KR102532170B1 - 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템 - Google Patents
빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템 Download PDFInfo
- Publication number
- KR102532170B1 KR102532170B1 KR1020220082938A KR20220082938A KR102532170B1 KR 102532170 B1 KR102532170 B1 KR 102532170B1 KR 1020220082938 A KR1020220082938 A KR 1020220082938A KR 20220082938 A KR20220082938 A KR 20220082938A KR 102532170 B1 KR102532170 B1 KR 102532170B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- male
- information
- female
- image information
- Prior art date
Links
- 210000003746 feather Anatomy 0.000 claims abstract description 35
- 210000000436 anus Anatomy 0.000 claims abstract description 14
- 210000000078 claw Anatomy 0.000 claims abstract description 14
- 241000287828 Gallus gallus Species 0.000 claims description 24
- 235000013330 chicken meat Nutrition 0.000 claims description 18
- 230000020509 sex determination Effects 0.000 abstract 1
- 238000000034 method Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 244000144977 poultry Species 0.000 description 5
- 235000013594 poultry meat Nutrition 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 244000144992 flock Species 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000000683 abdominal cavity Anatomy 0.000 description 1
- 210000003815 abdominal wall Anatomy 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 210000003323 beak Anatomy 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000017448 oviposition Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
- 210000001325 yolk sac 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
- A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Image Processing (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Birds (AREA)
- Evolutionary Computation (AREA)
- Biodiversity & Conservation Biology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
Abstract
본 발명은 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템에 관한 것으로, 병아리 암수 감별을 위한 감별 시스템에 있어서, 감별 대상 병아리의 암수 감별 인자에 해당되는 항문, 깃털, 발톱을 포함하는 병아리 신체 정보를 이미지로 획득한 후 감별 판독을 위해 제공하고 제공된 이미지에 대하여 암수 여부에 대한 판정값을 수신 받는 작업자 단말기; 상기 작업자 단말기로부터 감별 대상 병아리의 이미지 정보를 제공받으며, 상기 이미지 정보를 기초로 암수 여부를 판독하기 위해 이미지 처리를 수행하는 이미지 처리부에서 암수 여부가 판독되면 판독 결과를 상기 작업자 단말기로 제공하며, 상기 이미지 처리부에서 암수 판독에 필요한 병아리 항문, 깃털, 발톱을 포함하는 병아리 신체 정보를 모노크롬 이미지로 제공받아 암컷과 수컷 이미지로 분류하여 이미지 DB에 저장한 후 상기 이미지 처리부에서 비교 이미지로 사용하여 암수 여부를 감별하는 감별 운영 서버; 상기 감별 운영 서버에서 구성된 상기 이미지 DB에 병아리 암수 이미지 정보를 각각 생성하여 제공하는 것으로, 비젼 카메라를 구비하고 부화장에서 태어난 병아리의 암수에 해당 신체 정보를 모노크롬 이미지 정보로 획득하여 상기 감별 운영 서버에 제공하는 공장 단말기;를 포함하여 구성된다.
Description
본 발명은 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템에 관한 것으로, 좀 더 상세하게는 병아리 암수 감별을 위하여 빅데이터 이미지 정보를 활용하여 정확하고 신속하게 암수 감별 시스템에 관한 것이다.
오늘날 대량생산 환경에서 처리되고 있는 가금류에는 기본적으로 육용계(broilers), 종계(breeders) 및 난용계(layers)의 3가지 유형이 있다. 육용계들은 인간에게 소비되기 위해 사육되어 성숙기에 도살된다. 종계들은 육용계 또는 난용계를 번식시키기 위해 사육되며, 난용계들은 인간 및 동물에게 소비되기 위한 계란을 낳도록 사육된다. 각각의 경우에 있어서, 병아리들이 부화하면, 이들은 신속하게 처리되고 이들 생애의 다음 단계로 이동된다. 햇병아리들은 질병 및 감염에 취약하다. 병아리들이 부화하여 살아가는데 있어 복잡한 조건들로 인해, 이상 또는 질병을 갖고 태어난 임의의 병아리는 주변에 있는 다수의 다른 병아리들을 감염시킬 수 있다. 따라서, 다른 병아리들에게 병을 일으킬 수 있는 질병 또는 기형을 갖는 임의의 병아리를 제거하는 것이 무리(flock)의 건강에 있어 중요하다. 또한, 당연히 심각하게 병든 병아리들 또는 장애를 갖는 병아리들을 인도적으로 제거하여, 병아리들이 그들에게 더 큰 피해를 초래하기 전에 인도적으로 안락사되고 처분될 수 있도록 할 수 있다.
육용 햇병아리들은 부화장에서 신속하게 처리되며 "생육 양계장(Growth Out Farms)" 으로 즉시 이송되어, 소비되기 위한 목표 중량으로 성장하고 살아갈 것이다. 일부 병아리들에 피해를 입히는 2가지의 공통 질병이 존재한다.
첫 번째는 난황낭(卵黃囊, yolk sac)이 흡수된 이후에 복벽(abdominal wall)이 닫히지 못하는 것이다. 이러한 경우에 있어서, 병아리는 복강(abdominal cavity)이 개방된 채로 부화한다. 이러한 질환은 일반적으로 치료할 수 없다. 일정기간 동안 검출하지 못하여 방치되면 개방된 상처가 그 영역에 원치 않는 박테리아와 감염을 유발하여 궁극적으로 병아리가 사망에 이르게 될 것이다.
두 번째 피해는 기형이거나 장애를 갖는 다리 또는 발, 또는 기형 부리 또는 눈을 갖게 되는 것이다. 기형 다리와 발을 갖는 병아리들은 혹독한 대량 양계 환경에 견딜 수 없고, "생육 양계장"에서 적절한 사료 및 물을 먹을 수 없으므로, 건강한 대조군들처럼 성장할 수가 없다. 따라서, 이들은 가능한 신속하게 제거되어야 한다.
따라서, 햇병아리들이 혹독한 가금류 생산 환경에 견딜 만큼 충분히 건강한지 아닌지의 여부를 감별할 신속하고 효율적인 검사가 필요하다. 또한, 신체적 기형을 갖는 햇병아리들이 다른 건강한 무리로부터 분리될 수 있도록 햇병아리들의 이러한 신체적 기형을 신속하고 효율적으로 검출할 필요가 있다.
또한, 적절한 자원의 효율적 투자를 보장하기 위해 가능한 빨리 성별을 구분하기 위한 병아리의 조기 암수 감별은 가금류 생산에 있어 중요하다. 수컷 난용계는 가치가 없으며, 이와 유사하게 필요한 수컷 종계의 수도 한정된다. 육용계의 경우에는 수컷 육용계의 가치도 덜하다. 증가하는 사료 요구율(FCR, Feed Conversion Ratio) 또는 중량 증가 대비 사료비용이 수컷 육용계의 선호도 부족의 주된 원인이다.
햇병아리의 암수 감별은 1900년대 초반 이래로 가금류 업계에서 공연(公然)히 실시되어 왔다. 수동적인 항문감별(vent sexing) 및 깃털감별(feather sexing)은 병아리들의 암수를 구분하기 위해 업계에서 수년 동안 사용되어 왔다. 두 가지 방법은 병아리들의 수동 취급을 기반으로 하여 병아리에게 비우호적이며, 감별된 병아리들의 7일 사망률을 증가시키는 것으로 여겨진다.
햇병아리의 암수가 병아리 날개 깃털로 감별될 수 있다는 것은 공지되어 있다. 날개 중 굽은 곳의 깃털 무늬 및 길이가 수컷 햇병아리와 암컷 햇병아리 간에 차이가 있다. 하지만, 수동적으로 병아리의 날개를 펼치는 이 방법은 병아리의 질병 및 부상의 가능성을 증가시킨다. 또한, 이러한 수동적인 방법론은 노동 집약적이며 시간이 지남에 따라 노동자들에게 반복성 질환을 야기하기 쉽다.
따라서, 햇병아리들을 신속하고 자동적으로 검사하고, 차후에 성별에 의해 이들을 분리시킬 필요가 있다.
상기와 같은 문제점을 해결하기 위한 본 발명은, 대표적인 가금류 산업에서 사용되는 양육계의 산업의 가치 증대를 위해 필수적으로 이행되는 햇병아리 암수 감별의 정확성과 신속성을 제공하고자 하는데 목적이 있다.
또한, 본 발명은 기존의 감별자의 수작업으로 인한 시간 지연과 인건비 상승의 문제를 해소하기 위하여 빅데이터 기반의 신속한 암수 감별 시스템을 제공하고자 하는데 목적이 있다.
상기와 같은 목적을 달성하기 위한 본 발명은, 병아리 암수 감별을 위한 감별 시스템에 있어서, 감별 대상 병아리의 암수 감별 인자에 해당되는 항문, 깃털, 발톱을 포함하는 병아리 신체 정보를 이미지로 획득한 후 감별 판독을 위해 제공하고 제공된 이미지에 대하여 암수 여부에 대한 판정값을 수신 받는 작업자 단말기; 상기 작업자 단말기로부터 감별 대상 병아리의 이미지 정보를 제공받으며, 상기 이미지 정보를 기초로 암수 여부를 판독하기 위해 이미지 처리를 수행하는 이미지 처리부에서 암수 여부가 판독되면 판독 결과를 상기 작업자 단말기로 제공하며, 상기 이미지 처리부에서 암수 판독에 필요한 병아리 항문, 깃털, 발톱을 포함하는 병아리 신체 정보를 모노크롬 이미지로 제공받아 암컷과 수컷 이미지로 분류하여 이미지 DB에 저장한 후 상기 이미지 처리부에서 비교 이미지로 사용하여 암수 여부를 감별하는 감별 운영 서버; 상기 감별 운영 서버에서 구성된 상기 이미지 DB에 병아리 암수 이미지 정보를 각각 생성하여 제공하는 것으로, 비젼 카메라를 구비하고 부화장에서 태어난 병아리의 암수에 해당 신체 정보를 모노크롬 이미지 정보로 획득하여 상기 감별 운영 서버에 제공하는 공장 단말기;를 포함하여 구성된다.
또한, 상기 공장 단말기는, 부화장에서 태어난 병아리의 신체 정보에서 깃털에 대하여 레이저 스캐닝을 위한 레이저 스캐닝부를 더 포함하고, 상기 레이저 스캐닝부에서 깃털 스캐닝을 통해 획득한 인텐시티(intensity)값을 검출하여 레이저 인텐시티를 통해 검출되는 암수 정보를 생성한 후 상기 이미지 DB에 제공하며, 상기 비젼 카메라부에서 획득한 모노크롬 이미지 정보를 기초로 분류되는 암수 정보와 상기 레이저 스캐닝부에서 획득한 인텐시티 정보를 기초로 분류되는 암수 정보를 기반으로 상기 작업자 단말기에서 수신된 이미지 정보를 비교하여 암수 여부를 판독하는 것을 특징으로 한다.
상기와 같이 구성되고 작용되는 본 발명은, 병아리 감별의 주요 인자에 해당되는 항문, 깃털, 발톱 등의 구분 정보를 빅데이터 기반의 이미지 정보 처리를 통해 신속하게 구분하여 생산 효율성과 인건비를 절감시킬 수 있는 이점이 있다.
또한, 본 발명은 구별 인자의 이미지 처리 정확성을 위해 모노크롬 기반의 빅데이터 정보를 구축함으로써 신뢰성 높은 감별 시스템을 제공할 수 있는 장점이 있다.
또한, 본 발명은 현장에서 실시간 업로드되는 병아리의 이미지 정보를 통해 신뢰성 높은 빅데이터 구축을 도모할 수 있으며, 결과적으로 감별 시스템을 신뢰성을 제고할 수 있는 장점이 있다.
도 1은 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 전체 구성도,
도 2는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 세부 구성도,
도 3은 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 모노크롬 이미지의 예시도,
도 4는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템에서 빅데이터 구축의 흐름도,
도 5는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템에서 레이저 스캐닝을 적용한 이미지 정보 획득 과정의 일실시예도,
도 6은 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 실시예도.
도 2는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 세부 구성도,
도 3은 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 모노크롬 이미지의 예시도,
도 4는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템에서 빅데이터 구축의 흐름도,
도 5는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템에서 레이저 스캐닝을 적용한 이미지 정보 획득 과정의 일실시예도,
도 6은 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 실시예도.
이하, 첨부된 도면을 참조하여 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템을 상세히 설명하면 다음과 같다.
본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템은, 병아리 암수 감별을 위한 감별 시스템에 있어서, 감별 대상 병아리의 암수 감별 인자에 해당되는 항문, 깃털, 발톱을 포함하는 병아리 신체 정보를 이미지로 획득한 후 감별 판독을 위해 제공하고 제공된 이미지에 대하여 암수 여부에 대한 판정값을 수신 받는 작업자 단말기; 상기 작업자 단말기로부터 감별 대상 병아리의 이미지 정보를 제공받으며, 상기 이미지 정보를 기초로 암수 여부를 판독하기 위해 이미지 처리를 수행하는 이미지 처리부에서 암수 여부가 판독되면 판독 결과를 상기 작업자 단말기로 제공하며, 상기 이미지 처리부에서 암수 판독에 필요한 병아리 항문, 깃털, 발톱을 포함하는 병아리 신체 정보를 모노크롬 이미지로 제공받아 암컷과 수컷 이미지로 분류하여 이미지 DB에 저장한 후 상기 이미지 처리부에서 비교 이미지로 사용하여 암수 여부를 감별하는 감별 운영 서버; 상기 감별 운영 서버에서 구성된 상기 이미지 DB에 병아리 암수 이미지 정보를 각각 생성하여 제공하는 것으로, 비젼 카메라를 구비하고 부화장에서 태어난 병아리의 암수에 해당 신체 정보를 모노크롬 이미지 정보로 획득하여 상기 감별 운영 서버에 제공하는 공장 단말기;를 포함하여 구성된다.
본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템은, 크게 부화장에서 태어난 병아리에 대하여 암수 감별 인자에 해당되는 신체 부위인 항문, 깃털, 발톱 등에 대한 정보를 비젼 카메라를 통해 모노크롬 이미지로 획득하고, 여기서 획득된 정보를 이미지 DB에 암컷과 수컷별로 저장함으로써 빅데이터를 구축한 후 감별 작업자로부터 수신되는 이미지 정보를 비교하여 암수 여부를 신속하게 정확하게 판독하는 것을 주요 기술적 요지로 한다.
특히, 본 발명은 공장(부화장)에서 부화되는 암수 병아리에 대한 암수 감별 인자를 계속적으로 업로드 받아 암수 감별 이미지 빅데이터를 구축하고, 여기서 구축된 빅데이터를 기반으로 작업자가 제공한 병아리 이미지 정보를 신속하게 판독할 수 있는 것에 특징이 있는 것이다.
도 1은 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 전체 구성도이다.
본 발명에 따른 암수 감별 시스템은 크게, 병아리 암수 감별을 수행하기 위해 감별 대상 병아리 이미지 정보를 획득 및 제공하는 작업자 단말기(100)와, 상기 작업자 단말기로부터 수신된 이미지 정보를 판독하여 암수 여부를 원격에서 판독하는 감별 운영 서버(200)와, 상기 감별 운영 서버에서 암수 판독을 위해 기초 이미지 정보를 생성 및 실시간으로 제공하는 공장 단말기(300)를 포함하여 구성된다.
또한, 본 발명은 감별 대상 병아리 이미지 정보와, 기초 이미지 정보에 따른 이미지 빅데이터 정보를 모노크롬(흑백) 이미지 정보로 획득하여 감별의 정확성을 높이고, 특히 깃털 판독 과정에서 레이저 스캐닝을 통한 깃털 정보값을 획득한 후 모노크롬 이미지와 비교하여 보다 정확한 판독값을 처리할 수 있는 시스템을 제공한다.
작업자 단말기(100)는 암수 감별을 수행하는 작업자가 사용하는 단말기로써 이미지 정보(사진 촬영)를 획득할 수 있는 기능을 포함하는 단말기에 해당된다.
상기 작업자 단말기(100)는 암수 감별 대상 병아리의 항문, 깃털, 발톱 등 신체 정보를 이미지로 획득한 후 이를 감별 운영 서버(200)로 제공하여 암수 감별 정보를 제공받게 된다. 바람직하게 상기 작업자 단말기로는 암수 감별을 위한 전용 프로그램(또는 어플리케이션)을 설치하고 있으며, 해당 프로그램을 실행시킨 후 촬영 모드에서 병아리 신체 정보를 촬영한 후 제공한다.
감별 운영 서버(200)는 상기 작업자 단말기로부터 수신된 이미지 정보로 병아리의 암수를 판독한 후 판독 결과를 제공하며, 암수 판독에 필요한 기준 이미지 정보를 빅데이터로 구축한 후 판독할 때 기준 이미지 정보와 비교하여 판독 결과를 제공한다.
이를 위하여 상기 감별 운영 서버(200)는 기준 이미지를 저장하는 이미지 DB(210)를 포함하여 구성되며, 상기 이미지 DB(210)는 기 구축된 이미지를 정보를 기준 정보로 정하고 판독하게 된다. 본 발명에서는 이미지 정보를 통해 암수 감별을 수행하기 위하여 모노크롬(흑백 이미지)을 바탕으로 암수 여부를 판독한다.
이때, 상기 기준 이미지 정보를 수집 및 생성하기 위한 공장 단말기(300)를 포함하여, 상기 공장 단말기는 바람직하게 부화장과 같은 햇병아리 이미지 정보를 획득할 수 있는 임의의 시설에서 기준 이미지를 획득한 후 제공하는데, 상기 공장 단말기(300)에서 획득된 암수별 이미지 정보를 모노크롬 형식으로 획득하여 상기 감별 운영 서버(200)에 제공하게 되고, 여기서 수집된 이미지 정보는 상기 이미지 DB(210)에 암컷 이미지와 수컷 이미지로 분류하여 저장된다.
따라서, 상기 작업자 단말기(100)로부터 수신된 암수 감별 대상 이미지 정보를 수신 받은 상기 감별 운영 서버(200)는 상기 이미지 DB(210)로부터 기준 이미지 정보와 비교하여 암수를 판독하게 되는 것이다.
도 2는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 세부 구성도이다. 도 2를 통해 상세히 설명하면, 상기 감별 운영 서버(200)에는 판독 대상 이미지 정보와 상기 이미지 DB(210)에 기 구축된 이미지 정보를 비교하여 암수 여부를 판독을 처리하는 이미지 처리부(220)를 더 포함한다.
상기 이미지 처리부(220)는 모노크롬 이미지 정보를 통해 작업자 단말기로부터 수신된 이미지 정보와 상기 이미지 DB(210)에서 호출된 기준 이미지 정보를 비교 처리하는 것으로 암수 여부를 판독하게 된다.
여기서, 기준 이미지 정보를 획득 및 저장하기 위하여 본 발명에서는 공장 단말기(300)를 통해 실시간 또는 정기적으로 기준 이미지 획득을 위한 작업을 수행하게 되는데, 상기 공장 단말기(300)는 기준 이미지를 생성하는 하나의 구성이며, 이를 처리하기 위하여 별도의 카메라부(310)와 레이저 스캐닝부(320)를 포함하여 구성된다.
상기 카메라부(310)는 사전에 분류된 암컷 병아리와 수컷 병아리의 이미지 정보를 모노크롬 이미지 형태로 각각 획득하게 되며, 이를 기준 이미지로 저장하기 위하여 상기 감별 운영 서버(200)에 제공한다. 모노크롬 이미지 형태는 이미지의 브라이트니스(brightness) 정보를 통해 병아리 항문이나 깃털, 발톱 정보를 쉽게 구분할 수 있기 때문에 적용하게 된다.
따라서, 상기 카메라부(310)를 통해 획득되는 기준 이미지 정보는 다양한 암수 병아리의 신체 정보 특성상 정확도를 향상시키기 위하여 계속적으로 업로드 함으로써, 상기 이미지 DB에 하나의 빅데이터로 구축하여 판독 정확성을 개선시키게 된다.
한편, 상기 레이저 스캐닝부(320)는 병아리 신체 정보 중 깃털 정보를 레이저 타입으로 스캐닝한 후 레이저 검출값의 인텐시티(intensity) 값을 검출하여 암수 정보를 획득하고 이를 기준값으로 저장한다. 병아리는 암수 특성에 따라 암컷의 경우 깃털 길이가 짧고 긴 형태를 반복하는 모양을 나타내며, 수컷 병아리의 경우 깃털 길이가 일정하다. 이것으로부터 특성값을 획득하기 위하여 상기 레이저 스캐닝부(320)를 통해 획득한 깃털의 인텐시티 정보를 이용하여 감별에 사용할 수 있으며, 여기서 획득한 정보도 마찬가지로 상기 이미지 DB에 저장된다.
따라서, 본 발명은 상기 공장 단말기(300)에 구성된 카메라부(310)와 레이저 스캐닝부(320)를 통해 암수 감별을 위한 기준 이미지를 생성하여 저장되며, 작업자 단말기로부터 요청된 감별 이미지를 기준 이미지와 비교하여 암수 여부를 판독하게 된다.
도 3은 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 모노크롬 이미지의 예시도이다. 도시된 바와 같이 병아리 깃털 이미지를 모노크롬 방식으로 획득한 예시도로써, 왼쪽의 이미지는 암컷의 깃털에 해당되며, 오른쪽의 이미지는 수컷의 깃털에 대한 모노크롬 이미지다.
여기서 살펴보면, 암컷 깃털의 경우 길이가 짧고 긴것을 반복한 형태를 나타내고 있으며, 수컷의 경우 길이가 일정하다. 따라서, 상기 이미지 DB(210)에는 이러한 기준 이미지 정보를 누적 저장하게 되어 하나의 빅데이터를 구축하게 되고 이를 통해 비교 대상 이미지 정보가 입력될 경우 기준 이미지 정보와 이미지 처리를 통해 비교하여 암수 여부를 판독하게 되는 것이다.
도 4는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템에서 빅데이터 구축의 흐름도이다.
앞서 설명한 바와 같이 기준 이미지 정보를 기구축하기 위하여 상기 공장 단말기(300)에 구성된 카메라부(310)는 암수별 병아리의 이미지 정보를 계속적으로 획득하여 상기 감별 운영 서버(200)에 제공하게 되고, 여기서 획득된 수많은 이미지 정보는 상기 이미지 DB(210)에 저장된다.
여기서 저장된 기준 이미지 정보를 기반으로 병아리 암수 빅데이터를 구축하게 되고, 판독 대상 이미지가 수신되면 기준 이미지와 이미지 프로세싱을 통해 비교하여 암수 여부를 판독할 수 있다.
따라서, 본 발명에서는 기준 이미지 정보를 빅데이터화하기 위하여 상기 공장 단말기(300)를 통해 실시간 또는 정기적인 이미지 정보를 수신 받아 저장함으로써, 미세한 차이점으로 인한 판독 오류를 방지할 수 있다.
또한, 본 발명에서는 암수 감별의 예시로써, 깃털 정보를 바탕으로 설명하였지만, 병아리 항문 이미지나 발톱 이미지를 통해서도 위와 같이 방식으로 이미지 정보 빅데이터화를 통해 암수 판독이 가능하다.
도 5는 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템에서 레이저 스캐닝을 적용한 이미지 정보 획득 과정의 일실시예도이다.
기준 이미지 정보를 획득하기 위하여 상기 카메라부(310)를 통해 모노크롬 이미지 정보를 획득 및 저장하여 구축하고, 이와 더불어 레이저 스캐닝을 통한 이미지 정보(인텐시티)도 마찬가지로 구축한다.
도시된 바와 같이 일실시예로 상기 레이저 스캐닝부(320)를 통해 깃털을 가로질러 스캐닝하면 아래와 같이 깃털 스캐닝으로 획득된 인텐시티 정보를 획득하게 되고 이를 상기 이미지 DB(210)에 저장한다.
상기 인텐시티 정보는 모노크롬 이미지 정보에서 브라이트니스를 나타내기 때문에 인텐시티값의 반복 정보에 따라 암컷 깃털과 수컷 깃털 여부를 판독할 수 있는 것이다. 또한, 하나의 모노크롬 이미지 정보에서 이미지 프로세싱을 통해 인텐시티 정보를 획득할 수 있기 때문에 여기서 추출된 정보를 레이저 스캐닝부에서 획득한 인텐시티 정보와 비교하여 판독할 수 있는 것이다.
따라서, 본 발명은 모노크롬 이미지 정보와 레이저 스캐닝을 통해 획득한 인텐시티 정보를 통해 보다 정확한 암수 판독이 가능한 이점이 있다.
도 6은 본 발명에 따른 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템의 실시예도이다.
본 발명은 병아리 판독을 요청하는 작업자 단말기(100)와 판독에 필요한 기준 이미지 정보를 생성하는 공장 단말기(300)를 포함하여 구성되고, 작업자 단말기로부터 암수 판독을 요청받은 감별 운영 서버(200)에서는 기준 이미지 정보를 기초로 암수 판독을 실시한다.
이때, 상기 감별 운영 서버(200)에서는 상기 작업자 단말기(100)로부터 수신된 이미지 정보가 촬영 오류나 위치가 불명확한 경우 이미지 재전송을 요청할 수 있으며 정상적으로 이미지가 수신되었을 경우 이미지 처리부(220)에 수신된 이미지를 판독한 후 암수 판독 결과를 즉각 전송하게 된다.
여기서, 상기 작업자 단말기(100)를 통한 암수 감별 작업의 신속성을 달성하기 위하여 상기 작업자 단말기(100)의 촬영 모드는 연속 촬영 모드를 구현하며, 이때 연속 촬영 모드에서는 촬영 이미지마다 순번 정보를 생성하여 제공하며 이 순번 정보에 따라 판독 결과를 처리하여 작업의 신속성을 도모할 수 있는 것이다.
이와 같이 구성되는 본 발명은 병아리 감별의 주요 인자에 해당되는 항문, 깃털, 발톱 등의 구분 정보를 빅데이터 기반의 이미지 정보 처리를 통해 신속하게 구분하여 생산 효율성과 인건비를 절감시킬 수 있는 이점이 있다.
또한, 본 발명은 구별 인자의 이미지 처리 정확성을 위해 모노크롬 기반의 빅데이터 정보를 구축함으로써 신뢰성 높은 감별 시스템을 제공할 수 있는 장점이 있다.
또한, 본 발명은 현장에서 실시간 업로드되는 병아리의 이미지 정보를 통해 신뢰성 높은 빅데이터 구축을 도모할 수 있으며, 결과적으로 감별 시스템을 신뢰성을 제고할 수 있는 장점이 있다.
이상, 본 발명의 원리를 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 그와 같이 도시되고 설명된 그대로의 구성 및 작용으로 한정되는 것이 아니다. 오히려, 첨부된 청구범위의 사상 및 범주를 일탈함이 없이 본 발명에 대한 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
100 : 작업자 단말기
200 : 감별 운영 서버
210 : 이미지 DB
220 : 이미지 처리부
300 : 공장 단말기
310 : 비젼 카메라
320 : 레이저 스캐닝
200 : 감별 운영 서버
210 : 이미지 DB
220 : 이미지 처리부
300 : 공장 단말기
310 : 비젼 카메라
320 : 레이저 스캐닝
Claims (2)
- 병아리 암수 감별을 위한 감별 시스템에 있어서,
감별 대상 병아리의 암수 감별 인자에 해당되는 항문, 깃털, 발톱을 포함하는 병아리 신체 정보를 이미지로 획득한 후 감별 판독을 위해 제공하고 제공된 이미지에 대하여 암수 여부에 대한 판정값을 수신 받는 작업자 단말기;
상기 작업자 단말기로부터 감별 대상 병아리의 이미지 정보를 제공받으며, 상기 이미지 정보를 기초로 암수 여부를 판독하기 위해 이미지 처리를 수행하는 이미지 처리부에서 암수 여부가 판독되면 판독 결과를 상기 작업자 단말기로 제공하며, 상기 이미지 처리부에서 암수 판독에 필요한 병아리 항문, 깃털, 발톱을 포함하는 병아리 신체 정보를 모노크롬 이미지로 제공받아 암컷과 수컷 이미지로 분류하여 이미지 DB에 저장한 후 상기 이미지 처리부에서 비교 이미지로 사용하여 암수 여부를 감별하는 감별 운영 서버;
상기 감별 운영 서버에서 구성된 상기 이미지 DB에 병아리 암수 이미지 정보를 각각 생성하여 제공하는 것으로, 비젼 카메라를 구비하고 부화장에서 태어난 병아리의 암수에 해당 신체 정보를 모노크롬 이미지 정보로 획득하여 상기 감별 운영 서버에 제공하는 공장 단말기;를 포함하고,
상기 공장 단말기는,
부화장에서 태어난 병아리의 신체 정보에서 깃털에 대하여 레이저 스캐닝을 위한 레이저 스캐닝부를 더 포함하고,
상기 레이저 스캐닝부에서 깃털 스캐닝을 통해 획득한 인텐시티(intensity)값을 검출하여 레이저 인텐시티를 통해 검출되는 암수 정보를 생성한 후 상기 이미지 DB에 제공하며,
상기 비젼 카메라부에서 획득한 모노크롬 이미지 정보를 기초로 분류되는 암수 정보와 상기 레이저 스캐닝부에서 획득한 인텐시티 정보를 기초로 분류되는 암수 정보를 기반으로 상기 작업자 단말기에서 수신된 이미지 정보를 비교하여 암수 여부를 판독하는 것을 특징으로 하는 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220082938A KR102532170B1 (ko) | 2022-07-06 | 2022-07-06 | 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220082938A KR102532170B1 (ko) | 2022-07-06 | 2022-07-06 | 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102532170B1 true KR102532170B1 (ko) | 2023-05-15 |
Family
ID=86394833
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220082938A KR102532170B1 (ko) | 2022-07-06 | 2022-07-06 | 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102532170B1 (ko) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6396938B1 (en) * | 1998-02-27 | 2002-05-28 | University Of Arkansas, N.A. | Automatic feather sexing of poultry chicks using ultraviolet imaging |
| JP2008136439A (ja) * | 2006-12-04 | 2008-06-19 | Chiba Univ | 雛鶏の雌雄判定装置及び雛鶏の雌雄判定装置プログラム |
| KR20130023909A (ko) | 2011-08-30 | 2013-03-08 | 경남과학기술대학교 산학협력단 | 병아리 성 감별용 ｄｎａ 프로브 및 상기 프로브를 이용한 병아리 깃털을 이용한 성 감별법 |
| WO2017083654A1 (en) * | 2015-11-13 | 2017-05-18 | Karimpour Ramin | System and method of determining the health & gender of a chick |
| JP2021108075A (ja) * | 2019-12-27 | 2021-07-29 | 裕介 中野 | 鶏の雛の雌雄鑑別のための情報処理方法並びにシステム及びプログラム並びに鶏の雛の雌雄鑑別方法 |
| JP2021106549A (ja) * | 2019-12-27 | 2021-07-29 | 有限会社電マーク | 鶏の雛の雌雄鑑別のための情報処理方法並びにシステム及びプログラム並びに鶏の雛の雌雄鑑別方法 |
| KR20220074124A (ko) | 2020-11-27 | 2022-06-03 | 김성민 | 병아리 암수 감별 장치 |
-
2022
- 2022-07-06 KR KR1020220082938A patent/KR102532170B1/ko active IP Right Grant
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6396938B1 (en) * | 1998-02-27 | 2002-05-28 | University Of Arkansas, N.A. | Automatic feather sexing of poultry chicks using ultraviolet imaging |
| JP2008136439A (ja) * | 2006-12-04 | 2008-06-19 | Chiba Univ | 雛鶏の雌雄判定装置及び雛鶏の雌雄判定装置プログラム |
| KR20130023909A (ko) | 2011-08-30 | 2013-03-08 | 경남과학기술대학교 산학협력단 | 병아리 성 감별용 ｄｎａ 프로브 및 상기 프로브를 이용한 병아리 깃털을 이용한 성 감별법 |
| WO2017083654A1 (en) * | 2015-11-13 | 2017-05-18 | Karimpour Ramin | System and method of determining the health & gender of a chick |
| KR20180082550A (ko) | 2015-11-13 | 2018-07-18 | 어플라이드 라이프사이언시스 앤드 시스템스 엘엘씨 | 병아리의 건강상태 및 암수 감별 시스템 및 방법 |
| US20180353081A1 (en) * | 2015-11-13 | 2018-12-13 | Applied Lifesciences and Systems, LLC | System and Method of Determining the Health and Gender of a Chick |
| JP2021108075A (ja) * | 2019-12-27 | 2021-07-29 | 裕介 中野 | 鶏の雛の雌雄鑑別のための情報処理方法並びにシステム及びプログラム並びに鶏の雛の雌雄鑑別方法 |
| JP2021106549A (ja) * | 2019-12-27 | 2021-07-29 | 有限会社電マーク | 鶏の雛の雌雄鑑別のための情報処理方法並びにシステム及びプログラム並びに鶏の雛の雌雄鑑別方法 |
| KR20220074124A (ko) | 2020-11-27 | 2022-06-03 | 김성민 | 병아리 암수 감별 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Real-time behavior detection and judgment of egg breeders based on YOLO v3 | |
| US10638730B2 (en) | Imaging for determination of crustacean physical attributes | |
| De Jong et al. | Simplifying the Welfare Quality® assessment protocol for broiler chicken welfare | |
| De Wet et al. | Computer-assisted image analysis to quantify daily growth rates of broiler chickens | |
| Nakage et al. | Effect of temperature on incubation period, embryonic mortality, hatch rate, egg water loss and partridge chick weight (Rhynchotus rufescens) | |
| Vasdal et al. | Associations between carcass weight uniformity and production measures on farm and at slaughter in commercial broiler flocks | |
| JP2022537827A (ja) | ３ｄ撮像に基づく動物の体重決定 | |
| CN111121932A (zh) | 测量牲畜体重的方法和装置 | |
| KR102532170B1 (ko) | 빅데이터 기반의 모노크롬 이미지 정보를 이용한 병아리 암수 감별 시스템 | |
| Brand et al. | Ostrich (Struthio camelus) embryonic development from 7 to 42 days of incubation | |
| RU2402209C1 (ru) | Способ отбора перепелок по массе яиц | |
| Vasdal et al. | Associations between animal-based measures at 11 wk and slaughter data at 20 wk in turkey toms (Meleagris gallopavo) | |
| Ahamed et al. | Effects of floor and nest eggs on hatchability and chick quality parameters in broiler breeders. | |
| Vohra et al. | Multivariate analysis of biometric traits and their shared variance in Chhattisgarhi buffalo | |
| Petrus et al. | Relationship of age and live weight to linear body traits in female intensively reared Boschveld chicken in Namibia | |
| Olasehinde | Infrared thermography and machine learning in livestock production | |
| CN114241409A (zh) | 一种基于笼养鸡异常粪便和解剖图像的疾病早期预警系统及方法 | |
| Durosaro et al. | Application of non-linear models in description of growth of dual purpose FUNAAB Alpha chickens | |
| Mappatao | Duck egg sexing by eccentricity determination using image processing | |
| Mench | Science in the real world—benefits for researchers and farmers | |
| Coelho et al. | Use of analysis and processing of digital images for evaluation and control of animal behavior in hot climates | |
| Guo et al. | Interferences for Detection of Poultry Behaviors with Machine-vision Based Methods | |
| Dawkins et al. | Poultry welfare monitoring: group-level technologies | |
| Coulson et al. | Predators of the Swallow-tailed Kite in southern Louisiana and Mississippi | |
| Aydın | Precision feeding in laying hens by sound technology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |