KR102655958B1 - 머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법 - Google Patents

머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법 Download PDF

Info

Publication number
KR102655958B1
KR102655958B1 KR1020230071711A KR20230071711A KR102655958B1 KR 102655958 B1 KR102655958 B1 KR 102655958B1 KR 1020230071711 A KR1020230071711 A KR 1020230071711A KR 20230071711 A KR20230071711 A KR 20230071711A KR 102655958 B1 KR102655958 B1 KR 102655958B1
Authority
KR
South Korea
Prior art keywords
breed
pet dog
feeding
dog
image
Prior art date
Application number
KR1020230071711A
Other languages
English (en)
Inventor
김기일
서범규
Original Assignee
충남대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 충남대학교 산학협력단 filed Critical 충남대학교 산학협력단
Priority to KR1020230071711A priority Critical patent/KR102655958B1/ko
Application granted granted Critical
Publication of KR102655958B1 publication Critical patent/KR102655958B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
    • A01K5/02—Automatic devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Birds (AREA)
  • Child & Adolescent Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 머신러닝을 활용한 다수의 애완견 급식 시스템에 관한 것으로, 품종에 맞는 급식을 제공하기 위해 머신러닝을 활용한 다수의 애완견 급식 시스템에 관한 것이다. 본 발명은 머신러닝을 활용한 다수의 애완견 급식 시스템에 있어서, 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별하는 품종 식별부, 품종 식별부를 통해 식별한 품종이 최초 접근 품종인지 기존 접근 애완견인지를 판단하는 판단부, 판단부의 판단결과에 따라 품종정보 등록 또는 품종정보 갱신을 수행하고, 등록된 애완견의 급식 시간이면 저장된 음성을 출력하고, 카메라를 통해 섭취량을 설정된 개인단말로 제공하는 급식 제어부를 포함하여 다수의 애완견에게 자동으로 급식을 제공할 수 있으며, 각 애완견 인식을 자동으로 처리함으로써 애완견이 늘어나더라도 시스템이 자동으로 급식을 제공할 수 있는 효과가 있다.

Description

머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법{System for feeding multiple dogs using machine learning and method therefor}
본 발명은 머신러닝을 활용한 다수의 애완견 급식 시스템에 관한 것으로, 보다 상세하게는 품종에 맞는 급식을 제공하기 위해 머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법에 관한 것이다.
현재 애완견의 급식을 위한 시스템은 단순히 일정한 시간 내에 자동으로 사료를 배식하는 방법으로 이루어지고 있다. 이러한 급식시스템은 사용자가 설정한 시간으로만 작동하여 애완견의 상태와 배식 상황을 고려하지 않고 배식을 진행한다는 문제점이 있다. 또한, 현재 시스템은 다수의 애완견을 관리하는 경우 적용이 어려울 뿐만 아니라 애완견의 품종 및 다양한 정보를 활용할 수 없는 문제점이 있다. 이로 인해 몇가지 문제점이 발생할 수 있다.
첫째로, 애완견의 실제 배고픔 수준이나 건강 상태를 고려하지 않고 일정한 시간에 사료를 배식한다. 애완견은 운동량, 신체 크기, 나이 등에 따라 다양한 식이 요구사항을 가지고 있다. 따라서 일정한 시간에 사료를 배식하는 것만으로는 애완견의 올바른 영양 공급이 보장되지 않을 수 있다.
둘째로, 현재 시스템은 다수의 애완견을 관리하는 경우에는 적용이 어렵다. 일반적으로 다수의 애완견을 키우는 가정이나 애완견 시설에서는 각각의 애완견에 맞춰 개별적인 급식이 필요하다. 그러나 현재 시스템은 단일 시간 설정만을 지원하므로 다수의 애완견에 대한 맞춤식 급식을 제공하는 데는 한계가 있다.
셋째로, 현재 시스템은 애완견의 품종이나 다양한 정보를 활용할 수 없는 문제점이 있다. 각각의 애완견은 품종별로 다른 영양 요구사항을 가지고 있으며, 또한 애완견의 나이, 체중, 건강 상태 등에 따라 다른 급식이 필요할 수 있다. 그러나 현재 시스템은 이러한 다양한 정보를 고려하지 않고 일정한 시간에 사료를 배식하므로 애완견의 개별적인 요구를 충족시키기 어려운 문제가 있다.
공개특허 10-2013-0000643 (2013.01.03)
본 발명은 상술한 문제를 해결하고자, 영상인식을 통해 각 애완견의 품종을 확인 후, 각 품종에 맞는 급식을 제공하는데 목적이 있다. 또한 체중계, 카메라 스피커를 활용하여 애완견의 현재 상태와 급식에 대한 상태확인, 음성을 통한 명령을 할 수 있도록 하는 머신러닝을 활용한 다수의 애완견 급식 시스템을 제공함에 목적이 있다.
상기 목적을 달성하기 위하여 본 발명은 머신러닝을 활용한 다수의 애완견 급식 시스템에 있어서, 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별하는 품종 식별부, 상기 품종 식별부를 통해 식별한 품종이 최초 접근 품종인지 기존 접근 애완견인지를 판단하는 판단부, 상기 판단부의 판단결과에 따라 품종정보 등록 또는 품종정보 갱신을 수행하고, 등록된 애완견의 급식 시간이면 저장된 음성을 출력하고, 카메라를 통해 섭취량을 설정된 개인단말로 제공하는 급식 제어부를 포함한다.
품종 식별부는 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별하며, 체중계를 사용하여 애완견의 현재 체중을 측정하여 애완견의 건강 상태를 모니터링한다.
판단부는 품종 식별 판단을 위해 SIFT (Scale-Invariant Feature Transform)으로 이미지에서 크기와 회전에 불변한 특징을 검출하고, 이러한 특징을 설명하는 특징벡터를 생성하며, 상기 특징 벡터를 통해 이미지의 품종을 인식하고, 인식한 품종이 최초 접근 품종인지 기존 접근 품종의 애완견인지를 판단한다.
급식 제어부는 카메라를 사용하여 애완견의 섭취량을 감지하고, 섭취량 정보는 동물병원 시스템과 연결되어 저장되어 애완견의 급식 상태를 모니터링하고, 설정된 개인단말에게 추후의 급식에 대한 조언이나 정보를 제공한다.
한편, 품종 식별부, 판단부, 급식 제어부를 포함하는 머신러닝을 활용한 다수의 애완견 급식 시스템을 이용한 방법에 있어서, (a) 상기 급식 제어부가 상기 품종 식별부를 통해 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별하도록 하는 단계, (b) 상기 급식 제어부가 상기 품종 식별부를 통해 식별한 품종이 최초 접근 품종인지 기존 접근 애완견인지를 상기 판단부로 판단하도록 하는 단계 및 (c) 상기 급식 제어부가 판단부의 판단결과에 따라 품종정보 등록 또는 품종정보 갱신을 수행하고, 등록된 애완견의 급식 시간이면 저장된 음성을 출력하고, 카메라를 통해 섭취량을 설정된 개인단말로 제공하는 단계를 포함한다.
본 발명에 따르면, 다수의 애완견에게 자동으로 급식을 제공할 수 있으며, 각 애완견 인식을 자동으로 처리함으로써 애완견이 늘어나더라도 시스템이 자동으로 급식을 제공할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 머신러닝을 활용한 다수의 애완견 급식 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 머신러닝을 활용한 다수의 애완견 급식 시스템의 판단부 세부 구성을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 머신러닝을 활용한 다수의 애완견 급식 시스템을 이용한 방법을 나타낸 개략적인 흐름도이다.
이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명을 상세히 설명한다. 다만, 본 발명이 예시적 실시 예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일 참조부호는 실질적으로 동일한 기능을 수행하는 부재를 나타낸다.
본 발명의 목적 및 효과는 하기의 설명에 의해서 자연스럽게 이해되거나 보다 분명해질 수 있으며, 하기의 기재만으로 본 발명의 목적 및 효과가 제한되는 것은 아니다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다.
본 발명에서는 다수의 애완견을 위한 급식시스템을 구성한다. 이러한 시스템의 영상인식을 통하여 각 애완견의 품종을 확인 후 각 품종에 맞는 급식을 제공하는데 목적이 있다. 체중계, 카메라, 스피커를 활용하여 애완견의 현재 상태와 급식에 대한 상태 확인, 음성을 통한 명령을 할 수 있도록 한다.
본 발명은 다수의 애완견을 위한 급식시스템을 구성하는 것을 목적으로 한다. 이 시스템은 영상인식 기술을 활용하여 각 애완견의 품종을 확인하고, 이를 기반으로 각 품종에 맞는 급식을 제공한다. 또한, 체중계, 카메라, 스피커와 같은 장치를 활용하여 애완견의 현재 상태를 확인하고, 급식에 대한 상태를 모니터링하며, 음성을 통해 명령을 할 수 있도록 한다.
이 시스템에서는 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별한다. 각 품종은 다양한 영양 요구사항을 가지고 있으므로, 품종에 맞는 급식을 제공함으로써 애완견의 올바른 영양 공급을 도모한다.
또한, 체중계를 사용하여 애완견의 현재 체중을 측정하고, 이를 시스템에 입력하여 개별적인 체중 관리를 할 수 있다. 이를 통해 애완견의 건강 상태를 모니터링하고, 필요에 따라 급식량을 조절할 수 있다.
카메라와 스피커를 통해 애완견의 상태를 모니터링할 수 있다. 카메라를 통해 애완견의 행동이나 상태를 실시간으로 확인할 수 있고, 스피커를 통해 음성 명령을 전달할 수 있다. 이를 활용하여 애완견의 배식 상태를 확인하고, 필요한 경우 음성 명령을 통해 급식을 조절할 수 있다. 따라서 이러한 다수의 애완견을 위한 급식시스템은 영상인식 기술을 활용하여 품종에 맞는 급식을 제공하고, 체중계, 카메라, 스피커를 통해 애완견의 현재 상태와 급식에 대한 상태를 확인하고 관리할 수 있다. 이를 통해 애완견의 올바른 영양 공급과 건강 유지를 지원할 수 있다.
도 1은 본 발명의 일 실시예에 따른 머신러닝을 활용한 다수의 애완견 급식 시스템의 구성도이다. 도 1에 도시된 바와 같이, 머신러닝을 활용한 다수의 애완견 급식 시스템은 품종 식별부(100), 판단부(200), 급식 제어부(300)를 포함한다.
품종 식별부(100)는 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별한다. 이러한 품종 식별부(100)는 체중계를 사용하여 애완견의 현재 체중을 측정하고, 이를 머신러닝을 활용한 다수의 애완견 급식 시스템 내부의 데이터베이스(미도시)에 입력하여 개별적인 체중 관리를 할 수 있다. 이를 통해 애완견의 건강 상태를 모니터링하고, 필요에 따라 급식량을 조절할 수 있도록 한다.
예를 들어, 애완견이 급식 시스템에 접근하면 카메라가 애완견의 이미지를 촬영한다. 이 촬영된 이미지는 품종 식별 알고리즘에 입력되어 애완견의 품종을 식별한다. 동시에, 체중계를 사용하여 애완견의 현재 체중을 측정한다.
이렇게 얻어진 품종 식별 결과와 체중 정보는 시스템 내부에서 활용된다. 예를 들어, 식별된 품종이 "래브라도 리트리버"로 판명되었고, 애완견의 체중이 표준 체중 범위 내에 있는 경우, 시스템은 해당 애완견에게 추천되는 사료의 종류와 양을 결정한다. 또한, 애완견의 건강 상태를 모니터링하기 위해 체중 정보는 시스템 내부에서 기록되어 관리된다. 이를 통해 애완견의 체중 변화를 추적하고 필요에 따라 급식량을 조절하도록 함으로써 건강한 상태를 유지할 수 있다.
판단부(200)는 품종 식별부를 통해 식별한 품종이 최초 접근 품종인지 기존 접근 애완견인지를 판단한다.
본 실시예에 따른 판단부(200)는 머신러닝을 활용하여 최초 접근 품종과 기존 접근 애완견을 구분하고 판단하는 역할을 수행한다. 머신러닝은 데이터 기반으로 모델을 학습시켜 판단을 수행하는데, 이 경우에는 품종 식별부에서 추출한 애완견의 이미지와 품종 정보를 활용하여 학습이 이루어진다.
예를 들어, 판단부의 학습 단계에서는 품종 식별부에서 수집한 이미지와 해당 이미지에 대한 품종 정보가 필요하다. 이 데이터를 기반으로 머신러닝 모델을 훈련시키는데, 주로 지도 학습 알고리즘을 사용할 수 있다. 모델은 이미지 데이터를 입력으로 받아 해당 이미지의 품종을 예측하는 방식으로 학습된다.
훈련된 모델은 실제 시스템에서 사용될 때, 품종 식별부가 촬영한 애완견의 이미지를 입력으로 받아 예측을 수행한다. 이 예측 결과를 기반으로 최초 접근 품종과 기존 접근 애완견을 구분하여 판단한다. 예를 들어, 모델이 최초 접근 품종을 판단했다면 해당 애완견을 최초 접근 애완견으로 등록하거나 관련 정보를 갱신할 수 있다.
머신러닝을 활용한 판단부는 학습과정에서 데이터의 다양성과 품질에 따라 성능이 크게 좌우될 수 있다. 따라서 충분한 양의 다양한 품종 데이터를 사용하여 모델을 학습시키고, 정확한 품종 식별을 위해 효과적인 특징 추출과 분류 알고리즘을 선택하는 것이 중요하다.
본 실시예에 따른 판단부의 품종 식별 판단을 위한 특징 추출과 분류에 대해 참고로 추가설명하면, 다음과 같다.
우선 판단부의 품종 식별 판단을 위한 특징 추출은 컴퓨터 비전에서 사용되는 특징 추출 방법 중 하나인 "SIFT (Scale-Invariant Feature Transform)"이다. 이러한 본 실시예에 따른 판단부는 이미지에서 크기와 회전에 불변한 특징을 검출하고, 이러한 특징들을 설명하는 특징 벡터를 생성한다.
본 실시예에 따른 판단부는 이미지에서 특징적인 지점들을 검출하고, 이러한 특징점들을 기술하는 특징 디스크립터를 생성한다. 이 특징 디스크립터는 이미지의 크기와 회전에 대해 불변성을 가지며, 다양한 변형에 강건한 특징을 추출할 수 있다.
도 2는 본 발명의 일 실시예에 따른 머신러닝을 활용한 다수의 애완견 급식 시스템의 판단부 세부 구성을 나타낸 도면이다. 도 2에 도시된 바와 같이, 특징적인 지점들을 검출하기 위해 판단부는 스케일 공간 생성모듈(210), 키포인트 검출모듈(220), 방향 할당모듈(230), 특징 디스크립터 생성모듈(240), 품종 식별부에서 추출한 애완견의 이미지와 품종 정보를 활용하여 학습하는 학습모듈(250), 식별한 품종이 최초 접근 품종인지 기존 접근 애완견인지를 판단하는 판단모듈(260)을 포함한다.
스케일 공간 생성모듈(210)은 입력 이미지를 다양한 크기로 스케일 변환한다. 이를 위해 가우시안 필터를 적용하여 이미지를 부드럽게 만든다. 이후, 다양한 스케일에서 이미지 피라미드를 생성한다.
키포인트 검출모듈(220)은 스케일 공간에서 특징적인 지점을 검출한다. 이를 위해 이미지의 주요 변화가 있는 특징점을 탐지하는 방식을 사용한다. 예를 들어, 라플라시안(Laplacian) 필터를 이용하여 경계선과 블러링된 특징점을 검출한다.
방향 할당모듈(230)은 키포인트 검출모듈의 특징점에 대해 방향을 할당한다. 이를 위해 주변 영역의 그레디언트 방향을 계산하고, 가장 강한 방향을 특징점의 방향으로 선택한다. 이렇게 함으로써 특징점이 회전에 불변하게 된다.
특징 디스크립터 생성모듈(240)은 각 특징점 주변 영역에서 특징 디스크립터를 생성한다. 이를 위해 특징점을 중심으로 하는 지역적인 특징을 추출하고, 이를 특징 벡터로 표현한다. 특징 디스크립터는 주변 그레디언트 방향과 크기에 대한 히스토그램으로 구성된다. 특징 디스크립터 생성모듈(240)은 특징 디스크립터를 생성하고 나면, 이를 이용하여 이미지에서 특징을 매칭하거나 객체 인식 등 다양한 컴퓨터 비전 작업에 활용할 수 있다. 이러한 특징 벡터는 이미지의 품종을 식별하고, 식별한 품종이 최초 접근 품종인지 기존 접근 품종의 애완견인지를 판단하는 데에 사용될 수 있다.
또 다른 예로 "HOG (Histogram of Oriented Gradients)" 특징 추출 방법이 있다. HOG는 이미지의 경계선과 그레이디언트 방향 정보를 이용하여 특징을 추출한다. 이러한 특징은 개별적인 픽셀 정보보다는 이미지의 형태와 구조에 관한 정보를 잘 반영할 수 있다.
본 실시예에 따른 판단부의 분류 알고리즘에 대해 설명하면, 특징 추출된 벡터를 바탕으로 품종을 분류하기 위해 다양한 머신러닝 알고리즘을 활용할 수 있다. 예를 들면, "서포트 벡터 머신 (Support Vector Machine, SVM)"은 벡터들을 고차원 공간으로 매핑하고, 이를 기반으로 품종에 따른 클래스를 분류한다.
또 다른 예로 "신경망 (Neural Network)" 알고리즘이 있다. 신경망은 다층 퍼셉트론 (Multi-Layer Perceptron) 구조로 이루어져 있으며, 이미지 분류 등에 많이 사용된다. 신경망은 특징 벡터를 입력으로 받아 클래스에 대한 확률을 예측하고, 가장 높은 확률을 가진 클래스로 분류한다.
급식 제어부(300)는 판단부의 판단결과에 따라 품종정보 등록 또는 품종정보 갱신을 수행하고, 등록된 애완견의 급식 시간이면 저장된 음성을 출력하고, 카메라를 통해 섭취량을 설정된 개인단말로 제공하는 기능을 수행한다.
본 실시예에 따른 급식 제어부는 판단부의 판단결과에 따라 애완견의 급식을 제어하는 기능을 수행한다. 이를 통해 애완견이 등록된 급식 시간에 적절한 사료를 제공받고, 그에 따른 섭취량을 조절할 수 있다.
예를 들어, 등록된 애완견의 급식 시간이 되면 급식 제어부는 저장된 음성을 출력한다. 이는 시스템에 미리 등록된 애완견의 주인의 목소리나 사료 제공 관련 음성 메시지가 될 수 있다. 애완견은 이를 통해 급식 시간을 인지하고 사료 제공을 예상할 수 있다.
동시에 급식 제어부는 카메라를 사용하여 애완견의 섭취량을 감지하도록 한다. 애완견이 사료를 섭취하면, 카메라를 통해 그 섭취량을 측정하고 분석한다. 이 정보는 설정된 개인 단말기로 전달되어 애완견의 섭취량을 시각적으로 확인할 수 있게 된다. 또한, 섭취량 정보는 동물병원 시스템과 연결되어 저장되어 애완견의 급식 상태를 모니터링하고, 필요에 따라 주인에게 추후의 급식에 대한 조언이나 정보를 제공할 수 있다. 이렇게 급식 제어부는 애완견의 급식 시간과 섭취량을 효율적으로 관리하며, 개인 단말기를 통해 애완견의 급식 상태를 손쉽게 파악하고 제어할 수 있도록 한다.
본 발명의 일 실시예에 따른 머신러닝을 활용한 다수의 애완견 급식 시스템을 이용한 절차는 다음과 같다.
먼저, 급식 제어부(300)는 품종 식별부(100)를 통해 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별하도록 한다.
1) 급식 제어부(300)는 판단부(200)를 통해 애완견이 접근하는 경우 카메라를 통하여 애완견이 최초로 접근하는 경우인지 이전에 접근했던 애완견인지 파악한다.
급식 제어부(300)는 판단부(200)의 판단결과에 따라 최초로 접근하는 애완견일 경우 2-4단계를 진행하도록 한다. 기존에 접근을 했던 애완견일 경우 아래의 5-6단계를 진행한다. 급식은 7-9단계를 진행하도록 한다.
2) 급식 제어부(300)는 품종 식별부(100)를 통해 애완견이 최초로 급식시스템에 접근하는 경우 카메라를 통하여 애완견을 촬영하고, 체중계를 통하여 애완견의 몸무게를 측정하도록 한다.
3) 급식 제어부(300)는 품종 식별부(100)를 통해 촬영된 정보와 측정된 몸무게를 바탕으로 해당 애완견의 품종과 나이, 상태를 확인한다. 카메라를 통하여 애완견의 치아를 확인하는 경우 애완견의 나이를 추정할 수 있다.
4) 급식 제어부(300)는 확인된 정보를 동물병원과 연결된 시스템을 통하여 해당 애완견에 추천되는 사료의 종류와 양을 결정하고 정보를 등록한다.
5) 급식 제어부(300)는 정보가 등록된 애완견이 급식시스템에 접근하는 경우 카메라, 체중계를 이용하여 애완견의 상태정보를 갱신한다.
6) 급식 제어부(300)는 동물병원과 연결된 시스템을 통하여 갱신한 정보를 이용하여 애완견에게 추천되는 사료의 종류와 양을 새로 결정한다.
7) 급식 제어부(300)는 등록된 애완견의 급식 시간이 되면 시스템은 등록된 급식 정보를 바탕으로 사료를 제공하고 스피커로 이미 저장된 음성을 이용하여 애완견에게 명령을 내리게 된다.
8) 급식 제어부(300)는 자신의 급식이 아닌 것에 접근하는 애완견이 있을 경우 시스템은 해당 애완견을 인식한 후 음성을 통하여 먹지 못하게 하는 동시에 사료의 제공을 거부한다.
9) 급식 제어부(300)는 해당 품종과 사료가 알맞은 애완견으로 판명될 경우 급식시스템을 통하여 급식이 이루어지며 얼마만큼의 양을 섭취하였는지를 확인하여 동물병원 시스템에 저장한다. 이를 통하여 동물병원에서는 각 애완견의 급식상태를 확인하고 이를 통하여 주인에게 다음 급식에 대한 정보를 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 머신러닝을 활용한 다수의 애완견 급식 시스템을 이용한 방법을 나타낸 개략적인 흐름도이다. 도 2에 도시된 바와 같이, 품종 식별부, 판단부, 급식 제어부를 포함하는 머신러닝을 활용한 다수의 애완견 급식 시스템을 이용한 방법에 있어서, (a) 상기 급식 제어부가 상기 품종 식별부를 통해 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별하도록 하는 단계, (b) 상기 급식 제어부가 상기 품종 식별부를 통해 식별한 품종이 최초 접근 품종인지 기존 접근 애완견인지를 상기 판단부로 판단하도록 하는 단계 및 (c) 상기 급식 제어부가 판단부의 판단결과에 따라 품종정보 등록 또는 품종정보 갱신을 수행하고, 등록된 애완견의 급식 시간이면 저장된 음성을 출력하고, 카메라를 통해 섭취량을 설정된 개인단말로 제공하는 단계를 포함한다.
본 발명에 따르면, 다수의 애완견에게 자동으로 급식을 제공할 수 있으며, 각 애완견 인식을 자동으로 처리함으로써 애완견이 늘어나더라도 시스템이 자동으로 급식을 제공할 수 있는 효과가 있다.

Claims (5)

  1. 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별하는 품종 식별부,
    상기 품종 식별부를 통해 식별한 품종이 개체별로 최초 접근 품종의 애완견인지 기존 접근 품종의 애완견인지를 판단하는 판단부 및
    상기 판단부의 판단결과에 따라 품종정보 등록 또는 품종정보 갱신을 수행하고, 등록된 애완견의 급식 시간이면 저장된 음성을 출력하고, 카메라를 통해 섭취량을 설정된 개인단말로 제공하는 급식 제어부를 포함하며,
    상기 급식 제어부는 동물병원과 연결된 시스템을 통하여 해당 애완견에 추천되는 사료의 종류와 양을 결정하고 정보를 등록하며, 해당 애완견의 급식이 아닌 것에 접근하는 애완견이 있을 경우 해당 애완견을 인식한 후 사료제공을 중단하며,
    상기 판단부는 입력 이미지를 다양한 크기로 스케일 변환하여, 다양한 스케일 공간에서 이미지 피라미드를 생성하는 스케일 공간 생성모듈,
    상기 스케일 공간에서 이미지의 주요 변화가 있는 특징점을 탐지하되, 라플라시안 필터를 이용하여 경계선과 블러링된 특징점을 검출하는 키포인트 검출모듈,
    상기 키포인트 검출모듈의 특징점에 대해 방향을 할당하되, 주변 영역의 그레디언트 방향을 계산하고, 가장 강한 방향을 특징점의 방향으로 선택하는 방향 할당모듈,
    상기 특징점을 중심으로 하는 지역적인 특징을 추출하고, 이를 특징벡터로 표현하되, 각 특징점 주변 영역에서 주변 그레디언트 방향과 크기에 대한 히스토그램으로 구성되는 특징 디스크립터를 생성하는 특징 디스크립터 생성모듈,
    상기 품종 식별부에서 추출한 애완견의 이미지와 품종 정보를 활용하여 학습하는 학습모듈, 및
    식별한 품종이 최초 접근 품종인지 기존 접근 품종의 애완견인지를 판단하는 판단모듈을 포함하는 것을 특징으로 하는 머신러닝을 활용한 다수의 애완견 급식 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 급식 제어부는 카메라를 사용하여 애완견의 섭취량을 감지하고, 섭취량 정보는 동물병원 시스템과 연결되어 저장되어 애완견의 급식 상태를 모니터링하고, 설정된 개인단말에게 추후의 급식에 대한 조언이나 정보를 제공하는 것을 특징으로 하는 머신러닝을 활용한 다수의 애완견 급식 시스템.
  5. 품종 식별부, 판단부, 급식 제어부를 포함하는 머신러닝을 활용한 다수의 애완견 급식 시스템을 이용한 방법에 있어서,
    (a) 상기 급식 제어부가 상기 품종 식별부를 통해 영상인식 기술을 사용하여 카메라를 통해 애완견의 이미지를 촬영하고, 그 이미지를 분석하여 품종을 식별하도록 하는 단계,
    (b) 상기 급식 제어부가 상기 품종 식별부를 통해 식별한 품종이 개체별로 최초 접근 품종의 애완견인지 기존 접근 품종의 애완견인지를 상기 판단부로 판단하도록 하는 단계 및
    (c) 상기 급식 제어부가 판단부의 판단결과에 따라 품종정보 등록 또는 품종정보 갱신을 수행하고, 등록된 애완견의 급식 시간이면 저장된 음성을 출력하고, 카메라를 통해 섭취량을 설정된 개인단말로 제공하는 단계를 포함하되,
    상기 급식 제어부가 동물병원과 연결된 시스템을 통하여 해당 애완견에 추천되는 사료의 종류와 양을 결정하고 정보를 등록하며, 해당 애완견의 급식이 아닌 것에 접근하는 애완견이 있을 경우 해당 애완견을 인식한 후 사료제공을 중단하며,
    상기 (b) 단계에서, 상기 판단부는 입력 이미지를 다양한 크기로 스케일 변환하여, 다양한 스케일 공간에서 이미지 피라미드를 생성하고,
    상기 스케일 공간에서 이미지의 주요 변화가 있는 특징점을 탐지하되, 라플라시안 필터를 이용하여 경계선과 블러링된 특징점을 검출하며,
    상기 검출한 특징점에 대해 방향을 할당하되, 주변 영역의 그레디언트 방향을 계산하고, 가장 강한 방향을 특징점의 방향으로 선택하고,
    상기 특징점을 중심으로 하는 지역적인 특징을 추출하고, 이를 특징벡터로 표현하되, 각 특징점 주변 영역에서 주변 그레디언트 방향과 크기에 대한 히스토그램으로 구성되는 특징 디스크립터를 생성하며,
    상기 품종 식별단계에서 추출한 애완견의 이미지와 품종 정보를 활용하여 학습하고,
    식별한 품종이 최초 접근 품종인지 기존 접근 품종의 애완견인지를 판단하는 것을 특징으로 하는 머신러닝을 활용한 다수의 애완견 급식 방법.
KR1020230071711A 2023-06-02 2023-06-02 머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법 KR102655958B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230071711A KR102655958B1 (ko) 2023-06-02 2023-06-02 머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230071711A KR102655958B1 (ko) 2023-06-02 2023-06-02 머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR102655958B1 true KR102655958B1 (ko) 2024-04-12

Family

ID=90679882

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230071711A KR102655958B1 (ko) 2023-06-02 2023-06-02 머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102655958B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130000643A (ko) 2011-06-23 2013-01-03 장성 애완동물의 자동 급식장치
KR20140024522A (ko) * 2012-08-20 2014-03-03 서휘 애완동물 자동먹이 공급장치
KR20160099296A (ko) * 2015-02-12 2016-08-22 동서대학교산학협력단 센서 패드를 이용한 스마트 자동 급식시스템
KR20180046455A (ko) * 2016-10-28 2018-05-09 주식회사 글로툴바이오테크 사물인터넷 기반의 애완동물 케어시스템 및 그 운영방법
KR102188050B1 (ko) * 2019-06-24 2020-12-07 손혜정 영양 정보 제공 시스템 및 방법
KR20220095947A (ko) * 2020-12-30 2022-07-07 (주)바램시스템 Iot 디바이스 연동을 통한 반려동물 토탈 케어 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130000643A (ko) 2011-06-23 2013-01-03 장성 애완동물의 자동 급식장치
KR20140024522A (ko) * 2012-08-20 2014-03-03 서휘 애완동물 자동먹이 공급장치
KR20160099296A (ko) * 2015-02-12 2016-08-22 동서대학교산학협력단 센서 패드를 이용한 스마트 자동 급식시스템
KR20180046455A (ko) * 2016-10-28 2018-05-09 주식회사 글로툴바이오테크 사물인터넷 기반의 애완동물 케어시스템 및 그 운영방법
KR102188050B1 (ko) * 2019-06-24 2020-12-07 손혜정 영양 정보 제공 시스템 및 방법
KR20220095947A (ko) * 2020-12-30 2022-07-07 (주)바램시스템 Iot 디바이스 연동을 통한 반려동물 토탈 케어 시스템

Similar Documents

Publication Publication Date Title
Achour et al. Image analysis for individual identification and feeding behaviour monitoring of dairy cows based on Convolutional Neural Networks (CNN)
Zhang et al. Real-time sow behavior detection based on deep learning
WO2019101720A1 (en) Methods for scene classification of an image in a driving support system
US20150131868A1 (en) System and method for matching an animal to existing animal profiles
Lodkaew et al. CowXNet: An automated cow estrus detection system
Guzhva et al. Now you see me: Convolutional neural network based tracker for dairy cows
CN111161265A (zh) 一种动物计数、图像处理方法和装置
KR102506029B1 (ko) 영상 기반 가축 개체 성장 추이 모니터링 장치 및 방법
Kuan et al. An imaging system based on deep learning for monitoring the feeding behavior of dairy cows
Mandal et al. InceptGI: a ConvNet-Based classification model for identifying goat breeds in India
KR102655958B1 (ko) 머신러닝을 활용한 다수의 애완견 급식 시스템 및 그 방법
Duraiswami et al. Cattle breed detection and categorization using image processing and machine learning
CN113496251A (zh) 确定用于识别图像中的物体的分类器的装置、识别图像中的物体的装置和相应方法
KR102172347B1 (ko) 농장 가축 상태 평가 방법 및 시스템
CN112906810A (zh) 目标检测方法、电子设备和存储介质
CN117115754A (zh) 基于计算机视觉的鸭舍智能化监测方法
Nasiri et al. An automated video action recognition-based system for drinking time estimation of individual broilers
CN114821658B (zh) 牛脸识别方法、运行控制装置、电子设备及存储介质
CN113947780B (zh) 一种基于改进卷积神经网络的梅花鹿面部识别方法
US20230263124A1 (en) Livestock restraining devices, systems for livestock management, and uses thereof
Alon et al. Machine vision-based automatic lamb identification and drinking activity in a commercial farm
CN113033459A (zh) 图像识别方法、装置、计算机设备及存储介质
Bastiaansen et al. Continuous real-time cow identification by reading ear tags from live-stream video
AKAZUE Application of Supervised Machine Learning Algorithm with an Intrusion Detection System for Grazing Animals’ Detection
KR102607895B1 (ko) 스마트 축우 관리 시스템

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant