KR102431588B1 - 딥러닝 기반 얼굴 인식을 활용한 동물 개체 인식과 식사량 기록 및 배식 조절을 위한 시스템 - Google Patents
딥러닝 기반 얼굴 인식을 활용한 동물 개체 인식과 식사량 기록 및 배식 조절을 위한 시스템 Download PDFInfo
- Publication number
- KR102431588B1 KR102431588B1 KR1020200058788A KR20200058788A KR102431588B1 KR 102431588 B1 KR102431588 B1 KR 102431588B1 KR 1020200058788 A KR1020200058788 A KR 1020200058788A KR 20200058788 A KR20200058788 A KR 20200058788A KR 102431588 B1 KR102431588 B1 KR 102431588B1
- Authority
- KR
- South Korea
- Prior art keywords
- animal
- meal
- feed
- amount
- processor
- Prior art date
Links
- 241001465754 Metazoa Species 0.000 title claims abstract description 114
- 238000013135 deep learning Methods 0.000 title claims abstract description 10
- 235000012054 meals Nutrition 0.000 title claims description 76
- 235000013305 food Nutrition 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims description 33
- 238000005516 engineering process Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 27
- 238000013145 classification model Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000013136 deep learning model Methods 0.000 abstract description 12
- 238000007726 management method Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000002085 persistent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 241000282472 Canis lupus familiaris Species 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010056465 Food craving Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 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
- A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
- A01K5/01—Feed troughs; Feed pails
- A01K5/0114—Pet food dispensers; Pet food trays
-
- 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
- A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
- A01K5/01—Feed troughs; Feed pails
-
- 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
- A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
- A01K5/02—Automatic devices
-
- 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
- A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
- A01K5/02—Automatic devices
- A01K5/0275—Automatic devices with mechanisms for delivery of measured doses
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/765—Interface circuits between an apparatus for recording and another apparatus
- H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Birds (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
딥러닝 기반 얼굴 인식을 활용한 동물 개체 인식과 식사량 기록 및 배식 조절을 위한 시스템이 개시된다. 딥러닝 모델을 이용하여 카메라를 통해 촬영된 영상 내 동물 얼굴을 인식하고 인식된 동물 얼굴을 기초로 동물 개체를 구분하여 각 동물 개체 별로 식사량 기록 및 배식 조절을 수행할 수 있다.
Description
아래의 설명은 동물 개체의 식사량을 기록하고 배식을 조절하는 기술에 관한 것이다.
다수의 반려동물을 키우는 가정이나 축사 등의 공간에서는 각 개체의 건강 상태를 파악하는 것이 중요한 문제이다. 건강 상태를 확인하기 위해 검사하는 것 중 하나는 식사량인데 다수의 개체가 있을 경우 각 개별 개체의 식사량을 확인하는 것은 쉬운 문제가 아니다.
정확한 식사량을 알기 위해서는 사료를 급여할 때마다 기록하는 등의 추가적인 노력이 필요하나, 이는 귀찮고 불편한 일이기 때문에 꼼꼼하게 관리하기 쉽지 않으며 대부분은 날마다 급여하는 대략적인 사료의 양을 경험적으로 인식하는 선에서 그친다.
반려동물의 급식량을 제어하는 기술의 일례로, 한국 공개특허공보 제10-2003-0054969호(공개일 2003년 7월 2일)에는 설정된 시간에 먹이가 자동으로 공급되도록 제어하고 외부에서 원격 제어를 통해 먹이를 공급할 수 있도록 한 애완동물 자동급식기 제어장치가 개시되어 있다.
다수의 동물이 있는 공간에서 각 개체의 식사량을 기록하고 배식량을 조절할 수 있도록 식사 시 개체를 인식할 수 있는 기술을 제공한다.
동물용 배식 장치에 있어서, 메모리에 포함된 컴퓨터 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 컴퓨터 영상 처리 기술을 이용하여 카메라를 통해 촬영된 영상 내 동물 외형 특징을 인식하는 특징 인식부; 및 상기 인식된 외형 특징을 기초로 동물 개체를 구분하여 각 동물 개체 별로 배식을 조절하는 배식 조절부를 포함하는 동물용 배식 장치를 제공한다.
일 측면에 따르면, 상기 동물용 배식 장치는 사료보관을 위한 사료보관 용기, 상기 사료보관 용기에 보관된 사료를 배출하기 위한 배출구, 및 상기 배출구를 통해 배출된 사료가 담기는 식사용 그릇을 포함하고, 상기 배식 조절부는, 상기 동물 개체의 식사량이 사전 설정된 하루 식사량을 초과하지 않은 경우 일정 용량의 사료가 상기 식사용 그릇으로 배출되도록 제어할 수 있다.
다른 측면에 따르면, 상기 배식 조절부는, 상기 하루 식사량과, 상기 동물 개체가 이전 식사에서 남긴 사료의 양, 및 현재 상기 식사용 그릇에 남아 있는 사료의 양을 기초로 상기 식사용 그릇으로 배출하는 사료의 양을 결정할 수 있다.
또 다른 측면에 따르면, 상기 동물용 배식 장치는 사료가 담기는 식사용 그릇과 상기 식사용 그릇 내 사료의 무게를 측정하기 위한 무게 센서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 식사용 그릇 내 사료의 무게를 기초로 상기 동물 개체의 식사량을 측정하여 기록하는 식사 정보 기록부를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 식사 정보 기록부는, 상기 동물 개체의 식사량과 함께 상기 카메라를 통해 촬영된 식사 영상을 저장할 수 있다.
또 다른 측면에 따르면, 상기 식사 정보 기록부는, 상기 동물 개체의 식사량과 함께 상기 컴퓨터 영상 처리 기술을 통해 추출된 외형 특징점을 저장하고, 상기 저장된 외형 특징점은 상기 컴퓨터 영상 처리 기술 기반 분류 모델의 업데이트를 위한 데이터로 이용될 수 있다.
또 다른 측면에 따르면, 상기 적어도 하나의 프로세서는, 식사 관리와 관련된 알림을 일정 주기 혹은 정해진 시간에 제공하는 알림 제공부를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 컴퓨터 영상 처리 기술은 머신러닝 기법 또는 딥러닝 기법을 이용할 수 있다.
본 발명의 실시예들에 따르면, 식사 시 개별 개체를 인식함으로써 개체를 구분하여 개체 별로 정확한 개체별 식사량 기록과 배식 조절을 실현할 수 있다.
본 발명의 실시예들에 따르면, 딥러닝 기반의 얼굴인식 기술을 이용하여 개별 개체를 인식함으로써 자동화된 관리 환경을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 동물 식사 관리 시스템의 전체 구성을 도시한 것이다.
도 2은 본 발명의 일 실시예에 있어서 컴퓨터 시스템의 내부 구성의 일례를 설명하기 위한 블록도이다.
도 3 내지 도 4는 본 발명의 일실시예에 있어서 배식 장치의 예시를 도시한 것이다.
도 5는 본 발명의 일 실시예에 따른 배식 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
도 2은 본 발명의 일 실시예에 있어서 컴퓨터 시스템의 내부 구성의 일례를 설명하기 위한 블록도이다.
도 3 내지 도 4는 본 발명의 일실시예에 있어서 배식 장치의 예시를 도시한 것이다.
도 5는 본 발명의 일 실시예에 따른 배식 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 실시예들은 동물 개체의 식사량을 기록하고 배식을 조절하는 기술에 관한 것이다.
본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 식사 시 개별 개체를 인식할 수 있고, 이를 통해 정확한 개체별 식사량 기록과 배식 조절을 실현할 수 있다.
가정이나 병원 등에서 개체의 건강 상태를 확인하기 위해 가장 먼저 파악하는 것이 개체의 식사량으로, 개체별 식사량을 쉽고 편리하게 확인하기 위한 방법이 필요하다.
급식기 중에는 반려동물의 식사량을 확인하고 조절하기 위해 저울이 포함되어 있는 경우가 있다.
일반적인 급식기는 타이머를 이용해 정해진 시간에 사료를 급여하거나 와이파이를 이용해 스마트폰을 급식기와 연결 한 후 정해진 시각 또는 수시로 사료를 급여하는 방식을 사용한다.
그리고, 무게 센서가 포함되어 있는 급식기의 경우 반려동물이 먹은 양을 측정해 다음 급여에 활용하기도 한다. 예를 들면 매끼 30g을 설정해두었다면 반려동물이 첫 끼니에 20g만 먹었을 때 다음 끼니에 남은 10g을 더하는 방식이다.
이러한 방식은 반려동물의 식사량을 관리하는 것을 일부 가능하게 하지만, 여러 개체가 함께 급식기를 사용한다면 개체별로 식사량를 관리하는 것은 불가능하다는 문제가 있다.
특히, 고양이의 경우 개만큼 식탐이 많지 않아 자율 급식을 하는 것이 가능하기 때문에 보편적으로 자율급식을 하는 편이다. 이때, 두 마리 이상에 대해 자율급식을 한다면 개체별로 식사량을 확인하는 것은 더욱 불가능하다.
본 발명에서는 다수의 동물이 있는 공간에서 각 개체의 식사량을 기록하고 배식량을 조절할 수 있도록 식사 시 개체를 인식할 수 있는 기술을 제공한다.
개체 별로 구분을 하기 위한 방법으로는 식별가능한 표식을 반려동물의 몸 바깥에 부착하거나 몸 안에 칩을 심는 방법이 있다.
개의 경우, 정부에서 반려동물등록제를 시행하고 있지만 등록률이 높지 않으며 외장형과 내장형으로 표식의 방법이 구분되어 있어 다양한 경우에 공통으로 사용할 수 있는 방법이 없다.
고양이의 경우, 몸 바깥에 물건을 부착하는 것이 거의 불가능하므로 외장형 표식을 사용하는 것은 어렵다. 또한, 생활 영역을 벗어나면 스트레스를 많이 받는 영역동물의 특성상 병원에 방문하는 것이 쉽지 않으므로 내장형 칩을 심는 것도 쉬운 선택이 아니다. 또한, 개와는 달리 고양이는 외출을 거의 하지 않기 때문에 개체 구분을 위해 외장형, 내장형 표식을 하는 것은 거의 고려되고 있지 않다.
칩을 심는 방법 이외에, 비문 인식 기술이 있으며 이 기술은 개체 구분을 위해 비문의 특징을 활용한다.
이에 반해, 얼굴의 경우 털의 무늬, 눈 모양, 눈코입의 배치 등과 같이 개체를 구분할 수 있는 정보가 더욱 많아 개체 인식에 더욱 유리하다.
또한, 비문의 경우 광량이 충분해야 비문을 인식할 수 있는 반면, 얼굴은 제약이 적은 상황에서도 인식 가능하다는 점에서 비문에 비해 기술적인 한계가 적고 개체 인식에 유리한 장점이 있다.
따라서, 외장형 또는 내장형 표식 및 비문 인식 기술은 다양한 동물에 공통적으로 제한 없이 쓰이기 어려운 문제가 있기 때문에 이를 인공지능을 이용한 얼굴인식 기술을 이용하여 해결하고자 한다.
얼굴인식 기술 중 하나인 머신러닝 기반 얼굴인식의 경우, 사람이 직접 설계한 알고리즘을 기반으로 사람의 얼굴에서 특징점을 추출하고 얼굴 특징점을 기반으로 신원을 확인하는 기술을 활용한다. 그러나, 직접 설계한 알고리즘의 경우 사람 얼굴의 특징을 완벽하게 구현할 수 없고, 딥러닝 기반 얼굴인식 기술의 등장으로 특징점 추출을 학습 기반 신경망으로 대체하게 된다.
딥러닝 기반 얼굴인식에서는 카메라를 이용하여 눈, 코, 입 등 주요 부분의 각도와 거리, 뼈 돌출 정도 등을 파악하여 얼굴의 특징점을 추출한다.
이러한 딥러닝 기반 얼굴인식 기술을 동물에 적용 가능하며, 동물의 얼굴 또한 사람과 같이 주요 부분이 있기 때문에 이들을 이용하여 특징점을 추출하는 것이 가능하다.
이미 여러 국가에서 축산업과 수산업의 경쟁력을 높이기 위해 얼굴인식 기술을 동물을 대상으로 적용하고 있다. 젖소의 얼굴을 식별해 개별 소의 건강을 살피고 우유의 품질을 높이거나 맞춤형 돼지 사육에도 이용하는 등 동물과 관련된 다양한 분야에서 얼굴인식 기술이 이용되고 있다.
본 발명에서는 식사와 관련된 상황에서 급식기와 결합된 동물 얼굴 인식 기술을 이용하는 것이기 때문에 동물의 머리 위치가 고정될 수 있는 환경을 만드는 것이 가능하다.
도 1은 본 발명의 일 실시예에 따른 동물 식사 관리 시스템의 전체 구성을 도시한 것이다.
도 1을 참조하면, 동물 식사 관리 시스템은 서버(110), 네트워크(120), 전자 기기(130), 및 배식 장치(140)를 포함하고 있다.
서버(110)는 전자 기기(130)와 네트워크(120)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(110)는 네트워크(120)를 통해 접속한 전자 기기(130)로 동물 식사 관리 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버(110)는 전자 기기(130)에 설치되어 구동되는 컴퓨터 프로그램으로서의 어플리케이션을 통해, 해당 어플리케이션이 목적하는 서비스(일례로, 동물 식사 관리 서비스 등)를 복수의 전자 기기(130)로 제공할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(120)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(120)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(120)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
전자 기기(130)는 컴퓨터 시스템으로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 전자 기기(130)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등이 있다. 본 발명의 실시예들에서 전자 기기(130)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(120)를 통해 서버(110)와 통신할 수 있는 다양한 물리적인 컴퓨터 시스템들 중 하나를 의미할 수 있다.
배식 장치(140)에 대해서는 이하에서 상세히 설명하기로 한다.
도 2은 본 발명의 일 실시예에 있어서 컴퓨터 시스템의 내부 구성의 일례를 설명하기 위한 블록도이다.
본 발명의 실시예들에 따른 동물 식사 관리 시스템은 도 2의 컴퓨터 시스템(200)을 통해 구현될 수 있다. 일례로, 서버(110)와 전자 기기(130) 및 배식 장치(140)는 도 2의 컴퓨터 시스템(200)으로 구현될 수 있다.
도 2에 도시한 바와 같이, 컴퓨터 시스템(200)은 본 발명의 동물 식사 관리 방법을 실행하기 위한 구성요소로서 프로세서(210), 메모리(220), 영구 저장 장치(230), 버스(240), 입출력 인터페이스(250) 및 네트워크 인터페이스(260)를 포함할 수 있다.
프로세서(210)는 명령어들의 시퀀스를 처리할 수 있는 임의의 장치를 포함하거나 그의 일부일 수 있다. 프로세서(210)는 예를 들어 컴퓨터 프로세서, 이동 장치 또는 다른 전자 장치 내의 프로세서 및/또는 디지털 프로세서를 포함할 수 있다. 프로세서(210)는 예를 들어, 서버 컴퓨팅 디바이스, 서버 컴퓨터, 일련의 서버 컴퓨터들, 서버 팜, 클라우드 컴퓨터, 콘텐츠 플랫폼, 이동 컴퓨팅 장치, 스마트폰, 태블릿, 셋톱 박스 등에 포함될 수 있다. 프로세서(210)는 버스(240)를 통해 메모리(220)에 접속될 수 있다.
메모리(220)는 컴퓨터 시스템(200)에 의해 사용되거나 그에 의해 출력되는 정보를 저장하기 위한 휘발성 메모리, 영구, 가상 또는 기타 메모리를 포함할 수 있다. 예를 들어, 메모리(220)는 랜덤 액세스 메모리(RAM: random access memory) 및/또는 동적 RAM(DRAM: dynamic RAM)을 포함할 수 있다. 메모리(220)는 컴퓨터 시스템(200)의 상태 정보와 같은 임의의 정보를 저장하는 데 사용될 수 있다. 메모리(220)는 예를 들어 동물 식사 관리를 위한 명령어들을 포함하는 컴퓨터 시스템(200)의 명령어들을 저장하는 데에도 사용될 수 있다. 컴퓨터 시스템(200)은 필요에 따라 또는 적절한 경우에 하나 이상의 프로세서(210)를 포함할 수 있다.
버스(240)는 컴퓨터 시스템(200)의 다양한 컴포넌트들 사이의 상호작용을 가능하게 하는 통신 기반 구조를 포함할 수 있다. 버스(240)는 컴퓨터 시스템(200)의 컴포넌트들 사이에, 예를 들어 프로세서(210)와 메모리(220) 사이에 데이터를 운반할 수 있다. 버스(240)는 컴퓨터 시스템(200)의 컴포넌트들 간의 무선 및/또는 유선 통신 매체를 포함할 수 있으며, 병렬, 직렬 또는 다른 토폴로지 배열들을 포함할 수 있다.
영구 저장 장치(230)는 (예를 들어 메모리(220)에 비해) 소정의 연장된 기간 동안 데이터를 저장하기 위해 컴퓨터 시스템(200)에 의해 사용되는 바와 같은 메모리 또는 다른 영구 저장 장치와 같은 컴포넌트들을 포함할 수 있다. 영구 저장 장치(230)는 컴퓨터 시스템(200) 내의 프로세서(210)에 의해 사용되는 바와 같은 비휘발성 메인 메모리를 포함할 수 있다. 예를 들어, 영구 저장 장치(230)는 플래시 메모리, 하드 디스크, 광 디스크 또는 다른 컴퓨터 판독 가능 매체를 포함할 수 있다.
입출력 인터페이스(250)는 키보드, 마우스, 마이크, 카메라, 디스플레이 또는 다른 입력 또는 출력 장치에 대한 인터페이스들을 포함할 수 있다. 구성 명령들 및/또는 동물 식사 관리와 관련된 입력이 입출력 인터페이스(250)를 통해 수신될 수 있다.
네트워크 인터페이스(260)는 근거리 네트워크 또는 인터넷과 같은 네트워크들에 대한 하나 이상의 인터페이스를 포함할 수 있다. 네트워크 인터페이스(260)는 유선 또는 무선 접속들에 대한 인터페이스들을 포함할 수 있다. 구성 명령들은 네트워크 인터페이스(260)를 통해 수신될 수 있다. 그리고, 동물 식사 관리와 관련된 정보들은 네트워크 인터페이스(260)를 통해 수신 또는 송신될 수 있다.
또한, 다른 실시예들에서 컴퓨터 시스템(200)은 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 시스템(200)은 상술한 입출력 인터페이스(250)와 연결되는 입출력 장치들 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
컴퓨터 시스템(200)으로 구성된 서버(110)는 전자 기기(130)를 포함한 클라이언트(client)를 대상으로 클라이언트 상에 설치된 전용 어플리케이션이나 서버(110)와 관련된 웹/모바일 사이트 접속을 통해 동물 식사 관리 서비스를 제공할 수 있다.
특히, 서버(110)는 동물 개체 얼굴인식에 이용하는 컴퓨터 영상 처리 기술 기반의 분류 모델(일례로, 동물 개체 얼굴인식용 딥러닝 모델)을 설계 및 학습하는 역할을 할 수 있으며, 전자 기기(130)를 포함한 클라이언트를 대상으로 동물 개체 얼굴인식용 딥러닝 모델을 배포할 수 있다.
컴퓨터 영상 처리 기술은 딥러닝 모델은 물론이고 머신러닝 기법을 이용하는 것 또한 가능하다.
이하의 실시예에서는 동물 개체 분류를 위해 동물의 얼굴을 인식하는 것으로 설명하고 있으나, 이에 한정되는 것은 아니며 얼굴은 물론이고, 몸체, 발, 눈 등 동물 개체의 구분이 가능한 모든 외형 특징을 이용할 수 있다.
그리고, 서버(110)는 전자 기기(130)를 포함한 각 클라이언트로부터 동물 얼굴의 특징점을 수집하여 동물 개체 얼굴인식용 딥러닝 모델을 업데이트할 수 있다.
컴퓨터 시스템(200)으로 구성된 전자 기기(130)는 배식 장치(140)와의 연동을 통해 개체별 식사량을 모니터링하기 위한 기능, 사료 보관 용기 내 남아있는 사료의 양을 확인하기 위한 기능 등을 제공한다.
전자 기기(130)는 배식 장치(140)의 환경 설정 기능을 제공할 수 있으며, 예를 들어 환경 설정에는 사료 배급 조건(개체별 식사량 등), 배식 알림 등 동물 식사 관리와 관련된 각종 설정 기능이 포함될 수 있다.
그리고, 전자 기기(130)는 서버(110)에서 업데이트된 동물 개체 얼굴인식용 딥러닝 모델을 수신하여 배식 장치(140)에 전달할 수 있고, 배식 장치(140)에서 수집한 동물 얼굴의 특징점을 동물 개체 얼굴인식용 딥러닝 모델의 업데이트를 위해 서버(110)로 전달할 수 있다.
전자 기기(130)와 배식 장치(140) 간의 통신 방식은 제한되지 않으며, 일례로 블루투스(Bluetooth)나 와이파이(WiFi) 등 무선 통신 방식을 활용할 수 있다.
도 3 내지 도 4는 본 발명의 일실시예에 있어서 배식 장치(140)의 예시를 도시한 것이다. 도 3은 배식 장치(140)의 측면 모습을 나타내고 있고, 도 4는 배식 장치(140)의 정면 모습을 나타내고 있다.
도 3과 도 4를 참조하면, 배식 장치(140)는 얼굴인식을 위한 카메라(301), 사료보관을 위한 사료보관 용기(302), 사료보관 용기(302)에 보관된 사료를 배출하기 위한 배출구(303), 배출구(303)를 통해 배출된 사료가 담기는 식사용 그릇(304), 식사용 그릇(304)을 덮기 위한 그릇 덮개(305)를 포함할 수 있다.
카메라(301)는 식사 중인 동물의 얼굴을 정면에서 인식하기 위해 배식 장치(140)의 식사용 그릇(304)과 대향되는 위치에 고정될 수 있다.
본 실시예에서는 배출구(303)를 포함하는 것으로 설명하고 있으나, 이에 한정되지 않으며, 사료보관 용기(302)에서 사료를 식사용 그릇(304)으로 배출하는 구조는 제한 없이 얼마든지 변경 가능하다.
도 5는 본 발명의 일 실시예에 따른 배식 장치의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
배식 장치(140)의 프로세서(510)는 동물 식사 관리 방법을 수행하기 위한 구성요소로서 도 5에 도시된 바와 같이 특징 인식부(501), 배식 조절부(502), 식사 정보 기록부(503), 및 알림 제공부(504)를 포함할 수 있다.
실시예에 따라 프로세서(510)의 구성요소들은 선택적으로 프로세서(510)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(510)의 구성요소들은 프로세서(510)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.
이러한 프로세서(510) 및 프로세서(510)의 구성요소들은 메모리(일례로, 메모리(220))가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
여기서, 프로세서(510)의 구성요소들은 배식 장치(140)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(510)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 배식 장치(140)가 얼굴 인식 기능을 수행하도록 상술한 명령에 따라 배식 장치(140)를 제어하는 프로세서(510)의 기능적 표현으로서 특징 인식부(501)가 이용될 수 있다.
배식 장치(140)는 동물 식사 관리 방법을 수행하기 위한 구성요소로서 프로세서(510)와 함께, 알림을 출력하기 위한 스피커(520), 식사용 그릇(304) 내 사료의 무게를 측정하기 위한 무게 센서(530), 전자 기기(130)와의 통신을 위한 무선 통신 모듈(540) 등을 더 포함할 수 있다.
특징 인식부(501)는 컴퓨터 영상 처리 기술 중 하나인 동물 개체 얼굴인식용 딥러닝 모델을 이용한 얼굴 인식 기능을 수행할 수 있다. 동물 개체를 구분하기 위해 컴퓨터 영상 처리 기술 기반 분류 모델 중 하나로 딥러닝 모델을 이용할 수 있으며, 이외에도 기 공지된 다른 기술을 이용하는 것 또한 가능하다.
특징 인식부(501)는 동물이 배식 장치(140)의 카메라(301) 근처로 다가오면 카메라(301)를 통해 촬영된 영상 내 동물의 얼굴을 자동으로 인식하여 인식된 얼굴이 사전 등록 동물 목록에서 어떤 동물 개체에 해당하는지 확인할 수 있다.
특징 인식부(501)는 개별 개체의 얼굴 인식을 통해 카메라(301) 근처로 다가오는 시점을 식사 시작 시점으로 인식할 수 있고, 카메라(301) 근처에서 멀어지는 시점을 식사 종료 시점으로 인식할 수 있다.
배식 조절부(502)는 개별 개체 별 사료 배급 조건에 따른 배식 조절 기능을 수행할 수 있다.
배식 조절부(502)는 특징 인식부(501)를 통해 인식된 동물 개체가 사전 등록 동물 목록에 포함되는 동물 개체인지, 그리고 하루를 단위로 누적된 식사량이 사전 설정된 하루 식사량을 초과하지 않았는지 등 사료 배급 조건에 따라 배식 여부를 결정할 수 있다.
배식 조절부(502)는 얼굴 인식된 동물이 사전에 등록되어 있는 동물 개체이고 하루 식사량을 초과하지 않은 경우 사료 배급 조건을 만족하는 것으로 판단하여 일정 용량의 사료가 사료보관 용기(302)에서 식사용 그릇(304)으로 배출되도록 제어할 수 있다.
배식 조절부(502)는 일정 용량의 사료가 배출 완료되면 식사용 그릇(304)의 사료를 동물이 식사 가능하도록 그릇 덮개(305)를 열어준다.
배식 조절부(502)는 동물이 식사를 마치고 카메라(301) 근처에서 멀어지면 특징 인식부(501)를 통해 식사 종료 시점을 인식하여 자동으로 그릇 덮개(305)를 닫을 수 있다.
식사용 그릇(304)으로 배출되는 사료의 양은 [(사전 설정된 하루 식사량)+(해당 동물 개체가 이전 식사에서 남긴 양)-(현재 식사용 그릇(304)에 남아있는 양)]으로 결정될 수 있다.
배식 조절부(502)는 무게 센서(530)를 통해 식사용 그릇(304) 내 사료의 무게를 측정하여 배식을 조절할 수 있다.
식사 정보 기록부(503)는 개별 개체를 구분하여 개별 개체 별로 식사량을 측정하여 기록하는 식사량 기록 기능을 수행할 수 있다.
식사 정보 기록부(503)는 식사를 마친 개별 개체에 대하여 무게 센서(530)를 통해 동물 개체의 식사 전후에 식사용 그릇(304) 내 사료의 무게를 측정한 후 그 차이를 해당 개체의 실제 식사량으로 기록할 수 있다.
식사 정보 기록부(503)는 동물 개체의 식사량과 함께 식사 영상을 촬영하여 저장할 수 있다.
식사 정보 기록부(503)는 카메라(301)를 통해 동물 개체의 식사 전후 적어도 하나의 사진을 촬영하여 저장할 수 있다. 이때, 프라이버시를 위해 로우 이미지(raw image)를 대신하여, 동물 개체 얼굴인식용 딥러닝 모델에서 추출된 특징점을 저장할 수 있다.
알림 제공부(504)는 동물 식사 관리와 관련된 알림을 제공하는 알림 기능을 수행할 수 있다.
알림 제공부(504)는 관리자(전자 기기(130)의 사용자) 음성을 녹음하여 녹음된 음성을 식사 알림으로 출력할 수 있다. 예를 들어, 주인 목소리로 '밥 먹자'와 같은 메시지를 녹음하여 일정 주기 혹은 정해진 시간에 녹음 메시지를 출력할 수 있고, 이에 동물이 배식 장치(140)에 다가오면 사진을 찍을 수 있다.
배식 장치(140)는 무선 통신 모듈(540)을 이용하여 전자 기기(130)로부터 서버(110)에서 제공하는 동물 개체 얼굴인식용 딥러닝 모델을 전송받거나 혹은 동물 개체 얼굴인식용 딥러닝 모델의 업데이트에 필요한 데이터(동물 개체의 얼굴 특징점 등)를 전자 기기(130)에 전송할 수 있다.
이처럼 본 발명의 실시예들에 따르면, 식사 시 개별 개체의 얼굴을 인식함으로써 개체 식별을 통해 정확한 개체별 식사량 기록과 배식 조절을 실현할 수 있으며, 딥러닝 기반의 얼굴인식 기술을 이용하여 개별 개체를 인식함으로써 자동화된 관리 환경을 제공할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 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 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (8)
- 동물용 배식 장치에 있어서,
상기 동물용 배식 장치는,
사료가 담기는 식사용 그릇과 상기 식사용 그릇 내 사료의 무게를 측정하기 위한 무게 센서; 및
메모리에 포함된 컴퓨터 판독 가능한 명령을 실행하도록 구현되는 프로세서
를 포함하고,
상기 프로세서는,
컴퓨터 영상 처리 기술을 이용하여 카메라를 통해 촬영된 영상 내 동물 외형 특징을 인식하는 특징 인식부;
상기 인식된 외형 특징을 기초로 동물 개체를 구분하여 각 동물 개체 별로 배식을 조절하는 배식 조절부; 및
상기 식사용 그릇 내 사료의 무게를 기초로 상기 동물 개체의 식사량을 측정하여 기록하는 식사 정보 기록부
를 포함하고,
상기 식사 정보 기록부는,
상기 동물 개체의 식사량과 함께 식사 영상으로 상기 카메라를 통해 상기 동물 개체의 식사 전후 촬영된 적어도 하나의 사진을 저장하되,
상기 식사 영상으로 로우 이미지(raw image)를 대신하여 상기 컴퓨터 영상 처리 기술을 통해 추출된 외형 특징점을 저장하고,
상기 저장된 외형 특징점은 상기 컴퓨터 영상 처리 기술 기반의 분류 모델을 설계 및 학습하는 역할의 서버로 전달되고,
상기 서버는 상기 동물용 배식 장치로부터 상기 동물 개체의 외형 특징점을 수집하여 상기 분류 모델을 업데이트한 후 업데이트된 상기 분류 모델을 상기 동물용 배식 장치를 대상으로 전달하는 것
을 특징으로 하는 동물용 배식 장치. - 제1항에 있어서,
상기 동물용 배식 장치는 사료보관을 위한 사료보관 용기, 상기 사료보관 용기에 보관된 사료를 배출하기 위한 배출구, 및 상기 배출구를 통해 배출된 사료가 담기는 식사용 그릇을 포함하고,
상기 배식 조절부는,
상기 동물 개체의 식사량이 사전 설정된 하루 식사량을 초과하지 않은 경우 일정 용량의 사료가 상기 식사용 그릇으로 배출되도록 제어하는 것
을 특징으로 하는 동물용 배식 장치. - 제2항에 있어서,
상기 배식 조절부는,
상기 하루 식사량과, 상기 동물 개체가 이전 식사에서 남긴 사료의 양, 및 현재 상기 식사용 그릇에 남아 있는 사료의 양을 기초로 상기 식사용 그릇으로 배출하는 사료의 양을 결정하는 것
을 특징으로 하는 동물용 배식 장치. - 제1항에 있어서,
상기 프로세서는,
식사 관리와 관련된 알림을 일정 주기 혹은 정해진 시간에 제공하는 알림 제공부
를 더 포함하는 동물용 배식 장치. - 제1항에 있어서,
상기 컴퓨터 영상 처리 기술은 머신러닝 기법 또는 딥러닝 기법을 이용한 것
을 특징으로 하는 동물용 배식 장치. - 동물용 배식 장치에서 실행되는 방법에 있어서,
상기 동물용 배식 장치는,
사료가 담기는 식사용 그릇과 상기 식사용 그릇 내 사료의 무게를 측정하기 위한 무게 센서; 및
메모리에 포함된 컴퓨터 판독 가능한 명령을 실행하도록 구현되는 프로세서
를 포함하고,
상기 방법은,
상기 프로세서에 의해, 컴퓨터 영상 처리 기술을 이용하여 카메라를 통해 촬영된 영상 내 동물 외형 특징을 인식하는 단계;
상기 프로세서에 의해, 상기 인식된 외형 특징을 기초로 동물 개체를 구분하여 각 동물 개체 별로 배식을 조절하는 단계; 및
상기 프로세서에 의해, 상기 식사용 그릇 내 사료의 무게를 기초로 상기 동물 개체의 식사량을 측정하여 기록하는 단계
를 포함하고,
상기 기록하는 단계는,
상기 동물 개체의 식사량과 함께 식사 영상으로 상기 카메라를 통해 상기 동물 개체의 식사 전후 촬영된 적어도 하나의 사진을 저장하되,
상기 식사 영상으로 로우 이미지(raw image)를 대신하여 상기 컴퓨터 영상 처리 기술을 통해 추출된 외형 특징점을 저장하고,
상기 저장된 외형 특징점은 상기 컴퓨터 영상 처리 기술 기반의 분류 모델을 설계 및 학습하는 역할의 서버로 전달되고,
상기 서버는 상기 동물용 배식 장치로부터 상기 동물 개체의 외형 특징점을 수집하여 상기 분류 모델을 업데이트한 후 업데이트된 상기 분류 모델을 상기 동물용 배식 장치를 대상으로 전달하는 것
을 특징으로 하는 방법. - 제6항에 있어서,
상기 방법은,
상기 프로세서에 의해, 식사 관리와 관련된 알림을 일정 주기 혹은 정해진 시간에 제공하는 단계
를 더 포함하는 방법. - 제6항에 있어서,
상기 컴퓨터 영상 처리 기술은 머신러닝 기법 또는 딥러닝 기법을 이용한 것
을 특징으로 하는 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200058788A KR102431588B1 (ko) | 2020-05-18 | 2020-05-18 | 딥러닝 기반 얼굴 인식을 활용한 동물 개체 인식과 식사량 기록 및 배식 조절을 위한 시스템 |
| PCT/KR2020/016906 WO2021235631A1 (ko) | 2020-05-18 | 2020-11-26 | 딥러닝 기반 얼굴 인식을 활용한 동물 개체 인식과 식사량 기록 및 배식 조절을 위한 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200058788A KR102431588B1 (ko) | 2020-05-18 | 2020-05-18 | 딥러닝 기반 얼굴 인식을 활용한 동물 개체 인식과 식사량 기록 및 배식 조절을 위한 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210142226A KR20210142226A (ko) | 2021-11-25 |
| KR102431588B1 true KR102431588B1 (ko) | 2022-08-12 |
Family
ID=78708709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200058788A KR102431588B1 (ko) | 2020-05-18 | 2020-05-18 | 딥러닝 기반 얼굴 인식을 활용한 동물 개체 인식과 식사량 기록 및 배식 조절을 위한 시스템 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102431588B1 (ko) |
| WO (1) | WO2021235631A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114793929A (zh) * | 2022-04-27 | 2022-07-29 | 东南大学 | 一种基于视觉识别的多种类宠物喂食系统及其喂食方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019000102A (ja) * | 2017-06-19 | 2019-01-10 | 千波 浜谷 | ペット用食事管理システム |
| KR102078002B1 (ko) * | 2018-06-19 | 2020-02-17 | 박웅수 | 애완동물 먹이 관리 장치 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140110739A (ko) * | 2013-02-28 | 2014-09-17 | 한국과학기술원 | 개체별 섭식 선호특성 기반 다수 애완동물 사료공급 시스템 |
| US20150373945A1 (en) * | 2014-06-26 | 2015-12-31 | Zillians Incorporated | Smart Animal Feeder |
| KR20170004518A (ko) * | 2015-07-03 | 2017-01-11 | 노현진 | 애완동물 개체별 섭취량 정보 시스템 |
| KR101808706B1 (ko) * | 2016-11-15 | 2017-12-14 | (주)아이오텍 | 사료량 측정 기반의 반려동물 자동급식시스템 |
| KR102011401B1 (ko) * | 2017-10-25 | 2019-08-16 | 주식회사 다운 | 가축의 음식 섭취를 기반으로 하는 이상 징후 모니터링 시스템 및 방법 |
| KR20200038398A (ko) * | 2018-10-03 | 2020-04-13 | 윤선빈 | 지능형 사료 추천 및 평가 시스템과 연동된 사료 공급 장치 |
-
2020
- 2020-05-18 KR KR1020200058788A patent/KR102431588B1/ko active IP Right Grant
- 2020-11-26 WO PCT/KR2020/016906 patent/WO2021235631A1/ko active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019000102A (ja) * | 2017-06-19 | 2019-01-10 | 千波 浜谷 | ペット用食事管理システム |
| KR102078002B1 (ko) * | 2018-06-19 | 2020-02-17 | 박웅수 | 애완동물 먹이 관리 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021235631A1 (ko) | 2021-11-25 |
| KR20210142226A (ko) | 2021-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10653112B2 (en) | Information processing system and method for managing groups of individuals | |
| CN104932459B (zh) | 一种基于物联网的多功能宠物管理监测系统 | |
| JP6824199B2 (ja) | 背の画像に基づき個々の動物を識別するシステム及び方法 | |
| CN101222842B (zh) | 动物管理系统 | |
| CN111134033A (zh) | 一种动物智能喂食器及其方法和系统 | |
| CN108229351B (zh) | 一种动物养殖方法、动物养殖装置及电子设备 | |
| KR102022883B1 (ko) | 애완동물의 행태와 감정을 보여주는 그래픽 사용자 인터페이스 제공 방법 및 장치 | |
| Wang et al. | IoT-based measurement system for classifying cow behavior from tri-axial accelerometer | |
| KR20170032728A (ko) | 사물인터넷 기반 동물 관리 시스템 및 제공 방법 | |
| KR102431588B1 (ko) | 딥러닝 기반 얼굴 인식을 활용한 동물 개체 인식과 식사량 기록 및 배식 조절을 위한 시스템 | |
| WO2019182497A2 (en) | Method, control unit and system to identify animals | |
| KR102277853B1 (ko) | 반려동물 분실을 방지하는 시스템의 제어 방법 | |
| KR20200075471A (ko) | 반려동물 돌봄 시스템 | |
| JP7360496B2 (ja) | 判定システム | |
| JP7089098B2 (ja) | 行動特定装置、行動特定方法、及びプログラム | |
| US20230263124A1 (en) | Livestock restraining devices, systems for livestock management, and uses thereof | |
| KR102344610B1 (ko) | 사용자 반려동물 맞춤형 주문시스템 및 그 방법 | |
| JP2022079489A (ja) | 特定装置、特定方法、及びプログラム | |
| CN115035570A (zh) | 宠物放松的方法、装置、计算机设备以及存储介质 | |
| KR20230104969A (ko) | 코 기반 반려동물 식별을 위한 시스템 및 방법 | |
| CN110647046A (zh) | 基于智能家居操作系统的路线更新方法及装置 | |
| JP7360489B2 (ja) | 個体識別システム及び個体識別方法 | |
| EP4030395A1 (en) | Method and system for managing livestock | |
| Mahato et al. | Integrating Artificial Intelligence in Dairy Farm Management-Biometric Facial Recognition for Cows | |
| CN115050046A (zh) | 宠物信息展示的方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |