KR102307478B1 - A Computer Vision for the Prediction System of Livestock Diseases and Their Methods - Google Patents
A Computer Vision for the Prediction System of Livestock Diseases and Their Methods Download PDFInfo
- Publication number
- KR102307478B1 KR102307478B1 KR1020190023654A KR20190023654A KR102307478B1 KR 102307478 B1 KR102307478 B1 KR 102307478B1 KR 1020190023654 A KR1020190023654 A KR 1020190023654A KR 20190023654 A KR20190023654 A KR 20190023654A KR 102307478 B1 KR102307478 B1 KR 102307478B1
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- information
- determination
- determination information
- diseased
- Prior art date
Links
- 244000144972 livestock Species 0.000 title claims abstract description 163
- 201000010099 disease Diseases 0.000 title claims abstract description 44
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013473 artificial intelligence Methods 0.000 claims description 13
- 230000036760 body temperature Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 8
- 241000287828 Gallus gallus Species 0.000 description 22
- 235000013330 chicken meat Nutrition 0.000 description 21
- 210000003323 beak Anatomy 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 238000001931 thermography Methods 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 241000282887 Suidae Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 244000144992 flock Species 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000012173 estrus Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K1/00—Housing animals; Equipment therefor
- A01K1/02—Pigsties; Dog-kennels; Rabbit-hutches or the like
- A01K1/03—Housing for domestic or laboratory animals
- A01K1/031—Cages for laboratory animals; Cages for measuring metabolism of animals
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Zoology (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Behavior & Ethology (AREA)
- Clinical Laboratory Science (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Biophysics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 발명은 가축 질병 예측 시스템 및 그 방법에 관한 것이다. 구체적으로 본 발명은 사육장 일측에 장착되어 가축들을 촬영하는 촬영장치를 포함하는 입력장치와, 상기 촬영장치에서 촬영된 영상에서 상기 가축들의 판단정보(D)를 추출하여 분석하고, 상기 판단정보로 상기 가축들의 질병 여부를 판단하는 분석장치를 포함하는 컴퓨터 비전을 이용한 가축 질병 예측 시스템 및 그 방법을 개시한다. 따라서 본 발명은 촬영장치에서 촬영된 영상을 컴퓨터 비전을 이용해 분석하여 가축들 질병 여부를 미리 판단할 수 있고, 다양한 종류의 가축의 질병을 예측하고, 질병 확산을 예방할 수 있는 효과를 얻을 수 있다.The present invention relates to a livestock disease prediction system and method therefor. Specifically, the present invention provides an input device including a photographing device mounted on one side of a kennel and photographing livestock, and extracting and analyzing the determination information (D) of the livestock from the image photographed by the photographing apparatus, and using the determination information as the determination information Disclosed are a livestock disease prediction system and method using computer vision including an analysis device for determining whether livestock is diseased. Therefore, according to the present invention, it is possible to determine in advance whether livestock is diseased by analyzing an image captured by a photographing device using computer vision, to predict various kinds of diseases of livestock, and to prevent disease spread.
Description
본 발명은 가축 질병 예측 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 가축들을 사육할 때 촬영장비로 가축들을 촬영한 영상을 분석하고 가축들의 질병을 예측하여 질병 확산을 방지하는 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for predicting livestock disease, and more particularly, to a system and method for preventing disease spread by analyzing images captured by photographing equipment and predicting diseases of livestock when breeding livestock will be.
농가에서 닭, 소, 돼지 등과 같은 가축 관리는 관리자가 직접 관리 하거나 촬영이나 감시를 위한 cctv(closed circuit television)나 IP카메라(IP camera) 등이 설치되어 있다. 하지만 사람이 축사 내에 하루 종일 있지 못하여 직접 관리는 한계가 있으며 이를 도와주기 위한 촬영장비가 있으나 많은 수의 가축들을 일일이 체크하기 힘든 여건이다.In farms, livestock management such as chickens, cattle, and pigs is directly managed by the manager or cctv (closed circuit television) or IP camera is installed for filming or monitoring. However, there is a limit to direct management because people cannot stay in the barn all day, and there are filming equipment to help with this, but it is difficult to check a large number of livestock one by one.
한편, 가축의 질병 여부를 확인하고, 질병이 확인된 가축에 대한 영상을 제공하는 장치가 한국등록특허공보 제10-1676643호 "가축 관리 시스템 및 그 방법"에 개시된다.On the other hand, a device for checking whether a livestock is diseased and providing an image of the diseased livestock is disclosed in Korean Patent Publication No. 10-1676643 "Livestock management system and method".
"가축 관리 시스템 및 그 방법"에서는 가축들 각각에 장착 또는 삽입된 송신 모듈들로부터 식별 아이디가 포함된 신호를 수신하는 수신 장치 및 그 신호를 이용하여 가축들을 분석하여 발정 또는 질병 여부를 알리는 제어 장치를 포함하는 가축 관리 시스템을 개시한다. 이 가축 관리 시스템을 통해 감시 대상 구역 내에 분포되어 있는 가축들의 군집 행동 여부, 상태 여부 등을 파악함으로써, 가축의 질병 또는 발정 발생 여부를 관리자에게 빠르고 정확하게 알릴 수 있다. 또한, 해당 가축의 활동 시점의 영상을 추출하여 관리자에게 함께 제공함으로써, 관리자가 가축의 이상 움직임을 쉽게 확인할 수 있는 효과가 있다.In "livestock management system and method", a receiving device that receives a signal including an identification ID from transmission modules mounted or inserted in each livestock, and a control device that analyzes livestock using the signal and notifies whether it is in heat or disease Disclosed is a livestock management system comprising a. Through this livestock management system, it is possible to quickly and accurately notify the manager of the occurrence of disease or estrus in the livestock by identifying whether or not the livestock is swarming in the area to be monitored. In addition, by extracting the image at the time of the livestock's activity point and providing it together to the manager, there is an effect that the manager can easily check the abnormal movement of the livestock.
하지만 "가축 관리 시스템 및 그 방법"은 가축들 각각에 송신 모듈을 장착 또는 삽입해야 하는 번거로움과 추가 비용이 발생하며, 닭이나 오리 등과 같이 크기가 작고 대량으로 키우는 가축들에게 송신 모듈을 장착 또는 삽입하는 것은 소나 돼지 등과 같은 크기가 큰 가축들 보다 더욱 어렵고 더 많은 인력과 시간이 필요하다. 이러한 한계로 다양한 가축 환경에 적용되기 어려운 문제점이 있다.However, the "livestock management system and method" incurs the inconvenience and additional cost of installing or inserting the transmission module to each livestock, Insertion is more difficult and requires more manpower and time than large animals such as cattle and pigs. Due to these limitations, there is a problem in that it is difficult to apply to various livestock environments.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 가축들을 촬영한 영상을 컴퓨터 비전을 활용하여 분석하고 분석된 데이터를 축적하여 인공지능 기반의 딥러닝 알고리즘을 이용해 학습된 빅데이터를 통해 질병을 예측하는데 있다. 보다 상세하게는 가축 농가에 설치된 cctv나 IP카메라 또는 열화상 카메라 같은 촬영장비로 가축들을 촬영한 영상을 컴퓨터 비전을 이용하여 가축들의 행동 및 이동, 외형, 색깔, 체온 등의 데이터를 저장하고 분석하여 인공지능 기반의 딥러닝 알고리즘을 이용해 학습된 빅데이터를 통해 가축들의 질병을 예측하는 시스템 및 방법을 제공하는데 목적이 있다.The present invention has been devised to solve the above problems, and it analyzes images taken of livestock using computer vision, accumulates the analyzed data, and uses big data learned using an artificial intelligence-based deep learning algorithm to get sick. is to predict In more detail, it stores and analyzes livestock's behavior and movement, appearance, color, body temperature, etc., using computer vision, by using computer vision to record images of livestock with CCTV, IP cameras, or thermal imaging equipment installed in livestock farms. The purpose of this study is to provide a system and method for predicting diseases of livestock through big data learned using artificial intelligence-based deep learning algorithms.
상기와 같은 목적을 달성하기 위하여 본 발명은 사육장 일측에 장착되어 가축들을 촬영하는 촬영장치(110)를 포함하는 입력장치(100)와, 상기 촬영장치(110)에서 촬영된 영상에서 상기 가축들의 판단정보(D)를 추출하여 분석하고, 상기 판단정보(D)로 상기 가축들의 질병 여부를 판단하는 분석장치(200)를 포함하는 컴퓨터 비전을 이용한 가축 질병 예측 시스템(1000)을 제공한다.In order to achieve the above object, the present invention provides an
또한, 상기 입력장치(100)는 상기 사육장 일측에 장착되어 상기 가축들의 체온을 측정하는 온도측정장치(120)를 더 포함하고, 상기 분석장치(200)는 상기 온도측정장치(120)에서 측정된 온도에서 상기 가축들의 판단정보(D)를 더 추출하는 것을 특징으로 한다.In addition, the
또한, 본 발명의 상기 판단정보(D)는 상기 가축들의 이동속도, 외형, 색깔, 행동, 위치, 온도 중 적어도 하나를 포함하는 정보인 것을 특징으로 한다.In addition, the determination information (D) of the present invention is characterized in that the information including at least one of the moving speed, appearance, color, behavior, location, and temperature of the livestock.
또한, 본 발명의 상기 분석장치(200)는 상기 판단정보(D)를 추출하여 분석하는 정보분석부(210)와, 상기 정보분석부에서 상기 판단정보(D)를 분석한 정보와 상기 판단정보(D)와 대응되는 판단조건(S)을 비교하여 상기 가축들의 질병 여부를 판단하는 판단부(220)를 포함하는 것을 특징으로 한다.In addition, the
또한, 본 발명의 상기 판단정보(D) 중 상기 가축들의 이동속도는 상기 가축들 각각이 이동하는 속도, 상기 가축들 각각의 신체 일부의 이동속도, 상기 가축들의 군집의 이동속도 중 적어도 하나를 포함하는 것을 특징으로 한다.In addition, the moving speed of the livestock in the determination information (D) of the present invention includes at least one of a moving speed of each of the livestock, a moving speed of a body part of each of the livestock, and a moving speed of a group of livestock characterized in that
또한, 본 발명의 상기 판단부(220)에서 상기 가축들 중 질병에 걸린 가축이 있다고 판단된 경우 사용자에게 이미지, 텍스트, 음성 중 적어도 하나의 방법으로, 상기 판단부(220)에서 질병에 걸렸다고 판단된 정보, 질병에 걸린 가축, 질병에 걸린 가축의 위치 중 적어도 하나의 정보를 출력해주는 출력장치(300)를 더 포함하는 것을 특징으로 한다.In addition, when the
또한, 본 발명의 상기 분석장치(200)는 인공지능 기반의 딥러닝 알고리즘을 이용하여 상기 판단정보(D)를 저장하고 학습하여 상기 판단정보(D)와 대응되는 제3판단조건을 계산하는 저장부(230)를 더 포함하는 것을 특징으로 한다.In addition, the
한편, 본 발명의 컴퓨터 비전을 이용한 가축 질병 예측 방법에 있어서, 사육장에서 가축들을 촬영하고, 상기 가축들의 체온을 측정하는 입력단계(S100)와, 상기 입력단계(S100)에서 얻은 상기 가축들의 판단정보(D)를 추출하여 분석하는 정보분석단계(S200)와, 상기 판단정보(D)와 상기 판단정보(D)와 대응되는 판단조건(S)을 각각 비교하여 상기 가축들의 질병 여부를 판단하는 판단단계(S300) 및, 상기 판단단계(S300)에서 상기 가축들 중 질병에 걸린 가축이 있다고 판단된 경우 사용자에게 이미지, 텍스트, 음성 중 적어도 하나의 방법으로, 상기 판단단계(S300)에서 질병에 걸렸다고 판단된 정보, 질병에 걸린 가축, 질병에 걸린 가축의 위치 중 적어도 하나의 정보를 출력해주는 출력단계(S400)를 포함하는 컴퓨터 비전을 이용한 가축 질병 예측 방법(1000)을 제공한다.On the other hand, in the method for predicting livestock disease using computer vision of the present invention, the input step (S100) of photographing livestock in the kennel and measuring the body temperature of the livestock, and the determination information of the livestock obtained in the input step (S100) The information analysis step (S200) of extracting and analyzing (D), and the determination of determining whether the livestock is diseased by comparing the determination information (D) and the determination condition (S) corresponding to the determination information (D) When it is determined that there is a diseased livestock among the livestock in the step S300 and the determination step S300, the user has a disease in the determination step S300 by at least one of image, text, and voice. It provides a
또한, 본 발명의 상기 판단정보(D)는 가축들의 이동속도, 외형, 색깔, 행동, 위치, 체온 중 적어도 하나를 포함하는 정보인 것을 특징으로 한다.In addition, the determination information (D) of the present invention is characterized in that the information including at least one of the movement speed, appearance, color, behavior, location, and body temperature of the livestock.
또한, 본 발명의 상기 판단정보(D) 중 상기 가축들의 이동속도는 상기 가축들 각각이 이동하는 속도, 상기 가축들 각각의 신체 일부의 이동속도, 상기 가축들의 군집의 이동속도 중 적어도 하나를 포함하는 것을 특징으로 한다.In addition, the moving speed of the livestock in the determination information (D) of the present invention includes at least one of a moving speed of each of the livestock, a moving speed of a body part of each of the livestock, and a moving speed of a group of livestock characterized in that
또한, 본 발명의 정보분석단계(S200) 이 후에, 인공지능 기반의 딥러닝 알고리즘을 이용하여 판단정보(D)를 저장하고 학습하여 제3판단조건를 계산하는 저장 및 학습단계(S210)를 더 포함하는 것을 특징으로 한다.In addition, after the information analysis step (S200) of the present invention, the storing and learning step (S210) of storing and learning the determination information (D) using an artificial intelligence-based deep learning algorithm to calculate the third determination condition is further included. characterized in that
상기와 같은 구성에 따른 본 발명은, 가축 농가에 기 설치된 cctv나 IP카메라 또는 열화상 카메라 같은 입력장치를 활용함으로써 가축들의 질병을 예측하는 시스템을 저비용으로 구성할 수 있는 효과를 얻을 수 있다.According to the present invention according to the above configuration, it is possible to obtain an effect that a system for predicting diseases of livestock can be configured at a low cost by using an input device such as a cctv, IP camera, or thermal imaging camera already installed in livestock farms.
또한, 본 발명의 분석장치는 컴퓨터 비전을 이용해서 판단정보를 추출하고 분석하여, 가축들 질병 여부를 미리 판단할 수 있고, 다양한 종류의 가축의 질병을 예측할 수 있는 효과를 얻을 수 있다.In addition, the analysis apparatus of the present invention extracts and analyzes judgment information using computer vision, so that it is possible to determine in advance whether livestock is diseased, and it is possible to obtain the effect of predicting diseases of various kinds of livestock.
또한, 본 발명은 빅데이터를 활용하여 가축들의 질병을 보다 더 잘 예측하여 질병의 확산을 방지할 수 있고, 질병의 변화에도 대응할 수 있다.In addition, the present invention can prevent the spread of diseases by better predicting diseases of livestock by using big data, and can also respond to changes in diseases.
또한, 본 발명은 출력장치를 포함하여 질병에 걸린 것을 사용자에게 시각정보나 청각정보로 알려 줄 수 있는 효과를 얻을 수 있다.In addition, the present invention can obtain the effect of notifying the user of the disease through visual information or auditory information, including the output device.
도 1은 본 발명에 따른 컴퓨터 비전을 이용한 가축 질병 예측 시스템을 나타내는 도면이다.
도 2는 본 발명에 따른 컴퓨터 비전을 이용한 가축 질병 예측 시스템의 장치를 나타내는 블록도이다.
도 3은 본 발명의 제1판단조건에 대한 정보분석부와 판단부의 한 실시 예에 따른 동작 그래프이다.
도 4는 본 발명의 제2판단조건에 대한 정보분석부와 판단부의 다른 실시 예에 따른 동작 그래프이다.
도 5는 본 발명의 한 실시 예에 따른 컴퓨터 비전을 이용한 가축 질병 예측 방법의 흐름도이다.
도 6은 본 발명의 또 다른 실시 예에 따른 컴퓨터 비전을 이용한 가축 질병 예측 방법의 흐름도이다.1 is a view showing a livestock disease prediction system using computer vision according to the present invention.
2 is a block diagram showing an apparatus of a livestock disease prediction system using computer vision according to the present invention.
3 is an operation graph according to an embodiment of the information analysis unit and the determination unit for the first determination condition of the present invention.
4 is an operation graph according to another embodiment of the information analysis unit and the determination unit for the second determination condition of the present invention.
5 is a flowchart of a method for predicting livestock disease using computer vision according to an embodiment of the present invention.
6 is a flowchart of a method for predicting livestock disease using computer vision according to another embodiment of the present invention.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명을 하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the present invention may have various changes and may have various embodiments, specific embodiments will be illustrated in the drawings and detailed description will be given. However, this is not intended to limit the present invention to a specific embodiment, it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention.
이하, 본 발명의 기술적 사상을 첨부된 도면을 사용하여 더욱 구체적으로 설명한다.Hereinafter, the technical idea of the present invention will be described in more detail with reference to the accompanying drawings.
첨부된 도면은 본 발명의 기술적 사상을 더욱 구체적으로 설명하기 위하여 도시한 일예에 불과하므로 본 발명의 기술적 사상이 첨부된 도면의 형태에 한정되는 것은 아니다.Since the accompanying drawings are merely examples shown to explain the technical idea of the present invention in more detail, the technical idea of the present invention is not limited to the form of the accompanying drawings.
도 1에 도시 된 바와 같이, 본 발명에 따른 컴퓨터 비전을 이용한 가축 질병 예측 시스템(1000)은 입력장치(100)와, 분석장치(200)와, 출력장치(300)를 포함할 수 있다. 이때 입력장치(100)는 사육장 일측에 장착되어 가축들을 촬영하거나 온도를 측정한다. 또한 입력장치(100)는 복수 개 일 수 있다. 한편 분석장치(200)는 입력장치(100)에서 얻은 영상에서 가축들의 판단정보(D)를 추출하여 분석하고, 판단정보로 가축들의 질병 여부를 판단한다.1 , the livestock
도 1 내지 도2에 도시된 바와 같이, 본 발명은 가축 농가에 설치된 입력장치(100), 예를 들어, cctv 같은 촬영장치(110)로 가축들을 촬영한 영상을 컴퓨터 비전을 이용하여 가축들의 행동 및 외형, 색깔 등을 파악해서 가축들의 질병을 예측하는 시스템(1000)을 제공한다. 여기서 입력장치(100)는 cctv, IP카메라, 적외선 카메라 같은 가축들을 촬영하는 촬영장치(110)일 수도 있고, 디지털 온습도계, 열화상카메라 같은 가축 농가의 온습도나 가축들의 체온을 측정할 수 있는 온도측정장치(120)일 수도 있고, 가축 농가에서 나는 소리를 감지하는 음성인식장치(130)일 수도 있다.As shown in Figures 1 to 2, the present invention is an
또한 도 2에 도시된 바와 같이, 분석장치(200)는 정보분석부(210), 판단부(220)를 포함할 수 있다. 더 구체적으로 정보분석부(210)는 촬영장치(110)에서 촬영된 영상이나 온도측정장치(120)에서 측정된 온도나 음성인식장치(130)에서 측정된 음성에서 가축들의 판단정보(D)를 추출하여 분석한다. 또한, 판단부(220)에서는 정보분석부에서 판단정보(D)를 분석한 정보와 판단정보(D)와 대응되는 판단조건(S)을 각각 비교하여 가축들의 질병 여부를 판단한다.Also, as shown in FIG. 2 , the
또한, 출력장치(300)는 판단부(220)에서 상기 가축들 중 질병에 걸린 가축이 있다고 판단된 경우 사용자에게 이미지, 텍스트, 음성 중 적어도 하나의 방법으로, 판단부(220)에서 질병에 걸렸다고 판단된 정보, 질병에 걸린 가축, 질병에 걸린 가축의 위치 중 적어도 하나의 정보를 출력해준다.In addition, when the
이하, 본 발명의 정보분석부(210), 판단부(220), 출력장치(300)를 자세히 설명하기로 한다.Hereinafter, the
먼저, 도 2와 같이 분석장치(200)에 가축들을 촬영한 영상을 출력해주는 디스플레이(201)가 포함될 수 있다. 이 디스플레이(201)를 통해 촬영장치(100)에서 촬영한 영상을 사용자가 바로 볼 수 있어서, 가축들의 이동속도, 외형, 색깔, 행동, 위치, 그리고 디스플레이에 표시된 가축들의 체온 중 적어도 하나를 포함하는 정보를 사용자가 보고 가축들의 질병 여부를 알 수 있다.First, as shown in FIG. 2 , a
한편, 정보분석부는(210)에서 추출한 가축들의 판단정보(D)는 가축들의 이동속도, 외형, 색깔, 행동, 위치, 온도 중 적어도 하나를 포함하는 정보일 수 있다. 이러한 판단정보(D)는 컴퓨터 비전을 통해 각각의 정보를 추출 및 분석하여 수치화 할 수 있다.Meanwhile, the determination information D of the livestock extracted by the
닭을 예를 들어 설명하면, 판단정보(D) 중 외형은 닭의 부리모양, 벼슬모양, 발모양 등 일 수 있다. 정보분석부는(210)에서 컴퓨터 비전을 통해 닭의 부리모양, 벼슬모양, 발모양 등 외형을 추출할 수 있다.If a chicken is described as an example, the appearance of the determination information D may be a chicken's beak shape, a post shape, a foot shape, and the like. The
또한, 판단정보(D) 중 색깔은 닭의 부리 색, 벼슬 색 등 일 수 있다. 정보분석부는(210)에서 컴퓨터 비전을 통해 닭의 부리 색, 벼슬 색 등 색깔을 RGB코드 등으로 수치화할 수 있다. 또한, 판단정보(D) 중 행동은 닭의 눈커풀 깜빡거림 등 일 수 있다. 또한, 판단정보(D) 중 위치는 닭을 촬영하고 있는 촬영장치가 있는 사육장의 위치, 그 사육장에서의 닭의 위치 등 일 수 있다.In addition, the color of the determination information (D) may be a color of a chicken's beak, a color of a position, and the like. The
또한, 판단정보(D) 중 가축들의 이동속도는 가축들 각각이 이동하는 속도, 가축들 각각의 신체 일부의 이동속도, 가축들의 군집의 이동속도를 중 적어도 하나를 포함할 수 있다.In addition, the moving speed of the livestock in the determination information D may include at least one of a moving speed of each of the livestock, a moving speed of a body part of each of the livestock, and a moving speed of a group of livestock.
이때, 가축들의 이동속도는 컴퓨터 비전을 통해 계산할 수 있다. 또한, 가축들 각각의 신체 일부의 이동속도를 구하기 위해, 정보분석부(210)는 컴퓨터 비전을 통해 가축 신체 일부를 추출하여, 그 추출된 가축 신체 일부의 이동속도를 계산할 수 있다. 닭을 예를 들어 설명하면, 닭의 머리의 이동속도를 구하기 위해, 컴퓨터 비전을 통해 추출이 잘 되는 닭의 부리를 추출하여, 부리가 움직이는 속도로 닭의 머리의 이동속도를 계산할 수 있다.At this time, the moving speed of the livestock can be calculated through computer vision. In addition, in order to obtain the moving speed of the body part of each of the livestock, the
또한, 가축들의 군집의 이동속도를 구하기 위해, 정보분석부(210)는 컴퓨터 비전을 통해 가축들의 군집들을 정의할 수 있다. 가축들의 군집을 정의하는 방법은 설정된 영역 안에 적어도 두 마리의 가축이 있으면 군집이라고 정의할 수 있다. 또는 하나의 객체를 중심으로 설정된 거리 내에 다른 가축이 있으면 군집이라고 정의할 수 있다. 또는 사용자가 가축들을 촬영한 영상을 보고 군집이라 정의한 것을 정보분석부(210)가 학습하여 군집이라고 정의할 수 있다.In addition, in order to obtain the movement speed of the flock of livestock, the
그리고 군집의 이동속도 계산하는 방법은 군집의 실제 이동속도로 계산할 수 있다. 또는 군집 내 객체들의 이동속도의 평균으로 군집 이동속도를 계산할 수 있다.And the method of calculating the movement speed of the group can be calculated by calculating the actual movement speed of the group. Alternatively, the cluster movement speed may be calculated as an average of the movement speeds of objects in the cluster.
또한, 판단정보(D) 중 가축들의 온도는 가축 농가의 온습도나 가축들의 신체 온도 중 적어도 하나를 포함할 수 있다.In addition, the temperature of the livestock in the determination information (D) may include at least one of the temperature and humidity of the livestock farm or the body temperature of the livestock.
그 다음, 판단부(220)에서 위에서 언급한 판단정보(D)와 대응되는 각각의 판단조건(S, S')을 사용자로 부터 설정될 수도 있고, 판단정보(D)로 계산되어 설정될 수 있다.Then, the
우선, 사용자로부터 설정된 제1판단조건(S)부터 설명하기로 한다. 닭을 예를 들어 설명하면, 판단정보(D)와 대응되는 각각의 제1판단조건(S)는 닭의 부리모양, 벼슬모양, 발모양 각각에 대해 사용자가 설정한 정상 규격일 수 있다. 또한, 닭의 부리 색, 벼슬 색 각각에 대해 사용자가 설정한 정상 규격일 수 있다. 또한, 닭의 눈커풀 깜빡거림 각각에 대해 사용자가 설정한 정상 규격일 수 있다. 또한, 닭의 이동하는 속도, 닭 신체 일부의 이동속도, 닭 군집의 이동속도 각각에 대해 사용자가 설정한 정상 규격일 수 있다. 또한, 가축 농가의 온습도, 닭 신체 온도 각각에 대해 사용자가 설정한 정상 규격일 수 있다.First, the first judgment condition (S) set by the user will be described. If a chicken is described as an example, each first determination condition S corresponding to the determination information D may be a normal standard set by a user for each of the chicken's beak shape, post shape, and foot shape. In addition, it may be a normal standard set by the user for each of the color of the chicken's beak and the color of the crest. In addition, it may be a normal standard set by the user for each blink of the chicken's eyelids. Also, the moving speed of the chicken, the moving speed of a part of the chicken body, and the moving speed of the chicken swarm may be normal standards set by the user. In addition, it may be a normal standard set by the user for each of the temperature and humidity of the livestock farm and the body temperature of the chicken.
따라서 판단부(220)에서는 정보분석부(210)에서 판단정보(D)를 분석한 정보와 판단정보(D)와 대응되는 제1판단조건(S)을 각각 비교하여 가축들의 질병 여부를 판단한다.Accordingly, the
위에서 설명한 제1판단조건(S)은 사용자가 설정한 조건이다. 도 3을 참조하면, 도 3의 가로 x축은 판단정보(D) 축, 세로 y축은 판단정보(D)의 개수 즉, 판단정보(D)가 추출된 가축 또는 군집의 개수 이다. 그러면 일반적으로 판단정보(D)는 도 3과 같이 정규분포로 나타내어진다. 한편, 도 3의 S는 사용자가 설정한 제1판단조건(S)이다. 따라서 도 3의 세로선으로 그어진 영역은, 판단부(220)에서 사용자가 설정한 제1판단조건(S)과 비교하여 만족하지 못하는 부분 즉, 그 객체 또는 그 군집이 질병에 걸렸다고 판단된 영역이다.The first determination condition (S) described above is a condition set by the user. Referring to FIG. 3 , the horizontal x-axis of FIG. 3 is the determination information (D) axis, and the vertical y-axis is the number of determination information (D), that is, the number of livestock or groups from which the determination information (D) is extracted. Then, the determination information D is generally expressed as a normal distribution as shown in FIG. 3 . On the other hand, S of FIG. 3 is the first judgment condition (S) set by the user. Therefore, the area drawn by the vertical line in FIG. 3 is the area that the
한편, 아래에서 설명할 제2판단조건(S')은 주변의 판단정보(D)로 계산된 상대적인 조건일 수 있다. 도 4를 참조하면, 도 4의 가로 x축은 판단정보(D) 축, 세로 y축은 판단정보(D)의 개수 즉, 판단정보(D)가 추출된 객체 또는 군집의 개수 이다. 도 4에서도 마찬가지로 판단정보(D)는 정규분포로 나타내어진다. 한편, 도 4의 S'는 주변의 판단정보(D)로 계산된 상대적인 조건이다. 예를 들어, 제2판단조건(S')는 판단정보(D)들의 평균(m)을 계산한 값에 사용자가 설정한 상한규격(upper spec.), 하한규격(lower spec.)을 더하여 계산할 수 있다. 따라서 도 4의 세로선으로 그어진 영역은, 판단부(220)에서 제2판단조건(S')과 비교하여 만족하지 못하는 부분 즉, 그 객체 또는 그 군집이 질병에 걸렸다고 판단된 영역이다. 이때, 평균(m) 대신 중앙값, 최빈값, 대푯값 같은 통계 값 일 수 있다. 또한, 상한규격(upper spec.), 하한규격(lower spec.)은 사용자가 설정한 값이 아니라 판단정보(D)에서 얻은 표준편차나 분산 같은 통계 값일 수 있다.On the other hand, the second determination condition (S') to be described below may be a relative condition calculated with the surrounding determination information (D). Referring to FIG. 4 , the horizontal x-axis of FIG. 4 is the determination information (D) axis, and the vertical y-axis is the number of determination information (D), that is, the number of objects or clusters from which the determination information (D) is extracted. Similarly in FIG. 4 , the determination information D is represented by a normal distribution. On the other hand, S' in FIG. 4 is a relative condition calculated with the surrounding determination information D. For example, the second judgment condition (S') is calculated by adding the upper spec. and lower spec. set by the user to the calculated value of the average m of the judgment information D. can Accordingly, the area drawn by the vertical line in FIG. 4 is the area that the
판단부(220)는 위에서 설명한 사용자가 설정한 제1판단조건(S)과 상대적인 제2판단조건(S') 외에도 판단정보(D)와 가축들의 실제 질병에 걸린 정보를 인공지능의 학습에 의해서 제3판단조건을 설정할 수 있다. 판단부(220)에서 판단정보(D)로 계산된 제2판단조건(S')은 연산량이 적어 판단부(220)에서도 계산할 수 있지만, 인공지능의 학습에 의해서 계산된 제3판단조건은 판단정보(D)를 저장하여 학습하고 계산해야 될 연산량이 많아지게 된다. 따라서 분석장치(200)는 저장부(230)를 더 포함할 수 있다. 저장부(230)에서는 인공지능 기반의 딥러닝 알고리즘을 이용하여 판단정보(D)를 저장하고 학습하여 제3판단조건를 계산한다. 제3판단조건은 위이 제2판단조건(S') 기반에 의해 계산되지만 인공지능 기반의 딥러닝 알고리즘을 이용하여 가축들의 질병 여부를 더 잘 판단할 수 있다. 또한, 저장부(230)에서 인공지능 기반의 딥러닝 알고리즘을 이용하여 최근 소정 기간의 가축들의 판단정보(D)와 이전 소정의 기간 동안의 가축들의 판단정보(D)와 비교하여 질병의 변화에 대응할 수 있다.In addition to the first determination condition (S) and the relative second determination condition (S') set by the user described above, the
또한, 분석장치(200)는 서버부(231)를 더 포함할 수 있다. 저장부(230)에서 수행하는 작업을 인터넷을 통하여 클라우드(cloud)와 같은 서버부(231)에서도 수행할 수 있다.In addition, the
그 다음 출력장치(300)는 판단부(220)에서 상기 가축들 중 질병에 걸린 가축이 있다고 판단된 경우, 디스플레이(301)나 통신모듈(302)에 이미지, 텍스트, 음성 중 적어도 하나의 방법으로 사용자에게 판단부(220)에서 질병에 걸렸다고 판단된 정보, 질병에 걸린 가축, 질병에 걸린 가축의 위치 중 적어도 하나의 정보를 출력해 줄 수 있다. 이때, 디스플레이(301)나 통신모듈(302)은 사육장을 관리하는 곳에 있을 수도 있고, 사용자가 들고 다니는 휴대용 기기일 수도 있다. 또한, 사용자는 사육장 관리자나 수의사 또는 사육장 해당 관공서 담당자일 수도 있다.Then, when the
따라서 본 발명은 가축이 질병에 걸린 것을 사육장 관리자나 수의사 뿐 아니라 해당 관공서 담당자에게 보다 빨리 알려줄 수 있어서, 빨리 알려준 시간만큼 피해를 줄일 수 있는 효과도 있다.Therefore, according to the present invention, it is possible to more quickly inform not only the breeder manager or veterinarian that the livestock is ill, but also the person in charge of the relevant government office, thereby reducing damage as much as the time notified quickly.
다음, 도 5를 통해 본 발명에 따른 컴퓨터 비전을 이용한 가축 질병 예측 방법(1000)을 설명하기로 한다. 도 5는 도 1 내지 도 2의 컴퓨터 비전을 이용한 가축 질병 예측 방법(1000)을 나타낸 흐름도이다.Next, a
도 5에 도시된 바와 같이, 컴퓨터 비전을 이용한 가축 질병 예측 방법(1000)은 먼저, 입력단계(S100)에서 사육장에서 가축들을 촬영하고, 가축들의 체온을 측정하는 단계를 수행한다. 그 다음, 정보분석단계(S200)에서 입력단계(S100)에서 얻은 정보에서 상기 가축들의 판단정보(D)를 추출하여 분석한다.As shown in FIG. 5 , in the
이때, 판단정보(D)는 가축들의 이동속도, 외형, 색깔, 행동, 위치, 체온 중 적어도 하나를 포함하는 정보일 수 있다. 또한, 판단정보(D) 중 가축들의 이동속도는 상기 가축들 각각이 이동하는 속도, 상기 가축들 각각의 신체 일부의 이동속도, 상기 가축들의 군집의 이동속도 중 적어도 하나를 포함할 수도 있다.In this case, the determination information D may be information including at least one of the moving speed, appearance, color, behavior, location, and body temperature of the livestock. In addition, the moving speed of the livestock in the determination information (D) may include at least one of a moving speed of each of the livestock, a moving speed of a body part of each of the livestock, and a moving speed of a group of livestock.
그 다음, 판단단계(S300)에서는 판단정보(D)와 그 판단정보(D)와 대응되는 판단조건(S)을 각각 비교하여 가축들의 질병 여부를 판단한다. 여기서, 판단정보(D)와 대응되는 판단조건(S, S')에 대한 설명과, 가축들의 질병 여부를 판단하는 설명은 위의 컴퓨터 비전을 이용한 가축 질병 예측 시스템(1000)에서 자세히 설명을 하여 생략하기로 한다.Next, in the determination step (S300), the determination information (D) and the determination information (D) and the corresponding determination condition (S) are compared respectively to determine whether the livestock is sick. Here, the description of the determination information (D) and the corresponding determination conditions (S, S') and the description of determining whether the livestock are diseased are described in detail in the livestock
그 다음, 도 5와 같이 판단단계(S300)에서 상기 가축들 중 질병에 걸린 가축이 있다고 판단된 경우 즉, 판단정보(D)가 판단조건(S)을 만족하지 못한 경우 출력단계(S400)에서는 사용자에게 이미지, 텍스트, 음성 중 적어도 하나의 방법으로, 판단단계(S300)에서 질병에 걸렸다고 판단된 정보, 질병에 걸린 가축, 질병에 걸린 가축의 위치 중 적어도 하나의 정보를 출력해준다.Next, when it is determined that there is a diseased livestock among the livestock in the determination step S300 as shown in FIG. 5 , that is, when the determination information D does not satisfy the determination condition S, in the output step S400 At least one of information determined to have a disease in the determination step S300, a diseased livestock, and a location of a diseased livestock is output to the user by at least one of an image, text, and voice method.
한편, 도 6과 같이, 정보분석단계(S200)와 판단단계(S300) 사이에 저장 및 학습단계(S210)를 더 포함할 수 있다. 저장 및 학습단계(S210)에서는 인공지능 기반의 딥러닝 알고리즘을 이용하여 판단정보(D)를 저장하고 학습하여 제3판단조건를 계산한다.Meanwhile, as shown in FIG. 6 , a storage and learning step ( S210 ) may be further included between the information analysis step ( S200 ) and the determination step ( S300 ). In the storage and learning step (S210), the third judgment condition is calculated by storing and learning the judgment information (D) using an artificial intelligence-based deep learning algorithm.
본 발명은 상기한 실시예에 한정되지 않으며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다.The present invention is not limited to the above-described embodiments, and various modifications can be made without departing from the gist of the present invention as claimed in the claims.
100 : 촬영장치 200 : 분석장치
210 : 영상취득부 220 : 영상저장부
230 : 정보분석부 231 : 군집분석부
232 : 객체분석부 240 : 판단부
241 : 군집판단부 242 : 객체판단부
300 : 출력장치100: photographing device 200: analysis device
210: image acquisition unit 220: image storage unit
230: information analysis unit 231: cluster analysis unit
232: object analysis unit 240: judgment unit
241: cluster determination unit 242: object determination unit
300: output device
Claims (9)
상기 촬영장치(110)에서 촬영된 영상에서, 상기 가축들의 이동속도, 외형, 색깔, 행동, 위치, 및 온도로 구성되고, 상기 가축들의 이동속도는, 상기 가축들 각각이 이동하는 속도, 상기 가축들 각각의 신체 일부의 이동속도, 및 상기 가축들의 군집의 이동속도를 포함하는 판단정보(D)를 추출하여 상기 가축들의 질병 여부를 판단하는 분석장치(200);를 포함하고,
상기 분석장치(200)는,
상기 판단정보(D)로부터 상기 가축들의 군집을 정의하되, 하나의 객체를 중심으로 설정된 거리 내에 다른 가축이 있으면 군집이라고 정의하는 정보분석부(210)와,
상기 정보분석부(210)에서 상기 판단정보(D)를 분석한 정보와, 상기 판단정보(D)와 대응되는 판단조건(S)을 각각 비교하여 상기 가축들의 질병 여부를 판단하는 판단부(220)와,
인공지능 기반의 딥러닝 알고리즘을 이용하여 상기 판단정보(D)를 저장하고 학습하며, 인공지능 기반의 딥러닝 알고리즘을 이용하여 소정 기간의 상기 가축들의 판단정보(D)와 상기 소정 기간 이전의 상기 가축들의 판단정보(D)를 비교하는 저장부(230)를 포함하며,
상기 판단조건(S)은,
기설정된 정상규격인 제1 판단조건, 상기 판단정보들의 평균에 기설정된 상한규격 및 하한규격을 더하여 설정되는 제2 판단조건, 및 상기 저장부(230)를 통해 인공지능 기반의 딥러닝 알고리즘을 이용하여 상기 판단정보(D)를 저장하고 학습하여 계산되는 제3 판단조건을 포함하는 것을 특징으로 하는, 컴퓨터 비전을 이용한 가축 질병 예측 시스템(1000).
an input device 100 including a photographing device 110 mounted on one side of the kennel to photograph livestock, and a temperature measuring device 120 mounted on one side of the kennel to measure the body temperature of the livestock; and
In the image taken by the photographing device 110, the moving speed, appearance, color, behavior, location, and temperature of the livestock are configured, and the moving speed of the livestock is the moving speed of each of the livestock, the livestock The analysis device 200 for determining whether the livestock is diseased by extracting the determination information (D) including the moving speed of each of the body parts and the moving speed of the group of livestock;
The analysis device 200,
An information analysis unit 210 that defines a group of livestock from the determination information (D), but defines a community if there is another livestock within a distance set around one object;
A determination unit 220 for determining whether the livestock is diseased by comparing the information analyzed by the information analysis unit 210 with the determination information D and the determination condition S corresponding to the determination information D )Wow,
The determination information (D) is stored and learned using an artificial intelligence-based deep learning algorithm, and the determination information (D) of the livestock for a predetermined period and the determination information (D) of the livestock before the predetermined period using an artificial intelligence-based deep learning algorithm Includes a storage unit 230 for comparing the determination information (D) of livestock,
The determination condition (S) is,
A first determination condition that is a preset normal standard, a second determination condition set by adding a preset upper limit standard and a lower limit standard to the average of the determination information, and an artificial intelligence-based deep learning algorithm through the storage unit 230 To store and learn the determination information (D), characterized in that it comprises a third determination condition calculated by, livestock disease prediction system using computer vision (1000).
상기 판단부(220)에서 상기 가축들 중 질병에 걸린 가축이 있다고 판단된 경우 사용자에게 이미지, 텍스트, 음성 중 적어도 하나의 방법으로, 상기 판단부(220)에서 질병에 걸렸다고 판단된 정보, 질병에 걸린 가축, 질병에 걸린 가축의 위치 중 적어도 하나의 정보를 출력해주는 출력장치(300)를 더 포함하는 것을 특징으로 하는 컴퓨터 비전을 이용한 가축 질병 예측 시스템(1000).
According to claim 1,
When it is determined by the determination unit 220 that there is a diseased livestock among the livestock, information determined by the determination unit 220 as having a disease, a disease through at least one method of image, text, and voice to the user Livestock disease prediction system (1000) using computer vision, characterized in that it further comprises an output device (300) for outputting at least one information of the location of the diseased livestock and the diseased livestock.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190023654A KR102307478B1 (en) | 2019-02-28 | 2019-02-28 | A Computer Vision for the Prediction System of Livestock Diseases and Their Methods |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190023654A KR102307478B1 (en) | 2019-02-28 | 2019-02-28 | A Computer Vision for the Prediction System of Livestock Diseases and Their Methods |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200105558A KR20200105558A (en) | 2020-09-08 |
| KR102307478B1 true KR102307478B1 (en) | 2021-10-01 |
Family
ID=72471733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190023654A KR102307478B1 (en) | 2019-02-28 | 2019-02-28 | A Computer Vision for the Prediction System of Livestock Diseases and Their Methods |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102307478B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023229327A1 (en) * | 2022-05-23 | 2023-11-30 | 서울대학교산학협력단 | Image-based apparatus and method for analyzing herding behavior pattern of herding individuals |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102563218B1 (en) * | 2021-02-01 | 2023-08-03 | 주식회사 이오씨 | Swine disease forecasting system using infrared IP camera |
| KR102630770B1 (en) * | 2021-02-02 | 2024-01-29 | 안종영 | Intelligent smart farm management apparatus and system thereof |
| CN114550059A (en) * | 2022-02-24 | 2022-05-27 | 河北易沃克机器人科技有限公司 | Method, device and equipment for identifying health condition of chicken and storage medium |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101931270B1 (en) * | 2018-04-25 | 2018-12-20 | 주식회사 근옥 | A system of a stable pig breeding using video analysis of pig |
| JP2019024482A (en) | 2017-07-31 | 2019-02-21 | 株式会社コンピューター総合研究所 | Information processing system, information processing device, and program |
| JP6579671B2 (en) | 2015-10-09 | 2019-09-25 | 株式会社エー・アンド・デイ | Animal momentum measurement method |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090090489A (en) * | 2008-02-21 | 2009-08-26 | (주)야긴스텍 | Cattle infection managing system through statistical analysis and method thereof |
| KR101599860B1 (en) * | 2013-07-30 | 2016-03-21 | 주식회사 유코리아 | Web and mobile management system for management of temperature estimate/ index of cattle shed environment based on Ubiquitous Sensor Network |
| KR101584604B1 (en) * | 2014-04-25 | 2016-01-21 | (주)야긴스텍 | Disease decoding system by analyzing the quantity of motion of livestock |
| KR101676643B1 (en) | 2014-10-16 | 2016-11-29 | 렉스젠(주) | Apparatus for managing livestock and method thereof |
| KR101906456B1 (en) * | 2017-12-20 | 2018-12-05 | 경상대학교산학협력단 | Apparatus and method for detecting abnormal state using artificial intelligence |
| KR20190075253A (en) * | 2017-12-21 | 2019-07-01 | 순천대학교 산학협력단 | Livestock Disease Detection System Using Thermographic Images |
-
2019
- 2019-02-28 KR KR1020190023654A patent/KR102307478B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6579671B2 (en) | 2015-10-09 | 2019-09-25 | 株式会社エー・アンド・デイ | Animal momentum measurement method |
| JP2019024482A (en) | 2017-07-31 | 2019-02-21 | 株式会社コンピューター総合研究所 | Information processing system, information processing device, and program |
| KR101931270B1 (en) * | 2018-04-25 | 2018-12-20 | 주식회사 근옥 | A system of a stable pig breeding using video analysis of pig |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023229327A1 (en) * | 2022-05-23 | 2023-11-30 | 서울대학교산학협력단 | Image-based apparatus and method for analyzing herding behavior pattern of herding individuals |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200105558A (en) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102307478B1 (en) | A Computer Vision for the Prediction System of Livestock Diseases and Their Methods | |
| KR102396172B1 (en) | System and method for managing livestock based on artificial intelligence | |
| EP3264886A1 (en) | System, device and method for observing piglet birth | |
| CN111310596A (en) | Animal diseased state monitoring system and method | |
| US20210216758A1 (en) | Animal information management system and animal information management method | |
| WO2018228174A1 (en) | Method, apparatus and device for obtaining object density, and storage medium | |
| KR102396999B1 (en) | Cattle behavior automatic recognition and the monitoring system using the deep learning and method thereof | |
| KR102527322B1 (en) | Method and device for managing livestock through object recognition based on deep learning | |
| CA3230401A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
| Ko et al. | Heartbeat of a nest: Using imagers as biological sensors | |
| CN110991222A (en) | Object state monitoring and sow oestrus monitoring method, device and system | |
| CN113273178A (en) | Animal house monitoring method and animal house monitoring system | |
| KR20220062911A (en) | Sow management and Environmental control System | |
| KR20210080226A (en) | Method for monitoring companion animal and apparatus thereof | |
| WO2021194008A1 (en) | Cloud service method and device for detecting and managing abnormal symptom of sow | |
| WO2024117665A1 (en) | Device for detecting mounting behavior of cattle | |
| CN112036206A (en) | Monitoring method, device and system based on identification code type pig ear tag | |
| Chen et al. | Monitoring the behaviours of pet cat based on YOLO model and raspberry Pi | |
| CN112150498A (en) | Method and device for determining posture information, storage medium and electronic device | |
| CN110298239B (en) | Target monitoring method, device, computer equipment and storage medium | |
| US20220287278A1 (en) | Birdhouse incorporating a camera for remote viewing | |
| CN113869115A (en) | Method and system for processing face image | |
| KR20200030765A (en) | Apparatus and method for managing livestock using machine learning | |
| KR102172347B1 (en) | Method and system for determining health status of farm livestock | |
| CN111783720A (en) | Cattle rumination behavior detection method based on gun-ball linkage |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right |