KR102524375B1 - System and method for inspecting pet excreta - Google Patents
System and method for inspecting pet excreta Download PDFInfo
- Publication number
- KR102524375B1 KR102524375B1 KR1020220040891A KR20220040891A KR102524375B1 KR 102524375 B1 KR102524375 B1 KR 102524375B1 KR 1020220040891 A KR1020220040891 A KR 1020220040891A KR 20220040891 A KR20220040891 A KR 20220040891A KR 102524375 B1 KR102524375 B1 KR 102524375B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- color space
- coordinates
- excrement
- companion animal
- Prior art date
Links
- 210000003608 fece Anatomy 0.000 title claims description 29
- 238000000034 method Methods 0.000 title description 6
- 241001465754 Metazoa Species 0.000 claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 238000007689 inspection Methods 0.000 claims abstract description 33
- 239000002131 composite material Substances 0.000 claims abstract description 26
- 208000024891 symptom Diseases 0.000 claims description 18
- 238000000926 separation method Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 9
- 230000029142 excretion Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 description 6
- 230000001131 transforming effect Effects 0.000 description 6
- 230000002550 fecal effect Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 208000010643 digestive system disease Diseases 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008673 vomiting Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000004916 vomit Anatomy 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 208000027503 bloody stool Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 208000035861 hematochezia Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0038—Devices for taking faeces samples; Faecal examination devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/361—Image-producing devices, e.g. surgical cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/40—Animals
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 반려동물의 배설물 검사 시스템에 관한 것으로서, 보다 구체적으로, 임의의 색공간에서 촬상된 반려동물의 배설물 이미지의 색 프로파일을 변형함으로써 상기 배설물 이미지로부터 이상 징후를 확인하는 검사 시스템에 관한 것이다.The present invention relates to a companion animal excrement inspection system, and more particularly, to an inspection system for identifying abnormal signs from an excrement image of a companion animal by modifying a color profile of an image of excrement of a companion animal captured in an arbitrary color space.
최근 대한민국 농림축산식품부 통계에 따르면, 반려동물과 함께 생활하는 사람을 뜻하는 ‘펫팸족’(pet+family)은 2018년 1000만명, 2019년 1500만명을 넘어섰다. 관련 업계에서는 반려동물 관련 시장규모가 2018년 2조8900억원에서 2020년 5조8000억원대로 성장하고, 올해는 6조원을 넘어설 것으로 전망하고 있다.According to recent statistics from the Ministry of Agriculture, Food and Rural Affairs of the Republic of Korea, the number of 'pet + family', which means people who live with companion animals, exceeded 10 million in 2018 and 15 million in 2019. Related industries predict that the companion animal market will grow from 2.89 trillion won in 2018 to 5.8 trillion won in 2020, and exceed 6 trillion won this year.
또한, 미국 반려동물산업협회(APPA; American Pet Products Association)의 조사에 따르면, 2019년 미국 전체 가구 중 약 67%가 반려동물을 양육하는 것으로 보고된 바 있다.In addition, according to a survey by the American Pet Products Association (APPA), it was reported that about 67% of all households in the United States raised companion animals in 2019.
종래에는 반려동물을 애완동물이라 지칭하거나 키우는 대상으로 여기는 등 부차적 존재로 여기는 경우가 많았으며, 이에 따라 반려동물 관련 시장은 사료, 간식, 액세서리 등과 같이 반려동물을 사육하는데 있어 필요한 기본적인 용품에 집중되었다.In the past, companion animals were often regarded as secondary beings, such as being referred to as pets or regarded as objects to be raised, and accordingly, the companion animal-related market was focused on basic supplies necessary for raising companion animals, such as food, snacks, and accessories. .
그러나, 시간이 흐르며 반려동물에 대한 문화적 인식이 향상됨에 따라 반려동물과 사람을 수평적인 관계로 인식하는 사람들이 늘고, 삶을 함께하는 누군가의 가족이나 친구와 같은 소중한 존재로 인식하는 경향이 강해지면서 최근에는 반려동물용 화장품, 보험 상품이 출시되는 등 반료동물의 미용, 건강 관리에 대한 관심과 시장이 확대되는 추세이다.However, as time passes and cultural awareness of companion animals improves, more and more people perceive companion animals and people as a horizontal relationship, and the tendency to recognize companion animals as precious beings such as family or friends of someone with whom they live together increases. Cosmetics and insurance products for companion animals are being released, and interest in beauty and health care for companion animals and the market are expanding.
한편, 반려동물의 건강은 전적으로 반려인의 관심과 관리에 의존할 수 밖에 없다. 수의학적으로는 반려동물의 건강 관리를 위해 주기적인 검진이 요구되지만, 시간 및 비용과 이외 다양한 문제들로 인해 보통 반려동물이 이상 행동을 나타낸 다음 사후적 조치로 해결하는 경우가 많다.On the other hand, the companion animal's health cannot help but depend entirely on the attention and management of the companion. In terms of veterinary medicine, periodic checkups are required for health care of companion animals, but due to time, cost, and various other problems, there are many cases in which companion animals exhibit abnormal behaviors and then resolve them as follow-up measures.
이에 따라, 저비용 및 저난이도의 방식으로 반려동물의 건강에 이상이 있는지 여부를 확인할 수 있는 기술의 도입이 필요한 실정이다. Accordingly, it is necessary to introduce a technology that can check whether there is an abnormality in the health of a companion animal in a low-cost and low-level method.
삭제delete
대한민국 한 보험회사의 2019년도 통계에 따르면, 반려동물의 보험금 지급 사유 중 소화기 질환 중 1위는 소화기 질환인 것으로 확인됐다. 이러한 소화기 질환은 구토, 설사 또는 혈변을 수반하는 경우가 많아 배설물(특히, 대변)을 통해 반려동물의 건강에 대한 이상 징후를 확인할 수 있는 경우가 많다.According to the 2019 statistics of an insurance company in Korea, it was confirmed that digestive diseases ranked first among digestive diseases among the reasons for payment of insurance money for companion animals. These digestive diseases are often accompanied by vomiting, diarrhea or bloody stools, and in many cases, signs of abnormal health of companion animals can be confirmed through excreta (especially feces).
이러한 기술적 배경 하에서, 본 발명은 반려동물의 배설물 이미지로부터 이상 징후 여부를 판단하는 것이 가능한 배설물 검사 시스템을 제공하는 것을 목적으로 한다.Under such a technical background, an object of the present invention is to provide a feces inspection system capable of determining whether or not there is an abnormality from a feces image of a companion animal.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects and advantages of the present invention not mentioned above can be understood by the following description and will be more clearly understood by the examples of the present invention. It will also be readily apparent that the objects and advantages of the present invention may be realized by means of the instrumentalities and combinations indicated in the claims.
본 발명의 일 측면에 따르면, 임의의 색공간에서 촬상된 반려동물의 배설물 이미지를 수집하는 이미지 수집부; 상기 이미지 수집부에서 수집된 상기 배설물 이미지를 구성하는 픽셀별로 적어도 하나의 색 성분을 추출하여 상기 배설물 이미지에 대한 제1 히스토그램을 생성하는 색공간 추출부; 상기 제1 히스토그램을 구성하는 색 성분 중 적어도 하나를 변형하여 생성된 제2 히스토그램을 상기 배설물 이미지에 반영하여 합성 이미지를 생성하는 이미지 생성부; 상기 합성 이미지로부터 반려동물의 배설물의 이상 징후 의심 영역의 유무를 검사하는 이미지 검사부;를 포함하는 반려동물의 배설물 검사 시스템이 제공된다.According to one aspect of the present invention, the image collection unit for collecting the excrement image of a companion animal captured in an arbitrary color space; a color space extractor for generating a first histogram of the excrement image by extracting at least one color component for each pixel constituting the feces image collected by the image collection unit; an image generating unit generating a composite image by reflecting a second histogram generated by modifying at least one of color components constituting the first histogram to the excrement image; There is provided an excrement examination system of a companion animal including an image examination unit inspecting the presence or absence of an area suspected of abnormal symptoms in the excretion of the companion animal from the synthesized image.
일 실시예에 있어서, 상기 색 성분은 색상값, 채도값 및 명도값으로부터 선택되는 적어도 하나일 수 있다.In one embodiment, the color component may be at least one selected from a hue value, a saturation value, and a brightness value.
일 실시예에 있어서, 상기 이미지 검사부는 상기 합성 이미지를 구성하는 전체 픽셀의 평균 색공간 좌표를 계산한 후, 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리가 기 설정된 제1 임계값 이상인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 이상 픽셀로 맵핑할 수 있다.In an embodiment, the image inspection unit calculates average color space coordinates of all pixels constituting the composite image, and then calculates first color space coordinates of target pixels located at arbitrary coordinates in the composite image and the average color space coordinates. When the separation distance between spatial coordinates is equal to or greater than a preset first threshold value, the coordinates of the target pixel may be mapped to the ideal pixel in the composite image.
다른 실시예에 있어서, 상기 이미지 검사부는 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 제1 색공간 좌표와 상기 배설물 이미지 중 상기 대상 픽셀과 동일한 좌표를 가지는 픽셀의 제2 색공간 좌표 사이의 이격 거리가 기 설정된 제2 임계값 이하인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 정상 픽셀로 맵핑할 수 있다.In another embodiment, the image inspection unit between the first color space coordinates of the target pixel located at any coordinates of the composite image and the second color space coordinates of the pixel having the same coordinates as the target pixel of the feces image When the separation distance is equal to or less than a predetermined second threshold value, coordinates of the target pixel may be mapped to normal pixels in the synthesized image.
또 다른 실시예에 있어서, 상기 이미지 검사부는 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 적어도 하나의 제1 색 성분과 상기 배설물 이미지 중 상기 대상 픽셀과 동일한 좌표를 가지는 픽셀의 적어도 하나의 제2 색 성분의 차이가 기 설정된 제3 임계값 이하인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 정상 픽셀로 맵핑할 수 있다.In another embodiment, the image inspection unit at least one first color component of the target pixel located at any coordinates of the composite image and at least one of the pixels having the same coordinates as the target pixel of the excrement image When the difference between the two color components is equal to or less than a preset third threshold, the coordinates of the target pixel may be mapped to a normal pixel in the composite image.
추가적으로, 상기 이미지 검사부는 상기 맵핑 결과를 수집하여 이상 징후 해당 여부에 대한 예측 모델을 생성할 수 있다.Additionally, the image inspection unit may collect the mapping results to generate a predictive model for whether or not an abnormal symptom is applicable.
상술한 바와 같이, 본 발명에 따르면, 반려인은 반려동물의 배설물 이미지를 촬영하는 행위만으로 반려동물의 배설물로부터 이상 징후 의심 영역이 존재하는지 여부를 확인할 수 있다.As described above, according to the present invention, the companion can confirm whether or not an area suspected of abnormal signs exists in the excrement of the companion animal only by taking an image of the excrement of the companion animal.
특히, 반려인이 육안으로 단번에 확인하기 어렵다 하더라도 본 발명에 따른 배설물 검사 시스템은 배설물 이미지의 색 성분 변형을 통해 이상 징후 의심 영역을 포착하는 것이 가능하다는 이점이 있다.In particular, even if it is difficult for the companion to check at once with the naked eye, the excrement inspection system according to the present invention has the advantage of being able to capture the suspected abnormal symptom area through color component transformation of the excrement image.
상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.In addition to the effects described above, specific effects of the present invention will be described together while explaining specific details for carrying out the present invention.
도 1은 반려동물의 대변 샘플 #1을 촬영한 원본 이미지이다.
도 2는 도 1의 원본 이미지로부터 분석 영역을 추출한 이미지이다.
도 3은 도 2의 이미지의 임의의 색 성분을 변형하여 수득한 합성 이미지이다.
도 4는 반려동물의 대변 샘플 #2를 촬영한 원본 이미지이다.
도 5는 도 4의 원본 이미지로부터 분석 영역을 추출한 이미지이다.
도 6은 도 5의 이미지의 임의의 색 성분을 변형하여 수득한 합성 이미지이다.
도 7은 반려동물의 대변 샘플 #3을 촬영한 원본 이미지이다.
도 8은 도 7의 원본 이미지로부터 분석 영역을 추출한 이미지이다.
도 9는 도 8의 이미지의 임의의 색 성분을 변형하여 수득한 합성 이미지이다.1 is an original image of fecal sample #1 of a companion animal.
FIG. 2 is an image obtained by extracting an analysis region from the original image of FIG. 1 .
FIG. 3 is a composite image obtained by transforming arbitrary color components of the image of FIG. 2 .
4 is an original image of fecal sample #2 of a companion animal.
FIG. 5 is an image obtained by extracting an analysis region from the original image of FIG. 4 .
FIG. 6 is a composite image obtained by transforming arbitrary color components of the image of FIG. 5 .
FIG. 7 is an original image of stool sample #3 of a companion animal.
FIG. 8 is an image obtained by extracting an analysis region from the original image of FIG. 7 .
FIG. 9 is a composite image obtained by transforming arbitrary color components of the image of FIG. 8 .
본 발명을 더 쉽게 이해하기 위해 편의상 특정 용어를 본원에 정의한다. 본원에서 달리 정의하지 않는 한, 본 발명에 사용된 과학 용어 및 기술 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미를 가질 것이다. 또한, 문맥상 특별히 지정하지 않는 한, 단수 형태의 용어는 그것의 복수 형태도 포함하는 것이며, 복수 형태의 용어는 그것의 단수 형태도 포함하는 것으로 이해되어야 한다.Certain terms are defined herein for convenience in order to more readily understand the present invention. Unless otherwise defined herein, scientific and technical terms used herein shall have meanings commonly understood by one of ordinary skill in the art. In addition, it should be understood that terms in the singular form also include their plural forms, and terms in the plural form also include their singular forms, unless otherwise specified in context.
이하, 본원에 첨부된 도면을 참고하여 본 발명의 몇몇 실시예에 따른 반려동물의 배설물 검사 시스템에 대하여 보다 상세히 설명하기로 한다.Hereinafter, with reference to the accompanying drawings, a companion animal fecal examination system according to some embodiments of the present invention will be described in more detail.
본 발명의 일 측면에 따른 반려동물의 배설물 검사 시스템은 이미지 수집부, 색공간 추출부, 이미지 생성부 및 이미지 검사부를 포함한다.An excrement inspection system of a companion animal according to an aspect of the present invention includes an image collection unit, a color space extraction unit, an image generation unit, and an image inspection unit.
상기 이미지 수집부는 임의의 색공간에서 촬상된 반려동물의 배설물 이미지를 수집한다. 상기 배설물은 반려동물의 대변, 소변, 토사물 등일 수 있으며, 바람직하게는 적어도 고형의 분비물을 포함하는 대변 또는 토사물일 수 있다.The image collecting unit collects excrement images of companion animals captured in an arbitrary color space. The feces may be feces, urine, vomit, or the like of a companion animal, and preferably may be feces or vomit containing at least solid secretions.
상기 배설물 검사 시스템이 모바일폰의 어플리케이션으로서 설치된 경우, 상기 이미지 수집부는 상기 모바일폰의 촬영 수단을 이용하여 촬상된 배설물 이미지를 전달받거나, 상기 모바일폰의 저장 매체에 기저장된 배설물 이미지를 전달받을 수 있다.When the feces inspection system is installed as an application of a mobile phone, the image collection unit may receive an image of feces captured using a photographing means of the mobile phone or a feces image previously stored in a storage medium of the mobile phone. .
상기 배설물 이미지는 임의의 색공간에서 촬상된 이미지로서, 상기 색공간은 RGB (sRGB, Apple RGB, Adobe RGB를 포함함), YUV, YCbCr/YPbPr, YIQ, CMY, CMYK, HSV (=HIS=HSB) 및 HSL로부터 선택될 수 있다.The excrement image is an image captured in an arbitrary color space, the color space is RGB (including sRGB, Apple RGB, Adobe RGB), YUV, YCbCr / YPbPr, YIQ, CMY, CMYK, HSV (=HIS=HSB ) and HSL.
또한, 상기 배설물 이미지로부터 이상 징후 의심 영역의 맵핑 정확도를 높이기 위해 상기 배설물 이미지가 촬상된 색공간을 다른 임의의 색공간으로 변경하는 과정이 선택적으로 수반될 수 있다. 다만, 후술할 색 성분의 변형만으로 이상 징후 의심 영역을 포착하는 것이 가능하기 때문에 배설물 이미지의 색공간 변경은 선택적 요소에 해당한다.In addition, a process of changing the color space in which the feces image is captured to another arbitrary color space may be optionally accompanied in order to increase the mapping accuracy of the suspected abnormal symptom region from the feces image. However, since it is possible to capture an area suspected of abnormal symptoms only by modifying color components to be described later, changing the color space of the excrement image is an optional element.
도 1, 도 4 및 도 7은 각각 상기 이미지 수집부로부터 수집된 상기 배설물 이미지(반려동물의 대변 샘플을 촬영한 원본 이미지)의 예시이다.1, 4, and 7 are examples of the excrement images (original images obtained by photographing fecal samples of companion animals) collected from the image collection unit, respectively.
일 실시예에 있어서, 상기 이미지 수집부는 원본 이미지로부터 배경을 제거하여 이미지 내 피사체인 배설물만이 존재하도록 할 수 있다.In one embodiment, the image collecting unit may remove the background from the original image so that only excrement, which is a subject in the image, exists.
도 2, 도 5 및 도 8은 각각 원본 이미지로부터 배경을 제거하여 분석 영역을 추출한 이미지이다.2, 5 and 8 are images obtained by extracting an analysis region by removing a background from an original image, respectively.
상기 원본 이미지로부터 배경을 제거하는 과정이 필수적이지는 않으나, 상기 원본 이미지로부터 배경을 제거하여 이미지 내 피사체만 존재하게 될 경우, 후술할 색 성분 변형시 피사체 이외의 영역에서 발생된 색 성분 변형에 따른 검사 오류를 줄일 수 있다.Although the process of removing the background from the original image is not essential, if the background is removed from the original image so that only the subject exists in the image, during color component transformation to be described later, color component transformation generated in an area other than the subject Reduce inspection errors.
상기 원본 이미지로부터 배경을 제거하는 과정을 수반하지 않더라도, 상기 원본 이미지로부터 피사체의 외곽선을 설정한 후 상기 외곽선 외의 영역에서 발생된 색 성분 변형에 따른 검사 오류를 노이즈 처리함으로써 검사 오류를 줄일 수 있다.Even without removing the background from the original image, inspection errors can be reduced by setting the outline of the subject from the original image and then noise-processing inspection errors due to color component deformation occurring in areas other than the outline.
상기 색공간 추출부는 상기 이미지 수집부에서 수집된 상기 배설물 이미지를 구성하는 픽셀별로 적어도 하나의 색 성분을 추출하여 상기 배설물 이미지에 대한 제1 히스토그램을 생성한다.The color space extraction unit extracts at least one color component for each pixel constituting the feces image collected by the image collection unit to generate a first histogram for the feces image.
이 때, 상기 색 성분은 색상값, 채도값 및 명도값으로부터 선택되는 적어도 하나를 포함할 수 있으며, 상기 배설물 이미지가 촬상된 색공간에 따라 상기 제1 히스토그램을 구성하는 색 성분 중 적어도 하나가 달라지거나, 상기 제1 히스토그램의 구조 자체가 달라질 수 있다.At this time, the color component may include at least one selected from a color value, a saturation value, and a brightness value, and at least one of the color components constituting the first histogram is different according to the color space in which the feces image is captured. Otherwise, the structure of the first histogram itself may be different.
즉, 상기 색공간 추출부는 상기 배설물 이미지(원본 이미지)의 최초 색공간을 정의하는 역할을 한다.That is, the color space extractor serves to define the first color space of the excrement image (original image).
이어서, 상기 이미지 생성부는 상기 색공간 추출부에 의해 생성된 상기 제1 히스토그램을 구성하는 색 성분 중 적어도 하나를 변형하여 제2 히스토그램을 생성한다.Next, the image generator generates a second histogram by transforming at least one of color components constituting the first histogram generated by the color space extractor.
이 때, 상기 제2 히스토그램은 상기 제1 히스토그램을 구성하는 색 성분 중 적어도 하나가 변형되어 생성된 것으로서, 상기 제1 히스토그램과 상기 제2 히스토그램의 색공간은 서로 동일하다 할 수 있다.In this case, the second histogram is generated by transforming at least one of the color components constituting the first histogram, and it can be said that the color spaces of the first histogram and the second histogram are the same.
또한, 상기 제1 히스토그램을 구성하는 색 성분 중 적어도 하나가 변형될 경우, 상기 변형은 상기 배설물 이미지를 구성하는 모든 픽셀에 동일하게 적용되어야 할 것이다.In addition, when at least one of the color components constituting the first histogram is transformed, the transformation will have to be equally applied to all pixels constituting the feces image.
이에 따라, 상기 제2 히스토그램을 상기 배설물 이미지에 반영하여 생성된 합성 이미지를 구성하는 모든 픽셀로부터 색 성분의 변형값을 제거할 경우(즉, 색 성분의 변형을 원복시킬 경우), 상기 합성 이미지는 상기 원본 이미지와 동일해질 것이다.Accordingly, when removing the transformation values of color components from all pixels constituting the synthetic image generated by reflecting the second histogram on the excrement image (ie, to reverse the transformation of color components), the synthetic image It will be the same as the original image.
도 3, 도 6 및 도 9는 각각 도 2, 도 5 및 도 8의 이미지의 임의의 색 성분을 변형하여 생성된 합성 이미지이다.3, 6, and 9 are composite images generated by transforming arbitrary color components of the images of FIGS. 2, 5, and 8, respectively.
도 3, 도 6 및 도 9를 참조하면, 기존 원본 이미지에서는 확인할 수 없었던 특이점이 관찰되며, 상기 특이점이 반려동물의 배설물의 이상 징후 의심 영역일 것이라 예측할 수 있다.Referring to FIGS. 3, 6, and 9, a singularity that could not be identified in the existing original image is observed, and it can be predicted that the singularity is an area suspected of abnormal signs of excrement of a companion animal.
상기 이미지 검사부는 상기 이미지 생성부에 의해 생성된 상기 합성 이미지로부터 반려동물의 배설물의 이상 징후 의심 영역의 유무를 검사하게 된다.The image inspection unit inspects the presence or absence of an area suspected of abnormal signs in excretion of a companion animal from the synthesized image generated by the image generation unit.
도 3, 도 6 및 도 9에 나타낸 바와 같이, 상기 이상 징후 의심 영역은 상기 합성 이미지로부터 육안으로도 확인할 수 있으나, 그 차이가 미미할 경우 후술할 방식에 의해 이상 징후 의심 영역에 해당되는지 여부가 판별될 수 있다.As shown in FIGS. 3, 6, and 9, the suspected abnormal symptom area can be visually confirmed from the synthesized image, but if the difference is insignificant, it is determined whether or not it corresponds to the abnormal symptom suspected area by a method described later. It can be.
일 실시예에 있어서, 상기 이미지 검사부는 상기 합성 이미지를 구성하는 전체 픽셀의 평균 색공간 좌표를 계산한 후, 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리가 기 설정된 제1 임계값 이상인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 이상 픽셀로 맵핑할 수 있다.In an embodiment, the image inspection unit calculates average color space coordinates of all pixels constituting the composite image, and then calculates first color space coordinates of target pixels located at arbitrary coordinates in the composite image and the average color space coordinates. When the separation distance between spatial coordinates is equal to or greater than a preset first threshold value, the coordinates of the target pixel may be mapped to the ideal pixel in the composite image.
예를 들어, 도 3 및 도 6의 경우, 수의학적 분석을 통해 정상변에 해당하는 영역에 존재하는 픽셀들은 녹색 계통의 색공간 좌표를 가지며, 이상변에 해당하는 영역에 존재하는 픽셀들은 적색 계통의 색공간 좌표를 가진다(이 때, 정상변에 해당하는 영역에 존재하는 픽셀과 이상변에 해당하는 영역에 존재하는 픽셀이 가지는 색공간 좌표의 계통 및 색공간 좌표는 전술한 상기 제2 히스토그램에 의해 결정되는 것이다).For example, in the case of FIGS. 3 and 6 , through veterinary analysis, pixels existing in an area corresponding to the normal side have green color space coordinates, and pixels existing in an area corresponding to the abnormal side have red color space coordinates. (At this time, the system of color space coordinates and color space coordinates of pixels existing in the area corresponding to the normal side and pixels existing in the area corresponding to the abnormal side are in the second histogram described above. is determined by).
여기서, 상기 합성 이미지 중 정상변에 해당하는 영역이 이상변에 해당하는 영역보다 넓음에 따라 상기 합성 이미지를 구성하는 전체 픽셀의 평균 색공간 좌표는 녹색 계통의 색공간 좌표에 가까울 것이다.Here, since the region corresponding to the normal side of the synthesized image is wider than the region corresponding to the abnormal side, the average color space coordinates of all pixels constituting the synthesized image will be close to the green color space coordinates.
이 때, 임의의 좌표에 위치하는 대상 픽셀이 정상변에 해당하는 영역에 존재할 경우, 상기 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리는 상대적으로 짧을 것이다. 반면에, 임의의 좌표에 위치하는 대상 픽셀이 이상변에 해당하는 영역에 존재할 경우, 상기 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리는 상대적으로 멀 것이다.In this case, when a target pixel located at an arbitrary coordinate exists in an area corresponding to the normal side, the separation distance between the first color space coordinate and the average color space coordinate of the target pixel will be relatively short. On the other hand, when a target pixel located at an arbitrary coordinate exists in a region corresponding to an abnormal edge, a separation distance between the first color space coordinate and the average color space coordinate of the target pixel will be relatively long.
또한, 정상변에 해당하는 영역에 존재하는 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리(d1)와 이상 변에 해당하는 영역에 존재하는 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리(d2) 사이에 제1 임계값이 설정될 수 있다.In addition, the separation distance d1 between the first color space coordinates of the target pixel existing in the area corresponding to the normal side and the average color space coordinates and the first color space coordinates of the target pixel existing in the area corresponding to the abnormal side A first threshold value may be set between D and the distance d2 between the average color space coordinates.
이에 따라, 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리가 기 설정된 제1 임계값 이상인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 이상 픽셀로 맵핑될 수 있다.Accordingly, when the separation distance between the first color space coordinate and the average color space coordinate of a target pixel located at an arbitrary coordinate in the synthesized image is equal to or greater than a preset first threshold value, the coordinates of the target pixel are displayed in the synthesized image. may be mapped to an ideal pixel.
한편, 전체 대변 중 정상변에 해당하는 영역보다 이상변에 해당하는 영역의 비율이 클 경우, 상기 합성 이미지를 구성하는 전체 픽셀의 평균 색공간 좌표는 이상변에 해당하는 영역의 평균 색공간 좌표에 가깝게 계산될 것이다. 이 경우, 상기 평균 색공간 좌표와의 이격 거리가 임계값 이상인 색공간 좌표를 가지는 픽셀은 정상변에 해당하는 영역에 존재하게 됨에 따라 이상 징후 의심 영역에 대한 판정 결과의 오류가 발생할 수 있다.On the other hand, if the ratio of the area corresponding to the abnormal side is larger than the area corresponding to the normal side among the entire stool, the average color space coordinates of all pixels constituting the composite image are the average color space coordinates of the area corresponding to the abnormal side. will be calculated closely. In this case, pixels having color space coordinates whose distance from the average color space coordinates is equal to or greater than the threshold exist in a region corresponding to the normal side, and thus an error may occur in the determination result of the suspected abnormal symptom region.
예를 들어, 도 6의 좌상단에 위치하는 대변 조각(이상변 조각에 해당함)을 구성하는 전체 픽셀의 평균 색공간 좌표는 이상변에 해당하는 영역의 평균 색공간 좌표에 가깝게 계산됨에 따라 상기 대변 조각에는 상기 평균 색공간 좌표와의 이격 거리가 임계값 이상인 색공간 좌표를 가지는 픽셀이 거의 존재하지 않는 오류가 발생할 수 있다.For example, since the average color space coordinates of all pixels constituting the feces piece (corresponding to an anomalous edge piece) located in the upper left of FIG. An error may occur in which there are almost no pixels having color space coordinates whose separation distance from the average color space coordinates is equal to or greater than a threshold value.
상술한 판정 오류를 예방하기 위해, 상기 배설물 검사 시스템은 원본 이미지를 기준으로 정상변 이미지 또는 정상변에 가까운 이미지들로부터 획득한 색공간 좌표에 대한 학습을 통해 원본 이미지 기준 정상변 및/또는 이상변에 대한 색공간 좌표의 프로파일을 생성할 수 있다. 상기 정상변 및/또는 이상변에 대한 색공간 좌표의 프로파일은 단일 사용자 및/또는 다중 사용자로부터 수집된 배설물 이미지에 대한 학습을 통해 생성될 수 있으며, AI 또는 머신 러닝 등에 의한 학습을 통해 자동으로 수집 및 학습될 수 있다.In order to prevent the above-mentioned determination error, the excrement inspection system learns the color space coordinates obtained from the normal side image or images close to the normal side based on the original image, and/or the normal side and/or the abnormal side based on the original image. A profile of color space coordinates can be created. The profile of color space coordinates for the normal and/or abnormal sides may be generated through learning on excrement images collected from a single user and/or multiple users, and automatically collected through learning by AI or machine learning. and can be learned.
정상변 및/또는 이상변에 대한 색공간 좌표의 프로파일이 존재할 경우, 원본 이미지(예를 들어, 도 4 및 도 5)를 구성하는 전체 픽셀을 정상변에 대한 색공간 좌표의 프로파일에 가까운 영역 및/또는 이상변에 대한 색공간 좌표의 프로파일에 가까운 영역으로 분할한 후 상기 합성 이미지로부터 계산되는 평균 색공간 좌표의 기준 영역이 정상변에 가까운 영역인지 또는 이상변에 가까운 영역인지 사전에 결정할 수 있다.If profiles of color space coordinates for normal sides and/or abnormal sides exist, all pixels constituting the original image (eg, FIGS. 4 and 5) are defined as regions close to the profiles of color space coordinates for normal sides and / Or, after dividing into regions close to the profile of the color space coordinates for the abnormal edges, whether the reference region of the average color space coordinates calculated from the synthesized image is an area close to the normal edge or an area close to the abnormal edge may be determined in advance. .
만약 도 6의 좌상단에 위치하는 대변 조각과 같이 정상변에 해당하는 영역보다 이상변에 해당하는 영역의 비율이 큰 영역의 경우, 합성 이미지로부터 계산되는 평균 색공간 좌표가 이상변에 가까운 색공간 좌표의 프로파일을 가지므로, 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리가 기 설정된 제1 임계값 이상인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 정상 픽셀로 맵핑할 수 있다.In the case of an area where the ratio of the area corresponding to the abnormal side is larger than the area corresponding to the normal side, such as the fecal piece located in the upper left corner of FIG. Since it has a profile of , when the separation distance between the first color space coordinates and the average color space coordinates of a target pixel located at an arbitrary coordinate in the synthesized image is greater than or equal to a preset first threshold value, the target pixel is included in the synthesized image. The coordinates of pixels can be mapped to normal pixels.
전술한 과정을 통해 맵핑된 이상 픽셀의 군집은 이상 징후 의심 영역으로서 설정될 것이다. 또한, 상기 이상 픽셀의 군집이 소정의 크기 이상의 영역을 형성하지 못할 경우, 상기 이상 픽셀의 군집은 이상 징후 의심 영역에서 배제될 수도 있다.A cluster of abnormal pixels mapped through the above-described process may be set as an abnormal symptom suspect region. In addition, when the cluster of abnormal pixels does not form an area of a predetermined size or larger, the cluster of abnormal pixels may be excluded from the suspected abnormal symptom region.
일 실시예에 있어서, 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리가 기 설정된 제1 임계값 이상이라 하더라도, 상기 대상 픽셀에 대한 상기 합성 이미지와 상기 원본 이미지의 색공간 좌표 사이의 이격 거리가 제2 임계값 이하인 경우, 상기 대상 픽셀은 이상 픽셀로부터 배제될 수 있다.In one embodiment, even if a separation distance between the first color space coordinates and the average color space coordinates of a target pixel located at an arbitrary coordinate in the synthesized image is equal to or greater than a preset first threshold value, for the target pixel When the separation distance between the color space coordinates of the synthesized image and the original image is equal to or less than a second threshold value, the target pixel may be excluded from abnormal pixels.
예를 들어, 원본 이미지에 해당하는 도 2와 합성 이미지에 해당하는 도 3을 비교하면, 원본 이미지에서 대변의 굴곡에 의해 형성된 음영 영역은 합성 이미지에서도 거의 동일하게 음영 영역으로서 존재한다.For example, when comparing FIG. 2 corresponding to the original image and FIG. 3 corresponding to the synthesized image, the shaded area formed by the curvature of the feces in the original image exists as a shaded area in the synthesized image.
이 때, 상기 합성 이미지에서 상기 음영 영역 내 존재하는 대상 픽셀의 제1 색공간 좌표는 녹색 계통에 가까운 상기 합성 이미지의 상기 평균 색공간 좌표와 이격 거리가 상기 제1 임계값 이상일 수 있으나, 상기 합성 이미지에서 상기 음영 영역 내 존재하는 대상 픽셀의 제1 색공간 좌표와 상기 원본 이미지에서 동일한 픽셀의 색공간 좌표 사이의 이격 거리는 상기 제2 임계값 이하일 수 있다.In this case, the distance between the first color space coordinates of the target pixel existing in the shaded area of the synthesized image and the average color space coordinate of the synthesized image close to the green color may be greater than or equal to the first threshold value, but the synthesized image may be A separation distance between a first color space coordinate of a target pixel existing in the shaded area of the image and a color space coordinate of the same pixel in the original image may be less than or equal to the second threshold value.
다른 실시예에 있어서, 상기 이미지 검사부는 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 적어도 하나의 제1 색 성분과 상기 배설물 이미지(원본 이미지) 중 상기 대상 픽셀과 동일한 좌표를 가지는 픽셀의 적어도 하나의 제2 색 성분의 차이가 기 설정된 제3 임계값 이하인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 정상 픽셀로 맵핑할 수 있다.In another embodiment, the image inspection unit at least one first color component of the target pixel located at any coordinates of the composite image and at least one of the pixels having the same coordinates as the target pixel of the feces image (original image) When the difference between one second color component is equal to or less than a preset third threshold, the coordinates of the target pixel may be mapped to a normal pixel in the composite image.
전술한 예와 마찬가지로, 상기 합성 이미지에서 상기 음영 영역 내 존재하는 대상 픽셀의 제1 색공간 좌표는 녹색 계통에 가까운 상기 합성 이미지의 상기 평균 색공간 좌표와 이격 거리가 클 수 있으나, 상기 원본 이미지 내 대응하는 동일한 픽셀의 색공간 좌표 사이의 이격 거리는 작을 것이다.Similar to the above example, the distance between the first color space coordinates of the target pixel existing in the shaded area in the synthesized image and the average color space coordinates of the synthesized image close to green may be large, but in the original image. The separation distance between the corresponding color space coordinates of the same pixel will be small.
이와 같이, 두 이미지에 상호 대응되는 두 픽셀의 색공간 좌표의 이격 거리가 작은 것은 두 픽셀을 구성하는 적어도 하나의 색 성분의 차이가 적기 때문이다.As such, the reason why the distance between color space coordinates of two pixels corresponding to the two images is small is that a difference between at least one color component constituting the two pixels is small.
따라서, 상기 합성 이미지 내 임의의 대상 픽셀의 좌표에 대한 정상 판정은 상기 합성 이미지와 상기 원본 이미지 내 대응되는 픽셀간 색공간 좌표 및/또는 색 성분 사이의 차이를 통해 확인할 수 있다.Therefore, a normal determination of the coordinates of a target pixel in the composite image can be confirmed through a difference between color space coordinates and/or color components between corresponding pixels in the composite image and the original image.
추가적으로, 상기 이미지 검사부는 상기 맵핑 결과를 수집하여 이상 징후 해당 여부에 대한 예측 모델을 생성할 수 있다.Additionally, the image inspection unit may collect the mapping results to generate a predictive model for whether or not an abnormal symptom is applicable.
상기 예측 모델은 단일 사용자 및/또는 다중 사용자에 의한 사후적 판단 결과를 반영할 수 있다. 또한, 상기 예측 모델은 AI 또는 머신 러닝 등에 의한 학습 결과나 수의과적 진단 결과를 반영할 수 있다.The predictive model may reflect ex post judgment results by a single user and/or multiple users. In addition, the prediction model may reflect learning results or veterinary diagnosis results by AI or machine learning.
예를 들어, 상기 이미지 검사부에 의해 맵핑된 이상 픽셀의 군집이 소정의 크기 이상임에 따라 이상 징후 의심 영역으로서 설정되었으나, 사후적 판단을 통해 이상 징후에 해당되지 않는다는 판단 결과(예를 들어, 반려동물의 털과 같이 단순 이물질에 해당함)가 상기 배설물 검사 시스템으로 접수된 경우, 상기 패턴 결과를 학습하여 맵핑 결과에 대한 이상 징후 예측 모델을 생성할 수 있다.For example, although the cluster of abnormal pixels mapped by the image inspection unit is set as an abnormal symptom suspected region according to a predetermined size or larger, a result of determining that it does not correspond to an abnormal symptom through ex post judgment (eg, companion animal Corresponding to a simple foreign substance such as hair) is received by the excrement inspection system, it is possible to generate an abnormal symptom prediction model for the mapping result by learning the pattern result.
또한, 다중 사용자에 의해 특정 패턴의 이상 징후 의심 영역이 특정 질병에 기인한 것이라는 사후적 판단 결과가 상기 배설물 검사 시스템으로 반복적으로 접수된 경우, 상기 패턴 결과를 학습하여 맵핑 결과에 대한 이상 징후 예측 모델을 생성할 수 있다.In addition, when a post-hoc determination result that a specific pattern of suspected abnormal symptom areas is due to a specific disease is repeatedly received by multiple users to the excrement examination system, the abnormal symptom prediction model for the mapping result is learned by learning the pattern result. can create
이상, 본 발명의 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.In the above, the embodiments of the present invention have been described, but those skilled in the art can add, change, delete or add components within the scope not departing from the spirit of the present invention described in the claims. Various modifications and changes may be made to the present invention, which will also be included within the scope of the present invention.
Claims (6)
상기 이미지 수집부에서 수집된 상기 배설물 이미지를 구성하는 픽셀별로 적어도 하나의 색 성분을 추출하여 상기 배설물 이미지에 대한 제1 히스토그램을 생성하는 색공간 추출부;
상기 제1 히스토그램을 구성하는 색 성분 중 적어도 하나를 변형하여 생성된 제2 히스토그램을 상기 배설물 이미지에 반영하여 합성 이미지를 생성하는 이미지 생성부;
상기 합성 이미지로부터 반려동물의 배설물의 이상 징후 의심 영역의 유무를 검사하는 이미지 검사부;
를 포함하고,
상기 이미지 검사부는,
상기 합성 이미지를 구성하는 전체 픽셀의 평균 색공간 좌표를 계산한 후, 상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 제1 색공간 좌표와 상기 평균 색공간 좌표 사이의 이격 거리가 기 설정된 제1 임계값 이상인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 이상 픽셀로 맵핑하며,
상기 이상 징후 의심 영역은 상기 합성 이미지에 맵핑된 상기 이상 픽셀의 군집으로서 정의되는,
반려동물의 배설물 검사 시스템.
An image collection unit for collecting excrement images of companion animals captured in an arbitrary color space;
a color space extractor for generating a first histogram for the excrement image by extracting at least one color component for each pixel constituting the feces image collected by the image collection unit;
an image generating unit generating a composite image by reflecting a second histogram generated by modifying at least one of color components constituting the first histogram to the excrement image;
an image inspection unit inspecting the presence or absence of an area suspected of having an abnormal symptom in excretion of a companion animal from the synthesized image;
including,
The image inspection unit,
After calculating the average color space coordinates of all pixels constituting the synthesized image, the distance between the first color space coordinates of target pixels located at arbitrary coordinates in the synthesized image and the average color space coordinates is set to a predetermined distance. If it is equal to or greater than a threshold value of 1, mapping the coordinates of the target pixel to an abnormal pixel in the composite image;
The anomaly symptom suspected region is defined as a cluster of the abnormal pixels mapped to the composite image,
Companion animal feces inspection system.
상기 색 성분은 색상값, 채도값 및 명도값으로부터 선택되는 적어도 하나인,
반려동물의 배설물 검사 시스템.
According to claim 1,
The color component is at least one selected from a hue value, a saturation value, and a brightness value,
Companion animal feces inspection system.
상기 이미지 검사부는,
상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 제1 색공간 좌표와 상기 배설물 이미지 중 상기 대상 픽셀과 동일한 좌표를 가지는 픽셀의 제2 색공간 좌표 사이의 이격 거리가 기 설정된 제2 임계값 이하인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 정상 픽셀로 맵핑하는,
반려동물의 배설물 검사 시스템.
According to claim 1,
The image inspection unit,
The separation distance between the first color space coordinates of the target pixel located at any coordinate in the synthesized image and the second color space coordinate of the pixel having the same coordinates as the target pixel in the feces image is less than or equal to a preset second threshold value In this case, mapping the coordinates of the target pixel to a normal pixel in the composite image,
Companion animal feces inspection system.
상기 이미지 검사부는,
상기 합성 이미지 중 임의의 좌표에 위치하는 대상 픽셀의 적어도 하나의 제1 색 성분과 상기 배설물 이미지 중 상기 대상 픽셀과 동일한 좌표를 가지는 픽셀의 적어도 하나의 제2 색 성분의 차이가 기 설정된 제3 임계값 이하인 경우, 상기 합성 이미지에 상기 대상 픽셀의 좌표를 정상 픽셀로 맵핑하는,
반려동물의 배설물 검사 시스템.
According to claim 1,
The image inspection unit,
A difference between at least one first color component of a target pixel located at an arbitrary coordinate in the synthesized image and at least one second color component of a pixel having the same coordinate as the target pixel in the excrement image is a preset third threshold. If it is less than or equal to the value, mapping the coordinates of the target pixel to a normal pixel in the composite image,
Companion animal feces inspection system.
상기 이미지 검사부는 상기 맵핑 결과를 수집하여 이상 징후 해당 여부에 대한 예측 모델을 생성하는,
반려동물의 배설물 검사 시스템.According to claim 1,
The image inspection unit collects the mapping results and generates a predictive model for whether or not an anomaly occurs.
Companion animal feces inspection system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220040891A KR102524375B1 (en) | 2022-04-01 | 2022-04-01 | System and method for inspecting pet excreta |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220040891A KR102524375B1 (en) | 2022-04-01 | 2022-04-01 | System and method for inspecting pet excreta |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102524375B1 true KR102524375B1 (en) | 2023-04-21 |
Family
ID=86098725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220040891A KR102524375B1 (en) | 2022-04-01 | 2022-04-01 | System and method for inspecting pet excreta |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102524375B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150048297A (en) * | 2013-10-25 | 2015-05-07 | 한국 한의학 연구원 | Apparatus and method for image diagnosis |
| WO2019109184A1 (en) * | 2017-12-05 | 2019-06-13 | 9360-3561 Québec Inc. | System and method for analysis of chromogenic material |
| KR20200085833A (en) * | 2018-09-18 | 2020-07-15 | 김홍민 | Fecal monitoring and health guidance devices |
| KR102330858B1 (en) | 2021-08-03 | 2021-11-25 | 주식회사 넘버제로 | Method, apparatus, and system for providing information on analysis of pet stool status using stool sheet stool images |
-
2022
- 2022-04-01 KR KR1020220040891A patent/KR102524375B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150048297A (en) * | 2013-10-25 | 2015-05-07 | 한국 한의학 연구원 | Apparatus and method for image diagnosis |
| WO2019109184A1 (en) * | 2017-12-05 | 2019-06-13 | 9360-3561 Québec Inc. | System and method for analysis of chromogenic material |
| KR20200085833A (en) * | 2018-09-18 | 2020-07-15 | 김홍민 | Fecal monitoring and health guidance devices |
| KR102330858B1 (en) | 2021-08-03 | 2021-11-25 | 주식회사 넘버제로 | Method, apparatus, and system for providing information on analysis of pet stool status using stool sheet stool images |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jun et al. | Estimating pig weights from images without constraint on posture and illumination | |
| Han et al. | Fast saliency-aware multi-modality image fusion | |
| Meyer et al. | Verification of color vegetation indices for automated crop imaging applications | |
| Arévalo et al. | Shadow detection in colour high‐resolution satellite images | |
| Yang et al. | Tea diseases detection based on fast infrared thermal image processing technology | |
| Porto et al. | A computer vision-based system for the automatic detection of lying behaviour of dairy cows in free-stall barns | |
| US7907786B2 (en) | Red-eye detection and correction | |
| CN101443785B (en) | Detecting compositing in a previously conpressed image | |
| US7606779B2 (en) | Methods and system for data aggregation of physical samples | |
| CN101983507A (en) | Automatic redeye detection | |
| CN110415207A (en) | A method of the image quality measure based on image fault type | |
| Ghazal et al. | Automated framework for accurate segmentation of leaf images for plant health assessment | |
| US11275947B2 (en) | Image processing system, image processing method, and image processing program | |
| WO2011073990A1 (en) | Method and system for enhancing an image | |
| WO2021082433A1 (en) | Digital pathological image quality control method and apparatus | |
| Keay et al. | Reproducibility in the automated quantitative assessment of HER2/neu for breast cancer | |
| Poh et al. | Multi-level local feature classification for bleeding detection in wireless capsule endoscopy images | |
| Riekert et al. | Model selection for 24/7 pig position and posture detection by 2D camera imaging and deep learning | |
| Petrellis | Plant disease diagnosis with color normalization | |
| Ghazal et al. | Precise statistical approach for leaf segmentation | |
| Marchetti et al. | 3D Whole‐body skin imaging for automated melanoma detection | |
| KR102524375B1 (en) | System and method for inspecting pet excreta | |
| CN104766068A (en) | Random walk tongue image extraction method based on multi-rule fusion | |
| Lee et al. | Contour-based detection and quantification of tar spot stromata using red-green-blue (RGB) imagery | |
| CN110097080B (en) | Construction method and device of classification label |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |