KR101995755B1 - 가축 질병 예측 시스템 - Google Patents
가축 질병 예측 시스템 Download PDFInfo
- Publication number
- KR101995755B1 KR101995755B1 KR1020190027910A KR20190027910A KR101995755B1 KR 101995755 B1 KR101995755 B1 KR 101995755B1 KR 1020190027910 A KR1020190027910 A KR 1020190027910A KR 20190027910 A KR20190027910 A KR 20190027910A KR 101995755 B1 KR101995755 B1 KR 101995755B1
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- data
- information
- feed
- intake
- Prior art date
Links
- 208000031295 Animal disease Diseases 0.000 title abstract 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 100
- 238000004458 analytical method Methods 0.000 claims abstract description 64
- 201000010099 disease Diseases 0.000 claims abstract description 61
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 61
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 230000003542 behavioural effect Effects 0.000 claims abstract description 6
- 244000144972 livestock Species 0.000 claims description 334
- 235000021050 feed intake Nutrition 0.000 claims description 51
- 238000000034 method Methods 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 24
- 238000009395 breeding Methods 0.000 claims description 16
- 230000001488 breeding effect Effects 0.000 claims description 16
- 208000024891 symptom Diseases 0.000 claims description 15
- 238000012952 Resampling Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 241000283690 Bos taurus Species 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000007637 random forest analysis Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000003307 slaughter Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000002255 vaccination Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims 2
- 241001465754 Metazoa Species 0.000 abstract description 12
- 238000010801 machine learning Methods 0.000 abstract description 9
- 230000006399 behavior Effects 0.000 description 31
- 230000005856 abnormality Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000036760 body temperature Effects 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000004622 sleep time Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000011985 exploratory data analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000001558 permutation test Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Environmental Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 일 실시예에 따른 가축 질병 예측 시스템은 가축에 부착되며 가축의 생체정보를 감지하고, 가축의 식별정보가 등록된 무선태그; 축사 내의 피더 및 물탱크 주변에 설치되며, 상기 무선태그가 피더 및 물탱크와 일정거리 이내에 있는 경우 사료 및 물을 섭취하는 것으로 인식하고, 사료 및 물섭취 정보와 생체정보를 전송하는 인식장치; 상기 인식장치로부터 가축의 생체정보와 사료섭취 및 물섭취에 대한 정보를 수신하여 가축의 사료섭취 및 물섭취에 대한 행동정보를 판단하며, 데이터베이스에 저장된 데이터와 비교하여 가축의 이상 여부를 머신러닝 기반으로 분석하여 가축의 질병을 예측하는 분석부; 및 상기 분석결과를 통계화하고, 기 등록된 관리자에게 분석결과를 전송하는 모니터링부를 포함한다.
Description
본 발명은 가축 질병 예측 시스템에 관한 것으로, 특히 가축 개체에 대해 식별번호가 기록된 무선태그를 부착하여, 가축의 사료 및 물 섭취정보 패턴을 분석하고 이를 통해 건강 이상징후를 감지하며, 감지된 이상징후 정보를 실시간으로 제공하는 가축 질병 예측 시스템에 관한 것이다.
일반적인 가축의 질병관리 방법은, 축사에 사육중인 소, 돼지 등의 가축의 건강상태를 농장주 또는 관리인이 개체별로 일일이 가축의 발육상태, 체온, 맥박, 호흡수 등을 직접 측정하며, 측정된 정보를 관리장부 등에 기재하고, 해당 데이터를 농장주 또는 관리인의 경험에 따라 분석하여 가축의 질병 여부를 판단하거나 측정된 데이터를 오프라인을 통해 가축관련 전문가 또는 수의사에게 제공함으로써 질병 여부를 분석하고 판단한다.
그러나 이와 같은 가축의 질병관리 방법은 가축의 수가 많을 경우에는 소수의 인원으로 각 개체별 건강상태에 따른 효율적인 관리가 어려우며, 오프라인을 통해 가축관련 전문가 또는 수의사로부터 측정데이터에 대한 분석정보를 받기까지 상당한 시간이 소요되는 문제점이 있다.
한편, 최근에는 가축 전염병의 조기 검색 및 초동방역을 강화하기 위하여, 농림수산식품부가 전국 가축사육 농가를 대상으로 주기적으로 전화를 걸어 가축의 상태와 이상 유무를 확인하는 전화 예찰제도를 실시하고 있다.
이와 같은 전화 예찰제도는 농장의 기본정보 확인과정을 거쳐 가축의 체온, 사료섭취, 발육상태, 폐사 등 가축상태를 파악하며, 이상징후 여부를 질문하는 과정으로 이루어진다.
그런데, 가축질병의 진행단계는 감염이 되었을 때부터 질병에 따라 조금씩 차이는 있기는 하지만, 통상적으로 감염이 된 후 2주 내지 5주가 지나야 농장주 또는 관리자의 육안으로 확인된다. 따라서, 농장주 또는 관리자의 육안으로 질병의 증세가 확인되었을 때에는 이미 치료의 시기가 늦어 별다른 치료를 할 수가 없는 경우가 발생할 수 있으며, 이러한 경우에는 질병증상이 나타난 가축을 격리조치 또는 폐사시켜 바이러스의 경로를 차단하여야만 하기 때문에, 가축의 질병으로 인한 피해가 상당할 수밖에 없다는 문제점이 있다.
선행문헌 10-2013-0042771, '원격 가축 모니티링 시스템 및 방법'에서는 가축에 식별태그를 부착하고 가축의 정보를 수집하고 분석하여 모니터링하는 시스템이 개시되어 있다. 하지만, 사용자는 이상 여부만 알 수 있을 뿐 이상이 있는 개체에 대한 이력이나 구체적인 정보를 쉽게 파악하기 어렵다는 문제점이 있다.
본 발명이 해결하고자 하는 기술적 과제는 가축의 사료 및 물 섭취정보 패턴을 분석하고 이를 통해 건강 이상징후를 감지하여 신속한 조치를 취할 수 있도록 함으로써 가축의 질병으로 인한 피해가 확산되는 것을 사전에 방지할 수 있는 가축 질병 예측 시스템을 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 가축 질병 예측 시스템은 가축에 부착되며 가축의 생체정보를 감지하고, 가축의 식별정보가 등록된 무선태그; 축사 내의 피더 및 물탱크 주변에 설치되며, 상기 무선태그가 피더 및 물탱크와 일정거리 이내에 있는 경우 사료 및 물을 섭취하는 것으로 인식하고, 사료 및 물섭취 정보와 생체정보를 전송하는 인식장치; 상기 인식장치로부터 가축의 생체정보와 사료 및 물 섭취 정보를 수신하고, 데이터베이스에 저장된 데이터와 비교하여 가축의 이상 여부를 머신러닝 기반으로 분석하여 가축의 질병을 예측하는 분석부; 및 상기 분석결과를 통계화하고, 기 등록된 관리자에게 분석결과를 전송하는 모니터링부를 포함하며, 상기 분석부는, 상기 인식장치로부터 센서 데이터 및 인터넷을 통하여 가축관련 클라우드 정보를 수집하되, 가축 베이스 데이터, 사료 베이스 데이터, 물 베이스 데이터, 축사 베이스 데이터를 포함하는 정보를 수집하는 데이터 수집부;상기 베이스 데이터를 가공하여 통계 분석용 데이터 마트를 생성하는 데이터 가공부; 상기 수집된 데이터 및 생성된 데이터를 빅데이터 플랫폼으로 저장하는 데이터베이스; 상기 사료섭취 및 물섭취에 대한 정보를 머신러닝 기반으로 분석하여 상기 가축의 질병을 예측하는 예측부; 및 상기 예측부에서 예측된 결과와 실제결과값에 대한 재학습을 수행하여 오차율을 최소화하되, 리샘플링 방법에 의해 오차율을 1차적으로 줄이고, 모델 결합법을 이용하여 오차율을 2차적으로 줄여 오차율을 최소화하는 오차율 최소화부;를 포함하고, 상기 모니터링부는, 가축의 일일평균 사료 섭취량, 물섭취량, 및 질병예측 결과를 통계적으로 디스플레이하고, 상기 질병예측 결과에 따른 대응 및 질병 발명 유무에 대한 통계를 디스플레이할 수 있다.
본 발명에 따르면, 가축의 사료 및 물 섭취정보 패턴을 분석하고 이를 통해 건강 이상징후를 감지하여 신속한 조치를 취할 수 있도록 함으로써 가축의 질병으로 인한 피해가 확산되는 것을 사전에 방지할 수 있다.
또한, 본 발명에 따르면, 데이터를 9개의 데이트 마트로 가공하여 저장함으로써 사용자를 위한 다양한 통계 데이터를 쉽게 제공할 수 있다.
또한, 본 발명에 따르면, Random Forest 알고리즘을 이용하여 질병을 예측한 후, 예측 결과를 리샘플링 방법과 모델 결합법을 순차적으로 이용하여 오차율을 최소화할 수 있다.
또한, 본 발명에 의하면, 모니터링부에서 분석 결과를 통계처리하고 디스플레이함으로써 사용자에게 분석결과를 시각적으로 제공할 수 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 가축 질병 예측 모니터링을 설명하기 위한 도면이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 가축 질병 예측 시스템을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 중계장치의 구성을 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 분석장치의 구성을 나타낸 블록도이다.
도 6은 본 발명의 일 실시예에 따른 가축 질병 예측 모니터링 방법을 나타낸 순서도이다.
