KR102643253B1 - System and method for calculating biometric information of livestock individual with highly reliability - Google Patents
System and method for calculating biometric information of livestock individual with highly reliability Download PDFInfo
- Publication number
- KR102643253B1 KR102643253B1 KR1020230089192A KR20230089192A KR102643253B1 KR 102643253 B1 KR102643253 B1 KR 102643253B1 KR 1020230089192 A KR1020230089192 A KR 1020230089192A KR 20230089192 A KR20230089192 A KR 20230089192A KR 102643253 B1 KR102643253 B1 KR 102643253B1
- Authority
- KR
- South Korea
- Prior art keywords
- weight
- livestock
- images
- area
- data
- Prior art date
Links
- 244000144972 livestock Species 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 11
- 241000287828 Gallus gallus Species 0.000 description 223
- 235000013330 chicken meat Nutrition 0.000 description 202
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 244000144977 poultry Species 0.000 description 3
- 235000013594 poultry meat Nutrition 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000272517 Anseriformes Species 0.000 description 2
- 238000004883 computer application Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000009374 poultry farming Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
가축 개체의 신뢰성이 있는 생체 정보를 산출하는 시스템 및 방법이 개시된다. 개시된 시스템은, 미리 설정된 제1 기간에서, 가축 개체의 중량 데이터를 측정하여 시간 경과에 따른 복수의 중량 데이터를 획득하고, 상기 가축 개체가 포함되는 제1 영역의 이미지를 촬영하여 시간 경과에 따른 복수의 영역 이미지를 획득하는 생체 데이터 획득 장치와, 군집화 알고리즘 및 미리 설정된 기준 중량 범위에 기초하여 상기 복수의 중량 데이터에서 M(1 이상의 정수)개의 중량 데이터 그룹을 도출하고, 상기 M개의 중량 데이터 그룹 각각의 대표 중량에 기초하여 상기 가축 개체의 중량을 산출하고, 상기 복수의 영역 이미지 중 적어도 일부의 영역 이미지에서 각각 추출된 상기 가축 개체의 면적 데이터에 기초하여 상기 가축 개체의 면적을 산출하는 서버를 포함한다.A system and method for calculating reliable biometric information of livestock individuals are disclosed. The disclosed system measures weight data of a livestock individual in a preset first period to obtain a plurality of weight data over time, and captures an image of a first area containing the livestock individual to obtain a plurality of weight data over time. A biometric data acquisition device for acquiring an image of an area, deriving M (an integer of 1 or more) weight data groups from the plurality of weight data based on a clustering algorithm and a preset reference weight range, and each of the M weight data groups It includes a server that calculates the weight of the livestock individual based on the representative weight of the livestock object and calculates the area of the livestock individual based on area data of the livestock object each extracted from at least some of the region images among the plurality of region images. do.
Description
본 발명의 실시예들은 가축 개체의 신뢰성이 높은 생체 정보를 산출하는 시스템 및 방법에 관한 것이다. Embodiments of the present invention relate to a system and method for calculating highly reliable biometric information of livestock individuals.
양계업은 가장 빠르게 성장하는 축산업 중의 하나이며, 높은 경제성으로 인해 빈곤국을 비롯한 전 세계 대부분 국가에서 도입되고 있다. 특히, 국내 양계 시장은 국내 축산 생산액의 약 30%를 차지한다. Poultry farming is one of the fastest-growing livestock industries, and is being introduced in most countries around the world, including poor countries, due to its high economic feasibility. In particular, the domestic poultry market accounts for about 30% of domestic livestock production.
그리고, 높은 생산 효율을 위해, 육계들은 밀집하여 사육된다. 농장의 관리자는 육계의 중량을 일령 별로 확인하고 질병 감염여부를 예측하여 육계들을 사육한다. 특히, 관리자는 일령 별로 육계들의 중량을 측정하여 육계들의 중량 변화를 파악함으로써 생산성을 향상시킨다. And, for high production efficiency, broiler chickens are raised closely. Farm managers check the weight of broiler chickens by age and predict whether they are infected with diseases and raise them. In particular, managers improve productivity by measuring the weight of broilers by age and identifying changes in their weight.
종래의 경우, 관리자가 육계를 손으로 잡아서 저울 위에 올려놓고 육계의 중량을 측정하였다. 그러나, 종래의 육계 중량 측정 방법은 육계가 저울 위에서 계속 움직이기 때문에, 측정된 육계의 중량이 부정확하다는 문제점이 있다. 더불어, 관리자가 직접 육계의 중량을 측정하기 때문에, 관리자가 많은 노동력을 투입해야 하는 문제점이 있다. In the conventional case, the manager held the broiler by hand, placed it on a scale, and measured the weight of the broiler. However, the conventional method of measuring the weight of broiler chickens has the problem that the measured weight of the broiler chickens is inaccurate because the broiler chickens continuously move on the scale. In addition, because the manager directly measures the weight of the broiler chickens, there is a problem in that the manager must invest a lot of labor.
이러한 문제점을 해결하기 위해, 영상 기반의 육계 중량 예측 방법이 개발되었다. 영상 기반의 육계 중량 예측 방법은, 카메라를 통해 육계 이미지를 획득하고, 육계 이미지의 면적에 기초하여 육계의 중량을 예측한다. 특히, 육계의 중량을 정확하게 예측하기 위해서는, 육계의 중량에 대한 정확한 실측 중량과, 실측 중량을 가지는 육계의 이미지가 필요하다. To solve these problems, an image-based broiler weight prediction method was developed. The image-based broiler weight prediction method acquires broiler chicken images through a camera and predicts the weight of the broiler chickens based on the area of the broiler image. In particular, in order to accurately predict the weight of a broiler chicken, an accurate actual weight of the broiler chicken and an image of the broiler chicken with the actual weight are required.
하지만, 상술한 바와 같이, 종래의 경우 육계의 실측 중량이 부정확하다. 그리고, 관리자가 육계의 중량을 측정한 후 직접 카메라를 통해 육계의 이미지를 촬영해야 하므로, 관리자의 불편함이 초래되는 문제점이 있다. However, as described above, in the conventional case, the actual weight of broiler chickens is inaccurate. In addition, there is a problem that causes inconvenience to the manager because the manager has to measure the weight of the broiler chicken and then directly take an image of the broiler chicken through a camera.
본 발명의 목적은, 가축 개체의 측정 중량과, 상기한 측정 중량을 가지는 가축 개체의 면적으로 구성된 생체 정보를 높은 신뢰성으로 생성할 수 있는 가축 개체의 생체 정보 산출 시스템 및 방법을 제공하는 것이다.The purpose of the present invention is to provide a biometric information calculation system and method for livestock individuals that can generate biometric information consisting of the measured weight of the livestock individual and the area of the livestock individual having the above-mentioned measured weight with high reliability.
또한, 본 발명의 목적은 가축 개체의 중량을 정확하게 측정하는 가축 개체의 생체 정보 산출 시스템 및 방법을 제공하는 것이다. Additionally, the purpose of the present invention is to provide a system and method for calculating biometric information of livestock individuals that accurately measures the weight of livestock individuals.
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 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 objects mentioned above, and other objects and advantages of the present invention that are not mentioned can be understood by the following description and will be more clearly understood by the examples of the present invention. Additionally, it will be readily apparent that the objects and advantages of the present invention can be realized by the means and combinations thereof indicated in the claims.
본 발명의 일 실시예에 따른 가축 개체의 생체 정보 산출 시스템은, 미리 설정된 제1 기간에서, 가축 개체의 중량 데이터를 측정하여 시간 경과에 따른 복수의 중량 데이터를 획득하고, 상기 가축 개체가 포함되는 제1 영역의 이미지를 촬영하여 시간 경과에 따른 복수의 영역 이미지를 획득하는 생체 데이터 획득 장치와, 군집화 알고리즘 및 미리 설정된 기준 중량 범위에 기초하여 상기 복수의 중량 데이터에서 M(1 이상의 정수)개의 중량 데이터 그룹을 도출하고, 상기 M개의 중량 데이터 그룹 각각의 대표 중량에 기초하여 상기 가축 개체의 중량을 산출하고, 상기 복수의 영역 이미지 중 적어도 일부의 영역 이미지에서 각각 추출된 상기 가축 개체의 면적 데이터에 기초하여 상기 가축 개체의 면적을 산출하는 서버를 포함한다.The system for calculating biometric information of a livestock individual according to an embodiment of the present invention measures the weight data of the livestock individual in a preset first period to obtain a plurality of weight data over time, and determines the number of weight data included in the livestock individual. A biometric data acquisition device for acquiring images of a plurality of regions over time by taking an image of a first region, and M (an integer of 1 or more) weights from the plurality of weight data based on a clustering algorithm and a preset reference weight range. Derive a data group, calculate the weight of the livestock individual based on a representative weight of each of the M weight data groups, and add area data of the livestock individual extracted from at least some of the region images among the plurality of region images. It includes a server that calculates the area of the livestock individual based on the data.
또한, 본 발명의 일 실시예에 따른 가축 개체의 생체 정보 산출 방법은, 프로세서에서 수행되는 것으로서, 미리 설정된 제1 기간에서 순차적으로 측정된 상기 가축 개체의 중량 데이터인 복수의 중량 데이터를 획득하는 단계와, 상기 제1 기간에서 순차적으로 촬영된 상기 가축 개체가 포함되는 제1 영역의 이미지인 복수의 영역 이미지를 획득하는 단계와, 군집화 알고리즘 및 미리 설정된 기준 중량 범위에 기초하여 상기 복수의 중량 데이터에서 M(1 이상의 정수)개의 중량 데이터 그룹을 도출하는 단계와, 상기 M개의 중량 데이터 그룹 각각의 대표 중량에 기초하여 상기 가축 개체의 중량을 산출하는 단계와, 상기 복수의 영역 이미지 중 적어도 일부의 영역 이미지에서 각각 추출된 상기 가축 개체의 면적 데이터에 기초하여 상기 가축 개체의 면적을 산출하는 단계를 포함한다. In addition, the method of calculating biometric information of a livestock individual according to an embodiment of the present invention is performed by a processor, and includes the steps of acquiring a plurality of weight data, which are weight data of the livestock individual sequentially measured in a preset first period. and acquiring a plurality of area images, which are images of a first area containing the livestock objects sequentially photographed in the first period, and based on a clustering algorithm and a preset reference weight range, from the plurality of weight data Deriving M (an integer of 1 or more) weight data groups, calculating the weight of the livestock individual based on a representative weight of each of the M weight data groups, and at least some regions of the plurality of region images It includes calculating the area of the livestock individual based on area data of the livestock individual each extracted from the image.
본 발명에 따르면, 가축 개체의 측정 중량과, 상기한 측정 중량을 가지는 가축 개체의 면적으로 구성된 생체 정보를 높은 신뢰성으로 생성할 수 있다. According to the present invention, biometric information consisting of the measured weight of a livestock individual and the area of the livestock individual having the above-mentioned measured weight can be generated with high reliability.
또한, 본 발명에 따르면, 가축 개체의 중량을 정확하게 측정할 수 있다. Additionally, according to the present invention, the weight of a livestock individual can be accurately measured.
또한, 본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.In addition, the effects of the present invention are not limited to the effects described above, and should be understood to include all effects that can be inferred from the configuration of the invention described in the detailed description or claims of the present invention.
도 1은 본 발명의 일 실시예에 따른 가축 개체의 생체 정보 산출 시스템의 개략적인 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 생체 데이터 획득 장치의 기구적인 구조를 간략화하여 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 생체 데이터 획득 장치의 구동 방법의 흐름도를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 가축 개체의 생체 정보 산출 방법의 전체적인 흐름도를 도시한 도면이다.
도 5는 도 4에 포함된 단계들 중 일부 단계의 세부적인 흐름도를 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따라서, 전처리된 복수의 중량 데이터의 서로 다른 일례를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따라서, 군집화 알고리즘에 기반하여 복수의 중량 데이터를 N개의 중량 데이터 그룹으로 분류한 서로 다른 일례를 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따라서, N개의 중량 데이터 그룹에서 M개의 중량 데이터 그룹을 선택하는 서로 다른 일례를 도시한 도면이다.
도 9 내지 도 12는 도 4에 포함된 단계들 중 다른 일부 단계의 세부적인 흐름의 실시예들을 도시한 도면이다
도 13은 본 발명의 일 실시예에 따라서, 영역 이미지에서 닭 개체의 형상을 추출하여 닭 이미지를 생성하는 개념을 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시예에 따라서, 가축 개체의 추가적인 생체 정보를 산출하는 방법의 흐름도를 도시한 도면이다. Figure 1 is a diagram illustrating the schematic configuration of a system for calculating biometric information of livestock individuals according to an embodiment of the present invention.
Figure 2 is a diagram illustrating a simplified mechanical structure of a biometric data acquisition device according to an embodiment of the present invention.
Figure 3 is a flowchart of a method of driving a biometric data acquisition device according to an embodiment of the present invention.
Figure 4 is a diagram showing the overall flow chart of a method for calculating biometric information of a livestock individual according to an embodiment of the present invention.
FIG. 5 is a detailed flowchart of some of the steps included in FIG. 4.
Figure 6 is a diagram showing different examples of a plurality of preprocessed weight data according to an embodiment of the present invention.
Figure 7 is a diagram showing another example of classifying a plurality of weight data into N weight data groups based on a clustering algorithm, according to an embodiment of the present invention.
Figure 8 is a diagram illustrating different examples of selecting M weight data groups from N weight data groups, according to an embodiment of the present invention.
9 to 12 are diagrams showing detailed flow examples of some of the steps included in FIG. 4.
Figure 13 is a diagram for explaining the concept of generating a chicken image by extracting the shape of a chicken object from a region image, according to an embodiment of the present invention.
Figure 14 is a flowchart of a method for calculating additional biometric information of a livestock individual, according to an embodiment of the present invention.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. Since the present invention can make various changes and have various embodiments, specific embodiments will be illustrated in the drawings and described in detail. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all changes, equivalents, and substitutes included in the spirit and technical scope of the present invention. While describing each drawing, similar reference numerals are used for similar components.
"제1", "제2" 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Terms such as “first”, “second”, etc. may be used to describe various components, but the components should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. The term “and/or” includes any of a plurality of related stated items or a combination of a plurality of related stated items.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used herein are only used to describe specific embodiments and are not intended to limit the invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this application, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that this does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the technical field to which the present invention pertains. Terms defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and unless explicitly defined in the present application, should not be interpreted in an ideal or excessively formal sense. No.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 이 때, 본 실시예에서는 "가축"을 가금류의 일종인 닭(육계)으로 가정하여 설명한다. 하지만, 본 실시예는 오리, 거위 등의 다른 가금류와, 다른 가축에 대해서도 동일하게 적용될 수 있다. Hereinafter, embodiments according to the present invention will be described in detail with reference to the attached drawings. At this time, in this embodiment, “livestock” is explained assuming that chicken (broiler), a type of poultry, is used. However, this embodiment can be equally applied to other poultry such as ducks and geese, and to other livestock.
도 1은 본 발명의 일 실시예에 따른 가축 개체의 생체 정보 산출 시스템(1)의 개략적인 구성을 도시한 도면이다. Figure 1 is a diagram showing the schematic configuration of a biometric information calculation system 1 for livestock individuals according to an embodiment of the present invention.
도 1을 참조하면, 생체 정보 산출 시스템(1)은 생체 데이터 획득 장치(10) 및 서버(20)를 포함할 수 있다. Referring to FIG. 1, the biometric information calculation system 1 may include a biometric data acquisition device 10 and a server 20.
생체 데이터 획득 장치(10)는 닭 개체군이 집단으로 사육되는 농장에 마련될 수 있다. 생체 데이터 획득 장치(10)는 닭 개체군에 포함되는 닭 개체 각각의 중량 데이터를 측정할 수 있고, 더불어 닭 개체를 포함하는 제1 영역의 이미지를 촬영할 수 있다. 이 때, 하나 이상의 생체 데이터 획득 장치(10)가 농장에 배치될 수 있다. The biometric data acquisition device 10 may be installed on a farm where chicken populations are raised in groups. The biometric data acquisition device 10 can measure weight data of each chicken individual included in the chicken population, and can also capture an image of the first area including the chicken individuals. At this time, one or more biometric data acquisition devices 10 may be placed on the farm.
도 2는 본 발명의 일 실시예에 따른 생체 데이터 획득 장치(10)의 기구적인 구조를 간략화하여 도시한 도면이다. FIG. 2 is a diagram illustrating a simplified mechanical structure of the biometric data acquisition device 10 according to an embodiment of the present invention.
도 1 및 도 2을 참조하면, 생체 데이터 획득 장치(10)는, 중량 측정 모듈(11), 라이다 센서(12), 카메라(13), 제어 모듈(14) 및 장치 프레임(15)를 포함할 수 있다. 1 and 2, the biometric data acquisition device 10 includes a weight measurement module 11, a lidar sensor 12, a camera 13, a control module 14, and a device frame 15. can do.
장치 프레임(15)은 생체 데이터 획득 장치(10)의 전체적인 외관을 구성할 수 있으며, 일례로, "ㄷ"의 형상일 수 있다. The device frame 15 may configure the overall appearance of the biometric data acquisition device 10 and, for example, may be shaped like a “ㄷ”.
중량 측정 모듈(11)은 장치 프레임(15)의 하측부에 배치될 수 있고, 닭 개체의 중량 데이터를 측정할 수 있다. 중량 측정 모듈(11)의 상면(111)에는 닭 개체가 안착할 수 있는 공간이 제공될 수 있고, 중량 측정 모듈(11)의 내부에는 중량 센서(112)가 설치될 수 있다. 중량 센서(112)는 중량 측정 모듈(11)의 상면(111)에 안착된 닭 개체의 중량 데이터를 측정할 수 있다. The weight measurement module 11 may be placed on the lower side of the device frame 15 and can measure weight data of individual chickens. A space in which a chicken can be seated may be provided on the upper surface 111 of the weight measurement module 11, and a weight sensor 112 may be installed inside the weight measurement module 11. The weight sensor 112 can measure weight data of a chicken individual seated on the upper surface 111 of the weight measurement module 11.
라이다 센서(Lidar sensor)(12)는 장치 프레임(15)의 상측부에 배치될 수 있고, 거리를 측정할 수 있다. 즉, 라이다 센서(12)는 라이다 센서(12)와 중량 측정 모듈(11) 사이의 거리 또는 라이다 센서(12)와 중량 측정 모듈(11)의 상면(111)에 안착된 닭 개체 사이의 거리를 측정하는 거리 센서일 수 있다. 한편, 라이다 센서(12)를 대신하여 레이더 센서, 적외선 거리 센서, 초음파 거리 센서 등의 다양한 거리 센서가 사용될 수도 있다. Lidar sensor 12 may be placed on the upper part of the device frame 15 and may measure the distance. That is, the LiDAR sensor 12 is the distance between the LiDAR sensor 12 and the weight measurement module 11 or the distance between the LiDAR sensor 12 and the chicken object seated on the upper surface 111 of the weight measurement module 11. It may be a distance sensor that measures the distance. Meanwhile, various distance sensors such as a radar sensor, an infrared distance sensor, and an ultrasonic distance sensor may be used instead of the lidar sensor 12.
구체적으로, 라이다 센서(12)는 중량 측정 모듈(11)의 상측에 배치되어 레이저 빔을 방사 및 수신할 수 있고, 이에 따라 거리를 측정할 수 있다. 도 2을 참조하면, 닭 개체가 중량 측정 모듈(11)의 상면(111)에 안착하지 않는 경우, 라이다 센서(12)는 중량 측정 모듈(11)의 상면(111)과 라이다 센서(12) 사이의 거리를 측정할 수 있다. 또한, 닭 개체가 중량 측정 모듈(11)의 상면(111)에 안착된 경우, 라이다 센서(12)는 닭 개체와 라이다 센서(12) 사이의 거리를 측정할 수 있다. 일례로, 라이다 센서(12)와 중량 측정 모듈(11)의 이격 거리는 1m일 수 있고, 중량 측정 모듈(11)의 상면(111)에 닭 개체가 안착한 경우, 라이다 센서(12)는 0.6m의 거리를 측정할 수 있다. Specifically, the LiDAR sensor 12 is placed on the upper side of the weight measurement module 11 and can emit and receive a laser beam, thereby measuring the distance. Referring to FIG. 2, when the chicken individual does not sit on the upper surface 111 of the weight measurement module 11, the LiDAR sensor 12 is connected to the upper surface 111 of the weight measurement module 11 and the LiDAR sensor 12. ) can be measured. Additionally, when an individual chicken is seated on the upper surface 111 of the weight measurement module 11, the LiDAR sensor 12 can measure the distance between the individual chicken and the LiDAR sensor 12. For example, the separation distance between the LiDAR sensor 12 and the weight measurement module 11 may be 1 m, and when a chicken object lands on the upper surface 111 of the weight measurement module 11, the LiDAR sensor 12 is 0.6 m. A distance of m can be measured.
카메라(13)는 장치 프레임(15)의 하측부에 배치될 수 있고, 중량 측정 모듈(11)이 위치하는 제1 영역의 이미지를 촬영할 수 있다. 이 때, 카메라(13)는 중량 측정 모듈(11)의 상측에 배치될 수 있고, 이에 따라 제1 영역의 이미지는 제1 영역의 탑뷰 이미지(top view image)일 수 있다. The camera 13 may be disposed on the lower side of the device frame 15 and may capture an image of the first area where the weight measurement module 11 is located. At this time, the camera 13 may be placed above the weight measurement module 11, and accordingly, the image of the first area may be a top view image of the first area.
제어 모듈(14)은, 중량 센서(112), 라이다 센서(12) 및 카메라(13)의 구동을 제어할 수 있고, 중량 센서(112) 및 카메라(13)로부터 중량 데이터 및 제1 영역의 이미지를 획득할 수 있다. 도 2에 도시되지 않았지만, 제어 모듈(14)는 장치 프레임(15)의 다양한 지점에 설치될 수 있다. The control module 14 can control the operation of the weight sensor 112, the lidar sensor 12, and the camera 13, and can receive weight data and the first area from the weight sensor 112 and the camera 13. Images can be obtained. Although not shown in FIG. 2 , control module 14 may be installed at various points on device frame 15 .
특히, 제어 모듈(14)은 제1 제어 모듈 및 제2 제어 모듈을 포함할 수 있다. 제1 제어 모듈은 중량 센서(112)의 구동을 제어할 수 있고, 제2 제어 모듈은 라이다 센서(12) 및 카메라(13)의 구동을 제어할 수 있다. 제1 및 제2 제어 모듈 각각은 별도의 제어 보드(control board)로 구현될 수 있다. 제1 및 제2 제어 모듈 각각은, 중앙처리장치, 애플리케이션 프로세서, 또는 커뮤니케이션 프로세서 중 하나 또는 그 이상을 포함하는 프로세서부를 포함할 수 있다. 제어 모듈(14)은 서버(20)와의 통신 연결을 위한 근거리 통신부 및/또는 원거리 통신부를 더 포함할 수 있다. In particular, control module 14 may include a first control module and a second control module. The first control module can control the operation of the weight sensor 112, and the second control module can control the operation of the lidar sensor 12 and the camera 13. Each of the first and second control modules may be implemented as a separate control board. Each of the first and second control modules may include a processor unit including one or more of a central processing unit, an application processor, or a communication processor. The control module 14 may further include a short-range communication unit and/or a long-distance communication unit for communication connection with the server 20.
이하, 설명의 편의를 위해, 제어 모듈(14)이 중량 센서(112), 라이다 센서(12) 및 카메라(13)의 구동을 모두 제어하는 것으로 가정한다. Hereinafter, for convenience of explanation, it is assumed that the control module 14 controls the operation of the weight sensor 112, the lidar sensor 12, and the camera 13.
실시예에 따르면, 제어 모듈(14)은, 특정 기간인 제1 기간 동안, 미리 설정된 제1 주기에 따라 제1 영역의 이미지를 순차적으로 촬영하도록 카메라(13)의 구동을 제어할 수 있고, 미리 설정된 제2 주기에 따라 닭 개체의 중량 데이터를 순차적으로 측정하도록 중량 센서(112)의 구동을 제어할 수 있다. 이에 따라, 제어 모듈(14)은 시간 경과에 따른 복수의 제1 영역의 이미지 및 복수의 중량 데이터를 획득할 수 있다. 즉, 시간 경과에 따른 복수의 제1 영역의 이미지는 (제1 영역의 이미지의 촬영 시간, 제1 영역의 이미지)의 조합 데이터일 수 있고, 시간 경과에 따른 복수의 중량 데이터는 (중량 데이터의 측정 시간, 중량 데이터)의 조합 데이터일 수 있다. 획득된 복수의 제1 영역의 이미지 및 복수의 중량 데이터는 서버(20)로 전송될 수 있다. According to an embodiment, the control module 14 may control the operation of the camera 13 to sequentially capture images of the first area according to a preset first period during a first period, which is a specific period, and may control the operation of the camera 13 in advance. The operation of the weight sensor 112 can be controlled to sequentially measure weight data of individual chickens according to the set second cycle. Accordingly, the control module 14 may acquire a plurality of images of the first area and a plurality of weight data over time. That is, the plurality of images of the first area over time may be combined data of (capturing time of the image of the first area, the image of the first area), and the plurality of weight data over time may be (of the weight data It may be a combination of data (measurement time, weight data). The acquired images of the first areas and the plurality of weight data may be transmitted to the server 20.
