KR20180103435A - Apparatus and method for controlling of barn environment - Google Patents

Apparatus and method for controlling of barn environment Download PDF

Info

Publication number
KR20180103435A
KR20180103435A KR1020170030387A KR20170030387A KR20180103435A KR 20180103435 A KR20180103435 A KR 20180103435A KR 1020170030387 A KR1020170030387 A KR 1020170030387A KR 20170030387 A KR20170030387 A KR 20170030387A KR 20180103435 A KR20180103435 A KR 20180103435A
Authority
KR
South Korea
Prior art keywords
livestock
housing
information
complex environment
environment
Prior art date
Application number
KR1020170030387A
Other languages
Korean (ko)
Inventor
민재홍
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020170030387A priority Critical patent/KR20180103435A/en
Publication of KR20180103435A publication Critical patent/KR20180103435A/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K1/00—Housing animals; Equipment therefor
    • A01K1/02—Pigsties; Dog-kennels; Rabbit-hutches or the like
    • A01K1/035—Devices for use in keeping domestic animals, e.g. fittings in housings or dog beds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Abstract

Disclosed are an apparatus and a method for controlling barn environments. The apparatus for controlling the barn environments according to the present invention comprises: a data input part receiving complex environment information of a barn; a preprocessing part performing preprocessing for applying the complex environment information to an artificial neural network; an artificial neural network applying the pre-processed complex environment information to the artificial neural network and outputting production information of livestock raised in the barn; and a facility control part controlling at least one facility installed in the barn based on the complex environment information corresponding to the production information of the livestock. It is an object of the present invention to propose a complex environment growth model of livestock for controlling the environments of the barn to an optimum state.

Description

축사 환경 제어 장치 및 방법{APPARATUS AND METHOD FOR CONTROLLING OF BARN ENVIRONMENT}[0001] APPARATUS AND METHOD FOR CONTROLLING OF BARN ENVIRONMENT [0002]

본 발명은 축사의 환경을 제어하는 기술에 관한 것으로, 특히 인공 신경망을 이용하여 축사의 환경에 따른 가축의 생산 정보를 예측하고, 축사의 시설물을 제어하는 기술에 관한 것이다.TECHNICAL FIELD The present invention relates to a technique for controlling the environment of a housing, and more particularly, to a technique for predicting production information of livestock according to the environment of the housing using an artificial neural network and controlling facilities of the housing.

가축들이 사육되는 축사에서 주로 발생하는 암모니아와 황화수소는 가축의 육질을 저하시키고, 각종 질병을 유발하며, 성장 부진을 초래할 수 있다. 또한 축사의 온도가 고온 또는 저온인 경우 가축의 먹이 섭취량 및 번식에 영향을 미친다. 그리고 고온에서 습도가 높을 경우 가축의 체표면에서 열과 수분의 증산이 억제되어 체온이 상승되고, 이는 생산성에 큰 영향을 미치며, 저온에서 습도가 높을 경우 추위를 가중시킬 수 있다. Ammonia and hydrogen sulphide, which are mainly generated from the farms where livestock are kept, can cause livestock meat quality, various diseases, and poor growth. Also, when the temperature of the housing is high or low, it affects the food intake and reproduction of the livestock. When the humidity is high at high temperature, the increase of heat and moisture is suppressed at the body surface of the livestock and the body temperature is raised. This has a great effect on the productivity and can increase the cold when the humidity is high at low temperature.

축산업에서 가축의 질병을 예방하고, 고품질의 축산 상품을 최대한으로 생산하기 위해서는 가축이 사육되는 축사의 환경을 최적의 상태로 관리할 필요가 있다. 오늘날 가축이 사육되는 환경을 개선하고 관리하고자, 공기 환경, 사육 환경 등 각각의 요인들과 가축의 생체 간 수치적 규칙을 해석하는 가축의 생육 모델 관련 연구가 진행되고 있다. In order to prevent livestock diseases and produce the highest quality livestock products in the livestock industry, it is necessary to optimally manage the environment of the livestock farms. In order to improve and manage the environment in which livestock are kept, research is underway on livestock models that analyze the factors of the air environment, the breeding environment, and the numerical rules of livestock in vivo.

그러나, 종래의 생육 모델로는 공기 환경과 사육 환경을 복합적으로 분석하고 해석하여, 축사에서 복합 환경을 제어하기 위한 의사 결정을 지원하기에는 미흡하다. However, conventional breeding models are not enough to analyze and interpret the air environment and the breeding environment in a complex manner to support decision making for controlling the complex environment in the house.

따라서, 축적된 생체 정보, 공기 환경, 사육 환경 및 생산 정보를 기반으로, 복합 환경과 가축의 생체 간 계량적 모델을 생성하여, 소프트웨어 기반으로 축사의 복합 환경을 제어할 수 있도록 하는 기술의 개발이 필요하다. Therefore, it is necessary to develop a technology that enables to control the complex environment of housing by software based on the generated biometric information, the air environment, the breeding environment and the production information, need.

한국 등록 특허 제10-1708258호, 2017년 02월 21일 공고 (명칭: 환경제어로봇 및 이를 이용한 축사의 환경제어 시스템)Korean Registered Patent No. 10-1708258, February 21, 2017 Announcement (Name: Environmental Control Robot and Environmental Control System for the Housing Using the Same)

본 발명의 목적은 축사의 환경을 최적의 상태로 제어하기 위한 가축의 복합 환경 생육 모델을 제시하는 것이다. It is an object of the present invention to suggest a complex environment growth model of livestock for controlling the environment of the housing to an optimum state.

또한, 본 발명의 목적은 소프트웨어 기반으로 축사의 복합 환경을 제어할 수 있도록 하는 것이다. It is also an object of the present invention to provide a software-based control of the complex environment of a house.

또한, 본 발명의 목적은 가축 사육 시 빠른 의사 결정을 지원하고, 생산 정보를 예측할 수 있도록 하는 것이다. Further, the object of the present invention is to support rapid decision-making when raising livestock and to be able to predict production information.

또한, 본 발명의 목적은 최적 환경 제어를 통하여 가축의 생산량 및 품질을 향상시키는 것이다. It is also an object of the present invention to improve yield and quality of livestock through optimal environmental control.

또한, 본 발명의 목적은 소프트웨어 기반으로 축사의 복합 환경 제어를 자동화하여, 사용자에 의한 수작업 제어의 번거로움 및 비용을 줄일 수 있도록 하는 것이다. It is also an object of the present invention to automate the control of the complex environment of the housing by means of software, thereby reducing the hassle and cost of manual control by the user.

또한, 본 발명의 목적은 최적의 상태로 축사의 복합 환경을 제어함으로써 축산 농가의 소득을 향상시키고, 경쟁력을 제고할 수 있도록 하는 것이다. It is also an object of the present invention to improve the income of the livestock farmer and to enhance the competitiveness by controlling the complex environment of the livestock farm in an optimal state.

상기한 목적을 달성하기 위한 본 발명에 따른 축사 환경 제어 장치는 축사의 복합 환경 정보를 입력받는 데이터 입력부, 상기 복합 환경 정보를 인공신경망에 적용하기 위한 전처리를 수행하는 전처리부, 전처리된 상기 복합 환경 정보를 상기 인공신경망에 적용하여, 상기 축사에서 사육되는 가축의 생산 정보를 출력하는 인공신경망부, 그리고 상기 가축의 생산 정보에 상응하는 상기 복합 환경 정보를 기반으로 상기 축사에 구비된 하나 이상의 시설물을 제어하는 시설 제어부를 포함한다. According to another aspect of the present invention, there is provided a housing environment control apparatus including a data input unit for receiving complex environment information of a house, a preprocessor for applying the complex environment information to an artificial neural network, An artificial neural network for applying information to the artificial neural network and outputting production information of livestock raised in the housing, and at least one facility provided in the housing based on the complex environment information corresponding to the production information of the livestock And a facility control unit for controlling the facility.

이때, 상기 인공신경망부의 입력층과 은닉층 간 연결강도인 제1 연결강도는, 상기 복합 환경 정보와 상기 가축에 상응하는 생육 정보의 상관관계에 따라 설정되고, 제1 합성함수 및 제1 활성화함수는, 상기 복합 환경 정보와 상기 생육 정보를 기반으로 모델링된 생육 예측 모델을 분석하여 설정될 수 있다. Here, the first connection strength, which is the connection strength between the input layer and the hidden layer of the artificial neural network, is set according to the correlation between the complex environment information and the growth information corresponding to the livestock, and the first combining function and the first activating function , And analyzing the growth prediction model modeled based on the complex environment information and the growth information.

이때, 상기 인공신경망부의 상기 은닉층과 출력층 간 연결강도인 제2 연결강도는, 상기 생육 정보와 상기 가축에 상응하는 생산 정보의 상관관계에 따라 설정되고, 제2 합성함수 및 제3 활성화함수는, 상기 생육 정보와 상기 생산 정보를 기반으로 모델링된 생체해석 모델을 분석하여 설정될 수 있다. The second connection strength, which is the connection strength between the hidden layer and the output layer of the artificial neural network unit, is set according to the correlation between the growth information and the production information corresponding to the livestock, And may be set by analyzing a bio-analysis model modeled based on the growth information and the production information.

이때, 상기 전처리부는, 복수개의 상기 복합 환경 정보들 각각의 중요도를 동일하게 설정하기 위하여 상기 복합 환경 정보의 전처리를 수행할 수 있다. At this time, the preprocessor may perform the preprocessing of the complex environment information to set the importance of each of the plurality of complex environment information to be the same.

또한, 본 발명의 일실시예에 따른 축사 환경 제어 장치에 의해 수행되는 축사 환경 제어 방법은, 축사의 복합 환경 정보를 입력받는 단계, 상기 복합 환경 정보를 인공신경망에 적용하기 위한 전처리를 수행하는 단계, 전처리된 상기 복합 환경 정보를 상기 인공신경망에 적용하는 단계, 상기 축사에서 사육되는 가축의 생산 정보를 출력하는 단계, 그리고 상기 가축의 생산 정보에 상응하는 상기 복합 환경 정보를 기반으로 상기 축사에 구비된 하나 이상의 시설물을 제어하는 단계를 포함한다. In addition, the housing environment control method performed by the housing environment control apparatus according to an embodiment of the present invention includes the steps of receiving the housing environment information, performing the pre-processing for applying the environment information to the artificial neural network , Applying the preprocessed complex environment information to the artificial neural network, outputting production information of the livestock to be raised in the housing, and outputting information on production of the livestock based on the complex environment information corresponding to the production information of the livestock Lt; / RTI > facilities.

이때, 상기 인공신경망의 입력층과 은닉층 간 연결강도인 제1 연결강도는, 상기 복합 환경 정보와 상기 가축에 상응하는 생육 정보의 상관관계에 따라 설정되고, 제1 합성함수 및 제1 활성화함수는, 상기 복합 환경 정보와 상기 생육 정보를 기반으로 모델링된 생육 예측 모델을 분석하여 설정될 수 있다. The first connection strength, which is the connection strength between the input layer and the hidden layer of the artificial neural network, is set according to the correlation between the complex environment information and the growth information corresponding to the livestock, and the first combining function and the first activating function , And analyzing the growth prediction model modeled based on the complex environment information and the growth information.

