KR20220053272A - 딥러닝 기반의 객체 인식을 통한 가축 관리 방법 - Google Patents

딥러닝 기반의 객체 인식을 통한 가축 관리 방법 Download PDF

Info

Publication number
KR20220053272A
KR20220053272A KR1020200137517A KR20200137517A KR20220053272A KR 20220053272 A KR20220053272 A KR 20220053272A KR 1020200137517 A KR1020200137517 A KR 1020200137517A KR 20200137517 A KR20200137517 A KR 20200137517A KR 20220053272 A KR20220053272 A KR 20220053272A
Authority
KR
South Korea
Prior art keywords
livestock
state
deep learning
point cloud
individual
Prior art date
Application number
KR1020200137517A
Other languages
English (en)
Other versions
KR102527322B1 (ko
Inventor
김동로
유재현
Original Assignee
주식회사 아이티테크
주식회사 제론테크
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 주식회사 아이티테크, 주식회사 제론테크 filed Critical 주식회사 아이티테크
Priority to KR1020200137517A priority Critical patent/KR102527322B1/ko
Publication of KR20220053272A publication Critical patent/KR20220053272A/ko
Application granted granted Critical
Publication of KR102527322B1 publication Critical patent/KR102527322B1/ko

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
    • A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0454—
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Environmental Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Animal Husbandry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

딥러닝 기반의 객체 인식을 통한 가축 관리 방법 및 시스템이 제공된다. 딥러닝 기반의 객체 인식을 통한 가축 관리 방법은, 가축에 대한 영상 데이터와 3차원 포인트 클라우드(3-Dimension Point Cloud) 데이터를 수집하는 단계, 상기 3차원 포인트 클라우드 데이터에 기초하여, 상기 가축을 각각의 개별 객체로 식별하는 단계, 딥러닝 기반의 행동 패턴 분석을 위한 제1 모델을 이용하여, 상기 각각의 개별 객체에 관한 행동 패턴 및 상태를 분석하는 단계, 상기 분석된 결과를 기초로 상기 개별 객체에 대한 상태 정보를 생성하는 단계, 상기 분석 결과를 기초로 상기 개별 객체로부터 집중 관리 가축 객체를 결정하는 단계 및 상기 집중 관리 가축 객체에 관한 상태 정보를 사용자 단말기로 송신하는 단계를 포함하고, 상기 상태 정보를 생성하는 단계는, 상기 행동 패턴의 분석 결과를 기초로, 상기 개별 객체에 대한 상태를 정상 상태, 질병 상태, 발정 상태 및 분만 상태 중 적어도 하나로 결정하여 상기 상태 정보를 생성하고, 상기 집중 관리 가축 객체를 추출하는 단계는, 상기 질병 상태, 발정 상태 및 분만 상태 중 적어도 하나에 해당되는 객체를 상기 집중 관리 가축 객체로 추출한다.

Description

딥러닝 기반의 객체 인식을 통한 가축 관리 방법{METHOD AND DEVICE FOR MANAGING LIVESTOCK THROUGH OBJECT RECOGNITION BASED ON DEEP LEARNING}
본 발명은 딥러닝 기반의 객체 인식을 통한 가축 관리 방법 및 장치에 관한 것이다.
특정 공간 내에서 다수의 가축을 사육해야 하는 축산업의 경우, 정확하고 효율적인 가축 관리가 필요하다. 축사와 같이 폐쇄적인 공간 내 많은 수의 가축이 사육되는 만큼, 소수의 가축이 질병에 감염되어도, 축사 내 나머지 가축들의 생명이 위협받는 상황을 초래하기 때문이다. 또한, 교통 수단의 발달로 인하여 특정 지역에서 발생된　질병은 특정한 장소에 한정되지 않고 전국적으로 빠른 시간 내에 전염되는 현실에서 초기에 빠른　질병　판단이 요구되고 있다. 가축의　질병　판단에 있어서 발열에 따른 온도측정 방식이 질병　유무 판단의 기준으로 활용되고 있다. 그렇기 때문에 따라서 질병에 걸린 가축을 초기에 추출하고 관리해야 한다.
또한 소의 경우 발정 지속 시간이 18시간으로 다른 동물에 비해 발정 지속 시간이 짧다. 따라서 소 축산업의 경우 지속적인 모니터링을 통해 발정 개체를 신속하게 선별하여 적합한 수정 환경을 제공해야 한다.
그러나 실질적으로 축산업의 농주 또는 관리인이 대량의 개체 수의 가축을 각각 관찰하고 관리하는 것에는 어려움이 있다. 따라서 최근 축사 내 카메라를 이용하여 실시간으로 가축을 모니터링하고 관리하도록 하는 시스템 구축이 활발하다.
그러나 이러한 카메라를 이용한 가축 관리 시스템에는 분명한 한계점이 있다. 왜냐하면, 카메라를 통한 영상 데이터만으로는, 밀집된 가축 중에서도 관찰이 불가능한 개체가 존재하게 된다. 즉 객체를 인식하는데 한계점이 존재한다. 뿐만 아니라 농장주 또는 관리자가 실시간으로 모니터링 하고, 객체의 상태를 결정해야 하기 때문에, 인력을 지나치게 낭비하게 되는 문제점 또한 존재한다.
공개특허공보 제10-2018-0086873호, 2018.08.01
본 발명이 해결하고자 하는 과제는 딥러닝 기반의 객체 인식을 통한 가축 관리 방법 및 장치를 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 상기된 바와 같은 과제로 한정되지 않으며, 또 다른 과제들이 존재할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 딥러닝 기반의 객체 인식을 통한 가축 관리 방법은, 딥러닝 기반의 가축 관리 장치에 의해 수행되는 방법으로, 가축에 대한 영상 데이터와 3차원 포인트 클라우드(3-Dimension Point Cloud) 데이터를 수집하는 단계, 상기 3차원 포인트 클라우드 데이터에 기초하여, 상기 가축을 각각의 개별 객체로 식별하는 단계, 딥러닝 기반의 행동 패턴 분석을 위한 제1 모델을 이용하여, 상기 각각의 개별 객체에 관한 행동 패턴 및 상태를 분석하는 단계, 상기 분석된 결과를 기초로 상기 개별 객체에 대한 상태 정보를 생성하는 단계, 상기 분석 결과를 기초로 상기 개별 객체로부터 집중 관리 가축 객체를 결정하는 단계 및 상기 집중 관리 가축 객체에 관한 상태 정보를 사용자 단말기로 송신하는 단계를 포함하고, 상기 상태 정보를 생성하는 단계는, 상기 행동 패턴의 분석 결과를 기초로, 상기 개별 객체에 대한 상태를 정상 상태, 질병 상태, 발정 상태 및 분만 상태 중 적어도 하나로 결정하여 상기 상태 정보를 생성하고, 상기 집중 관리 가축 객체를 추출하는 단계는, 상기 질병 상태, 발정 상태 및 분만 상태 중 적어도 하나에 해당되는 객체를 상기 집중 관리 가축 객체로 추출한다.
본 발명의 일부 실시예에서는, 상기 3차원 포인트 클라우드 데이터를 기초로, 상기 집중 관리 가축 객체에 대한 거리 정보를 생성하는 단계 및 상기 거리 정보에 기초하여, 상기 집중 관리 가축 객체를 실시간으로 추적하여 상기 집중 관리 가축 객체에 대한 영상 데이터를 수집하는 단계를 더 포함하고, 상기 송신하는 단계는, 상기 집중 관리 가축 객체에 관한 상태 정보와 함께 상기 영상 정보를 송신한다.
본 발명의 일부 실시예에서는, 상기 개별 객체에 대한 온도 정보를 수집하는 단계를 더 포함하고, 상기 상태 정보를 생성하는 단계는, 상기 행동 패턴의 분석 결과 및 상기 온도 정보를 기초로, 상기 개별 객체에 대한 상태를 질병 상태로 결정하여 상기 상태 정보를 생성한다.
본 발명의 일부 실시예에서는, 상기 질병 상태의 객체에 대한 상기 3차원 포인트 클라우드 데이터와 상기 온도 정보를 기초로, 딥러닝 기반의 예측을 위한 제2 모델을 이용하여 질병 확산 경로를 예측하는 단계를 더 포함한다.
본 발명의 일부 실시예에서는, 상기 상태 정보를 생성하는 단계는, 상기 개별 객체의 행동 패턴이 승가 증상으로 판단된 경우, 상기 승가 증상의 객체 상태를 상기 발정 상태로 결정한다.
본 발명의 일부 실시예에서는, 상기 상태 정보를 생성하는 단계는, 상기 개별 객체의 꼬리 형태와 관련한 행동 패턴을 분석하여, 상기 개별 객체에 대한 상태를 분만 상태로 결정한다.
본 발명의 일부 실시예에서는, 상기 가축에 대한 3차원 포인트 클라우드 데이터는, 상기 가축 관리 장치의 라이다 센서(LiDAR Sensor)를 통해 수집한다.
본 발명의 다른 실시예로, 딥러닝 기반의 객체 인식을 통한 가축 관리 시스템은 딥러닝 기반의 가축 관리 장치, 상기 가축 관리 장치로부터 가축에 대한 영상 데이터를 수신하는 가축 관리 서버 및 상기 딥러닝 기반의 가축 관리 장치로부터 집중 관리 가축 객체에 관한 상태 정보를 수신하는 사용자 단말기를 포함하고, 상기 딥러닝 기반의 가축 관리 장치는, 상기 사용자 단말기와 통신을 수행하는 통신부, 상기 가축에 대한 영상 데이터와 3차원 포인트 클라우드(3-Dimension Point Cloud) 데이터를 수집하는 수집부 및 상기 3차원 포인트 클라우드 데이터에 기초하여, 상기 가축을 각각의 개별 객체로 식별하고, 기 구비된 딥러닝 기반의 행동 패턴 분석을 위한 제1 모델을 이용하여, 상기 개별 객체에 관한 행동 패턴을 분석하고, 상기 분석된 결과를 기초로 상기 개별 객체에 대한 상태 정보를 생성하고, 상기 분석 결과를 기초로 상기 개별 객체로부터 집중 관리 가축 객체를 결정하고, 상기 집중 관리 가축 객체에 관한 상태 정보가 상기 사용자 단말기에 송신되도록 상기 통신부를 제어하는 제어부를 포함한다.
본 발명의 일부 실시예에서는, 상술한 딥러닝 기반의 객체 인식을 통한 가축 관리 시스템은 상기 제1 모델의 사전 학습에 관한 학습 데이터를 포함하는 훈련 서버를 더 포함한다.
상술한 과제를 해결하기 위한 본 발명의 다른 면에 따른 컴퓨터 프로그램은, 하드웨어인 컴퓨터와 결합하여 상기 딥러닝 기반의 객체 인식을 통한 가축 관리 방법을 실행하며, 컴퓨터 판독가능 기록매체에 저장될 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
상술한 본 발명에 의하면, 농장주 또는 관리자의 개입 없이도 축사 내 또는 소정의 공가 내에서 관리되는 가축의 실시간 관찰이 가능하다. 특히, 온도 센서 또는 열화상 감지 카메라를 이용하여, 가축의 온도를 실시간으로 측정하여 질병에 걸린 가축을 신속하게 식별할 수 있도록 한다. 이를 통해, 다른 가축으로의 질병 전염을 예방할 수 있다.
또한, 포인트 클라우드 데이터에 기초하여, 가축이 밀집된 경우에도 각각의 개별 객체 인식이 가능하여, 객체 별 행동 패턴을 분석할 수 있다. 따라서, 가축을 인식할 수 있는 태그와 같은 장치가 없더라도 객체 인식이 가능하며, 각각의 개별 객체에 대한 정확한 상태 정보 생성이 가능하다.
또한, 딥러닝 기반의 행동 패턴 분석 모델을 통해, 발정 증상을 나타내는 객체를 식별하여, 적절한 수정 환경을 제공하여 번식 활동을 활발히 할 수 있도록 한다.
또한, 딥러닝 기반의 행동 패턴 분석 모델을 통해, 임신 증상을 나타내는 객체를 식별하여, 산란을 위한 적합한 환경을 제공할 수 있도록 한다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명에 일 실시예에 따른 딥러닝 기반의 개별 객체 식별을 통한 가축 관리 시스템의 예시도이다.
도 2는 딥러닝 기반의 개별 객체 식별을 통한 가축 관리 시스템의 구성도이다.
도 3은 본 발명에 따른, 딥러닝 기반의 객체 인식을 통한 가축 관리 방법을 개략적으로 나타낸 순서도이다.
도 4는 본 발명에 따른, 라이다 센서를 이용하여 가축의 포인트 클라우드 데이터를 획득하는 것을 나타낸 예시도이다.
도 5는 본 발명에 따른, 3차원 포인트 클라우드 데이터를 통해 가축을 개별 객체로 식별하는 것을 나타낸 예시도이다.
도 6은 본 발명에 따른, 포인트 클라우드 데이터를 기초로, 가축의 승가 자세를 분석하여 가축의 발정 상태를 결정하는 것을 나타낸 예시도이다.
도 7은 본 발명에 따른, 집중 관리 객체를 실시간 추적하여 영상 데이터를 수집하여 사용자에게 제공하는 방법을 개략적으로 나타낸 도면이다.
도 8은 본 발명에 따른, 가축의 체온 정보를 기초로, 질병 상태를 결정하는 것을 나타내는 예시도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
"예시적인"이라는 단어는 본 명세서에서 "예시 또는 예증으로서 사용된"의 의미로 사용된다. 본 명세서에서 "예시적인"것으로 설명된 임의의 실시예는 반드시 바람직한 것으로서 해석되거나 다른 실시 예들보다 이점을 갖는 것으로 해석되어서는 안 된다.
또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 엘리먼트를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부"는 소프트웨어 엘리먼트들, 객체지향 소프트웨어 엘리먼트들, 클래스 엘리먼트들 및 태스크 엘리먼트들과 같은 엘리먼트들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 엘리먼트들과 "부"들 안에서 제공되는 기능은 더 작은 수의 엘리먼트들 및 "부"들로 결합되거나 추가적인 엘리먼트들과 "부"들로 더 분리될 수 있다.
또한, 본 명세서의 모든 “부”는 적어도 하나의 프로세서에 의해 제어될 수 있으며 본 개시의 “부”가 수행하는 동작을 적어도 하나의 프로세서가 수행할 수도 있다.
본 개시의 실시예들은 기능 또는 기능을 수행하는 블록의 관점에서 설명될 수 있다. 본 개시의 ‘부’ 또는 ‘모듈’ 등으로 지칭될 수 있는 블록은 논리 게이트, 집적 회로, 마이크로 프로세서, 마이크로 컨트롤러, 메모리, 수동 전자 부품, 능동 전자 부품, 광학 컴포넌트, 하드와이어드 회로(hardwired circuits) 등과 같은 아날로그 또는 디지털 회로에 의해 물리적으로 구현되고, 선택적으로 펌웨어 및 소프트웨어에 의해 구동될 수 있다.
본 개시의 실시예는 적어도 하나의 하드웨어 디바이스 상에서 실행되는 적어도 하나의 소프트웨어 프로그램을 사용하여 구현될 수 있고 엘리먼트를 제어하기 위해 네트워크 관리 기능을 수행할 수 있다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
다수의 가축을 사육하는 축산업의 경우, 정확하고 효율적인 가축 관리가 필요하다. 축사와 같이 폐쇄적인 공간 내 많은 수의 가축이 사육되는 만큼, 소수의 가축이 질병에 감염되어도, 축사 내 나머지 가축들의 생명이 위협받는 상황을 초래하기 때문이다. 따라서 질병에 걸린 가축을 초기에 추출하고 관리해야 한다.
또한 소 축산업의 경우 다른 가축에 비해 짧은 발정 지속 시간으로, 지속적인 관리를 통해 발정된 개체를 신속하게 선별하여 적합한 수정 환경을 제공해야 한다. 이와 같이 축산업에서 효율적이고 정확한 가축 관리는 축산업을 영위하는 농주의 경쟁력과 직결된다.
그러나 실질적으로 축산업의 농주 또는 관리인이 대량의 개체 수의 가축을 각각 관찰하고 관리하는 것에는 어려움이 있다. 시간적 제약이 있기 때문에, 실시간으로 축사 내 가축을 모니터링을 하는 것 또한 불가능하다.
본원 발명은 이러한 문제점을 해결함과 동시에 상술한 효율적인 가축 관리를 위해, 인간의 개입 없이도 자발적으로 가축을 관리하는 시스템을 제공한다. 특히, 딥러닝 모델을 기초로, 개별 객체를 식별하고 개별 객체의 행동 패턴을 판단하여 집중 관리를 요하는 가축 객체인, 질병, 발정, 임시 상태의 개별 객체를 신속하게 관리할 수 있도록 한다.
이하에서는, 첨부된 도면을 참조하여 이와 관련된 본 발명의 실시예에 대하여 상세히 설명하도록 한다.
한편, 본 발명의 명세서에서는, 본 발명의 이해를 위해 상기 가축을 소로 한정하여 설명하도록 한다. 그러나 이는 본 발명의 일 예시에 불과하며, 실시예에 따라서 다양한 가축에 적용이 가능함은 물론이다.
도 1은 본 발명에 일 실시예에 따른 딥러닝 기반의 개별 객체 식별을 통한 가축 관리 시스템의 예시도이고, 도 2는 딥러닝 기반의 개별 객체 식별을 통한 가축 관리 시스템의 구성도이다.
도 1과 도 2를 참조하면, 딥러닝 기반의 객체 인식을 통한 가축 관리 시스템(1)은 딥러닝 기반의 가축 관리 장치, 가축 관리 서버와 사용자 단말기로 구성된다.
딥러닝 기반의 가축 관리 장치(100) 및 관리자 단말기(300)는 무선통신망을 이용하여 상호간 또는 가축 관리 서버(200)와 실시간으로 동기화되어 데이터를 송수신할 수 있다. 무선통신망은 다양한 원거리 통신 방식이 지원될 수 있으며, 예를 들어 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EVDO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE),LTEA(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS), BLE(Bluetooth Low Energy), 지그비(Zigbee),RF(Radio Frequency), LoRa(Long Range) 등과 같은 다양한 통신 방식이 적용될 수 있으나 이에 한정되지 않으며 널리 알려진 다양한 무선통신 또는 이동통신 방식이 적용될 수도 있다.
딥러닝 기반의 가축 관리 장치(100)는, 닭, 오리 등의 가금류뿐만 아니라 소, 돼지 등의 가축이 사육되는 축사의 상황을 감시하고 제어하는 장치다. 일 예로, 딥러닝 기반의 가축 관리 장치(100)는 컴퓨터, 스마트폰(Smart phone), PDA(Personal Digital Assistant), 테블릿(Tablet), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display)등 포함) 및 각종 IoT(Internet of Things) 단말과 같은 다양한 단말을 포함할 수 있지만 이에 한정하는 것은 아니다.
여기서, 가축(20) 및 축사(10)는 복수 개로 구성될 수 있으며, 가축(20)은 각각의 식별 태그를 부착할 수 있다. 그러나 이에 제한되는 것은 아니다.
딥러닝 기반의 가축 관리 장치(100)는 가축이 관리되는 공간, 예를 들면 축사 내 위치하여, 가축에 대한 영상 데이터와 3차원 포인트 클라우드 데이터를 수집한다. 한편, 가축은 상술한 바와 같이 축사 내에서 관리될 수도 있으나, 기 설정된 범위를 가지는 야외 목장에서도 관리될 수 있다. 그러나 이에 제한되는 것은 아니다.
딥러닝 기반의 가축 관리 장치(100)는 획득부(110), 제어부(120), 통신부(130) 및 메모리(140)를 포함할 수 있다.
획득부(110)는 축사 내부 및 외부에 복수 개로 배치되는 카메라를 이용하여 가축을 비롯한 축사의 주변환경을 촬영하여 이로부터 영상정보를 획득한다. 여기서 카레라는 여기서, 카메라(101)는 DVR(Digital Video Recorder), NVR(Network Video Recorder), NVS(Network Video Server), 적외선 카메라(Infrared Camera), 열화상 카메라(Thermo-graphic Camera), 방수 및 방진에 효과적인 광각렌즈(Wide Angle Lens) 또는 어안렌즈(Fish Eye Lens)가 구비된 카메라와 같은 촬영장치를 포함할 수 있지만, 이에 한정하는 것은 아니다.
한편, 메모리(140)에는 수집부로부터 수집된 가축의 영상 데이터와 3차원 포인트 클라우드 데이터를 기초로, 가축의 행동 패턴을 분석하는 딥러닝 기반의 행동 패턴 분석 알고리즘이 저장된다. 이에 따라, 딥러닝 기반의 가축 관리 장치(100)는, 서버와의 통신 없이도, 자체적으로 가축의 행동 패턴의 분석이 가능하다. 이에 대해서는 자세히 후술 하도록 한다.
한편, 제어부(120)는 딥러닝 기반의 가축 관리 장치(100)의 동작을 제어하며, 일 예로 프로세서에 해당할 수 있다. 그러나 이에 제한되는 것은 아니다.
한편, 가축 관리 서버(200)는 통신하는 복수의 가축 관리 장치(100)로부터 가축과 관련된 영상 정보, 상태 정보 등을 실시간으로 수신하여 저장한다. 예를 들어, NAS(Network-Attached Storage) 서버로 구성된 상기 가축 관리 서버(200)는 가축 관리 장치(100)로부터 제공받은 가축들의 영상 정보, 상태 정보를 수집하고, 이를 빅 데이터(Big Data)로 활용한다.
구체적으로 도 2를 참조하면, 가축 관리 서버(200)는 관리제어부, 모니터링부(250), 데이터분석부(240), 데이터저장부(230), 데이터수집부(220), 데이터송수신부(210)를 포함한다. 가축 관리 서버(200)는 복수의 가축 관리 장치(100)로부터 수신한 가축들의 영상 정보, 상태 정보 등을 데이터수집부(220)를 통해 수집한 후 데이터저장부(230)에 저장한다. 그리고 데이터분석부(240)는 상기 데이터수집부(220)에 저장된 데이터를 기초로, 축사 내 가축들의 행동 패턴, 상태 등을 분석한다.
한편, 사용자는 상기 관리 제어부를 통해 상기 딥러닝 기반의 가축 관리 장치(100)의 카메라(111)를 원격으로 제어할 수 있다. 구체적으로, 도면에 명확히 도시되지는 않았으나, 예를 들어 상기 딥러닝 기반의 가축 관리 장치(100)의 카메라(111)가 PTZ(Pan Tilt Zoom)형 CCTV인 경우, 관리 제어부(260)는 상기 CCTV를 원격으로 조정하여 촬영 목적이 되는 가축의 움직임을 집중적으로 관찰할 수 있다.
또한, 관리제어부는 축사에 외부인이 방문하거나 화재 등의 가축 및 축사에 위험한 상황이 발생한 경우, 카메라(111)의 촬영방향, 경고음의 소리크기 또는 온/오프, 조명의 조도세기 또는 온/오프, 축사의 출입문 온/오프, 화재시설 온/오프 등을 위해 가축 관리 장치(100)를 제어할 수도 있다.
관리자 단말기(30)는 가축 관리 장치(100)와 가축 관리 서버(200)와의 통신을 지원하는 각종 휴대 가능한 전자통신기기를 포함할 수 있다. 예를 들어, 별도의 스마트 기기로써, 스마트폰(Smart phone), PDA(Personal Digital Assistant), 테블릿(Tablet), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display)등 포함) 및 각종 IoT(Internet of Things) 단말과 같은 다양한 단말을 포함할 수 있지만 이에 한정하는 것은 아니다.
도 3은 본 발명에 따른, 딥러닝 기반의 객체 인식을 통한 가축 관리 방법을 개략적으로 나타낸 순서도이다.
도 4는 본 발명에 따른, 라이다 센서를 이용하여 가축의 포인트 클라우드 데이터를 획득하는 것을 나타낸 예시도이다.
도 5는 본 발명에 따른, 3차원 포인트 클라우드 데이터를 통해 가축을 개별 객체로 식별하는 것을 나타낸 예시도이다.
먼저, 도 3을 살펴보면, 가축 관리 장치(100)의 획득부(110)는 가축에 대한 영상 데이터와 3차원 포인트 클라우드(3-Dimension Point Cloud) 데이터를 수집한다(S410).
구체적으로 획득부(110)의 카메라(111)는 축사 내 가축에 대한 영상 데이터를 수집한다. 이때, 카메라(111)는 특정 객체를 추적하여, 특정 객체에 관한 영상 데이터만을 수집할 수도 있으며, 특정 객체가 아닌, 축사 내 가축 전체에 대하여 사전에 정의된 순서와 공간 정보에 따라 영상 데이터를 수집할 수도 있을 것이다.
이때, 영상 데이터는, 획득부(110)의 카메라를 이용하여 촬영된 일반영상과 열화상 카메라를 이용하여 촬영된 열화상영상으로 이루어진 영상 데이터일 수 있다. 그러나 이에 제한되는 것은 아니다.
한편, 획득부(110)의 라이다 센서(LiDAR Sensor)(112)는 축사 내 가축에 대한 3차원 포인트 클라우드 데이터를 수집할 수 있다.
구체적으로, 각각의 가축에 펄스 레이저를 방출하고, 빛이 돌아오기까지 소요된 시간 및 강도를 측정하여 각각의 가축이 위치한 위치, 속도, 거리 등의 특성을 감시한 후 각각의 가축에 대한 포인트 클라우드(Point-Cloud) 데이터를 수집한다. 예를 들어, 도 4를 살펴보면, 가축 관리 장치가 라이더 센서를 이용하여 소에 대한 포이트 클라우드 데이터를 획득하는 것을 알 수 있다.
다시 도 3을 살펴보면, S410 단계에서 수집된 3차원 포인트 클라우드 데이터에 기초하여, 상기 가축을 각각의 개별 객체로 식별한다(S420).
구체적으로 도 5를 살펴보면, 제어부(120)는 축사 내 가축에 대한 포인트 클라우드 데이터에 기초하여, 복수의 소(10)를 각각의 개별 객체인 20(a), 20(b)로 분리하여 식별한다. 축사 내 다수의 가축 개체가 밀집되어 사육되는 만큼, 개체의 크기 또는 개체의 자세에 따라서는, 영상 데이터만으로 각각의 개별 객체를 식별하는데 어려움이 있다. 따라서, 본 발명은 라이다 센서를 통해, 각각의 개별 객체에 대한 포인트 클라우드 데이터를 수집하여 객체를 개별적으로 식별할 수 있다.
도 3을 살펴보면, 딥러닝 기반의 행동 패턴 분석을 위한 제1 모델을 이용하여, 상기 각각의 개별 객체에 관한 행동 패턴 및 상태를 분석한다(S430).
구체적으로, S420 단계에서 축사 내 가축을 각각 개별 객체로 식별한 후 S410 단계에서 수집된 영상 데이터와 3차원 포인트 클라우드 데이터를 각각 개별 객체에 상응하는 각각의 3차원 포인트 클라우드 데이터로 분리하여 생성한 후 딥러닝 기반의 행동 패턴 분석을 위한 제1 모델에 입력된다. 그리고 행동 패턴에 관한 결과값을 획득한다.
영상 데이터의 경우 축사 내 전체 가축에 대한 각각의 영상 데이터를 생성하는 것이 불가능하다. 상술한 바와 같이, 다수의 가축이 밀집되어 있기 때문에, 축사 내 존재하고 있음에도 불구하고, 영상에서는 식별이 불가능한 경우가 발생하기 때문이다. 본원 발명은 레이저 펄스를 활용하여 개별 객체에 대한 각각의 포인트 클라우드 데이터를 생성이 가능하기 때문에, 시각적으로 식별 또는 추출이 불가능한 가축의 개별 객체에 대해서도 식별이 가능하도록 하고, 뿐만 아니라
한편 본 발명의 일 예로 축사 내 가축의 행동 패턴을 분석하는 상기 제1 모델은 학습 데이터를 기반으로 사전 학습될 수 있다. 도면에 명확히 도시되지는 않았으나 이를 위해 딥러닝 기반의 객체 인식을 통한 가축 관리 시스템은 상기 제1 모델의 사전 학습에 관한 학습 데이터를 포함하는 훈련 서버를 더 포함할 수 있다. 제1 모델은, 상기 훈련 서버에서 제공하는 학습 데이터를 기반으로 상기 가축의 행동 패턴 분석을 사전에 학습함으로써, 행동 패턴 분석과 관련된 딥러닝 네트워크의 은닉층의 가중치 값을 사전에 설정하게 된다.
한편, 상술한 딥러닝 기반의 행동 패턴 분석을 위한 제1 모델의 복수 개의 딥러닝 알고리즘으로 구성될 수도 있다. 예를 들어, 축사 내 가축의 포인트 클라우드 데이터에 기초하여, 가축의 질병 상태를 판단하는 제3 알고리즘, 가축의 발정 상태를 판단하는 제4 알고리즘 그리고 가축의 분만 상태를 판단하는 제5 알고리즘으로 구성될 수도 있을 것이다. 그러나 이에 제한되는 것은 아니다.
다시 도 3을 살펴보면, S430 단계에서 분석된 결과를 기초로 제어부는 상기 개별 객체에 대한 상태 정보를 생성한다(S440).
이때, 본 발명의 일 예로, 상기 상태 정보를 생성하는 단계는, 상기 행동 패턴의 분석 결과를 기초로, 상기 개별 객체에 대한 상태를 정상 상태, 질병 상태, 발정 상태 및 분만 상태 중 적어도 하나로 결정하여 상기 상태 정보를 생성할 수 있다.
구체적으로, 축사 내 특정 가축 객체의 움직임이 없거나, 걷거나 서지 못하고 주저앉는 행동 패턴을 보이는 소의 경우, 질병 상태로 결정하고, 질병 상태에 상응하는 상태 정보를 생성한다.
또한, 본 발명의 일 예로 상기 상태 정보를 생성하는 단계는, 상기 개별 객체의 행동 패턴이 승가 증상으로 판단된 경우, 상기 승가 증상의 객체 상태를 상기 발정 상태로 결정할 수 있다.
도 6은 본 발명에 따른, 포인트 클라우드 데이터를 기초로, 가축의 승가 자세를 분석하여 가축의 발정 상태를 결정하는 것을 나타낸 예시도이다.
예를 들어, 객체의 행동패턴이 승가 패턴과 유사한 경우, 즉, 다른 객체의 승가를 허용하거나 승가 자세를 취하면, 해당 객체의 상태를 발정 상태로 결정한다. 이 밖에도 다른 객체의 엉덩이에 머리를 대거나, 평소의 움직임보다 3-4배가 많은 움직임을 행하는 경우 승가 증상으로 판단하여 해당 객체에 대한 상태 정보를 발정 상태로 결정할 수 있다.
도 6을 참조하면, 포인트 클라우드 데이터를 기초로, 각각의 소의 행동 패턴을 분석한 후 승가 자세의 행동 패턴을 보이는 소(21)의 상태를, 발정 상태로 결정하여 해당 상태에 상응하는 상태 정보를 생성할 수 있다.
또한, 본 발명의 일 예로, 상기 상태 정보를 생성하는 단계는, 상기 개별 객체의 꼬리 형태와 관련한 행동 패턴을 분석하여, 상기 개별 객체에 대한 상태를 분만 상태로 결정할 수 있다.
예를 들어, 축사 내 특정 소의 행동 패턴이 꼬리를 항상 들고 있는 경우에는, 해당 소의 행동 상태를 분만 상태로 결정하여, 상태 정보를 생성할 수 있다. 이 밖에도 뒷발을 점점 짧은 간격으로 털거나, 안절부절 못하고 앉았다 일어나는 행동을 반복적으로 행하는 경우 분만상태로 판단하여 판단결과데이터를 생성할 수 있다.
이때, 분만 상태의 가축 객체의 분반에 의해 신규 객체가 발생한 경우, 가축 관리 시스템은, 신규 객체에 대한 새로운 클라우드 데이터를 획득하고, 신규 객체의 행동 패턴을 분석하여 실시간으로 신규 객체의 상태를 모니터링 한다.
또한 신규 객체에 대한 거리 정보에 기초하여, 실시간으로 영상 데이터를 수집한 후 사용자 단말기에 송신할 수도 있다. 뿐만 아니라, 신규 객체 발생 시 사용자 단말기로의 알림 메시지를 전송할 수도 있을 거시다.
다시 도 3을 살펴보면, 상기 분석 결과를 기초로 상기 개별 객체로부터 집중 관리 가축 객체를 결정한다(S440).
한편, 상기 집중 관리 가축 객체를 결정하는 단계는(S440), 상기 질병 상태, 발정 상태 및 분만 상태 중 적어도 하나에 해당되는 객체를 상기 집중 관리 가축 객체로 결정할 수 있다.
집중 관리 가축 객체를 결정하면(S440), 딥러닝 기반의 객체 인식을 통한 가축 관리 시스템의 통신부(130)는 상기 집중 관리 가축 객체에 관한 상태 정보를 사용자 단말기로 송신한다((S450).
도 7은 본 발명에 따른, 집중 관리 객체를 실시간 추적하여 영상 데이터를 수집하여 사용자에게 제공하는 방법을 개략적으로 나타낸 도면이다.
한편, 도 7을 참조하면, 본 발명의 일 예로, 상술한 딥러닝 기반의 객체 인식을 통한 가축 관리 방법은, 3차원 포인트 클라우드 데이터를 기초로, 상기 집중 관리 가축 객체에 대한 거리 정보를 생성하는 단계(S460)와 거리 정보에 기초하여, 상기 집중 관리 가축 객체를 실시간으로 추적하여 상기 집중 관리 가축 객체에 대한 영상 데이터를 수집하는 단계(S470)를 더 포함할 수 있다. 이때, 집중 관리 가축 객체에 관한 상태 정보를 사용자 단말기로 송신하는 단계는, 집중 관리 가축 객체에 관한 상태 정보와 함께 상기 영상 정보를 송신할 수 있다.
예를 들어, 발정 상태로 결정되어, 집중 관리 가축 객체로 추출된 소에 대한 3차원 포인트 클라우드 데이터를 기초로, 제어부(120)는 가축 관리 장치(100)부터 상기 발정 상태의 소까지의 거리 정보를 생성한다. 그리고, 상기 거리 정보에 기초하여, 발정 상태의 소를 실시간으로 추적하여, 가축 관리 장치(100)의 카메라(111)를 통해 실시간으로 영상 데이터를 수집한다. 그리고, 통신부(130)는 사용자의 단말기에 집중 관리 객체인, 발정 상태의 소의 상태 정보와 실시간 영상 정보를 비롯한 거리 정보 등을 송신한다.
이를 통해, 사용자 즉, 농주와 농장의 관리자는 축사와 공간적으로 분리된 지역 또는 공간에서도 실시간으로 집중 관리 가축 객체의 상태를 실시간으로 관찰할 수 있으며, 상태 추이를 점검할 수 있다.
도 8은 본 발명에 따른, 가축의 체온 정보를 기초로, 질병 상태를 결정하는 것을 나타내는 예시도이다.
한편, 본 발명의 일 예로, 상술한 딥러닝 기반의 객체 인식을 통한 가축 관리 방법은 상기 개별 객체에 대한 온도 정보를 수집하는 단계를 더 포함하고, 상기 상태 정보를 생성하는 단계는, 상기 행동 패턴의 분석 결과 및 상기 온도 정보를 기초로, 상기 개별 객체에 대한 상태를 질병 상태로 결정하여 상기 상태 정보를 생성할 수 있다.
구체적으로, 도 8을 살펴보면, 딥러닝 기반의 객체 인식을 통한 가축 관리 시스템은, 열화상 카메라(111) 또는 온도 센서(113)를 통해 가축의 체온 정보를 획득할 수 있다. 그리고, 온도 정보와 가축의 포인트 클라우드 데이터를 매칭하여, 각각의 개별 가축에 대한 체온 데이터를 생성한다. 그리고 상술한 제1 모델을 이용하여 포인트 클라우드 데이터를 기초로 한 행동 패턴의 분석 결과 그리고 상기 온도 정보를 기초로 한 분석 결과를 기초로 하여, 각각의 가축 객체의 질병 상태를 결정한다.
한편, 상술한 본 발명의 일 실시예를 위하여, 딥러닝 기반의 객체 인식을 통한 가축 관리 시스템의 메모리(140)에는 상기 온도 정보를 기초로, 가축의 질병 상태를 결정하는 프로그램이 저장되거나, 또는 상술한 열화상 데이터를 기초로, 가축의 질병 상태를 결정할 수 있는 딥러닝 기반의 분석 모델인, 제 3 모델에 관한 정보가 저장될 수 있다.
한편, 본 발명의 일 예로, 상기 질병 상태의 객체에 대한 상기 3차원 포인트 클라우드 데이터와 상기 온도 정보를 기초로, 딥러닝 기반의 예측을 위한 제2 모델을 이용하여 질병 확산 경로를 예측하는 단계를 더 포함할 수 있다.
구체적으로 상술한 열화상 카메라(111) 또는 온도 센서(113)를 통해 축사(10) 내 가축의 객체 온도 정보를 생성하고, 상기 온도 정보에 기초하여 질병 상태로 결정된 가축 객체의 체온을 측정하여 제1 객체온도정보를 획득하고, 질병 상태로 결정된 가축 객체의 주변 객체의 체온을 측정하여 제2 객체 온도정보를 획득하여, 상기 제1 객체온도정보와 제2 객체온도정보의 제1 온도차이를 산출하여 질병확산경로를 예측할 수 있다.
한편, 상술한 설명에서, 단계 S410 내지 S470은 본 발명의 구현 예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다. 아울러, 기타 생략된 내용이라 하더라도 상술한 도 2의 딥러닝 기반의 가축 관리 장치는 도 3과 도 7의 딥러닝 기반의 개체 인식을 통한 가축 관리 방법에도 적용될 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 딥러닝 기반의 개체 인식을 통한 가축 관리 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 컴퓨터 판독가능 기록 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, Ruby, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
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 : 딥러닝 기반의 객체 인식을 통한 가축 관리 장치
110 : 획득부
120 : 제어부
130 : 통신부
200 : 가축 관리 서버
300 : 사용자 단말기

Claims (10)

  1. 딥러닝 기반의 가축 관리 장치에 의해 수행되는 방법으로,
    가축에 대한 영상 데이터와 3차원 포인트 클라우드(3-Dimension Point Cloud) 데이터를 수집하는 단계;
    상기 3차원 포인트 클라우드 데이터에 기초하여, 상기 가축을 각각의 개별 객체로 식별하는 단계;
    딥러닝 기반의 행동 패턴 분석을 위한 제1 모델을 이용하여, 상기 각각의 개별 객체에 관한 행동 패턴 및 상태를 분석하는 단계;
    상기 분석된 결과를 기초로 상기 개별 객체에 대한 상태 정보를 생성하는 단계;
    상기 분석 결과를 기초로 상기 개별 객체로부터 집중 관리 가축 객체를 결정하는 단계; 및
    상기 집중 관리 가축 객체에 관한 상태 정보를 사용자 단말기로 송신하는 단계를 포함하고,
    상기 상태 정보를 생성하는 단계는,
    상기 행동 패턴의 분석 결과를 기초로, 상기 개별 객체에 대한 상태를 정상 상태, 질병 상태, 발정 상태 및 분만 상태 중 적어도 하나로 결정하여 상기 상태 정보를 생성하고,
    상기 집중 관리 가축 객체를 추출하는 단계는,
    상기 질병 상태, 발정 상태 및 분만 상태 중 적어도 하나에 해당되는 객체를 상기 집중 관리 가축 객체로 추출하는,
    딥러닝 기반의 객체 인식을 통한 가축 관리 방법.
  2. 제1항에 있어서,
    상기 3차원 포인트 클라우드 데이터를 기초로, 상기 집중 관리 가축 객체에 대한 거리 정보를 생성하는 단계; 및
    상기 거리 정보에 기초하여, 상기 집중 관리 가축 객체를 실시간으로 추적하여 상기 집중 관리 가축 객체에 대한 영상 데이터를 수집하는 단계;를 더 포함하고,
    상기 송신하는 단계는,
    상기 집중 관리 가축 객체에 관한 상태 정보와 함께 상기 영상 정보를 송신하는,
    딥러닝 기반의 객체 인식을 통한 가축 관리 방법.
  3. 제1항에 있어서,
    상기 개별 객체에 대한 온도 정보를 수집하는 단계;를 더 포함하고,
    상기 상태 정보를 생성하는 단계는,
    상기 행동 패턴의 분석 결과 및 상기 온도 정보를 기초로, 상기 개별 객체에 대한 상태를 질병 상태로 결정하여 상기 상태 정보를 생성하는,
    딥러닝 기반의 객체 인식을 통한 가축 관리 방법.
  4. 제2항에 있어서,
    상기 질병 상태의 객체에 대한 상기 3차원 포인트 클라우드 데이터와 상기 온도 정보를 기초로, 딥러닝 기반의 예측을 위한 제2 모델을 이용하여 질병 확산 경로를 예측하는 단계를 더 포함하는,
    딥러닝 기반의 객체 인식을 통한 가축 관리 방법.
  5. 제1항에 있어서,
    상기 상태 정보를 생성하는 단계는,
    상기 개별 객체의 행동 패턴이 승가 증상으로 판단된 경우, 상기 승가 증상의 객체 상태를 상기 발정 상태로 결정하는,
    딥러닝 기반의 객체 인식을 통한 가축 관리 방법.
  6. 제1항에 있어서,
    상기 상태 정보를 생성하는 단계는,
    상기 개별 객체의 꼬리 형태와 관련한 행동 패턴을 분석하여, 상기 개별 객체에 대한 상태를 분만 상태로 결정하는,
    딥러닝 기반의 객체 인식을 통한 가축 관리 방법.
  7. 제1항에 있어서,
    상기 가축에 대한 3차원 포인트 클라우드 데이터는, 상기 가축 관리 장치의 라이다 센서(LiDAR Sensor)를 통해 수집하는,
    딥러닝 기반의 객체 인식을 통한 가축 관리 방법.
  8. 딥러닝 기반의 가축 관리 장치;
    상기 가축 관리 장치로부터 가축에 대한 영상 데이터를 수신하는 가축 관리 서버; 및
    상기 딥러닝 기반의 가축 관리 장치로부터 집중 관리 가축 객체에 관한 상태 정보를 수신하는 사용자 단말기;를 포함하고,
    상기 딥러닝 기반의 가축 관리 장치는,
    상기 사용자 단말기와 통신을 수행하는 통신부;
    상기 가축에 대한 영상 데이터와 3차원 포인트 클라우드(3-Dimension Point Cloud) 데이터를 수집하는 수집부; 및
    상기 3차원 포인트 클라우드 데이터에 기초하여, 상기 가축을 각각의 개별 객체로 식별하고, 기 구비된 딥러닝 기반의 행동 패턴 분석을 위한 제1 모델을 이용하여, 상기 개별 객체에 관한 행동 패턴을 분석하고, 상기 분석된 결과를 기초로 상기 개별 객체에 대한 상태 정보를 생성하고, 상기 분석 결과를 기초로 상기 개별 객체로부터 집중 관리 가축 객체를 결정하고, 상기 집중 관리 가축 객체에 관한 상태 정보가 상기 사용자 단말기에 송신되도록 상기 통신부를 제어하는 제어부;를 포함하는,
    딥러닝 기반의 객체 인식을 통한 가축 관리 시스템.
  9. 제8항에 있어서,
    상기 제1 모델의 사전 학습에 관한 학습 데이터를 포함하는 훈련 서버;를 더 포함하고,
    상기 제1 모델은, 상기 훈련 서버에서 제공하는 학습 데이터를 기반으로 상기 가축의 행동 패턴 분석이 사전에 학습된,
    딥러닝 기반의 객체 인식을 통한 가축 관리 시스템.
  10. 컴퓨터와 결합되어, 제1항 내지 제7항 중 어느 하나의 항의 딥러닝 기반의 객체 인식을 통한 가축 관리 방법을 실행시키기 위하여 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램.
KR1020200137517A 2020-10-22 2020-10-22 딥러닝 기반의 객체 인식을 통한 가축 관리 방법 KR102527322B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200137517A KR102527322B1 (ko) 2020-10-22 2020-10-22 딥러닝 기반의 객체 인식을 통한 가축 관리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200137517A KR102527322B1 (ko) 2020-10-22 2020-10-22 딥러닝 기반의 객체 인식을 통한 가축 관리 방법

Publications (2)

Publication Number Publication Date
KR20220053272A true KR20220053272A (ko) 2022-04-29
KR102527322B1 KR102527322B1 (ko) 2023-05-03

Family

ID=81428826

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200137517A KR102527322B1 (ko) 2020-10-22 2020-10-22 딥러닝 기반의 객체 인식을 통한 가축 관리 방법

Country Status (1)

Country Link
KR (1) KR102527322B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102539996B1 (ko) * 2022-12-05 2023-06-08 주식회사 오펜하임시스템즈 반려동물 이상징후 실시간 모니터링 시스템
CN116596167A (zh) * 2023-07-17 2023-08-15 湖南华牧全安数字科技有限公司 一种基于数据深度融合处理的牲畜养殖方案优化方法
CN116687386A (zh) * 2023-08-07 2023-09-05 青岛市畜牧工作站(青岛市畜牧兽医研究所) 牛体形数据综合校准的雷达探测系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628155B1 (ko) * 2015-04-23 2016-06-08 국방과학연구소 Ccl을 이용한 실시간 미확인 다중 동적물체 탐지 및 추적 방법
KR101866226B1 (ko) * 2016-11-09 2018-07-04 건국대학교 산학협력단 대가축 모니터링 시스템
KR20180086873A (ko) 2017-01-24 2018-08-01 현대자동차주식회사 차량 내 원격 제어 서비스 제공방법과 이를 위한 차량
KR20190037212A (ko) * 2019-03-27 2019-04-05 군산대학교산학협력단 드론을 이용한 재난 현장 탐사 시스템
KR101960474B1 (ko) * 2017-04-24 2019-07-15 아란타(주) 가축 집단 진료 예방 진단시스템
KR20200030765A (ko) * 2018-09-13 2020-03-23 박상열 기계학습을 이용한 가축관리장치 및 방법
KR20200057405A (ko) * 2018-11-16 2020-05-26 주식회사 드림테크 사물인터넷 기반 소의 중요징후 탐지시스템
KR102234508B1 (ko) * 2020-04-27 2021-03-31 주식회사 아이티테크 스마트 가축 관리 시스템 및 그 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628155B1 (ko) * 2015-04-23 2016-06-08 국방과학연구소 Ccl을 이용한 실시간 미확인 다중 동적물체 탐지 및 추적 방법
KR101866226B1 (ko) * 2016-11-09 2018-07-04 건국대학교 산학협력단 대가축 모니터링 시스템
KR20180086873A (ko) 2017-01-24 2018-08-01 현대자동차주식회사 차량 내 원격 제어 서비스 제공방법과 이를 위한 차량
KR101960474B1 (ko) * 2017-04-24 2019-07-15 아란타(주) 가축 집단 진료 예방 진단시스템
KR20200030765A (ko) * 2018-09-13 2020-03-23 박상열 기계학습을 이용한 가축관리장치 및 방법
KR20200057405A (ko) * 2018-11-16 2020-05-26 주식회사 드림테크 사물인터넷 기반 소의 중요징후 탐지시스템
KR20190037212A (ko) * 2019-03-27 2019-04-05 군산대학교산학협력단 드론을 이용한 재난 현장 탐사 시스템
KR102234508B1 (ko) * 2020-04-27 2021-03-31 주식회사 아이티테크 스마트 가축 관리 시스템 및 그 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102539996B1 (ko) * 2022-12-05 2023-06-08 주식회사 오펜하임시스템즈 반려동물 이상징후 실시간 모니터링 시스템
CN116596167A (zh) * 2023-07-17 2023-08-15 湖南华牧全安数字科技有限公司 一种基于数据深度融合处理的牲畜养殖方案优化方法
CN116596167B (zh) * 2023-07-17 2023-09-19 湖南华牧全安数字科技有限公司 一种基于数据深度融合处理的牲畜养殖方案优化方法
CN116687386A (zh) * 2023-08-07 2023-09-05 青岛市畜牧工作站(青岛市畜牧兽医研究所) 牛体形数据综合校准的雷达探测系统及方法
CN116687386B (zh) * 2023-08-07 2023-10-31 青岛市畜牧工作站(青岛市畜牧兽医研究所) 牛体形数据综合校准的雷达探测系统及方法

Also Published As

Publication number Publication date
KR102527322B1 (ko) 2023-05-03

Similar Documents

Publication Publication Date Title
KR102527322B1 (ko) 딥러닝 기반의 객체 인식을 통한 가축 관리 방법
US20220022427A1 (en) Ai-based livestock management system and livestock management method thereof
US11889818B2 (en) Social group management system and method therefor
US10058076B2 (en) Method of monitoring infectious disease, system using the same, and recording medium for performing the same
JP6203238B2 (ja) 畜産管理システム
KR101845373B1 (ko) 방역 관리 시스템 및 그 방법
KR101866226B1 (ko) 대가축 모니터링 시스템
US10195008B2 (en) System, device and method for observing piglet birth
KR20160092538A (ko) 센서와 무인비행체를 이용한 방목 가축 질병 예측 관리시스템 및 관리방법
US11910784B2 (en) Animal visual identification, tracking, monitoring and assessment systems and methods thereof
KR101652192B1 (ko) 개체식별장치와 무인비행체를 이용한 방목가축 추적관리 시스템
KR20130007079A (ko) 동물 상태 원격 관리 방법 및 시스템
Jukan et al. Fog-to-cloud computing for farming: low-cost technologies, data exchange, and animal welfare
KR20200105558A (ko) 컴퓨터 비전을 이용한 가축 질병 예측 시스템 및 그 방법
CN112183487A (zh) 基于5g的牲畜健康监测系统和方法
CA3230401A1 (en) Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes
El Moutaouakil et al. Digital Farming: A Survey on IoT-based Cattle Monitoring Systems and Dashboards
KR102624927B1 (ko) 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법
KR102332252B1 (ko) 영상 분석 기반의 반추 동물의 발정행동패턴 분석 장치 및 방법
KR102592477B1 (ko) 돼지 질병 조기진단 장치
Kandepan et al. A Novel Approach to Diagnose the Animal Health Continuous Monitoring Using IoT Based Sensory Data.
WO2023190024A1 (ja) 放し飼い家畜の管理サーバ装置、システム、方法、及びプログラム
KR20220159044A (ko) 엣지 컴퓨팅 기반 유해 야생동물 모니터링 시스템
JP2022082301A (ja) 家畜状態管理システム、家畜状態管理装置および方法
Ravikrishna et al. Elephant Detection and Alarm System Using TensorFlow

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant