조사원이 폭염 속 논에 직접 들어가 일일이 확인하던 벼 생육 조사가 영상과 인공지능 기반으로 바뀐다.

고정형·이동형 장비가 같은 지점의 영상을 매일 수집하면 AI가 포기와 가지 수, 이삭 패는 시기와 예상 수량을 분석해 현장 방문과 조사 노동력을 60% 이상 줄일 수 있다.

농촌진흥청(청장 이승돈)은 벼 생육 조사에 영상과 인공지능을 적용한 ‘인공지능 벼 생육 모니터링 시스템’을 구축하고 현장 적용성과 효과를 검증하고 있다고 밝혔다.

농진청은 시스템 적용 지점을 단계적으로 확대해 2030년까지 전국 690개 벼 생육 조사 지점에 설치할 계획이다. 장기적으로는 벼에서 확보한 영상·AI 기술을 다른 작물에도 적용해 인력 중심의 생육 조사체계를 데이터 기반으로 전환한다.

폭염에도 매일 생육 확인…현장 방문 횟수 줄여

벼 생육 조사는 농업인의 재배 관리와 농업 연구, 수급 전망과 정책 수립에 필요한 기초자료다. 최근 폭염과 집중호우, 병해충 등 농업재해가 잦아지면서 생육 상태를 더욱 자주 확인해야 할 필요성도 커지고 있다.

현재는 조사원이 논에 직접 들어가 벼의 생육 상태와 수량 관련 형질을 측정한다. 조사에 많은 시간과 인력이 필요하고, 폭염이나 집중호우가 발생하면 현장 접근과 작업에도 어려움이 따른다.

국립식량과학원이 구축한 시스템은 동일한 지점의 영상을 하루 단위로 수집·분석해 벼의 생육 변화를 매일 확인한다. 조사원이 논을 방문하는 횟수와 현장 조사 시간을 줄여 생육 조사 노동력을 60% 이상 절감할 수 있다는 설명이다.

재식밀도 97%·분얼수 98%·출수기 99% 정확도

시스템은 ▲영상 수집 장비 ▲영상 기반 생육 조사 AI 모델 ▲벼 생육 모니터링 플랫폼으로 구성된다.

국립식량과학원은 2023년부터 전국 도 농업기술원 19개소에 고정형 영상 수집 장비를 설치해 데이터를 축적하고 있다. 2025년에는 설치와 이동이 쉬운 이동형 장비를 개발해 시군 농업기술센터를 포함한 86개소로 운영 지점을 확대했다.

수집된 영상은 AI 모델을 통해 벼 생육과 수량 관련 형질로 변환된다. 현재 분석 정확도는 단위 면적당 포기 수인 재식밀도 97%, 가지 수인 분얼수 98%, 이삭이 패는 시기인 출수기 99% 수준이다.

이삭 면적을 기반으로 한 쌀 수량 분석 모델의 정확도는 88%다. 농촌진흥청은 생육 형질 분석 정확도를 99%, 수량 분석 모델은 95% 수준까지 높일 계획이다.

플랫폼서 영상·분석 결과 통합 관리

촬영 영상과 AI 분석 결과는 ‘벼 생육 모니터링 플랫폼’에서 통합 관리된다.

현재 플랫폼은 도 농업기술원 19개소에 설치된 고정형 영상 수집 장비의 데이터를 기반으로 운영된다. 농촌진흥청은 이동형 장비에서 확보한 데이터도 플랫폼에 연동할 수 있도록 기능을 개선할 예정이다.

고정형 장비는 같은 지점의 장기적인 생육 변화를 연속적으로 관측하고, 이동형 장비는 필요한 지역에 신속하게 설치할 수 있어 조사 범위와 활용성을 함께 높일 수 있다.

드론으로 쓰러짐·벼멸구 피해 면적까지 분석

영상과 AI를 활용한 농업재해 분석 기술도 개발하고 있다.

농진청은 드론 촬영 영상을 이용해 태풍과 집중호우 등에 따른 벼 쓰러짐 피해와 벼멸구 발생 면적을 분석하는 프로그램을 개발했다. 사람이 넓은 논을 일일이 조사하지 않고도 피해 범위와 규모를 빠르게 파악할 수 있는 기반을 마련한 것이다.

앞으로 생육과 수량 조사뿐 아니라 병해충과 기상재해 진단을 연계하면 피해 상황을 조기에 확인하고 방제·복구 의사결정을 지원하는 데 활용할 수 있을 것으로 기대된다.

김기영 농진청 기초식량작물부장은 “인공지능 벼 생육 모니터링 시스템은 기존의 인력 중심 조사 방식을 데이터 기반으로 전환하는 농업 분야 인공지능 전환(AX)의 핵심 성과”라며 “벼 생육과 수량 조사뿐 아니라 재해 진단 등으로 영상·AI 기술의 활용 범위를 넓히고 연구 성과가 농가 현장에서 활용되도록 하겠다”고 말했다.