KR20090049487A

KR20090049487A - 닭도체의 품질등급 자동 판정 및 중량 산출시스템

Info

Publication number: KR20090049487A
Application number: KR1020070115756A
Authority: KR
Inventors: 황헌; 조성호
Original assignee: 성균관대학교산학협력단
Priority date: 2007-11-13
Filing date: 2007-11-13
Publication date: 2009-05-18
Also published as: KR100948406B1

Abstract

본 발명은 닭도체의 품질등급 자동 판정 및 중량 산출시스템에 관한 것으로, 닭도체 가공시 움직이는 닭도체의 영상정보를 실시간 측정하여 컴퓨터 영상처리를 통해 닭도체의 품질 등급 판정 및 중량 산출을 위한 품질 데이터로 실시간 처리하기 위한 것이다.

이를 위하여 본 발명은 닭도체의 가공을 위해 안내 레일 상을 왕복 주행하도록 샤클을 연결하고 동력을 인가하여 닭도체를 이송하는 닭도체 이송부; 상기 닭도체 이송부에서 움직이는 닭도체의 2차원 영상정보를 획득하여 영상 인터페이스수단을 통해 컴퓨터 영상처리시스템으로 입력하는 영상정보 측정부; 상기 2차원 영상정보를 해당 닭도체의 품질 등급 판정을 위한 품질 데이터로 실시간 처리하고, 상기 실시간 처리되는 품질 데이터로부터 닭도체의 품질 등급 정량화를 위해 설정된 적어도 하나의 검색인자를 이용하여 해당 닭도체의 품질 등급을 판정해내는 영상처리/등급판정부를 포함하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템을 제공하여, 닭도체의 수율 및 품질 등급을 가공단계에서 비접촉 및 비파괴 방식에 의해 자동으로 판정해낼 수 있게 한다.

닭도체

Description

닭도체의 품질등급 자동 판정 및 중량 산출시스템{CHICKEN CARCASS QUALITY GRADE AUTOMATIC DECISION AND WEIGHT MEASURING SYSTEM}

본 발명은 닭도체의 영상정보를 실시간 측정하여 품질등급을 자동으로 판정하고 중량을 산출해내는 시스템에 관한 것이다. 보다 상세하게는 닭도체의 가공시 이송라인에서 레이저 구조광과 칼라 카메라를 이용하여 닭도체의 3차원 프로파일 데이터와 2차원 영상정보를 각각 획득하여 닭도체의 수율 및 품질 등급을 자동으로 판정하고 중량을 산출할 수 있도록 함으로써 닭도체의 수율 및 품질을 온라인 상에서 실시간 관리가 이루어질 수 있도록 하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템에 관한 것이다.

국내의 경우, 닭고기 가공은 대규모 자동 도계가공 설비(대부분이 수입 설비)를 통하여 시중에 공급되고 있으며, 도계의 품질 판별 및 규격화 관련 자동 설비는 개발되어 있지 않다. 단지 로드셀을 이용한 중량 선별장치만 설치되어 사용되고 있는 실정이므로, 대부분의 도계 가공업체는 수작업으로 선택적 품질 검사를 실시하고 있다.

상기 품질 검사를 위한 주요 인자로는, 외형; 질병에 의한 도체 외관의 손상 여부; 가슴과 다리 부위 등에서 부피에 대한 고기의 양을 판단하기 위한 살붙임; 피부의 지방층 발달량을 측정하는 지방부착; 표피에서 뽑히지 않은 깃털의 부착 정도; 피부색의 좋고 나쁨; 피부 광택 및 육질의 탄력성 등 신선도; 피부 상처로 인한 외상; 피부의 멍ㆍ상처로 인한 응혈에 의한 변색; 뼈의 상태; 이물질 부착 여부; 악취; 도계과정에서 내장의 제거 상태와 위 속 내용물, 분변, 혈액, 담즙에 의한 오염 여부 등이 있다.

한편, 국내 닭고기의 유통구조는 대형 할인점을 중심으로 하는 유통구조로 급속히 재편되고 있으며, 육계의 경우 브랜드화를 통한 상품성 제고가 가속화되고 있다. 또한 향후에는 주관적 판단에 의거한 매매 및 유통구조로부터, 닭고기의 품질과 관련한 물성계측을 통하여 정량화된 객관적인 품질을 추출하고 정보화 기술(IT: Information Technology)을 바탕으로 개체별 또는 단위 그룹별로 그 추출된 품질정보를 명시하여 유통하는 구조로 변환하게 될 것이다.

특히, 유비쿼터스 컴퓨팅 기술의 보급에 따라 이러한 추세에 맞추어 소비자가 구매 장소에서 닭고기의 품질 및 생산정보를 바로 인터넷을 통하여 검색할 수 있게 되고 더불어 유통 경로를 추적할 수 있는 유통 정보화 시스템으로의 전환이 예측되고 있다. 이러한 혁신적 유통구조의 변화에 대처하기 위해서는 닭고기 가공라인에서 품질정보를 규격화하고 공정상의 안전성을 담보할 수 있는 생력화 시스템의 개발이 필요하다.

외국의 경우, 닭고기 가공공정에 있어서 품질의 규격화와 안전성 확보를 위하여 닭고기 품질검사 시스템 관련 설비연구 및 연구결과의 현장 도입을 적극적으 로 추진하고 있는 실정이다. 특히 미국의 경우, 농무부 산하 안전성 검사요원들이 닭고기 가공공정에서 식품으로서의 안전성을 확보하기 위하여 생산되는 닭고기의 전량에 대하여 수작업으로 정상 닭의 여부를 판별하는 전수 검사를 최종적으로 실시하고 있다.

최근에는 미국 농무부 산하 벨츠빌 연구소와 러셀연구소 그리고 죠지아 대학 주도 하에 닭고기 가공 관련 식품안전성 확보를 위한 연구가 10여년 전부터 활발히 추진되어 왔다. 그러나 그 연구결과를 이용한 상용화 설비는 아직 개발되지 않고 있으며, 일부 연구결과를 실험실 수준의 설비로 제작하여 현장 적응시험을 수행하고 있을 뿐이다.

상기와 같은 미국의 연구개발은 주로 닭고기 가공공정에 있어서 식품안전성 확보를 목적으로 하는 것으로, 현재까지는 근적외 반사 스펙트럼을 도계 가공라인에서 실시간으로 획득하고 이들 스펙트럼을 분석하여 비정상 닭을 추출하는 연구를 수행하고 있다. 더불어 다분광(multispectral) 및 초분광(hyperspectral) 영상시스템을 이용한 오염물질 검출연구를 함께 수행하고 있다.

본 발명의 목적은 닭도체 가공시 움직이는 닭도체의 영상정보를 실시간 측정하여 컴퓨터 영상처리를 통해 닭도체의 품질 등급 판정 및 중량 산출을 위한 품질 데이터로 실시간 처리함으로써 닭도체의 수율 및 품질 등급, 중량을 가공단계에서 비접촉 및 비파괴 방식에 의해 자동으로 판정 및 산출해낼 수 있도록 한 닭도체의 품질등급 자동 판정 및 중량 산출시스템을 제공하는 것이다.

본 발명의 다른 목적은 상기 자동 판정 및 산출결과를 호스트 컴퓨터 및 네트워크를 이용하여 온라인 상에 제공할 수 있도록 함으로써, 온라인 상에서 닭도체의 착육성을 실시간으로 확인하고 판별할 수 있도록 한 닭도체의 품질등급 자동 판정 및 중량 산출시스템을 제공하는 것이다.

상기 목적을 달성하기 위하여 본 발명은, 닭도체의 가공을 위해 안내 레일 상을 왕복 주행하도록 샤클(shackles)을 연결하고 동력을 인가하여 닭도체를 이송하는 닭도체 이송부; 상기 닭도체 이송부에서 움직이는 닭도체의 2차원 영상정보를 획득하여 영상 인터페이스수단을 통해 컴퓨터 영상처리시스템으로 입력하는 영상정보 측정부; 상기 2차원 영상정보를 해당 닭도체의 품질 등급 판정을 위한 품질 데이터로 실시간 처리하고, 상기 실시간 처리되는 품질 데이터로부터 닭도체의 품질 등급 정량화를 위해 설정된 적어도 하나의 검색인자를 이용하여 해당 닭도체의 품질 등급을 판정해내는 영상처리/등급판정부를 포함하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템을 제공한다.

영상처리/등급판정부는, 영상정보 측정부에서 레이저 구조광에 의해 측정되는 닭도체의 2차원 영상정보로부터 3차원 형상정보를 추출하는 영상 처리를 실시하고, 레이저 구조광에 의한 3차원 형상정보로부터 원하는 목표치의 중량을 산출해내도록 미리 학습된 신경회로망 알고리즘을 통해 상기 추출된 3차원 형상정보로부터 해당 닭도체의 중량을 산출하는 중량 산출 알고리즘을 탑재하여 구성할 수 있다.

본 발명의 닭도체 품질등급 자동 판정 및 중량 산출시스템에 의하면, 인력에 의존하여 왔던 품질 검사 및 선별 공정을 자동화함으로써 비접촉 방식 및 비파괴 방식으로 농축산물의 외관 및 내부 품질을 검색할 수 있다. 또 온라인 상에서 실시간으로 닭도체의 착육성 및 수율을 확인할 수 있다. 따라서 자동화를 통한 생산성 향상과 상품의 규격화를 통한 상품의 질적 우위를 확보할 수 있다.

이하, 첨부된 도면을 참조하여 본 발명을 실시예를 통해 보다 상세하게 설명한다.

도 1a는 본 발명 제1실시예에 따른 닭도체의 품질등급 자동 판정 및 중량 산출시스템의 구성을 개략적으로 도시한 블록도이고, 도 1b는 품질등급 자동 판정 및 중량 산출시스템의 구성도이다.

도 1a 및 도 1b에 도시된 바와 같이, 닭도체의 품질등급 자동 판정 및 중량 산출시스템은, 이송대와 안내 레일을 구비하고, 상기 안내 레일 상을 왕복 주행하도록 체인에 의해 연결된 샤클을 이용하여 닭도체를 자동으로 이송하도록 구성되는 닭 도체 이송부(100), 상기 닭도체 이송부의 움직이는 닭도체로부터 영상정보를 실시간 측정하고, 영상 처리하여 등급 판정 및 중량 산출을 위한 품질 데이터를 얻고, 그 품질 데이터로부터 등급 판정 및 중량 산출을 실시하는 영상처리/등급판정부(500)를 포함한다.

영상처리/등급판정부(500)에는 영상정보 측정부(300)가 연결되어 구성된다. 영상정보 측정부(300)는 다수의 카메라를 이용하여 닭도체의 2차원 외형정보를 얻고 다수 개의 레이저 구조광을 닭도체에 투사하여 대상체의 높이정보를 추출하는 데에 사용되는 2차원 영상정보를 측정한다.

닭도체 이송부(100)는 체인 구동 시스템에 의한 자동 이송장치(110)로 구성된다. 자동 이송장치(110)에는 샤클과 닭의 무게를 지지해줄 수 있는 철재 안내 레일을 상부에 구비한다. 또 안내 레일에 의해 샤클에 매달려 움직이는 닭 도체를 촬영할 수 있도록 모터(M)를 동력으로 하는 체인 구동 시스템을 구성하고, 체인과 샤클을 연결하여 동력 전달이 가능하도록 구성한다.

그리고 자동 이송장치(110)의 양단부에는 리미트 스위치 역할을 하는 두 개의 포토센서(111a, 111b)를 장착하여 연속적으로 좌우로 샤클이 움직일 수 있도록 구성한다. 또 릴레이와 같은 모터 콘트롤러(112)를 이용하여 모터를 정ㆍ역회전 구동시킨다. 이러한 모터의 정ㆍ역회전 센서 신호와 카메라 트리거 신호는 RS 232 통신케이블 등의 센서 인터페이스(500b)를 통해서 영상처리/등급판정부(500)를 구성하는 컴퓨터(500a)로 입력되도록 구성된다.

닭도체 이송부(100)에는 샤클에 의해 이송되는 닭도체의 유/무를 검출하여 상기 영상정보 측정부(300) 및 영상처리/등급판정부(500)로 동작 신호를 전송하는 닭도체 검출센서(113a-113c)가 다수 설치된다. 영상처리/등급판정부(500)는 영상정보 측정부(300)에서 움직이는 닭도체로부터 측정된 2차원 영상정보를 해당 닭도체의 품질 등급 판정을 위한 품질 데이터로 실시간 처리하고, 실시간 처리되는 품질 데이터로부터 닭도체의 품질 등급 정량화를 위해 설정된 다수의 검색인자를 이용하 여 해당 닭도체의 품질 등급을 판정해낸다. 여기서 품질 등급 정량화를 위해 설정된 다수의 검색인자로는 도체의 외형인자, 도체외관의 손상정도, 내장에 의한 도체 표피의 오염정도, 깃털 부착정도, 변색 및 종양, 도체의 부피 등이 있다.

본 실시예에 의한 영상처리/등급판정부(500)는, 상기 영상정보 측정부에서 제2 칼라 카메라(312)와 레이저 구조광에 의해 측정되는 닭도체의 2차원 영상정보로부터 닭도체의 높이정보 산출에 필요한 3차원 형상정보를 추출하는 영상 처리를 실시한다. 아울러 상기 영상처리 등급 판정부(500)는 레이저 구조광에 의한 3차원 형상정보를 학습데이터로 사용하여 그로부터 원하는 목표치의 중량을 산출해내도록 미리 학습된 신경회로망 알고리즘을 탑재한다. 따라서 이와 같은 영상처리/등급판정부(500)는 신경회로망 알고리즘과 상기 영상처리를 통해 추출된 3차원 형상정보로부터 해당 닭도체의 중량을 산출한다.

영상정보 측정부(300)에는 도 2에 도시된 바와 같이, 조명장치(360)와 레이저 구조광 발생장치(370), 및 다수의 제1,2칼라 카메라(311,312: 도 3의 (a) 및 (b) 참조)를 구비한 영상 입력부(310)가 구비된다. 닭도체의 외형 정보를 얻기 위해 닭도체 이송부(100)에서 이송되는 닭도체로부터 제1 칼라 카메라(311)를 통해 닭도체의 2차원 영상정보를 얻는다. 그리고 대상체의 높이정보 추출에 사용되는 3차원 형상정보를 얻기 위해서는, 제2 칼라 카메라(312)와 레이저 구조광 발생장치(370)를 사용하며, 이를 통해 닭도체에 다수의 레이저 구조광(371)을 투사하여 2차원의 영상정보를 얻는다. 이렇게 얻어지는 영상정보로부터 중량 산출에 밀접한 부분에 투사되는 레이저 구조광 하나에 의해 3차원의 형상정보를 추출할 수 있게 된다.

영상처리/등급판정부(500)에서 사용될 수 있는 컴퓨터 영상처리 시스템으로는 도 2에 도시된 바와 같이 영상 입력부(310)의 후단에, 카메라 인터페이스부(320), 프레임 그래버(330), 영상처리에 사용되는 컴퓨터(340), 그리고 영상 출력부(350) 등이 더 구비될 수 있다. 두 개의 제1 칼라카메라(311)와 제2 칼라카메라(312)를 이용하여 닭도체의 2차원 외형정보와 2차원의 영상정보를 입력 받아 프레임 그래버(330)에 저장하고, 이때 저장된 영상정보를 컴퓨터(340)에서 처리하여 그 영상처리 결과를 영상 출력부(350)를 통해 모니터 화면으로 출력함으로써 3차원의 형상정보와 2차원의 외형정보 등을 실시간으로 보여주는 동작을 수행한다.

상기 영상 입력부(310)의 제1 칼라 카메라(311)는, 센서를 탑재하여 샤클의 움직임을 감지할 수 있도록 닭도체 이송부의 안내 레일 상에 설치되고, 제2 칼라 카메라(312)는 레이저 구조광 발생장치(370)에서 투사된 레이저 구조광(371)이 닭도체에 도달되는 위치의 상부에 설치(도 5 참조)된다. 이러한 영상 입력부의 후단에는 카메라 인터페이스부(320)가 설치된다.

제1 칼라 카메라(311)는 센서에 의해 구동되고 도 3의 (a) 및 (b)에 도시된 바와 같이 샤클에 의해 움직이는 닭도체의 2차원 외형정보를 획득할 수 있도록 안내 레일(10) 상에 설치된다. 이때 측정된 영상정보는 후단의 영상처리 컴퓨터(340)를 통한 국부 영상처리에 의해 닭 도체의 외곽선 추출이 행해져 닭 도체의 외형 품질 정보가 획득된다. 제2 칼라 카메라(312)는 영상처리 작업을 위해 샤클이 이동하면 레이저 구조광이 투사되는 위치의 상부에서 닭 도체의 3차원 프로 파일 정보를 획득한다. 영상처리 컴퓨터(340)의 전단에는 상기 두 개의 칼라 카메라로부터 받아들인 2차원 영상정보를 전처리하기 위해서 프레임 그래버(330)가 설치된다.

프레임 그래버(330)는 아날로그 영상을 수신 받아 디지털 신호로 변환하여 프레임 버퍼에 저장하고, 후단의 영상처리 컴퓨터에서 영상처리작업을 수행할 수 있도록 하는 인터페이스기능을 수행한다.

영상 출력부(350)는 국부 영상처리를 위한 작업자의 지시내용과 카메라의 영상을 출력하고 본 발명에 의해 처리되는 영상처리결과를 출력하는 장치이다. 조명장치(360)는 도 4에 도시된 바와 같이 대상체 표면 가운데에 빛이 집중되는 현상을 없애기 위해 대각선 방향으로 배치된 제1,2 조명등(361a,361b), 그림자에 의한 대상체 외형정보의 오인식을 없애기 위해 카메라 위쪽에 같은 각도로 배치되는 제3 조명등(361c), 각 조명등에 대한 집중광을 분산시키기 위해 설치되는 원형 편광 필터(362a-362c)로 구성된다. 조명장치(360)는 할로겐 조명등, 고주파 형광등이 사용될 수 있다. 할로겐 조명등의 경우는 그 뒷부분에 과열 방지를 위한 공기 냉각부(363a-363c)가 더 구비되어 찬 공기는 불어넣고 더운 공기를 빼내는 역할을 수행하도록 하는 것이 바람직하다. 조명장치로서 고주파 형광등이 사용되는 경우에는 링 형상의 고주파 형광등이 좋다. 고주파 형광등은 일반적인 형광등과 달리 플리커(flicker) 현상이 없고 열 발생이 매우 적으며 뛰어난 색 재현성을 가진다. 또한 넓은 직경으로 제작되어서 넓은 영역을 균일하게 조사하는 데에 최적의 조건을 가진다. 대형 링 타입 고주파 형광등은 전극부 유리관의 간격을 매우 좁게 하여 거의 완전한 원형으로 제작함으로써 균일한 원 조명으로 이상적인 조명효과를 얻을 수 있다. 이 경우 상기 조명장치에는 확산판(diffuser)을 부착하여 집중광 현상을 방지하도록 구성하는 것이 바람직하다.

상기와 같이 컴퓨터를 이용하여 영상처리 시스템을 구현한 영상처리/등급판정부(500)에서 2차원 영상정보로부터 3차원 형상정보를 추출하는 과정을 상세히 설명하면 다음과 같다.

본 발명에서는 제2 칼라 카메라(312)에서 생성되는 영상평면과 3차원 공간상의 X,Y평면은 평행하다고 가정하고, 도 5에 도시된 바와 같이 레이저 구조광 발생장치(370)에서 발생되는 19개의 레이저 구조광(371)을 닭도체에 투사하게 되면 제 2칼라 카메라(312)를 통해 움직이는 닭도체의 2차원 영상정보를 획득할 수 있다. 이 때 물체의 높이정보는 영상으로부터 X,Y평면으로 투영되었을 때의 기준라인과, 대상체가 놓임으로써 높이의 변화가 발생하여 생긴 변위라인의 형상 변위를 추적함으로써 높이 정보를 추출할 수 있다.

즉, 이동하는 닭도체에 레이저 구조광(371)을 투사하면, 닭도체의 높이정보에 따라 기준 레이저 라인으로부터 이격된 거리에서 레이저 구조광의 형상변이가 발생한다. 이 형상변이를 이용하여 닭도체의 높이정보를 추출하고, 이를 다시 3차원 기준좌표계로 변환시키는 과정을 거쳐 3차원의 형상정보를 추출할 수 있게 된다.

도 6은 본 발명에 의한 영상처리/등급판정부(500)에서 실시되는 2차원 영상정보로부터 3차원 형상정보를 추출하는 과정을 개략적으로 도식화한 흐름도이다. 3차원 형상정보를 추출은 크게 영상획득 단계(S101-S103), 이치화 처리단계(S104- S106), 세선화 처리단계(S107), 라벨링 처리단계(S108), 높이정보 추출단계(S109), 3차원 기준좌표계로의 변환단계(S110) 등의 여섯 단계로 구분된다.

영상획득(image acquisition) 단계(S101-S103)는, 모터가 구동된 상태에서 센서가 움직이는 닭도체를 감지하면 실행되는 단계로서, 영상 입력부(300)의 제 2칼라 카메라(312)를 이용하여 샤클에 의해 이동 중인 상태의 닭 도체로부터 영상을 획득하는 단계이다. 이때 닭 도체를 감지하기 위하여 제 2 칼라 카메라에 의해 촬영되는 영상 평면과 레이저 구조광이 일치되는 지점에 센서가 설치되어 있어, 센서에 샤클이 감지되면 제 2칼라 카메라(312)가 작동하여 640×480 화소 영역의 영상정보를 획득하여 0~255의 화소값이 카메라 인터페이스부(320)를 통해 프레임 그래버(330)에 저장된다.

제 2칼라 카메라(312)에서 획득한 영상이 가지는 픽셀 값에는 여러 가지 노이즈가 포함되어 있고, 레이저 구조광의 퍼짐형상이나 반사로 인하여 0~255 사이의 밝기 수준을 갖고 있다.

상기 이치화(thresholding) 처리단계(S104-S106)는 영상처리의 속도 향상과 영상해석의 편이를 위하여 256가지의 밝기 수준의 획득 영상을 2개의 수준으로 변환하는 단계이다. 이러한 이치화 처리단계는 히스토그램(histogram)을 이용하여 명도값의 기준이 되는 어떤 경계값 T을 정하고 픽셀의 명도값이 경계값 T보다 작으면 명도 값 0(검정색)으로, 경계값 T보다 크면 명도 값 255(흰색)로 만드는 과정이다. 이때 가장 중요한 것은 어떤 경계값 T의 선택 문제이다. 이러한 경계값 T의 설정은 많은 경험과 시행착오를 거치며 얻게 되는 값이다. 가장 간단한 방법은 히스 토그램의 분포를 보고 결정하는 것이다. 본 발명에서는 레이저 구조광을 이용함으로써 경계값 T를 쉽게 결정할 수 있게 된다. 레이저 구조광 발생장치에서 투사되는 19개의 레이저 구조광의 경우는 파장영역이 일정하고, 거리에 따른 퍼짐현상이 적고 밝기의 수준이 변하지 않는 특성을 지니고 있기 때문이다. 즉, 칼라 카메라를 통해 입력되는 영상의 화소값을 나타내는 함수를 F(u,v), 경계값 T의 저장 값을 G(u,v), 밝기 수준의 경계값을 T라고 하면 다음과 같이 나타낼 수 있다.

G(u,v) = 0, F(u,v) < T

G(u,v) = 255, F(u,v) ≥ T

본 발명에서는 외부 조명을 차단한 상태에서 레이저 구조광만을 사용하기 때문에, 제2 칼라 카메라를 통해 획득되는 영상화면에는 흑색의 배경위에 흰색의 레이저 구조광만이 나타난다. 이렇게 얻은 영상을 경계값 T=220을 기준으로 이치화 처리를 실시하는 경우 영상 출력부(350)의 모니터 화면에는 도 7a와 같은 영상 화면이 나타날 수 있게 된다.

세선화(thinning) 처리단계(S107)에서는, 선의 가운데만을 남겨두고 나머지를 제거함으로써 두꺼운 선을 단일선으로 바꾸어주어 도 7b와 같은 영상화면을 얻을 수 있다. 즉 세선화 처리단계에서는 입력영상이 갖는 선 성분은 보존하고 선의 도형만 추출한다. 세선화 처리를 실시하면 호프 변환과 같은 알고리즘을 수행할 때 대상 화소의 수를 줄여 처리 속도를 향상시킬 수 있다.

라벨링단계(S108)에서는, 라인 영역으로 분류된 화소들만으로 이루어진 이진화된 영상에 대해 라벨링을 수행하여 각각의 라인에 속하는 화소에 대해 동일한 라 벨링 값을 할당함으로써, 최종적으로 동일한 라인 영역에 속한 화소에 동일한 라벨링 값이 할당된다. 따라서 도 7c와 같이 레이저 구조광 라인 부분에 돌출된 잡음이 제거된 영상이 얻어진다.

한편, 도 5는 제2 칼라 카메라(312)에서 생성되는 영상평면과 3차원 공간상의 X,Y 평면이 평행한 경우 닭도체의 2차원 외형 정보로부터 대상체의 높이정보를 추출하는 동작을 설명하기 위한 개념도이다. 도 5를 참조하여 높이 추출과정을 설명하면 다음과 같다.

레이저 구조광(371)을 닭도체에 투사하여 얻은 점 o, p는 v 축을 따라서 임의의 물체의 바닥면에 위치한 점이며, 물체가 기준면에 존재하지 않을 때 레이저 구조광은 항상 op로 투사된다. 그러나 기준면 상에 높이정보 △z를 가진 물체가 통과하면 레이저 구조광은 op에서 o'p'로 △v 만큼의 형상의 변이가 일어날 것이다.

여기서, △v에 의한 높이정보 z를 산출하는 회귀 방정식을 구하기 위하여는 다음과 같은 방법이 사용된다. 즉 보정차트를 이용하여 이미 높이를 알고 있는 위치에 레이저 구조광이 투사되도록 하고, △z값이 변할 때 v축 방향으로 레이저 구조광의 형상 변이량을 측정한다. 이러한 상관관계를 다음의 수학식 1a 내지 1e를 다음의 수학식으로 표현할 수 있다.

위의 식은 레이저 구조광의 형상변위가 △v*일 때 높이가 Z*가 되기 위한 회기방정식의 계수들이 αβγ임을 나타내고 있는 것이다. 따라서, 우리가 이미 알고 있는 높이정보 Z*값을 이용하여 2차 방정식의 계수인 αβγ를 구하고, 그 값을 대입하여 형상 변이량 △v값에서의 높이정보 z를 구할 수 있다.

수학식 1a 내지 1e를 행렬식으로 일반화할 때 계수항의 행렬을 M으로 표현하면 다음의 수학식 2과 같이 표현할 수 있게 된다.

이를 전개하여 보면

이 된다.

원하는 계수형의 행렬 M을 구하기 위하여 의사반전행렬(Pseudo inverse matrix) Z를 이용하면,

이 된다.

3차원 높이정보 추출단계(S109)는 위에서 추출한 △v로부터 높이정보 z값을 산출하는 단계이다. 상기 수학식4에 의거하여 이미 구축된 회기방정식을 이용하여 높이정보 z를 계산한다. 이 단계에서는 중심선에 위치하는 라인은 높이 변화가 존재하지 않는 부분이므로 화소값을 0으로 변환하는 조작, 즉 실제 높이의 변화가 나타나는 부분만을 화면에 표시하도록 값을 변화하는 처리를 하는데, 이 변화된 부분만을 기억시켰다가 획득된 전체 영상 파일들의 처리가 끝나면 한 화면에 나타낸다.

마지막으로 3차원 기준좌표계로의 변환단계(S110)는 위에서 산출한 높이정보 z와 라벨링 처리하여 얻어낸 레이저 구조광의 2차원 영상좌표(u,v)를 다음의 수학식5에 대입하여 3차원 기준좌표계 상의 정보(x, y, z)를 추출하는 단계이다.

여기서, R11 = P11-P41×u,

R12 = P12-P42×u,

R21 = P21-P41×u,

R22 = P22-P42×u,

K1 = -P13×z + P43×u×z + u - P14,

K2 = -P13×z + P43×v×z + v - P24,

이고, Pij는 좌표변환행렬 P의 i행과 j열의 각 원소이다.

한편, 상기 제1 칼라 카메라를 통해 획득한 2차원 영상정보로부터 닭도체의 외형정보를 추출과정에 대하여 설명하면 다음과 같다.

도 8a는 제1 칼라 카메라(311)를 통해 획득한 영상정보이다. 이러한 오리지널 영상정보로부터 상기 닭도체의 외형을 추출하기 위해서는 전처리를 거쳐 히스토그램 평활화를 수행한다.

히스토그램 평활화에서 영상의 각 색상별 밝기값의 단위는 0∼255이지만 영상에 따라 사용되는 밝기값도 있고, 전혀 사용되지 않는 밝기값도 있다. 또한 광량에 따라 광량이 작아서 전체적으로 어두운 영상도 있는 반면, 너무 많은 광량이 들어와서 전체적으로 너무 밝은 영상도 있을 수 있다. 이렇듯 한쪽에 쏠려있는 등 고르지 못하게 퍼져있는 픽셀 밝기값을 고르게 분포시키는 역할을 한다.

비록 색 보정과 검은 커텐 등을 이용하여 자연광 차단을 통해 그림자가 없고 깨끗한 영상이 입력되었다 하더라도 검은 커텐 등에 의해 완벽히 외부광을 차단할 수 있는 것은 아니기 때문에 그 와중에 빛이 산란하게 된다. 따라서 이러한 히스토그램 평활화 과정을 통해 이후에 영상처리과정에서 두드러질 수 있는 잡음을 없애고 정확한 정보를 얻을 수 있다. 도 8b는 이러한 평활화를 거친 후의 영상정보이다.

이후 닭 도체 외형정보를 추출하는 데 있어서 배경과 닭 도체의 경계값인 외곽선을 찾을 때에 칼라 영상정보가 필요하지는 않으므로 칼라 RGB 영상을 그레이 스케일 레벨 영상으로 변환하는 동작을 수행한다. 도 8c는 이러한 변환동작을 거친 후의 영상정보이다. 이 과정을 통해 불필요한 정보가 줄어들어 빠른 처리속도와 적은 저장공간을 가질 수 있다.

다음으로 영상 분할의 단계에서는, 문턱치를 통해 배경과 닭 도체를 분리할 때 배경과의 경계값을 임의로 설정하여, 픽셀 밝기값이 설정된 경계값보다 낮은 밝기값의 배경 부위는 모두 0으로 변환되고, 설정된 경계값보다 큰 밝기값을 가지고 있는 닭 도체 부위는 모두 255의 값으로 변환되는 이치화 처리를 실시함으로써 닭도체의 외형 정보를 얻을 수 있다. 여기서 경계값 T는 닭 도체 뒷부분의 배경인 검은 암막 커텐 부분이, 미소하지만 10∼21사이의 RGB값들을 가지고 있기 때문에, 미소 RGB 값들을 모두 닭도체 부위와 다른 값으로 변환시킬 수 있는 값이면 적당하며, 상기와 같은 RBG 값들이 검출되는 경우 예를 들면 경계값을 T=30으로 결정하는 것이 바람직하다. 도 8d는 경계값 T를 30으로 설정하여 이치화 처리를 거친 후의 영상이다.

도 8e는 본 발명에서 밝기값이 변하는 에지값을 라인 스캔방식으로 찾아 닭도체의 외곽선을 추출하기 위하여 실시하는 전처리 과정을 거친 후의 영상으로서, 도 8d의 영상을 확장(dilation) 연산과 축소(erosion) 연산을 각 2회씩 반복함으로써 경계값 부위의 잡음을 제거한 후의 영상이다.

이와 같이 닭 도체의 외형추출과정에서는 충분한 전처리 과정을 거친 닭 도체 영상 데이터를 라인스캔 방식에 의해 처리하여 닭의 외형적 특징점을 찾는다.

몸통부위를 추출하기 위해서는 가로 라인스캔 방식으로 먼저 다리부위는 잘라내고 둔부에 제일 두꺼운 점 2개를 추출하고 몸통과의 연결부위인 허리부위의 점 2개를 추출한다. 이 두 점은 둔부에서 허리까지 거의 선형적으로 감소하는 두께가 허리부위에서 갑자기 증가하는 특징을 이용하는 것이다. 도 8f는 몸통부위를 추출한 후의 영상이다.

날개는 가운데를 중심으로 좌ㆍ우로 각각 라인스캔을 하여 날개와 몸통이 만나는 부분에 중심점 각 1개씩 2개를 추출하여 어깨부위의 점을 추출한다. 그런 다음 둔부, 허리, 날개 부위에서 추출된 총 6개의 점을 외곽선을 방향을 따라 선으로 연결한다. 그러면 도 8g와 같은 닭 도체의 몸통 형상 부위를 추출할 수 있게 된다.

도 9는 본 발명에 의한 닭 도체의 부러진 날개 검출과정을 도식화한 흐름도로서, 오리지널 영상정보를 히스토그램 스트래칭 처리한 후 경계값(T=10)을 기준으로 이치화(영상 분할)하고, 적색밴드를 기준으로 최대얼룩을 선택하는 라벨링 처리를 실시하여 골절날개를 검출하는 과정을 나타낸다.

이 검출과정에서는 첫 번째로 닭 도체 다리 부위에서 특정한 부위를 참조 영역으로 선택한다. 두 번째는 닭 도체의 왼쪽 부위에서 특정한 부위에서부터 시작된 선은 프로세싱 영역까지 (x 축을 따라) 왼쪽에서 오른쪽으로 움직이고, 왼쪽 날개와 만날 때까지 y축을 따라 계속 움직인다. 이후 이 선은 가장 큰 왼쪽면 안쪽을 움직인다. 맨 마지막 선분은 왼쪽 날개를 다시 만나게 되는지의 여부를 체크한다.

만약 첫 번째 선의 마지막 선분이 왼쪽 날개를 다시 만나지 않았다면, 다음 선은 y축 방향으로 일정한 값을 더한 후, 첫 번째 선과 같은 궤도로 움직인다. 이 검출과정에서는 임의의 선의 마지막 구획이 날개를 두 번 만나거나, 마지막 선이 특정한 부분에 있을 때 멈추게 된다.

마지막으로 닭 도체 몸체의 오른쪽 부위에서도, 상기 왼쪽에서 선행한 바와 같은 방법으로 검출동작이 실행된다.

도 8h는 왼쪽 날개가 부러진 닭 도체의 영상으로서, 왼쪽 면에서는 여섯번째 주사선의 마지막 선분이 특정 부위의 바깥에 있을 때에 에지 검출동작이 멈추고, 오른쪽 면에서는 첫 번째 주사선의 마지막 선분이 오른쪽 날개와 만나게 될 때까지 검출동작이 멈추는 것이 나타나 있다. 도 8i는 왼쪽 면에서는 첫 번째 주사선의 마지막 선분이 왼쪽 날개와 만나게 될 때에 에지 검출동작이 멈추고, 오른쪽 면에서는 다섯 번째 주사선까지 5회 반복 주사된 후에 특정화되는 것을 보이고 있다.

도 10은 본 발명에 의한 닭 도체 몸체의 피 검출과정을 도식화한 흐름도로서, 멍의 개수와 각각 멍의 직경으로 표현되는 피의 반점을 검출하여 품질 등급을 향상시키기 위한 영상 분할 과정이다.

이 검출 과정에서는 먼저, 배경과 닭 도체 부위의 에러들로부터 닭 도체 영상의 오류들을 제거하기 위하여 국부적인 영상처리를 통한 전처리를 실시하고, 적색밴드패스필터(red band pass filter)에 의한 필터링을 실시하여, 영상에서 영역의 윤곽이나 관심 있는 물체들을 분리하는 것이 목적이다. 이 검출과정에서는 닭 도체 피멍을 분할하기 위해서 전처리 과정으로 적색밴드 패스필터를 이용하여 닭 도체 피멍을 검출한다.

다음으로 이 검출과정에서는 닭 도체 품질 등급을 낮추는 응혈 반점을 검출하여 응혈 분할을 실시한다. 이 응혈분할은 색 모델의 개수를 이용하여 응혈을 검출한다. 즉 색 모델에는 빨강, 녹색, 파랑; 색조, 침투, 명암; 색조, 침투, 값; 색조, 침투, 밝기; 청색, 자홍색, 노란색; 휘도, (주황-파랑), (자주-녹색); 휘도, 파랑, 빨강; 과다 빨강, 과다 녹색, 그리고 과다 파랑이 포함된다. 과다 색깔은 RGB 표현보다 사람이 색깔을 파악하는 방법에 부합한다. 과다 색깔의 히스토그램의 검사를 통하여, 대조 문턱치는 히스토그램으로부터 결정되며 배경과 피멍의 영상을 분할하는데 쓰인다. 도 14a는 닭 도체 표피에 있는 피멍들이 닭 도체 몸체에서 분리된 것을 보여준다.

이어서 이 검출과정에서는 3*3 확장 연산자를 적용하여 다른 조그마한 피멍직경을 검출한다. 3*3 축소 연산자는 확장 연산자로 인하여 과장된 영향을 감소시키는 것에 적용됨이 바람직하다. 도 14b의 좌측 영상은 확장연산자를 적용한 이후의 결과를 보여주며, 도 14b의 우측 영상은 축소 연산자를 적용한 후의 결과를 보여준다.

도 11은 본 발명에 의한 타박상 검출과정을 도식화한 흐름도로서, 오리지널 영상에서 전처리를 실시하고, 적색밴드패스필터를 통해 타박상에 의한 멍들을 필터링한다. 그리고 히스토그램 (2R-G-B, 2G-R-B, 그리고 2B-R-G)으로 조사하여, 각 성분을 위한 일정한 이치화 처리를 실시함으로써 전체 닭 도체의 타박상 멍들의 부위를 검출할 수 있게 된다. 도 14c는 타박상 검출과정을 통해 검출된 영상으로, 타박상 멍들을 명확히 구분하기 위하여 분홍색 점들로 표현한 것을 보여준다.

이 검출과정에서는 타박상 점들을 계산하기 위하여 우선 오리지널 영상에 적색밴드패스필터링 및 이치화를 실시한다. 이때, 위에서 설명했던 3*3 확장 연산자와 3*3 축소 연산자를 실행하고, 타박상에 의한 멍들을 검출하기 위해 라벨링을 수행한다. 라벨링된 멍들로 서로 간의 픽셀간 거리를 계산하고, 이후 각 멍의 가장 긴 거리를 측정하여 멍들의 직경을 계산하여 결정한다.

도 12는 본 발명에 의한 잔털 검출과정을 도식화한 흐름도로서, 원 영상에서 전처리를 실시하고, RGB 모델을 HSI 모델로 변형한 후 HSI(색조, 침투, 명암) 모델을 이용하여 이치화를 실시하여 이미지를 분할하는 과정을 수행함을 알 수 있다. 그리고 제거되지 않는 잔털의 직경은 3*3 확장 연산자와 3*3 축소 연산자를 실행하여 계산한다.

도 13에는 본 발명에 의한 닭 도체의 중량 측정 과정을 도식화한 흐름도로서, 20개의 노드를 가진 2개의 은닉층과, 로그-시그모이드함수(Log-sigmoid), 및 선형함수가 적용된 역전파(backpropagation) 방식의 신경 회로망(neural network)을 구성하여 그 알고리즘에 의한 닭도체의 중량 산출과정이 나타나 있다.

상기 도 13에 의한 닭도체의 중량 측정과정은, 오리지널 영상을 이치화하여 닭 도체에 투사된 레이저 구조광 중 중량에 밀접하다고 판단되는 레이저 구조광 한 라인의 픽셀수와 제1 칼라 카메라에서 얻어진 닭 도체의 원 영상에서 이치화한 영상의 모든 픽셀 수를 추출하여 닭 도체 중량 측정을 위한 입력 데이터로 설정하는 단계; 및 신경회로망의 은닉층 수와 노드 수 및 활성함수를 이용하여 상기 입력데이터로부터 닭도체의 중량을 산출하는 단계로 이루어진다.

도 15는 본 발명의 이해를 돕기 위해 참고로 예시한 일반적인 신경회로망 알고리즘 개념도이다. 신경 회로망은 인간의 신경(뇌)을 모델링한 알고리즘으로서 거미줄처럼 서로 연결된 망(net)의 형태로, 인간의 신경이 갖는 특징과 같이 거미줄 같은 회로망 속으로 입력과 출력을 제시해감에 따라 회로망이 점점 최적화되어가면서 정확성과 정밀성을 획득할 수 있도록 구성된다.

따라서 상기 신경회로망의 연산에는 가중치(w)와 바이어스(b)라는 개념이 도입되며, 이러한 가중치와 바이어스는 회로망 구성에 결정적인 역할을 한다.

참고로, 이러한 신경 회로망을 구성할 때에는 크게 두 가지 점에 유의할 필요가 있다.

첫 번째로 신경회로망의 은닉층 삽입이다. 신경회로망은 입력층과 출력층 외에 입력치와 출력치를 연결하기 위한 여러 층의 은닉층이 요구된다. 은닉층(hidden layer)은 활성함수라는 몇 개의 함수를 조합하여 구성할 수 있다. 그 활성 함수로는 대표적으로 하이퍼 탄젠트 함수(hyper tangent function), 로그-시그모이드 함수(log-sigmoid function), 선형 함수(linear function) 등이 있으며, 입출력 값의 관계의 선형/비선형성이나 범위에 따라 활성함수를 골라 사용한다. 이 활성함수에 입력되는 값은 직전 층(layer)의 연산으로 나온 결과(입력으로 통칭)에 가중치(w)를 곱하고 바이어스값(b)을 더한 값(wp+b, w:가중치, p:입력치, b:바이어스값)이다. 따라서 가중치와 바이어스의 크기에 따라 활성함수의 결과는 큰 차이를 보일 것이다. 적절한 활성함수와 함께 은닉층의 수와 노드(node)의 수도 결정한다. 일반적으로 층의 수와 노드의 수가 많을수록 보다 많은 연산을 하게 되므로 보다 정확하고 정밀한 신경회로망 구성을 가능하게 하는 것으로 알려져 있다.

두 번째로 학습 방법(learning rule)의 결정이다. 지금까지 인공신경망의 발전은 약 50년 동안 이루어져 왔으며 연구의 핵심은 인공신경망을 최적화시키기 위한 방법이었고, 이를 학습방법이라 한다. 좀 더 자세하게 설명하자면, 입력 데이터 세트와 출력 데이터 세트를 신경회로망의 입력과 타겟으로 설정하고, 학습을 반복하면서 학습을 통한 출력과 본래의 출력인 타겟의 오차(error)를 줄이기 위하여 가중치와 바이어스를 갱신한다. 대체적으로는 그 오차를 참고하여 갱신을 반복하는 역전파(backpropagation) 방식이 많이 쓰인다. 또한 학습속도(learning rate)도 학습 효율과 크게 관련이 있으므로 처음에는 빨리 학습하다가 오차가 작아질수록 속도를 줄여나간다. 학습속도란 갱신을 위해 빼거나 더해지는 숫자를 조정하기 위한 개념으로, 속도를 늦추면 갱신의 폭이 좁아져서 최적화해나가기 위한 연산횟수를 늘리고 결과적으로 최적화 속도라 늦춰지는 셈이 된다.

이렇게 신경회로망을 구성하여 입출력 데이터 세트를 제시하면 은닉층에서의 가중치(w)와 바이어스(b)를 자동적으로 갱신하면서 인공신경망은 주어진 데이터세 트에 최적화된 네트워크로 변화하게 되며 그 과정을 학습 또는 훈련이라고 한다. 학습 달성은 오차의 크기로 가늠할 수 있다. 오차를 줄이기 위해 사용자는 활성 함수와 은닉층 수, 노드의 수를 다양하게 조합하여 인공신경망을 바꾸어 다시 학습시킨다. 그런 과정 끝에 최적화된 인공신경망이 얻어진다.

본 발명에서, 닭 도체 중량을 측정하기 위한 입력 데이터는 닭 도체에 투사된 레이저 구조광 중 중량에 밀접한 레이저 구조광 한 라인의 픽셀수와 제1 칼라 카메라에서 얻어진 닭 도체의 원 영상에서 이치화한 영상의 모든 픽셀들의 수이다.

본 발명의 중량산출과정에서 사용되는 역전파 방식 신경회로망은 각각 20개의 노드수를 가진 2개의 은닉층(20*20nodes)과 1개의 중심점으로 구성된다. 상기 은닉층에는 활성함수로서 Log-sigmoid 함수가 사용되고, 비슷하게 선형 변형 함수가 출력층을 위해 구성되어 닭도체의 중량을 최종적으로 측정할 수 있게 된다.

마지막으로 이상의 본 발명에서는 상기 영상정보를 이용하여 추출된 품질 등급 정보 및 중량 산출 정보들로 한 데이터베이스를 구축함으로써, 각 단위별 작업 공정 및 품질 등급 정보를 작업자에게 온라인으로 제공할 수 있다. 이러한 기능은 일정 영역만 영상처리를 수행하게 함으로써 그 사용효율을 높일 수 있게 되며, 또 이를 통하여 영상처리 알고리즘을 간단하게 수행할 수 있다.

이상 본 발명을 특정의 바람직한 실시예에 대해서 도시하고 설명하였다. 그러나, 본 발명은 상술한 실시예에만 국한되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 다음의 청구범위에 기재된 본 발명의 기술적 사상을 벗어남이 없이 얼마든지 다양하게 변경 실시할 수 있을 것이다.

도 1a는 본 발명에 의한 닭도체의 품질등급 자동 판정 및 중량 산출시스템의 전체적인 구성을 개략적으로 도시한 블록도이고,

도 1b는 본 발명에 의한 품질등급 자동 판정 및 중량 산출시스템의 실시예 구성도이고,

도 2는 도 1의 영상정보 측정부의 구성예를 나타내는 도면,

도 3의 (a)와 (b)는 도 5의 구성에서 닭도체 이송부에 칼라 카메라 설치상태를 설명하기 위한 참고 사시도,

도 4는 도 2의 구성에서 조명장치의 설치상태를 설명하기 위한 참고사시도,

도 5는 3차원 공간상의 X,Y평면에 대상체가 놓인 경우 레이저 구조광과 칼라 카메라에 의한 대상체의 높이정보 추출과정을 설명하기 위하여 도시한 참고도,

도 6은 본 발명에 의한 영상처리/등급판정부에서 실시되는 2차원 영상정보로부터 3차원 형상정보를 추출하는 알고리즘을 개략적으로 도식화한 흐름도,

도 7a 내지 도 7c는 도 6의 3차원 형상정보 추출과정에 의해 각각 이치화, 세선화, 라벨링화된 후의 영상 정보 예시 사진,

도 8a 내지 도 8i는 본 발명에 의한 닭도체의 외형정보 추출과정에서 각 처리단계에서 얻어지는 영상 정보 예시 사진,

도 9는 본 발명에 의한 닭 도체의 부러진 날개 검출과정을 도식화한 흐름도,

도 10은 본 발명에 의한 닭 도체 몸체의 피 검출과정을 도식화한 흐름도,

도 11은 본 발명에 의한 타박상 검출과정을 도식화한 흐름도,

도 12는 본 발명에 의한 잔털 검출과정을 도식화한 흐름도,

도 13은 본 발명에 의한 닭 도체의 중량 측정 과정을 도식화한 흐름도,

도 14a 내지도 14c는 본 발명에 의한 피멍 및 타박상 검출과정에서 각 처리단계에서 얻어지는 영상정보 예시 사진,

도 15는 본 발명의 이해를 돕기 위한 일반적인 신경회로망 알고리즘 개념도이다.

<도면의 주요 부분에 대한 부호의 설명>

10: 안내 레일 100: 닭 도체 이송부

200: 식별마크 표시부 300: 영상정보 측정부

310: 영상 입력부 311,312: 칼라 카메라

320: 카메라 인터페이스부 330: 프레임 그래버

340: 영상처리 컴퓨터 350: 영상 출력부

360: 조명장치 361a-361c: 조명등

362a-362c: 원형 편광 필터 363a-363c: 공기 냉각부

370: 레이저 구조광 발생장치 371: 레이저 구조광

500: 영상처리/등급판정부

Claims

닭도체의 가공을 위해 안내 레일 상을 왕복 주행하도록 샤클을 연결하고 동력을 인가하여 닭도체를 이송하는 닭도체 이송부; 및

상기 닭도체 이송부에서 이송되는 닭도체의 영상정보를 측정하여, 해당 닭도체의 품질 등급 판정 및 중량 산출을 위한 품질 데이터로 실시간 처리하고, 상기 실시간 처리되는 품질 데이터로부터 닭도체의 품질 등급 정량화를 위해 설정된 적어도 하나의 검색인자를 이용하여 해당 닭도체의 품질 등급을 판정해내는 영상처리/등급판정부를 포함하여 구성되는 것을 특징으로 하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제1항에 있어서, 상기 영상처리/등급판정부가,

닭도체의 외형 정보 추출에 필요한 2차원 영상정보를 제1 칼라 카메라를 통해 측정하고, 닭도체의 중량 산출에 필요한 높이정보를 추출하기 위한 2차원 영상정보를 제2 칼라 카메라와 레이저 구조광을 이용하여 측정하는 영상정보 측정부를 포함하는 것을 특징으로 하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제2항에 있어서, 상기 영상처리/등급판정부가,

상기 영상정보 측정부를 통해 획득한 각각의 2차원 영상정보를 해당 닭도체의 품질 등급의 판정 및 중량 산출을 위한 품질 데이터로 실시간 처리하고, 닭도체 의 품질 등급의 정량화를 위해 설정된 다수의 검색인자를 이용하여 상기 실시간 처리된 닭도체의 품질 데이터의 등급을 판정하는 것을 특징으로 하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제2항에 있어서, 상기 영상처리/등급판정부가,

상기 영상정보 측정부에서 레이저 구조광에 의해 측정되는 닭도체의 2차원 영상정보로부터 3차원 형상정보를 추출하는 영상 처리를 실시하고;

레이저 구조광에 의한 3차원 형상정보로부터 원하는 목표치의 중량을 산출해내도록 미리 학습된 신경회로망 알고리즘을 통해, 상기 영상처리를 통해 추출된 3차원 형상정보로부터 해당 닭도체의 중량을 산출하는 것을 특징으로 하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제2항에 있어서, 상기 영상처리/등급판정부가,

제1 칼라 카메라를 통해 획득한 영상정보의 전처리를 거쳐 히스토그램 평활화하는 단계;

상기 평활화된 영상정보를 칼라 RGB 레벨로부터 그레이 스케일 레벨로의 레벨 변환하는 단계; 및

상기 그레이 스케일 레벨 변환된 영상정보를 이치화하여 영상 분할하는 단계를 실시하여 닭도체의 외형정보를 추출하는 것을 특징으로 하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제5항에 있어서, 상기 영상처리/등급판정부가,

상기 이치화된 영상 정보를 확장(Dilation) 연산과 축소(Erosion) 연산을 각 여러 번 반복하여 경계값 부위의 잡음을 제거하는 단계를 더 실시하여 닭도체의 외형 정보를 추출하는 것을 특징으로 하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제5항에 있어서, 상기 영상처리/등급판정부가,

상기 영상 분할에 의해 추출된 닭도체의 외형정보를 가로 라인스캔 방식으로 먼저 다리부위는 잘라내고 둔부에 제일 두꺼운 점 2개를 추출하는 단계;

몸통과의 연결부위인 허리부위의 점 2개를 추출하여 허리부의 점을 추출하는 단계;

몸통의 가운데를 중심으로 좌/우로 각각 라인스캔을 하여 날개와 몸통이 만나는 부분에 중심점 각 1개씩 2개를 추출하여 날개부위의 점을 추출하는 단계;

상기 둔부, 허리, 날개 부위에서 추출된 총 6개의 점을 외곽선을 방향을 따라 선으로 연결하는 단계를 더 실시하여 닭 도체의 몸통 형상 부위를 추출하는 것을 특징으로 하는 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제2항에 있어서, 상기 영상처리/등급판정부가,

제1 칼라 카메라를 통해 획득한 영상정보를 히스토그램 스트래칭 처리한 후 경계값을 기준으로 이치화를 실시하고, 적색밴드를 기준으로 최대 얼룩을 선택하는 라벨링 처리 단계를 실시하여 골절날개를 검출하는 것을 특징으로 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제 2항에 있어서, 상기 영상처리/등급판정부가,

제1 칼라 카메라를 통해 획득한 영상정보를 국부적인 영상처리를 통한전처리 및 적색밴드패스필터로 필터링 처리하여 닭도체의 몸체와 멍의 구분이 용이하게 영상처리하는 단계;

상기 필터링 처리된 영상정보로부터 색 모델을 이용하여 피멍을 검출하는 단계;

과다색깔의 히스토그램 검사를 통해 배경과 피멍을 영상 분할하는 단계;

상기 영상 분할에 의해 추출된 피멍정보에 확장 연산자 및 축소연산자를 적용하여 피멍의 수와 직경을 산출하는 단계를 실시하여 피멍을 검출하는 것을 특징으로 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제 2항에 있어서, 상기 영상처리/등급판정부가,

제1 칼라 카메라를 통해 획득한 영상정보를 국부적인 영상처리를 통한전처리 및 적색밴드패스필터로 필터링 처리하여 닭도체의 몸체와 타박상의 구분이 용이하게 영상처리하는 단계;

상기 필터링 처리된 영상정보를 히스토그램 검사하여 닭도체의 몸체와 타박 상을 검출을 위해 영상 분할하는 단계;

상기 영상 분할에 의해 추출된 타박상 정보에 확장 연산자 및 축소연산자를 적용하고, 라벨링을 실시하여 그 라벨링된 멍들로 서로 간의 픽셀간 거리를 계산하고, 각 멍의 가장 긴 거리를 측정하여, 타박상의 수와 직경을 산출하는 단계를 실시하여 타박상을 검출하는 것을 특징으로 닭도체의 품질등급 자동 판정 및 중량 산출시스템.
제 2항에 있어서, 상기 영상처리/등급판정부가,

제1 칼라 카메라를 통해 획득한 영상정보를 HSI(색조,침투,명암) 모델을 이용하여 영상 분할하여 잔털과 배경을 구분하는 단계;

상기 영상 분할에 의해 구분된 잔털 정보에 확장 연산자 및 축소연산자를 적용하여 잔털의 수와 길이를 산출하는 단계를 실시하여 잔털을 검출하는 것을 특징으로 닭도체의 품질등급 자동 판정 및 중량 산출시스템.