KR102117092B1 - 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 - Google Patents
행동 패턴 인식을 이용한 소의 발정 탐지 시스템 Download PDFInfo
- Publication number
- KR102117092B1 KR102117092B1 KR1020190097865A KR20190097865A KR102117092B1 KR 102117092 B1 KR102117092 B1 KR 102117092B1 KR 1020190097865 A KR1020190097865 A KR 1020190097865A KR 20190097865 A KR20190097865 A KR 20190097865A KR 102117092 B1 KR102117092 B1 KR 102117092B1
- Authority
- KR
- South Korea
- Prior art keywords
- cow
- behavior
- estrus
- server
- information
- Prior art date
Links
- 230000012173 estrus Effects 0.000 title claims abstract description 112
- 241000283690 Bos taurus Species 0.000 claims abstract description 167
- 238000001514 detection method Methods 0.000 claims abstract description 136
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 230000033001 locomotion Effects 0.000 claims abstract description 59
- 238000003909 pattern recognition Methods 0.000 claims abstract description 48
- 238000009395 breeding Methods 0.000 claims abstract description 28
- 230000001488 breeding effect Effects 0.000 claims abstract description 28
- 230000001133 acceleration Effects 0.000 claims description 41
- 238000005516 engineering process Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 21
- 244000144972 livestock Species 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 17
- 241000356143 Euphorbia grandicornis Species 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 206010044565 Tremor Diseases 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 7
- 210000005069 ears Anatomy 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 241001465754 Metazoa Species 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000000295 complement effect Effects 0.000 claims 1
- 244000309464 bull Species 0.000 abstract 5
- 230000006399 behavior Effects 0.000 description 159
- 238000010586 diagram Methods 0.000 description 20
- 230000003542 behavioural effect Effects 0.000 description 15
- 238000013135 deep learning Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003862 health status Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000000284 resting effect Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 235000015278 beef Nutrition 0.000 description 2
- 230000035558 fertility Effects 0.000 description 2
- 230000009027 insemination Effects 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000003307 slaughter Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 208000031636 Body Temperature Changes Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000004596 appetite loss Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003054 hormonal effect Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 235000021266 loss of appetite Nutrition 0.000 description 1
- 208000019017 loss of appetite Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000027939 micturition Effects 0.000 description 1
- 230000016087 ovulation Effects 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 210000003905 vulva Anatomy 0.000 description 1
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Environmental Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 발명은 소의 발정 탐지 시스템에 관한 것으로서, 보다 구체적으로는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템으로서, 소에 부착되어 소의 움직임 및 행동을 감지하는 행동탐지 센서; 상기 행동탐지 센서에서 감지된 데이터를 수신받아 저장하고, 기저장된 축우 관련 사육정보와 함께 데이터베이스를 구축하는 DB 서버; 및 상기 DB 서버에 저장된 데이터를 분석하여 소의 행동 패턴을 인식하고 발정을 탐지하는 분석 서버를 포함하여 구성되며, 상기 분석 서버는, 상기 DB 서버에 저장된 움직임 데이터를 기초로 분석하여, 소의 휴식상태, 활동상태, 및 고활동상태를 포함하는 행동 유형의 특징적 패턴을 찾아내고, 소의 행동 유형을 판단하는 행동분석 모듈; 및 상기 행동분석 모듈에서 판단된 상기 소의 행동 유형 정보를 통해 승가 정보를 분석하고 소의 발정 여부를 탐지하는 발정탐지 모듈을 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 부착된 행동탐지 센서에서 감지한 소의 움직임 및 행동 정보를 토대로, 소의 행동 유형 패턴을 판단하고 소의 발정 여부를 탐지하는 분석 서버 및 발정탐지 모듈을 포함함으로써, 소의 발정기를 보다 정확하고 용이하게 판단할 수 있어, 소의 번식 효율을 증가시키고 발정 미감지로 인한 피해를 줄여, 궁극적으로는 한우 농가의 생산성 및 수익성에 이바지하고 농가의 소득 증대에 이바지할 수 있다.
또한, 본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 가속도 센서에서 감지된 3축 가속도 신호의 drift 발생으로 인해 생길 수 있는 오차를 보정 및 전처리하고, 감지된 3축 가속도 신호를 통계적, 수학적 방법으로 분석함으로써, 소의 행동 유형 패턴을 보다 정교하게 판단할 수 있으며, 특히, 인공지능 기술 중 딥러닝 알고리즘을 이용하여 소의 행동 유형을 판단함으로써, 같은 유형의 행동이 개체에 따라 다양한 신호 패턴을 보여 그 신호의 편차가 크더라도 오류를 줄일 수 있고, 한우 개체별로 상이한 행동 양식, 성격, 생활 습성, 건강상태, 우방에서의 서열 등을 고려한 판단이 가능하여, 소의 발정기 탐지적중률을 제고시킬 수 있다.
뿐만 아니라, 본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 분석 서버에서 분석한 소의 행동 유형 정보 및 발정 탐지 정보와 관찰카메라부에서 촬영한 영상을 기초로, 소의 생애 주기에 따른 생체정보 제공 및 축사 모니터링이 가능한 스마트기기의 애플리케이션을 구축함으로써, 궁극적으로는 종합적인 축사 사육현황 및 번식관리 솔루션을 제공하고, ICT 융복합 관련 핵심기술인 무선통신기술, 통합제어기술, 센싱기술, 알고리즘 기술을 활용하여, 우리나라 축산에 대한 소비자의 인식전환을 유도하고 축산업 경쟁력을 상승시킬 수 있다.
본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 부착된 행동탐지 센서에서 감지한 소의 움직임 및 행동 정보를 토대로, 소의 행동 유형 패턴을 판단하고 소의 발정 여부를 탐지하는 분석 서버 및 발정탐지 모듈을 포함함으로써, 소의 발정기를 보다 정확하고 용이하게 판단할 수 있어, 소의 번식 효율을 증가시키고 발정 미감지로 인한 피해를 줄여, 궁극적으로는 한우 농가의 생산성 및 수익성에 이바지하고 농가의 소득 증대에 이바지할 수 있다.
또한, 본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 가속도 센서에서 감지된 3축 가속도 신호의 drift 발생으로 인해 생길 수 있는 오차를 보정 및 전처리하고, 감지된 3축 가속도 신호를 통계적, 수학적 방법으로 분석함으로써, 소의 행동 유형 패턴을 보다 정교하게 판단할 수 있으며, 특히, 인공지능 기술 중 딥러닝 알고리즘을 이용하여 소의 행동 유형을 판단함으로써, 같은 유형의 행동이 개체에 따라 다양한 신호 패턴을 보여 그 신호의 편차가 크더라도 오류를 줄일 수 있고, 한우 개체별로 상이한 행동 양식, 성격, 생활 습성, 건강상태, 우방에서의 서열 등을 고려한 판단이 가능하여, 소의 발정기 탐지적중률을 제고시킬 수 있다.
뿐만 아니라, 본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 분석 서버에서 분석한 소의 행동 유형 정보 및 발정 탐지 정보와 관찰카메라부에서 촬영한 영상을 기초로, 소의 생애 주기에 따른 생체정보 제공 및 축사 모니터링이 가능한 스마트기기의 애플리케이션을 구축함으로써, 궁극적으로는 종합적인 축사 사육현황 및 번식관리 솔루션을 제공하고, ICT 융복합 관련 핵심기술인 무선통신기술, 통합제어기술, 센싱기술, 알고리즘 기술을 활용하여, 우리나라 축산에 대한 소비자의 인식전환을 유도하고 축산업 경쟁력을 상승시킬 수 있다.
Description
본 발명은 소의 발정 탐지 시스템에 관한 것으로서, 보다 구체적으로는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 관한 것이다.
축사 관리의 목표는 가축이 건강하게 잘 지내고 있는지 혹은 축사에 이상 상황이 발생했는지 등과 같이 가축의 상태 및 환경요소들을 효과적으로 모니터링하고 그에 맞는 적절한 대처방안을 수행하는 것이라고 할 수 있다. 특히, 한우 번식우 사육에 있어서 가장 중요한 것은 번식인데, 효과적인 번식을 위해서는 발정을 제때 발견하는 것이 필수적이다. 하지만 한우 농가의 규모가 점차 대형화됨에 따라 작업자 또는 목장주가 관리해야 할 한우 두수가 증가하고 있어, 세밀한 관찰이 어려운 실정이고, 항생제 등의 과도한 약품 사용으로 인하여 발정 징후가 약해져, 육안에 의한 발정 식별이 점점 어려워지고 있다.
소의 발정 여부를 탐지하기 위하여, 사람이 직접 개입하는 전통적인 방법들(육안에 의한 관찰, 발색제, 크레용을 사용하는 방법 등) 외에, 최근 암소 발정기를 정보통신기술(ICT)을 이용해 탐지하는 기술들이 보고되고 있다. 이는 호르몬 변화로 인해 발정기에 동반되는 암소들의 특이 행동들 또는 신체 정보의 변화를 이용하는 것으로서, CCTV 등을 이용한 영상처리 및 비젼 기술과 암소의 체온 변화를 이용하는 기술 등이 제안되고 있다. 그러나 고가의 적외선 촬영 영상 장비 사용에도 불구하고 상대적으로 낮은 탐지 성능을 보이며, 온도 센서를 이용한 방법은 오탐지의 비율이 높다는 문제점이 제기되고 있다. 따라서, 목장주의 소득을 증대시키고 발정 감지 성공률을 높이기 위하여, 활동량 증가 및 승가 허용 행동, 먹이행동, 휴식상태, 활동상태 등을 복합적으로 자동 측정함으로써, 작업자의 번거로움을 최소화하고 소의 발정 시기 및 수정 적기를 정확히 예측할 수 있는 자동화 시스템 개발의 필요성이 대두된다.
한편, 본 발명과 관련된 선행기술로서, 한국공개특허 제10-2014-0136352호(발명의 명칭: 소 행동형 발정인식 시스템, 공고일자: 2014년 11월 28일) 등이 개시된 바 있다.
본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 부착된 행동탐지 센서에서 감지한 소의 움직임 및 행동 정보를 토대로, 소의 행동 유형 패턴을 판단하고 소의 발정 여부를 탐지하는 분석 서버 및 발정탐지 모듈을 포함함으로써, 소의 발정기를 보다 정확하고 용이하게 판단할 수 있어, 소의 번식 효율을 증가시키고 발정 미감지로 인한 피해를 줄여, 궁극적으로는 한우 농가의 생산성 및 수익성에 이바지하고 농가의 소득 증대에 이바지할 수 있는, 행동 패턴 인식을 이용한 소의 발정 탐지 시스템을 제공하는 것을 그 목적으로 한다.
또한, 본 발명은, 가속도 센서에서 감지된 3축 가속도 신호의 drift 발생으로 인해 생길 수 있는 오차를 보정 및 전처리하고, 감지된 3축 가속도 신호를 통계적, 수학적 방법으로 분석함으로써, 소의 행동 유형 패턴을 보다 정교하게 판단할 수 있으며, 특히, 인공지능 기술 중 딥러닝 알고리즘을 이용하여 소의 행동 유형을 판단함으로써, 같은 유형의 행동이 개체에 따라 다양한 신호 패턴을 보여 그 신호의 편차가 크더라도 오류를 줄일 수 있고, 한우 개체별로 상이한 행동 양식, 성격, 생활 습성, 건강상태, 우방에서의 서열 등을 고려한 판단이 가능하여, 소의 발정기 탐지적중률을 제고시킬 수 있는, 행동 패턴 인식을 이용한 소의 발정 탐지 시스템을 제공하는 것을 또 다른 목적으로 한다.
뿐만 아니라, 본 발명은, 분석 서버에서 분석한 소의 행동 유형 정보 및 발정 탐지 정보와 관찰카메라부에서 촬영한 영상을 기초로, 소의 생애 주기에 따른 생체정보 제공 및 축사 모니터링이 가능한 스마트기기의 애플리케이션을 구축함으로써, 궁극적으로는 종합적인 축사 사육현황 및 번식관리 솔루션을 제공하고, ICT 융복합 관련 핵심기술인 무선통신기술, 통합제어기술, 센싱기술, 알고리즘 기술을 활용하여, 우리나라 축산에 대한 소비자의 인식전환을 유도하고 축산업 경쟁력을 상승시킬 수 있는, 행동 패턴 인식을 이용한 소의 발정 탐지 시스템을 제공하는 것을 또 다른 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템은,
소의 발정 탐지 시스템으로서,
소에 부착되어 소의 움직임 및 행동을 감지하는 행동탐지 센서;
상기 행동탐지 센서에서 감지된 데이터를 수신받아 저장하고, 기저장된 축우 관련 사육정보와 함께 데이터베이스를 구축하는 DB 서버; 및
상기 DB 서버에 저장된 데이터를 분석하여 소의 행동 패턴을 인식하고 발정을 탐지하는 분석 서버를 포함하며,
상기 분석 서버는,
상기 DB 서버에 저장된 움직임 데이터를 기초로 분석하여, 소의 휴식상태, 활동상태, 및 고활동상태를 포함하는 행동 유형의 특징적 패턴을 찾아내고, 소의 행동 유형을 판단하는 행동분석 모듈; 및
상기 행동분석 모듈에서 판단된 상기 소의 행동 유형 정보를 통해 승가 정보를 분석하고 소의 발정 여부를 탐지하는 발정탐지 모듈을 포함하는 것을 그 구성상의 특징으로 한다.
바람직하게는,
축사를 24시간 촬영하고 촬영된 영상을 상기 DB 서버로 송신하는 관찰카메라부; 및
상기 분석 서버에서 분석한 행동 유형 정보 및 발정 탐지 정보와 상기 관찰카메라부에서 촬영된 영상을 시각화시켜 보여주는 스마트기기를 더 포함하여 구성될 수 있다.
더욱 바람직하게는, 상기 행동탐지 센서는,
소의 귀에 부착될 수 있으며,
개체의 머리, 귀, 입놀림 및 몸 전체의 움직임에 의한 귀의 떨림을 이용하여, 기울기 값을 측정하는 3축 가속도 센서;
개체의 머리, 귀, 입놀림 및 몸 전체의 움직임에 의한 귀의 떨림을 이용하여, 방향값을 측정하는 자력계; 및
상기 3축 가속도 센서 및 상기 자력계에서 측정된 소의 움직임 및 행동 데이터를 상기 DB 서버로 송신하는 송신부를 포함하여 구성될 수 있다.
더욱 더 바람직하게는, 상기 행동탐지 센서는,
소의 움직임에 대한 정보를 기울기값 및 방향값으로 나누어 각각 3축 가속도 센서와 자력계에서 감지할 수 있다.
더욱 더 바람직하게는, 상기 3축 가속도 센서는,
감지된 3축 가속도 신호의 drift 발생으로 인한 오차를 보정 및 전처리할 수 있다.
바람직하게는,
상기 행동탐지 센서에서 사용되는 통신은 배터리 수명을 최대화하는 저전력 무선통신 프로토콜을 통해 구현될 수 있으며, 보다 구체적으로는 Zigbee 통신을 이용할 수 있고, 상기 DB 서버와 상기 분석 서버 사이의 통신은 이더넷 통신을 이용할 수 있다.
더욱 바람직하게는, 상기 행동분석 모듈은,
통계적 분석 방법으로서, 단위 시간 동안의 평균/분산/표준편차(RMS), 평균편차 비교 분석법, 기울기 변화량 적분법, 변량 도수 분포 분석법, 및 퓨리에 주파수 변환(FFT) 분석법 중 적어도 하나 이상을 이용할 수 있다.
더욱 더 바람직하게는, 상기 행동분석 모듈은,
딥러닝 기술을 기반으로 상기 DB 서버에 저장된 움직임 데이터로부터 행동 유형을 분석하여, 같은 행동의 패턴이더라도 개체에 따라서 신호 패턴의 편차가 크게 나오는 경우를 보완할 수 있다.
더욱 바람직하게는, 상기 발정탐지 모듈은,
기설정된 일정 시간 단위로 행동 유형별 시간 점유율 및 분포를 계산하여 승가 정보를 분석하고 소의 발정 여부를 탐지할 수 있다.
더욱 더 바람직하게는, 상기 발정탐지 모듈은,
상기 DB 서버에 저장된 움직임 데이터로부터 개체별 습성 및 상태 정보를 취득하여, 소의 발정 여부 판단을 보완할 수 있다.
더욱 바람직하게는,
소의 엉덩이에 부착되어, 접점검출 방식으로 승가 허용 여부를 감지하고, 감지된 승가 허용 정보를 상기 DB 서버로 송신하는 승가 허용 탐지 센서를 더 포함하여 구성될 수 있다.
더욱 더 바람직하게는, 상기 분석 서버는,
상기 행동탐지 센서에서 감지된 소의 움직임 및 행동 정보와 상기 승가 허용 탐지 센서에서 감지된 소의 승가 허용 정보를 함께 이용하여 소의 발정 여부를 탐지할 수 있다.
더욱 더 바람직하게는, 상기 스마트기기는,
상기 분석 서버에서 분석한 행동 유형 정보 및 발정 탐지 정보와 상기 DB 서버에 저장된 영상을 기초로, 종합적인 축사 사육현황 및 번식관리 솔루션을 제공하는 애플리케이션을 이용하여 구동될 수 있다.
더욱 더 바람직하게는, 상기 스마트기기는,
상기 분석 서버에서 분석한 발정 탐지 데이터를 기초로 발정 시기 또는 수정 적기에 해당하는 개체에 대해 알림을 제공할 수 있다.
본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 부착된 행동탐지 센서에서 감지한 소의 움직임 및 행동 정보를 토대로, 소의 행동 유형 패턴을 판단하고 소의 발정 여부를 탐지하는 분석 서버 및 발정탐지 모듈을 포함함으로써, 소의 발정기를 보다 정확하고 용이하게 판단할 수 있어, 소의 번식 효율을 증가시키고 발정 미감지로 인한 피해를 줄여, 궁극적으로는 한우 농가의 생산성 및 수익성에 이바지하고 농가의 소득 증대에 이바지할 수 있다.
또한, 본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 가속도 센서에서 감지된 3축 가속도 신호의 drift 발생으로 인해 생길 수 있는 오차를 보정 및 전처리하고, 감지된 3축 가속도 신호를 통계적, 수학적 방법으로 분석함으로써, 소의 행동 유형 패턴을 보다 정교하게 판단할 수 있으며, 특히, 인공지능 기술 중 딥러닝 알고리즘을 이용하여 소의 행동 유형을 판단함으로써, 같은 유형의 행동이 개체에 따라 다양한 신호 패턴을 보여 그 신호의 편차가 크더라도 오류를 줄일 수 있고, 한우 개체별로 상이한 행동 양식, 성격, 생활 습성, 건강상태, 우방에서의 서열 등을 고려한 판단이 가능하여, 소의 발정기 탐지적중률을 제고시킬 수 있다.
뿐만 아니라, 본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 분석 서버에서 분석한 소의 행동 유형 정보 및 발정 탐지 정보와 관찰카메라부에서 촬영한 영상을 기초로, 소의 생애 주기에 따른 생체정보 제공 및 축사 모니터링이 가능한 스마트기기의 애플리케이션을 구축함으로써, 궁극적으로는 종합적인 축사 사육현황 및 번식관리 솔루션을 제공하고, ICT 융복합 관련 핵심기술인 무선통신기술, 통합제어기술, 센싱기술, 알고리즘 기술을 활용하여, 우리나라 축산에 대한 소비자의 인식전환을 유도하고 축산업 경쟁력을 상승시킬 수 있다.
도 1은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 구성을 기능 블록으로 도시한 도면.
도 2는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 개략적인 이용 모습을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서를 도시한 도면.
도 4는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서의 구성을 기능 블록으로 도시한 도면.
도 5는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 3축 가속도 센서에서, 소의 행동에 따라 측정된 3축 가속도 신호 그래프를 도시한 도면.
도 6은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 3축 가속도 센서에서 발생할 수 있는 drift 누적을 도시한 도면.
도 7은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈의 DNN 기술의 기본적인 구조를 도시한 도면.
도 8은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈의 RNN 기술 구조를 도시한 도면.
도 9는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈의 RNN 기술 구조 중 LSTM 구조를 도시한 도면.
도 10은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 발정탐지 모듈에서 3축 가속도 센서 및 자력계에서의 신호를 가공 및 분석한 그래프를 도시한 도면.
도 11은 본 발명의 일실시예에 따른 소의 구조물 목비비기 행동 패턴의 방향값 신호 및 기울기값 신호를 가공 및 분석한 그래프를 도시한 도면.
도 12는 본 발명의 일실시예에 따른 소의 자리이동 행동 패턴의 방향값 신호 및 기울기값 신호를 가공 및 분석한 그래프를 도시한 도면.
도 13은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 발정탐지 모듈에서 행동 유형 분석을 통해 소의 발정 여부를 판단하는 방법을 도시한 도면.
도 14는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 승가 허용 탐지 센서를 장착한 소를 도시한 도면.
도 15는 소의 발정 시기에 따른 승가 및 승가 허용 행동을 도시한 도면.
도 16은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 스마트기기에서 구동되는 애플리케이션을 도시한 도면.
도 2는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 개략적인 이용 모습을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서를 도시한 도면.
도 4는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서의 구성을 기능 블록으로 도시한 도면.
도 5는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 3축 가속도 센서에서, 소의 행동에 따라 측정된 3축 가속도 신호 그래프를 도시한 도면.
도 6은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 3축 가속도 센서에서 발생할 수 있는 drift 누적을 도시한 도면.
도 7은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈의 DNN 기술의 기본적인 구조를 도시한 도면.
도 8은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈의 RNN 기술 구조를 도시한 도면.
도 9는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈의 RNN 기술 구조 중 LSTM 구조를 도시한 도면.
도 10은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 발정탐지 모듈에서 3축 가속도 센서 및 자력계에서의 신호를 가공 및 분석한 그래프를 도시한 도면.
도 11은 본 발명의 일실시예에 따른 소의 구조물 목비비기 행동 패턴의 방향값 신호 및 기울기값 신호를 가공 및 분석한 그래프를 도시한 도면.
도 12는 본 발명의 일실시예에 따른 소의 자리이동 행동 패턴의 방향값 신호 및 기울기값 신호를 가공 및 분석한 그래프를 도시한 도면.
도 13은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 발정탐지 모듈에서 행동 유형 분석을 통해 소의 발정 여부를 판단하는 방법을 도시한 도면.
도 14는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 승가 허용 탐지 센서를 장착한 소를 도시한 도면.
도 15는 소의 발정 시기에 따른 승가 및 승가 허용 행동을 도시한 도면.
도 16은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 스마트기기에서 구동되는 애플리케이션을 도시한 도면.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 연결 되어 있다고 할 때, 이는 직접적으로 연결 되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 간접적으로 연결 되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 포함 한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 1은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 구성을 기능 블록으로 도시한 도면이고, 도 2는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 개략적인 이용 모습을 도시한 도면이다. 도 1 내지 도 2에 도시된 바와 같이, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템(10)은, 소에 부착되어 소의 움직임 및 행동을 감지하는 행동탐지 센서(100), 행동탐지 센서(100)에서 감지된 데이터를 수신받아 저장하고, 기저장된 축우 관련 사육정보와 함께 데이터베이스를 구축하는 DB 서버(200), 및 DB 서버(200)에 저장된 데이터를 분석하여 소의 행동 패턴을 인식하고 발정을 탐지하는 분석 서버(300)를 포함하여 구성될 수 있고, 축사를 24시간 촬영하고 촬영된 영상을 DB 서버(200)로 송신하는 관찰카메라부(400), 및 분석 서버(300)에서 분석한 행동 유형 정보 및 발정 탐지 정보와 관찰카메라부(400)에서 촬영된 영상을 시각화시켜 보여주는 스마트기기(500)를 더 포함하여 구성될 수 있으며, 분석 서버(300)는, DB 서버(200)에 저장된 움직임 데이터를 기초로 분석하여, 소의 휴식상태, 활동상태, 및 고활동상태를 포함하는 행동 유형의 특징적 패턴을 찾아내고, 소의 행동 유형을 판단하는 행동분석 모듈(310), 및 행동분석 모듈(310)에서 판단된 소의 행동 유형 정보를 통해 승가 정보를 분석하고 소의 발정 여부를 탐지하는 발정탐지 모듈(320)을 포함하여 구성될 수 있다.
도 3은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서(100)를 도시한 도면이다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서(100)는, 소에 부착되어 소의 움직임 및 행동을 감지할 수 있다. 바람직하게는, 행동탐지 센서(100)는 개체의 작은 움직임까지 빠뜨림 없이 실시간으로 수집하여야 하는바, 움직임을 구분하기 용이한 곳에 설치될 수 있다. 즉, 본 발명의 경우, 한우 개체 이표와 비슷한 위치인 귀에 부착하여, 모든 움직임 감지에 적합하고, 떼어내고 붙이기 쉬우며, 무엇보다 소 개체가 거부감 없이 생활할 수 있게 한다. 또한, 작은 움직임에서부터 큰 움직임까지 모든 움직임을 탐지하면서도, 스트레스를 주지 않는 최적의 형상으로서 개체에 밀착된 형태로 설계 및 제작될 수 있다.
도 4는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서(100)의 구성을 기능 블록으로 도시한 도면이다. 도 4에 도시된 바와 같이, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서(100)는, 소의 귀에 부착될 수 있으며, 개체의 머리, 귀, 입놀림 및 몸 전체의 움직임에 의한 귀의 떨림을 이용하여, 기울기 값을 측정하는 3축 가속도 센서(110), 개체의 머리, 귀, 입놀림 및 몸 전체의 움직임에 의한 귀의 떨림을 이용하여, 방향값을 측정하는 자력계(120), 및 3축 가속도 센서(110)와 자력계(120)에서 측정된 소의 움직임 및 행동 데이터를 DB 서버(200)로 송신하는 송신부(130)를 포함하여 구성될 수 있다. 이하, 도면을 이용하여 3축 가속도 센서(110)에 대하여 더욱 자세히 설명한다.
도 5는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 3축 가속도 센서(110)에서, 소의 행동에 따라 측정된 3축 가속도 신호 그래프를 도시한 도면이다. 도 5에 도시된 바와 같이, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 3축 가속도 센서(110)는, 개체의 머리, 귀, 입놀림 및 몸 전체의 움직임에 의한 귀의 떨림을 3축 방향 기울기값으로 측정하여 소의 움직임 정도를 디지털화할 수 있다. 즉, 도 5는 개체의 "앉아서 휴식", "앉아서 되새김", "천천히 이동", "이동", "두리번 휴식", 및 "귀 털기" 움직임에 대한 3축 가속도 센서 측정값을 도시한 그래프로써, 그래프의 y축은 3축 가속도 측정값(㎨)의 크기를 나타내는데, 적색 그래프는 데이터의 지구 중력 방향 값, 녹색 그래프는 데이터의 x축 방향 값, 청색 그래프는 데이터의 y축 방향 값을 나타낸 것이다.
뿐만 아니라, 3축 가속도 센서(110)는, 감지된 3축 가속도 신호의 drift 발생으로 인한 오차를 보정 및 전처리할 수 있다. 도 6은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 3축 가속도 센서(110)에서 발생할 수 있는 drift 누적을 도시한 도면이다. 도 6에 도시된 바와 같이, 가속도 센서 기반 알고리즘 개발 과정에서 신호의 drift가 발생할 수 있는데, 이 경우 drift가 계속 누적되면서 시간이 지날수록 오차가 커지는 문제점이 있다. 본 발명의 경우, 이러한 문제를 해결하기 위해서 state-space 기반의 방식으로 sensor fusion 혹은 state-space model을 사용함으로써, drift 누적으로 인한 오차 및 발생하는 에러를 보상할 수 있다.
본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서(100)에서 사용되는 통신은 배터리 수명을 최대화하는 저전력 무선통신 프로토콜을 통해 구현될 수 있으며, 보다 구체적으로는 Zigbee 통신을 이용할 수 있고, DB 서버(200)와 분석 서버(300) 사이의 통신은 이더넷 통신을 이용할 수 있다.
즉, 본 발명의 행동탐지 센서(100)에서 사용되는 네트워크의 경우, 데이터를 수집하는 싱크 노드(라우터) 주변에 트래픽이 집중될 수밖에 없는데, 트래픽이 싱크 노드에 집중되면서 전송하려는 데이터 간의 충돌이 빈번하게 발생하여 배터리 소모가 증가할 수 있다. 따라서 이를 해결하기 위해 동적으로 무선 자원을 할당하여 배터리 소모를 줄이는 알고리즘을 이용할 수 있고, 알고리즘을 행동탐지 센서(100)에 구현시켜 효율적인 무선통신을 구축할 수 있다.
보다 구체적으로, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 행동탐지 센서(100)에서 사용되는 통신은, 저전력, 저속, 중거리 통신 등의 특성이 요구되는바, 위의 특성을 만족할 수 있는 IEEE 802.15.4 (LR-WPAN, Low Rate Wireless Personal Area Network)를 사용하여 네트워크를 구성할 수 있다. IEEE 802.15.4는 비콘(Beacon)과 슈퍼프레임구조(Superframe structure)의 사용으로 에너지 소모를 줄일 수 있는데, 배터리 수명을 최대화하기 위해 구성하는 네트워크의 특성에 맞도록 충돌을 감소시켜 비콘과 슈퍼프레임구조를 개선할 수 있다. 즉, Beacon Interval을 적응형으로 바꾸어 에너지 효율을 높일 수 있고, 데이터양과 변화율을 측정하여 Beacon Interval을 조절해 채널 경쟁을 하는 노드 수를 줄이고 데이터 전달 지연시간을 최소화할 수 있으며, 보장 전송 구간 할당 요청으로 가중치를 계산하여 우선도에 따라 보장 전송 구간을 할당하거나 공정한 분배를 통해 보장 전송 구간 요청 처리율을 높이고 지연시간을 감소시킬 수 있다.
DB 서버(200)는, 행동탐지 센서(100)에서 감지된 데이터를 수신받아 저장하고, 기저장된 축우 관련 사육정보와 함께 데이터베이스를 구축할 수 있다. 보다 구체적으로, DB 서버(200)는, 행동탐지 센서(100)가 부착된 개체의 움직임 및 행동에 대한 데이터를 수신받아 저장하고 관리할 수 있을 뿐만 아니라, 다른 개체들의 움직임 정보를 함께 수신받아 저장할 수 있고, 축우 관련 사육정보를 기저장해두어 보다 풍부한 데이터베이스를 구축할 수 있다.
분석 서버(300)는, DB 서버(200)에 저장된 데이터를 분석하여 소의 행동 패턴을 인식하고 발정을 탐지할 수 있다. 즉, 분석 서버(300)는, DB 서버(200)에 저장된 움직임 데이터를 기초로 분석하여, 소의 휴식상태, 활동상태, 및 고활동상태를 포함하는 행동 유형의 특징적 패턴을 찾아내고, 소의 행동 유형을 판단하는 행동분석 모듈(310), 및 행동분석 모듈(310)에서 판단된 소의 행동 유형 정보를 통해 승가 정보를 분석하고 소의 발정 여부를 탐지하는 발정탐지 모듈(320)을 포함하여 구성될 수 있다.
행동분석 모듈(310)은, DB 서버(200)에 저장된 움직임 데이터를 기초로 분석하여, 소의 휴식상태, 활동상태, 및 고활동상태의 3가지 행동 유형의 특징적 패턴을 찾아내고, 소의 행동 유형을 판단할 수 있다. 보다 구체적으로, 개체 생애 주기 동안 생성되는 움직임 데이터 중 특징적 3가지 행동(휴식, 활동, 고활동)을 시간, 일간, 주간, 월간, 년간 단위로 탐지하여 각 행동의 비율을 통계적, 수학적 접근 방법으로 분석하고, 각 상태를 모델링 하여 비교 예측할 수 있다. 이를 통해 사람이 가축을 보살피고 관측하고 예측하는 것과 유사한 결과를 낼 수 있는데, 빅데이터를 분석해 수학적으로 모델링하여 컴퓨터가 계산하고 예측할 수 있도록 예측 알고리즘을 구축함으로써, 복합적인 소의 행동 정보를 이용할 수 있어서, 한 가지 정보만을 이용하여 소의 발정 여부를 탐지하던 종래의 기술에 비하여, 탐지의 정확도 및 신뢰성을 높일 수 있고, 발정 출현 시간별 최적의 인공수정 적기를 분석하거나 지역별 및 환경별 수태율 영향을 분석하는 등 다양하게 이용될 수 있다.
행동 패턴 분류를 위한 3가지 행동의 특징적인 움직임을 분석하면, '휴식' 행동은, 하루 대부분을 차지하는 행동으로써 앉아서 쉬거나 잠을 자는 행위이다. 이 경우 움직임이 거의 없다. '활동' 행동은, 자리를 이동하거나, 구조물 핥기, 구조물 머리 비비기, 목 돌리기, 두리번거리기, 혀 돌리기 등에 해당하는 행위이다. '고활동' 행동은, 축사 우방을 뛰어다니거나, 발정에 의한 승가 및 승가 허용 또는 회피, 또한 발정이 아닌 다른 개체와 몸싸움, 장난질 등에 해당하는 행위이다. 움직임이 가장 큰 값으로 나타난다.
행동분석 모듈(310)은, 한우 개체의 발정상태를 예측하는 알고리즘 개발을 위해, 3가지 행동 유형 빅데이터를 기반으로 1일 혹은 수십~수백 일 동안의 통계적 분석 접근 방법을 이용할 수 있다. 보다 구체적으로, 행동분석 모듈(310)은, 통계적 분석 방법으로서, 단위 시간 동안의 평균/분산/표준편차(RMS), 평균편차 비교 분석법, 기울기 변화량 적분법, 변량 도수 분포 분석법, 및 퓨리에 주파수 변환(FFT) 분석법 중 적어도 하나 이상을 이용할 수 있다. 즉, 수집, 분류된 DB를 기반으로 통계적 방법을 적용하고 그 결과를 시각화하여 비교 분석할 수 있으며, DB 서버(200)에 저장된 소의 움직임 데이터와 관찰카메라부(400)에서 촬영된 영상을 비교하여 틀린 부분을 보완함으로써, 3축 가속도 신호로부터 행동 유형을 분석하는 방법을 계속해서 업데이트해 나갈 수도 있다.
뿐만 아니라, 행동분석 모듈(310)은, 딥러닝(DNN) 기술을 기반으로 DB 서버(200)에 저장된 움직임 데이터로부터 행동 유형을 분석하여, 같은 행동의 패턴이더라도 개체에 따라서 신호 패턴의 편차가 크게 나오는 경우를 보완할 수 있다. 즉, 같은 행동이라 하더라도 개체에 따라서 3축 가속도 센서의 패턴의 편차가 매우 크게 나타날 수 있는데, 이렇게 동일한 분류의 행동이 다양한 패턴으로 나오는 경우라도 딥러닝 기술을 이용함으로써 행동을 효과적으로 분류할 수 있다. 이하 도면을 이용하여 딥러닝 기술에 대하여 더욱 자세히 알아본다.
도 7은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈(310)의 DNN 기술의 기본적인 구조를 도시한 도면이다. 딥러닝이란, Deep Neural Network (DNN) 구조를 기반으로 한 기계학습 기법을 총칭하는 용어인데, 도 7에 도시된 바와 같이, 딥러닝은 2개 이상의 은닉층 (Hidden Layer)를 가지는 Multi-Layer Perceptron 구조로 구성될 수 있다. 도면의 구조에서 하나의 원은 노드(Node)라고 불리며, 각 노드 안에서의 연산은, 입력이 3개인 경우 벡터 [X1, X2, X3] 각각에 [W1, W2, W3]의 가중치(Weight)를 곱한 값을 더해서(두 벡터의 내적에 해당) 이를 비선형 함수에 통과시킨 값을 출력으로 하는 기본 구조를 가질 수 있다. 최근 널리 사용되는 DNN 구조는 최소 5개로부터 최대 수백 개의 은닉층으로 구성될 수 있다.
도 8은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈(310)의 RNN 기술 구조를 도시한 도면이고, 도 9는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 행동분석 모듈(310)의 RNN 기술 구조 중 LSTM 구조를 도시한 도면이다. 도 8 내지 도 9에 도시된 바와 같이, 본 발명에서 움직임 분석을 위해서 사용되는 가속도 신호는, 시계열 데이터로서 시간에 따른 변화가 움직임 특성에 대한 정보를 지니고 있는데, 이러한 정보 분류 및 분석에는 DNN 구조 중 하나인 Recurrent Neural Network(RNN)을 사용하는 것이 바람직하다. 도 8은 대표적인 RNN 구조의 예시로서, 기존 DNN 구조와는 달리 입력에 대한 출력 정보가 현재 시각뿐만 아니라 미래 시점에서도 나타날 수 있으며, 이에 따라 시계열 데이터 처리에 큰 강점을 지닌다. RNN 구조 중에서도 특히, 도 9에 도시된 Long Short-Term Memory(LSTM) 구조가 좋은 성능을 가지는데, 이는 각 단계별로 forget gate를 별도로 구성하여, 현재 상태가 오래전의 입력 데이터에도 영향을 받게 하는 Long Short-Term Memory 구조를 통해 성능을 향상시킬 수 있다.
발정탐지 모듈(320)은, 행동분석 모듈(310)에서 판단된 소의 행동 유형 정보를 통해 승가 정보를 분석하고 소의 발정 여부를 탐지할 수 있다. 즉, 발정상태의 소는 흥분, 보행 수 증가, 배뇨 증가, 고성, 식욕감퇴, 후구 세움, 꼬리 흔들기, 승가 및 승가 허용, 외음부 충혈 등의 특징적인 행동을 보이는데, 발정 지속시간은 13~37시간이고, 일반적으로 발정개시 후 12~18시간(배란 전 13~18시간) 또는 발정종료 전후 3~4시간 사이가 수정 적기인바, 소의 발정 시기에 따른 행동 패턴 정보를 누적하여 분석함으로써, 행동분석 모듈(310)에서 판단된 소의 행동 유형 정보를 바탕으로 소의 발정 여부를 더욱 정확하게 판단하는 알고리즘을 개발할 수 있다.
도 10은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 발정탐지 모듈(320)에서 3축 가속도 센서(110) 및 자력계(120)에서의 신호를 가공 및 분석한 그래프를 도시한 도면이다. 도 10에 도시된 바와 같이, 발정탐지 모듈(320)은 3축 가속도 센서(110)에서 측정된 기울기값 신호 및 자력계(120)에서 측정된 방향값 신호를 이용하여 소의 움직임에 대한 정보를 가공 및 분석할 수 있다. 즉, 도 10에서 위쪽 그래프들은 3축 '방향' 신호 데이터값 또는 이를 가공한 값을 나타낸 그래프이고, 아래쪽 그래프들은 3축 '기울기' 신호 데이터값 또는 이를 가공한 값을 나타낸 그래프이다. 이하 도 10의 그래프에 대하여 더욱 자세히 설명한다.
도 10에서 '2. 변화량 데이터' 그래프는, '1. 센서 기초 데이터' 그래프에서 직전 데이터 대비, 방향(위 그래프) 또는 기울기(아래 그래프) 변화량을 표시한 그래프이다. 즉, 위쪽 그래프의 y축은, 360°를 22.5° 단위로 16 등분(1~16)하여 직전과의 차이 값을 시간 흐름 순으로 표시한 것으로서, y축 값이 '0'이면 방향 변화 없이 가만히 있는 것이고, '1'이면 22.5°의 방향 변화가 있는 것이며, '4'이면 약 90°의 방향 변화가 발생한 것이다. '2. 변화량 데이터'의 아래쪽 그래프는, 직전과 기울기 차이 값을 시간 흐름 순으로 표시한 것인데, 예를 들면 100 이하의 값은 각 축의 움직임에 대한 기울기 변화량이 적어 움직임이 거의 없는 것이고, 그 값이 클수록 움직임이 크다. '3. 변화량 빈도 분포 데이터' 그래프는 '2. 변화량 데이터' 그래프의 변화량 값이 자주 나타난 빈도를 분석한 그래프인데, '3. 변화량 빈도 분포' 그래프의 y축의 값은 x축에 해당하는 데이터가 전체(15초 분량) 중 차지하는 비율을 백분율로 표시한 것이다. 예를 들면, 3번의 위쪽 그래프의 x축에서 '0'에 해당하는 y축 값이 '90'이면 방향 변화량이 없는 '0'이 전체 15초 분량에서 90%를 차지한다는 것을 의미하고, 3번의 아래쪽 그래프의 x축은 0부터 100,000까지의 범위를 아래와 같이 20단계로 분할하여 표시한 것이다.
아래
0.4: 0~400 / 0.8: 400~800 / 1.2: 800~1200 / 1.8: 1200~1800 / 2.4: 1800~2400 / 3.2: 2400~3200 / 5: 3200~5000 / 7: 5000~7000 / 10: 7000~10000 / 12: 10000~12000 / 14: 12000~14000 / 16: 14000~16000 / 18: 16000~18000 / 20: 18000~20000 / 25: 20000~25000 / 30: 25000~30000 / 35: 30000~35000 / 40: 35000~40000 / 60: 40000~60000 / 100: 60000~100000
도 11은 본 발명의 일실시예에 따른 소의 구조물 목비비기 행동 패턴의 방향값 신호 및 기울기값 신호를 가공 및 분석한 그래프를 도시한 도면이고, 도 12는 본 발명의 일실시예에 따른 소의 자리이동 행동 패턴의 방향값 신호 및 기울기값 신호를 가공 및 분석한 그래프를 도시한 도면이다. 도 11 내지 도 12에 도시된 바와 같이, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 발정탐지 모듈(320)은, 소의 한 생애 주기 동안 지속적으로 발생하는 여러 행동에 대한 움직임 데이터가 저장된 데이터베이스를 이용하여, 통계적 비교 알고리즘을 통해, 실시간으로 발정 여부를 분석할 수 있다.
도 13은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 발정탐지 모듈(320)에서 행동 유형 분석을 통해 소의 발정 여부를 판단하는 방법을 도시한 도면이다. 도 13에 도시된 바와 같이, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 발정탐지 모듈(320)은, 기설정된 일정 시간 단위로 행동 유형별 시간 점유율 및 분포를 계산하여 승가 정보 및 승가 허용 정보를 분석하고 소의 발정 여부를 탐지할 수 있다.
또한, 발정탐지 모듈(320)은, DB 서버(200)에 저장된 움직임 데이터로부터 개체별 습성 및 상태 정보를 취득하여, 소의 발정 여부 판단을 보완할 수 있다. 종래의 발정 탐지 기술의 경우, 발목에 부착되어 일정 시간당 보행 횟수의 증가를 탐지하거나 목에 부착되어 승가 행위로 인한 상체의 높낮이를 탐지하는 것에 그쳤는바, 개체별 생활환경이나 습성을 고려하지 않는 기계적 탐지 방법이었다. 그러나, 같은 우방 내라도 서열이 낮은 개체와 높은 개체는 먹이 활동이나 승가 활동에서 큰 차이를 보이는 등 개체의 습성별 행동 패턴이 다르게 나타나기 마련이므로, 본 발명의 경우, 사람이 각각의 개체를 꾸준히 관찰하면서 개체 각각의 성격, 습성, 상태를 파악하고 적절히 조치하는 과정을 인공지능이 대신할 수 있도록, 개체별 특화된 지식 데이터베이스 기반 분석 알고리즘을 개발할 수 있다. 따라서, 소 개체의 각각 다른 생활 습성, 성격, 같은 우방 내에서의 서열 차이 등으로 인한 행동 양식 변화를 데이터로 분석하고, 이를 기반으로 개체 상태를 예측함으로써, 발정 여부 판단의 적중률을 제고 할 수 있다.
관찰카메라부(400)는, 축사를 24시간 촬영하고 촬영된 영상을 DB 서버(200)로 송신할 수 있으며, DB 서버(200)에 저장된 영상을 스마트기기(500)를 통해 보여줄 수 있다. 즉, 사용자는 스마트기기(500)를 통하여 축사를 24시간 실시간으로 파악할 수 있을 뿐만 아니라, 이벤트 발생 대상 개체를 즉각적으로 확인할 수 있다.
도 14는 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 승가 허용 탐지 센서(600)를 장착한 소를 도시한 도면이다. 도 14에 도시된 바와 같이, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 승가 허용 탐지 센서(600)는 소의 엉덩이에 부착되어, 접점검출 방식으로 승가 허용 여부를 감지하고, 감지된 승가 허용 정보를 DB 서버(200)로 송신할 수 있다.
도 15는 소의 발정 시기에 따른 승가 및 승가 허용 행동을 도시한 도면이다. 도 15에 도시된 바와 같이, 소의 발정 시기에 나타나는 행동이 시간대에 따라서 다른데, 발정 초기에는 주변 소가 승가를 하려 하고 발정한 소는 피해 다니며, 발정 중기에는 발정한 소가 반대로 주변 소에 승가를 하고, 발정 후기에는 발정한 소가 주변 소의 승가를 허용한다. 다만, 연구에 따르면, 발정한 소가 승가 행위를 할 확률이 50% 정도밖에 안 되지만, 발정한 소가 승가를 허용할 확률은 98%이므로, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 분석 서버(300)는, 귀에 부착된 행동탐지 센서(100)에서 감지한 소의 움직임 및 행동 정보와 엉덩이에 부착된 승가 허용 탐지 센서(600)에서 감지한 소의 승가 허용 정보를 함께 이용하여 소의 발정 여부를 탐지하여, 탐지의 적중률을 높일 수 있다.
도 16은 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 스마트기기(500)에서 구동되는 애플리케이션을 도시한 도면이다. 도 16에 도시된 바와 같이, 스마트기기(500)는, 분석 서버(300)에서 분석한 행동 유형 정보 및 발정 탐지 정보와 관찰카메라부(400)에서 촬영된 영상을 시각화시켜 보여줄 수 있다. 보다 구체적으로, 본 발명의 일실시예에 따른 행동 패턴 인식을 이용한 소의 발정 탐지 시스템의 스마트기기(500)는, 분석 서버(300)에서 분석한 행동 유형 정보 및 발정 탐지 정보와 DB 서버(200)에 저장된 영상을 기초로, 종합적인 축사 사육현황 및 번식관리 솔루션을 제공하는 애플리케이션을 이용하여 구동될 수 있는데, 사용자에게 시각화된 자료를 제공함으로써 시간적 공간적으로 편리한 경영 관리 환경을 제공할 수 있으며, 사용자는 경영에 필요한 정보(출산 횟수, 인공수정일, 수정혈통정보, 도축 결과 등)를 입력하여 융복합 축사 운영 환경을 구축할 수 있다.
또한, 스마트기기(500)는, 분석 서버(300)에서 분석한 발정 탐지 데이터를 기초로 발정 시기 또는 수정 적기에 해당하는 개체에 대해 알림을 제공할 수 있다. 즉, 분석 서버(300)에서 분석한 발정 탐지 데이터와 출산 횟수, 인공수정일, 수정혈통정보, 도축 결과 등의 정보를 함께 활용하여, 더욱 정확한 발정 시기 또는 수정 적기 알람을 제공할 수 있고, 통합적으로 번식일정을 관리할 수 있으며, 알람의 대상이 되는 개체를 즉시 실시간으로 확인할 수도 있다.
본 발명에서 제안하고 있는 행동 패턴 인식을 이용한 소의 발정 탐지 시스템에 따르면, 부착된 행동탐지 센서에서 감지한 소의 움직임 및 행동 정보를 토대로, 소의 행동 유형 패턴을 판단하고 소의 발정 여부를 탐지하는 분석 서버 및 발정탐지 모듈을 포함함으로써, 소의 발정기를 보다 정확하고 용이하게 판단할 수 있어, 소의 번식 효율을 증가시키고 발정 미감지로 인한 피해를 줄여, 궁극적으로는 한우 농가의 생산성 및 수익성에 이바지하고 농가의 소득 증대에 이바지할 수 있다.
또한, 가속도 센서에서 감지된 3축 가속도 신호의 drift 발생으로 인해 생길 수 있는 오차를 보정 및 전처리하고, 감지된 3축 가속도 신호를 통계적, 수학적 방법으로 분석함으로써, 소의 행동 유형 패턴을 보다 정교하게 판단할 수 있으며, 특히, 인공지능 기술 중 딥러닝 알고리즘을 이용하여 소의 행동 유형을 판단함으로써, 같은 유형의 행동이 개체에 따라 다양한 신호 패턴을 보여 그 신호의 편차가 크더라도 오류를 줄일 수 있고, 한우 개체별로 상이한 행동 양식, 성격, 생활 습성, 건강상태, 우방에서의 서열 등을 고려한 판단이 가능하여, 소의 발정기 탐지적중률을 제고시킬 수 있다.
뿐만 아니라, 분석 서버에서 분석한 소의 행동 유형 정보 및 발정 탐지 정보와 관찰카메라부에서 촬영한 영상을 기초로, 소의 생애 주기에 따른 생체정보 제공 및 축사 모니터링이 가능한 스마트기기의 애플리케이션을 구축함으로써, 궁극적으로는 종합적인 축사 사육현황 및 번식관리 솔루션을 제공하고, ICT 융복합 관련 핵심기술인 무선통신기술, 통합제어기술, 센싱기술, 알고리즘 기술을 활용하여, 우리나라 축산에 대한 소비자의 인식전환을 유도하고 축산업 경쟁력을 상승시킬 수 있다.
이상 설명한 본 발명은 본 발명이 속한 기술분야에서 통상의 지식을 가진 자에 의하여 다양한 변형이나 응용이 가능하며, 본 발명에 따른 기술적 사상의 범위는 아래의 특허청구범위에 의하여 정해져야 할 것이다.
10: 소의 발정 탐지 시스템
100: 행동탐지 센서
110: 3축 가속도 센서
120: 자력계
130: 송신부
200: DB 서버
300: 분석 서버
310: 행동분석 모듈
320: 발정탐지 모듈
400: 관찰카메라부
500: 스마트기기
600: 승가 허용 탐지 센서
100: 행동탐지 센서
110: 3축 가속도 센서
120: 자력계
130: 송신부
200: DB 서버
300: 분석 서버
310: 행동분석 모듈
320: 발정탐지 모듈
400: 관찰카메라부
500: 스마트기기
600: 승가 허용 탐지 센서
Claims (10)
- 소의 발정 탐지 시스템(10)으로서,
소에 부착되어 소의 움직임 및 행동을 감지하는 행동탐지 센서(100);
상기 행동탐지 센서(100)에서 감지된 데이터를 수신받아 저장하고, 기저장된 축우 관련 사육정보와 함께 데이터베이스를 구축하는 DB 서버(200);
상기 DB 서버(200)에 저장된 데이터를 분석하여 소의 행동 패턴을 인식하고 발정을 탐지하는 분석 서버(300);
축사를 24시간 촬영하고 촬영된 영상을 상기 DB 서버(200)로 송신하는 관찰카메라부(400); 및
상기 분석 서버(300)에서 분석한 행동 유형 정보 및 발정 탐지 정보와 상기 관찰카메라부(400)에서 촬영된 영상을 시각화시켜 보여주는 스마트기기(500)를 포함하며,
상기 행동탐지 센서(100)는,
소의 귀에 부착되는 것을 특징으로 하며,
개체의 머리, 귀, 입놀림 및 몸 전체의 움직임에 의한 귀의 떨림을 이용하여, 기울기 값을 측정하는 3축 가속도 센서(110);
개체의 머리, 귀, 입놀림 및 몸 전체의 움직임에 의한 귀의 떨림을 이용하여, 방향값을 측정하는 자력계(120); 및
상기 3축 가속도 센서(110) 및 상기 자력계(120)에서 측정된 소의 움직임 및 행동 데이터를 상기 DB 서버(200)로 송신하는 송신부(130)를 포함하여 구성되고,
상기 3축 가속도 센서(110)는,
감지된 3축 가속도 신호의 drift 발생으로 인한 오차를 보정 및 전처리하되, state-space 기반의 방식으로 sensor fusion 혹은 state-space model을 사용함으로써 drift 누적으로 인한 오차 및 발생하는 에러를 보상하며,
상기 행동탐지 센서(100)에서 사용되는 통신은, 동적으로 무선 자원을 할당하여 배터리 소모를 줄이는 알고리즘을 이용하되, 데이터양과 변화율을 측정하여 Beacon Interval을 조절해 채널 경쟁을 하는 노드 수를 줄이고 데이터 전달 지연시간을 최소화하며, 보장 전송 구간 할당 요청으로 가중치를 계산하여 우선도에 따라 보장 전송 구간을 할당하거나 공정한 분배를 통해 보장 전송 구간 요청 처리율을 높이고 지연시간을 감소시키며,
상기 분석 서버(300)는,
상기 DB 서버(200)에 저장된 움직임 데이터를 기초로 분석하여, 소의 휴식상태, 활동상태, 및 고활동상태를 포함하는 행동 유형의 특징적 패턴을 찾아내고, 소의 행동 유형을 판단하는 행동분석 모듈(310); 및
상기 행동분석 모듈(310)에서 판단된 상기 소의 행동 유형 정보를 통해 승가 정보를 분석하고 소의 발정 여부를 탐지하는 발정탐지 모듈(320)을 포함하며,
상기 행동분석 모듈(310)은,
통계적 분석 방법으로서, 단위 시간 동안의 평균/분산/표준편차(RMS), 평균 편차 비교 분석법, 기울기 변화량 적분법, 변량 도수 분포 분석법, 및 퓨리에 주파수 변환(FFT) 분석법 중 적어도 하나 이상을 이용하며, 딥러닝 기술을 기반으로 상기 DB 서버(200)에 저장된 움직임 데이터로부터 행동 유형을 분석하여, 같은 행동의 패턴이더라도 개체에 따라서 3축 가속도 센서의 신호 패턴의 편차가 크게 나오는 경우를 보완하며,
상기 발정탐지 모듈(320)은,
기설정된 일정 시간 단위로 행동 유형별 시간 점유율 및 분포를 계산하여 승가 정보를 분석하고 소의 발정 여부를 탐지하며, 상기 DB 서버(200)에 저장된 움직임 데이터로부터 개체별 습성 및 상태 정보를 취득하여, 소의 발정 여부 판단을 보완하며,
소의 엉덩이에 부착되어, 접점검출 방식으로 승가 허용 여부를 감지하고, 감지된 승가 허용 정보를 상기 DB 서버(200)로 송신하는 승가 허용 탐지 센서(600)를 더 포함하여, 상기 승가 허용 탐지 센서(600)에서 감지된 소의 승가 허용 정보를 함께 이용하여 소의 발정 여부를 탐지하는 것을 특징으로 하는, 행동 패턴 인식을 이용한 소의 발정 탐지 시스템(10). - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서, 상기 스마트기기(500)는,
상기 분석 서버(300)에서 분석한 행동 유형 정보 및 발정 탐지 정보와 상기 DB 서버(200)에 저장된 영상을 기초로, 종합적인 축사 사육현황 및 번식관리 솔루션을 제공하고, 발정 시기 또는 수정 적기에 해당하는 개체에 대해 알림을 제공하는 애플리케이션을 이용하여 구동되는 것을 특징으로 하는, 행동 패턴 인식을 이용한 소의 발정 탐지 시스템(10).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190097865A KR102117092B1 (ko) | 2019-08-09 | 2019-08-09 | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190097865A KR102117092B1 (ko) | 2019-08-09 | 2019-08-09 | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102117092B1 true KR102117092B1 (ko) | 2020-05-29 |
Family
ID=70912399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190097865A KR102117092B1 (ko) | 2019-08-09 | 2019-08-09 | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102117092B1 (ko) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111700001A (zh) * | 2020-06-24 | 2020-09-25 | 四川省草原科学研究院 | 牦牛发情期信息测定方法、系统、存储介质、程序、终端 |
| CN112101291A (zh) * | 2020-09-27 | 2020-12-18 | 成都睿畜电子科技有限公司 | 一种牲畜的护理方法、装置、介质及电子设备 |
| KR102296501B1 (ko) * | 2020-11-30 | 2021-09-03 | 농업회사법인 지팜 유한회사 | 깊이 영상카메라 및 소리 센서를 활용한 모돈의 발정기 및 수정적기 판단 시스템 |
| KR20210151556A (ko) * | 2020-06-05 | 2021-12-14 | 한국전자기술연구원 | 가축 행동생리 발생음 기반의 활동 에너지 모니터링에 의한 농장 내 가축 이상징후 검출 방법 |
| KR20220078908A (ko) | 2020-12-04 | 2022-06-13 | 한국아이오티주식회사 | 가축 발정탐지장치 |
| KR20220134151A (ko) * | 2021-03-26 | 2022-10-05 | 대구대학교 산학협력단 | 가축의 활동 감지 시스템 |
| WO2022255663A1 (ko) * | 2021-06-02 | 2022-12-08 | 주식회사 에스비솔루션 | 동물 데이터 관리 방법 및 시스템 |
| WO2023235735A3 (en) * | 2022-05-31 | 2024-02-22 | The Curators Of The University Of Missouri | Method and system for detecting sow estrus utilizing machine vision |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011522569A (ja) * | 2008-04-28 | 2011-08-04 | ユニヴェルシテ デュ スュッド トゥーロン−ヴァール | 身体的または精神的活動の過程において、動物またはヒトの生理学的データを取得および処理するためのデバイス |
| KR20130030615A (ko) * | 2011-09-19 | 2013-03-27 | (주)터보소프트 | 가축의 승가정보 제공 시스템 |
| KR20160044835A (ko) * | 2014-10-16 | 2016-04-26 | 렉스젠(주) | 가축 관리 시스템 및 그 방법 |
| KR20170062305A (ko) * | 2015-11-27 | 2017-06-07 | 주식회사 버츄얼스톰 | 저전력 센서 모듈과 이를 이용한 가축의 승가정보 관리 시스템 및 방법 |
| KR20180089957A (ko) * | 2017-02-02 | 2018-08-10 | 주식회사 링크노아 | 빅데이터 분석 기반의 축우 관리 시스템 및 방법 |
-
2019
- 2019-08-09 KR KR1020190097865A patent/KR102117092B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011522569A (ja) * | 2008-04-28 | 2011-08-04 | ユニヴェルシテ デュ スュッド トゥーロン−ヴァール | 身体的または精神的活動の過程において、動物またはヒトの生理学的データを取得および処理するためのデバイス |
| KR20130030615A (ko) * | 2011-09-19 | 2013-03-27 | (주)터보소프트 | 가축의 승가정보 제공 시스템 |
| KR20160044835A (ko) * | 2014-10-16 | 2016-04-26 | 렉스젠(주) | 가축 관리 시스템 및 그 방법 |
| KR20170062305A (ko) * | 2015-11-27 | 2017-06-07 | 주식회사 버츄얼스톰 | 저전력 센서 모듈과 이를 이용한 가축의 승가정보 관리 시스템 및 방법 |
| KR20180089957A (ko) * | 2017-02-02 | 2018-08-10 | 주식회사 링크노아 | 빅데이터 분석 기반의 축우 관리 시스템 및 방법 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210151556A (ko) * | 2020-06-05 | 2021-12-14 | 한국전자기술연구원 | 가축 행동생리 발생음 기반의 활동 에너지 모니터링에 의한 농장 내 가축 이상징후 검출 방법 |
| KR102433951B1 (ko) * | 2020-06-05 | 2022-08-19 | 한국전자기술연구원 | 가축 행동생리 발생음 기반의 활동 에너지 모니터링에 의한 농장 내 가축 이상징후 검출 방법 |
| CN111700001A (zh) * | 2020-06-24 | 2020-09-25 | 四川省草原科学研究院 | 牦牛发情期信息测定方法、系统、存储介质、程序、终端 |
| CN112101291B (zh) * | 2020-09-27 | 2024-01-30 | 成都睿畜电子科技有限公司 | 一种牲畜的护理方法、装置、介质及电子设备 |
| CN112101291A (zh) * | 2020-09-27 | 2020-12-18 | 成都睿畜电子科技有限公司 | 一种牲畜的护理方法、装置、介质及电子设备 |
| KR102296501B1 (ko) * | 2020-11-30 | 2021-09-03 | 농업회사법인 지팜 유한회사 | 깊이 영상카메라 및 소리 센서를 활용한 모돈의 발정기 및 수정적기 판단 시스템 |
| KR20220078908A (ko) | 2020-12-04 | 2022-06-13 | 한국아이오티주식회사 | 가축 발정탐지장치 |
| KR20220134151A (ko) * | 2021-03-26 | 2022-10-05 | 대구대학교 산학협력단 | 가축의 활동 감지 시스템 |
| KR102564104B1 (ko) * | 2021-03-26 | 2023-08-04 | 대구대학교 산학협력단 | 가축의 활동 감지 시스템 |
| KR20220162996A (ko) * | 2021-06-02 | 2022-12-09 | 주식회사 에스비솔루션 | 동물 데이터 관리 방법 및 시스템 |
| KR102571221B1 (ko) | 2021-06-02 | 2023-08-29 | 주식회사 에스비솔루션 | 동물 데이터 관리 방법 및 시스템 |
| WO2022255663A1 (ko) * | 2021-06-02 | 2022-12-08 | 주식회사 에스비솔루션 | 동물 데이터 관리 방법 및 시스템 |
| EP4316423A4 (en) * | 2021-06-02 | 2024-05-29 | SB Solutions Inc. | ANIMAL DATA MANAGEMENT PROCEDURES AND SYSTEM |
| WO2023235735A3 (en) * | 2022-05-31 | 2024-02-22 | The Curators Of The University Of Missouri | Method and system for detecting sow estrus utilizing machine vision |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102117092B1 (ko) | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 | |
| Tedeschi et al. | Advancements in sensor technology and decision support intelligent tools to assist smart livestock farming | |
| US9894885B2 (en) | Mobile animal surveillance and distress monitoring | |
| KR101995755B1 (ko) | 가축 질병 예측 시스템 | |
| US20200214266A1 (en) | Domestic animal information management system, domestic animal barn, domestic animal information management program, and domestic animal information management method | |
| US10154655B2 (en) | Mobile animal surveillance and distress monitoring | |
| US9922242B2 (en) | Systems and methods for predicting the outcome of a state of a subject | |
| Mishra et al. | Advanced contribution of IoT in agricultural production for the development of smart livestock environments | |
| Byabazaire et al. | Lameness detection as a service: application of machine learning to an internet of cattle | |
| KR102047428B1 (ko) | 되새김 활동 측정을 이용한 소의 건강 관리 시스템 | |
| CA3091512A1 (en) | Mobile animal surveillance and distress monitoring | |
| Chaudhry et al. | Internet of Things (IoT) and machine learning (ML) enabled livestock monitoring | |
| Kuźnicka et al. | Automatic detection of suckling events in lamb through accelerometer data classification | |
| El Moutaouakil et al. | Digital Farming: A Survey on IoT-based Cattle Monitoring Systems and Dashboards | |
| Zhang et al. | Advancements in artificial intelligence technology for improving animal welfare: Current applications and research progress | |
| Nootyaskool et al. | Smart collar design to predict cow behavior | |
| CN116760719A (zh) | 构建智慧养殖多模态物联网信息搜集、预警模型的方法 | |
| CN116246223A (zh) | 一种奶牛多目标跟踪算法及健康评估方法 | |
| Vigneswari et al. | Smart livestock management using cloud IoT | |
| Irshad et al. | Context-aware wearable system for animals–an exploration and classification | |
| Yeşil et al. | Recognition of Hereford and Simmental cattle breeds via computer vision. | |
| Ruhil et al. | Data sensing and computation technologies for amimal welfare | |
| Aharwal et al. | Worth of artificial intelligence in the epoch of modern livestock farming: A review | |
| Antonik et al. | ARTIFICIAL INTELLIGENCE FOR ANIMAL WELFARE | |
| Kandepan et al. | A Novel Approach to Diagnose the Animal Health Continuous Monitoring Using IoT Based Sensory Data. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |