KR102236974B1 - 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템 - Google Patents

이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR102236974B1
KR102236974B1 KR1020200113404A KR20200113404A KR102236974B1 KR 102236974 B1 KR102236974 B1 KR 102236974B1 KR 1020200113404 A KR1020200113404 A KR 1020200113404A KR 20200113404 A KR20200113404 A KR 20200113404A KR 102236974 B1 KR102236974 B1 KR 102236974B1
Authority
KR
South Korea
Prior art keywords
meat
packaged
packaged meat
image
quality
Prior art date
Application number
KR1020200113404A
Other languages
English (en)
Inventor
배수형
박성철
Original Assignee
주식회사 어니스트초이스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 어니스트초이스 filed Critical 주식회사 어니스트초이스
Priority to KR1020200113404A priority Critical patent/KR102236974B1/ko
Application granted granted Critical
Publication of KR102236974B1 publication Critical patent/KR102236974B1/ko
Priority to US17/922,417 priority patent/US20230267704A1/en
Priority to PCT/KR2021/010202 priority patent/WO2022050584A1/ko
Priority to JP2023511838A priority patent/JP2023538048A/ja

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • A—HUMAN NECESSITIES
    • A22—BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22B—SLAUGHTERING
    • A22B5/00—Accessories for use during or after slaughtering
    • A—HUMAN NECESSITIES
    • A22—BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22B—SLAUGHTERING
    • A22B5/00—Accessories for use during or after slaughtering
    • A22B5/0064—Accessories for use during or after slaughtering for classifying or grading carcasses; for measuring back fat
    • A22B5/007—Non-invasive scanning of carcasses, e.g. using image recognition, tomography, X-rays, ultrasound
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B25/00—Packaging other articles presenting special problems
    • B65B25/06—Packaging slices or specially-shaped pieces of meat, cheese, or other plastic or tacky products
    • B65B25/065—Packaging slices or specially-shaped pieces of meat, cheese, or other plastic or tacky products of meat
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B57/00—Automatic control, checking, warning, or safety devices
    • B65B57/10—Automatic control, checking, warning, or safety devices responsive to absence, presence, abnormal feed, or misplacement of articles or materials to be packaged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B61/00—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages
    • B65B61/26—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages for marking or coding completed packages
    • G06K9/6201—
    • G06K9/6267—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/28—Logistics, e.g. warehousing, loading, distribution or shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Abstract

이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치, 및 시스템이 개시된다. 서버에 의해 수행되는 이미지 기반 포장 육류 품질 분류 및 판매 방법은, 각각의 포장 육류 이미지를 획득하는 단계; 각각의 포장된 육류를 보관하는 단계; 각각의 포장 육류 이미지를 기초로, 각각의 포장 육류의 품질을 분류하는 단계; 각각의 포장 육류의 품질 분류를 기초로, 각각의 포장 육류의 가격을 산정하는 단계; 각각의 사용자 단말로 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하는 단계; 제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하는 단계; 제 1포장 육류의 판매를 확정하는 단계; 제1 포장 육류의 출하하는 단계; 및 각각의 사용자 단말로 각각의 포장 육류에서 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이 하는 단계를 포함하고, 각각의 포장 육류의 품질을 분류하는 단계는, 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어진다.

Description

이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템{METHOD, DEVICE, AND SYSTEM OFQUALITY CLASSIFYING AND SELLING PACKED MEAT BASED ON IMAGE}
아래 실시 예들은 이미지 기반으로 포장 육류의 품질을 분류하고, 분류를 기초로 포장 육류를 온라인으로 판매하는 기술에 관한 것이다.
실시 예들과 관련된 배경기술로, 대한민국 등록특허공보 KR 10-1892995 B1은 유통을 위한 육류처리 방법을 개시한다. 구체적으로, 선행문헌은 뼈가 포함된 육류의 이미지를 제1촬영하고, 제1촬영 데이터를 통해 육류의 종류, 육류의 색상, 지방의 분포 정도, 지방의 위치관계를 분석하고, 상기 육류의 종류에 따라 분류하는 제1육류 분석단계; 상기 제1육류 분석단계를 거친 육류를 종류별로 발골하고, 기 설정된 크기로 세절하는 육류세절 단계; 세절된 육류의 상부와 측부를 제2촬영하고, 제2촬영 데이터를 통해 육류의 두께와 무게를 자동 분석하는 제2육류분석단계; 상기 제2육류분석단계에서 분석된 육류를 식물성오일로 상측면이 코팅된 플레이트에 위치시키고, 상기 제1육류분석단계 및 제2육류분석단계에서 분석한 육류정보를 제1라벨에 인쇄시키고, 상기 제1라벨을 상기 플레이트에 부착시키는 제1라벨부착단계; 육류를 내부가 식물성오일로 코팅된 진공팩에 진공 포장하는 육류포장단계; 상기 육류포장단계 후, 포장육의 상부를 제3촬영하고, 상기 제1촬영 데이터, 제2촬영 데이터, 제3촬영 데이터, 분석데이터 및 육류고유번호를 제2라벨에 인쇄하고, 상기 제2라벨을 상기 포장육에 부착시키는 제2라벨부착단계; 상기 제1촬영 데이터, 제2촬영 데이터, 제3촬영 데이터, 분석데이터 및 육류고유번호를 기 설정된 육류판매 서버에 업로드 시키는 육류정보 업로드 단계; 및 상기 육류판매 서버로부터 포장육의 온라인 주문 및 결제가 완료되면, 주문된 포장육을 박스포장하여 배송하는 배송단계;를 포함하는 유통을 위한 육류처리 방법을 개시한다.
이를 통해, 선행문헌은 육류를 에어로 마사지하고, 식물성오일로 도포하여 육류의 질을 부드럽게 하고, 유통과정에서 미생물의 번식을 방지하는 동시에 병원균의 감염을 최소화시킬 수 있는 유통을 위한 육류처리 방법을 제공한다.
또한, 대한민국 등록특허공보 KR 10-2086976B1은 수입 육류 관리 시스템을 개시한다. 구체적으로, 선행문헌은 복수의 해외 육류 생산업체 단말(100)로 이루어진 해외 육류 생산업체 단말 그룹(100g), 네트워크(200), 수입 육류 관리 서버(300), 복수의 고객사 단말(600)로 이루어진 고객사 단말 그룹(600g)을 포함하는 수입 육류 관리 시스템(1)에 있어서, 수입 육류 관리 서버(300)는, 해외 육류 생산업체 단말(100)로부터 네트워크(200)를 통한 생산자 회원 가입절차에 따라 생산자 회원 ID, 생산자 비밀번호 설정과정을 거친 뒤, 수출하고자 하는 육류 종류 정보, 육류 가공 상태 정보를 수신하여 생산자 회원 ID를 메타데이터로 생산자 비밀번호와 함께 데이터베이스(330) 상에 해외 육류 생산업체 단말(100)에 대한 "해외 육류 생산업체 단위 정보"로 저장하는 방식으로 해외 육류 생산업체 단말 그룹(100g)을 형성하며, 해외 육류 생산업체 단위 정보에는 각 해외 육류 생산업체 단말(100)을 운영하는 해외 육류 생산업체의 생산지 정보, 육류 생산 시설 정보, 사료 정보를 추가적으로 해외 육류 생산업체 단말(100)로부터 요청하여 생산자 회원 ID를 메타데이터로 데이터베이스(330) 상에 저장하며, 고객사 단말(600)로부터 네트워크(200)를 통한 고객사 회원 가입절차에 따라 고객사 회원 ID, 고객사 비밀번호 설정과정을 거친 뒤, 수입하고자 하는 육류 종류 정보, 육류 가공상태 정보를 수신하여 고객사 회원 ID를 메타데이터로 고객사 비밀번호와 함께 데이터베이스(330) 상에 고객사단말(600)에 대한 "고객사 단위 정보"로 저장하는 방식으로 고객사 회원에 해당하는 고객사 단말 그룹(600g)을 형성하는 방식으로 수입 육류를 위한 DB를 생성하는 회원 가입 모듈(321)을 포함하는 수입 육류 관리 시스템을 개시한다.
그러나 선행문헌들은 IoT 기술을 이용하여 포장 육류 등 포장 단위의 신선 식품의 상태를 분류·모니터링·관리하고, 빅데이터와 인공지능을 이용하여 포장 육류 등의 정보를 소비자에게 제공하는 방법, 장치, 및 시스템을 개시하지 않는다. 또한, 선행문헌들은 신선 식품의 포장된 상태로 보이는 모습을 기초로, 포장 육류 등의 보이지 않는 뒷면 및 내부의 품질을 추론하여, 포장 육류의 품질을 분류하는 방법, 장치, 및 시스템을 개시하지 않는다. 나아가, 선행문헌들은 웹페이지 또는 어플리케이션에서 소비자가 실제로 배송 받을 신선 식품의 촬영 이미지인 “As is 이미지”에 기반하여 인터넷에서 포장 육류 등을 판매하는 방법, 장치, 및 시스템을 개시하지 않는다.
이에 따라, IoT 기술을 이용하여 포장 육류 등 포장 단위의 신선 식품의 상태를 분류·모니터링·관리하고, 빅데이터와 인공지능을 이용하여 포장 육류 등의 정보를 소비자에게 제공하는 기술의 구현이 요청된다. 또한, 신선 식품의 포장된 상태로 보이는 모습을 기초로, 포장 육류 등의 보이지 않는 뒷면 및 내부의 품질을 추론하여, 포장 육류의 품질을 분류하는 기술의 구현이 요청된다. 나아가, 웹페이지 또는 어플리케이션에서 소비자가 실제로 배송 받을 신선 식품의 촬영 이미지인 “As is 이미지”에 기반하여 인터넷에서 포장 육류 등을 판매하는 기술의 구현이 요청된다.
대한민국 등록특허공보 KR 10-1892995 B1 대한민국 등록특허공보 KR 10-2086976 B1 대한민국 등록특허공보 KR 10-1882494 B1 대한민국 등록특허공보 KR 10-1594666B1
실시예들은 IoT 기술을 이용하여 포장 육류 등 포장 단위의 신선 식품의 상태를 분류·모니터링·관리하고, 빅데이터와 인공지능을 이용하여 포장 육류 등의 정보를 소비자에게 제공하는 방법, 장치, 및 시스템을 제공하고자 한다.
실시예들은 신선 식품의 포장된 상태로 보이는 모습을 기초로, 포장 육류 등의 보이지 않는 뒷면 및 내부의 품질을 추론하여, 포장 육류의 품질을 분류하는 방법, 장치, 및 시스템을 제공하고자 한다.
실시예들은 웹페이지 또는 어플리케이션에서 소비자가 실제로 배송 받을 신선 식품의 촬영 이미지인 “As is 이미지”에 기반하여 인터넷에서 포장 육류 등을 판매하는 방법, 장치, 및 시스템을 제공하고자 한다.
나아가, 실시예들은 배경 기술에서 언급한 과제들 및 본 명세서에서 드러나는 해당 기술 분야의 과제들을 해결하기 위한 방법, 장치, 및 시스템을 제공하고자 한다.
일실시예에 따른 서버에 의해 수행되는 이미지 기반 포장 육류 품질 분류 및 판매 방법은, 각각의 포장 육류 이미지를 획득하는 단계; 상기 각각의 포장 육류 이미지를 기초로, 상기 각각의 포장 육류의 품질을 분류하는 단계; 상기 각각의 포장 육류의 품질 분류를 기초로, 상기 각각의 포장 육류의 가격을 산정하는 단계; 각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하는 단계; 제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하는 단계; 상기 제 1포장 육류의 판매를 확정하는 단계; 및 각각의 사용자 단말로 상기 각각의 포장 육류에서 상기 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이하는 단계를 포함하고, 상기 각각의 포장 육류의 품질을 분류하는 단계는, 상기 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어질 수 있다.
일실시예에 따르면, 상기 각각의 포장 육류의 품질을 분류하는 단계는, 미리 정의된 방법에 의해 분류 대상 포장 육류가 절단된 도축 고기로부터 절단된 후에 절단된 포장 육류를 비교 대상 포장 육류로 정의하는 단계; 상기 분류 대상 포장 육류가 포장된 상태에서의 전면이미지를 참조하는 단계; 상기 비교 대상 포장 육류가 포장된 상태에서의 전면이미지를 참조하는 단계; 상기 분류 대상 포장 육류의 전면 이미지 및 비교 대상 포장 육류의 전면 이미지를 인공지능에 적용하여, 상기 분류 대상 포장 육류의 두께별 육질 정보를 추론하는 단계; 및 상기 분류 대상 포장 육류의 두께별 육질 정보를 기초로, 상기 분류 대상 포장 육류의 품질을 분류하는 단계를 포함할 수 있다.
일실시예에 따른 이미지 기반 포장 육류 품질 분류 및 판매 시스템은 포장 육류를 냉장 관리하고, 포장 육류의 상태를 촬영할 수 있는 포장 육류 IoT 관리 장치; 및 상기 포장 육류 IoT 관리 장치 및 각각의 사용자 단말과 유무선으로 통신하는 서버를 포함하고, 상기 포장 육류 IoT 관리 장치는, 관리 중인 각각의 포장 육류의 이미지를 촬영하고, 상기 서버로 상기 각각의 포장 육류 이미지를 전송하고, 상기 서버는, 상기 각각의 포장 육류 이미지를 기초로,상기 각각의 포장 육류의 품질을 분류하고, 상기 각각의 포장 육류의 품질 분류를 기초로,상기 각각의 포장 육류의 가격을 산정하고, 각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하고, 제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하고, 상기 포장 육류 IoT 관리 장치로 상기 제 1포장 육류의 구매 요청을 전송하고, 상기 포장 육류 IoT 관리 장치는, 상기 서버로 상기 제 1포장 육류가 재고로 있음을 전송하고, 상기 서버는, 상기 제 1포장 육류의 판매를 확정하고, 각각의 사용자 단말로 상기 각각의 포장 육류에서 상기 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이하며, 상기 서버가 각각의 포장 육류의 품질을 분류하는 동작은, 상기 각각의 포장육류의 포장을 개봉하지 않은 상태에서의포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어질 수 있다.
실시예들은 IoT 기술을 이용하여 포장 육류 등 포장 단위의 신선 식품의 상태를 분류·모니터링·관리하고, 빅데이터와 인공지능을 이용하여 포장 육류 등의 정보를 소비자에게 제공하는 방법, 장치, 및 시스템을 제공할 수 있다.
실시예들은 신선 식품의 포장된 상태로 보이는 모습 또는 포장 직전의 형태를 기초로, 포장 육류 등의 보이지 않는 뒷면 및 내부의 품질을 추론하여, 포장 육류의 품질을 분류하는 방법, 장치, 및 시스템을 제공할 수 있다.
실시예들은 웹페이지 또는 어플리케이션에서 소비자가 실제로 배송 받을 신선 식품의 촬영 이미지인 “As is 이미지”에 기반하여 인터넷에서 포장 육류 등을 판매하는 방법, 장치, 및 시스템을 제공할 수 있다.
한편, 실시예들에 따른 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성의 예시도이다.
도 2는 일실시예에 따른 시스템의 동작을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 포장 육류를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 포장 육류 품질 분류 동작을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 포장 육류 디스플레이 및 포장 육류 가격 산정 동작을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 7은 일실시예 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용 시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일실시예에 따른 시스템의 구성의 예시도이다.
일실시예에 따른 시스템은 서버(100); 사용자 단말들(111-113); 및 포장 육류 IoT 관리 장치(130)를 포함할 수 있다. 서버(100); 사용자 단말들(111-113); 및 포장 육류 IoT 관리 장치(130)는 네트워크에 연결되어 유무선 통신을 통해 데이터를 교환할 수 있다.
시스템은 포장 육류의 이미지를 기반으로 포장 육류의 품질을 분류하고, 분류를 기초로, “As is 이미지”에 기반한 신선 식품(포장 육류)의 인터넷 실물 전시 판매를 제공할 수 있다. 구체적으로, 시스템은 2차 세절 포장된 한우를 전자상거래 할 때 IoT 기술을 이용하여 실제 팔 상품의 이미지를 자동으로 인터넷 쇼핑몰 상에 전시할 수 있다. 나아가, 시스템은 인공지능을 이용하여 등심의 정확한 부위별 정보와 적절하게 책정된 가격을 제공할 수 있다.
여기서, “As is 이미지”란, 온라인 및 인터넷 쇼핑에 있어서, 소비자가 실제로 배송 받게 될 상품 그대로의 이미지를 웹페이지 또는 어플리케이션에 게시하기 위한 상품의 실물 이미지를 의미한다. As is이미지는 일반 공산품이 아닌 포장 육류 등 신선 식품의 온라인 쇼핑에 있어서 소비자의 상품 선택폭을 넓히고, 정당한 상품을 선택할 권리를 보장할 수 있다.
서버(100)는 서버(100)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버(100)일수도 있고; 클라우드 서버(100)일 수도 있고; 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 서버(100)는 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 서버(100)는 추론 기능을 수행하는 적어도 하나 이상의 인공지능을 구비할 수 있다. 서버(100)는 사용자 단말들(111-113)과 유무선으로 통신하도록 구성될 수 있다.
서버(100)는 웹페이지 또는 어플리케이션과 연동될 수 있다. 웹페이지 또는 어플리케이션은 As is 이미지를 이용하여 실제로 판매되는 포장 육류를 디스플레이 할 수 있다. 회원 계정 또는 비회원 사용자는 웹페이지 또는 어플리케이션을 통해 As is 이미지에 대응하는 실제 포장 육류를 구매할 수 있다. 웹페이지 또는 어플리케이션은 As is 이미지로 판매되는 각각의 육류별, 부위별, 등급별 포장 육류의 품질 정보 및 이에 따른 가격을 표시할 수 있다.
사용자 단말들(111-113)은 데스크탑 컴퓨터, 노트북, 태블릿, 스마트폰 등일 수 있다. 가령, 도 1과 같이, 제 1 사용자 단말(111)은 데스크탑일 수 있고; 제 2 사용자 단말(122)은 노트북일 수 있고; 제 3 사용자 단말(113)은 스마트폰일 수 있다. 사용자 단말들(111-113)의 종류는 실시예에 따라 얼마든지 달라질 수 있다. 사용자 단말들(111-113)들은 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 사용자 단말들(111-113)은 서버(100)와 유무선으로 통신하도록 구성될 수 있다. 사용자 단말들(111-113)은 서버(100)와 연동된 웹페이지에 접속되거나, 서버(100)와 연동된 어플리케이션이 설치될 수 있다. 사용자 단말들(111-113)은 웹페이지 또는 어플리케이션을 통해 서버(100)와 데이터를 주고받을 수 있다.
계정들(121-123)은 사용자 단말들(111-113)에 로그인할 수 있다. 가령, 제 1 사용자 계정(121)은 제 1 사용자 단말(111)에 로그인할 수 있고; 제 2 사용자 계정(122)은 제 2 사용자 단말(112)에 로그인할 수 있고; 제 3 사용자 계정(123)은 제 3 사용자 단말(113)에 로그인할 수 있다. 사용자 단말들(111-113)에 로그인한 계정들(121-123)은 웹페이지 또는 어플리케이션을 통해 서버(100)와 데이터를 주고받을 수 있다. 각각의 계정(121, 122, 123)은 서버(100)에 저장된 각각의 사용자의 기본 정보 및 각각의 사용자의 포장 육류 구매 정보에 접근할 권한을 가진다.
포장 육류 IoT 관리 장치(130)는 자동 물류 장치(131) 및 촬영 장치(132)를 포함할 수 있다. 포장 육류 IoT 관리 장치(130)는 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다.
자동 물류 장치(131)는 포장 육류를 냉장 보관할 수 있다. 자동 물류 장치(131)는 서버(100)의 포장 육류 관리 정보와 공유될 수 있다. 자동 물류 장치(131)에 보관된 포장 육류는 전자 디스플레이 또는 인쇄된 바코드 형식으로 관리 정보가 표시될 수 있다.
구체적으로, 자동 물류 장치(131)는 육류별, 부위별, 등급별로 포장 육류가 분류·보관되어 있을 수 있다. 가령, 포장 육류가 한우라면, 한우의 구이 부위로는 등심, 채끝, 안심 등이 있을 수 있으며, 특수 부위는 부채, 치마, 업진 등으로 분류될 수 있다. 자동 물류 장치(131)는 한우 부위별 포장 육류를 효율적으로 배치하고 보관할 수 있는 냉장 창고를 포함할 수 있다. 자동 물류 장치(131)는 부위별 포장 육류를 냉장 창고의 부위별 보관대에 작업자가 위치시킬 때 작업자의 실수로 잘못된 위치에 놓인 포장 육류를 인식하고 알람을 울릴 수 있다. 자동 물류 장치(131)는 포장 육류를 자동으로 빈 자리에 이동시키고 웹페이지 또는 어플리케이션을 통해 포장 육류의 결제가 이루어지면 자동으로 픽업 후 출하 구역으로 옮길 수 있다. 자동 물류 장치(131)는 작업자가 결제된 포장 육류임을 구별하기 위한 출하서를 출력하는 장치를 포함할 수 있다.
촬영 장치(132) 자동 물류 장치(131)에 보관 중인 포장 육류의 상태를 촬영할 수 있다. 촬영 장치(132)는 스탠딩 카메라 또는 스캐너 장치 등을 포함할 수 있다. 육류 도축·절단 시설에 대한 HACCP 인증 등의 문제로 인해 생산 중간 단계보다는 포장이 완료되어 실제 판매될 포장 육류를 이미지로 촬영하는 것이 위생성을 확보할 수 있다. 이때, 포장 육류는 포장에 쌓여 있으므로, 촬영 장치(132)는 판매되는 고기의 전체적인 모습이 아닌, 판매되는 고기의 전면만을 촬영하게 된다. 포장 육류의 이미지는 서버(100)로 전송되며, 서버(100)는 포장 육류의 전면을 기초로, 알고리즘을 통해 포장 육류의 전반적인 품질을 분류할 수 있다. 촬영 장치(132)는 조명을 최적화하고 반사광을 최소화한 상태에서 촬영이 이루어질 수 있다.
서버(100)는 포장 육류 IoT 관리 장치(130)의 자동 물류 장치(131)와 연동하여, 포장 육류의 관리 정보를 기록할 수 있다. 서버(100)는 포장 육류의 이미지를 기반으로 포장 육류의 품질을 분류하고, 분류를 기초로, “As is 이미지”에 기반한 신선 식품(포장 육류)의 인터넷 실물 전시 판매를 웹페이지 또는 어플리케이션을 통해 제공할 수 있다. 서버(100)는 계정들(121, 122, 123)의 기본 정보 및 구매 정보 등을 저장·참조하고, 인공지능을 이용하여 한우 등심 등 포장 육류의 정확한 품질 분류 정보 및 이를 기초로 산정된 가격을 제공할 수 있다.
한편, 설명의 편의를 위해 도 1에서는 세 대의 사용자 단말들(111-113)및 한 대의 포장 육류 IoT 관리 장치(130)만을 도시했으나, 단말 및 장치들의 수는 얼마든지 달라질 수 있다. 서버(100)의 처리 용량이 허용하는 한, 단말 및 장치들의 수는 특별한 제한이 없다.
이하에서, 서버(100)의 동작을 중심으로 실시예가 기술되며, 실시예들은 통신의 주체나 양상에 의해 제한되지 않고 다양한 응용예가 채용될 수 있다. 이하, 도 2를 참조하여, 시스템의 동작과 관련된 실시예가 설명된다. 도 3을 참조하여, 포장 육류와 관련된 실시예가 설명된다. 도 4를 참조하여, 포장 육류 품질 분류 동작과 관련된 실시예가 설명된다. 도 5를 참조하여, 포장 육류 가격 산정 동작과 관련된 실시예가 설명된다. 도 6을 참조하여, 인공지능의 학습 동작과 관련된 실시예가 설명된다.
도 2는 일실시예에 따른 시스템의 동작을 설명하기 위한 도면이다.
서버(100)는 포장 육류를 보관하는 포장 육류 IoT 관리 장치로 각각의 포장 육류에 대한 미리 정의된 보관 명령을 내릴 수 있다(200).
미리 정의된 보관 명령은 포장 육류 IoT 관리 장치(130)를 제어하는 명령을 포함할 수 있다. 미리 정의된 보관 명령은 보관 단위별 온도, 습도 등을 포함할 수 있다. 또한, 미리 정의된 보관 명령은 새로 배송된 포장 육류의 보관 시작 명령, 포장 육류 보관 날짜 카운트 명령, 오래된 포장 육류의 폐기 명령 등을 포함할 수 있다.
다음으로, 포장 육류 IoT 관리 장치(130)는 관리 중인 각각의 포장 육류의 이미지를 촬영할 수 있다(201).
포장 육류 IoT 관리 장치(130)는 촬영 장치(132)를 통해 자동 물류 장치(131)에 보관된 신선 식품들의 “As is 이미지”를 촬영할 수 있다. 구체적으로, 촬영 장치(132)는 포장 완료되어 실제 판매될 포장 육류들을 촬영할 수 있다. 육류는 절단을 거친 한우 등심 등일 수 있다. 육류의 포장은 MAP방식 포장육을 기준으로 할 수 있다. 포장 육류 촬영 시 조명을 최적화하여 반사광을 최소화할 수 있다.
다음으로, 포장 육류 IoT 관리 장치(130)는 서버(100)로 각각의 포장 육류 이미지를 전송할 수 있다(202).
서버(100)는 각각의 포장 육류 이미지를 획득하여, 포장 육류 이미지 및 포장 육류 관리 정보를 동기화할 수 있다. 포장 육류 IoT 관리 장치(130)의 자동 물류 장치(131)는 서버(100)의 포장 육류 관리 정보를 공유할 수 있다. 자동 물류 장치(131)에 보관된 포장 육류는 전자 디스플레이 또는 인쇄된 바코드 형식으로 관리 정보가 표시될 수 있다.
이어서, 서버(100)는 각각의 포장 육류 이미지를 기초로, 각각의 포장 육류의 품질을 분류할 수 있다(203).
서버(100)는 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류 품질 분류를 수행할 수 있다. 이를 위해, 서버(100)는 미리 정의된 방법에 의해 분석 대상 포장 육류가 절단된 도축 고기로부터 절단된 후에 절단된 포장 육류를 비교 대상 포장 육류로 정의할 수 있다. 이어서, 서버(100)는 분석 대상 포장 육류가 포장된 상태에서의 전면이미지를 참조할 수 있다. 이어서, 서버(100)는 비교 대상 포장 육류가 포장된 상태에서의 전면이미지를 참조할 수 있다. 이어서, 서버(100)는 분석 대상 포장 육류의 전면 이미지 및 비교 대상 포장 육류의 전면 이미지를 제 2 인공지능에 적용하여, 분석 대상 포장 육류의 두께별 또는 세부 부위별 육질 정보를 추론할 수 있다. 이어서, 서버(100)는 분석 대상 포장 육류의 두께별 또는 세부 부위별 육질 정보를 기초로, 분석 대상 포장 육류의 품질을 분류할 수 있다. 서버(100)가 각각의 포장 육류의 품질을 분류하는 구체적인 동작은 도 4를 참조하여 후술된다.
이어지는 순서로, 서버(100)는 각각의 포장 육류의 품질 분류를 기초로, 각각의 포장 육류의 가격을 산정할 수 있다(204).
각각의 포장 육류는 육류별, 부위별, 등급별로 품질 분류를 가질 수 있다. 예를 들어, 육류별, 부위별, 등급별 포장 육류는 한우, 등심, 1+ 등급일 수 있다. 한우, 등심, 1+ 등급의 품질 분류는 품질 분류:上; 품질 분류:中上; 품질분류:中과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 품질 분류가 높을수록 가격이 높을 수 있다. 서버(100)는 미리 정의된 기간 안에 재고가 소진되는 품질 분류에 속하는 포장 육류의 가격을 올릴 수 있다. 서버(100)는 미리 정의된 기간 안에 재고가 남는 품질 분류에 속하는 포장 육류의 가격을 내릴 수 있다. 서버(100)가 포장 육류 가격을 산정하는 구체적인 동작은 도 5를 참조하여 후술된다.
다음으로, 서버(100)는 각각의 사용자 단말로 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이할 수 있다(205).
서버(100)는 관리 정보에 따라 자동 물류 장치(131)에 보관된 포장 육류들의 이미지 사진을 웹페이지 또는 어플리케이션에 업로드할 수 있다. 서버(100)는 이미지화 된 포장 육류를 육류별(소,돼지,닭,양 등), 부위별(안심,등심,목살,등), 등급별(1++, 1+, 1, 2, 3 등)로 분류하여 대응된 중량과 가격 정보와 함께 웹페이지 또는 어플리케이션에 업로드할 수 있다. 각각의 계정(121, 122, 123) 또는 비회원은 웹페이지 또는 어플리케이션에 로그인하여 As is 이미지에 기반한 실물 사진의 육류별, 부위별, 등급별 포장 육류를 확인하고 포장 육류를 구매할 수 있다.
또한, 서버(100)는 육류별, 부위별, 등급별 포장 육류들의 품질 분류를 디스플레이할 수 있다. 가령, 사용자가 육류별, 부위별, 등급별 포장 육류 중에서 한우, 등심, 1+ 등급을 조회하는 경우, 서버(100)는각각의 포장 한우 등심의 품질 분류를 디스플레이할 수 있다. 품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中 등과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 서버(100)는 한우 등심에 있어서 품질이 분류되는 기준이 무엇인지에 대한 전문적인 설명을 디스플레이할 수 있다.
나아가 서버(100)는 사용자가 고기의 전면만 확인할 수 있는 포장 육류의 As is 이미지를 선택하면, 선택된 포장 육류의 내부 모습을 시뮬레이션으로 제시할 수 있다. 포장 육류의 내부 모습은 마블링 정도, 힘줄 정도, 색상, 육질, 그리고 근육의 구성 등을 보여줄 수 있다. 포장 육류의 내부 모습은 제 2 인공지능이 추론한 두께별 또는 세부 부위별 육질 정보를 기초로 시뮬레이션 될 수 있다. 제 2 인공지능의 학습 과정은 도 6을 참조하여 후술된다.
이어서, 서버(100)는 제 1사용자 단말(111)을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득할 수 있다(206).
제 1 사용자 단말(111)을 사용하는 제 1 사용자 계정(121)은 웹페이지 또는 어플리케이션에서 As is 이미지로 디스플레이된 육류별, 부위별, 등급별, 품질 분류별 포장 육류의 구매를 선택할 수 있다. 가령, 제 1 사용자 계정(121)은 한우 등심 1+ 등급 중에서 품질 분류:上에 속하는 제 1 포장 육류의 구매를 선택할 수 있다. 제 1 사용자 단말(111)은 서버(100)로 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 전송할 수 있다.
이어지는 순서로, 서버(100)는 포장 육류 IoT 관리 장치(130)로 제 1포장 육류의 구매 요청을 전송할 수 있다(207).
포장 육류 IoT 관리 장치(130)는 제 1 포장 육류가 실제로 자동 물류 장치(131)에 보관 중인지 확인할 수 있다. 제 1 포장 육류가 자동 물류 장치(131)에 보관 중인 것으로 확인된 경우, 포장 육류 IoT 관리 장치(130)는 서버로 제 1포장 육류가 재고로 있음을 전송할 수 있다.
다음으로, 서버(100)는 제 1포장 육류의 판매를 확정할 수 있다(208).
서버(100)는 포장 육류 관리 정보에서 제 1 포장 육류를 “보관 중”에서 ”판매 완료”로 변경할 수 있다. 서버(100)의 포장 육류 관리 정보는 포장 육류 IoT 관리 장치(130)과 공유될 수 있다. 서버(100)와 연동된 웹페이지 또는 어플리케이션의 장바구니 및 결제 시스템과 포장 육류 IoT 관리 장치(130)의 상품 자동 출하 시스템은 서로 연동될 수 있다. 서버(100)는 웹페이지 또는 어플리케이션을 이용하는 사용자가 상품을 장바구니에 담는 순간 다른 사용자가 구매 불가능하도록 할 수 있다. 장바구니에 보관할 수 있는 시간은 15분으로 한정될 수 있다. 결제가 진행되는 시간은 장바구니 보관 시간에서 제외하며 결제가 완료될 경우 자동으로 출하가 이루어질 수 있다.
이어서, 서버(100)는 각각의 사용자 단말로 각각의 포장 육류에서 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이할 수 있다(209).
예를 들어,제 1 사용자가 구매한 제 1 포장 육류가 한우 등심 품질 분류:上인 특정 제품이었다면, 서버(100)는 해당 제품의 As is 이미지를 웹페이지 또는 어플리케이션에서 제외한 나머지 포장 육류들의 실제 이미지들만 웹페이지 또는 어플리케이션에 디스플레이할 수 있다. 이를 통해, 소비자가 실제로 구매하게 될 포장 육류 이미지에 기반한 온라인 포장 육류 판매가 이루어질 수 있다. 이를 통해, 일반 공산품이 아닌 포장 육류 등 신선 식품의 온라인 쇼핑에 있어서 소비자의 상품 선택폭을 넓히고, 구매 결정에 관한 근거를 제시하며 정당한 상품을 선택할 권리를 보장할 수 있다. 한편, 서버(100)는 미리 정의된 기간이 지나도 팔리지 않은 포장 육류에 대한 알림 기능을 설정하고, 이들에 대해 웹페이지 또는 어플리케이션에서 할인 판매 등의 후속 조치를 수행할 수 있다.
이어지는 순서로, 포장 육류 IoT 관리 장치(130)는 포장 육류를 출하할 수 있다(210).
이를 위해, 서버(100)는 포장 육류 IoT 관리 장치(130)로 제 1 포장 육류에 대한 출하를 명령할 수 있다. 포장 육류 IoT 관리 장치가 제 1 포장 육류에 대한 출하 명령을 받은 후 수행하는 출하 동작은 다음을 포함할 수 있다.
우선, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류의 보관 위치를 기억하고 꺼내는(picking) 단계를 수행할 수 있다. 다음으로, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류를 출하 지역으로 이송하는 단계를 수행할 수 있다. 이어서, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류의 출하 정보 및 배송지를 출력하는 단계를 수행할 수 있다. 이어지는 순서로, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류를 한 번 더 포장할 수 있다. 다음으로, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류를 배송할 수 있다.
한편, 시스템의 동작은 실시예에 따라 포장 육류뿐만 아니라 비포장 육류에 대해서도 수행될 수 있다. 이 경우, 시스템의 동작은 다음을 포함할 수 있다.
포장 육류 IoT 관리 장치(130)는 포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 촬영할 수 있다. 서버(100)는 포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 획득할 수 있다. 포장 육류 IoT 관리 장치(130)는 비포장 육류를 포장할 수 있다. 포장 육류 IoT 관리 장치(130)는 포장된 육류를 보관할 수 있다.
서버(100)는 포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 획득할 수 있다. 서버(100)는 각각의 비포장 육류 이미지를 기초로, 상기 각각의 포장 육류의 품질을 분류할 수 있다. 서버(100)는 각각의 비포장 육류의 품질 분류를 기초로, 각각의 포장 육류의 가격을 상정할 수 있다. 서버(100)는 각각의 사용자 단말로 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레할 수 있다. 서버(100)가 각각의 포장 육류의 품질을 분류하는 동작은 각각의 비포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어질 수 있다.
도 3은 일실시예에 따른 포장 육류를 설명하기 위한 도면이다.
한우는 개체별로 부위별 등급이 매겨질 수 있다(300). 구체적으로, 등심 부위의 경우, 한우 개체의 흉추가 끝나고 요추가 시작되는 부분의 최장근 단면으로부터 근간 지방 분포 정도(마블링)를 측정하여 개체의 등급이 측정된다.
등심은 식감과 풍미가 좋아 가장 인기 있고 비싼 부위 중 하나이다. 그러나 동일한 개체에서 생산된 등심(310)이라도 위치 별로 등심의 근육 조성과 지방 분포가 다를 수 있다. 구체적으로, 흉추 1번에서 6번까지의 등심 부위를 “윗등심”, 6번에서 13번까지의 부위를 “아랫등심”으로 구분할 수 있다.
가령, 도 3과 같이, 동일 개체 1+ 등급 제 1 등심(311)은 10번 흉추 근방의 아랫등심 부위로 가시근인 새우살이 크게 존재하고 “알등심” 부위인 최장근이 가운데 존재할 수 있다. 반면, 동일 개체 1+ 등급 제 2 등심(312)은 흉추 3,4번 근처의 윗등심 부위로 배쪽톱니근인 살치살이 약 30% 정도 차지하고 아래에 가시근과 반가시근이 40%, 좌상부에 마름모근인 멍애살과 등세모근이 약 30% 정도 분포할 수 있다.
질기고 풍미가 상대적으로 낮은 멍에살의 비율이 높을수록 등심의 품질이 일반적으로 낮음에도, 한우 개체에 따라 등심의 등급을 구분하는 현 시장 체계에서는 멍에살의 비율에 관계없이 모든 등심이 같은 값으로 유통된다. 이에 따라 질기고 풍미 떨어지는 목심 근처의 등심을 비싸게 구입하는 고객 발생할 수 있다. 한편 세간의 평으로 맛 좋다고 알려진 흉추 5~9번의 “꽃등심” 부위는 보통 일반인이 알지 못하며 선택권 없이 불합리하게 유통될 수 있다.
특히, 온라인을 통한 포장 육류 판매의 경우, 동일 개체의 같은 부위라면(예: 동일 한우 개체의 등심) 세부 분류 구분 없이 동일한 가격으로 판매되고, 소비자들은 인터넷 상의 예시 사진만 보고 고기를 구입해야 하기 때문에 불확실성에 노출될 수 있다. 나아가, 포장 육류의 전면을 보여주는 온라인 쇼핑몰 등이 있더라도, 소비자들이 포장 육류의 뒷면 및 두께별 또는 세부 부위별 육질 상태를 알기는 어렵다. 일실시예에 따른 시스템은 한우 등심의 다양한 근육구성, 특히 포장 육류의 두께별 상태를 제 2 인공지능을 이용하여 분석하여 포장 육류의 품질을 분류하고, 한우 등심의 가격을 차등화하여 공급·판매할 수 있다.
이를 위해, 포장 육류 IoT 관리 장치(130)는 관리 중인 각각의 포장 한우 등심의 이미지를 촬영할 수 있다(201). 포장 육류 IoT 관리 장치(130)는 촬영 장치(132)를 통해 자동 물류 장치(131)에 보관된 신선 식품들의 “As is 이미지”를 촬영할 수 있다.
다음으로, 포장 육류 IoT 관리 장치(130)는 서버(100)로 각각의 포장 한우 등심 이미지를 전송할 수 있다(202). 서버(100)는 각각의 포장 한우 등심 이미지를 획득하여,포장 한우 등심 이미지 및 포장 한우 등심 관리 정보를 동기화할 수 있다. 포장 육류 IoT 관리 장치(130)의 자동 물류 장치(131)는 서버(100)의 포장 한우 등심 관리 정보를 공유할 수 있다.
이어서, 서버(100)는 각각의 포장 한우 등심 이미지를 기초로, 각각의 포장 한우 등심의 품질을 분류할 수 있다(203). 서버(100)는 각각의 포장 한우 등심의 포장을 개봉하지 않은 상태에서의 포장 한우 등심의 이미지를 기반으로 포장 한우 등심 품질 분류를 수행할 수 있다. 이를 위해, 서버(100)는 미리 정의된 방법에 의해 분석 대상 포장 한우 등심이 절단된 도축 고기로부터 절단된 후에 절단된 포장 한우 등심을 비교 대상 포장 한우 등심으로 정의할 수 있다. 이어서, 서버(100)는 분석 대상 포장 한우 등심이 포장된 상태에서의 전면이미지를 참조할 수 있다. 이어서, 서버(100)는 비교 대상 포장 한우 등심이 포장된 상태에서의 전면이미지를 참조할 수 있다. 이어서, 서버(100)는 분석 대상 포장 한우 등심의 전면 이미지 및 비교 대상 포장 한우 등심의 전면 이미지를 제 2 인공지능에 적용하여, 분석 대상 포장 한우 등심의 두께별 또는 세부 부위별 육질 정보를 추론할 수 있다. 이어서, 서버(100)는 분석 대상 포장 한우 등심의 두께별 또는 세부 부위별 육질 정보를 기초로, 분석 대상 포장 한우 등심의 품질을 분류할 수 있다. 서버(100)가 각각의 포장 한우 등심의 품질을 분류하는 구체적인 동작은 도 4를 참조하여 후술된다.
이어지는 순서로, 서버(100)는 각각의 포장 한우 등심의 품질 분류를 기초로, 각각의 포장 한우 등심의 가격을 산정할 수 있다(204). 한우등심의 품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 포장 한우 등심의 품질 분류는 마블링의 비율, 멍에살의 비율, 알등심의 존재 여부, 절단되기 전에 흉추에서의 위치 등에 의해 결정될 수 있다. 품질 분류가 높을수록 가격이 높을 수 있다. 서버(100)는 미리 정의된 기간 안에 재고가 소진되는 품질 분류에 속하는 포장 한우 등심의 가격을 올릴 수 있다. 서버(100)는 미리 정의된 기간 안에 재고가 남는 품질 분류에 속하는 포장 한우 등심의 가격을 내릴 수 있다. 서버(100)가 포장 한우 등심 가격을 산정하는 구체적인 동작은 도 5를 참조하여 후술된다.
다음으로, 서버(100)는 각각의 사용자 단말로 각각의 포장 한우 등심을 디스플레이할 수 있다(205). 서버(100)는 관리 정보에 따라 자동 물류 장치(131)에 보관된 포장 한우 등심들의 이미지 사진을 웹페이지 또는 어플리케이션에 업로드할 수 있다. 각각의 계정(121, 122, 123) 또는 비회원은 웹페이지 또는 어플리케이션에 로그인하여 As is 이미지에 기반한 실물 사진의 포장 한우 등심을 확인하고 포장 한우 등심을 구매할 수 있다.
또한, 서버(100)는 포장 한우 등심들의 품질 분류를 디스플레이할 수 있다.품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中 등과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 서버(100)는 한우 등심에 있어서 품질이 분류되는 기준이 무엇인지에 대한 전문적인 설명을 디스플레이할 수 있다. 예를 들어, 서버(100)는 마블링의 비율이 많을수록 품질 분류가 올라가며; 멍에살의 비율의 많을수록 품질 분류가 낮아지며; 알등심이 존재할 경우 품질 분류가 올라가며; 절단되기 전에 흉추에서의 위치가 흉추뼈 5~9번위치에 가까울수록 품질 분류가 올라간다는 설명을 디스플레이할 수 있다.
나아가 서버(100)는 사용자가 고기의 전면만 확인할 수 있는 포장 한우 등심의 As is 이미지를 선택하면, 선택된 포장 한우 등심의 내부 모습을 시뮬레이션으로 제시할 수 있다. 포장 한우 등심의 내부 모습은 마블링 정도, 힘줄 정도, 색상, 육질, 멍에살 여부, 알등심 여부 등을 보여줄 수 있다. 포장 한우 등심의 내부 모습은 제 2 인공지능이 추론한 두께별 육질 정보를 기초로 시뮬레이션 될 수 있다.제 2 인공지능의 학습 과정은 도 6을 참조하여 후술된다.
이어서, 서버(100)는 제 1사용자 단말(111)을 통해 제 1사용자가 선택한 제 1포장 한우 등심의 구매 요청을 획득할 수 있다(206). 제 1 사용자 단말(111)을 사용하는 제 1 사용자 계정(121)은 웹페이지 또는 어플리케이션에서 As is 이미지로 디스플레이된, 품질 분류:上에 속하는 제 1 포장 한우 등심의 구매를 선택할 수 있다. 제 1 사용자 단말(111)은 서버(100)로 제 1사용자가 선택한 제 1포장 한우 등심의 구매 요청을 전송할 수 있다.
이어지는 순서로, 서버(100)는 포장 육류 IoT 관리 장치(130)로 제 1포장 한우 등심의 구매 요청을 전송할 수 있다(207). 포장 육류 IoT 관리 장치(130)는 제 1 포장 한우 등심이 실제로 자동 물류 장치(131)에 보관 중인지 확인할 수 있다.제 1 포장 한우 등심이 자동 물류 장치(131)에 보관 중인 것으로 확인된 경우, 포장 육류 IoT 관리 장치(130)는 서버로 제 1포장 한우 등심이 재고로 있음을 전송할 수 있다.
다음으로, 서버(100)는 제 1포장 한우 등심의 판매를 확정할 수 있다(208). 서버(100)는 포장 한우 등심 관리 정보에서 제 1 포장 한우 등심을 “보관 중”에서 ”판매 완료”로 변경할 수 있다. 서버(100)의 포장 한우 등심 관리 정보는 포장 육류 IoT 관리 장치(130)과 공유될 수 있다. 서버(100)와 연동된 웹페이지 또는 어플리케이션의 장바구니 및 결제 시스템과 포장 육류 IoT 관리 장치(130)의 상품 자동 출하 시스템은 서로 연동될 수 있다. 서버(100)는 웹페이지 또는 어플리케이션을 이용하는 사용자가 상품을 장바구니에 담는 순간 다른 사용자가 구매 불가능하도록 할 수 있다. 장바구니에 보관할 수 있는 시간은 15분으로 한정될 수 있다. 결제가 진행되는 시간은 장바구니 보관 시간에서 제외하며 결제가 완료될 경우 자동으로 출하가 이루어질 수 있다.
이어서, 서버(100)는 각각의 사용자 단말로 각각의 포장 한우 등심에서 제 1포장 한우 등심을 제외한 포장 한우 등심들을 디스플레이할 수 있다(209). 예를 들어, 제 1 사용자가 구매한 제 1 포장 한우 등심이 한우 등심 품질 분류: 上인 특정 제품이었다면, 서버(100)는 해당 제품의 As is 이미지를 웹페이지 또는 어플리케이션에서 제외한 나머지 포장 한우 등심들의 실제 이미지들만 웹페이지 또는 어플리케이션에 디스플레이할 수 있다. 이를 통해, 소비자가 실제로 구매하게 될 포장 한우 등심 이미지에 기반한 온라인 포장 한우 등심 판매가 이루어질 수 있다.이를 통해,일반 공산품이 아닌 포장 한우 등심 등 신선 식품의 온라인 쇼핑에 있어서 소비자의 상품 선택폭을 넓히고,정당한 상품을 선택할 권리를 보장할 수 있다.
도 4는 일실시예에 따른 포장 육류 품질 분류 동작을 설명하기 위한 도면이다.
서버(100)가 각각의 포장 육류의 품질을 분류하는 동작은 다음을 포함할 수 있다. 이하에서는, 포장 육류가 포장 한우 등심인 경우를 예로 들어 설명한다.
우선, 서버(100)는 미리 정의된 방법에 의해 분석 대상 포장 육류(401)가 절단된 도축 고기로부터 절단된 후에 절단된 포장 육류를 비교 대상 포장 육류(402)로 정의할 수 있다(410).
미리 정의된 방법은 각각의 포장 육류의 고유 일련 번호를 조회하는 방법이 채택될 수 있다. 이 경우, 분석 대상 포장 육류(401)의 고유 일련 번호가 N이라면, 비교 대상 포장 육류(402)는 적어도 N보다 큰 수일 수 있다.
또는, 미리 정의된 방법은 도축 고기로부터 절단된 순서가 빠를수록 낮은 “절단 순번”을 부여하고, 각각의 포장 육류를 절단 순번에 따라 정렬하는 방법이 채택될 수 있다.이를 위해, 서버(100)는 미리 학습된 제 1 인공지능을 포함할 수 있다. 서버(100)는 포장 육류 이미지 리스트(list)를 정의하고, 포장 육류 IoT 관리 장치(130)로부터 전송된 각각의 포장 육류의 이미지를 포장 육류 이미지 리스트에 추가(append)할 수 있다. 제 1 인공지능은 포장 육류 이미지 리스트를 입력받아, 리스트에 포함된 각각의 포장 육류의 절단 순번을 추론할 수 있다.제 1 인공지능의 구체적인 학습 동작은 도 6을 참조하여 후술된다.
서버(100)는 각각의 포장 육류를 절단 순번에 따라 정렬할 수 있다. 서버(100)는 정렬 결과에서 분석 대상 포장 육류(401)의 절단 순번 바로 다음으로 오는 절단 순번을 가지는 포장 육류를 분석 대상 포장 육류(401)의 비교 대상 포장 육류(402)로 정의할 수 있다.
다음으로, 서버(100)는 분석 대상 포장 육류(401)가 포장된 상태에서의 전면이미지를 참조할 수 있다(420).
서버(100)는 분석 대상 포장 육류(401)의 전면 이미지를 제 2 인공지능에 적용하여, 분석 대상 포장 육류(401)의 전면 이미지에 따른 육질 정보를 추론할 수 있다. 분석 대상 포장 육류(401)의 전면 이미지에 따른 육질 정보는 마블링의 비율, 멍에살의 비율, 알등심의 존재 여부, 힘줄 여부, 육질 색상, 절단되기 전에 흉추에서의 위치 등의 세부 정보를 포함할 수 있다. 분석 대상 포장 육류(401)의 전면 이미지에 따른 육질 정보는 세부 정보에 기초한 품질 분류를 포함할 수 있다. 품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다.
이어서, 서버(100)는 비교 대상 포장 육류(402)가 포장된 상태에서의 전면 이미지를 참조할 수 있다(430).
이어지는 순서로, 서버(100)는 분석 대상 포장 육류(401)의 전면 이미지 및 비교 대상 포장 육류(402)의 전면 이미지를 제 2 인공지능에 적용하여, 분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 육질 정보를 추론할 수 있다(440).
분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 모습은 분석 대상 포장 육류(401)의 전면 이미지와 비교 대상 포장 육류(402)의 전면 이미지를 기준으로 추론될 수 있다. 예를 들어, 분석 대상 포장 육류(401)의 한우 등심 전면 이미지와 비교하여, 비교 대상 포장 육류(402)의 한우 등심 전면 이미지는 지방비율(흰색 부분)이 많다. 따라서, 분석 대상 포장 육류(401)의 두께층이 비교 대상 포장 육류(402)의 전면 이미지에 가까운 두께층 일수록, 분석 대상 포장 육류(401)의 전면 이미지로 보이는 것보다 많은 지방 비율을 가질 것으로 해석될 수 있다. 종합적으로, 분석 대상 포장 육류(401)는 분석 대상 포장 육류(401)의 전면 이미지로 확인되는 지방 비율보다 높은 지방 비율을 가질 것으로 해석될 수 있다.
서버(100)는 분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 육질 정보를 추론하기 위한 제 2 인공지능을 포함할 수 있다.제 2 인공지능은 분석 대상 포장 육류(401)의 전면 이미지와 비교 대상 포장 육류(402)의 전면 이미지를 입력받아, 분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 육질 정보를 생성하도록 학습될 수 있다. 두께별 또는 세부 부위별 육질 정보는 미리 정의된 두께층의 마블링의 비율, 멍에살의 비율, 알등심의 존재 여부, 힘줄 여부, 육질 색상, 절단되기 전에 흉추에서의 위치 등의 세부 정보를 포함할 수 있다. 두께별 또는 세부 부위별 육질 정보는 각각의 두께층의 세부 정보에 기초한 각각의 두께층의 품질 분류를 포함할 수 있다. 품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 미리 정의된 두께층의 품질 개수는, 가령, 3개일 수 있으며, 실시예에 따라 달리 채용될 수 있다. 미리 정의된 두께층의 개수는 분석 대상 포장 육류(401)의 두께가 두꺼울수록 증가할 수 있다. 제 2 인공지능의 구체적인 학습 동작은 도 6을 참조하여 후술된다.
서버(100)는 분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 육질 정보를 기초로, 분석 대상 포장 육류(401)의 품질을 분류할 수 있다(450).
서버(100)는 분석 대상 포장 육류(401)의 전면 이미지에 따른 육질 정보 및 분석 대상 포장 육류(401)의 각각의 두께층의 육질 정보를 기초로, 분석 대상 포장 육류(401)의 종합적인 품질을 분류할 수 있다. 예를 들어, 분석 대상 포장 육류(401)의 전면 이미지에 따른 품질 분류는 上일 수 있다. 그러나 분석 대상 포장 육류(401)의 각각의 두께층이 비교 대상 포장 육류(402)의 전면 이미지에 가까워질수록, 알등심이 사라지고, 마블링 비율이 낮아지고, 힘줄이 증가하는 비율이 높을 수 있다. 분석 대상 포장 육류(401)의 두께층에서 비교 대상 포장 육류(402)에 가장 가까운 두께층의 품질 분류는 中일 수 있다. 이 경우, 서버(100)는 분석 대상 포장 육류(401)의 품질을 中上으로 분류할 수 있다.
한편, 서버(100)는포장 육류의 내부 모습을 웹페이지 또는 어플리케이션에서 시뮬레이션으로 사용자들에게 제시할 수 있도록, 분석 대상 포장 육류(401)의 두께 정보를 기초로 각각의 두께층의 그래픽을 렌더링할 수 있다. 사용자가 웹페이지 또는 어플리케이션에서 고기의 전면만 확인할 수 있는 포장 육류의 As is 이미지를 선택하면, 서버(100)는 선택된 포장 육류의 각각의 두께층 그래픽 레이어를 디스플레이할 수 있다.
이상을 통해, 서버(100)는 포장 육류들의 전면 이미지만을 기초로, 각각의 포장 육류의 두께별 또는 세부 부위별 육질 정보를 추론하여 제공할 수 있다. 이를 통해, 서버(100)는 포장 육류의 포장을 개봉하지 않는 상태에서 육류의 품질 분류를 수행할 수 있어, 위생성이 확보될 수 있다. 또한, 서버(100)는 웹페이지 또는 어플리케이션에서 포장 육류의 전면 이미지를 기초로 포장 육류를 구매하는 사용자들에게 각각의 포장 육류의 두께별 또는 세부 부위별 품질 정보 및 포장 육류의 전면 이미지와 각각의 두께층을 고려한 종합적 품질 정보를 시각적·설명적으로 제공할 수 있다. 이를 통해,웹페이지 또는 어플리케이션에서 포장 육류를 구매하는 사용자들의 신선 식품 선택권을 보장할 수 있다.
도 5는 일실시예에 따른 포장 육류 디스플레이 및 포장 육류 가격 산정 동작을 설명하기 위한 도면이다.
종래 포장 육류 등의 신선 식품 온라인 판매 방식(500)을 이용하는 경우, 사용자는육류(한우)및 부위(등심), 한우 개체에 따른 등급(예: 1+) 등을 선택할 수는 있으나, 자신이 배송 받는 포장 육류를 실제로 선택하지 못한다.
또한, 종래 포장 육류 등의 신선 식품은 정량제(200g, 500g 등)로 판매되나, 포장 육류 등 신선 식품의 특성 상 중량 손실이 발생할 수도 있다. 즉, 판매자 입장에서는 정량을 측정하느라 생산성이 저하되고, 정량 이하로 배송할 수는 없어, 항상 정량을 초과 포장해야 하므로 적지 않은 손실(약 10%) 발생할 수 있다.
또한, 종래 포장 육류 등의 신선 식품은 온라인에서 대표 이미지를 전시하고 정량을 판매하나, 가정 소비자 입장에선 온라인 대표 이미지만 가지고는 실제로 어떠한 상품이 배송될 지 알 수 없어 불확실한 지위에 놓이게 된다. 즉, 한우 등심을 예로 들면, 같은 개체 등급의 한우라고 하더라도, 부드럽고 고소한 부위가 있으면서 상대적으로 질기고 무미한 부위도 존재할 수 있다. 같은 등심이라도 근간 지방의 많고 적음, 맛있다고 알려진 새우살, 살치살 등이 혼재하지만 모두 같은 부위 처리되어 질긴 부위를 비싸게 구매하는 경우도 발생할 수 있다.
종래 문제를 해결하기 위해 서버(100)는 웹페이지 또는 어플리케이션에서 As is 이미지로 포장 육류를 디스플레이할 수 있다(590).
서버(100)는 각각의 사용자 단말로 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이할 수 있다.이를 위해, 서버(100)는 웹페이지 또는 어플리케이션에 포장 육류 IoT 관리 장치(130)와 자동 물류 장치(131)에 대응하는 고기 진열대를 디스플레이할 수 있다. 서버(100)는 육류별, 부위별, 등급별로 서로 다른 고기 진열대를 디스플레이할 수 있다. 고기 진열대에는 “As is 이미지”의 포장 육류들이 디스플레이될 수 있다. 이를 통해, 사용자는 온라인 구매 시 실제로 배송받게 되는포장 육류 제품의 실물 사진의 이미지, 중량, 가격, 품질 정보 등을 확인할 수 있다. 이를 통해, 사용자는 마치 오프라인 대형 마트에서 세절 포장된 한우를 직접 보고 고르는 방식과 동일한 구매 경험을 가질 수 있다.
서버(100)는 육류별, 부위별, 등급별 포장 육류들의 품질 분류가 표시되도록 육류별, 부위별, 등급별 포장 육류들을 디스플레이할 수 있다. 예를 들어, 서버(100)는 한우 등심 고기 진열대에서,한우 등심 1+ 등급 포장 육류들을 품질 분류에 따라 제 1 영역(591), 제 2 영역(592), 제 3 영역(593), 제 4 영역(594) 등으로 분류하여 디스플레이할 수 있다. 가령, 한우 1+ 등급 제 1 등심(598)은 10번 흉추 근방의 아랫등심 부위로 가시근인 새우살이 크게 존재하고 “알등심” 부위인 최장근이 가운데 존재할 수 있다. 서버(100)는 제 1 등심(598)의 품질 분류를 수행할 수 있다. 서버(100)는제 1 영역(591)에 제 1 등심(598)을 디스플레이할 수 있다.반면,한우 1+ 등급 제 2 등심(312)은 흉추 3,4번 근처의 윗등심 부위로 배쪽톱니근인 살치살이 약 30% 정도 차지하고 아래에 가시근과 반가시근이 40%, 좌상부에 마름모근인 멍애살과 등세모근이 약 30% 정도 분포할 수 있다. 서버(100)는 제 2 등심(599)의 품질 분류를 수행할 수 있다. 제 2 등심(599)의 품질 분류는 제 1 등심(598)의 품질 분류와 다를 수 있다. 서버(100)는 제 3 영역(593)에 제 2 등심(599)을 디스플레이할 수 있다. 서버(100)는 동일 한우 등급의 포장 육류라도, 품질 분류에 따라 포장 육류의 가격을 다르게 산정할 수 있다. 서버(100)는 제 1 등심(598)의 가격을 제 2 등심(599)의 가격보다 비싸게 산정할 수 있다.
서버(100)는 육류별, 부위별, 등급별 포장 육류들 중에서 각각의 사용자 단말을 사용하는 각각의 사용자가 선호하는 것으로 판별된 품질 분류의 포장 육류들을 각각의 사용자 단말에 강조해서 표시할 수 있다. 예를 들어, 제 1 사용자 계정(121)은 1+ 등급 한우 등심 중에서도 고소한 맛이 강한 있는 제 1 등심(598)과 같은 부위를 자주 구매할 수 있다. 반면, 제 2 사용자 계정(122)은 1+ 등급 한우 등심 중에서도 쫄깃한 맛이 강하고, 상대적으로 저렴하게 산정되는 제 2 등심(599)과 같은 부위를 자주 구매할 수 있다. 서버(100)는 계정들(121, 122, 123)의 구매 이력을 기초로, 제 1 사용자 계정(121)가 접속한 제 1 사용자 단말(111)에는 제 1 영역(591)을 강조 표시하여 디스플레이하고, 제 2 사용자 계정(122)가 접속한 제 2 사용자 단말(112)에는 제 3 영역(593)을 강조 표시하여 디스플레이할 수 있다. 한편, 사용자가 특정 포장 육류를 장바구니에 넣거나 구매 요청을 하면, 서버(100)는 로봇 팔로 해당 포장 육류를 고기 진열대에서 이동시키는 그래픽을 디스플레이할 수 있다.
서버(100)는 판매되는 포장 육류 가격을 자동으로 산정할 수 있다. 서버(100)가 포장 육류 가격을 산정하는 동작은 다음을 포함할 수 있다.
우선, 서버(100)는 육류별, 부위별, 등급별로 포장 육류들을 세부 구분할 수 있다(510).
세부 구분은 각각의 포장 육류의 품질 분류를 기초로 이루어질 수 있다.각각의 포장 육류는 육류별, 부위별, 등급별로 미리 정의된 품질 분류를 가질 수 있다.예를 들어,같은 한우 등심 1+ 등급이라고 하더라도,제 1 등심(598)의 품질 분류는 제 2 등심(599)의 품질 분류보다 높을 수 있다. 서버(100)는 한우 등심 1+ 등급의 포장 육류들을 품질 분류에 따라 제 1 영역(591), 제 2 영역(592), 제 3 영역(593), 및 제 4 영역(594)으로 세부 구분할 수 있다.
이어서, 서버(100)는 미리 정의된 기간 안에 재고가 소진되는 품질 분류에 속하는 포장 육류의 가격을 올릴 수 있다.
또한, 서버(100)는 미리 정의된 기간 안에 재고가 남는 품질 분류에 속하는 포장 육류의 가격을 내릴 수 있다.
미리 정의된 기간은 육류별 부위별 등급별 포장 육류에 따라 달라질 수 있다. 미리 정의된 기간은 육류별 부위별 등급별 포장 육류가 포장 육류 IoT 관리 장치(130)으로 유통되는 주기일 수 있다.
육류, 부위, 등급이 다르더라도, 포장 육류의 세부 품질 분류가 달라질 수 있다. 가령, 고소한 맛이 강한 제 1 등심(598)의 품질 분류는 쫄깃한 맛이 강한 제 2 등심(599)의 품질 분류보다 높을 수 있다. 제 1 등심(598)의 가격은 제 2 등심(599)의 가격보다 비쌀 수 있다. 그러나 사용자들 중 일부는 쫄깃한 맛을 선호할 수 있으며, 가격이 상대적으로 저렴한 이유로 제 2 등심(599)을 찾을 수 있다. 서버(100)는 육류별, 부위별, 등급별 포장 육류들에 대하여, 모든 세부 품질 분류(591, 592, 593, 594)의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 산정할 수 있다.
이를 위해, 서버(100)는 미리 학습된 제 3 인공지능을 포함할 수 있다. 제 3 인공지능은 미리 정의된 기간 동안의 육류별 부위별 등급별 포장 육류들의 구매 히스토리를 기초로, 육류별 부위별 등급별로 존재하는 모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 산정하도록 학습될 수 있다.제 3 인공지능의 구체적인 학습 동작은 도 6을 참조하여 후술된다.
이상을 통해, 서버(100)는 포장 육류와 같은 신선 식품의 As is 이미지를 온라인으로 전시하여 판매할 수 있다. 또한, 서버(100)는 전자 상거래 방식에서 한우를 적용하여 여러 부위 별 근속 지방, 근간 지방의 분포 등 동일 육류, 부위,등급 내에도 존재하는 세부 품질을 판별하여 소비자가 상품을 고를 수 있는 기술을 제공할 수 있다. 이를 통해, 온라인 상의 포장 육류 대표 이미지와는 다른 포장 육류가 실제 배송되는 불만 사례를 제거할 수 있다. 또한, As is 이미지에 대응하는 포장 육류를 있는 그대로 판매하는 것이므로, 비정형 포장 육류의 경우 정량 분배를 위해 여러 조각을 맞추느라 발생하는 생산성 저하 문제와 초과 제공에 따른 정량 손실 발생 문제도 해소할 수 있다. 나아가, 서버(100)는 제 3 인공지능을 통해 육류별 부위별 등급별로 존재하는 모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 산정할 수 있다. 이를 통해, 미리 정의된 기간 마다 육류별 부위별 등급별 포장 육류들이 포장 육류 IoT 관리 장치(130)로 새로 유통될 수 있도록 하여, 웹페이지 또는 어플리케이션에서 판매하는 포장 육류들의 신선도를 확보할 수 있다.
도 6은 일실시예에 따른 인공지능의 학습을 설명하기 위한 도면이다.
인공지능은 서버(100)에 포함되는 구성일 수 있으며, 서버(100) 또는 별도의 학습 장치를 통해서 학습될 수 있다.
제 1 인공지능은 육류가 절단된 개체(소,돼지,양 등) 및 부위(안심,등심,목살 등)가 동일한 포장 육류들을 원소(element)로 하는 포장 육류 이미지 리스트(list)를 입력받아,포장 육류 이미지 리스트에 포함된 각각의 포장 육류의 절단 순번을 추론하도록 학습될 수 있다. 절단 순번이 낮을수록 도축된 고기로부터 먼저 절단된 포장 육류에 해당한다.
제 2 인공지능은 분석 대상 포장 육류의 전면 이미지와 비교 대상 포장 육류의 전면 이미지를 입력받아, 분석 대상 포장 육류의 두께별 또는 세부 부위(위치)별 육질 정보를 추론하도록 학습될 수 있다. 분석 대상 포장육류의 육질 정보는 각각의 두께층의 마블링 정도, 힘줄 정도, 색상, 육질, 멍에살 여부, 알등심 여부, 세절 전 원육에서의 위치, 및 각각의 두께층의 품질 분류를 포함할 수 있다.
제 3 인공지능은 미리 정의된 기간 동안의 소비자들의 포장 육류 구매 히스토리를 입력받아,육류별부위별등급별 포장 육류들에 대하여, 모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 추론하도록 학습될 수 있다.미리 정의된 기간은 육류별 부위별 등급별 포장 육류가 포장 육류 IoT 관리 장치로 유통되는 주기일 수 있다.
이하에서는 학습 장치를 통해 인공지능이 학습되는 과정을 설명한다.
우선, 학습 장치는 트레이닝 데이터(training data)와 레이블(label)을획득할 수 있다(600).
제 1 인공지능 학습을 위해, 학습 장치는 한 개체의한 부위로부터 절단된 포장 육류들의 전면 이미지들을 포함하는 데이터 세트를 각각의 트레이닝 데이터로 획득할 수 있다.또한,학습 장치는 각각의 포장 육류의 절단 순번을 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다.
제 2 인공지능 학습을 위해, 학습 장치는 두께별 육질 정보를 알고자 하는 포장 육류와, 두께별 육질 정보를 알고자 하는 포장 육류보다 높은 절단 순번을 가지는 포장 육류의 쌍을 각각의 트레이닝 데이터로 획득할 수 있다. 또한, 학습 장치는 두께별 육질 정보를 알고자 하는 포장 육류의 실제 두께별 육질 정보를 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다. 또한, 학습 장치는 세부 부위(위치)별 육질 정보를 알고자 하는 포장 육류를 각각의 트레이닝 데이터로 획득하고, 포장 육류의 세절 전 원육에서의 위치를 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다
제 3 인공지능 학습을 위해,미리 정의된 기간 동안 소비자들의 육류별 부위별 등급별 포장 육류 구매 히스토리를포함하는 데이터 세트를 각각의 트레이닝 데이터로 획득할 수 있다.또한,학습 장치는 “미리 정의된 기간 동안 육류별 부위별 등급별 포장 육류가 세부 품질 분류별로 판매되었던 가격”에 “미리 정의된 기간 동안 포장 육류의 세부 품질 분류별 재고량”에 비례하는 차감분을 적용한 “보정 가격”을 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다.미리 정의된 기간 동안 어떤 세부 품질 분류의 포장 육류의 재고량이 많을수록, 해당 세부 품질 분류를 가지는 포장 육류의 보정 가격은 원래의 가격에서 보다 차감된 가격일 수 있다.
이제, 학습 장치는 트레이닝 데이터로부터 인공지능의 입력을 생성할 수 있다(610).
학습 장치는 트레이닝 데이터를 인공지능의 입력으로 그대로 사용하거나, 각각의 트레이닝 데이터에서 불필요한 정보를 제거하는 통상의 프로세스를 거친 후,인공지능의 입력을 생성할 수 있다.
다음으로, 학습 장치는 입력을 인공지능에 적용할 수 있다(620).
서버(100)에 포함된 인공지능은 지도 학습(supervised learning)에 따라 학습되는 인공지능일 수 있다. 인공지능은 지도 학습을 통해 학습시키기에 적합한 컨볼루션 신경망(convolutional neural network, CNN), RCNN(Regional Convolutional Neural Network), 또는 리커런트 신경망(recurrent neural network, RNN) 구조일 수 있다.
이어서, 학습 장치는 인공지능으로부터 출력을 획득할 수 있다(630).
제 1 인공지능의 출력은, 포장 육류 이미지 리스트에 포함된 각각의 포장 육류의 절단 순번일 수 있다.절단 순번이 낮을수록 도축된 고기로부터 먼저 절단된 포장 육류에 해당한다.제 2 인공지능의 출력은, 분석 대상 포장 육류의 두께별 또는 세부 부위(위치)별 육질 정보일 수 있다.육질 정보는 각각의 두께층의 마블링 정도, 힘줄 정도, 색상,육질,멍에살 여부,알등심 여부, 세절 전 원육에서의 위치, 및 각각의 두께층의 품질 분류를 포함할 수 있다. 제 3 인공지능의 출력은,모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격의 추론일 수 있다.미리 정의된 기간은 육류별 부위별 등급별 포장 육류가 포장 육류 IoT 관리 장치로 유통되는 주기일 수 있다.
이후, 학습 장치는 출력과 레이블을 비교할 수 있다(640). 추론에 해당하는 인공지능의 출력과 정답에 해당하는 레이블을 비교하는 과정은 손실함수(loss function)를 계산하여 이루어질 수 있다. 손실함수는 기 알려진 평균 제곱 오차(mean squared error, MSE), 교차 엔트로피 오차(cross entropy error, CEE) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 인공지능의 출력과 레이블 간의 편차, 오차 내지는 차이를 측정할 수 있다면, 다양한 인공지능 모델들에서 이용되는 손실함수들이 이용될 수 있다.
다음으로, 학습 장치는 비교값을 기초로 인공지능을 최적화할 수 있다(650). 학습 장치 비교값이 점점 작아지도록 인공지능의 노드(node)들의 웨이트(weight)를 갱신함으로써, 추론에 해당하는 인공지능의 출력과 정답에 해당하는 레이블을 점점 일치시킬 수 있고, 이를 통해 인공지능은 정답에 가까운 추론을 출력하도록 최적화될 수 있다. 구체적으로, 학습 장치는 비교값에 해당하는 손실함수가 최소값의 추정치에 가까워지도록 인공지능의 웨이트(weight)를 재설정하는 과정을 반복함으로써 인공지능을 최적화할 수 있다. 인공지능의 최적화를 위해 기 알려진 역전파(backpropagation) 알고리즘, 확률론적 경사하위법(stochastic gradient descent) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 다양한 신경망 모델들에서 이용되는 웨이트의 최적화 알고리즘이 이용될 수 있다.
학습 장치는 이와 같은 과정을 반복함으로써 인공지능을 학습시킬 수 있다.
이를 통해, 육류가 절단된 개체(소,돼지,양 등) 및 부위(안심,등심,목살 등)가 동일한 포장 육류들을 원소(element)로 하는 포장 육류 이미지 리스트(list)를 기초로,포장 육류 이미지 리스트에 포함된 각각의 포장 육류의 절단 순번을출력하는 제 1 인공지능을 학습시킬 수 있다. 제 1 인공지능은 도 4를 참조하여 설명된 포장 육류 품질 분류 동작에서 분석 대상 포장 육류의 비교 대상 포장 육류를 정의하는데 사용될 수 있다.
또한, 분석 대상 포장 육류의 전면 이미지와 비교 대상 포장 육류의 전면 이미지를 입력받아, 분석 대상 포장 육류의 두께별 육질 정보를 출력하거나, 포장 육류의 세부 부위(위치)별 육질 정보를 출력하는 제 2 인공지능을 학습시킬 수 있다.제 2 인공지능은 도 4를 참조하여 설명된 포장 육류 품질 분류 동작에서 분석 대상 포장 육류의 두께별 또는 세부 부위별 육질 정보를 분류하는데 사용될 수 있다.
또한, 미리 정의된 기간 동안의 소비자들의 포장 육류 구매 히스토리를 입력받아, 육류별부위별등급별 포장 육류들에 대하여, 모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 출력하는 제 3 인공지능을 학습시킬 수 있다.제 3인공지능은 도 5을 참조하여 설명된포장 육류 가격 산정 동작에 사용될 수 있다.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(701)는 프로세서(702) 및 메모리(703)를 포함한다. 프로세서(702)는 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 구체적으로, 장치(701)는 서버(100), 사용자 단말(111, 112, 113), 포장 육류 IoT 관리 장치(130),또는 인공지능 학습장치 등일 수 있다.장치(701)를 이용하는 자 또는 단체는 도 1 내지 도 6을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(703)는 전술된 방법들과 관련된 정보를 저장하거나 전술된 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(703)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(702)는 프로그램을 실행하고, 장치(701)를 제어할 수 있다. 프로세서(702)에 의하여 실행되는 프로그램의 코드는 메모리(703)에 저장될 수 있다. 장치(701)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
장치(701)는 인공지능을 학습시키거나, 학습된 인공지능을이용하는데 사용될 수 있다. 메모리(703)는 학습 중인또는 학습된인공지능을 포함할 수 있다. 프로세서(702)는 메모리(703)에 저장된 인공지능 알고리즘을 학습시키거나 실행시킬 수 있다. 인공지능을 학습시키는 장치(701)와 학습된 인공지능을 이용하는 장치(701)는 동일할 수도 있고 개별적일 수도 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (5)

  1. 서버에 의해 수행되는 이미지 기반 포장 육류 품질 분류 및 판매 방법은,
    포장 육류를 보관하는 포장 육류 IoT 관리 장치로 각각의 포장 육류에 대한 미리 정의된 보관 명령을 내리는 단계;
    상기 각각의 포장 육류 이미지를 획득하는 단계;
    상기 각각의 포장 육류 이미지를 기초로, 상기 각각의 포장 육류의 품질을 분류하는 단계;
    상기 각각의 포장 육류의 품질 분류를 기초로, 상기 각각의 포장 육류의 가격을 산정하는 단계;
    각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하는 단계;
    제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하는 단계;
    상기 제 1포장 육류의 판매를 확정하는 단계;
    상기 포장 육류 IoT 관리 장치로 상기 제 1 포장 육류의 출하를 명령하는 단계; 및
    각각의 사용자 단말로 상기 각각의 포장 육류에서 상기 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이하는 단계
    를 포함하고,
    상기 각각의 포장 육류의 품질을 분류하는 단계는,
    상기 각각의 포장 육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어지고,
    동일한 원육으로부터 세절된 동일 원육 포장 육류들에 대하여, 상기 원육으로부터 세절된 순서대로 절단 순번을 부여하는 단계;
    분류 대상 포장 육류의 절단 순번 바로 다음의 절단 순번을 가지는 동일 원육 포장 육류를 상기 분류 대상 포장 육류의 비교 대상 포장 육류로 정의하는 단계;
    상기 분류 대상 포장 육류가 포장된 상태에서의 전면 이미지를 참조하는 단계;
    상기 비교 대상 포장 육류가 포장된 상태에서의 전면 이미지를 참조하는 단계;
    상기 분류 대상 포장 육류의 전면 이미지 및 상기 비교 대상 포장 육류의 전면 이미지를 인공지능에 적용하여, 상기 분류 대상 포장 육류의 포장을 개봉하지 않은 상태에서 상기 분류 대상 포장 육류의 전면 이미지만으로 확인할 수 없는 상기 분류 대상 포장 육류의 미리 정의된 두께층별 육질 정보를 추론하는 단계; 및
    상기 분류 대상 포장 육류의 미리 정의된 두께층별 육질 정보를 기초로 상기 분류 대상 포장 육류의 품질을 분류하는 단계
    를 포함하는,
    이미지 기반 포장 육류 품질 분류 및 판매 방법.
  2. 삭제
  3. 이미지 기반 포장 육류 품질 분류 및 판매 시스템은
    포장 육류를 냉장 관리하고, 포장 육류의 상태를 촬영할 수 있는 포장 육류 IoT 관리 장치;및
    상기 포장 육류 IoT 관리 장치 및 각각의 사용자 단말과 유무선으로 통신하는 서버
    를 포함하고,
    상기 포장 육류 IoT 관리 장치는,
    관리 중인 각각의 포장 육류의 이미지와 제품 코드를 촬영하고,
    상기 서버로 상기 각각의 포장 육류 이미지와 제품 코드를 전송하고,
    상기 서버는,
    상기 포장 육류 IoT 장치로 상기 각각의 포장 육류에 대한 미리 정의된 보관 명령을 내리고,
    상기 각각의 포장 육류 이미지와 제품 코드를 기초로 각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하고,
    제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하고,
    상기 포장 육류 IoT 관리 장치로 상기 제 1포장 육류의 구매 요청을 전송하고,
    상기 포장 육류 IoT 관리 장치는,
    상기 서버로 상기 제 1포장 육류가 재고로 있음을 전송하고,
    상기 서버는,
    상기 제 1포장 육류의 판매를 확정하고,
    상기 포장 육류 IoT 관리 장치로 상기 제 1포장 육류의 출하를 명령하고,
    각각의 사용자 단말로 상기 각각의 포장 육류에서 상기 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이하며,
    상기 서버가 각각의 포장 육류의 품질을 분류하는 동작은,
    상기 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어지고,
    상기 서버는,
    동일한 원육으로부터 세절된 동일 원육 포장 육류들에 대하여, 상기 원육으로부터 세절된 순서대로 절단 순번을 부여하고,
    분류 대상 포장 육류의 절단 순번 바로 다음의 절단 순번을 가지는 동일 원육 포장 육류를 상기 분류 대상 포장 육류의 비교 대상 포장 육류로 정의하고,
    상기 분류 대상 포장 육류가 포장된 상태에서의 전면 이미지를 참조하고,
    상기 비교 대상 포장 육류가 포장된 상태에서의 전면 이미지를 참조하고,
    상기 분류 대상 포장 육류의 전면 이미지 및 상기 비교 대상 포장 육류의 전면 이미지를 인공지능에 적용하여, 상기 분류 대상 포장 육류의 포장을 개봉하지 않은 상태에서 상기 분류 대상 포장 육류의 전면 이미지만으로 확인할 수 없는 상기 분류 대상 포장 육류의 미리 정의된 두께층별 육질 정보를 추론하고,
    상기 분류 대상 포장 육류의 미리 정의된 두께층별 육질 정보를 기초로 상기 분류 대상 포장 육류의 품질을 분류하는
    이미지 기반 포장 육류 품질 분류 및 판매 시스템
  4. 제 3항에 있어서
    상기 포장 육류 IoT 관리 장치는,
    포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 촬영하고,
    상기 비포장 육류를 포장하고,
    상기 포장된 육류를 보관하고,
    상기 서버는,
    포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 획득하고,
    상기 각각의 비포장 육류 이미지를 기초로, 상기 각각의 포장 육류의 품질을 분류하고,
    상기 각각의 비포장 육류의 품질 분류를 기초로, 상기 각각의 포장 육류의 가격을 상정하고,
    각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하고,
    상기 서버가 상기 각각의 포장 육류의 품질을 분류하는 동작은,
    상기 각각의 비포장 육류의 이미지를 기반으로 이루어지는,
    이미지 기반 포장 육류 품질 분류 및 판매 시스템.

  5. 제 3항에 있어서,
    상기 제 1포장 육류의 출하를 명령받은 상기 포장 육류 IoT 관리 장치가 수행하는 동작은,
    제1 포장 육류의 보관 위치를 기억하고 꺼내는(picking) 단계;
    제1 포장 육류를 출하 지역으로 이송하는 단계;
    제1 포장 육류의 출하 정보 및 배송지를 출력하는 단계;
    제1 포장 육류를 최종 포장하는 단계;
    제1 포장 육류를 배송하는 단계;
    를 포함하는
    이미지 기반 포장 육류 품질 분류 및 판매 시스템.
KR1020200113404A 2020-09-04 2020-09-04 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템 KR102236974B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020200113404A KR102236974B1 (ko) 2020-09-04 2020-09-04 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
US17/922,417 US20230267704A1 (en) 2020-09-04 2021-08-04 Method, device, and system ofquality classifying and selling packed meat based on image
PCT/KR2021/010202 WO2022050584A1 (ko) 2020-09-04 2021-08-04 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
JP2023511838A JP2023538048A (ja) 2020-09-04 2021-08-04 画像基盤のパック詰め肉類の品質分類及販売方法、装置及びシステム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200113404A KR102236974B1 (ko) 2020-09-04 2020-09-04 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템

Publications (1)

Publication Number Publication Date
KR102236974B1 true KR102236974B1 (ko) 2021-04-06

Family

ID=75472738

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200113404A KR102236974B1 (ko) 2020-09-04 2020-09-04 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템

Country Status (4)

Country Link
US (1) US20230267704A1 (ko)
JP (1) JP2023538048A (ko)
KR (1) KR102236974B1 (ko)
WO (1) WO2022050584A1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102330041B1 (ko) 2021-09-10 2021-11-23 주식회사 네모컴퍼니 숙성육 판매 시스템
WO2022050584A1 (ko) * 2020-09-04 2022-03-10 주식회사 어니스트초이스 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
KR102392532B1 (ko) 2021-09-10 2022-04-29 주식회사 어니스트초이스 실물 이미지 기반 인터넷 판매 플랫폼용　신선 식품 생산 방법, 장치 및 시스템
KR102392721B1 (ko) 2021-09-10 2022-04-29 주식회사 어니스트초이스 실물 이미지 기반 육류 제품 정보 제공 및 육류 제품 판매 방법
KR102428731B1 (ko) * 2022-03-22 2022-08-02 이한형 맞춤형 소고기 상품 추천 및 손질 방법 안내 서비스 제공 장치 및 방법
KR102516025B1 (ko) * 2022-08-23 2023-03-30 피플즈리그 주식회사 고기 특성 정보를 획득하는 방법 및 장치
KR102549092B1 (ko) * 2023-02-21 2023-06-29 (주)59컴퍼니 뉴럴 네트워크를 이용하여 육류의 신선도에 따라 육류를 관리하는 방법 및 장치
WO2023145997A1 (ko) * 2022-01-26 2023-08-03 주식회사 티센바이오팜 인공육 주문 방법, 인공육 주문을 위한 유저 인터페이스 제공 방법 및 인공육 주문을 위한 그래픽유저인터페이스
KR102658768B1 (ko) * 2023-12-26 2024-04-18 주식회사 어니스트초이스 이미지 처리 기반 육류 내 특성 분석 및 가격 산출 처리 방법
KR20240052699A (ko) 2022-10-14 2024-04-23 이호진 육류 품질 분석 장치를 포함하는 리얼 커머스 솔루션 시스템 및 동작 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117195081B (zh) * 2023-11-07 2024-02-27 广东工业大学 基于文本挖掘的餐饮外卖包装废弃物核算方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140057228A (ko) * 2014-04-04 2014-05-12 예산벽창우축산주식회사 온라인 지육 판매 절차 및 시스템
KR101594666B1 (ko) 2014-02-14 2016-02-16 경상대학교산학협력단 삼겹살 품질 등급 판별 장치 및 그 등급 판별 방법
KR101882494B1 (ko) 2017-10-14 2018-08-24 최영순 축산물 무인 판매기 시스템
KR101892995B1 (ko) 2018-06-04 2018-08-31 유영구 유통을 위한 육류처리 방법
KR102086976B1 (ko) 2019-12-09 2020-03-09 주식회사 아스트로스 수입 육류 관리 시스템
KR20200084940A (ko) * 2018-12-24 2020-07-14 순천대학교 산학협력단 Cnn 기반 병해 및 손상 과일 분류 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101954398B1 (ko) * 2017-10-30 2019-03-05 김진 축산품 구매 서비스 시스템 및 방법
KR102236974B1 (ko) * 2020-09-04 2021-04-06 주식회사 어니스트초이스 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101594666B1 (ko) 2014-02-14 2016-02-16 경상대학교산학협력단 삼겹살 품질 등급 판별 장치 및 그 등급 판별 방법
KR20140057228A (ko) * 2014-04-04 2014-05-12 예산벽창우축산주식회사 온라인 지육 판매 절차 및 시스템
KR101882494B1 (ko) 2017-10-14 2018-08-24 최영순 축산물 무인 판매기 시스템
KR101892995B1 (ko) 2018-06-04 2018-08-31 유영구 유통을 위한 육류처리 방법
KR20200084940A (ko) * 2018-12-24 2020-07-14 순천대학교 산학협력단 Cnn 기반 병해 및 손상 과일 분류 장치 및 방법
KR102086976B1 (ko) 2019-12-09 2020-03-09 주식회사 아스트로스 수입 육류 관리 시스템

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022050584A1 (ko) * 2020-09-04 2022-03-10 주식회사 어니스트초이스 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
KR102330041B1 (ko) 2021-09-10 2021-11-23 주식회사 네모컴퍼니 숙성육 판매 시스템
KR102392532B1 (ko) 2021-09-10 2022-04-29 주식회사 어니스트초이스 실물 이미지 기반 인터넷 판매 플랫폼용　신선 식품 생산 방법, 장치 및 시스템
KR102392721B1 (ko) 2021-09-10 2022-04-29 주식회사 어니스트초이스 실물 이미지 기반 육류 제품 정보 제공 및 육류 제품 판매 방법
WO2023145997A1 (ko) * 2022-01-26 2023-08-03 주식회사 티센바이오팜 인공육 주문 방법, 인공육 주문을 위한 유저 인터페이스 제공 방법 및 인공육 주문을 위한 그래픽유저인터페이스
KR102428731B1 (ko) * 2022-03-22 2022-08-02 이한형 맞춤형 소고기 상품 추천 및 손질 방법 안내 서비스 제공 장치 및 방법
KR102516025B1 (ko) * 2022-08-23 2023-03-30 피플즈리그 주식회사 고기 특성 정보를 획득하는 방법 및 장치
KR20240052699A (ko) 2022-10-14 2024-04-23 이호진 육류 품질 분석 장치를 포함하는 리얼 커머스 솔루션 시스템 및 동작 방법
KR102549092B1 (ko) * 2023-02-21 2023-06-29 (주)59컴퍼니 뉴럴 네트워크를 이용하여 육류의 신선도에 따라 육류를 관리하는 방법 및 장치
KR102658768B1 (ko) * 2023-12-26 2024-04-18 주식회사 어니스트초이스 이미지 처리 기반 육류 내 특성 분석 및 가격 산출 처리 방법

Also Published As

Publication number Publication date
US20230267704A1 (en) 2023-08-24
JP2023538048A (ja) 2023-09-06
WO2022050584A1 (ko) 2022-03-10

Similar Documents

Publication Publication Date Title
KR102236974B1 (ko) 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
US11823042B2 (en) System for measuring food weight
FR3004569A1 (ko)
CN108665134A (zh) 用于监控食品制备的装置和方法
Martinez et al. Pork quality and the role of market organization
WO2013134325A1 (en) Transformation system for optimization of nutritional substances at consumption
US11313820B2 (en) Methods and systems for determining an internal property of a food product
JP6509028B2 (ja) 商品推薦装置、商品推薦方法及びプログラム
de‐Magistris et al. Do virtual reality experiments replicate projection bias phenomena? Examining the external validity of a virtual supermarket
Chaudry et al. Halal industrial production standards
JP2021136026A (ja) 生鮮食品現状情報記録更新装置、生鮮食品現状情報記録更新システム、生鮮食品現状情報記録更新方法、及び生鮮食品現状情報記録更新プログラム
JP2022021261A (ja) 魚の品質判別プログラム及びシステム
KR102317761B1 (ko) 맞춤형 육류 세트 주문 서비스 및 이를 위한 유저 인터페이스 제공 방법, 장치 및 시스템
JP2021060640A (ja) 栄養計算装置
US20220020471A1 (en) Secure, automated, system and computer implemented process for monitoring care provided to a consumer according to a pharmacological or nutritional regimen of the consumer
CN114519512A (zh) 数据处理方法、装置、可读存储介质及电子设备
EP4182934A1 (en) A secure, automated, system and computer implemented process for monitoring care provided to a consumer according to a pharmacological or nutritional regimen of the consumer
JP2017224142A (ja) 取引支援方法、取引支援装置および取引システム
KR20200113780A (ko) 증강현실을 이용한 생산자의 시나리오 동영상 상품정보 등록방법
JP2022021262A (ja) 魚の品質判別プログラム及びシステム
WO2022004128A1 (ja) 情報処理装置、情報処理方法、情報処理プログラム
KR20140058189A (ko) 레시피를 이용한 홈네트워크 기반 식자재 관리시스템 및 방법
JP6995419B1 (ja) 牛のオークションシステムおよび牛のオークションシステムの入札・落札処理方法
KR102601210B1 (ko) 포장육 제조 및 관리 방법 및 시스템
WO2022107094A1 (en) Kitchen quality control system

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant