KR102341715B1 - 가축 모니터링 장치 및 방법 - Google Patents
가축 모니터링 장치 및 방법 Download PDFInfo
- Publication number
- KR102341715B1 KR102341715B1 KR1020210024158A KR20210024158A KR102341715B1 KR 102341715 B1 KR102341715 B1 KR 102341715B1 KR 1020210024158 A KR1020210024158 A KR 1020210024158A KR 20210024158 A KR20210024158 A KR 20210024158A KR 102341715 B1 KR102341715 B1 KR 102341715B1
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- behavior
- image data
- monitoring
- classification model
- Prior art date
Links
- 244000144972 livestock Species 0.000 title claims abstract description 162
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims description 25
- 230000006399 behavior Effects 0.000 claims abstract description 51
- 238000012806 monitoring device Methods 0.000 claims abstract description 23
- 238000013145 classification model Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 16
- 230000003542 behavioural effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 241001465754 Metazoa Species 0.000 description 13
- 238000012545 processing Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 241000282849 Ruminantia Species 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000021050 feed intake Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000003715 nutritional status Nutrition 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
본 발명의 일 측면에 따른 축사 내의 가축을 모니터링 하는 가축 모니터링 장치는 각 축사에 배치된 카메라로부터 영상 데이터를 수신하는 통신 모듈; 가축 모니터링 프로그램이 저장된 메모리; 및 상기 메모리에 저장된 가축 모니터링 프로그램을 실행하는 프로세서를 포함하며, 상기 가축 모니터링 프로그램은 LSTM 네트워크 기반의 가축 행동 분류 모델을 이용하여, 상기 통신 모듈을 통해 수신한 영상 데이터로부터 각 가축의 행동을 분류하고, 분류된 가축의 행동 정보를 상기 축사 관리자의 개인 사용자 단말에 전송한다.
이때, 가축 모니터링 장치는 엣지 컴퓨팅 또는 로컬 컴퓨팅 방식에 따라 상기 모니터링 동작을 수행하는 것을 특징으로 한다.
이때, 가축 모니터링 장치는 엣지 컴퓨팅 또는 로컬 컴퓨팅 방식에 따라 상기 모니터링 동작을 수행하는 것을 특징으로 한다.
Description
본 발명은 축사에 배치된 카메라를 통해 촬영된 영상 데이터를 이용하여 가축을 모니터링하는 장치 및 방법에 관한 것이다.
사회가 발전함에 따라 동물 보호에 대한 사람들의 관심이 높아지고 있으며 동물 복지 개선을 위한 다양한 활동이 지속적으로 진행되고 있다. 동물 복지는 동물의 건강하고 행복한 상태로 정의되는데, 가축 사육 과정에서 동물의 복지를 유지하는 것도 매우 중요하게 여겨지고 있다. 특히, 동물 복지 수준은 가축의 성장과 밀접한 관련이 있으며, 다양한 수준의 동물 복지는 최종 농산물 및 부업 제품의 생산량과 품질에도 영향을 미치는 것으로 알려지고 있다.
반추 동물을 예로 들면 동물 복지는 주로 외부 환경과 내부 환경에 대응하는 능력을 포함한다. 이 중 외부 환경은 가축 사육 환경, 기후 조건, 다른 가축과의 친화 등을 포함하는 것이고, 내부 환경은 특정 질병 유무, 육체적 불편함, 가축 영양 상태 등을 포함하는 것이다.
구체적으로는, 다양한 정량적 동물 행동 지표 (사료 섭취, 음수, 운동, 휴식 등)가 동물 복지 평가에 중요한 역할을 수행하고 있다. 이러한 평가 진행을 위해 다양한 동물 행동 정보를 수집하는 기술이 연구되고 있는데, 주로 육안 관찰 방법이나 다양한 보조 센서 장치를 통해 실현되고 있다.
육안 관찰 방법은 데이터 수집 총 시간과 가축 관찰 횟수에 의해 제한되며 총 시간이 길수록 관찰 횟수가 많고 인력이 더 많이 소비되는 단점이 있어, 데이터의 분석과 피드백이 지연되어 대규모 데이터 수집과 실시간 피드백에 직면하여 목표를 달성하기 어렵다.
또한 최근에는 다양한 형태 센서 보조 장비(태그, 보수계, 섭취형 캡슐 센서 등)가 사용되고 있지만, 동물의 정상적인 성장과 발달에 부정적인 영향을 끼친다는 단점이 있다. 또한, 센서의 가격이 아직 높은 편이고, 데이터의 정확도도 높지 않은 편이다.
이러한 문제의 해결을 위해 비접촉 기술에 기반하여, 영상 만으로 가축을 식별하고 행동을 모니터링 하는 기술이 연구되고 있다. 이러한 기술들은 CCTV 등의 영상을 중앙 서버 또는 클라우드 방식의 서버에 전송하고, 서버의 분석 결과를 기반으로 가축을 식별하고 행동을 분류하는 기능을 수행한다.
그러나, 일반적으로 축사는 도심에서 많이 떨어져 있어 통신 환경이 열악한 상태여서, 영상을 직접 서버에 전송하는 방식을 사용할 경우 원활한 서비스 제공에 어려움이 있다.
따라서 비접촉 기술을 사용하여 반추 동물의 행동을 파악하고 모니터링하는 동시에 비교적 저렴한 가격으로 농장에서 편리하게 사용할 수 있는 기술을 제공하는 것이 필요하다. 특히, 외부 서버에 동영상 데이터를 전송하지 않고, 농장에 배치된 컴퓨팅 장치가 직접 영상 처리를 수행할 수 있는 엣지 컴퓨팅 또는 로컬 컴퓨팅 방식으로 서비스를 제공하는 것이 필요하다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 축사 내의 카메라를 통해 수집한 영상 데이터를 이용하여 가축을 식별하고 행동을 분류할 수 있는 가축 모니터링 장치를 제공하는데 목적이 있다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 발명의 일 측면에 축사 내의 가축을 모니터링 하는 가축 모니터링 장치는 각 축사에 배치된 카메라로부터 영상 데이터를 수신하는 통신 모듈; 가축 모니터링 프로그램이 저장된 메모리; 및 상기 메모리에 저장된 가축 모니터링 프로그램을 실행하는 프로세서를 포함한다. 가축 모니터링 프로그램은 LSTM 네트워크 기반의 가축 행동 분류 모델을 이용하여, 상기 통신 모듈을 통해 수신한 영상 데이터로부터 각 가축의 행동을 분류하고, 분류된 가축의 행동 정보를 상기 축사의 관리자의 개인 사용자 단말에 전송한다.
또한, 본 발명의 다른 측면에 따른 축사 내의 가축을 모니터링 하는 가축 모니터링 장치를 이용한 가축 모니터링 방법에 있어서, (a) 각 축사에 배치된 카메라로부터 영상 데이터를 수신하는 단계; (b) LSTM 네트워크 기반의 가축 행동 분류 모델을 이용하여, 수신한 영상 데이터로부터 각 가축의 행동을 분류하는 단계; 및 (c) 분류된 가축의 행동 정보를 상기 축사의 관리자의 개인 사용자 단말에 전송하는 단계를 포함하되, 상기 가축 모니터링 장치는 엣지 컴퓨팅 또는 로컬 컴퓨팅 방식에 따라 가축 모니터링 동작을 수행한다.
전술한 본원의 과제 해결 수단에 의하면, 본 발명의 일 실시예에 따른 가축 모니터링 장치는 엣지 컴퓨팅 또는 로컬 컴퓨팅 방식에 따라 자체적으로 영상을 분석하므로, 서버와의 통신 환경이 좋지 못한 시골의 축사에서도 영상 기반으로 가축의 행동을 자동으로 분류할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 가축 모니터링 시스템의 구성을 도시한 것이다.
도 2는 본 발명의 일 실시예에 따른 가축 모니터링 장치의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 가축 모니터링 방법을 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시예에 사용되는 LSTM 네트워크 기반의 가축 행동 분류 모델을 도시한 것이다.
도 5는 본 발명의 일 실시예에 사용되는 가축의 특징 데이터를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 가축 모니터링 장치의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 가축 모니터링 방법을 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시예에 사용되는 LSTM 네트워크 기반의 가축 행동 분류 모델을 도시한 것이다.
도 5는 본 발명의 일 실시예에 사용되는 가축의 특징 데이터를 설명하기 위한 도면이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 “상에” 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 가축 모니터링 시스템의 구성을 도시한 것이고, 도 2는 본 발명의 일 실시예에 따른 가축 모니터링 장치의 구성을 도시한 블록도이다.
도시된 바와 같이 가축 모니터링 시스템(10)은 농장 단위로 설치되는 가축 모니터링 장치(100) 및 각 축사에 설치되는 복수의 카메라를 포함한다.
본 발명에서 제안하는 가축 모니터링 장치(100)는 엣지 컴퓨팅 또는 로컬 컴퓨팅 방식에 따라 동작하는 것으로서, 외부 서버에 영상을 전송하지 않고 자체적으로 영상 처리 및 영상 모니터링 동작을 수행한다.
하나의 농장에는 복수의 축사가 배치되며, 각 축사에는 3~4 마리 정도의 반추동물이 사육되는데, 이는 설명의 예를 위한 것으로서 본 발명을 제한하지는 않는다. 한 축사에는 하나 이상의 카메라가 배치되며, 각 카메라에서 촬영된 영상은 유무선 통신을 통해 가축 모니터링 장치(100)로 전송된다. 각 카메라는 서로 다른 식별 정보를 이용하여 구분되며, 가축 모니터링 장치(100)는 각 카메라에서 전송되는 영상을 각 카메라의 식별 정보를 기준으로 구별하여 저장 및 관리한다.
한편, 각 축사에는 동일한 종류의 가축이 사육되는데, 예를 들면 소, 돼지 등의 가축을 사용하는 시설을 의미한다.
카메라는 실시간으로 축사 내의 가축을 촬영하는 CCTV 방식의 카메라로서, 실시간으로 촬영된 영상 데이터가 가축 모니터링 장치(100)에 수집되도록, 유무선 통신 모듈을 포함한다.
도 2를 참조하면, 가축 모니터링 장치(100)는 통신 모듈(110), 프로세서(130), 메모리(120) 및 데이터베이스(140)를 포함한다.
통신 모듈(110)은 각 축사에 배치된 카메라로부터 영상 데이터를 수신하며, 이를 데이터베이스(140)에 전달하여, 각 축사별, 각 카메라별로 구분되어 저장되도록 한다. 또한, 통신 모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
프로세서(130)는 메모리(120)에 저장된 프로그램을 실행하되, 가축 모니터링 프로그램의 실행에 따라 다음과 같은 처리를 수행한다.
프로세서(130)는 가축 모니터링 프로그램의 실행을 통해 LSTM 네트워크 기반의 가축 행동 분류 모델을 이용하여, 통신 모듈(110)을 통해 수신한 영상 데이터로부터 각 가축을 식별하고, 각 가축의 행동을 분류하며, 분류된 가축의 행동 정보를 축사 관리자의 개인 사용자 단말에 전송하는 동작을 수행한다.
이러한 프로세서(130)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(120)에는 가축 모니터링 프로그램이 저장된다. 이러한 메모리(120)에는 가축 모니터링 장치(100)의 구동을 위한 운영 체제나 가축 모니터링 프로그램의 실행 과정에서 발생되는 여러 종류가 데이터가 저장된다. 이때, 메모리(120)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다.
또한, 메모리(120)는 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(140)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
데이터베이스(140)는 프로세서(130)의 제어에 따라, 가축 모니터링 프로그램에 필요한 데이터를 저장 또는 제공한다. 이러한 데이터베이스(140)는 메모리(120)와는 별도의 구성 요소로서 포함되거나, 또는 메모리(120)의 일부 영역에 구축될 수도 있다.
도 3은 본 발명의 일 실시예에 따른 가축 모니터링 방법을 설명하기 위한 순서도이다.
메모리(120)에 저장된 가축 모니터링 프로그램에 의해 수행되는 가축 모니터링 방법을 살펴보기로 한다.
먼저, 가축 모니터링 장치(100)는 각 축사에 설치된 카메라로부터 영상 데이터를 수신한다(S310).
다음으로, 가축 모니터링 장치(100)는 LSTM 네트워크 기반의 가축 행동 분류 모델을 이용하여, 통신 모듈(110)을 통해 수신한 영상 데이터로부터 각 가축을 식별하고, 각 가축의 행동을 분류하는 동작을 수행한다(S320).
도 4는 본 발명의 일 실시예에 사용되는 LSTM 네트워크 기반의 가축 행동 분류 모델을 도시한 것이고, 도 5는 본 발명의 일 실시예에 사용되는 가축의 특징 데이터를 설명하기 위한 도면이다.
본 발명에서는 학습 데이터로서 분류 대상이 되는 행동 별로 라벨링을 수행한 영상 데이터를 사용한다. 이를 위해, 각각의 행위별로 영상 데이터를 소정의 프레임(예를 들면, 15 프레임) 단위로 클리핑 하고, 각 행위별 영상 데이터에 대해 분류 대상이 되는 행위의 명칭을 라벨링한다. 학습 데이터로서 활용되는 단위 영상 데이터 또는 이후 추론 과정에서 입력되는 입력 데이터로서 활용되는 단위 영상 데이터는 미리 설정된 개수의 프레임 또는 미리 설정된 시간 동안의 연속된 프레임을 갖도록 한다.
이때, 각 영상 데이터는 도 5에 도시된 바와 같이, 가축의 등 부분 영역을 포함하도록 하며, 등 부분에서 나타나는 가축의 해부학적 구조가 특징 데이터로서 추출되도록 한다. 즉, 가축의 스켈레톤 구조를 나타내는 그래프를 구성하는 각각의 노드의 2차원 좌표 정보(X 좌표, Y 좌표)가 각 영상에서 특징 데이터로서 추출된다.
한편, LSTM 네트워크는 각 프레임별 특징 데이터가 순차적으로 입력되도록 하여 학습하여, 가축 행동 분류 모델이 구축된다. 즉, 가축의 특정 행위를 대표하는 영상 데이터가 15 프레임의 영상이라고 할 때, 각 프레임에서 추출된 15 개의 특징 데이터와 특정 행위에 대한 라벨링 정보가 순차적으로 LSTM 네트워크에 입력되어, 가축 행동 분류 모델이 구축된다.
한편, LSTM 네트워크는 병렬적으로 적층된 복수의 계층(예시적으로, 제 1 내지 제 3 계층)을 포함한다. 제 1 계층에 입력된 데이터는 LSTM 모델에 의하여 학습 모델 구축에 사용되는데, LSTM 모델의 특징에 의해 중요한 특징은 기억에 활용되고, 중요하지 않은 것은 잊혀(forget)지도록 합니다.
다음으로, 제 1 계층의 출력은 제 2 계층으로 전달되는데, 제 2 계층에서는 가축의 행동 상태를 선택적으로 기억하고, 중요한 사항을 기록한다. 제 2 계층의 출력은 제 3 계층으로 전달되고, 제 3 계층에서는 앞던 2개의 계층에서 얻은 결과를 바탕으로 가축의 행동 분류 결과를 출력한다. 이와 같이, 복수의 계층을 장기간 사용하게 되면, 가축의 행동 상태에 대한 판단이 지속적으로 중첩되어 더욱 정확한 분류가 가능하게 된다.
이렇게 구축된 LSTM 네트워크 기반 가축 행동 분류 모델은 입력 영상 데이터를 이용하여, 각 가축을 식별하고, 가축의 행동을 분류할 수 있다. 즉, 복수의 프레임의 입력 영상이 가축 모니터링 장치(100)에 전달되면, 입력 영상의 분석을 통해 각 프레임별로 가축의 해부학적 구조가 특징 데이터로서 추출되도록 하고, 특징 데이터가 LSTM 네트워크 기반 가축 행동 분류 모델의 입력부에 입력되면, 가축 행동 분류 모델의 추론에 의하여 행동 분류 결과가 출력된다. 예를 들어, 제 1 출력부(Q1)의 값이 하이레벨이면 가축이 앉아 있는 행위로 분류가 되고, 제 2 출력부(Q1)의 값이 라이레벨이면 가축이 다른 가축에 대하여 마운팅 자세를 취하고 행위로 분류될 수 있다. 이와 같이 각 출력부(Qn)의 출력값을 기초로 가축의 행동 분류 결과가 결정된다.
다시 도 3을 참조하면, 앞선 단계(S320)에서 분류된 가축의 행동 정보를 축사 관리자의 개인 사용자 단말에 전송한다(S330). 이를 위한 전용 사용자 앱이 사용자 단말에 설치될 수 있으며, 해당 사용자 앱의 인터페이스를 통해 가축 행동 정보와 관련한 각종 시각적 정보가 출력될 수 있다. 특히, 미리 설정되어 있는 가축의 이상 행동 정보와 매칭되는 행동을 수행하는 것으로 관련 정보가 전달된 경우, 이에 대한 알람을 사용자 단말을 통해 출력할 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
10: 가축 모니터링 시스템
100: 가축 모니터링 장치
110: 통신 모듈
120: 메모리
130: 프로세서
140: 데이터베이스
100: 가축 모니터링 장치
110: 통신 모듈
120: 메모리
130: 프로세서
140: 데이터베이스
Claims (11)
- 축사 내의 가축을 모니터링 하는 가축 모니터링 장치에 있어서,
각 축사에 배치된 카메라로부터 영상 데이터를 수신하는 통신 모듈;
가축 모니터링 프로그램이 저장된 메모리; 및
상기 메모리에 저장된 가축 모니터링 프로그램을 실행하는 프로세서를 포함하며,
상기 가축 모니터링 프로그램은 LSTM 네트워크 기반의 가축 행동 분류 모델을 이용하여, 상기 통신 모듈을 통해 수신한 영상 데이터로부터 각 가축의 행동을 분류하고, 분류된 가축의 행동 정보를 상기 축사의 관리자의 개인 사용자 단말에 전송하되,
상기 가축 모니터링 장치는 엣지 컴퓨팅 또는 로컬 컴퓨팅 방식에 따라 가축 모니터링 동작을 수행하는 것이며,
상기 LSTM 네트워크 기반의 가축 행동 분류 모델은,
복수의 LSTM 계층이 적층된 구조를 갖는 것이고, 상기 축사에서 사육되는 가축에 대한 영상 데이터로서 연속적으로 이어지는 복수의 프레임을 기반으로 학습된 것으로서,
단위 영상 데이터의 각 프레임에서 추출된 가축의 스켈레톤 구조를 나타내는 각 노드의 2차원 좌표 정보를 포함하는 특징 데이터와 상기 단위 영상 데이터가 정의하는 가축의 행위에 대한 라벨링정보를 이용하여 학습된 것인, 가축 모니터링 장치. - 삭제
- 제 1 항에 있어서,
상기 LSTM 네트워크 기반의 가축 행동 분류 모델은 제 1 내지 제 3의 LSTM 계층이 적층된 구조를 갖는 것인, 가축 모니터링 장치. - 제 1 항에 있어서,
상기 가축 모니터링 프로그램은 입력된 영상 데이터로부터 각 프레임별로 특징 데이터를 추출하고, 추출된 특징 데이터를 상기 LSTM 네트워크 기반의 가축 행동 분류 모델에 입력하여 개별 가축의 행위를 식별하는 것인, 가축 모니터링 장치. - 제 1 항에 있어서,
상기 가축 모니터링 프로그램은 입력된 영상 데이터중 미리 설정된 개수 또는 미리 설정된 시간 동안의 연속된 영상을 상기 LSTM 네트워크 기반의 가축 행동 분류 모델에 입력하여 개별 가축의 행위를 식별하는 것인, 가축 모니터링 장치. - 축사 내의 가축을 모니터링 하는 가축 모니터링 장치를 이용한 가축 모니터링 방법에 있어서,
(a) 각 축사에 배치된 카메라로부터 영상 데이터를 수신하는 단계;
(b) LSTM 네트워크 기반의 가축 행동 분류 모델을 이용하여, 상기 수신한 영상 데이터로부터 각 가축의 행동을 분류하는 단계; 및
(c) 분류된 가축의 행동 정보를 상기 축사의 관리자의 개인 사용자 단말에 전송하는 단계를 포함하되,
상기 가축 모니터링 장치는 엣지 컴퓨팅 또는 로컬 컴퓨팅 방식에 따라 가축 모니터링 동작을 수행하는 것이며,
상기 LSTM 네트워크 기반의 가축 행동 분류 모델은,
복수의 LSTM 계층이 적층된 구조를 갖는 것이고, 상기 축사에서 사육되는 가축에 대한 영상 데이터로서 연속적으로 이어지는 복수의 프레임을 기반으로 학습된 것으로서,
단위 영상 데이터의 각 프레임에서 추출된 가축의 스켈레톤 구조를 나타내는 각 노드의 2차원 좌표 정보를 포함하는 특징 데이터와 상기 단위 영상 데이터가 정의하는 가축의 행위에 대한 라벨링정보를 이용하여 학습된 것인, 가축 모니터링 방법. - 삭제
- 제 6 항에 있어서,
상기 LSTM 네트워크 기반의 가축 행동 분류 모델은 제 1 내지 제 3의 LSTM 계층이 적층된 구조를 갖는 것인, 가축 모니터링 방법. - 제 6 항에 있어서,
상기 (b) 단계는 입력된 영상 데이터로부터 각 프레임별로 특징 데이터를 추출하고, 추출된 특징 데이터를 상기 LSTM 네트워크 기반의 가축 행동 분류 모델에 입력하여 개별 가축의 행위를 식별하는 것인, 가축 모니터링 방법. - 제 6 항에 있어서,
상기 (b) 단계는 입력된 영상 데이터중 미리 설정된 개수 또는 미리 설정된 시간 동안의 연속된 영상을 상기 LSTM 네트워크 기반의 가축 행동 분류 모델에 입력하여 개별 가축의 행위를 식별하는 것인, 가축 모니터링 방법. - 제 6 항, 제 8 항, 제 9 항 및 제 10 항 중 어느 한 항에 따른 방법을 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210024158A KR102341715B1 (ko) | 2021-02-23 | 2021-02-23 | 가축 모니터링 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210024158A KR102341715B1 (ko) | 2021-02-23 | 2021-02-23 | 가축 모니터링 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102341715B1 true KR102341715B1 (ko) | 2021-12-21 |
Family
ID=79165373
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210024158A KR102341715B1 (ko) | 2021-02-23 | 2021-02-23 | 가축 모니터링 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102341715B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102518605B1 (ko) | 2022-10-26 | 2023-04-11 | 성원메디칼 주식회사 | Ict 기반 동물의 수액주사 관리 장치 및 그 방법 |
| KR20240065338A (ko) | 2022-11-02 | 2024-05-14 | 주식회사 트랙팜 | 체온 및 영상추적을 이용한 축사 모니터링 장치 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170036965A (ko) * | 2015-09-24 | 2017-04-04 | 삼성전자주식회사 | 컴퓨팅 장치 및 그것에 의한 모니터링 방법 |
| KR101731461B1 (ko) * | 2015-12-09 | 2017-05-11 | 고려대학교 산학협력단 | 객체에 대한 행동 탐지 장치 및 이를 이용한 행동 탐지 방법 |
| KR20190130692A (ko) * | 2018-04-25 | 2019-11-25 | 동국대학교 산학협력단 | 신경망에 기반한 영상 내 행동 인식 방법 및 장치 |
| KR20200030765A (ko) * | 2018-09-13 | 2020-03-23 | 박상열 | 기계학습을 이용한 가축관리장치 및 방법 |
| KR20200054379A (ko) * | 2018-11-07 | 2020-05-20 | 고려대학교 세종산학협력단 | Cnn-lstm 및 복잡 활동 처리를 사용하는 반려 동물의 배설 행동 검출 방법 및 시스템 |
-
2021
- 2021-02-23 KR KR1020210024158A patent/KR102341715B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170036965A (ko) * | 2015-09-24 | 2017-04-04 | 삼성전자주식회사 | 컴퓨팅 장치 및 그것에 의한 모니터링 방법 |
| KR101731461B1 (ko) * | 2015-12-09 | 2017-05-11 | 고려대학교 산학협력단 | 객체에 대한 행동 탐지 장치 및 이를 이용한 행동 탐지 방법 |
| KR20190130692A (ko) * | 2018-04-25 | 2019-11-25 | 동국대학교 산학협력단 | 신경망에 기반한 영상 내 행동 인식 방법 및 장치 |
| KR20200030765A (ko) * | 2018-09-13 | 2020-03-23 | 박상열 | 기계학습을 이용한 가축관리장치 및 방법 |
| KR20200054379A (ko) * | 2018-11-07 | 2020-05-20 | 고려대학교 세종산학협력단 | Cnn-lstm 및 복잡 활동 처리를 사용하는 반려 동물의 배설 행동 검출 방법 및 시스템 |
Non-Patent Citations (1)
| Title |
|---|
| 유럽 등록특허 제2983465 호 (발명의 명칭: System for determining feed consumption of at least one animal) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102518605B1 (ko) | 2022-10-26 | 2023-04-11 | 성원메디칼 주식회사 | Ict 기반 동물의 수액주사 관리 장치 및 그 방법 |
| KR20240065338A (ko) | 2022-11-02 | 2024-05-14 | 주식회사 트랙팜 | 체온 및 영상추적을 이용한 축사 모니터링 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tedeschi et al. | Advancements in sensor technology and decision support intelligent tools to assist smart livestock farming | |
| Fuentes et al. | Deep learning-based hierarchical cattle behavior recognition with spatio-temporal information | |
| KR102165891B1 (ko) | 축산 데이터 분석 기반 농가 상태 진단 시스템 | |
| KR102341715B1 (ko) | 가축 모니터링 장치 및 방법 | |
| KR102315991B1 (ko) | 인공지능 기반 원격 가축 관리 장치 및 시스템 | |
| CN111310596A (zh) | 一种动物患病状态监测系统及方法 | |
| KR102506029B1 (ko) | 영상 기반 가축 개체 성장 추이 모니터링 장치 및 방법 | |
| da Silva Santos et al. | Monitoring and classification of cattle behavior: A survey | |
| de Lima Weber et al. | Counting cattle in UAV images using convolutional neural network | |
| Kuan et al. | An imaging system based on deep learning for monitoring the feeding behavior of dairy cows | |
| Zhang et al. | Advancements in artificial intelligence technology for improving animal welfare: Current applications and research progress | |
| Haldar et al. | Application of information and electronic technology for best practice management in livestock production system | |
| KR20210115204A (ko) | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 | |
| KR102417870B1 (ko) | 영상에 기반하여 동물 개체의 상태를 식별하는 장치 및 방법 | |
| Malhotra et al. | Application of AI/ML approaches for livestock improvement and management | |
| Nigade et al. | Review Paper on IOT based Cattle Health Monitoring System | |
| CN113989745A (zh) | 一种反刍动物饲养状况的非接触式监测方法 | |
| Gu et al. | A two-stage recognition method based on deep learning for sheep behavior | |
| Riego del Castillo et al. | Adapting YOLOv8 as a Vision-Based Animal Detection System to Facilitate Herding | |
| CN113221776B (zh) | 一种基于人工智能对反刍动物一般行为识别的方法 | |
| KR102253236B1 (ko) | 빅데이터를 이용한 농장 질병 분석 장치 | |
| Thakur et al. | Digitalization of livestock farms through blockchain, big data, artificial intelligence, and Internet of Things | |
| Siegford et al. | Practical considerations for the use of precision livestock farming to improve animal welfare | |
| Kumar et al. | Internet of animal health things (IoAT): A new frontier in animal biometrics and data analytics research | |
| Chelotti et al. | Livestock feeding behavior: A tutorial review on automated techniques for ruminant monitoring |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |