KR20230019355A - 이력 기반 인공지능형 이상행동 탐지 시스템 - Google Patents

Abstract

본 발명은 이력 기반 인공지능형 이상행동 탐지 시스템에 관한 것이다.
본 발명은 가축에 설치되어, 가축의 활동 데이터를 수집하는 데이터 수집부; 데이터 수집부에 의해 수집되는 가축의 활동 데이터 중 가축의 이상 여부를 비교하기 위해, 일정 기간 단위로 수집한 가축의 활동 데이터를 기설정된 기간 동안 수집하여 주기 활동 데이터로 저장하는 주기 활동 데이터 생성부; 데이터 수집부에 의해 수집되는 가축의 활동 데이터를 일정 기간 단위로 업데이트하여 이력 데이터를 생성하는 이력 데이터 생성부; 및 주기 활동 데이터 설정부에 의해 수집된 주기 활동 데이터와 이력 데이터 설정부에 의해 일정 기간 단위로 업데이트된 이력 데이터간 유사도에 따라 가축의 정상 및 비정상을 판단하는 이상 판단부를 포함한다.

Description

이력 기반 인공지능형 이상행동 탐지 시스템{History-based artificial intelligence abnormal behavior detection system}

본 발명은 가축의 스트레스나 질병으로 인해 발생하는 이상행동을 탐지할 수 있는 이력 기반 인공지능형 이상행동 탐지 시스템에 관한 것이다.

소의 이상행동이란 질병이나 스트레스로 인하여 너무 많이 걷는다거나, 너무 많이 뛴다거나, 너무 많이 잔다거나 하는 행동들을 의미한다.

현재의 소 이상행동 탐지하는 시스템은 사람이 직접 혹은 CCTV를 통해 관찰하고 사람이 이상행동을 판정한다.

한편, 인공지능을 활용한 이상행동 탐지 기술은 낮은 정확도로 인해 실제 농가에 적용이 어려운 연구단계 수준이다.

그리고, 실제 농가에 적용이 어려운 이유는 인공지능 기술에 필요한 학습데이터 구성이 어려운 두가지 요인이 있다.

첫 번째로는 소와 같은 생물은 데이터의 정의가 어렵다.

나이, 종, 성격, 사육 환경과 같은 요소에 따라 같은 일반적인 행동 데이터라도 데이터가 다를 수 있다.

종래의 기법은 매우 큰 규모의 데이터셋트를 구성하여 이러한 요소들을 일반화하여 분류하지만, 이는 데이터간의 괴리를 생성하여 정확도를 떨어뜨린다.

예를 들면 방목형 목장과 공장식 목장에서의 소가 걷는 시간과 누워있는 시간의 행동 데이터는 차이가 난다.

이를 하나의 일반적인 행동 데이터로 학습시킬 경우 인공지능의 판단 정확도는 떨어지게 된다.

이러한 괴리율을 줄이기 위해 각 데이터를 모두 정의하고 요소에 따라 모든 경우의 수를 수집하는 것은 시간과 비용의 문제가 발생한다.

두 번째로는 이상행동 분류를 위한 학습 데이터 수집이 어렵다. 인공지능 기술의 학습데이터는 각 분류 항목당 비슷한 비율을 유지해야 정확하게 분류할 수 있다고 가이드 되어지고 있다.

실제 농장 환경에서 수집할 수 있는 소의 데이터는 대부분이 일반적인 행동 데이터이고, 이중에서 이상행동을 보이는 데이터는 극히 일부에 불과하다. 일반화를 수행할 만큼의 이상행동 데이터를 수집하는 것은 매우 어려운 일이다.

이러한 비율을 유지하기 위해 유사패턴으로 페이크로 데이터셋트를 생성하는 방법도 있지만 한계가 있는 문제점이 있다.

본 발명은 종래 문제점을 해결하기 위해 안출된 것으로, 이상행동 판정의 대상이 되는 개체의 이력 데이터를 인공지능 기법을 통해 학습하는 것으로, 소의 나이, 종, 성격, 사육 환경과 관계없이 효율적으로 이상행동을 탐지할 수 있는 인공지능 시스템을 제공하고자 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 이력 기반 인공지능형 이상행동 탐지 시스템은 가축에 설치되어, 가축의 활동 데이터를 수집하는 데이터 수집부, 상기 데이터 수집부에 의해 수집되는 가축의 활동 데이터 중 가축의 이상 여부를 비교하기 위해, 일정 기간 단위로 수집한 가축의 활동 데이터를 기설정된 기간 동안 수집하여 주기 활동 데이터로 저장하는 주기 활동 데이터 생성부, 상기 데이터 수집부에 의해 수집되는 가축의 활동 데이터를 일정 기간 단위로 업데이트하여 이력 데이터를 생성하는 이력 데이터 생성부, 및 상기 주기 활동 데이터 설정부에 의해 수집된 주기 활동 데이터와 상기 이력 데이터 설정부에 의해 일정 기간 단위로 업데이트된 이력 데이터간 유사도에 따라 가축의 정상 및 비정상을 판단하는 이상 판단부를 포함한다.

본 발명의 일 실시예에 따르면, 건강을 분석하고자 하는 대상의 데이터를 수집하여 학습하는 방법을 사용함으로써, 종래 기법의 데이터 수집의 어려움(실제 수집하는 물리적인 노력과 시간, Class-Imbalance), 데이터의 환경 의존성으로 인한 낮은 정확도와 같은 문제를 해결하고 실제 환경에 적용할 수 있는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 이력 기반 인공지능형 이상행동 탐지 시스템을 설명하기 위한 구성블록도.
도 2는 도 1의 데이터 수집부에 의해 수집되는 데이터 구조를 설명하는 참조도.
도 3은 본 발명의 데이터 수집부에 의해 수집되는 활동 데이터와 이력 데이터의 구조를 설명하기 위한 참고도.
도 4는 본 발명의 다른 실시예에 따른 이력 기반 인공지능형 이상행동 탐지 시스템을 설명하기 위한 구성블록도.
도 5는 본 발명의 또 다른 실시예에 다른 이력 기반 인공지능형 이상행동 탐지 시스템을 설명하기 위한 구성블록도이다.

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 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 한편, 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 구성소자, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

도 1은 본 발명의 일 실시예에 따른 이력 기반 인공지능형 이상행동 탐지 시스템을 설명하기 위한 구성블록도이다.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 이력 기반 인공지능형 이상행동 탐지 시스템은 데이터 수집부(110), 주기 활동 데이터 생성부(120), 이력 데이터 생성부(130) 및 이상 판단부(140)를 포함한다.

데이터 수집부(110)는 가축에 설치되어, 가축의 활동 데이터를 수집한다. 본 실시예에서는 도 2에 도시된 바와 같이, 가속도 센서(자이로 센서 포함)를 이용하며, x, y, z 3축의 활동 데이터를 수집한다. 여기서 3축의 활동 데이터의 구조는 “가속도 데이터인 Acc_X. Acc_Y 및 Acc_Z와 각속도 데이터인 Gyro_X, Gyro_Y 및 Gyro_Z와 데이터 시간(Datetime)”과 같은 구조를 가진다.

주기 활동 데이터 생성부(120)는 데이터 수집부(110)에 의해 수집되는 가축의 활동 데이터 중 가축의 이상 여부를 비교하기 위해, 상기 수집되는 가축의 활동 데이터를 기설정된 기간 동안 수집하여 주기 활동 데이터로 저장한다. 본 실시예에서 가축의 활동 데이터를 수집하는 기설정된 기간은 시, 일, 주, 월 단위일 수 있다.

이력 데이터 생성부(130)는 데이터 수집부(110)에 의해 수집되는 가축의 활동 데이터를 일정 기간 단위로 업데이트하여 이력 데이터를 생성한다.

다만 본 발명의 일 실시예에서 생성되는 이력 데이터는 가축이 자라는 동안 데이터 수집부(110)를 통해 수집되는 활동 데이터가 시간 순으로 모두 저장될 수도 있고, 주기 활동 데이터와 동일한 기설정된 기간 단위로 업데이터 즉, 학습하는 방식으로 저장될 수도 있다.

만약, 활동 데이터가 시간 순으로 모두 저장되고, 활동 데이터가 일 단위로 생성되면, 이상 판단부(140)는 일 예로, 도 3에 도시된 바와 같이, 일 단위로 생성된 활동 데이터(1시)을 이력 데이터(2시)와 비교하여 가축의 이상 여부를 판단할 수 있다.

활동 데이터와 비교대는 대상을 한정하는 것은 아니나 전날 동일 시간대의 이력 데이터와 비교할 수도 있다.

한편, 이상 판단부(140)는 주기 활동 데이터 설정부에 의해 수집된 주기 활동 데이터와 상기 이력 데이터 설정부에 의해 일정 기간 단위로 업데이트된 이력 데이터간 유사도에 따라 가축의 정상 및 비정상을 판단한다.

만약, 주기 활동 데이터와 이력 데이터가 기설정된 데이터간 차이가 있으면, 가축을 비정상 상태로 판단하고, 주기 활동 데이터와 이력 데이터간 차이가 없으면, 가축의 상태를 정상으로 판단한다.

본 발명의 일 실시예에서의 주기 활동 데이터와 이력 데이터간 유사도는 일 예로, 데이터 패턴의 차이, 기설정된 가속도 초과 횟수, 기설정된 시간 가속도 0인 횟수 등 다양한 판단 기준이다.

한편, 본 발명의 일 실시예에서는 데이터 수집부(110)를 통해 가축의 수집된 활동 데이터를 별도의 활동 데이터베이스에 저장하고, 활동 데이터베이스에 저장된 활동 데이터를 파싱하여 비 실시간으로 분석할 수 있다.

도 4는 본 발명의 다른 실시예에 따른 이력 기반 인공지능형 이상행동 탐지 시스템을 설명하기 위한 구성블록도이다.

이를 위해, 본 발명의 일 실시예에서는 도 4에 도시된 바와 같이, 활동 데이터베이스에 저장된 3축의 활동 데이터를 주기 활동 데이터 단위로 분리하는 데이터 파싱부(160)를 더 포함한다.

이러한 데이터 파싱부(160)는 상기 활동 데이터베이스에 저장된 활동 데이터를 일정 주기로 분할한다.

이와 같이, 데이터 파싱부(160)에 의해 분리된 이력 데이터는 이력 데이터베이스에 저장되고, 분리된 주기 활동 데이터는 일정 주기 활동 데이터베이스에 각각 저장될 수 있다.

한편, 주기 활동 데이터 생성부(120)는 데이터 파싱부(160)에 의해 파싱된 가축의 활동 데이터 중 가축의 이상 여부를 비교하기 위해, 상기 수집되는 가축의 활동 데이터를 기설정된 기간 동안 수집하여 주기 활동 데이터로 저장한다. 본 실시예에서 가축의 활동 데이터를 수집하는 기설정된 기간은 시간, 일, 주간, 월간 단위를 이용할 수 있다.

이력 데이터 생성부(130)는 데이터 파싱부(160)에 의해 수집되는 가축의 활동 데이터를 일정 기간 단위로 업데이트하여 이력 데이터를 생성한다. 다만 본 발명의 일 실시예에서 생성되는 이력 데이터는 가축이 자라는 동안 데이터 수집부(110)를 통해 수집되는 데이터가 시간 순으로 모두 저장될 수도 있고, 주기 활동 데이터와 동일한 기설정된 기간 단위로 업데이터 즉, 일정한 주기의 학습 시간윈도우(Learning Timewindows)를 통해 학습하는 방식으로 저장될 수도 있다.

한편, 학습 시간윈도우(learning Timewindows)는 소의 성장 과정에서 오래된 데이터를 배제할 수 있다. 한편, 소는 성장하면서 움직임의 크기나 횟수가 달라지기 때문에 이를 반영하기 위해서 최근의 일정 주기만큼의 데이터를 학습하여 일반적인 행동 데이터로 정의한다.

이상 판단부(140)는 주기 활동 데이터 설정부에 의해 수집된 주기 활동 데이터와 상기 이력 데이터 설정부에 의해 일정 기간 단위로 업데이트된 이력 데이터간 유사도에 따라 가축의 정상 및 비정상을 판단한다. 만약, 주기 활동 데이터와 이력 데이터가 기설정된 데이터의 차이를 보이면, 가축이 현재 비정상 상태로 판단하고, 주기 활동 데이터와 이력 데이터가 기설정된 데이터의 차이를 보이지 않으면 가축의 상태를 정상으로 판단한다. 일 예로, 이상 판단부(140)는 주기 활동 데이터와 이력 데이터간 패턴의 차이를 통해 판단할 수도 있다.

본 발명의 다른 실시예에서는 수집되는 활동 데이터 중 주기 활동 데이터 단위의 주기 활동 데이터를 제외한 나머지 활동 데이터를 이력 데이터로 생성할 수도 있다.

그리고 분류 시간윈도우(Classification Timewindows)의 주기로 학습 시간윈도우(Learning Timewindows)를 나누어 인공지능이 학습하게 되고, 입력된 일정 주기 데이터에서 이상행동을 탐지한다.

한편, 이력 데이터베이스에 저장되는 이력 데이터를 학습시키는 이력 학습부(150)를 포함한다.

본 발명의 일 실시예에 따른 이력 학습부(150)는 분리된 주기 활동 데이터에서 정상 상태의 주기 활동 데이터만 이력 데이터에 학습시키는 Semi-supervised 방식을 이용한다.

이때, 이력 학습부(150)는 이력 기반 모델을 이용하여 이력 데이터를 학습시킬 수도 있다.

일정 주기 활동 데이터를 제외한 소 이력 데이터를 트레이닝시킨다. 학습을 통해 생성된 이력기반 모델을 사용하여 일정 주기 활동 데이터에서 이상 데이터를 탐지한다.

결과로는 정상 데이터를 의미하는 Normal과 비정상을 의미하는 Abnormally 값이 출력된다.

도 5는 본 발명의 또 다른 실시예에 따른 이력 기반 인공지능형 이상행동 탐지 시스템을 설명하기 위한 구성블록도이다.

도 5에 도시된 바와 같이, 본 발명의 다른 실시예에서는 수집된 데이터를 분석하기 위한 구성들이 서버(200)에 구비되어 운용된다.

데이터 수집부(110)는 가축에 설치되어 가축의 활동 데이터를 수집하고, 수집된 활동 데이터를 전송하기 위해 무선통신부(111)를 더 포함할 수 있다.

그리고, 가축을 사육하는 사육장의 일측에 이력 기반 모델을 기반으로 상기 무선 통신부에 의해 전송된 3축 활동 데이터를 이용하여 건강이상을 분석하는 서버(200)가 포함될 수 있다.

이러한 서버(200)에는 가축에 구비된 무선 통신부(111)로부터 전달되는 활동 데이터를 수신하는 무선 통신부(201)가 구비되고, 상기 일 실시예에서의 주기 활동 데이터 생성부(120), 이력 데이터 생성부(130) 및 이상 판단부(140)가 구비될 수 있다.

이에, 소에 설치된 데이터 수집부(110)를 통해 수집되는 가축의 활동 데이터를 막사 외부에 구비된 서버(200)에 제공하고, 서버(200)에서 가축의 활동 데이터와 이력 데이터를 비교하여 이상 여부를 판단할 수도 있다.

이상, 본 발명의 구성에 대하여 첨부 도면을 참조하여 상세히 설명하였으나, 이는 예시에 불과한 것으로서, 본 발명이 속하는 기술분야에 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 변형과 변경이 가능함은 물론이다. 따라서 본 발명의 보호 범위는 전술한 실시예에 국한되어서는 아니되며 이하의 특허청구범위의 기재에 의하여 정해져야 할 것이다.

Claims (1)

1. 가축에 설치되어, 가축의 활동 데이터를 수집하는 데이터 수집부;
   상기 데이터 수집부에 의해 수집되는 가축의 활동 데이터 중 가축의 이상 여부를 비교하기 위해, 일정 기간 단위로 수집한 가축의 활동 데이터를 기설정된 기간 동안 수집하여 주기 활동 데이터로 저장하는 주기 활동 데이터 생성부;
   상기 데이터 수집부에 의해 수집되는 가축의 활동 데이터를 일정 기간 단위로 업데이트하여 이력 데이터를 생성하는 이력 데이터 생성부; 및
   상기 주기 활동 데이터 설정부에 의해 수집된 주기 활동 데이터와 상기 이력 데이터 설정부에 의해 일정 기간 단위로 업데이트된 이력 데이터간 유사도에 따라 가축의 정상 및 비정상을 판단하는 이상 판단부를 포함하는 이력 기반 인공지능형 이상행동 탐지 시스템.

Images