KR20210004184A

KR20210004184A - 마킹 정보의 식별 기반의 가축 관리 방법 및 이를 수행하는 컴퓨팅 장치와 서버

Info

Publication number: KR20210004184A
Application number: KR1020190080186A
Authority: KR
Inventors: 한영진; 김원모; 이승진; 최정운
Original assignee: 주식회사 엘지유플러스
Priority date: 2019-07-03
Filing date: 2019-07-03
Publication date: 2021-01-13

Abstract

이하의 실시예는 마킹 정보를 식별하는 가축 관리 방법에 관한 것이다. 실시예에 따른 컴퓨팅 장치에서 마킹 정보를 식별하는 가축 관리 방법은 축사 내 촬영된 적어도 하나의 가축의 영상 정보 및 축사 정보를 획득하는 단계; 서버로부터 제공된 가축 관리 모델을 이용하여 영상 정보로부터 적어도 하나의 가축을 식별하는 단계; 및 식별된 적어도 하나의 가축에 대한 마킹 정보 및 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계를 포함할 수 있다.

Description

마킹 정보의 식별 기반의 가축 관리 방법 및 이를 수행하는 컴퓨팅 장치와 서버{Domestic Animal Managing Method Based on Identifying Marking Information of And Computing Apparatus and Server of Thereof}

이하의 실시예는 마킹 정보의 식별 기반의 가축 관리 방법 및 이를 수행하는 컴퓨팅 장치와 서버에 관한 것이다.

ICT(Information and Communications Technologies)의 발전과 함께 축사에서 동물 개체(가축)을 관리하기 위한 기술도 발전해왔다.

가축을 식별하고 개별적으로 성장을 측정하고, 가축의 건강 상태를 살피면서 사육 비용을 절감하기 위한 다양한 방법이 있다.

종래의 RFID 및 전자 태그 방식을 이용하는 동물 개체 인식, 관리 방법은 가축에 고가의 별도의 장치를 달아주어야 하며, 전자 태그를 통해 정보의 수집을 위해 축사 내 별도의 고가 시설이 추가적으로 필요하다는 점에서 비용적으로 효율적이지 않을 수 있다.

다른 기술로, 머신러닝 기반의 카메라를 이용한 특징 인식 및 동물의 얼굴 인식 기술을 이용한 가축 관리 방법이 제안되었다. 해당 기술은 초기 동물 개체의 인식 정확도를 높이기 위해 특징 및 얼굴 스캔 데이터가 필요하며, 확보된 데이터가 오염물이나, 털 등에 의한 변경 사항에 영향을 받지 않도록 하기 위해 데이터의 지속적인 관리가 필요하다. 또한, 특정 가축 예를 들어, 돼지, 소 등에 한정되어 이를 다른 가축으로 즉시 확장 적용이 어렵다.

본 발명의 실시예에서, 축사 내 가축들의 구분을 위해 가축 각각에 새긴 마킹 정보를 머신러닝을 통한 학습을 통해 식별할 수 있도록 함으로써, 복잡한 초기 데이터 수집을 위한 비용 및 시간 등의 소모를 줄이고 추가적인 시설의 구축 없이 자동으로 가축들을 식별 및 인식하여 가축들을 관리 및 제어하는 가축 관리 방법을 제공하고자 한다.

컴퓨팅 장치에서 마킹 정보를 식별하는 가축 관리 방법에 있어서, 축사 내 촬영된 적어도 하나의 가축의 영상 정보 및 축사 정보를 획득하는 단계; 서버로부터 제공된 가축 관리 모델을 이용하여 상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계; 및 상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계를 포함하는, 가축 관리 방법이 제공될 수 있다.

상기 축사에서 사육되는 가축들의 마킹 정보가 레이블 된 영상 정보-상기 영상 정보는 상기 축사에서 사육되는 가축들 각각에 대응하는 복수의 영상들을 포함함-를 상기 서버에 등록하는 단계를 더 포함하고, 상기 가축 관리 모델은, 상기 영상 정보에 기초하여, 상기 축사에서 사육되는 가축들 각각에 대응하는 복수의 영상들로부터 해당하는 영상들에 레이블 된 마킹 정보를 예측하도록 학습된 모델일 수 있다.

상기 축사 내 촬영된 적어도 하나의 가축의 영상 정보 및 축사 정보를 획득하는 단계는, 카메라를 통해 마킹 정보가 레이블 된 상기 적어도 하나의 가축의 영상 정보를 획득하는 단계; 및 상기 축사 내 IoT 장치를 통해 상기 적어도 하나의 가축의 체중, 체온 및 상기 축사의 온도 및 습도 정보 중 적어도 하나를 포함하는 상기 축사 정보를 획득하는 단계를 포함할 수 있다.

상기 서버로부터 제공된 가축 관리 모델을 이용하여 상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계는, 상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계; 및 상기 마킹 정보에 기초하여 상기 적어도 하나의 가축에 대해 저장된 개별 정보를 획득하는 단계를 포함할 수 있다.

상기 가축 관리 모델은, 상기 적어도 하나의 가축에 대한 마킹 정보에 대응하여 상기 축사 정보를 획득하는 센서의 태그 ID, 먹이 섭취량, 적정 체온 정보를 제공받는 단계; 및 상기 제공받은 정보들을 빅데이터로 저장하는 단계를 통해 구축될 수 있다.

상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계는, 상기 마킹 정보에 대응하는 가축에 대한 먹이 섭취량을 조절하는 제어 명령을 상기 사육 장치로 전송하는 단계를 포함할 수 있다.

상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계는, 상기 축사 정보에 포함되는 상기 적어도 하나의 가축에 대한 건강 정보를 점검하는 단계; 및 상기 건강 정보에 이상이 발생한 것으로 판단되면, 상기 서버를 통해 사용자 단말로 알림을 전송하는 단계를 포함할 수 있다.

AI 기반의 상기 서버로 상기 마킹 정보 및 상기 축사 정보를 전송하는 단계; 및 상기 서버에서 상기 마킹 정보에 대응하는 상기 축사 정보를 통해 업데이트된 모델을 수신하는 단계를 더 포함할 수 있다.

AI 기반의 서버에서 가축 관리 모델을 학습하는 방법에 있어서, 축사에서 사육되는 가축들에 대한 마킹 정보들을 획득하는 단계; 상기 가축들 각각에 대응하는 복수의 영상들 및 상기 복수의 영상들 각각에 해당하는 상기 가축들의 마킹 정보들을 획득하는 단계; 및 상기 복수의 영상들로부터 해당하는 가축에 대한 마킹 정보들을 학습하는 단계를 포함하는, 가축 관리 모델을 학습하는 방법이 제공될 수 있다.

상기 복수의 영상들은, 상기 가축들에 대한 마킹 정보가 레이블 된 영상들 및 상기 마킹 정보가 레이블 되지 않는 영상들을 포함할 수 있다.

상기 가축들에 대한 마킹 정보에 대응하여 축사 정보를 획득하는 센서의 태그 ID, 상기 적어도 하나의 가축의 먹이 섭취량, 적정 체온 정보를 입력 받는 단계; 및 상기 입력 받은 정보들을 저장하는 단계를 더 포함할 수 있다.

본 발명의 실시예를 통해 축사 내 가축들의 구분을 위해 가축 각각에 새긴 마킹 정보를 머신러닝을 통한 학습을 통해 식별할 수 있도록 함으로써, 복잡한 초기 데이터 수집을 위한 비용 및 시간 등의 소모를 줄이고 추가적인 시설의 구축 없이 자동으로 가축들을 식별 및 인식하여 가축들을 관리 및 제어하는 가축 관리 방법을 제공할 수 있다.

도 1은 일실시예에 있어서, 가축들의 마킹 정보를 학습하는 방법을 설명하기 위한 도면이다.
도 2는 일실시예에 있어서, 가축 관리 방법을 위한 시스템의 구성을 설명하기 위한 도면이다.
도 3은 일실시예에 있어서, 가축 관리 방법의 흐름도이다.
도 4는 일실시예에 있어서, 가축 관리 방법을 위한 시스템 내 컴퓨팅 장치 및 서버의 구성을 설명하기 위한 도면이다.

이하, 본 발명의 실시예에 대해서 첨부된 도면을 참조하여 자세히 설명하도록 한다.

본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.

제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~간의에"와 "바로~간의에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 일실시예에 있어서, 가축들의 마킹 정보를 학습하는 방법을 설명하기 위한 도면이다.

실시예에서, 머신러닝(101) 방식을 통해 축사 내 여러 종류 및 여러 개체의 가축들(110)에 대해서 각각 달리 레이블 된 마킹 정보들(120)을 식별하는 방법을 학습할 수 있다.

실시예에 따른 학습 방법을 통해 영상 정보, 예를 들어 축사에서 사육되는 가축들 중 적어도 하나의 가축에 대해 촬영된 영상을 포함하는 정보가 입력될 시, 해당 영상으로부터 해당 가축에 레이블된 마킹 정보를 예측하는 모델을 구축할 수 있다.

실시예에 따른 마킹 정보들(120)은 소, 돼지, 닭, 오리 등의 가축들(110) 신체 일부에 레이블 되며, 각각에 대해 다른 위치에 레이블 될 수 있으며, 프린팅 또는 타투 등의 방식을 통해 레이블 될 수 있다. 마킹 정보들(120)은 문자 및 숫자의 조합, 바코드, QR 코드 등의 다양한 형태로 이루어질 수 있고, 문자 및 숫자의 조합의 마킹 정보를 가지는 경우, 축사 내 가축들의 수에 따라 두자리 혹은 그 이상의 자릿수로 조합될 수 있다.

머신러닝(101)을 위해, 마킹 정보들이 레이블 된 가축들(110)에 대한 다양한 영상들을 획득할 수 있다. 실시예에서, 해당 영상들을 학습함으로써 가축들의 마킹 정보를 식별하기 위한 모델을 구축할 수 있다.

실시예에서 학습을 위해 제공되는 영상들은 가축들(110)을 촬영한 영상으로, 다양한 환경(예컨대, 밤이나 낮 또는 조명 정보에 따른 환경), 다양한 각도, 다양한 크기로 촬영된 영상들에 대해서 각 영상들과 대응하는 마킹 정보를 이용하여 마킹 정보의 식별 방법을 학습할 수 있다.

다른 실시예에서, 학습을 위해 제공되는 영상들 중 가축들(110)을 촬영하고 있으나, 영상 내 가축들에 마킹 정보가 레이블 되지 않는 영상들에 대해서 해당 영상들에 대한 마킹 정보를 제공하고 해당 영상들을 학습하도록 할 수 있다.

도 1의 실시예를 통해 가축 관리 모델이 구축될 수 있다. 실시예에 따른 가축 관리 모델은 지도 학습 머신 러닝(101)을 통해 학습된 마킹 정보의 식별하기 위한 학습 모델을 포함할 수 있다.

가축 관리 모델은 가축들(110)에 대한 빅데이터를 관리하는 모델로 이용될 수 있다. 실시예에서, 각 마킹 정보들을 키(key)로 이용하여, 마킹 정보들 각각에 대응하는 가축들의 혈통, 품종, 출생 정보, 체온 정보, 먹이 섭취량, 해당 가축들의 정보를 수집하기 위한 IoT 센서의 태그 ID 등의 메타 정보가 빅데이터로 저장 및 관리될 수 있다.

빅데이터로 저장된 정보들은 마킹 정보에 대응하여 저장될 수 있고, 가축들을 관리하는 데에 기반이 될 수 있다. 예를 들어, 가축들 중 어느 하나의 가축에 대한 질의를 처리하기 위한 정보로 제공될 수 있고, 가축들을 관리하기 위한 사육 장치를 제어하는 데에 기반이 되는 정보로 제공될 수 있다.

이하에서, 상기 설명한 바와 같이 학습되고 구축된 가축 관리 모델을 이용하여 축사 내 가축들을 관리하는 방법에 대해서 설명하도록 한다.

도 2는 일실시예에 있어서, 가축 관리 방법을 위한 시스템의 구성을 설명하기 위한 도면이다.

실시예에 따른 가축들(201)은 각 개체별로 마킹 정보를 포함하고 있다.

실시예에서 카메라(210)는 축사 내에 하나 또는 축사의 크기에 따라 복수개가 구비될 수 있다. 카메라(210)는 가축들(201)을 촬영한 영상 정보를 제공하며, 영상 정보의 전송을 위한 유무선 인터넷 기능을 포함할 수 있다. 카메라(210)는 축사 내 마킹 정보를 포함하는 가축들에 대한 영상 정보를 컴퓨팅 장치(230)로 전송할 수 있다.

실시예에서, IoT 센서(220)는 축사 내 온도 및 습도의 환경을 감지하기 위한 온습도 센서, 가축들(201) 각각의 체온을 감지하기 위한 체온 센서, 가축들(201)의 체중을 측정하기 위한 무게 센서 등을 포함하며, 하나 또는 복수개가 구비될 수 있다. IoT 센서(220)에서 센싱된 축사 정보의 전송을 위한 유무선 인터넷 기능을 포함할 수 있다.

카메라(210) 및 IoT 센서(220)의 영상 정보 및 축사 정보는 미리 정해진 주기로 전송되거나, 사용자의 요청에 대응하여 전송될 수 있다.

컴퓨팅 장치(230)는 카메라(210) 및 IoT 센서(220)의 영상 정보 및 축사 정보를 수집하여, 해당 정보들을 활용하는 가축 관리 방법을 실행할 수 있다.

실시예에서, 컴퓨팅 장치(230)는 도 1을 통해 설명한 가축 관리 모델을 서버(240)로부터 전달받아 AI 인퍼런스 엔진을 통해 해석할 수 있다. 가축 관리 모델을 이용함으로써 전송받은 영상 정보 및 축사 정보를 분석하여 가축 별로 개별적인 관리가 가능하다.

예를 들어, 영상 정보를 분석하여 가축의 마킹 정보를 획득하고 해당 마킹 정보를 가지는 가축에 대응하여 먹이 섭취량을 조절하거나, 해당 가축에 대한 체온 정보를 획득하여 건강 상태를 점검할 수 있으며, 해당 가축의 무게 또는 크기를 분석하여 성장 정보를 분석할 수도 있다.

실시예에서, 컴퓨팅 장치(230)는 식별된 가축에 대해서 분석된 정보를 기초하여 사육 장치(250)로 제어 명령을 전송할 수 있다. 예를 들어, 가축의 먹이 섭취 시간에 대응하여 미리 지정된 또는 분석된 정보에 기초하여 책정된 분량의 먹이를 제공하거나, 발생한 상황에 대해서 알림 또는 안내 멘트를 출력하는 등의 제어 명령을 사육 장치(250)로 전송할 수 있다.

실시예에서, 사육 장치(250)는 제어 명령에 대응하여 지정된 위치로 지정된 사료를 제공할 수 있고, 제어 명령에 포함되는 알림 또는 안내 멘트를 출력할 수 있다. 사육 장치(250)는 제어 명령을 수신하기 위한 유무선 인터넷 기능을 포함할 수 있다.

서버(240)는 앞서 설명한 바와 같이, 학습된 가축 관리 모델을 포함할 수 있다. 서버(240)는 가축 관리 모델을 컴퓨팅 장치(230)로 제공하며, 축사 내 가축들에 대한 마킹 정보 및 축사 정보 등을 포함하는 메타 정보를 수신 받아 가축 관리 모델을 지속적으로 학습할 수 있다. 실시예에서, 일정 주기로 가축 관리 모델이 학습될 수 있으며, 학습된 모델은 컴퓨팅 장치(230)로 제공될 수 있다.

서버(240)는 사용자 단말(260)로 정보를 제공할 수 있다. 실시예에서, 사용자 단말(260)는 PC, 스마트폰 등의 기기를 포함할 수 있고, 원격 접속 또는 제공되는 어플리케이션을 통해 축사 내 가축의 건강 상태, 성장 관련 정보, 질병 알림 정보 등을 확인하는 데에 이용될 수 있다.

실시예에서, 사용자 단말(260)을 통해 서버(240) 및 컴퓨팅 장치(230)를 관리하기 위한 웹 페이지 또는 소프트웨어 등이 제공될 수 있다(이하에서 관리 웹으로 기재함). 관리 웹을 통해 사용자로부터 직접적으로 부가 정보를 제공받을 수 있다. 예를 들어, 마킹 정보를 식별 키(key)로 하여, 가축의 혈통, 품종, 출생정보, 체온 정보, 하루/한끼 먹이 섭취량, 해당 가축의 IoT 센서 태그 ID 정보 등을 입력 받을 수 있다.

실시예에서, 해당 부가 정보 및 영상 정보, 축사 정보를 저장하고 관리하기 위해서 서버(240)는 빅데이터를 저장할 수 있고 또는 빅데이터를 저장하기 위한 장치를 포함할 수 있다. 해당 정보들은 가축 관리를 위한 정보로 활용될 수 있다.

실시예에 따른 일례로, 컴퓨팅 장치(230)는 수신된 IoT 센서(220)의 축사 정보를 서버(240)로 전송하고, 서버(240)는 컴퓨팅 장치(230)에서 식별된 마킹 정보를 수신하여 해당 마킹 정보에 대응하여 저장된 정보들을 빅데이터에 질의함으로써 이를 기반으로 마킹 정보에 대응하는 가축을 관리하기 위한 제어 명령을 생성하고, 이를 사육 장치(260)로 전송할 수 있다.

도 3은 일실시예에 있어서, 가축 관리 방법의 흐름도이다.

단계(301)에서 서버는 학습된 가축 관리 모델을 컴퓨팅 장치로 제공할 수 있다. 가축 관리 모델은 도 1을 통해 설명된 머신러닝 기반으로 학습된 모델에 해당할 수 있다. 도 3의 IoT 장치는 IoT 센서 및 IoT 기능을 포함하는 사육 장치를 모두 포함하는 장치를 의미할 수 있다.

단계(302)에서 컴퓨팅 장치는 카메라 및 IoT 센서로부터 영상 정보 및/또는 축사 정보를 획득할 수 있다.

실시예에서, 영상 정보는 축사 내 마킹 정보가 레이블 된 가축을 하나 이상 포함하는 영상을 포함할 수 있다. 축사 정보는 축사에 설치된 IoT 센서 혹은 축사에서 사육 중인 가축에 설치된 IoT 센서에 의하여 측정되는 정보를 포괄하는 개념으로 이해될 수 있다. 예를 들어, 축사 정보는 축사 내 온도나 습도 정보 등 축사 정보 및/또는 가축들의 체온 정보나 체중 정보 등 가축 센싱 정보를 포함할 수 있다.

단계(303)에서 컴퓨팅 장치는 가축 관리 모델을 이용하여 영상 정보에 대응하는 가축을 식별하고, 해당 가축에 대한 제어 정보를 생성할 수 있다.

실시예에서, 영상 정보를 가축 관리 모델에 입력하면, 해당 영상 정보에 포함되는 가축의 마킹 정보를 도출함으로써 마킹 정보에 대응하는 가축을 식별할 수 있다. 더불어, 해당 마킹 정보에 대응하여 가축 관리 모델로부터 대응하는 가축에 대한 먹이 섭취를 제어하기 기 위한 제어 정보를 생성하거나, 해당 가축에 대한 건강 정보의 알림 등을 위한 제어 정보를 생성할 수 있다.

단계(304)에서 컴퓨팅 장치는 먹이 제어 등의 제어 정보를 축사 내 사육 장치로 전송할 수 있다. 실시예에서는, 사육 장치는 제어 명령의 수신이 가능한 인터넷 기능을 포함할 수 있다.

단계(305)에서 사용자 단말은 가축의 건강/상태의 확인을 서버로 요청할 수 있다. 실시예에서, 관리 웹의 서비스가 제공되는 스마트폰 또는 PC 등에서 모바일 접속을 통해 가축 개별적인 건강 상태, 혹은 성장 관련된 정보, 질병 정보 등의 확인을 요청이 서버로 전송될 수 있다. 해당 요청은 가축의 마킹 정보를 포함할 수 있다.

단계(306)에서 컴퓨팅 장치는 메타 정보를 서버로 전송할 수 있다. 컴퓨팅 장치로부터 전송되는 메타 정보는 카메라 및 IoT 센서를 통해 전송된 영상 정보, 축사 정보를 포함할 수 있다.

단계(307)에서 서버는 가축 관리 모델의 학습을 강화할 수 있다. 실시예에서, 입력된 메타 정보를 학습함으로써 가축 관리 모델의 정확도를 높일 수 있다. 다른 예로, 서버에서 제공되는 관리 웹을 통해 입력되는 부가 정보들을 이용하여 가축 관리 모델을 학습할 수도 있다.

단계(308)에서 서버는 학습된 가축 관리 모델을 컴퓨팅 장치로 전송할 수 있다.

단계(309)에서 컴퓨팅 장치는 카메라 또는 IoT 센서로부터 영상 정보 및/또는 축사 정보를 전송받을 수 있다. 해당 단계는 단계(308) 이후의 순서로 한정되지는 않는다.

단계(310)에서 컴퓨팅 장치는, 사용자 단말로부터 전달된 요청에 대응하여 가축의 건강 정보를 확인할 수 있다. 실시예에서, 해당 가축의 체온이 정상인지, 먹이 섭취량은 적절한지, 질병이 의심되는 정황이 발견되는지 등을 확인할 수 있다.

단계(110)에서 컴퓨팅 장치는 확인된 건강 정보를 서버(311)로 전송하고, 단계(312)에서 서버는 건강 정보에 대응하여 사용자 단말로 알림을 전송할 수 있다.

실시예에서, 서버는 수신된 건강 정보에 대응하여 사용자 단말에서 출력이 가능한 형태, 예를 들어 사용자 단말의 디스플레이를 통해 출력되는 화면을 구성하거나, 음성 안내 등을 포함하는 형태로 제공할 수 있다.

도 4는 일실시예에 있어서, 가축 관리 방법을 위한 시스템 내 컴퓨팅 장치 및 서버의 구성을 설명하기 위한 도면이다.

실시예에서, 컴퓨팅 장치(410)는 메모리(411) 및 프로세서(412)를 포함하여 구성될 수 있으며, 메모리(411)에 저장되어 있으며 하나 이상의 프로세서(412)에 의하여 실행되도록 구성되는 도 1 내지 도 3을 통해 설명된 컴퓨팅 장치의 가축 관리 방법을 위한 프로그램을 포함한다. 서버(420)는 메모리(421) 및 프로세서(422)를 포함하여 구성될 수 있고, 도 1을 통해 설명된 가축 관리 모델의 학습 방법 및 그 이하의 가축 관리 방법을 수행하기 위한 프로그램을 포함한다.

실시예에서, 가축의 마킹 식별을 위해 AI 기반의 서버(420)에서 학습된 가축 관리 모델을 컴퓨팅 파워가 있는 컴퓨팅 장치(410)로 제공하고, 컴퓨팅 장치(410)를 통해 가축 관리 모델을 실행할 수 있다.

컴퓨팅 장치(410)는 카메라 및 IoT 센서로부터 영상 정보 및/또는 축사 정보를 획득할 수 있다.

실시예에서, 영상 정보는 축사 내 마킹 정보가 레이블 된 가축을 하나 이상 포함하는 영상을 포함할 수 있고, 축사 정보는 예를 들어 축사 내 온도 및 습도 정보, 가축들 각각의 체온에 대한 정보, 가축들의 체중 정보 등을 포함할 수 있다.

컴퓨팅 장치(410)는 서버(420)로부터 전송 받은 가축 관리 모델을 이용하여 영상 정보에 대응하는 가축을 식별하고, 해당 가축에 대한 제어 정보를 생성할 수 있다.

실시예에서, 영상 정보를 가축 관리 모델에 입력하면, 해당 영상 정보에 포함되는 가축의 마킹 정보를 도출함으로써 마킹 정보에 대응하는 가축을 식별할 수 있다. 예를 들어, 가축에 새겨진 마킹은 저가의 비 전자 태그 방식 외에 가축 및 상황에 따라 페인팅, 레이저 마킹 방법 및 숫자, 문자, 숫자+문자, 코드(바코드, QR코드 )등과 같은 다양한 타투나 패턴으로 이루어질 수 있다.

더불어, 해당 마킹 정보에 대응하여 가축 관리 모델로부터 대응하는 가축에 대한 먹이 섭취를 제어하기 기 위한 제어 정보를 생성하거나, 해당 가축에 대한 건강 정보의 알림 등을 위한 제어 정보를 생성할 수 있다.

컴퓨팅 장치(410)는 먹이 제어 등의 제어 정보를 축사 내 사육 장치로 전송할 수 있다. 실시예에서, 사육 장치는 제어 명령의 수신이 가능한 인터넷 기능을 포함할 수 있다.

서버(420)는 AI 기반으로 가축 관리 모델을 학습하고, 주기적으로 업데이트 할 수 있다. 서버(420)는 가축 관리 모델을 컴퓨팅 장치(410)로 제공하며, 축사 내 가축들에 대한 마킹 정보 및 축사 정보 등을 포함하는 메타 정보를 수신 받아 가축 관리 모델을 지속적으로 학습할 수 있다. 실시예에서, 일정 주기로 가축 관리 모델이 학습될 수 있으며, 학습된 모델은 컴퓨팅 장치(410)로 제공될 수 있다.

서버(420)는 사용자 단말로 정보를 제공할 수 있다. 실시예에서, 사용자 단말은 PC, 스마트폰 등의 기기를 포함할 수 있고, 원격 접속 또는 제공되는 어플리케이션을 통해 축사 내 가축의 건강 상태, 성장 관련 정보, 질병 알림 정보 등을 확인하는 데에 이용될 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims

컴퓨팅 장치에서 마킹 정보를 식별하는 가축 관리 방법에 있어서,
축사 내 촬영된 적어도 하나의 가축의 영상 정보 및 축사 정보를 획득하는 단계;
서버로부터 제공된 가축 관리 모델을 이용하여 상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계; 및
상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계
를 포함하는,
가축 관리 방법.
제1항에 있어서,
상기 축사에서 사육되는 가축들의 마킹 정보가 레이블 된 영상 정보-상기 영상 정보는 상기 축사에서 사육되는 가축들 각각에 대응하는 복수의 영상들을 포함함-를 상기 서버에 등록하는 단계
를 더 포함하고,
상기 가축 관리 모델은,
상기 영상 정보에 기초하여, 상기 축사에서 사육되는 가축들 각각에 대응하는 복수의 영상들로부터 해당하는 영상들에 레이블 된 마킹 정보를 예측하도록 학습된 모델인,
가축 관리 방법.
제1항에 있어서,
상기 축사 내 촬영된 적어도 하나의 가축의 영상 정보 및 축사 정보를 획득하는 단계는,
카메라를 통해 마킹 정보가 레이블 된 상기 적어도 하나의 가축의 영상 정보를 획득하는 단계; 및
상기 축사 내 IoT 장치를 통해 상기 적어도 하나의 가축의 체중, 체온 및 상기 축사의 온도 및 습도 정보 중 적어도 하나를 포함하는 상기 축사 정보를 획득하는 단계
를 포함하는,
가축 관리 방법.
제1항에 있어서,
상기 서버로부터 제공된 가축 관리 모델을 이용하여 상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계는,
상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계; 및
상기 마킹 정보에 기초하여 상기 적어도 하나의 가축에 대해 저장된 개별 정보를 획득하는 단계
를 포함하는,
가축 관리 방법.
제1항에 있어서,
상기 가축 관리 모델은,
상기 적어도 하나의 가축에 대한 마킹 정보에 대응하여 상기 축사 정보를 획득하는 센서의 태그 ID, 먹이 섭취량, 적정 체온 정보를 제공받는 단계; 및
상기 제공받은 정보들을 빅데이터로 저장하는 단계
를 통해 구축된,
가축 관리 방법.
제1항에 있어서,
상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계는,
상기 마킹 정보에 대응하는 가축에 대한 먹이 섭취량을 조절하는 제어 명령을 상기 사육 장치로 전송하는 단계
를 포함하는,
가축 관리 방법.
제1항에 있어서,
상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계는,
상기 축사 정보에 포함되는 상기 적어도 하나의 가축에 대한 건강 정보를 점검하는 단계; 및
상기 건강 정보에 이상이 발생한 것으로 판단되면, 상기 서버를 통해 사용자 단말로 알림을 전송하는 단계
를 포함하는,
가축 관리 방법.
제1항에 있어서,
AI 기반의 상기 서버로 상기 마킹 정보 및 상기 축사 정보를 전송하는 단계; 및
상기 서버에서 상기 마킹 정보에 대응하는 상기 축사 정보를 통해 업데이트된 모델을 수신하는 단계
를 더 포함하는,
가축 관리 방법.
AI 기반의 서버에서 가축 관리 모델을 학습하는 방법에 있어서,
축사에서 사육되는 가축들에 대한 마킹 정보들을 획득하는 단계;
상기 가축들 각각에 대응하는 복수의 영상들 및 상기 복수의 영상들 각각에 해당하는 상기 가축들의 마킹 정보들을 획득하는 단계; 및
상기 복수의 영상들로부터 해당하는 가축에 대한 마킹 정보들을 학습하는 단계
를 포함하는,
가축 관리 모델을 학습하는 방법.
제9항에 있어서,
상기 복수의 영상들은,
상기 가축들에 대한 마킹 정보가 레이블 된 영상들 및 상기 마킹 정보가 레이블 되지 않는 영상들
을 포함하는,
가축 관리 모델을 학습하는 방법.
제9항에 있어서,
상기 가축들에 대한 마킹 정보에 대응하여 축사 정보를 획득하는 센서의 태그 ID, 상기 적어도 하나의 가축의 먹이 섭취량, 적정 체온 정보를 입력 받는 단계; 및
상기 입력 받은 정보들을 저장하는 단계
를 더 포함하는,
가축 관리 모델을 학습하는 방법.
하드웨어와 결합되어 제1항 내지 제11항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
마킹 정보를 식별하는 가축 관리 방법을 실행하는 컴퓨팅 장치에 있어서,
하나 이상의 프로세서;
메모리; 및
상기 메모리에 저장되어 있으며 상기 하나 이상의 프로세서에 의하여 실행되도록 구성되는 하나 이상의 프로그램을 포함하고,
상기 프로그램은,
축사 내 촬영된 적어도 하나의 가축의 영상 정보 및 축사 정보를 획득하는 단계;
서버로부터 제공된 가축 관리 모델을 이용하여 상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계; 및
상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계
를 실행하는,
컴퓨팅 장치.
제13항에 있어서,
상기 축사에서 사육되는 가축들의 마킹 정보가 레이블 된 영상 정보-상기 영상 정보는 상기 축사에서 사육되는 가축들 각각에 대응하는 복수의 영상들을 포함함-를 상기 서버에 등록하는 단계
를 더 실행하고,
상기 가축 관리 모델은,
상기 영상 정보에 기초하여, 상기 축사에서 사육되는 가축들 각각에 대응하는 복수의 영상들로부터 해당하는 영상들에 레이블 된 마킹 정보를 예측하도록 학습된 모델인,
컴퓨팅 장치.
제13항에 있어서,
상기 축사 내 촬영된 적어도 하나의 가축의 영상 정보 및 축사 정보를 획득하는 단계에서,
카메라를 통해 마킹 정보가 레이블 된 상기 적어도 하나의 가축의 영상 정보를 획득하는 단계; 및
상기 축사 내 IoT 장치를 통해 상기 적어도 하나의 가축의 체중, 체온 및 상기 축사의 온도 및 습도 정보 중 적어도 하나를 포함하는 상기 축사 정보를 획득하는 단계
를 실행하는,
컴퓨팅 장치.
제13항에 있어서,
상기 서버로부터 제공된 가축 관리 모델을 이용하여 상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계에서,
상기 영상 정보로부터 상기 적어도 하나의 가축의 마킹 정보를 식별하는 단계; 및
상기 마킹 정보에 기초하여 상기 적어도 하나의 가축에 대해 저장된 개별 정보를 획득하는 단계
를 실행하는,
컴퓨팅 장치.
제13항에 있어서,
상기 가축 관리 모델은,
상기 적어도 하나의 가축에 대한 마킹 정보에 대응하여 상기 축사 정보를 획득하는 센서의 태그 ID, 먹이 섭취량, 적정 체온 정보를 제공받아 빅데이터로 저장하는,
컴퓨팅 장치.
제13항에 있어서,
상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계에서,
상기 마킹 정보에 대응하는 가축에 대한 먹이 섭취량을 조절하는 제어 명령을 상기 사육 장치로 전송하는 단계
를 실행하는,
컴퓨팅 장치.
제13에 있어서,
상기 식별된 적어도 하나의 가축에 대한 마킹 정보 및 상기 축사 정보 중 적어도 하나를 이용하여 사육 장치에 대한 제어 명령을 전송하는 단계에서,
상기 축사 정보에 포함되는 상기 적어도 하나의 가축에 대한 건강 정보를 점검하는 단계; 및
상기 건강 정보에 이상이 발생한 것으로 판단되면, 상기 서버를 통해 사용자 단말로 알림을 전송하는 단계
를 실행하는,
컴퓨팅 장치.
제13항에 있어서,
AI 기반의 상기 서버로 상기 마킹 정보 및 상기 축사 정보를 전송하는 단계; 및
상기 서버에서 상기 마킹 정보에 대응하는 상기 축사 정보를 통해 업데이트된 모델을 수신하는 단계
를 더 실행하는,
컴퓨팅 장치.
가축 관리 모델을 학습하는 서버에 있어서,
하나 이상의 프로세서;
메모리; 및
상기 메모리에 저장되어 있으며 상기 하나 이상의 프로세서에 의하여 실행되도록 구성되는 하나 이상의 프로그램을 포함하고,
상기 프로그램은,
축사에서 사육되는 가축들에 대한 마킹 정보들을 획득하는 단계;
상기 가축들 각각에 대응하는 복수의 영상들 및 상기 복수의 영상들 각각에 해당하는 상기 가축들의 마킹 정보들을 획득하는 단계; 및
상기 복수의 영상들로부터 해당하는 가축에 대한 마킹 정보들을 학습하는 단계
를 실행하는,
서버.
제21항에 있어서,
상기 복수의 영상들은,
상기 가축들에 대한 마킹 정보가 레이블 된 영상들 및 상기 마킹 정보가 레이블 되지 않는 영상들
을 포함하는,
서버.
제21항에 있어서,
상기 가축들에 대한 마킹 정보에 대응하여 축사 정보를 획득하는 센서의 태그 ID, 상기 적어도 하나의 가축의 먹이 섭취량, 적정 체온 정보를 입력 받는 단계; 및
상기 입력 받은 정보들을 저장하는 단계
를 더 실행하는,
서버.