[DIY 스마트팜] PLC와 Python으로 만드는 스마트 육묘 시스템 아이디어

 

- 스펀지 포트 기반 자동 발아 시스템 설계 -

안녕하세요! 오늘은 PLC의 안정성과 Python의 데이터 분석 능력을 결합하여, 공장형 스마트팜 구조에 가까운 “스펀지 포트 기반 자동 육묘 시스템”을 구축하는 방법을 정리해 봅니다.

이번 시스템은 단순히 씨앗에 물을 주는 수준이 아니라:

  • VPD(포차)

  • 적산온도(GDD)

  • 저면급수

  • 배출(Drain)

  • 순환(Circulation)

  • 함수율 기반 관수

까지 고려한 데이터 기반의 정밀 육묘 시스템입니다.

특히 이번 글에서는 실제 공장형 스마트팜에서 많이 사용하는:

  • 스펀지 포트

  • 우레탄 폼

  • 폼 배지

기반의 육묘 구조를 중심으로 설명합니다.

1. 왜 공장형 스마트팜은 스펀지 포트를 사용하는가?

많은 사람들이 스마트팜이라고 하면:

  • 복잡한 AI

  • 고급 센서

  • 비싼 제어 알고리즘

을 먼저 떠올립니다.

하지만 실제 공장형 스마트팜에서는 오히려:

“배지를 규격화하여 제어를 단순화”

하는 접근을 많이 사용합니다.

상토 기반의 문제점

일반 상토는 자연 재료이기 때문에 편차가 큽니다.

예를 들어:

  • 함수율 편차

  • 밀도 편차

  • 배수 편차

  • 공극률 편차

가 존재합니다.

즉:

“같은 시간 동안 물을 공급해도 결과가 달라질 수 있다”

는 문제가 발생합니다.

PLC 엔지니어 관점에서는 이런 편차가 매우 불리합니다.

반면 스펀지 포트는?

스펀지 포트는:

  • 크기 일정

  • 공극률 일정

  • 함수율 패턴 일정

  • 배수 특성 일정

합니다.

즉:

“반복성이 매우 높다”

는 강력한 장점이 있습니다.

예를 들어:

  • 30초 저면급수
    → 거의 동일한 함수율

이라는 재현성이 가능합니다.

이는 자동화 시스템에서 매우 중요한 특징입니다.

2. 시스템 아키텍처 (Hybrid Architecture)

시스템은 크게 3개 계층으로 구성됩니다.

L0 (Sensor / Actuator)

실제 센서와 액추에이터 계층입니다.

센서 구성

  • SHT3x 온습도 센서

  • DS18B20 수온/지온 센서

  • 수위 센서

  • EC 센서(Optional)

  • 조도 센서(Optional)

액추에이터 구성

  • DC 24V 저면급수 펌프

  • 순환 펌프

  • 드레인 밸브

  • 환기 팬

  • LED 식물등

  • 초음파 가습기

  • 히터 매트

L1 (Control)

PLC 기반 안정성 계층입니다.

PLC 역할

  • 타이머 제어

  • 인터록

  • 급수 시퀀스

  • 배출 시퀀스

  • 순환 제어

  • 비상 정지

PLC는:

“절대 멈추면 안 되는 부분”

을 담당합니다.

L2 (Intelligence)

Python 기반 분석 계층입니다.

Python 역할

  • VPD 계산

  • 적산온도(GDD) 계산

  • 함수율 패턴 분석

  • 관수 패턴 최적화

  • 데이터 저장

  • 성장 추적

즉:

PLC = 안정성
Python = 데이터 분석

구조입니다.

3. 발아 시스템의 핵심: 환경 안정화

발아 단계에서는 양액보다:

  • 온도

  • 습도

  • 함수율

  • 산소 공급

이 훨씬 중요합니다.

특히 초기 발아 실패의 대부분은:

  • 과습

  • 산소 부족

  • 공기 정체

에서 발생합니다.

4. 핵심 환경 제어: VPD (Vapor Pressure Deficit)

단순 습도(%)는 식물 상태를 정확히 설명하지 못합니다.

식물은 실제로:

“얼마나 강하게 수분을 증산할 수 있는 환경인가”

에 반응합니다.

이 값을 수치화한 것이 VPD(포차)입니다.

왜 VPD가 중요한가?

VPD가 너무 낮으면

  • 과습

  • 입고병(Damping-off)

  • 곰팡이

  • 산소 부족

VPD가 너무 높으면

  • 발아 건조

  • 유묘 스트레스

  • 성장 지연

발아 단계에서는 일반적으로:

  • 0.4 ~ 0.8 kPa

범위를 많이 사용합니다.

Python 기반 VPD 계산

Python은:

  • 온도

  • 상대습도

를 읽어 실시간으로 VPD를 계산합니다.

개념식은 다음과 같습니다.

VPD = 포화수증기압 × (1 - 상대습도)

Python이 계산한 값을 PLC D 레지스터에 기록하면 PLC는:

  • 환기 팬

  • 가습기

  • 배기 팬

을 자동 제어하여 안정적인 환경을 유지합니다.

5. 적산온도(GDD) 기반 발아 추적

발아는 단순히 “며칠이 지났는가”보다:

“얼마나 유효 온도를 누적했는가”

에 더 크게 영향을 받습니다.

적산온도 계산식

GDD = Σ(Tavg - Tbase)

변수 의미

  • Tavg

    • 평균 온도

  • Tbase

    • 생육 기준 온도

예시:

  • 평균 온도 = 22도

  • 기준 온도 = 10도

라면 하루 GDD는:

12가 누적됩니다.

적산온도 활용

Python은 누적 GDD를 기반으로:

  • 예상 발아 시점

  • 활착 시점

  • NFT 이식 시점

을 예측할 수 있습니다.

이는 단순 감각 농업이 아니라:

“데이터 기반 육묘”

의 핵심입니다.

6. 관수 시스템 설계: 3가지 선택지

스펀지 포트 기반 육묘 시스템에서는 “관수 방식”이 매우 중요합니다.

이번 시스템에서는 PLC 기반으로 구현 가능한 대표적인 3가지 구조를 소개합니다.

Option 1. 저면급수 (Bottom Feeding)

가장 단순하고 안정적인 방식입니다.

구조

  1. 트레이 하부에 물 공급

  2. 스펀지가 모세관 현상으로 흡수

  3. 일정 시간 유지

  4. 배출

장점

  • 함수율 균일

  • 씨앗 이동 없음

  • 과한 표면 살수 방지

  • 구현 난이도 낮음

단점

  • 장시간 침수 시 과습 위험

PLC 제어 예시

  • 6시간마다 급수

  • 30초 침수

  • 자동 배출

스펀지 기반 구조에서는 가장 흔하게 사용됩니다.

Option 2. 배출형 관수 (Drain-to-Waste)

충분히 적신 뒤 남은 물을 배출하는 구조입니다.

상업형 스마트팜에서 많이 사용됩니다.

구조

  1. 급수

  2. 스펀지 포화

  3. 잉여 수분 배출

장점

  • 산소 공급 증가

  • 과습 감소

  • 곰팡이 억제

  • 함수율 안정화

단점

  • 물 사용량 증가

  • 배수 설비 필요

핵심 개념

“충분히 적시고 반드시 배출한다”

입니다.

Option 3. 순환형 관수 (Recirculation)

배출된 물을 다시 회수하여 순환시키는 구조입니다.

수경재배 시스템과 가장 가까운 형태입니다.

구조

  1. 급수

  2. 배출

  3. 저수조 회수

  4. 재순환

장점

  • 물 절약

  • 양액 재사용

  • 데이터 분석 가치 증가

  • 자동화 확장성 우수

단점

  • EC 관리 필요

  • 병원균 순환 위험

  • 수질 관리 난이도 증가

Python 활용 포인트

Python은:

  • 물 소비량

  • 함수율 패턴

  • EC 변화율

을 분석하여 PLC의 급수 주기를 자동 보정할 수 있습니다.

7. 순환 및 환기 전략

발아 시스템에서는:

  • 물 순환

  • 공기 순환

모두 중요합니다.

왜 약한 순환이 중요한가?

강한 순환은:

  • 저온 스트레스

  • 과습

  • 뿌리 스트레스

를 유발할 수 있습니다.

따라서:

  • 저유량 순환

  • 간헐 순환

  • 짧은 Duty 제어

가 안정적입니다.

PLC 순환 시퀀스 예시

  • 10분 정지

  • 1분 순환

또는:

  • 고온 시만 순환

  • 야간 순환 감소

같은 구조가 가능합니다.

플리커(Flicker) 환기 로직

습도 센서 값이 정상이어도 공기가 정체되면 곰팡이가 발생합니다.

따라서 PLC에는 반드시:

  • 10분마다 1분 환기

  • 30분마다 강제 공기 순환

같은 플리커 환기 로직을 넣는 것이 좋습니다.

8. 안전 로직 (Interlock)

육묘 시스템은 물과 전기를 함께 사용하므로 인터록이 매우 중요합니다.

최대 펌프 가동 제한

예시:

  • 펌프 60초 이상 동작 시 강제 차단

이를 통해:

  • 침수

  • 펌프 과열

  • 수조 고갈

을 방지할 수 있습니다.

수위 센서 연동

수조 물 부족 시:

  • 급수 금지

  • 펌프 차단

  • 경보 출력

을 수행합니다.

야간 급수 제한

야간에는 증산량이 감소하므로:

  • 급수량 감소

  • 순환 감소

  • 환기 증가

구조가 과습 방지에 유리합니다.

9. 데이터 시각화 및 분석

Python으로 수집한 데이터는:

  • Grafana

  • SQLite

  • PostgreSQL

  • InfluxDB

등과 연동할 수 있습니다.

특히 다음 데이터를 함께 보면 매우 유용합니다.

  • VPD 변화

  • 적산온도 누적량

  • 급수 주기

  • 배출량 변화

  • 발아 속도

  • 함수율 패턴

  • 순환 펌프 동작 시간

이 데이터는 이후:

  • 자동 최적화

  • 성장 예측

  • AI 기반 환경 제어

  • 스마트팜 사업화

로 확장 가능한 매우 강력한 자산이 됩니다.

댓글

댓글 쓰기