Performance Test of Agricultural By-product Collecting Monitoring System

Research
Seung-Jun Kim12Jeong-Hun Kim12Ju-Seok Nam1,2*

Abstract

In this study, the agricultural by-product collecting monitoring system was designed by using load-cell and perform performance test. Because the load-cell is very sensitive to vibration and external environment, it is important to increase the collecting monitoring system. Therefore, calibration was performed for each using load-cell and upper loading plate area using a weight. As a result, the maximum error rate between the actual weight of the and the weight measured by each load-cell was 0.58%, 0.22%, 0.50%, and 0.33%. Also, the maximum error rate between the actual weight of the weight for each upper loading plate area was 1.39%, 1.80%, 0.45%, 0.92%, and 0.43%. A performance test of the agricultural by-product collecting monitoring was performed using apple tree pruning branches generated in actual orchard farm. After operating the agricultural by-product collector, the pruning branches were distributed in the loading part and the actual pruning branches was compared with the weight measured by the agricultural by-product collecting monitoring system. As a result of the performance test, the average error rate and the maximum error rate were measured to be 1.93% and 4%. Therefor, it is determined that the agricultural by-product collecting monitoring system operates normally.

Keyword



Introduction

최근 펠릿을 비롯한 농업부산물을 이용한 바이오매스 생산의 부가가치 창출이 농촌의 새로운 소득원이 될 가능성이 주목받고 있다(GRI, 2016). 바이오매스의 에너지원이 되는 농업부산물에는 볏짚, 왕겨, 과수 전정가지 등이 있다. 농업부산물의 대부분을 차지하고 있는 볏짚과 왕겨는 대부분 사료와 퇴비로 사용되는 반면, 과수 전정가지의 경우 굵은 가지는 27%, 잔가지는 25%를 소각하는 것으로 조사되었다(Park et al., 2013). 농업부산물을 소각하는 가장 큰 원인으로는 일손 부족이 36%를 차지했으며, 활용처 부족이라는 이유도 23%를 차지하였다(Park et al., 2013). 벼농사의 경우 기계를 통한 부산물 수집이 상용화 되었지만, 밭이나 과수농가의 경우 순수 인력으로 부산물을 수집하고 있다(Kim et al., 2000; RDA, 2015). 따라서 소각하거나 폐기하는 과수 전정가지를 활용한다면 바이오매스 자원으로 부가가치 창출을 기대할 수 있을 것이다. 사과나무 전정가지는 과수지 농업부산물 중 바이오매스 가용 잠재량이 가장 높다(Lee et al., 2017). 사과나무 전정가지의 수집을 기계화한다면, 농가에 요구되는 노동부하를 줄이고 펠릿과 같은 바이오매스 생산을 통한 부가가치 창출로 경제적 파급효과가 클 것으로 예상된다(Lee et al., 2017). 따라서, Hwang 등은 농업부산물 중 사과나무 전정가지를 타겟 농업부산물로 선정하고 과수농가에서 활용가능한 농업부산물 수집기의 개념설계를 수행하였다(Hwang et al., 2020).

농업부산물 수집기를 실제 농가에서 활용할 때 농업부산물 수집기 적재부의 적정 적재량을 초과하지 않고 농업부산물을 수거하거나 수집된 농업부산물의 양을 실시간으로 확인하기 위하여 농업부산물 수집량 모니터링 시스템을 필요로 한다. 수집량 모니터링 시스템은 정밀농업에 있어 즉각적인 수집량과 소득 정보를 측정할 수 있는 중요한 요소 중 하나이며, 농산물의 재배 및 수확에 활용가능한 수집량 모니터링 시스템에 대한 연구가 수행되었다. Kabir 등은 소규모 감자밭을 대상으로 하여 로드셀과 플레이트로 구성된 시스템과 CCD 카메라를 이용한 시스템 각각 2개의 모니터링 시스템을 개발 및 테스트하였다(Kabir et al., 2018). 감귤 수집기에 컨트롤러 박스, GPS 및 임팩트 플레이트로 구성된 모니터링 시스템을 제작하고 로드셀을 활용하여 감귤의 수집량 모니터링 정확도를 시험하였다(Maja and Ehsani, 2010). Chang 등(2012)은 블루베리 수집량 모니터링을 위해 GPS와 2개의 디지털 카메라로 구성된 차체를 만들고 차체의 부착된 카메라와 GPS를 이용하여 블루베리 이미지 촬영 및 수집된 위치 정보를 바탕으로 위치에 따른 블루베리 수집량 모니터링 시스템을 개발 및 시험하였다. Lee 등(2018)은 감자를 대상으로 카메라와 MATLAB을 이용한 툴박스를 통하여 감자의 크기로부터 감자의 무게를 도출하여 감자의 수집량을 측정하는 모니터링 시스템을 개발하였다. 이와 같이 수집량 모니터링 시스템을 농업부산물 수집기에 부착하면 수집과 동시에 수집된 부산물의 양에 대한 파악이 가능할 것이며, 수집된 정보를 통하여 농업부산물 보다 체계적으로 활용할 수 있을 것으로 판단된다.

본 연구에서는 사과나무 전정가지를 대상으로 한 농업부산물 수집기에 로드셀, 정션박스, DC/AC 인버터, 적재판과 로드셀로 구성된 농업부산물 수집량 모니터링 시스템을 제작하고 농업부산물의 실제 중량과 측정 중량을 비교하는 성능시험을 수행하여 수집량 모니터링 시스템의 정확도를 판단하였다. 이를 통해 농업부산물의 수집량을 파악하고 체계화하여 과수농가의 노동력 감소, 환경오염 완화, 바이오매스를 통한 부가가치 창출 등의 효과를 기대할 수 있을 것으로 판단된다.

Materials and Methods

농업부산물 수집기

기존 Hwang 등에 의하여 개념설계가 수행된 농업부산물 수집기의 형상은 Fig.1 에서와 같다. 농업부산물 수집기는 수집부, 이송부, 적재부, 주행부로 구성되었으며, 각 부의 특징 및 기능은 다음과 같다.

a) 수집부: 종축회전형 작동방식을 수집솔에 적용하여 지면의 사과나무 전정가지를 수집한다. 굴곡진 지형에서의 수집효율을 높이기 위하여 수집솔과 지면사이의 유격을 0 mm로 선정하였다.

b) 이송부: 수집된 사과나무 전정가지를 컨베이어 벨트를 이용하여 적재부로 이송한다.

c) 적재부: 사과나무 전정가지의 크기를 고려하여 적재함의 크기를 900 × 1,100 × 450 mm로 설계하였으며, 수집된 사과나무 전정가지를 적재한다.

d) 주행부: 동력운반차의 작동방식을 토대로 보행형 및 무한궤도를 적용하였다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Figure_PASTJ_22-010_F1.png

Fig. 1. Shape of agricultural by-product collector.

농업부산물 수집량 모니터링 시스템

농업부산물 수집량 모니터링 시스템은 로드셀을 사용하여 구성하였으며, 농업부산물 모니터링 시스템의 형상은 Fig. 2에서와 같다. 주요 구성요소의 특징은 다음과 같다.

a) 정션박스: 4개의 로드셀 센서 배선을 5채널의 졍션박스를 이용하여 인디케이터에 연결한다.

b) 인디케이터: 로드셀을 통해 실시간 무게를 표시하고 과적재를 방지하기 위해 알람시스템을 적용하였다.

c) DC/AC 인버터: 직류전원을 모니터링 시스템에 적합한 교류전원으로 변환한다.

d) 적재판: 상/하부 적재판은 농업부산물 수집기 적재함 크기를 고려하여 각각 1,100 ×900 및 1,060 × 860 mm의 크기로 설정하였으며, 상부 적재판은 농업부산물을 적재, 하부 적재판은 상부 적재판과 로드셀을 지지하도록 설계하였다.

e) 로드셀: 제원은 Table 1에서와 같으며, 사용된 로드셀은 싱글 포인트 타입으로 한쪽으로 만 하중을 받아야 하므로 로드셀과 적재판 사이에 지그를 사용하여 Fig. 3에서와 같이 S자 형상으로 체결하였다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Figure_PASTJ_22-010_F2_1.png

Fig. 2. Agricultural by-product monitoring system.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Figure_PASTJ_22-010_F2_2.png

Fig. 3. Combination method of load cell and loading plate.

Table 1. Specifications of load-cell.http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Table_PASTJ_22-010_T1.png

농업부산물 수집량 모니터링 시스템 캘리브레이션

농업부산물 수집량 모니터링 시스템의 상/하부 적재판 각 모서리에 총 4개의 로드셀을 결합하여 구성하였다. 로드셀은 외부 환경변화에 민감하므로 농업부산물 수집량 모니터링 시스템이 실제 농작업 환경에서 사용하기 위해 농업부산물 수집량 모니터링 시스템의 계측 정확성을 높일 필요가 있다. 따라서, 농업부산물 수집량 모니터링 시스템에 사용된 각 로드셀 및 상부 적재판 구역별 캘리브레이션을 수행하였다. 각 로드셀 캘리브레이션을 수행하기 위해 6 kg 분동 5개를 사용하여 로드셀을 통해 측정된 중량과 분동의 실제 중량을 비교하여 각 로드셀의 캘리브레이션 시트를 제작하였다. 각 로드셀 캘리브레이션 후, 적재 위치별 중량 측정 오차를 판단하기 위해 상부 적재판을 Fig. 4에서와 같이 A, B, C, D, E 구역으로 구분하였으며, 적재부의 최대 적재량이 100 kg 인 것을 고려하여 20 kg 분동 5개를 사용하였다. 분동의 실제 중량과 인디케이터를 통해 측정된 중량을 비교하여 상부 적재판 구역별 캘리브레이션을 수행하였다. 각 로드셀과 상부 적재판 위치별 캘리브레이션을 수행한 후 식 (1)을 통하여 최대 오차율을 계산하였다.

C = http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/EQ_PASTJ_22-010_eq1.png×100 (1)

Where, C: Maximum error rate between the actual weight and the weight measured by the indicator (%)

MA: Actual weight (kg)

MB: Weight measured by the indicator (kg)

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Figure_PASTJ_22-010_F3.png

Fig. 4. Classification of upper loading plate areas..

농업부산물 수집량 모니터링 시스템 성능시험

농업부산물 수집량 모니터링 시스템의 주요 구성요소인 로드셀은 외부 진동과 온도에 민감하다. 따라서, 농업부산물 수집기 작동 시 발생하는 차체진동과 실제 농가와 비슷한 환경에서의 계측 정확성을 판단하기 위하여 성능시험을 수행하였다. 강원도 춘천시 발산리 소재의 과수농가에서 발생한 사과나무 전정가지를 사용하여 농업부산물 수집량 모니터링 시스템 성능 시험을 수행하였다. 수집한 전정가지는 1 ~ 5 kg으로 1 kg 단위로 분류하였으며, 1 kg 단위로 분류된 사과나무 전정가지를 전자저울을 사용하여 실제 중량을 측정하였다. 농업부산물 수집기가 작동하는 상황을 고려하여 Fig. 5에서와 같이 무작위로 분포하였다. 또한, 농업부산물 수집기 작동 후 차체 진동이 발생하는 상황에서 농업부산물 수집량 모니터링 시스템을 통하여 측정된 중량과 실제 중량을 비교하였다. 실험은 총 3반복 수행하였다.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Figure_PASTJ_22-010_F4.png

Fig. 5. Example of agricultural by-product performance test.

Results and Discussion

농업부산물 수집량 모니터링 시스템 캘리브레이션 결과

각 로드셀의 캘리브레이션 결과와 상부 적재판 각 구역별 캘리브레이션 결과는 각각 Fig. 6, 7에서와 같으며, 최대 오차율 및 평균 최대 오차율은 Table. 2, 3에서와 같다. 각 로드셀의 캘리브레이션 결과, 실제 중량과 인디케이터를 통해 표시된 중량과의 최대 오차율은 0.58%, 0.22%, 0.50%, 0.33%로 나타났으며, 결정계수(R2)는 0.99 이상으로 측정되었다. 상부 적재판 각 구역의 캘리브레이션 결과 각 구역별 실제 중량과 인디케이터를 통해 표시된 중량과의 최대 오차율은 1.39%, 1.8%, 0.45%, 0.92%, 0.43%로 측정되었으며, 결정계수(R2)는 0.99 이상으로 측정되었다. 각 로드셀 캘리브레이션을 수행하였을 때에 비하여 고중량의 분동을 사용하여 상부 적재판 각 구역 캘리브레이션을 수행하였을 때 오차율이 더 높게 계측되었다. 하지만 최대 오차율이 2% 미만이기 때문에 농업부산물 수집량 모니터링 시스템에 적용된 각 로드셀의 측정 정밀도는 높은 것으로 판단된다. 또한, 상부 적재판 위치별 측정 오차는 낮은 것으로 확인되며, 로드셀의 최대측정중량 범위 내에서 정밀 측정이 가능하다.

Table 2. Maximum error rate of each load cell.http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Table_PASTJ_22-010_T2.png
Table 3. Maximum error rate of upper loading plate area.http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Table_PASTJ_22-010_T3.png
http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Figure_PASTJ_22-010_F5.png

Fig. 6. Example of agricultural by-product performance test.

http://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Figure_PASTJ_22-010_F6.png

Fig.7. Example of agricultural by-product performance test.

농업부산물 수집량 모니터링 시스템 성능시험 결과

농업부산물 수집량 모니터링 시스템 성능시험 결과, 사과나무 전정가지 중량 별 평균 측정 중량 및 평균 오차율은 Table 4에서와 같다. 사과나무 전정가지의 실제 중량과 농업부산물 수집량 모니터링 시스템을 통하여 계측된 중량과의 평균 오차율은 각각 3.0%, 1.67%, 2.11%, 1.75%, 1.13%로 측정되었다. 저중량의 사과나무 전정가지도 정밀 측정이 가능하며, 설계된 농업부산물 수집량 모니터링 시스템은 진동 및 외부 온도에도 정밀한 계측이 가능할 것으로 판단된다.

Table 4. Results of monitoring system performance testhttp://dam.zipot.com:8080/sites/pastj/images/PASTJ_22-010_image/Table_PASTJ_22-010_T4.png

Conclusion

본 연구에서는 농업부산물 수집량 모니터링 시스템의 계측 정확성을 확인하기 위하여 캘리브레이션을 진행하였으며, 실제 농가에서 활용여부를 판단하기 위하여 성능 실험을 수행하였다. 각 로드셀 및 상부 적재판 캘리브레이션 결과, 최대 오차율은 각각 0.58% 및 1.8%로 도출되었으며, 결정계수(R2)는 모두 0.99이상으로 나타났다. 또한, 실제 과수 농가에서 발생된 사과나무 전정가지를 수집하고 1 kg에서 5 kg까지 1 kg 단위로 분배하여 실제 중량을 측정하고 인디케이터에 표시된 중량과 비교하였다. 사과나무 전정가지의 실제 중량과 농업부산물 모니터링 시스템을 통해 표시된 무게의 오차율은 각각 3.0%, 1.67%, 2.11%, 1.75%, 1.13%로 나타났다.

로드셀의 경우 진동과 온도에 따라 민감하지만 농업부산물 수집량 모니터링 시스템 성능시험 수행 결과, 최대 평균 오차율은 3.0%로 정밀 계측이 가능할 것으로 판단된다. 농업부산물 수집량 모니터링 시스템 성능시험에 사용된 전정가지의 최대 중량은 5 kg으로 저중량의 전정가지를 사용하였기 때문에 오차율이 크게 측정되었다. 하지만 고중량의 전정가지를 적재하여 중량을 측정하였을 때는 상부 적재판 구역별 캘리브레이션 결과를 통하여 오차율이 크지 않을 것으로 판단된다. 또한, 이와 같이 실제 농가에서 발생하는 상황과 유사한 환경에서 성능시험을 수행한 결과, 진동 및 온도 등의 외부 환경에서도 농업부산물 수집기 모니터링 시스템은 정상적으로 작동하는 것으로 판단된다. 따라서, 농업부산물 수집량 모니터링 시스템을 농업부산물 수집기에 부착하여 사용한다면, 농업부산물 수집기의 활용가치는 매우 우수할 것으로 판단된다. 향후 연구로써 다양한 환경 및 토양조건에서의 필드실험을 통하여 농업부산물 수집량 모니터링 시스템의 정확성을 확인할 필요가 있다.

Acknowledgements

본 결과물은 농림축산식품부의 재원으로 농림식품기술기획평가원의 농식품기술융합창의인재양성사업의 지원을 받아 연구되었음(320001-4). 또한, 본 결과물은 농림축산식품부의 재원으로 농림식품기술기획평가원의 농식품기술융합창의인재양성사업의 지원을 받아 연구되었음(716001-7).

References

1 Chang YK, Zaman Q, Farooque AA, Schumann AW, Percival DC. 2012. An automated yield monitoring system II for commercial wild blueberry double-head harvester. Computers and Electronics in Agriculture 81: 97-103.  

2 GRI(Gyeonggi Research Institute). 2016. A Strategy for Agricultural Waste to Energy. [in Korean]  

3 Hwang SJ, Kim JH, Nam JS. 2020. Factorial Experiment for the Collecting Device of an Agricultural By-product Collector. Journal of Biosystems Engineering 45(4): 422-431. [in Korean]  

4 Kabir MS, Swe KM, Kim YJ, Chung SO, Jeong DU, Lee SH. 2018. Sensor Comparison for Yield Monitoring Systems of Small-Sized Potato Harvesters. International Conference on Precision Agriculture 13: 1-7.  

5 Kim JG, Cheung ES, Seo S, Kang WS, Ham JS, Lee SC. 2000. Effects of Management Practices on the Quality of Round Baled Oat Silage. Journal of The Korean Society of Grassland and Forage Science 20(3): 185-192. [in Korean]  

6 Lee CG, Lee SY, Joo SY, Cho LH, Park SY, Lee SH, Oh KC, Kim DH. 2017. A Study on Agricultural by-products for Biomass-to-energy Conversion and Korean Collecting Model. The Korean Society for New and Renewable Energy 13(1): 27-35. [in Korean]  

7 Lee YJ, Kim KD, Lee HS, Shin BS. 2018. Vision-based Potato Detection and Counting System for Yield Monitoring. Journal of Biosystems Engineering 43(2): 103-109.  

8 Maja JM, Ehsani R. 2010. Development of a yield monitoring system for citrus mechanical harvesting machines. Precision agriculture 11(5): 475-487.  

9 Park WK, Shin JD, Lee SI, Kwon SI, Kim JH. 2013. Analysis of the Biomass Resources Utilization and Processing Status in Agricultural sector. Conference of the Korean Society of Soil Fertilizer Conference pp. 308-309. [in Korean]  

10 RDA(Rural Development Administration). 2015. A Study on the Using State of Agricultural Machinery and Mechanized Rate. [in Korean]