About Jiwell Farm
Where Living Systems
meet Thinking Systems
지속가능한 미래 농업을 위한 혁신적 기술로
생명 시스템과 지능 시스템의 완벽한 융합을 실현합니다
Jiwell Farm의 의미
Mission
AI와 IoT 기술을 활용한 지능형 아쿠아포닉스 시스템으로 전 세계 식량 안보와 환경 지속가능성 문제를 해결합니다.
Vision
생명 시스템과 지능 시스템이 완벽하게 융합된 미래 농업을 통해 모든 사람이 안전하고 영양가 있는 식품에 접근할 수 있는 세상을 만듭니다.
Core Values
지속가능성
환경을 보호하면서 미래 세대를 위한 자원을 보존하는 농업 시스템을 구축합니다.
혁신
최첨단 AI와 IoT 기술을 농업에 적용하여 기존의 한계를 뛰어넘는 솔루션을 제공합니다.
기술력
깊이 있는 연구와 지속적인 개발을 통해 검증된 기술력으로 신뢰할 수 있는 시스템을 만듭니다.
협력
농업 전문가, 기술자, 연구기관과의 협력을 통해 더 나은 솔루션을 만들어갑니다.
왜 아쿠아포닉스 + AI인가?
🌍 글로벌 문제
- 기후 변화로 인한 농업 생산성 저하
- 물 부족과 토양 오염 심화
- 급격한 인구 증가와 식량 수요 증가
- 전통 농업의 환경 부담 증가
💡 우리의 솔루션
- 90% 물 절약 - 순환 시스템으로 물 사용량 최소화
- 무농약 재배 - 화학 비료와 농약 없이 건강한 농산물
- AI 최적화 - 실시간 데이터 분석으로 최적의 성장 환경 제공
- 수직 농장 - 제한된 공간에서 최대 생산량 달성
Our Journey
프로젝트 시작
연세대학교 컴퓨터공학과 학생들이 지속가능한 농업 기술에 대한 연구를 시작
팀 구성 완료
AI, IoT, 데이터 엔지니어링, 하드웨어 전문가들로 구성된 다학제 팀 결성
프로토타입 개발
첫 번째 아쿠아포닉스 시스템 프로토타입 완성 및 AI 알고리즘 개발
현재 - 시스템 최적화
센서 데이터 수집, 머신러닝 모델 훈련, 자동화 시스템 고도화 진행 중
상용화 준비
투자 유치 및 파일럿 프로젝트 진행, 정식 창업 예정
프로젝트 개요
본 프로젝트는 수경재배와 아쿠아포닉스 시스템을 결합하여 물과 영양분의 효율적인 순환을 통해 자원을 절약하고 환경을 보호하는 친환경 농업 모델을 구축하고자 합니다.
🔬 과학적 접근
pH, 온도, 용존산소, EC 등 다양한 환경 센서 데이터와 식물 성장 이미지를 통합적으로 수집
👁️ 영상처리 기술
YOLOv8 기반 컴퓨터 비전으로 식물과 어류의 실시간 성장 모니터링 및 자동 수확/채집 시기 판단
🤖 AI 기반 분석
인공지능과 머신러닝 기술로 분석하여 식물의 성장 예측, 이상 징후 탐지, 재배 환경의 자동 최적화
⚡ 실시간 자동화
실시간 데이터 기반의 자동 급수, 조명, 영양분 공급 시스템으로 생산성 극대화
시스템 구성 요소
아쿠아포닉스 시스템
어류와 식물이 공생하는 순환 생태계
- 어류 사육 탱크
- 바이오 필터
- 식물 재배 베드
- 순환 펌프 시스템
센서 네트워크
실시간 환경 모니터링 시스템
- pH 센서
- 온도 센서
- 용존산소 센서
- EC (전기전도도) 센서
- 수위 센서
- 조도 센서
영상처리 시스템
YOLOv8 기반 지능형 영상 분석
- 식물 생장 모니터링
- 어류 성장 추적
- 자동 수확 시기 판단
- 질병/이상 징후 탐지
- 실시간 객체 인식
- 성장 패턴 분석
AI 제어 시스템
지능형 분석 및 자동 제어
- 머신러닝 예측 모델
- 이미지 분석 시스템
- 이상 징후 탐지
- 최적화 알고리즘
자동화 장비
스마트 제어 하드웨어
- 자동 급식 시스템
- LED 조명 제어
- 펌프 자동 제어
- 영양분 자동 공급
핵심 기능
AI 기반 성장 예측
머신러닝 알고리즘을 활용하여 식물의 성장 패턴을 분석하고 최적의 수확 시기를 예측합니다. 히스토리 데이터와 실시간 센서 데이터를 종합하여 높은 정확도의 예측 모델을 제공합니다.
실시간 자동 제어
IoT 센서로부터 수집된 데이터를 실시간으로 분석하여 급수, 조명, 영양분 공급을 자동으로 조절합니다. 24시간 무인 운영이 가능한 스마트 제어 시스템입니다.
데이터 기반 최적화
수집된 모든 데이터를 분석하여 시스템 성능을 지속적으로 개선합니다. A/B 테스트와 통계 분석을 통해 최적의 재배 조건을 찾아내어 생산성과 품질을 동시에 향상시킵니다.
YOLOv8 영상처리
최신 YOLOv8 모델을 활용하여 식물과 어류의 성장을 실시간으로 모니터링합니다. 컴퓨터 비전 기술로 최적의 수확 시기를 자동 판단하고, 질병이나 이상 징후를 조기에 감지하여 예방 조치를 취합니다.
기술 스택
🤖 AI/ML
👁️ Computer Vision
📡 IoT/Hardware
💾 Data/Backend
🖥️ Frontend/Mobile
프로젝트 목표
최종 목표
다양한 작물과 환경에 적용 가능한 모듈형 시스템을 설계하여 실제 농업 현장과 도시농업 등 다양한 분야에 실용적으로 적용할 수 있는 솔루션을 개발하는 것이 최종 목표입니다.
연구 및 프로토타입
기초 연구, 시스템 설계, 첫 번째 프로토타입 개발
진행 중AI 모델 최적화
머신러닝 모델 훈련, 정확도 향상, 실시간 처리 최적화
예정상용화 및 확장
제품화, 시장 출시, 다양한 환경으로 확장
미래성공 지표
System Architecture
🖥️ Presentation Layer
⚙️ Application Layer
📡 Communication Layer
🔧 Hardware Layer
AI & Machine Learning
YOLOv8 Object Detection
최신 실시간 객체 탐지 모델로 식물과 어류의 성장을 정확하게 모니터링하고 최적의 수확/채집 시기를 자동 판단합니다.
🎯 핵심 기능
- 실시간 처리: 60fps 고속 영상 분석
- 높은 정확도: 96.7% 객체 인식 정확도
- 다중 클래스: 식물 잎, 열매, 어류 동시 탐지
- 성장 추적: 시계열 데이터 기반 성장 패턴 분석
from ultralytics import YOLO
import cv2
import numpy as np
class AquaponicsDetector:
def __init__(self):
self.model = YOLO('yolov8n.pt')
self.classes = ['plant', 'leaf', 'fruit', 'fish']
def detect_growth(self, frame):
results = self.model(frame)
return self.process_results(results)Deep Learning Framework
TensorFlow와 PyTorch를 활용한 환경 예측 모델로 pH, 온도, 영양분 농도를 사전에 예측하여 최적의 성장 환경을 유지합니다.
📊 예측 모델
- 환경 예측: LSTM 기반 시계열 예측
- 이상 탐지: Autoencoder를 활용한 anomaly detection
- 최적화: 강화학습 기반 자동 제어
- 분석: 다변량 회귀 분석으로 성장 요인 파악
Computer Vision
OpenCV와 딥러닝을 결합한 이미지 분석으로 식물 질병 조기 탐지, 성장 단계 분류, 수확 시기 예측을 자동화합니다.
🔍 분석 기능
- 질병 탐지: CNN 기반 잎 질병 분류
- 성숙도 판단: 색상 및 크기 분석
- 성장률 측정: 3D 볼륨 추정
- 품질 평가: 다중 지표 종합 평가
AI 성능 지표
IoT Hardware Stack
🔬 센서 시스템
pH 센서
Atlas Scientific pH Kit온도 센서
DS18B20 Waterproof용존산소 센서
Atlas Scientific DO KitEC/TDS 센서
Atlas Scientific EC Kit수위 센서
Ultrasonic HC-SR04💻 컴퓨팅 스택
Raspberry Pi 4B
주요 작업
- AI 모델 추론 실행
- 센서 데이터 수집 및 처리
- 웹 서버 및 API 운영
- 클라우드 연동 및 동기화
Arduino Uno R3
주요 작업
- 센서 신호 아날로그-디지털 변환
- 액추에이터 제어 신호 출력
- 실시간 데이터 수집
- Raspberry Pi와 시리얼 통신
ESP32 DevKit
주요 작업
- 무선 센서 노드 운영
- MQTT 프로토콜 통신
- 배터리 전원 관리
- 원격 펌웨어 업데이트
📡 통신 프로토콜
MQTT
경량 메시징 프로토콜로 IoT 디바이스 간 실시간 데이터 전송을 담당합니다.
LoRaWAN
장거리 저전력 통신으로 원격 센서 노드와의 안정적인 연결을 제공합니다.
WiFi 6
고속 무선 연결로 대용량 이미지 데이터와 비디오 스트림을 전송합니다.
Bluetooth 5.0
근거리 센서와의 효율적인 통신 및 모바일 앱과의 직접 연결을 지원합니다.
Data Management Pipeline
데이터 수집 (Collection)
📊 수집 데이터
- 센서 데이터: pH, 온도, 용존산소, EC, 수위
- 이미지 데이터: 식물 성장, 어류 행동, 시스템 상태
- 환경 데이터: 외부 온도, 습도, 조도, 날씨
- 시스템 로그: 펌프 작동, 조명 제어, 에러 로그
데이터 처리 (Processing)
⚡ 실시간 처리
- 데이터 검증: 이상값 탐지 및 필터링
- 정규화: 센서별 스케일 조정 및 단위 통일
- 특성 추출: 이동평균, 변화율, 패턴 분석
- 실시간 알림: 임계값 초과 시 즉시 알림
데이터 저장 (Storage)
🗄️ 다층 저장 구조
- Hot Storage: 최근 7일 데이터 (빠른 접근)
- Warm Storage: 최근 3개월 데이터 (일반 접근)
- Cold Storage: 과거 데이터 (아카이브)
- Edge Storage: 로컬 캐시 (오프라인 대응)
데이터 분석 (Analysis)
🧮 고급 분석 기능
- 트렌드 분석: 장기간 성장 패턴 및 환경 변화 추적
- 예측 모델링: 머신러닝 기반 성장 및 수확 시기 예측
- 최적화: 자원 사용량 최소화 및 수율 극대화
- 비교 분석: 다양한 재배 조건별 성과 비교
Frontend & User Interface
웹 대시보드
🛠️ 기술 스택
✨ 주요 기능
- 실시간 센서 데이터 모니터링
- AI 분석 결과 시각화
- 시스템 제어 및 설정 관리
- 알림 및 이벤트 로그 관리
- 데이터 내보내기 및 보고서 생성
모바일 앱
🛠️ 기술 스택
✨ 주요 기능
- 원격 모니터링 및 제어
- 실시간 푸시 알림
- 카메라를 통한 육안 검사
- GPS 기반 위치 추적
- 오프라인 모드 지원
보안 & 인프라
🔒 보안 시스템
데이터 암호화
- 전송 암호화: TLS 1.3 end-to-end 암호화
- 저장 암호화: AES-256 데이터베이스 암호화
- 키 관리: HSM 기반 암호화 키 관리
- 접근 제어: OAuth 2.0 + JWT 토큰 인증
네트워크 보안
- 방화벽: iptables 기반 패킷 필터링
- VPN: WireGuard 원격 접속 터널
- 침입 탐지: 실시간 IDS/IPS 시스템
- DDoS 방어: 클라우드 기반 트래픽 분산
시스템 보안
- OS 보안: 정기적인 보안 패치 적용
- 컨테이너: Docker 이미지 취약점 스캔
- 모니터링: 24/7 시스템 로그 분석
- 백업: 암호화된 자동 백업 시스템
☁️ 인프라 스택
클라우드 플랫폼
컨테이너 & 오케스트레이션
모니터링 & 로깅
CI/CD & DevOps
성능 지표
⚡ 시스템 성능
🔧 하드웨어 사양
💻 컴퓨팅 성능
📡 연결성
🔋 전력 관리
기술 로드맵
🚀 MVP 개발 완료
기본 아쿠아포닉스 시스템과 센서 모니터링 기능 구현
🧠 AI 고도화
머신러닝 모델 고도화 및 예측 시스템 구축
🌐 확장 & 최적화
다중 시스템 관리 및 클라우드 확장성 구현
🔮 차세대 기술
양자 컴퓨팅과 신경망 기술을 활용한 혁신적 시스템