[李忠浩专栏] 智慧农业全周期数据架构，标准化应先行

[李忠浩专栏] 全州大学产业工程系李忠浩教授

日本 NARO(农业·食品产业技术综合研究机构)的日本农业数据平台 WAGRI通过向外部提供的数据，使农业机械生产企业或 AI 等 ICT 技术企业成为数据使用者，并以开发新的农业相关技术和服务为目标进行运营. 它 확보了气象, 土壤, 农地, 生长预测等公共和民间部门的数据，并以 API 形式通过数据标准化，构建了可用于各种研究和事业的平台. 数据区分为公共数据和农业经营者持有的非公开数据，并追求应用安全技术的标准化. 为事先应对异常气候和病虫害，正在通过数据收集与分析开展现场实证, WAGRI 平台通过收集·加工生长与环境, 农业统计等数据后提供给农业经营者，正在实现定制化农事经营. 

美国·欧洲也在展开数据标准化竞争…以卫星·AI提高统计准确度

这种趋势在美国·欧洲农业中也很容易看到, 美国农业部(USDA)为提高统计准确度，正与航空航天局(NASA) 等合作，推进利用卫星影像改善农业统计的试点项目. USDA 国家农业统计局(NASS)为了通过其提供的数据提升附加价值，重点已不再停留于持有数据层面，而是聚焦于通过综合管理实现产业化. 利用卫星影像, AI, 土壤及环境传感器等尖端技术来提高生产力和统计准确度的系统农业，正在以农业科技之名导入. 欧洲农业数据空间(CEADS)正在构建一个使农业经营者, 农机企业, 公共机构能够可靠共享生产及环境数据的标准化生态系统, 但在所有国家，初期投资成本负担、数字基础设施不足, 数据标准化不完善被共同指出为现实问题.

就韩国国内而言，农村振兴厅目前为实现 ‘数字平台政府’ 已构建农业科学技术信息服务(ASTIS) 系统，但智能农业机械和农业全周期数据管理系统要取得实际成效，仍有广泛课题需要解决.

 数据农业的核心是 MAS 基础的分层架构

以数据为基础的智慧农业包括智能网络及数据管理，并需要基于数据的可执行决策功能，以及从所收集数据中创造有意义价值的成果创造. 为此，认为有必要通过多智能体系统(MAS)构建一种架构，使多个独立人工智能智能体各自承担角色、沟通协作，共同解决目标. 在农业产业中，农业经营者既是农产品生产者，也是农业技术的消费者. 然而，农业产业本身具有没有大型企业的零散产业结构. 在数据农业中，为了融合 ICT 技术，需要通过多智能体系统设计实现多样农业数据的结构化分层，以及为开发协作智能体 AI 而收集高质量数据，并利用 API 信息促使 ICT 企业积极参与开发以及技术和企业成熟，这将决定数据农业的成效, 但现实中企业大多规模较小，因此面临难以持续成长和确保高级人才的问题.

通过对数据农业领域用于自主决策的 MAS 系统进行定义和分类，企业, 农业经营者, 政府, 研究机构及大学基于标准化数据收集和通过 API开发数据农业相关技术，并扩大现场实证的目标，不应仅局限于技术体系，还应以大学人才培养和基于所收集信息开发的系统(农机, AI 基础自主决策软件等)的实证和商业化，带动通过农业生产力以外的 AX实现相关产业的技术和资本流入. 

智慧农业经营体数据收集率 36.7%…从起点开始就不足

现实中，政府虽将农业 AX作为国政课题进行宣传, 但作为智慧农业出发点的数据 확보仍然不足，农户的接受度方面，根据韩国农业技术振兴院发布的 ‘2024年智慧农业现状调查及成果分析报告’显示, 在智慧农业经营体(2564个) 中，回答进行数据收集的仅为 36.7%，显示出对数据农业的现实认知较低，难以收集和利用高质量数据已成为现实. 目前韩国国内正在运营农村振兴厅的数据平台，提供作物环境监测和开放 API服务，Smart Farm Korea也正在开放种植农户的各种数据集.

 ERP·MES 等标准架构和 SOP 的制定应先行

前文提到的日本数据平台WAGRI(WAGRI)引入了基于标准作业程序(SOP) 的系统，相当于农户可自行使用的操作手册，这一点值得关注，因为农户借此能够提出收获量和作业效率等成果. 提供通过实证比较以数据为中心的农业与农户惯行农业成果的机会，可以视为数据农业的开始. 目前韩国正在推进包括农村振兴厅农业卫星在内的外形上的数据农业扩张，但似乎有必要思考包含用于决策的 MAS在内、全周期农业数据平台所需的数据构成架构. 制造业的智能工厂是基于现实世界的综合管理系统 ERP和基于物联网的制造执行系统 MES设计的，在此收集的数据被存储到虚拟物理系统(CPS)中，从而构建数字孪生.
农业数据系统也以类似环境的架构运行，ERP的构成和符合农业环境的 MES构建，可通过智能农场的高度化和标准化来运行. 并且，有必要为多样农业作业与栽培管理的自主决策，设计多协作智能体 AI系统的标准构成，并制定与之相适应的标准作业程序(SOP) ，为此需要进行全周期农业系统的数据标准化和架构设计. 需要多种产业的融合模型, 由于农户难以直接收集·分析数据，因此需要培养数据可视化和分析专家，并促使相关企业出现, 同时需要提供农户生产力和环境改善所需的解决方案，并为构建 ICT相关企业流入的生态系统提供政策支持. 通过这些措施，需要基于为确保智慧农业效用性而进行的数据标准化，以及利用其构建的多智能体系统(MAS)，持续扩大生产力和气候应对实证成果，并优先要求培育能够利用所构建数据进行产业化应用的企业和人才.

就农户而言，考虑到其既是农产品生产者又是农业技术消费者、难以实现规模经济这一现实问题, 为了促使构建利用农业数据的生产系统和平台的企业出现，政府支持政策有必要摆脱单纯以研发支持为主的做法. 可利用智慧农业数据平台的作物生长及环境数据, 智能农机等装备产业所需的全周期数据平台，应优先以 ‘韩国型智能农场标准第 4代’(暂称)为方向，构建标准架构并制定应用方案. 此外，为了数据安全技术和创造附加价值，各领域的努力以及从产业培育角度出发的社会认知变化也看来是必要的. 

[来源] 
1. 石俊浩, 2024, “AI相关农业领域动向及政策启示”, 世界农业 2024年秋季号
2. 申东哲, 2019, “日本农业大数据利用现状”, 世界农业 2019年 7月号
3. 卢时英等, 2020, “ 为促进智慧农业发展而构建农业大数据平台的方案研究”, 韩国知识信息技术学会 Vol.15. No.5, pp 915-923
4. 智能农场大数据平台 https://www.n-farm.kr/home/
5. 农业技术数据平台(农村振兴厅) https://adp.rda.go.kr/portal/pub/main.do
6. AI帮助植物栽培(基于数据的智慧农业成果), 电子新闻 2025.11.20. https://www.etnews.com/20251120000276
6. Amine Roukh 等, 2020, “Big Data Processing Architecture for Smart Farming”, January 2020, Procedia Computer Science, 177:78-85. https://www.researchgate.net/figure/WALLeSMART-system-components_fig1_346870440