이때, 상기 인공신경망의 상기 은닉층과 출력층 간 연결강도인 제2 연결강도는, 상기 생육 정보와 상기 가축에 상응하는 생산 정보의 상관관계에 따라 설정되고, 제2 합성함수 및 제3 활성화함수는, 상기 생육 정보와 상기 생산 정보를 기반으로 모델링된 생체해석 모델을 분석하여 설정될 수 있다. Here, the second connection strength, which is the connection strength between the hidden layer and the output layer of the artificial neural network, is set according to the correlation between the growth information and production information corresponding to the livestock, and the second combining function and the third activating function, And may be set by analyzing a bio-analysis model modeled based on the growth information and the production information.

이때, 상기 전처리를 수행하는 단계는, 복수개의 상기 복합 환경 정보들 각각의 중요도를 동일하게 설정하기 위하여 상기 복합 환경 정보의 전처리를 수행할 수 있다. In this case, the pre-processing may perform pre-processing of the complex environment information in order to set the importance of each of the plurality of complex environment information to be the same.

본 발명에 따르면, 축사의 환경을 최적의 상태로 제어하기 위한 가축의 복합 환경 생육 모델을 제시할 수 있다. INDUSTRIAL APPLICABILITY According to the present invention, it is possible to suggest a complex environment growth model of livestock for controlling the environment of the housing to an optimum state.

또한 본 발명에 따르면, 소프트웨어 기반으로 축사의 복합 환경을 제어할 수 있다. Also, according to the present invention, it is possible to control the complex environment of the housing by software.

또한 본 발명에 따르면, 가축 사육 시 빠른 의사 결정을 지원하고, 생산 정보를 예측할 수 있다. Further, according to the present invention, it is possible to support quick decision-making and predict production information when raising livestock.

또한 본 발명에 따르면, 최적 환경 제어를 통하여 가축의 생산량 및 품질을 향상시킬 수 있다. Further, according to the present invention, the yield and quality of livestock can be improved through optimal environment control.

또한 본 발명에 따르면, 소프트웨어 기반으로 축사의 복합 환경 제어를 자동화하여, 사용자에 의한 수작업 제어의 번거로움 및 비용을 줄일 수 있다. Further, according to the present invention, it is possible to automate the complex environment control of the housing by software, thereby reducing the labor and cost of manual control by the user.

또한 본 발명에 따르면, 최적의 상태로 축사의 복합 환경을 제어함으로써 축산 농가의 소득을 향상시키고, 경쟁력을 제고할 수 있다.Further, according to the present invention, it is possible to improve the income of the livestock farmer and enhance the competitiveness by controlling the complex environment of the farmhouse in an optimal state.

도 1은 본 발명의 일실시예에 따른 축사 환경 제어 장치의 구성을 나타낸 블록도이다.
도 2는 본 발명의 일실시예에 따른 축사 환경 제어 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 일실시예에 따른 가축의 사육에 영향을 미치는 요인을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 가축의 복합 환경 생육 모델의 인공 신경망의 구성을 나타낸 도면이다.
도 5는 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 블록도이다.1 is a block diagram showing a configuration of a housing environment control apparatus according to an embodiment of the present invention.
2 is a flowchart for explaining a housing environment control method according to an embodiment of the present invention.
FIG. 3 is a view for explaining factors influencing breeding of livestock according to an embodiment of the present invention.
FIG. 4 is a diagram illustrating a configuration of an artificial neural network of a complex environment growth model of a livestock according to an embodiment of the present invention.
5 is a block diagram illustrating a computer system in accordance with one embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail.

그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the relevant art and are to be interpreted in an ideal or overly formal sense unless explicitly defined in the present application Do not.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In order to facilitate the understanding of the present invention, the same reference numerals are used for the same constituent elements in the drawings and redundant explanations for the same constituent elements are omitted.

도 1은 본 발명의 일실시예에 따른 축사 환경 제어 장치의 구성을 나타낸 블록도이다. 1 is a block diagram showing a configuration of a housing environment control apparatus according to an embodiment of the present invention.

도 1에 도시한 바와 같이, 축사 환경 제어 장치(100)는 데이터 입력부(110), 전처리부(120), 인공 신경망부(130) 및 시설 제어부(140)를 포함한다.1, the housing environment control apparatus 100 includes a data input unit 110, a preprocessing unit 120, an artificial neural network unit 130, and a facility controller 140.

먼저, 데이터 입력부(110)는 가축이 사육되는 축사의 복합 환경 정보를 입력받는다. First, the data input unit 110 receives complex environment information of housing where cattle are kept.

축사에서 사육되는 가축은, 축사 내의 공기 환경 및 사육 환경에 따라 가축의 생체 상태가 직접적으로 영향을 받는다. 따라서, 본 발명의 일실시예에 따른 축사 환경 제어 장치(100)는 축사의 환경과 가축의 생육 상태 간 연관성을 분석하여, 가축의 생산성을 향상시키고자, 축사의 환경에 상응하는 복합 환경 정보를 입력받는다. The livestock kept in the house are directly affected by the living conditions of the livestock according to the air environment and the breeding environment in the house. Accordingly, the housing environment control apparatus 100 according to an embodiment of the present invention analyzes the association between the environment of housing and the growth state of livestock, and thereby, to improve productivity of livestock, complex environment information corresponding to the housing environment Receive input.

이때, 데이터 입력부(110)는 축사에 구비된 각종 센서들로부터 복합 환경 정보를 입력받거나, 축사의 복합 환경 정보를 저장한 데이터베이스로부터 복합 환경 정보를 입력받을 수 있다. At this time, the data input unit 110 may receive the complex environment information from various sensors provided in the housing, or may receive the complex environment information from the database storing the complex environment information of the housing.

여기서, 복합 환경 정보는 축사 내의 공기 환경 정보 및 사육 환경 정보로 구분될 수 있다. 공기 환경 정보는 축사의 온도, 습도, 조도, 이산화탄소 농도, 암모니아 농도, 황화수소 농도 및 먼지 농도 중 적어도 어느 하나를 포함할 수 있고, 사육 환경 정보는 물 섭취량 및 사료 섭취량 중 적어도 어느 하나를 포함할 수 있다. Here, the complex environment information can be classified into air environment information in the housing and breeding environment information. The air environment information may include at least one of the temperature, humidity, illuminance, carbon dioxide concentration, ammonia concentration, hydrogen sulfide concentration, and dust concentration of the housing, and the breeding environment information may include at least one of water intake and feed intake have.

그리고 전처리부(120)는 입력된 복합 환경 정보를 인공 신경망에 적용하기 위한 전처리를 수행한다. The preprocessing unit 120 performs preprocessing to apply the inputted complex environment information to the artificial neural network.

전처리부(120)는 서로 상이한 단위의 복합 환경 정보들에 대한 전처리를 수행하고, 복합 환경 정보들 각각의 중요도를 동일하게 설정할 수 있다. 이때, 전처리부(120)는 모든 복합 환경 정보들 각각이 0과 1 사이의 값을 가지도록 전처리를 수행할 수 있다. The preprocessing unit 120 may perform preprocessing on the complex environment information of different units and may set the importance of each of the environment information to the same. At this time, the preprocessing unit 120 may perform preprocessing such that each of the complex environment information has a value between 0 and 1.

수학식 1은 전처리부(120)가 복합 환경 정보를 전처리하는 방법을 나타낸 수학식이다.Equation (1) is a mathematical expression representing a method for the preprocessing unit 120 to preprocess the complex environment information.

Figure pat00001
Figure pat00001

여기서, x는 복합 환경 정보 데이터 값을 의미하고, xmax는 x 값 중 최대값을 의미하며, xmin은 x 값 중 최소값을 의미한다. Here, x denotes a complex environment information data value, x max denotes a maximum value among x values, and x min denotes a minimum value among x values.

이와 같이, 전처리부(120)는 수학식 1을 이용하여 복합 환경 정보를 전처리함으로써, 복합 환경 정보 데이터 값들이 0.1 내지 0.9 범위의 값을 가지도록 변환할 수 있다. In this way, the preprocessing unit 120 can convert the complex environment information data values to have a value ranging from 0.1 to 0.9 by pre-processing the complex environment information using Equation (1).

다음으로 인공 신경망부(130)는 전처리된 복합 환경 정보를 인공 신경망에 적용하여, 축사의 환경에 상응하는 가축의 생산 정보를 출력한다. Next, the artificial neural network unit 130 applies the preprocessed complex environment information to the artificial neural network, and outputs production information of livestock corresponding to the environment of the housing.

인공 신경망의 구조는 데이터를 입력하는 입력층, 결과값을 출력하는 출력층 및 입력층과 출력층 사이에서 정보를 처리하는 은닉층으로 구성된다. The structure of the artificial neural network consists of an input layer for inputting data, an output layer for outputting the result, and a hidden layer for processing information between the input layer and the output layer.

인공 신경망의 입력층은 가축의 생산성에 영향을 미치는 일차적 영향 요인인 복합 환경 정보로 구성된다. 그리고 은닉층은 생산성의 직접적 영향 요인인 생체 상태 정보로 구성되며, 출력층은 생산성의 중요 지표인 생산량, 품질, 출하시기 및 평균 체중 등으로 구성된다. 인공 신경망의 구조에 관한 설명은 후술할 도 4를 통하여 더욱 상세하게 설명한다. The input layer of the artificial neural network consists of complex environment information which is the primary influence factor affecting productivity of livestock. The hidden layer is composed of biometric status information which is a direct influence factor of productivity, and the output layer is composed of production quantity, quality, release date and average weight, which are important indices of productivity. The structure of the artificial neural network will be described in more detail with reference to FIG. 4, which will be described later.

또한, 인공 신경망을 구성하는 각 구성층은 가중치와 연결 강도의 의해 결정된다. In addition, each constituent layer constituting the artificial neural network is determined by the weight and the connection strength.

인공 신경망의 입력층과 은닉층 간 연결 강도인 제1 연결강도는 복합 환경 정보와 가축의 생체 상태 정보의 상관 관계에 따라 설정될 수 있다. 그리고 인공 신경망의 입력층과 은닉층 간의 제1 합성 함수 및 제1 활성화 함수는 복합 환경 정보와 가축의 생체 상태 정보를 기반으로 모델링된 생장 예측 모델의 분석 결과에 따라 설정될 수 있다. The first connection strength, which is the connection strength between the input layer and the hidden layer of the artificial neural network, can be set according to the correlation between the complex environment information and the living body's bio-state information. The first synthesis function and the first activation function between the input layer and the hidden layer of the artificial neural network can be set according to the result of the analysis of the growth prediction model modeled based on the complex environment information and the biological state information of the livestock.

그리고 인공 신경망의 은닉층과 출력층 간 연결 강도인 제2 연결 강도는 생체 상태 정보와 가축의 생산 정보의 상관 관계에 따라 설정될 수 있다. 또한, 인공 신경망의 입력층과 출력층 간의 제2 합성 함수 및 제2 활성화 함수는 생체 상태 정보와 생산 정보를 기반으로 모델링된 생장 해석 모델의 분석 결과에 따라 설정될 수 있다. The second connection strength, which is the connection strength between the hidden layer and the output layer of the artificial neural network, can be set according to the correlation between the biological condition information and the production information of the livestock. Also, the second synthesis function and the second activation function between the input layer and the output layer of the artificial neural network can be set according to the analysis results of the growth analysis model modeled based on the bio-state information and the production information.

마지막으로 시설 제어부(140)는 생산 정보에 상응하는 복합 환경 정보를 기반으로 축사에 구비된 하나 이상의 시설물을 제어한다. Finally, the facility control unit 140 controls one or more facilities provided in the housing based on the mixed environment information corresponding to the production information.

시설 제어부(140)는 생산성을 극대화 시키고, 가축의 품질을 향상시키도록 축사의 환경을 제어할 수 있다. 이때, 시설 제어부(140)는 축사에 구비된 각종 시설물을 제어하여, 온도, 습도, 이산화탄소 농도, 조도, 유해가스 농도, 물 제공량, 사료 제공량 등을 제어할 수 있다. The facility control unit 140 can control the environment of the housing to maximize the productivity and improve the quality of the livestock. At this time, the facility control unit 140 can control various facilities provided in the housing to control temperature, humidity, carbon dioxide concentration, illuminance, noxious gas concentration, water supply amount, feed amount, and the like.

이하에서는 도 2 내지 도 4를 통하여, 본 발명의 일실시예에 따른 축사 환경 제어 장치에 의해 수행되는 축사 환경 제어 방법에 대하여 더욱 상세하게 설명한다. Hereinafter, the housing environment control method performed by the housing environment control apparatus according to the embodiment of the present invention will be described in more detail with reference to FIG. 2 through FIG.

도 2는 본 발명의 일실시예에 따른 축사 환경 제어 방법을 설명하기 위한 순서도이다. 2 is a flowchart for explaining a housing environment control method according to an embodiment of the present invention.

먼저, 축사 환경 제어 장치(100)는 축사의 복합 환경 정보를 입력받는다(S210). First, the housing environment control apparatus 100 receives the complex environment information of the housing (S210).

축사 환경 제어 장치(100)는 가축이 사육되는 축사의 환경과 가축의 생체 상태 간 연관성을 분석하여 가축의 생산성을 향상시키고자, 축사의 환경에 상응하는 복합 환경 정보를 입력받는다. The housing environment control apparatus 100 receives the complex environment information corresponding to the environment of the housing in order to improve the productivity of the livestock by analyzing the relation between the environment of the housing where the livestock is kept and the living state of the livestock.

이때, 축사 환경 제어 장치(100)는 축사에 구비된 하나 이상의 센서로부터 복합 환경 정보를 입력받거나, 축사의 환경에 상응하는 복합 환경 정보를 저장한 데이터베이스로부터 복합 환경 정보를 입력받을 수 있다. At this time, the housing environment control apparatus 100 may receive the mixed environment information from one or more sensors provided in the housing or receive the mixed environment information from the database storing the mixed environment information corresponding to the housing environment.

그리고 복합 환경 정보는 공기 환경 정보와 사육 환경 정보로 구성될 수 있다. 공기 환경 정보는 가축이 사육되는 축사의 온도, 습도, 조도, 이산화탄소 농도, 암모니아 농도, 황화수소 농도 및 먼지 농도 중 적어도 어느 하나를 포함할 수 있고, 사육 환경 정보는 물 제공량 및 사료 제공량 중 적어도 어느 하나를 포함할 수 있다. The complex environment information can be composed of air environment information and environment information. The air environment information may include at least one of the temperature, humidity, illuminance, carbon dioxide concentration, ammonia concentration, hydrogen sulfide concentration and dust concentration of the housing where the livestock is kept, and the breeding environment information may include at least one of water supply amount and feed amount . ≪ / RTI >

도 3은 본 발명의 일실시예에 따른 가축의 사육에 영향을 미치는 요인을 설명하기 위한 도면이다.FIG. 3 is a view for explaining factors influencing breeding of livestock according to an embodiment of the present invention.

도 3에 도시한 바와 같이, 사용자는 냉난방 장치 및 환기 장치 등을 가동하거나, 급이 시설 및 음수기를 제어하여 축사의 환경을 제어할 수 있다. 또한, 사용자는 축사의 바닥에 깔짚을 깔아주거나, 분뇨를 처리하여 축사의 환경을 쾌적하기 유지할 수 있다. As shown in FIG. 3, the user can control the environment of the housing by operating the cooling and heating device, the ventilation device, or the like, or by controlling the feeding device and the sinker. In addition, the user can lay litter on the bottom of the housing, or treat the manure to keep the environment of the housing comfortable.

이와 같이 사용자가 축사의 환경을 제어할 경우, 축사의 온도, 습도, 조도, 이산화탄소 농도, 암모니아 농도, 황화수소 농도, 먼지 농도, 물 섭취량 및 사료 섭취량 등의 복합 환경이 변화한다. Thus, when the user controls the environment of housing, the complex environment such as temperature, humidity, illuminance, carbon dioxide concentration, ammonia concentration, hydrogen sulfide concentration, dust concentration, water intake, and feed intake of the housing changes.

그리고 축사의 복합 환경은 축사 내에서 사육되는 가축들의 생체 상태에 영향을 미친다. 축사의 환경에 따라, 가축들의 행동, 발성음이 달라질 수 있으며, 가축의 체온, 체위, 체중 등이 변화할 수 있다. 예를 들어, 축사의 온도가 고온인 경우 가축들의 사료 섭취량이 감소하고, 번식력이 낮아진다. 또한, 고온 다습한 경우에는 가축의 체표면에서 열과 수분의 증산이 억제되어 체온이 상승하며, 저온 다습한 경우에는 추위를 가중시키고, 축사 바닥의 깔짚이 축축해져 유해 가스의 농도를 증가시킬 수 있다. And the complex environment of the housing affects the living state of the livestock within the housing. Depending on the environment of the house, the behavior of the livestock, the sound of the utterance may vary, and the body temperature, position, weight, etc. of the livestock may change. For example, if the temperature of the housing is high, the feed intake of the cattle decreases and the fertility decreases. In addition, in the case of high temperature and high humidity, the increase of heat and moisture on the body surface of the livestock is suppressed and the body temperature is raised. In the case of low temperature and high humidity, the cold is increased and the litter on the bottom of the house is moistened to increase the concentration of noxious gas .

가축의 생체 상태는 생산성과 직결되며, 생산량, 품질, 출하 시기, 평균 체중 등의 생산 실적에 영향을 미친다. 즉, 축사의 복합 환경과 가축의 생체 상태의 연관성을 분석하면, 가축의 생산성을 높일 수 있다. 따라서, 본 발명의 일실시예에 따른 축사 환경 제어 장치(100)는 가축의 생산성에 영향을 미치는 축사의 복합 환경 정보를 입력받아, 축사의 복합 환경, 가축의 생체 상태 및 생산성과의 연관성을 분석할 수 있다. Livestock state is directly related to productivity and affects production performance such as production quantity, quality, shipping time, and average weight. In other words, analyzing the relationship between the complex environment of housing and the living state of livestock can increase the productivity of livestock. Therefore, the housing environment control apparatus 100 according to an embodiment of the present invention receives the complex environment information of the housing affecting the productivity of the domestic animal, analyzes the relationship between the complex environment of the housing, the living state of the domestic animal and the productivity can do.

다시 도 2에 대하여 설명하면, 축사 환경 제어 장치(100)는 복합 환경 정보의 전처리를 수행한다(S220). Referring again to FIG. 2, the housing environment control apparatus 100 performs preprocessing of the complex environment information (S220).

축사 환경 제어 장치(100)는 서로 상이한 단위의 복합 환경 정보들에 대한 전처리를 수행하여, 복합 환경 정보들 각각의 중요도를 동일하게 설정할 수 있다. 이때, 축사 환경 제어 장치(100)는 앞서 설명한 수학식 1을 이용하여, 모든 복합 환경 정보들 각각이 0과 1 사이의 값을 가지도록 전처리를 수행할 수 있다. 이를 통하여 복합 환경 정보들은 0.1 내지 0.9 범위의 값을 가지도록 변환된다. The housing environment control device 100 may perform preprocessing on the mixed environment information of different units to set the importance of each of the mixed environment information to the same. At this time, the housing environment control apparatus 100 can perform preprocessing such that each of the complex environment information has a value between 0 and 1, using Equation (1) described above. Thus, the complex environment information is converted to have a value ranging from 0.1 to 0.9.

다음으로 축사 환경 제어 장치(100)는 전처리된 복합 환경 정보를 인공 신경망에 적용하고(S230), 인공 신경망의 출력값인 가축의 생산 정보를 출력한다(S240).Next, the housing environment control apparatus 100 applies the preprocessed complex environment information to the artificial neural network (S230), and outputs the production information of the animal, which is the output value of the artificial neural network (S240).

인공 신경망은 데이터를 입력하는 입력층, 결과값을 출력하는 출력층 및 입력층과 출력층 사이에서 정보를 처리하는 은닉층으로 구성된다.The artificial neural network consists of an input layer for inputting data, an output layer for outputting the result, and a hidden layer for processing information between the input layer and the output layer.

도 4는 본 발명의 일실시예에 따른 가축의 복합 환경 생육 모델의 인공 신경망의 구성을 나타낸 도면이다.FIG. 4 is a diagram illustrating a configuration of an artificial neural network of a complex environment growth model of a livestock according to an embodiment of the present invention.

도 4에 도시한 바와 같이, 인공 신경망의 입력층은 가축의 생산량에 영향을 미치는 일차적 영향 요인인 복합 환경 정보로 구성될 수 있다. 특히, 인공 신경망의 입력층은 축사의 온도, 습도, 조도, 이산화탄소 농도, 암모니아 농도, 황화수소 농도, 먼지 농도, 물 섭취량 및 사료 섭취량 등의 복합 환경 정보로 구성될 수 있다. As shown in FIG. 4, the input layer of the artificial neural network can be composed of complex environmental information, which is a primary influencing factor affecting the yield of livestock. Particularly, the input layer of the artificial neural network can be composed of complex environment information such as temperature, humidity, illuminance, carbon dioxide concentration, ammonia concentration, hydrogen sulfide concentration, dust concentration, water intake and feed intake of the housing.

그리고 인공 신경망의 은닉층은 생산량의 직접적 영향 요인인 생체 상태 정보로 구성될 수 있다. 특히, 인공 신경망의 은닉층은 가축의 행동, 발성음, 체온, 체위, 체중 등의 생체 정보로 구성될 수 있다. And the hidden layer of artificial neural network can be composed of biological state information which is a direct influence factor of production. Especially, the hidden layer of the artificial neural network can be composed of biological information such as behavior of livestock, vocal sound, body temperature, position, body weight and the like.

또한, 인공 신경망의 출력층은 생산성의 중요 지표인 생산량, 품질, 출하시기, 평균 체중 등으로 구성될 수 있다. In addition, the output layer of artificial neural network can be composed of productivity, quality, release date, and average weight, which are important indices of productivity.

설명의 편의상 도 4와 같이 인공 신경망이 구성되는 것으로 설명하였으나 이에 한정하지 않고, 입력층, 은닉층 및 출력층의 구성은 가축의 종류 및 사용자의 설정에 따라 다르게 설정될 수 있다. 4, the configuration of the input layer, the hidden layer, and the output layer can be set differently according to the type of livestock and the setting of the user.

그리고 인공 신경망의 입력층과 은닉층 간 초기 연결 강도인 v는 복합 환경 정보와 생체 정보 간 상관 관계를 분석하여 설정될 수 있다. 또한, 은닉층과 출력층 간 초기 연결 강도인 w는 생체 정보와 생산 정보 간 상관 관계를 분석하여 설정될 수 있다. 이때, 초기 연결 강도는 학습을 통하여 목표치에 근접하도록 조정될 수 있다. The initial connection strength v between the input layer and the hidden layer of the artificial neural network can be set by analyzing the correlation between the complex environment information and the biometric information. The initial connection strength w between the hidden layer and the output layer can be set by analyzing the correlation between biometric information and production information. At this time, the initial connection strength can be adjusted to approach the target value through learning.

인공 신경망은 입력 정보인 복합 환경 정보를 결합하는 합성 함수(Combination Function)와 입력 정보를 결합하여 변형하는 활성 함수(Activation Function)를 사용한다. 인공 신경망은 합성 함수를 이용하여 입력된 정보들을 하나의 정보로 만들고, 활성 함수를 사용하여 입력 정보의 합성값을 은닉층 또는 출력층에 전달하기 위하여 일정 범위의 값으로 변환한다. The artificial neural network uses a combination function that combines complex environment information, which is input information, and an activation function, which combines and transforms input information. The artificial neural network transforms input information into a piece of information by using a composite function, and converts the composite value of the input information into a certain range value to transmit the composite value of the input information to the hidden layer or output layer using the activation function.

이때, 합성 함수와 활성화 함수는 복합 환경 정보와 생체 정보간 정량적 관계를 수학적인 공식으로 모델화한 생육 예측 모델을 분석하여 선정될 수 있다. 또한, 가축의 생체 해석을 통하여, 가축의 생산량 및 품질 등을 예측하는 생체 해석 모델을 분석함으로써, 결합 함수와 활성화 함수를 선정할 수도 있다. At this time, the synthesis function and the activation function can be selected by analyzing a growth prediction model obtained by modeling the quantitative relationship between complex environmental information and biometric information as a mathematical formula. Also, by analyzing the biological analysis model that predicts the production amount and quality of the livestock through the living body analysis of the livestock, the combining function and the activation function can be selected.

다시 도 2에 대하여 설명하면, 축사 환경 제어 장치(100)는 가축의 생산 정보를 기반으로 축사의 복합 환경을 제어한다(S250). Referring again to FIG. 2, the housing environment control apparatus 100 controls the complex environment of housing based on the production information of livestock (S250).

축사 환경 제어 장치(100)는 가축의 생산량을 극대화시키고, 품질을 향상시키도록 축사의 복합 환경을 제어할 수 있다. 이때, 축사 환경 제어 장치(100)는 축사의 온도, 습도, 조도, 이산화탄소 농도, 암모니아 농도, 황화수소 농도, 먼지 농도, 물 섭취량 및 사료 섭취량 등을 조절하기 위하여, 축사에 구비된 하나 이상의 시설물을 제어할 수 있다. The housing environment control apparatus 100 can control the complex environment of the housing to maximize the production amount of livestock and improve the quality. At this time, the housing environment control device 100 controls one or more facilities provided in the housing to control the temperature, humidity, roughness, carbon dioxide concentration, ammonia concentration, hydrogen sulfide concentration, dust concentration, water intake, can do.

도 5는 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 블록도이다.5 is a block diagram illustrating a computer system in accordance with one embodiment of the present invention.

도 5를 참조하면, 본 발명의 실시예는 컴퓨터로 읽을 수 있는 기록매체와 같은 컴퓨터 시스템(500)에서 구현될 수 있다. 도 5에 도시된 바와 같이, 컴퓨터 시스템(500)은 버스(520)를 통하여 서로 통신하는 하나 이상의 프로세서(510), 메모리(530), 사용자 입력 장치(540), 사용자 출력 장치(550) 및 스토리지(560)를 포함할 수 있다. 또한, 컴퓨터 시스템(500)은 네트워크(580)에 연결되는 네트워크 인터페이스(570)를 더 포함할 수 있다. 프로세서(510)는 중앙 처리 장치 또는 메모리(530)나 스토리지(560)에 저장된 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(530) 및 스토리지(560)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체일 수 있다. 예를 들어, 메모리는 ROM(531)이나 RAM(532)을 포함할 수 있다.Referring to FIG. 5, embodiments of the present invention may be implemented in a computer system 500, such as a computer-readable recording medium. 5, the computer system 500 includes one or more processors 510, a memory 530, a user input device 540, a user output device 550, 560 < / RTI > In addition, the computer system 500 may further include a network interface 570 connected to the network 580. The processor 510 may be a central processing unit or a semiconductor device that executes the processing instructions stored in the memory 530 or the storage 560. [ The memory 530 and the storage 560 may be various types of volatile or non-volatile storage media. For example, the memory may include a ROM 531 or a RAM 532.

따라서, 본 발명의 실시예는 컴퓨터로 구현된 방법이나 컴퓨터에서 실행 가능한 명령어들이 기록된 비일시적인 컴퓨터에서 읽을 수 있는 매체로 구현될 수 있다. 컴퓨터에서 읽을 수 있는 명령어들이 프로세서에 의해서 수행될 때, 컴퓨터에서 읽을 수 있는 명령어들은 본 발명의 적어도 한 가지 태양에 따른 방법을 수행할 수 있다.Thus, embodiments of the invention may be embodied in a computer-implemented method or in a non-volatile computer readable medium having recorded thereon instructions executable by the computer. When computer readable instructions are executed by a processor, the instructions readable by the computer are capable of performing the method according to at least one aspect of the present invention.

이상에서와 같이 본 발명에 따른 축사 환경 제어 장치 및 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. As described above, the configuration and method of the housing environment control device and method according to the present invention are not limited to the above-described embodiments, but the embodiments are not limited thereto. All or some of them may be selectively combined.

100: 축사 환경 제어 장치 110: 데이터 입력부
120: 전처리부 130: 인공 신경망부
140: 시설 제어부 500: 컴퓨터 시스템
510: 프로세서 520: 버스
530: 메모리 531: 롬
532: 램 540: 사용자 입력 장치
550: 사용자 출력 장치 560: 스토리지
570: 네트워크 인터페이스 580: 네트워크100: housing environment control device 110: data input unit
120: preprocessing unit 130: artificial neural network unit
140: facility control unit 500: computer system
510: Processor 520: Bus
530: Memory 531: ROM
532: RAM 540: user input device
550: user output device 560: storage
570: Network interface 580: Network

Claims (1)

축사의 복합 환경 정보를 입력받는 데이터 입력부,
상기 복합 환경 정보를 인공신경망에 적용하기 위한 전처리를 수행하는 전처리부,
전처리된 상기 복합 환경 정보를 상기 인공신경망에 적용하여, 상기 축사에서 사육되는 가축의 생산 정보를 출력하는 인공신경망부, 그리고
상기 가축의 생산 정보에 상응하는 상기 복합 환경 정보를 기반으로 상기 축사에 구비된 하나 이상의 시설물을 제어하는 시설 제어부
를 포함하는 축사 환경 제어 장치. A data input unit for receiving the complex environment information of the housing,
A preprocessing unit for performing preprocessing for applying the complex environment information to the artificial neural network,
An artificial neural network unit for applying the pre-processed complex environment information to the artificial neural network and outputting production information of livestock raised in the housing, and
A facility controller for controlling at least one facility provided in the housing based on the complex environment information corresponding to the production information of the livestock;
Wherein the housing environment control device comprises:
KR1020170030387A 2017-03-10 2017-03-10 Apparatus and method for controlling of barn environment KR20180103435A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170030387A KR20180103435A (en) 2017-03-10 2017-03-10 Apparatus and method for controlling of barn environment

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170030387A KR20180103435A (en) 2017-03-10 2017-03-10 Apparatus and method for controlling of barn environment

Publications (1)

Publication Number Publication Date
KR20180103435A true KR20180103435A (en) 2018-09-19

Family

ID=63719027

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170030387A KR20180103435A (en) 2017-03-10 2017-03-10 Apparatus and method for controlling of barn environment

Country Status (1)

Country Link
KR (1) KR20180103435A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110123484A (en) * 2019-05-31 2019-08-16 乐山知行智能科技有限公司 A kind of livestock childbirth detection method and device
KR102158377B1 (en) * 2019-12-23 2020-09-21 (주)이지팜 Optical breeding model decision method and optical breeding model decision system using the method
CN114200987A (en) * 2021-12-03 2022-03-18 天津农学院 Closed livestock and poultry house environment intelligent regulation and control method based on reinforcement learning

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110123484A (en) * 2019-05-31 2019-08-16 乐山知行智能科技有限公司 A kind of livestock childbirth detection method and device
KR102158377B1 (en) * 2019-12-23 2020-09-21 (주)이지팜 Optical breeding model decision method and optical breeding model decision system using the method
CN114200987A (en) * 2021-12-03 2022-03-18 天津农学院 Closed livestock and poultry house environment intelligent regulation and control method based on reinforcement learning

Similar Documents

Publication Publication Date Title
Puillet et al. Disentangling the relative roles of resource acquisition and allocation on animal feed efficiency: insights from a dairy cow model
van Beest et al. Behavioural responses to thermal conditions affect seasonal mass change in a heat-sensitive northern ungulate
KR20180103435A (en) Apparatus and method for controlling of barn environment
Strapasson et al. On the global limits of bioenergy and land use for climate change mitigation
Rossberg A complete analytic theory for structure and dynamics of populations and communities spanning wide ranges in body size
AU2017283867B2 (en) Information processing device, method, and program
KR20180105451A (en) Apparatus for controlling livestock breeding environment and method for the same
Solidoro et al. Ecological and economic considerations on fishing and rearing of Tapes phillipinarum in the lagoon of Venice
Dong et al. The use of artificial neural network for modeling in vitro rumen methane production using the CNCPS carbohydrate fractions as dietary variables
Chahid et al. Fish growth trajectory tracking using Q-learning in precision aquaculture
Arepalli et al. Water quality prediction for salmon fish using gated recurrent unit (GRU) model
Rezende et al. Heritability and genetic correlation of body weight and Kleiber ratio in Limousin and Charolais beef cattle breeds
CN108445747A (en) A kind of livestock and poultry cultivation environmental parameter Fuzzy Optimal Control method
Rands et al. The dynamics of honesty: modelling the growth of costly, sexually-selected ornaments
Pomar et al. Fundamentals, limitations and pitfalls on the development and application of precision nutrition techniques for precision livestock farming
Bangar et al. Evaluating advanced computing techniques for predicting breeding values in Harnali sheep
Filipe et al. The quantitative principles of animal growth
KR102473440B1 (en) Intergrated sensor module for smart farm and control method thereof
Hary Derivation of steady state herd productivity using stage-structured population models and mathematical programming
Sokullu et al. Iot based livestock precision feeding system using machine learning
Zuidhof et al. Smart poultry nutrition
Huang et al. Evaluation on how to maximize cattle diet revenue while controlling carbon emissions through linear programing
Rud et al. Evaluation of the dependence of the air temperature influence on the reproductive function of cows based on ASC-analysis
Pilvere et al. Development prospects of milk production in various size farm groups in Latvia
CN111951888B (en) Beef fatty acid composition prediction method, system and storage medium