KR102220533B1 - 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법 - Google Patents
양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102220533B1 KR102220533B1 KR1020180141860A KR20180141860A KR102220533B1 KR 102220533 B1 KR102220533 B1 KR 102220533B1 KR 1020180141860 A KR1020180141860 A KR 1020180141860A KR 20180141860 A KR20180141860 A KR 20180141860A KR 102220533 B1 KR102220533 B1 KR 102220533B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- information
- pig
- growth
- farm
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 241000282898 Sus scrofa Species 0.000 title claims description 243
- 238000009395 breeding Methods 0.000 claims abstract description 54
- 230000001488 breeding effect Effects 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000009313 farming Methods 0.000 claims abstract description 47
- 239000003814 drug Substances 0.000 claims abstract description 25
- 229940079593 drug Drugs 0.000 claims abstract description 23
- 201000010099 disease Diseases 0.000 claims abstract description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 13
- 244000144972 livestock Species 0.000 claims abstract description 11
- 235000015097 nutrients Nutrition 0.000 claims abstract description 8
- 238000013441 quality evaluation Methods 0.000 claims abstract description 8
- 230000001575 pathological effect Effects 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 81
- 238000013480 data collection Methods 0.000 claims description 14
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 230000007918 pathogenicity Effects 0.000 description 4
- 241000282887 Suidae Species 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/005—Control or signalling for completing the hand-off involving radio access media independent information, e.g. MIH [Media independent Hand-off]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/14—Reselecting a network or an air interface
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/17—Selecting a data network PoA [Point of Attachment]
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법에 관한 것이다. 본 발명은, 양돈 농장 출하 예측 서버(300)가 네트워크(200)를 통해 서 각 양돈 관리 단말(100)로부터 돈사 정보(품종/혈통, 사료/영양소, 돈사 구조, 돈사 환경 포함), 그리고 빅데이터 서버(400)로부터 평가 요소 정보(날씨/기온, 시 간, 축산물 품질 평가 정보)를 수신한 뒤, 데이터베이스(330)에 저장하는 제 1 단 계; 양돈 농장 출하 예측 서버(300)가 돈사 정보와 평가 요소 정보 외에 미리 설정 된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데이 터, 약품 데이터, 출하 데이터, 병성 감정 데이터, 질병 관리 데이터)를 각 양돈 관리 단말(100)로부터 네트워크(200)를 통해 수신하여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식별 ID로 데이터베이스(330)에 저장하는 제 2 단계; 및 양돈 농장 출하 예측 서버(300)가 데이터베이스(330)에 저 장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 데이터베이스(330)에 저장한 뒤, 각 개체 데이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한 입력 변수에 대한 유효한 판정 데이터를 생성하는 제 3 단계; 를 포함하는 것을 특징으로 한다.
이에 의해, 양돈 농가에서 개체군별 유효 데이터를 생성하여 개체 성장 최적
화를 이루어내도록 하는 효과를 제공한다.
이에 의해, 양돈 농가에서 개체군별 유효 데이터를 생성하여 개체 성장 최적
화를 이루어내도록 하는 효과를 제공한다.
Description
본 발명은 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법에 관한 것으로, 보다 구체적으로는, 양돈 농가에서 개체군별 유효 데이터를 생성하여 개체 성장 최적화를 이루어내도록 하기 위한 양돈 성장 조건 플랫폼 기반 출하 예 측 제공 시스템 및 그 방법에 관한 것이다.
최근의 양돈 축산업은 대규모화와 자동화가 급진전 되면서 해당 양돈 농장의 여건에 맞는 맞춤사료 개발 시스템 구축이 절실하나, 해당 양돈 각 농장들은 이에 대한 시스템 구축비용 등으로 인하여 많은 어려움을 겪고 있는 실정이다. 특히, 친 환경 양돈 축산에 대한 관심이 고조되면서, 축산업의 규모화, 규격화, 자동화가 불 가피하나, 실제로는 이를 가능하게 하는 생육관리를 위한 양돈 농장 환경 데이터 관리가 매우 부족한 형편이다.
이러한 문제점을 해결하기 위해 센싱 기반의 다양한 관리 시스템이 제공되고
있으나 이러한 센싱 기반의 관리 시스템은 양돈 축산을 위해 적절한 센싱 요소가
되고 있는지 여부, 그리고 양돈 축산을 위해 최적화된 유효 데이터인지에 대해서 신빙성이 없이 일률적인 온도, 습도 등과 같은 기본적인 데이터만을 제공하는 한계 가 있어 왔다.
본 발명은 상기의 문제점을 해결하기 위한 것으로, 양돈 농가에서 개체군별 유효 데이터를 생성하여 개체 성장 최적화를 이루어내도록 하기 위한 양돈 성장 조 건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법을 제공하기 위한 것이다.
또한, 본 발명은 개체의 성장 결과 데이터를 자동 학습 데이터로 하여 입력 변수로 현재 사육 개체군별 성장데이터에 유효한 판정 데이터로 변환한 뒤, 변환된 유효 판정데이터를 기반으로 완료된 사육결과 데이터를 재평가하여 자동 학습 데이 터를 보정하며 사용자 스스로 생산성과 수익성을 분석하여 사육 최적화가 이루어짐
을 평가할 수 있으며 그 결과 사용자의 수익이 증가할 수 있도록 하기 위한 양돈
성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법을 제공하기 위한 것이 다.
또한, 본 발명은 양돈 농가에서 돼지를 키우는 비용(사료), 의약품 등의 투 입 비용으로 성장조건(x) 등의 변수로부터, 성장조건(x)에서 출하시기(f(x)) 및 가 격예측(f'(x))을 가능하도록 함으로써, 농민이 혹시 돼지값을 적게 받는 리스크를 줄일 수 있도록 하기 위한 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법을 제공하기 위한 것이다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급 되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있 을 것이다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 양돈 성장 조건 플랫 폼 기반 출하 예측 제공 방법은, 양돈 농장 출하 예측 서버(300)가 네트워크(200) 를 통해서 각 양돈 관리 단말(100)로부터 돈사 정보(품종/혈통, 사료/영양소, 돈사 구조, 돈사 환경 포함), 그리고 빅데이터 서버(400)로부터 평가 요소 정보(날씨/기 온, 시간, 축산물 품질 평가 정보)를 수신한 뒤, 데이터베이스(330)에 저장하는 제
1 단계; 양돈 농장 출하 예측 서버(300)가 돈사 정보와 평가 요소 정보 외에 미리 설정된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데이터, 약품 데이터, 출하 데이터, 병성 감정 데이터, 질병 관리 데이터)를 각 양
돈 관리 단말(100)로부터 네트워크(200)를 통해 수신하여 각 양돈 관리 단말(100)
이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식별 ID로 데이터베이스(330) 에 저장하는 제 2 단계; 및 양돈 농장 출하 예측 서버(300)가 데이터베이스(330)에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통 해 각 양돈 관리 단말(100)로부터 수신하여 데이터베이스(330)에 저장한 뒤, 각 개 체 데이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한 입력 변수에 대 한 유효한 판정 데이터를 생성하는 제 3 단계; 를 포함하는 것을 특징으로 한다.
이때, 상기 제 3 단계는, 양돈 농장 출하 예측 서버(300)가 농장별 개체 성 장 수집 정보에 해당하는 적어도 하나 이상의 개체군에 대한 개체군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품 등의 투입 비 용을 포함하는 성장 조건(x)), 입력변수 극대화 조건 설정(각 개체군별 성장 조건 에 대한 극대화 요소 선택), 타임라인별 사육데이터에 해당하는 입력 변수에 대한 유효 여부(각 극대화 요소 변화에 따른 성장률 및 품질 변화 여부)를 분석한 뒤, 유효한 경우 개체군별 극대화 조건에 해당하는 성장 조건을 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보, 성장률 및 품질 정보와 함께 동일한 개체 데이 터 식별 ID에 해당하는 "유효한 개체군 판정 유닛 데이터"로 생성하여 데이터베이 스(330)에 저장하는 것을 특징으로 한다.
또한, 상기 제 3 단계는, 양돈 농장 출하 예측 서버(300)가 데이터베이스 (330)에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크 (200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 데이터베이스(330)에 저장
전후 또는 각 개체 데이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한
입력 변수에 대한 유효한 판정 데이터를 생성하기 전에, 각 양돈 관리 단말(100)로 부터 네트워크(200)를 통한 개체 데이터 식별 ID에 해당하는 목표 개체에 대한 선 택 정보, 선택된 목표 개체에 대한 목표 성장률 및 목표 품질 정보를 수신한 뒤, 데이터베이스(330)에 저장하는 제 3-1 단계; 를 더 포함하는 것을 특징으로 한다.
또한, 상기 제 3-1 단계 이후, 양돈 농장 출하 예측 서버(300)가 농장별 개 체 성장 수집 정보에 해당하는 적어도 하나 이상의 목표군에 대한 목표군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품 등의 투 입 비용 등을 포함하는 성장 조건(x)), 목표군별 극대화 데이터 정합성 분석(목표 군별 극대화 조건 설정에 따른 성장 조건과 돈사 정보, 평가 요소 정보, 농장별 개 체 성장 수집 정보의 요소 간의 정합성), 목표군별 극대화 조건 실행(목표군별 극 대화 조건에 해당하는 성장 조건에 대한 실행 여부 분석)을 실시간으로 각 양돈 관 리 단말(100)으로부터 네트워크(200)를 통해 수신한 뒤, 목표군별 유효 사육데이터 에 해당하는 입력 변수에 따라 유효 여부(목표군별 극대화 조건에 해당하는 성장 조건의 실행 요소 변화에 따른 목표 성장률 및 목표 품질 정보 충족 여부)를 분석 한 뒤, 유효한 경우 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보와 함 께 성장률 및 품질 정보를 동일한 식별 ID에 해당하는 "유효한 목표군 판정 유닛 데이터"를 생성하여 데이터베이스(330)에 저장하는 제 3-2 단계; 를 더 포함하는 것을 특징으로 한다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템은, 양돈 관리 단말(100), 네트워크(200) 및 양돈
출하 예측 서버(300), 빅데이터 서버(400)를 포함하는 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템(1)에 있어서, 양돈 출하 예측 서버(300)는, 네트워크(200) 를 통해서 각 양돈 관리 단말(100)로부터 돈사 정보(품종/혈통, 사료/영양소, 돈사 구조, 돈사 환경 포함), 빅데이터 서버(400)로부터 평가 요소 정보(날씨/기온, 시 간, 축산물 품질 평가 정보 포함)를 수신하며, 돈사 정보와 평가 요소 정보 외에 미리 설정된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데이터, 약품 데이터, 출하 데이터, 병성 감정 데이터, 질병 관리 데이터 포 함)를 각 양돈 관리 단말(100)로부터 수신하여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식별 ID로 데이터베이스(330)에 저장하는 데이터 수집 모듈(321); 데이터 수집 모듈(321)에 의해 데이터베이스(330)에 저장 된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 각 식별 ID 별로 데이터베이스(330)에 저 장하는 자동 학습 데이터 생성 모듈(322); 및 각 개체 데이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한 입력 변수에 대한 유효한 판정 데이터를 생성 하되, 농장별 개체 성장 수집 정보에 해당하는 적어도 하나 이상의 개체군에 대한 개체군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품의 투입 비용을 포함하는 성장 조건(x)), 입력변수 극대화 조건 설정(각 개 체군별 성장 조건에 대한 극대화 요소 선택), 타임라인별 사육데이터에 해당하는 입력 변수에 대한 유효 여부(각 극대화 요소 변화에 따른 성장률 및 품질 변화 여부)를 분석한 뒤, 유효한 경우 개체군별 극대화 조건에 해당하는 성장 조건을 돈사
정보, 평가 요소 정보, 농장별 개체 성장 수집 정보, 성장률 및 품질 정보와 함께 동일한 개체 데이터 식별 ID에 해당하는 "유효한 개체군 판정 유닛 데이터"로 생성 하여 데이터베이스(330)에 저장하는 개체군/목표군별 유효데이터 생성 모듈(323); 을 포함하는 것을 특징으로 한다.
이때, 개체군/목표군별 유효데이터 생성 모듈(323)은, 각 양돈 관리 단 말(100)로부터 네트워크(200)를 통한 개체 데이터 식별 ID에 해당하는 목표 개체에 대한 선택 정보, 선택된 목표 개체에 대한 목표 성장률 및 목표 품질 정보를 수신 하도록 송수신부(310)를 제어한 뒤, 데이터베이스(330)에 저장하는 것을 특징으로 한다.
또한, 개체군/목표군별 유효데이터 생성 모듈(323)은, 농장별 개체 성장 수 집 정보에 해당하는 적어도 하나 이상의 목표군에 대한 목표군별 극대화 조건 설 정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품의 투입 비용을 포함하는 성장 조건(x)), 목표군별 극대화 데이터 정합성 분석(목표군별 극대화 조 건 설정에 따른 성장 조건과 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보의 요소 간의 정합성), 목표군별 극대화 조건 실행(목표군별 극대화 조건에 해 당하는 성장 조건에 대한 실행 여부 분석)을 실시간으로 각 양돈 관리 단말(100)으 로부터 네트워크(200)를 통해 수신한 뒤, 목표군별 유효 사육데이터에 해당하는 입 력 변수에 따라 유효 여부(목표군별 극대화 조건에 해당하는 성장 조건의 실행 요 소 변화에 따른 목표 성장률 및 목표 품질 정보 충족 여부)를 분석한 뒤, 유효한 경우 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보와 함께 성장률 및
품질 정보를 동일한 식별 ID에 해당하는 "유효한 목표군 판정 유닛 데이터"를 생성 하여 데이터베이스(330)에 저장하는 것을 특징으로 한다.
또한, 자동 학습 데이터 생성 모듈(322)은, 유효한 판정 데이터를 기반으로 생성된 사육결과 데이터에 해당하는 "유효한 개체군 판정 유닛 데이터" 및 "유효한 목표군 판정 유닛 데이터"를 재평가하여 자동 학습 데이터를 보정하는 것을 특징으 로 한다.
또한, 자동 학습 데이터 생성 모듈(322)은, 돈사 정보 및 평가 요소 정보에 대한 "유효한 개체군 판정 유닛 데이터" 및 "유효한 목표군 판정 유닛 데이터"에 대한 영향력 유무를 분석한 뒤, 영향력이 없는 요소 정보와 영향력이 있는 요소 정 보로 구분한 뒤, 영향력이 없는 요소 정보와 영향력이 없는 요소 정보간의 관련도 를 분석하는 것을 특징으로 한다.
또한, 자동 학습 데이터 생성 모듈(322)은, 기존의 돈사 정보 및 평가 요소 정보에서 영향력이 없는 요소 정보에 대해서는 삭제를 하여 영향력이 있는 요소 정 보를 다시 설정하되, 관련도가 있는 영향력이 없는 요소 정보는 삭제에서 배제함으 로써, 돈사 정보 및 평가 요소 정보에 대한 재설정을 수행한 뒤, 재설정된 돈사 정 보와 평가 요소 정보 외에, 미리 설정된 주기에 따라 농장별 개체 성장 수집 정보( 개체 데이터, 사육 데이터, 사료 데이터, 약품 데이터, 출하 데이터, 병성 감정 데 이터, 질병 관리 데이터 포함)를 각 양돈 관리 단말(100)로부터 수신하여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식별 ID로 데이터베이스(330)에 저장하고, 다시 데이터 수집 모듈(321)에 의해 데이터베이스 (330)에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크 (200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 데이터베이스(330)에 저장하는 것을 특징으로 한다.
본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스 템 및 그 방법은, 양돈 농가에서 개체군별 유효 데이터를 생성하여 개체 성장 최적 화를 이루어낼 수 있는 효과를 제공한다.
또한, 본 발명의 다른 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법은, 개체의 성장 결과 데이터를 자동 학습 데이터로 하여 입력 변수로 현재 사육 개체군별 성장데이터에 유효한 판정 데이터로 변환한 뒤, 변환된 유효 판정데이터를 기반으로 완료된 사육결과 데이터를 재평가하여 자동 학 습 데이터를 보정하며 사용자 스스로 생산성과 수익성을 분석하여 사육 최적화가 이루어짐을 평가할 수 있으며 그 결과 사용자의 수익이 증가할 수 있는 효과를 제 공한다.
뿐만 아니라, 본 발명의 다른 실시예에 따른 양돈 성장 조건 플랫폼 기반 출 하 예측 제공 시스템 및 그 방법은, 양돈 농가에서 돼지를 키우는 비용(사료), 의 약품 등의 투입 비용으로 성장조건(x) 등의 변수로부터, 성장조건(x)에서 출하시 기(f(x)) 및 가격예측(f'(x))을 가능하도록 함으로써, 농민이 혹시 돼지값을 적게
받는 리스크를 줄일 수 있도록 하는 효과를 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제 공 시스템(1)을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제 공 시스템(1) 중 양돈 출하 예측 서버(300)의 구성요소를 나타내는 블록도이다.
도 3은 도 2의 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템(1) 중 양돈 출하 예측 서버(300)의 구성요소 간의 상관 관계를 나타내는 참조 도면이다.
도 4 내지 도 12는 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출 하 예측 제공 시스템(1) 중 양돈 출하 예측 서버(300)에서 각 양돈 관리 단말(100) 로 제공된 유저 인터페이스(User Inferface, 이하, 'UI') 화면을 나타내는 도면이 다.
도 13은 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제 공 방법을 나타내는 흐름도이다.
도 2는 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제 공 시스템(1) 중 양돈 출하 예측 서버(300)의 구성요소를 나타내는 블록도이다.
도 3은 도 2의 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템(1) 중 양돈 출하 예측 서버(300)의 구성요소 간의 상관 관계를 나타내는 참조 도면이다.
도 4 내지 도 12는 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출 하 예측 제공 시스템(1) 중 양돈 출하 예측 서버(300)에서 각 양돈 관리 단말(100) 로 제공된 유저 인터페이스(User Inferface, 이하, 'UI') 화면을 나타내는 도면이 다.
도 13은 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제 공 방법을 나타내는 흐름도이다.
이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하 여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는
구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되
는 경우에는 그 상세한 설명을 생략할 것이다.
도 1은 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제 공 시스템(1)을 나타내는 도면이다. 도 1을 참조하면, 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템(1)은 양돈 관리 단말(100), 네트워크(200) 및 양돈 출하 예 측 서버(300), 빅데이터 서버(400)를 포함할 수 있다.
도 2는 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제 공 시스템(1) 중 양돈 출하 예측 서버(300)의 구성요소를 나타내는 블록도이다. 도 3은 도 2의 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템(1) 중 양돈 출하 예측 서버(300)의 구성요소 간의 상관 관계를 나타내는 참 조 도면이다. 도 4 내지 도 12는 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템(1) 중 양돈 출하 예측 서버(300)에서 각 양돈 관리 단 말(100)로 제공된 유저 인터페이스(User Inferface, 이하, 'UI') 화면을 나타내는 도면이다.
도 2 및 도 3을 참조하면, 양돈 출하 예측 서버(300)는 송수신부(310), 제어 부(320) 및 데이터베이스(330)를 포함하며, 제어부(320)는 데이터 수집 모듈(321), 자동 학습 데이터 생성 모듈(322), 개체군/목표군별 유효데이터 생성 모듈(323), 개체군/목표군별 결과 데이터 생성 모듈(324), 생산성/수익성 분석 모듈(325)을 포
함한다.
데이터 수집 모듈(321)은 네트워크(200)를 통해서 각 양돈 관리 단말(100)로 부터 돈사 정보(품종/혈통, 사료/영양소, 돈사 구조, 돈사 환경 포함), 빅데이터 서버(400)로부터 평가 요소 정보(날씨/기온, 시간, 축산물 품질 평가 정보 포함)를 수신한 뒤, 데이터베이스(330)에 저장한다.
여기서 평가 요소 정보는 빅데이터 서버(400)와 각 양돈 관리 단말(100) 간 의 데이터 세션 연결 후에 따라 동기화된 정보가 제공되는 것이 바람직하다. 구체 적인 예로, 돈사 정보를 구성하는 개체에 해당하는 품종/혈통을 위한 후술하는 가 격 예측(f'(x))의 기준이 되는 축산물 품질 평가 정보가 빅데이터 서버(400)에 의 해 추출되어 데이터 수집 모듈(321)로 제공될 수 있으며, 각 양돈 관리 단말(100) 이 위치하는 지역의 날씨 및 기온, 시간 정보 등이 빅데이터 서버(400)에 의해 추 출되어 데이터 수집 모듈(321)로 제공될 수 있다.
또한, 데이터 수집 모듈(321)은 돈사 정보와 평가 요소 정보 외에 미리 설정 된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데이 터, 약품 데이터, 출하 데이터, 병성 감정 데이터, 질병 관리 데이터 포함)를 각 양돈 관리 단말(100)로부터 네트워크(200)를 통해 수신하여 각 양돈 관리 단 말(100)이 관리하는 양돈 농장에서 사육되는 적어도 하나 이상의 양돈 개체 데이 터(이하, 개체 데이터)에 대한 식별 ID로 데이터베이스(330)에 저장한다.
이후, 자동 학습 데이터 생성 모듈(322)은 데이터 수집 모듈(321)에 의해 데 이터베이스(330)에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를
네트워크(200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 각 식별 ID 별로 데
이터베이스(330)에 저장할 수 있으며, 후술하는 개체군/목표군별 유효데이터 생성 모듈(323)에 의한 유효한 판정 데이터에 따른 자동 학습 데이터를 생성할 수 있다. 한편, 이를 위해, 개체군/목표군별 유효데이터 생성 모듈(323)은 각 개체 데
이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한 입력 변수에 대한 유 효한 판정 데이터를 생성할 수 있다. 이를 위해, 개체군/목표군별 유효데이터 생성 모듈(323)은 개체군 유효데이터 생성 모듈(323a) 및 목표군 유효데이터 생성 모 듈(323b)을 구비할 수 있다.
보다 구체적으로, 개체군 유효데이터 생성 모듈(323a)은 농장별 개체 성장 수집 정보에 해당하는 적어도 하나 이상의 개체군에 대한 개체군별 극대화 조건 설 정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품 등의 투입 비용 등을 포함하는 성장 조건(x)), 입력변수 극대화 조건 설정(각 개체군별 성장 조건 에 대한 극대화 요소 선택), 타임라인별 사육데이터에 해당하는 입력 변수에 대한 유효 여부(각 극대화 요소 변화에 따른 성장률 및 품질 변화 여부)를 분석한 뒤, 입력 변수가 유효한 경우 개체군별 극대화 조건에 해당하는 성장 조건을 돈사 정 보, 평가 요소 정보, 농장별 개체 성장 수집 정보, 성장률 및 품질 정보와 함께 동 일한 개체 데이터 식별 ID에 해당하는 "유효한 개체군 판정 유닛 데이터"로 생성하 여 데이터베이스(330)에 저장할 수 있다.
또한, 목표군 유효데이터 생성 모듈(323b)은 각 양돈 관리 단말(100)로부터
네트워크(200)를 통한 개체 데이터 식별 ID에 해당하는 목표 개체에 대한 선택 정
보, 선택된 목표 개체에 대한 목표 성장률 및 목표 품질 정보를 수신하도록 송수신
부(310)를 제어한 뒤, 데이터베이스(330)에 저장할 수 있다.
이 경우 목표 개체는 후술하는 출하시기 예측(f(x)) 및 가격 예측(f'(x))에 대해서 양돈 관리 단말(100)에 의해 설정되는 양돈 농장에서 사육되는 양돈 개체일 수 있다.
이에 따라, 목표군 유효데이터 생성 모듈(323b)은 농장별 개체 성장 수집 정 보에 해당하는 적어도 하나 이상의 목표군에 대한 목표군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품 등의 투입 비용 등을 포 함하는 성장 조건(x)), 목표군별 극대화 데이터 정합성 분석(목표군별 극대화 조건 설정에 따른 성장 조건과 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보 의 요소 간의 정합성), 목표군별 극대화 조건 실행(목표군별 극대화 조건에 해당하 는 성장 조건에 대한 실행 여부 분석)을 실시간으로 각 양돈 관리 단말(100)으로부 터 네트워크(200)를 통해 수신한 뒤, 목표군별 유효 사육데이터에 해당하는 입력 변수에 따라 유효 여부(목표군별 극대화 조건에 해당하는 성장 조건의 실행 요소 변화에 따른 목표 성장률 및 목표 품질 정보 충족 여부)를 분석한 뒤, 유효한 경우 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보와 함께 성장률 및 품질 정보를 동일한 식별 ID에 해당하는 "유효한 목표군 판정 유닛 데이터"를 생성하여 데이터베이스(330)에 저장할 수 있다.
데이터베이스(330)로의 저장에 따라, 자동 학습 데이터 생성 모듈(322)은 유
효한 판정 데이터를 기반으로 생성된 사육결과 데이터에 해당하는 "유효한 개체군
판정 유닛 데이터" 및 "유효한 목표군 판정 유닛 데이터"를 재평가하여 자동 학습
데이터를 보정한다.
보다 구체적으로, 자동 학습 데이터 생성 모듈(322)은 돈사 정보 및/또는 평 가 요소 정보에 대한 "유효한 개체군 판정 유닛 데이터" 및 "유효한 목표군 판정 유닛 데이터"에 대한 영향력 유무를 분석한 뒤, 영향력이 없는 요소 정보와 영향력 이 있는 요소 정보로 구분한 뒤, 영향력이 없는 요소 정보와 영향력이 없는 요소 정보간의 관련도를 분석할 수 있다.
이에 따라, 자동 학습 데이터 생성 모듈(322)은 기존의 돈사 정보 및/또는 평가 요소 정보에서 영향력이 없는 요소 정보에 대해서는 삭제를 하여 영향력이 있 는 요소 정보를 다시 설정하되, 관련도가 있는 영향력이 없는 요소 정보는 삭제에 서 배제함으로써, 돈사 정보 및/또는 평가 요소 정보에 대한 재설정을 수행한 뒤, 재설정된 돈사 정보와 평가 요소 정보 외에, 미리 설정된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데이터, 약품 데이터, 출하 데이 터, 병성 감정 데이터, 질병 관리 데이터)를 각 양돈 관리 단말(100)로부터 수신하 여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식 별 ID로 데이터베이스(330)에 저장하고, 다시 데이터 수집 모듈(321)에 의해 데이 터베이스(330)에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네 트워크(200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 데이터베이스(330)에 저장할 수 있다.
생산성/수익성 분석 모듈(325)은 성장 조건(x)에 따라서 형성된 각 개체군
및/또는 목표군에 대해서 생성된 성장률과 품질정보를 각각 데이터베이스(330)에서
추출한 뒤, 추출된 성장률에 따른 출하시기 예측(f(x))과, 추출된 품질 정보에 따 른 가격예측(f'(x))을 수행한 뒤, 수행된 출하시기 예측(f(x)) 정보, 가격예 측(f'(x)) 정보를 개체군 및/목표군에 대해서는 데이터베이스(330)에 저장하며, 목 표군에 대해서는 각 양돈 관리 단말(100)로 네트워크(200)를 통해 전송하도록 송수 신부(310)를 제어할 수 있다.
한편, 도 4 내지 도 12에 대해서 살펴보면, 도 4 및 도 5는 각 양돈 관리 단 말(100)에 의한 네트워크(200)를 통한 양돈 농장 출하 예측 서버(300)로의 액세스 이후 돈사 농장 체크리스트 설정 확인(도 4 참조), 그리고 돈사 농장 표준 사양 관 리 기준 설정 확인(도 5 참조)을 통해 돈사 정보(품종/혈통, 사료/영양소, 돈사 구 조, 돈사 환경)에 대한 선택을 위한 사전 준비를 위한 정보가 출력된 상태를 나타 내는 UI 화면이다.
도 6은 각 양돈 관리 단말(100)에 의한 네트워크(200)를 통한 양돈 농장 출 하 예측 서버(300)로의 액세스 이후 타임라인별 사육데이터에 해당하는 입력 변수 에 대한 설정을 위한 UI 화면을 나타내며, 도 7은 각 타임라인별 사육데이터에 대 한 농장 작업지시서에 대한 정보 제공에 따른 설정 과정을 나타내는 UI 화면이다.
도 8 및 도 9는 각 양돈 관리 단말(100)에 의한 네트워크(200)를 통한 양돈 농장 출하 예측 서버(300)로의 액세스 이후 농장별 개체 성장 수집 정보에 해당하 는 정보를 제공하는 UI 화면으로 도 8은 농장 생산계획 설정으로 번식 및 돈사/돈 방 시설 규모에 대한 설정을 위한 UI 화면이며, 도 9는 농장 생산계획 설정으로 상
시 사육두수 계획 설정(주/월/년)에 대한 설정을 위한 UI 화면이다.
도 10은 각 양돈 관리 단말(100)에 의한 네트워크(200)를 통한 양돈 농장 출 하 예측 서버(300)로의 액세스 이후 양돈 농장 출하 예측 서버(300)에 의해 분석된 출하시기 예측(f(x)) 정보를 나타내는 UI 화면이다.
도 11은 도 10에서 출하시기 예측(f(x))에 따라 각 출하시기별 가격예 측(f'(x))을 나타내는 UI 화면이며, 도 12는 가격예측에 따른 수익성 분석을 나타 내는 보고서 UI 화면이다.
도 13은 본 발명의 실시예에 따른 양돈 성장 조건 플랫폼 기반 출하 예측 제 공 방법을 나타내는 흐름도이다.
도 13을 참조하면, 양돈 농장 출하 예측 서버(300)는 네트워크(200)를 통해 서 각 양돈 관리 단말(100)로부터 돈사 정보(품종/혈통, 사료/영양소, 돈사 구조, 돈사 환경), 그리고 빅데이터 서버(400)로부터 평가 요소 정보(날씨/기온, 시간, 축산물 품질 평가 정보)를 수신한 뒤, 데이터베이스(330)에 저장한다(S110).
단계(S110) 이후, 양돈 농장 출하 예측 서버(300)는 돈사 정보와 평가 요소 정보 외에 미리 설정된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사 육 데이터, 사료 데이터, 약품 데이터, 출하 데이터, 병성 감정 데이터, 질병 관리 데이터)를 각 양돈 관리 단말(100)로부터 네트워크(200)를 통해 수신하여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식별 ID로 데 이터베이스(330)에 저장한다(S120).
단계(S120) 이후, 양돈 농장 출하 예측 서버(300)는 데이터베이스(330)에 저
장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 데이터베이스(330)에 저장한 뒤, 각 개체 데이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한 입력 변수에 대한 유효한 판정 데이터를 생성한다(S130).
보다 구체적으로, 제 1 실시예로, 양돈 농장 출하 예측 서버(300)는 농장별 개체 성장 수집 정보에 해당하는 적어도 하나 이상의 개체군에 대한 개체군별 극대 화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품 등의 투입 비용 등을 포함하는 성장 조건(x)), 입력변수 극대화 조건 설정(각 개체군별 성장 조건에 대한 극대화 요소 선택), 타임라인별 사육데이터에 해당하는 입력 변 수에 대한 유효 여부(각 극대화 요소 변화에 따른 성장률 및 품질 변화 여부)를 분 석한 뒤, 유효한 경우 개체군별 극대화 조건에 해당하는 성장 조건을 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보, 성장률 및 품질 정보와 함께 동일한 개체 데이터 식별 ID에 해당하는 "유효한 개체군 판정 유닛 데이터"로 생성하여 데 이터베이스(330)에 저장할 수 있다.
또한, 제 2 실시예로, 양돈 농장 출하 예측 서버(300)는 데이터베이스(330)
에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 데이터베이스(330)에 저장 전후 또는 각 개체 데이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한 입력 변수 에 대한 유효한 판정 데이터를 생성하기 전에, 각 양돈 관리 단말(100)로부터 네트
워크(200)를 통한 개체 데이터 식별 ID에 해당하는 목표 개체에 대한 선택 정보,
선택된 목표 개체에 대한 목표 성장률 및 목표 품질 정보를 수신한 뒤, 데이터베이 스(330)에 저장할 수 있다.
이에 따라, 양돈 농장 출하 예측 서버(300)는 농장별 개체 성장 수집 정보에 해당하는 적어도 하나 이상의 목표군에 대한 목표군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품 등의 투입 비용 등을 포함하 는 성장 조건(x)), 목표군별 극대화 데이터 정합성 분석(목표군별 극대화 조건 설 정에 따른 성장 조건과 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보의 요소 간의 정합성), 목표군별 극대화 조건 실행(목표군별 극대화 조건에 해당하는 성장 조건에 대한 실행 여부 분석)을 실시간으로 각 양돈 관리 단말(100)으로부터 네트워크(200)를 통해 수신한 뒤, 목표군별 유효 사육데이터에 해당하는 입력 변수 에 따라 유효 여부(목표군별 극대화 조건에 해당하는 성장 조건의 실행 요소 변화 에 따른 목표 성장률 및 목표 품질 정보 충족 여부)를 분석한 뒤, 유효한 경우 돈 사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보와 함께 성장률 및 품질 정 보를 동일한 식별 ID에 해당하는 "유효한 목표군 판정 유닛 데이터"를 생성하여 데 이터베이스(330)에 저장할 수 있다.
단계(S130) 이후, 양돈 농장 출하 예측 서버(300)는 유효한 판정 데이터를
기반으로 생성된 사육결과 데이터에 해당하는 "유효한 개체군 판정 유닛 데이터" 및 "유효한 목표군 판정 유닛 데이터"를 재평가하여 자동 학습 데이터를 보정한 다(S140).
보다 구체적으로, 양돈 농장 출하 예측 서버(300)는 돈사 정보 및/또는 평가
요소 정보에 대한 "유효한 개체군 판정 유닛 데이터" 및 "유효한 목표군 판정 유닛 데이터"에 대한 영향력 유무를 분석한 뒤, 영향력이 없는 요소 정보와 영향력이 있 는 요소 정보로 구분한 뒤, 영향력이 없는 요소 정보와 영향력이 없는 요소 정보간 의 관련도를 분석할 수 있다.
이에 따라, 양돈 농장 출하 예측 서버(300)는 기존의 돈사 정보 및/또는 평 가 요소 정보에서 영향력이 없는 요소 정보에 대해서는 삭제를 하여 영향력이 있는 요소 정보를 다시 설정하되, 관련도가 있는 영향력이 없는 요소 정보는 삭제에서 배제함으로써, 돈사 정보 및/또는 평가 요소 정보에 대한 재설정을 수행한 뒤, 재 설정된 돈사 정보와 평가 요소 정보 외에, 미리 설정된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데이터, 약품 데이터, 출하 데이 터, 병성 감정 데이터, 질병 관리 데이터)를 각 양돈 관리 단말(100)로부터 수신하 여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식 별 ID로 데이터베이스(330)에 저장하고, 다시 데이터 수집 모듈(321)에 의해 데이 터베이스(330)에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네 트워크(200)를 통해 각 양돈 관리 단말(100)로부터 수신하여 데이터베이스(330)에 저장할 수 있다.
단계(S140) 이후, 양돈 농장 출하 예측 서버(300)는 입력 변수인 성장 조건 (x)에 따라서 형성된 각 개체군 및/또는 목표군에 대해서 생성된 성장률과 품질 정보를 각각 데이터베이스(330)에서 추출한 뒤, 추출된 성장률에 따른 출하시기 예측 (f(x))과, 추출된 품질 정보에 따른 가격예측(f'(x))을 수행한 뒤, 수행된 출하시기 예측(f(x)) 정보, 가격예측(f'(x)) 정보를 개체군 및/목표군에 대해서는 데이 터베이스(330)에 저장하며, 목표군에 대해서는 각 양돈 관리 단말(100)로 네트워 크(200)를 통해 전송한다(S150).
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개 시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발 명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명 의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속 하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
1 : 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템
100 : 양돈 관리 단말
200 : 네트워크
300 : 양돈 출하 예측 서버 310 : 송수신부(310)
320 : 제어부
321 : 데이터 수집 모듈
320 : 자동 학습 데이터 생성 모듈
321 : 개체군/목표군별 유효데이터 생성 모듈
322 : 개체군/목표군별 결과 데이터 생성 모듈
323 : 생산성/수익성 분석 모듈
330 : 데이터베이스
400 : 빅데이터 서버
100 : 양돈 관리 단말
200 : 네트워크
300 : 양돈 출하 예측 서버 310 : 송수신부(310)
320 : 제어부
321 : 데이터 수집 모듈
320 : 자동 학습 데이터 생성 모듈
321 : 개체군/목표군별 유효데이터 생성 모듈
322 : 개체군/목표군별 결과 데이터 생성 모듈
323 : 생산성/수익성 분석 모듈
330 : 데이터베이스
400 : 빅데이터 서버
Claims (10)
- 양돈 농장 출하 예측 서버(300)가 네트워크(200)를 통해서 각 양돈 관리 단 말(100)로부터 돈사 정보(품종/혈통, 사료/영양소, 돈사 구조, 돈사 환경 포함), 그리고 빅데이터 서버(400)로부터 평가 요소 정보(날씨/기온, 시간, 축산물 품질 평가 정보)를 수신한 뒤, 데이터베이스(330)에 저장하는 제 1 단계;
양돈 농장 출하 예측 서버(300)가 돈사 정보와 평가 요소 정보 외에 미리 설 정된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데 이터, 약품 데이터, 출하 데이터, 병성 감정 데이터, 질병 관리 데이터)를 각 양돈 관리 단말(100)로부터 네트워크(200)를 통해 수신하여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식별 ID로 데이터베이스(330)에 저장하는 제 2 단계; 및
양돈 농장 출하 예측 서버(300)가 데이터베이스(330)에 저장된 각 개체 데이 터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통해 각 양돈 관리 단 말(100)로부터 수신하여 데이터베이스(330)에 저장한 뒤, 각 개체 데이터 식별 ID 에 해당하는 농장별 개체 성장 수집 정보에 대한 입력 변수에 대한 유효한 판정 데 이터를 생성하는 제 3 단계; 를 포함하고,
상기 제 3 단계는,
양돈 농장 출하 예측 서버(300)가 농장별 개체 성장 수집 정보에 해당하는 적어도 하나 이상의 개체군에 대한 개체군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품 등의 투입 비용을 포함하는 성장 조건), 입력변수 극대화 조건 설정(각 개체군별 성장 조건에 대한 극대화 요소 선택), 타임라인별 사육데이터에 해당하는 입력 변수에 대한 유효 여부(각 극대화 요소 변화에 따른 성장률 및 품질 변화 여부)를 분석한 뒤, 유효한 경우 개체군별 극대화 조건에 해당하는 성장 조건을 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보, 성장률 및 품질 정보와 함께 동일한 개체 데이터 식별 ID에 해당하는 " 유효한 개체군 판정 유닛 데이터"로 생성하여 데이터베이스(330)에 저장하는 것을 특징으로 하는 양돈 성장 조건 플랫폼 기반 출하 예측 제공 방법.
- 삭제
- 청구항 1에 있어서, 상기 제 3 단계는,
양돈 농장 출하 예측 서버(300)가 데이터베이스(330)에 저장된 각 개체 데이 터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통해 각 양돈 관리 단 말(100)로부터 수신하여 데이터베이스(330)에 저장 전후 또는 각 개체 데이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한 입력 변수에 대한 유효한 판정 데이터를 생성하기 전에, 각 양돈 관리 단말(100)로부터 네트워크(200)를 통한 개 체 데이터 식별 ID에 해당하는 목표 개체에 대한 선택 정보, 선택된 목표 개체에 대한 목표 성장률 및 목표 품질 정보를 수신한 뒤, 데이터베이스(330)에 저장하는 제 3-1 단계; 를 더 포함하는 것을 특징으로 하는 양돈 성장 조건 플랫폼 기반 출 하 예측 제공 방법.
- 청구항 3에 있어서, 상기 제 3-1 단계 이후,
양돈 농장 출하 예측 서버(300)가 농장별 개체 성장 수집 정보에 해당하는 적어도 하나 이상의 목표군에 대한 목표군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품 등의 투입 비용 등을 포함하는 성장 조건), 목표군별 극대화 데이터 정합성 분석(목표군별 극대화 조건 설정에 따른 성장 조건과 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정보의 요소 간의 정합성), 목표군별 극대화 조건 실행(목표군별 극대화 조건에 해당하는 성장 조건 에 대한 실행 여부 분석)을 실시간으로 각 양돈 관리 단말(100)으로부터 네트워 크(200)를 통해 수신한 뒤, 목표군별 유효 사육데이터에 해당하는 입력 변수에 따 라 유효 여부(목표군별 극대화 조건에 해당하는 성장 조건의 실행 요소 변화에 따 른 목표 성장률 및 목표 품질 정보 충족 여부)를 분석한 뒤, 유효한 경우 돈사 정 보, 평가 요소 정보, 농장별 개체 성장 수집 정보와 함께 성장률 및 품질 정보를 동일한 식별 ID에 해당하는 "유효한 목표군 판정 유닛 데이터"를 생성하여 데이터 베이스(330)에 저장하는 제 3-2 단계; 를 더 포함하는 것을 특징으로 하는 양돈 성 장 조건 플랫폼 기반 출하 예측 제공 방법. - 양돈 관리 단말(100), 네트워크(200) 및 양돈 출하 예측 서버(300), 빅데이 터 서버(400)를 포함하는 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템(1)에 있어서, 양돈 출하 예측 서버(300)는,
네트워크(200)를 통해서 각 양돈 관리 단말(100)로부터 돈사 정보(품종/혈 통, 사료/영양소, 돈사 구조, 돈사 환경 포함), 빅데이터 서버(400)로부터 평가 요 소 정보(날씨/기온, 시간, 축산물 품질 평가 정보 포함)를 수신하며, 돈사 정보와 평가 요소 정보 외에 미리 설정된 주기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데이터, 약품 데이터, 출하 데이터, 병성 감정 데이터, 질병 관리 데이터 포함)를 각 양돈 관리 단말(100)로부터 수신하여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식별 ID로 데이터베 이스(330)에 저장하는 데이터 수집 모듈(321);
데이터 수집 모듈(321)에 의해 데이터베이스(330)에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통해 각 양돈 관리 단 말(100)로부터 수신하여 각 식별 ID 별로 데이터베이스(330)에 저장하는 자동 학습 데이터 생성 모듈(322); 및
각 개체 데이터 식별 ID에 해당하는 농장별 개체 성장 수집 정보에 대한 입 력 변수에 대한 유효한 판정 데이터를 생성하되, 농장별 개체 성장 수집 정보에 해 당하는 적어도 하나 이상의 개체군에 대한 개체군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료), 의약품의 투입 비용을 포함하는 성장 조건), 각 개체군별 성장 조건에 대한 극대화 요소를 선택하는 입력변수 극대화 조건 설정, 타임라인별 사육데이터에 해당하는 입력 변수에 대한 유효 여부(각 극대화 요소 변화에 따른 성장률 및 품질 변화 여부)를 분석한 뒤, 유효한 경우 개체군별 극대화 조건에 해당하는 성장 조건을 돈사 정보, 평가 요소 정보, 농장별 개체 성 장 수집 정보, 성장률 및 품질 정보와 함께 동일한 개체 데이터 식별 ID에 해당하는 "유효한 개체군 판정 유닛 데이터"로 생성하여 데이터베이스(330)에 저장하는 개체군/목표군별 유효데이터 생성 모듈(323); 을 포함하는 것을 특징으로 하는 양 돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템.
- 청구항 5에 있어서, 개체군/목표군별 유효데이터 생성 모듈(323)은,
각 양돈 관리 단말(100)로부터 네트워크(200)를 통한 개체 데이터 식별 ID에 해당하는 목표 개체에 대한 선택 정보, 선택된 목표 개체에 대한 목표 성장률 및 목표 품질 정보를 수신하도록 송수신부(310)를 제어한 뒤, 데이터베이스(330)에 저 장하는 것을 특징으로 하는 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템.
- 청구항 5에 있어서, 개체군/목표군별 유효데이터 생성 모듈(323)은,
농장별 개체 성장 수집 정보에 해당하는 적어도 하나 이상의 목표군에 대한
목표군별 극대화 조건 설정(번식 및 돈사/돈방 시설 규모, 사육 두수, 비용(사료),
의약품의 투입 비용을 포함하는 성장 조건), 목표군별 극대화 데이터 정합성 분 석(목표군별 극대화 조건 설정에 따른 성장 조건과 돈사 정보, 평가 요소 정보, 농 장별 개체 성장 수집 정보의 요소 간의 정합성), 목표군별 극대화 조건 실행(목표 군별 극대화 조건에 해당하는 성장 조건에 대한 실행 여부 분석)을 실시간으로 각 양돈 관리 단말(100)으로부터 네트워크(200)를 통해 수신한 뒤, 목표군별 유효 사 육데이터에 해당하는 입력 변수에 따라 유효 여부(목표군별 극대화 조건에 해당하 는 성장 조건의 실행 요소 변화에 따른 목표 성장률 및 목표 품질 정보 충족 여부) 를 분석한 뒤, 유효한 경우 돈사 정보, 평가 요소 정보, 농장별 개체 성장 수집 정 보와 함께 성장률 및 품질 정보를 동일한 식별 ID에 해당하는 "유효한 목표군 판정 유닛 데이터"를 생성하여 데이터베이스(330)에 저장하는 것을 특징으로 하는 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템.
- 청구항 7에 있어서, 자동 학습 데이터 생성 모듈(322)은,
유효한 판정 데이터를 기반으로 생성된 사육결과 데이터에 해당하는 "유효한 개체군 판정 유닛 데이터" 및 "유효한 목표군 판정 유닛 데이터"를 재평가하여 자 동 학습 데이터를 보정하는 것을 특징으로 하는 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템. - 청구항 8에 있어서,
자동 학습 데이터 생성 모듈(322)은,
돈사 정보 및 평가 요소 정보에 대한 "유효한 개체군 판정 유닛 데이터" 및 "유효한 목표군 판정 유닛 데이터"에 대한 영향력 유무를 분석한 뒤, 영향력이 없 는 요소 정보와 영향력이 있는 요소 정보로 구분한 뒤, 영향력이 없는 요소 정보와 영향력이 없는 요소 정보간의 관련도를 분석하는 것을 특징으로 하는 양돈 성장 조 건 플랫폼 기반 출하 예측 제공 시스템.
- 청구항 9에 있어서,
자동 학습 데이터 생성 모듈(322)은,
기존의 돈사 정보 및 평가 요소 정보에서 영향력이 없는 요소 정보에 대해서 는 삭제를 하여 영향력이 있는 요소 정보를 다시 설정하되, 관련도가 있는 영향력 이 없는 요소 정보는 삭제에서 배제함으로써, 돈사 정보 및 평가 요소 정보에 대한 재설정을 수행한 뒤, 재설정된 돈사 정보와 평가 요소 정보 외에, 미리 설정된 주 기에 따라 농장별 개체 성장 수집 정보(개체 데이터, 사육 데이터, 사료 데이터, 약품 데이터, 출하 데이터, 병성 감정 데이터, 질병 관리 데이터 포함)를 각 양돈 관리 단말(100)로부터 수신하여 각 양돈 관리 단말(100)이 관리하는 적어도 하나 이상의 개체 데이터에 대한 식별 ID로 데이터베이스(330)에 저장하고, 다시 데이터 수집 모듈(321)에 의해 데이터베이스(330)에 저장된 각 개체 데이터 식별 ID에 대한 성장률 및 품질 정보를 네트워크(200)를 통해 각 양돈 관리 단말(100)로부터 수 신하여 데이터베이스(330)에 저장하는 것을 특징으로 하는 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180141860A KR102220533B1 (ko) | 2018-11-16 | 2018-11-16 | 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180141860A KR102220533B1 (ko) | 2018-11-16 | 2018-11-16 | 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20200057440A KR20200057440A (ko) | 2020-05-26 |
KR102220533B1 true KR102220533B1 (ko) | 2021-04-16 |
Family
ID=70915254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180141860A KR102220533B1 (ko) | 2018-11-16 | 2018-11-16 | 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102220533B1 (ko) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561721A (zh) * | 2020-12-11 | 2021-03-26 | 杭州趣链科技有限公司 | 一种生猪信息的处理方法、装置以及区块链节点设备 |
CN113406934A (zh) * | 2021-06-15 | 2021-09-17 | 河南牧原智能科技有限公司 | 一种生猪出厂调运系统以及生猪出厂调运控制系统 |
CN117831080B (zh) * | 2024-03-04 | 2024-07-02 | 正大农业科学研究有限公司 | 基于深度学习的猪生长状况预测装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100411655B1 (ko) * | 2000-11-09 | 2003-12-18 | 대한제당 주식회사 | 인터넷을 이용한 가축사육관리 시스템 및 방법 |
KR20150080314A (ko) * | 2013-12-31 | 2015-07-09 | 하나 마이크론(주) | 가축의 도체 등급 예측 시스템 및 그 방법 |
KR20170031929A (ko) * | 2015-09-14 | 2017-03-22 | 신민준 | 가축 및 축사 관리 시스템 |
-
2018
- 2018-11-16 KR KR1020180141860A patent/KR102220533B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
KR20200057440A (ko) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gorton et al. | Farm productivity and efficiency in the CEE applicant countries: a synthesis of results | |
KR102220533B1 (ko) | 양돈 성장 조건 플랫폼 기반 출하 예측 제공 시스템 및 그 방법 | |
Nin-Pratt et al. | Yield gaps and potential agricultural growth in West and Central Africa | |
Sánchez et al. | Farmer preference for improved corn seeds in Chiapas, Mexico: A choice experiment approach | |
Abdulai et al. | Joint estimation of information acquisition and adoption of new technologies under uncertainty | |
Carletto et al. | Improving the availability, quality and policy-relevance of agricultural data: The living standards measurement study-integrated surveys on agriculture | |
Blundo-Canto et al. | Scaling weather and climate services for agriculture in Senegal: Evaluating systemic but overlooked effects | |
Rakhra et al. | [Retracted] Implementing Machine Learning for Supply‐Demand Shifts and Price Impacts in Farmer Market for Tool and Equipment Sharing | |
Holden et al. | Human judgment vs. quantitative models for the management of ecological resources | |
Turner et al. | Development and evaluation of a system dynamics model for investigating agriculturally driven land transformation in the north central United States | |
González-Esquivel et al. | Sustainability of agroecological interventions in small scale farming systems in the Western Highlands of Guatemala | |
Wang et al. | Expanding grass-based agriculture on marginal land in the US Great Plains: The role of management intensive grazing | |
Klotz et al. | The role of information in technology adoption: The case of rbST in the California dairy industry | |
Kobayashi et al. | Stochastic rangeland use under capital constraints | |
CN113807954A (zh) | 一种用于活畜抵押的风控平台及风险控制管理方法 | |
Rehman et al. | Is climate change worsening the poverty of maize growers? Evidence from Punjab province of Pakistan | |
Susanto et al. | Discounted cashflow analysis valuation of agriculture business swiftlet bird nest farming case study:“wahana walet sejahtera” in Berau East Kalimantan | |
Jepkorir et al. | Factors affecting adoption of internet of things in selected greenhouse farms in Kenya | |
Schwartzman et al. | Using CAM-equipped mobile phones for procurement and quality control at a rural coffee cooperative | |
Kalogiannidis et al. | The impact of agricultural extension services on farm output: A worldwide viewpoint | |
KR20190105158A (ko) | 축사일지 이미지를 이용한 축사일지 관리 시스템 | |
Kühl | Farm abandonment consequences: Insights from German farm advisors impacting farms and rural areas | |
Geurtsen | Data Science Meets the Agrifood Sector | |
El-Ati et al. | APPLYING LINEAR PROGRAMMING APPROACH IN MODELING THE CURRENT CROP/LIVESTOCK FARMING SYSTEM IN NEW VALLEY GOVERNORATE OF EGYPT | |
Smith et al. | A Revised Adaptive Decision-Making Framework for Rangeland Management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right |