도 7은 본 발명의 다른 실시예에 따른 가축 질병 예측 시스템을 나타낸 것이다ㅏ.
도 8은 도 7의 분석부의 나타낸 것이다.
도 9 내지 도 12는 모니터링부에 표시되는 그래프의 예를 나타낸 것으로, 도 9는 펜, 롯, 야드별 분포를 가로축과 세로축을 나타낸 것이고, 도 10은 이상 징후가 있는 개체를 조회하여 펜, 롯, 야드의 평균과 비교하여 이상 객체를 분석하고, 과거 이력 데이터를 추적한 예를 나타낸 것이고, 도 11은 각 펜, 롯, 야드별 가축의 활동성, 위험성 등의 추세를 나타낸 것이고, 도 12는 예측부의결과를 대쉬보드 형태로 제공한 것이다.
도 13은 본 발명의 다른 실시예에 따른 가축 질병 예측 시스템을 나타낸 것이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 가축 질병 예측 시스템을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 중계장치의 구성을 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 분석장치의 구성을 나타낸 블록도이다.
도 6은 본 발명의 일 실시예에 따른 가축 질병 예측 모니터링 방법을 나타낸 순서도이다.
도 7은 본 발명의 다른 실시예에 따른 가축 질병 예측 시스템을 나타낸 것이다ㅏ.
도 8은 도 7의 분석부의 나타낸 것이다.
도 9 내지 도 12는 모니터링부에 표시되는 그래프의 예를 나타낸 것으로, 도 9는 펜, 롯, 야드별 분포를 가로축과 세로축을 나타낸 것이고, 도 10은 이상 징후가 있는 개체를 조회하여 펜, 롯, 야드의 평균과 비교하여 이상 객체를 분석하고, 과거 이력 데이터를 추적한 예를 나타낸 것이고, 도 11은 각 펜, 롯, 야드별 가축의 활동성, 위험성 등의 추세를 나타낸 것이고, 도 12는 예측부의결과를 대쉬보드 형태로 제공한 것이다.
도 13은 본 발명의 다른 실시예에 따른 가축 질병 예측 시스템을 나타낸 것이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 가축 질병 예측 모니터링을 설명하기 위한 도면이다. 본 발명의 실시예에 따른 가축은 소를 대상으로 한 것이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 가축 질병 예측 모니터링은 가축대형 집중사육 농장에서 사육중인 가축 개체에 대해 개체 식별번호가 기록된 무선태그를 부착하여, 가축의 사료 및 물 섭취정보 패턴을 분석하고 이를 통해 건강이상 신호를 신속하고 효율적으로 감지하며, 감지정보를 실시간으로 제공할 수 있다.
이러한 가축 질병 예측 모니터링 기술에 대해 이하 도면을 참조하여 상세히 설명하기로 한다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 가축 질병 예측 시스템을 설명하기 위한 도면이다.
도 2 및 도 3을 참조하면, 본 발명의 일 실시예에 따른 가축 질병 예측 시스템은 축사에 설치된 센서장치(100) 및 분석장치(300)를 포함한다.
센서장치(100)는 가축의 행동정보 및 가축 고유번호를 포함하는 센싱정보를 무선으로 분석장치(300)에 전송한다.
이러한 센서장치(100)는 무선태그(110), 인식장치(120), 중계장치(200)를 포함한다.
무선태그(110)는 가축에 부착되며, 가축 고유번호가 등록되어 있다. 즉, 무선태그(110)는 가축의 피부를 관통하거나, 피부표면에 부착되거나 혹은 피부에 이식되어 가축의 고유번호를 무선으로 전송한다. 이러한 무선태그(110)는 RFID, 블루투스, 지그비 등 태그(tag) 부여가 가능한 근거리 무선 통신을 사용할 수 있다. 또한, 무선태그(110)는 UHF 대역의 센서 태그일 수 있다.
인식장치(120)는 축사에 설치되며, 무선태그(110)가 인식된 경우 가축 고유번호 및 인식장치 고유번호를 무선으로 전송한다. 즉, 인식장치(120)는 근거리 무선 통신의 수신 반경에 따라 여러 개를 구축하여 무선태그(110)의 가축 고유번호를 근거리 무선통신을 통해 전송할 수 있다. 이러한 인식장치(120)는 RFID 리더기로, feeder(피더), 물탱크 주변에 설치될 수 있다. 이때, 인식장치(120)는 고정형 또는 이동형 등을 포함할 수 있다.
인식장치(120)는 무선태그 센싱용으로 와이드 방사형 안테나를 포함할 수 있다. 또한, 인식장치(120)는 농장 맞춤형 장거리 와이파이 어레이형 안테나를 포함할 수 있다. 즉, 인식장치(120)는 가축의 행동감지 데이터를 중계장치(200)까지 최적으로 전달하기 위한 지향성 안테나를 포함할 수 있다.
중계장치(200)는 인식장치(120)로부터 가축 고유번호 및 인식장치 고유번호를 수신하고, 인식장치 고유번호를 근거로 가축의 행동정보를 판단하며, 행동정보를 포함하는 센싱정보를 분석장치(300)로 전송한다. 여기서, 행동정보는 섭취 데이터, 수면 데이터 등을 포함할 수 있다.
중계장치(200)는 무선태그(110)의 스캔 타임(time), 송수신 전력 등의 파라메터를 조정할 수 있고, 축사 맞춤형 방수타입의 외장 케이스로 구성될 수 있다. 여기서는 중계장치(200)가 센서장치(100)에 포함된 구성으로 설명하였으나, 중계장치(200)는 센서장치(100)에 포함되지 않은 별도의 구성일 수도 있다.
이러한 중계장치(200)는 축사(농장) 관리소에 설치될 수 있으며, 중계장치(200)에 대한 상세한 설명은 도 4를 참조하기로 한다.
한편, 본 발명에 따른 센서장치(100)는 생체정보 센서부(미도시)를 더 포함할 수 있다.
생체정보 센서부는 가축에 부착되어, 체온, 맥박, 혈압, 심전도 중 적어도 하나의 생체정보를 측정하고, 측정된 생체정보를 인식장치 또는 중계장치로 전송한다. 이때, 생체정보 센서부는 체온, 맥박, 혈압, 심전도 및 기타 가축의 상태를 측정할 수 있는 하나 이상의 측정센서를 포함하는 것으로, 체온의 경우 다양한 온도측정 센서가 사용될 수 있다. 예컨대, 적외선 온도센서, 써미스터(Thermister)를 이용한 온도센서 등이 사용될 수 있다. 맥박센서는 모세혈관의 빛 투과율을 측정하기 위하여 적외선 LED와 포토 다이오드를 쌍으로 가축 식별 장치가 가축의 피부를 관통한 부위에 부착하여 모세혈관에 흐르는 혈액의 이동주기를 판단할 수 있다. 즉, 적외선 LED에서 조사되는 광이 반사되어 포토 다이오드에 입사되어 발생되는 신호를 증폭함으로써 맥박을 센싱할 수 있다. 혈압센서는 일반적인 압력센서인 피에조 센서(Piezo Sensor)를 이용하여 구성할 수 있다. 심전도 센서(EKG sensor)는 심장벡터의 방향성이 필요하므로 하나 이상의 생체정보 센서부가 가축의 피부를 관통하여 부착되는 경우 각각의 부위에 접촉하도록 설치되어 심장벡터를 검출할 수 있다. 이 경우 하나의 가축에 부착된 복수개의 생체정보 센서부는 동일한 가축 고유번호를 저장하고 있어야 한다.
생체정보 센서부가 생체정보를 인식장치로 전송하는 경우, 인식장치(120)는 생체정보를 중계장치(200)로 전송할 수 있다. 또한, 생체정보 센서부가 생체정보를 중계장치(200)로 전송하는 경우, 중계장치(200)는 행동정보는 물론 생체정보를 포함하는 센싱정보를 분석장치(300)로 전송할 수 있다.
또한, 본 발명에 따른 센서장치(100)는 촬영부(미도시)를 더 포함할 수 있다. 촬영부는 축사 내부의 가축의 영상을 촬영하여 중계장치(200)로 전송한다. 이때, 촬영부는 카메라로, 축사에 하나 이상 설치될 수 있으며, 각 촬영부는 자신이 관할하는 해당 서브 공간 내의 가축을 추적 촬영한다. 또한, 추적 효율을 높이도록 해당 서브 공간을 따라 슬라이딩 이동이 가능하도록 설치된다. 이러한 슬라이딩 이동에 따르면 가축이 해당 서브 공간 내에서 이동하거나 배회할 때 카메라가 항상 가축이 위치한 지점과 대응하는 위치에서 촬영하도록 제어할 수 있다. 물론 이외에도 카메라는 팬, 틸팅 또는 줌 제어가 가능할 수 있다.
분석장치(300)는 센서장치(100)로부터 센싱정보를 수신하고, 센싱정보를 머신러닝 기반으로 분석하여 가축의 질병을 예측한다. 즉, 분석장치(300)는 센싱정보를 근거로 가축의 사료 및 물 섭취정보 패턴을 분석하고 이를 통해 건강이상 신호를 감지할 수 있다.
분석장치(300)는 탐색적 자료 분석(Exploratary Data Analysis)을 통한 데이터 구조 파악 이후 가축에 대한 행태 및 동선 파악할 수 있다. 또한, 분석장치는(300) 식사, 취침 등 정해진 스케쥴에 따라 움직이지 않거나 이상 징후를 보이는 가축에 대해 경고 메시지 및 알람 서비스 제공할 수 있다.
한편, 분석 장치(300)는 단일의 연산 장치로 구현되거나 둘 이상의 연산 장치가 서로 연결된 집합 장치의 형태로 구현될 수도 있다. 예를 들어, 분석장치(300)는 단일의 서버로 구현되거나 둘 이상의 서버가 연결된 형태로 구현될 수 있다.
이러한 분석장치(300)대한 상세한 설명은 도 5를 참조하기로 한다.
한편, 본 발명에 따른 가축 질병 예측 시스템은 분석장치(300)에서 분석된 정보를 실시간으로 모니터링하는 사용자 장치(미도시)를 더 포함할 수 있다. 사용자 장치에는 가축 질병 예측 모니터링 서비스 처리를 수행할 수 있는 애플리케이션(또는 애플릿)이 저장될 수 있으며, 이들 애플리케이션을 통해 분석장치(300)로부터 제공되는 가축 모니터링 서비스를 출력할 수 있다. 즉, 사용자 장치는 분석장치(300)로부터 가축의 사료 및 물 섭취정보 패턴, 건강이상 정보 등을 실시간으로 모니터링 할 수 있다.
이러한 사용자 장치는 다양한 유무선 환경에 적용될 수 있는 PDA(Personal Digital Assistant), 스마트폰, 셀룰러폰, PCS(Personal Communication Service)폰, GSM(Global System for Mobile)폰, W-CDMA(Wideband CDMA)폰, CDMA-2000폰, MBS(Mobile Broadband System)폰 등을 포함한다. 여기서 사용자 장치는 휴대용 소형기기를 나타낼 수 있지만, 캠코더 또는 랩탑 컴퓨터 등을 포함하는 경우에는 이동통신단말기로 지칭될 수 있으므로, 본 발명의 실시예에서는 이에 특별히 한정하지는 않을 것이다.
도 4는 본 발명의 일 실시예에 따른 중계장치의 구성을 나타낸 블록도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 중계장치(200)는 저장부(210), 무선통신부(220), 판단부(230), 제어부(240)를 포함한다.
저장부(210)는 중계장치(200)의 동작과 관련된 데이터들을 저장하는 구성이다. 여기서 저장부(210)는 공지된 저장매체를 이용할 수 있으며, 예를 들어, ROM, PROM, EPROM, EEPROM, RAM 등과 같이 공지된 저장매체 중 어느 하나 이상을 이용할 수 있다.
특히, 저장부(210)에는 축사에 위치하는 가축의 고유번호, 평균 사료 섭취량, 부모 이력, 백신 접종 정보, 출생지 및 도축지에 관한 이력 정보가 저장된다. 또한, 저장부(210)에는 가축의 행동정보를 판단할 수 있는 애플리케이션(또는 애플릿) 등이 저장될 수 있으며, 저장되는 정보들은 필요에 따라 제어부(240)에 의해 취사 선택될 수 있다.
판단부(230)는 인식장치로부터 가축 고유번호 및 인식장치 고유번호가 수신된 경우, 인식장치 고유번호를 근거로 가축 고유번호에 대응하는 가축의 행동정보를 판단한다. 여기서, 행동정보는 섭취 음식, 물 섭취 등의 섭취 데이터, 섭취 시간, 수면 및 수면시간 등을 포함할 수 있다. 즉, 인식장치는 피더, 물탱크 주변에 설치되므로, 판단부(230)는 피더 주변에 설치된 인식장치 고유번호의 경우 가축이 식사중이라고 판단하고, 저장부(210)로부터 섭취 음식(예컨대, 사료 등)을 획득하며, 섭취 데이터 및 시간 등을 포함하는 행동정보를 판단할 수 있다. 또한, 물탱크 주변에 설치된 인식장치 고유번호의 경우 판단부(130)는 가축이 물 섭취중이라고 행동정보를 판단할 수 있다.
무선통신부(220)는 근거리 무선 통신을 위한 제1 무선통신부(미도시), 분석장치와 통신하기 위한 제2 무선통신부(미도시)를 포함할 수 있다.
제1 무선통신부는 근거리 무선 통신을 통해 인식장치와 통신하는 구성으로, 예컨대, 와이파이, 블루투스 통신, 지그비(zigbee) 통신, 적외선 통신(IrDA), UHF(Ultra High Frequency) 및 VHF(Very High Frequency)와 같은 RF(Radio Frequency) 및 초광대역 통신(UWB) 등의 다양한 규격으로 수행될 수 있다.
제2 무선통신부는 가축 고유번호, 축사 고유번호 및 행동정보를 포함하는 센싱정보를 분석장치로 전송한다. 이때, 제2 무선통신부는 농장 맞춤형 장거리 와이파이 어레이형 안테나로 구성될 수 있다. 즉, 제2 무선통신부는 가축의 행동감지 데이터를 관리소까지 최적으로 전달하기 위한 지향성 안테나를 포함할 수 있다.
제2 무선 통신부는 다양한 유선 통신 모듈 또는 무선 통신 모듈을 포함할 수 있으며, 다양한 무선 또는 유선 통신 규격을 통해 데이터를 송신 또는 수신할 수 있다. 예를 들어, 제2 무선 통신부(210)는, ITU, IEEE, ISO, IEC 등의 다양한 표준 통신 모듈을 포함하는 형태로 구현될 수 있으며, 이러한 표준 통신 모듈 이외에도 다양한 통신 모듈을 포함하는 형태로 구현될 수 있다.
제어부(240)는 가축의 행동정보를 판단할 수 있는 애플리케이션(또는 애플릿)을 저장부(210)에 저장할 수 있으며, 이러한 애플리케이션을 구동시켜 가축의 행동정보를 판단할 수 있게 제어할 수 있다.
제어부(240)는 저장부(210), 무선통신부(220), 판단부(230)를 포함하는 중계장치(200)의 다양한 구성부들의 동작을 제어하는 구성이다.
이러한 제어부(240)는 적어도 하나의 연산 장치를 포함할 수 있는데, 여기서 상기 연산 장치는 범용적인 중앙연산장치(CPU), 특정 목적에 적합하게 구현된 프로그래머블 디바이스 소자(CPLD, FPGA), 주문형 반도체 연산장치(ASIC) 또는 마이크로 컨트롤러 칩일 수 있다.
도 5는 본 발명의 일 실시예에 따른 분석장치의 구성을 나타낸 블록도이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 분석장치(300) 데이터베이스(310), 수집부(320), 관리부(330), 예측부(340), 오차율 최소화부(350), 서비스 제공부(360), 알람부(370), 제어부(380)를 포함한다.
데이터베이스(310)에는 각 가축의 고유번호, 축사 고유번호, 행동정보, 질병정보 등의 이력정보가 저장된다. 이들 데이터베이스들(310)은, 예컨대 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이터베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이터베이스 관리 시스템(OODBMS)을 이용하여 본 발명의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(field)들을 포함할 수 있다.
데이터베이스(310)는 분석장치(300)에 포함되어 구성되는 것으로 도시되어 있지만, 본 발명을 구현하는 당업자의 필요에 따라, 데이터베이스(310)는 분석장치(300)와 별개로 구성될 수도 있다.
수집부(320)는 센서장치로부터 센싱정보를 실시간으로 수집한다.
관리부(330)는 수집부(320)에서 수집된 센싱정보를 빅데이터 플랫폼으로 저장한다. 즉, 관리부(330)는 실시간 센싱정보를 갱신 및 생성 주기에 맞추어 빅데이터 플랫폼으로 저장한다. 이때, 빅데이터 플랫폼은 예컨대, HDFS, HBase 저장소 등을 포함할 수 있다.
예측부(340)는 빅데이터 플랫폼으로 저장된 센싱정보를 머신러닝 기반으로 분석하여 가축의 질병을 예측한다. 이때, 예측부(340)는 회귀분석, 로지스틱 회귀분석, 나이브베이지안, 군집분석, Random Forest 알고리즘 등을 이용하여 센싱정보를 분석할 수 있으나, 바람직하게는 Random Forest 알고리즘을 이용할 수 있다. 랜덤 포레스트 알고리즘은 원본 훈련 데이터에서 B 부트스트랩(bootstrap) 샘플들을 생성하고, 부트스트립된 데이터에서 랜덤 특징 선택하여 랜덤 포래스트 트리를 생성하며, 각 트리들의 앙상블에서 훈련 분류기를 구성하고, 예측결과를 투표방식(voting)으로 선택하는 알고리즘이다.
예측부(340)는 센싱정보를 머신러닝 기반으로 분석하고, 그 분석결과를 기 설정된 기준정보와 비교하여, 해당 가축의 질병(이상징후)을 판단한다. 여기서, 기준정보는 평균 섭취량, 섭취 시간, 수면시간, 기준 생체정보 등을 포함할 수 있다. 예를들면, 예측부(340)는 섭취 데이터 및 시간 등을 평균 섭취량 및 시간과 비교하고, 그 비교결과 기준정보를 벗어나는 경우 이상징후로 판단할 수 있다.
오차율 최소화부(350)는 리샘플링 방법 또는 모델 결합법을 이용하여 재학습함으로써, 딥러닝 오차율을 최소화한다. 즉, 오차율 최소화부(350)는 최종 예측 결과를 토대로 더 높은 분류 정확도를 위해 재학습하거나, 통합 모듈을 만들어 새로 입력된 변수들을 포함하여 분류 알고리즘 실행하여 딥러닝 오차율을 최소화한다. 통합 모듈이란 리샘플링 방법과 모델 결합법을 통합한 형태로, 리샘플링에 방법에 의해 오차율을 1차적으로 줄인 후 다시 모델 결합법을 이용하여 오차율을 2차적으로 줄이는 것을 의미한다.
리샘플링 방법으로는 잭나이프(Jackknife), 부트스트랩(Bootstrap), 순열 검증(Permutation tests) 등이 있으며, 일반적으로 부트스트랩 기법을 이용한다. 리샘플링 방법은 모분포의 형태를 알 수 없을 때, 현재 갖고 있는 데이터의 일부분을 재추출하여 분포를 만든 후 관측하는 값의 통계적 의미를 확인하는 방법이다. 리샘플링 방법으로 부트스트랩을 사용할 경우 앙상블 학습 모델들을 생성하고, 이 모델들을 하나로 합쳐 새로운 모델을 생성한다. 랜덤 포레스트의 경우 앙상블 학습 모델들을 하나로 결합하기 위해 투표 기법을 이용한다. 이렇게 생성된 모델은 일반적으로 기존의 학습모델보다 더 정교하게 분류 알고리즘을 실행하여 딥러닝 오차율을 최소화 한다.
최종 예측 결과를 토대로 더 높은 분류 정확도를 위해 재학습하는 방법은 트레이닝 데이터 셋의 샘플로 훈련된 모델의 성능이 전체 데이터 셋으로 훈련한 모델과 강력한 상관관계가 있다. 또한, 재학습 방법은 모델을 선정할 때와 튜닝 할 때 작은 데이터 셋을 사용하여 수행하고, 마지막에 최종 방법을 전체 데이터를 사용하여 알고리즘의 성능을 확인하는 방법일 수 있다.
통합 모듈을 만들어 새로 입력된 변수들을 포함하여 분류 알고리즘 실행하는 방법은 개별 성능이 잘 나오는 여러 딥러닝 모델들을 가지고 있다면, 딥러닝 모델의 예측들을 평균값(mean)을 취함으로 결합하는 방법이다. 또한, 이러한 앙상블 예측법은 네트워크를 훈련을 시킬 때마다, 다른 가중치를 주어 초기화 하고, 최종 가중치의 별개의 셋을 수렴시키며, 이 과정을 여러 차례 반복하여 많은 네트워크들을 생성한 후 이 네트워크들의 예측결과를 결합시키는 방법이다. 이러한 방법을 모델 결합법(combine models)이라고도 하며, 모델 결합법을 사용할 경우 소량의 학습 데이터인 경우에도 과적합(overfitting)을 막을 수 있다. 이 기법은 리샘플링 기법과도 함께 사용할 수 있으며, 리샘플링 기법이 기존에 있는 데이터 중에서 무작위 추출로 생성된 데이터 집합들로 앙상블 모델들을 생성하고, 이를 다양한 초기 가중치 값으로 만든 네트워크들을 생성한 후 모델 결합법으로 결합함으로써 과적합에 더 강한 모듈을 생성할 수 있다.
서비스 제공부(360)는 예측부(340)에서 예측된 결과를 실시간 모니터링 서비스로 제공한다. 즉, 서비스 제공부(360)는 이상징후(질병, 사망) 예측 데이터, 저장부(210)는 중계장치(200)의 동작과 관련된 데이터들을 저장하는 구성이다. 여기서 저장부(210)는 공지된 저장매체를 이용할 수 있으며, 예를 들어, ROM, PROM, EPROM, EEPROM, RAM 등과 같이 공지된 저장매체 중 어느 하나 이상을 이용할 수 있다.
특히, 저장부(210)에는 축사에 위치하는 가축의 고유번호, 평균 사료 섭취량, 부모 이력, 백신 접종 정보, 출생지 및 도축지에 관한 이력 정보가 저장된다. 또한, 저장부(210)에는 가축의 행동정보를 판단할 수 있는 애플리케이션(또는 애플릿) 등이 저장될 수 있으며, 저장되는 정보들은 필요에 따라 제어부(240)에 의해 취사 선택될 수 있다.
판단부(230)는 인식장치로부터 가축 고유번호 및 인식장치 고유번호가 수신된 경우, 인식장치 고유번호를 근거로 가축 고유번호에 대응하는 가축의 행동정보를 판단한다. 여기서, 행동정보는 섭취 음식, 물 섭취 등의 섭취 데이터, 섭취 시간, 수면 및 수면시간 등을 포함할 수 있다. 즉, 인식장치는 피더, 물탱크 주변에 설치되므로, 판단부(230)는 피더 주변에 설치된 인식장치 고유번호의 경우 가축이 식사중이라고 판단하고, 저장부(210)로부터 섭취 음식(예컨대, 사료 등)을 획득하며, 섭취 데이터 및 시간 등을 포함하는 행동정보를 판단할 수 있다. 또한, 물탱크 주변에 설치된 인식장치 고유번호의 경우 판단부(230)는 가축이 물 섭취중이라고 행동정보를 판단할 수 있다. 피더 및 물에 대한 일일 집계의 이동평균 등을 포함하는 모니터링 서비스를 사용자에게 제공한다. 이때 서비스 제공부(360)는 대쉬보드 형태로 모니터링 서비스를 제공할 수 있다.
알람부(370)는 기 설정된 스케쥴에 따라 움직이지 않거나 이상 징후를 보이는 가축에 대한 알람 정보를 축사의 관리자 또는 기 등록된 수의사에게 제공한다. 이때, 알람부(370)는 문자 메시지, 음성 메시지, SNS, 메일 등의 다양한 방식으로 알람정보를 제공할 수 있고, 알람 정보는 가축고유번호, 축사 정보, 이상 징후 등을 포함할 수 있다.
한편, 수집부(320), 관리부(330), 예측부(340), 오차율 최소화부(350), 서비스 제공부(360), 알람부(370) 각각은 컴퓨팅 장치상에서 프로그램을 실행하기 위해 필요한 프로세서 등에 의해 각각 구현될 수 있다. 이처럼 수집부(320), 관리부(330), 예측부(340), 오차율 최소화부(350), 서비스 제공부(360), 알람부(370) 각각은 물리적으로 독립된 각각의 구성에 의해 구현될 수도 있고, 하나의 프로세서 내에서 기능적으로 구분되는 형태로 구현될 수도 있다.
제어부(380)는 데이터베이스(310), 수집부(320), 관리부(330), 예측부(340), 오차율 최소화부(350), 서비스 제공부(360), 알람부(370)를 포함하는 분석장치(300)의 다양한 구성부들의 동작을 제어하는 구성이다.
이러한 제어부(380)는 적어도 하나의 연산 장치를 포함할 수 있는데, 여기서 상기 연산 장치는 범용적인 중앙연산장치(CPU), 특정 목적에 적합하게 구현된 프로그래머블 디바이스 소자(CPLD, FPGA), 주문형 반도체 연산장치(ASIC) 또는 마이크로 컨트롤러 칩일 수 있다.
도 6은 본 발명의 일 실시예에 따른 가축 질병 예측 모니터링 방법을 나타낸 순서도이다.
도 6을 참조하면, 분석장치는 센서장치로부터 센싱정보를 실시간으로 수집하고(S510), 수집된 센싱정보를 빅데이터 플랫폼으로 저장한다(S520).
단계 S520이 수행되면, 분석장치는 저장된 센싱정보를 머신러닝 기반으로 분석하고(S530), 분석결과를 기 설정된 기준정보와 비교하여(S540), 이상징후를 판단한다(S550). 즉, 분석장치는 행동정보를 기 설정된 기준정보와 비교한다. 여기서, 기준정보는 평균 섭취량, 섭취 시간, 수면시간, 기준 생체정보 등을 포함할 수 있다. 예를들면, 분석장치는 섭취 데이터 및 시간 등을 평균 섭취량 및 시간과 비교하고, 그 비교결과 기준정보를 벗어나는 경우 이상징후로 판단할 수 있다.
단계 S550의 비교결과 이상징후로 판단되면, 분석장치는 가축고유번호, 축사 고유번호, 이상징후 정보 등을 포함하는 알람정보를 사용자에게 전송한다(S560).
만약, 단계 S550의 비교결과 이상징후로 판단되지 않으면, 분석장치는 분석정보를 저장한다(S570). 이때, 저장된 분석정보는 추후 사용자가 가축 또는 축사의 모니터링 서비스를 원하는 경우 사용자에게 제공한다
도 7은 본 발명의 다른 실시예에 따른 가축 질병 예측 시스템(700)을 나타낸 블록도이고, 도 8은 분석부(740)의 블록도를 나타낸 것이다.
도 7 및 도 8을 참조하면, 실시예에 따른 가축 질병 예방 시스템은, 가축에 부착되며 가축의 생체정보를 감지하고, 가축의 식별정보가 등록된 무선태그(710); 축사 내의 피더 및 물탱크 주변에 설치되며, 상기 무선태그가 피더 및 물탱크와 일정거리 이내에 있는 경우 사료 및 물을 섭취하는 것으로 인식하고, 사료 및 물섭취 정보와 생체정보를 전송하는 인식장치(720); 상기 인식장치로부터 가축의 생체정보와 사료섭취 및 물섭취에 대한 정보를 수신하여 가축의 사료섭취 및 물섭취에 대한 행동정보를 판단하며, 데이터베이스에 저장된 데이터와 비교하여 가축의 이상 여부를 머신러닝 기반으로 분석하여 가축의 질병을 예측하는 분석부(730); 및 상기 분석결과를 통계화하고, 기 등록된 관리자에게 분석결과를 전송하는 모니터링부(740)를 포함한다. 상기 분석부(730)와 모니터링부(740)는 일체로 구성될 수 있다.
상기 무선태그(710)는 바이오 센서가 일체로 구비되어 있어 가축의 생체 정보, 예를 들어 체온, 맥박, 혈압, 심전도를 감지할 수 있다. 그리고 무선태그에는 가축의 고유번호와 같은 식별정보가 부여되어 있다. 따라서 무선태그 신호를 통해 해당 가축의 건강상태를 감지할 수 있다.
상기 인식장치(720)는 무선태그(710)와 무선통신을 통해 태그신호를 수신하고 이를 분석부(730)로 전송한다.
상기 분석부(730)와 모니터링부(740)는 일체로 형성되어 빅데이터 플랫폼으로 구성될 수 있으며, 인터넷을 통해 가축관련 클라우드 정보를 수집할 수 있다. 그리고 사용자는 필요한 정보를 인터페이스를 통해 입력할 수 있으며, 입력된 정보는 데이터베이스에 저장된다. 가축에 대한 다양한 정보 예를 들면, 입고일, 출고일, 무게, 출생지, 질병유무, 가족이력 등에 대한 정보는 사용자가 직접 입력할 수 있고, 이러한 정보는 데이터베이스(733)에 저장된다. 상기 데이터베이스(733)에는 건강한 가축의 사료섭취 및 물섭취에 대한 행동정보가 미리 저장되어 있다.
그리고 상기 분석부(730)는 상기 인식장치로부터 센서 데이터 및 인터넷을 통하여 가축관련 클라우드 정보를 수집하되, 가축 베이스 데이터, 사료 베이스 데이터, 물 베이스 데이터, 축사 베이스 데이터를 포함하는 정보를 수집하는 데이터 수집부(731); 상기 베이스 데이터를 가공하여 통계 분석용 데이터 마트를 생성하는 데이터 가공부(732); 상기 수집된 데이터 및 생성된 데이터를 빅데이터 플랫폼으로 저장하는 데이터베이스(733); 상기 사료섭취 및 물섭취에 대한 행동정보를 Random Forest 알고리즘을 기반으로 분석하여 상기 가축의 질병을 예측하는 예측부(734); 및 상기 예측부에서 예측된 결과와 실제결과값에 대한 재학습을 수행하여 오차율을 최소화하되, 리샘플링 방법에 의해 오차율을 1차적으로 줄이고, 모델 결합법을 이용하여 오차율을 2차적으로 줄여 오차율을 최소화하는 오차율 최소화부(735)를 포함한다. 다양한 머신러닝 기법 중 질병예측 단계에서는 Random Forest 알고리즘을 이용하고, 오차율 최소화 단계에는 리샘플링 방법과 모델결합법을 순차적으로 이용함으로써 질병예측 오차율을 최소화할 수 있다.
상기 분석 결과 인터넷을 통해 수집된 클라우드 정보는 데이터베이스에 누적 축적된다.
한편, 본 실시예에 따른 가축은 고유번호가 부여된 축사에 수용된다. 축사는 가장 작은 단위인 펜(PEN)으로 구분되어 관리되고, 각각의 펜에는 펜번호가 부여되고, 다수의 펜이 그룹핑되어 롯(LOT)으로 명명되고, 각각의 롯은 롯번호가 부여되고, 다수의 롯은 그룹핑되어 야드(YARD)로 명명되고, 야드번호가 부여된다.
상기 데이터 수집부(731)는 가축 자체에 대한 정보, 가축의 사료 섭취에 대한 정보, 가축의 물 섭취에 대한 정보, 및 축사에 대한 정보 등 다양한 정보를 수집한다.
상기 가축 베이스 데이터는 가축 자체에 대한 정보로, 해당 날짜, 가축의 입출고 날짜, 가축의 출생일, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 해당 날짜 기준 가축의 무게, 입고일 기준 가축의 무게, 출고일 기준 가축의 무게, 가축의 성별, 해당 날짜에 가축이 속한 축사 번호, 가축의 출신 롯번호 및 가축의 상태에 대한 정보를 포함할 수 있다. 해당 날짜란 기준 날짜 또는 예측 시스템의 운용날짜를 의미할 수 있다. 가축 베이스 데이터는 아래 [표 1]과 같은 형태로 데이터베이스에 저장될 수 있다.
상기 사료 베이스 데이터는 가축의 사료섭취에 대한 정보로, 해당 날짜, 가축의 고유 번호, 가축에게 부착된 태그의 고유번호, 해당 날짜에 가축이 사료를 먹은 횟수, 해당 날짜에 가축이 사료 섭취를 시작한 시간, 가축이 사료 섭취를 끝낸 시간, 및 가축의 사료 섭취 기간(duration)에 대한 정보를 포함할 수 있고, 아래 [표 2]와 같은 형태로 저장될 수 있다.
상기 물 베이스 데이터는 가축의 물섭취에 대한 정보로, 해당 날짜, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 해당 날짜에 가축이 물을 섭취한 횟수, 해당 날짜에 가축이 물 섭취를 시작한 시간, 해당 날짜에 가축이 물 섭취를 끝낸 시간, 및 가축의 물 섭취 기간(duration)에 대한 정보를 포함할 수 있고, 아래 [표 3]과 같은 형태로 저장될 수 있다.
상기 축사 베이스 데이터는 축사에 대한 정보로, 해당 날짜, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 가축의 속한 펜의 온도, 가축이 속한 펜의 습도, 가축이 해당 날짜에 소속된 펜의 번호, 가축의 상태에 대한 정보를 포함할 수 있고, 아래 [표 4]와 같은 형태로 저장될 수 있다.
상기 데이터 가공부(732)는 수집된 4개의 베이스 데이터를 가공하여 분석용 데이터 마트를 구축한다. 제1 데이터 마트 내지 제9개 데이터 마트의 9개의 데이터 마트를 생성하여 데이터베이스(733)에 저장한다. 상기 데이터베이스(733)는 빅데이터 분석에 적합한 HDFS, Hbase 형태의 저장소일 수 있다.
제1 데이터 마트는 는 가축 식별번호, 펜번호, 날짜, 위험소의 비율 데이터를 포함하고, 상기 제2 데이터 마트는 가축 식별번호, 펜번호, 활동적인 가축의 수, 위험 가축의 수, 위험 가축의 비율 데이터를 포함하고, 상기 제3 데이터 마트는 가축 식별번호, 롯번호, 가축 상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고, 상기 제4 데이터 마트는 가축 식별번호, 펜번호, 가축 상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고, 상기 제5 데이터 마트는 가축 식별번호, 날짜, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고, 상기 제6 데이터 마트는 가축 식별번호, 야드번호, 가축상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고, 상기 제7 데이터 마트는 가축 식별번호, 건강상태 하위 10%·노멀상태·상위 10% 가축에 대한 데이터를 포함하고, 상기 제8 데이터 마트는 가축 식별번호, 롯번호, 펜번호, 날짜, 사육일수, 가축의 무게, 가축상태에 대한 정보를 포함하고, 상기 제9 데이터 마트는 가축 식별번호, 입고일, 날짜, 사육일수, 가축상태 사료섭취량 합계, 물섭취량 합계, 펜의 평균 사료섭취량, 야드의 평균 사료섭취량, 롯의 평균 사료섭취량, 롯의 평균 물섭취량 데이터를 포함할 수 있다.
상기 예측부(734)와 오차율 최소화부(735)는 앞서 살펴본 실시예에서와 동일하므로 자세한 설명은 생략하기로 한다.
상기 모니터링부(740)는 분석 결과 및 데이터베이스에 저장된 데이터를 통계처리하여 관리자가 쉽게 관찰할 수 있도록 디스플레이한다.
예를 들어, 각 펜, 롯, 야드별 가축의 분포를 그래프로 나타낼 수 있고, 이상 징후가 있는 가축(예측부에서 질병 예측이 있는 것으로 판단된 가축)을 선택하여 해당 개체의 과거 이력을 추적할 수도 있다. 또한, 사육일수에 마리당 평균 비용을 곱한 값에서 개별 가축의 무게와 단위 무게당 평균 이익을 곱한 값을 차감하여 최적 사육일수를 계산하여 그래프 형태로 표시할 수도 있다. 비용은 가축의 구입비용과 사료비용이며, 단위 무게당 평균 이익은 판매금액과 감가상각 등을 고려하여 미리 계산되어 저장될 수 있다.
도 9 내지 도 12는 모니터링부에 표시되는 그래프의 예를 나타낸 것으로, 도 9는 펜, 롯, 야드별 분포를 가로축과 세로축을 나타낸 것이고, 도 10은 이상 징후가 있는 개체를 조회하여 펜, 롯, 야드의 평균과 비교하여 이상 객체를 분석하고, 과거 이력 데이터를 추적한 예를 나타낸 것이고, 도 11은 각 펜, 롯, 야드별 가축의 활동성, 위험성 등의 추세를 나타낸 것이고, 도 12는 예측부의결과를 대쉬보드 형태로 제공한 것으로, 일일평균 사료섭취의 이동 평균, 일일 평균 물섭위의 이동평균 등을 나타낸 것이다 최적의 모델링을 통해 나온 예측값을 사용자에게 제공할 수 있다.
최적 사육일수는 아래의 수식에 의해 계산될 수 있다.
도 13은 본 발명의 다른 실시예를 나타낸 것으로, 도 7의 실시예에 중계장치(725)를 더 추가한 것이다.
중계장치(725)는 도 4의 실시예에서 살펴본 중계장치와 실질적으로 동일하다.
즉, 중계장치(725)는 상기 축사에 위치하는 가축의 식별정보, 평균 사료 섭취량, 부모 이력, 백신 접종 정보, 출생지 및 도축지에 관한 이력 정보 및 가축의 행동정보를 판단할 수 있는 애플리케이션이 저장되는 저장부; 상기 인식장치로부터 가축 식별정보 및 인식장치 식별정보가 수신된 경우, 상기 인식장치 식별정보를 근거로 상기 가축 식별정보에 대응하는 가축의 사료 섭취 및 물 섭취에 대한 행동정보를 판단하는 판단부; 상기 애플리케이션을 구동시켜 상기 판단부가 행동정보를 판단하도록 제어하는 제어부; 및 상기 가축 식별정보, 축사 식별정보 및 사료섭취 및 물섭취에 대한 행동정보를 포함하는 센싱정보를 디지털 신호로 변환하여 상기 분석부로 전송하는 무선 통신부;를 포함한다.
본 실시예서는 중계장치에서 가축의 사료 섭취 및 물섭위에 대한 행동정보를 판단하여 분석부로 전송하므로, 분석부에서는 이러한 행동정보를 수신하여 딥러딩 기법으로 가축의 질병 여부를 예측하게 된다.
분석부는 서버로서 수많은 축사로부터 데이터를 수신할 있는데, 본 실시예어서와 같이 행동정보가 일차적으로 판단된 데이터를 수신함으로써 분석부의 부하를 줄일 수 있을 뿐만 아니라 질병예측의 정확도를 높일 수 있다.
이상 살펴본 바와 같이, 본 발명에 의하면 가축의 사료섭취 및 물섭취에 대한 정보를 바탕으로 가축의 질병을 예측하고, 또한 가축과 관련된 다양한 정보를 가공하여 9개의 마트를 생성하여 통계정보를 용이하게 제공할 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100: 센서장치 110, 710 : 무선태그
120, 720 : 인식장치 200 : 중계장치
210 : 저장부 220 : 무선통신부
230 : 판단부 240, 380 : 제어부
300 : 분석장치 310 : 데이터베이스
320, 731 : 수집부 330 : 관리부
340, 734 : 예측부 350, 735 : 오차율 최소화부
360 : 서비스 제공부 370 : 알람부
730 : 분석부 740 : 모니터링부
120, 720 : 인식장치 200 : 중계장치
210 : 저장부 220 : 무선통신부
230 : 판단부 240, 380 : 제어부
300 : 분석장치 310 : 데이터베이스
320, 731 : 수집부 330 : 관리부
340, 734 : 예측부 350, 735 : 오차율 최소화부
360 : 서비스 제공부 370 : 알람부
730 : 분석부 740 : 모니터링부
Claims (3)
- 삭제
- 가축에 부착되며 가축의 생체정보를 감지하고, 가축의 식별정보가 등록된 무선태그;
축사 내의 피더 및 물탱크 주변에 설치되며, 상기 무선태그가 피더 및 물탱크와 일정거리 이내에 있는 경우 사료 및 물을 섭취하는 것으로 인식하고, 사료 및 물섭취 정보와 생체정보를 전송하는 인식장치;
상기 인식장치로부터 가축의 생체정보와 사료섭취 및 물섭취에 대한 정보를 수신하여 가축의 사료섭취 및 물섭취에 대한 행동정보를 판단하며, 데이터베이스에 저장된 데이터와 비교하여 가축의 이상 여부를 머신러닝 기반으로 분석하여 가축의 질병을 예측하는 분석부; 및
상기 분석결과를 통계화하고, 기 등록된 관리자에게 분석결과를 전송하는 모니터링부를 포함하며,
상기 분석부는,
상기 인식장치로부터 센서 데이터 및 인터넷을 통하여 가축관련 클라우드 정보를 수집하되, 가축 베이스 데이터, 사료 베이스 데이터, 물 베이스 데이터, 및 축사 베이스 데이터를 포함하는 정보를 수집하는 데이터 수집부;
상기 가축 베이스 데이터, 사료 베이스 데이터, 물 베이스 데이터, 축사 베이스 데이터를 가공하여 통계 분석용 데이터 마트를 생성하는 데이터 가공부;
상기 데이터 수집부에서 수집된 데이터 및 데이터 가공부에서 생성된 데이터를 빅데이터 플랫폼으로 저장하는 데이터베이스;
상기 사료섭취 및 물섭취에 대한 행동정보를 Random Forest 알고리즘을 기반으로 분석하여 상기 가축의 질병을 예측하는 예측부; 및
상기 예측부에서 예측된 결과와 실제결과값에 대한 재학습을 수행하여 오차율을 최소화하되, 리샘플링 방법에 의해 오차율을 1차적으로 줄이고, 모델 결합법을 이용하여 오차율을 2차적으로 줄여 오차율을 최소화하는 오차율 최소화부;를 포함하고,
상기 모니터링부는,
가축의 일일평균 사료 섭취량, 물섭취량, 및 질병예측 결과를 통계적으로 디스플레이하고, 상기 질병예측 결과에 따른 대응 및 질병 발명 유무에 대한 통계를 디스플레이하고,
상기 가축은 고유번호가 부여된 축사에서 관리되고, 단위 축사에 펜번호가 부여되고, 다수의 펜번호가 그룹핑되어 롯번호가 부여되고, 다수의 롯번호가 그룹핑되어 야드번호가 부여되고,
상기 가축 베이스 데이터는 해당 날짜, 가축의 입출고 날짜, 가축의 출생일, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 해당 날짜 기준 가축의 무게, 입고일 기준 가축의 무게, 출고일 기준 가축의 무게, 가축의 성별, 해당 날짜에 가축이 속한 축사 번호, 가축의 출신 롯번호 및 가축의 상태에 대한 정보를 포함하고,
상기 사료 베이스 데이터는 해당 날짜, 가축의 고유 번호, 가축에게 부착된 태그의 고유번호, 해당 날짜에 가축이 사료를 먹은 횟수, 해당 날짜에 가축이 사료 섭취를 시작한 시간, 가축이 사료 섭취를 끝낸 시간, 및 가축의 사료 섭취 기간(duration)에 대한 정보를 포함하고,
상기 물 베이스 데이터는 해당 날짜, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 해당 날짜에 가축이 물을 섭취한 횟수, 해당 날짜에 가축이 물 섭취를 시작한 시간, 해당 날짜에 가축이 물 섭취를 끝낸 시간, 및 가축의 물 섭취 기간(duration)에 대한 정보를 포함하고,
상기 축사 베이스 데이터는 해당 날짜, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 가축의 속한 펜의 온도, 가축이 속한 펜의 습도, 가축이 해당 날짜에 소속된 펜의 번호, 가축의 상태에 대한 정보를 포함하고,
상기 데이터 가공부는 상기 가축 베이스 데이터, 사료 베이스 데이터, 물 베이스 데이터, 및 축사 베이스 데이터를 가공하여 제1 내지 제9 데이터 마트를 생성하고,
상기 제1 데이터 마트는 가축 식별번호, 펜번호, 날짜, 위험소의 비율 데이터를 포함하고,
상기 제2 데이터 마트는 가축 식별번호, 펜번호, 활동적인 가축의 수, 위험 가축의 수, 위험 가축의 비율 데이터를 포함하고,
상기 제3 데이터 마트는 가축 식별번호, 롯번호, 가축 상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고,
상기 제4 데이터 마트는 가축 식별번호, 펜번호, 가축 상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고,
상기 제5 데이터 마트는 가축 식별번호, 날짜, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고,
상기 제6 데이터 마트는 가축 식별번호, 야드번호, 가축상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고,
상기 제7 데이터 마트는 가축 식별번호, 건강상태 하위 10%·노멀상태·상위 10% 가축에 대한 데이터를 포함하고,
상기 제8 데이터 마트는 가축 식별번호, 롯번호, 펜번호, 날짜, 사육일수, 가축의 무게, 가축상태에 대한 정보를 포함하고,
상기 제9 데이터 마트는 가축 식별번호, 입고일, 날짜, 사육일수, 가축상태 사료섭취량 합계, 물섭취량 합계, 펜의 평균 사료섭취량, 야드의 평균 사료섭취량, 롯의 평균 사료섭취량, 롯의 평균 물섭취량 데이터를 포함하고,
상기 모니터링부는 상기 제1 데이터 마트 내지 제9 데이터 마트를 이용하여,
각각의 펜, 롯, 야드에 분포되어 있는 가축의 분포를 디스플레이하고,
이상징후 또는 질병 징후가 있는 객체를 선택하여 펜, 롯, 야드의 평균과 비교하여 표시하고, 과거 이력 데이터를 추적하여 이상 가축의 행동 패턴을 추출하고,
사육일수에 마리당 평균 비용을 곱한 값에서 개별 가축의 무게와 단위 무게당 평균 이익을 곱한 값을 차감하여 최적 사육일수를 계산하여 표시하는 것을 특징으로 하는 가축 질병 예측 시스템. - 가축에 부착되며 가축의 생체정보를 감지하고, 가축의 식별정보가 등록된 무선태그;
축사 내의 피더 및 물탱크 주변에 설치되며, 상기 무선태그가 피더 및 물탱크와 일정거리 이내에 있는 경우 사료 및 물을 섭취하는 것으로 인식하고, 사료 및 물섭취 정보와 생체정보를 전송하는 인식장치;
상기 인식장치로부터 가축 식별정보 및 인식장치 식별정보를 수신하고, 상기 인식장치 식별정보를 근거로 가축의 사료섭취 및 물섭취에 대한 행동정보를 판단하며, 전송하는 중계장치;
상기 중계장치로부터 가축의 생체정보와 사료섭취 및 물섭취에 대한 정보를 수신하여 가축의 사료섭취 및 물섭취에 대한 행동정보를 판단하며, 데이터베이스에 저장된 데이터와 비교하여 가축의 이상 여부를 머신러닝 기반으로 분석하여 가축의 질병을 예측하는 분석부; 및
상기 분석결과를 통계화하고, 기 등록된 관리자에게 분석결과를 전송하는 모니터링부를 포함하며,
상기 분석부는,
상기 인식장치로부터 센서 데이터 및 인터넷을 통하여 가축관련 클라우드 정보를 수집하되, 가축 베이스 데이터, 사료 베이스 데이터, 물 베이스 데이터, 및 축사 베이스 데이터를 포함하는 정보를 수집하는 데이터 수집부;
상기 가축 베이스 데이터, 사료 베이스 데이터, 물 베이스 데이터, 및 축사 베이스 데이터를 가공하여 통계 분석용 데이터 마트를 생성하는 데이터 가공부;
상기 데이터 수집부에서 수집된 데이터 및 데이터 가공부에서 생성된 데이터를 빅데이터 플랫폼으로 저장하는 데이터베이스;
상기 사료섭취 및 물섭취에 대한 행동정보를 Random Forest 알고리즘을 기반으로 분석하여 상기 가축의 질병을 예측하는 예측부; 및
상기 예측부에서 예측된 결과와 실제결과값에 대한 재학습을 수행하여 오차율을 최소화하되, 리샘플링 방법에 의해 오차율을 1차적으로 줄이고, 모델 결합법을 이용하여 오차율을 2차적으로 줄여 오차율을 최소화하는 오차율 최소화부;를 포함하고,
상기 중계장치는,
상기 축사에 위치하는 가축의 식별정보, 평균 사료 섭취량, 부모 이력, 백신 접종 정보, 출생지 및 도축지에 관한 이력 정보 및 가축의 행동정보를 판단할 수 있는 애플리케이션이 저장되는 저장부;
상기 인식장치로부터 가축 식별정보 및 인식장치 식별정보가 수신된 경우, 상기 인식장치 식별정보를 근거로 상기 가축 식별정보에 대응하는 가축의 사료 섭취 및 물 섭취에 대한 행동정보를 판단하는 판단부;
상기 애플리케이션을 구동시켜 상기 판단부가 행동정보를 판단하도록 제어하는 제어부; 및
상기 가축 식별정보, 축사 식별정보 및 사료섭취 및 물섭취에 대한 행동정보를 포함하는 센싱정보를 디지털 신호로 변환하여 상기 분석부로 전송하는 무선 통신부;를 포함하고,
상기 가축은 고유번호가 부여된 축사에서 관리되고, 단위 축사에 펜번호가 부여되고, 다수의 펜번호가 그룹핑되어 롯번호가 부여되고, 다수의 롯번호가 그룹핑되어 야드번호가 부여되고,
상기 가축 베이스 데이터는 해당 날짜, 가축의 입출고 날짜, 가축의 출생일, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 해당 날짜 기준 가축의 무게, 입고일 기준 가축의 무게, 출고일 기준 가축의 무게, 가축의 성별, 해당 날짜에 가축이 속한 축사 번호, 가축의 출신 롯번호 및 가축의 상태에 대한 정보를 포함하고,
상기 사료 베이스 데이터는 해당 날짜, 가축의 고유 번호, 가축에게 부착된 태그의 고유번호, 해당 날짜에 가축이 사료를 먹은 횟수, 해당 날짜에 가축이 사료 섭취를 시작한 시간, 가축이 사료 섭취를 끝낸 시간, 및 가축의 사료 섭취 기간(duration)에 대한 정보를 포함하고,
상기 물 베이스 데이터는 해당 날짜, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 해당 날짜에 가축이 물을 섭취한 횟수, 해당 날짜에 가축이 물 섭취를 시작한 시간, 해당 날짜에 가축이 물 섭취를 끝낸 시간, 및 가축의 물 섭취 기간(duration)에 대한 정보를 포함하고,
상기 축사 베이스 데이터는 해당 날짜, 가축의 고유번호, 가축에게 부착된 태그의 고유번호, 가축의 속한 펜의 온도, 가축이 속한 펜의 습도, 가축이 해당 날짜에 소속된 펜의 번호, 가축의 상태에 대한 정보를 포함하고,
상기 데이터 가공부는 상기 가축 베이스 데이터, 사료 베이스 데이터, 물 베이스 데이터, 및 축사 베이스 데이터를 가공하여 제1 내지 제9 데이터 마트를 생성하고,
상기 제1 데이터 마트는 가축 식별번호, 펜번호, 날짜, 위험소의 비율 데이터를 포함하고,
상기 제2 데이터 마트는 가축 식별번호, 펜번호, 활동적인 가축의 수, 위험 가축의 수, 위험 가축의 비율 데이터를 포함하고,
상기 제3 데이터 마트는 가축 식별번호, 롯번호, 가축 상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고,
상기 제4 데이터 마트는 가축 식별번호, 펜번호, 가축 상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고,
상기 제5 데이터 마트는 가축 식별번호, 날짜, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고,
상기 제6 데이터 마트는 가축 식별번호, 야드번호, 가축상태, 사료섭취 횟수, 물섭취 횟수 데이터를 포함하고,
상기 제7 데이터 마트는 가축 식별번호, 건강상태 하위 10%·노멀상태·상위 10% 가축에 대한 데이터를 포함하고,
상기 제8 데이터 마트는 가축 식별번호, 롯번호, 펜번호, 날짜, 사육일수, 가축의 무게, 가축상태에 대한 정보를 포함하고,
상기 제9 데이터 마트는 가축 식별번호, 입고일, 날짜, 사육일수, 가축상태 사료섭취량 합계, 물섭취량 합계, 펜의 평균 사료섭취량, 야드의 평균 사료섭취량, 롯의 평균 사료섭취량, 롯의 평균 물섭취량 데이터를 포함하고,
상기 모니터링부는 상기 제1 데이터 마트 내지 제9 데이터 마트를 이용하여,
각각의 펜, 롯, 야드에 분포되어 있는 가축의 분포를 디스플레이하고,
이상징후 또는 질병 징후가 있는 객체를 선택하여 펜, 롯, 야드의 평균과 비교하여 표시하고, 과거 이력 데이터를 추적하여 이상 가축의 행동 패턴을 추출하고,
사육일수에 마리당 평균 비용을 곱한 값에서 개별 가축의 무게와 단위 무게당 평균 이익을 곱한 값을 차감하여 최적 사육일수를 계산하여 표시하는 것을 특징으로 하는 가축 질병 예측 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190027910A KR101995755B1 (ko) | 2019-03-12 | 2019-03-12 | 가축 질병 예측 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190027910A KR101995755B1 (ko) | 2019-03-12 | 2019-03-12 | 가축 질병 예측 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101995755B1 true KR101995755B1 (ko) | 2019-10-01 |
Family
ID=68207617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190027910A KR101995755B1 (ko) | 2019-03-12 | 2019-03-12 | 가축 질병 예측 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101995755B1 (ko) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200009335A (ko) * | 2018-07-18 | 2020-01-30 | 엘지이노텍 주식회사 | 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치 |
| KR102159888B1 (ko) * | 2019-12-09 | 2020-09-24 | 주식회사 앤호스 | 말의 건강모니터링을 위한 물 공급장치 |
| KR102165891B1 (ko) * | 2020-01-16 | 2020-10-14 | 한국축산데이터 주식회사 농업회사법인 | 축산 데이터 분석 기반 농가 상태 진단 시스템 |
| KR102172347B1 (ko) * | 2019-11-11 | 2020-10-30 | (주)이지팜 | 농장 가축 상태 평가 방법 및 시스템 |
| KR20210051860A (ko) * | 2019-10-31 | 2021-05-10 | (주)씽크포비엘 | 가축사양표준에 기초한 가축사양관리 가이드 제공 방법 |
| KR102254419B1 (ko) * | 2020-10-27 | 2021-05-21 | 주식회사 꼬리 | 반려동물 헬스 케어 큐레이션 방법, 장치 및 이를 이용한 시스템 |
| CN113159244A (zh) * | 2021-04-09 | 2021-07-23 | 西安交通大学 | 一种基于物联网的禽类养殖管理系统 |
| KR20210138448A (ko) * | 2020-05-12 | 2021-11-19 | 엘지이노텍 주식회사 | 영역별 개체 모니터링을 위한 유저 인터페이스 장치 |
| KR20220043767A (ko) | 2020-09-29 | 2022-04-05 | 지놈랩스 주식회사 | 빅데이터 분석을 이용한 소의 맞춤형 사육 방법 및 이를 이용한 사육 시스템 |
| KR20220086442A (ko) * | 2020-12-16 | 2022-06-23 | (주)백의민족 | 방역 관리 시스템 및 이를 이용한 관리 방법 |
| KR102420748B1 (ko) * | 2021-08-20 | 2022-07-15 | 이경식 | 가축 개체별 관리 시스템 |
| KR20220137137A (ko) * | 2020-02-27 | 2022-10-11 | 가부시키가이샤 에코-포크 | 축산 정보 관리 시스템, 축산 정보 관리 서버, 축산 정보 관리 방법, 및 기억 매체에 격납된 축산 정보 관리 프로그램 |
| KR20230025553A (ko) | 2021-08-12 | 2023-02-22 | 인트플로우 주식회사 | 가축질병통제시스템 및 가축질병통제방법 |
| KR102584547B1 (ko) * | 2022-08-01 | 2023-10-05 | 미래조선해양 주식회사 | 수상 축사 시스템 |
| US11800850B2 (en) | 2020-07-08 | 2023-10-31 | Electronics And Telecommunications Research Institute | Smart barn system and smart barn control method for detecting abnormal sign of livestock and tag attachable to livestock |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120105444A (ko) * | 2009-10-15 | 2012-09-25 | 오클라호마 메디컬 리써치 화운데이션 | 염증성 질병의 활성 측정 및 모니터링을 위한 바이오마커 및 방법 |
| KR20130042771A (ko) | 2011-10-19 | 2013-04-29 | 남궁성 | 원격 가축 모니터링 시스템 및 방법 |
| KR20140059887A (ko) * | 2012-11-08 | 2014-05-19 | 대한민국(농촌진흥청장) | 축우용 통합 정밀 영양 상태 관리 시스템 |
| KR20150001226A (ko) * | 2013-06-26 | 2015-01-06 | 서원대학교산학협력단 | 가축의 운동량에 기반한 축사 모니터링 시스템 |
| KR101794578B1 (ko) | 2017-06-07 | 2017-11-07 | (주)크레아소프트 | 질병 예측 방법, 이를 수행하기 위한 기록 매체 및 장치 |
-
2019
- 2019-03-12 KR KR1020190027910A patent/KR101995755B1/ko active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120105444A (ko) * | 2009-10-15 | 2012-09-25 | 오클라호마 메디컬 리써치 화운데이션 | 염증성 질병의 활성 측정 및 모니터링을 위한 바이오마커 및 방법 |
| KR20130042771A (ko) | 2011-10-19 | 2013-04-29 | 남궁성 | 원격 가축 모니터링 시스템 및 방법 |
| KR20140059887A (ko) * | 2012-11-08 | 2014-05-19 | 대한민국(농촌진흥청장) | 축우용 통합 정밀 영양 상태 관리 시스템 |
| KR20150001226A (ko) * | 2013-06-26 | 2015-01-06 | 서원대학교산학협력단 | 가축의 운동량에 기반한 축사 모니터링 시스템 |
| KR101794578B1 (ko) | 2017-06-07 | 2017-11-07 | (주)크레아소프트 | 질병 예측 방법, 이를 수행하기 위한 기록 매체 및 장치 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200009335A (ko) * | 2018-07-18 | 2020-01-30 | 엘지이노텍 주식회사 | 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치 |
| KR102606062B1 (ko) * | 2018-07-18 | 2023-11-24 | 엘지이노텍 주식회사 | 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치 |
| KR20210051860A (ko) * | 2019-10-31 | 2021-05-10 | (주)씽크포비엘 | 가축사양표준에 기초한 가축사양관리 가이드 제공 방법 |
| KR102355681B1 (ko) * | 2019-10-31 | 2022-01-26 | (주)씽크포비엘 | 가축사양표준에 기초한 가축사양관리 가이드 제공 방법 |
| KR102172347B1 (ko) * | 2019-11-11 | 2020-10-30 | (주)이지팜 | 농장 가축 상태 평가 방법 및 시스템 |
| KR102159888B1 (ko) * | 2019-12-09 | 2020-09-24 | 주식회사 앤호스 | 말의 건강모니터링을 위한 물 공급장치 |
| KR102165891B1 (ko) * | 2020-01-16 | 2020-10-14 | 한국축산데이터 주식회사 농업회사법인 | 축산 데이터 분석 기반 농가 상태 진단 시스템 |
| KR102582527B1 (ko) * | 2020-02-27 | 2023-09-26 | 가부시키가이샤 에코-포크 | 축산 정보 관리 시스템, 축산 정보 관리 서버, 축산 정보 관리 방법, 및 기억 매체에 격납된 축산 정보 관리 프로그램 |
| KR20220137137A (ko) * | 2020-02-27 | 2022-10-11 | 가부시키가이샤 에코-포크 | 축산 정보 관리 시스템, 축산 정보 관리 서버, 축산 정보 관리 방법, 및 기억 매체에 격납된 축산 정보 관리 프로그램 |
| KR102464539B1 (ko) * | 2020-05-12 | 2022-11-10 | 엘지이노텍 주식회사 | 영역별 개체 모니터링을 위한 유저 인터페이스 장치 |
| KR20210138448A (ko) * | 2020-05-12 | 2021-11-19 | 엘지이노텍 주식회사 | 영역별 개체 모니터링을 위한 유저 인터페이스 장치 |
| US11800850B2 (en) | 2020-07-08 | 2023-10-31 | Electronics And Telecommunications Research Institute | Smart barn system and smart barn control method for detecting abnormal sign of livestock and tag attachable to livestock |
| KR20220043767A (ko) | 2020-09-29 | 2022-04-05 | 지놈랩스 주식회사 | 빅데이터 분석을 이용한 소의 맞춤형 사육 방법 및 이를 이용한 사육 시스템 |
| KR102254419B1 (ko) * | 2020-10-27 | 2021-05-21 | 주식회사 꼬리 | 반려동물 헬스 케어 큐레이션 방법, 장치 및 이를 이용한 시스템 |
| KR20220086442A (ko) * | 2020-12-16 | 2022-06-23 | (주)백의민족 | 방역 관리 시스템 및 이를 이용한 관리 방법 |
| KR102413598B1 (ko) * | 2020-12-16 | 2022-06-27 | (주)백의민족 | 방역 관리 시스템 및 이를 이용한 관리 방법 |
| CN113159244B (zh) * | 2021-04-09 | 2023-05-02 | 西安交通大学 | 一种基于物联网的禽类养殖管理系统 |
| CN113159244A (zh) * | 2021-04-09 | 2021-07-23 | 西安交通大学 | 一种基于物联网的禽类养殖管理系统 |
| KR20230025553A (ko) | 2021-08-12 | 2023-02-22 | 인트플로우 주식회사 | 가축질병통제시스템 및 가축질병통제방법 |
| KR102420748B1 (ko) * | 2021-08-20 | 2022-07-15 | 이경식 | 가축 개체별 관리 시스템 |
| KR102584547B1 (ko) * | 2022-08-01 | 2023-10-05 | 미래조선해양 주식회사 | 수상 축사 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101995755B1 (ko) | 가축 질병 예측 시스템 | |
| US11763205B2 (en) | Livestock and feedlot data collection and processing using UHF-band interrogation of radio frequency identification tags for feedlot arrival and risk assessment | |
| Tedeschi et al. | Advancements in sensor technology and decision support intelligent tools to assist smart livestock farming | |
| Martiskainen et al. | Cow behaviour pattern recognition using a three-dimensional accelerometer and support vector machines | |
| US8297231B2 (en) | System and methods for health monitoring of anonymous animals in livestock groups | |
| König et al. | A system for automatic recording of social behavior in a free-living wild house mouse population | |
| US8305220B2 (en) | Monitoring and displaying activities | |
| JP6203238B2 (ja) | 畜産管理システム | |
| KR102117092B1 (ko) | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 | |
| KR102040276B1 (ko) | 축산 지식 정보를 기반으로 하는 가축의 사양관리 시스템 | |
| Mishra et al. | Advanced contribution of IoT in agricultural production for the development of smart livestock environments | |
| MX2011008205A (es) | Medidor de vitalidad para monitorear la salud de animales anonimos en grupos de ganado. | |
| Feiyang et al. | Monitoring behavior of poultry based on RFID radio frequency network | |
| WO2005101273A1 (en) | Integrated animal management system and method | |
| KR20120097960A (ko) | 가축의 육질 향상 및 질병 예찰 시스템 | |
| Thilakarathne et al. | Internet of things in smart agriculture: challenges, opportunities and future directions | |
| KR102047428B1 (ko) | 되새김 활동 측정을 이용한 소의 건강 관리 시스템 | |
| US10089435B1 (en) | Device and method of correlating rodent vocalizations with rodent behavior | |
| Shakeel et al. | A deep learning-based cow behavior recognition scheme for improving cattle behavior modeling in smart farming | |
| Vilk et al. | Ergodicity breaking and lack of a typical waiting time in area-restricted search of avian predators | |
| KR20090090488A (ko) | 바이오센서를 이용한 가축의 질병관리시스템 및 그 방법 | |
| Cai et al. | A night-time anomaly detection system of hog activities based on passive infrared detector | |
| Aunindita et al. | Use of machine learning and IoT for monitoring and tracking of livestock | |
| Markov et al. | Digital management of technological processes in cattle farms: a review. | |
| Montout et al. | Early prediction of declining health in small ruminants with accelerometers and machine learning |