KR20220078068A - Livestock product management system that can judge the grade of livestock products - Google Patents
Livestock product management system that can judge the grade of livestock products Download PDFInfo
- Publication number
- KR20220078068A KR20220078068A KR1020200167193A KR20200167193A KR20220078068A KR 20220078068 A KR20220078068 A KR 20220078068A KR 1020200167193 A KR1020200167193 A KR 1020200167193A KR 20200167193 A KR20200167193 A KR 20200167193A KR 20220078068 A KR20220078068 A KR 20220078068A
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- grade
- management system
- determining
- data
- Prior art date
Links
- 244000144972 livestock Species 0.000 title claims abstract description 98
- 238000011156 evaluation Methods 0.000 claims description 20
- 239000002994 raw material Substances 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 4
- 230000008021 deposition Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 claims 2
- 235000013372 meat Nutrition 0.000 claims 1
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000019640 taste Nutrition 0.000 description 3
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000015277 pork Nutrition 0.000 description 2
- 238000003307 slaughter Methods 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 206010041243 Social avoidant behaviour Diseases 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 235000013330 chicken meat Nutrition 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000012424 soybean oil Nutrition 0.000 description 1
- 239000003549 soybean oil Substances 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Images
Classifications
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G06K9/62—
-
- 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
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20044—Skeletonization; Medial axis transform
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marine Sciences & Fisheries (AREA)
- Entrepreneurship & Innovation (AREA)
- Animal Husbandry (AREA)
- Software Systems (AREA)
- Mining & Mineral Resources (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- Agronomy & Crop Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
전문가의 도움없이 축산품의 등급을 판단할 수 있는 축산품 관리시스템을 제공하는 축산품의 등급을 판정할 수 있는 축산품 관리시스템은 가축의 원물이미지를 수집하는 이미지 수집부; 상기 수집된 원물이미지를 이용하여 상기 가축의 등급을 판단하기 위한 등급데이터를 생성하는 등급데이터 생성부; 상기 등급데이터를 이용하여 상기 가축의 등급을 나타내는 제1 기준값을 출력하는 등급판정 모델; 및 상기 출력된 제1 기준값과 미리 정해진 제2 기준값과 비교하여 상기 가축의 등급을 판단하는 등급 판단부를 포함하는 것을 특징으로 한다.Livestock product management system that can determine the grade of livestock products that provides a livestock management system that can determine the grade of livestock products without the help of experts includes: an image collection unit that collects raw images of livestock; a grade data generation unit for generating grade data for judging the grade of the livestock by using the collected raw image; a grade determination model for outputting a first reference value indicating the grade of the livestock using the grade data; and a grade determination unit for determining the grade of the livestock by comparing the output first reference value with a predetermined second reference value.
Description
본 발명은 축산품 관리시스템에 관한 것이다.The present invention relates to a livestock product management system.
일반적으로, 닭, 돼지, 소 등과 같은 가축들은 가축의 건강을 유지하고, 그 가축이 가지고 있는 생산능력을 충분히 발휘시키기 위해, 적절한 영양성분을 포함하는 다양한 배합 사료가 통상적으로 사용되고 있다. In general, livestock such as chickens, pigs, cattle, etc., to maintain the health of the livestock, and to fully exhibit the production capacity of the livestock, various compound feeds containing appropriate nutrients are commonly used.
이때, 축산품의 품질은 축산농가에서 어떠한 배합사료를 공급하는 것에 따라 결정된다. 하지만, 축산품이 소비자에게 제공되기 위해서는 사육단계, 도축단계, 가공단계, 및 유통판매단계를 거쳐야 한다. 이와 같이 축산품은 수많은 단계를 거쳐 소비자에게 전달되기 때문에, 소비자의 입맛과 배합사료의 인과관계를 고려한 배합사료는 설계할 수 없다는 문제가 있다.At this time, the quality of livestock products is determined according to what type of feed the livestock farm supplies. However, in order for livestock products to be provided to consumers, they must go through a breeding stage, a slaughter stage, a processing stage, and a distribution and sale stage. As such, livestock products are delivered to consumers through numerous stages, so there is a problem in that it is impossible to design a formulated feed considering the causal relationship between the consumer's taste and the formulated feed.
한편, 도축단계에서는 축산업계의 전문가를 통해 축산품의 등급판정이 이루어지고 있다. 하지만, 축산품의 등급판정은 경험에 근거하여 판단을 하기 때문에, 오차가 발생할 수 있을 뿐만 아니라, 다양한 소비자의 취향과 거리가 있는 등급 판정이 발생할 수 있다는 문제가 있다.Meanwhile, in the slaughter stage, livestock products are graded by experts in the livestock industry. However, since the grading of livestock products is judged based on experience, there is a problem that not only errors may occur, but also grading may occur with a distance from the tastes of various consumers.
본 발명은 전문가의 도움없이 축산품의 등급을 판단할 수 있는 축산품 관리시스템을 제공하는 것을 그 목적으로 한다.An object of the present invention is to provide a livestock management system that can determine the grade of livestock products without the help of experts.
또한, 또한, 본 발명은 인공신경망 알고리즘을 이용하여 축삼품의 등급을 판단할 수 있는 축산품 관리시스템을 제공하는 것을 그 목적으로 한다. In addition, an object of the present invention is to provide a livestock management system that can determine the grade of livestock products using an artificial neural network algorithm.
또한, 본 발명은 축산품을 소비하는 사용자의 평가에 따라 배합사료를 설계할 수 있는 축산품 관리시스템을 제공하는 것을 그 목적으로 한다.In addition, an object of the present invention is to provide a livestock management system that can design a compound feed according to the evaluation of the user who consumes livestock products.
본 발명에 따른 축산품의 등급을 판정할 수 있는 축산품 관리시스템은 가축의 원물이미지를 수집하는 이미지 수집부; 상기 수집된 원물이미지를 이용하여 상기 가축의 등급을 판단하기 위한 등급데이터를 생성하는 등급데이터 생성부; 상기 등급데이터를 이용하여 상기 가축의 등급을 나타내는 제1 기준값을 출력하는 등급판정 모델; 및 상기 출력된 제1 기준값과 미리 정해진 제2 기준값과 비교하여 상기 가축의 등급을 판단하는 등급 판단부를 포함하는 것을 특징으로 한다.Livestock management system capable of determining the grade of livestock products according to the present invention includes: an image collection unit for collecting raw images of livestock; a grade data generation unit for generating grade data for judging the grade of the livestock by using the collected raw image; a grade determination model for outputting a first reference value indicating the grade of the livestock using the grade data; and a grade determination unit for determining the grade of the livestock by comparing the output first reference value with a predetermined second reference value.
본 발명은 전문가의 도움없이 축산품의 등급을 판단할 수 있어, 일관된 품질을 유지할 수 있을 뿐만 아니라, 인건비를 줄일 수 있다는 효과가 있다.The present invention has the effect of being able to determine the grade of livestock products without the help of experts, and not only can maintain consistent quality, but also reduce labor costs.
또한, 본 발명은 인공신경망 알고리즘을 이용하여 축삼품의 등급을 판단할 수 있기 때문에, 신속하게 판단할 수 있을 뿐만 아니라, 등급판단의 정확도가 향상될 수 있다는 효과가 있다. In addition, since the present invention can determine the grade of livestock products by using an artificial neural network algorithm, not only can it be determined quickly, but also the accuracy of the grade judgment can be improved.
또한, 본 발명은 축산품을 소비하는 사용자의 평가에 따라 배합사료를 설계할 수 있어, 소비자의 니즈에 맞는 축산품을 생산할 수 있다는 효과가 있다.In addition, the present invention has the effect that it is possible to design a compound feed according to the evaluation of the user who consumes livestock products, it is possible to produce livestock products that meet the needs of consumers.
도 1은 본 발명의 일 실시예에 따른 축산품 관리시스템의 구성을 보여주는 도면이다.
도 2는 본 발명의 일 실시예에 따른 축산품 관리서버의 구성을 보여주는 도면이다.
도 3은 본 발명에 따른 배합사료 결정부에 의해 배합사료가 설계되는 예를 보여주는 도면이다.1 is a view showing the configuration of a livestock management system according to an embodiment of the present invention.
2 is a diagram showing the configuration of a livestock product management server according to an embodiment of the present invention.
3 is a view showing an example in which the compounded feed is designed by the compounded feed determining unit according to the present invention.
본 명세서에서 각 도면의 구성요소들에 참조번호를 부가함에 있어서 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다.In the present specification, in adding reference numbers to the components of each drawing, it should be noted that only the same components are given the same number as possible even though they are indicated on different drawings.
한편, 본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다. 단수의 표현은 문맥상 명백하게 다르게 정의하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "제 1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. "포함하다" 또는 "가지다" 등의 용어는 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분 품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.On the other hand, the meaning of the terms described in this specification should be understood as follows. The singular expression is to be understood as including the plural expression unless the context clearly defines otherwise, and the terms "first", "second", etc. are used to distinguish one element from another, The scope of rights should not be limited by these terms. It should be understood that terms such as “comprise” or “have” do not preclude the possibility of addition or existence of one or more other features or numbers, steps, operations, components, parts, or combinations thereof.
"적어도 하나"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및 제 3 항목 중에서 적어도 하나"의 의미는 제1 항목, 제2 항목, 또는 제3 항목 각각 뿐만 아니라 제1 항목, 제2 항목, 및 제3 항목 중에서 2개 이상으로부터 제시될 수 있는 모든 항 목의 조합을 의미한다. 이하, 첨부된 도면들을 참조하여 본 발명의 실시예들에 대해 설명한다.The term “at least one” should be understood to include all possible combinations from one or more related items. For example, “at least one of the first, second, and third items” means the first, second, or third items, respectively, as well as the first, second, and third items, respectively. It means a combination of all items that can be presented from two or more of them. Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 축산품의 등급판정할 수 있는 축산품 관리시스템(이하 '축산품 관리시스템'이라 함)을 보여주는 도면이다. 도 1에 도시된 바와 같이, 본 발명에 따른 축산품 관리시스템은 사용자 단말기(1) 및 축산품 관리서버(3)를 포함한다.1 is a view showing a livestock management system (hereinafter referred to as 'livestock management system') capable of grading livestock products according to an embodiment of the present invention. As shown in Figure 1, the livestock management system according to the present invention includes a user terminal (1) and the livestock management server (3).
사용자 단말기(1)는 모바일, 태블릿, PC 등을 포함할 수 있다. 사용자는 사용자 단말기(1)를 통해 축산품 관리서버(3)로부터 축산품 관리서비스 제공받을 수 있다. 구체적으로 사용자는 사용자 단말기(1)를 통해 축산품 관리서버(3)로부터 배합사료의 성분비를 제공받을 수 있다. 또한, 사용자는 사용자 단말기(1)를 통해 축산품 관리서버(3)로부터 가축의 원물을 구매할 수 있다. 또한, 원물을 구매한 사용자는 사용자 단말기(1)를 통해 축산품 관리서버(3)로부터 가축의 원물에 대한 스코어를 부여할 수 있다. The
본 발명에 따른 축산품 관리서버(3)는 축산품 관리서비스를 사용자에게 제공한다. 구체적으로 축산품 관리서버(3)는 사용자에게 제공하는 가축의 등급을 판단할 수 있다. 또한, 축산품 관리서버(3)는 사용자의 평가데이터를 기초로 배합사료의 성분비를 결정할 수 있다. 구체적으로, 관리서버(3)는 사용자 단말기(1)를 통해 가축의 원물을 구매한 사용자에 의해 생성되는 평가데이터를 이용하여 배합사료의 성분비를 결정할 수 있다. 또한, 관리서버(3)는 결정된 배합사료의 성분비를 사용자 단말기(1)를 통해 사용자에게 제공할 수 있다. Livestock
이하 본 발명의 일 실시예에 따른 축산품 관리서버(3)에 대해 보다 구체적으로 설명한다.Hereinafter, the livestock
도 2는 본 발명의 일 실시예에 따른 축산품 관리서버(3)의 구성을 보여주는 도면이다. 본 발명에 따른 축산품 관리서버(3)는 도 2에 도시된 바와 같이 이미지 수집부(110), 등급데이터 생성부(120), 등급판정모델(130), 등급판단부(140), 학습부(150), 및 데이터 베이스(160)를 포함한다. 또한, 본 발명에 따른 관리서버(3)는 평가데이터 수집부(170) 및 배합사료 결정부(180)를 포함한다. 또한, 본 발명에 따른 관리서버(3)는 디스플레이부(190)를 더 포함할 수 있다.2 is a view showing the configuration of the
이미지 수집부(110)는 가축의 원물이미지를 수집한다. 구체적으로, 이미지 수집부(110)는 도축된 가축의 원물에 대한 원물이미지를 수집할 수 있다. 이미지 수집부(110)는 촬영장비(미도시)를 통해 생성된 원물이미지를 수집할 수도 있고, 사용자에 의해 입력된 원물이미지를 수집할 수도 있을 것이다.The
이때, 원물이미지는 원물의 전면, 후면, 측면, 상면, 하면 등을 포함할 수 있다.In this case, the original image may include the front, rear, side, upper, and lower surfaces of the original object.
등급데이터 생성부(120)는 이미지 수집부(110)에 의해 수집된 원물이미지를 이용하여 가축의 등급을 판단하기 위한 등급데이터를 생성한다. 구체적으로, 등급데이터 생성부(120)는 원물이미지로부터 원물의 골격을 추출하고, 미리 정해진 기준에 따라 분류하여 등급데이터를 생성할 수 있다. 이때, 본 발명에 따른 등급데이터 생성부(120)는 스켈레톤 추출 알고리즘을 이용하여 원물의 골격을 추출할 수 있다. The grade
일 실시예에 있어서, 등급데이터 생성부(120)는 각 부위별로 등급데이터를 생성할 수 있다. 예컨대, 가축이 돼지인 경우, 등급데이터 생성부(120)는 삼겹살, 목심, 등심, 갈비, 안심, 뒷다리, 삼겹살, 앞다리 등의 부위별로 등급데이터를 생성할 수 있다.In an embodiment, the rating
다른 실시예에 있어서, 등급데이터 생성부(120)는 미리 정해진 영역 별로 등급데이터를 생성할 수 있다. 예컨대, 등급데이터 생성부(120)는 상체 및 하체로 등급데이터를 생성할 수 있다.In another embodiment, the
본 발명에 따른 등급데이터 생성부(120)가 생성하는 등급데이터는 지방부착 상태, 육색, 지방색, 지방 침착도, 육조직감, 지방질 등을 포함할 수 있다. The rating data generated by the rating
한편, 본 발명에 따른 등급판정모델(130)은 등급데이터 생성부(120)에 의해 생성된 등급데이터를 이용하여 가축의 등급을 나타내는 제1 기줍값을 출력한다. 구체적으로, 등급판정모델(130)은 등급판단부(140)에 의해 등급데이터가 입력되면, 가축의 등급을 나타내는 제1 기준값을 출력한다. 이때, 제1 기준값은 등급데이터에 포함된 지방부착 상태, 육색, 지방색, 지방 침착도, 육조직감, 지방질 등을 수치화하여 하나의 값으로 출력될 수 있다. 다만, 이는 하나의 예일 뿐, 제1 기준값은 등급데이터에 포함된 지방부착상태, 육색, 지방색, 지방 침착도, 육조직감 등을 각각 수치화하여 복수개의 값으로 출력될 수도 있을 것이다.On the other hand, the
일 실시예에 있어서, 등급판정모델(130)은 학습부(150)에 의해 인공신경망(Neural Network) 알고리즘으로 학습될 수 있다. 이때, 인공신경망 알고리즘은, CNN(Convolution Neural Network), DNN(Deep Neural Network) 등일 수 있다. In an embodiment, the
등급판단부(140)는 등급판정모델(130)로부터 출력된 제1 기준값과 미리 정해진 제2 기준값을 비교하여 가축의 등급을 판단한다. 구체적으로, 등급판단부(140)는 제1 기준값과 등급 별로 설정된 기준 원물이미지로부터 출력된 제2 기준값과 비교하여 가축의 등급을 판단한다. 이때, 기준 원물이미지는 각 등급 별로 선별된 원물이미지 일 수 있고, 제2 기준값은 기준 원물이미지를 등급판정모델(130)에 입력하여 출력된 값일 수 있다. 다만, 이는 하나의 실시예일뿐, 제2 기준값은 사용자에 의해 임의로 설정된 값일 수도 있을 것이다.The
기준 원물이미지와 제2 기준값은 데이터베이스(160)에 저장되어 있을 수 있다.The reference original image and the second reference value may be stored in the
등급판단부(140)는 판단된 가축의 등급을 디스플레이부(190)를 통해 사용자 단말기(1)로 출력할 수 있다.The
이와 같이 본 발명은 본 발명에 따른 등급판단부(140)가 자동으로 가축의 등급을 판단함으로써, 축산업계의 전문가가 없이도 가축의 등급을 판단할 수 있을 뿐만 아니라, 필연적으로 발생하는 사람의 실수를 줄여 품질을 일정하게 유지할 수 있다는 효과가 있다.As such, in the present invention, by automatically determining the grade of livestock by the
학습부(150)는 인공신경망 알고리즘을 이용하여 등급판정모델(130)을 학습시킬 수 있다. 이때, 인공신경망 알고리즘은, CNN(Convolution Neural Network), DNN(Deep Neural Network) 등일 수 있다. The
데이터베이스(160)에는 이미지 수집부(110)에 의해 수집된 원물이미지, 기준 원물이미지, 제2 기준값이 저장되어 있을 수 있다. 또한, 데이터베이스(160)에는 등급판정모델(130)에 의해 출력된 제1 기준값이 저장되어 있을 수 있다. 또한, 데이터베이스(160)에는 평가데이터 수집부(170)에 의해 수집된 평가데이터가 저장될 수 있다. 또한, 데이터베이스(160)에는 배합사료 결정부(180)에 의해 결정된 배합사료의 성분비가 저장될 수 있다.The
본 발명에 따른 평가데이터 수집부(170)는 배합사료로 길러진 가축의 원물을 섭취한 사용자의 평가데이터를 수집할 수 있다. 이때, 배합사료는 밀, 밀가루, 옥수수, 대두유 등이 혼합된 사료를 의미한다.The evaluation
평가데이터는 사용자의 원물 부위 별 구매비율, 사용자의 연령, 사용자가 부여한 스코어, 사용자의 성별, 총 판매량, 사용자의 구매빈도 등을 포함할 수 있다. 이때, 평가데이터는 사용자 단말기(1)를 통해 원물을 구매한 사용자가 입력한 정보일 수 있다. The evaluation data may include the user's purchase ratio for each part of the raw material, the user's age, the score given by the user, the user's gender, the total sales volume, the user's purchase frequency, and the like. In this case, the evaluation data may be information input by the user who purchased the original product through the
배합사료 결정부(180)는 평가데이터 수집부(170)에 의해 수집된 평가데이터를 기초로 배합사료의 성분비를 결정할 수 있다. 일예로, 배합사료 결정부(180)는 제1 배합사료로 길러진 가축의 원물을 섭취한 사용자가 입력한 평가데이터를 이용하여 제2 배합사료의 성분비로 결정할 수 있다. 예컨대, 배합사료 결정부(180)는 도 3에 도시된 바와 같이 배합사료의 성분을 결정할 수 있다.The compounded
본 발명에 따른 배합사료 결정부(180)가 평가데이터를 이용하여 제2 배합사료의 성분비로 결정하는 이유는, 사용자의 니즈(Needs)에 따라 맞춤형 배합사료를 제공하기 위함이다.The reason why the compounded
이와 같이, 본 발명은 사용자의 평가데이터를 기반으로 새로운 배합사료의 성분비를 결정함으로써, 사용자의 입맛에 부합하는 가축을 생산할 수 있을 뿐만 아니라, 일관된 품질을 보장하는 가축을 생산할 수 있다.As such, the present invention can produce livestock that not only meets the taste of the user, but also ensures consistent quality by determining the component ratio of a new compound feed based on the user's evaluation data.
배합사료 결정부(180)는 디스플레이부(190)를 통해 결정된 배합사료의 성분비를 출력할 수 있다. The compounded
본 발명이 속하는 기술분야의 당업자는 상술한 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 예컨대, 도 1에 도시된 축산품 관리서버는 어플리케이션이나 에이전트와 같은 프로그램 형태로 구현되어 해당 프로그램을 리딩할 수 있는 매체에 탑재될 수 있을 것이다. 본 발명이 복수개의 프로그램으로 분할되어 구현되는 경우 각 프로그램은 서로 다른 매체에 탑재될 수 있다. 예컨대, 기능들 중 일부는 축산품 관리서버(3)에 탑재되고, 나머지 기능들은 사용자 단말기(1)에 탑재될 수 있을 것이다. Those skilled in the art to which the present invention pertains will understand that the above-described present invention may be embodied in other specific forms without changing the technical spirit or essential characteristics thereof. For example, the livestock management server shown in FIG. 1 may be implemented in the form of a program such as an application or an agent, and may be mounted on a medium capable of reading the corresponding program. When the present invention is divided into a plurality of programs and implemented, each program may be loaded on different media. For example, some of the functions are mounted on the livestock management server (3), the remaining functions may be mounted on the user terminal (1).
그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한 다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. The scope of the present invention is indicated by the following claims rather than the above detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts should be interpreted as being included in the scope of the present invention. do.
1: 사용자 단말기
3: 축산품 관리서버
110: 이미지 수집부
120: 등급데이터 생성부
130: 등급판정모델
140: 등급판단부
150: 학습부
160: 데이터베이스1: User terminal 3: Livestock product management server
110: image collection unit 120: rating data generation unit
130: grading model 140: grading unit
150: study unit 160: database
Claims (7)
상기 수집된 원물이미지를 이용하여 상기 가축의 등급을 판단하기 위한 등급데이터를 생성하는 등급데이터 생성부;
상기 등급데이터를 이용하여 상기 가축의 등급을 나타내는 제1 기준값을 출력하는 등급판정 모델; 및
상기 출력된 제1 기준값과 미리 정해진 제2 기준값과 비교하여 상기 가축의 등급을 판단하는 등급 판단부를 포함하는 것을 특징으로 하는 축산품의 등급을 판정할 수 있는 축산품 관리시스템.an image collection unit for collecting raw images of livestock;
a grade data generation unit for generating grade data for judging the grade of the livestock by using the collected raw image;
a grade determination model for outputting a first reference value indicating the grade of the livestock using the grade data; and
Livestock management system capable of determining the grade of livestock products, characterized in that it comprises a grade determination unit for determining the grade of the livestock by comparing the output with the first reference value and a second predetermined reference value.
상기 등급데이터 생성부는,
스켈레톤 추출 알고리즘을 이용하여 상기 원물이미지로부터 원물의 골격을 추출하고 상기 원물의 골격을 미리 정해진 기준에 따라 분류하여 상기 등급데이터를 생성하는 것을 특징으로 하는 축산품의 등급을 판정할 수 있는 축산품 관리시스템.According to claim 1,
The rating data generation unit,
Livestock management system capable of determining the grade of livestock products, characterized in that by using a skeleton extraction algorithm to extract the skeleton of the raw material from the raw image and classify the skeleton of the raw material according to a predetermined criterion to generate the rating data.
상기 등급데이터 생성부는,
상기 가축의 부위별로 상기 원물의 골격을 분류하는 것을 특징으로 하는 축산품의 등급을 판정할 수 있는 축산품 관리시스템.3. The method of claim 2,
The rating data generation unit,
Livestock management system that can determine the grade of livestock products, characterized in that for classifying the skeleton of the raw material for each part of the livestock.
상기 등급데이터는,
지방부착 상태, 육색, 지방색, 지방 침착도, 육조직감, 지방질 중 적어도 하나를 포함하는 것을 특징으로 하는 축산품의 등급을 판정할 수 있는 축산품 관리시스템.According to claim 1,
The grade data is
A livestock management system capable of judging the grade of livestock products, characterized in that it includes at least one of fat adhesion state, meat color, fat color, fat deposition, flesh texture, and fat.
인공신경망(Neural Network) 알고리즘을 이용하여 상기 등급판정 모델을 학습시키는 학습부를 더 포함하는 것을 특징으로 하는 축산품의 등급을 판정할 수 있는 축산품 관리시스템.According to claim 1,
Livestock management system capable of determining the grade of livestock products, characterized in that it further comprises a learning unit for learning the grading model using an artificial neural network (Neural Network) algorithm.
제1 배합사료로 길러진 가축의 원물을 섭취한 사용자의 평가데이터를 수집하는 평가데이터 수집부; 및
상기 평가데이터를 기초로 제2 배합사료의 성분비를 결정하는 배합사료 결정부를 더 포함하는 것을 특징으로 하는 축산품의 등급을 판정할 수 있는 축산품 관리시스템.According to claim 1,
an evaluation data collection unit for collecting evaluation data of users who have consumed raw materials of livestock raised as a first compound feed; and
Livestock management system capable of determining the grade of livestock products, characterized in that it further comprises a compound feed determining unit for determining the component ratio of the second compounded feed based on the evaluation data.
상기 평가데이터는
소비자의 원물 부위 별 구매비율, 소비자의 연령, 소비자가 부여한 스코어, 소비자의 성별, 총 판매량, 소비자의 구매빈도 중 적어도 하나를 포함하는 것을 특징으로 하는 축산품의 등급을 판정할 수 있는 축산품 관리시스템.7. The method of claim 6,
The evaluation data is
A livestock management system capable of determining the grade of livestock products, characterized in that it includes at least one of the consumer's purchase ratio by raw material part, the consumer's age, the score given by the consumer, the consumer's gender, the total sales volume, and the consumer's purchase frequency.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200167193A KR20220078068A (en) | 2020-12-03 | 2020-12-03 | Livestock product management system that can judge the grade of livestock products |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200167193A KR20220078068A (en) | 2020-12-03 | 2020-12-03 | Livestock product management system that can judge the grade of livestock products |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220078068A true KR20220078068A (en) | 2022-06-10 |
Family
ID=81986691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200167193A KR20220078068A (en) | 2020-12-03 | 2020-12-03 | Livestock product management system that can judge the grade of livestock products |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220078068A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102516025B1 (en) * | 2022-08-23 | 2023-03-30 | 피플즈리그 주식회사 | Method and device for obtaining meat properties information |
-
2020
- 2020-12-03 KR KR1020200167193A patent/KR20220078068A/en active IP Right Grant
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102516025B1 (en) * | 2022-08-23 | 2023-03-30 | 피플즈리그 주식회사 | Method and device for obtaining meat properties information |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107992583B (en) | Information pushing method, information pushing device, equipment and storage medium | |
| Malek et al. | Distinguishing meat reducers from unrestricted omnivores, vegetarians and vegans: A comprehensive comparison of Australian consumers | |
| Smith et al. | Global Expanded Nutrient Supply (GENuS) model: a new method for estimating the global dietary supply of nutrients | |
| Lusk et al. | Effect of government quality grade labels on consumer demand for pork chops in the short and long run | |
| Igo et al. | Phase I of The National Beef Quality Audit-2011: Quantifying willingness-to-pay, best-worst scaling, and current status of quality characteristics in different beef industry marketing sectors | |
| Niemi et al. | A value chain analysis of interventions to control production diseases in the intensive pig production sector | |
| Kazama et al. | A neural network system for transformation of regional cuisine style | |
| CN113366525A (en) | Pet food recommendation device and method | |
| Marescotti et al. | Consumer preferences for wild game cured meat label: do attitudes towards animal welfare matter? | |
| Popoola et al. | Free word association perceptions of red meats; beef is ‘yummy’, bison is ‘lean game meat’, horse is ‘off limits’ | |
| KR20220078068A (en) | Livestock product management system that can judge the grade of livestock products | |
| Michel et al. | Paying for sustainable food choices: The role of environmental considerations in consumer valuation of insect-based foods | |
| Edenbrandt et al. | Consumer perceptions and attitudes towards climate information on food | |
| Tekień et al. | Using cluster analysis and choice-based conjoint in research on consumers preferences towards animal origin food products. Theoretical review, results and recommendations. | |
| US20190228678A1 (en) | System for control over food and diet and related method to reduce environmental impact | |
| Lemken | The price penalty for red meat substitutes in popular dishes and the diversity in substitution | |
| KR20170006313A (en) | Device and method for providing food distributing information | |
| Kim et al. | Consumer preferences and demand for conventional seafood and seafood alternatives: Do ingredient information and processing stage matter? | |
| De Valck et al. | Who cares about meat carbon footprint? Exploring preferences for credence factors among Australian consumers | |
| Ko et al. | A deep learning-based framework for predicting pork preference | |
| Flores et al. | Improvement of feedlot operations through statistical learning and business analytics tools | |
| KR20200122652A (en) | Nutrient Profiling-based Pet Food Recommendation System | |
| Boué et al. | Risk-benefit assessment of foods: Advances in public health | |
| Mantzaris | Predicting the Amount of Breast Cap in Broilers | |
| Alfonso | An approach to derive breeding goals from the preferences of decision makers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |