KR102425523B1 - 모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치 - Google Patents
모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치 Download PDFInfo
- Publication number
- KR102425523B1 KR102425523B1 KR1020200036973A KR20200036973A KR102425523B1 KR 102425523 B1 KR102425523 B1 KR 102425523B1 KR 1020200036973 A KR1020200036973 A KR 1020200036973A KR 20200036973 A KR20200036973 A KR 20200036973A KR 102425523 B1 KR102425523 B1 KR 102425523B1
- Authority
- KR
- South Korea
- Prior art keywords
- sow
- pig
- image
- severity
- image data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 208000024891 symptom Diseases 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 230000006399 behavior Effects 0.000 claims description 39
- 238000007726 management method Methods 0.000 claims description 32
- 238000013480 data collection Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 9
- 206010011224 Cough Diseases 0.000 claims description 8
- 230000008673 vomiting Effects 0.000 claims description 7
- 206010012735 Diarrhoea Diseases 0.000 claims description 6
- 206010047700 Vomiting Diseases 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 244000144972 livestock Species 0.000 description 60
- 238000004891 communication Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 15
- 201000010099 disease Diseases 0.000 description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 11
- 230000002068 genetic effect Effects 0.000 description 10
- 241000282887 Suidae Species 0.000 description 8
- 238000013523 data management Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000035935 pregnancy Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001079 digestive effect Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000007918 intramuscular administration Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000024584 respiratory abnormality Diseases 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 206010036436 Posture abnormal Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 208000030303 breathing problems Diseases 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001158 estrous effect Effects 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000006651 lactation Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000004916 vomit Anatomy 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Environmental Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
Abstract
컴퓨터 시스템 상에서 수행되는, 이미지 데이터 기반 모돈의 이상 징후 포착 방법이 제공된다. 개시된 방법은 모돈의 이미지 데이터를 수신하는 단계; 상기 이미지 데이터를 분석하여 이미지 내 포함된 적어도 하나의 모돈의 행동을 분석하는 단계; 및 상기 분석한 결과를 기초로 모돈의 이상징후 심각도를 산출하는 단계를 포함할 수 있다.
Description
본 개시는 영상정보를 분석하여 가축의 이상 징후를 포착하는 관리 클라우드 서비스 시스템 및 그 이용 방법에 관한 것이다.
정보통신기술(ICT)의 보급으로 가축 사양 정보, 환경 정보 등 농장의 데이터를 실시간으로 통합 관리하는 ‘스마트 축산 모델’이 제공되면서, 사육의 생산성 및 품질을 향상하고, 인력관리의 효율성을 높이며 노동력을 절감하는 방향으로 ICT 기술이 접목되어 축산 산업의 변화가 일어나고 있다.
가축의 질병 관리 분야에서는 아직 도입 기술이 미약한데, 가축의 건강상태 및 질병 이상 징후 등을 관리하기 위해서 통상 관리인이 돌아다니며 눈으로 직접 관찰하거나, 가축의 임신 시기, 가축의 체중 및 식사량을 기록하여 관리하거나, 웨어러블 센서 등을 사용하여 접촉식으로 돼지의 운동 데이터 등을 분석하여 관리하거나, 마이크 등을 이용하여 가축의 질병 징후, 예컨대 기침 소리를 인공지능으로 분석하여 탐지하는 등이 현재의 기술 수준이다.
상술한 현재의 기술에는 여러 문제점이 발생할 수 있다. 예컨대, 관리인이 주기적으로 모니터링하는 경우 관리인이 관찰하지 않는 사이 발생하는 돼지의 이상 행동이나 질병 징후를 발견하기 어렵고, 가축의 체중 및 식사량을 기록하여 관리하는 경우, 기록이 누락되거나 기록한 데이터를 적절하게 분석 및 데이터가 주는 의미를 도출하기 위한 데이터 분석 기술이 추가로 필요하다는 문제점이 있으며, 접촉식 센서를 사용하여 관리하는 경우 접촉식 센서를 설치하거나 교체할 때 가축에 질병 등의 감염이나 상해 위험 가능성이 있고, 마이크를 사용하는 경우 축사내 다수의 돼지를 대상으로 발생하는 소리를 분석하기 때문에 기침을 하거나 호흡에 문제가 있는 돼지를 특정하기 매우 어렵다는 문제점이 있다.
관리자의 직접 관찰 없이도 효율적이고 안전하게 가축질병 상황을 확인할 수 있는 가축의 질병 관리 방법 및 시스템이 요구되고 있다.
또한, 가축 관리에 따른 시간적 경제적 부담을 줄이고 돼지 사이의 감염 위험성을 줄이는 비접촉식 고정 설치 방법이 요구된다.
또한, 질병이 발생한 모돈에게 필요한 조치를 적시에 제공할 수 있도록 위험을 알리는 영상기반 모돈 행동 모니터링 및 이상징후 분석 방법이 요구된다.
본 개시의 일 특징에 따르면, 컴퓨터 시스템 상에서 수행되는, 이미지 데이터 기반 모돈의 이상 징후 포착 방법이 제공된다. 개시된 방법은 모돈의 이미지 데이터를 수신하는 단계; 상기 이미지 데이터를 분석하여 이미지 내 포함된 적어도 하나의 모돈의 행동을 분석하는 단계; 및 상기 분석한 결과를 기초로 모돈의 이상징후 심각도를 산출하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 모돈의 행동을 분석하는 단계는 시간에 따른 특정 모돈의 행동, 행동의 지속여부, 행동의 분류, 해당 이미지가 촬영된 카메라 번호를 포함하는 시계열적 데이터를 생성하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 모돈의 이상징후 심각도를 산출하는 단계는 상기 생성된 시계열적 데이터를 기초로 특정 행동에 대한 카운트(count), 시간(duration), 간격(interval), 경향성(trend), 및 시간비율(timing)을 산출하고, 소정의 가중치를 고려하여 심각도를 산출하는 단계를 포함할 수 있다.
일 실시예에 있어서, 전술한 방법은 심각도 산출된 결과가 소정의 기준을 만족하는 경우 실시간으로 그 결과를 전송하는 단계를 더 포함할 수 있다.
일 실시예에 있어서, 전술한 방법은 이상징후 심각도 계산 시간, 이상징후 심각도 계산 시간의 모돈 이미지 또는 전후 소정의 시간 동안의 이미지, 해당 모돈의 이상징후 심각도 시간별 그래프를 제공하는 단계를 더 포함할 수 있다.
일 실시예에 있어서, 모돈의 행동에 대한 분류는 서 있는 돼지(Standing_Pig), 누워 있는 돼지(Lying_Pig), 견좌자세 돼지(Sitting_Pig), 구토 돼지(Vomiting_Pig), 설사 돼지(Diarrhea_Pig), 기침 돼지(Cough_Pig) 중 적어도 하나로 분류될 수 있다.
일 실시예에 있어서, 상기 이미지 데이터를 수신하는 단계는 상기 수신된 이미지를 전처리하는 단계를 더 포함할 수 있다.
일 실시예에 있어서, 상기 이미지 데이터를 수신하는 단계는 이미지 데이터 수집 정책에 따라 데이터가 수신되며, 상기 이미지 데이터 수집 정책은 기본 정책으로 1분 단위의 주기로 720p이상 컬러 영상 이미지를 서버로 수집하고, 제1 예외 정책으로 행동 분석 결과 집중 모니터링할 클래스인 경우 수집 주기를 짧게 하여 보다 빈번하게 수집하고, 제2 예외 정책으로 모돈이 행동할 시간대가 아닌 경우, 수집 주기를 길게 하여 데이터를 수집하며, 제3 예외 정책으로 네트워크 전송 환경에 따라 데이터 전송 양과 주기를 조절하도록 설정될 수 있다.
일 실시예에 있어서, 이미지 데이터를 분석하는 단계는 사전에 이미지 데이터를 수집하고 데이터 레이블링 등의 학습 과정을 통해 이상징후 분류 모델을 적어도 하나 생성하고, 모돈 인식 이미지 데이터셋을 활용하여 기계학습 알고리즘을 적용하는 단계를 더 포함할 수 있다.
본 개시의 다른 특징에 의하면, 컴퓨터에 의해 실행 가능한, 하나 이상의 컴퓨터 판독가능 명령이 수록된 컴퓨터 판독가능 기록매체로서 상기 하나 이상의 컴퓨터 판독가능 명령은, 상기 컴퓨터에 의해 실행되는 경우, 상기 컴퓨터로 하여금, 전술한 방법들 중 어느 하나의 방법을 수행하게 하는 컴퓨터 판독가능 기록매체가 제공된다.
본 개시의 실시예에 따르면, 효율적이고 안전하게 모돈 질병 상황을 확인할 수 있는 모돈의 질병 관리 방법 및 시스템을 제공할 수 있다.
본 개시의 실시예에 따르면, 영상을 기초로 자동으로 모돈의 이상 징후를 판별함으로써 24시간 누락 없이 모돈의 행동을 모니터링할 수 있고, 모돈에게 필요한 처방을 적시에 적용할 수 있다.
본 개시의 실시예에 따르면, 영상을 기초로 모돈의 행동을 모니터링하여 분석함으로써 위험상황의 요인을 추가적으로 더 도출하고 관리할 수 있다.
도 1은 본 개시의 일 실시예에 따른 모돈의 이상징후 포착 및 관리 클라우드 서비스 시스템(100)의 전체 구성을 개략적으로 도시한 도면이다.
도 2는 도 1의 관리 클라우드 서비스 서버(140)의 예식적 기능 구성을 도시한 기능 블록도이다.
도 3은 도 2의 모돈 이미지 데이터 수집부(303)에서 이미지 데이터를 수집하는 방법을 예시적으로 도시하는 도면이다.
도 4는 모돈 이미지 데이터 수집부(303)에서 이미지 데이터를 분석하는 기계학습 엔진을 예시적으로 도시하는 도면이다.
도 5는 도 2의 모돈 이미지 기반 행동 분석부(305)에서 모돈의 행동을 분석하는 분류 모델 엔진을 예시적으로 도시하는 도면이다.
도 6은 도 2의 모돈 데이터 관리부(309)에서 데이터를 저장하는 방법을 예시적으로 도시하는 도면이다.
도 7은 도 2의 모돈 이상징후 심각도 분석부에서 시간별로 누적된 행동 분석 데이터를 기반으로 심각도를 산출한 데이터를 예시적으로 도시하는 도면이다.
도 8은 축산 농가 단말에서 모돈의 견좌자세 이상징후 이벤트를 조회하는 화면을 예시적으로 도시하는 도면이다.
도 2는 도 1의 관리 클라우드 서비스 서버(140)의 예식적 기능 구성을 도시한 기능 블록도이다.
도 3은 도 2의 모돈 이미지 데이터 수집부(303)에서 이미지 데이터를 수집하는 방법을 예시적으로 도시하는 도면이다.
도 4는 모돈 이미지 데이터 수집부(303)에서 이미지 데이터를 분석하는 기계학습 엔진을 예시적으로 도시하는 도면이다.
도 5는 도 2의 모돈 이미지 기반 행동 분석부(305)에서 모돈의 행동을 분석하는 분류 모델 엔진을 예시적으로 도시하는 도면이다.
도 6은 도 2의 모돈 데이터 관리부(309)에서 데이터를 저장하는 방법을 예시적으로 도시하는 도면이다.
도 7은 도 2의 모돈 이상징후 심각도 분석부에서 시간별로 누적된 행동 분석 데이터를 기반으로 심각도를 산출한 데이터를 예시적으로 도시하는 도면이다.
도 8은 축산 농가 단말에서 모돈의 견좌자세 이상징후 이벤트를 조회하는 화면을 예시적으로 도시하는 도면이다.
이하, 첨부 도면을 참조하여 본 개시의 실시예에 관하여 상세히 설명한다. 이하에서는, 본 개시의 요지를 불필요하게 흐릴 우려가 있다고 판단되는 경우, 이미 공지된 기능 및 구성에 관한 구체적인 설명을 생략한다. 또한, 이하에서 설명하는 내용은 어디까지나 본 개시의 일 실시예에 관한 것일 뿐 본 개시가 이로써 제한되는 것은 아님을 알아야 한다.
본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로 본 개시를 한정하려는 의도에서 사용된 것이 아니다. 예를 들면, 단수로 표현된 구성요소는 문맥상 명백하게 단수만을 의미하지 않는다면 복수의 구성요소를 포함하는 개념으로 이해되어야 한다. 또한, 본 개시의 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐이고, 이러한 용어의 사용에 의해 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하려는 것은 아니다.
본 명세서에 기재된 실시예에 있어서 '블록' 또는 '부'는 적어도 하나의 기능이나 동작을 수행하는 기능적 부분을 의미하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '블록' 또는 '부'는, 특정한 하드웨어로 구현될 필요가 있는 '블록' 또는 '부'를 제외하고는, 적어도 하나의 소프트웨어 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
덧붙여, 달리 정의되지 않는 한 기술적 또는 과학적인 용어를 포함하여, 본 명세서에서 사용되는 모든 용어들은 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의된 용어들은, 관련 기술의 문맥상 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 개시의 명세서에서 명백하게 달리 정의하지 않는 한 과도하게 제한 또는 확장하여 해석되지 않는다는 점을 알아야 한다.
이하, 첨부된 도면을 참조하여, 본 개시의 실시예에 대해 구체적으로 설명하기로 한다.
도 1은 본 개시의 일 실시예에 따른, 모돈의 이상징후 포착 및 관리 클라우드 서비스 시스템의 전체 구성을 개략적으로 도시한 도면이다.
도시된 바에 의하면, 모돈의 이상징후 포착 및 관리 클라우드 서비스 시스템은, 축산 농가 단말(110), 복수 개의 카메라(120a, 120b, ..., 120n), 통신망(130), 통신망(130)을 통해 복수 개의 카메라(120a, 120b, ..., 120n) 및 축산 농가 단말(110)에 연결된 관리 클라우드 서비스 서버(140)를 포함한다.
본 개시의 일 실시예에 의하면, 축산 농가 단말(110)은, 축산 농가 관리자를 위한 단말로서, 유선 또는 무선 통신 기능을 구비한 임의의 사용자 전자 장치일 수 있다. 축산 농가 단말(110)은, 예컨대 스마트 폰, 태블릿 PC, 데스크탑, 랩탑, PDA, 디지털 TV, 셋탑박스 등을 포함한 다양한 유선 또는 무선 통신 단말일 수 있으며, 특정 형태로 제한되지 않음을 알아야 한다. 본 도면에서는, 하나의 축산 농가 단말(110) 만이 도시되어 있으나, 본 개시가 이로써 제한되는 것은 아니다.
본 개시의 일 실시예에 의하면, 농가 관리자는, 축산 농가 단말(110)을 통해, 해당 농가에서 관리하는 가축의 관련 정보를 입력 및 저장/관리할 수 있다. 본 개시의 일 실시예에 의하면, 농가 관리자는, 본 개시의 일 실시예에 의하면, 농가 관리자는, 예컨대 축산 농가 단말(110) 상에서, 해당 농가에서 관리하는 가축에 관한 복수의 생체 특징 데이터, 예컨대 가축의 월령, 품종, 임신 상태, 및 성별 정보 등(그러나 이로써 제한되는 것은 아님)을 입력할 수 있다. 본 개시의 일 실시예에 의하면, 농가 관리자는, 예컨대 축산 농가 단말(110) 상에서, 해당 농가에서 관리하는 가축에 관한 복수의 유전 정보 데이터, 예컨대 가축의 부 유전능력 냉도체중, 부 유전능력 배최장근단면적, 부 유전능력 등지방두께, 부 유전능력 근내지방도, 모 유전능력 냉도체중, 모 유전능력 배최장근단면적, 모 유전능력 등지방두께, 및 모 유전능력 근내지방도 등(그러나 이로써 제한되는 것은 아님)을 입력할 수 있다.
본 개시의 다른 실시예에 의하면, 축산 농가 단말(110)은, 통신망(130)을 통하여 외부의 별도 데이터베이스(구체적으로 도시되지 않았음)로부터, 해당 농가에서 관리하는 가축의 생체 특징 정보 및 유전 정보 등을 획득할 수 있다. 예컨대, 특정 가축의 경우, 정부나 지자체에서 관리하는 해당 가축의 데이터베이스가 있는데, 본 개시의 일 실시예에 의하면, 농가 관리자는, 축산 농가 단말(110)을 이용해서, 외부의 데이터베이스로부터 자신의 농가의 가축에 관한 필요한 정보를 가져올 수 있으나, 본 개시가 이로써 제한되는 것은 아니다.
본 개시의 일 실시예에 의하면, 축산 농가 단말(110)은, 통신망(130)을 통해서, 관리 클라우드 서비스 서버(140)와 통신, 즉 필요한 정보를 송수신할 수 있다. 본 개시의 일 실시예에 의하면, 축산 농가 단말(110)은, 통신망(130)을 통해, 해당 농가에서 관리하는 가축에 관련된 정보, 예컨대 생체 특징 정보, 유전 정보 등의 각종 정보를 관리 클라우드 서비스 서버(140)로 전송할 수 있고, 관리 클라우드 서비스 서버(140)로부터 해당 가축에 관한 정보, 예컨대 질병 발생 유무 등을 수신할 수 있다. 본 개시의 일 실시예에 의하면, 축산 농가 단말(110)은, 관리 클라우드 서비스 서버(140)로부터 수신된 각종 정보들을 디스플레이를 통해 표시할 수 있다.
본 개시의 일 실시예에 의하면, 카메라(120a, 120b, ..., 120n)는 축산 농가에서 관리하는 가축의 모습을 촬영하기 위한 것으로서 유선 또는 무선 통신 기능을 구비한 이미지 촬영 카메라, 동영상 촬영 카메라, CCTV 카메라 등 임의의 전자 장치일 수 있다.
본 개시의 일 실시예에 의하면, 카메라(120a, 120b, ..., 120n)는 가축의 이미지, 가축의 걸음 걸이 영상, 가축의 자세 영상, 수면 영상, 움직임 영상, 섭취한 사료의 양, 견좌 자세 영상, 배설 영상, 토사물 영상, 축사의 청소 상태 등을 촬영할 수 있다. 본 도면에 도시된 바에 의하면, 모돈의 이상징후 포착 및 관리 클라우드 서비스 시스템은, 두 개의 카메라(120a, 120b)를 갖는 것으로 도시되어 있으나 본 개시가 이로써 제한되는 것은 아니다.
본 개시의 일 실시예에 의하면, 통신망(130)은, 임의의 유선 또는 무선 통신망, 예컨대 TCP/IP 통신망을 포함할 수 있다. 본 개시의 일 실시예에 의하면, 통신망(130)은, 예컨대 Wi-Fi망, LAN망, WAN망, 인터넷망 등을 포함할 수 있으며, 본 발명이 이로써 제한되는 것은 아니다. 본 개시의 일 실시예에 의하면, 통신망(130)은, 예컨대 이더넷, GSM, EDGE(Enhanced Data GSM Environment), CDMA, TDMA, OFDM, 블루투스, VoIP, Wi-MAX, Wibro 기타 임의의 다양한 유선 또는 무선 통신 프로토콜을 이용하여 구현될 수 있다.
본 개시의 일 실시예에 의하면, 관리 클라우드 서비스 서버(140)는, 통신망(130)을 통하여 카메라(120a, 120b, ..., 120n)로부터 영상 정보를 수신할 수 있다. 본 개시의 일 실시예에 의하면, 관리 클라우드 서비스 서버(140)는, 통신망(130)을 통하여, 축산 농가 단말(110)과 필요한 정보를 송수신할 수 있다.
본 개시의 일 실시예에 의하면, 관리 클라우드 서비스 서버(140)는, 가축에 관한 이미지 데이터, 생체 특징 정보 등을 축산 농가 단말(110)로부터 수신할 수 있다. 본 개시의 일 실시예에 의하면, 관리 클라우드 서비스 서버(140)는, 수신된 이미지 데이터, 생체 특징 정보 등에 기초하여 해당 가축의 건강 상태를 판단할 수 있다.
본 개시의 일 실시예에 의하면, 관리 클라우드 서비스 서버(140)는, 축산 농가 단말(110)로부터 수신된 가축에 관한 이미지 데이터, 생체 특징 데이터, 및 유전 정보와, 이상징후 판단 모델을 통해 해당 가축의 질병 발생 여부을 판단할 수 있다. 본 개시의 일 실시예에 의하면, 관리 클라우드 서비스 서버(140)는, 축산 농가 단말(110) 또는 카메라(120a, 120b, .. 120n)로부터 수집된 데이터를 기초로 시계열 예측 기계학습 기법을 이용하여 가축의 질병 발생 여부을 예측할 수 있다.
도 2는 도 1의 관리 클라우드 서비스 서버(140)의 예시적 기능 구성을 도시한 기능 블록도이다.
도시된 바에 의하면, 관리 클라우드 서비스 서버(140)는, 통신부(201), 모돈 이미지 데이터 수집부(203), 모돈 이미지기반 행동 분석부(205), 모돈 이상징후 심각도 분석부(207), 모돈 데이터 관리부(209), 모돈 이상징후 알림부(211) 및 모돈 이상징후 확인부(213)를 포함할 수 있다.
본 개시의 일 실시예에 의하면, 통신부(201)는, 관리 클라우드 서비스 서버(140)가, 통신망(130)을 통해 외부와 통신할 수 있도록 지원할 수 있다. 본 개시의 일 실시예에 의하면, 통신부(201)는, 소정의 프로토콜에 따라 통신망(130)으로부터 데이터를 수신할 수 있고, 통신망(130)을 통하여 관리 클라우드 서비스 서버(140)로부터 외부로 데이터가 전송되도록 필요한 절차를 수행할 수 있다.
도 3은 도 2의 모돈 이미지 데이터 수집부(303)에서 이미지 데이터를 수집하는 방법을 도시하는 도면이다.
본 개시의 일 실시예에 의하면, 모돈 이미지 데이터 수집부(203)는 돈사내에 설치된 카메라(120a, 120b, .. 120n)로부터 수집된 데이터를 수집할 수 있다. 일 실시예에서, 카메라(120a, 120b, .. 120n)는 스트리밍 영상을 생성하여 전송할 수 있다. 일 실시예에서, 모돈 이미지 데이터 수집부(203)는 카메라(120a, 120b, .. 120n)에서 전송된 영상에 대해 프레임 구분 영상처리를 할 수 있다.
일 실시예에서, 모돈 이미지 데이터 수집부(203)는 카메라(120a, 120b, .. 120n)를 통해 지정한 정책에 따라 이미지 데이터를 수집할 수 있다. 일 실시예에서, 데이터 수집 정책은 기본 정책으로 1분 단위의 주기로 720p이상 컬러 영상 이미지를 수집할 수 있다. 일 실시예에서, 모돈 이미지 데이터 수집부(203)는 제1 예외 정책으로 행동 분석 결과 집중 모니터링할 타입(견과, 설사, 구토, 기침 등)이라면 수집 주기를 짧게 하여 보다 빈번하게 수집할 수 있다. 일 실시예에서, 모돈 이미지 데이터 수집부(203)는 제2 예외 정책으로 돼지가 행동할 시간대가 아니라면, 예컨대 수면시간 등과 같이, 수집 주기를 길게 하여 데이터를 수집할 수 있다. 일 실시예에서, 모돈 이미지 데이터 수집부(203)는 제3 예외 정책으로 네트워크 전송 환경에 따라 데이터 전송 양과 주기를 조절할 수 있다. 예컨대, 네트워크 전송 환경이 나빠지는 경우, 데이터 수집 큐를 조정하여 전송 속도가 일정값 이상이 나올 때 한번에 수집할 수 있다.
일 실시예에서, 모돈 이미지 데이터 수집부(203)는 수집한 데이터에 대해 전처리를 수행할 수 있다. 일 실시예에서, 모돈 이미지 데이터 수집부(203)는 수집한 이미지 데이터의 이미지를 흑백화하거나, 엣지 이미지를 획득하는 등 원본 이미지 데이터에 대해 전처리를 수행할 수 있다.
다시 도 2로 돌아가서, 본 개시의 일 실시예에 의하면, 모돈 이미지기반 행동 분석부(205)는 기계학습, 이미지 분류 기법 등의 인공지능 기법을 사용하여 이미지 내 모니터링할 객체의 행동 상태를 분류할 수 있다.
도 4는 모돈 이미지기반 행동 분석부에서 사용할 이상징후 분류 모델 후보를 준비하는 단계를 도시하는 도면이다. 이상징후 분류 모델은 사전에 수집된 데이터에 데이터 레이블링 등의 학습 과정을 통해 분류 모델을 생성할 수 있다. 도 4에 도시된 바와 같이 다수의 분류모델을 학습시키고 리콜(recall) 확률을 분석하여 후보를 준비할 수 있다.
도 5는 모돈 이미지기반 행동 분석부(205)에서 분류모델 엔진으로 모돈 이미지 기반 행동을 분석하는 방법을 도시하는 도면이다. 모돈 이미지기반 행동 분석부(205)는 각 분류 알고리즘을 기초로 학습시킨 분류기 중 가장 리콜 성능이 뛰어난 분류기를 이용하여 모돈 이미지 내 행동을 분석할 수 있다.
다시 도 2로 돌아가서, 본 개시의 일 실시예에 의하면, 모돈 이미지기반 행동 분석부(205)는 분류모델 엔진을 이용하여 모돈 이미지 내 행동을 분석할 수 있다.
일 실시예에서, 모돈 이상징후 분류기가 인식할 수 있는 레이블(클래스)은 서 있는 돼지(Standing_Pig), 누워 있는 돼지(Lying_Pig), 겹쳐있는 돼지(Multiple_Pig), 견좌자세 돼지(Sitting_Pig), 구토 돼지(Vomiting_Pig), 설사 돼지(Diarrhea_Pig), 기침 돼지(Cough_Pig)를 포함할 수 있다.
일 실시예에서, 이상징후로 판단할 수 있는 분류 레이블은 견좌자세 돼지의 경우 관절 또는 호흡기 이상, 구토 돼지의 경우 소화기 이상, 설사 돼지의 경우 소화기 이상, 기침 돼지의 경우 호흡기 이상일 수 있다.
본 개시의 일 실시예에 의하면, 모돈 데이터 관리부(207)는 모돈의 이미지에서 모돈 객체별 행동을 분석한 결과를 저장 및 관리할 수 있다. 일 실시예에서, 모돈 데이터 관리부(207)는 행동 분석 결과를 모두 저장할 수 있으며, 저장된 행동 분석 결과는 추후 이상징후 심각도를 계산하기 위한 근거 데이터로 사용될 수 있다.
도 6은 도 2의 모돈 데이터 관리부(207)에서 데이터를 저장하는 방법을 예시적으로 도시하는 도면이다.
도 6에 도시된 바와 같이, 일 실시예에서, 모돈 데이터 관리부(207)는 이상징후가 발견된 이미지 데이터와 함께 돈사 위치, 카메라 번호, 이벤트 시간, 이벤트 종류를 저장할 수 있다. 일 실시예에서, 이미지 데이터는 소정의 시간동안 모니터링된 영상을 포함할 수 있다.
일 실시예에서, 모돈 데이터 관리부(207)에서 저장하는 데이터 형식은 농장 번호, 사육실 번호, 카메라 번호, PEN(구역) 번호, 돼지 ID, 분석(행동 이벤트) 시간, 분석(행동 이벤트) 종류를 포함할 수 있다.
일 실시예에서, 모돈 데이터 관리부(207)는 농장에서 오프라인으로 관리하는 돼지의 정보를 포함할 수 있으며, 예컨대, 돼지 ID, 생년원일, 최초 발정일, 구매 무게, 구매처, 구매일, 임신 산차, 돼지 품정, 타입(임신, 숫돈, 자돈 등) 정보를 포함할 수 있다.
본 개시의 일 실시예에 의하면, 모돈 이상징후 심각도 분석부(209)는 시간별로 누적된 행동 분석 데이터를 기반으로 일정 주기로 모돈 이상징후 심각도를 계산할 수 있다. 일 실시예에서, 모돈 이상징후 심각도 계산 주기는 30분 간격 또는 1일 간격으로 다양한 값이 될 수 있다.
본 개시의 일 실시예에 의하면, 모돈 이상징후 심각도 분석부(209)는 심각도를 관찰 대상 이상징후(견좌자세, 설사, 구토, 기침 등)별로 계산할 수 있다. 일 실시예에서, 모돈 이상징후 심각도 분석부(209)는 견좌자세의 심각도를 5개의 변수를 기초로 계산할 수 있다.
여기서, 5개의 변수는 카운트(count), 시간(duration), 간격(interval), 경향성(trend), 및 시간비율(timing)일 수 있다. 카운트(count)는 동일한 돼지에 대해 1 카운트는 동일한 견좌자세 연속 인식 유형을 의미하고, 시간(duration)은 동일한 돼지에 대해 연속 견좌자세 인식 유형의 합산 시간이며, 간격(interval)은 이전의 견좌자세 인식 유형에서 현재 견좌자세 인식 유형 시간까지의 시간이고, 경향성(trend)은 견좌자세 그래프의 기울기. 카운트 라인 그래프 대신 1시간 라인 그래프의 시간 합이며 시간비율(timing)은 지정된 시간 동안 모돈의 견좌자세 시간 비율이다.
또한, 5개 변수 각각의 심각도를 소정의 기준에 따라 정의할 수 있다. 예컨대, 위험 카운트(High Count)는 최근 3일 동안, 30개가 넘으면 심각함을 의미하며, 위험 시간(High Duration)은 최근 3일 동안, 24시간이 넘으면 심각함을 의미할 수 있고, 위험 간격(High Interval)은 최근 3일 동안, 평균 간격이 30분보다 적으면 심각함을 의미할 수 있으며, 위험 경향성(High Trend)은 최근 3일 동안, 그래프의 기울기가 0.25보다 크면 심각함을 의미할 수 있고, 위험 시간 비율(High Timing)은 최근 3일 동안, 지정된 시간 내 견좌자세 시간의 비율로 정의할 수 있다.
또한, 각 변수에 대해 가중치를 설정하여 실제 이벤트 발생 상황에 맞도록 변수의 중요도를 조정할 수 있다. 예컨대, 카운트와 시간(duration)의 심각도 평균에 대한 가중치를 50%로 하고, 간격 심각도에 대한 가중치를 20%, 경향성 심각도에 대한 가중치를 20%, 그리고 시간 비율에 대한 심각도를 10%로 할 수 있다.
전술한 전제와 가정을 기초로, 최종 심각도 값은 다음과 같이 계산할 수 있다.
(1) 카운트 심각도 = 
, 만약 1을 초과하면 1로 함
(2) 시간(duration) 심각도 = 
, 만약 1을 초과하면 1로 함
(3) 간격 심각도 = 
, 만약 1을 초과하면 1, 만약 0 미만이면 0으로 함
(4) 경향성 심각도 = 
, 만약 1을 초과하면 1, 만약 0 미만이면 0으로 함
(5) 시간비율 심각도 = 
따라서, 최종 심각도 값은 아래와 같이 계산될 수 있다.
(6) 최종 심각도 = 
전술한 심각도 계산 결과에 따라 심각도 유형을 구분할 수 있는데, 예를 들어, 최종 심각도 값이 75 이상인 경우 위험(Danger), 최종 심각도 값이 40 이상 75 미만인 경우, 경고(warning), 최종 심각도 값이 20 이상 40 미만인 경우, 주의(caution), 최종 심각도 값이 20미만인 경우 안전(safe)로 구분할 수 있다.
이상 견좌자세 심각도를 계산하는 방법을 설명하였고, 다른 이상징후 심각도도 전술한 견좌자세 심각도를 계산하는 방법과 유사하게 계산할 수 있을 것이다.
도 7은 도 2의 모돈 이상징후 심각도 분석부에서 시간별로 누적된 행동 분석 데이터를 기반으로 심각도를 산출한 데이터를 예시적으로 도시하는 도면이다.
일 실시예에서, 누적된 행동 분석 데이터는 ID, Pig ID, Recognition Time, Continous, Recognition Type을 포함할 수 있다. 일 실시예에서, 모돈 이상징후 심각도 분석부(209)는 5개의 변수, 카운트(count), 시간(duration), 간격(interval), 경향성(trend), 및 시간비율(timing)을 계산하고, 계산된 결과값을 기초로 심각도를 계산할 수 있다.
본 개시의 일 실시예에 의하면, 모돈 이상징후 알림부(211)는 전술한 모돈 이상징후 심각도 분석부(209)에서 산출된 결과를 축산 농가 단말(110)로 전송할 수 있다. 일 실시예에서, 모돈 이상징후 알림부(211)는 산출된 결과가 소정의 기준을 만족하는 경우 실시간으로 전송할 수 있다. 예컨대, 심각도 계산 결과, 유형이 경고(warning) 이상인 경우, 모돈 이상징후 알림부(211)는 축산 농가 단말(110)로 바로 알림을 전송하거나, 일정 주기에 따라, 예컨대 4시간에 1회씩, 유형이 경고 이상인 이벤트를 알릴 수 있다.
본 개시의 일 실시예에 의하면, 모돈 이상징후 확인부(213)는 축산 농가 단말로 전송하는 데이터를 관리할 수 있다. 일 실시예에서, 축산 농가 단말(110)에서 알림 확인을 요청하면 모돈 이상징후 확인부(213)는 소정의 데이터를 축산 농가 단말(110)로 전송할 수 있다. 일 실시예에서, 소정의 데이터는 모돈 일반 정보, 이상징후 심각도 계산 시간, 이상징후 심각도 계산 시간의 모돈 이미지 또는 전후 소정의 시간 동안의 이미지, 해당 모돈의 이상징후 심각도 시간별 그래프를 포함할 수 있다.
도 8은 축산 농가 단말에서 모돈의 견좌자세 이상징후 이벤트를 조회하는 화면을 예시적으로 도시하는 도면이다.
축산 농가 단말(110)의 화면에는 제공되는 데이터의 항목과 항목의 값('이벤트 종류', '견좌자세')('이벤트 발생일시', '2019.05.13 14:45:32'), ('이벤트 발생 카메라 번호', '3')과 함께 이벤트 영상이 도시될 수 있다.
본 개시에 따르면, 영상 기반으로 24시간 모돈의 행동을 모니터링하여 이상징후를 분석하고 이상징후가 발견되는 경우 알람과 함께 관련 데이터를 제공함으로써 관리자로 하여금 이상징후가 있는 모돈에게 필요한 조치를 적시에 제공할 수 있도록 충분한 정보를 제공할 수 있다.
당업자라면 알 수 있듯이 본 개시는 본 명세서에서 기술된 예시에 한정되는 것이 아니라 본 개시의 범주를 벗어나지 않는 범위 내에서 다양하게 변형, 재구성 및 대체될 수 있다. 예를 들어, 본원에 기술된 다양한 기술들은 하드웨어 또는 소프트웨어, 또는 하드웨어와 소프트웨어의 조합에 의해 구현될 수 있다. 따라서 본원에 따른 소프트웨어 안전성 분석을 위한 분석 머신의 특정한 양태나 부분은 범용 또는 전용 마이크로프로세서, 마이크로-컨트롤러 등에 의해 실행 가능한 하나 이상의 컴퓨터 프로그램으로 구현될 수 있다. 본 개시의 일 실시예에 따른 컴퓨터 프로그램은, 컴퓨터 프로세서 등에 의해 판독 가능한 저장 매체, 예컨대 EPROM, EEPROM, 플래시 메모리장치와 같은 비휘발성 메모리, 내장형 하드 디스크와 착탈식 디스크 같은 자기 디스크, 광자기 디스크, 및 CDROM 디스크 등을 포함한 다양한 유형의 저장 매체에 저장된 형태로 구현될 수 있다. 또한, 프로그램 코드(들)는 어셈블리어나 기계어로 구현될 수 있고, 전기 배선이나 케이블링, 광섬유, 또는 기타 임의의 다른 형태의 전송 매체를 통해 전송되는 형태로 구현될 수도 있다.
본 명세서에서는, 예시적인 실시예에 대해 다양한 도면을 참조하여 주로 기술했지만, 다른 유사한 실시예들이 이용될 수 있다. 본 개시의 진정한 사상 및 범주에 속하는 모든 변형 및 변경을 이하의 특허청구범위에 의해 모두 포괄하고자 한다.
110: 축산 농가 단말
120: 카메라
130: 통신망
140: 관리 클라우드 서비스 서버
120: 카메라
130: 통신망
140: 관리 클라우드 서비스 서버
Claims (10)
- 컴퓨터 시스템 상에서 수행되는, 이미지 데이터 기반 모돈의 이상 징후 포착 방법으로서,
모돈의 이미지 데이터를 수신하는 단계 - 상기 이미지 데이터를 수신하는 단계는 이미지 데이터 수집 정책에 따라 데이터가 수신되며, 상기 이미지 데이터 수집 정책은 기본 정책으로 제1 시간 단위 주기로 제1 해상도의 컬러 영상 이미지를 서버로 수집하고, 제1 예외 정책으로 행동 분석 결과 집중 모니터링할 클래스인 경우 수집 주기를 짧게 하여 보다 빈번하게 수집하고, 제2 예외 정책으로 모돈이 행동할 시간대가 아닌 경우, 수집 주기를 길게 하여 데이터를 수집하며, 제3 예외 정책으로 네트워크 전송 환경에 따라 데이터 전송 양과 주기를 조절하도록 설정됨 -;
상기 이미지 데이터를 분석하여 이미지 내 포함된 적어도 하나의 모돈의 행동을 분석하는 단계; 및
상기 분석한 결과를 기초로 모돈의 이상징후 심각도를 산출하는 단계
를 포함하고,
상기 모돈의 행동을 분석하는 단계는 시간에 따른 특정 모돈의 행동, 행동의 지속여부, 행동의 분류, 해당 이미지가 촬영된 카메라 번호를 포함하는 시계열적 데이터를 생성하는 단계를 포함하며 - 상기 행동의 분류는 서 있는 돼지(Standing_Pig), 누워 있는 돼지(Lying_Pig), 견좌자세 돼지(Sitting_Pig), 구토 돼지(Vomiting_Pig), 설사 돼지(Diarrhea_Pig), 기침 돼지(Cough_Pig) 중 적어도 하나로 분류됨 -,
상기 모돈의 이상징후 심각도를 산출하는 단계는 상기 생성된 시계열적 데이터를 기초로 특정 행동에 대한 카운트(count), 시간(duration), 간격(interval), 경향성(trend), 및 시간비율(timing)을 산출하고, 소정의 가중치를 고려하여 심각도를 산출하는 단계를 포함하는 모돈 이상징후 포착 및 관리 클라우드 서비스 방법. - 삭제
- 삭제
- 제1항에 있어서,
상기 방법은
상기 심각도 산출된 결과가 소정의 기준을 만족하는 경우 실시간으로 그 결과를 전송하는 단계를 더 포함하는 모돈 이상징후 포착 및 관리 클라우드 서비스 방법. - 제4항에 있어서,
상기 방법은
이상징후 심각도 계산 시간, 이상징후 심각도 계산 시간의 모돈 이미지 또는 전후 소정의 시간 동안의 이미지, 해당 모돈의 이상징후 심각도 시간별 그래프를 제공하는 단계를 더 포함하는 모돈 이상징후 포착 및 관리 클라우드 서비스 방법. - 삭제
- 제1항에 있어서,
상기 이미지 데이터를 수신하는 단계는
상기 수신된 이미지를 전처리하는 단계를 더 포함하는 모돈 이상징후 포착 및 관리 클라우드 서비스 방법. - 삭제
- 제1항에 있어서,
상기 이미지 데이터를 분석하는 단계는 사전에 이미지 데이터를 수집하고 데이터 레이블링 등의 학습 과정을 통해 이상징후 분류 모델을 적어도 하나 생성하고,
모돈 인식 이미지 데이터셋을 활용하여 기계학습 알고리즘을 적용하는 단계를 더 포함하는 모돈 이상징후 포착 및 관리 클라우드 서비스 방법. - 컴퓨터에 의해 실행 가능한, 하나 이상의 컴퓨터 판독가능 명령이 수록된 컴퓨터 판독가능 기록매체로서, 상기 하나 이상의 컴퓨터 판독가능 명령은, 상기 컴퓨터에 의해 실행되는 경우, 상기 컴퓨터로 하여금, 제1항, 제4항, 제5항, 제7항 및 제9항 중 어느 한 항에 따른 방법을 수행하게 하는 컴퓨터 판독가능 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2020/006882 WO2021194008A1 (ko) | 2019-03-26 | 2020-05-28 | 모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190034690 | 2019-03-26 | ||
| KR20190034690 | 2019-03-26 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200115317A KR20200115317A (ko) | 2020-10-07 |
| KR102425523B1 true KR102425523B1 (ko) | 2022-07-27 |
Family
ID=72884781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200036973A KR102425523B1 (ko) | 2019-03-26 | 2020-03-26 | 모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102425523B1 (ko) |
| WO (1) | WO2021194008A1 (ko) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AT524715A1 (de) * | 2021-02-12 | 2022-08-15 | Mechatronik Zehentner Eu | Verfahren und Vorrichtung zur Nachverfolgung von Tieren |
| KR102577121B1 (ko) * | 2021-09-29 | 2023-09-12 | 한국축산데이터 주식회사 농업회사법인 | 인공지능 기반 가축 이상행동 패턴 추출 방법 및 장치 |
| KR102648259B1 (ko) * | 2021-09-30 | 2024-03-14 | 한국화학연구원 | 동물 소리감지를 통한 야간 행동분석장치 및 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101122644B1 (ko) * | 2009-11-04 | 2012-03-09 | (주)농정사이버 | 가축의 생체변화 모니터링 시스템 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101607934B1 (ko) * | 2014-05-14 | 2016-03-31 | 숭실대학교산학협력단 | 전염병 모니터링 방법 및 이를 이용한 시스템, 이를 수행하기 위한 기록매체 |
| KR20160078089A (ko) * | 2014-12-24 | 2016-07-04 | 고려대학교 산학협력단 | 농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템 |
| US20170202185A1 (en) * | 2016-01-18 | 2017-07-20 | Dinklage Feed Yards, Inc. | Unmanned livestock monitoring system and methods of use |
| KR101931270B1 (ko) * | 2018-04-25 | 2018-12-20 | 주식회사 근옥 | 영상 분석을 이용한 자돈 사육 시스템 |
| KR102268040B1 (ko) * | 2018-09-13 | 2021-06-22 | 박상열 | 기계학습을 이용한 가축관리장치 및 방법 |
-
2020
- 2020-03-26 KR KR1020200036973A patent/KR102425523B1/ko active IP Right Grant
- 2020-05-28 WO PCT/KR2020/006882 patent/WO2021194008A1/ko active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101122644B1 (ko) * | 2009-11-04 | 2012-03-09 | (주)농정사이버 | 가축의 생체변화 모니터링 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200115317A (ko) | 2020-10-07 |
| WO2021194008A1 (ko) | 2021-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102425523B1 (ko) | 모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치 | |
| KR102014353B1 (ko) | 머신러닝 기반의 스마트팜 가축관리 시스템 | |
| KR101607934B1 (ko) | 전염병 모니터링 방법 및 이를 이용한 시스템, 이를 수행하기 위한 기록매체 | |
| CN111898581B (zh) | 动物检测方法、装置、电子设备及可读存储介质 | |
| CN111310596A (zh) | 一种动物患病状态监测系统及方法 | |
| KR102296501B1 (ko) | 깊이 영상카메라 및 소리 센서를 활용한 모돈의 발정기 및 수정적기 판단 시스템 | |
| KR102307478B1 (ko) | 컴퓨터 비전을 이용한 가축 질병 예측 시스템 및 그 방법 | |
| CN113411542A (zh) | 一种智能化的工作状况监测设备 | |
| KR102425522B1 (ko) | 영상정보를 분석하여 가축 방역 경계선을 설정하는 방법 | |
| KR20210108686A (ko) | 영상 인공지능 기반 반려동물 질병 예후 진단 방법 | |
| KR20210080226A (ko) | 반려동물 모니터링 방법 및 그 장치 | |
| CN116824626A (zh) | 一种动物异常状态人工智能识别的方法 | |
| CN114980011B (zh) | 穿戴式传感器与红外相机协同的畜禽体温监测方法 | |
| Hakansson et al. | Automatic monitoring and detection of tail-biting behavior in groups of pigs using video-based deep learning methods | |
| KR20200071597A (ko) | 영상분석을 활용한 어미돼지의 분만시점 예측 방법 및 장치 | |
| KR102486761B1 (ko) | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 | |
| CN109447878A (zh) | 城市大数据治安管理平台 | |
| KR102172347B1 (ko) | 농장 가축 상태 평가 방법 및 시스템 | |
| CN116071702B (zh) | 基于计算机视觉的养猪场交互行为监测管理方法和系统 | |
| CN111539350A (zh) | 一种农作物病虫害智能识别的方法 | |
| KR102425521B1 (ko) | 영상정보 분석 기반 방역 시스템 및 그 이용 방법 | |
| CN109361904A (zh) | 一种监控视频切片存储方法及系统 | |
| CN113660455B (zh) | 一种基于dvs数据的跌倒检测方法、系统、终端 | |
| CN115349459A (zh) | 一种智能猪舍监控系统 | |
| CN111291597B (zh) | 一种基于图像的人群态势分析方法、装置、设备及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |