 발전은 웹환경에 더욱 접근이 쉽게 만들어줬다. 아니 인터넷강국에서 지금와서 무슨 소리냐고 할 수 있겠지만, 나는 지난 10여년 이상 캄보디아에서 거주하면서 작년까지만해도 12MBps의 인터넷 환경에 장비를 운용했다.

시놀로지나스를 자료저장용으로 우선 구축한 다음 장비 업그레이드와 소프트웨어 업데이트 과정을 거치고, Cloudeflare와 Tailscale로 보안을 확보한 뒤 웹서버를 가동하고 다수의 웹페이지를 개방했다. 이를 통해 현재 업무와 관련된 홈페이지, 각종 자료를 연결했고 그 중 한가지가 이제 얘기할 3D모델링이다.

3. 드론 사용

영상 촬영용 드론의 사용은 대중화되어 있어 더 언급하지 않겠지만 플랜테이션 개발, 농장관리, 모델링을 위해서는 정사이미지가 필요하다. 위성영상을 활용할 수 있지만 업데이트가 늦고 화질이 낮기 때문에 센티넬 등에서 제공하는 영상은 연습용으로는 쓸 수 있지만 실무에 사용하기에는 모자란 점이 많다. 

정사이미지는 같은 고도로 띄운 드론의 카메라가 바닥을 향해 90도 수직으로 내려다 보이도록 촬영하고 인터벌 촬영 등을 통해 같은 간격으로 사진을 촬영한다. 낮은 고도로 많은 사진을 확보할수록 최종결과물의 화질은 높아지지만 반대로 후작업에 시간이 많이 들고 자료저장과 공유해도 문제가 생긴다. 반대로 너무 높은 고도에서 적은 이미지를 촬영할 경우 낮은 해상도로 인해 AI를 통한 사물인식 결과물이 형편없게 나오게 된다.

4. 정사이미지 생성

다양한 도구가 있는데 Agisoft의 Metashape를 활용했다. 

 

촬영한 이미지를 metashape의 workflow 메뉴에서 정렬, mesh, dem, orthomosaic 등의 과정을 거치면 아래와 같은 이미지를 얻게 된다. 

5. 3d 모델링

프로그램 자체에서는 3d 모델을 확인할 수 있지만 웹에 공유하기 위해서는 Binary glTF로 추출을 해야 한다. 

추출된 파일은 .glb 확장자로 저장된다. 모바일 환경에서는 별도의 앱을 설치해야 하지만 위에서 언급한 문제와 같이 파일을 공유하고 다시 앱 설치를 유도해야 한다는 문제가 있다. 

6. QGIS 활용

정사이미지는 2D이기 때문에 QGIS 와 같은 GIS 툴에 올려서 바로 사용이 가능하다. 거리, 면적 등을 측정할 수 있고 마찬가지로 시계열로 중첩해서 자료를 관리할 수 있다. 관리 지역별로는 화면에 보이는 만큼 지도 형태로 출력해서 공유도 가능하다. 또 정사이미지 위에 표시된 정보들은 shp 등의 파일 형태로 별도 관리나 공유가 가능하다. 농장의 생산현황은 이 단계에서 관리 가능하다. 물론 정사이미지를 AI툴로 분석하여 식생분석도 가능하다.

6-1 웹 공유

가장 쉬운 형태로 공유하기 위해 웹앱 형태로 생성하고 별도의 페이지를 생성했다.

이렇게 정사이미지와 3d 모델을 한 눈에 보이도록 제작했다.

7. 결론: 활용

굳이 왜 이런 작업을 해야 하는지에 대한 고민은 사용자에 달려있다. 국내 농업은 벼재배지를 제외하고 1ha(3천평) 이내다. 조금 높은 곳에서만 바라봐도 육안으로 지형이 판단된다. 하지만 100ha만 넘어가도 평지가 아니면 지형이 보이지 않는다. 물이 차는 곳 빠지는 곳 혹은 주변의 식생에 따라 생육환경이 완전히 바뀐다. 정확한 지형 파악을 통해 식생관리, 재배품목 선정 등의 사전 작업이 가능하다. 생육 도중에는 NDVI를 활용하여 비료를 더 줄지 약을 뿌릴지 결정할 수 있다. 플랜테이션에서는 자연발화, 방화에 의한 화재도 빈번한다. 어떨때는 불이 났는지도 모르고 지나치는 경우도 있는데, 이 경우 작물이 죽고 잡초가 발생하면 인근의 작물에도 피해를 주게 된다. 혹은 정사이미지만으로 혹은 모델링을 통해서 지리와 지형분석을 하고 플랜테이션 관리가 가능해진다.

상업위성을 이용한 서비스가 이미 많이 발달해 있는데 우리나라에서는 익숙하지 않은 것도 같은 이유다. 모든 개인이 이렇게 드론을 띄우고 이미지를 정리하고 분석할 수 없기 때문에 국가주도의 영상촬영과 데이타 분석이 필요한 이유이기도 하다. 또 시계열로 반복해서 수집된 자료들은 AI분석을 통해 더 쉽고 간단히 작황을 파악할 수 있게 되는데 우리나라 사례에서는 이를 수급 조절에 활용할 수도 있게 된다.

대규모농업(200ha 이상)과 국내재배지에서 고화질정사이미지의 획득은 매우 중요하다. 다음에 기회가 되면 기상자료를 연계한 활용 방법도 정리해 예정인데, 고성능 AI가 발달하면서 농업에서도 활용할 방법은 무한해지고 있다.