KR20130110572A - 소리 정보를 이용한 소 발정기 탐지 장치 및 방법 - Google Patents

Abstract

발정기가 발생된 소의 소리 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 발정기가 발생된 소의 소리인지 여부를 판단하고, 판단의 결과 발정기가 발생된 소의 소리로 판단된 경우 발정기의 발생을 알리는 경고 신호를 출력하되, 판단하는 단계 이전에, SVM 및 단일 클래스 SVM 중 어느 하나를 통해 발정기가 발생된 소의 소리에 대한 학습 데이터를 생성하여 판단의 기준으로 설정한다.

Description

소리 정보를 이용한 소 발정기 탐지 장치 및 방법{APPARATUS AND METHOD FOR DETECTING OF CATTLE ESTRUS USING SOUND DATA}

본 발명은 소리 정보에 기반하여 소의 발정기 발생을 탐지하는 장치 및 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 내의 가축들의 상태를 모니터링하고 평소와 다른 이상 징후가 탐지되면 이를 관리자에게 알리거나, 가축의 움직임을 분석하여 가축의 특정 상태 및 질병 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.

종래의 IT 농/축산업 분야의 연구 중에는, 특정 가축을 대상으로 평상시의 울음소리와 이유할 때 반응하는 울음소리 등을 취득하여 이를 분류 및 식별하는 방식을 제안하는 연구가 진행되었다. 또한, 가축의 특정 부위에 무선 소리 센서를 장착하여 해당 가축이 먹이를 섭취하는 소리를 취득하고 이를 확률론적 패턴인식 알고리즘인 HMM(Hidden Markov Model)으로 모델링하여 가축의 건강 상태를 관리하는 방식을 제안한 연구도 있었다.

한편, 번식우(牛)에 있어서 가장 중요한 작업은 발정기의 적시 관찰과 이에 따른 적기 수정이다. 번식우가 발정이 오게 되면 하기와 같은 발정 징후를 보이게 되는데, 이때의 관찰이 번식우 사양 관리의 초점이 된다. 즉, 정확한 발정 파악을 통하여 번식 간격을 이상적으로 유지할 수 있고 성공적인 번식우 사양 관리가 가능해진다.

먼저 발정이 온 번식우의 외관적인 현상을 살펴보면, 발정 전(약 6∼10시간)에는 다른 소의 냄새를 맡고 핥아 대며, 다른 소에게 승가를 허용하고 승가하게 된다. 이때, 승가하는 소를 훨씬 관찰하기가 쉽지만 승가하는 소보다 승가당하는 소가 발정이 왔을 확률이 약 65∼98% 정도로서 높은 것이 특징이다. 소의 발정기는 약 18시간 정도 지속이 되는데, 이때의 특징은 다른 소에게 승가를 허용하고 활동량이 증가하고 자주 울부짖으며 불안한 모습을 하고 사람이 다가서면 느리게 피하고 눈치를 보며 먹이를 먹지 않는다. 그리고, 발정이 지나간 소는 약 10시간 동안 지속적으로 승가를 하지 않는다. 보편적인 발정의 상태로 파악하면 질 점액의 흐름이 초기에는 분비량이 가장 많고 발정기 말기로 갈수록 줄어들게 되는 것으로 판단할 수 있고, 또한 자주 배뇨를 하고, 신경질적이 되며, 불안해하고, 식욕이 줄어들며 다른 소의 승가를 허용하고 보행수가 평소보다 약 2∼4배 증가하며, 큰 소리로 울고 다른 소에 기대거나, 핥는 것으로 파악할 수 있다.

소의 영양 수준이 적정할 경우 발정 발견이 용이해지며, 배란된 난자의 수명은 6∼10시간 정도이므로 수정 적기를 발견하는 것이 매우 중요하다. 이러한 암소의 발정주기는 평균 21일로서 한번 발정이 지나가면 다시 21일을 기다려야하고 이로 인한 번식 간격은 길어질 수밖에 없으므로 농가에서 발정 파악을 정확히 하는 것이 번식우를 성공적으로 사양하는 지름길이 된다.

이처럼, 번식우가 발정이 오면 보통 발정의 발현이 지속되는 시간은 평균 18∼21시간으로써, 이 시기 동안 발정을 정확하게 관찰하여야 하는데, 가장 합리적인 발정 관찰 주기는 1일 2회 관찰(일반적으로, 새벽과 저녁 시각)하는 방법이다. 특히 밤 12시부터 새벽 6시까지 사이에 약 43%의 발정이 집중되므로 야간의 발정 발견이 중요하다. 이같은, 번식우의 개체 파악과 적절한 번식 기록 및 섬세한 관찰은 번식우를 올바로 사양 관리하는 방법이 된다.

번식우의 수태율을 향상시키기 위해서 가장 중요한 것은 발정 시작 시각을 정확하게 판단하는 것이다. 그러나 앞에서 설명한 바와 같이 소의 발정이 밤 12시부터 새벽 6시 사이에 집중되어 시작되는 점과 주로 육안으로 발정을 관찰하게 된다는 점에서, 번식우의 관리자가 소의 발정 자체를 감지하기 어려울 뿐 아니라 발정 시작 시각을 정확하게 판단하기 매우 어려운 실정이다.

따라서 개인이 24시간 소 행동을 감시하고 기록하기 어려운 현실에서, 번식우의 상태를 인식하여 발정기를 탐지하고 그 결과를 관리자에게 알릴 수 있는 시스템의 개발이 필요하다.

이와 관련하여, 한국등록특허 제1098457호(소의 무인 승가검출기)는 소의 후지 발목에 부착되어 소의 승가 시 충격에 의해 작동되는 충격접지부를 통해 감지된 충격 신호를 무선으로 전송하고, 전송된 신호에 따라 소의 인식 코드와 승가 횟수 및 최초 승가 시간을 표시부를 통해 표시하여 소의 발정기를 검출할 수 있도록 하는 승가 검출기를 개시하고 있다.

본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 소의 소리에 기반하여 소의 발정기를 탐지하는 소 발정기 탐지 장치 및 방법을 제공하고자 한다.

상기와 같은 기술적 과제를 달성하기 위한 본 발명의 일 측면에 따른 소 발정기 탐지 장치는, 실시간으로 취득된 소리 신호를 수신하는 신호 수신부; 상기 소리 신호로부터 특징 벡터를 추출하는 특징 추출부; SVM(Support Vector Machine) 및 단일 클래스 SVM중 어느 하나를 통해 상기 특징 벡터가 발정기가 발생된 소의 소리인지 여부를 판단하는 발정기 발생 탐지부; 및 상기 발정기 발생 탐지부의 판단의 결과에 기초하여 소의 발정기 발생을 알리는 경고 신호를 출력하는 알림부를 포함하되, 상기 발정기 발생 탐지부는, 발정기가 발생된 소의 소리를 상기 SVM 및 단일 클래스 SVM 중 어느 하나로 학습하여 학습 데이터를 생성하고, 상기 학습 데이터를 기준으로 상기 판단을 수행한다.

그리고, 본 발명의 다른 측면에 따른 소 발정기 탐지 장치를 통해 발정기가 발생된 소의 소리를 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 발정기가 발생된 소의 소리인지 여부를 판단하는 단계; 및 상기 판단의 결과 발정기가 발생된 소의 소리로 판단된 경우, 발정기의 발생을 알리는 경고 신호를 출력하는 단계를 포함하되, 상기 판단하는 단계 이전에, 상기 SVM 및 단일 클래스 SVM 중 어느 하나를 통해 발정기가 발생된 소의 소리에 대한 학습 데이터를 생성하여 상기 판단의 기준으로 설정한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 소리 신호에 기반하여 소 발정기 발생을 실시간으로 신속하게 탐지할 수 있다.

그리고, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 소 발정기의 탐지를 위한 모델 설계를 패턴 분류(pattern classification) 및 함수 근사 분야(function approximation)에서 우수한 성능을 보이는 SVM(Support Vector Machine) 및 단일 클래스 SVM을 이용함으로써 기계학습 계산 비용 절감의 효과가 있다.

또한, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 소리 신호를 소리 센서 및 CCTV 등을 통해 실시간으로 수집함으로써, 저비용으로 24시간 소의 소리 정보를 지속적으로 취득할 수 있으며, 소리 취득을 위해 소 행동에 제약을 가하지 않아 왜곡되지 않은 소 소리 신호를 획득할 수 있다.

도 1은 본 발명의 일 실시예에 따른 소 발정기 탐지 장치의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 소 소리 신호 파형의 일례를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 소 발정기 탐지 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 소 발정기 탐지 장치의 구성을 나타내는 블록도이다.

그리고, 도 2는 본 발명의 일 실시예에 따른 소 소리 신호 파형의 일례를 나타낸 도면이다.

먼저, 도 1에 도시한 바와 같이, 소 발정기 탐지 장치(100)는 신호 수신부(110), 특징 추출부(120), 발정기 발생 탐지부(130) 및 알림부(140)를 포함하여 구성된다.

신호 수신부(110)는 실시간으로 취득된 소리 신호를 수신하여 특징 추출부(120)로 전송한다. 이때, 소리 신호는 소 축사 등의 장소에 설치된 하나 이상의 소리 센서 및 CCTV(Close-Circuit TeleVision) 등의 오디오 취득 장치를 통해 실시간으로 취득된 소리 신호로서, 소의 소리 신호를 포함한다.

특징 추출부(120)는 입력된 소리 신호로부터 특징 벡터를 추출하여 소리 특징을 수치화한다. 그리고, 특징 추출부(120)는 추출된 특징 벡터를 발정기 발생 탐지부(130)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 소 발정기 발생을 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 소의 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.

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.

발정기 발생 탐지부(130)는 입력된 소리 신호가 발정기가 발생한 소의 소리인지를 판단하여 소의 발정기 발생을 탐지한다. 그리고, 발정기 발생 탐지부(130)는 소의 발정기 발생 시 알림부(140)로 소의 발정기 발생을 알리는 알림 정보를 전송한다.

구체적으로, 본 발명의 일 실시예에 따른 발정기 발생 탐지부(130)는 기계학습을 통해 발정기가 발생한 소의 소리(이하 설명의 편의상, ‘발정기 소 소리’라고 함)에 대한 학습 데이터를 생성하여 소의 발정기 발생의 판단의 기준으로 설정한다. 이때, 발정기 발생 탐지부(130)는 사전에 취득되거나 입력된 발정기 소 소리를 SVM(Support Vector Machine) 및 단일 클래스 SVM 중 어느 하나를 통해 학습하여 학습 데이터를 생성하여 저장(즉, 데이터베이스화)한다. 이때, 사전에 취득되거나 입력된 소의 소리는 발정기 발생을 확인하는 실험 및 오디오 녹음 등을 통해 설정된 발정기가 발생된 소의 소리이다.

예를 들어, 도 2에서는 소의 소리 중 일반적인 정상 소의 소리(A)와 발정기가 발생된 소의 소리(B)의 특징 파형들을 나타내었다. 이때, 발정기 발생 탐지부(130)는 상기와 같은 소의 소리 신호 중 발정기가 발생된 소의 소리(B)의 신호 파형을 학습하여 발정기 판단의 기준 데이터(즉, 학습 데이터)를 생성할 수 있다.

그리고, 발정기 발생 탐지부(130)는 특징 추출부(120)를 통해 소 소리 신호로부터 추출된 특징 벡터 값과 학습 데이터에 기초하여 소 소리 신호에 대한 발정기 여부를 판단한다.

구체적으로, 발정기 발생 탐지부(130)는 추출된 특징 벡터와 기설정된 학습 데이터 간의 일치 여부를 판단하되, 상기 특징 벡터와 상기 학습 데이터가 일치하는 경우 상기 특징 벡터를 발정기가 발생된 소의 소리로 판단하여 소의 발정기 발생을 탐지한다.

본 발명의 일 실시예에 따른 발정기 발생 탐지부(130)는 SVM 및 단일 클래스 SVM 중 어느 하나를 통해 특징 벡터를 학습하여 해당 특징 벡터가 발정기가 발생된 소의 소리인지 여부를 판단할 수 있다.

이때, 발정기 발생 탐지부(130)는 단일 클래스 SVM 중 대표적인 모델인 SVDD(Support Vector Data Description)를 통해 발정기가 발생된 소의 소리의 데이터를 학습하여 학습 데이터를 생성하거나, 입력된 특징 벡터에 대한 학습을 수행하여 입력된 특징 벡터가 발정기가 발생된 소의 소리인지 여부를 판단할 수 있다.

알림부(140)는 발정기 발생 탐지부(130)로부터 수신된 알림 정보에 기초하여 소의 발정기 발생을 알리는 경고 신호(즉, 발정기 탐지 정보)를 생성하여 출력한다.

참고로, 상기 출력은 알림부(140)가 상기 경고 신호(즉, 소 발정기 탐지 정보)를 기설정된 사용자 단말기로 제공하거나 모니터 등의 기설정된 출력 장치(미도시)를 통해 출력하는 것을 의미한다. 이때, 알림부(140)로부터 생성된 경고 신호(즉, 소 발정기 탐지 정보)는, 소 발정기 탐지 장치(100) 자체에 포함되거나 외부 장치로서 구성되어 소 발정기 탐지 장치(100)와 유/무선으로 연결된 알림 단말(미도시)을 통해 출력될 수 있다. 그리고, 상기 경고 신호(즉, 소 발정기 탐지 정보)는 관리자가 인지할 수 있도록 문자 데이터 및 음향 데이터 등 다양한 형태의 정보를 포함할 수 있다. 예를 들어, 소 발정기 탐지 정보에는 소 발정기 발생 알림 정보 및 소 발정기 발생 시간 등의 정보를 포함할수 있다.

이와 같은 방식으로, 본 발명의 일 실시예에 따른 소 발정기 탐지 장치(100)는 (예컨대 감시 카메라 환경에서) 축사 내 발정기가 발생된 소의 소리를 빠르게 탐지할 수 있다.

이하, 도 3을 참조하여 본 발명의 일 실시예에 따른 소의 발정기 발생을 탐지하는 방법에 대해서 상세히 설명하도록 한다.

도 3은 본 발명의 일 실시예에 따른 소 발정기 탐지 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 소리 신호는 소의 소리 신호를 포함한다.

다음으로, SVM 및 단일 클래스 SVM(예를 들어, SVDD)를 통해 상기 특징 벡터가 발정기가 발생된 소의 소리인지 여부를 판단하여 소의 발정기 발생을 탐지한다(S330).

이때, 소의 발정기 발생을 탐지하기에 앞서, 사전에 발정기가 발생된 소의 소리에 대한 SVM 또는 단일 클래스 SVM 학습을 통한 학습 데이터를 생성 및 저장(즉, 데이터베이스화)하여 소의 발정기 발생을 탐지하는 기준 데이터로 설정할 수 있다.

구체적으로, SVM 및 단일 클래스 SVM 중 어느 하나를 통해 상기 특징 벡터와 상기 학습 데이터 간의 일치 여부를 비교하여, 일치되는 경우 상기 수신된 소리 신호가 발정기가 발생된 소의 소리인것으로 판단하여 소의 발정기 발생을 탐지한다.

그런 후, 상기 특징 벡터에 대한 소의 발정기 발생을 알리는 경고 신호를 생성하고 출력한다(S340).

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: 소 발정기 탐지 장치
110: 신호 수신부
120: 특징 추출부
130: 발정기 발생 탐지부
140: 알림부

Claims (6)

1. 소 발정기 탐지 장치에 있어서,
   실시간으로 취득된 소리 신호를 수신하는 신호 수신부;
   상기 소리 신호로부터 특징 벡터를 추출하는 특징 추출부;
   SVM(Support Vector Machine) 및 단일 클래스 SVM중 어느 하나를 통해 상기 특징 벡터가 발정기가 발생된 소의 소리인지 여부를 판단하는 발정기 발생 탐지부; 및
   상기 발정기 발생 탐지부의 판단의 결과에 기초하여 소의 발정기 발생을 알리는 경고 신호를 출력하는 알림부를 포함하되,
   상기 발정기 발생 탐지부는,
   발정기가 발생된 소의 소리를 상기 SVM 및 단일 클래스 SVM 중 어느 하나로 학습하여 학습 데이터를 생성하고, 상기 학습 데이터를 기준으로 상기 판단을 수행하는, 소 발정기 탐지 장치.
2. 제 1 항에 있어서,
   상기 발정기 발생 탐지부는,
   SVDD(Support Vector Data Description) 방식을 통해 상기 판단을 처리하는, 소 발정기 탐지 장치.
3. 제1 항에 있어서,
   상기 특징 추출부는,
   MFCC(Mel-Frequency Cepstral Coefficient)를 통해 상기 소리 신호로부터 상기 특징 벡터를 추출하는, 소 발정기 탐지 장치.
4. 소 발정기 탐지 장치를 통해 발정기가 발생된 소의 소리를 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 발정기가 발생된 소의 소리인지 여부를 판단하는 단계; 및
   상기 판단의 결과 발정기가 발생된 소의 소리로 판단된 경우, 발정기의 발생을 알리는 경고 신호를 출력하는 단계를 포함하되,
   상기 판단하는 단계 이전에,
   상기 SVM 및 단일 클래스 SVM 중 어느 하나를 통해 발정기가 발생된 소의 소리에 대한 학습 데이터를 생성하여 상기 판단의 기준으로 설정하는, 소 발정기 탐지 방법.
5. 제 4 항에 있어서,
   상기 판단을 수행하는 단계는,
   SVDD(Support Vector Data Description) 방식을 통해 상기 판단을 처리하는, 소 발정기 탐지 방법.
6. 제 4 항에 있어서,
   상기 특징 벡터를 추출하는 단계는,
   MFCC(Mel-Frequency Cepstral Coefficient)를 통해 상기 소리 신호로부터 상기 특징 벡터를 추출하는, 소 발정기 탐지 방법.

Images