KR20130110568A - 소리 정보를 이용한 돼지 호흡기 질환 탐지 및 식별 장치와 그 방법 - Google Patents

소리 정보를 이용한 돼지 호흡기 질환 탐지 및 식별 장치와 그 방법 Download PDF

Info

Publication number
KR20130110568A
KR20130110568A KR1020120032622A KR20120032622A KR20130110568A KR 20130110568 A KR20130110568 A KR 20130110568A KR 1020120032622 A KR1020120032622 A KR 1020120032622A KR 20120032622 A KR20120032622 A KR 20120032622A KR 20130110568 A KR20130110568 A KR 20130110568A
Authority
KR
South Korea
Prior art keywords
respiratory disease
sound
pig
feature vector
svm
Prior art date
Application number
KR1020120032622A
Other languages
English (en)
Inventor
박대희
정용화
김석
오승근
장홍희
이종욱
Original Assignee
고려대학교 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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020120032622A priority Critical patent/KR20130110568A/ko
Publication of KR20130110568A publication Critical patent/KR20130110568A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K13/00—Devices for grooming or caring of animals, e.g. curry-combs; Fetlock rings; Tail-holders; Devices for preventing crib-biting; Washing devices; Protection against weather conditions or insects
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61D—VETERINARY INSTRUMENTS, IMPLEMENTS, TOOLS, OR METHODS
    • A61D99/00—Subject matter not provided for in other groups of this subclass

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Zoology (AREA)
  • Environmental Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Wood Science & Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Engineering & Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

돼지의 호흡기 질환을 탐지 시, 실시간으로 취득된 소리 신호를 수신하고, 소리 신호로부터 특징 벡터를 추출하고, SVM(Support Vector Machine) 및 단일 클래스 SVM중 어느 하나를 통해 특징 벡터가 호흡기 질환을 가진 돼지의 소리인지 여부를 판단하고, 판단의 결과 호흡기 질환을 가진 돼지의 소리로 판단된 경우, 호흡기 질환의 발생을 알리는 경고 신호를 출력하되, SVM 및 단일 클래스 SVM 중 어느 하나를 통해 호흡기 질환을 가진 돼지의 소리에 대한 학습 데이터를 생성하여 판단의 기준으로 설정한다.

Description

소리 정보를 이용한 돼지 호흡기 질환 탐지 및 식별 장치와 그 방법{APPARATUS FOR DETECTING AND IDENTIFYING OF PORCINE RESPIRATORY DISEASE USING SOUND DATA AND METHOD THEREOF}
본 발명은 소리 정보에 기반하여 돼지의 호흡기 질환 발생을 탐지하고 발생된 질환을 식별하는 장치와 그 방법에 관한 것이다.
최근 IT 기술의 발전에 따라, IT 기술과 농/축산업과의 융합 기술(Computers and Electronics in Agriculture)이라는 새로운 분야에 대한 연구가 활발하게 진행되고 있다.
이러한 IT 농/축산업 분야의 연구동향에 따르면, 축사(cattle shed) 내의 가축들의 상태를 모니터링하고 평소와 다른 이상 징후가 탐지되면 이를 관리자에게 알리거나, 가축의 움직임을 분석하여 가축의 특정 상태 및 질환 징후를 조기에 탐지하는 가축 점검 시스템 및, RFID(Radio Frequency Identification)를 이용하여 가축의 정보 및 생산 이력 등을 관리하는 등의 가축 관리 시스템 등 다양한 연구가 진행되고 있다.
예를 들어, 대한민국등록특허 1098867호에서는 축사 환경 정보 및 가축의 상태를 실시간으로 모니터링함으로써 가축 생장 환경을 유지시키며 가축의 질환 여부를 파악할 수 있도록 하는 축사 관리 시스템을 제안하고 있다. 구체적으로, 이러한 종래의 축사 관리 시스템은 축사에 설치된 환경 정보 수집부와 이동형 측정부를 이용하여 축사 내/외부 환경 상태와 가축 생육 상태를 수집하고, 수집된 정보들을 유무선망을 통해 사용자 단말로 제공하여 모니터링할 수 있도록 한다.
한편, 돼지를 사육하는 양돈장(hog pen) 등의 장소에서 바이러스성 돼지 호흡기 질환이 발병할 경우 집단으로 질환이 번질 수 있어 막대한 경제적 손실을 초래하게 된다. 돼지의 호흡기 질환을 유발하는 환경 인자는 PCV2(Porcine Circo Virus 2) 및 돼지생식기호흡기증후군(Porcine Reproductive and Respiratory Syndrome, PRRS)가 주된 병원체이다. 이러한 병원체는 이유후전신성소모성증후군(Postweaning Multisystemic Wasting Syndrome: PMWS) 및 돼지 유행성 폐렴(Mycoplasma hyopneumoniae infection, MH) 등을 유발하는데, 이는 특히 연령이 낮은 돼지에게 큰 영향을 미친다. 돼지의 소모성 질환은 폐사로 인한 직접적인 피해보다도 사료 효율 감소, 성장률 저하, 위축돈 발생, 출하일령 연장 등을 초래함으로, 질환이 발병된 후 전염을 차단하고 질환의 발생을 예방하는 작업이 요구된다.
종래에는 돼지 호흡기 질환 탐지를 위하여 개인이 24시간 돼지의 행동을 감시 및 인식하거나, 축사 관리에서 일반적으로 사용되는CCTV와 같은 하드웨어에 전적으로 의존하고, GPS 또는 RFID 등의 고가의 설비 비용을 필요로 하는 방법을 사용하는 경우가 대부분이었다.
따라서 기존의 동물의 소리에 관계된 시스템으로는 소규모의 농/축산업에는 편리하게 적용하기 어려운 단점이 있으며, 설비 비용이 적게 발생하면서도 효율적으로 돼지의 호흡기 질환 발병의 탐지를 가능하게 하는 방법에 대한 요구가 커지고 있다.
본 발명의 일 실시예는 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 돼지의 소리 신호를 데이터마이닝(data mining) 및 기계학습(machine learning) 기법을 통해 처리하여 돼지의 호흡기 질환의 발생을 탐지 및 식별하는 장치와 그 방법을 제공하고자 한다.
상기와 같은 기술적 과제를 달성하기 위한 본 발명의 일 측면에 따른 돼지 호흡기 질환 탐지 및 식별 장치는, 실시간으로 취득된 소리 신호를 수신하는 신호 수신부; 상기 수신된 소리 신호로부터 특징 벡터를 추출하는 특징 추출부; SVM(Support Vector Machine) 및 단일 클래스 SVM중 어느 하나를 통해 상기 특징 벡터가 호흡기 질환을 가진 돼지로부터 발생된 소리인지 여부를 판단하는 호흡기 질환 발생 탐지부; 및 상기 호흡기 질환 발생 탐지부의 판단 결과에 기초하여 호흡기 질환 발생을 알리는 경고 신호를 출력하는 알림부를 포함하되, 상기 호흡기 질환 발생 탐지부는, 호흡기 질환을 가진 돼지의 소리를 상기 SVM 및 단일 클래스 SVM 중 어느 하나로 학습하여 학습 데이터를 생성하고, 상기 학습 데이터를 기준으로 상기 판단을 수행한다. 이때, 상기 호흡기 질환을 가진 돼지의 소리로 판단된 상기 특징 벡터 및 기생성된 학습 데이터에 기초하여 다중 클래스 SVM 및 SRC(Sparse Representation Classifier) 중 어느 하나를 통해 호흡기 질환 종류를 식별하는 호흡기 질환 식별부를 더 포함할 수 있으며, 상기 학습 데이터는 복수의 종류의 호흡기 질환 중 어느 하나의 호흡기 질환을 가진 돼지의 소리를 상기 다중 클래스 SVM 및 SRC 중 어느 하나를 통해 학습하여 각 호흡기 질환 별로 생성된 것이다.
또한, 본 발명의 다른 측면에 따른 돼지 호흡기 질환 탐지 및 식별 장치를 통해 돼지 호흡기 질환을 탐지하는 방법은, 실시간으로 취득된 소리 신호를 수신하는 단계; 상기 소리 신호로부터 특징 벡터를 추출하는 단계; SVM(Support Vector Machine) 및 단일 클래스 SVM중 어느 하나를 통해 상기 특징 벡터가 호흡기 질환을 가진 돼지의 소리인지 여부를 판단하는 단계; 및 상기 판단의 결과 호흡기 질환을 가진 돼지의 소리로 판단된 경우, 호흡기 질환의 발생을 알리는 경고 신호를 출력하는 단계를 포함하되, 상기 판단하는 단계 이전에, 상기 SVM 및 단일 클래스 SVM 중 어느 하나를 통해 호흡기 질환을 가진 돼지의 소리에 대한 학습 데이터를 생성하여 상기 판단의 기준으로 설정한다. 이때, 상기 경고 신호를 출력하는 단계 이전에, 호흡기 질환을 가진 돼지의 소리로 판단된 상기 특징 벡터 및 기생성된 학습 데이터에 기초하여 다중 클래스 SVM 및 SRC(Sparse Representation Classifier) 중 어느 하나를 통해 호흡기 질환 종류를 식별하는 단계를 더 포함할 수 있으며, 상기 학습 데이터는 복수의 종류의 호흡기 질환 중 어느 하나의 호흡기 질환을 가진 돼지의 소리를 상기 다중 클래스 SVM 및 SRC 중 어느 하나를 통해 학습하여 각 호흡기 질환 별로 생성된 것이다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 돼지의 소리 신호에 기반하여 돼지의 호흡기 질환의 발생을 실시간으로 신속하게 탐지할 수 있고, 탐지된 호흡기 질환의 종류에 대한 정확한 식별이 가능하여 돼지의 호흡기 질환의 확산을 예방할 수 있는 효과가 있다.
그리고, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 돼지의 소리 신호를 소리 센서 및 CCTV 등을 통해 실시간으로 수집함으로써, 저비용으로 24시간 소리 신호를 지속적으로 취득할 수 있으며, 소리 취득을 위해 돼지 행동에 제약을 가하지 않아 왜곡되지 않은 소리 신호를 획득할 수 있다.
그리고, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 돼지 호흡기 질환의 발생을 판단하기 위한 모델 설계에 다양한 기계학습 알고리즘을 이용함으로써, 안정적이고 정확하게 돼지 호흡기 질환을 탐지 및 식별할 수 있는 효과가 있다. 구체적으로, 돼지 호흡기 질환의 발생을 판단 시 기계 학습 모듈 중 하나인 SRC의 특성상 호흡기 질환을 가진 돼지의 소리의 추가로 인하여 데이터베이스에 변화가 발생하더라도 전체 시스템을 재학습 시킬 필요 없이 추가 호흡기 질환 소리 특징 벡터만을 추가하면 된다. 따라서 호흡기 질환 식별 시스템은 추가적인 호흡기 질환 소리에 대해서 능동적으로 적응할 수 있다.
그리고, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 돼지 호흡기 질환의 발생 탐지에는 SVM(Support Vector Machine)과 단일 클래스 SVM을 사용하고, 돼지 호흡기 질환의 종류 식별에는 다중 클래스 SVM(Multi-Class SVM)과 SRC(Sparse Representation Classifier)를 사용함으로써, 탐지 시에는 오분류 가능성을 방지하고 다양한 돼지 호흡기 질환의 종류에 대해서는 유형별로 분류할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 돼지 호흡기 질환 탐지 및 식별 장치의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 돼지의 소리 신호 파형의 일례를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 돼지 호흡기 질환 탐지 및 식별 방법을 설명하기 위한 순서도이다.
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 "전기적으로 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 의미한다.
도 1은 본 발명의 일 실시예에 따른 돼지 호흡기 질환 탐지 및 식별 장치의 구성을 나타내는 블록도이다.
그리고, 도 2는 본 발명의 일 실시예에 따른 돼지의 소리 신호 파형의 일례를 나타낸 도면이다.
먼저, 도 1에 도시한 바와 같이, 돼지 호흡기 질환 탐지 및 식별 장치(100)는 신호 수신부(110), 특징 추출부(120), 호흡기 질환 발생 탐지부(130), 호흡기 질환 식별부(140) 및 알림부(150)를 포함하여 구성된다.
신호 수신부(110)는 실시간으로 취득된 소리 신호를 수신하여 특징 추출부(120)로 전송한다. 이때, 소리 신호는 양돈장 등의 장소에 설치된 하나 이상의 소리 센서 및 CCTV(Close-Circuit TeleVision) 등의 오디오 취득 장치를 통해 실시간으로 취득된 소리 신호로서, 돼지의 소리 신호를 포함하고 있다.
특징 추출부(120)는 입력된 소리 신호로부터 특징 벡터를 추출하여 소리 특징을 수치화한다. 그리고, 특징 추출부(120)는 추출된 특징 벡터를 호흡기 질환 발생 탐지부(130) 및 호흡기 질환 식별부(140)로 전송한다.
이때, 특징 추출부(120)는 입력된 소리 신호에서 음이 시작되는 시작점을 탐색하고, 탐색한 시작점 이후의 데이터를 처리하여 특징 벡터를 추출할 수 있다.
한편, 특징 추출부(120)는 사람이 인지하는 소리 내에서 호흡기 질환이 발병한 돼지 소리를 탐지할 수 있도록 사람의 소리 인지 주파수를 반영하여 특징 벡터를 추출한다.
구체적으로, 인간은 소리를 인지할 때 각 주파수 성분을 선형적으로 인지하지 않고 멜 스케일(mel scale)로 소리를 인지한다. 멜 스케일은 사람이 인지하는 톤의 변화를 측정하는 단위로, 사람의 청각 특성을 반영하고 있다. 이와 같은 면에서, 본 발명의 일 실시예에 따른 특징 추출부(120)는 사람의 소리 인지 주파수를 반영하는 MFCC(Mel-Frequency Cepstral Coefficient) 계수를 이용하여 돼지의 소리 특징 벡터를 추출할 수 있다. 참고로, MFCC 기법은 인간의 귀가 주파수 변화에 반응하게 되는 양상인 멜 스케일을 따르는 청각적 특성을 반영한 켑스트럽(cepstrum) 계수 추출 기법이다.
예를 들어, 특징 추출부(120)는 하기와 같은 단계들을 통해 MFCC를 통한 특징 벡터 추출을 수행할 수 있다.
먼저, 입력된 소리 신호를 전달 특성에 의한 신호의 감쇄를 보상하기 위하여 고역강조(Pre-emphasis)하고, 소리 신호의 불연속성을 최소화하기 위해 해밍 윈도우(Hamming Window)를 사용하여 윈도잉(Windowing)한다.
그리고, 윈도윙된 신호를 FFT(Fast Fourier Transform) 변환하여 멜 스케일 필터 뱅크 분석을 수행하고, 그 결과 값을 로그 변환 및 DCT 변환 처리하여 MFCC를 통한 특징 벡터를 추출한다.
참고로, 본 발명의 일 실시예에 따른 특징 추출부(120)는 MFCC 외에도 LPCC(Linear Prediction Cepstrum Coefficient), PLP(Perceptual Linear Prediction), 및 LDA(Linear Discriminative Analysis) 등을 이용하여 특징 벡터를 추출할 수 있다.
호흡기 질환 발생 탐지부(130)는 입력된 소리 신호가 호흡기 질환이 발병한 돼지의 소리인지를 판단하여 돼지 호흡기 질환의 발생을 탐지한다. 그리고, 호흡기 질환 발생 탐지부(130)는 호흡기 질환을 가진 돼지의 소리의 발생 시 알림부(150)로 호흡기 질환 발생 사실을 알리는 알림 정보를 전송한다.
구체적으로, 본 발명의 일 실시예에 따른 호흡기 질환 발생 탐지부는(130)는 기계학습을 통해 호흡기 질환이 발병한 돼지의 소리(이하 설명의 편의상, ‘호흡기 질환 돼지 소리’라고 함)에 대한 학습 데이터를 생성하여 호흡기 질환 발생 판단의 기준으로 설정한다. 이때, 호흡기 질환 발생 탐지부(130)는 사전에 취득되거나 입력된 호흡기 질환 돼지 소리를 SVM(Support Vector Machine) 및 단일 클래스 SVM 중 어느 하나를 통해 학습하여 학습 데이터를 생성하여 저장한다. 이때, 사전에 취득되거나 입력된 호흡기 질환 돼지 소리는 양돈장에서의 질환 발병 확인 실험 및 녹음 등을 통해 설정된 호흡기 질환을 가진 돼지의 소리다.
그리고, 호흡기 질환 발생 탐지부(130)는 특징 추출부(120)를 통해 소리 신호로부터 추출된 특징 벡터 값과 상기 호흡기 질환 돼지 소리에 대한 학습 데이터에 기초하여 해당 소리 신호가 호흡기 질환을 가진 돼지의 소리인지 여부를 판단한다.
이때, 호흡기 질환 발생 탐지부(130)는 입력된 특징 벡터와 기설정된 학습 데이터 간의 일치 여부를 판단하되, 상기 특징 벡터와 상기 학습 데이터가 일치하는 경우 상기 입력된 소리 신호를 호흡기 질환을 가진 돼지의 소리로 판단하여 돼지 호흡기 질환 발생을 확인한다.
본 발명의 일 실시예에 따른 호흡기 질환 발생 탐지부(130)는 SVM 및 단일 클래스 SVM 중 어느 하나를 통해 특징 벡터를 학습하여 해당 특징 벡터가 호흡기 질환을 가진 돼지의 소리인지 여부를 판단할 수 있다.
구체적으로, 호흡기 질환 발생 탐지부(130)는 단일 클래스 SVM 중 SVDD(Support Vector Data Description)를 통해 돼지의 소리 신호 데이터를 학습하여 학습 데이터를 생성하거나, 입력된 특징 벡터에 대한 학습을 수행하여 입력된 특징 벡터가 호흡기 질환을 가진 돼지의 소리인지 여부를 판단할 수 있다.
다음으로, 호흡기 질환 식별부(140)는 기설정된 다수의 종류의 호흡기 질환의 종류 중 상기 호흡기 질환을 가진 돼지의 소리로 판단된 특징 벡터에 해당하는 호흡기 질환의 종류를 식별한다. 그리고, 호흡기 질환 식별부(140)는 상기 식별된 돼지 호흡기 질환의 종류를 포함하는 식별 정보를 알림부(150)로 전달한다.
예를 들어, 도 2에서는 다양한 종류의 돼지 소리의 특징 파형들을 나타내었다.
도 2의 (A)는 정상적인 돼지 소리의 신호 파형이고, (B) 내지 (D)는 각각 호흡기 질환을 가진 돼지의 소리 중 이유후전신성소모성증후군(PMWS)(B), 돼지생식기호흡기증후군(PRRS)(C), 및 돼지 유행성 폐렴(MH)(D)의 각 신호 파형을 나타내었다. 이때, 호흡기 질환 식별부(140)는 입력된 호흡기 질환을 가진 돼지 소리의 신호 파형을 학습하여 각 신호 파형을 유형별로 분류할 수 있다.
다시 도 1로 돌아가서, 본 발명의 일 실시예에 따른 호흡기 질환 식별부(140)는 다중 클래스 SVM(Multi-Class SVM) 및 SRC(Sparse Representation Classifier) 중 어느 하나를 통해 돼지 호흡기 질환의 종류를 식별할 수 있다.
구체적으로, 호흡기 질환 식별부(140)는 사전에 다중 클래스 SVM 및 SRC 중 어느 하나를 통해 호흡기 질환을 가진 돼지의 소리를 유형별로 학습하여 학습 데이터를 생성 및 저장한다.
그리고, 호흡기 질환 식별부(140)는 상기 특징 벡터에 대해 돼지 호흡기 질환의 발생이 탐지되면, 사전에 학습된 학습데이터와 상기 특징 벡터에 기초하여 다중 클래스 SVM(Multi-class SVM) 및 SRC(Sparse Representation Classifier) 중 어느 하나를 통해 상기 특징 벡터가 해당하는 호흡기 질환의 종류를 식별한다.
이하, 호흡기 질환 식별부(140)가 SRC를 통해 호흡기 질환을 가진 돼지의 소리를 식별하기 위한 학습 데이터를 생성하는 과정의 일례에 대해 구체적으로 설명하기로 한다.
소리 신호 데이터를 SRC에 적용하게 되면, 입력된 소리 신호 데이터가 속하는 클래스에서만 상대적으로 높은 소속값을 가질 수 있으며, 소리 신호 데이터가 속하지 않는 클래스에서는 대부분 0(zero) 값을 갖거나 낮은 값을 갖는다. 이때 0 값을 갖는 클래스들의 수가 매우 많으므로 이를 SR(Sparse Representation)이라고 한다.
이와 같이, 본 발명의 실시예를 통해 생성된 학습 데이터를 통해, 호흡기 질환을 가진 돼지의 소리를 빠르게 분류 및 식별할 수 있다.
참고로, 본 발명의 일 실시예에 따른 호흡기 질환 식별부(140)는 새로운 호흡기 질환을 가진 돼지의 소리가 추가될 경우, 해당 호흡기 질환을 가진 돼지의 소리 클래스에 대해서만 추가로 학습 데이터를 생성할 수 있다. 따라서, 호흡기 질환을 가진 돼지의 소리 클래스의 추가가 요구되더라도 전체 시스템을 재학습시킬 필요 없이 새로운 호흡기 질환을 가진 돼지의 소리를 추가 학습하여 학습 데이터를 저장(즉, 데이터베이스화)함으로써 점증적 갱신(Incremental updating) 및 확장을 할 수 있게 되어 효과적인 시스템의 성능 유지 및 관리를 수행할 수 있게 된다. 예를 들어, 분류하고자 하는 클래스의 개수가 n 개이고, 이에 대하여 n 개의 SVDD를 위한 학습 데이터 생성이 완료되었다고 가정한다. 만약, 분류하고자 하는 클래스의 개수를 하나 더 추가하려면, 총 n+1 개의 클래스에 대해서 다시 학습 데이터를 생성해야 한다. 그러나 본 발명은 새로운 호흡기 질환을 가진 돼지의 소리 클래스의 추가가 요구되더라도 전체 시스템을 재학습시킬 필요 없이 상술한 SRC 학습을 통해 새로운 호흡기 질환을 가진 돼지의 소리 클래스만을 추가 학습함으로써 시스템 자원의 소모를 최소화할 수 있다.
한편, 이진 분류기인 SVM을 이용하여 다중 클래스 SVM을 설계할 경우, 각 SVM은 관측되지 않은 영역을 포함하여 결정 경계면을 생성함으로써 새로운 데이터에 대하여 오분류(misclassification) 할 가능성이 높다. 그런데, 본 발명의 일 실시예에 따른 돼지 호흡기 질환 탐지 및 식별 장치(100)는, 돼지 호흡기 질환 탐지는 SVM 및 단일 클래스 SVM(예를 들어, SVDD) 중 어느 하나를 통해 처리하고, 돼지 호흡기 질환 종류의 식별은 다중 SVM 및 SRC 중 어느 하나를 통해 처리함으로써, 탐지 시에는 상기와 같은 오분류 가능성을 방지하고 다양한 돼지 호흡기 질환의 종류에 대해서는 유형별로 분류할 수 있는 효과가 있다.
알림부(150)는 호흡기 질환 발생 탐지부(130) 및 호흡기 질환 식별부(140) 중 적어도 하나로부터 전송된 정보(즉, 알림 정보 및 식별 정보 중 적어도 하나)에 기초하여 돼지 호흡기 질환 탐지 정보를 생성하여 출력한다. 이때, 알림부(150)는 호흡기 질환 발생 탐지부(130)로부터 알림 정보를 수신한 경우 호흡기 질환에 걸린 돼지의 발생을 알리는 경고 신호를 출력할 수 있다. 또한, 알림부(150)는 호흡기 질환 식별부(140)로부터 식별 정보를 수신한 경우, 상기 경고 신호와 더불어 식별된 호흡기 질환의 종류 정보를 더 포함하는 호흡기 질환 탐지 정보를 출력할 수 있다. 알림부(150)는 상기 식별된 호흡기 질환의 종류 정보만을 따로 출력하는 것도 가능하다.
참고로, 상기 출력은 알림부(150)가 호흡기 질환 탐지 정보를 기설정된 사용자 단말기로 제공하거나 모니터 및 스피커 등의 기설정된 출력 장치(미도시)를 통해 출력하는 것을 의미한다. 이때, 알림부(150)로부터 출력되는 경고 신호 및 호흡기 질환 정보는, 돼지 호흡기 질환 탐지 및 식별 장치(100) 자체에 포함되거나 외부 장치로서 구성되어 돼지 호흡기 질환 탐지 및 식별 장치(100)와 유/무선으로 연결된 알림 단말(미도시)을 통해 출력될 수 있다. 그리고, 상기 경고 신호 및 호흡기 질환 정보는 관리자가 인지할 수 있도록 문자 데이터 및 음향 데이터 등 다양한 형태의 정보를 포함할 수 있다.
이하 도 3을 참조하여 본 발명의 일 실시예에 따른 돼지 호흡기 질환을 탐지하는 방법에 대해서 상세히 설명하도록 한다.
도 3은 본 발명의 일 실시예에 따른 돼지 호흡기 질환 탐지 및 식별 방법을 설명하기 위한 순서도이다.
먼저, 실시간으로 취득된 소리 신호를 수신하여(S310), 수신된 소리 신호로부터 특징 벡터를 추출한다(S320).
이때, 수신된 소리 신호를 MFCC를 통해 특징 벡터를 추출하여 소리 특징을 수치화할 수 있다. 참고로, 상기 수신된 소리 신호에는 돼지 소리 신호가 포함되어 있다.
다음으로, 추출된 특징 벡터에 기초하여 SVM 및 단일 클래스 SVM(예를 들어, SVDD)를 통해 호흡기 질환을 가진 돼지의 소리인지 여부를 판단하여 호흡기 질환 발생을 탐지한다(S330).
이때, 호흡기 질환의 발생을 탐지하기에 앞서, 사전에 호흡기 질환을 가진 돼지의 소리에 대한 SVM 또는 단일 클래스 SVM 학습을 통한 학습 데이터를 생성 및 데이터베이스화하여 호흡기 질환 발생 탐지의 기준 데이터로 설정할 수 있다.
구체적으로, SVM 및 단일 클래스 SVM 중 어느 하나를 통해 특징 벡터와 사전에 학습된 호흡기 질환을 가진 돼지의 소리의 학습 데이터 간의 일치 여부를 비교하여, 일치되는 경우 상기 수신된 소리 신호가 호흡기 질환을 가진 돼지의 소리 인것으로 판단하여 돼지 호흡기 질환 발생을 탐지한다.
그런 후, 호흡기 질환 발생으로 탐지된 특징 벡터에 대해 다중 클래스 SVM 및 SRC 중 어느 하나를 통한 호흡기 질환 종류의 식별을 처리한다(S340).
이때, 호흡기 질환 종류를 식별하기에 앞서, 사전에 호흡기 질환을 가진 돼지의 소리에 대한 다중 클래스 SVM또는 SRC 학습을 통한 학습 데이터 생성 및 저장(즉, 데이터베이스화)을 수행하여 호흡기 질환 종류의 식별 시 기준 데이터로 설정할 수 있다.
그런 후, 상기 특징 벡터에 대한 호흡기 질환 발생 탐지을 알리는 알림 정보 및 호흡기 질환 종류를 식별한 식별 정보 중 적어도 하나에 기초하여 돼지 호흡기 질환 탐지 정보를 생성하고 출력한다(S350).
한편, 본 발명의 일 실시예에 따른 돼지 호흡기 질환 탐지 및 식별 방법에서는 실시간으로 수신된 소리 신호에 기초하여 호흡기 질환을 가진 돼지의 소리 탐지 및 호흡기 질환 종류 식별을 모두 수행하는 것을 설명하였으나, 상기 탐지 및 식별 중 적어도 하나의 처리를 수행하는 것도 가능하다.
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 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 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: 돼지 호흡기 질환 탐지 및 식별 장치
110: 신호 수신부
120: 특징 추출부
130: 호흡기 질환 발생 탐지부
140: 호흡기 질환 식별부
150: 알림부

Claims (10)

  1. 돼지 호흡기 질환 탐지 및 식별 장치에 있어서,
    실시간으로 취득된 소리 신호를 수신하는 신호 수신부;
    상기 수신된 소리 신호로부터 특징 벡터를 추출하는 특징 추출부;
    SVM(Support Vector Machine) 및 단일 클래스 SVM중 어느 하나를 통해 상기 특징 벡터가 호흡기 질환을 가진 돼지로부터 발생된 소리인지 여부를 판단하는 호흡기 질환 발생 탐지부; 및
    상기 호흡기 질환 발생 탐지부의 판단 결과에 기초하여 호흡기 질환 발생을 알리는 경고 신호를 출력하는 알림부를 포함하되,
    상기 호흡기 질환 발생 탐지부는,
    호흡기 질환을 가진 돼지의 소리를 상기 SVM 및 단일 클래스 SVM 중 어느 하나로 학습하여 학습 데이터를 생성하고, 상기 학습 데이터를 기준으로 상기 판단을 수행하는, 돼지 호흡기 질환 탐지 및 식별 장치.
  2. 제 1 항에 있어서,
    상기 호흡기 질환을 가진 돼지의 소리로 판단된 상기 특징 벡터 및 기생성된 학습 데이터에 기초하여 다중 클래스 SVM 및 SRC(Sparse Representation Classifier) 중 어느 하나를 통해 호흡기 질환 종류를 식별하는 호흡기 질환 식별부를 더 포함하되,
    상기 학습 데이터는,
    복수의 종류의 호흡기 질환 중 어느 하나의 호흡기 질환을 가진 돼지의 소리를 상기 다중 클래스 SVM 및 SRC 중 어느 하나를 통해 학습하여 각 호흡기 질환 별로 생성된 것인, 돼지 호흡기 질환 탐지 및 식별 장치.
  3. 제 2 항에 있어서,
    상기 알림부는,
    상기 경고 신호 및 상기 호흡기 질환 식별부에서 식별된 상기 특징 벡터에 대한 호흡기 질환 종류의 정보를 포함하는 호흡기 질환 탐지 정보를 출력하는, 돼지 호흡기 질환 탐지 및 식별 장치.
  4. 제1 항에 있어서,
    상기 특징 추출부는,
    MFCC(Mel-Frequency Cepstral Coefficient)를 통해 상기 소리 신호로부터 상기 특징 벡터를 추출하는, 돼지 호흡기 질환 탐지 및 식별 장치.
  5. 제 1 항에 있어서,
    상기 단일 클래스 SVM은 SVDD(Support Vector Data Description)에 따른 것인, 돼지 호흡기 질환 탐지 및 식별 장치.
  6. 돼지 호흡기 질환 탐지 및 식별 장치를 통해 돼지 호흡기 질환을 탐지하는 방법에 있어서,
    실시간으로 취득된 소리 신호를 수신하는 단계;
    상기 소리 신호로부터 특징 벡터를 추출하는 단계;
    SVM(Support Vector Machine) 및 단일 클래스 SVM중 어느 하나를 통해 상기 특징 벡터가 호흡기 질환을 가진 돼지의 소리인지 여부를 판단하는 단계; 및
    상기 판단의 결과 호흡기 질환을 가진 돼지의 소리로 판단된 경우, 호흡기 질환의 발생을 알리는 경고 신호를 출력하는 단계를 포함하되,
    상기 판단하는 단계 이전에,
    상기 SVM 및 단일 클래스 SVM 중 어느 하나를 통해 호흡기 질환을 가진 돼지의 소리에 대한 학습 데이터를 생성하여 상기 판단의 기준으로 설정하는, 돼지 호흡기 질환 탐지 및 식별 방법.
  7. 제 6 항에 있어서,
    상기 경고 신호를 출력하는 단계 이전에,
    호흡기 질환을 가진 돼지의 소리로 판단된 상기 특징 벡터 및 기생성된 학습 데이터에 기초하여 다중 클래스 SVM 및 SRC(Sparse Representation Classifier) 중 어느 하나를 통해 호흡기 질환 종류를 식별하는 단계를 더 포함하되,
    상기 학습 데이터는,
    복수의 종류의 호흡기 질환 중 어느 하나의 호흡기 질환을 가진 돼지의 소리를 상기 다중 클래스 SVM 및 SRC 중 어느 하나를 통해 학습하여 각 호흡기 질환 별로 생성된 것인, 돼지 호흡기 질환 탐지 및 식별 방법.
  8. 제 7 항에 있어서,
    상기 경고 신호를 출력하는 단계는,
    상기 식별된 상기 특징 벡터에 대한 호흡기 질환 종류의 정보를 더 출력하는, 돼지 호흡기 질환 탐지 및 식별 방법.
  9. 제 6 항에 있어서,
    상기 특징 벡터를 추출하는 단계는,
    MFCC(Mel-Frequency Cepstral Coefficient)를 통해 상기 소리 신호로부터 상기 특징 벡터를 추출하는, 돼지 호흡기 질환 탐지 및 식별 방법.
  10. 제 6 항에 있어서,
    상기 단일 클래스 SVM은 SVDD(Support Vector Data Description)에 따른 것인, 돼지 호흡기 질환 탐지방법.
KR1020120032622A 2012-03-29 2012-03-29 소리 정보를 이용한 돼지 호흡기 질환 탐지 및 식별 장치와 그 방법 KR20130110568A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120032622A KR20130110568A (ko) 2012-03-29 2012-03-29 소리 정보를 이용한 돼지 호흡기 질환 탐지 및 식별 장치와 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120032622A KR20130110568A (ko) 2012-03-29 2012-03-29 소리 정보를 이용한 돼지 호흡기 질환 탐지 및 식별 장치와 그 방법

Publications (1)

Publication Number Publication Date
KR20130110568A true KR20130110568A (ko) 2013-10-10

Family

ID=49632360

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120032622A KR20130110568A (ko) 2012-03-29 2012-03-29 소리 정보를 이용한 돼지 호흡기 질환 탐지 및 식별 장치와 그 방법

Country Status (1)

Country Link
KR (1) KR20130110568A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180038833A (ko) * 2016-10-07 2018-04-17 건국대학교 글로컬산학협력단 산란계 소리에 기초하여 산란계의 상태를 추정하는 방법 및 장치
KR102453253B1 (ko) * 2022-05-26 2022-10-11 김종관 딥러닝 소리분석 기술 기반의 가축 호흡기 질병 탐지 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180038833A (ko) * 2016-10-07 2018-04-17 건국대학교 글로컬산학협력단 산란계 소리에 기초하여 산란계의 상태를 추정하는 방법 및 장치
KR102453253B1 (ko) * 2022-05-26 2022-10-11 김종관 딥러닝 소리분석 기술 기반의 가축 호흡기 질병 탐지 시스템

Similar Documents

Publication Publication Date Title
CN106357618B (zh) 一种Web异常检测方法和装置
US10058076B2 (en) Method of monitoring infectious disease, system using the same, and recording medium for performing the same
JP2019521443A (ja) 適応型追加学習を用いた細胞のアノテーション法及びアノテーションシステム
US10712733B2 (en) Methods and systems for discovery of prognostic subsequences in time series
CN107669278B (zh) 运动状态识别方法和系统、动物行为识别系统
US8959022B2 (en) System for media correlation based on latent evidences of audio
CN111263284B (zh) 麦克风故障检测方法、装置、电子设备和存储介质
US11657316B2 (en) Self-feeding deep learning method and system
KR101784058B1 (ko) 닭의 발성음을 이용한 스트레스 탐지 및 분류 장치 및 방법
EP3193317A1 (en) Activity classification from audio
CA2933805A1 (en) Systems and methods for verification and anomaly detection using a mixture of hidden markov models
KR20200059445A (ko) 가속도센서를 이용한 가축 행동패턴 검출 방법 및 장치
Whitaker et al. Sparse decomposition of audio spectrograms for automated disease detection in chickens
KR101906456B1 (ko) 인공지능을 이용하여 이상 상태를 검출하는 장치 및 방법
JP6148150B2 (ja) 音響分析フレーム信頼度計算装置と音響モデル適応装置と音声認識装置とそれらのプログラムと、音響分析フレーム信頼度計算方法
KR20130110568A (ko) 소리 정보를 이용한 돼지 호흡기 질환 탐지 및 식별 장치와 그 방법
KR102364172B1 (ko) 가축 발성음 센싱 시스템 및 방법
CN110800053A (zh) 基于音频数据获取事件指示的方法和设备
KR20170028571A (ko) 이상 가축을 탐지하는 장치 및 방법
Nan et al. Pig Sound Analysis: A Measure of Welfare
KR102453253B1 (ko) 딥러닝 소리분석 기술 기반의 가축 호흡기 질병 탐지 시스템
Xie et al. Multi-label classification of frog species via deep learning
KR101491911B1 (ko) 소음이 발생되는 환경에서 소음을 제거하는 사운드 획득 시스템
KR20130110572A (ko) 소리 정보를 이용한 소 발정기 탐지 장치 및 방법
US10403305B2 (en) Service provision method and apparatus related to electronic harmonic algorithm capable of comparing, distinguishing, and identifying sounds of individuals infected with animal diseases, including avian influenza, by means of frequency peak detect technique

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application