KR102653261B1

KR102653261B1 - 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법 및 시스템

Info

Publication number: KR102653261B1
Application number: KR1020230175562A
Authority: KR
Inventors: 경노겸; 송신애; 최홍태; 사재원; 김희곤
Original assignee: 한국축산데이터 주식회사
Priority date: 2023-12-06
Filing date: 2023-12-06
Publication date: 2024-04-01

Abstract

본 발명은 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에 관한 것으로서, 보다 구체적으로는 컴퓨터에서 각 단계가 수행되는, 계사 관리 방법으로서, (1) 계사 영상에서 닭 개체를 탐지하는 단계; (2) 상기 탐지된 닭 개체의 위치로 커널 밀도 추정(kernel density estimation, KDE)을 계산하고, 밀집도 맵을 생성하는 단계; (3) 상기 밀집도 맵에서 계군의 군집 영역을 탐지하고, 상기 탐지된 군집 영역의 면적을 계산해 면적 사용 비율을 계산하는 단계; (4) 상기 면적 사용 비율이 제1 임곗값 이상이면 계사 환경을 정상으로 탐지하고, 상기 면적 사용 비율이 상기 제1 임곗값 미만이면 계사 환경을 이상 상황으로 탐지하는 단계; (5) 상기 단계 (4)에서 이상 상황으로 탐지되면, 상기 단계 (3)에서 탐지된 군집 영역 중에서 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역을 선정하고, 선정된 상기 최대 군집 영역에 대해, 계사 면적 대비 탐지된 군집 영역의 면적으로 정의되는 최대 군집 면적 비율을 계산하는 단계; 및 (6) 상기 단계 (5)에서 계산된 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황으로 분류하며, 상기 계산된 최대 군집 면적 비율이 상기 제2 임곗값 이하이면 제2 이상 상황으로 분류하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명은 계군 분포를 활용한 영상 분석 기반의 계사 관리 시스템에 관한 것으로서, 보다 구체적으로는 계사 관리 시스템으로서, 계사 영상에서 닭 개체를 탐지하는 개체 탐지부; 상기 탐지된 닭 개체의 위치로 커널 밀도 추정(kernel density estimation, KDE)을 계산하고, 밀집도 맵을 생성하는 KDE 연산부; 상기 밀집도 맵에서 계군의 군집 영역을 탐지하고, 상기 탐지된 군집 영역의 면적을 계산해 면적 사용 비율을 계산하는 제1 면적 비율 계산부; 상기 면적 사용 비율이 제1 임곗값 이상이면 계사 환경을 정상으로 탐지하고, 상기 면적 사용 비율이 상기 제1 임곗값 미만이면 계사 환경을 이상 상황으로 탐지하는 제1 판단부; 상기 제1 판단부에서 이상 상황으로 탐지되면, 상기 제1 면적 비율 계산부에서 탐지된 군집 영역 중에서 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역을 선정하고, 선정된 상기 최대 군집 영역에 대해, 계사 면적 대비 탐지된 군집 영역의 면적으로 정의되는 최대 군집 면적 비율을 계산하는 제2 면적 비율 계산부; 및 상기 제2 면적 비율 계산부에서 계산된 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황으로 분류하며, 상기 계산된 최대 군집 면적 비율이 상기 제2 임곗값 이하이면 제2 이상 상황으로 분류하는 제2 판단부를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법 및 시스템에 따르면, 계사 영상으로부터 계산한 계군의 면적 사용 비율을 이용해 계사 환경의 이상 상황을 탐지하고, 이상 상황으로 탐지되면 최대 군집 면적 비율을 사용해 어떤 이상 상황인지를 분류함으로써, 계사 면적과 개체 수가 동일하게 유지될 때도 면적 사용 비율을 지표로 활용해 쉽게 이상 상황을 탐지할 수 있고, 면적 사용 비율이라는 하나의 지표만으로도 이상 상황을 판단할 수 있어서, 계사가 크고 개수가 많아서 관리해야 할 범위가 넓을 때도 빠르고 효율적으로 계사 내부를 파악할 수 있다.

Description

계군 분포를 활용한 영상 분석 기반의 계사 관리 방법 및 시스템{METHOD AND SYSTEM FOR MANAGING CHICKEN FARMS BASED ON IMAGE ANALYSIS USING CHICKEN GROUP DISTRIBUTION}

본 발명은 계사 관리 방법 및 시스템에 관한 것으로서, 보다 구체적으로는 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법 및 시스템에 관한 것이다.

이 부분에 기술된 내용은 단순히 본 발명의 일실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.

양계 사육은 일반적으로 한 계사에 만 수 이상을 사육하고 동시에 많은 개체의 움직임이 포착되는 특징이 있으므로 군집 관리가 중요하다. 특히, 축산 악취 개선, 가축 질병의 효율적 차단 방역 등 축산업 기반 강화를 위해, 단위 면적당 적정 사육 기준들을 지키는 것이 권고되고 있다. 그러나 단위 면적당 개체 수는 축사의 전체 면적에서 사육되는 가축의 수로 단순 계산되기 때문에, 계사 내부에서 일부 영역의 부분 밀집도를 파악하여 관리하는 것은 쉽지 않다.

따라서 단위 면적당 적정 사육 기준을 지키고 양계 사육 환경을 개선하기 위해서는, 계사 내 닭이 군집하는 정도에 대하여 닭 개체들이 얼마큼 고르게 분포되어 있는지 혹은 특정 영역에 집중되어 분포되어 있는지 확인할 수 있어야 한다. 그러나 계군의 군집 정도의 확인이나 이상 상황의 발생은 사람의 육안 확인이 필요한 작업이기 때문에, 계사 내부를 24시간 지속적이고 세밀하게 관리할 수 없다는 문제가 있다. 이러한 문제로 인해 생산성 감소가 야기될 수 있다. 따라서 사람의 노동력을 최소화하는 동시에 계사를 24시간 자동으로 모니터링하여 효율적인 관리를 할 방법의 개발이 요구된다.

한편, 본 발명과 관련된 선행기술로, 공개특허 제10-2023-0094873호(발명의 명칭: 양계 데이터 처리 방법 및 장치, 공개일자: 2023년 6월 28일) 등이 개시된 바 있다.

전술한 배경 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지 기술이라 할 수는 없다.

본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 계사 영상으로부터 계산한 계군의 면적 사용 비율을 이용해 계사 환경의 이상 상황을 탐지하고, 이상 상황으로 탐지되면 최대 군집 면적 비율을 사용해 어떤 이상 상황인지를 분류함으로써, 계사 면적과 개체 수가 동일하게 유지될 때도 면적 사용 비율을 지표로 활용해 쉽게 이상 상황을 탐지할 수 있고, 면적 사용 비율이라는 하나의 지표만으로도 이상 상황을 판단할 수 있어서, 계사가 크고 개수가 많아서 관리해야 할 범위가 넓을 때도 빠르고 효율적으로 계사 내부를 파악할 수 있는, 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법 및 시스템을 제공하는 것을 그 목적으로 한다.

다만, 본 발명이 이루고자 하는 기술적 과제는 상기한 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있고, 명시적으로 언급하지 않더라도 과제의 해결수단이나 실시 형태로부터 파악될 수 있는 목적이나 효과도 이에 포함됨은 물론이다.

상기한 목적을 달성하기 위한 본 발명의 특징에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법은,

컴퓨터에서 각 단계가 수행되는, 계사 관리 방법으로서,

(1) 계사 영상에서 닭 개체를 탐지하는 단계;

(2) 상기 탐지된 닭 개체의 위치로 커널 밀도 추정(kernel density estimation, KDE)을 계산하고, 밀집도 맵을 생성하는 단계;

(3) 상기 밀집도 맵에서 계군의 군집 영역을 탐지하고, 상기 탐지된 군집 영역의 면적을 계산해 면적 사용 비율을 계산하는 단계;

(4) 상기 면적 사용 비율이 제1 임곗값 이상이면 계사 환경을 정상으로 탐지하고, 상기 면적 사용 비율이 상기 제1 임곗값 미만이면 계사 환경을 이상 상황으로 탐지하는 단계;

(5) 상기 단계 (4)에서 이상 상황으로 탐지되면, 상기 단계 (3)에서 탐지된 군집 영역 중에서 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역을 선정하고, 선정된 상기 최대 군집 영역에 대해, 계사 면적 대비 탐지된 군집 영역의 면적으로 정의되는 최대 군집 면적 비율을 계산하는 단계; 및

(6) 상기 단계 (5)에서 계산된 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황으로 분류하며, 상기 계산된 최대 군집 면적 비율이 상기 제2 임곗값 이하이면 제2 이상 상황으로 분류하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.

바람직하게는, 상기 단계 (1)에서는,

군중 계수 모델(Crowd counting model)을 사용해 상기 계사 영상에서 닭 개체를 탐지할 수 있다.

바람직하게는, 상기 단계 (2)에서는,

2차원의 상기 계사 영상을 미리 설정된 그리드로 나누고, 각 그리드 안에서 탐지된 개별 닭 개체의 좌표에 대하여 KDE를 계산할 수 있다.

바람직하게는, 상기 단계 (3)에서는,

방울 검출(blob detection) 방법을 사용해 상기 계군의 군집 영역을 탐지할 수 있다.

바람직하게는,

상기 단계 (6)에서 분류하는 상기 제1 이상 상황은 외부 침입이고, 상기 제2 이상 상황은 저온 환경일 수 있다.

상기한 목적을 달성하기 위한 본 발명의 특징에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법을 컴퓨터에서 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장되는 컴퓨터 프로그램.

상기한 목적을 달성하기 위한 본 발명의 특징에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 시스템은,

계사 관리 시스템으로서,

계사 영상에서 닭 개체를 탐지하는 개체 탐지부;

상기 탐지된 닭 개체의 위치로 커널 밀도 추정(kernel density estimation, KDE)을 계산하고, 밀집도 맵을 생성하는 KDE 연산부;

상기 밀집도 맵에서 계군의 군집 영역을 탐지하고, 상기 탐지된 군집 영역의 면적을 계산해 면적 사용 비율을 계산하는 제1 면적 비율 계산부;

상기 면적 사용 비율이 제1 임곗값 이상이면 계사 환경을 정상으로 탐지하고, 상기 면적 사용 비율이 상기 제1 임곗값 미만이면 계사 환경을 이상 상황으로 탐지하는 제1 판단부;

상기 제1 판단부에서 이상 상황으로 탐지되면, 상기 제1 면적 비율 계산부에서 탐지된 군집 영역 중에서 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역을 선정하고, 선정된 상기 최대 군집 영역에 대해, 계사 면적 대비 탐지된 군집 영역의 면적으로 정의되는 최대 군집 면적 비율을 계산하는 제2 면적 비율 계산부; 및

상기 제2 면적 비율 계산부에서 계산된 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황으로 분류하며, 상기 계산된 최대 군집 면적 비율이 상기 제2 임곗값 이하이면 제2 이상 상황으로 분류하는 제2 판단부를 포함하는 것을 그 구성상의 특징으로 한다.

본 발명에서 제안하고 있는 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법 및 시스템에 따르면, 계사 영상으로부터 계산한 계군의 면적 사용 비율을 이용해 계사 환경의 이상 상황을 탐지하고, 이상 상황으로 탐지되면 최대 군집 면적 비율을 사용해 어떤 이상 상황인지를 분류함으로써, 계사 면적과 개체 수가 동일하게 유지될 때도 면적 사용 비율을 지표로 활용해 쉽게 이상 상황을 탐지할 수 있고, 면적 사용 비율이라는 하나의 지표만으로도 이상 상황을 판단할 수 있어서, 계사가 크고 개수가 많아서 관리해야 할 범위가 넓을 때도 빠르고 효율적으로 계사 내부를 파악할 수 있다.

더불어, 본 발명의 다양하면서도 유익한 장점과 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시 형태를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.

도 1은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 시스템의 구성을 도시한 도면.
도 2는 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법의 흐름을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서, 면적 사용 비율에 따른 이상 상황 탐지를 설명하기 위해 도시한 도면.
도 4는 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서, 면적 사용 비율로 탐지할 수 있는 이상 상황을 설명하기 위해 도시한 도면.
도 5는 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법의 단계 S110에서 군중 계수 모델을 사용한 개체 위치 탐지 알고리즘을 나타낸 도면.
도 6은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법의 단계 S120에서 생성된 밀집도 맵을 예를 들어 도시한 도면.
도 7은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서 제1 이상 상황인 사람 침입, 제2 이상 상황인 저온 환경으로 분류된 밀집도 맵을 예를 들어 도시한 도면.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.

또한, 본 발명의 각 실시예에 포함된 각 구성, 과정, 공정 또는 방법 등은 기술적으로 상호간 모순되지 않는 범위 내에서 공유될 수 있다.

또한, 본 발명에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수 있다. 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

특히, 본 발명의 각 실시예에 따른 시스템을 실행시키기 위한 수단으로는 애플리케이션(Application), 또는 웹 서버일 수 있으며, 이 애플리케이션, 또는 웹 서버를 기록한 기록매체를 읽을 수 있는 수단인 단말로는, 일반적인 데스크톱이나 노트북 등의 일반 PC뿐만 아니라, 스마트 폰, 태블릿 PC, 등의 모바일 단말기를 포함할 수 있다.

이하, 첨부된 도면을 참고하여 본 발명의 실시예들을 상세히 설명하도록 한다.

도 1은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 시스템(100)의 구성을 도시한 도면이다. 도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 시스템(100)은, 계사 관리 시스템(100)으로서, 계사 영상에서 닭 개체를 탐지하는 개체 탐지부(110); 탐지된 닭 개체의 위치로 커널 밀도 추정(kernel density estimation, KDE)을 계산하고, 밀집도 맵을 생성하는 KDE 연산부(120); 밀집도 맵에서 계군의 군집 영역을 탐지하고, 탐지된 군집 영역의 면적을 계산해 면적 사용 비율을 계산하는 제1 면적 비율 계산부(130); 면적 사용 비율이 제1 임곗값 이상이면 계사 환경을 정상으로 탐지하고, 면적 사용 비율이 제1 임곗값 미만이면 계사 환경을 이상 상황으로 탐지하는 제1 판단부(140); 제1 판단부(140)에서 이상 상황으로 탐지되면, 제1 면적 비율 계산부(130)에서 탐지된 군집 영역 중에서 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역을 선정하고, 선정된 최대 군집 영역에 대해, 계사 면적 대비 탐지된 군집 영역의 면적으로 정의되는 최대 군집 면적 비율을 계산하는 제2 면적 비율 계산부(150); 및 제2 면적 비율 계산부(150)에서 계산된 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황으로 분류하며, 계산된 최대 군집 면적 비율이 제2 임곗값 이하이면 제2 이상 상황으로 분류하는 제2 판단부(160)를 포함하여 구성될 수 있다.

도 2는 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법의 흐름을 도시한 도면이다. 도 2에 도시된 바와 같이, 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법은, 컴퓨터에서 각 단계가 수행되는, 계사 관리 방법으로서, 계사 영상에서 닭 개체를 탐지하는 단계(S110), KDE를 계산하고 밀집도 맵을 생성하는 단계(S120), 밀집도 맵에서 계군의 군집 영역을 탐지하고 면적 사용 비율을 계산하는 단계(S130), 면적 사용 비율이 제1 임곗값 이상이면 정상, 미만이면 이상 상황으로 탐지하는 단계(S140), 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역에 대해 최대 군집 면적 비율을 계산하는 단계(S150) 및 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황, 이하이면 제2 이상 상황으로 분류하는 단계(S140)를 포함하여 구현될 수 있다.

즉, 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법 및 시스템에서는, 단계 S140에서 면적 사용 비율, 단계 S160에서 최대 군집 면적 비율을 각각 이용해 계사의 이상 상황을 판단한다. 즉, 본 발명에서는 면적 비율을 지표로 활용해 밀집 상태를 파악하는데, 이러한 지표를 활용하면 카메라로부터 수집된 이미지 데이터에서 계군의 부분적 밀집 상태를 파악하고 이로부터 계사 내 이상 상태 발생을 식별할 수 있다.

도 3은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서, 면적 사용 비율에 따른 이상 상황 탐지를 설명하기 위해 도시한 도면이다. 도 3에 도시된 바와 같이, 좌측 그림과 우측 그림의 닭 개체의 수는 동일하게 10마리이다. 이것을 기존에 사용하는 단위 면적당 개체 수로 계산한다면 두 그림에서 개체 수는 동일하게 10마리이고, 계사 면적에는 변화가 없으므로 같은 값으로 계산되고, 계사 내부 밀집도는 정상으로 판단하게 된다. 따라서 계사 내부 밀집도만으로 도 3의 두 상황 차이를 식별할 수 없다.

본 발명에서는 이러한 문제를 해결하여 영상을 관리자가 눈으로 직접 확인하지 않고도, 산출된 값만으로 도 3의 좌측에 도시된 바와 같은 정상 상태와, 도 3의 우측에 도시된 바와 같은 이상 상황의 차이를 식별하기 위하여, 면적 사용 비율을 이상 상황 탐지를 위한 지표로 사용할 수 있다. 이때, 면적 사용 비율은 계사 내에 닭이 있는 면적을 계사 면적으로 나눈 것이다. 도 3의 두 그림에서 닭 개체가 사용한 면적 비율(면적 사용 비율)을 확인해 보면 좌측 그림은 약 67%의 면적을 사용 중이고, 우측의 그림은 약 46%의 면적을 사용 중이다. 따라서 좌측과 우측 그림의 상황 사이에는 약 20%의 면적 사용 비율의 차이가 발생함을 알 수 있고, 이로부터 우측 그림에서 이상 상황이 발생했음을 예상할 수 있다.

도 4는 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서, 면적 사용 비율로 탐지할 수 있는 이상 상황을 설명하기 위해 도시한 도면이다. 도 4에 도시된 바와 같이, 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서 계사 관리를 위해 제안된 지표인 면적 사용 비율을 활용하면 이상 상황을 확인할 수 있다. 도 4의 좌측 그림은 계사 내부 온도가 낮은 상태의 분포를 보여주고, 도 4의 우측 그림은 계사 내에서 바람이 유입되거나 동물이나 사람의 침입이 발생한 상태(외부 침입)의 분포를 보여준다. 두 상황 모두 정상 상황(도 3의 좌측 그림)과 비교하여 면적 사용 비율이 감소한 것을 확인할 수 있다.

그러므로 면적 사용 비율을 지표로 활용해 탐지할 수 있는 이상 상황은 아래와 같다. 첫 번째, 계사 내 온도가 낮은 영역을 탐지할 수 있다(저온 환경). 환풍기, 온도 센서 등의 고장으로 사육에 적절한 온도가 아니므로, 계군이 정상분포가 아니고 특정 영역에 모여 있는 형태를 보이게 된다. 두 번째, 계사 내 유입된 바람이나 미상의 개체 침입을 탐지할 수 있다(외부 침입). 바람의 유입되거나 외부의 개체(동물, 사람 등)가 침입할 경우, 해당 영역에는 닭 개체가 도주하여 침입 개체 반대 방향으로 계군이 뭉치는 형태를 보이게 된다. 이와 같은 상황들은 계군이 사용하는 영역 넓이에 변화가 생기는 특징이 있으며, 사용 영역의 변화는 면적 사용 비율로 확인을 할 수 있다. 따라서 제안된 지표인 면적 사용 비율을 활용하여 부분적인 밀집이 발생한 상태와 이상 상황이 발생한 상태를 확인할 수 있음을 알 수 있다.

한편, 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서는, 면적 사용 비율을 이용해 탐지된 이상 상황의 종류를 분류하기 위해 최대 군집 면적 비율을 사용할 수 있다. 상술한 바와 같이, 면적 사용 비율로 탐지 가능한 이상 상황은 저온 환경 또는 외부 침입인데, 최대 군집 면적 비율을 사용해 두 가지 이상 상황을 구분해 식별할 수 있다. 여기서, 최대 군집 면적 비율은 최대 군집 영역의 면적을 계사 전체 면적으로 나눈 값이다.

요약하면, 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서는, 면적 사용 비율이라는 한 개의 지표로 계사 내부의 상황을 판단할 수 있다. 첫 째로, 면적 사용 비율을 통해 계사 내부 부분 밀집도 상태를 간접적으로 확인할 수 있다. 계사 내부는 폐쇄된 공간이라는 특징이 있으며, 따라서 닭 개체 수도 동일하다는 특징이 있다. 일반적인 밀집도 계산은 계사 면적 및 개체 수와 관련 있으므로, 계사 면적과 개체 수가 동일한 상태에서 종래의 밀집도 계산 방식으로는 부분 밀집도 상태를 파악할 수 없다. 물론, 면적 사용 비율이 직접적인 밀집도를 의미하지 않지만, 본 발명에서는 폐쇄된 공간이라는 계사의 특징을 고려해서, 계사 내부의 부분 밀집 상태를 확인하기 위해 면적 사용 비율을 지표로 사용하였다.

두 번째로, 면적 사용 비율로 부분 밀집 상황이나 이상 상황을 확인할 수 있다. 전체 계사의 면적은 변하지 않고, 입식 된 닭의 수(닭 개체수)도 폐사가 발생하거나 출하하지 않은 상태에서는 항상 동일하기 때문에, 계사 내부 면적과 개체 수로 계산된 계사의 밀집도는 항상 동일한 값이므로, 부분적인 밀집 현상을 탐지할 수 없다. 반면에, 본 발명에서 제안하는 면적 사용 비율을 활용하면 화면 내부의 일부 영역의 밀집 상태(부분 밀집도)를 한 개의 숫자만으로 파악할 수 있다. 특히, 계사 내부 상태를 한 개의 숫자만으로 파악할 수 있다는 것은, 계사가 크고 개수가 많아서 관리해야 할 범위가 넓어질 때 큰 장점이 될 수 있다.

이하에서는, 도 2 내지 도 4를 참고하여 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법의 각 단계에 대해 상세히 설명하도록 한다.

단계 S110에서는, 계사 영상에서 닭 개체를 탐지할 수 있다. 보다 구체적으로, 단계 S110에서는, 군중 계수 모델(Crowd counting model)을 사용해 계사 영상에서 닭 개체를 탐지할 수 있다. 먼저, 계사를 최대한 많이 포함할 수 있도록 계사 내 천장에 탑뷰(Top-view) 형태로 카메라를 설치하고, 설치된 카메라로부터 일정 시간 동안 지속적으로 이미지를 획득하여 서버에 이미지를 저장할 수 있다. 이후, 서버에 저장된 이미지 즉, 계사 영상을 사용해 대규모 개체를 탐지할 수 있는 딥러닝 방법인 군중 계수 모델을 실행하여 이미지 내 모든 닭 개체를 탐지할 수 있다.

여기서, 군중 계수 모델은 공연장이나 광장처럼 밀집된 영역에서도 사람의 수를 계산할 수 있는 모델로, 본 발명에서는 군집 관리를 위해 계사 내 닭의 수를 계산하고 개별 개체를 탐지하는데 활용할 수 있다. 군중 계수 모델은, 인코더-디코더 구조로, 계사 영상을 입력으로 하고, 입력된 계사 영상과 같은 크기의 1차원 밀도 맵(density map)을 출력할 수 있다. 보다 구체적으로, 인코더 부분에서 입력 이미지를 고차원 특징으로 압축하고, 디코더 부분에서 입력 이미지와 동일한 크기의 1차원 밀도 맵을 생성할 수 있다.

또한, 군중 계수 모델은, 미리 수집된 대량의 계사 영상으로 학습된 것으로, 평균 제곱 오차(Mean Squared Error, MSE)를 사용한 손실 함수를 이용해, 모델의 출력인 밀도 맵과 학습 이미지의 실측 값(ground truth)의 차이가 최소화되도록 학습 완료된 모델일 수 있다. 수식은 아래 수학식 1과 같다.

이렇게 학습된 모델의 밀도 맵을 활용하여 닭 개체 수를 계산하고, 모든 닭 개체의 2차원 좌표를 구해서 각 개체의 위치를 탐지할 수 있다. 도 5는 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법의 단계 S110에서 군중 계수 모델을 사용한 개체 위치 탐지 알고리즘을 나타낸 도면이다. 도 5에 도시된 바와 같은 알고리즘을 통해 계사 영상 내의 닭 개체 수 및 각 개체의 2차원 좌표를 획득할 수 있다.

단계 S120에서는, 탐지된 닭 개체의 위치로 커널 밀도 추정(kernel density estimation, KDE)을 계산하고, 밀집도 맵을 생성할 수 있다. 즉, 단계 S120에서는, 군중 계수 모델로부터 각 개체의 위치를 탐지한 결과에 대해 커널 밀도 추정 방법을 이용하여 계사 내 계군의 면적 사용 비율을 계산하는데, 계산된 계군의 면적 사용 비율은. 계군의 분포를 예측하는데 사용될 수 있다.

KDE는 주어진 데이터에 대하여 확률 밀도 함수를 추정하는 방법으로, 주어진 데이터를 밀집도 맵으로 시각화하여 데이터의 분포를 확인하는 데 사용되고, 추후 상세히 설명할 단계 S130에서 면적 사용 비율을 연산하는 데에도 유용하게 사용될 수 있다. KDE는 각 데이터 포인트를 중심으로 가우시안 커널 함수를 적용하고, 이 커널 함수들을 모두 합산하여 확률 밀도 함수를 추정한다. 아래 수학식 2는 KDE를 계산하는 수식이다.

여기서, n은 데이터의 총량, h는 가우시안 커널 함수의 폭을 조절하는 변수, K(·)는 가우시안 커널 함수, x_i는 데이터의 개별 포인트를 의미한다.

KDE를 2차원 이미지에 적용하기 위해, 입력 이미지를 n×n 크기의 그리드로 나누고 각각 나누어진 그리드 안에서 KDE를 계산할 수 있다. 보다 구체적으로, 단계 S120에서는, 2차원의 계사 영상을 미리 설정된 그리드로 나누고, 각 그리드 안에서 탐지된 개별 닭 개체의 좌표에 대하여 KDE를 계산할 수 있다. 여기서, 연산량이 많으므로 컴퓨팅 효율을 위하여 계사 이미지의 2차원 그리드 크기를 50×50으로 설정할 수 있다.

계산된 KDE를 이용해 닭 개체의 확률 밀도 함수를 시각화함으로써 밀집도 맵을 생성할 수 있다. 도 6은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법의 단계 S120에서 생성된 밀집도 맵을 예를 들어 도시한 도면이다.

단계 S130에서는, 밀집도 맵에서 계군의 군집 영역을 탐지하고, 탐지된 군집 영역의 면적을 계산해 면적 사용 비율을 계산할 수 있다. 즉, 도 6에 도시된 바와 같은 밀집도 맵에서 닭 개체가 있는 픽셀의 개수를 계산해 입력된 계사 영상의 픽셀 개수로 나누어서 면적 사용 비율을 계산할 수 있다.

먼저, 단계 S130에서는, KDE로부터 생성된 밀집도 맵에 대해 방울 검출(blob detection) 방법을 사용해 계군의 군집 영역, 즉 밀집 영역을 탐지할 수 있다. 탐지된 각 군집들의 면적을 계산하고 이미지 내에서 보여지는 계사의 전체 크기(즉, 이미지 크기)로 나누어 계사 면적 대비 계군의 면적 사용 비율을 계산한다. 면적 사용 비율을 계산하는 수식은 다음 수학식 3 및 4와 같다.

Chicken_area는 전체 화면에서 닭이 사용한 영역의 크기, Count_pixel은 0이 아닌 픽셀의 개수를 계산하는 함수, Area_usage_ratio는 전체 화면에서 닭 개체가 사용한 영역의 면적 비율, pixels는 입력 이미지(계사 영상)의 전체 픽셀 개수이다. 즉, 밀집도 맵에서 밀도가 미리 설정된 값(수학식 3에서는 20)을 초과하는 픽셀을 카운트하여 면적 사용 비율을 산출할 수 있다.

단계 S140에서는, 면적 사용 비율이 제1 임곗값 이상이면 계사 환경을 정상으로 탐지하고, 면적 사용 비율이 제1 임곗값 미만이면 계사 환경을 이상 상황으로 탐지할 수 있다. 즉, 단계 S130에서 KDE로부터 계산된 계군의 면적 사용 비율을 활용하여 계사 내 이상 상황 발생을 탐지할 수 있다.

계사 내 모든 닭 개체가 고르게 분포할 경우 면적 사용 비율은 평균적으로 약 70% 이상의 높은 값으로 계산된다. 어떤 계사 이미지에서 이러한 높은 면적 사용 비율이 계산되면, 면적 사용 비율로부터 모든 닭 개체가 계사의 전반적인 영역에 분포되어 있음을 확인할 수 있으며, 계사의 환경이 정상 상황으로 탐지된다. 도 6은 KDE로부터 시각화한 밀집도 맵과 계사 영상을 합성한 것인데, 면적 사용 비율이 제1 임곗값을 넘는 91.55%로(도 6의 우측 상단 “Area usage: 91.55” 표시), 단계 S140에서 정상으로 탐지된 결과이다(도 6의 우측 상단 “Status: normal” 표시).

이와 반대로, 계사 내 닭 개체가 고르게 분포하지 않는 경우 면적 사용 비율이 지속적으로 약 70% 미만으로 낮게 계산되며, 이때 계사 내 이상 상황이 발생하였음을 탐지할 수 있다. 한 개의 지표로 수치화된 면적 사용 비율을 사용하여 이상 상황 탐지에 대한 일정한 임곗값(제1 임곗값)을 사전에 정의할 수 있다. 여기서, 제1 임곗값은 70일 수 있으나, 닭 농장의 특성에 따라 제1 임곗값은 다를 수 있다. 면적 사용 비율이 사전에 정의된 제1 임곗값을 상회하지 못하여 이상 상황으로 탐지되었을 경우, 단계 S120에서 생성된 밀집도 맵으로부터 두 가지의 이상 상황을 분류할 수 있다.

단계 S150에서는, 단계 S140에서 이상 상황으로 탐지되면, 단계 S130에서 탐지된 군집 영역 중에서 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역을 선정하고, 선정된 최대 군집 영역에 대해, 계사 면적 대비 탐지된 군집 영역의 면적으로 정의되는 최대 군집 면적 비율을 계산할 수 있다. 즉, 면적 사용 비율로 정상 상황과 이상 상황을 분류한 뒤에는 최대 군집 면적 비율을 활용하여 이상 상황을 두 가지 세부 상황으로 분류할 수 있다.

단계 S160에서는, 단계 S150에서 계산된 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황으로 분류하며, 계산된 최대 군집 면적 비율이 제2 임곗값 이하이면 제2 이상 상황으로 분류할 수 있다. 이때, 단계 S160에서 분류하는 제1 이상 상황은 외부 침입이고, 제2 이상 상황은 저온 환경일 수 있다.

도 7은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법에서 제1 이상 상황인 사람 침입, 제2 이상 상황인 저온 환경으로 분류된 밀집도 맵을 예를 들어 도시한 도면이다. 이하에서는, 도 7을 참조하여 단계 S150 및 단계 S160에서 이상 상황을 분류하는 방법에 대해 상세히 설명하도록 한다.

면적 사용 비율로 정상 상황과 이상 상황을 탐지한 뒤에는 최대 군집 면적 비율을 활용하여 이상 상황을 두 가지 세부 상황 즉, 제1 이상 상황(외부 침입)과 제2 이상 상황(저온 환경)으로 분류할 수 있다. 먼저, 단계 S150에서는, 단계 S130에서 계산된 군집 영역의 면적 중에서 최댓값을 갖는 군집 영역을 탐색한다. 도 7에서 붉은색으로 표시되는 군집 중 넓이가 가장 큰 군집이 최대 군집 영역이며, 최대 군집 면적 비율은 최대 군집 영역에 대해 수학식 3 및 4를 해당 군집 영역의 면적(픽셀 수)을 계사 전체 면적(픽셀 수)으로 나눈 값일 수 있다.

단계 S160에서는, 최대 군집 면적 비율에 대해 사전에 정의한 임곗값인 제2 임곗값, 예를 들어 0.02(또는 20%)를 기준으로, 제1 이상 상황과 제2 이상 상황을 분류할 수 있다. 보다 구체적으로, 최대 군집 면적 비율이 제2 임곗값을 초과하면 화면 내부 영역에 다수의 닭이 큰 군집을 이룬 것으로 판단하고 이를 외부 바람의 유입이나 동물의 침입, 혹은 사람의 출입 등의 상황으로 분류할 수 있다. 도 7의 위쪽 2개 그림은 사람이 계사 내에 출입한 상황으로, 외부 침입으로 분류된 결과이다(각 그림의 우측 상단에 “Status: invasion” 표시). 이와 반대로, 최대 군집 면적 비율이 제2 임곗값을 넘지 못하면 탐지된 계군 군집들이 소규모 군집으로 이루어져 있다고 판단하고 이를 저온 상황으로 분류할 수 있다. 도 7의 아래쪽 2개 그림은 저온 상황으로 분류된 결과이다(각 그림의 우측 상단에 “Status: low temp” 표시).

실시예에 따라서, 단계 S160에서는 최대 군집 면적 비율과 함께, 단계 S130에서 탐지된 군집 영역의 개수를 더 이용해 제1 이상 상황과 제2 이상 상황을 분류할 수 있다. 즉, 도 7의 각 그림 우측 상단에 기재된 세 줄의 정보 중에서 가운데에는 “Clusters: 1” 등으로 탐지된 계군의 군집 개수가 표시되어 있는데, 이러한 군집 영역의 개수를 최대 군집 면적 비율과 함께 이용하면, 더 정확하게 이상 상황을 분류할 수 있다.

결론적으로, 해당 계사 관리 시스템(100)을 통해 계사 내부를 24시간 모니터링하여 이상 상황을 지속적으로 탐지하면 농장주 또는 관리인이 직접 육안으로 확인하기 어려운 시간(새벽 혹은 심야 시간)에도 이상 상황을 빠른 시간에 인지하여 즉각적인 대응을 할 수 있다.

전술한 바와 같이, 본 발명에서 제안하고 있는 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법 및 시스템에 따르면, 계사 영상으로부터 계산한 계군의 면적 사용 비율을 이용해 계사 환경의 이상 상황을 탐지하고, 이상 상황으로 탐지되면 최대 군집 면적 비율을 사용해 어떤 이상 상황인지를 분류함으로써, 계사 면적과 개체 수가 동일하게 유지될 때도 면적 사용 비율을 지표로 활용해 쉽게 이상 상황을 탐지할 수 있고, 면적 사용 비율이라는 하나의 지표만으로도 이상 상황을 판단할 수 있어서, 계사가 크고 개수가 많아서 관리해야 할 범위가 넓을 때도 빠르고 효율적으로 계사 내부를 파악할 수 있다.

한편, 본 발명은, 상술한 바와 같은 본 발명의 일실시예에 따른 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법을 컴퓨터에서 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장되는 컴퓨터 프로그램을 포함할 수 있다. 예를 들어, 컴퓨터에서 판독 가능한 매체는, 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 media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명된 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명된 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100: 계사 관리 시스템
110: 개체 탐지부
120: KDE 연산부
130: 제1 면적 비율 계산부
140: 제1 판단부
150: 제2 면적 비율 계산부
160: 제2 판단부
S110: 계사 영상에서 닭 개체를 탐지하는 단계
S120: KDE를 계산하고 밀집도 맵을 생성하는 단계
S130: 밀집도 맵에서 계군의 군집 영역을 탐지하고 면적 사용 비율을 계산하는 단계
S140: 면적 사용 비율이 제1 임곗값 이상이면 정상, 미만이면 이상 상황으로 탐지하는 단계
S150: 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역에 대해 최대 군집 면적 비율을 계산하는 단계
S160: 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황, 이하이면 제2 이상 상황으로 분류하는 단계

Claims

컴퓨터에서 각 단계가 수행되는, 계사 관리 방법으로서,
(1) 계사 영상에서 닭 개체를 탐지하는 단계;
(2) 상기 탐지된 닭 개체의 위치로 커널 밀도 추정(kernel density estimation, KDE)을 계산하고, 밀집도 맵을 생성하는 단계;
(3) 상기 밀집도 맵에서 계군의 군집 영역을 탐지하고, 상기 탐지된 군집 영역의 면적을 계산해 면적 사용 비율을 계산하는 단계;
(4) 상기 면적 사용 비율이 제1 임곗값 이상이면 계사 환경을 정상으로 탐지하고, 상기 면적 사용 비율이 상기 제1 임곗값 미만이면 계사 환경을 이상 상황으로 탐지하는 단계;
(5) 상기 단계 (4)에서 이상 상황으로 탐지되면, 상기 단계 (3)에서 탐지된 군집 영역 중에서 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역을 선정하고, 선정된 상기 최대 군집 영역에 대해, 계사 면적 대비 탐지된 군집 영역의 면적으로 정의되는 최대 군집 면적 비율을 계산하는 단계; 및
(6) 상기 단계 (5)에서 계산된 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황으로 분류하며, 상기 계산된 최대 군집 면적 비율이 상기 제2 임곗값 이하이면 제2 이상 상황으로 분류하는 단계를 포함하며,
상기 단계 (6)에서는,
상기 최대 군집 면적 비율과 상기 단계 (3)에서 탐지된 군집 영역의 개수를 이용해, 상기 제1 이상 상황과 제2 이상 상황을 분류하며,
상기 단계 (6)에서 분류하는 상기 제1 이상 상황은 다수의 닭이 큰 군집을 이룬 상황으로 외부 침입이고, 상기 제2 이상 상황은 닭들이 여러 개의 소규모 군집을 이룬 상황으로 저온 환경인 것을 특징으로 하는, 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법.
제1항에 있어서, 상기 단계 (1)에서는,
군중 계수 모델(Crowd counting model)을 사용해 상기 계사 영상에서 닭 개체를 탐지하는 것을 특징으로 하는, 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법.
제1항에 있어서, 상기 단계 (2)에서는,
2차원의 상기 계사 영상을 미리 설정된 그리드로 나누고, 각 그리드 안에서 탐지된 개별 닭 개체의 좌표에 대하여 KDE를 계산하는 것을 특징으로 하는, 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법.
제1항에 있어서, 상기 단계 (3)에서는,
방울 검출(blob detection) 방법을 사용해 상기 계군의 군집 영역을 탐지하는 것을 특징으로 하는, 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법.
삭제
제1항 내지 제4항 중 어느 한 항의 계군 분포를 활용한 영상 분석 기반의 계사 관리 방법을 컴퓨터에서 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장되는 컴퓨터 프로그램.
계사 관리 시스템(100)으로서,
계사 영상에서 닭 개체를 탐지하는 개체 탐지부(110);
상기 탐지된 닭 개체의 위치로 커널 밀도 추정(kernel density estimation, KDE)을 계산하고, 밀집도 맵을 생성하는 KDE 연산부(120);
상기 밀집도 맵에서 계군의 군집 영역을 탐지하고, 상기 탐지된 군집 영역의 면적을 계산해 면적 사용 비율을 계산하는 제1 면적 비율 계산부(130);
상기 면적 사용 비율이 제1 임곗값 이상이면 계사 환경을 정상으로 탐지하고, 상기 면적 사용 비율이 상기 제1 임곗값 미만이면 계사 환경을 이상 상황으로 탐지하는 제1 판단부(140);
상기 제1 판단부(140)에서 이상 상황으로 탐지되면, 상기 제1 면적 비율 계산부(130)에서 탐지된 군집 영역 중에서 군집 영역의 면적이 최댓값을 갖는 최대 군집 영역을 선정하고, 선정된 상기 최대 군집 영역에 대해, 계사 면적 대비 탐지된 군집 영역의 면적으로 정의되는 최대 군집 면적 비율을 계산하는 제2 면적 비율 계산부(150); 및
상기 제2 면적 비율 계산부(150)에서 계산된 최대 군집 면적 비율이 제2 임곗값을 초과하면 제1 이상 상황으로 분류하며, 상기 계산된 최대 군집 면적 비율이 상기 제2 임곗값 이하이면 제2 이상 상황으로 분류하는 제2 판단부(160)를 포함하며,
상기 제2 판단부(160)는,
상기 최대 군집 면적 비율과 상기 제1 면적 비율 계산부(130)에서 탐지된 군집 영역의 개수를 이용해, 상기 제1 이상 상황과 제2 이상 상황을 분류하며,
상기 제2 판단부(160)에서 분류하는 상기 제1 이상 상황은 다수의 닭이 큰 군집을 이룬 상황으로 외부 침입이고, 상기 제2 이상 상황은 닭들이 여러 개의 소규모 군집을 이룬 상황으로 저온 환경인 것을 특징으로 하는, 계군 분포를 활용한 영상 분석 기반의 계사 관리 시스템(100).