이하, 생체 데이터 획득 장치(10)가 시간 경과에 따른 복수의 제1 영역의 이미지 및 복수의 중량 데이터를 획득하는 내용을 보다 상세하게 설명하기로 한다. Hereinafter, how the biometric data acquisition device 10 acquires images of a plurality of first areas and a plurality of weight data over time will be described in more detail.
도 3은 본 발명의 일 실시예에 따른 생체 데이터 획득 장치(10)의 구동 방법의 흐름도를 도시한 도면이다. 상술한 바와 같이, 생체 데이터 획득 장치(10)의 구동은 제어 모듈(14)에 의해 제어될 수 있다. 한편, 설명의 편의를 위해 "제1 영역의 이미지"를 "영역 이미지"로 호칭하기로 한다. FIG. 3 is a flowchart of a method of driving the biometric data acquisition device 10 according to an embodiment of the present invention. As described above, the operation of the biometric data acquisition device 10 may be controlled by the control module 14. Meanwhile, for convenience of explanation, the “image of the first region” will be referred to as “region image.”
단계(S11)에서, 제어 모듈(14)은 미리 설정된 초기화 조건이 만족되는 경우, 중량 센서(112)를 초기화할 수 있다. 여기서, 중량 센서(112)의 초기화는 중량 센서(112)의 영점(zero point)을 조정하는 캘리브레이션 과정일 수 있다. 단계(S11)의 영점 조정은 실시간으로 수행될 수 있다. In step S11, the control module 14 may initialize the weight sensor 112 when preset initialization conditions are satisfied. Here, initialization of the weight sensor 112 may be a calibration process that adjusts the zero point of the weight sensor 112. The zero point adjustment in step S11 can be performed in real time.
구체적으로, 중량 측정 모듈(11)의 상면(111)에 안착된 닭 개체가 배출한 배설물, 닭 개체에서 빠진 털 등의 이물질이 중량 측정 모듈(11)의 상면(111)에 존재할 수 있다. 이 때, 이물질의 중량으로 인해, 중량 측정 모듈(11)에서 측정되는 닭 개체의 중량 데이터는 실제의 닭 개체의 중량 데이터과 상이할 수 있고, 따라서 중량 측정 모듈(11)은 실제의 닭 개체의 중량 데이터를 정확하게 측정하지 못하는 문제점이 발생한다. 따라서, 제어 모듈(14)은 미리 설정된 초기화 조건이 만족되는 경우, 중량 센서(112)의 영점을 조정할 수 있다. Specifically, foreign substances, such as excrement from a chicken seated on the upper surface 111 of the weight measuring module 11 or hair lost from the chicken, may be present on the upper surface 111 of the weight measuring module 11. At this time, due to the weight of the foreign matter, the weight data of the chicken individual measured in the weight measurement module 11 may be different from the weight data of the actual chicken individual, and therefore the weight measurement module 11 may determine the actual weight of the chicken individual. Problems arise in which data cannot be measured accurately. Accordingly, the control module 14 can adjust the zero point of the weight sensor 112 when the preset initialization condition is satisfied.
여기서, 초기화 조건은, 특정 기간(즉, 제3 기간)에서, 라이다 센서(12)에서 측정된 거리 데이터가 미리 설정된 임계 거리를 초과하면서 중량 센서(112)의 중량 데이터가 미리 설정된 임계 중량 이상인 것과 대응될 수 있다. Here, the initialization condition is that, in a specific period (i.e., the third period), the distance data measured by the lidar sensor 12 exceeds a preset threshold distance and the weight data of the weight sensor 112 is more than a preset threshold weight. It can correspond to
일례로서, 라이다 센서(12)와 중량 측정 모듈(11)의 이격 거리가 1m이고, 임계 거리가 0.7m이고, 임계 중량이 30g인 것으로 가정한다. 이 때, 특정 기간에서의 거리 데이터가 임계 거리(0.7m)보다 큰 0.95m로 측정되면서, 특정 기간에서의 중량 데이터가 임계 중량(30g)보다 큰 0.35g로 측정되었다. 이는 중량 측정 모듈(11)의 상면(112)에는 닭 개체가 안착하지 않았음에도 불구하고 0.35g의 중량 데이터가 측정된 상황이며, 0.35g의 중량 데이터는 상기한 이물질의 중량이다. 따라서, 제어 모듈(14)는 중량 센서(112)의 영점을 조정하며, 상기 상황에서 중량 센서(112)은 0g의 중량 데이터를 측정할 수 있다. As an example, assume that the separation distance between the lidar sensor 12 and the weight measurement module 11 is 1 m, the critical distance is 0.7 m, and the critical weight is 30 g. At this time, while the distance data in a specific period was measured as 0.95m, which is larger than the critical distance (0.7m), the weight data in a specific period was measured as 0.35g, which is larger than the critical weight (30g). This is a situation in which weight data of 0.35 g was measured even though no chicken was seated on the upper surface 112 of the weight measurement module 11, and the weight data of 0.35 g was the weight of the above-described foreign matter. Accordingly, the control module 14 adjusts the zero point of the weight sensor 112, and in this situation, the weight sensor 112 can measure weight data of 0g.
그 후, 단계(S12)에서, 제어 모듈(14)은, 상기한 특정 기간 이후의 기간 A(즉, 제2 기간) 동안 라이다 센서(12)를 통해 주기적/순차적으로 측정된 거리 데이터가 모두 임계 거리 이하이고, 기간 A 동안 중량 센서(112)를 통해 주기적/순차적으로 측정된 중량 데이터가 모두 임계 중량 이상인지 여부를 판단할 수 있다. Then, in step S12, the control module 14 determines that all of the distance data periodically/sequentially measured through the LiDAR sensor 12 during period A (i.e., the second period) after the above-described specific period is It can be determined whether the weight data measured periodically/sequentially through the weight sensor 112 during period A is less than or equal to the critical distance or all is equal to or greater than the critical weight.
일례로서, 임계 거리 및 임계 중량은 상술한 바와 같이 0.7m 및 30g일 수 있고, 기간 A의 길이는 6초일 수 있고, 측정 주기는 0.3초일 수 있다. As an example, the critical distance and critical weight may be 0.7 m and 30 g as described above, the length of period A may be 6 seconds, and the measurement period may be 0.3 seconds.
기간 A에서 측정된 거리 데이터가 모두 임계 거리 이하이고, 기간 A에서 측정된 중량 데이터가 모두 임계 중량 이상이면, 제어 모듈(14)은 중량 측정 모듈(11)의 상면(111)에 닭 개체가 안착한 것으로 판단할 수 있다. 그리고, 기간 A에서 측정된 거리 데이터가 모두 임계 거리 이하가 아닌 경우 또는 기간 A에서 측정된 중량 데이터가 모두 임계 중량 이상이 아닌 경우, 제어 모듈(14)은 중량 측정 모듈(11)의 상면(111)에 닭 개체가 안착하지 않는 것으로 판단할 수 있다. 즉, 단계(S12)는 닭 개체가 중량 측정 모듈(11)의 상면(111)에 안착하였는지 여부를 판단하는 단계일 수 있다. If all of the distance data measured in period A is less than or equal to the threshold distance and all of the weight data measured in period A is more than the threshold weight, the control module 14 determines whether the chicken individual has landed on the upper surface 111 of the weight measurement module 11. It can be judged that And, if all the distance data measured in period A is not less than the threshold distance or if all the weight data measured in period A is not more than the threshold weight, the control module 14 controls the upper surface 111 of the weight measurement module 11. ), it can be determined that the chicken individual does not settle. That is, step S12 may be a step of determining whether the individual chicken has landed on the upper surface 111 of the weight measurement module 11.
중량 측정 모듈(11)의 상면(111)에 닭 개체가 안착한 것으로 판단된 경우, 단계(S13)에서, 제어 모듈(14)는 기간 A 이후의 기간 B(즉, 제1 기간)에서, 시간의 경과에 따라 복수의 영역 이미지를 촬영하도록 카메라(13)를 제어하고, 시간의 경과에 따라 복수의 중량 데이터를 측정하도록 중량 센서(112)를 제어할 수 있다. 즉, 제어 모듈(14)은, 기간 B 동안, 제1 주기에 따라 영역 이미지를 촬영하여 복수의 영역 이미지를 획득할 수 있고, 제2 주기에 따라 중량 데이터를 측정하여 복수의 중량 데이터를 획득할 수 있다. 여기서, 기간 B의 길이는 기간 A의 길이보다 크도록 설정될 수 있다. 일례로, 기간 B의 길이는 9초일 수 있고, 측정 주기는 0.3초일 수 있다. 또한, 제1 주기는 제2 주기와 동일할 수 있고, 서로 다를 수도 있다. When it is determined that the chicken individual has landed on the upper surface 111 of the weight measurement module 11, in step S13, the control module 14 operates in period B (i.e., first period) after period A, of time. The camera 13 can be controlled to capture a plurality of area images over time, and the weight sensor 112 can be controlled to measure a plurality of weight data over time. That is, during period B, the control module 14 may acquire a plurality of area images by photographing an area image according to a first cycle, and obtain a plurality of weight data by measuring weight data according to a second cycle. You can. Here, the length of period B may be set to be greater than the length of period A. In one example, the length of period B may be 9 seconds and the measurement period may be 0.3 seconds. Additionally, the first cycle may be the same as the second cycle or may be different from each other.
그리고, 중량 측정 모듈(11)의 상면(111)에 닭 개체가 안착하지 않는 것으로 판단된 경우, 단계(S14)에서, 제어 모듈(14)은 복수의 영역 이미지 및 복수의 중량 데이터를 획득하지 않는다. And, when it is determined that the chicken individual does not settle on the upper surface 111 of the weight measurement module 11, the control module 14 does not acquire a plurality of area images and a plurality of weight data in step S14. .
다시, 도 1을 참조하면, 서버(20)는 생체 데이터 획득 장치(10)로부터 수신된 복수의 영역 이미지 및 복수의 중량 데이터에 기초하여 닭 개체의 생체 정보를 생성할 수 있다. 이를 위해, 서버(20)는 통신부(21), 메모리(22), 프로세서(23) 및 디스플레이부(24)를 포함할 수 있다. Referring again to FIG. 1 , the server 20 may generate biometric information of an individual chicken based on a plurality of area images and a plurality of weight data received from the biometric data acquisition device 10. For this purpose, the server 20 may include a communication unit 21, a memory 22, a processor 23, and a display unit 24.
통신부(21)는 생체 데이터 획득 장치(10)와 통신 연결될 수 있다. 즉, 통신부(21)를 통해 복수의 영역 이미지 및 복수의 중량 데이터가 수신될 수 있다. 일례로, 통신부(21)는 근거리 통신 모듈 및/또는 원거리 통신 모듈을 포함할 수 있다. The communication unit 21 may be connected to the biometric data acquisition device 10. That is, multiple area images and multiple weight data can be received through the communication unit 21. For example, the communication unit 21 may include a short-range communication module and/or a long-distance communication module.
메모리(22)는 휘발성 및/또는 비휘발성 메모리일 수 있고, 서버(20)의 적어도 하나의 다른 구성요소에 관계된 명령어 또는 데이터를 저장할 수 있다. 특히, 메모리(22)는 서버(10)에서 수행되는 컴퓨터 프로그램, 애플리케이션, 기록 매체 등과 관계된 명령어 또는 데이터를 저장할 수 있고, 더불어 복수의 영역 이미지 및 복수의 중량 데이터를 저장할 수 있다. Memory 22 may be volatile and/or non-volatile memory and may store instructions or data related to at least one other component of server 20. In particular, the memory 22 can store commands or data related to computer programs, applications, recording media, etc. executed in the server 10, and can also store a plurality of area images and a plurality of weight data.
프로세서(23)는 중앙처리장치, 애플리케이션 프로세서, 또는 커뮤니케이션 프로세서 중 하나 또는 그 이상을 포함할 수 있다. 프로세서(23)는 서버(20)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 특히, 프로세서(23)는 컴퓨터 프로그램/애플리케이션의 명령어를 실행할 수 있고, 이에 따라 생체 정보를 생성할 수 있다. 후술하는 바와 같이, 닭 개체의 생체 정보는 닭 개체의 면적 및 중량을 포함할 수 있다. Processor 23 may include one or more of a central processing unit, an application processor, or a communications processor. The processor 23 may perform operations or data processing related to control and/or communication of at least one other component of the server 20. In particular, the processor 23 can execute instructions of a computer program/application and generate biometric information accordingly. As will be described later, the biometric information of an individual chicken may include the area and weight of the individual chicken.
디스플레이부(24)는 액정 디스플레이(LCD), 발광 다이오드 디스플레이(LED), 유기 발광 다이오드 디스플레이(OLED) 등으로 구성될 수 있으며, 영상 내지 영상 프레임을 표시할 수 있다. 특히, 디스플레이부(24)는 프로세서(23)에서 실행되는 컴퓨터 프로그램 또는 애플리케이션의 실행 화면을 출력할 수 있다. The display unit 24 may be composed of a liquid crystal display (LCD), a light emitting diode display (LED), an organic light emitting diode display (OLED), etc., and may display an image or an image frame. In particular, the display unit 24 may output an execution screen of a computer program or application running on the processor 23.
이하, 서버(20)의 프로세서(23)에서 수행되는 가축 개체, 즉 닭 개체의 생체 정보 산출 방법을 보다 상세하게 설명하기로 한다. Hereinafter, a method of calculating biometric information of a livestock individual, that is, a chicken individual, performed by the processor 23 of the server 20 will be described in more detail.
도 4는 본 발명의 일 실시예에 따른 가축 개체의 생체 정보 산출 방법의 전체적인 흐름도를 도시한 도면이다. Figure 4 is a diagram showing the overall flow chart of a method for calculating biometric information of a livestock individual according to an embodiment of the present invention.
먼저, 도 4를 참조하여 가축 개체의 생체 정보 산출 방법의 전체적인 흐름을 설명한다. First, the overall flow of the method for calculating biometric information of a livestock individual will be described with reference to FIG. 4.
단계(S21)에서, 서버(20)는 복수의 영역 이미지 및 복수의 중량 데이터를 획득할 수 있다. In step S21, the server 20 may obtain a plurality of area images and a plurality of weight data.
상술한 바와 같이, 복수의 영역 이미지 및 복수의 중량 데이터 각각은 기간 B 동안 시간 경과에 따라서 촬영된 영역 이미지 및 시간 경과에 따라서 측정된 중량 데이터일 수 있다. As described above, each of the plurality of area images and the plurality of weight data may be an area image photographed over time during period B and weight data measured over time.
단계(S22)에서, 서버(20)는 이상치 중량 데이터 범위에 따라 이상치 중량 데이터를 제거하여 복수의 중량 데이터를 전처리할 수 있다. In step S22, the server 20 may preprocess a plurality of weight data by removing outlier weight data according to the outlier weight data range.
여기서, 이상치 중량 데이터 범위는 이상치 중량 상한값 및 이상치 중량 하한값을 경계로 하여 설정될 수 있으며, 서버(20)는 복수의 중량 데이터 중 이상치 중량 상한값보다 큰 중량 데이터 및 이상치 중량 하한값보다 작은 중량 데이터를 제거하여 복수의 중량 데이터를 전처리할 수 있다. Here, the outlier weight data range can be set based on the outlier weight upper limit and the outlier weight lower limit, and the server 20 removes weight data greater than the outlier weight upper limit and weight data smaller than the outlier weight lower limit among the plurality of weight data. Thus, multiple weight data can be preprocessed.
단계(S23)에서, 서버(20)는 전처리된 복수의 중량 데이터에 기초하여 닭 개체의 중량을 산출할 수 있다. In step S23, the server 20 may calculate the weight of the individual chicken based on a plurality of preprocessed weight data.
이하, 도 5를 참조하여 단계(S23)의 세부적인 흐름을 설명하기로 한다. Hereinafter, the detailed flow of step S23 will be described with reference to FIG. 5.
도 5는 도 4에 포함된 단계들 중 단계(S23)의 세부적인 흐름도를 도시한 도면이다. FIG. 5 is a detailed flowchart of step S23 among the steps included in FIG. 4.
단계(S231)에서, 서버(20)는 군집화 알고리즘에 기초하여 전처리된 복수의 중량 데이터를 N(1 이상의 정수)개의 중량 데이터 그룹으로 분류할 수 있다. In step S231, the server 20 may classify a plurality of weight data preprocessed based on a clustering algorithm into N (an integer of 1 or more) weight data groups.
일례로서, 군집화 알고리즘은 데이터 밀도 차이를 기반으로 데이터를 분류하는 머신 러닝 기반의 알고리즘인 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 알고리즘일 수 있다. DBSCAN 알고리즘은 공지된 알고리즘이므로, 상세한 설명은 생략한다. 한편, DBSCAN 알고리즘을 대신하여 평균 이동(Mean Shift) 알고리즘, GMM(Gaussian Mixture Model) 알고리즘 등의 다양한 군집화 알고리즘이 사용될 수 있다. As an example, the clustering algorithm may be the DBSCAN (Density-Based Spatial Clustering of Applications with Noise) algorithm, a machine learning-based algorithm that classifies data based on data density differences. Since the DBSCAN algorithm is a known algorithm, detailed description is omitted. Meanwhile, various clustering algorithms, such as the Mean Shift algorithm and the Gaussian Mixture Model (GMM) algorithm, can be used instead of the DBSCAN algorithm.
도 6에서는 전처리된 복수의 중량 데이터의 서로 다른 일례를 도시하고 있다. 도 6을 참조하면, 상술한 바와 같이, 복수의 중량 데이터는 시간 경과에 따라서 순차적으로 측정된 중량 데이터일 수 있다. Figure 6 shows different examples of a plurality of preprocessed weight data. Referring to FIG. 6 , as described above, the plurality of weight data may be weight data measured sequentially over time.
그리고, 도 7에서는 군집화 알고리즘에 기반하여 복수의 중량 데이터를 N개의 중량 데이터 그룹으로 분류한 서로 다른 일례를 도시하고 있다. 이 때, 도 7의 (a)는 도 6의 (a)와 대응되고, 도 7의 (b)는 도 6의 (b)와 대응된다. And, Figure 7 shows another example of classifying a plurality of weight data into N weight data groups based on a clustering algorithm. At this time, (a) in Figure 7 corresponds to (a) in Figure 6, and (b) in Figure 7 corresponds to (b) in Figure 6.
일례로서, 중량 데이터 그룹에는 최소 7개 이상의 중량 데이터가 포함되며, 최소 6개 이하의 중량 데이터로는 중량 데이터 그룹이 구성될 수 없다. 그러나, 본 발명이 이에 한정되는 것은 아니다. 따라서, 도 7의 (a)에서는 복수의 중량 데이터로부터 2개의 중량 데이터 그룹(중량 데이터 그룹 A, B)이 분류될 수 있고, 도 7의 (b)에서는 복수의 중량 데이터로부터 3개의 중량 데이터 그룹(중량 데이터 그룹 C, D, E)이 분류될 수 있다. As an example, a weight data group includes at least 7 pieces of weight data, and a weight data group cannot be formed with less than at least 6 pieces of weight data. However, the present invention is not limited to this. Therefore, in Figure 7 (a), two weight data groups (weight data groups A and B) can be classified from a plurality of weight data, and in Figure 7 (b), three weight data groups can be classified from a plurality of weight data. (Weight data groups C, D, E) can be classified.
단계(S232)에서, 서버(20)는 N개의 중량 데이터 그룹 각각의 대표 중량을 산출할 수 있다. 실시예에 따르면, 중량 데이터 그룹의 대표 중량은 중량 데이터 그룹의 평균 중량일 수 있으나, 본 발명이 이에 한정되는 것은 아니다. In step S232, the server 20 may calculate a representative weight of each of the N weight data groups. According to an embodiment, the representative weight of the weight data group may be the average weight of the weight data group, but the present invention is not limited thereto.
단계(S233)에서, 서버(20)는 N개의 중량 데이터 그룹 중 대표 중량이 기준 중량 범위에 포함되는 M(1 이상 N 이하의 정수)개의 중량 데이터 그룹을 선택할 수 있다. In step S233, the server 20 may select M (an integer from 1 to N or less) weight data groups whose representative weights are included in the reference weight range among the N weight data groups.
여기서, 기준 중량 범위는 중량 데이터의 측정 날짜와 대응되는 일령에서의 기준 닭 개체의 평균 중량에 기초하여 설정될 수 있다. 기준 중량 범위는 기준 중량 상한값 및 기준 중량 하한값을 경계로 하여 설정될 수 있되, 기준 중량 상한값은 기준 닭 개체의 평균 중량에서 미리 설정된 제1 비율을 가산한 값과 대응되고, 기준 중량 하한값은 기준 닭 개체의 평균 중량에서 미리 설정된 제2 비율을 가산한 값과 대응될 수 있다. 일례로, 제1 비율은 "1.8"일 수 있고, 제2 비율은 "0.5"일 수 있고, 기준 중량 상한값은 "1.8×(기준 닭 개체의 평균 중량)"이고, 기준 중량 하한값은 "0.5×(기준 닭 개체의 평균 중량)"일 수 있다. Here, the reference weight range may be set based on the average weight of the reference chicken individual at the age corresponding to the measurement date of the weight data. The reference weight range may be set based on the reference weight upper limit and the reference weight lower limit, where the reference weight upper limit corresponds to a value obtained by adding a preset first ratio to the average weight of the reference chicken individual, and the reference weight lower limit is the reference chicken It may correspond to a value obtained by adding a preset second ratio to the average weight of the object. For example, the first ratio may be "1.8", the second ratio may be "0.5", the upper reference weight limit is "1.8 (average weight of a standard chicken individual)”.
도 8에서는 N개의 중량 데이터 그룹에서 M개의 중량 데이터 그룹을 선택하는 서로 다른 일례를 도시하고 있다. 이 때, 도 8의 (a)는 도 7의 (a)와 대응되고, 도 8의 (b)는 도 7의 (b)와 대응된다. Figure 8 shows a different example of selecting M weight data groups from N weight data groups. At this time, (a) in FIG. 8 corresponds to (a) in FIG. 7, and (b) in FIG. 8 corresponds to (b) in FIG. 7.
도 8의 (a)을 참고하면, 2개의 중량 데이터 그룹의 대표 중량 모두가 기준 중량 범위에 포함되므로, 서버(20)는 2개의 중량 데이터 그룹 모두를 선택할 수 있다. Referring to (a) of FIG. 8, since all representative weights of the two weight data groups are included in the reference weight range, the server 20 can select both weight data groups.
도 8의 (b)을 참고하면, 3개의 중량 데이터 그룹 중에서, 중량 데이터 그룹 C의 대표 중량이 기준 중량 범위에 포함되지 않고, 중량 데이터 그룹 D 및 E의 대표 중량이 기준 중량 범위에 포함된다. 따라서, 서버(20)는 3개의 중량 데이터 그룹 중 2개의 중량 데이터 그룹(중량 데이터 그룹 D 및 E)을 선택할 수 있다. Referring to (b) of FIG. 8, among the three weight data groups, the representative weight of weight data group C is not included in the standard weight range, and the representative weights of weight data groups D and E are included in the standard weight range. Accordingly, the server 20 can select two weight data groups (weight data groups D and E) among the three weight data groups.
단계(S234)에서, 서버(20)는 M개의 중량 데이터 그룹 각각의 대표 중량에 기초하여 닭 개체의 중량을 산출할 수 있다. In step S234, the server 20 may calculate the weight of the individual chicken based on the representative weight of each of the M weight data groups.
실시예에 따르면, 서버(20)는 M개의 중량 데이터 그룹 각각의 대표 중량의 평균 중량을 닭 개체의 중량으로 산출할 수 있다. According to the embodiment, the server 20 may calculate the average weight of the representative weight of each of the M weight data groups as the weight of the individual chicken.
다시, 도 4를 참고하면, 단계(S24)에서, 서버(20)는 복수의 영역 이미지 중 적어도 일부의 영역 이미지에 기초하여 닭 개체의 면적을 산출할 수 있다. 닭 개체의 면적을 산출하는 구체적인 내용은 후술하기로 한다. Referring again to FIG. 4, in step S24, the server 20 may calculate the area of the chicken object based on at least some of the area images among the plurality of area images. The specific details of calculating the area of a chicken individual will be described later.
단계(S25)에서, 서버(20)는 닭 개체의 면적 및 닭 개체의 중량을 포함하는 닭 개체의 면적/중량 정보를 생체 정보로서 생성할 수 있다.In step S25, the server 20 may generate area/weight information of the chicken individual, including the area and weight of the chicken individual, as biometric information.
상술한 바와 같이, 닭 개체의 생체 정보는 기간 B에서의 닭 개체의 면적과 닭 개체의 중량의 조합 정보일 수 있다. 이 때, 닭 개체의 중량은 닭 개체의 이미지의 촬영 시간에서의 중량이므로, 닭 개체의 중량은 닭 개체의 면적을 가장 잘 반영할 수 있다. 즉, 본 발명에 따르면, 신뢰성이 높은 닭 개체의 면적/중량 정보를 생성할 수 있다. 한편, 면적/중량 정보는 CCTV 등에서 촬영된 닭 개체의 면적과 닭 개체의 중량과의 관계 함수를 도출하기 위한 학습 데이터 등으로 사용될 수 있다. As described above, the biometric information of the chicken individual may be combined information of the area of the chicken individual and the weight of the chicken individual in period B. At this time, since the weight of the chicken individual is the weight at the time of capturing the image of the chicken individual, the weight of the chicken individual can best reflect the area of the chicken individual. That is, according to the present invention, highly reliable area/weight information of individual chickens can be generated. Meanwhile, area/weight information can be used as learning data to derive a relationship function between the area of a chicken captured on CCTV, etc. and the weight of the chicken.
이하, 도 9 내지 도 12를 참조하여 단계(S24)의 세부적인 흐름을 설명하기로 한다. Hereinafter, the detailed flow of step S24 will be described with reference to FIGS. 9 to 12.
도 9는 도 4에 포함된 단계들 중 단계(S24)의 세부적인 흐름의 제1 실시예를 도시한 도면이다. 여기서, 적어도 일부의 영역 이미지는 기간 B 동안 촬영된 복수의 영역 이미지 모두와 대응될 수 있다. FIG. 9 is a diagram illustrating a first embodiment of the detailed flow of step S24 among the steps included in FIG. 4. Here, at least some of the area images may correspond to all of the plurality of area images captured during period B.
단계(S241a)에서, 서버(20)는 복수의 영역 이미지 각각에서 닭 개체의 형상을 추출하여 복수의 닭 이미지를 생성할 수 있다. In step S241a, the server 20 may generate a plurality of chicken images by extracting the shape of the chicken object from each of the plurality of area images.
도 13은 본 발명의 일 실시예에 따라서, 영역 이미지에서 닭 개체의 형상을 추출하여 닭 이미지를 생성하는 개념을 설명하기 위한 도면이다. Figure 13 is a diagram for explaining the concept of generating a chicken image by extracting the shape of a chicken object from a region image, according to an embodiment of the present invention.
도 13을 참조하면, 영역 이미지는, 중량 측정 모듈(11)의 상면(111)과, 중량 측정 모듈(11)의 상면(111)에 안착한 닭 개체(510)와, 중량 측정 모듈(11)의 상면(111)에 안착하지 않는 다른 닭 개체(520)를 포함할 수 있다. 이 경우, 서버(20)는, 미리 설정된 객체 형상 추출 알고리즘을 적용하여, 영역 이미지에서 닭 개체(510)의 형상을 추출하여 닭 이미지를 생성할 수 있다. Referring to FIG. 13, the area image includes the upper surface 111 of the weight measurement module 11, the chicken object 510 seated on the upper surface 111 of the weight measurement module 11, and the weight measurement module 11. It may include other chicken objects 520 that do not rest on the upper surface 111. In this case, the server 20 may generate a chicken image by applying a preset object shape extraction algorithm to extract the shape of the chicken object 510 from the area image.
다시 도 9를 참조하면, 단계(S242a)에서, 서버(20)는 복수의 닭 이미지 각각에서 닭 개체의 면적 데이터를 산출할 수 있다. Referring again to FIG. 9, in step S242a, the server 20 may calculate area data of the chicken individual from each of the plurality of chicken images.
일례로서, 서버(20)는, 복수의 닭 이미지 각각에 대하여, 미리 설정된 면적 산출 알고리즘을 적용하여 닭 이미지로부터 닭 개체의 면적 데이터를 산출할 수 있다. As an example, the server 20 may calculate area data of a chicken individual from a chicken image by applying a preset area calculation algorithm to each of a plurality of chicken images.
단계(S243a)에서, 서버(20)는 복수의 닭 이미지의 면적 데이터의 대표 면적을 닭 개체의 면적으로 산출할 수 있다. In step S243a, the server 20 may calculate a representative area of area data of a plurality of chicken images as the area of the chicken individual.
실시예에 따르면, 복수의 닭 이미지의 면적 데이터의 대표 면적은 복수의 닭 이미지의 면적 데이터의 평균 면적 데이터와 대응될 수 있다. According to an embodiment, the representative area of the area data of the plurality of chicken images may correspond to the average area data of the area data of the plurality of chicken images.
다른 실시예에 따르면, 복수의 닭 이미지의 면적 데이터의 대표 면적은 복수의 닭 이미지의 가중치 각각과 복수의 닭 이미지의 면적 데이터 각각을 가중합한 가중 평균 면적 데이터와 대응될 수 있다. 여기서, 닭 이미지의 가중치는 미리 설정된 기준 이미지와 닭 이미지 간의 유사도와 비례하여 설정될 수 있다. According to another embodiment, the representative area of the area data of the plurality of chicken images may correspond to the weighted average area data that is a weighted sum of each of the weights of the plurality of chicken images and each of the area data of the plurality of chicken images. Here, the weight of the chicken image may be set in proportion to the similarity between the preset reference image and the chicken image.
구체적으로, 서버(20)는, 복수의 닭 이미지 각각에 대하여, 미리 설정된 이미지 유사도 비교 알고리즘을 적용하여 기준 이미지와 가축 이미지 간의 유사도를 산출할 수 있다. 여기서, 기준 이미지는 영역 이미지의 촬영 날짜와 대응되는 일령에서의 평균적인 닭의 형상인 기준 닭 형상과 대응되는 이미지일 수 있다. 이 때, 평균적인 닭의 형상은 날개를 펼치지 않고 닭의 머리 부분이 존재하는 형상일 수 있다. 닭 이미지와 기준 이미지가 동일한 경우 유사도는 100%의 값을 가질 수 있고, 닭 이미지와 기준 이미지가 완전히 상이한 경우 유사도는 0%의 값을 가질 수 있다. Specifically, the server 20 may calculate the similarity between the reference image and the livestock image by applying a preset image similarity comparison algorithm to each of the plurality of chicken images. Here, the reference image may be an image corresponding to the reference chicken shape, which is the average shape of a chicken at the age corresponding to the shooting date of the area image. At this time, the average shape of a chicken may be one in which the chicken's head is present without spreading its wings. If the chicken image and the reference image are the same, the similarity may have a value of 100%, and if the chicken image and the reference image are completely different, the similarity may have a value of 0%.
그 후, 서버(20)는 산출된 유사도와 비례하여 복수의 닭 이미지 각각의 가중치를 선출할 수 있다. 즉, 유사도가 높은 값을 가지면 가중치는 높은 값을 가질 수 있고, 유사도가 낮은 값을 가지면 가중치는 낮은 값을 가질 수 있다. Afterwards, the server 20 may select a weight for each of the plurality of chicken images in proportion to the calculated similarity. In other words, if the similarity is high, the weight can be high, and if the similarity is low, the weight can be low.
일례로서, 기간 B 동안 촬영된 영역 이미지 A, B, C와 대응되는 닭 이미지 A, B, C가 생성되며, 기준 이미지와 닭 이미지 A, B, C의 유사도가 각각 75%, 97%, 92%인 경우, 닭 이미지 A, B, C의 가중치는 각각 0.2841(=75/264), 0.3674(=97/264), 0.3485(=92/264)일 수 있다. As an example, chicken images A, B, and C are generated corresponding to area images A, B, and C taken during period B, and the similarities between the reference image and chicken images A, B, and C are 75%, 97%, and 92%, respectively. In the case of %, the weights of chicken images A, B, and C may be 0.2841 (=75/264), 0.3674 (=97/264), and 0.3485 (=92/264), respectively.
마지막으로, 서버(20)는 복수의 닭 이미지의 가중치 각각과 복수의 닭 이미지의 면적 데이터 각각을 가중합한 가중 평균 면적 데이터를 닭 개체의 면적으로 산출할 수 있다. 이는 아래의 수학식 1과 같이 표현될 수 있다. Finally, the server 20 may calculate the weighted average area data that is a weighted sum of the weights of each of the plurality of chicken images and each of the area data of the plurality of chicken images as the area of the chicken individual. This can be expressed as Equation 1 below.
여기서, AC는 닭 개체의 면적, μi는 i번째 닭 이미지의 가중치(0 이상 1 미만의 실수), ai는 i번째 닭 이미지의 면적 데이터를 각각 의미한다. Here, A C refers to the area of the chicken individual, μ i refers to the weight of the ith chicken image (a real number between 0 and 1), and a i refers to the area data of the ith chicken image.
요컨대, 본 발명의 제1 실시예에 따른 닭 개체의 면적 산출 방법은, 기간 B에서 촬영된 복수의 영역 이미지와 대응되는 복수의 닭 이미지 모두를 사용하여 닭 개체의 면적을 산출할 수 있다. 이 경우, 복수의 닭 이미지에 일부의 닭 이미지를 고르는 과정이 수행되지 않으므로, 보다 간단하게 닭 개체의 면적이 산출될 수 있다. 한편, 가중 평균 면적 데이터를 사용하는 경우, 평균 면적 데이터를 사용하는 경우보다 정보 신뢰도가 더욱 높아질 수 있다. In short, the method for calculating the area of an individual chicken according to the first embodiment of the present invention can calculate the area of an individual chicken using both a plurality of area images taken in period B and a plurality of corresponding chicken images. In this case, since the process of selecting some chicken images from a plurality of chicken images is not performed, the area of the chicken individual can be calculated more simply. On the other hand, when using weighted average area data, information reliability can be higher than when using average area data.
도 10은 도 4에 포함된 단계들 중 단계(S24)의 세부적인 흐름의 제2 실시예를 도시한 도면이다. 여기서, 적어도 일부의 영역 이미지는 기간 B 동안 촬영된 복수의 영역 이미지 모두와 대응될 수 있다.FIG. 10 is a diagram illustrating a second embodiment of the detailed flow of step S24 among the steps included in FIG. 4. Here, at least some of the area images may correspond to all of the plurality of area images captured during period B.
단계(S241b)에서, 서버(20)는 복수의 영역 이미지 각각에서 닭 개체의 형상을 추출하여 복수의 닭 이미지를 생성할 수 있다. 이는 도 9의 단계(S241a)와 동일하므로, 중복되는 설명은 생략한다. In step S241b, the server 20 may generate a plurality of chicken images by extracting the shape of the chicken object from each of the plurality of area images. Since this is the same as step S241a of FIG. 9, redundant description will be omitted.
단계(S242b)에서, 서버(20)는 기준 이미지와 복수의 닭 이미지 각각 간의 유사도를 산출할 수 있다. 이는 상술한 유사도의 산출 과정과 유사하므로, 중복되는 설명은 생략한다. In step S242b, the server 20 may calculate the degree of similarity between the reference image and each of the plurality of chicken images. Since this is similar to the similarity calculation process described above, redundant description will be omitted.
단계(S243b)에서, 서버(20)는 복수의 닭 이미지 중 미리 설정된 임계값 이상의 유사도를 가지는 K1(2 이상의 정수)개의 닭 이미지를 선택할 수 있다. In step S243b, the server 20 may select K 1 (an integer of 2 or more) chicken images having a similarity level of more than a preset threshold from among the plurality of chicken images.
여기서, 임계값 미만의 유사도를 가지는 닭 이미지는 닭 개체의 머리 부분이 정확하게 표시되지 않는 닭 이미지, 닭 개체의 날개가 펼쳐진 닭 이미지 등일 수 있다. 일례로, 임계값은 90%로 설정될 수 있으나, 본 발명이 이에 한정되는 것은 아니다. Here, the chicken image with a similarity level below the threshold may be a chicken image in which the head of the chicken is not accurately displayed, a chicken image in which the chicken's wings are spread, etc. For example, the threshold may be set to 90%, but the present invention is not limited thereto.
즉, 단계(S243b)는 닭 개체의 면적을 보다 정확하게 산출하기 위하여, 평균적인 닭 형상인 기준 이미지과 매칭되지 않는 일부의 닭 이미지를 제거하기 위한 필터링 과정과 대응될 수 있다. That is, step S243b may correspond to a filtering process to remove some chicken images that do not match the reference image, which is the average chicken shape, in order to more accurately calculate the area of the chicken individual.
단계(S244b)에서, 서버(20)는 K1개의 닭 이미지 각각에서 닭 개체의 면적 데이터를 산출할 수 있다. 이는 도 9의 단계(S242a)와 유사하므로, 중복되는 설명은 생략한다. In step S244b, the server 20 may calculate area data of the chicken individual from each of the K 1 chicken images. Since this is similar to step S242a of FIG. 9, redundant description will be omitted.
단계(S245b)에서, 서버(20)는 K1개의 닭 이미지의 면적 데이터의 대표 면적을 닭 개체의 면적으로 산출할 수 있다.In step S245b, the server 20 may calculate the representative area of the area data of K 1 chicken images as the area of the chicken individual.
실시예에 따르면, K1개의 닭 이미지의 면적 데이터의 대표 면적은 K1개의 닭 이미지의 면적 데이터의 평균 면적 데이터와 대응될 수 있다. According to an embodiment, the representative area of the area data of K 1 chicken images may correspond to the average area data of the area data of K 1 chicken images.
다른 실시예에 따르면, K1개의 닭 이미지의 면적 데이터의 대표 면적은 K1개의 닭 이미지의 가중치 각각과 K1개의 닭 이미지의 면적 데이터 각각을 가중합한 가중 평균 면적 데이터와 대응될 수 있다. 이는 도 9의 단계(S243a)에서 설명한 "가중 평균 면적 데이터"와 유사하므로, 중복되는 설명은 생략한다. According to another embodiment, the representative area of the area data of K 1 chicken images may correspond to weighted average area data that is a weighted sum of each of the weights of the K 1 chicken images and each of the area data of the K 1 chicken images. Since this is similar to the “weighted average area data” described in step S243a of FIG. 9, overlapping descriptions will be omitted.
요컨대, 본 발명의 제2 실시예에 따른 닭 개체의 면적 산출 방법은, 기간 B에서 촬영된 복수의 영역 이미지와 대응되는 복수의 닭 이미지 중에서 평균적인 닭 형상과 매칭되지 않는 일부의 닭 이미지를 제거한 후, 평균적인 닭 형상과 매칭되는 닭 이미지만을 사용하여 닭 개체의 면적을 산출할 수 있다. 이에 따라, 본 발명의 제2 실시예는 본 발명의 제1 실시예보다 더욱 정확한 닭 개체의 면적을 산출할 수 있다. 더불어 복수의 닭 이미지 중 일부의 닭 이미지(K1개의 닭 이미지)에서만 닭의 면적 데이터가 산출되므로, 면적 데이터 산출 과정이 간단해질 수 있다. 한편, 가중 평균 면적 데이터를 사용하는 경우, 평균 면적 데이터를 사용하는 경우보다 정보 신뢰도가 더욱 높아질 수 있다. In short, the method for calculating the area of a chicken individual according to the second embodiment of the present invention removes some chicken images that do not match the average chicken shape from among the plurality of chicken images corresponding to the plurality of area images taken in period B. Afterwards, the area of the chicken individual can be calculated using only the chicken image that matches the average chicken shape. Accordingly, the second embodiment of the present invention can calculate the area of an individual chicken more accurately than the first embodiment of the present invention. In addition, since the area data of the chicken is calculated only from some chicken images (K 1 chicken images) among the plurality of chicken images, the area data calculation process can be simplified. On the other hand, when using weighted average area data, information reliability can be higher than when using average area data.
도 11은 도 4에 포함된 단계들 중 단계(S24)의 세부적인 흐름의 제3 실시예를 도시한 도면이다. FIG. 11 is a diagram illustrating a third embodiment of the detailed flow of step S24 among the steps included in FIG. 4.
단계(S241c)에서, 서버(20)는 복수의 영역 이미지 중 L(2 이상의 정수)개의 제1 영역 이미지를 선택할 수 있다.In step S241c, the server 20 may select L (an integer of 2 or more) first region images from among the plurality of region images.
여기서, L개의 제1 영역 이미지 각각은 복수의 영역 이미지 중 M개의 중량 데이터 그룹의 측정 시간 구간과 시간적으로 대응되는 촬영 시간을 가지는 영역 이미지일 수 있다. Here, each of the L first area images may be an area image having a shooting time that temporally corresponds to the measurement time interval of the M weight data groups among the plurality of area images.
구체적으로, 상술한 M개의 중량 데이터 그룹 각각은 복수의 소속 중량 데이터를 포함할 수 있다. 이 때, 중량 데이터 그룹의 측정 시간 구간은 시작 시점 및 종료 시점을 경계로 하는 시간 구간일 수 있되, 시작 시점은 처음으로 측정된 소속 중량 데이터의 측정 시간과 대응될 수 있고, 종료 시점은 마지막으로 측정된 소속 중량 데이터의 측정 시간과 대응될 수 있다. 이 경우, 서버(20)는 복수의 영역 이미지 중에서 M개의 중량 데이터 그룹의 측정 시간 구간에 포함된 촬영 시간을 가지는 L개의 영역 이미지를 선택할 수 있다. Specifically, each of the M weight data groups described above may include a plurality of belonging weight data. At this time, the measurement time section of the weight data group may be a time section bordering the start time and the end time, but the start time may correspond to the measurement time of the weight data of the group measured for the first time, and the end time may be the last time. It may correspond to the measurement time of the measured belonging weight data. In this case, the server 20 may select L area images having shooting times included in the measurement time interval of the M weight data groups from among the plurality of area images.
단계(S242c)에서, 서버(20)는 L개의 제1 영역 이미지 각각에서 닭 개체의 형상을 추출하여 L개의 닭 이미지를 생성할 수 있다. 이는 도 9의 단계(S241a)와 유사하므로, 중복되는 설명은 생략한다. In step S242c, the server 20 may generate L chicken images by extracting the shape of the chicken object from each of the L first region images. Since this is similar to step S241a of FIG. 9, redundant description will be omitted.
단계(S243c)에서, 서버(20)는 L개의 닭 이미지 각각에서 닭 개체의 면적 데이터를 산출할 수 있다. 이는 도 9의 단계(S242a)와 유사하므로, 중복되는 설명은 생략한다. In step S243c, the server 20 may calculate area data of the chicken individual from each of the L chicken images. Since this is similar to step S242a of FIG. 9, redundant description will be omitted.
단계(S244c)에서, 서버(20)는 L개의 닭 이미지의 면적 데이터의 대표 면적을 닭 개체의 면적으로 산출할 수 있다. In step S244c, the server 20 may calculate the representative area of the area data of the L chicken images as the area of the chicken individual.
실시예에 따르면, L개의 닭 이미지의 면적 데이터의 대표 면적은 L개의 닭 이미지의 면적 데이터의 평균 면적 데이터와 대응될 수 있다. According to an embodiment, the representative area of the area data of the L chicken images may correspond to the average area data of the area data of the L chicken images.
다른 실시예에 따르면, L개의 닭 이미지의 면적 데이터의 대표 면적은 L개 닭 이미지의 가중치 각각과 L개 닭 이미지의 면적 데이터를 가중합한 가중 평균 면적 데이터와 대응될 수 있다. 한편, 단계(S244c)는 도 9의 단계(S243a)와 유사하므로, 중복되는 설명은 생략한다. According to another embodiment, the representative area of the area data of the L chicken images may correspond to the weighted average area data that is a weighted sum of each weight of the L chicken images and the area data of the L chicken images. Meanwhile, step S244c is similar to step S243a of FIG. 9, so overlapping description is omitted.
요컨대, 본 발명의 제3 실시예에 따른 닭 개체의 면적 산출 방법은, 기간 B에서 촬영된 복수의 영역 이미지와 대응되는 복수의 닭 이미지를 모두 사용하지 않고, 닭 개체의 중량을 산출하기 위해 사용되는 M개의 중량 데이터 그룹과 시간적으로 대응되는 L개의 닭 이미지만을 사용하여 닭 개체의 면적을 산출할 수 있다. 이에 따라, 신뢰성이 더욱 높은 닭 개체의 면적/중량 정보가 생성될 수 있다. 한편, 가중 평균 면적 데이터를 사용하는 경우, 평균 면적 데이터를 사용하는 경우보다 정보 신뢰도가 더욱 높아질 수 있다. In short, the method for calculating the area of a chicken individual according to the third embodiment of the present invention is used to calculate the weight of a chicken individual without using all of the plurality of area images taken in period B and the plurality of chicken images corresponding to them. The area of a chicken individual can be calculated using only the M weight data groups and the L chicken images that correspond in time. Accordingly, area/weight information of individual chickens with higher reliability can be generated. On the other hand, when using weighted average area data, information reliability can be higher than when using average area data.
도 12는 도 4에 포함된 단계들 중 단계(S24)의 세부적인 흐름의 제4 실시예를 도시한 도면이다. FIG. 12 is a diagram illustrating a fourth embodiment of the detailed flow of step S24 among the steps included in FIG. 4.
단계(S241d)에서, 서버(20)는 복수의 영역 이미지 중 L개의 제1 영역 이미지를 선택할 수 있다. 이는 도 11의 단계(S241c)와 동일하므로, 중복되는 설명은 생략한다. In step S241d, the server 20 may select L first area images from among the plurality of area images. Since this is the same as step S241c of FIG. 11, redundant description will be omitted.
단계(S242d)에서, 서버(20)는 L개의 제1 영역 이미지 각각에서 닭 개체의 형상을 추출하여 L개의 닭 이미지를 생성할 수 있다. 이는 도 11의 단계(S242c)와 동일하므로, 중복되는 설명은 생략한다. In step S242d, the server 20 may generate L chicken images by extracting the shape of the chicken object from each of the L first region images. Since this is the same as step S242c of FIG. 11, redundant description will be omitted.
단계(S243d)에서, 서버(20)는 기준 이미지와 L개의 닭 이미지 각각 간의 유사도를 산출할 수 있다. 이는 도 10의 단계(S242b)와 동일하므로, 중복되는 설명은 생략한다. In step S243d, the server 20 may calculate the similarity between the reference image and each of the L chicken images. Since this is the same as step S242b in FIG. 10, redundant description will be omitted.
단계(S244d)에서, 서버(20)는 L개의 닭 이미지 중 임계값(일례로, 90%) 이상의 유사도를 가지는 K2(2 이상의 정수)개의 닭 이미지를 선택할 수 있다. 이는 도 10의 단계(S243b)와 동일하므로, 중복되는 설명은 생략한다. In step S244d, the server 20 may select K 2 (an integer of 2 or more) chicken images having a similarity of more than a threshold (for example, 90%) among the L chicken images. Since this is the same as step S243b of FIG. 10, redundant description will be omitted.
단계(S245d)에서, 서버(20)는 K2개의 닭 이미지 각각에서 닭 개체의 면적 데이터를 산출할 수 있다. 이는 도 10의 단계(S244d)와 유사하므로, 중복되는 설명은 생략한다. In step S245d, the server 20 may calculate area data of the chicken individual from each of the K 2 chicken images. Since this is similar to step S244d of FIG. 10, redundant description will be omitted.
단계(S246d)에서, 서버(20)는 K2개의 닭 이미지의 면적 데이터의 대표 면적을 닭 개체의 면적으로 산출할 수 있다.In step S246d, the server 20 may calculate the representative area of the area data of K 2 chicken images as the area of the chicken individual.
실시예에 따르면, K2개의 닭 이미지의 면적 데이터의 대표 면적은 K2개의 닭 이미지의 면적 데이터의 평균 면적 데이터와 대응될 수 있다. According to an embodiment, the representative area of the area data of K 2 chicken images may correspond to the average area data of the area data of K 2 chicken images.
다른 실시예에 따르면, K2개의 닭 이미지의 면적 데이터의 대표 면적은 K2개의 닭 이미지의 가중치 각각과 K2개의 닭 이미지의 면적 데이터를 가중합한 가중 평균 면적 데이터와 대응될 수 있다. 이는 도 10의 단계(S245b)에서 설명한 "가중 평균 면적 데이터"와 유사하므로, 중복되는 설명은 생략한다. According to another embodiment, the representative area of the area data of the K 2 chicken images may correspond to the weighted average area data that is a weighted sum of the weights of each of the K 2 chicken images and the area data of the K 2 chicken images. Since this is similar to the “weighted average area data” described in step S245b of FIG. 10, overlapping descriptions will be omitted.
요컨대, 본 발명의 제4 실시예에 따른 닭 개체의 면적 산출 방법은, M개의 중량 데이터 그룹과 시간적으로 대응되는 L개의 닭 이미지를 선택한 후 평균적인 닭 형상과 매칭되지 않는 일부의 닭 이미지를 L개의 닭 이미지에서 제거하여 닭 개체의 면적을 산출할 수 있다. 이에 따라 신뢰성이 더더욱 높은 닭 개체의 면적/중량 정보를 생성할 수 있다. 한편, 가중 평균 면적 데이터를 사용하는 경우, 평균 면적 데이터를 사용하는 경우보다 정보 신뢰도가 높아질 수 있다. In short, the method for calculating the area of a chicken individual according to the fourth embodiment of the present invention selects L chicken images corresponding to M weight data groups in time, and then selects some chicken images that do not match the average chicken shape to L The area of the chicken object can be calculated by removing it from the chicken image. Accordingly, it is possible to generate area/weight information of individual chickens with even higher reliability. Meanwhile, when weighted average area data is used, information reliability may be higher than when average area data is used.
한편, 도 8의 (b)를 참조하면, 기준 중량 범위보다 높은 소속 중량 데이터를 가지는 중량 데이터 그룹 C의 경우, 중량 측정 모듈(11)의 상면(111)에 2마리의 닭 개체가 안착할 것으로 추론될 수 있다. 이 경우, 서버(20)는 추가적인 생체 정보를 생성할 수 있다. 이 때, 도 4에서 도시된 단계들이 수행된 후에 추가적인 생체 정보의 생성 과정이 수행될 수 있다. Meanwhile, referring to (b) of FIG. 8, in the case of weight data group C with membership weight data higher than the standard weight range, two chicken individuals are expected to land on the upper surface 111 of the weight measurement module 11. can be inferred. In this case, the server 20 may generate additional biometric information. At this time, a process of generating additional biometric information may be performed after the steps shown in FIG. 4 are performed.
도 14는 본 발명의 일 실시예에 따라서, 가축 개체의 추가적인 생체 정보를 산출하는 방법의 흐름도를 도시한 도면이다. Figure 14 is a flowchart of a method for calculating additional biometric information of a livestock individual, according to an embodiment of the present invention.
도 14의 단계들은 상술한 도 4의 단계들이 수행되고 난 후에 수행될 수 있다. 그리고, 도 14의 단계들 중 도 4, 도 9, 도 10, 도 11, 도 12에서 설명한 단계들과 중복되는 내용은 설명의 편의를 위해 생략한다. The steps of FIG. 14 may be performed after the steps of FIG. 4 described above are performed. Also, among the steps in FIG. 14, content that overlaps with the steps described in FIGS. 4, 9, 10, 11, and 12 is omitted for convenience of explanation.
단계(S31)에서, 서버(20)는 N개의 중량 데이터 그룹 중 기준 중량 범위보다 높은 소속 중량 데이터를 가지는 제1 중량 데이터 그룹(즉, 중량 데이터 그룹 C)을 선택할 수 있다. In step S31, the server 20 may select the first weight data group (i.e., weight data group C) whose weight data is higher than the reference weight range among the N weight data groups.
단계(S32)에서, 서버(20)는 제1 중량 데이터 그룹의 대표 중량에서 미리 산출된 닭 개체의 중량을 감산하여 추가적인 닭 개체의 중량을 산출할 수 있다. 이 때, 미리 산출된 닭 개체의 중량은 도 4의 단계(S23)에서 산출될 수 있다. In step S32, the server 20 may calculate the weight of an additional chicken individual by subtracting the weight of the chicken individual calculated in advance from the representative weight of the first weight data group. At this time, the weight of the chicken individual calculated in advance can be calculated in step S23 of FIG. 4.
즉, 제1 중량 데이터 그룹의 대표 중량은 중량 측정 모듈(11)의 상면(111)에 함께 안착한 제1 및 제2 닭 개체의 총 중량과 대응된다. 이 때, 제1 및 제2 닭 개체 중 어느 하나의 닭 개체가 중량 측정 모듈(11)의 상면(111)에서 이탈하면, 중량 측정 모듈(11)의 상면(111)에 계속 안착하고 있는 닭 개체의 중량이 도 4의 단계(S23)를 통해 산출된다. 따라서, 상기 이탈한 어느 하나의 닭 개체의 중량, 즉 추가적은 닭 개체의 중량은 제1 중량 데이터 그룹의 대표 중량에서 도 4의 단계(S23)에서 산출된 닭 개체의 중량을 감산함으로써 산출될 수 있다. That is, the representative weight of the first weight data group corresponds to the total weight of the first and second chicken individuals seated together on the upper surface 111 of the weight measurement module 11. At this time, if any one of the first and second chicken individuals leaves the upper surface 111 of the weight measurement module 11, the chicken individual continues to rest on the upper surface 111 of the weight measurement module 11. The weight is calculated through step S23 of FIG. 4. Therefore, the weight of any one chicken individual that has escaped, that is, the weight of the additional chicken individual, can be calculated by subtracting the weight of the chicken individual calculated in step S23 of FIG. 4 from the representative weight of the first weight data group. there is.
단계(S33)에서, 서버(20)는 기간 B에서 촬영된 복수의 영역 이미지 중 제1 중량 데이터 그룹의 측정 시간 구간과 시간적으로 대응되는 촬영 시간을 가지는 복수의 제2 영역 이미지를 선택할 수 있다. In step S33, the server 20 may select a plurality of second area images having a shooting time that temporally corresponds to the measurement time section of the first weight data group from among the plurality of area images captured in period B.
단계(S34)에서, 서버(20)는 복수의 제2 영역 이미지 각각에 대하여, 닭 형상을 각각 포함하는 제1 및 제2 닭 이미지를 생성하여 복수의 제1 닭 이미지 및 복수의 제2 닭 이미지를 생성할 수 있다. In step S34, the server 20 generates first and second chicken images each including a chicken shape for each of the plurality of second area images, thereby generating a plurality of first chicken images and a plurality of second chicken images. can be created.
즉, 중량 측정 모듈(11)의 상면(111)에 제1 닭 개체 및 제2 닭 개체가 안착하는 경우, 서버(20)는 제1 닭 개체에 대한 제1 닭 이미지 및 제2 닭 개체에 대한 제2 닭 이미지를 생성할 수 있다. That is, when the first chicken object and the second chicken object land on the upper surface 111 of the weight measurement module 11, the server 20 displays the first chicken image for the first chicken object and the second chicken object. A second chicken image can be created.
단계(S35)에서, 서버(20)는 복수의 제1 닭 이미지의 면적 데이터 및 복수의 제2 닭 이미지의 면적 데이터를 산출할 수 있다. In step S35, the server 20 may calculate area data of the plurality of first chicken images and area data of the plurality of second chicken images.
단계(S36)에서, 서버(20)는 복수의 제1 닭 이미지의 면적 데이터의 제1 대표 면적 및 복수의 제2 닭 이미지의 면적 데이터의 제2 대표 면적을 산출할 수 있다. In step S36, the server 20 may calculate a first representative area of the area data of the plurality of first chicken images and a second representative area of the area data of the plurality of second chicken images.
단계(S37)에서, 서버(20)는 제1 및 제2 대표 면적 중 미리 산출된 닭 개체의 면적과의 차이가 큰 어느 하나의 대표 면적을 추가적인 닭 개체의 면적으로 산출할 수 있다. In step S37, the server 20 may calculate one of the first and second representative areas, which has a large difference from the previously calculated area of the chicken individual, as the area of the additional chicken individual.
구체적으로, 제1 및 제2 닭 개체 중 중량 측정 모듈(11)의 상면(111)에 계속 안착하고 있는 닭 개체의 면적은 도 4의 단계(S24)를 통해 산출된다. 따라서, 제1 및 제2 대표 면적 중 단계(S24)를 통해 산출된 닭 개체의 면적과의 차이가 작은 대표 면적은 중량 측정 모듈(11)의 상면(111)에 계속 안착하고 있는 닭 개체의 면적과 대응되며, 제1 및 제2 대표 면적 중 단계(S24)를 통해 산출된 닭 개체의 면적과의 차이가 큰 대표 면적은 상기 이탈한 어느 하나의 닭 개체의 면적, 즉 추가적인 닭 개체의 면적과 대응될 수 있다. Specifically, among the first and second chicken individuals, the area of the chicken individual that continues to rest on the upper surface 111 of the weight measurement module 11 is calculated through step S24 of FIG. 4. Therefore, the representative area with a small difference from the area of the chicken individual calculated through step S24 among the first and second representative areas is the area of the chicken individual that continues to rest on the upper surface 111 of the weight measurement module 11. Corresponds to the first and second representative areas, the representative area with a large difference from the area of the chicken individual calculated through step (S24) is the area of any one chicken individual that deviated from the above, that is, the area of the additional chicken individual and can be responded to.
요컨대, 상기 도 14의 과정을 통해 추가적인 생체 정보가 생성됨으로써, 더욱 많은 생체 정보가 획득될 수 있다. In short, by generating additional biometric information through the process of FIG. 14, more biometric information can be obtained.
한편, 도 4의 단계들은 서버(20)을 대신하여 생체 데이터 획득 장치(10)의 제어 모듈(14)에서도 수행될 수 있다. 이 경우, 제어 모듈(14)은 고성능의 프로세서를 포함할 수 있다. Meanwhile, the steps of FIG. 4 may also be performed by the control module 14 of the biometric data acquisition device 10 instead of the server 20. In this case, the control module 14 may include a high-performance processor.
또한, 본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 일 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Additionally, embodiments of the present invention may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and constructed for the present invention or may be known and usable by those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -Includes optical media (magneto-optical) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of embodiments of the present invention, and vice versa.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 청구범위뿐 아니라 청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다. As described above, the present invention has been described with reference to specific details such as specific components and limited embodiments and drawings, but this is only provided to aid the overall understanding of the present invention, and the present invention is not limited to the above embodiments. Various modifications and variations can be made from this description by those skilled in the art to which the present invention pertains. Accordingly, the spirit of the present invention should not be limited to the described embodiments, and the claims described below as well as all modifications that are equivalent or equivalent to the claims shall fall within the scope of the spirit of the present invention.
Claims (11)
군집화 알고리즘 및 미리 설정된 기준 중량 범위에 기초하여 상기 복수의 중량 데이터에서 M(1 이상의 정수)개의 중량 데이터 그룹을 도출하고, 상기 M개의 중량 데이터 그룹 각각의 대표 중량에 기초하여 상기 가축 개체의 중량을 산출하고, 상기 복수의 영역 이미지 중 적어도 일부의 영역 이미지에서 각각 상기 가축 개체의 형상을 추출하여 적어도 일부의 가축 이미지를 생성하고, 미리 설정된 기준 가축 형상과 대응되는 기준 이미지와 상기 적어도 일부의 가축 이미지 각각의 유사도를 산출하고, 상기 적어도 일부의 가축 이미지 중 미리 설정된 임계값 이상의 유사도를 가지는 K(2 이상의 정수)개의 가축 이미지를 선택하고, 상기 K개의 가축 이미지 각각에서 상기 가축 개체의 면적 데이터를 산출하고, 상기 K개의 가축 이미지의 면적 데이터의 대표 면적을 상기 가축 개체의 면적으로 산출하는 서버;를 포함하는,
가축 개체의 생체 정보 산출 시스템.
In a preset first period, the weight data of the livestock individual is measured to obtain a plurality of weight data over time, and an image of the first region containing the livestock individual is captured to obtain a plurality of region images over time. A device for acquiring biometric data; and
Based on a clustering algorithm and a preset reference weight range, M (an integer of 1 or more) weight data groups are derived from the plurality of weight data, and the weight of the livestock individual is calculated based on the representative weight of each of the M weight data groups. Calculate, generate at least some livestock images by extracting the shape of the livestock object from at least some of the region images among the plurality of region images, and generate a reference image corresponding to a preset reference livestock shape and the at least some livestock images. Calculate each similarity, select K (an integer of 2 or more) livestock images having a similarity greater than a preset threshold among at least some of the livestock images, and calculate area data of the livestock individual from each of the K livestock images. And a server that calculates the representative area of the area data of the K livestock images as the area of the livestock individual; including,
Biometric information calculation system for livestock individuals.
상기 생체 데이터 획득 장치는,
상기 중량 데이터를 측정하는 중량 센서를 포함하고, 상기 가축 개체가 안착되는 상면을 구비한 중량 측정 모듈;
상기 중량 측정 모듈의 상측에 배치되는 거리 센서;
상기 중량 측정 모듈의 상측에 배치되며, 상기 중량 측정 모듈이 위치하는 제1 영역의 이미지를 촬영하는 카메라; 및
상기 중량 센서, 상기 거리 센서 및 상기 카메라의 구동을 제어하고, 상기 중량 센서 및 상기 카메라로부터 상기 중량 데이터 및 상기 제1 영역의 이미지를 획득하는 제어 모듈;을 포함하는,
가축 개체의 생체 정보 산출 시스템.
According to paragraph 1,
The biometric data acquisition device,
A weight measurement module including a weight sensor that measures the weight data and having an upper surface on which the livestock individual is seated;
A distance sensor disposed above the weight measurement module;
a camera disposed above the weight measurement module and capturing an image of a first area where the weight measurement module is located; and
A control module that controls the operation of the weight sensor, the distance sensor, and the camera, and obtains the weight data and the image of the first area from the weight sensor and the camera.
Biometric information calculation system for livestock individuals.
상기 서버는,
군집화 알고리즘에 기초하여 상기 복수의 중량 데이터를 N(M 이상의 정수)개의 중량 데이터 그룹으로 분류하고,
상기 N개의 중량 데이터 그룹 각각의 대표 중량을 산출하고,
상기 기준 중량 범위 및 상기 N개의 중량 데이터 그룹 각각의 대표 중량에 기초하여 상기 N개의 중량 데이터 그룹에서 상기 M개의 중량 데이터 그룹을 선택하고,
상기 M개의 중량 데이터 그룹 각각의 대표 중량에 기초하여 상기 가축 개체의 중량을 산출하는,
가축 개체의 생체 정보 산출 시스템.
According to paragraph 1,
The server is,
Classifying the plurality of weight data into N (an integer of M or more) weight data groups based on a clustering algorithm,
Calculating a representative weight of each of the N weight data groups,
Selecting the M weight data groups from the N weight data groups based on the reference weight range and a representative weight of each of the N weight data groups,
Calculating the weight of the livestock individual based on the representative weight of each of the M weight data groups,
Biometric information calculation system for livestock individuals.
상기 적어도 일부의 영역 이미지는,
상기 복수의 영역 이미지 모두와 대응되거나,
상기 복수의 영역 이미지 중 상기 M개의 중량 데이터 그룹의 측정 시간 구간과 시간적으로 대응되는 촬영 시간을 가지는 L(2 이상이 정수)개의 제1 영역 이미지와 대응되는,
가축 개체의 생체 정보 산출 시스템.
According to paragraph 1,
At least some of the area images are,
Corresponds to all of the plurality of area images, or
Among the plurality of area images, L (2 or more is an integer) number of first area images having shooting times corresponding temporally to the measurement time intervals of the M weight data groups,
Biometric information calculation system for livestock individuals.
상기 대표 면적은, 상기 K개의 가축 이미지의 면적 데이터의 평균 면적 데이터와 대응되거나, 상기 K개의 가축 이미지의 가중치 각각과 상기 적어도 일부의 가축 이미지의 면적 데이터를 가중합한 가중 평균 면적 데이터와 대응되되,
상기 K개의 가축 이미지의 가중치 각각은, 상기 기준 이미지와 상기 가축 이미지 간의 유사도와 비례하여 설정되는,
가축 개체의 생체 정보 산출 시스템.
According to paragraph 1,
The representative area corresponds to the average area data of the area data of the K livestock images, or to the weighted average area data that is a weighted sum of the weights of each of the K livestock images and the area data of at least some of the livestock images,
Each weight of the K livestock images is set in proportion to the similarity between the reference image and the livestock image.
Biometric information calculation system for livestock individuals.
상기 서버는,
군집화 알고리즘에 기초하여 상기 복수의 중량 데이터를 N(M 이상의 정수)개의 중량 데이터 그룹으로 분류하고,
상기 N개의 중량 데이터 그룹 각각의 대표 중량을 산출하고,
상기 N개의 중량 데이터 그룹 중 상기 산출된 대표 중량이 상기 기준 중량 범위보다 높은 제1 중량 데이터 그룹을 선택하고,
상기 제1 중량 데이터 그룹의 대표 중량에서 상기 가축 개체의 중량을 감산하여 추가적인 가축 개체의 중량을 산출하고,
상기 복수의 영역 이미지 중 상기 제1 중량 데이터 그룹의 측정 시간 구간과 시간적으로 대응되는 촬영 시간을 가지는 복수의 제2 영역 이미지를 선택하고,
상기 복수의 제2 영역 이미지 각각에 대하여 상기 가축 형상을 각각 포함하는 제1 및 제2 가축 이미지를 생성함으로써 복수의 제1 가축 이미지 및 복수의 제2 가축 이미지를 생성하고,
상기 복수의 제1 가축 이미지 및 상기 복수의 제2 가축 이미지의 면적 데이터를 산출하고,
상기 복수의 제1 가축 이미지의 면적 데이터의 제1 대표 면적 및 상기 복수의 제2 가축 이미지의 면적 데이터의 제2 대표 면적을 산출하고,
상기 제1 및 제2 대표 면적 중 상기 가축 개체의 면적과의 차이가 큰 어느 하나의 대표 면적을 추가적인 가축 개체의 면적으로 산출하는,
가축 개체의 생체 정보 산출 시스템.
According to paragraph 1,
The server is,
Classifying the plurality of weight data into N (an integer of M or more) weight data groups based on a clustering algorithm,
Calculating a representative weight of each of the N weight data groups,
Selecting a first weight data group whose calculated representative weight is higher than the reference weight range among the N weight data groups,
Calculating the weight of an additional livestock individual by subtracting the weight of the livestock individual from the representative weight of the first weight data group,
Selecting a plurality of second area images having a shooting time temporally corresponding to the measurement time section of the first weight data group from among the plurality of area images,
generating a plurality of first livestock images and a plurality of second livestock images by generating first and second livestock images each including the livestock shape for each of the plurality of second area images;
Calculating area data of the plurality of first livestock images and the plurality of second livestock images,
Calculate a first representative area of the area data of the plurality of first livestock images and a second representative area of the area data of the plurality of second livestock images,
Among the first and second representative areas, calculating any one representative area with a large difference from the area of the livestock individual as the area of the additional livestock individual,
Biometric information calculation system for livestock individuals.
미리 설정된 제1 기간에서 순차적으로 측정된 상기 가축 개체의 중량 데이터인 복수의 중량 데이터를 획득하는 단계;
상기 제1 기간에서 순차적으로 촬영된 상기 가축 개체가 포함되는 제1 영역의 이미지인 복수의 영역 이미지를 획득하는 단계;
군집화 알고리즘 및 미리 설정된 기준 중량 범위에 기초하여 상기 복수의 중량 데이터에서 M(1 이상의 정수)개의 중량 데이터 그룹을 도출하는 단계;
상기 M개의 중량 데이터 그룹 각각의 대표 중량에 기초하여 상기 가축 개체의 중량을 산출하는 단계;
상기 복수의 영역 이미지 중 적어도 일부의 영역 이미지에서 각각 상기 가축 개체의 형상을 추출하여 적어도 일부의 가축 이미지를 생성하고, 미리 설정된 기준 가축 형상과 대응되는 기준 이미지와 상기 적어도 일부의 가축 이미지 각각의 유사도를 산출하고, 상기 적어도 일부의 가축 이미지 중 미리 설정된 임계값 이상의 유사도를 가지는 K(2 이상의 정수)개의 가축 이미지를 선택하고, 상기 K개의 가축 이미지 각각에서 상기 가축 개체의 면적 데이터를 산출하고, 상기 K개의 가축 이미지의 면적 데이터의 대표 면적을 상기 가축 개체의 면적으로 산출하는 단계;를 포함하는,
가축 개체의 생체 정보 산출 방법.
In the method of calculating biometric information of a livestock individual performed by a processor,
Obtaining a plurality of weight data, which is weight data of the livestock individual, sequentially measured in a preset first period;
Obtaining a plurality of area images that are images of a first area including the livestock object sequentially photographed in the first period;
Deriving M (an integer of 1 or more) weight data groups from the plurality of weight data based on a clustering algorithm and a preset reference weight range;
calculating the weight of the livestock individual based on a representative weight of each of the M weight data groups;
At least some of the livestock images are generated by extracting the shape of the livestock object from at least some of the region images among the plurality of region images, and the similarity between the reference image corresponding to a preset reference livestock shape and the at least some of the livestock images. Calculate, select K (an integer of 2 or more) livestock images having a similarity of more than a preset threshold among the at least some livestock images, calculate area data of the livestock individual from each of the K livestock images, and Comprising: calculating a representative area of the area data of K livestock images as the area of the livestock individual,
Method for calculating biometric information of livestock individuals.
A computer-readable recording medium recording a program for performing the method of claim 10.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230089192A KR102643253B1 (en) | 2023-07-10 | 2023-07-10 | System and method for calculating biometric information of livestock individual with highly reliability |
| KR1020230141789A KR102643267B1 (en) | 2023-07-10 | 2023-10-23 | System and method for calculating biometric information of livestock individual including weight and area of the livestock individual with highly reliability |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230089192A KR102643253B1 (en) | 2023-07-10 | 2023-07-10 | System and method for calculating biometric information of livestock individual with highly reliability |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230141789A Division KR102643267B1 (en) | 2023-07-10 | 2023-10-23 | System and method for calculating biometric information of livestock individual including weight and area of the livestock individual with highly reliability |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102643253B1 true KR102643253B1 (en) | 2024-03-05 |
Family
ID=90298013
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230089192A KR102643253B1 (en) | 2023-07-10 | 2023-07-10 | System and method for calculating biometric information of livestock individual with highly reliability |
| KR1020230141789A KR102643267B1 (en) | 2023-07-10 | 2023-10-23 | System and method for calculating biometric information of livestock individual including weight and area of the livestock individual with highly reliability |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230141789A KR102643267B1 (en) | 2023-07-10 | 2023-10-23 | System and method for calculating biometric information of livestock individual including weight and area of the livestock individual with highly reliability |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102643253B1 (en) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101877271B1 (en) | 2017-10-26 | 2018-07-11 | 주식회사 이모션 | Load cell-based livestock weighing system and standard weight estimation method of livestock using it |
| KR20190066403A (en) * | 2017-12-05 | 2019-06-13 | 주식회사 토브스 | System and method of measuring livestock weight |
| KR102009677B1 (en) | 2017-09-13 | 2019-08-12 | (주)제이케이데이터시스템즈 | System and Method for measuring weight of poultry based on pattern recognition |
| KR102229933B1 (en) | 2020-08-26 | 2021-03-18 | 윤명석 | The Scales for Weighing of Poultry and Poultry Bio Measurement System using the same |
| KR102352042B1 (en) * | 2020-07-30 | 2022-01-19 | 주식회사 에스티엔 | Poultry Weighing and Weight Estimation System |
| KR102377460B1 (en) | 2019-11-14 | 2022-03-22 | 주식회사 이모션 | Livestock Uniformity Management System Using Cattle Weighing Machine |
| KR102535769B1 (en) * | 2022-01-10 | 2023-05-26 | (주)엠트리센 | Contactless livestock weighing apparatus and method |
-
2023
- 2023-07-10 KR KR1020230089192A patent/KR102643253B1/en active IP Right Grant
- 2023-10-23 KR KR1020230141789A patent/KR102643267B1/en active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102009677B1 (en) | 2017-09-13 | 2019-08-12 | (주)제이케이데이터시스템즈 | System and Method for measuring weight of poultry based on pattern recognition |
| KR101877271B1 (en) | 2017-10-26 | 2018-07-11 | 주식회사 이모션 | Load cell-based livestock weighing system and standard weight estimation method of livestock using it |
| KR20190066403A (en) * | 2017-12-05 | 2019-06-13 | 주식회사 토브스 | System and method of measuring livestock weight |
| KR102377460B1 (en) | 2019-11-14 | 2022-03-22 | 주식회사 이모션 | Livestock Uniformity Management System Using Cattle Weighing Machine |
| KR102352042B1 (en) * | 2020-07-30 | 2022-01-19 | 주식회사 에스티엔 | Poultry Weighing and Weight Estimation System |
| KR102229933B1 (en) | 2020-08-26 | 2021-03-18 | 윤명석 | The Scales for Weighing of Poultry and Poultry Bio Measurement System using the same |
| KR102535769B1 (en) * | 2022-01-10 | 2023-05-26 | (주)엠트리센 | Contactless livestock weighing apparatus and method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102643267B1 (en) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9152845B2 (en) | Human attribute estimation system, human attribute estimation apparatus and human attribute estimation method | |
| Khan et al. | Analyzing crowd behavior in naturalistic conditions: Identifying sources and sinks and characterizing main flows | |
| Bazzani et al. | Multiple-shot person re-identification by hpe signature | |
| De Marsico et al. | Insights into the results of miche i-mobile iris challenge evaluation | |
| CN112689843B (en) | Closed loop automatic data set creation system and method | |
| CN105260731A (en) | Human face living body detection system and method based on optical pulses | |
| JP2016110635A (en) | Adapted vocabularies for matching image signatures with fisher vectors | |
| Liu et al. | Automatic estimation of dairy cattle body condition score from depth image using ensemble model | |
| CN102087702A (en) | Image processing device, image processing method and program | |
| US11893727B2 (en) | Rail feature identification system | |
| US10796141B1 (en) | Systems and methods for capturing and processing images of animals for species identification | |
| KR20140045854A (en) | Method and apparatus for monitoring video for estimating gradient of single object | |
| US10861172B2 (en) | Sensors and methods for monitoring flying objects | |
| Salvagnini et al. | Person re-identification with a ptz camera: an introductory study | |
| JP2020119505A (en) | Learning method and learning device for improving segmentation performance to be used for detecting road user events by using double embedding configuration in multi-camera system, and testing method and testing device using the same | |
| US10657422B2 (en) | Methods and systems for hyper-spectral systems | |
| Khan et al. | A Computer Vision Tool Set for Innovative Elder Pedestrians Aware Crowd Management Support Systems. | |
| JP6977345B2 (en) | Image processing device, image processing method, and image processing program | |
| Marmanis et al. | Deep neural networks for above-ground detection in very high spatial resolution digital elevation models | |
| KR102643253B1 (en) | System and method for calculating biometric information of livestock individual with highly reliability | |
| KR20200126576A (en) | A method, server, device and program for measuring amount of food | |
| Ueno et al. | Automatically detecting and tracking free‐ranging Japanese macaques in video recordings with deep learning and particle filters | |
| KR102643261B1 (en) | System and method for calculating accurate biometric information of livestock individual | |
| Monteiro et al. | A depth-map approach for automatic mice behavior recognition | |
| CN113627255B (en) | Method, device and equipment for quantitatively analyzing mouse behaviors and readable storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |