KR102380879B1 - 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템 - Google Patents

뎁스 비젼 센서를 이용한 가축 체중 측정 시스템 Download PDF

Info

Publication number
KR102380879B1
KR102380879B1 KR1020210099781A KR20210099781A KR102380879B1 KR 102380879 B1 KR102380879 B1 KR 102380879B1 KR 1020210099781 A KR1020210099781 A KR 1020210099781A KR 20210099781 A KR20210099781 A KR 20210099781A KR 102380879 B1 KR102380879 B1 KR 102380879B1
Authority
KR
South Korea
Prior art keywords
livestock
growth
information
unit
depth
Prior art date
Application number
KR1020210099781A
Other languages
English (en)
Inventor
이효종
Original Assignee
주식회사 에이아이테크
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 에이아이테크 filed Critical 주식회사 에이아이테크
Priority to KR1020210099781A priority Critical patent/KR102380879B1/ko
Application granted granted Critical
Publication of KR102380879B1 publication Critical patent/KR102380879B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G9/00—Methods of, or apparatus for, the determination of weight, not provided for in groups G01G1/00 - G01G7/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 실시예에 따른 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템에 관한 것으로, 뎁스 비젼 센서를 이용하여 대상 가축을 촬영하는 촬영부와, 센서의 촬영 결과를 이용하여 깊이 정보 맵을 생성하는 깊이 정보 맵 생성부와, 깊이 정보 맵을 기반으로 대상 가축의 표면 형상을 추정하고, 이를 바탕으로 가축의 성장 상태를 판단하는 성장 판단부와, 가축의 성장 상태에 따라 향후 생장 여부를 예측하는 생장 예측부와, 가축의 성장 데이터가 저장된 데이터 베이스 및 성장 상태 및 생장 예측 정보를 표시하는 표시부를 포함하는 것을 특징으로 하는 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템을 제공한다.

Description

뎁스 비젼 센서를 이용한 가축 체중 측정 시스템{A SYSTEM FOR WEIGHING LIVESTOCK USING DEPTH VISION SENSOR}
본 발명은 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템에 관한 것으로, 모바일 기기에 내장된 3차원 정보 획득이 가능한 센서를 이용하여 가축의 체중을 측정할 수 있는 비 접촉식 가축 체중 측정 시스템에 관한 것이다.
축산농가에서 가축의 체중 측정은 해당 가축이 적정 등급에 도달했는지를 파악하여 최상의 가격을 받거나, 사료공급량을 적절히 조절하여 50%이상을 차지하는 사료비용을 경감하는데 매우 중요한 정보이다. 그러나 축사 내에서 활발하게 이동하는 가축들을 체중계에 이동시켜 한 마리씩 측정하는 것은 노동집약적으로 고령화되는 축산업계에서 심각한 문제이다. 축산농가에서 가축의 체중측정은 중요하기 때문에 다양한 방법으로 측정이 시도되고 있다. 줄자로 가슴의 크기를 측정하여 대략적인 체중을 산출하는 재래식 방법이나, 일반저울을 이용하여 한 마리씩 측정하는 방법은 수천마리가 되는 축사에서 정확성과 실효성이 없다. 최근 들어 돈형기(양돈)나 우형기(한우)를 개발하여 가축이 축사의 통로를 지나도록 하여 적정 체중에 도달한 가축을 선별하는 장치를 이용하기도 하나, 가격이 비싸며 넓은 공간을 필요로하고 잦은 고장으로 역시 실효성이 없다. 따라서 이로인한 축산업계의 생산성 저하가 심각하다.
(특허 문헌 1) 한국등록특허공보 제10-2031200호 (특허 문헌 2) 한국등록특허공보 제10-2122131호
최근에는 IT 기술의 발달로 인하여 가축의 체중 측정을 위한 스케너 장비등의 개발이 활발하게 이루어지고 있다. 하지만, 스케너 장비는 고가의 스케너를 외부 장치로 부착하여야 하기 때문에 가격이 비싸고, 측정 장치의 구조가 복잡해지는 문제가 발생하고, 노이즈에 의한 정확도가 저하되는 문제가 발생하였다.
본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로서, 고가의 장비나 장치의 부착없이 휴대용 단말기에 내장된 뎁스 비젼 센서를 이용하여, 비접촉식 방법을 통해 가축의 3차원 정보를 획득할 수 있고, 주변 노이즈와 계산 알고리즘을 통해 정확한 제충의 측정이 가능한 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템에 관한 것이다.
본 발명에 따른 뎁스 비젼 센서를 이용하여 대상 가축을 촬영하는 촬영부와, 센서의 촬영 결과를 이용하여 깊이 정보 맵을 생성하는 깊이 정보 맵 생성부와, 깊이 정보 맵을 기반으로 대상 가축의 표면 형상을 추정하고, 이를 바탕으로 가축의 성장 상태를 판단하는 성장 판단부와, 가축의 성장 상태에 따라 향후 생장 여부를 예측하는 생장 예측부와, 가축의 성장 데이터가 저장된 데이터 베이스 및 성장 상태 및 생장 예측 정보를 표시하는 표시부를 포함하는 것을 특징으로 하는 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템을 제공한다.
상기 뎁스 비젼 센서로 ToF 센서를 사용하고, 상기 깊이 정보 맵 생성부는 뎁스 비젼 센서에 촬영된 화소에 해당하는 물리적 좌표에 상응하는 깊이 정보를 2차원 배열하는 깊이정보 맵을 생성하되, ToF 카메라의 수평 및 수직 초점을 fx와 fy라하고, 측정자의 위치를 데카르트 좌표계에서 (Cx, Cy)라 하고, 시야각의 차원을 fovh와 fovv라고 하면 화소(x, y)에 상응하는 촬영계의 실제 위치점은 아래 수학식과 같이 계산되는 것을 되는 것을 특징으로 한다.
(수학식)
Figure 112021087770321-pat00001
Figure 112021087770321-pat00002
여기서, fx, fy, fovx 및 fovv는 다음과 같이 산출한다.
Figure 112021087770321-pat00003
Figure 112021087770321-pat00004
Figure 112021087770321-pat00005
Figure 112021087770321-pat00006
상기 성장 판단부는 깊이 정보 맵 내의 잡음을 제거하여 대상 가축 정보만을 산출하는 대상 정보 산출부와, 산출된 대상 정보를 바탕으로 대상 가축의 체중을 예측하는 체중 예측부를 포함하되, 상기 대상 정보 산출부는 깊이 정보 맵 생성부의 깊이 정보 맵의 평면 성분을 제거하되, 깊이 정보 맵의 모든 점들에 대하여 무작위로 점들을 선정하여 일정 기울기의 선형 방정식 내부에 분포하는지 여부를 파악하여 평면의 모델을 설정하고 다수의 반복 과정을 통하여 모든 평면성분을 제거하고, 단일 곡면점들의 집합을 성장시키면서 가축의 표면 내부에 분포하는 점들을 추출하는 동일 표면 확장법을 활용하여 대상 가축의 표면부를 추출하되, 3차원 점운점(point cloud)을 선택하여 인접한 지역에 지정된 문턱값 이내에 분포하는 점을 찾아서 4개의 점이 형성이 되면 씨앗집합(seed set)으로 설정하여 일차적으로 가축표면부라고 가정하고, 이 씨앗집합 내에 분포하는 점들의 이웃점들에 대하여 반복적으로 거리를 측정하여 씨앗집합의 영역을 지속적으로 확장해 나가되, 특정 점의 경우 4개 미만의 점들로 구성되면 씨앗집합을 형성하지 못하여 잡음점으로 처리하고, 같은 작업을 반복하여 가축 표면부로 예상되는 집합을 정리하고, 이 중에서 제일 큰 영역에 분포하는 점들을 최종적으로 가축표면부 상에 존재하는 점으로 지정하는 것을 특징으로 한다.
체중 예측부는 대상 정보 산출부의 가축 표면부 정보를 이용하여 대상 가축의 흉위 정보를 예측하는 흉위 측정부와, 대상 정보 산출부의 가축 표면부 정보를 이용하여 대상 가축의 유효 체장을 예측하는 체장 측정부와, 가축의 흉위 정보와 체장 정보를 이용하여 대상 가축의 실 체중 정보를 예측하는 회귀 분석부를 포함하는 것을 특징으로 한다.
이와 같이 본 발명은 별도의 외부 장치 부착없이 휴대용 단말기에 내장된 ToF 센서를 이용하여 직접 3차원 정보를 획득함으로 인해 더욱 간단하게 가축의 정확한 체중 측정이 가능하다.
또한, 본 발명은 3차원 정보에서 노이즈를 제거하고, 동일 표면 확장법을 통해 가축의 표면부만을 효과적으로 추출하는 것이 가능하고, 이를 기반으로 가축의 체중과 성장 및 생장 조건을 확인하는 것이 가능하다.
또한, 가축의 사료량과 성장에 따른 생산성 향상을 비교하여 최적의 출하 시점에 관한 예측이 가능하고, 축산업 전문 SNS 기능을 포함하여 최신 정보의 교환과 추가적인 수익을 창출하는 것이 가능하다.
도 1은 본 발명의 일 실시예에 따른 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템을 설명하기 위한 블록도이다.
도 2는 일 실시예에 따른 성장 판단부를 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 촬영부의 뎁스 비젼 센서로 측정된 깊이 정보 맵의 도면이다.
도 4는 일 실시예에 따른 동일 표면 확장법을 설명하기 위한 개념도이다.
도 5는 일 실시예에 따른 성장 판단부에 의해 생성된 가출 표면부만을 추출한 예시 이미지이다.
도 6은 일 실시예에 따른 흉위 측정을 설명하기 위한 개념도이다.
도 7은 일 실시예에 따른 최대 수익일 예측 모델을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 표시부를 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 외부 서버 접속부를 설명하기 위한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 더욱 상세히 설명하기로 한다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 도면상에서 동일 부호는 동일한 요소를 지칭한다.
본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다. 따라서, 본 명세서를 통해 설명되는 각 구성부들의 존재 여부는 기능적으로 해석 되어야 할 것이다. 이러한 이유로 본 발명의 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템 구성부들의 구성은 본 발명의 목적을 달성할 수 있는 한도 내에서 상이해질 수 있음을 명확히 밝혀둔다.
본 명세서에서, 제1 및 제2, 상부 및 하부 등의 관계적인 용어는, 그러한 엔티티 또는 액션 간의 실제 관계 또는 순서를 반드시 요구하거나 암시하지 않고 다른 엔티티나 액션과 하나의 엔티티 또는 액션을 구별하는 데에만 사용될 수 있다. 용어 "포함하다(comprises)", "포함하는(comprising)" 또는 그 다른 변형은, 구성요소의 리스트를 포함하는 프로세스, 방법, 제품, 또는 장치가 구성요소만을 포함하지 않지만 그러한 프로세스, 방법, 제품, 또는 장치에 명시적으로 열거되거나 내재되지 않은 다른 구성요소를 포함할 수 있도록, 비배타적인 포함물을 커버하도록 의도된다. "하나의 ~를 포함하다"로 진행되는 하나의 구성요소는, 더 이상의 제한없이, 구성요소를 포함하는 프로세스, 방법, 제품, 또는 장치 내에 부가적인 동일한 구성요소의 존재를 배제한다.
도 1은 본 발명의 일 실시예에 따른 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템을 설명하기 위한 블록도이다.
도 2는 일 실시예에 따른 성장 판단부를 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 촬영부의 뎁스 비젼 센서로 측정된 깊이 정보 맵의 도면이다. 도 4는 일 실시예에 따른 동일 표면 확장법을 설명하기 위한 개념도이다. 도 5는 일 실시예에 따른 성장 판단부에 의해 생성된 가출 표면부만을 추출한 예시 이미지이다. 도 6은 일 실시예에 따른 흉위 측정을 설명하기 위한 개념도이다. 도 7은 일 실시예에 따른 최대 수익일 예측 모델을 설명하기 위한 도면이다. 도 8은 일 실시예에 따른 표시부를 설명하기 위한 도면이다. 도 9는 일 실시예에 따른 외부 서버 접속부를 설명하기 위한 도면이다.
도 1 내지 도 9에 도시된 바와 같이 본 실시예에 따른 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템은 뎁스 비젼 센서를 이용하여 대상 가축을 촬영하는 촬영부(100)와, 센서의 촬영 결과를 이용하여 깊이 정보 맵을 생성하는 깊이 정보 맵 생성부(200)와, 깊이 정보 맵을 기반으로 대상 가축의 표면 형상을 추정하고, 이를 바탕으로 가축의 성장 상태를 판단하는 성장 판단부(300)와, 가축의 성장 상태에 따라 향후 생장 여부를 예측하는 생장 예측부(400)와, 가축의 성장 데이터가 저장된 데이터 베이스(500)와, 성장 상태 및 생장 예측 정보를 표시하는 표시부(600)와, 성장 상태 및 생장 예측 정보를 외부 서버에 제공하는 외부 서버 접속부(700)를 포함한다.
상기 촬영부(100)로 뎁스 비젼 센서를 이용하여 대상물을 촬영할 수 있는 다양한 전자기기를 사용하는 것이 가능하다. 본 실시예에서는 촬영부(100)로 휴대용 전자기기를 사용하되, 뎁스 비젼 센서가 장착된 패드나 스마트폰 또는 태블릿 PC를 사용하는 것이 가능하다. 본 실시예에서는 뎁스 비젼 센서로 ToF 센서를 사용하는 것이 효과적이다. 이를 통해 사용자 또는 관리자가 촬영하는 방향에서 입사시키는 광자가 파사체 즉, 측정 대상 가축의 표면에서 반사되는 거리를 예측할 수 있게 된다.
본 실시예의 촬영부(100)의 뎁스 비젼 센서에 의해 촬영된 정보는 깊이 정보 맵 생성부로 제공되어 깊이 정보 맵을 생성한다.
깊이 정보 맵 생성부(200)는 뎁스 비젼 센서에 촬영된 화소에 해당하는 물리적 좌표에 상응하는 깊이 정보를 2차원 배열하는 깊이정보 맵을 생성한다.
즉, 뎁스 비젼 센서인 ToF 카메라의 수평 및 수직 초점을 fx와 fy라하고, 측정자의 위치를 데카르트 좌표계에서 (Cx, Cy)라 하고, 시야각의 차원을 fovh와 fovv라고 하면 화소(x, y)에 상응하는 촬영계의 실제 위치점은 아래와 같이 계산된다.
(수학식 1)
Figure 112021087770321-pat00007
Figure 112021087770321-pat00008
여기서, fx, fy, fovx 및 fovv는 다음과 같이 산출한다.
(수학식 2)
Figure 112021087770321-pat00009
Figure 112021087770321-pat00010
Figure 112021087770321-pat00011
Figure 112021087770321-pat00012
위 수학식 1과 수학식 2를 ToF 센서에서 허용하는 모든 화소에 적용하여 시야각 fov 내의 물리적 좌료의 모든 대응점에 상응하는 깊이 정보값(Z값)을 2차원으로 배열하여 깊이 정보 맵을 생성한다. 이와 같이 생성된 깊이정보는 도 3에 도시된 바와 같이 촬영된 영역의 전체 깊이 정보 맵을 산출할 수 있다.
이와 같이 산출된 깊이 정보 맵은 뎁스 비젼 센서 즉, ToF 센서를 통해 촬영된 전체 화소에 대응되는 정보이기 때문에 대상 가축 뿐만 아니라 대상 가축이 위치한 공간 전체의 깊이 정보가 포함되어 있다. 즉, 노이즈가 포함되어 있다.
본 실시예에서는 성장 판단부(300)를 통해 노이즈를 제거하여 대상 가축 정보만을 산출하고, 이를 바탕으로 대상 가축의 성장 상태를 판단한다.
성장 판단부(300)는 깊이 정보 맵 내의 잡음을 제거하여 대상 가축 정보만을 산출하는 대상 정보 산출부(310)와, 산출된 대상 정보를 바탕으로 대상 가축의 체중을 예측하는 체중 예측부(320)를 포함한다.
대상 정보 산출부(310)는 잡음을 제거하여 대상 가축의 표면부만을 추출한다.
깊이 정보 맵 생성부(200)에 의한 깊이 정보 맵은 대상 가축이 위치한 축사내의 벽과 바닥 및 기타 존재하는 객체를 모두 보여주고 있다. 대상 정보 산출부(310)는 대상 가축의 표면을 제외한 다른 깊이 정보를 모두 잡음으로 처리한다. 이를 통해 가축의 표면에 존재하는 깊이 정보만을 추출하는 것이 가능하다.
대상 정보 산출부(310)는 먼저, 깊이 정보 맵 생성부(200)의 깊이 정보 맵의 평면 성분을 제거한다. 즉, 대상 정보 산출부(310)는 잡음 제거를 위해 일차적으로 가축의 표면은 일정 곡률을 갖는 곡면으로 구성되어있는 반면 축사의 벽이나 바닥은 평면으로 구성되어있는 특성을 이용하여 평면 성분을 제거하는 것이 가능해진다. 이를 구체적으로, 대상 정보 산출부(310)는 깊이 정보 맵의 모든 점들에 대하여 무작위로 임의의 점들을 선정하여 일정 기울기의 선형 방정식 내부에 분포하는지 여부를 파악하여 평면의 모델을 설정하고 다수의 반복 과정을 통하여 모든 평면성분을 제거하는 것이 가능하다.
다음으로, 대상 정보 산출부(310)는 대상 가축의 표면부를 추출한다. 이는 사용자 또는 관리자가 피측정 가축 즉, 대상 가축이 전면부에 위치했을 경우 촬영을 했을 것이라는 가정 하에 전면부에 분포하는 단일 곡면점들의 집합을 성장시키면서 가축의 표면 내부에 분포하는 점들을 추출하는 동일 표면 확장법을 활용한다.
동일 표면 확장법은 도 4에 도시된 바와 같이 임의의 3차원 점운점(point cloud)을 선택하여 인접한 지역에 지정된 문턱값 이내에 분포하는 점을 찾아서 4개의 점이 형성이 되면 씨앗집합(seed set)으로 설정하여 일차적으로 가축표면부라고 가정한다. 이 씨앗집합 내에 분포하는 점들의 이웃점들에 대하여 반복적으로 거리를 측정하여 씨앗집합의 영역을 지속적으로 확장해 나가는 것이 가능하다. 하지만, 특정 점의 경우 4개 미만의 점들로 구성되면 씨앗집합을 형성하지 못하여 잡음점으로 처리할 수 있다. 이와 같은 작업을 반복하여 가축 표면부로 예상되는 집합을 정리하고, 이 중에서 제일 큰 영역에 분포하는 점들을 최종적으로 가축표면부 상에 존재하는 점으로 지정한다. 이를 통해 도 5에 도시된 바와 같이 대상 가축의 외측 표면 즉, 윤곽의 확인이 가능해진다.
체중 예측부(320)는 대상 정보 산출부(310)의 가축 표면부 정보를 이용하여 대상 가축의 흉위 정보를 예측하는 흉위 측정부(321)와, 대상 정보 산출부(310)의 가축 표면부 정보를 이용하여 대상 가축의 유효 체장을 예측하는 체장 측정부(322)와, 가축의 흉위 정보와 체장 정보를 이용하여 대상 가축의 실 체중 정보를 예측하는 회귀 분석부(323)를 포함한다.
흉위 측정부(321)는 대상 가축 정보인 가축 표면부 정보를 이용하여 대상 가축의 흉위(가슴둘레)를 측정한다. 이를 위해 추출된 대상 가축의 표면 점운들로부터 앞다리의 뒷쪽 위에 있는 몸통의 둘레 길이를 측정한다.
그런데, 가축 표면부의 점운들은 3차원 공간 상에서 무작위로 분포한다. 즉, 피측정 가축인 대상 가축의 자세와 촬영자(사용자 또는 관리자)의 위치는 임의의 각을 형성하고 있다. 따라서, 산출된 가축 표면부의 점들을 추출한 후에 머리와 꼬리를 잇는 장축의 방향과 가축의 좌우 방향을 정렬하여 가축의 점들의 방향성을 추출하는 것이 가능하다. 가축 표면부의 점들을 이용하여 몸통의 방향을 찾기 위해서는 점들의 공분산행렬과 상관행렬로부터 고유벡터(Eigen vector)와 고유치(Eigen value)를 구한다. 다음으로, 고유치를 내림 정렬하고, K가 새로운 특징값 부분 공간으로 K≤d1을 만족할때 K개의 상응하는 고유벡터를 결정한다. 이때, K는 점운의 특징 값을 결정하는 임의의 차수로 본 실시예에서는 3차원인 경우를 예사하여 설명한다. 그리고, d1은 차원을 의미한다. 다음으로, 선별된 K 고유벡터에서 투사 행렬 W1을 구성한다. 그리고, K-차원의 특징값 공간을 구하기 위해 입력된 점들에 투사행렬 W1을 적용한다.
위의 단계를 거처 구해진 고유 백터를 U1, U2, U3라고 가정할 경우, 아래 수학식 3과 같이 정의 된다.
(수학식 3)
Figure 112021087770321-pat00013
Figure 112021087770321-pat00014
Figure 112021087770321-pat00015
Figure 112021087770321-pat00016
여기서, R1,R2는 각각 점운의 촬영 좌표계와 점운이 정렬되는 변환좌표계,
Figure 112021087770321-pat00017
(gamma)들은 변환을 위해 채용되는 상수들이다.
위 방정식 R2를 풀어 변환행렬을 구한 후 이 행렬을 적용하여 머리와 꼬리 방향으로 정렬시키는 것이 가능하다.
흉위 측정부(321)에 의한 흉위 측정과정은 전체 촬영된 피측정 가축의 중앙 부근에서부터 머리쪽으로 Y축의 길이의 변화를 관찰하며 휩쓸어 지나가다가, 앞다리 부근에 도착하여 Y축의 길이가 급속하게 증가하는 부분에서 흉위의 위치를 결정한다. 결정된 흉위의 위치에서 X축에 정렬된 점운을 XY 평면에 대하여 대칭복사를 처리하여 우측면을 복원하고 전체적인 흉위의 길이를 예측한다.
도 6은 피측정 가축의 물리적 제원을 예시한 도면으로서, 앞다리 뒷면을 지나는 몸통의 둘레가 점 A 상에 나타나 있고, 꼬리부분을 지나는 위치에 점 C가 정의되어 있으며, 꼬리부분의 점 C에서 머리쪽으로 X축을 따라 휩쓸고 지나가며 Y축의 길이가 갑자기 변하는 점 A를 잇는 선분인 적색의 수직선 S를 예시하고 있다.
따라서, 흉위 길이 예측은 결정된 흉위의 위치에서 구배율의 내간해석에 의하여 추정되는 두 점, 즉 척추선을 지나는 점 A와 그에 상응하는 배쪽에 위치하는 점 B 사이에 분포하는, 표면에서 수집된 n 개의 모든 점 P1내지 Pn 에 대하여, 인접한 점과의 직선거리를 구하여 B점에 도달할 때까지의 거리를 합산하여 피측정 가축의 흉위 G를 산출한다.
이러한 피측정 가축의 흉위 G의 산출식은 아래 수학식 4와 같다.
(수학식 4)
Figure 112021087770321-pat00018
체장 측정부(322)는 상기 흉위를 측정한 부분의 맨 위 상단에 분포하는 점 A와 꼬리부분의 맨위 상단에 분포하는 점 C 사이의 절대 거리를 산출하여 피측정 가축의 척추부 길이, 즉 유효체장 Le를 측정한다.
이러한 체장 측정부(322)는 흉위 측정부(321)에서 측정한 위치의 맨 위 상단에 분포하는 점 A에 가장 가까운 점과 꼬리부분의 맨위 상단에 분포하는 점 C에 가장 가까운 점 간의 절대 거리로 피측정 가축의 유효 체장 Le를 산출한다.
이러한 피측정 가축의 유효체장 Le의 산출식은 아래 수학식 5와 같다.
(수학식 5)
Figure 112021087770321-pat00019
회귀 분석부(323)는 체중 산출에 관련된 회귀 분석 알고리즘을 탑재하여 흉위 측정부(321)와 체장 측정부(322)에서 각각 측정된 피측정 가축의 흉위 G와 유효체장 Le를 반영하여 주어진 G 와 Le에 따른 해당 피측정 가축의 실 체중을 계산한다. 이 실 체중을 제중 정보로 생장 예측부(400)에 제공한다.
이러한 회귀 분석부(323)에서 체중 산출에 관련된 회귀 분석 알고리즘에 의해 계산되는 피측정 가축의 실 체중 W의 산출식은, 흉위 측정부(321)와 체장 측정부(322)에서 각각 주어진 피측정 가축의 흉위 G와 유효체장 Le에 대하여, 체중 산출에 관련된 회귀 분석 알고리즘에 의해 설정되는 각각의 상수 k1, k2, k3를 반영하여 산출될 수 있다. 체중은 아래 수학식 6과 같다.
(수학식 6)
Figure 112021087770321-pat00020
여기서 k1=0.38726, k2= 0.12815, k3= 137.33234 이며, 체중 산출에 관련된 회귀 분석 알고리즘에 의해 설정되는 상수들이다.
회귀 분석부(323)에 탑재되는 회귀 분석 알고리즘은 미리 설정된 URL의 서버가 제공하는 프로그램 패치에 의해 정기적으로 업데이트될 수 있다.
생장 예측부(400)는 성장 판단부(300)에서 산출된 체중정보를 최대수익일 예측모델에 적용하여 대상 가축의 체중이 최대등급에 도달하는 시기, 실질수익이 발생되는 시기 등을 포함하는 가축별 최대 수익일 예측정보를 산출한다. 대상 가축의 연령(원령 또는 주령)에 따른 성장(생장) 상태를 표준 성장률에 반영하여 설정된 적정 체중에 도달하는 시점의 예측과 도달 시기까지 대상 가축이 소비하게되는 사료량을 예측하고, 사료량과 성장에 따른 생산성 향상을 비교하여 최적의 출하시점에 관한 정보를 예측한다. 이를 위해 생장 예측부(400)는 사료량 예측부와, 최적 수익일 예측부를 더 포함하는 것이 가능하다.
즉, 생장 예측부(400)에서는 사료양 예측부와 최적 수익일 예측부를 통해 가축의 표준 사료 소모량과 성장량의 관계를 이용하여 최대 수익일을 예측할 수 있는 최대 수익일 예측 모델을 통해 체중 측정이 이루어진 가축이 최대 등급에 해당되는 적정체중(여기서 적정체중값은 사용자가 설정한 값일 수도 있고 미리 설정된 값일 수도 있음)에 도달하는 시기 및 실질적인 수익이 발생되는 시기를 예측하는 것이 가능하다. 이와 같이 최대 수익일 예측 모델을 통해 가축의 생장을 예측하여 축산농가의 생산성을 향상시킬 수 있게 된다.
도 7에 예시된 최대 수익일 예측 모델에서 T축은 시간(일자)을 나타내며 PF축은 이익을 나타낸다. pf의 생산성 곡선의 tp 시점은 최대등급 도달일자(최대수익일)를 나타내며 tm 시점은 측정 대상 가축의 체중을 측정한 일자를 나타낸다. 이러한 최대 수익일 예측 모델은 측정시점(예를 들면 tm)에 가축의 체중이 사용자가 설정한 적정체중에 미달된 경우 가축의 표준 사료 소모량과 성장량의 관계를 통하여 측정일자 tm으로부터 며칠 후에 최대 수익점 tp에 도달할지를 알려준다. 만일 측정 대상 가축의 체중을 측정한 일자가 tn과 같이 최적 등급 시점을 경과한 경우에는 실질적으로 사료의 소모와 등급의 저하로 생산성의 하락을 가져올 수 있게 되므로 해당 피측정 가축을 시급히 매도하도록 요청할 수 있게 한다.
생산성 곡선 pf는 다음의 수학식 7과 같이 정의될 수 있다.
(수학식 7)
Figure 112021087770321-pat00021
상기 수학식에서 Co는 현재 체중에 따른 가격, fe는 tp에 도달할 때까지의 소모사료의 가격, m은 평균 시설유지비와 평균 인건비의 합을 나타낸다. 평균 시설유지비는 총 시설유지비를 가축의 평균사육두수로 나눈 금액이며, 평균인건비는 총 인건비를 가축의 평균사육두수로 나눈 금액을 나타낸다.
데이터베이스(500)에는 대상 가축의 고유 아이디인 식별 정보와, 일자별 생장 정보가 저장된다. 생장 정보로는 성장 판단부(300)를 통해 판단된 체중 정보와, 생장 예측부(400)에 의한 사료량 예측 정보와 최대 수익일 예측 정보를 사용한다. 즉, 생장 정보로는 연령에 따른 현재의 생장 정보와 향후 예측 정보도 함께 포함되어 있는 것이 효과적이다. 물론, 사용자(관리자)가 별도 기입한 가축 추가 정보도 저장되는 것이 가능하다.
데이터베이스(500)를 통해 성장 판단부(300)의 회귀분석부(323)에서 산출된 가축의 체중정보를 각 개체별 아이디와 일자별로 구분하여 저장하고, 성장 판단부(300)의 생장 정보를 저장함으로 인해 사용자 또는 관리자가 필요시 해당 가축의 성장 상태를 조회하는 것이 가능하다. 그리고, 이 데이터베이스 정보를 이용하여 추후에 체중 산출 알고리즘 또는 최대 수익일 예측 모델과 같은 분석 시스템에 적용하여 이들의 분석 정확도를 향상시키는 고도화 작업을 할 수 있다. 이와 같은 정보를 빅데이터화하여 축산 농가의 생산성을 향상시키고, 생산 효율을 측정 및 개선할 수 있게 된다.
표시부(600)는 앞선 성장 판단부(300) 및 생장 예측부(400)에 의한 정보를 실시간으로 표시하거나 데이터베이스(500)에 저장된 정보를 표시하는 것이 가능하다. 즉, 각 가축의 개체별 체중 정보 또는 최대 수익일 예측 정보등이 포함된 그래픽 기반의 인터페이스를 활용하여 사용자 또는 관리자에게 가축에 관한 정보를 제공하는 것이 가능하다.
도 8에서와 같이 측정된 가축의 데이터베이스, 측정 체중, 최대 수익일 예측 곡선을 나타낼 수 있으며, 가축의 표준 사료 소모량과 성장량의 관계를 이용하여 최대 수익일을 예측할 수 있는 최대 수익일 예측 모델을 통해 체중 측정이 이루어진 가축이 최대 등급에 해당되는 적정체중에 도달하는 시기(최대수익 도달시기), 및 실질적인 수익이 발생되는 시기를 예측하여 창출 가능한 이익을 정량적으로 가시화하여 제시한다. 이러한 그래픽 기반의 인터페이스는 축사 등과 같은 열악한 환경에서도 사용자로 하여금 용이하게 모바일 기기를 제어할 수 있게 한다.
외부 서버 접속부(700)는 외부 서버와 접속을 위한 통신부와, 성장판단부(300), 생장 예측부(400)를 통해 산출된 정보와, 사용자가 작성한 정보를 외부 서버를 통해 공유하는 SNS부를 더 구비하는 것이 가능하다.
도 9에서와 같이 커뮤니티(Community)를 클릭하여 SNS부에 의해 축산에 관련된 정보는 웹크롤러를 활영하여 최신 정보의 추가가 가능하게 한다. 또한, 사료나 축산 의약품 회사들의 광고와 쿠폰을 병합하여 수익을 창출하는 것도 가능하다.
상기에서 설명한 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명은 본 발명의 기술 분야의 통상의 전문가라면 본 발명의 기술적 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다.
100 : 촬영부 200 : 깊이 정보 맵 생성부
300 : 성장 판단부 310 : 대상 정보 산출부
320 : 체중 예측부 321 : 흉위 측정부
322 : 체장 측정부 323 : 회귀 분석부
400 : 생장 예측부 500 : 데이터베이스
600 : 표시부 700 : 외부 서버 접속부

Claims (4)

  1. 뎁스 비젼 센서를 이용하여 대상 가축을 촬영하는 촬영부;
    센서의 촬영 결과를 이용하여 깊이 정보 맵을 생성하는 깊이 정보 맵 생성부;
    깊이 정보 맵을 기반으로 대상 가축의 표면 형상을 추정하고, 이를 바탕으로 가축의 성장 상태를 판단하는 성장 판단부;
    가축의 성장 상태에 따라 향후 생장 여부를 예측하는 생장 예측부;
    가축의 성장 데이터가 저장된 데이터 베이스; 및
    성장 상태 및 생장 예측 정보를 표시하는 표시부를 포함하고,
    상기 뎁스 비젼 센서로 ToF 센서를 사용하고,
    상기 깊이 정보 맵 생성부는 뎁스 비젼 센서에 촬영된 화소에 해당하는 물리적 좌표에 상응하는 깊이 정보를 2차원 배열하는 깊이정보 맵을 생성하되, ToF 카메라의 수평 및 수직 초점을 fx와 fy라하고, 측정자의 위치를 데카르트 좌표계에서 (Cx, Cy)라 하고, 시야각의 차원을 fovh와 fovv라고 하면 화소(x, y)에 상응하는 촬영계의 실제 위치점은 아래 수학식과 같이 계산되는 것을 되는 것을 특징으로 하는 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템.
    (수학식 )
    Figure 112021135058447-pat00022

    Figure 112021135058447-pat00023

    여기서, fx, fy, fovx 및 fovv는 다음과 같이 산출한다.
    Figure 112021135058447-pat00024

    Figure 112021135058447-pat00025

    Figure 112021135058447-pat00026

    Figure 112021135058447-pat00027
  2. 삭제
  3. 제1항에 있어서,
    상기 성장 판단부는 깊이 정보 맵 내의 잡음을 제거하여 대상 가축 정보만을 산출하는 대상 정보 산출부와, 산출된 대상 정보를 바탕으로 대상 가축의 체중을 예측하는 체중 예측부를 포함하되,
    상기 대상 정보 산출부는 깊이 정보 맵 생성부의 깊이 정보 맵의 평면 성분을 제거하되, 깊이 정보 맵의 모든 점들에 대하여 무작위로 점들을 선정하여 일정 기울기의 선형 방정식 내부에 분포하는지 여부를 파악하여 평면의 모델을 설정하고 다수의 반복 과정을 통하여 모든 평면성분을 제거하고,
    단일 곡면점들의 집합을 성장시키면서 가축의 표면 내부에 분포하는 점들을 추출하는 동일 표면 확장법을 활용하여 대상 가축의 표면부를 추출하되, 3차원 점운점(point cloud)을 선택하여 인접한 지역에 지정된 문턱값 이내에 분포하는 점을 찾아서 4개의 점이 형성이 되면 씨앗집합(seed set)으로 설정하여 일차적으로 가축표면부라고 가정하고, 이 씨앗집합 내에 분포하는 점들의 이웃점들에 대하여 반복적으로 거리를 측정하여 씨앗집합의 영역을 지속적으로 확장해 나가되, 특정 점의 경우 4개 미만의 점들로 구성되면 씨앗집합을 형성하지 못하여 잡음점으로 처리하고, 같은 작업을 반복하여 가축 표면부로 예상되는 집합을 정리하고, 이 중에서 제일 큰 영역에 분포하는 점들을 최종적으로 가축표면부 상에 존재하는 점으로 지정하는 것을 특징으로 하는 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템.
  4. 제3항에 있어서,
    체중 예측부는 대상 정보 산출부의 가축 표면부 정보를 이용하여 대상 가축의 흉위 정보를 예측하는 흉위 측정부와, 대상 정보 산출부의 가축 표면부 정보를 이용하여 대상 가축의 유효 체장을 예측하는 체장 측정부와, 가축의 흉위 정보와 체장 정보를 이용하여 대상 가축의 실 체중 정보를 예측하는 회귀 분석부를 포함하는 것을 특징으로 하는 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템.
KR1020210099781A 2021-07-29 2021-07-29 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템 KR102380879B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210099781A KR102380879B1 (ko) 2021-07-29 2021-07-29 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210099781A KR102380879B1 (ko) 2021-07-29 2021-07-29 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템

Publications (1)

Publication Number Publication Date
KR102380879B1 true KR102380879B1 (ko) 2022-04-01

Family

ID=81183848

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210099781A KR102380879B1 (ko) 2021-07-29 2021-07-29 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템

Country Status (1)

Country Link
KR (1) KR102380879B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100289879A1 (en) * 2009-05-01 2010-11-18 Texas Tech University System Remote Contactless Stereoscopic Mass Estimation System
KR102031200B1 (ko) 2017-12-05 2019-10-24 주식회사 초록쉼터 가축 무게 측정 방법 및 시스템
KR102062609B1 (ko) * 2019-07-29 2020-01-06 전북대학교 산학협력단 3d 영상을 이용한 휴대형 가축 무게 측정시스템
KR102122131B1 (ko) 2017-12-26 2020-06-11 주식회사 일루베이션 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100289879A1 (en) * 2009-05-01 2010-11-18 Texas Tech University System Remote Contactless Stereoscopic Mass Estimation System
KR102031200B1 (ko) 2017-12-05 2019-10-24 주식회사 초록쉼터 가축 무게 측정 방법 및 시스템
KR102122131B1 (ko) 2017-12-26 2020-06-11 주식회사 일루베이션 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법
KR102062609B1 (ko) * 2019-07-29 2020-01-06 전북대학교 산학협력단 3d 영상을 이용한 휴대형 가축 무게 측정시스템

Similar Documents

Publication Publication Date Title
KR102062609B1 (ko) 3d 영상을 이용한 휴대형 가축 무게 측정시스템
US11627726B2 (en) System and method of estimating livestock weight
US11688196B2 (en) Fish biomass, shape, and size determination
US11756324B2 (en) Fish biomass, shape, size, or health determination
Wongsriworaphon et al. An approach based on digital image analysis to estimate the live weights of pigs in farm environments
KR102122131B1 (ko) 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법
Salau et al. Feasibility of automated body trait determination using the SR4K time-of-flight camera in cow barns
EP1537531B1 (en) Imaging system and method for body condition evaluation
An et al. Quantifying time-series of leaf morphology using 2D and 3D photogrammetry methods for high-throughput plant phenotyping
EP3595453B1 (en) 3d imaging system and method of imaging carcasses
CN109141248A (zh) 基于图像的猪体重测算方法及系统
CA3030513A1 (en) Automated roof surface measurement from combined aerial lidar data and imagery
JP7057971B2 (ja) 動物体の体重推定装置及び体重推定方法
CN111386075A (zh) 牲畜测重系统及利用该系统的牲畜测重方法
JP6821326B2 (ja) 情報処理装置、計測システム、情報処理方法およびプログラム
Malinowski et al. Mapping rill soil erosion in agricultural fields with UAV‐borne remote sensing data
KR102380879B1 (ko) 뎁스 비젼 센서를 이용한 가축 체중 측정 시스템
KR102131558B1 (ko) 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법
KR102131559B1 (ko) 건 타입 가축 무게 측정 장치 및 이를 이용한 가축 무게 측정 방법
KR102289640B1 (ko) 비대칭 스테레오 카메라를 이용한 비접촉식 모바일 가축 체중 측정시스템
CN112116647B (zh) 估重方法和估重装置
CN109708585A (zh) 一种基于视觉跟踪的无标记引伸计动态测量及系统
CN117523603A (zh) 智能化猪只性能测定方法及系统
Lin et al. Machine vision systems for plant growth measurement and modeling
CN113723260A (zh) 基于机器视觉的生猪体尺测定方法及装置

Legal Events

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