KR102486761B1 - 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 - Google Patents
가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 Download PDFInfo
- Publication number
- KR102486761B1 KR102486761B1 KR1020200030629A KR20200030629A KR102486761B1 KR 102486761 B1 KR102486761 B1 KR 102486761B1 KR 1020200030629 A KR1020200030629 A KR 1020200030629A KR 20200030629 A KR20200030629 A KR 20200030629A KR 102486761 B1 KR102486761 B1 KR 102486761B1
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- pig
- data
- image data
- behavior
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 241001465754 Metazoa Species 0.000 title claims abstract description 4
- 244000144972 livestock Species 0.000 claims abstract description 122
- 230000006399 behavior Effects 0.000 claims abstract description 84
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 208000024891 symptom Diseases 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 23
- 201000010099 disease Diseases 0.000 claims description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 23
- 241000282887 Suidae Species 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 13
- 238000013480 data collection Methods 0.000 claims description 8
- 230000008673 vomiting Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 206010011224 Cough Diseases 0.000 claims description 6
- 206010047700 Vomiting Diseases 0.000 claims description 6
- 206010012735 Diarrhoea Diseases 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 2
- 238000004904 shortening Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 19
- 230000033001 locomotion Effects 0.000 description 19
- 238000007726 management method Methods 0.000 description 18
- 230000003542 behavioural effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 7
- 230000036544 posture Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 210000005069 ears Anatomy 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000035582 behavioral recognition Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 210000004916 vomit Anatomy 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 208000032974 Gagging Diseases 0.000 description 1
- 206010038776 Retching Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 208000030303 breathing problems Diseases 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 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
- 238000009429 electrical wiring Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- 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
- A01K11/00—Marking of animals
-
- 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
- A01K11/00—Marking of animals
- A01K11/001—Ear-tags
- A01K11/004—Ear-tags with electronic identification means, e.g. transponders
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Husbandry (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Biodiversity & Conservation Biology (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Zoology (AREA)
- Tourism & Hospitality (AREA)
- Birds (AREA)
- Mathematical Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
Abstract
컴퓨터 시스템 상에서 수행되는, 센서 데이터 및 이미지 데이터 기반 가축의 개체별 이상 징후 포착 방법이 제공된다. 상기 방법은 센서 데이터와 가축의 식별자를 수신하고, 상기 센서 데이터를 분석하여 가축을 식별하고 식별된 가축의 행동을 분류하는 단계; 및 이미지 데이터를 수신하고, 상기 이미지 데이터를 분석하여 이미지 내 포함된 적어도 하나의 가축의 행동을 분류하는 단계를 포함할 수 있다.
Description
본 개시는 영상정보 및 센서정보를 분석하여 가축의 개체별 이상 징후를 포착하는 시스템 및 그 이용 방법에 관한 것이다.
삭제
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 체중 및 식사량을 기록하여 관리하거나, 웨어러블 센서 등을 사용하여 접촉식으로 돼지의 인동 데이터 등을 분석하여 관리하거나 마이크 등을 이용하여 가축의 질병 징후, 예컨대 기침 소리를 인공지능으로 분석하여 탐지하는 등이 현재의 기술 수준이다.
가축의 질병 관리 분야에서는 아직 도입 기술이 미약한데, 가축의 건강상태 및 질병 이상 징후 등을 관리하기 위해서 통상 관리인이 돌아다니며 눈으로 직접 관찰하거나, 가축의 체중 및 식사량을 기록하여 관리하거나, 웨어러블 센서 등을 사용하여 접촉식으로 돼지의 인동 데이터 등을 분석하여 관리하거나 마이크 등을 이용하여 가축의 질병 징후, 예컨대 기침 소리를 인공지능으로 분석하여 탐지하는 등이 현재의 기술 수준이다.
현재의 방법으로는 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.
따라서, 관리자의 직접 관찰 없이도 효율적이고 안전하게 가축질병 상황을 확인할 수 있는 가축의 질병 관리 방법 및 시스템이 요구되고 있다.
본 개시의 일 특징에 따르면, 컴퓨터 시스템 상에서 수행되는, 센서 데이터 및 이미지 데이터 기반 가축의 개체별 이상 징후 포착 방법이 제공된다. 전술한 방법은 센서 데이터와 가축의 식별자를 수신하고, 상기 센서 데이터를 분석하여 가축을 식별하고 식별된 가축의 행동을 분류하는 단계; 및 이미지 데이터를 수신하고, 상기 이미지 데이터를 분석하여 이미지 내 포함된 적어도 하나의 가축의 행동을 분류하는 단계를 포함할 수 있다.
일 실시예에 있어서, 전술한 방법은 센서 데이터 분석 결과 분류된 가축의 행동과 이미지 데이터 분석 결과 분류된 가축의 행동을 매핑하고 동일한 행동으로 인식되었는지를 확인하는 단계를 더 포함할 수 있다.
일 실시예에 있어서, 상기 동일한 행동으로 인식되었는지를 확인하는 단계는 센서 데이터를 분석한 결과 분류된 클래스와 동일한 시간 대에 이미지 데이터를 분석한 결과 분석된 클래스가 동일한지 여부를 판단하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 센서 데이터를 분석한 결과 분류된 클래스와 동일한 시간 대에 이미지 데이터를 분석한 결과 분석된 클래스가 동일한 경우, 상기 이미지 데이터에 포함된 돼지의 식별자를 상기 센서 데이터에 포함된 식별자로 할당하는 단계를 포함할 수 있다.
일 실시예에 있어서, 전술한 방법은 상기 가축이 돼지인 경우 이미지 데이터 분석 결과 동일한 시간 대에 인식된 관심 행동의 돼지 수, 센서 데이터 분석 결과 동일한 시간 대에 인식된 관심 행동의 돼지 수가 동일한 경우, 해당 돼지의 식별자와 분류된 클래스 정보를 전송하는 단계를 더 포함할 수 있다.
일 실시예에 있어서, 가축의 행동에 대한 분류는 상기 가축이 돼지인 경우 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, 전술한 방법은 센서 데이터 전송 정책 설정 단계를 포함하고, 상기 센서 데이터 전송 정책은 센서 데이터 분석 결과 일상 패턴인 경우 보다 긴 주기로 데이터를 전송하도록 설정하고, 관심 패턴이 나타나는 경우 짧은 주기로 데이터를 전송하도록 설정하여 센서로 하여금 상기 정책에 따라 데이터를 전송하도록 지시하는 단계를 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 가축이 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, 상기 이미지 데이터를 분석하는 단계는 상기 가축이 돼지인 경우, 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 판도가능 기록매체가 제공된다.
본 개시의 실시예에 따르면, 효율적이고 안전하게 가축질병 상황을 확인할 수 있는 가축의 질병 관리 방법 및 시스템을 제공할 수 있다.
본 개시의 실시예에 따르면, 영상을 기초로 자동으로 가축의 이상 징후를 판별함으로써 24시간 누락 없이 가축의 행동을 모니터링할 수 있고, 가축에게 필요한 처방을 적시에 적용할 수 있다.
본 개시의 실시예에 따르면, 영상을 기초로 가축의 행동을 모니터링하여 분석함으로써 위험상황의 요인을 추가적으로 더 도출하고 관리할 수 있다.
도 1은 본 개시의 일 실시예에 따른 가축의 개체별 이상 징후 관리 시스템(100)의 전체 구성을 개략적으로 도시한 도면이다.
도 2는 가축이 도 1의 센서(110)를 착용한 모습을 예시적으로 도시하는 도면이다.
도 3은 도 1의 가축의 개체별 이상 징후 판별 서버(140)의 예시적 기능 구성을 도시한 기능 블록도이다.
도 4는 본 개시의 일 실시예에 따라 수집한 행동 센서 데이터의 형식을 예시적으로 도시하는 그래프이다.
도 5은 본 개시의 일 실시예에 따른 엣지클라우드서버 모델 기반의 가축의 개체별 이상 징후 관리 시스템(100)의 전체 구성을 개략적으로 도시한 도면이다.
도 2는 가축이 도 1의 센서(110)를 착용한 모습을 예시적으로 도시하는 도면이다.
도 3은 도 1의 가축의 개체별 이상 징후 판별 서버(140)의 예시적 기능 구성을 도시한 기능 블록도이다.
도 4는 본 개시의 일 실시예에 따라 수집한 행동 센서 데이터의 형식을 예시적으로 도시하는 그래프이다.
도 5은 본 개시의 일 실시예에 따른 엣지클라우드서버 모델 기반의 가축의 개체별 이상 징후 관리 시스템(100)의 전체 구성을 개략적으로 도시한 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 가축의 개체별 이상 징후 관리 시스템(100)의 전체 구성을 개략적으로 도시한 도면이다. 도시된 바에 의하면, 가축의 개체별 이상 징후 관리 시스템(100)은, 복수 개의 센서(110a, 110b, ..., 110n), 복수 개의 카메라(120a, 120b, ..., 120n), 가축의 개체별 이상 징후 판별 서버(140), 통신망(150), 및 질병 관리 서버(160)를 포함할 수 있다.
본 개시의 일 실시예에 의하면, 복수 개의 센서(110a, 110b, ..., 110n)는 개별 가축에 부착되는 고정형 센서일 수 있다. 일 실시예에서, 센서(110a, 110b, ..., 110n)는 가축의 동작, 자세 등의 움직임을 감지할 수 있는 모션센서, 예컨대 가속도 센서 또는 자이로 센서일 수 있다. 일 실시예에서, 센서(110a, 110b, ..., 110n)는 가축의 움직임을 감지할 수 있는 귀, 관절, 목둘레 등에 부착될 수 있다.
일 실시예에서, 센서(110a, 110b, ..., 110n)는 배터리를 이용하여 동작할 수 있다. 일 실시예에서, 센서(110a, 110b, ..., 110n)는 무선통신을 할 수 있다. 일 실시예에서, 센서(110a, 110b, ..., 110n)는 에너지를 효율적으로 이용하기 위해서 통신 모드를 조절할 수 있고, 데이터 전송 정책에 따라 수집된 데이터를 전송할 수 있다. 일 실시예에서, 데이터의 전송 정책은 일상 패턴인 경우 긴 주기로 데이터를 전송하다가 관심 패턴이 나타나는 경우 짧은 주기로 데이터를 전송하는 것을 포함할 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 가축 자체의 이미지, 가축의 걸음 걸이 영상, 수면 영상, 움직임 영상, 섭취한 사료의 양, 견좌 자세 영상, 배설 영상, 토사물 영상, 축사의 청소 상태 등을 촬영할 수 있다.
본 개시의 일 실시예에 의하면, 카메라(120a, 120b, ..., 120n)는 녹화된 이미지 데이터를 네트워크 비디오 레코더(Network vide recorder: NVR)에 저장하고, 통신망을 통해 전송할 수 있다. 본 도면에 도시된 바에 의하면, 가축의 개체별 이상 징후 관리 시스템(100)은, 두 개의 카메라(120a, 120b)를 갖는 것으로 도시되어 있으나 본 개시가 이로써 제한되는 것은 아니다.
본 개시의 일 실시예에 의하면, 가축의 개체별 이상 징후 판별 서버(140)는 센서(110a, 110b, ..., 110n)로부터 센서 데이터를 송신받아 수집한 센서 데이터를 기반으로 행동 패턴을 분석 할 수 있다. 본 개시의 일 실시예에 의하면, 가축의 개체별 이상 징후 판별 서버(140)는 카메라(120a, 120b, ..., 120n)로부터 이미지 데이터를 송신받아 수집한 이미지 데이터를 기반으로 행동 패턴을 분석 할 수 있다. 본 개시의 일 실시예에 의하면, 가축의 개체별 이상 징후 판별 서버(140)는 수집한 센서 데이터와 이미지 데이터를 기초로 개별 가축의 행동을 매핑할 수 있다. 본 개시의 일 실시예에 의하면, 가축의 개체별 이상 징후 판별 서버(140)는 센서(110a, 110b, ..., 110n)의 전송 주기를 설정할 수 있다. 예컨대, 가축의 개체별 이상 징후 판별 서버(140)는 센서(110a, 110b, ..., 110n)에서 에너지를 효율적으로 이용하도록 일상 패턴인 경우 긴 주기로 데이터를 전송하다가 관심 패턴이 나타나는 경우 짧은 주기로 데이터를 전송하는 데이터 전송 정책에 따라 데이터를 전송하도록 센서에게 지시할 수 있다.
본 개시의 일 실시예에 의하면, 가축의 개체별 이상 징후 판별 서버(140)는 엣지 컴퓨터일 수 있다.
본 개시의 일 실시예에 의하면, 통신망(150)은, 임의의 유선 또는 무선 통신망, 예컨대 TCP/IP 통신망을 포함할 수 있다. 본 개시의 일 실시예에 의하면, 통신망(150)은, 예컨대 Wi-Fi망, LAN망, WAN망, 인터넷망 등을 포함할 수 있으며, 본 발명이 이로써 제한되는 것은 아니다. 본 개시의 일 실시예에 의하면, 통신망(150)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, 질병 관리 서버(160)는, 통신망(150)을 통하여 가축의 개체별 이상 징후 판별 서버(140)로부터 영상 정보를 수신할 수 있다. 본 개시의 일 실시예에 의하면, 질병 관리 서버(160)는, 통신망(150)을 통하여, 가축의 개체별 이상 징후 판별 서버(140)과 필요한 정보를 송수신할 수 있다.
본 개시의 일 실시예에 의하면, 질병 관리 서버(160)는, 가축의 센서 데이터, 가축에 관한 이미지 데이터 및 생체 특징 정보 중 적어도 하나를 가축의 개체별 이상 징후 판별 서버(140)로부터 수신할 수 있다. 본 개시의 일 실시예에 의하면, 질병 관리 서버(160)는, 수신된 분류 데이터, 행동인식 데이터, 그리고 센서 데이터, 이미지 데이터 및 생체 특징 정보에 기초하여 해당 가축의 건강 여부를 예측할 수 있다.
본 개시의 일 실시예에 의하면, 질병 관리 서버(160)는 가축의 개체별 이상 징후 판별 서버(140)로부터 수신된 가축에 관한 이미지 데이터, 생체 특징 데이터, 및 유전 정보와, 이상징후 판단 모델을 통해 해당 가축의 질병 발생 여부을 판단할 수 있다. 일 실시예에서, 질병 관리 서버(160)는 예컨대 가축의 이미지 정보를 분석하여 가축에게 이상징후가 있는지 여부를 판단할 수 있다. 본 개시의 일 실시예에 의하면, 질병 관리 서버(160)는 가축 이미지 정보를 분석하여 가축의 자세를 인식할 수 있다. 일 실시예에서, 질병 관리 서버(160)는 가축의 개체별 이상 징후 판별 서버(140)에서 분류한 클래스에 따라, 예컨대 돼지의 경우 모돈의 이미지 정보를 분석하여 앉아 있는 돼지, 누워 있는 돼지, 서 있는 돼지, 겹쳐 있는 돼지, 일부만 보이는 돼지 및 인식 못한 돼지 등으로 분류됨, 앉아 있는 돼지를 발견하면 이상징후라고 인식할 수 있다. 본 개시의 일 실시예에 의하면, 질병 관리 서버(160)는 수신한 이미지 정보를 분석하여 가축의 토사물이 존재하는지 가축의 배설물의 형태가 정상 범위에 포함되는지 등을 인식할 수 있다. 본 기술분야의 당업자는 가축 이미지의 인식, 예컨대 모돈의 견좌자세의 경우 견좌자세 모돈 인식 이미지 데이터셋 활용하여 클라우드 기반 기계학습 알고리즘을 적용할 수 있고 특히 기존의 YOLO v3 및 다양한 클래스 구분 기계학습 알고리즘 및 그 변형을 적용하여 구현가능하다는 것을 잘 알고 있으므로 가축 이미지 정보 분석에 대한 상세한 설명은 이하 생략하기로 한다.
본 개시의 일 실시예에 따르면, 질병 관리 서버(160)는 클라우드 서버일 수 있다.
도 2는 가축이 도 1의 센서(110)를 착용한 모습을 예시적으로 도시하는 도면이다.
복수 개의 센서(110a, 110b, ..., 110n)는 개별 가축에 부착되는 고정형 센서일 수 있다. 일 실시예에서, 센서(110a, 110b, ..., 110n)는 특정 부위에 탈착 가능한 밴드 형태로 구현될 수 있고, 특정 부위에 부착 가능한 다면체 형태로 구현될 수 있으며, 가축의 얼굴(귀)에 고정 형태로 구현될 수도 있으나 이에 한정되지 않는다.
일 실시예에서, 센서(110a, 110b, ..., 110n)는 가축의 동작, 자세 등의 움직임을 감지할 수 있는 모션센서, 예컨대 가속도 센서, 속도감지 센서 또는 자이로 센서일 수 있으나 이에 한정되지 않는다. 본 도면에 도시된 바에 의하면, 센서(110)는 가축의 귀에 부착된 것으로 도시되어 있으나 본 개시가 이로써 제한되는 것은 아니다. 일 실시예에서, 센서(110a, 110b, ..., 110n)는 가축의 움직임을 감지할 수 있는 귀, 관절, 목둘레 등에 부착될 수 있다.
본 개시의 일 실시예에서, 센서(110a, 110b, ..., 110n)는 가축의 척추부위에 위치되어 가축의 앞다리가 위치한 신체의 움직임을 감지할 수 있거나, 가축의 선골과 미추가 연결되는 부위에 위치되어, 꼬리의 움직임, 뒷다리의 움직임, 뒷다리 측 골반 움직임 등을 감지할 수 있거나, 가축의 다리 부위의 적어도 일부에 위치하여, 가축의 다리의 움직임을 센싱할 수 있거나, 가축의 얼굴의 적어도 일부에 위치하여, 가축의 얼굴의 움직임 및/또는 가축의 귀의 움직임을 센싱할 수 있다.
본 개시의 일 실시예에서, 가축은 개별 가축을 식별하기 위한 식별자를 부착할 수 있다. 일 실시예에서, 식별자는 RFID 태그일 수 있다. 일 실시예에서, RFID는 가축의 움직임을 센싱한 센서 데이터를 저장 및 전송할 수 있다. 일 실시예에서, 각 센서는 가축 식별자 정보와 함께 센싱한 센서 데이터를 전송할 수 있다.
도 3은 도 1의 가축의 개체별 이상 징후 판별 서버(140)의 예시적 기능 구성을 도시한 기능 블록도이다.
도시된 바에 의하면, 가축의 개체별 이상 징후 판별 서버(140)는, 센서 행동 및 이미지 행동 매핑 모듈(310), 센서 데이터 기반 행동분석모듈(320), 이미지데이터 기반 행동분석모듈(330), 메모리 모듈(340), 데이터 전송주기 설정 모듈(350), 통신모듈(360)을 포함할 수 있다.
본 개시의 일 실시예에 의하면, 센서 행동 및 이미지 행동 매핑 모듈(310)는 센서 데이터 분석 결과와 이미지 데이터 분석 결과를 매핑하고 동일한 행동으로 인식되었는지를 확인할 수 있다. 일 실시예에서, 센서 행동 및 이미지 행동 매핑 모듈(310)는 센서 데이터를 분석한 결과 관심 행동, 예컨대 견좌, 구토, 설사, 또는 기침 등이 나타나는 경우, 이미지 데이터를 분석한 결과에서도 동일한 인식결과인지 확인할 수 있다. 센서 행동 및 이미지 행동 매핑 모듈(310)는 센서 데이터 분석 결과와 이미지 데이터 분석 결과에서 동일한 타이밍에 동일한 클래스가 나타나면, 돼지가 관심행동을 했다고 판단할 수 있다. 센서 행동 및 이미지 행동 매핑 모듈(310)는 센서 데이터 분석 결과와 이미지 데이터 분석 결과에서 어느 한 쪽만 관심행동이 있는 것으로 분석되는 경우 사용자에게 확인을 요청할 수 있다.
본 개시의 일 실시예에 의하면, 센서 행동 및 이미지 행동 매핑 모듈(310)는 센서 데이터 분석 결과와 이미지 데이터 분석 결과를 매핑하고 동일한 행동으로 인식되었는지를 확인하므로서, 이미지 데이터 분석 결과만으로 어떤 돼지가 정확히 관심 행동을 했는지 식별하기 어려운 문제점을 해결할 수 있다. 즉, 센서 행동 및 이미지 행동 매핑 모듈(310)는 센서 데이터(RFID 및 모션센서 값)를 이미지 데이터 분석 결과와 비교하여 돼지를 특정할 수 있다. 만약, 동일한 관심 행동이 여러 돼지에 걸쳐 나타난 경우, 센서 행동 및 이미지 행동 매핑 모듈(310)는 각 이미지의 돼지를 개별적으로 식별하여 매핑할 필요가 없다. 일 시시예에서, 센서 행동 및 이미지 행동 매핑 모듈(310)는 이미지 데이터 분석 결과 동일한 시간 대에 인식된 관심 행동의 돼지 수, 센서 상 인식된 관심 행동의 돼지 수가 동일하다면 해당 돼지 ID들과 함께 관심 행동 탐지 정보를 전송할 수 있다. 여기서, 관심 행동 탐지 정보는 탐지 시간, 관심행동 클래스, 이미지 등을 포함할 수 있다. 센서 행동 및 이미지 행동 매핑 모듈(310)는 이러한 방법을 통해 계산의 부하를 줄이면서 정확도를 유지할 수 있다.
일 실시예에 의하면, 센서 행동 및 이미지 행동 매핑 모듈(310)는 이미지 데이터 분석 결과 인식된 관심 행동의 돼지 수와 센서 데이터 분석 결과 인식된 관심 행동의 돼지 수가 다른 경우, 다음과 같이 매핑 후, 기타 정보를 전송하여 사용자로 하여금 확인할 수 있도록 할 수 있다.
각 센서와 센서 데이터 수집 게이트웨이 사이의 거리는 다음과 같이 계산될 수 있다.
FSPL(dB) = 
여기서 d는 거리(distance)이고, f는 주기(frequency)이며, K는 d와 f에 사용된 단위에 의존하는 상수이다. 따라서, d의 단위가 km이고, f의 단위가 MHz라면, 다음 수식과 같이 계산될 수 있다.
FSPL(dB) = 
페이드 마진(Fade margine) 수식으로부터, 자유공간 경로 손실(free space path loss)은 다음과 같이 계산될 수 있다.
Free Space Path Loss =
위 두 FSPL 수식으로부터, distance(KM)는 다음과 같이 구할 수 있다.
Distance(Km) = 
따라서, 각 센서가 게이트웨이까지의 거리를 알고 있고 각 카메라도 게이트웨이와의 거리를 알고 있다고 가정하면, 카메라 내에서 인식된 관심 증상을 가지는 객체(돼지)와 게이트웨이와의 거리를 알 수 있다. 그러므로, 돼지에 부착된 센서는 이미 시스템상으로 입력되어 있어 어떤 카메라에서 촬영하고 있는 돼지들인지 알 수 있다. 결론적으로, 카메라에서 특정 가축의 게이트웨이까지의 거리와 센서의 게이트웨이까지의 거리를 비교하여 특정 가축과 센서의 인식 결과를 매핑할 수 있다.
본 개시의 일 실시예에 의하면, 센서 데이터 기반 행동분석모듈(320)은 개별 가축에 부착된 센서로부터 수집한 데이터를 분석하여 해당 가축의 행동을 분석할 수 있다. 일 실시예에 의하면, 센서 데이터 기반 행동분석모듈(320)은 수집한 센서 데이터를 기계학습 등의 기법을 이용하여 행동 패턴으로 분석할 수 있다. 일 실시예에서, 가축이 돼지인 경우, 행동 패턴은 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)를 포함할 수 있다.
도 4는 본 개시의 일 실시예에 따라 수집한 행동 센서 데이터의 형식을 예시적으로 도시하는 그래프이다.
도시된 바와 같이, 행동 센서 데이터를 시간 축으로 하여 수집할 수 있으며, 센서 데이터 기반 행동분석모듈(320)은 사전 분석된 행동 패턴을 참고하여, 소정의 시간 간격(예를 들어 1분)으로 행동 패턴을 분석할 수 있다. 도 3에서, 센서 데이터 기반 행동분석모듈(320)은 돼지 ID 55-78은 처음 1분동안(00:01) 서 있고(Standing), 그 다음 1분(00:02)은 누워 있으며(Lying), 그 다음 1분(00:03)은 앉아 있고, 그 다음 1분(00:04)도 여전히 앉아 있다고 분석할 수 있다.
일 실시예에서, 행동 센서 데이터는 일정한 숫자값의 나열이므로, 일정한 간격으로 데이터를 구분하고, 해당 데이터의 패턴을 인식하여 클래스로 구분할 수 있다.
본 개시의 일 실시예에 의하면 이미지 데이터 기반 행동분석모듈(330)은 이미지 데이터를 수집하여 기계학습 기법, 이미지 분류 기법 등의 인공지능 기법을 사용하여 이미지 내 모니터링할 객체의 행동 상태를 분석할 수 있다.
일 실시예에서, 이미지 데이터 기반 행동분석모듈(330)은 이미지 데이터 수집 정책에 따라 이미지 데이터를 수집할 수 있다. 일 실시예에서, 이미지 데이터 기반 행동분석모듈(330)은 이미지 데이터 수집 기본 정책으로 1분 단위의 주기로 720p이상 컬러 영상 이미지를 서버로 수집할 수 있다. 일 실시예에서, 이미지 데이터 기반 행동분석모듈(330)은 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, 이미지 데이터 기반 행동분석모듈(330)은 제2 예외 정책으로 돼지가 행동할 시간대가 아니라면, 예컨대 수면시간 등과 같이, 수집 주기를 길게 하여 데이터를 수집할 수 있다. 일 실시예에서, 이미지 데이터 기반 행동분석모듈(330)은 제3 예외 정책으로 네트워크 전송 환경에 따라 데이터 전송 양과 주기를 조절할 수 있다. 예컨데, 네트워크 전송 환경이 나빠지는 경우, 데이터 수집 큐를 조정하여 전송 속도가 일정값이상이 나올 때 한번에 수집할 수 있다.
일 실시예에서, 이미지 데이터 기반 행동분석모듈(330)은 수집한 데이터에 대해 전처리를 수행할 수 있다. 일 실시예에서, 이미지 데이터 기반 행동분석모듈(330)은 수집한 이미지 데이터의 이미지를 흑백화하거나, 엣지 이미지를 획득하는 등 원본 이미지 데이터에 대해 전처리를 수행할 수 있다.
일 실시예에서, 이미지 데이터 기반 행동분석모듈(330)은 이미지 내 모니터링할 객체의 행동 상태를 기계학습 기법, 이미지 분류 기법 등의 인공지능 기법으로 분석할 수 있다. 일 실시예에서, 이미지 데이터 기반 행동분석모듈(330)은 사전에 이미지 데이터를 수집하고 데이터 레이블링 등의 학습 과정을 통해 이상징후 분류 모델을 적어도 하나 생성할 수 있다. 이미지 데이터 기반 행동분석모듈(330)은 각 분류 알고리즘 등을 활용하여 학습시킨 분류기 중 가장 리콜(recall) 능력이 뛰어난 분류기를 이용하여 이미지 내 객체(돼지)의 행동을 분석할 수 있다. 일 실시예에서, 돼지 이상징후 분류기가 인식할 수 있는 레이블(클래스)는 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.
본 개시의 일 실시예에 의하면 메모리 모듈(340)은 서버(140) 상에서 실행될 수 있는 각종 프로그램 및 관련 데이터 등이 저장된 임의의 저장 매체일 수 있다. 본 개시의 일 실시예에 의하면, 메모리 모듈(340)은 센서 데이터, 이미지 데이터 및 분석 모듈의 실행과 관련된 데이터들이 저장될 수 있다. 본 개시의 일 실시예에 의하면, 메모리 모듈(340)은 DRAM, SRAM, DDR, RAM, ROM, 자기디스크, 광 디스크, 플래시 메모리 등 다양한 형태의 휘발성 또는 비휘발성 메모리를 포함하도록 구성될 수 있다.
본 개시의 일 실시예에 의하면 데이터 전송주기 설정 모듈(350)은 센서의 데이터 전송 정책을 정하고, 센서로 하여금 전송 정책에 따라 센서 데이터를 전송하도록 지시할 수 있다. 일 실시예에서, 데이터의 전송 정책은 센서 데이터 분석 결과 일상 패턴인 경우 센서로 하여금 보다 긴 주기로 데이터를 전송하도록 지시하며, 관심 패턴이 나타나는 경우 짧은 주기로 센서 데이터를 전송하도록 명령할 수 있다. 예컨대, 데이터 전송주기 설정 모듈(350)은 관심 패턴이 나타나는 경우 데이터를 5분에 1회로 전송하고 일상 패턴인 경우 1시간~24시간에 1회로 전송하도록 전송정책을 설정할 수 있다.
본 개시의 일 실시예에 의하면 통신모듈(360)은 가축의 개체별 이상 징후 판별 서버(140)가, 통신망(150)을 통해 외부와 통신할 수 있도록 지원할 수 있다. 본 개시의 일 실시예에 의하면, 통신모듈(360)은, 소정의 프로토콜에 따라 통신망(150)으로부터 데이터를 수신할 수 있고, 통신망(150)을 통하여 가축의 개체별 이상 징후 판별 서버(140)로부터 외부로 데이터가 전송되도록 필요한 절차를 수행할 수 있다.
도 5은 본 개시의 일 실시예에 따른 엣지클라우드서버 모델 기반의 가축의 개체별 이상 징후 관리 시스템(100)의 전체 구성을 개략적으로 도시한 도면이다.
일 실시예에서, 센서 데이터 수집 게이트 웨이는 가축에 부착된 RFID 태그와 모센 센서 데이터로부터 데이터를 수신하여 엣지컴퓨터로 전송할 수 있다.
일 실시예에서, 네트워크 비디오 레코더(Network vide recorder: NVR)는 축사에 설치된 카메라를 통해 가축을 촬영한 이미지 데이터를 수신하여 엣지컴퓨터로 이미지 데이터를 전송할 수 있다.
일 실시예에서, 엣지컴퓨터는 센서 기반 행동 데이터와 이미지 기반 행동 데이터를 분석하여 행동 인식 결과와 해당 행동을 한 돼지의 식별자를 클라우드 서비스 서버로 전송할 수 있다.
일 실시예에서, 클라우드 서비스 서버는 수신된 분류 데이터, 행동인식 데이터, 그리고 센서 데이터, 이미지 데이터 및 생체 특징 정보에 기초하여 해당 가축이 질병 발생 여부를 판단할 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 도면를 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: 센서
120: 카메라
140: 가축의 개체별 이상 징후 판별 서버
160: 질병 관리 서버
120: 카메라
140: 가축의 개체별 이상 징후 판별 서버
160: 질병 관리 서버
Claims (10)
- 컴퓨터 시스템 상에서 수행되는, 센서 데이터 및 이미지 데이터 기반 가축의 개체별 이상 징후 포착 방법으로서,
센서 데이터와 가축의 식별자를 수신하고, 상기 센서 데이터를 분석하여 가축을 식별하고 식별된 가축의 행동을 분류하는 단계;
이미지 데이터를 수신하고, 상기 이미지 데이터를 분석하여 이미지 내 포함된 적어도 하나의 가축의 행동을 분류하는 단계; 및
상기 가축에 관한 이미지 데이터, 생체 특징 데이터, 유전 정보 및 가축의 행동 분류를 기초로 한 이상징후 판단 모델을 통해 해당 가축의 질병 발생 여부을 판단하는 단계
를 포함하고,
상기 가축은 돼지이고,
상기 이미지 데이터를 분석하는 단계는 사전에 이미지 데이터를 수집하고 데이터 레이블링 등의 학습 과정을 통해 이상징후 판단 모델을 적어도 하나 생성하고, 모돈 인식 이미지 데이터셋을 활용하여 기계학습 알고리즘을 적용하는 단계를 더 포함하며,
가축의 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 분류되는 가축의 개체별 이상 징후 포착 방법. - 제1항에 있어서,
상기 방법은
센서 데이터 분석 결과 분류된 가축의 행동과 이미지 데이터 분석 결과 분류된 가축의 행동을 매핑하고 동일한 행동으로 인식되었는지를 확인하는 단계를 더 포함하는 가축의 개체별 이상 징후 포착 방법. - 제2항에 있어서,
상기 동일한 행동으로 인식되었는지를 확인하는 단계는 센서 데이터를 분석한 결과 분류된 클래스와 동일한 시간 대에 이미지 데이터를 분석한 결과 분석된 클래스가 동일한지 여부를 판단하는 단계를 포함하는 가축의 개체별 이상 징후 포착 방법. - 제3항에 있어서,
상기 센서 데이터를 분석한 결과 분류된 클래스와 동일한 시간 대에 이미지 데이터를 분석한 결과 분석된 클래스가 동일한 경우, 상기 이미지 데이터에 포함된 돼지의 식별자를 상기 센서 데이터에 포함된 식별자로 할당하는 단계를 포함하는 가축의 개체별 이상 징후 포착 방법. - 제4항에 있어서,
상기 방법은 이미지 데이터 분석 결과 동일한 시간 대에 인식된 관심 행동의 돼지 수, 센서 데이터 분석 결과 동일한 시간 대에 인식된 관심 행동의 돼지 수가 동일한 경우, 해당 돼지의 식별자와 분류된 클래스 정보를 전송하는 단계를 더 포함하는 가축의 개체별 이상 징후 포착 방법. - 삭제
- 제1항에 있어서,
상기 방법은
센서 데이터 전송 정책 설정 단계를 포함하고, 상기 센서 데이터 전송 정책은 센서 데이터 분석 결과 일상 패턴인 경우 보다 긴 주기로 데이터를 전송하도록 설정하고, 관심 패턴이 나타나는 경우 짧은 주기로 데이터를 전송하도록 설정하여 센서로 하여금 상기 정책에 따라 데이터를 전송하도록 지시하는 단계를 포함하는 가축의 개체별 이상 징후 포착 방법. - 제1항에 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 가축이 행동할 시간대가 아닌 경우, 수집 주기를 길게 하여 데이터를 수집하며, 제3 예외 정책으로 네트워크 전송 환경에 따라 데이터 전송 양과 주기를 조절하도록 설정되는 가축의 개체별 이상 징후 포착 방법. - 삭제
- 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 내지 제5항 및 제7항 내지 제8항 중 어느 한 항에 따른 방법을 수행하게 하는 컴퓨터 판도가능 기록매체.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200030629A KR102486761B1 (ko) | 2020-03-12 | 2020-03-12 | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 |
| PCT/KR2020/009864 WO2021182684A1 (ko) | 2020-03-12 | 2020-07-29 | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200030629A KR102486761B1 (ko) | 2020-03-12 | 2020-03-12 | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210115204A KR20210115204A (ko) | 2021-09-27 |
| KR102486761B1 true KR102486761B1 (ko) | 2023-01-11 |
Family
ID=77672428
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200030629A KR102486761B1 (ko) | 2020-03-12 | 2020-03-12 | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102486761B1 (ko) |
| WO (1) | WO2021182684A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230080219A (ko) * | 2021-11-29 | 2023-06-07 | 주식회사 바딧 | 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR102584357B1 (ko) | 2022-12-12 | 2023-10-12 | 주식회사 리얼팜 | 반문 이미지를 기반으로 한 축산 동물의 개체 식별 장치 및 영상을 기반으로 한 가축 행동 패턴 분류 시스템 및 가축 행동 패턴 분류 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010004861A (ja) * | 2008-06-24 | 2010-01-14 | Darwin:Kk | 動物個体識別システム及び動物個体識別方法 |
| JP2017060407A (ja) | 2015-09-21 | 2017-03-30 | 株式会社グリーン＆ライフ・イノベーション | 反芻動物の健康管理システムおよび反芻動物の健康管理方法 |
| JP2017112857A (ja) * | 2015-12-21 | 2017-06-29 | 良一 春日 | 畜産管理システム |
| KR102069087B1 (ko) | 2018-12-21 | 2020-01-22 | (주)위세아이텍 | 고장확률을 활용한 열차 사고 위험도 예측 장치 및 방법 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0822580D0 (en) * | 2008-12-11 | 2009-01-14 | Faire Ni Ltd | An animal monitoring system and method |
| KR20150118245A (ko) * | 2014-04-11 | 2015-10-22 | 재단법인대구경북과학기술원 | 카메라를 이용한 가축 상태 모니터링 방법 및 그 장치 |
| KR20160078089A (ko) * | 2014-12-24 | 2016-07-04 | 고려대학교 산학협력단 | 농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템 |
| KR101712633B1 (ko) * | 2015-01-27 | 2017-03-07 | 주식회사 드론오렌지 | 센서와 무인비행체를 이용한 방목 가축 질병 예측 관리시스템 및 관리방법 |
| KR102667163B1 (ko) | 2016-06-23 | 2024-05-20 | 주식회사 케이티 | 전염성 동물 질병의 확산을 예측하는 동물 질병의 확산 예측 장치 및 동물 질병의 확산 예측 방법 |
| KR20180105451A (ko) * | 2017-03-15 | 2018-09-28 | 한국전자통신연구원 | 가축의 사육 환경을 제어하는 장치 및 그 방법 |
| KR102034998B1 (ko) * | 2019-07-12 | 2019-10-22 | 경상대학교산학협력단 | 돼지움직임 감지용 광이표 |
-
2020
- 2020-03-12 KR KR1020200030629A patent/KR102486761B1/ko active IP Right Grant
- 2020-07-29 WO PCT/KR2020/009864 patent/WO2021182684A1/ko active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010004861A (ja) * | 2008-06-24 | 2010-01-14 | Darwin:Kk | 動物個体識別システム及び動物個体識別方法 |
| JP2017060407A (ja) | 2015-09-21 | 2017-03-30 | 株式会社グリーン＆ライフ・イノベーション | 反芻動物の健康管理システムおよび反芻動物の健康管理方法 |
| JP2017112857A (ja) * | 2015-12-21 | 2017-06-29 | 良一 春日 | 畜産管理システム |
| KR102069087B1 (ko) | 2018-12-21 | 2020-01-22 | (주)위세아이텍 | 고장확률을 활용한 열차 사고 위험도 예측 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210115204A (ko) | 2021-09-27 |
| WO2021182684A1 (ko) | 2021-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101984983B1 (ko) | 야생동물 모니터링 시스템 및 그 방법 | |
| KR102486761B1 (ko) | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 | |
| CN109145032A (zh) | 一种蜜蜂养殖智能监测方法与系统 | |
| CN112580552B (zh) | 一种鼠类行为分析方法及装置 | |
| US11910784B2 (en) | Animal visual identification, tracking, monitoring and assessment systems and methods thereof | |
| Arablouei et al. | Animal behavior classification via deep learning on embedded systems | |
| KR102341715B1 (ko) | 가축 모니터링 장치 및 방법 | |
| KR102522239B1 (ko) | 영상 기반 가축의 급이 행동 분석 장치 및 방법 | |
| KR102506029B1 (ko) | 영상 기반 가축 개체 성장 추이 모니터링 장치 및 방법 | |
| KR102425523B1 (ko) | 모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치 | |
| Kuźnicka et al. | Automatic detection of suckling events in lamb through accelerometer data classification | |
| KR102584357B1 (ko) | 반문 이미지를 기반으로 한 축산 동물의 개체 식별 장치 및 영상을 기반으로 한 가축 행동 패턴 분류 시스템 및 가축 행동 패턴 분류 방법 | |
| KR102624927B1 (ko) | 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법 | |
| US12026575B2 (en) | Animal motion and temperature monitoring | |
| KR102527322B1 (ko) | 딥러닝 기반의 객체 인식을 통한 가축 관리 방법 | |
| KR20200059445A (ko) | 가속도센서를 이용한 가축 행동패턴 검출 방법 및 장치 | |
| CA3230401A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
| CN114118755A (zh) | 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质 | |
| KR20200030765A (ko) | 기계학습을 이용한 가축관리장치 및 방법 | |
| Smink et al. | Computer vision on the edge: Individual cattle identification in real-time with readmycow system | |
| Nigade et al. | Review Paper on IOT based Cattle Health Monitoring System | |
| WO2021182695A1 (ko) | 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법 | |
| Siegford et al. | Practical considerations for the use of precision livestock farming to improve animal welfare | |
| JP2023168245A (ja) | 疑似グルーミング実行個体判別システム、グルーミング情報収集システム、分類モデル生成システム、データセットの生成方法、及び、疑似グルーミング実行個体判別方法 | |
| KR102603396B1 (ko) | 인공지능을 이용한 영상 감시 기반 개체 인식 및 행동패턴 분석 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |