KR102414023B1 - 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 - Google Patents
객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 Download PDFInfo
- Publication number
- KR102414023B1 KR102414023B1 KR1020210028838A KR20210028838A KR102414023B1 KR 102414023 B1 KR102414023 B1 KR 102414023B1 KR 1020210028838 A KR1020210028838 A KR 1020210028838A KR 20210028838 A KR20210028838 A KR 20210028838A KR 102414023 B1 KR102414023 B1 KR 102414023B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- livestock
- breeding
- health
- behavior
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 16
- 244000144972 livestock Species 0.000 claims abstract description 192
- 230000036541 health Effects 0.000 claims abstract description 85
- 238000009395 breeding Methods 0.000 claims abstract description 76
- 230000001488 breeding effect Effects 0.000 claims abstract description 76
- 230000006399 behavior Effects 0.000 claims abstract description 71
- 238000010801 machine learning Methods 0.000 claims abstract description 33
- 230000003542 behavioural effect Effects 0.000 claims abstract description 3
- 238000007726 management method Methods 0.000 claims description 38
- 230000003862 health status Effects 0.000 claims description 20
- 238000003745 diagnosis Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 4
- 208000024891 symptom Diseases 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 41
- 244000309466 calf Species 0.000 description 21
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000021050 feed intake Nutrition 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000193403 Clostridium Species 0.000 description 1
- 241000223935 Cryptosporidium Species 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 241000588724 Escherichia coli Species 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 208000036071 Rhinorrhea Diseases 0.000 description 1
- 206010039101 Rhinorrhoea Diseases 0.000 description 1
- 241000607142 Salmonella Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 231100000676 disease causative agent Toxicity 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 201000001881 impotence Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000022676 rumination Effects 0.000 description 1
- 208000015212 rumination disease Diseases 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
-
- 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
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Emergency Management (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Child & Adolescent Psychology (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Human Resources & Organizations (AREA)
- Biodiversity & Conservation Biology (AREA)
- Alarm Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Image Analysis (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Debugging And Monitoring (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
본 발명의 일 태양에 따르면, 객체를 모니터링하기 위한 방법으로서,
머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 상기 가축의 행동에 관한 정보가 추정되면, 상기 가축의 행동에 관한 정보 및 상기 가축에 관한 건강 기준을 참조하여 상기 가축의 건강 상태를 추정하는 단계, 및 상기 건강 상태에 기초하여 사용자에게 제공될 상기 가축의 사육에 관한 제1 정보를 결정하는 단계를 포함하는 단계를 포함하는 방법이 제공된다.
머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 상기 가축의 행동에 관한 정보가 추정되면, 상기 가축의 행동에 관한 정보 및 상기 가축에 관한 건강 기준을 참조하여 상기 가축의 건강 상태를 추정하는 단계, 및 상기 건강 상태에 기초하여 사용자에게 제공될 상기 가축의 사육에 관한 제1 정보를 결정하는 단계를 포함하는 단계를 포함하는 방법이 제공된다.
Description
본 발명은 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
근래에 들어, 머신 러닝 기술에 관한 연구가 활발히 이루어지면서, 머신 러닝 기반의 행동 인식 모델을 이용하여 송아지와 같은 가축을 효율적으로 모니터링하기 위한 기술들이 소개된 바 있다.
이에 관한 종래 기술의 일 예로서, 한국공개특허공보 제10-2020-0059445호에 개시된 기술을 예로 들 수 있는데, 이에 따르면, 센서로부터 데이터를 수집하는 데이터 수집 단계, 상기 수집된 데이터를 분석하여 특징점을 생성하는 특징점 생성 단계 및 상기 특징점을 모델링된 분류기에 통과시켜 행동 패턴을 검출하는 패턴 분석 단계를 포함하는 것을 특징으로 한다.
하지만, 위와 같은 종래 기술을 비롯하여 지금까지 소개된 기술에 의하면, 모니터링한 가축의 행동에 관한 정보를 사용자에게 단순히 전달하는 데에 그칠 뿐이어서 여러 마리의 가축을 효율적으로 모니터링하기에는 부족한 면이 있었다.
특히, 최근에는 한 사람이 관리해야 할 가축의 수가 점점 증가하고 있기 때문에 개체별로 세세하게 관리하는 것이 불가능에 가까운데, 단순히 가축의 행동에 관한 정보를 전달받는 것만으로는 가축의 건강 상태(예를 들면, 질병 감염 상태, 성장 상태 등)를 빠르게 파악하고 그에 적합한 조치를 취하기가 어려운 실정이었다.
이에 본 발명자(들)는, 모니터링의 대상이 되는 가축의 건강 상태를 빠르면서도 정확하게 파악하고 이에 기초하여 해당 가축의 사육에 필요한 정보를 상황에 맞게 적절히 제공함으로써, 해당 가축을 효율적으로 관리할 수 있도록 지원하는 기술을 제안하는 바이다.
본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 해당 가축의 행동에 관한 정보가 추정되면, 해당 가축의 행동에 관한 정보 및 해당 가축에 관한 건강 기준을 참조하여 해당 가축의 건강 상태를 추정하고, 그 건강 상태에 기초하여 사용자에게 제공될 해당 가축의 사육에 관한 제1 정보를 결정하는 것을 다른 목적으로 한다.
또한, 본 발명은, 모니터링의 대상이 되는 가축의 건강 상태를 빠르면서도 정확하게 파악하고 이에 기초하여 해당 가축의 사육에 필요한 정보를 상황에 맞게 적절히 제공함으로써, 해당 가축을 효율적으로 관리할 수 있도록 지원하는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 상기 가축의 행동에 관한 정보가 추정되면, 상기 가축의 행동에 관한 정보 및 상기 가축에 관한 건강 기준을 참조하여 상기 가축의 건강 상태를 추정하는 단계, 및 상기 건강 상태에 기초하여 사용자에게 제공될 상기 가축의 사육에 관한 제1 정보를 결정하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 상기 가축의 행동에 관한 정보가 추정되면, 상기 가축의 행동에 관한 정보 및 상기 가축에 관한 건강 기준을 참조하여 상기 가축의 건강 상태를 추정하는 건강 상태 추정부, 및 상기 건강 상태에 기초하여 사용자에게 제공될 상기 가축의 사육에 관한 제1 정보를 결정하는 사육 정보 관리부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 해당 가축의 행동에 관한 정보가 추정되면, 해당 가축의 행동에 관한 정보 및 해당 가축에 관한 건강 기준을 참조하여 해당 가축의 건강 상태를 추정하고, 그 건강 상태에 기초하여 사용자에게 제공될 해당 가축의 사육에 관한 제1 정보를 결정할 수 있게 된다.
또한, 본 발명에 의하면, 모니터링의 대상이 되는 가축의 건강 상태를 빠르면서도 정확하게 파악하고 이에 기초하여 해당 가축의 사육에 필요한 정보를 상황에 맞게 적절히 제공함으로써, 해당 가축을 효율적으로 관리할 수 있도록 지원할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따라 객체를 모니터링하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 객체 모니터링 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3 내지 도 9는 본 발명의 일 실시예에 따라 객체를 모니터링하는 과정을 예시적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 객체 모니터링 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3 내지 도 9는 본 발명의 일 실시예에 따라 객체를 모니터링하는 과정을 예시적으로 나타내는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
본 명세서에서는, 객체 모니터링 시스템에 관한 실시예가 송아지의 행동을 모니터링 하는 경우에 주로 초점을 맞추어 설명되지만, 본 발명에서의 객체 모니터링 시스템은 말, 돼지 등 다른 가축의 행동을 모니터링 하는 경우에도 적용될 수 있는 것으로 이해되어야 한다.
또한, 본 명세서에서 행동이란, 반드시 가축의 움직임이 있는 동작만을 의미하는 것은 아니고, 가축이 자세의 변화 없이(또는 움직임이 거의 없는 상태로) 소정 시간 동안 특정 자세를 유지하는 상태를 의미할 수도 있는 것으로 이해되어야 한다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따라 객체를 모니터링하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 객체 모니터링 시스템(200), 센서(300) 및 디바이스(400)를 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE; Long Term Evolution) 통신, 5G 통신, 블루투스 통신(저전력 블루투스(BLE; Bluetooth Low Energy) 통신 포함), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다. 다른 예를 들면, 통신망(100)은 광 통신망으로서, 라이파이(LiFi; Light Fidelity) 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
한편, 본 발명의 일 실시예에 따른 통신망(100)은 둘 이상의 종류의 통신망으로 구성될 수 있다. 예를 들면, 객체 모니터링 시스템(200)과 디바이스(400) 사이의 통신망은 LTE 통신, 5G 통신 등의 고속 무선 통신망 또는 유선 통신망일 수 있고, 객체 모니터링 시스템(200)과 센서(300) 사이의 통신망은 로라완(LoRaWAN) 시그폭스(SIGFOX), 엘티이-엠티시(LTE-MTC), 협대역 사물 인터넷(NB-IoT) 등의 LPWAN(Low Power Wide Area Network)일 수 있다.
다만, 본 발명의 일 실시예에 따른 통신망(100)의 구성은 위에서 설명된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
다음으로, 본 발명의 일 실시예에 따른 객체 모니터링 시스템(200)은 머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 해당 가축의 행동에 관한 정보가 추정되면, 해당 가축의 행동에 관한 정보 및 해당 가축에 관한 건강 기준을 참조하여 해당 가축의 건강 상태를 추정하고, 그 건강 상태에 기초하여 사용자에게 제공될 해당 가축의 사육에 관한 제1 정보를 결정하는 기능을 수행할 수 있다.
본 발명에 따른 객체 모니터링 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다.
다음으로, 본 발명의 일 실시예에 따른 센서(300)는 객체 모니터링 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 공지의 6축 각속도/가속도 센서를 포함할 수 있다. 따라서, 센서(300)에 의하여 X축, Y축 및 Z축의 가속도와 각속도(즉, 어떤 방향으로 기울어지는 속도)를 측정할 수 있다. 나아가, 각가속도가 각속도와 함께 또는 각속도를 대신하여 측정될 수도 있다. 이러한 센서(300)는 가축(예를 들면, 송아지)의 신체의 일부(예를 들면, 송아지의 목)에 착용되거나 삽입될 수 있다. 다만, 본 발명의 일 실시예에 따른 센서(300)의 종류 및 센서(300)가 착용되거나 삽입되는 위치에 특별한 제한이 있는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다. 예를 들면, 본 발명의 일 실시예에 따른 센서(300)에는 각속도 및 가속도 센서가 아닌 다른 종류의 센서가 포함될 수 있고, 가축(예를 들면, 송아지)의 신체 내부에 삽입될 수도 있다.
특히, 본 발명의 일 실시예에 따른 센서(300)는, 사용자가 객체 모니터링 시스템(200)으로부터 객체 모니터링 등의 서비스를 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 객체 모니터링 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 한편, 이러한 애플리케이션의 성격은 후술할 바와 같은 객체 모니터링 시스템(200)의 건강 상태 추정부(210), 사육 정보 관리부(220), 통신부(230) 및 제어부(240)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
다음으로, 본 발명의 일 실시예에 따른 디바이스(400)는 객체 모니터링 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿, 스마트 워치, 스마트 밴드, 스마트 글래스, 데스크탑 컴퓨터, 노트북 컴퓨터, 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(400)로서 채택될 수 있다.
특히, 디바이스(400)는, 사용자가 객체 모니터링 시스템(200)으로부터 객체 모니터링 등의 서비스를 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 객체 모니터링 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 한편, 이러한 애플리케이션의 성격은 후술할 바와 같은 객체 모니터링 시스템(200)의 건강 상태 추정부(210), 사육 정보 관리부(220), 통신부(230) 및 제어부(240)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
객체 모니터링 시스템의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 객체 모니터링 시스템(200)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 객체 모니터링 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 객체 모니터링 시스템(200)은, 건강 상태 추정부(210), 사육 정보 관리부(220), 통신부(230) 및 제어부(240)를 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따르면, 건강 상태 추정부(210), 사육 정보 관리부(220), 통신부(230) 및 제어부(240)는 그 중 적어도 일부가 외부의 시스템(미도시됨)과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 객체 모니터링 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 객체 모니터링 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 객체 모니터링 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 객체 모니터링 시스템(200)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 센서(300), 디바이스(400) 또는 서버(미도시됨) 내에서 실현되거나 외부 시스템(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.
먼저, 본 발명의 일 실시예에 따른 건강 상태 추정부(210)는, 머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 해당 가축의 행동에 관한 정보가 추정되면, 해당 가축의 행동에 관한 정보 및 해당 가축에 관한 건강 기준을 참조하여 해당 가축의 건강 상태를 추정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 센서(300)는, 적어도 하나의 가축으로부터 센서 데이터를 측정할 수 있다. 본 발명의 일 실시예에 따르면, 센서(300)는 적어도 하나의 가축 각각에 대하여 신체의 일부에 착용되거나 삽입되는 것일 수 있고, 위의 센서 데이터에는 가속도 데이터 및/또는 각속도 데이터가 포함될 수 있다. 그리고, 본 발명의 일 실시예에 따른 머신 러닝 기반 행동 인식 모델은, 위와 같이 측정되는 센서 데이터에 기초하여 위의 각 객체의 행동을 인식할 수 있다. 여기서, 본 발명의 일 실시예에 따르면, 위의 행동 인식 모델은 다양한 공지의 머신 러닝 알고리즘을 이용하여 구현될 수 있다. 예를 들면, 합성곱 신경망(Convolutional Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN) 등과 같은 인공 신경망을 이용하여 구현될 수 있지만, 이에 제한되는 것은 아니다.
계속하면, 본 발명의 일 실시예에 따른 센서(300)는, 머신 러닝 기반 행동 인식 모델을 이용하여 위와 같이 측정되는 센서 데이터로부터 가축의 행동에 관한 정보를 추정할 수 있다. 본 발명의 일 실시예에 따르면, 가축의 행동에 관한 정보에는 해당 가축이 행한 행동의 종류, 그 행동의 발생 시간, 그 행동의 지속 시간, 그 행동의 크기나 횟수 등이 포함될 수 있다. 그리고, 본 발명의 일 실시예에 따른 센서(300)는, 본 발명의 일 실시예에 따른 건강 상태 추정부(210)가 위와 같이 추정되는 가축의 행동에 관한 정보를 획득하도록 할 수 있다.
예를 들면, 본 발명의 일 실시예에 따르면, 모니터링의 대상이 되는 가축이 송아지인 경우에, 송아지의 행동에 관한 정보에는 포유(또는 포유량), 사료 섭취(또는 사료 섭취량), 음수(또는 음수량), 반추, 활동량, 앉기, 기립, 기립 실패, 기침 등이 포함될 수 있다. 그리고, 본 발명의 일 실시예에 따른 센서(300)는, 이러한 행동에 관한 정보를 객체 모니터링 시스템(200)에 전송함으로써 본 발명의 일 실시예에 따른 건강 상태 추정부(210)가 위의 행동에 관한 정보를 획득하도록 할 수 있다.
다만, 본 발명의 일 실시예에 따른 가축의 행동에 관한 정보는 위의 열거된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
계속하면, 본 발명의 일 실시예에 따른 건강 상태 추정부(210)는, 가축에 관한 건강 기준 및 본 발명의 일 실시예에 따른 센서(300)에 의하여 추정되는 가축의 행동에 관한 정보를 참조하여 해당 가축의 건강 상태를 추정할 수 있다.
보다 구체적으로, 본 발명의 일 실시예에 따르면, 가축의 건강 상태는 해당 가축이 질병에 감염되었는지 여부, 해당 가축이 질병에 감염되었다면 감염된 정도, 해당 가축이 정상적으로 성장하고 있는지 여부, 해당 가축의 성장 정도, 해당 가축의 신체 활동 상태 등을 의미할 수 있다. 그리고, 본 발명의 일 실시예에 따르면, 가축의 건강 상태는 해당 가축에 관한 건강 기준에 따라 소정 가짓수의 상태로 구분될 수 있고, 점수와 같은 형식으로 산출될 수도 있다.
여기서, 본 발명의 일 실시예에 따르면, 가축에 관한 건강 기준은 해당 가축의 건강 상태를 결정하기 위한 소정의 기준으로서, 예를 들면, 특정 가축과 나이(또는 일령), 성별, 크기, 무게 등의 조건이 유사한 다른 개체들의 평균 포유량, 해당 개체들의 평균 사료 섭취량, 해당 개체들의 평균 활동량, 특정 행동이 소정 횟수 이상 발생되었는지 여부 등이 위의 건강 기준에 포함될 수 있다. 또한, 본 발명의 일 실시예에 따르면, 위의 건강 기준에는 해당 가축의 과거의 행동에 관한 정보(예를 들면, 해당 가축의 전날의 포유량, 해당 가축의 과거 며칠 동안의 평균 포유량 등)가 포함될 수도 있다. 그리고, 본 발명의 일 실시예에 따른 건강 상태 추정부(210)는, 해당 가축의 행동에 관한 정보와 해당 가축의 건강 기준을 서로 비교함으로써 해당 가축의 건강 상태를 추정할 수 있다.
예를 들면, 본 발명의 일 실시예에 따르면, 모니터링의 대상이 되는 가축이 송아지인 경우에, 송아지의 건강 상태는 해당 송아지의 포유량(즉, 송아지의 행동에 관한 정보)이 평균 포유량(즉, 송아지에 관한 건강 기준; 이러한 평균은 해당 송아지의 나이(또는 일령), 성별, 크기, 무게 등에 따라 달라지는 것일 수 있다.) 대비 얼마나 되는지에 따라 정상(예를 들면, 평균 대비 90% 이상), 의심(예를 들면, 평균 대비 75~90%), 주의(예를 들면, 평균 대비 50~75%) 및 위급(예를 들면, 평균 대비 50% 이하)과 같이 4가지의 상태로 구분될 수 있다.
다만, 본 발명의 일 실시예에 따른 가축의 건강 상태에 포함되는 정보나 건강 상태를 구분하는 방식은 위에서 설명된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
한편, 본 발명의 일 실시예에 따른 건강 상태 추정부(210)는, 머신 러닝 기반 추정 모델을 이용하여 가축의 건강 상태를 추정할 수도 있다. 본 발명의 일 실시예에 따르면, 이러한 머신 러닝 기반 추정 모델은 가축의 행동에 관한 정보 및 해당 가축에 관한 건강 기준(예를 들면, 해당 가축의 과거의 행동에 관한 정보)과 해당 가축의 건강 상태 사이의 상관관계를 학습 데이터로서 이용하여 학습된 모델일 수 있다.
예를 들면, 본 발명의 일 실시예에 따르면, 모니터링의 대상이 되는 가축이 송아지인 경우에, 머신 러닝 기반 추정 모델은 평상시의 송아지의 행동에 관한 정보(예를 들면, 송아지의 활동량이나 앉기, 기립, 기립 실패 등의 행동의 빈도나 지속 시간 등)에 기초하여 학습될 수 있다. 그리고, 본 발명의 일 실시예에 따른 건강 상태 추정부(210)는, 이렇게 학습된 머신 러닝 기반 추정 모델을 이용하여, 송아지의 평상시의 행동(즉, 건강 기준)과 본 발명의 일 실시예에 따른 센서(300)에 의하여 추정되는 송아지의 행동에 관한 정보를 서로 비교함으로써 송아지의 건강 상태를 추정(또는 구분)할 수 있다. 그리고, 후술하는 바와 같이, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 위와 같이 추정되는 건강 상태에 기초하여 사용자에게 제공될 송아지의 사육에 관한 제1 정보를 결정할 수 있다.
한편, 머신 러닝 기반 추정 모델은 다양한 공지의 머신 러닝 알고리즘을 이용하여 구현될 수 있다. 예를 들면, 합성곱 신경망(Convolutional Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN) 등과 같은 인공 신경망을 이용하여 구현될 수 있지만, 이에 제한되는 것은 아니다.
다음으로, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 본 발명의 일 실시예에 따른 건강 상태 추정부(210)에 의하여 추정되는 건강 상태에 기초하여 사용자에게 제공될 가축의 사육에 관한 제1 정보를 결정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 가축의 사육에 관한 제1 정보는 가축의 건강 상태에 따라 개체별로 결정되는 것일 수 있다. 본 발명의 일 실시예에 따르면, 이러한 제1 정보에는 가축의 행동에 관한 정보를 해당 가축에 관한 건강 기준과 비교한 정보, 해당 가축에 대하여 사용자가 취해야 할 조치에 관한 정보, 후술할 가축의 사육에 관한 제2 정보를 결정하기 위하여 사용자에게 제공되는 해당 가축의 진단에 관한 정보, 해당 가축의 사육 환경에 관한 정보 등이 포함될 수 있다.
다만, 본 발명의 일 실시예에 따른 가축의 사육에 관한 제1 정보는 위의 열거된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
도 3 내지 도 9는 본 발명의 일 실시예에 따라 객체를 모니터링하는 과정을 예시적으로 나타내는 도면이다.
예를 들면, 도 4를 참조하면, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 가축의 건강 상태가 정상에 해당하는 경우에 해당 가축의 행동에 관한 정보를 해당 가축에 관한 건강 기준과 비교한 정보를 해당 가축의 사육에 관한 제1 정보로서 결정할 수 있다(410).
다른 예를 들면, 도 9를 참조하면, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 가축의 건강 상태가 위급에 해당하는 경우에 해당 가축에 대하여 사용자가 취해야 할 조치에 관한 정보로서 수의사의 연락처를 해당 가축의 사육에 관한 제1 정보로서 결정할 수 있다. 또한, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 수의사가 위의 사용자에 포함되는 경우에는 해당 수의사에게 제공될 정보로서 가축의 관리자의 연락처를 위의 제1 정보로서 결정할 수도 있다.
또 다른 예를 들면, 도 5 내지 도 8을 참조하면, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 가축의 건강 상태가 의심 또는 주의에 해당하는 경우에 해당 가축의 진단에 관한 정보(510, 611 및 710) 및/또는 해당 가축의 사육 환경에 관한 정보(612 및 810)를 해당 가축의 사육에 관한 제1 정보(510, 610, 710 및 810)로서 결정할 수 있다. 그리고, 본 발명의 일 실시예에 따르면, 위의 진단에 관한 정보에는 해당 가축의 적어도 하나의 의심 증상(예를 들면, 설사, 콧물, 기침, 기립 불능, 빠른 호흡, 활력 저하 등) 및/또는 적어도 하나의 의심 원인균(예를 들면, 대장균, 로타(Rota), 코로나(Corona), 살모넬라(Salmonella), 클로스트리듐(Clostridium), 크립토스포리듐(Cryptosporidium) 등)이 포함될 수 있다(510 및 710).
여기서, 본 발명의 일 실시예에 따르면, 가축의 진단에 관한 정보 및 가축의 사육 환경에 관한 정보 중 적어도 하나는 상술한 머신 러닝 기반 추정 모델에 의하여 추정되는 것일 수 있다. 즉, 본 발명의 일 실시예에 따르면, 머신 러닝 기반 추정 모델은 가축의 행동에 관한 정보 및 해당 가축에 관한 건강 기준과 해당 가축의 진단에 관한 정보(및/또는 해당 가축의 사육 환경에 관한 정보) 사이의 상관관계를 학습 데이터로서 이용하여 학습된 모델일 수 있다. 그리고, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 이러한 머신 러닝 기반 추정 모델을 이용하여 해당 가축의 진단에 관한 정보(예를 들면, 의심 증상) 및/또는 해당 가축의 사육 환경에 관한 정보를 추정(즉, 사용자가 해당 가축에 대하여 점검해야 할 사항을 추정)하고 이를 해당 가축의 사육에 관한 제1 정보로 결정함으로써, 사용자가 효율적으로 해당 가축을 모니터링할 수 있도록 지원할 수 있다.
한편, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 위와 같이 결정되는 가축의 사육에 관한 제1 정보에 대한 사용자의 피드백에 기초하여 해당 사용자에게 제공될 해당 가축의 사육에 관한 제2 정보를 결정할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 가축의 사육에 관한 제1 정보에 대하여 사용자로부터 피드백이 입력되면, 해당 피드백에 기초하여 해당 가축의 건강 상태에 적합한 관리 방법(또는 지침)을 해당 사용자에게 제공될 해당 가축의 사육에 관한 제2 정보로서 결정할 수 있다.
예를 들면, 도 5, 도 7 및 도 8을 참조하면, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 가축의 사육에 관한 제1 정보(510, 710 및 810)에 대하여 입력되는 사용자의 피드백(511, 711 및 811)을 획득할 수 있다. 그리고, 본 발명의 일 실시예에 따른 사육 정보 관리부(220)는, 이러한 사용자의 피드백(511, 711 및 811)에 기초하여 해당 사용자에게 제공될 해당 가축의 사육에 관한 제2 정보(520 및 720)를 결정할 수 있다.
한편, 본 발명의 일 실시예에 따르면, 상술한 머신 러닝 기반 추정 모델은 가축의 사육에 관한 제1 정보에 대한 사용자의 피드백, 해당 가축의 사육에 관한 제2 정보 및 위의 사용자에게 위의 제2 정보가 제공된 이후의 해당 가축의 행동에 관한 정보 중 적어도 하나에 기초하여 학습되는 것일 수 있다. 즉, 본 발명의 일 실시예에 따르면, 머신 러닝 기반 추정 모델은 사용자가 가축의 사육에 관한 제2 정보에 따른 관리 방법(또는 지침)에 따라 해당 가축을 관리하는 경우에 나타나는 해당 가축의 건강 상태의 변화를 학습 데이터로서 이용하여 학습될 수 있고, 이렇게 학습된 추정 모델을 이용하여 가축의 건강 상태를 더욱 정확하게 추정함으로써 사용자가 효율적으로 해당 가축을 모니터링할 수 있도록 지원할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 통신부(230)는 건강 상태 추정부(210) 및 사육 정보 관리부(220)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(240)는 건강 상태 추정부(210), 사육 정보 관리부(220) 및 통신부(230) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명의 일 실시예에 따른 제어부(240)는 객체 모니터링 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 객체 모니터링 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 건강 상태 추정부(210), 사육 정보 관리부(220) 및 통신부(230)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 통신망
200: 객체 모니터링 시스템
210: 건강 상태 추정부
220: 사육 정보 관리부
230: 통신부
240: 제어부
300: 센서
400: 디바이스
200: 객체 모니터링 시스템
210: 건강 상태 추정부
220: 사육 정보 관리부
230: 통신부
240: 제어부
300: 센서
400: 디바이스
Claims (13)
- 객체를 모니터링하기 위한 객체 모니터링 시스템에서 구현되는 방법으로서 - 상기 객체 모니터링 시스템은 건강 상태 추정부 및 사육 정보 관리부를 포함함 -,
상기 건강 상태 추정부가, 머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 상기 가축의 행동에 관한 정보가 추정되면, 상기 가축의 행동에 관한 정보 및 상기 가축에 관한 건강 기준을 참조하여 상기 가축의 건강 상태를 추정하는 단계, 및
상기 사육 정보 관리부가, 상기 건강 상태에 기초하여 사용자에게 제공될 상기 가축의 사육에 관한 제1 정보를 결정하는 단계를 포함하고,
상기 제1 정보에는 상기 가축의 진단에 관한 정보 및 상기 가축의 사육 환경에 관한 정보가 포함되고,
상기 결정 단계에서, 상기 사육 정보 관리부가, 머신 러닝 기반 추정 모델을 이용하여 상기 진단에 관한 정보 및 상기 사육 환경에 관한 정보를 추정하고,
상기 머신 러닝 기반 추정 모델은 상기 가축의 행동에 관한 정보 및 상기 가축에 관한 건강 기준과 상기 가축의 진단에 관한 정보 및 상기 가축의 사육 환경에 관한 정보 사이의 상관관계를 학습 데이터로서 이용하여 학습된 모델이고,
상기 진단에 관한 정보에는 상기 가축의 적어도 하나의 의심 증상 및 적어도 하나의 의심 원인균 중 적어도 하나가 포함되고,
상기 사육 환경에 관한 정보에는 상기 가축의 사육 환경과 연관된 신체적 변화, 물리적 변화 및 관리적 변화 중 적어도 하나가 포함되고,
상기 추정 단계에서, 상기 건강 상태 추정부가, 상기 가축의 건강 상태를 상기 가축이 건강한 정도에 따라 위급, 주의, 의심 및 정상 중 어느 하나로 추정하고,
상기 결정 단계에서, 상기 사육 정보 관리부가, 상기 제1 정보에 상기 건강 상태별로 적어도 일부의 다른 정보가 포함되도록 상기 제1 정보를 결정하고,
상기 결정 단계는, 상기 사육 정보 관리부가, 상기 사용자에게 상기 건강 상태별로 상기 제1 정보를 표시하는 단계를 더 포함하고,
상기 결정 단계에서, 상기 사육 정보 관리부가, 상기 제1 정보에 대한 상기 사용자의 피드백에 기초하여 상기 사용자에게 제공될 상기 가축의 사육에 관한 제2 정보를 결정하고,
상기 제2 정보에는, 상기 제1 정보에 대하여 상기 사용자로부터 상기 피드백이 입력되는 것에 대응하여, 상기 피드백에 기초하여 결정되는 상기 가축에 대하여 상기 사용자가 취해야 할 조치에 관한 정보 및 상기 가축의 건강 상태에 적합한 관리 방법에 관한 정보 중 적어도 하나가 포함되고,
상기 추정 단계에서, 상기 머신 러닝 기반 추정 모델을 이용하여 상기 건강 상태를 추정하고,
상기 머신 러닝 기반 추정 모델은 상기 피드백, 상기 제2 정보 및 상기 사용자에게 상기 제2 정보가 제공된 이후의 상기 가축의 행동에 관한 정보에 기초하여 학습되고,
상기 제2 정보가 제공된 이후의 상기 가축의 행동에 관한 정보에는 상기 사용자가 상기 가축에 대하여 상기 사용자가 취해야 할 조치 및 상기 가축의 건강 상태에 적합한 관리 방법 중 적어도 하나에 따라 상기 가축을 관리하는 경우에 나타나는 상기 가축의 건강 상태의 변화가 포함되는
방법. - 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 건강 기준에는 상기 가축의 과거의 행동에 관한 정보가 포함되고,
상기 추정 단계에서, 상기 행동에 관한 정보와 상기 과거의 행동에 관한 정보를 서로 비교함으로써 상기 건강 상태를 추정하는
방법. - 제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
- 객체를 모니터링하기 위한 시스템으로서,
머신 러닝 기반 행동 인식 모델을 이용하여 가축에 대한 센서에 의하여 측정되는 센서 데이터로부터 상기 가축의 행동에 관한 정보가 추정되면, 상기 가축의 행동에 관한 정보 및 상기 가축에 관한 건강 기준을 참조하여 상기 가축의 건강 상태를 추정하는 건강 상태 추정부, 및
상기 건강 상태에 기초하여 사용자에게 제공될 상기 가축의 사육에 관한 제1 정보를 결정하는 사육 정보 관리부를 포함하고,
상기 제1 정보에는 상기 가축의 진단에 관한 정보 및 상기 가축의 사육 환경에 관한 정보가 포함되고,
상기 사육 정보 관리부가, 머신 러닝 기반 추정 모델을 이용하여 상기 진단에 관한 정보 및 상기 사육 환경에 관한 정보를 추정하고,
상기 머신 러닝 기반 추정 모델은 상기 가축의 행동에 관한 정보 및 상기 가축에 관한 건강 기준과 상기 가축의 진단에 관한 정보 및 상기 가축의 사육 환경에 관한 정보 사이의 상관관계를 학습 데이터로서 이용하여 학습된 모델이고,
상기 진단에 관한 정보에는 상기 가축의 적어도 하나의 의심 증상 및 적어도 하나의 의심 원인균 중 적어도 하나가 포함되고,
상기 사육 환경에 관한 정보에는 상기 가축의 사육 환경과 연관된 신체적 변화, 물리적 변화 및 관리적 변화 중 적어도 하나가 포함되고,
상기 건강 상태 추정부가, 상기 가축의 건강 상태를 상기 가축이 건강한 정도에 따라 위급, 주의, 의심 및 정상 중 어느 하나로 추정하고,
상기 사육 정보 관리부가, 상기 제1 정보에 상기 건강 상태별로 적어도 일부의 다른 정보가 포함되도록 상기 제1 정보를 결정하고,
상기 사육 정보 관리부가, 상기 사용자에게 상기 건강 상태별로 상기 제1 정보를 표시하고,
상기 사육 정보 관리부가, 상기 제1 정보에 대한 상기 사용자의 피드백에 기초하여 상기 사용자에게 제공될 상기 가축의 사육에 관한 제2 정보를 결정하고,
상기 제2 정보에는, 상기 제1 정보에 대하여 상기 사용자로부터 상기 피드백이 입력되는 것에 대응하여, 상기 피드백에 기초하여 결정되는 상기 가축에 대하여 상기 사용자가 취해야 할 조치에 관한 정보 및 상기 가축의 건강 상태에 적합한 관리 방법에 관한 정보 중 적어도 하나가 포함되고,
상기 건강 상태 추정부는, 상기 머신 러닝 기반 추정 모델을 이용하여 상기 건강 상태를 추정하고,
상기 머신 러닝 기반 추정 모델은 상기 피드백, 상기 제2 정보 및 상기 사용자에게 상기 제2 정보가 제공된 이후의 상기 가축의 행동에 관한 정보에 기초하여 학습되고,
상기 제2 정보가 제공된 이후의 상기 가축의 행동에 관한 정보에는 상기 사용자가 상기 가축에 대하여 상기 사용자가 취해야 할 조치 및 상기 가축의 건강 상태에 적합한 관리 방법 중 적어도 하나에 따라 상기 가축을 관리하는 경우에 나타나는 상기 가축의 건강 상태의 변화가 포함되는
시스템. - 삭제
- 삭제
- 삭제
- 삭제
- 제8항에 있어서,
상기 건강 기준에는 상기 가축의 과거의 행동에 관한 정보가 포함되고,
상기 건강 상태 추정부는, 상기 행동에 관한 정보와 상기 과거의 행동에 관한 정보를 서로 비교함으로써 상기 건강 상태를 추정하는
시스템.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2021/011184 WO2022186432A1 (ko) | 2020-08-24 | 2021-08-23 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| AU2021431022A AU2021431022A1 (en) | 2020-08-24 | 2021-08-23 | Method, system, and non-transitory computer-readable recording medium for monitoring object |
| US18/548,718 US20240233944A9 (en) | 2020-08-24 | 2021-08-23 | Method, system, and non-transitory computer-readable recording medium for monitoring object |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200106542 | 2020-08-24 | ||
| KR20200106542 | 2020-08-24 | ||
| KR1020200106543 | 2020-08-24 | ||
| KR20200106543 | 2020-08-24 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| KR20220025643A KR20220025643A (ko) | 2022-03-03 |
| KR102414023B1 true KR102414023B1 (ko) | 2022-06-29 |
| KR102414023B9 KR102414023B9 (ko) | 2022-10-11 |
Family
ID=80325154
Family Applications (5)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200182970A KR102362906B1 (ko) | 2020-08-24 | 2020-12-24 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020210020429A KR102362904B1 (ko) | 2020-08-24 | 2021-02-16 | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020210028838A KR102414023B1 (ko) | 2020-08-24 | 2021-03-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020220015135A KR102664982B1 (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020220015136A KR20220025765A (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Family Applications Before (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200182970A KR102362906B1 (ko) | 2020-08-24 | 2020-12-24 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020210020429A KR102362904B1 (ko) | 2020-08-24 | 2021-02-16 | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220015135A KR102664982B1 (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020220015136A KR20220025765A (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20240005700A1 (ko) |
| KR (5) | KR102362906B1 (ko) |
| AU (2) | AU2021431022A1 (ko) |
| WO (2) | WO2022186432A1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101599860B1 (ko) * | 2013-07-30 | 2016-03-21 | 주식회사 유코리아 | Usn 센서를 활용한 축사환경지수 및 체온예측관리를 위한 웹/모바일기반 관리시스템 |
| JP2019122368A (ja) * | 2018-01-12 | 2019-07-25 | デザミス株式会社 | 牛の健康状態管理システム及び管理方法並びに健康状態管理プログラム |
| KR102067157B1 (ko) * | 2019-03-04 | 2020-02-11 | 주식회사 클린포펫 | 동물 질병 진단 시스템 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102145617B1 (ko) * | 2017-01-23 | 2020-08-19 | 한국과학기술연구원 | 표현형 기반 식물체 선발 시스템 및 그 방법 |
| US10354342B2 (en) | 2017-06-02 | 2019-07-16 | Performance Livestock Analytics, Inc. | Adaptive livestock growth modeling using machine learning approaches to predict growth and recommend livestock management operations and activities |
| KR102418883B1 (ko) * | 2017-10-27 | 2022-07-08 | 대한민국 | 가축의 반추위를 모니터링하는 방법 |
| KR20190093798A (ko) * | 2018-01-17 | 2019-08-12 | 건국대학교 글로컬산학협력단 | 흑염소의 행동 분류 방법 및 이를 수행하는 장치 |
-
2020
- 2020-12-24 KR KR1020200182970A patent/KR102362906B1/ko active IP Right Grant
-
2021
- 2021-02-16 KR KR1020210020429A patent/KR102362904B1/ko active IP Right Grant
- 2021-03-04 KR KR1020210028838A patent/KR102414023B1/ko active IP Right Grant
- 2021-08-23 AU AU2021431022A patent/AU2021431022A1/en active Pending
- 2021-08-23 WO PCT/KR2021/011184 patent/WO2022186432A1/ko active Application Filing
- 2021-08-23 WO PCT/KR2021/011185 patent/WO2022139109A1/ko active Application Filing
- 2021-08-23 AU AU2021409582A patent/AU2021409582A1/en active Pending
-
2022
- 2022-02-04 KR KR1020220015135A patent/KR102664982B1/ko active IP Right Grant
- 2022-02-04 KR KR1020220015136A patent/KR20220025765A/ko not_active Application Discontinuation
-
2023
- 2023-06-23 US US18/340,219 patent/US20240005700A1/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101599860B1 (ko) * | 2013-07-30 | 2016-03-21 | 주식회사 유코리아 | Usn 센서를 활용한 축사환경지수 및 체온예측관리를 위한 웹/모바일기반 관리시스템 |
| JP2019122368A (ja) * | 2018-01-12 | 2019-07-25 | デザミス株式会社 | 牛の健康状態管理システム及び管理方法並びに健康状態管理プログラム |
| KR102067157B1 (ko) * | 2019-03-04 | 2020-02-11 | 주식회사 클린포펫 | 동물 질병 진단 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102362904B1 (ko) | 2022-02-15 |
| KR102362906B9 (ko) | 2022-10-11 |
| KR102664982B1 (ko) | 2024-05-10 |
| WO2022139109A1 (ko) | 2022-06-30 |
| KR20220025764A (ko) | 2022-03-03 |
| AU2021409582A9 (en) | 2024-05-09 |
| KR102414023B9 (ko) | 2022-10-11 |
| KR20220025765A (ko) | 2022-03-03 |
| WO2022186432A1 (ko) | 2022-09-09 |
| KR20220025643A (ko) | 2022-03-03 |
| AU2021409582A1 (en) | 2023-08-24 |
| AU2021431022A1 (en) | 2023-10-19 |
| KR102362906B1 (ko) | 2022-02-15 |
| KR102362904B9 (ko) | 2022-10-11 |
| US20240005700A1 (en) | 2024-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11179064B2 (en) | Method and system for privacy-preserving fall detection | |
| KR101607934B1 (ko) | 전염병 모니터링 방법 및 이를 이용한 시스템, 이를 수행하기 위한 기록매체 | |
| KR102045741B1 (ko) | 반려동물 건강관리데이터 제공장치, 방법 및 프로그램 | |
| CN109871764A (zh) | 一种异常行为识别方法、装置及存储介质 | |
| KR102265809B1 (ko) | 가속도센서를 이용한 가축 행동패턴 검출 방법 및 장치 | |
| Gao et al. | Activity recognition using dynamic multiple sensor fusion in body sensor networks | |
| KR20220053272A (ko) | 딥러닝 기반의 객체 인식을 통한 가축 관리 방법 | |
| KR20210115204A (ko) | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 | |
| CN116563758A (zh) | 狮头鹅监控方法、装置、设备及存储介质 | |
| Hakansson et al. | Automatic monitoring and detection of tail-biting behavior in groups of pigs using video-based deep learning methods | |
| KR102414023B1 (ko) | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| KR102624927B1 (ko) | 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법 | |
| Eerdekens et al. | Dog's Behaviour Classification Based on Wearable Sensor Accelerometer Data | |
| US20240233944A9 (en) | Method, system, and non-transitory computer-readable recording medium for monitoring object | |
| KR101969557B1 (ko) | 가축 상태 정보 관리 시스템 | |
| KR20230071698A (ko) | 반려 동물의 건강 관리를 위한 웨어러블 장치 | |
| Wang et al. | Evolving local interpretable model-agnostic explanations for deep neural networks in image classification | |
| KR102714247B1 (ko) | 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| WO2021182314A1 (ja) | 異常検知システム | |
| JP7565706B2 (ja) | 監視システム、監視装置、及び監視方法 | |
| KR20230143505A (ko) | 딥러닝 기반 반려동물 모니터링 시스템 및 활동 인식 장치 | |
| CN118614487A (zh) | 一种动物驱赶方法、装置、设备及存储介质 | |
| KR20230053490A (ko) | 객체의 행동에 관한 학습 데이터를 증강하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| Yin et al. | Animal Recommendation Based on Neural Network. | |
| CN115223235A (zh) | 单个体多耳标识别方法、装置、存储介质及计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| G170 | Re-publication after modification of scope of protection [patent] |