다중 드론 동시 비행을 통한 노지 작물 현황 및 종류 판별 자율 임무 드론 시스템 개발

1. 과제 제안의 배경 및 필요성

1.1 대한민국 노지 농업의 구조적 위기 심화

대한민국 농업, 특히 재배 면적의 절대다수를 차지하는 노지 농업은 현재 다층적이고 복합적인 위기에 직면해 있다. 기후변화의 가속화, 농촌 인구 구조의 붕괴, 그리고 기술 도입의 불균형은 서로 맞물려 상승작용을 일으키며, 국가 식량 안보의 근간을 위협하는 구조적 한계 상황을 초래하고 있다. 본 연구개발 과제는 이러한 복합 위기에 대응하기 위한 혁신적 기술 해결책을 제시하는 것을 목표로 한다.

1.1.1 기후변화로 인한 생산 불확실성 증대

과거 예측 가능했던 기상 패턴은 더 이상 유효하지 않다. 폭염, 집중호우, 갑작스러운 냉해 등 이상기후 현상이 일상화되면서 노지 작물의 생육 환경은 극도로 불안정해졌다.1 이러한 기후변화는 작물의 개화, 출수 등 생육 주기에 직접적인 영향을 미쳐 생산량의 급격한 변동을 야기하며, 농산물의 품질 저하로 이어진다.2 2023년 발생한 주요 과일 가격 폭등 사태는 이상기후로 인해 생산량이 30% 이상 감소한 것이 직접적인 원인이었으며, 이는 기후변화가 농가 소득뿐만 아니라 국가 경제 전반에 미치는 파급효과를 명확히 보여주는 사례이다.2 이처럼 예측 불가능한 기상재해는 농작물재해보험과 같은 사후적 대응만으로는 한계가 명확하며, 생산 단계에서부터 기후변화에 능동적으로 대응하고 피해를 최소화할 수 있는 정밀 관리 기술의 필요성을 절실하게 만들고 있다.4 생산성의 가변성이 심화되는 현상은 최근 연도로 올수록 뚜렷해지고 있으며, 이는 이상기후와 자연재해의 빈번한 발생과 깊은 관련이 있다.5

1.1.2 농촌 인구 구조 붕괴: 초고령화와 인력난

대한민국 농촌은 소멸 위기에 처해 있다. 통계청의 ‘2023년 농림어업조사’ 결과에 따르면, 국내 농가 수는 사상 처음으로 100만 가구 아래로 떨어졌으며, 농가 인구는 208만 9천 명으로 감소했다.7 더욱 심각한 문제는 인구의 질적 구조이다. 농가 인구 중 65세 이상 고령 인구 비율은 52.6%를 넘어섰으며, 이는 우리나라 전체 고령인구 비율 18.2%의 약 3배에 달하는 수치이다.7 일부 통계에서는 이 비율이 55.8%에 이른다고 보고하며, 농업 경영주 중 70세 이상이 50.8%를 차지하는 등 초고령화 현상은 임계점을 넘어서고 있다.9 이러한 인구 구조는 노동 집약적인 전통적 노지 농업 방식의 유지를 불가능하게 만든다. 특히 작물의 상태를 확인하고, 병해충을 예찰하며, 적시에 방제하는 등의 정밀한 관리가 필요한 작업은 고령의 농업 인력에게는 과도한 부담이 되고 있다.11 신규 인력 유입이 거의 단절된 상황에서, 농업 생산성을 유지하고 미래 세대로 농업을 지속시키기 위해서는 현재의 인력 의존도를 획기적으로 낮출 수 있는 무인·자동화 기술의 도입이 선택이 아닌 필수 과제가 되었다.

1.1.3 시설농업 대비 현저히 낮은 노지 스마트화 수준

정부의 적극적인 스마트 농업 육성 정책에도 불구하고, 기술 보급은 극심한 불균형을 보이고 있다. 2020년 기준, 국내 스마트 농업 기술 보급 면적의 87.5%가 시설 재배에 집중되어 있으며, 노지 재배는 12.5%에 불과하다.12 시설원예는 외부 환경과 격리되어 있어 ICT 기술을 적용하기 용이하지만, 전체 농업에서 노지 농업이 차지하는 압도적인 비중을 고려할 때 이러한 불균형은 심각한 문제이다.13 노지 스마트화가 더딘 이유는 복합적이다. 첫째, 높은 초기 투자 비용과 불확실한 투자 대비 수익률은 농가의 도입을 주저하게 만든다.13 둘째, 고령 농가의 스마트 기술에 대한 이해 부족과 활용의 어려움이 높은 진입장벽으로 작용한다.13 셋째, 노지 환경의 복잡성과 예측 불가능성으로 인해 기존 스마트 기술이 병해충 예측이나 기상재해 대응에 충분한 효과를 발휘하지 못하여 농가의 신뢰를 얻지 못하고 있다.13 이는 결국 단편적인 자동화 기술 보급에 그치게 만들며, 데이터를 기반으로 한 종합적인 의사결정 지원 시스템으로 발전하지 못하는 근본적인 한계로 작용한다.

1.1.4 식량 안보 위협과 자급률 하락

앞서 언급된 기후변화, 인력난, 기술 도입 지체라는 세 가지 구조적 문제는 최종적으로 국가 식량 안보를 직접적으로 위협한다. 기상이변으로 인한 생산량 감소는 국내 먹거리 수급의 불확실성을 가중시키고 있으며 4, 이는 국제 곡물 가격 급등과 맞물려 식량 안보의 취약성을 드러내고 있다.2 국내 식량자급률은 지속적으로 하락하고 있으며, 특히 소비가 증가하는 육류와 과일의 자급률 또한 수입량 증가 속도를 따라가지 못해 하락 추세에 있다.11 전 세계적으로 기후변화가 식량 생산에 문제를 일으키고, 주요 농산물 수출국들이 자국 우선주의 정책을 펼칠 가능성이 커지는 상황에서, 수입에 의존하는 현재의 식량 공급 체계는 매우 불안정하다.14 따라서 국내 농업 생산 기반을 안정적으로 유지하고 강화하는 것은 단순한 산업 정책을 넘어 국가의 존립과 직결된 최우선 과제이다. 이를 위해서는 노지 농업의 생산성을 획기적으로 향상시킬 수 있는 기술적 돌파구가 시급하다.

1.2 과제 해결을 위한 심층적 접근의 필요성

현재 노지 농업이 직면한 위기는 개별적인 문제들의 단순한 합이 아니라, 서로가 원인이자 결과가 되어 악순환을 증폭시키는 ’복합 위기(Perfect Storm)’의 양상을 띤다. 기후변화는 농업의 수익성을 악화시키고, 이는 농촌의 인구 유출을 가속화한다. 노동력 부족과 고령화는 기후변화에 대응하기 위해 필수적인 스마트 기술의 도입을 가로막는 장벽이 되며, 기술 도입의 부재는 다시 기후변화에 대한 취약성을 높인다. 이처럼 견고하게 형성된 부정적 피드백 고리를 끊기 위해서는 단편적인 기술이나 정책 지원만으로는 부족하다. 필요한 것은 이 악순환의 핵심 고리인 ’고령 인력의 노동력 한계’와 ’데이터 기반 의사결정 부재’를 동시에 해결할 수 있는 시스템 수준의 혁신이다.

이러한 관점에서 본 연구개발 과제는 단순히 드론을 농업에 활용하는 차원을 넘어선다. 본 과제가 제안하는 ’자율 임무 드론 시스템’은 고령의 농업인이 복잡한 기술을 학습하고 조작해야 하는 부담을 원천적으로 제거하는 것을 목표로 한다. 농업인은 “내 밭의 작물 상태를 진단하라“는 식의 임무(Mission)만 부여하면, 시스템이 자율적으로 다수의 드론을 운용하여 데이터를 수집하고, AI가 이를 분석하여 작물의 종류와 건강 상태, 문제 영역 등을 직관적인 보고서 형태로 제공한다. 이는 기술의 사용자를 ’조종사’나 ’분석가’가 아닌, 최종 ’의사결정자’로 위치시키는 패러다임의 전환을 의미한다. 즉, 개별 ’도구’의 집합이 아닌, 데이터 수집부터 분석, actionable insight 제공까지 전 과정을 자동화하는 통합된 ’지능형 플랫폼’을 구축함으로써, 기술 수용성의 근본적인 한계를 극복하고 노지 스마트 농업의 실질적인 확산을 가능하게 할 것이다.

2. 국내외 기술 동향 및 시장 분석

2.1 글로벌 스마트 농업 기술 개발 동향

글로벌 농업 시장은 4차 산업혁명 기술과의 융합을 통해 ’정밀 농업(Precision Agriculture)’에서 ’데이터 기반 지능형 농업(Data-driven Intelligent Agriculture)’으로 빠르게 진화하고 있다. 이러한 변화의 중심에는 인공지능(AI), 드론을 포함한 무인 이동체, 그리고 고도화된 센서 기술이 있다.

2.1.1 AI 기반 정밀 농업의 부상

인공지능은 현대 농업의 패러다임을 바꾸는 핵심 동력이다. 정밀 농업 시장의 AI 기술 규모는 2024년 8억 4,270만 달러에서 연평균 12.37%의 성장률을 보이며 빠르게 확장될 것으로 예측된다.15 글로벌 농기계 기업인 존 디어(John Deere)나 트림블(Trimble) 등은 이미 자사의 농기계에 AI와 위성항법시스템(GNSS)을 결합하여 자율주행, 가변 시비(Variable Rate Application), 정밀 파종과 같은 솔루션을 상용화하고 있다.16 이들 기업은 단순히 기계를 판매하는 것을 넘어, 위성 이미지, 기상 데이터, 토양 센서 데이터 등을 통합 분석하여 작물의 건강 상태를 진단하고 최적의 처방을 제공하는 클라우드 기반 데이터 플랫폼을 구축하며 시장을 선도하고 있다. 이러한 AI 기반 솔루션은 작물 모니터링, 질병 감지, 수확량 예측 등 농업의 전 과정에 걸쳐 적용되며, 자원 사용을 최적화하고 생산성을 극대화하는 데 기여하고 있다.20

2.1.2 드론 및 원격 탐사 기술의 고도화

농업용 드론은 더 이상 단순한 농약 살포기를 넘어, 정밀 데이터 수집을 위한 핵심 플랫폼으로 자리 잡았다. DJI와 같은 글로벌 기업은 방제, 파종 등 다양한 임무 수행이 가능한 농업용 드론 라인업을 구축하고 있으며, 전용 소프트웨어를 통해 임무 계획부터 데이터 관리까지 통합된 솔루션을 제공하고 있다.22 특히 주목할 점은 센서 기술의 발전이다. 센테라(Sentera)와 같은 전문 기업들은 RGB 카메라를 넘어 멀티스펙트럼, 하이퍼스펙트럼, 열화상 센서를 개발하여 드론에 탑재하고 있다.26 이러한 첨단 센서들은 육안으로 식별 불가능한 작물의 미세한 생리적 변화를 감지할 수 있게 해준다. 예를 들어, 식생지수(NDVI) 분석을 통해 작물의 활력도, 수분 스트레스, 영양분 결핍 상태를 비파괴 방식으로 광범위하게 진단할 수 있으며, 이는 정밀한 처방과 관리를 위한 필수적인 데이터를 제공한다.30

2.1.3 군집 자율 로봇 기술의 확장

단일 드론 운용의 한계를 극복하기 위해, 다수의 드론이 협력하여 임무를 수행하는 군집(Swarm) 기술이 다양한 산업 분야에서 주목받고 있다. 군집 기술의 핵심은 중앙 통제 없이 개별 드론들이 서로 통신하며 자율적으로 대형을 유지하고, 충돌을 회피하며, 할당된 영역을 효율적으로 분담하여 임무를 수행하는 데 있다.33 이를 가능하게 하는 기반 기술이 바로 MANET(Mobile Ad-hoc Network) 또는 FANET(Flying Ad-hoc Network)과 같은 애드혹 네트워크 기술이다.34 FANET은 기지국이나 중계기 같은 고정된 인프라 없이 드론 간에 직접 통신망을 형성하여, 통신 음영 지역이 많은 농촌 환경에서도 안정적인 데이터 교환과 협력 비행을 보장한다.37 이러한 군집 자율 비행 기술은 대규모 농경지를 신속하게 모니터링하거나 방제 작업을 수행하는 데 있어 획기적인 효율성 향상을 가져올 잠재력을 지니고 있다.38

2.2 국내 기술 수준 및 시장의 한계

국내에서도 정부 주도하에 스마트 농업 기술 개발 및 보급을 위한 다양한 정책이 추진되고 있으나, 글로벌 기술 수준과의 격차와 시장의 구조적 문제는 여전히 해결해야 할 과제로 남아있다.

2.2.1 정부 정책 및 지원 현황

정부는 ‘스마트팜 혁신밸리’ 조성, ‘스마트농업 육성 및 지원에 관한 법률’ 시행 등 스마트 농업 확산을 위한 정책적 기반을 적극적으로 마련하고 있다.39 청년 농업인 육성, R&D 지원, ICT 융복합 시설 보급 사업 등을 통해 기술 도입을 장려하고 있으며, 특히 노지 분야의 스마트화를 위한 시범 사업도 추진 중이다.39 농업용 드론 구입 시 보조금이나 융자를 지원하는 정책은 농가의 초기 투자 부담을 덜어주며 드론 보급 확대에 기여하고 있다.43 이러한 정책적 노력은 본 연구개발 과제가 국가적 목표와 방향성을 같이하고 있음을 보여준다.

2.2.2 농업용 드론 시장의 해외 의존성 심화

정부의 적극적인 지원 정책에도 불구하고, 국내 농업용 드론 시장의 현실은 심각한 해외 의존성에 직면해 있다. 특히 중국산 드론이 시장을 거의 독점하고 있는 상황이다. 공개된 자료에 따르면, 정부 융자 지원으로 구매된 농업용 드론의 약 88.2%, 지원액 기준으로는 90% 이상이 중국산 제품에 집중되어 있다.46 2023년 융자 지원으로 구매한 드론 291대 중 국산은 34대에 불과했다.46 이러한 현상은 국내에 경쟁력 있는 제품이 부재한 상황에서 보조금 정책이 의도치 않게 해외 기업의 시장 지배력을 강화시켜주는 결과를 낳고 있다. 이는 국부 유출 문제뿐만 아니라, 핵심 농업 기자재의 공급망을 특정 국가에 의존하게 만들어 국가 식량 안보 차원에서의 잠재적 취약성을 키우는 심각한 문제이다.

2.2.3 국내 기술 개발의 필요성 및 기회

국내에도 농업용 드론을 개발하고 제조하는 기업들이 존재하지만 48, 대부분 단일 기체 판매나 방제 서비스에 머물러 있으며, 다수의 드론을 통합 운용하는 군집 비행 기술이나 AI 기반의 데이터 분석 솔루션까지 포괄하는 종합 시스템을 제공하는 기업은 전무한 실정이다. 이러한 상황은 역설적으로 국내 기술 개발의 필요성과 기회를 동시에 시사한다. 현재 시장의 문제는 단순히 ’국산 드론이 없다’는 것이 아니라, ’해외 제품을 뛰어넘는 차별화된 가치를 제공하는 국산 시스템이 없다’는 것이다. 따라서 본 과제에서 제안하는 ’자율 임무 기반의 군집 드론 시스템’은 단순한 하드웨어 국산화를 넘어, 군집 운용의 효율성과 AI 분석의 지능화를 결합하여 기존 시장에 존재하지 않는 새로운 차원의 솔루션을 제공함으로써 기술 종속성을 극복하고 새로운 시장을 창출할 수 있는 전략적 기회를 갖는다.

2.3 기술 격차 분석 및 전략적 포지셔닝

현재의 농업용 드론 지원 정책은 ’노동력 절감’이라는 시급한 문제를 해결하기 위해 시장에 즉시 투입 가능한 제품을 보급하는 데 초점이 맞춰져 있다. 그러나 이는 결과적으로 기술적으로 앞서 있고 가격 경쟁력을 갖춘 해외 제품의 시장 점유율을 공고히 해주는 ’정책적 역설’을 낳고 있다. 즉, 국가 예산이 국내 산업 생태계 육성이 아닌 해외 기업의 성장을 지원하는 통로가 되고 있는 것이다. 이러한 구조적 문제를 해결하기 위해서는 단기적인 보급 정책과 병행하여, 장기적인 관점에서 국내 기술 자립을 위한 전략적 R&D 투자가 반드시 필요하다. 본 연구개발 과제는 바로 이 지점에서 출발하며, 현재의 정책적 역설을 해소하고 미래의 기술 주권을 확보하기 위한 핵심적인 전략적 개입이라 할 수 있다.

또한, 현재 시장은 농업인에게 ’도구’를 제공하는 수준에 머물러 있다. 농업인이 직접 드론을 조종하고, 별도의 소프트웨어를 사용하여 데이터를 처리하고, 그 결과를 스스로 해석하여 농업 활동에 적용해야 한다. 이는 기술 활용의 전적인 책임을 사용자에게 전가하는 방식으로, 고령의 농업인에게는 여전히 높은 진입장벽으로 작용한다. 본 과제가 지향하는 바는 이러한 ‘도구 중심’ 시장에서 ‘지능 중심’ 시장으로의 전환이다. 사용자가 복잡한 과정을 수행할 필요 없이, 시스템이 자율적으로 임무를 수행하고 분석을 통해 정제된 ’실행 가능한 정보(Actionable Intelligence)’를 제공하는 것이다. 이는 기술적 우위를 넘어 사용자 경험의 혁신을 통해 시장의 판도를 바꿀 수 있는 차별화된 가치 제안이며, 본 과제의 핵심적인 전략적 포지셔닝이다.

2.3.1 표 1. 국내외 유사 기술 비교 분석

3. 연구개발 목표 및 내용

3.1 최종 목표

본 연구개발 과제의 최종 목표는 **“다수의 드론을 자율적으로 동시 운용하여 노지 작물의 생육 상태를 정밀 모니터링하고 작물의 종류를 자동으로 판별하는, 임무 중심의 완전 자율 군집 드론 시스템 개발”**이다.

이는 단순히 하드웨어와 소프트웨어를 개발하는 것을 넘어, 사용자가 최소한의 개입으로 농경지 전반에 대한 깊이 있는 통찰력을 얻을 수 있는 통합 플랫폼을 구축하는 것을 의미한다. 최종적으로 개발될 시스템은 농업 생산성 향상, 노동력 절감, 그리고 데이터 기반의 지속 가능한 농업 실현에 기여할 것이다.

3.2 시스템 구성도 및 핵심 기술

개발될 시스템은 크게 세 가지 핵심 서브시스템으로 구성된다: (1) 공중 군집 플랫폼 (Aerial Swarm Platform), (2) 지상 관제 시스템 (Ground Control System, GCS), 그리고 (3) AI 분석 엔진 (AI Analysis Engine). 이들은 유기적으로 연동하여 데이터의 수집, 전송, 처리, 분석, 시각화에 이르는 전 과정을 자동화한다.

(주: 시스템 구성도 예시 이미지 삽입 영역)

• 공중 군집 플랫폼: 다수의 드론 기체, 비행 제어 컴퓨터, RTK-GNSS 등 항법 장치, FANET 통신 모듈, 그리고 RGB/다중분광/초분광 센서 페이로드로 구성된다. 각 드론은 독립적인 판단 능력을 갖추면서도 군집 내 다른 드론들과 협력하여 임무를 수행한다.

• AI 분석 엔진: 수집된 영상 데이터를 처리하여 작물의 종류를 식별하고, 식생지수 분석 및 이상 패턴 감지를 통해 생육 상태, 병해충, 수분/영양 스트레스 등을 진단한다. 엣지 컴퓨팅을 통한 실시간 전처리와 클라우드 기반의 심층 분석을 병행한다.

• 지상 관제 시스템: 사용자가 임무를 계획하고(경계 설정, 분석 목표 지정), 군집 드론의 운용 상태를 실시간으로 모니터링하며, AI 분석 엔진으로부터 도출된 최종 결과를 지도, 그래프, 보고서 등의 형태로 확인하는 통합 인터페이스이다.

3.3 세부 개발 계획

3.3.1 군집 비행 플랫폼 개발

• 모듈형 국산 드론 하드웨어 개발: 국내 농업 환경의 특수성(다양한 지형, 높은 온습도)을 고려하여 내구성과 비행 안정성을 확보한 모듈형 드론 기체를 설계 및 제작한다. 페이로드(센서, 약제 탱크 등) 교체가 용이하도록 표준화된 인터페이스를 적용하여 임무 확장성을 확보한다. 핵심 부품의 국산화를 통해 안정적인 공급망을 구축하고 해외 기술 의존도를 낮춘다.

• 분산형 군집 비행 제어 및 항법 기술 개발: 단일 마스터 드론에 의존하는 중앙 집중형 방식이 아닌, 각 드론이 자율적으로 판단하고 협력하는 분산형 제어 알고리즘을 개발한다. 이는 일부 드론에 문제가 발생하더라도 전체 군집이 임무를 지속할 수 있는 강건성(Robustness)을 보장한다. 센티미터 수준의 정밀한 위치 정보를 제공하는 RTK-GNSS 기술을 기본으로 탑재하고 38, 3차원 공간에서의 효율적인 경로 계획을 위해 A* 및 Theta* 알고리즘을 응용한 경로 탐색 기술을 개발하여 복잡한 지형에서도 최적의 비행 경로를 생성한다.52 또한, 군집 내 드론 간, 그리고 장애물과의 충돌을 방지하기 위한 실시간 동적 충돌 회피 알고리즘을 핵심적으로 구현한다.

• 농촌 환경 특화형 FANET 통신 시스템 구축: 이동통신망이나 Wi-Fi 인프라가 불안정한 농촌 지역에서도 안정적인 군집 운용을 보장하기 위해 IP Mesh 기반의 FANET 통신 시스템을 구축한다.34 이 기술은 드론 간 다중 홉(Multi-hop) 통신을 통해 통신 거리를 확장하고, 일부 드론과의 연결이 끊어지더라도 네트워크가 자동으로 재구성되어 데이터 링크를 유지하는 자가 치유(Self-healing) 기능을 제공한다.36 이를 통해 광범위한 지역에서 대용량의 센서 데이터를 GCS로 안정적으로 전송할 수 있다.

3.3.2 AI 기반 영상 분석 엔진 개발

• 다중 센서 데이터 동기화 및 수집 기술: 고해상도 RGB, 5개 이상의 밴드를 갖는 다중분광, 그리고 100개 이상의 연속적인 파장대역을 촬영하는 초분광 센서를 드론 플랫폼에 통합한다.28 각기 다른 센서에서 촬영된 영상의 시점과 위치 정보를 정확히 일치시키는 동기화(Synchronization) 및 정합(Registration) 기술을 개발하여, 융합 분석의 정확도를 극대화한다.31

• 딥러NING 기반 작물 종류 식별 모델 개발: 국내 주요 노지 작물(벼, 콩, 배추, 감자, 마늘, 양파 등)에 대한 대규모 항공 영상 데이터셋을 구축한다. 이 데이터셋을 기반으로, 최신 객체 탐지 모델인 YOLOv8 아키텍처를 활용하여 높은 정확도로 작물의 종류를 식별하고 각 작물의 재배 면적을 자동으로 산출하는 AI 모델을 개발한다.21 모델 경량화 기술을 적용하여 일부 기능을 엣지 디바이스에서 수행할 수 있도록 최적화한다.

• 영상 분할 및 식생지수 기반 작물 상태 분석 모델 개발: U-Net, Deeplab과 같은 시맨틱 분할(Semantic Segmentation) 모델을 이용하여 항공 영상에서 작물이 식재된 영역을 픽셀 단위로 정밀하게 분리해낸다.54 이를 통해 개별 작물 또는 작물 군락 단위의 정밀 분석이 가능해진다. 분리된 작물 영역에 다중분광/초분광 데이터를 적용하여 NDVI(정규화 식생지수), NDRE(정규화 적색경계지수) 등 다양한 식생지수를 계산하고, 이를 시계열로 분석하여 작물의 활력도, 생육 단계, 수분 및 영양 스트레스 상태를 정량적으로 평가한다.32 또한, 영상 내 색상, 질감 등의 이상 패턴을 감지하여 병해충 발생 초기 징후를 조기에 경고하는 모델을 개발한다.21

3.3.3 통합 관제 및 분석 플랫폼 개발

• 임무 중심의 통합 지상 관제 시스템(GCS) 개발: GIS(지리정보시스템) 기반의 직관적인 사용자 인터페이스(UI)를 제공하여, 사용자가 지도상에서 농경지 경계를 설정하고 ‘작물 종류 판별’, ‘생육 상태 정밀 진단’ 등과 같은 분석 임무를 손쉽게 계획할 수 있도록 한다. 임무가 시작되면, 군집 드론의 실시간 위치, 비행 상태, 데이터 수집 현황 등을 종합적으로 모니터링하는 대시보드를 제공한다.

• 데이터 시각화 및 처방지도 생성 기술 개발: AI 엔진의 분석 결과를 사용자가 쉽게 이해하고 농업 활동에 즉시 활용할 수 있도록 시각화한다. 작물 종류별 분포 지도, 생육 상태에 따라 등급을 나눈 조닝맵(Zonation Map), 그리고 특정 구역의 문제점을 상세히 보여주는 이상 탐지 리포트를 생성한다. 더 나아가, 분석된 데이터에 기반하여 비료나 농약을 필요한 곳에 필요한 만큼만 살포할 수 있도록 하는 가변 살포 처방지도(Prescription Map)를 생성한다. 이 처방지도는 트랙터, 방제기 등 주요 농기계와 호환되는 표준 파일 형식(예: ISOXML, Shapefile)으로 출력이 가능하도록 하여, 데이터 분석과 실제 농작업 간의 연계를 강화한다.59

3.4 기술적 독창성 및 전략적 가치

본 연구개발 과제의 결과물은 단순한 제품이나 기술을 넘어, 국가적 차원의 전략적 자산을 창출하는 잠재력을 내포하고 있다. 시스템이 전국적으로 보급되고 운용됨에 따라, 특정 시점의 특정 지역에서 어떤 작물이, 얼마나, 어떤 상태로 재배되고 있는지에 대한 표준화된 시공간 데이터가 방대하게 축적될 것이다. 이는 개별 농가의 생산성 향상을 넘어, 국가 농업 정책의 과학화를 위한 핵심 기반 데이터가 된다. 정부는 이 데이터를 활용하여 주요 작물의 작황을 더 정확하게 예측하고, 수급 불안정에 선제적으로 대응하며, 가뭄이나 대규모 병해충 발생과 같은 재해에 대한 조기 경보 시스템을 구축할 수 있다.12 이는 농산물 가격 안정과 식량 안보 강화에 직접적으로 기여하는, 민간 시장에서는 창출하기 어려운 강력한 공공적 가치를 지닌다.

또한, 본 과제에서 개발되는 핵심 기술들은 농업 분야에만 국한되지 않는 높은 범용성을 가진다. 자율적으로 비행하며 고정밀 센서 데이터를 수집하고, FANET을 통해 실시간으로 정보를 공유하는 군집 드론 플랫폼은 그 자체로 강력한 ’공중 지능 정찰 시스템’이다.34 이 기술은 산불 발생 시 화재 확산 경로를 실시간으로 추적하고, 홍수나 산사태 발생 지역의 피해 규모를 신속하게 파악하며, 실종자를 수색하는 등 국가적 재난 대응 역량을 획기적으로 강화하는 데 활용될 수 있다.37 뿐만 아니라, 광범위한 산림 자원 모니터링, 해양 환경 감시, 주요 사회 기반 시설의 안전 점검 등 다양한 공공 분야로의 확대 적용이 가능하다. 이처럼 본 과제는 농업 문제 해결을 위한 기술 개발에서 출발하여, 국가의 다양한 현안에 대응할 수 있는 ‘이중 활용(Dual-Use)’ 기술 기반을 마련함으로써 R&D 투자의 사회적, 경제적 파급효과를 극대화할 수 있다.

3.4.1 표 2. 시스템 핵심 기술 사양 (정량적 목표)

4. 연구개발 추진 전략 및 체계

4.1 추진 전략 및 방법론

본 과제의 성공적인 목표 달성을 위해, 위험 요소를 최소화하고 개발 효율성을 극대화하는 단계적·협력적 추진 전략을 채택한다. 핵심 전략은 ’애자일(Agile) 방법론을 적용한 단계별 고도화’와 ’개방형 산학연 협력 생태계 구축’이다.

4.1.1 애자일 기반 단계별 추진 전략 (Phased Approach)

총 5년의 연구개발 기간을 3단계로 구분하여, 각 단계별 명확한 목표를 설정하고 반복적인 개발-테스트-피드백 주기를 통해 시스템의 완성도를 점진적으로 높여나간다.

• 1단계 (1~2차년도): 핵심 기반 기술 개발 및 검증

• 목표: 개별 핵심 기술 요소(하드웨어, 알고리즘, 모델)의 프로토타입 개발 및 실험실 수준의 성능 검증.

• 주요 내용:

• 국산 드론 플랫폼 프로토타입(v1.0) 설계 및 제작.

• 시뮬레이션 환경에서 군집 비행 기본 알고리즘(대형 유지, 충돌 회피) 및 FANET 프로토콜 성능 검증.

• 공개 데이터셋 및 소규모 자체 수집 데이터를 활용한 AI 작물 식별 및 상태 분석 모델(v1.0) 초기 학습.

• GCS의 기본 UI/UX 설계 및 핵심 기능(임무 계획, 모니터링) 프로토타입 개발.

• 성과물: 드론 플랫폼 프로토타입, 군집 비행 시뮬레이터, AI 분석 초기 모델, GCS 프로토타입.

• 2단계 (3~4차년도): 시스템 통합 및 현장 실증

• 목표: 개발된 핵심 기술들을 통합하여 완전한 시스템(v1.0)을 구축하고, 통제된 실증 환경(농업기술원 시험포 등)에서 기능 및 성능을 검증.

• 주요 내용:

• 1단계에서 개발된 기술들을 통합하여 최초의 자율 임무 군집 드론 시스템 프로토타입 완성.

• 농업기술원 등 협력기관의 시험포에서 특정 작물(예: 벼, 콩)을 대상으로 소규모 현장 실증 테스트 수행.

• 실증 과정에서 대규모 고품질 데이터(항공 영상, 지상 검증 데이터)를 확보하여 AI 모델의 정확도와 강건성을 획기적으로 개선 (v2.0).

• 실제 사용자(연구원, 전문 농업인)의 피드백을 반영하여 GCS의 사용 편의성 및 기능 고도화.

• 성과물: 통합 시스템 프로토타입(v1.0), 대규모 학습 데이터셋, 고도화된 AI 모델(v2.0), 현장 실증 결과 보고서.

• 3단계 (5차년도): 대규모 실증 및 최적화

• 목표: 실제 영농 환경에서 시스템의 신뢰성, 안정성, 확장성을 검증하고, 상용화를 위한 최종 최적화 및 기술이전 준비.

• 주요 내용:

• 각 도 농업기술원 및 선도 스마트팜 농가와 협력하여, 다양한 지역과 작물을 대상으로 대규모 실증 프로젝트 추진.1

• 장기간 운용을 통해 시스템의 내구성, 배터리 관리 효율성, 데이터 처리 파이프라인 등 실용적 측면에서의 문제점을 발굴하고 개선.

• 최종 사용자 대상 교육 프로그램 개발 및 매뉴얼 작성.

• 개발된 핵심 기술의 모듈화 및 문서화를 통해 참여 기업으로의 기술이전 및 사업화 준비 완료.

• 성과물: 최종 시스템(v2.0), 대규모 실증 운영 데이터, 기술이전 패키지(설계도, 소스코드, 기술 문서), 사용자 매뉴얼.

4.1.2 산학연 협력 체계 구축

본 과제는 특정 기관의 단독 수행으로는 달성하기 어려운 다학제적 연구를 요구한다. 따라서, 각 분야 최고의 전문성을 가진 기관들이 참여하는 유기적인 산학연 협력 체계를 구축한다.

• 연구기관 (주관): 과제 총괄, 시스템 아키텍처 설계, 핵심 알고리즘(군집 비행, AI) 개발, 시스템 통합 및 테스트 등 R&D의 구심점 역할 수행.

• 대학 (협력): AI, 로보틱스, 컴퓨터 비전 등 분야의 최신 이론 및 원천 기술 연구를 담당. 창의적이고 도전적인 접근을 통해 기술적 난제 해결에 기여.

• 산업체 (참여): 국산 드론 하드웨어 제작, 센서 인터페이스 개발, 양산 및 상용화, A/S 등 시장 접점의 역할을 담당.48 개발 초기 단계부터 참여하여 연구 결과물이 시장의 요구와 동떨어지지 않도록 하고, 과제 종료 후 신속한 사업화를 추진.

4.2 추진 체계

본 과제의 효율적인 관리를 위해 다음과 같은 추진 체계를 구성한다.

• 총괄 연구 책임자 (Principal Investigator, PI): 과제 전반의 연구 방향 설정, 예산 및 일정 관리, 성과 확산 등 모든 사항에 대한 최종 책임과 권한을 가짐.

• 과제 운영 위원회: 총괄 책임자 및 각 세부과제 책임자로 구성. 정기적인 회의를 통해 과제 진행 상황을 점검하고, 주요 의사결정을 수행하며, 기관 간 협력을 조율.

• 기술 자문 위원회: 농업, AI, 항공, 정책 등 각 분야 외부 전문가로 구성. 과제의 기술적 방향성에 대한 객관적인 자문과 평가를 제공하여 연구의 질적 수준을 제고.

• 세부과제별 연구팀: 각 세부과제(플랫폼 개발, AI 엔진 개발, GCS 개발 등)는 책임자를 중심으로 전문 연구 인력으로 구성되어 할당된 R&D를 수행.

(주: 조직도 형태의 추진 체계도 삽입 영역)

4.3 연차별 추진 일정

본 과제의 5개년 추진 일정은 아래와 같이 계획되었으며, 세부 내용은 Gantt 차트 형식으로 관리될 것이다. 각 연차별 핵심 활동과 달성해야 할 정량적/정성적 목표(Milestone)를 명확히 하여 체계적인 성과 관리를 도모한다.

4.3.1 표 3. 연차별 연구개발 목표 및 추진 일정

5. 기대효과 및 결과 활용 계획

5.1 기술적 기대효과

• 차세대 농업용 무인 이동체 핵심 기술 확보: 본 과제를 통해 확보되는 자율 군집 비행, FANET 기반의 강건한 통신, 다중 센서 융합, AI 기반 작물 분석 기술은 미래 스마트 농업을 선도할 핵심 원천 기술이다. 이는 현재의 해외 기술 종속 구조를 탈피하고, 기술 주권을 확보하는 결정적인 계기가 될 것이다.46

• 국내 기술 표준 선도 및 생태계 기반 마련: 개발 과정에서 농업 데이터의 수집, 처리, 분석에 대한 표준 프로토콜을 정립하고 이를 공개함으로써, 관련 국내 기업들이 상호 호환 가능한 제품과 서비스를 개발할 수 있는 기반을 마련한다. 이는 건전한 국내 스마트 농업 산업 생태계를 조성하고 동반 성장을 촉진하는 효과를 가져올 것이다.42

• 데이터 기반 농업 연구 패러다임 전환: 본 시스템을 통해 축적되는 정밀하고 방대한 시공간 데이터는 기존의 샘플링 기반 농업 연구의 한계를 뛰어넘어, 작물 생리학, 재배학, 육종학 등 관련 분야의 연구를 데이터 기반으로 전환시키는 촉매제가 될 것이다.

5.2 경제적·산업적 기대효과

• 농업 생산성 향상 및 경영비 절감: 작물의 생육 상태를 정밀하게 진단하고, 비료, 농약, 물과 같은 농자재를 필요한 곳에 필요한 만큼만 투입하는 정밀 농업을 실현함으로써, 생산 비용을 절감하고 수확량과 품질을 향상시킬 수 있다. 스마트팜 도입 농가의 총수입이 평균 31% 증가했다는 보고는 본 시스템이 가져올 경제적 효과의 잠재력을 시사한다.11

• 국내 드론 및 AI 서비스 신산업 생태계 창출: 본 과제는 고부가가치의 지능형 농업용 드론 시스템 시장을 국내에 창출하고, 관련 하드웨어(드론, 센서), 소프트웨어(분석 플랫폼), 서비스(데이터 분석, 컨설팅) 산업의 성장을 견인할 것이다. 특히, 개발된 시스템은 패키지 형태로 사막 기후 지역 등 신선 채소 수급이 어려운 국가에 수출될 잠재력을 지니고 있다.61

• 노동력 절감 및 농작업 환경 개선: 작물 상태를 확인하기 위해 넓은 농경지를 직접 돌아다녀야 했던 고된 예찰 작업을 무인 자동화함으로써, 농촌의 가장 시급한 문제인 노동력 부족 문제를 직접적으로 해결한다. 노지 스마트 농법 도입 시 노동력 절감률이 20% 이상 향상된 사례는 본 시스템의 효과를 뒷받침한다.1 이는 고령 농업인의 작업 부담을 경감시키고 안전사고를 예방하는 효과도 있다.

5.3 사회적·공공적 기대효과

• 국가 식량 안보 강화: 기후변화와 같은 외부 충격에도 안정적인 식량 생산을 가능하게 하는 기술적 기반을 제공함으로써, 국가 식량 자급률 제고와 식량 안보 강화에 결정적으로 기여한다. 과학적 데이터에 기반한 작황 예측은 국가 차원의 수급 관리 정책의 정확성을 높이는 데 활용될 수 있다.

• 농촌 문제 해결 및 지역 활성화 기여: 첨단 기술이 결합된 스마트 농업은 ‘힘들고 어려운’ 농업의 이미지를 개선하고, 청년층의 농업 분야 진입을 유도하는 긍정적인 효과를 가져올 수 있다. 이는 농촌의 인구 구조 문제를 완화하고 지역 사회에 새로운 활력을 불어넣는 데 기여할 것이다.

• 국민 안전 및 환경 보호: 정밀한 처방을 통해 농약과 화학 비료의 무분별한 사용을 줄여 토양 및 수질 오염을 방지하고, 친환경 지속 가능 농업의 확산에 기여한다. 또한, 앞서 언급한 바와 같이 재난 감시, 환경 모니터링 등 공공 안전 분야로의 기술 활용은 국민의 생명과 재산을 보호하는 데 중요한 역할을 수행할 수 있다.

5.4 연구개발 결과 활용 및 사업화 계획

본 과제는 연구개발 단계에서부터 최종 결과물의 활용과 사업화를 염두에 두고, 다음과 같은 다각적인 전략을 추진한다.

• 단계별 기술이전 및 공동 사업화: 과제에 참여하는 국내 산업체를 대상으로 연구개발 과정에서 확보되는 핵심 기술(예: 군집 비행 제어 S/W, AI 분석 모델 등)을 단계적으로 이전한다. 과제 종료 후에는 참여 기업들과 공동으로 최종 시스템의 상용 제품을 출시하고, 마케팅 및 판매를 협력하여 추진한다. 이를 통해 R&D 성과가 사장되지 않고 신속하게 시장에 진입하도록 한다.48

• 다양한 사업화 모델 개발:

1. 시스템 판매 모델: 통합된 하드웨어와 소프트웨어 시스템을 농가, 영농조합법인, 지자체 농업기술센터 등에 직접 판매한다.

2. 구독형 서비스 모델 (RaaS/DaaS): 초기 도입 비용에 부담을 느끼는 농가를 위해, 월/연 단위 구독료를 받고 자율 예찰 및 분석 서비스를 제공하는 ‘서비스로서의 로봇(Robotics-as-a-Service)’ 모델을 추진한다. 또한, 수집된 데이터를 가공하여 가치 있는 정보로 제공하는 ‘서비스로서의 데이터(Data-as-a-Service)’ 모델도 병행한다.

3. 공공 조달 및 정책 연계: 개발된 시스템의 우수성과 공공적 가치를 입증하여, 정부 및 지자체의 스마트 농업 장비 보급 사업, 재난 감시 시스템 구축 사업 등의 공공 조달 시장에 진입한다.

• 정책 연계 및 제도 개선 제안: 본 과제를 통해 국산 기술의 경쟁력이 입증되면, 현재의 농업용 드론 보조금 및 융자 지원 사업에서 국산 첨단 시스템을 우대하거나 별도의 트랙을 신설하도록 정책 당국에 건의한다. 이는 국산 기술의 시장 확산을 위한 선순환 구조를 만드는 데 결정적인 역할을 할 것이다. 이를 통해 기술 개발, 시장 창출, 산업 성장이 유기적으로 연결되는 성공적인 R&D 모델을 제시하고자 한다.

6. 참고 자료

1. 스마트 농업으로 이상기후 등 노지 재배 한계 극복한다 / 연합뉴스TV (YonhapnewsTV), https://www.youtube.com/watch?v=uLSV0XmgRek
2. 기후변화가 농업에 미치는 영향과 대책, https://www.newma.or.kr/enewma/mail/note/newma_focus(24-07).pdf
3. 기후변화가 농업에 미치는 영향과 대책, https://aglook.krei.re.kr/main/uEventData/1/download/100/1931/pdf
4. 2025년 주목할 10대 농정 이슈 - 팜인사이트, https://www.farminsight.net/news/articleView.html?idxno=14330
5. [보고서]기후변화에 따른 농업의 사회·경제적 영향 평가에 관한 연구, https://scienceon.kisti.re.kr/srch/selectPORSrchReport.do?cn=TRKO201200010044
6. 제8장 기후위기 시대, 농업부문 대응 방안, https://www.aglook.kr/main/uEventData/1/download/935/6888/pdf
7. 농가 수, 사상 최초 ’100만 아래’로 떨어졌다 - 영농자재신문, https://www.newsfm.kr/mobile/article.html?no=8934
8. 농가 수 100만가구 무너졌다 - 서울대학교 농업생명과학정보원 - SNU, https://icals.snu.ac.kr/%EB%86%8D%EC%83%9D%EB%AA%85%EB%89%B4%EC%8A%A4/document/5737/
9. 농가인구 200만 4천 명으로 감소…65세 이상 고령인구 비율 55.8%, 전년 대비 3.2%p 급증, https://www.gnnews24.kr/news/articleView.html?idxno=27639
10. 농가인구 200만명 붕괴 직전…고령화율 55.8% - 한국농어민신문, https://www.agrinet.co.kr/news/articleView.html?idxno=336228
11. 4차 산업혁명시대의 한국 농업, https://rd.kdb.co.kr/fileView?groupId=8C3A6189-36B9-D6EF-FDDE-42B4D240D5A8&fileId=24356_binary1_1.pdf
12. 우리나라의 노지 스마트 농업 기술 현황, https://www.nongsaro.go.kr/portal/bsFileDownload.do?ep=a5gb/CMEYLclIUPoWw9/DZpAzn2z8@sWTCNA5pR4wDWM@8xsl4F9cQqm4KsIctIFVJfVLXCV1eYyTFHg31nAnw!!
13. 노지 원예농업의 스마트화 실태와 과제, https://repository.krei.re.kr/bitstream/2018.oak/31512/1/R2024-01.pdf
14. 기후 변화가 아프리카 농업 및 분쟁에 미치는 영향과 시사점 | 전체보고서, https://www.kiep.go.kr/gallery.es?mid=a10101010000&bid=0001&list_no=10250&act=view
15. 정밀 농업 시장 점유율 AI, 크기, 트렌드 2025-2035 - Metatech Insights, https://www.metatechinsights.com/ko/industry-insights/ai-in-precision-farming-market-3269
16. 스마트농업 해외 기술 동향 - KREI Repository - 한국농촌경제연구원, https://repository.krei.re.kr/bitstream/2018.oak/31527/1/02_%28%EA%B8%80%EB%A1%9C%EB%B2%8C%EC%84%B8%EC%85%98-%EA%B8%B0%ED%9A%8D%29%20%EC%8A%A4%EB%A7%88%ED%8A%B8%EB%86%8D%EC%97%85%20%ED%95%B4%EC%99%B8%20%EA%B8%B0%EC%88%A0%20%EB%8F%99%ED%96%A5.pdf
17. Agriculture applications - Applanix - Trimble, https://applanix.trimble.com/en/applications/agriculture
18. PTx Trimble | Solutions for Every Season | Agriculture, https://ptxtrimble.com/en
19. Agriculture Industry Technology & Farm Management Solutions - Trimble, https://www.trimble.com/en/industries/agriculture
20. 농업 AI 시장 규모 및 점유율, 성장 보고서 2025-2034 - Global Market Insights, https://www.gminsights.com/ko/industry-analysis/ai-in-agriculture-market
21. AI 농업: YOLOv8로 수확량 증대 - Ultralytics, https://www.ultralytics.com/ko/blog/the-changing-landscape-of-ai-in-agriculture
22. Empowering Rural America | Agrispray Drones, https://agrispraydrones.com/
23. DJI Agriculture - Drones Better Growth, Better Life, https://ag.dji.com/
24. Talos Drones - Buy Agricultural Drones from DJI Authorized Partners, https://talosdrones.com/
25. DJI Agriculture Drones | SkyDronesUSA, https://skydronesusa.com/drones/dji/agriculture/
26. Sentera - AgFunder, https://agfunder.com/portfolio/sentera/
27. Sentera: Home, https://sentera.com/
28. Sentera Store | Ag Drones & Sensors, https://sentera.shop/
29. Drone Systems & Sensors - Sentera Store, https://sentera.shop/collections/drone-systems-sensors
30. 농업용 애플리케이션을 위한 머신 비전 기술 | JAI, https://news.jai.com/blog/ko/machine-vision-technology-for-agricultural-applications
31. 합성곱신경망과 초분광영상을 이용한 토양수분량 예측 연구 - 저작자표시-비영리-변경금지 2.0 대한민국 이용자는 아래의 조건을 따르는 경우에 한하여 자유롭 - 제주대학교, https://oak.jejunu.ac.kr/bitstream/2020.oak/24038/2/%ED%95%A9%EC%84%B1%EA%B3%B1%EC%8B%A0%EA%B2%BD%EB%A7%9D%EA%B3%BC%20%EC%B4%88%EB%B6%84%EA%B4%91%EC%98%81%EC%83%81%EC%9D%84%20%EC%9D%B4%EC%9A%A9%ED%95%9C%20%ED%86%A0%EC%96%91%EC%88%98%EB%B6%84%EB%9F%89%20%EC%98%88%EC%B8%A1%20%EC%97%B0%EA%B5%AC.pdf
32. 왜, 농업에 다중분광 드론 카메라가 각광받을까요? - 헬셀, https://helsel.co.kr/article/%ED%97%AC%EC%85%80-%EB%B8%94%EB%A1%9C%EA%B7%B8/8/40328/
33. AI 기반 군집드론에 AR을 활용한 피아식별 연구 - KNST, http://journal.knst.kr/xml/41219/41219.pdf
34. MANET/FANET Solutions - Huneed Technologies, https://www.huneed.com/manetfanetsolutions
35. 휴니드, 국내 최초 MANET/FANET 모듈 국산화 성공 - 굿모닝충청, https://www.goodmorningcc.com/news/articleView.html?idxno=402461
36. 휴니드, 국내 최초 ‘MANET/FANET 모듈’ 국산화…K-방산 수출 확대 모색 - 전자신문, https://www.etnews.com/20240807000040
37. FANET (Flying Ad-hoc Network): 무인항공기 네트워크의 혁신적 통신 체계, https://rupijun.tistory.com/entry/FANET-Flying-Ad-hoc-Network-%EB%AC%B4%EC%9D%B8%ED%95%AD%EA%B3%B5%EA%B8%B0-%EB%84%A4%ED%8A%B8%EC%9B%8C%ED%81%AC%EC%9D%98-%ED%98%81%EC%8B%A0%EC%A0%81-%ED%86%B5%EC%8B%A0-%EC%B2%B4%EA%B3%84
38. 드론 군집비행 이론 및 운용 | K-MOOC, https://www.kmooc.kr/view/course/detail/16435
39. 사업내용 - 농림축산식품부, https://www.mafra.go.kr/home/5281/subview.do
40. 제1차 스마트농업 육성 기본계획 농림축산식품부 - KDI 경제교육, https://eiec.kdi.re.kr/policy/callDownload.do?num=262560&filenum=2&dtime=20250205110407
41. 스마트 농업이 온다! | 정책주간지 공감 - Daum, https://v.daum.net/v/fqUtVJTNN9?f=m
42. 스마트팜 추진현황 - 농사로, http://nongsaro.go.kr/portal/ps/psz/psza/contentMain.ps?menuId=PS65472
43. 2025년 농업용 무인항공기 지원사업 계획(변경), https://www.bizinfo.go.kr/cmm/fms/getImageFile.do?atchFileId=FILE_000000000719712&fileSn=0
44. 농업용 드론 구입 50% 지원 - 한국무역협회, https://www.kita.net/board/totalTradeNews/totalTradeNewsDetail.do?no=75737&siteId=1%logGb=
45. 공지사항 | 김해시청 > [종합소식]2025년 농업용 드론 지원사업 신청 안내, https://www.gimhae.go.kr/00024.web?amode=view&idx=2565625
46. 한국 정부의 농업용 드론 보조금, 중국산 의존 지속… 국산화 속도 부진과 정책 시사점, https://journalauto.com/distribution/en-espagne-le-reseau-cupra-est-en-place/?sport-news-167856-2025-10-09-government-support-for-agricultural-drones-china-dominance-and-domestic-localization-challenges
47. 정부 드론 지원사업에 중국 기업만 배불려…88.2%가 중국산 - 뉴스1, https://www.news1.kr/local/daegu-gyeongbuk/5936735
48. SpiderUAV 드론 제조업체 - 스파이더, https://spideruav.com/ko/
49. 대표 인사말 - 온누리무인항공, http://www.onnuriair.co.kr/35
50. 회사소개 - 헬셀 - 농업용 방제드론·산업용 드론 제조·유통부터 A/S·보험까지 원스톱 솔루션, https://m.helsel.co.kr/_wg/import/sub/page_01.html
51. 메타로보틱스,농업용 드론 관제 시스템 개발 - 로봇신문, https://www.irobotnews.com/news/articleView.html?idxno=21518
52. LINEARJUN/DRONAI: 드론 군집체계 관리 콘솔 개발 프로젝트 - GitHub, https://github.com/LINEARJUN/DRONAI
53. YOLOv8 딥러닝 모델을 통한 새싹 채소의 부위별 길이 측정, https://www.koreabreedjournal.org/journal/download_pdf.php?doi=10.9787/KJBS.2024.56.4.417
54. 이미지 분할이란 무엇인가요? - IBM, https://www.ibm.com/kr-ko/think/topics/image-segmentation
55. Unitlab AI의 농업 산업 솔루션 – 작물 모니터링, 병해충 탐지, 수확 예측을 위한 고정밀 데이터 주석 자동화 플랫폼., https://unitlab.ai/ko-kr/solutions/agriculture
56. Semantic Segmentation of Agricultural Crop Multispectral Image Using Feature Fusion, https://www.koreascience.kr/article/JAKO202414434616077.page
57. 주요 농작물 생육 이미지 - AI-Hub, https://aihub.or.kr/aihubdata/data/view.do?dataSetSn=157
58. YOLOv8 동물 모니터링: 농장 효율성을 위한 AI | Ultralytics, https://www.ultralytics.com/ko/blog/monitoring-animal-behavior-using-ultralytics-yolov8
59. PIX4Dfields: Drone Software for Agriculture Mapping - Advexure, https://advexure.com/products/pix4dfields
60. PIX4Dfields: Drone software for agriculture mapping | Pix4D, https://www.pix4d.com/product/pix4dfields
61. 스마트팜 R&D 기술동향 및 향후전망.pdf, https://www.ksbec.kr/media/boards/2023/notice/notice/5/3/2023_notice_notice_5_3_16_30_ZYQE78GU7F.pdf