KR102165891B1 - 축산 데이터 분석 기반 농가 상태 진단 시스템 - Google Patents
축산 데이터 분석 기반 농가 상태 진단 시스템 Download PDFInfo
- Publication number
- KR102165891B1 KR102165891B1 KR1020200006245A KR20200006245A KR102165891B1 KR 102165891 B1 KR102165891 B1 KR 102165891B1 KR 1020200006245 A KR1020200006245 A KR 1020200006245A KR 20200006245 A KR20200006245 A KR 20200006245A KR 102165891 B1 KR102165891 B1 KR 102165891B1
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- data
- farm
- unit
- diagnosed
- Prior art date
Links
- 244000144972 livestock Species 0.000 title claims abstract description 183
- 238000003745 diagnosis Methods 0.000 title claims abstract description 100
- 238000007405 data analysis Methods 0.000 title claims abstract description 48
- 230000036541 health Effects 0.000 title claims abstract description 47
- 238000013480 data collection Methods 0.000 claims abstract description 26
- 244000144977 poultry Species 0.000 claims abstract description 19
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 10
- 239000003814 drug Substances 0.000 claims description 20
- 229940079593 drug Drugs 0.000 claims description 19
- 201000010099 disease Diseases 0.000 claims description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 230000003862 health status Effects 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 208000024891 symptom Diseases 0.000 claims description 6
- 229960005486 vaccine Drugs 0.000 claims description 5
- 239000004615 ingredient Substances 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 3
- 238000013526 transfer learning Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000003242 anti bacterial agent Substances 0.000 description 3
- 229940088710 antibiotic agent Drugs 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000003115 biocidal effect Effects 0.000 description 3
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 241000282887 Suidae Species 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 235000015278 beef Nutrition 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000003307 slaughter Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 235000013330 chicken meat Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000013632 homeostatic process Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 210000002865 immune cell Anatomy 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000000902 placebo Substances 0.000 description 1
- 229940068196 placebo Drugs 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002255 vaccination Methods 0.000 description 1
- 238000009423 ventilation 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Animal Husbandry (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- Environmental Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Biodiversity & Conservation Biology (AREA)
- Software Systems (AREA)
- Child & Adolescent Psychology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 축산 데이터 분석 기반 농가 상태 진단 시스템에 관한 것으로서, 보다 구체적으로는 가축 및 가금을 포함하는 축산물을 생산하는 축산농가의 상태를 진단하는 농가 상태 진단 시스템으로서, 축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 수집 및 변환하여 저장하는 다중데이터 수집부; 상기 다중데이터 수집부에서 수집된 축산농가의 데이터를 인공지능 기반으로 학습하여 상태 진단 모델을 구성하는 모델 구성부; 및 상기 다중데이터 수집부를 통해 수집 및 변환된 진단 대상 농가의 축산 데이터와, 상기 모델 구성부에서 구성된 상태 진단 모델을 이용해, 상기 진단 대상 농가의 건강 관리 상태를 진단하는 상태 진단부를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 축산 데이터 분석 기반 농가 상태 진단 시스템에 따르면, 축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 학습하여 진단 대상 농가의 건강 관리 상태를 진단함으로써, 다양한 종류의 축산 데이터를 종합하여 진단 대상 농가의 현재 상태를 정확하게 진단할 수 있고, 인공지능 기반으로 상태 진단 모델을 구성하여 축산 데이터가 축적됨에 따라 진단 정확도를 향상시킬 수 있으며, 정확한 진단을 바탕으로 축산 생산성 향상 및 건강한 축산물 생산을 위한 조치를 효율적으로 취할 수 있다.
본 발명에서 제안하고 있는 축산 데이터 분석 기반 농가 상태 진단 시스템에 따르면, 축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 학습하여 진단 대상 농가의 건강 관리 상태를 진단함으로써, 다양한 종류의 축산 데이터를 종합하여 진단 대상 농가의 현재 상태를 정확하게 진단할 수 있고, 인공지능 기반으로 상태 진단 모델을 구성하여 축산 데이터가 축적됨에 따라 진단 정확도를 향상시킬 수 있으며, 정확한 진단을 바탕으로 축산 생산성 향상 및 건강한 축산물 생산을 위한 조치를 효율적으로 취할 수 있다.
Description
본 발명은 농가 상태 진단 시스템으로서, 보다 구체적으로는 축산 데이터 분석 기반 농가 상태 진단 시스템에 관한 것이다.
현대에 들어 축산물의 이력에 대한 신뢰성 회복은 판매자나 소비자 모두에게 있어 중대한 문제로 대두되고 있다. 특히, 최근 잦아진 먹거리 파동에 따라 먹거리의 안전성에 대한 소비자들의 신뢰 회복이 절실한 실정이다.
이와 관련하여, 종래에는 축산물의 이력을 추적 조회할 수 있도록 해주는 축산물 이력제가 실행되고 있다. 축산물 이력제는 소나 돼지 등 축산물의 출생에서부터 도축, 포장처리, 판매에 이르기까지의 정보를 기록 및 관리하여, 위생이나 안전에 문제가 발생할 경우 그 이력을 추적하여 신속하게 대처하기 위한 제도로서, 축산농가의 생산, 이동, 출하에 대한 거래 내역을 기록 및 관리함으로써, 농가에 대한 방역의 효율성을 도모하고 축산물 유통에 대한 투명성을 높여, 원산지 허위표시 등을 방지하기 위해 도입되었다.
축산물 이력제에 따르면, 소비자가 쇠고기 등을 구매할 때 포장에 붙어있는 라벨에 축산물의 이력번호를 인쇄하여 제공하였다. 그러나 종래에 이력번호 조회를 통해 확인 가능한 정보는, 도축 후 유통과정의 이력을 보여주는 것일 뿐, 해당 축산물이 건강한 것인지, 어떻게 사육된 것인지 등에 대한 축산물 자체의 실질적인 정보를 확인할 수는 없었다.
특히, 현재의 가축 사육은, 항생제에 의존한 관리로 면역력은 약해지고 변이형 바이러스 예방은 불가능한 실정이다. 즉, 사람과 달리 가축은 건강 관리 개념이 없고, 이로 인해 질병 등에 대한 예방 및 선제적 대응이 어렵다. 따라서 적절한 관리를 통한 신체의 항상성 유지가 어려우며, 항생제 투여에 의존한 관리로 변이형 바이러스에 취약하고, 축산선진국 대비 항생제 사용량이 10~20배 이상으로 매우 높은 문제가 있다.
이와 같은 항생제에 의존한 관리로 인하여 항생제 내성 문제가 발생하고 있는바, 항생제에서 벗어나 체계적으로 면역 관리를 하고 질병을 예방하여, 생산성을 향상하고 건강한 축산물을 생산하기 위한 기술이 필요한 실정이다. 이를 위해, 가축의 건강과 축산농가의 건강 관리 건전성을 정확하게 진단할 수 있는 기술이 우선적으로 요구된다.
한편, 본 발명과 관련된 선행기술로서, 등록특허 제10-1342158호(발명의 명칭: 가축개체정보 인식 및 관리가 용이한 축사 관리 시스템, 등록일자: 2013년 12월 10일) 등이 개시된 바 있다.
본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 학습하여 진단 대상 농가의 건강 관리 상태를 진단함으로써, 다양한 종류의 축산 데이터를 종합하여 진단 대상 농가의 현재 상태를 정확하게 진단할 수 있고, 인공지능 기반으로 상태 진단 모델을 구성하여 축산 데이터가 축적됨에 따라 진단 정확도를 향상시킬 수 있으며, 정확한 진단을 바탕으로 축산 생산성 향상 및 건강한 축산물 생산을 위한 조치를 효율적으로 취할 수 있는, 축산 데이터 분석 기반 농가 상태 진단 시스템을 제공하는 것을 그 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템은,
가축 및 가금을 포함하는 축산물을 생산하는 축산농가의 상태를 진단하는 농가 상태 진단 시스템으로서,
축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 수집 및 변환하여 저장하는 다중데이터 수집부;
상기 다중데이터 수집부에서 수집된 축산농가의 데이터를 인공지능 기반으로 학습하여 상태 진단 모델을 구성하는 모델 구성부; 및
상기 다중데이터 수집부를 통해 수집 및 변환된 진단 대상 농가의 축산 데이터와, 상기 모델 구성부에서 구성된 상태 진단 모델을 이용해, 상기 진단 대상 농가의 건강 관리 상태를 진단하는 상태 진단부를 포함하는 것을 그 구성상의 특징으로 한다.
바람직하게는, 상기 상태 진단부는,
상기 건강 상태를 점수화한 건강지표를 산출하며, 건강 상태 및 질병 취약성을 포함하는 건강 관리 상태를 진단할 수 있다.
바람직하게는, 상기 상태 진단부는,
미리 정해진 개수의 카테고리 중 어느 하나로 상기 진단 대상 농가의 건강 관리 상태를 판별할 수 있다.
바람직하게는,
수의사의 처방 및 진단 데이터를 포함하는 정성적 데이터를 수집하고, 상기 정성적 데이터를 학습하는 정성적 데이터 분석부를 더 포함할 수 있다.
더욱 바람직하게는, 상기 정성적 데이터 분석부는,
상기 정성적 데이터를 이용해 축산물의 상태, 증상 또는 질병에 따른 처방 내역을 학습할 수 있다.
더더욱 바람직하게는, 상기 상태 진단부는,
상기 정성적 데이터 분석부의 학습 결과에 상기 진단 대상 농가의 축산 데이터를 적용하여, 상기 진단 대상 농가에 대한 처방 유효성 및 처방 실행 상태를 진단할 수 있다.
바람직하게는,
수의사의 처방에 따라 투여된 의약품 성분 데이터 및 투약 스케줄 데이터를 포함하는 정량적 데이터를 수집 및 분석하는 정량적 데이터 분석부를 더 포함할 수 있다.
더욱 바람직하게는,
상기 정량적 데이터 분석부의 분석 결과와 상기 상태 진단부의 건강 관리 상태를 이용해, 상기 진단 대상 농가에서 투여된 의약품 성분과 투약 스케줄에 따른 건강 상태의 연관성을 분석하는 연관성 검증부를 더 포함할 수 있다.
본 발명에서 제안하고 있는 축산 데이터 분석 기반 농가 상태 진단 시스템에 따르면, 축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 학습하여 진단 대상 농가의 건강 관리 상태를 진단함으로써, 다양한 종류의 축산 데이터를 종합하여 진단 대상 농가의 현재 상태를 정확하게 진단할 수 있고, 인공지능 기반으로 상태 진단 모델을 구성하여 축산 데이터가 축적됨에 따라 진단 정확도를 향상시킬 수 있으며, 정확한 진단을 바탕으로 축산 생산성 향상 및 건강한 축산물 생산을 위한 조치를 효율적으로 취할 수 있다.
도 1은 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템을 도시한 도면.
도 2는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템의 구성을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템의 다중데이터 수집부를 설명하기 위해 도시한 도면.
도 4는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템에서, 상태 진단부의 건강지표 산출을 설명하기 위해 도시한 도면.
도 5는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템에서, 상태 진단부의 카테고리 판별을 설명하기 위해 도시한 도면.
도 2는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템의 구성을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템의 다중데이터 수집부를 설명하기 위해 도시한 도면.
도 4는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템에서, 상태 진단부의 건강지표 산출을 설명하기 위해 도시한 도면.
도 5는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템에서, 상태 진단부의 카테고리 판별을 설명하기 위해 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 축산 데이터 분석 기반 농가 상태 진단 시스템(100)을 도시한 도면이다. 도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)은, 가축 및 가금을 포함하는 축산물을 생산하는 축산농가의 상태를 진단하는 농가 상태 진단 시스템(100)으로서, 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 수집 및 분석하여, 진단 대상 농가에서 사육하는 가축이나 가금의 건강 상태를 포함하는 진단 대상 농가의 건강 관리 상태를 진단할 수 있다.
건강 관리 상태의 진단은, 사육 중인 가축이나 가금의 건강 상태가 건강한지, 가축이나 가금이 건강히 관리되도록 축사 환경 관리나 백신 투여 등이 적절하게 이루어지는지 등을 포함할 수 있다. 진단된 건강 관리 상태는, 진단 대상 농가에 제공되어 현 상태를 파악하고 축산농가의 관리 계획을 수립하는 데에 활용할 수 있으며, 실시예에 따라서는 진단 결과에 따라 맞춤형 솔루션을 도출해 제공할 수도 있다.
한편, 본 발명에서 축산물은, 가축에 의해 생산되는 생산물을 모두 포함할 수 있으며, 예를 들어, 돼지고기, 쇠고기, 닭고기 등을 포함하며, 우유, 계란, 오리알, 내장, 뼈, 혈액 등도 포함할 수 있다.
농가 상태 진단 시스템(100)은, 네트워크를 통해 축산농가로부터 축산 데이터를 수집할 수 있다. 여기에서 네트워크는, 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(Mobile Radio Communication Network), 위성 통신망, WIBRO(Wireless Broadband Internet), HSDPA(High Speed Downlink Packet Access), 블루투스, LTE(Long Term Evolution), 5G(5th Generation Mobile Telecommunication) 등과 같은 모든 종류의 무선 네트워크를 포함할 수 있다.
도 2는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)의 구성을 도시한 도면이다. 도 2에 도시된 바와 같이, 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)은, 다중데이터 수집부(110), 모델 구성부(120) 및 상태 진단부(130)를 포함하여 구성될 수 있으며, 정성적 데이터 분석부(140), 정량적 데이터 분석부(150) 및 연관성 검증부(160)를 더 포함하여 구성될 수 있다.
다중데이터 수집부(110)는, 축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 수집 및 변환하여 저장할 수 있다. 여기서, 다중데이터는, 여러 종류의 데이터를 의미하는 것으로서, 다중데이터 수집부(110)는 축산농가로부터 여러 종류의 축산 데이터를 수집해 전산화하고, 이를 분석 목적이나 분석 방법에 맞게 지식구조 형태로 변환하여 저장할 수 있다.
도 3은 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)의 다중데이터 수집부(110)를 설명하기 위해 도시한 도면이다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)의 다중데이터 수집부(110)는, 축산농가로부터 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 수집할 수 있다.
여기서, 바이오 데이터는, 건강 검사 정보 및 생체 정보를 포함할 수 있다. 이때, 건강 검사 정보는, 축산농가에서 사육하는 가축이나 가금 등의 질병 검사 데이터, 면역성 검사 데이터 등 바이오 기술을 활용하여 실제 가축이나 가금의 건강 상태를 검사한 데이터일 수 있다. 즉, 바이오 데이터는, 혈액, 분변, 정액 등을 채취 및 분석한 데이터로서, 질병 검사, 면역 검사, Cell 검사(면역세포 활성도, 면역항체형성 값 등), RNA 검사, DNA 검사 등의 검사결과를 건강 검사 정보로 포함할 수 있으며, 1달 간격, 2달 간격 등 일정한 간격으로 수집될 수 있다. 다중데이터 수집부(110)는, 축산농가의 단말기 또는 검사를 수행하거나 검사결과를 관리하는 서버로부터 네트워크를 통해 건강 검사 정보를 수집할 수 있다.
또한, 생체 정보는, 키, 체중, body condition 값, 피부에 나타난 외형적 특징 등 외형적인 가축의 특징 정보를 포함할 수 있다. 보다 구체적으로, 생체 정보는, 축사에 설치된 소리 감지 센서에서 수집된 소리 정보, 가축 또는 가금의 체중 정보, 각 가축 또는 가금에 부착되거나 축사에 설치된 움직임 감지 센서에서 수집된 움직임 정보 등을 포함할 수 있다.
이러한 생체 정보와 관련하여, 다중데이터 수집부(110)는, 축사에 설치된 카메라에서 촬영된 영상을 영상 인식 기술 및 딥러닝 기술을 적용하여, 가축 또는 가금의 체중을 추정할 수 있다. 예를 들어, CCTV 등 축사에 설치된 카메라를 이용해 촬영된 영상을 전처리하고, 영상으로부터 축산물의 영역을 검출한 다음, 깊이 정보를 활용하여 딥 러닝 기반으로 체중을 계산할 수 있다. 이때, CNN(Convolutional neural network)과 LSTM(Long short-term memory) RNN(Recurrent Neural Network) 등을 결합한 인공신경망을 사용할 수 있다. 이와 같은, 영상을 이용한 체중의 측정은, 농가에서 촬영된 영상을 다중데이터 수집부(110)가 수집하고 변환하여 저장하는 과정에서, 네트워크를 통해 송신하여 클라우드 기반으로 계산이 처리될 수 있으며, 농가 상태 진단 시스템(100) 내에서 영상 처리 및 체중 추정을 처리할 수도 있다.
실시예에 따라서는, 다중데이터 수집부(110)는, 축사에 설치된 카메라에서 촬영된 영상, 또는 가축 또는 가금에 부착된 센서 등으로부터 가축 또는 가금의 행동 패턴 데이터를 수집할 수 있다. 수집된 행동 패턴 데이터를 통해, 행동 패턴에 따른 가축 또는 가금의 건강 상태, 발달 상태, 이상 유무 등을 판단할 수 있다.
한편, 바이오 데이터는 축산농가에서 가축 또는 가금을 관리하는 그룹 단위로 수집할 수 있다. 즉, 축산농가에서는, 서로 관계있는 복수의 축산물을 그룹화하고, 그룹화한 그룹별로 관리를 할 수 있다. 여기서, 서로 관계있는 복수의 축산물은, 동일한 날 출생, 모체가 동일, 함께 관리되는 모체 그룹에서 미리 정해진 기간 내에 출생한 축산물 등일 수 있다. 이와 같이 출생일이 유사하거나 모체가 동일한 복수의 축산물을 그룹화하여 그룹별로 식별정보를 할당하여 관리함으로써, 개별 관리의 어려움을 해소하면서도 그룹 단위로 그룹의 출생일, 그룹의 모체 등의 추적이 가능하도록 할 수 있다. 또한, 축산농가에서는 그룹별로 동일한 축사를 사용하도록 하고, 동일한 사료를 제공하며, 동일자에 동일한 백신을 투여하는 등 그룹별로 관리를 함으로써, 그룹별 축산물 생애 정보의 정확도를 향상시킬 수 있다.
예를 들어, 돼지를 사육하는 축산농가에서는, 동일한 날 하나의 모체에서 생산된 복수의 자체, 또는 하나의 그룹으로 관리되는 복수의 모체에서 생산된 출생일이 유사한 복수의 자체를 그룹화할 수 있다. 한 모돈에서 태어나는 자돈의 수는 10마리 이상이고, 모든 자돈들을 전수 검사하여 바이오 데이터를 수집 및 관리하는 것은 어렵다. 따라서 본 발명에서는, 자돈들을 태어난 날 기준으로 그룹화하여 식별정보를 할당하고, 그룹별로 바이오 데이터를 수집할 수 있다. 그룹별로 모돈과 출생일이 동일하거나 유사하므로, 그룹의 모돈 및 출생일을 추적할 수 있으며, 동일한 축사에서 함께 관리되므로 특정 그룹에 속하는 어느 하나 또는 일부 자돈의 바이오 데이터로부터, 해당 그룹의 건강 상태를 판단할 수 있다.
한편, 농장 데이터는, 농장 환경 정보 및 사양 관리 정보를 포함할 수 있다. 여기서, 농장 환경 정보는 온도/습도/환기 시스템, 기체 탐지 센서 등을 통한 실시간 센싱 데이터 등을 포함할 수 있다. 예를 들어, 다중데이터 수집부(110)는, 축산농가 또는 축사에 설치된 IoT 센서 장치로부터 온도, 습도, 암모니아 농도 등을 포함하는 주변 환경 정보를 실시간으로 수집할 수 있고, 농가의 방문객 일지 등 이벤트 정보를 전산화한 데이터를 축산농가의 단말기 또는 이벤트 정보를 관리하는 서버로부터 수집할 수도 있다.
또한, 사양 관리 정보는, 접종 백신이나 약품 이력, 산자수, 폐사율 등의 사양 관리 정보를 포함할 수 있는데, 다중데이터 수집부(110)는 날짜별 농장 경영 정보, 축사 관리 정보, 축사 일지 등의 정보로부터 이와 같은 사양 관리 정보를 수집할 수 있다. 이러한 사양 관리 정보는, 농장 관리가 이루어지는 날짜별로 매일 또는 일주일에 한 번 등 일정한 주기로 수집될 수 있다. 다중데이터 수집부(110)는, 축산농가의 단말기 또는 축산농가 관리 서버, 축산농가 관리 프로그램 등으로부터 네트워크를 통해 사양 관리 정보를 수집할 수 있다.
모델 구성부(120)는, 다중데이터 수집부(110)에서 수집된 축산농가의 데이터를 인공지능 기반으로 학습하여 상태 진단 모델을 구성할 수 있다. 즉, 모델 구성부(120)는, 다수의 축산농가로부터 수집된 많은 양의 축산 데이터 즉, 빅데이터를 인공지능 모델에 적용하여 상태 진단 모델을 구성할 수 있다.
보다 구체적으로, 모델 구성부(120)는, 다중데이터 수집부(110)에서 수집된 다양한 형태의 축산 데이터를 전처리하고, 전처리 된 축산 데이터로 학습을 수행하여 축산 데이터와 농가 상태의 관계를 이해하도록 상태 진단 모델을 구성할 수 있다. 특히, 모델 구성부(120)는 서로 다른 복수의 축산농가로부터 수집된 축산 데이터를 이용하므로, 축사에 설치된 CCTV 영상 등 영상 데이터 이용 시, 캐스케이스 회귀 포레스트와 고속반경 대칭 변환(Fast Radial Symmetry Transform, FRST)을 이용하여 전처리를 수행함으로써, 서로 다른 환경에서 촬영된 영상 데이터 사이의 조명에 따른 차이를 최소화하여 학습을 수행할 수 있다.
또한, 모델 구성부(120)는, 인공신경망(Neural Network)이나 다중 선형 회귀 모형 또는 다중 로지스틱 회귀 모형 등을 이용할 수 있으며, 보다 구체적으로는, CNN(Convolutional neural network), LSTM(Long short-term memory), RNN(Recurrent Neural Network) 또는 이들을 결합한 인공지능 모델을 사용할 수 있고, 인공신경망과 연관분류기법(Classification), 클러스터링(Clustering), 연관성 분석(Association) 등을 결합하여 미리 정해진 개수의 카테고리로 분류하도록 상태 진단 모델을 구성할 수도 있다.
한편, 실시예에 따라서는, 진단 대상 농가에 대한 축산 데이터가 어느 정도 확보된 경우, 모델 구성부(120)는 상태 진단 모델을 트랜스퍼 모델로 구성함으로써, 해당 진단 대상 농가에 최적화된 상태 진단 모델을 구성할 수 있다. 트랜스퍼 학습(Transfer Learning)이란 기존에 만들어진 모델과 그 모델이 학습한 가중치를 그대로 가져와, 일부 레이어를 추가하여 학습하는 방법이다. 이미 학습된 모델을 이용하므로 적은 데이터로도 우수한 성능을 도출할 수 있고, 최적화가 가능한 장점이 있다. 모델 구성부(120)는, 트랜스퍼 학습 방법을 적용하여, 복수의 축산농가로부터 수집한 축산 데이터로 학습된 상태 진단 모델을 사전 학습된 모델로 하고, 이를 기반으로 진단 대상 농가로부터 수집된 축산 데이터로 학습을 수행해 트랜스퍼 모델을 구성함으로써, 비교적 적은 데이터로 특정 진단 대상 농가에 최적화된 상태 진단 모델을 구성할 수 있다.
상태 진단부(130)는, 다중데이터 수집부(110)를 통해 수집 및 변환된 진단 대상 농가의 축산 데이터와, 모델 구성부(120)에서 구성된 상태 진단 모델을 이용해, 진단 대상 농가의 건강 관리 상태를 진단할 수 있다. 즉, 다수의 축산농가로부터 수집된 축산 데이터로 학습하여 구성된 상태 진단 모델에, 진단 대상 농가의 축산 데이터를 입력함으로써, 건강 관리 상태를 진단할 수 있다. 이를 위해, 상태 진단부(130)는, 진단 대상 농가의 축산 데이터를 전처리하여 상태 진단 모델에 입력할 수 있다.
상태 진단부(130)는, 건강 상태를 점수화한 건강지표를 산출하며, 건강 상태 및 질병 취약성을 포함하는 건강 관리 상태를 진단할 수 있다. 또한, 건강 관리 상태는, 건강 상태로부터 예측된 사육 성적 예측 정보와 특정 질병에 대한 발생 가능성 정보를 더 포함할 수 있다.
도 4는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)에서, 상태 진단부(130)의 건강지표 산출을 설명하기 위해 도시한 도면이다. 도 4에 도시된 바와 같이, 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)의 상태 진단부(130)는, 사육되는 가축이나 가금 등의 면역 상태, 현재 건강 상태, 축사의 환경 관리 상태 등을 종합 점수화하여, 진단 대상 농가의 상태를 종합적으로 파악할 수 있다.
또한, 상태 진단부(130)는, 미리 정해진 개수의 카테고리 중 어느 하나로 진단 대상 농가의 건강 관리 상태를 판별할 수 있다. 즉, 상태 진단 모델을 통해 미리 정해진 개수 중 어느 하나로 농가 상태의 카테고리를 분류함으로써, 분류 결과에 따른 대응 방안이나 후속 처리가 용이하도록 할 수 있다.
도 5는 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)에서, 상태 진단부(130)의 카테고리 판별을 설명하기 위해 도시한 도면이다. 도 5에 도시된 바와 같이, 본 발명의 일실시예에 따른 축산 데이터 분석 기반 농가 상태 진단 시스템(100)의 상태 진단부(130)는, 건강 관리 상태를 건강, 보통, 위약, 허약 및 질병의 5개의 카테고리로 구분하고, 진단 대상 농가의 건강 관리 상태를 5개 중 어느 하나의 카테고리로 판별할 수 있다. 판별된 카테고리를 진단 대상 농가 등에 제공하면, 현재의 상태가 건강인지, 허약인지 등을 직관적으로 파악할 수 있다.
정성적 데이터 분석부(140)는, 수의사의 처방 및 진단 데이터를 포함하는 정성적 데이터를 수집하고, 정성적 데이터를 학습할 수 있다. 이때, 정성적 데이터 분석부(140)는, 정성적 데이터를 이용해 축산물의 상태, 증상 또는 질병에 따른 처방 내역을 학습할 수 있다. 즉, 정성적 데이터 분석부(140)는, 과거 사례를 기반으로 최적 솔루션을 제공하기 위해, 수의사의 처방 및 진단 데이터를 수집하고, 축산물의 상태, 증상, 질병 등에 따른 처방 내역을 학습하여, 의사결정 지원 모델을 구성할 수 있다.
상태 진단부(130)는, 정성적 데이터 분석부(140)의 학습 결과에 진단 대상 농가의 축산 데이터를 적용하여, 진단 대상 농가에 대한 처방 유효성 및 처방 실행 상태를 진단할 수 있다. 즉, 정성적 데이터 분석부(140)에 의해 구성된 의사결정 지원 모델에, 진단 대상 농가로부터 수집된 축산 데이터 중 축산물의 상태, 증상 또는 질병 등의 축산 데이터를 적용하여 처방 내역을 예측하고, 예측된 처방 내역과 실제 진단 대상 농가에 대한 처방 내역을 비교함으로써 처방 유효성을 검증 또는 진단할 수 있다. 또한, 진단 대상 농가로부터 수집된 축산 데이터 중 백신 또는 약품 이력, 사양 관리 정보 등을 이용해, 처방에 맞게 사육이 실행되고 있는지 처방 실행 상태를 검증 또는 진단할 수 있다. 상태 진단부(130)는, 정성적 데이터 분석부(140)와 연동한 진단 결과를 결합하여 진단 대상 농가의 통합 건강 관리 상태를 도출할 수 있다.
정량적 데이터 분석부(150)는, 수의사의 처방에 따라 투여된 의약품 성분 데이터 및 투약 스케줄 데이터를 포함하는 정량적 데이터를 수집 및 분석할 수 있다. 즉, 정량적 데이터 분석부(150)는, 의약품의 성분 데이터를 미리 수집 및 저장해 두고, 진단 대상 농가에 대해 처방되고 투여된 의약품의 성분 데이터를 추출하고 투약 스케줄 데이터를 매칭하여, 어떤 성분의 의약품이 언제, 얼마큼 투약되었는지를 분석할 수 있다.
연관성 검증부(160)는, 정량적 데이터 분석부(150)의 분석 결과와 상태 진단부(130)의 건강 관리 상태를 이용해, 진단 대상 농가에서 투여된 의약품 성분과 투약 스케줄에 따른 건강 상태의 연관성을 분석할 수 있다. 연관성 검증부(160)의 분석 결과를 통해, 현재 가축 또는 가금의 건강 상태를 고려하여, 의약품 성분, 투여량, 투여 주기 등의 적절성을 판단한 결과를 제공할 수 있다. 이러한 연관성 검증부(160)의 결과를 반영해, 진단 대상 농가는 수의사와의 협력을 통해, 의약품 종류 변경, 투여량 및 투여 주기 조절 등을 하여, 의약품 남용 없이 더 건강한 축산물을 생산할 수 있다.
본 발명에서 제안하고 있는 축산 데이터 분석 기반 농가 상태 진단 시스템(100)에 따르면, 축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 학습하여 진단 대상 농가의 건강 관리 상태를 진단함으로써, 다양한 종류의 축산 데이터를 종합하여 진단 대상 농가의 현재 상태를 정확하게 진단할 수 있고, 인공지능 기반으로 상태 진단 모델을 구성하여 축산 데이터가 축적됨에 따라 진단 정확도를 향상시킬 수 있으며, 정확한 진단을 바탕으로 축산 생산성 향상 및 건강한 축산물 생산을 위한 조치를 효율적으로 취할 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.
100: 본 발명에 따른 농가 상태 진단 시스템
110: 다중데이터 수집부
120: 모델 구성부
130: 상태 진단부
140: 정성적 데이터 분석부
150: 정량적 데이터 분석부
160: 연관성 검증부
110: 다중데이터 수집부
120: 모델 구성부
130: 상태 진단부
140: 정성적 데이터 분석부
150: 정량적 데이터 분석부
160: 연관성 검증부
Claims (8)
- 가축 및 가금을 포함하는 축산물을 생산하는 축산농가의 상태를 진단하는 농가 상태 진단 시스템(100)으로서,
축산농가의 바이오 데이터 및 농장 데이터를 포함하는 축산 데이터를 수집 및 변환하여 저장하는 다중데이터 수집부(110);
상기 다중데이터 수집부(110)에서 수집된 축산농가의 데이터를 인공지능 기반으로 학습하여 상태 진단 모델을 구성하는 모델 구성부(120);
상기 다중데이터 수집부(110)를 통해 수집 및 변환된 진단 대상 농가의 축산 데이터와, 상기 모델 구성부(120)에서 구성된 상태 진단 모델을 이용해, 상기 진단 대상 농가의 건강 관리 상태를 진단하는 상태 진단부(130);
수의사의 처방 및 진단 데이터를 포함하는 정성적 데이터를 수집하고, 상기 정성적 데이터를 학습하는 정성적 데이터 분석부(140); 및
수의사의 처방에 따라 투여된 의약품 성분 데이터 및 투약 스케줄 데이터를 포함하는 정량적 데이터를 수집 및 분석하는 정량적 데이터 분석부(150); 및
상기 정량적 데이터 분석부(150)의 분석 결과와 상기 상태 진단부(130)의 건강 관리 상태를 이용해, 상기 진단 대상 농가에서 투여된 의약품 성분과 투약 스케줄에 따른 건강 상태의 연관성을 분석하는 연관성 검증부(160)를 포함하되,
상기 모델 구성부(120)는,
트랜스퍼 학습 방법을 적용하여, 복수의 축산농가로부터 수집한 축산 데이터로 학습된 상태 진단 모델을 사전 학습된 모델로 하고, 상기 사전 학습된 모델을 기반으로 상기 진단 대상 농가로부터 수집된 축산 데이터로 학습을 수행해 트랜스퍼 모델을 구성함으로써, 특정 진단 대상 농가에 최적화된 상태 진단 모델을 구성하며,
상기 정성적 데이터 분석부(140)는,
상기 정성적 데이터를 이용해 축산물의 상태, 증상 또는 질병에 따른 처방 내역을 학습하여 의사결정 지원 모델을 구성하고,
상기 상태 진단부(130)는,
상기 정성적 데이터 분석부(140)의 학습 결과에 상기 진단 대상 농가의 축산 데이터를 적용하여, 상기 진단 대상 농가에 대한 처방 유효성 및 처방 실행 상태를 진단하되, 상기 정성적 데이터 분석부(140)에 의해 구성된 의사결정 지원 모델에, 상기 진단 대상 농가로부터 수집된 축산물의 상태, 증상 또는 질병의 축산 데이터를 적용하여 처방 내역을 예측하고, 예측된 처방 내역과 실제 진단 대상 농가에 대한 처방 내역을 비교함으로써 처방 유효성을 검증 또는 진단하며, 상기 진단 대상 농가로부터 수집된 축산 데이터 중 백신 또는 약품 이력, 사양 관리 정보를 이용해, 처방에 맞게 사육이 실행되고 있는지 처방 실행 상태를 검증 또는 진단하고,
상기 연관성 검증부(160)의 분석 결과를 통해, 현재 가축 또는 가금의 건강 상태를 고려하여, 의약품 성분, 투여량, 투여 주기의 적절성을 판단한 결과를 제공하는 것을 특징으로 하는, 축산 데이터 분석 기반 농가 상태 진단 시스템(100).
- 제1항에 있어서, 상기 상태 진단부(130)는,
건강 상태를 점수화한 건강지표를 산출하며, 건강 상태 및 질병 취약성을 포함하는 건강 관리 상태를 진단하는 것을 특징으로 하는, 축산 데이터 분석 기반 농가 상태 진단 시스템(100).
- 제1항에 있어서, 상기 상태 진단부(130)는,
미리 정해진 개수의 카테고리 중 어느 하나로 상기 진단 대상 농가의 건강 관리 상태를 판별하는 것을 특징으로 하는, 축산 데이터 분석 기반 농가 상태 진단 시스템(100).
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200006245A KR102165891B1 (ko) | 2020-01-16 | 2020-01-16 | 축산 데이터 분석 기반 농가 상태 진단 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200006245A KR102165891B1 (ko) | 2020-01-16 | 2020-01-16 | 축산 데이터 분석 기반 농가 상태 진단 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102165891B1 true KR102165891B1 (ko) | 2020-10-14 |
Family
ID=72847469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200006245A KR102165891B1 (ko) | 2020-01-16 | 2020-01-16 | 축산 데이터 분석 기반 농가 상태 진단 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102165891B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102274263B1 (ko) * | 2021-03-09 | 2021-07-08 | 한국축산데이터 주식회사 농업회사법인 | 가축 건강상태 면역 지표화 시스템 |
| KR102315991B1 (ko) * | 2020-12-31 | 2021-10-21 | 한국축산데이터 주식회사 농업회사법인 | 인공지능 기반 원격 가축 관리 장치 및 시스템 |
| KR20220078905A (ko) * | 2020-12-04 | 2022-06-13 | 한국아이오티주식회사 | 가축 생육 기반의 바이오인증 장치 |
| KR20230044845A (ko) * | 2021-09-27 | 2023-04-04 | 동의대학교 산학협력단 | 인공지능 기반 가축의 최적 거래 시점 예측 시스템 및 예측 방법 |
| KR102518418B1 (ko) * | 2021-11-29 | 2023-04-05 | 주식회사 딥팜 | 영상 분석 기반의 반추동물 및 사육환경 분석 장치 및 방법 |
| WO2023075317A1 (ko) * | 2021-10-25 | 2023-05-04 | 농업회사법인 지팜 유한회사 | 자돈 상태 분석 방법 및 장치 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160001473A (ko) * | 2014-06-27 | 2016-01-06 | 강원대학교산학협력단 | 양돈장 차단 방역 위험수준 평가 방법 |
| KR101995755B1 (ko) * | 2019-03-12 | 2019-10-01 | 누리꿈소프트(주) | 가축 질병 예측 시스템 |
| KR102067157B1 (ko) * | 2019-03-04 | 2020-02-11 | 주식회사 클린포펫 | 동물 질병 진단 시스템 |
-
2020
- 2020-01-16 KR KR1020200006245A patent/KR102165891B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160001473A (ko) * | 2014-06-27 | 2016-01-06 | 강원대학교산학협력단 | 양돈장 차단 방역 위험수준 평가 방법 |
| KR102067157B1 (ko) * | 2019-03-04 | 2020-02-11 | 주식회사 클린포펫 | 동물 질병 진단 시스템 |
| KR101995755B1 (ko) * | 2019-03-12 | 2019-10-01 | 누리꿈소프트(주) | 가축 질병 예측 시스템 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220078905A (ko) * | 2020-12-04 | 2022-06-13 | 한국아이오티주식회사 | 가축 생육 기반의 바이오인증 장치 |
| KR102590406B1 (ko) * | 2020-12-04 | 2023-10-18 | 한국아이오티주식회사 | 가축 생육 기반의 바이오인증 장치 |
| KR102315991B1 (ko) * | 2020-12-31 | 2021-10-21 | 한국축산데이터 주식회사 농업회사법인 | 인공지능 기반 원격 가축 관리 장치 및 시스템 |
| KR102274263B1 (ko) * | 2021-03-09 | 2021-07-08 | 한국축산데이터 주식회사 농업회사법인 | 가축 건강상태 면역 지표화 시스템 |
| WO2022191484A1 (ko) * | 2021-03-09 | 2022-09-15 | 한국축산데이터 주식회사 농업회사법인 | 가축 건강상태 면역 지표화 시스템 |
| KR20230044845A (ko) * | 2021-09-27 | 2023-04-04 | 동의대학교 산학협력단 | 인공지능 기반 가축의 최적 거래 시점 예측 시스템 및 예측 방법 |
| KR102608573B1 (ko) * | 2021-09-27 | 2023-11-30 | 동의대학교 산학협력단 | 인공지능 기반 가축의 최적 거래 시점 예측 시스템 및 예측 방법 |
| WO2023075317A1 (ko) * | 2021-10-25 | 2023-05-04 | 농업회사법인 지팜 유한회사 | 자돈 상태 분석 방법 및 장치 |
| KR102518418B1 (ko) * | 2021-11-29 | 2023-04-05 | 주식회사 딥팜 | 영상 분석 기반의 반추동물 및 사육환경 분석 장치 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102165891B1 (ko) | 축산 데이터 분석 기반 농가 상태 진단 시스템 | |
| Neethirajan et al. | Digital livestock farming | |
| Neethirajan | The role of sensors, big data and machine learning in modern animal farming | |
| Siegford et al. | Assessing activity and location of individual laying hens in large groups using modern technology | |
| EFSA Panel on Animal Health and Welfare (AHAW) | Statement on the use of animal‐based measures to assess the welfare of animals | |
| Wagner et al. | Machine learning to detect behavioural anomalies in dairy cows under subacute ruminal acidosis | |
| Mishra et al. | Advanced contribution of IoT in agricultural production for the development of smart livestock environments | |
| NZ551182A (en) | Integrated animal management system and method | |
| Garcia et al. | Lameness detection challenges in automated milking systems addressed with partial least squares discriminant analysis | |
| KR102183474B1 (ko) | 그룹별 축산물 생애 정보 관리 시스템 | |
| US11766028B2 (en) | Methods and systems for using sound data to analyze health condition and welfare states in collections of farm animals | |
| Sun et al. | A systematic review of automatic health monitoring in calves: glimpsing the future from current practice | |
| KR20190030877A (ko) | 축산 지식 정보를 기반으로 하는 가축의 사양관리 시스템 | |
| Brouwers et al. | Towards a novel method for detecting atypical lying down and standing up behaviors in dairy cows using accelerometers and machine learning | |
| KR102341715B1 (ko) | 가축 모니터링 장치 및 방법 | |
| KR102100737B1 (ko) | 그룹별 축산물 생애 정보 제공 시스템 | |
| Zhang et al. | Advancements in artificial intelligence technology for improving animal welfare: Current applications and research progress | |
| Yaseer et al. | A review of sensors and Machine Learning in animal farming | |
| Kaur et al. | IoT and machine learning-based systems for predicting cattle health status for precision livestock farming | |
| Neethirajan | Digitalization of animal farming | |
| Ali et al. | Application of artificial intelligence in monitoring of animal health and welfare | |
| CN113052510A (zh) | 一种用于畜牧行业疫情预警与药品库存监管的管控方法 | |
| Singhal et al. | Cattle Collar: An End-to-End Multi-Model Framework for Cattle Monitoring | |
| Thakur et al. | Digitalization of livestock farms through blockchain, big data, artificial intelligence, and Internet of Things | |
| Mench | Science in the real world—benefits for researchers and farmers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |