합성데이터

농업 AI의 학습 데이터가 부족하면 어떻게 해결합니까?

농업 AI의 학습 데이터가 부족하면, 현장에서 재지 못한 조건을 시뮬레이션으로 계산해 만든 합성데이터(synthetic data)로 채우고 실측 데이터로 검증합니다. 합성데이터는 필드솔루션 피지컬 AI 엔진의 구성요소로, 가상 시설에서 조건을 바꿔 가며 시뮬레이션해 AI 학습 데이터를 만듭니다. 필드솔루션은 2025년 12월 15일 앤시스(Ansys)와 3세대 스마트팜 기술 개발에 착수하면서, AI 학습을 위한 초기 데이터 부족을 극복하는 것을 목표로 가상 재배 환경의 공기 흐름·열 전달·CO2 농도를 시뮬레이션하는 과제를 밝혔습니다.

작성 김대천 대표 작성일 수정일

문제

농업 시설의 실측 데이터는 세 가지 이유로 모자랍니다

AI 모델은 학습할 때 본 조건 안에서만 믿을 수 있습니다. 온실과 저장시설에서는 그 조건을 넓히기가 어렵습니다.

  • 계절은 한 해에 한 번만 옵니다. 한겨울 난방과 한여름 고온 같은 조건은 한 해에 한 번씩만 기록됩니다. 한 계절을 놓치면 다음 해를 기다려야 합니다. 새로 지은 시설에는 지난 기록이 없습니다.
  • 센서는 단 자리의 값만 알려 줍니다. 센서 수는 설치비와 관리 부담 때문에 한정됩니다. 센서 사이의 공간에서 기류·온도·CO2가 어떻게 퍼져 있는지는 기록에 남지 않습니다.
  • 위험하거나 드문 조건은 일부러 만들 수 없습니다. 데이터를 얻겠다고 한파에 난방을 끄거나 작물이 상할 만큼 온도를 올릴 수는 없습니다. 그런데 AI가 가장 잘 대응해야 하는 것이 바로 그런 조건입니다.

용어 풀이

합성데이터(synthetic data)
현장에서 잰 값이 아니라, 시뮬레이션 같은 계산으로 만들어 낸 학습용 데이터입니다. 농업에서는 온실과 저장시설에서 재지 못한 조건을 채우는 데 씁니다.
실측 데이터
현장의 센서와 설비가 실제로 기록한 데이터입니다.
가상 시설
실제 시설의 형상과 설비를 컴퓨터 안에 옮겨, 기류·열·농도를 계산할 수 있게 만든 3D 시뮬레이션 모델입니다.
점선으로 그린 가상 온실의 조건이 바뀔 때마다 데이터 카드가 한 장씩 나와 쌓이는 움직이는 개념 그림
개념 그림. 가상 온실의 조건을 바꿔 가며 계산하면 그때마다 학습 데이터가 한 벌씩 생깁니다.

비교

실측 데이터, 합성데이터, 둘을 섞는 방식을 비교했습니다

실측 데이터는 믿을 수 있지만 범위가 좁습니다. 합성데이터는 범위가 넓지만 시뮬레이션만큼만 정확합니다. 그래서 둘을 섞어 씁니다.

비교 항목실측 데이터합성데이터둘을 섞는 방식
어디서 나오는가 현장의 센서와 설비 기록입니다. 가상 시설의 시뮬레이션 계산입니다. 시뮬레이션으로 만들고 현장에서 잰 값으로 맞춥니다.
담기는 조건 실제로 겪은 날씨와 운전 조건만 담깁니다. 드물거나 위험한 조건도 계산해 넣습니다. 겪지 못한 조건은 합성데이터로 채웁니다.
공간 정보 센서를 단 자리의 값만 있습니다. 시설 안 모든 위치의 값이 나옵니다. 센서 자리에서 계산값과 실측값을 비교합니다.
얻는 데 드는 것 계절과 재배 주기만큼 시간이 듭니다. 가상 시설을 만드는 작업과 계산 시간이 듭니다. 둘 다 듭니다. 실측 데이터가 적어도 시작할 수 있습니다.
약점 범위가 좁습니다. 센서 오차와 빠진 값을 걸러야 합니다. 시뮬레이션이 현장과 다르면 그 차이까지 학습합니다. 시뮬레이션과 현장 측정을 둘 다 갖춰야 합니다.
학습에서 맡는 일 검증과 보정의 기준입니다. 학습 범위를 넓힙니다. 필드솔루션 피지컬 AI 엔진이 사용하는 방법입니다.

표는 옆으로 밀어 볼 수 있습니다 →

필드솔루션의 방법

가상 시설에서 조건을 바꿔 가며 학습 데이터를 만듭니다

시뮬레이션으로 AI 학습 데이터를 만들 수 있습니다. 순서는 네 단계이고, 필드솔루션 피지컬 AI 엔진이 사용하는 방법입니다.

시뮬레이션으로 AI 학습 데이터를 만드는 흐름 조건을 바꿔 가며 가상 시설에서 기류와 열을 계산한 결과가 학습 데이터로 쌓이고, 현장 시설에서 잰 실측 데이터와 합쳐져 AI 모델 학습으로 이어지는 도식. 조건 가상 시설 학습 데이터 AI 모델 현장 시설 1 2 3 4
  1. 조건 정하기 바깥 날씨와 설비 운전 조건의 조합을 정합니다. 현장에서 겪기 어려운 조건도 넣습니다.
  2. 가상 시설에서 계산 조건마다 3D 시뮬레이션으로 시설 안의 기류·열·농도를 계산합니다.
  3. 학습 데이터로 정리 조건과 계산 결과를 한 쌍씩 묶어 합성데이터로 쌓고, 현장 시설에서 잰 실측 데이터를 더합니다.
  4. AI 학습과 검증 합친 데이터로 모델을 학습하고, 학습에 쓰지 않은 실측 데이터로 맞는지 확인합니다.
도식: 시뮬레이션으로 AI 학습 데이터를 만드는 흐름. 번호는 엔진이 일하는 순서입니다. 파란 선은 시뮬레이션으로 만든 데이터, 초록 선은 현장 시설에서 잰 실측 데이터입니다.

한계: 시뮬레이션이 현장과 다르면 학습도 틀어집니다

합성데이터는 가상 시설이 현장을 옮긴 만큼만 정확합니다. 가상 시설의 계산값과 현장의 측정값 사이에 생기는 차이를 시뮬레이션과 현실의 차이(sim-to-real gap)라고 합니다.

이 차이를 그대로 두면 데이터를 아무리 많이 만들어도 모델은 현장에서 어긋납니다. 차이는 현장에서 잰 값으로 시뮬레이션을 보정해 줄입니다.

현장 데이터로 시뮬레이션을 보정하는 방법 보기

합성데이터를 쓸 때 확인할 세 가지

  • 가상 시설이 현장과 맞는가. 형상, 재질, 설비 성능을 현장과 다르게 넣으면 계산 결과도 현장과 달라집니다. 센서 자리의 계산값과 실측값을 비교해 시뮬레이션을 보정합니다. 현장에서 가상으로, 가상에서 다시 현장으로 잇는 이 왕복이 Real2Sim2Real입니다.
  • 시뮬레이션에 넣지 않은 현상은 없는가. 합성데이터에는 시뮬레이션에 넣은 물리만 담깁니다. 틈새바람이나 결로처럼 모델에 넣지 않은 현상은 데이터에도 없습니다. 이런 부분은 실측 데이터로 확인합니다.
  • 계산 시간을 감당할 수 있는가. 3D 시뮬레이션은 조건 하나를 계산하는 데도 시간이 걸립니다. 조건을 고르게 골라 계산 횟수를 줄이고, 계산 결과로 대안모델(메타모델)을 학습해 무거운 계산을 대신하게 합니다.

근거

합성데이터는 필드솔루션 피지컬 AI 엔진의 구성요소입니다

엔진 안에서 맡는 일, 필드솔루션의 지원 범위, 보도자료에서 밝힌 계획을 나눠 적었습니다. 보도자료의 내용은 계획과 목표이고 결과가 아닙니다.

합성데이터

엔진 구성요소
엔진
필드솔루션 피지컬 AI 엔진
맡는 일
시뮬레이션으로 AI 학습 데이터를 만듭니다.
앞 단계
3D 시뮬레이션이 시설 안의 기류·열·농도를 가상 공간에 재현합니다.
뒤 단계
만든 데이터로 대안모델(메타모델)을 학습합니다. 현장과 가상을 잇는 흐름은 Real2Sim2Real입니다.

필드솔루션이 지원하는 농업 시설

지원 범위
3D 시뮬레이션
농산물 생육 시설, 노지, 저장시설의 데이터 생산과 3D 시뮬레이션
피지컬 AI
시설 재배와 저장 시설 환경의 최적화 제어

앤시스(Ansys) 협력에서 밝힌 계획

개발 착수
착수
2025년 12월 15일, 글로벌 기업 협업 프로그램을 통해 앤시스(Ansys)와 3세대 스마트팜 기술 개발에 착수했습니다.
밝힌 과제
스마트팜 도입의 장벽으로 ‘AI 학습을 위한 초기 데이터 부족’과 과도한 에너지 비용을 들었습니다.
시뮬레이션 대상
가상 재배 환경의 공기 흐름, 열 전달, CO2 농도 같은 변수입니다.
목표
최적 성장 조건을 예측해 AI 모델의 정확성을 높이고 에너지 소비를 줄이는 것입니다.
재배 현장
전북도 농업기술원 자원식물연구소와 협력해 실제 재배 현장 확보와 솔루션 검증·상용화를 추진하고 있습니다.

보도자료 읽기에이빙뉴스 기사 보기

‘천마 디지털팜 연중생산 시스템’ 현수막이 걸린 회색 컨테이너형 재배 시설 여러 동이 야외에 줄지어 서 있다.
앤시스 협력 보도자료에 실린 재배 시설 사진(사진 제공 필드솔루션)

자주 묻는 질문

합성데이터에 대해 자주 받는 질문

합성데이터만으로 AI를 학습해도 됩니까?

권하지 않습니다. 합성데이터는 시뮬레이션이 현장을 옮긴 만큼만 정확합니다. 시뮬레이션이 현장과 어긋나 있으면 모델은 그 어긋남까지 학습합니다. 양이 적더라도 실측 데이터로 모델을 검증하고, 차이가 크면 시뮬레이션부터 보정해야 합니다.

실측 데이터는 얼마나 있어야 합니까?

정해진 양은 없습니다. 시설의 크기, 센서 위치, AI가 예측할 대상에 따라 달라집니다. 기준은 양이 아니라 쓰임입니다. 가상 시설의 계산값이 현장과 맞는지 확인할 수 있도록, 서로 다른 계절과 운전 상태의 기록이 있어야 합니다. 실측 데이터가 적을수록 합성데이터가 메워야 할 범위가 넓어지고, 시뮬레이션을 보정하는 일이 더 중요해집니다.

합성데이터를 만들려면 어떤 시뮬레이션이 필요합니까?

AI가 예측할 값을 물리 법칙으로 계산해 주는 시뮬레이션이 필요합니다. 온실이나 저장고 안에서 위치마다 다른 기류·온도·습도·CO2 농도를 다루려면 3D 전산유체역학(CFD) 시뮬레이션을 씁니다. 시설 전체의 에너지 사용량처럼 공간 분포가 필요 없는 값은 더 가벼운 계산 모델로도 만들 수 있습니다. 필드솔루션은 2025년 12월 15일 앤시스(Ansys)와 3세대 스마트팜 기술 개발에 착수하면서, 앤시스의 3D CFD 시뮬레이션 기술을 도입할 계획을 밝혔습니다.

3D 시뮬레이션 답변 보기

개인정보 가명처리에서 말하는 합성데이터와 같은 것입니까?

이름은 같지만 만드는 방법과 목적이 다릅니다. 개인정보 분야의 합성데이터는 원본 데이터의 통계적 특성을 본떠 새로 만든 데이터이고, 가명처리와 마찬가지로 개인을 알아볼 수 없게 하면서 데이터를 활용하려는 방법입니다. 이 글에서 말하는 합성데이터는 물리 시뮬레이션으로 계산한 데이터이고, 현장에서 재지 못한 조건을 채우려는 방법입니다. 실제로 수집한 것이 아니라 만들어 낸 데이터라는 점만 같습니다.

저장시설에도 합성데이터를 쓸 수 있습니까?

원리는 온실과 같습니다. 저장고도 안쪽 위치에 따라 온도와 습도가 다르고, 센서를 단 자리의 값만 기록됩니다. 저장시설은 필드솔루션의 지원 범위에 들어 있습니다. 저장시설의 데이터 생산과 3D 시뮬레이션, 저장 환경의 최적화 제어가 대상입니다.

저장시설 답변 보기

시설 상황을 알려 주시면 무엇부터 볼지 답해 드립니다

시설의 종류와 규모, 지금 모으고 있는 센서 데이터, AI로 예측하거나 제어하려는 대상을 적어 주십시오.

필드솔루션은 온실·저장시설 같은 농업 시설을 3D 시뮬레이션으로 재현하고, 자체 엔진으로 피지컬 AI를 만들어 현장 제어까지 연결하는 기업이다.

전화 010-5163-5138 이메일 info@fieldsol.com

현장 진단 신청