KR20220080398A - Ai 기반의 우시장 정보 제공 장치 및 방법 - Google Patents
Ai 기반의 우시장 정보 제공 장치 및 방법 Download PDFInfo
- Publication number
- KR20220080398A KR20220080398A KR1020200169454A KR20200169454A KR20220080398A KR 20220080398 A KR20220080398 A KR 20220080398A KR 1020200169454 A KR1020200169454 A KR 1020200169454A KR 20200169454 A KR20200169454 A KR 20200169454A KR 20220080398 A KR20220080398 A KR 20220080398A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- successful bid
- data
- predicting
- bid price
- Prior art date
Links
- 241000283690 Bos taurus Species 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 20
- 244000309466 calf Species 0.000 claims abstract description 52
- 238000009395 breeding Methods 0.000 claims abstract description 40
- 230000001488 breeding effect Effects 0.000 claims abstract description 40
- 239000004020 conductor Substances 0.000 claims abstract description 28
- 230000002068 genetic effect Effects 0.000 claims abstract description 27
- 238000013480 data collection Methods 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000007918 intramuscular administration Methods 0.000 claims description 14
- 235000015278 beef Nutrition 0.000 claims description 10
- 230000008774 maternal effect Effects 0.000 claims description 5
- 230000008775 paternal effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 244000144972 livestock Species 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 235000013372 meat Nutrition 0.000 description 3
- 230000002079 cooperative effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Husbandry (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Evolutionary Computation (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 AI 기반의 우시장 정보 제공 장치 및 방법에 관한 것으로, 상기 장치는 한우 개체들의 도체 데이터, 유전 데이터 및 낙찰가 데이터를 수집하는 데이터 수집부; 상기 도체 데이터, 상기 유전 데이터 및 상기 낙찰가 데이터를 기초로 도체성적 예측을 위한 학습 모델 및 낙찰가 예측을 위한 낙찰가 DB를 구축하는 데이터 구축부; 특정 송아지 개체의 육종가 정보와 혈통정보를 수신하는 개체 정보 수신부; 상기 육종가 정보와 혈통정보를 상기 학습 모델에 적용하여 상기 특정 송아지 개체의 출하 시 도체성적을 예측하는 도체성적 예측부; 및 상기 육종가 정보를 기초로 상기 특정 송아지 개체의 낙찰가를 예측하는 낙찰가 예측부를 포함한다.
Description
본 발명은 AI 큐레이션 서비스 기술에 관한 것으로, 보다 상세하게는 우시장을 이용한 개별 한우농가나 협동조합의 합리적인 한우구매 의사결정을 도울 수 있는 AI 기반의 우시장 정보 제공 장치 및 방법에 관한 것이다.
국내에서 1달 동안 태어나는 한우 송아지는 약 4만에서 13만 마리까지 집계되고 있다. 한우 송아지의 가격은 약 350만원에서 600만원까지 집계되고 있으며, 전체 사육비 중 송아지 구매가 차지하는 비율은 약 41%로 나타나고 있다. 현재 전국적으로 분포하는 우시장의 개수는 약 56개이며, 연간 우시장 거래액은 약 3,500억원으로 추정되며, 연간 한육우 생산액은 50,900억원으로 집계되고 있다.
한편, 통상적으로 대부분의 송아지는 우시장 또는 직거래를 통해 거래되며, 소를 구매하려는 농가는 각 우시장 홈페이지에서 출품우 정보를 확인하고 종축개량협회에 유전정보를 검색하여 정리한 다음 이를 기초로 구매자의 경험적인 판단으로 구매할 송아지를 선택하여 이루어지고 있다. 따라서, 전문적인 지식이 없는 구매자는 적정한 송아지 가격이 얼마인지, 최종 출하 시의(30개월 령) 등급을 예측하기 어렵고, 육종가 정보를 비교하여 분석하기 어려운 실정이다. 또한, 송아지의 혈통정보를 일일이 조회하는데 많은 시간이 소비될 수 있다.
따라서, 한우를 거래하기 위한 정보를 체계적으로 관리하고 검색할 수 있는 일원화된 시스템이 요구되고 있다.
본 발명의 일 실시예는 우시장을 이용한 개별 한우농가나 협동조합의 합리적인 한우구매 의사결정을 도울 수 있는 AI 기반의 우시장 정보 제공 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 우시장에 출품되는 한우의 개체등록정보를 이용하여 이와 연결된 공공데이터를 수집하고 학습하여 송아지의 최종 도체형질예측 및 유전/환경정보를 제공할 수 있는 AI 기반의 우시장 정보 제공 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 최근에 거래된 우시장들의 유전정보과 가격정보를 수집하여 유사도가 높은 개체의 가격을 제공할 수 있는 AI 기반의 우시장 정보 제공 장치 및 방법을 제공하고자 한다.
실시예들 중에서, AI 기반의 우시장 정보 제공 장치는 한우 개체들의 도체 데이터, 유전 데이터 및 낙찰가 데이터를 수집하는 데이터 수집부; 상기 도체 데이터, 상기 유전 데이터 및 상기 낙찰가 데이터를 기초로 도체성적 예측을 위한 학습 모델 및 낙찰가 예측을 위한 낙찰가 DB를 구축하는 데이터 구축부; 특정 송아지 개체의 육종가 정보와 혈통정보를 수신하는 개체 정보 수신부; 상기 육종가 정보와 혈통정보를 상기 학습 모델에 적용하여 상기 특정 송아지 개체의 출하 시 도체성적을 예측하는 도체성적 예측부; 및 상기 육종가 정보를 기초로 상기 특정 송아지 개체의 낙찰가를 예측하는 낙찰가 예측부를 포함한다.
상기 육종가 정보는 도체중, 근내지방, 등심단면적 및 등지방두께 중 적어도 하나를 포함하고, 상기 혈통정보는 부계 정보, 모계정보 및 형매정보 중 적어도 하나를 포함할 수 있다.
상기 도체성적 예측부는 상기 특정 송아지 개체의 30개월령 기준 도체중, 근내지방, 등심단면적 및 등지방두께에 관한 최소값 및 최대값을 각각 예측할 수 있다.
상기 낙찰가 DB는 각 우시장별 출품우들의 기초 정보와 낙찰가 정보를 기초로 구축되고, 상기 낙찰가 예측부는 상기 육종가 정보를 기초로 상기 낙찰가 DB에 저장된 개체들과의 유사도 분석을 통해 개체 리스트를 생성할 수 있다.
상기 낙찰가 예측부는 상기 육종가 정보의 형질 별로 가중치를 적용하여 개체 간의 유클리디언 거리를 유사도로서 산출하고 상기 유사도를 기준으로 상위 n(상기 n은 자연수) 개의 개체들에 대해 개체번호, 육종가 정보, 혈통정보 및 낙찰가 정보를 포함하는 개체 리스트를 생성할 수 있다.
실시예들 중에서, AI 기반의 우시장 정보 제공 방법은 한우 개체들의 도체 데이터, 유전 데이터 및 낙찰가 데이터를 수집하는 단계; 상기 도체 데이터, 상기 유전 데이터 및 상기 낙찰가 데이터를 기초로 도체성적 예측을 위한 학습 모델 및 낙찰가 예측을 위한 낙찰가 DB를 구축하는 단계; 특정 송아지 개체의 육종가 정보와 혈통정보를 수신하는 단계; 상기 육종가 정보와 혈통정보를 상기 학습 모델에 적용하여 상기 특정 송아지 개체의 출하 시 도체성적을 예측하는 단계; 및 상기 육종가 정보를 기초로 상기 특정 송아지 개체의 낙찰가를 예측하는 단계를 포함한다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 AI 기반의 우시장 정보 제공 장치 및 방법은 우시장에 출품되는 한우의 개체등록정보를 이용하여 이와 연결된 공공데이터를 수집하고 학습하여 송아지의 최종 도체형질예측 및 유전/환경정보를 제공할 수 있다.
본 발명의 일 실시예에 따른 AI 기반의 우시장 정보 제공 장치 및 방법은 최근에 거래된 우시장들의 유전정보과 가격정보를 수집하여 유사도가 높은 개체의 가격을 제공할 수 있다.
도 1은 본 발명에 따른 우시장 정보 제공 시스템을 설명하는 도면이다.
도 2는 도 1의 정보 제공 장치의 시스템 구성을 설명하는 도면이다.
도 3은 도 1의 정보 제공 장치의 기능적 구성을 설명하는 도면이다.
도 4는 본 발명에 따른 AI 기반의 우시장 정보 제공 방법을 설명하는 순서도이다.
도 5는 본 발명에 따른 도체성적 예측 결과를 제공하는 화면의 일 실시예를 설명하는 도면이다.
도 6은 본 발명에 따른 낙찰가 예측 결과를 제공하는 화면의 일 실시예를 설명하는 도면이다.
도 7은 본 발명에 따른 개체별 상세 정보를 제공하는 화면의 일 실시예를 설명하는 도면이다.
도 2는 도 1의 정보 제공 장치의 시스템 구성을 설명하는 도면이다.
도 3은 도 1의 정보 제공 장치의 기능적 구성을 설명하는 도면이다.
도 4는 본 발명에 따른 AI 기반의 우시장 정보 제공 방법을 설명하는 순서도이다.
도 5는 본 발명에 따른 도체성적 예측 결과를 제공하는 화면의 일 실시예를 설명하는 도면이다.
도 6은 본 발명에 따른 낙찰가 예측 결과를 제공하는 화면의 일 실시예를 설명하는 도면이다.
도 7은 본 발명에 따른 개체별 상세 정보를 제공하는 화면의 일 실시예를 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명에 따른 우시장 정보 제공 시스템을 설명하는 도면이다.
도 1을 참조하면, 우시장 정보 제공 시스템(100)은 사용자 단말(110), 정보 제공 장치(130), 데이터베이스(150) 및 외부 시스템(170)을 포함할 수 있다.
사용자 단말(110)은 우시장을 이용하는 사용자에 의해 운용되는 컴퓨팅 장치에 해당할 수 있다. 즉, 사용자는 사용자 단말(110)을 통해 송아지의 도체성적을 확인하거나 낙찰가 정보를 확인할 수 있다. 사용자 단말(110)은 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 사용자 단말(110)은 정보 제공 장치(130)와 네트워크를 통해 연결될 수 있고, 복수의 사용자 단말(110)들은 정보 제공 장치(130)와 동시에 연결될 수 있다. 또한, 사용자 단말(110)은 우시장 정보 제공 시스템(100)에 접속하여 관련 서비스를 이용할 수 있는 전용 프로그램 또는 어플리케이션을 설치하여 실행할 수 있다.
정보 제공 장치(130)는 한우 또는 송아지 개체들의 데이터를 수집하여 DB를 구축하고 AI를 통해 도체성적 또는 낙찰가를 예측하여 제공할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 정보 제공 장치(130)는 사용자 단말(110)과 유선 네트워크 또는 블루투스, WiFi 등과 같은 무선 네트워크로 연결될 수 있고, 네트워크를 통해 사용자 단말(110)과 데이터를 송·수신할 수 있다. 또한, 정보 제공 장치(130)는 데이터의 수집 또는 추가 기능의 제공을 위하여 외부 시스템(170)과 연동하여 동작할 수도 있다.
데이터베이스(150)는 정보 제공 장치(130)의 동작 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 데이터베이스(150)는 한우 또는 송아지 개체의 도체성적, 낙찰가, 혈통에 관한 데이터를 저장할 수 있고, 도체성적 예측을 위한 학습 알고리즘, 학습 데이터 및 학습 모델을 저장할 수 있으며, 반드시 이에 한정되지 않고, 정보 제공 장치(130)가 AI 기반의 정보를 수집, 분석 및 생성하는 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
외부 시스템(170)은 정보 제공 장치(130)와 연동하여 AI 큐레이션 서비스를 제공하기 위한 부가적인 기능을 제공하거나 또는 관련 데이터를 제공할 수 있는 컴퓨팅 장치 또는 서버에 해당할 수 있다. 예를 들어, 외부 시스템(170)은 공공기관에서 운영하는 공개 DB 서버에 해당할 수 있다. 대표적으로, 축산물품질평가원, 농촌진흥청, 한국종축개량협회, 우시장 홈페이지 등에 해당할 수 있다. 또한, 외부 시스템(170)은 사용자 인증을 위한 인증 시스템, 비용 결제를 위한 시스템, 클라우드 플랫폼 구축을 위한 클라우드 시스템 등을 포함할 수 있다.
도 2는 도 1의 정보 제공 장치의 시스템 구성을 설명하는 도면이다.
도 2를 참조하면, 정보 제공 장치(130)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함하여 구현될 수 있다.
프로세서(210)는 정보 제공 장치(130)가 동작하는 과정에서의 각 단계들을 처리하는 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(210)는 정보 제공 장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 정보 제공 장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Drive) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 정보 제공 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
사용자 입출력부(250)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(250)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 정보 제공 장치(130)는 독립적인 서버로서 수행될 수 있다.
네트워크 입출력부(270)은 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.
도 3은 도 1의 정보 제공 장치의 기능적 구성을 설명하는 도면이다.
도 3을 참조하면, 정보 제공 장치(130)는 데이터 수집부(310), 데이터 구축부(330), 개체 정보 수신부(350), 도체성적 예측부(370), 낙찰가 예측부(390) 및 제어부(도 3에 미도시함)를 포함할 수 있다.
데이터 수집부(310)는 한우 개체들의 도체 데이터, 유전 데이터 및 낙찰가 데이터를 수집할 수 있다. 이를 위하여, 정보 제공 장치(130)는 외부 시스템(170)과 연동하도록 구현될 수 있다. 예를 들어, 외부 시스템(170)은 종축개량협회, 축산물품질평가원, 농천진흥청 등 농축산식품 유관 기관을 포함할 수 있다. 특히, 해당 기관들은 약 30년 이상의 기간동안 개체데이터를 관리하고 보관하여 왔으며, 관련 정보를 공개하여 제공하고 있어 데이터 수집부(310)에 의한 데이터 수집이 성공적으로 수행될 수 있다.
일 실시예에서, 데이터 수집부(310)는 수집된 데이터를 유형별로 분류할 수 있고, 유효 데이터 필터링 및 정상 범위의 데이터 추출 등의 전처리 연산을 통해 우시장 정보의 AI 큐레이션을 위한 기초 데이터를 획득할 수 있다. 보다 구체적으로, 데이터 수집부(310)는 한우 또는 송아지 개체 별로 고유하게 부여된 개체식별번호를 기초로 다양한 외부 시스템(170)들에서 관련 정보를 획득할 수 있으며, 개체식별번호를 기초로 데이터 통합을 위한 동작들을 수행할 수 있다. 데이터 수집부(310)에 의해 수집된 데이터들은 데이터베이스(150)에 저장되어 관리될 수 있으며, 필요에 따라 독립적인 DB들로 구성되고 상호 연동하여 동작하도록 구현될 수 있다.
데이터 구축부(330)는 도체 데이터, 유전 데이터 및 낙찰가 데이터를 기초로 도체성적 예측을 위한 학습 모델 및 낙찰가 예측을 위한 낙찰가 DB를 구축할 수 있다. 보다 구체적으로, 데이터 구축부(330)는 도체 데이터와 유전 데이터를 기초로 도체성적 예측을 위한 학습 모델을 구축할 수 있다. 이때, 학습에 사용되는 학습 알고리즘은 ANN, XGBOOST, REGRESSION TREE 등 복수의 알고리즘들을 동시에 사용하는 앙상블 알고리즘을 포함할 수 있다. 데이터 구축부(330)는 수집된 데이터에서 학습 데이터를 생성할 수 있으며, 이 과정에서 특징 정보를 추출(feature engineering)하여 활용할 수 있다.
한편, 학습에 사용되는 학습 데이터는 축산물품질평가원의 축산물등급판정정보, 축산물등급판정확인서, 축산물등급판정통계를 기초로 생성될 수 있고, 농촌진흥청의 유전능력평가정보 및 기상데이터를 기초로 생성될 수 있다. 데이터 구축부(330)는 각 개체 이력제에 맞는 도체성적 및 유전성적 데이터를 추출하여 학습 데이터를 구성할 수 있다. 데이터 구축부(330)에 의해 구축된 도체성적 예측을 위한 학습 모델은 한우 송아지 개체의 육종가 정보와 혈통정보를 입력하면 출하 시(예를 들어, 30개월령 또는 28개월령 기준) 도체중, 근내지방, 등심단면적 및 등지방두께에 관한 정보를 출력으로 생성하도록 동작할 수 있다.
또한, 데이터 구축부(330)는 각 우시장 홈페이지에서 수집된 우시장 출품우들의 기초정보 및 개체별 낙찰가 정보를 기초로 낙찰가 DB를 구축할 수 있다. 이때, 기초정보는 이력제 데이터와 육종가 정보를 포함할 수 있다. 데이터 구축부(330)는 학습 모델과 별도로 낙찰가 예측을 위한 낙찰가 DB를 독립적인 DB로서 구축할 수 있고, 데이터베이스(150)를 통해 관리할 수 있다.
개체 정보 수신부(350)는 특정 송아지 개체의 육종가 정보와 혈통정보를 수신할 수 있다. 이때, 육종가 정보는 도체중, 근내지방, 등심단면적 및 등지방두께 중 적어도 하나를 포함할 수 있고, 혈통정보는 부계 정보, 모계정보 및 형매정보 중 적어도 하나를 포함할 수 있다. 이를 위해, 개체 정보 수신부(350)는 관련 정보 입력을 위한 인터페이스를 사용자 단말(110)을 통해 제공할 수 있으며, 사용자 단말(110)은 전용 프로그램 또는 전용 어플리케이션을 통해 해당 인터페이스를 제공하도록 구현될 수 있다. 또한, 해당 인터페이스는 웹 기반 플랫폼으로 구현될 수 있고, 사용자는 웹페이지를 통해 자유롭게 접근하여 관련 정보를 입력하고 해당 서비스를 이용할 수 있다.
도체성적 예측부(370)는 육종가 정보와 혈통정보를 학습 모델에 적용하여 특정 송아지 개체의 출하 시 도체성적을 예측할 수 있다. 이때, 송아지의 출하 시기는 설정에 따라 변경될 수 있으나, 통상적으로는 30월령을 기준으로 설정될 수 있다. 도체성적 예측부(370)는 사용자로부터 입력된 송아지 개체의 육종가 정보와 혈통정보를 각각 학습 모델의 입력으로 제공하여 예측 결과로서 출하 시 도체성적을 획득할 수 있다. 결과적으로, 송아지 개체의 현재 육종가 정보(도체중, 근내지방, 등심단면적, 등지방두께)와 혈통정보(부계, 모계 정보 및 형매정보)를 입력하면 출하 시 도체중, 근내지방, 등심단면적, 등지방두께의 예측치를 결과로서 획득할 수 있다.
일 실시예에서, 도체성적 예측부(370)는 특정 송아지 개체의 30개월령 기준 도체중, 근내지방, 등심단면적 및 등지방두께에 관한 최소값 및 최대값을 각각 예측할 수 있다. 즉, 송아지 개체는 단순히 신체적, 유전적 특징 뿐만 아니라 사육 환경에 따라 성장율이 달라지는 점에서, 도체성적 예측부(370)는 다양한 표본들로부터 예측 가능한 범위 정보를 결과로서 제공할 수 있다. 또한, 도체성적 예측부(370)는 예측된 최소 및 최대값의 평균, 평균차(하한 및 상한)에 관한 정보를 추가적으로 제공할 수 있다.
또한, 도체성적 예측부(370)는 선택적으로 각 부위 별로 도체중량을 예측하여 제공할 수 있다. 예를 들어, 도체성적 예측부(370)는 갈비, 꼬리, 등김, 목심, 사곡, 사태 등 각 부위 별로 예측된 최소 및 최대 값 정보를 예측 결과로서 제공할 수 있다.
낙찰가 예측부(390)는 육종가 정보를 기초로 특정 송아지 개체의 낙찰가를 예측할 수 있다. 즉, 낙찰가 예측부(390)는 사용자가 입력한 송아지 개체의 육종가 정보를 기초로 가장 유사한 한우 개체들의 낙찰가 예측 정보를 결과로서 제공할 수 있다.
일 실시예에서, 낙찰가 예측부(390)는 육종가 정보를 기초로 낙찰가 DB에 저장된 개체들과의 유사도 분석을 통해 개체 리스트를 생성할 수 있다. 즉, 낙찰가 예측부(390)는 입력된 정보를 기준으로 가장 유사한 개체들을 선별하고 유사도에 따른 순위를 기준으로 정렬된 결과를 제공할 수 있다. 여기에서, 개체 리스트는 입력된 정보를 기준으로 가장 유사한 개체들에 관한 정보를 포함할 수 있다.
일 실시예에서, 낙찰가 예측부(390)는 육종가 정보의 형질 별로 가중치를 적용하여 개체 간의 유클리디언 거리를 유사도로서 산출하고, 유사도를 기준으로 상위 n(상기 n은 자연수) 개의 개체들에 대해 개체번호, 육종가 정보, 혈통정보 및 낙찰가 정보를 포함하는 개체 리스트를 생성할 수 있다.
보다 구체적으로, 낙찰가 예측부(390)는 육종가의 형질(예를 들어, 도체중, 등심단면적, 등지방두께, 근내지방)에 대해 각각 1 내지 5 사이의 가중치를 부여할 수 있고, 각각 부여된 가중치에 따라 전체 유사도를 산출하여 유사도 상위 30 개체들에 관한 개체 리스트를 생성할 수 있다. 이때, 개체 리스트는 개체 별로 개체식별번호, 육종가 정보, 혈통정보 및 낙찰가 정보를 포함할 수 있다. 또한, 개체 리스트는 해당 개체의 경매일, 거래된 우시장 정보 등을 더 포함할 수 있다.
제어부(도 3에 미도시함)는 정보 제공 장치(130)의 전체적인 동작을 제어하고, 데이터 수집부(310), 데이터 구축부(330), 개체 정보 수신부(350), 도체성적 예측부(370) 및 낙찰가 예측부(390) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 본 발명에 따른 AI 기반의 우시장 정보 제공 방법을 설명하는 순서도이다.
도 4를 참조하면, 정보 제공 장치(130)는 데이터 수집부(310)를 통해 한우 개체들의 도체 데이터, 유전 데이터 및 낙찰가 데이터를 수집할 수 있다(단계 S410). 정보 제공 장치(130)는 데이터 구축부(330)를 통해 도체 데이터, 유전 데이터 및 낙찰가 데이터를 기초로 도체성적 예측을 위한 학습 모델 및 낙찰가 예측을 위한 낙찰가 DB를 구축할 수 있다(단계 S430).
또한, 정보 제공 장치(130)는 개체 정보 수신부(350)를 통해 특정 송아지 개체의 육종가 정보와 혈통정보를 수신할 수 있다(단계 S450). 정보 제공 장치(130)는 도체성적 예측부(370)를 통해 육종가 정보와 혈통정보를 학습 모델에 적용하여 특정 송아지 개체의 출하 시 도체성적을 예측할 수 있다(단계 S470). 정보 제공 장치(130)는 낙찰가 예측부(390)를 통해 육종가 정보를 기초로 특정 송아지 개체의 낙찰가를 예측할 수 있다(단계 S490).
일 실시예에서, 정보 제공 장치(130)는 구축된 데이터베이스(150)를 기초로 각 개체별 상세 정보를 제공할 수 있다. 즉, 한우 또는 송아지 개체들은 개체식별코드(또는 개체코드, 식별코드)를 통해 구분될 수 있으며, 도체중, 등심단면적, 등지방두께, 근내지방, 유전능력, 성별, 계대, 등록구분, 생년월일, 월령, 부, 외조부, 모 등의 정보를 포함할 수 있다. 이때, 부, 외조부 및 모에 관한 정보는 개체코드로서 제공될 수 있고, 각 개체식별코드는 외부 링크를 포함하여 사용자의 선택에 따라 외부 시스템(170)에서 제공하는 상제 정보 페이지로 접속할 수 있다.
일 실시예에서, 정보 제공 장치(130)는 개체별 육종가 정보에 대한 시각화된 그래픽(710)을 제공할 수 있다. 예를 들어, 정보 제공 장치(130)는 각 유전형질, 즉 도체중, 등심단면적, 등지방두께 및 근내지방 별로 구체적인 수치 값을 제공할 수 있으며, 수치 값에 따라 결정되는 우수성 등급 별로 다양한 색상으로 표현할 수 있다. 즉, 사용자는 개체별 유전형질에 관한 정보를 시각적으로 인지할 수 있다. 예를 들어, 특정 유전형질의 수치 값에 따라 우수성이 높은 등급일수록 진한 녹색으로 표현될 수 있고, 우수성이 낮은 등급일수록 진한 빨간색으로 표현될 수 있다(도 7 참조).
일 실시예에서, 정보 제공 장치(130)는 개체별 검색 정보 또는 예측 정보에 대한 다운로드 기능을 제공할 수 있다. 사용자는 개체별 상세 정보에 대한 기록이나 예측 정보에 대한 기록을 선택적으로 다운로드할 수 있고, 다운로드된 데이터는 엑셀 형식의 파일로 저장될 수 있다.
일 실시예에서, 정보 제공 장치(130)는 지역별, 우시장별, 기간별 출품우 요약 정보를 제공할 수 있다. 예를 들어, 정보 제공 장치(130)는 출품우 요약 페이지를 통해 출품우들의 성별, 송아지 유무에 따른 통계 정보를 제공할 수 있다. 이때, 통계 정보는 출품두수, 평균월령, 평균근내, 최대근내, 평균도체중 및 최대도체중 등을 포함할 수 있다. 또한, 출품우 요약 페이지에는 기초우 비율에 관한 정보와 형질별 분포 그래프를 제공할 수 있다. 예를 들어, 분포 그래프는 도체중별 개체수 분포, 등심단면적별 개체수 분포 등을 포함할 수 있다.
도 5는 본 발명에 따른 도체성적 예측 결과를 제공하는 화면의 일 실시예를 설명하는 도면이다.
정보 제공 장치(130)는 AI 학습을 통해 구축된 학습 모델을 통해 도체성적을 예측하여 제공할 수 있다. 사용자는 송아지 개체의 육종가 정보와 혈통정보를 입력하여 해당 송아지 개체의 출하 시 도체성적에 관한 예측 정보를 확인할 수 있다. 이때, 예측 정보는 육종가 정보의 형질 별로 예측 상한치와 하한치(510)가 제공될 수 있다.
한편, 예측 정보와 함께 해당 송아지 개체의 가족 개체들의 도체 등급 판정 기록(530)이 제공될 수 있다. 도체 등급 판정 기록(530)에는 관계, 개체식별번호, 판정성별, 도체중량, 육량등급, 육량지수, 육질등급, 판정등급 및 판정일자를 포함할 수 있고, 개체식별번호는 외부 링크를 포함하여 사용자가 해당 링크를 선택하면 축산물 이력시스템의 세부 이력정보에 접근하거나 또는 한국종축개량협회의 개체정보에 접근할 수 있다.
도 6은 본 발명에 따른 낙찰가 예측 결과를 제공하는 화면의 일 실시예를 설명하는 도면이다.
도 6을 참조하면, 정보 제공 장치(130)는 송아지 개체의 육종가 정보를 기초로 낙찰가를 예측하여 제공할 수 있다. 이를 위해, 정보 제공 장치(130)는 사전에 낙찰가 DB를 별도로 구축하여 활용할 수 있으며, 낙찰가에 관한 예측 정보는 입력된 송아지 개체와 가장 유사한 개체들의 낙찰가 정보를 포함할 수 있다.
한편, 정보 제공 장치(130)는 육종가 정보의 형질 별로 가중치를 적용하여 예측된 낙찰가 정보를 생성할 수 있다(610). 사용자는 각 형질에 대해 1 내지 5의 가중치를 부여할 수 있고, 이에 따라 사용자에게 최적화된 맞춤형 예측 정보가 생성될 수 있다.
도 6a 및 6b에서, 낙찰가에 관한 예측 정보는 유사도 순서에 따라 정렬되어 제공될 수 있으며, 각 개체에 관한 개체코드를 통해 외부 링크로 연결된 세부 정보에 접근할 수 있다(630). 사용자는 최근 우시장 거래정보를 바탕으로 유전능력이 가장 비슷한 개체의 낙찰가(650) 정보를 손쉽게 확인함으로써 송아지의 적정 구매 가격을 추정하여 송아지 거래를 진행할 수 있다. 또한, 각 개체별 예측 정보는 해당 송아지의 혈통 정보(670)로서 부, 외조부 개체의 개체코드를 포함할 수 있고, 사용자는 특정 개체의 외부 링크를 선택하여 해당 개체의 세부 정보에 접근할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 우시장 정보 제공 시스템
110: 사용자 단말 130: 정보 제공 장치
150: 데이터베이스 170: 외부 시스템
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 데이터 수집부 330: 데이터 구축부
350: 개체 정보 수신부 370: 도체성적 예측부
390: 낙찰가 예측부
110: 사용자 단말 130: 정보 제공 장치
150: 데이터베이스 170: 외부 시스템
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 데이터 수집부 330: 데이터 구축부
350: 개체 정보 수신부 370: 도체성적 예측부
390: 낙찰가 예측부
Claims (6)
- 한우 개체들의 도체 데이터, 유전 데이터 및 낙찰가 데이터를 수집하는 데이터 수집부;
상기 도체 데이터, 상기 유전 데이터 및 상기 낙찰가 데이터를 기초로 도체성적 예측을 위한 학습 모델 및 낙찰가 예측을 위한 낙찰가 DB를 구축하는 데이터 구축부;
특정 송아지 개체의 육종가 정보와 혈통정보를 수신하는 개체 정보 수신부;
상기 육종가 정보와 혈통정보를 상기 학습 모델에 적용하여 상기 특정 송아지 개체의 출하 시 도체성적을 예측하는 도체성적 예측부; 및
상기 육종가 정보를 기초로 상기 특정 송아지 개체의 낙찰가를 예측하는 낙찰가 예측부를 포함하는 AI 기반의 우시장 정보 제공 장치.
- 제1항에 있어서,
상기 육종가 정보는 도체중, 근내지방, 등심단면적 및 등지방두께 중 적어도 하나를 포함하고,
상기 혈통정보는 부계 정보, 모계정보 및 형매정보 중 적어도 하나를 포함하는 것을 특징으로 하는 AI 기반의 우시장 정보 제공 장치.
- 제1항에 있어서, 상기 도체성적 예측부는
상기 특정 송아지 개체의 30개월령 기준 도체중, 근내지방, 등심단면적 및 등지방두께에 관한 최소값 및 최대값을 각각 예측하는 것을 특징으로 하는 AI 기반의 우시장 정보 제공 장치.
- 제1항에 있어서,
상기 낙찰가 DB는 각 우시장별 출품우들의 기초 정보와 낙찰가 정보를 기초로 구축되고,
상기 낙찰가 예측부는 상기 육종가 정보를 기초로 상기 낙찰가 DB에 저장된 개체들과의 유사도 분석을 통해 개체 리스트를 생성하는 것을 특징으로 하는 AI 기반의 우시장 정보 제공 장치.
- 제4항에 있어서, 상기 낙찰가 예측부는
상기 육종가 정보의 형질 별로 가중치를 적용하여 개체 간의 유클리디언 거리를 유사도로서 산출하고 상기 유사도를 기준으로 상위 n(상기 n은 자연수) 개의 개체들에 대해 개체번호, 육종가 정보, 혈통정보 및 낙찰가 정보를 포함하는 개체 리스트를 생성하는 것을 특징으로 하는 AI 기반의 우시장 정보 제공 장치.
- 한우 개체들의 도체 데이터, 유전 데이터 및 낙찰가 데이터를 수집하는 단계;
상기 도체 데이터, 상기 유전 데이터 및 상기 낙찰가 데이터를 기초로 도체성적 예측을 위한 학습 모델 및 낙찰가 예측을 위한 낙찰가 DB를 구축하는 단계;
특정 송아지 개체의 육종가 정보와 혈통정보를 수신하는 단계;
상기 육종가 정보와 혈통정보를 상기 학습 모델에 적용하여 상기 특정 송아지 개체의 출하 시 도체성적을 예측하는 단계; 및
상기 육종가 정보를 기초로 상기 특정 송아지 개체의 낙찰가를 예측하는 단계를 포함하는 AI 기반의 우시장 정보 제공 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200169454A KR102495607B1 (ko) | 2020-12-07 | 2020-12-07 | Ai 기반의 우시장 정보 제공 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200169454A KR102495607B1 (ko) | 2020-12-07 | 2020-12-07 | Ai 기반의 우시장 정보 제공 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220080398A true KR20220080398A (ko) | 2022-06-14 |
KR102495607B1 KR102495607B1 (ko) | 2023-02-06 |
Family
ID=81980247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200169454A KR102495607B1 (ko) | 2020-12-07 | 2020-12-07 | Ai 기반의 우시장 정보 제공 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102495607B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102595842B1 (ko) * | 2022-06-20 | 2023-10-30 | (주)엠트리센 | 인공지능 기반 모돈을 위한 사료 공급량 제어 및 그 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100005425A (ko) | 2008-07-07 | 2010-01-15 | 유순년 | 한우 정육 및 부산물의 이력추적 시스템 및 그 방법 |
KR20190128589A (ko) * | 2018-05-08 | 2019-11-18 | (주)씽크포비엘 | 기계학습 예측 모델에 기초한 최적의 소 출하 시점 결정 방법 |
JP6686208B1 (ja) * | 2019-04-19 | 2020-04-22 | ヤフー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
-
2020
- 2020-12-07 KR KR1020200169454A patent/KR102495607B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100005425A (ko) | 2008-07-07 | 2010-01-15 | 유순년 | 한우 정육 및 부산물의 이력추적 시스템 및 그 방법 |
KR20190128589A (ko) * | 2018-05-08 | 2019-11-18 | (주)씽크포비엘 | 기계학습 예측 모델에 기초한 최적의 소 출하 시점 결정 방법 |
JP6686208B1 (ja) * | 2019-04-19 | 2020-04-22 | ヤフー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102595842B1 (ko) * | 2022-06-20 | 2023-10-30 | (주)엠트리센 | 인공지능 기반 모돈을 위한 사료 공급량 제어 및 그 장치 |
Also Published As
Publication number | Publication date |
---|---|
KR102495607B1 (ko) | 2023-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019214248A1 (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
US20180253657A1 (en) | Real-time credit risk management system | |
WO2018126953A1 (zh) | 种子人群扩散方法、装置、信息投放系统以及存储介质 | |
Alostad et al. | Directional prediction of stock prices using breaking news on twitter | |
KR102286415B1 (ko) | 제품수명주기에 따른 수명주기별 온라인과 오프라인 정보분석 서비스 시스템 | |
US20070226099A1 (en) | System and method for predicting the financial health of a business entity | |
Ridge et al. | The use of big data analytics in the retail industries in South Africa | |
CN112148973B (zh) | 一种信息推送的数据处理方法及装置 | |
US20230306449A1 (en) | Pre-processing financial market data prior to machine learning training | |
CN108549973B (zh) | 识别模型构建及评估的方法、装置、存储介质及终端 | |
CN105225135B (zh) | 潜力客户识别方法以及装置 | |
CN113742492B (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
Molinos-Senante et al. | Accounting for service quality to customers in the efficiency of water companies: evidence from England and Wales | |
KR20220093511A (ko) | 가축 정보를 이용한 온실가스 감축 인증 및 탄소배출권 거래 방법과, 그 시스템 | |
JP2018536947A (ja) | ターゲットクラスタリング手法を利用して、属性タイプが混合した顧客をセグメント化するためのシステムおよび方法 | |
CN111756837A (zh) | 信息推送方法、装置、设备及计算机可读存储介质 | |
CN114997916A (zh) | 潜在用户的预测方法、系统、电子设备和存储介质 | |
Boz et al. | Reassessment and monitoring of loan applications with machine learning | |
KR102495607B1 (ko) | Ai 기반의 우시장 정보 제공 장치 및 방법 | |
Liu et al. | Extracting, ranking, and evaluating quality features of web services through user review sentiment analysis | |
KR102594089B1 (ko) | B2b 시장을 위한 인공지능 기반 식자재 자동 발주 서비스 제공 시스템 | |
Lo et al. | An emperical study on application of big data analytics to automate service desk business process | |
CN115098698A (zh) | 一种构建知识图谱中Schema模型的方法及装置 | |
CN110737749B (zh) | 创业计划评价方法、装置、计算机设备及存储介质 | |
CN113837843A (zh) | 产品推荐方法、装置、介质及电子设备 |
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 |