KR20230071813A - 한우의 성장검사 자료 수집 장치 및 그 방법 - Google Patents
한우의 성장검사 자료 수집 장치 및 그 방법 Download PDFInfo
- Publication number
- KR20230071813A KR20230071813A KR1020210156487A KR20210156487A KR20230071813A KR 20230071813 A KR20230071813 A KR 20230071813A KR 1020210156487 A KR1020210156487 A KR 1020210156487A KR 20210156487 A KR20210156487 A KR 20210156487A KR 20230071813 A KR20230071813 A KR 20230071813A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- camera
- test data
- growth test
- measurement
- Prior art date
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000012010 growth Effects 0.000 title claims abstract description 25
- 238000013480 data collection Methods 0.000 title claims abstract description 20
- 235000015278 beef Nutrition 0.000 title claims description 18
- 238000005259 measurement Methods 0.000 claims abstract description 65
- 241000283690 Bos taurus Species 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 3
- 244000144972 livestock Species 0.000 claims description 23
- 230000006872 improvement Effects 0.000 claims description 14
- 238000009395 breeding Methods 0.000 claims description 9
- 230000001488 breeding effect Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000037237 body shape Effects 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000003014 reinforcing effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 5
- 230000006698 induction Effects 0.000 description 13
- 230000037396 body weight Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 235000013372 meat Nutrition 0.000 description 6
- 230000002068 genetic effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010223 real-time analysis Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000021051 daily weight gain Nutrition 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000003307 slaughter Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 230000009027 insemination Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000002239 ischium bone Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000019629 palatability Nutrition 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001991 scapula Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 210000001835 viscera 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
- F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
- F16M11/20—Undercarriages with or without wheels
- F16M11/22—Undercarriages with or without wheels with approximately constant height, e.g. with constant length of column or of legs
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
- F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
- F16M11/42—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters with arrangement for propelling the support stands on wheels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/243—Image signal generators using stereoscopic image cameras using three or more 2D image sensors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Husbandry (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Environmental Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
한우의 성장검사 자료 수집 장치 및 그 방법이다. 유도로 내에 피측정물(가축)이 정위치하는 특정 공간을 회피하여 구성하는, 여러 개의 카메라를 구비하기 위한 구조물 형태의 측정 장치 본체, 이 본체는 소정 형태의 구조물을 이루기 위하여 여러 개의 프레임이 XYZ 방향으로 적절하게 접합된 형상을 이루며, 이 구조물의 여러 부위에, 피측정물의 특정 부위에 대응하여 촬영하기 위하여 부착되는 n개의 카메라와, 이 카메라로부터 촬영된 데이터를 전송받아 처리하는 서버와, 결과물을 출력하는 디스플레이를 포함한다. 따라서 비접촉식으로 체중과 체척을 측정하는 기술을 적용하므로, 농가단위 능력검정이 가능하고, 한우 체중 및 체척 측정 자동화 시스템을 제공하기 때문에, 농가단위 능력검정 시스템이 확보되고 개량체계를 구축하는 효과가 있다.
Description
본 발명은 한우의 검사 장치 및 그 방법에 관한 것으로, 특히 3D 스캔 데이터와 실측 데이터를 수집하여 검정소 체중·체척 자동 측정 프로그램을 제공하여 축산농가의 편의와 검정환경을 개선하는 한우의 성장검사 자료 수집 장치 및 그 방법에 관한 것이다.
기원전 2000여 년 전부터 가축으로 사육하여 오늘에 이르고 있는 한우는, 대한민국 고유문화의 상징이자 경축순환(耕畜循環)의 표준모델이고, 고유의 유전형질과 순수혈통을 유지하고 있는 축산 품종이며 민족문화의 상징으로도 인정받고 있다. 한우산업은 전체 11만 축산농가의 80%, 축산업 생산액의 약 25%이고, 2021년 기준 한우 사육 마릿수는 338만 마리이고 산지가격은 6~7개월령에 암송아지 373만원, 수송아지 456만원으로 농촌경제의 중대 항목이다.
한우는 고기를 생산하는 품종으로 체중과 체척(體尺: 가축의 체형을 객관적으로 기록하고 심사하기 위하여 몸의 여러 부위를 측정하는 일)이 성장과 육량을 결정짓는 주요형질이다. 특히 12개월령 체중의 경우 유전적으로 도체중(屠體重: 도살한 가축의 가죽, 머리, 발목, 내장 따위를 떼어 낸 나머지 몸뚱이의 체중)과 일당증체량(日當增體量: 하루 동안 증가한 동물의 체중은 상관관계가 있어 성장뿐만 아니라 도축 시 농가가 얻을 수 있는 이익과 직결되는 형질이다.
또 체척도 개체의 성장(체중)에 중요한 변수이며, 암소의 경우 번식 형질과의 상관이 높고 부위별 고기 무게(표현형 상관 최대 80%)를 예측하는데 중요한 지표로 이용되고 있다.
한우의 품질 등급은 고기의 기호성에 영향을 미치는 요소(부드러움, 육즙 및 풍미)에 대한 종합 평가이다. 이러한 요인에는 도체 성숙도, 단단함, 질감 및 살코기의 색상, 살코기 내 마블링의 양 및 분포가 포함된다.
최근에는 ICT 한우관리 통합시스템을 개발하여 사료급여, 지붕개폐, 선풍기 작동, 출입 차량 및 소독관리 등 축사 모든 동작을 자동으로 실행할 수 있으나, 이는 본 발명의 개념에서 벗어난 것이므로 이하 상세한 설명은 생략한다.
우리나라 농촌은 현재 농·축산업인구 고령화, 젊은 층의 영농승계 인력난 및 투자위축 등에 따른 소득·수출·성장률 정체 등 지속가능성 위기에 처해 있다. 농업 생산성 유지를 위해서는 스마트팜 기술 적용이 시급한 실정이다. 농식품부는 스마트팜 사안의 중대성을 인식하고 수년 전부터 농업의 고도화, 농업인 고령화 대응 등을 목적으로 한국형 스마트팜 모델 개발·보급을 추진하고 있다.
한우 등급의 결정은 태아에서부터 영향을 나타내어 도축 전까지의 모든 사양관리에 의하여 결정지어진다. 그런데 스마트팜 사업은 시설 현대화 및 센서 위주의 환경제어에 초점을 두고 있다. 정작 가축농가에서는 가축 개량에 필요한 개체별 생산성 정밀측정기술이 요구되는 시점이다.
대부분의 우시장 고가 경매우의 사양 형태는 외모 판단이거나 줄자와 체척기를 이용하는 측정이다. 이것은 측정자나 판단자에 따라서 주관적 품질 오차가 발생할 수밖에 없다. 본 발명은 이 오차를 해소하고 객관적이고 일률적인 측정치를 얻기 위하여 개발된 발명이다.
1. ICT 및 AI를 이용한 실용화 기술 대부분은 사용 편리성, 지속적인 업데이트가 필수적이지만 대부분 개발 이후 업데이트가 어렵고 유지보수가 되지 않아 농가의 신뢰도가 낮다.
따라서, 정확도가 높고 손쉽게 접근 가능한 신뢰도 높은 기술 개발·보급 및 서비스 개발이 필요하다.
2.일반 농가에서는 개체별로 체중과 체척을 측정할 수 있는 장비들을 구비할 여력이 없기 때문에 자동화 측정 장치 등을 개발하기 위해서는 체중과 체척을 전문적이고 안정적으로 수집하고 관리할 수 있는 전문 검정소 또는 종축장 자료를 이용하여 자료의 신뢰도를 높이는 것이 중요하다. 대부분 개량사업은 체중, 체척을 측정하여 개량 정보로 이용하도록 하고 있으나 농가단위에서 체중과 체척을 측정하는데 필요한 인력과 시간소요, 사고위험 문제 등으로 자료수집에 어려움이 있고 한우 개체에게도 큰 스트레스로 작용하고 있다.
3. 단순히 AI를 이용해 예측된 체중과 체척 정보 이외에, 개량과 관련하여 정확한 개체별 유전능력과 육량 예측치 등 개량에 이용할 수 있는 정보로 전환하여 제공하는 것이 필요하다.
4. 현재 국내에 보급되어 있는 3D 스캔 장비는 전수 고가의 외산 장비이며 아직 국산화 진행이 미흡한 상황이기 때문에, 3D 스캔 장비의 국산화를 통해 공급단가를 낮추고 이를 통해 보다 많은 농가에 공급할 수 있는 제품이 필요하다.
5. 지역과 시간, 인력의 제약으로 농가에 전문가의 기술 지원이 부족하기 때문에 디지털화된 데이터를 이용하여 인터넷을 이용한 온라인 전문가 컨설팅 지원을 받을 수 있는 축산 스마트팜 플랫폼이 절실하다.
6. 대부분이 영세한 축산농가이기 때문에, 소들을 한 곳으로 몰아서 검정을 할 수 있는 유도로가 없는 일반 농가에서는 개체 보정이 어렵기 때문에, 능력검정을 하지 못하는 경우가 대부분이고, 이동식 우형기를 이용하더라도 우형기까지의 개체 유도가 어렵기 때문에 검정을 기피하는 경우가 많은 문제가 있다. 결국 한우 개량을 위한 검정성적을 확보하기 어려워 검정소에 위탁하여 능력검정을 실시하는 형태로 씨수소를 선발하고 있다. 따라서 개별 농가단위에서도 쉽게 이용할 수 있는 검정기술 개발·보급이 필요하다.
본 발명의 목적은 비접촉식으로 한우의 체중과 체척을 측정하는 기술을 제공하여 농가단위 능력검정이 가능하고, 한우 체중 및 체척 측정 자동화 시스템을 제공하여, 농가단위 능력검정 시스템이 확보되고 개량체계를 구축하기 위함이다.
본 발명의 다른 목적은 개체정보를 입력하고 자동화 측정 결과를 출력해주는 포터블 단말기 및 S/W를 제공하는 것이다.
본 발명의 한우의 성장검사 자료 수집 장치 및 그 방법은 다음의 해결수단을 개시한다.
유도로 내에 피측정물(가축)이 정위치하는 특정 공간을 회피하여 구성하는, 여러 개의 카메라를 구비하기 위한 구조물 형태의 측정 장치 본체, 이 본체는 소정 형태의 구조물을 이루기 위하여 여러 개의 프레임이 XYZ 방향으로 적절하게 접합된 형상을 이루며, 이 구조물의 여러 부위에, 피측정물의 특정 부위에 대응하여 촬영하기 위하여 부착되는 n개의 카메라와, 이 카메라로부터 촬영된 데이터를 전송받아 처리하는 서버와, 결과물을 출력하는 디스플레이를 포함한다.
이러한 장치에 있어서, 상기 측정 장치 본체는, 지면에 대하여 경사지게 설치되는 장방형의 베이스, 이 베이스의 전방에 수직으로 연결되는 한 쌍의 수직 지지대와 지면에 맞닿아 장치 전체의 하중을 지지하는 수평 지지대, 베이스와 수직 지지대 양측의 위쪽으로 설치되는 각각 한 쌍의 제 1카메라 설치대와 제 2카메라 설치대, 제 2카메라 설치대 끝단에는 수평적으로 설치되는 상부 카메라 설치대, 이 제 2카메라 설치대에는 수직방향으로 설치되는 수직 카메라 설치대를 포함할 수 있다.
본 발명의 한 구현예로써, 상기 수직 지지대와 수평 지지대 간, 각 카메라 설치대에는 프레임 구조물의 강도 보강을 위하여, 여러 개의 보강봉이 설치되며, 상기 각 카메라 촬영대로부터 측방향으로 연장되는 여러개의 촬영용 가림막을 지지하는 지지봉을 포함할 수 있고, 상기 측정장치 본체는 이동성을 위한 이동대차를 더 구비하며 이 이동대차는 상하 높낮이 조절이 가능한 잭을 포함할 수 있다.
한우육종농가에서 한우의 체척 또는 체중을 측정하는 시스템을 적용하여 한우의 성장검사 자료를 수집하는 방법으로써, 농가선정 및 제품설치단계; 카메라 시스템을 이용한 데이터 수집단계; 실증시험을 통한 개선사항 도출단계; 체척 및 체중 데이터 재수집단계; 최종 시스템을 적용하고 데이터 베이스를 구축하는 단계; 를 포함한다. 이러한 방법은 한 구현예로써, 상기 데이터 수집단계는, 능력검정 전문인력 투입 시와 농가에서 직접 체중·체척 측정했을 시의 효율성을 비교분석하는 단계를 포함하고, 실측치와 자동 측정장치의 결과치 간에 단순 상관 및 회귀분석을 실시하며, 실제로 한우 개체에 대한 여러 회의 반복 측정 결과를 이용하여 자동 측정장치 결과에 대한 재현력(3D 데이터 처리 정확도)을 측정하는 단계를 포함할 수 있고, 실측치와 자동 측정장치 결과치 간 예측 정확도 측정은, 교차 검정(k-Fold cross validation)을 위한 실험 데이터(test set)를 전체 샘플의 10% 내외로 설정하여 검증하는 단계를 포함하며, 4가지 색상으로 구성되는 8개 구체의 중앙 부위를 전역 좌표계의 원점(X0,Y0,Z0)으로 설정하는 기구물을 이용한 모델의 매개변수를 추정하는 3D 카메라 간 캘리브레이션 단계를 포함하고, 고유의 좌표계를 갖고 있는 각각의 3D 카메라(C1) ~ (C9) [...Cn] 는 장면 안의 모든 물체를 한꺼번에 일률적으로 아우를 수 있는 기준 좌표계로써 하나의 전역 좌표계로 변환할 수 있다.
본 발명의 한 구현예로써, 상기 캘리브레이션 단계는, 각각의 구체의 삼차원 스캔 영상 기반 정보인 점 집합(Point Cloud)을 바탕으로 이동 크기 변환 값을 구하며, 구체와 구체로 구성된 공간상의 위치를 기반으로 회전과 비뚤어짐 변환 값을 계산하고 각각의 카메라에서 획득된 3차원 형상을 전역 좌표계로 변환된 점 군 정합(Point Cloud Registration) 데이터들을 통합하는 단계를 포함하고, 상기 데이터 수집단계는, 소 개체에 해당되지 않는 부위(바닥 및 제거되지 않은 유도로 데이터 등)는 기록하지 않도록, 카메라에 대한 최대 깊이를 설정하는 단계; 대상물을 촬영하기 전에 배경 촬영 후 촬영된 배경 정보는 추후 영상 배경 제거(Background Subtraction)에 이용하는 단계를 포함하며, 상기 체척 및 체중 데이터 재수집단계는, 측정 부위 검출에 3차원 포인트 클라우드 딥러닝 프레임워크를 이용하며, 3차원 형상에 대한 인식/분류 및 분할(Segmentation)을 지원하는 네트워크인 PointNet++를 사용할 수 있다.
한우 성장검사 자료를 수집하는 시스템에서 온라인 데이터 학습(서버) 및 클라이언트(단말기) 통신 플랫폼 구축 방법으로써, 단말기에서 중앙서버로의 데이터를 전송하는 단계; 중앙서버에서 학습 소프트웨어를 수행하는 단계; 서버에서 단말기에 학습된 모델을 전송하는 단계; 2개의 온라인 데이터 학습 서버를 구축하고 새롭게 업데이트 된 학습 결과를 정기적으로 체중 및 체척 결과 제공에 반영하는 단계; 를 포함한다.
이 경우, 축산 농가의 관리의 효율성 및 편리성을 달성하기 위하여, 개체정보를 입력하고 서버와 연동하여 자동화 측정 결과를 출력하는 위 각 단계를 수행하는 S/W를 탑재한 포터블 단말기를 제공한다. 본 발명의 한 구현예로써, 상기 포터블 단말기는 개체식별 번호를 확인 또는 입력하고 체형 및 체척 결과를 조정하거나 출력할 수 있는 테블릿 기반의 단말기이며, 수동으로 입력된 가축의 고유 정보를 저장하고 시험 스테이션에서 촬영된 영상 정보와 함께 시험 스테이션과 같이 구성된 컴퓨터에 저장되며, 해당 데이터들은 로컬 데이터베이스에 저장되고, AI 학습 DB 구축 후에는 네트워크를 이용하여 AI 학습 DB로 자동 전송되어 처리할 수 있도록 자동화 시스템을 제공할 수 있다.
본 발명의 한우 성장검사 자료 수집 장치 및 그 수집 방법은 다음과 같은 효과가 있다.
1. 비접촉식으로 체중과 체척을 측정하는 기술을 적용하므로, 농가단위 능력검정이 가능하다.
2. 한우 체중 및 체척 측정 자동화 시스템을 제공하기 때문에, 농가단위 능력검정 시스템이 확보되고 개량체계를 구축한다.
3. 농가단위 자동화 측정결과 정보(자동화 능력검정 자료)를 국가 능력검정 시스템과 연동하여 한우 정보를 축적하므로 국가단위 한우 유전능력평가 시의 정확도가 향상된다. 즉 자동화 자료를 국가단위 및 농가단위 한우 개량에 활용할 수 있도록 유전능력평가 시스템을 구축하여 개체별 체중, 체척 유전능력 및 교배계획 서비스 제공에 활용할 수 있다.
4. 사육 농가 사용자에게 휴대성이 간편한 포터블 단말기를 제공하여 측정과 데이터 전송에 장소와 시간의 제약을 받지 않는다.
5. 수집한 체중, 체척 자료와 3D 스캔 자료는 사양, 번식관련 타 과제, 스마트팜 R&D 플랫폼, 국가 바이오 연구 데이터스테이션에 활용할 수가 있다.
도 1은 본 발명의 측정장치 본체를 나타내는 사시도,
도 2는 본 발명의 측정장치 본체를 이동수단에 적재한 상태를 나타낸 측면도,
도 3은 본 발명의 측정장치를 이용하여 소를 스캔하는 상태를 나타낸 측면도,
도 4는 본 발명의 측정장치를 이용하여 소를 스캔하는 상태를 나타낸 평면도,
도 5는 본 발명의 측정장치의 측정 일례를 나타내는 측면도,
도 6은 본 발명의 측정장치에 사용하는 잭의 상세를 나타내는 정면도,
도 7은 도 6의 측면도,
도 8은 본 발명에 사용되는 유도로의 일례를 나타낸 사시도,
도 9는 한우 체척 측정부위를 설명하기 위한 설명도,
도 10은 본 발명의 농가 실시간 분석데이터를 수집하는 단계를 나타내는 플로우 챠트,
도 11 및 도 12는 본 발명의 카메라 캘리브레이션 원리를 설명하기 위한 설명도,
도 13은 본 발명의 온라인 데이터 학습(서버) 및 클라이언트(단말기) 통신 플랫폼 구축 방법을 나타내는 플로우 챠트이다.
도 2는 본 발명의 측정장치 본체를 이동수단에 적재한 상태를 나타낸 측면도,
도 3은 본 발명의 측정장치를 이용하여 소를 스캔하는 상태를 나타낸 측면도,
도 4는 본 발명의 측정장치를 이용하여 소를 스캔하는 상태를 나타낸 평면도,
도 5는 본 발명의 측정장치의 측정 일례를 나타내는 측면도,
도 6은 본 발명의 측정장치에 사용하는 잭의 상세를 나타내는 정면도,
도 7은 도 6의 측면도,
도 8은 본 발명에 사용되는 유도로의 일례를 나타낸 사시도,
도 9는 한우 체척 측정부위를 설명하기 위한 설명도,
도 10은 본 발명의 농가 실시간 분석데이터를 수집하는 단계를 나타내는 플로우 챠트,
도 11 및 도 12는 본 발명의 카메라 캘리브레이션 원리를 설명하기 위한 설명도,
도 13은 본 발명의 온라인 데이터 학습(서버) 및 클라이언트(단말기) 통신 플랫폼 구축 방법을 나타내는 플로우 챠트이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 이 설명에서는 특정 실시예를 도면에 예시하고 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함할 수 있다. 것으로 이해되어야 한다.
본 발명에서 ‘한 쌍’등과 같이 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 ‘연결되어’‘접속되어’‘설치되어’있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
어떤 구성요소의 앞 쪽, 위쪽에 대한 기준은 도면을 기준으로 설명한다. 본 발명의 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 발명의 명세서에서, ‘포함한다’‘가진다’‘설치/ 형성/ 부착된다’등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 발명에서 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 측정장치 본체를 나타내는 사시도이다. 이 도면에서 부호 100은 여러 개의 카메라를 구비하는 장치 본체이다. 본체(100)는 본 발명의 장치 본체를 이루기 위한 적절한 형태의 프레임들이 배치되는데, 피측정물인 소가 유도로 내에 있을 때 이를 유도로 바깥에서 측정하기 위하여 유도로 측에 공간부를 형성하면서 측정장치를 배치하기 위한 형태가 고려되어 장치 본체의 뼈대를 구성한다. 본체(100)는 소정 형태의 구조물을 이루기 위하여 여러 개의 프레임이 XYZ 방향으로 적절하게 접합된 형상을 이룬다. 지면에 대하여 경사지게 설치되는 장방형의 베이스(110)와, 이 베이스(110)의 전방에 수직으로 연결되는 한 쌍의 수직 지지대(112),(114)와 지면에 맞닿아 장치 전체의 하중을 지지하는 수평 지지대(116) 가 구비된다.
베이스(110)와 수직 지지대(112),(114) 양측의 위쪽으로 각각 한 쌍의 제 1카메라 설치대(120),(122)와 제 2카메라 설치대(130),(132)가 연이어 설치되고, 제 2카메라 설치대(130),(132) 끝단에는 수평적으로 상부 카메라 설치대(140),(142)가 설치되며, 또 이 제 2카메라 설치대(130),(132)에는 수직방향으로 수직 카메라 설치대(134),(136) 된다. 이 때 강도 보강을 위하여 수직 지지대(112),(114)와 수평 지지대(116) 간, 그리고 각 카메라 설치대에는 적정 개수의 보강봉(118),(128),(148))이 추가 설치될 수 있다. 도 1에서 부호 160,162, 164,166, 168,169는 상기 각 카메라 촬영대로부터 측방향으로 연장되는 촬영용 가림막을 지지하는 지지봉이다.
도 2는 본 발명의 측정장치 본체를 이동수단에 적재한 상태를 나타낸 측면도이다. 이동대차(300)는 본체(100)를 원활하고 적정한 촬영상태로 세팅하기 위한 상하방향으로 이동이 가능한 잭(jack)(310)을 구비한다.
도 3은 본 발명의 측정장치를 이용하여 소를 스캔하는 상태를 나타낸 측면도, 도 4는 본 발명의 측정장치를 이용하여 소를 스캔하는 상태를 나타낸 평면도이다. 이들 도면에서 부호 A~H는 소의 각 부위를 촬영하는 촬영범위를, C1~C8은 카메라를 나타낸다.
도 5는 본 발명의 측정장치의 측정 일례를 나타내는 측면도, 도 6은 본 발명의 측정장치에 사용하는 잭의 상세를 나타내는 정면도, 도 7은 도 6의 측면도이다. 이 잭(310)은 이동대차(300)를 상하방향으로 작동하기 위한 수단이라면 어떤 장치라도 가능하다. 이하, 설명은 생략한다.
도 8은 본 발명에 사용되는 유도로의 일례를 나타낸 사시도이다. 유도로(cattle chuts)(200)는 우수한 가축을 선발하기 위하여 개체별 능력검정이 필요하게 되는데 개체를 우사에서 특정위치로 유도하여 움직임 없는 상태에서 체중, 체위를 측정하거나 외모심사를 하는 등의 능력검정, 인공수정 또는 질병치료 등을 손쉽게 할 수 있는 장치이다. 이 도면에서 부호 210은 소의 몸통 너비에 근사하는 너비를 가지는 간격으로 양측으로 세워지는 유도 간격봉이고, 부호 220은 이 유도 간격봉(210)에 직각으로 설치되어 촬영이 가능하게 단위 소를 가두는 가로봉이다.
도 9는 한우 체척 측정부위를 설명하기 위한 설명도이다. 이 도면에서 A-B는 기갑의 정점에서 지면까지의 수직거리인 체고, C-D는 십자부에서 지면까지의 수직거리인 십자부고, E-F는 어깨전단에서 좌골후단을 직선으로 이은 수평거리인 체장, G-H 는 견갑골 뒤의 등에서 가슴바닥까지의 수직거리인 흉심, I-J는 각 전단에서 좌골후단까지의 직선거리인 고장, K-L는 견갑골 직후의 좌위측 가슴사이의 가장 넓은 부위의 거리인 흉폭, I-M는 좌우 요각 외측사이의 수평거리 요각폭, N-O는 좌우 곤부(고관절) 사이의 가장 넓은 부위의 수평거리인 곤폭, J-P는 좌우 좌골결절 외측사이의 수평거리인 좌골폭, G-H는 견갑골 직후를 통하는 가슴부위 둘레인 흉위, S는 앞다리 정강이의 가장 가는 부위의 둘레인 전관위를 각각 나타낸다. 이들 각 측정 부위 별 수집 데이터 단위는 실측 데이터 cm이고 체중 실측 데이터 단위는 kg이다. 이 경우, 체척은 10가지 이상의 측정부위가 측정원의 넓은 활동공간을 요하기 때문에 별도 측정 장소를 이용할 수 있다. 체척측정 장소에 자동측정 장치를 설치하여 체척측정 후 개체별 3D 스캔 데이터를 확보하고 농가 적용 시에는 체중 측정 장소에서 체척을 동시에 측정할 수 있다. 체중은 체척측정 즉시 체중 측정 장소로 이동하여 개체별 체중을 측정할 수 있다.
도 10은 본 발명의 농가 실시간 분석데이터를 수집하는 단계를 나타내는 플로우 챠트이다. 본 발명에서 농가를 위한 실시간 분석 결과 및 연동체계는, 한우육종농가(센터포함), 암소검정 농가 등 검정농가에 체중 및 체척 측정시스템을 적용하고, 소의 체중을 재기 위한 저울인 우형기(牛衡器) 및 유도로 설치가 완료된 한우 개량농가를 대상으로 농가 실시간 분석데이터를 수집하여 수행한다.
이 수행 단계는, 농가선정 및 제품설치단계(S100); 카메라 시스템을 이용한 데이터 수집단계(S110); 실증시험을 통한 개선사항 도출단계(S120); 체중 및 체척 데이터 재수집단계(S130); 최종 시스템 개발 적용단계(S140); 로 구성된다.
일례로써, 농가보유 개체별 6~24개월령 체중·체척 실측치 데이터를 수집하고, 3D 데이터 활용 예측치를 확보하고 검증하며, 농가별 시제품 적용 시 문제점을 파악한 후 이에 대한 평가를 반영하여 하드웨어 및 소프트웨어 업데이트에 반영하는 단계를 거친다.
본 발명에서 체중·체척 실측과 자동화 측정장치 이용에 따른 효율성 분석은, 능력검정 전문인력 투입 시와 농가에서 직접 체중·체척 측정했을 시의 효율성을 비교분석한다. 체중·체척을 직접 측정했을 때와 자동화 측정장치를 이용했을 때의 인력 및 소요시간을 측정한다. 이때 검정소와 실증 농가에서 동시에 측정할 수 있으며, 체중 및 체척 실측(농가)과 자동 측정 시스템 적용 시의 인력 및 소요시간 효율성을 상호 비교할 수 있다.
개체식별, 즉 체중, 체척 및 3D 스캔 데이터에 대한 개체구분은 RFID를 이용하며 RFID 리더기 및 태블릿을 이용하여 개체번호를 입력하고, RFID 적용이 어려운 농가는 바코드 번호와 호환하여 이용하며, 기존 개체식별 번호와 매칭이 가능하도록 매칭 테이블을 구성하여 관리할 수 있다. 이와 같은 작업 수행을 위하여, 본 발명은 체중·체척 정밀측정을 위한 스테레오 비전 카메라(3D Scanner) 및 멀티 3D 스캐닝 시스템을 제공한다.
본 발명에서 사용하는 카메라는 레이저 프로젝션을 이용한 스테레오 비전(Active Stereo Vision) 카메라로써, 2대의 카메라와 1대의 프로젝터로 구성된 광학시스템을 적용할 수 있다. 상기 2대의 카메라는 일반적인 스테레오 비전 구성이며, 프로젝터는 패턴 디코딩 방법을 이용하기 위해 패턴 레이저를 조사용으로 사용할 수 있다. 개체별 하나의 객체 형성과 파이프 등의 간섭을 피하기 위해 비전 카메라를 총 10대~12대를 하나의 스테이션으로 구성하여, 동시에 3D 데이터를 확보할 수 있다. 디코딩 방법으로 정밀도를 향상시키며, 디코딩 실패 영역은 스테레오 매칭 기법을 이용하여 추정할 수 있다.
본 발명에서 체중·체척 실측과 자동 측정장치 이용 측정 결과에 대한 정확도 분석에 대하여는, 실측치와 자동 측정장치 결과 간 단순 상관 및 회귀분석을 실시한다. 플라스틱 모형을 이용하여 반복 측정한 값을 추출하여 반복력(예측 정확도)을 계산하고, 실제로 한우 개체에 대한 여러 회의 반복 측정 결과를 이용하여 자동 측정장치 결과에 대한 재현력(3D 데이터 처리 정확도)을 측정한다. 실측치와 자동 측정장치 결과치 간 예측 정확도를 측정하기 위하여, 과적합화(Overfitting)나 균일화(Regularization)와 같은 단순 상관분석을 이용하지만, 특히 학습된 모델이 얼마나 정확한지 분석하기 위하여 교차 검정(k-Fold cross validation)을 위한 실험 데이터(test set)를 전체 샘플의 10% 내외로 설정하여 정확도를 검증할 수도 있다.
도 11 및 도 12는 본 발명의 카메라 캘리브레이션 원리를 설명하기 위한 설명도이다. 카메라 캘리브레이션(camera calibration)은 카메라 교정, 영상에서 카메라 위치와 방향을 결정하는 방법인데 사진이나 비디오를 촬영하는 실제의 카메라 모델을 단순화시킨 핀홀 카메라 모델의 매개변수를 추정하는 작업이다. 본 발명에서 3D 카메라 간 캘리브레이션은 4가지 색상으로 구성되는 기구물(200)을 이용한다. 고유의 좌표계를 갖고 있는 각각의 3D 카메라(C1) ~ (C9) [...Cn] 는 장면 안의 모든 물체를 한꺼번에 일률적으로 아우를 수 있는 기준 좌표계로써 하나의 전역 좌표계(World coordinate System)로 변환한다. 본 발명에서는 8개 구체(球體: 410)의 중앙 부위를 전역 좌표계의 원점(X0,Y0,Z0)(420)으로 설정하고 있다. 일례로써, 10대의 3D 카메라 간 캘리브레이션을 수행하는데 지정된 각각 구(Sphere)의 삼차원 스캔 영상 기반 정보인 점 집합(Point Cloud)을 바탕으로 이동 크기 변환 값을 구하며, 구체와 구체로 구성된 공간상의 위치를 기반으로 회전과 비뚤어짐 변환 값을 계산한다. 각각의 3D 스캔 카메라에서 획득된 3차원 형상을 전역 좌표계로 변환된 점 군 정합(Point Cloud Registration) 데이터들을 통합할 수 있다.
점 군 정합 시에 정밀 보정은 ISS 3D 키포인트 감지(KeyPoint Detection) 알고리즘을 이용하여 한 점의 형태로 표현하는 특징 점(Feature Point)을 구하며, 특징 점 간의 관계성은 ICP는 카메라, 라이다 등을 통해 생성된 3차원 점군을 정합해 실내외 지도를 만드는 데 핵심적으로 활용되는 ICP(Interactive Closest Point) 알고리즘을 기반으로 구현한다. 키포인트 감지에는 측정할 한우를 감지하는 동시에 한우 이미지의 회전, 축소, 변환, 왜곡 등에 대해 변하지 않는다.
본 발명은 측정 정확성을 위하여 3차원 형상 구성 시에 문제가 되는 유도로 간섭 제거 시에 실린더 형상을 검출하며, 검출된 실린더 형상을 제거하는 방식을 사용한다. 제거된 영역의 비어 있는 데이터는 포아송 표면 재구성(Poisson Surface Reconstruction) 알고리즘을 이용하여 복원한다.
소 개체에 해당되지 않는 부위(바닥 및 제거되지 않은 유도로 데이터 등)는 기록하지 않도록 카메라에 대한 최대 깊이를 설정하거나, 대상물을 촬영하기 전에 배경 촬영 후 촬영된 배경 정보는 추후 영상 배경 제거(Background Subtraction)에 이용한다.
본 발명은 인공지능 학습을 위한 서버 플랫폼 및 3차원 데이터 기반 체중 및 체척 형질 측정 기술을 제공할 수 있다. 일례로써, 측정 부위에 대한 검출을 위해 3차원 포인트 클라우드 딥러닝 프레임워크는, 3차원 형상에 대한 인식/분류 및 분할(Segmentation)을 지원하는 네트워크인 PointNet++를 사용할 수 있다. 측정 부위는 10군데를 대상으로 하며 각 부위별 3D 형상과 전문가의 실측 데이터의 상관 데이터 베이스를 구축할 수 있다.
본 발명에서 정형화 자료는 체중, 체척(10개 부위), 10대 분할육(10개 부위), 성별, 일령 등이고 비정형화 자료는 개체별 3D Point Cloud이며, 구축된 데이터 베이스를 기반으로 지속적인 학습을 통해 측정 데이터 오차를 축소할 수 있고, 각 부위별 데이터 예측은 비선형 회귀 분석(NonLinear Regression)을 이용하며, 구글사에서 개발한 기계 학습(machine learning) 엔진, 즉 딥 러닝(Deep Learning)과 머신 러닝(Machine Learning) 등에 활용하기 위해 개발된 오픈소스 소프트웨어인 텐서플로(Tensorflow)를 이용하여 데이터 학습을 통해 획득할 수 있다.
본 발명에서 무게 추정 방식은 측정 부위 10군데와 성별, 나이 정보를 이용하는 12차원(12th Vector) 모델로 구성하고, 최초 12차원(12th vector)에서 시작하여 차원수를 낮추며 실측 데이터(무게)와의 평균 제곱근 오차(RMSE : Root Mean Square Error)를 추적하며, RMSE에 영향이 적은 데이터 그룹(Vector)은 제거하는 방식 이용할 수 있다. 해당 작업은 수작업으로 진행랑 경우에는 많은 시간과 인력이 소요되므로 생산성 높은 프로그래밍 언어인 파이썬(Python)을 이용한 자동화 프로그램을 개발하여 수행할 수 있다.
본 발명에서 학습 오류 및 데이터 정밀도 저하에 대한 모니터링은, 서버로부터 다운로드 받은 모델의 평가 결과와 기존 평가 결과를 비교하며 전문가의 평가 결과와 일치하는 모델의 스코어 정보를 서버로 전송하여 재학습을 유도하여 신규 모델의 검증 단계 확보할 수 있다.
도 13은 본 발명의 온라인 데이터 학습(서버) 및 클라이언트(단말기) 통신 플랫폼 구축 방법을 나타내는 플로우 챠트이다.
본 발명의 온라인 데이터 학습(서버) 및 클라이언트(단말기) 통신 플랫폼은, 단말기에서 중앙서버로의 데이터를 전송하는 단계(S200); 중앙서버에서 학습 소프트웨어를 수행하는 단계(S210); 서버에서 단말기에 학습된 모델을 전송하는 단계(S220); 2개의 온라인 데이터 학습 서버를 구축하고 새롭게 업데이트 된 학습 결과를 정기적으로 체중 및 체척 결과 제공에 반영하는 단계(S230); 로 이루어질 수 있다. 이 때의 통신 플랫폼 규격 및 사양은, TCP/IP는 정보 전달 용 프로토콜을 사용하며 FTP는 모델 데이터 및 학습용 데이터 전송 프로토콜 사용할 수 있다.
본 발명은 축산 농가의 관리의 효율성 및 편리성을 달성하기 위하여 데이터 수집 및 인공지능 플랫폼을 제공한다. 즉, 개체정보를 입력하고 서버와 연동하여 자동화 측정 결과를 출력해주는 포터블 단말기 및 S/W를 제공한다. 이 포터블 단말기는 3D 데이터 촬영이 아닌 개체식별 번호를 확인 또는 입력하고 체형 및 체척 결과를 조정하거나 출력할 수 있는 테블릿 기반의 단말기이다. 수동으로 입력된 가축의 고유 정보는 시험 스테이션에서 촬영된 영상 정보와 같이 시험 스테이션과 같이 구성된 컴퓨터에 저장되며, 해당 데이터들은 로컬 데이터베이스에 저장될 수 있다. AI 학습 DB 구축 후에는 네트워크를 이용하여 AI 학습 DB로 자동 전송되어 처리할 수 있도록 자동화할 수 있다.
이와 같이 본 발명은 최신의 AI 기술을 이용하여 한우의 검정 항목을 측정하여 이를 데이터화하고 분석하여 한우를 관리하며 출하 전 검정항목에 대한 객관적 수치를 제공한다.
앞에서 설명된 본 발명의 일실시예는 본 발명의 기술적 사상을 한정하는 것으로 해석되어서는 안 된다. 특히, 카메라 대수, 구조물 구성하는 각각의 프레임의 개수나 형태 등은 예시적인 것이며 이러한 일실시예에 한정하는 것은 아니다. 본 발명의 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상을 다양한 형태로 개량 변경하는 것이 가능하다. 따라서 이러한 개량 및 변경은 통상의 지식을 가진 자에게 자명한 것인 한 본 발명의 보호범위에 속하게 될 것이다.
100: 본체
110: 베이스
112,114: 수직 지지대
116: 수평 지지대
118,128,148: 보강봉
120,122: 제 1카메라 설치대
130,132: 제 2카메라 설치대
134,136: 수직 카메라 설치대
140,142: 상부 카메라 설치대
160,162, 164,166, 168,169: 가림막 지지봉
200: 유도로
210: 유도 간격봉
220: 가로봉
300: 이동대차
310: 잭(jack)
A~H: 각 부위 촬영범위
C1~C9: 카메라
110: 베이스
112,114: 수직 지지대
116: 수평 지지대
118,128,148: 보강봉
120,122: 제 1카메라 설치대
130,132: 제 2카메라 설치대
134,136: 수직 카메라 설치대
140,142: 상부 카메라 설치대
160,162, 164,166, 168,169: 가림막 지지봉
200: 유도로
210: 유도 간격봉
220: 가로봉
300: 이동대차
310: 잭(jack)
A~H: 각 부위 촬영범위
C1~C9: 카메라
Claims (15)
- 유도로 내에 피측정물(가축)이 정위치하는 특정 공간을 회피하여 구성하는, 여러 개의 카메라를 구비하기 위한 구조물 형태의 측정 장치 본체,
이 본체는 소정 형태의 구조물을 이루기 위하여 여러 개의 프레임이 XYZ 방향으로 적절하게 접합된 형상을 이루며,
이 구조물의 여러 부위에, 피측정물의 특정 부위에 대응하여 촬영하기 위하여 부착되는 n개의 카메라와,
이 카메라로부터 촬영된 데이터를 전송받아 처리하는 서버와,
결과물을 출력하는 디스플레이를 포함하는 한우의 성장검사 자료 수집 장치. - 청구항 1에 있어서, 상기 측정 장치 본체는, 지면에 대하여 경사지게 설치되는 장방형의 베이스, 이 베이스의 전방에 수직으로 연결되는 한 쌍의 수직 지지대와 지면에 맞닿아 장치 전체의 하중을 지지하는 수평 지지대,
베이스와 수직 지지대 양측의 위쪽으로 설치되는 각각 한 쌍의 제 1카메라 설치대와 제 2카메라 설치대, 제 2카메라 설치대 끝단에는 수평적으로 설치되는 상부 카메라 설치대, 이 제 2카메라 설치대에는 수직방향으로 설치되는 수직 카메라 설치대를 포함하는 한우의 성장검사 자료 수집 장치. - 청구항 1에 있어서, 상기 수직 지지대와 수평 지지대 간, 각 카메라 설치대에는 프레임 구조물의 강도 보강을 위하여, 여러 개의 보강봉이 설치되며, 상기 각 카메라 촬영대로부터 측방향으로 연장되는 여러개의 촬영용 가림막을 지지하는 지지봉을 포함하는 한우의 성장검사 자료 수집 장치.
- 청구항 1에 있어서, 상기 측정장치 본체는 이동성을 위한 이동대차를 더 구비하며 이 이동대차는 상하 높낮이 조절이 가능한 잭을 포함하는 한우의 성장검사 자료 수집 장치.
- 한우육종농가에서 한우의 체척 또는 체중을 측정하는 시스템을 적용하여 한우의 성장검사 자료를 수집하는 방법으로서,
농가선정 및 제품설치단계;
카메라 시스템을 이용한 데이터 수집단계;
실증시험을 통한 개선사항 도출단계;
체척 및 체중 데이터 재수집단계;
최종 시스템을 적용하고 데이터 베이스를 구축하는 단계;
를 포함하는 한우 성장검사 자료 수집방법. - 청구항 5에 있어서, 상기 데이터 수집단계는, 능력검정 전문인력 투입 시와 농가에서 직접 체중·체척 측정했을 시의 효율성을 비교분석하는 단계를 포함하고, 실측치와 자동 측정장치의 결과치 간에 단순 상관 및 회귀분석을 실시하며, 실제로 한우 개체에 대한 여러 회의 반복 측정 결과를 이용하여 자동 측정장치 결과에 대한 재현력(3D 데이터 처리 정확도)을 측정하는 단계를 포함하는 한우 성장검사 자료 수집방법.
- 청구항 6에 있어서, 실측치와 자동 측정장치 결과치 간 예측 정확도 측정은, 교차 검정(k-Fold cross validation)을 위한 실험 데이터(test set)를 전체 샘플의 10% 내외로 설정하여 검증하는 단계를 포함하는 한우 성장검사 자료 수집방법.
- 청구항 5에 있어서, 상기 데이터 수집단계는, 4가지 색상으로 구성되는 8개 구체의 중앙 부위를 전역 좌표계의 원점(X0,Y0,Z0)으로 설정하는 기구물을 이용한 모델의 매개변수를 추정하는 3D 카메라 간 캘리브레이션 단계를 포함하며, 고유의 좌표계를 갖고 있는 각각의 3D 카메라(C1) ~ (C9) [...Cn] 는 장면 안의 모든 물체를 한꺼번에 일률적으로 아우를 수 있는 기준 좌표계로써 하나의 전역 좌표계로 변환하는 한우 성장검사 자료 수집방법.
- 청구항 8에 있어서, 상기 캘리브레이션 단계는, 각각의 구체의 삼차원 스캔 영상 기반 정보인 점 집합(Point Cloud)을 바탕으로 이동 크기 변환 값을 구하며, 구체와 구체로 구성된 공간상의 위치를 기반으로 회전과 비뚤어짐 변환 값을 계산하고 각각의 카메라에서 획득된 3차원 형상을 전역 좌표계로 변환된 점 군 정합(Point Cloud Registration) 데이터들을 통합하는 단계를 포함하는 한우 성장검사 자료 수집방법.
- 청구항 5에 있어서, 상기 데이터 수집단계는, 소 개체에 해당되지 않는 부위(바닥 및 제거되지 않은 유도로 데이터 등)는 기록하지 않도록, 카메라에 대한 최대 깊이를 설정하는 단계; 대상물을 촬영하기 전에 배경 촬영 후 촬영된 배경 정보는 추후 영상 배경 제거(Background Subtraction)에 이용하는 단계를 포함하는 한우 성장검사 자료 수집방법.
- 청구항 5에 있어서, 상기 체척 및 체중 데이터 재수집단계는, 측정 부위 검출에 3차원 포인트 클라우드 딥러닝 프레임워크를 이용하며, 3차원 형상에 대한 인식/분류 및 분할(Segmentation)을 지원하는 네트워크인 PointNet++를 사용하는 한우 성장검사 자료 수집방법.
- 한우 성장검사 자료를 수집하는 시스템에서 온라인 데이터 학습(서버) 및 클라이언트(단말기) 통신 플랫폼 구축 방법으로써,
단말기에서 중앙서버로의 데이터를 전송하는 단계;
중앙서버에서 학습 소프트웨어를 수행하는 단계;
서버에서 단말기에 학습된 모델을 전송하는 단계;
2개의 온라인 데이터 학습 서버를 구축하고 새롭게 업데이트 된 학습 결과를 정기적으로 체중 및 체척 결과 제공에 반영하는 단계;
를 포함하는 한우 성장검사 자료 수집방법. - 축산 농가의 관리의 효율성 및 편리성을 달성하기 위하여, 개체정보를 입력하고 서버와 연동하여 자동화 측정 결과를 출력하고 청구항 12의 각 단계를 수행하는 S/W를 탑재한 포터블 단말기.
- 청구항 13에 있어서, 상기 포터블 단말기는, 개체식별 번호를 확인 또는 입력하고 체형 및 체척 결과를 조정하거나 출력할 수 있는 테블릿 기반의 단말기를 포함하는 포터블 단말기.
- 청구항 13에 있어서, 상기 포터블 단말기는, 수동으로 입력된 가축의 고유 정보를 저장하고 시험 스테이션에서 촬영된 영상 정보와 함께 시험 스테이션과 같이 구성된 컴퓨터에 저장되며, 해당 데이터들은 로컬 데이터베이스에 저장되고, AI 학습 DB 구축 후에는 네트워크를 이용하여 AI 학습 DB로 자동 전송되어 처리할 수 있도록 자동화 시스템을 포함하는 포터블 단말기.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210156487A KR102622655B1 (ko) | 2021-11-15 | 2021-11-15 | 한우의 성장검사 자료 수집 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210156487A KR102622655B1 (ko) | 2021-11-15 | 2021-11-15 | 한우의 성장검사 자료 수집 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230071813A true KR20230071813A (ko) | 2023-05-24 |
| KR102622655B1 KR102622655B1 (ko) | 2024-01-10 |
Family
ID=86541032
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210156487A KR102622655B1 (ko) | 2021-11-15 | 2021-11-15 | 한우의 성장검사 자료 수집 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102622655B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001058270A1 (en) * | 2000-02-14 | 2001-08-16 | Australian Food Industry Science Centre | Animal handling apparatus |
| KR100485922B1 (ko) | 2002-07-15 | 2005-04-29 | 김윤옥 | 소 개체관리 휴대형 정보 단말기 및 비문인식방법 |
| KR101311825B1 (ko) | 2011-08-08 | 2013-09-25 | 평창영월정선축산업협동조합 | 한우 품질 관리 및 개선을 위한 시스템 및 방법 |
| JP2014044078A (ja) * | 2012-08-24 | 2014-03-13 | Univ Of Miyazaki | 動物体の体重推定装置、及び体重推定方法 |
| KR102123761B1 (ko) | 2019-06-20 | 2020-06-16 | 주식회사 일루베이션 | 3d 스캐닝을 이용한 3d 모델 분석 기반의 가축 추적 시스템 및 이의 가축 체중 예측 방법 |
| KR102285112B1 (ko) | 2020-11-24 | 2021-08-03 | 충남대학교산학협력단 | 디지털 영상 분석을 활용한 소 도체 정육량 비파괴 측정 시스템 |
-
2021
- 2021-11-15 KR KR1020210156487A patent/KR102622655B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001058270A1 (en) * | 2000-02-14 | 2001-08-16 | Australian Food Industry Science Centre | Animal handling apparatus |
| KR100485922B1 (ko) | 2002-07-15 | 2005-04-29 | 김윤옥 | 소 개체관리 휴대형 정보 단말기 및 비문인식방법 |
| KR101311825B1 (ko) | 2011-08-08 | 2013-09-25 | 평창영월정선축산업협동조합 | 한우 품질 관리 및 개선을 위한 시스템 및 방법 |
| JP2014044078A (ja) * | 2012-08-24 | 2014-03-13 | Univ Of Miyazaki | 動物体の体重推定装置、及び体重推定方法 |
| KR102123761B1 (ko) | 2019-06-20 | 2020-06-16 | 주식회사 일루베이션 | 3d 스캐닝을 이용한 3d 모델 분석 기반의 가축 추적 시스템 및 이의 가축 체중 예측 방법 |
| KR102285112B1 (ko) | 2020-11-24 | 2021-08-03 | 충남대학교산학협력단 | 디지털 영상 분석을 활용한 소 도체 정육량 비파괴 측정 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102622655B1 (ko) | 2024-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | Automated body weight prediction of dairy cows using 3-dimensional vision | |
| Yukun et al. | Automatic monitoring system for individual dairy cows based on a deep learning framework that provides identification via body parts and estimation of body condition score | |
| KR102122131B1 (ko) | 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법 | |
| EP1537531B1 (en) | Imaging system and method for body condition evaluation | |
| US20230281265A1 (en) | Method for estimating body size and weight of pig based on deep learning | |
| Liu et al. | A vision-based robust grape berry counting algorithm for fast calibration-free bunch weight estimation in the field | |
| Salau et al. | Feasibility of automated body trait determination using the SR4K time-of-flight camera in cow barns | |
| US20100224140A1 (en) | Method and a System for Measuring an Animal's Height | |
| Liu et al. | Automatic estimation of dairy cattle body condition score from depth image using ensemble model | |
| US10796141B1 (en) | Systems and methods for capturing and processing images of animals for species identification | |
| CN111386075A (zh) | 牲畜测重系统及利用该系统的牲畜测重方法 | |
| CN105844534A (zh) | 奶牛体况自动评分方法及装置 | |
| CN106340000A (zh) | 骨龄评估方法 | |
| CN113989353A (zh) | 一种猪只背膘厚度测定方法及系统 | |
| WO2016023075A1 (en) | 3d imaging | |
| CN113096178A (zh) | 猪只体重的估测方法、装置、设备和存储介质 | |
| CN112907546B (zh) | 肉牛体尺非接触测量装置及方法 | |
| KR102622655B1 (ko) | 한우의 성장검사 자료 수집 장치 | |
| Qin et al. | Identification of body size characteristic points based on the Mask R-CNN and correlation with body weight in Ujumqin sheep | |
| CN112837271B (zh) | 一种甜瓜种质资源性状提取方法及系统 | |
| CN205608801U (zh) | 奶牛体况自动评分装置 | |
| Li et al. | Automatic dairy cow body condition scoring using depth images and 3D surface fitting | |
| CN107389511A (zh) | 一种作物种籽表型测量方法及便携装置 | |
| CN113762745A (zh) | 基于机器视觉的生猪体型外貌评定方法及装置 | |
| CN111507432A (zh) | 农险理赔智能称重方法、系统、电子设备和存储介质 |
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 |