KR20230083556A - 벌의 활동량 측정 장치 및 방법 - Google Patents

벌의 활동량 측정 장치 및 방법 Download PDF

Info

Publication number
KR20230083556A
KR20230083556A KR1020210171672A KR20210171672A KR20230083556A KR 20230083556 A KR20230083556 A KR 20230083556A KR 1020210171672 A KR1020210171672 A KR 1020210171672A KR 20210171672 A KR20210171672 A KR 20210171672A KR 20230083556 A KR20230083556 A KR 20230083556A
Authority
KR
South Korea
Prior art keywords
bees
still image
bee
image
activity
Prior art date
Application number
KR1020210171672A
Other languages
English (en)
Other versions
KR102675185B1 (ko
Inventor
이경용
이재수
윤형주
이영보
Original Assignee
대한민국(농촌진흥청장)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국(농촌진흥청장) filed Critical 대한민국(농촌진흥청장)
Priority to KR1020210171672A priority Critical patent/KR102675185B1/ko
Publication of KR20230083556A publication Critical patent/KR20230083556A/ko
Application granted granted Critical
Publication of KR102675185B1 publication Critical patent/KR102675185B1/ko

Links

Images

Classifications

    • 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
    • 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
    • A01K47/00—Beehives
    • A01K47/06—Other details of beehives, e.g. ventilating devices, entrances to hives, guards, partitions or bee escapes
    • 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
    • A01K51/00—Appliances for treating beehives or parts thereof, e.g. for cleaning or disinfecting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Animal Husbandry (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 벌통의 출입구를 포함한 영역을 위에서 바라본 화면으로 촬영하되 벌통을 출입하는 벌의 종류에 기초하여 기결정된 초당 프레임 수로 영상을 촬영하고, 촬영된 영상의 정지 이미지에 존재하는 벌의 개체수 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하고, 감지 결과에 기초하여 벌의 활동량을 측정하도록 구성된 장치 및 방법에 관한 것이다.

Description

벌의 활동량 측정 장치 및 방법{Apparatus and method for measuring activity of bee}
본 발명은 벌의 활동량 측정 장치 및 방법에 관한 것이다.
벌은 인류가 섭취하는 작물의 수분(pollnation)을 도와주는 중요한 곤충이다. 기후변화, 농약의 무분별한 사용 등으로 야생의 벌을 통한 자연수분(natural pollination) 이 어려워지고 있기 때문에 꿀벌과 뒤영벌 같은 상업적으로 사육되고 있는 벌 류가 농작물의 수정에 이용되고 있다. 벌의 활동량은 벌의 건강, 꿀의 생산 등 양봉에 있어 벌의 력을 판단하는데 중요한 지표중 하나이다. 특히 작물의 화분매개 측면에서도 벌의 활동량은 작물의 착과에 직결되는 요소이기도 하다. 따라서 작물을 재배환경, 재배방식을 디지털화 하여 농작물의 생산을 예측하는 스마트농업에서벌의 활동량을 정량적으로 측정하는 기술의 확보는 매우 중요하다. 벌의 활동량은 벌이 벌통주변을 출입하는 소문출입활동 (Bee traffic)을 통하여 확인할 수 있다. 이를 정량적으로 측정하기 위하여 기존에는 사람이 직접 벌통의 출입구에서 각각의 개체의 출입수를 세는 방법을 통해 측정을 진행하고 있다. 그러나 기존 방법은 장기간 측정이 어렵고, 정확한 데이터 수집이 불가능한 문제를 가지고 있다.
KR 10-2021-0046934 A 특허문헌 1은 적외선 센서 등을 통한 센싱 정보와 카메라 등을 통한 영상 정보를 조합하여, 벌통에서 나가는 뒤영벌과 벌통으로 들어가는 뒤영벌을 감지하고, 감지결과를 기반으로 뒤영벌의 활동량을 측정하는 장치 및 방법에 관한 것이다. 특허문헌 1은 촬영 모듈이 벌통 출입구의 정면을 향해 설치되어 화면의 중앙에 벌통의 출입구가 위치하므로, 벌통 위를 기어다니는 벌들이나 여름철 벌통 출입구에 많은 벌들이 붙어있을 경우에도 벌통을 출입하는 것으로 감지하여 벌의 정확한 활동량을 측정하지 못하는 문제점이 있었다.
본 발명은, 벌통의 출입구를 드나들면서 실제로 비행하는 벌만을 감지하여 활동량을 정확하게 측정할 수 있는 장치 및 방법을 제공하는 것을 목적으로 한다.
본 발명에 따른 벌의 활동량 측정장치가 제공될 수 있으며 상기 측정장치는, 벌통의 출입구를 포함한 영역을 위에서 바라본 화면(top view)으로 촬영하도록 설치된 촬영모듈을 포함하고, 상기 벌통을 출입하는 벌의 종류에 기초하여 기결정된 초당 프레임 수로 영상을 촬영하는 촬영부; 및 상기 쵤영부에서 획득한 영상의 정지 이미지에 존재하는 벌의 개체수 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하고, 감지 결과에 기초하여 벌의 활동량을 측정하는 컨트롤러를 포함한다.
일 실시예로서, 상기 벌이 벌통의 출입구에서 밖으로 날아가는 비행속도에 기초하여 기결정된 초당 프레임 수로 영상을 촬영할 수 있다.
일 실시예로서, 화면상에서 벌통의 출입구는 화면의 제 1 가장자리에 접하고,
상기 출입구에서 밖으로 날아가는 벌이 상기 화면에 잡히도록 상기 영역의 위치가 결정될 수 있다.
일 실시예로서, 화면상의 출입구의 중심으로부터, 상기 제 1 가장자리의 맞은편에 있는 화면의 제 2 가장자리의 한쪽 모서리까지의 대각선의 길이가, 상기 벌의 비행속도를 상기 초당 프레임 수로 나눈 값과 동일하거나 더 크도록 상기 영역의 크기가 결정될 수 있다.
일 실시예로서, 상기 화면은, 상기 출입구에 대응하는 출입구 구역을 포함할 수 있다. 그리고 상기 컨트롤러는, 각 정지 이미지에서 상기 출입구 구역에 존재하는 벌의 제1개체수와, 각 정지 이미지의 화면 전체에서 상기 출입구 구역을 제외한 나머지 구역에 존재하는 벌의 제2개체수를 각각 계산하고, 현재의 정지 이미지의 제1개체수와 제2개체수의 합이 그 전의 정지 이미지의 제1개체수와 제2개체수의 합보다 작으면, 상기 제1개체수와 상기 제2개체수의 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지할 수 있다.
일 실시예로서 상기 컨트롤러는, 현재의 정지 이미지의 제1개체수가 그 전의 정지 이미지의 제1개체수보다 크고, 현재의 정지 이미지의 제2개체수가 그 전의 정지 이미지의 제2개체수보다 작으면, 그 전의 정지 이미지에 존재하는 총 개체수에서 현재의 정지 이미지의 제1개체수를 뺀 만큼의 벌이 벌통 밖으로 나간 것으로 감지하고, 현재의 정지 이미지의 제1개체수와 그 전의 정지 이미지의 제1개체수의 차이만큼의 벌이 벌통으로 들어간 것으로 감지할 수 있다.
일 실시예로서 상기 컨트롤러는, 현재의 정지 이미지의 제2개체수가 그 전의 정지 이미지의 제2개체수보다 크면, 그 전의 정지 이미지에 존재하는 총 개체수에서 현재의 정지 이미지의 제2개체수를 뺀 만큼의 벌이 벌통으로 들어간 것으로 감지할 수 있다.
일 실시예로서 상기 컨트롤러는, 벌 이미지 모델을 기초로, 상기 쵤영부에서 획득한 영상의 정지 이미지에 존재하는 벌의 종류 및 개체수를 판독하는 벌 모델부를 포함하고, 상기 벌 모델부에 의해 판독된 벌의 종류에 기초하여 상기 초당 프레임 수를 결정할 수 있다.
한편 본 발명에 따른 벌의 활동량 측정방법이 제공될 수 있으며 상기 측정방법은, 벌통의 출입구를 포함한 영역을 위에서 바라본 화면(top view)으로 촬영하도록 설치된 촬영모듈을 포함하는 촬영부로부터 벌의 종류에 기초하여 기결정된 초당 프레임 수로 촬영된 영상을 획득하는 단계; 상기 영상의 정지 이미지에 존재하는 벌의 개체수 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하고, 감지 결과에 기초하여 벌의 활동량을 측정하는 단계를 포함한다.
일 실시예로서, 상기 영상은 벌이 벌통의 출입구에서 밖으로 날아가는 비행속도에 기초하여 기결정된 초당 프레임 수로 촬영된 것일 수 있다.
일 실시예로서 상기 영상을 획득하는 단계는, 화면상에서 벌통의 출입구가 화면의 제 1 가장자리에 접하고, 상기 출입구에서 밖으로 날아가는 벌이 상기 화면에 잡히도록 위치결정된 영역에 대한 영상을 획득할 수 있다.
일 실시예로서 상기 영역의 크기는, 화면상의 출입구의 중심으로부터 상기 제 1 가장자리의 맞은편에 있는 화면의 제 2 가장자리의 한쪽 모서리까지의 대각선의 길이가 벌의 비행속도를 상기 초당 프레임 수로 나눈 값과 동일하거나 더 크도록 결정된 것일 수 있다.
일 실시예로서 상기 화면은, 상기 출입구에 대응하는 출입구 구역을 포함할 수 있다. 그리고 벌을 감지하고 감지결과에 기초하여 벌의 활동량을 측정하는 단계는, 각 정지 이미지에서 상기 출입구 구역에 존재하는 벌의 제1개체수와, 각 정지 이미지의 화면 전체에서 상기 출입구 구역을 제외한 나머지 구역에 존재하는 벌의 제2개체수를 각각 계산하는 단계; 및 현재의 정지 이미지의 제1개체수와 제2개체수의 합이 그 전의 정지 이미지의 제1개체수와 제2개체수의 합보다 작으면, 상기 제1개체수와 상기 제2개체수의 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하는 단계를 포함할 수 있다.
일 실시예로서 상기 제1개체수와 상기 제2개체수의 변화에 기초하여 벌을 감지하는 단계는, 현재의 정지 이미지의 제1개체수가 그 전의 정지 이미지의 제1개체수보다 크고, 현재의 정지 이미지의 제2개체수가 그 전의 정지 이미지의 제2개체수보다 작으면, 그 전의 정지 이미지에 존재하는 총 개체수에서 현재의 정지 이미지의 제1개체수를 뺀 만큼의 벌이 벌통 밖으로 나간 것으로 감지하고, 현재의 정지 이미지의 제1개체수와 그 전의 정지 이미지의 제1개체수의 차이만큼의 벌이 벌통으로 들어간 것으로 감지할 수 있다.
일 실시예로서 상기 제1개체수와 상기 제2개체수의 변화에 기초하여 벌을 감지하는 단계는, 현재의 정지 이미지의 제2개체수가 그 전의 정지 이미지의 제2개체수보다 크면, 그 전의 정지 이미지에 존재하는 총 개체수에서 현재의 정지 이미지의 제2개체수를 뺀 만큼의 벌이 벌통으로 들어간 것으로 감지할 수 있다.
일 실시예로서 측정방법은 벌 이미지 모델을 기초로, 촬영부에서 획득한 영상의 정지 이미지에 존재하는 벌의 종류 및 개체수를 판독하는 단계를 더 포함할 수 있다.
본 발명에 따르면, 벌통의 출입구를 드나드는 벌을 위에서 촬영한 이미지에서 벌을 감지하고 감지결과에 기초하여 벌통으로 들어가는 벌의 수와 나오는 벌의 수를 계산하므로, 실제로 비행하여 벌통을 출입하는 벌만을 정확하게 감지하여 그 수를 계산할 수 있고, 정확한 벌의 활동량 측정이 가능하다.
또한 본 발명에 따르면, 벌의 종류에 따라 기결정된 초당 프레임 수로 벌을 촬영하여 벌을 감지하기 위한 정지 이미지를 획득하므로, 이미지의 저장에 필요한 저장용량이 감소하고 이미지의 처리에 필요한 속도가 향상된다.
또한 본 발명에 따르면 벌의 활동량을 실시간으로 정확하게 파악할 수 있으므로 봉군(벌무리)의 건강상태, 봉군의 연령, 꿀의 흐름, 기후, 화분매개 능력과 관련한 정보를 실시간으로 정확하게 파악할 수 있다. 이에 따라, 본 발명을 바탕으로 스마트팜에서 벌의 활동량을 디지털 정보화함으로써 작물의 생산량 예측이 가능하며 작물수정용 벌의 종류에 따른 적용작물과의 상관관계를 정확하게 분석할 수 있다. 한편 본 발명을 바탕으로 양봉업계에서도 스마트양봉으로의 산업확장이 가능하다.
도 1은 본 발명의 일 실시예에 따른 벌의 활동량 측정 장치를 설명하기 위한 블록도이다.
도 2는 뒤영벌용 벌통에 도 1의 장치가 설치된 모습을 설명하기 위한 개략적인 측면도이다.
도 3은 꿀벌용 벌통에 도 1의 장치가 설치된 모습을 설명하기 위한 개략적인 측면도이다.
도 4는 도 2 및 도 3과 같이 배치된 촬영모듈이 촬영하는 영역을 도시한 상면도이다.
도 5는 도 4의 화면을 복수의 구역으로 나눈 모습을 도시한 상면도로서, 도 5(a)는 전체 화면에 해당하는 영역을 빗금 표시한 것이고, 도 5(b)는 전체 화면에서 출입구 구역에 해당하는 영역을 빗금 표시한 것이고, 도 5(c)는 전체 화면에서 출입구 구역을 제외한 나머지 영역을 빗금 표시한 것이다.
도 6은 벌통의 출입구를 포함한 영역을 5FPS의 영상으로 촬영하여 획득한 연속하는 2개의 정지 이미지(1차 이미지와 2차 이미지) 상의 벌의 개체수를 도시한 것이다.
도 7은 도 6의 1차 및 2차 이미지 상의 총 개체수, 출입구 구역의 제1개체수, 나머지 구역의 제2개체수를 계산하여 벌통으로 들어가거나 벌통에서 나오는 벌을 감지하는 과정을 설명하기 위한 도면이다.
도 8은 1차 이미지의 예시로서, 벌통을 나가는 꿀벌과 벌통으로 들어오는 꿀벌이 모두 나머지 구역(F)에 있는것으로 촬영된 이미지이다.
도 9는 2차 이미지의 예시로서, 벌통으로 들어오는 꿀벌이 모두 출입구 구역(E)에 있는 것으로 촬영된 이미지이다.
도 10은 본 발명의 일 실시예에 따른 벌의 활동량 측정방법의 순서도이다.
도 11은 도 10의 활동량 측정방법에서 벌을 감지하고 감지결과에 기초하여 벌의 활동량을 측정하는 단계의 일 예를 도시한 순서도이다.
이하, 본 발명의 여러 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 우선 각 도면의 구성 요소들에 참조 부호를 첨가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 실시될 수 있음은 물론이다.
도 1은 본 발명의 일 실시예에 따른 벌의 활동량 측정장치(100)의 구성을 도시한 블록도이고, 도 2는 도 1의 장치가 뒤영벌용 벌통(10)에 설치된 모습을 도시한 측면도이고, 도 3은 도 1의 장치가 꿀벌용 벌통(20)에 설치된 모습을 도시한 측면도이다.
효과적인 작물생산을 위해서 꿀벌이나 뒤영벌과 같은 작물수정용 벌의 활동량을 정량적으로 측정할 필요가 있으며, 벌통에서 날아가 작물로 향하는 벌의 수와 날아간 벌이 벌통으로 되돌아오는 수를 계산함으로써 벌의 활동량을 측정할 수 있다. 작물생산에 영향을 미치는 실질적인 벌의 활동량 측정을 위해서는 벌통 주변을 맴도는 벌의 수는 제외하고 벌통에서 날아가거나 날아들어오는 벌만을 정확하게 감지하는 것이 중요하다.
본 발명의 일 실시예에 따른 벌의 활동량 측정장치(이하 '활동량 측정장치'라 한다)는 벌통의 출입구를 드나들면서 실제로 비행하는 벌만을 감지하고 감지결과에 기초하여 벌의 활동량을 정량적으로 측정하도록 구성된다. 구체적으로, 활동량 측정장치(100)는 벌통(10, 20)의 상부에 설치되어 벌통의 출입구를 드나드는 벌(1, 2)을 벌의 종류에 기초하여 기결정된 초당 프레임 수(frame per second, FPS)의 영상으로 촬영하는 촬영부(130), 상기 활동량 측정장치(100)의 동작에 필요한 프로그램 및 데이터를 저장하는 저장부(150), 및 제어부(170)를 포함한다.
촬영부(130)는, 벌통의 출입구를 포함한 영역을 위에서 바라본 모습(top view)으로 화면에 잡도록 설치된 촬영모듈(131)을 포함한다. 촬영부(130)는 도 2 및 도 3에 도시된 바와 같이, 지지대(135)를 통해 벌통(10, 20)의 상부에 고정될 수 있으나 본 발명이 이에 한정되는 것은 아니다. 다른 실시예로서, 벌통(10, 20)이 위치한 작물재배시설의 천장에 설치되거나 바닥에 고정된 스탠드에 설치될 수도 있다.
도 2는 뒤영벌용 벌통(10)에 촬영부(130)가 설치된 모습을 도시한 것이다. 뒤영벌용 벌통(10)은 뒤영벌(1)이 드나드는 출입구(11)가 바닥에서 일정 높이로 떨어져서 위치한다. 따라서, 촬영모듈(131)이 벌통의 출입구(11)를 포함한 일정 영역을 화면(200a)에 잡을 수 있도록 촬영모듈(131)의 설치 높이가 결정된다. 추가적인 실시예로서, 설치장소가 협소한 경우 촬영모듈(131)은 광각렌즈를 포함하여 설치에 필요한 부피를 소형화할 수도 있다.
도 3은 꿀벌용 벌통(20)에 촬영부(130)가 설치된 모습을 도시한 것이다. 꿀벌용 벌통(20)은 꿀벌(2)이 드나드는 출입구(21)가 벌통의 하단부에 위치한다. 따라서, 도 2의 경우에 비해서, 벌통에 대한 촬영모듈(131)의 상대적인 높이가 더 낮아도 벌통의 출입구(21)를 포함한 일정 영역을 화면(200b)에 잡을 수 있다.
도 2 및 도 3과 같이 설치된 촬영모듈(131)에 잡힌 화면(200a, 200b), 즉 촬영모듈(131)로 촬영되는 벌통의 출입구(11, 21)를 포함한 영역을 도 4를 참조하여 설명한다.
촬영부(130)는 벌의 종류에 따라 기결정된 초당 프레임 수(FPS)로 영상을 촬영함으로써, 벌통 주변을 맴도는 등 작물생산과 관계없는 행동패턴을 보이는 벌에 대해서는 벌통을 출입하는 벌로 인식하지 않도록 하여 벌의 활동량을 정확하게 측정할 수 있다. 일 실시예로서, 촬영부(130)는 벌통의 출입구(11, 21)에서 밖으로 날아가거나 날아들어오는 벌의 비행속도에 기초하여 기결정된 초당 프레임 수로 영상을 촬영한다.
꿀벌(2)의 경우 벌통의 출입구(21)에서 밖으로 날아가는 벌의 비행속도는 0.87±0.24(m/s)이고, 벌통의 출입구(21)로 들어오는 벌의 비행속도는 0.29±0.12(m/s)이다. 따라서, 벌통을 출입하는 꿀벌을 모두 정확하게 계수하기 위해서는, 적어도 벌통의 출입구(21)에서 밖으로 날아가는 꿀벌의 비행속도에 기초하여 초당 프레임 수(FPS)를 결정하는 것이 바람직하다.
뒤영벌(1)의 경우 꿀벌보다 느린 속도로 벌통 밖으로 날아간다. 따라서 뒤영벌의 경우 더 적은 초당 프레임 수로도 정확하게 벌통을 출입하는 벌의 수를 계수할 수 있다. 140여개의 샘플 측정 결과, 뒤영벌의 평균 비행속도는 0.38±0.25(m/s)이고, 벌통의 출입구(11)에서 밖으로 날아가는 벌의 비행속도는 0.43±0.29(m/s)이고, 벌통의 출입구(11)로 들어오는 벌의 비행속도는 0.33±0.19(m/s)이다. 뒤영벌의 경우에도 벌통으로 날아 들어오는 벌의 비행속도보다 벌통을 나가는 벌의 비행속도가 더 빠르므로 벌통 밖으로 날아가는 뒤영벌의 비행속도에 기초하여 촬영 영상의 초당 프레임 수(FPS)를 결정한다.
도 4를 참조하면, 화면(200a, 200b)의 한쪽 가장자리에 벌통의 출입구(11, 21)가 걸치도록 촬영 영역이 결정된다. 또한 출입구(11, 21)에서 밖으로 날아가는 벌이 화면(200a, 200b) 안에 잡히도록 촬영 영역이 결정된다. 출입구를 나온 벌은 대각선 방향으로 날아가는 경향이 있으므로 날아가는 꿀벌이 화면에 적어도 한번 잡히기 위해서는 비행속도가 0.87±0.24(m/s)임을 감안할 때 5FPS로 영상을 촬영한다면 대각선(c)의 길이는 적어도 22.2㎝가 되어야 한다. 이렇게 대각선(c)의 길이가 결정되면 촬영모듈(131)의 화면 비율(aspect ratio)과, 화면상에 걸쳐지는 출입구(11,21)의 크기에 따라, 폭(w)과 높이(h)가 결정된다. 화면의 높이(h)는 2b이며, 대각선(c)의 길이는 다음 수학식 1과 같다.
Figure pat00001
실제로는 촬영모듈(131)이 촬영할 수 있는 영역의 물리적인 크기 및 화면비율이 제한적이므로 벌이 출입구(11, 21)에서 밖으로 날아가는 비행속도에 기초하여, 꿀벌의 경우 5FPS 내지 7FPS의 범위에서 초당 프레임 수를 결정하고 뒤영벌의 경우 3FPS 내지 5FPS의 범위에서 초당 프레임 수를 결정할 수 있다. 다만, 초당 프레임 수를 증가시키면 대각선(c)의 길이를 줄일 수 있지만 영상의 저장에 필요한 용량이나 정지 이미지를 처리하는 속도 역시 증가하게 되므로, 이를 모두 감안하여 초당 프레임 수를 결정하게 된다.
이렇게 벌의 종류 및 벌의 비행속도에 기초하여 촬영 영상의 초당 프레임 수를 결정하면, 벌의 활동량을 측정하는데 필요한 최소한의 영상 정보량만으로 신속하고 정확하게 벌의 활동량을 측정할 수 있으며, 실제로 비행하는 벌만을 정확하게 계수할 수 있다.
컨트롤러(170)는 상기 촬영부(130)에서 획득한 영상의 정지 이미지에 존재하는 벌의 개체수 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하고, 감지 결과에 기초하여 벌의 활동량을 측정한다. 구체적으로, 도 5와 같이 복수의 구역(E, F)으로 나뉜 화면에서, 각 구역에 존재하는 벌(동그라미로 표시됨)의 개체수를 정지 이미지마다 계산하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하고, 감지 결과에 기초하여 벌의 활동량의 변화량을 측정할 수 있다.
도 5에 도시한 바와 같이, 도 4의 화면(200a, 200b)은 출입구(11,21)에 대응하는 출입구 구역(E)과 화면 전체에서 출입구 구역을 제외한 나머지 구역(F)으로 나눌 수 있다. 출입구 구역(E)은 출입구(11, 21)의 적어도 일부를 포함하며, 출입구(11,21)로 들어가거나 나가는 벌이 출입구에 있다고 식별될 수 있는 출입구 주변 영역을 더 포함할 수 있다. 출입구 주변 영역은 벌의 종류에 따라 다르게 설정될 수 있으며, 예를 들어 벌의 크기와 출입구(11, 21)의 구조를 고려하여 결정될 수 있다. 나머지 구역(F)은 출입구(11, 21)로 날아들어가거나 출입구에서 밖으로 날아가는 벌의 비행경로가 있는 구역이다.
도 5의 (a)는 도 4의 화면 전체(A)를 빗금으로 표시한 것이고, 도 5의 (b)는 도 4의 화면에서 출입구에 대응하는 출입구 구역(E)을 빗금으로 표시한 것이고, 도 5의 (c)는 도 4의 화면에서 출입구 구역을 제외한 나머지 구역(F)을 빗금으로 표시한 것이다. 여기서, 화면 전체에 존재하는 벌의 총 개체수가 6이고, 이 중 출입구 구역(E)에 존재하는 벌의 개체수(이하, '제1개체수'라고 한다)는 2이고, 나머지 구역(F)에 존재하는 벌의 개체수(이하, '제2개체수'라고 한다)는 4이다.
이렇게 정지 이미지마다 출입구 구역(E)의 제1개체수와 나머지 구역(F)의 제2개체수를 각각 계산하고 해당 구역에서의 개체수의 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지할 수 있다.
예시적으로, 5FPS의 영상으로 벌통의 출입구를 포함한 영역을 촬영하여 획득한 연속하는 2개의 정지 이미지 상의 벌의 개체수 변화를 도 6에 도시하였다. 설명의 편의상, 5FPS로 영상 촬영을 시작한 시점부터 0.4초 경과한 시점에서의 정지 이미지를 현재의 정지 이미지(이하, '2차 이미지'라고 한다)로 가정하고 그 바로 전인 0.2초 경과한 시점을 그 전의 정지 이미지(이하, '1차 이미지'라고 한다)라고 가정한다. 1차 이미지에 존재하는 벌의 총 개체수는 7이며, 2차 이미지에 존재하는 벌의 총 개체수는 4이다. 따라서 0.2초 동안 3마리의 벌이 화면에서 사라진 것을 알 수 있다. 본 발명에서는 화면에서 사라진 벌의 개체수를 판별하여 간편하게 벌의 활동량 변화량을 측정할 수 있다. 다시 말해, 화면 전체(A)의 벌의 개체수가 감소한 경우 사라진 벌이 벌통으로 들어가거나 벌통에서 나온 것으로 감지하여 활동량의 변화량을 측정 가능하다. 도 7 내지 도 9를 참조하여 더욱 상세하게 설명한다.
도 7은 도 6의 1차 이미지와 2차 이미지 각각에서 화면 전체(A)에 존재하는 총 개체수, 출입구 구역(E)의 제1개체수, 나머지 구역(F)의 제2개체수를 계산하는 과정을 도시한 것이다. 1차 이미지에서 총 개체수(Abef)는 7이고, 제1개체수(Ebef)는 1이고, 제2개체수(Fbef)는 6이다. 2차 이미지에서 총 개체수(Aafter)는 4이고, 제1개체수(Eafter)는 0이고, 제2개체수(Fafter)는 4이다. ΔA는 1차 이미지와 2차 이미지의 총 개체수의 변화량, ΔE는 1차 이미지와 2차 이미지의 제1개체수의 변화량, ΔF는 1차 이미지와 2차 이미지의 제2개체수의 변화량이라고 정의하고, 벌통으로 들어가는 벌은 반드시 출입구 구역(E)에서 인식된다고 가정하면, 벌통으로 들어간 벌의 개체수(Ni)는 다음의 수학식 2와 3로 감지할 수 있고, 벌통에서 나온 벌의 개체수(No)는 다음의 수학식 4와 5로 감지할 수 있다.
Figure pat00002
Figure pat00003
Figure pat00004
Figure pat00005
수학식 3은 한 이미지의 출입구 구역(E)에서 인식된 두 마리 이상의 벌이 그 다음 이미지에서 벌통 안으로 들어가거나 벌통 밖으로 나간 경우의 벌의 출입을 판별하는 식이고, 수학식 5는 한 이미지의 나머지 구역(F)에서 인식된 두 마리 이상의 벌이 그 다음 이미지에서 벌통 안으로 들어가거나 벌통 밖으로 나간 경우의 벌의 출입을 판별하는 식이다.
도 7을 참조하면, 2차 이미지에 존재하는 총 개체수(Aafter)가 1차 이미지에 존재하는 총 개체수(Abef)보다 3마리 감소(ΔA)하였으므로 활동하는 벌의 변화량은 세마리인 것을 알 수 있다. 또한, 1차 이미지의 제2개체수(Fbef)가 2차 이미지의 제2개체수(Fafter)보다 두 마리 감소(ΔF)하였으므로, 수학식 4에 따라 두 마리의 벌은 벌통 밖으로 나간 것을 알 수 있다.
도 8은 1차 이미지의 다른 예시이고, 도 9는 2차 이미지의 다른 예시이다. 도 8의 1차 이미지는 벌통을 나가는 두 마리의 꿀벌(25, 26)과 벌통으로 들어가는 두 마리의 꿀벌(27, 28)이 모두 나머지 구역(F)에 있고, 출입구 구역(E)에는 꿀벌이 없는 모습이 촬영된 것이다. 그리고 도 9의 2차 이미지는 벌통으로 들어가는 두 마리의 꿀벌(27, 28)이 모두 출입구 구역(E)에 있고, 나머지 구역(F)에는 꿀벌이 없는 모습이 촬영된 것이다.
도 9의 2차 이미지에 존재하는 총 개체수(Aafter)가 도 8의 1차 이미지에 존재하는 총 개체수(Abef)보다 두 마리 감소(ΔA)하였고, 1차 이미지의 제1개체수(Ebef)가 2차 이미지의 제1개체수(Eafter)보다 두 마리 증가하였고, 1차 이미지의 제2개체수(Fbef)가 2차 이미지의 제2개체수(Fafter)보다 네 마리 감소하였으므로, 수학식 5에 따라 두 마리의 벌은 벌통 밖으로 나간 것을 알 수 있고, 수학식 2에 따라 두 마리의 벌은 벌통으로 들어간 것을 알 수 있다.
이러한 방식으로 컨트롤러(170)는 현재의 정지 이미지에 존재하는 총 개체수가 그 전의 정지 이미지에 존재하는 총 개체수보다 줄었을 때 화면에서 사라진 벌이 벌통을 나가는 벌인지 벌통으로 들어간 벌인지를 개별 구역(E, F)의 개체수 변화를 계산함으로써 감지할 수 있고, 그 감지결과에 기초하여 벌의 활동량의 변화를 정량적으로 측정할 수 있다.
컨트롤러(170)는 실시간으로 계산한 벌통으로 들어오는 벌의 개체수와 벌통에서 나가는 벌의 개체수를 분당 합산하여 저장부(150)에 저장하고, 저장된 데이터에 기초하여 벌의 활동량의 변화를 측정할 수 있다. 또는 컨트롤러(170)는 분당 합산한 데이터를 별도의 서버로 전송할 수 있다.
추가적인 실시예로서, 컨트롤러(170)는 상기 촬영부(130)에서 획득한 영상의 정지 이미지에 존재하는 벌을 학습모델 기반으로 식별하기 위한 구성을 더 포함할 수 있다. 이를 위해서 컨트롤러(170)는 벌 모델부(110)를 더 포함할 수 있다. 벌 모델부(110)는 추가적인 실시예에 따른 것으로 도 1에서 컨트롤러(170)와는 별개로 도시하였으나 이는 설명의 편의를 위한 것으로, 벌 모델부(110)는 별도의 서버로 구현되거나, 또는 실질적으로 컨트롤러(170)가 벌 모델부(110)로서 추가로 동작하고 벌 이미지 데이터(111)는 저장부(150)에 저장되거나 별도의 서버 등 외부장치에 저장될 수도 있다.
벌 모델부(110)는 벌 이미지 모델을 기초로, 상기 쵤영부(130)에서 획득한 영상의 정지 이미지에 존재하는 벌의 종류 및 개체수를 판독할 수 있다. 벌 모델부(110)는 벌 이미지 데이터(111)를 이용한 벌 이미지 모델을 구축할 수 있다. 벌 이미지 데이터(111)는 꿀벌과 뒤영벌을 포함한 벌의 종류별로 단일 개체 이미지와 헤당 개체에 대한 레이블을 포함할 수 있다. 벌 모델부(110)는 벌 이미지 데이터(111)의 데이터를 기초로 복수의 벌 개체 이미지에 대한 대량의 데이터를 기계학습하여 벌 이미지 모델을 구축할 수 있다.
기계학습을 위해서, 일 실시예로서 벌의 종류에 따라 달라지는 벌통의 출입구(11, 21)가 벌과 함께 촬영된 이미지 데이터를 확보하고 오그멘테이션(augmentation)을 통해 데이터를 다양화한 후 패턴 학습하여 벌 이미지 모델을 구축할 수 있다. 기계학습 알고리즘으로는 라즈베리파이와 같은 모바일 CPU에 적합한 모바일넷(Mobilenet) V2 등의 신경망모델을 사용할 수 있으며, 구글 오픈소스인 텐서플로 라이트(TensorFlow Lite)로 학습 및 실행할 수 있다.
이렇게 모바일용 기계학습 알고리즘과 학습 프로그램을 사용하는 경우 별도의 서버를 두지 않고 활동량 측정장치(100)를 하나의 소형 장치(임베디드 시스템)로서 벌통(10, 20)에 설치 가능하며, USB 카메라로 간편하게 촬영부(130)를 구현할 수 있다.
저장부(150)는 활동량 측정장치(100)의 동작에 필요한 프로그램 및 데이터를 저장하는 역할을 수행하며, 프로그램 영역과 데이터 영역으로 구분될 수 있다.
프로그램 영역은 활동량 측정장치(100)를 부팅시키는 운영체제(Operating System, OS), 촬영 동작, 벌 활동 감지 동작, 벌 활동량 측정 동작, 그리고 선택적으로 벌 이미지 학습동작 등과 같은 활동량 측정장치(100)의 동작에 필요한 응용프로그램 등을 저장할 수 있다.
데이터 영역은 활동량 측정장치(100)의 사용에 따라 발생하는 데이터가 저장되는 영역으로서, 영상 정보, 감지 결과, 벌 활동량 측정 결과, 그리고 선택적으로 벌 이미지 데이터 등을 저장할 수 있다.
도 10은 본 발명의 일 실시예에 따른 벌의 활동량 측정방법(이하, '활동량 측정방법'이라 한다)의 순서도이고, 도 11은 도 10의 활동량 측정방법에서 벌을 감지하고 감지결과에 기초하여 벌의 활동량을 측정하는 단계의 일 예를 도시한 순서도이다. 본 발명의 일 실시예에 따른 활동량 측정방법은, 전술한 활동량 측정장치(100)에 의해 벌의 활동량을 측정하는 방법으로, 중복되는 설명은 생략한다.
본 발명의 일 실시예에 따른 활동량 측정방법은, 촬영부(130)로부터 영상을 획득하는 단계(S110)와, 영상의 정지 이미지에 존재하는 벌의 개체수 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하고, 감지 결과에 기초하여 벌의 활동량을 측정하는 단계(S130)를 포함한다.
또한 본 발명의 일 실시예에 따른 활동량 측정방법은, 전술한 활동량 측정장치(100)가 추가적인 실시예로서 벌 모델부(110)를 더 포함하는 경우, 영상을 획득하는 단계(S110) 다음에 벌 이미지 모델을 기초로 촬영부(130)에서 획득한 영상의 정지 이미지에 존재하는 벌의 종류 및 개체수를 판독하는 단계(S120)를 선택적으로 더 포함할 수 있다.
도 11을 참조하면, 벌을 감지하고 감지 결과에 기초하여 벌의 활동량을 측정하는 단계(S130)는, 각 정지 이미지에서 출입구 구역(E)에 존재하는 벌의 제1개체수와 나머지 구역(F)에 존재하는 벌의 제2개체수를 각각 계산하는 단계(S131)와, 제1개체수와 제2개체수의 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하는 단계(S133)를 포함할 수 있다.
각 단계는 도 1 내지 도 9를 참조하여 전술한 바와 동일하므로 중복되는 설명을 생략한다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 다음의 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.

Claims (16)

  1. 벌통의 출입구를 포함한 영역을 위에서 바라본 화면(top view)으로 촬영하도록 설치된 촬영모듈을 포함하고, 상기 벌통을 출입하는 벌의 종류에 기초하여 기결정된 초당 프레임 수로 영상을 촬영하는 촬영부; 및
    상기 쵤영부에서 획득한 영상의 정지 이미지에 존재하는 벌의 개체수 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하고, 감지 결과에 기초하여 벌의 활동량을 측정하는 컨트롤러를 포함하는,
    벌의 활동량 측정장치.
  2. 제 1 항에 있어서,
    상기 촬영부는,
    상기 벌이 벌통의 출입구에서 밖으로 날아가는 비행속도에 기초하여 기결정된 초당 프레임 수로 영상을 촬영하는,
    벌의 활동량 측정장치.
  3. 제 1 항 또는 제 2 항에 있어서,
    화면상에서 벌통의 출입구는 화면의 제 1 가장자리에 접하고,
    상기 출입구에서 밖으로 날아가는 벌이 상기 화면에 잡히도록 상기 영역의 위치가 결정되는,
    벌의 활동량 측정장치.
  4. 제 3 항에 있어서,
    화면상의 출입구의 중심으로부터, 상기 제 1 가장자리의 맞은편에 있는 화면의 제 2 가장자리의 한쪽 모서리까지의 대각선의 길이가, 상기 벌의 비행속도를 상기 초당 프레임 수로 나눈 값과 동일하거나 더 크도록 상기 영역의 크기가 결정되는,
    벌의 활동량 측정장치.
  5. 제 3 항에 있어서,
    상기 화면은, 상기 출입구에 대응하는 출입구 구역을 포함하고,
    상기 컨트롤러는,
    각 정지 이미지에서 상기 출입구 구역에 존재하는 벌의 제1개체수와, 각 정지 이미지의 화면 전체에서 상기 출입구 구역을 제외한 나머지 구역에 존재하는 벌의 제2개체수를 각각 계산하고,
    현재의 정지 이미지의 제1개체수와 제2개체수의 합이 그 전의 정지 이미지의 제1개체수와 제2개체수의 합보다 작으면, 상기 제1개체수와 상기 제2개체수의 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하는,
    벌의 활동량 측정장치.
  6. 제 5 항에 있어서,
    상기 컨트롤러는,
    현재의 정지 이미지의 제1개체수가 그 전의 정지 이미지의 제1개체수보다 크고, 현재의 정지 이미지의 제2개체수가 그 전의 정지 이미지의 제2개체수보다 작으면, 그 전의 정지 이미지에 존재하는 총 개체수에서 현재의 정지 이미지의 제1개체수를 뺀 만큼의 벌이 벌통 밖으로 나간 것으로 감지하고, 현재의 정지 이미지의 제1개체수와 그 전의 정지 이미지의 제1개체수의 차이만큼의 벌이 벌통으로 들어간 것으로 감지하는,
    벌의 활동량 측정장치.
  7. 제 5 항에 있어서,
    상기 컨트롤러는,
    현재의 정지 이미지의 제2개체수가 그 전의 정지 이미지의 제2개체수보다 크면, 그 전의 정지 이미지에 존재하는 총 개체수에서 현재의 정지 이미지의 제2개체수를 뺀 만큼의 벌이 벌통으로 들어간 것으로 감지하는,
    벌의 활동량 측정장치.
  8. 제 1 항에 있어서,
    상기 컨트롤러는,
    벌 이미지 모델을 기초로, 상기 쵤영부에서 획득한 영상의 정지 이미지에 존재하는 벌의 종류 및 개체수를 판독하는 벌 모델부를 포함하고,
    상기 벌 모델부에 의해 판독된 벌의 종류에 기초하여 상기 초당 프레임 수를 결정하는,
    벌의 활동량 측정장치.
  9. 벌통의 출입구를 포함한 영역을 위에서 바라본 화면(top view)으로 촬영하도록 설치된 촬영모듈을 포함하는 촬영부로부터 벌의 종류에 기초하여 기결정된 초당 프레임 수로 촬영된 영상을 획득하는 단계;
    상기 영상의 정지 이미지에 존재하는 벌의 개체수 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하고, 감지 결과에 기초하여 벌의 활동량을 측정하는 단계를 포함하는,
    벌의 활동량 측정방법.
  10. 제 9 항에 있어서,
    상기 영상은 벌이 벌통의 출입구에서 밖으로 날아가는 비행속도에 기초하여 기결정된 초당 프레임 수로 촬영된 것인,
    벌의 활동량 측정방법.
  11. 제 9 항 또는 제 10 항에 있어서,
    상기 영상을 획득하는 단계는,
    화면상에서 벌통의 출입구가 화면의 제 1 가장자리에 접하고, 상기 출입구에서 밖으로 날아가는 벌이 상기 화면에 잡히도록 위치결정된 영역에 대한 영상을 획득하는,
    벌의 활동량 측정방법.
  12. 제 11 항에 있어서,
    상기 영역의 크기는, 화면상의 출입구의 중심으로부터 상기 제 1 가장자리의 맞은편에 있는 화면의 제 2 가장자리의 한쪽 모서리까지의 대각선의 길이가 벌의 비행속도를 상기 초당 프레임 수로 나눈 값과 동일하거나 더 크도록 결정된 것인,
    벌의 활동량 측정방법.
  13. 제 11 항에 있어서,
    상기 화면은, 상기 출입구에 대응하는 출입구 구역을 포함하고,
    벌을 감지하고 감지결과에 기초하여 벌의 활동량을 측정하는 단계는,
    각 정지 이미지에서 상기 출입구 구역에 존재하는 벌의 제1개체수와, 각 정지 이미지의 화면 전체에서 상기 출입구 구역을 제외한 나머지 구역에 존재하는 벌의 제2개체수를 각각 계산하는 단계; 및
    현재의 정지 이미지의 제1개체수와 제2개체수의 합이 그 전의 정지 이미지의 제1개체수와 제2개체수의 합보다 작으면, 상기 제1개체수와 상기 제2개체수의 변화에 기초하여 벌통에서 나가는 벌과 벌통으로 들어가는 벌을 감지하는 단계를 포함하는,
    벌의 활동량 측정방법.
  14. 제 13 항에 있어서,
    상기 제1개체수와 상기 제2개체수의 변화에 기초하여 벌을 감지하는 단계는,
    현재의 정지 이미지의 제1개체수가 그 전의 정지 이미지의 제1개체수보다 크고, 현재의 정지 이미지의 제2개체수가 그 전의 정지 이미지의 제2개체수보다 작으면, 그 전의 정지 이미지에 존재하는 총 개체수에서 현재의 정지 이미지의 제1개체수를 뺀 만큼의 벌이 벌통 밖으로 나간 것으로 감지하고, 현재의 정지 이미지의 제1개체수와 그 전의 정지 이미지의 제1개체수의 차이만큼의 벌이 벌통으로 들어간 것으로 감지하는,
    벌의 활동량 측정방법.
  15. 제 13 항에 있어서,
    상기 제1개체수와 상기 제2개체수의 변화에 기초하여 벌을 감지하는 단계는,
    현재의 정지 이미지의 제2개체수가 그 전의 정지 이미지의 제2개체수보다 크면, 그 전의 정지 이미지에 존재하는 총 개체수에서 현재의 정지 이미지의 제2개체수를 뺀 만큼의 벌이 벌통으로 들어간 것으로 감지하는,
    벌의 활동량 측정방법.
  16. 제 9 항에 있어서,
    벌 이미지 모델을 기초로, 촬영부에서 획득한 영상의 정지 이미지에 존재하는 벌의 종류 및 개체수를 판독하는 단계를 더 포함하는,
    벌의 활동량 측정방법.
KR1020210171672A 2021-12-03 2021-12-03 벌의 활동량 측정 장치 및 방법 KR102675185B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210171672A KR102675185B1 (ko) 2021-12-03 2021-12-03 벌의 활동량 측정 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210171672A KR102675185B1 (ko) 2021-12-03 2021-12-03 벌의 활동량 측정 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20230083556A true KR20230083556A (ko) 2023-06-12
KR102675185B1 KR102675185B1 (ko) 2024-06-18

Family

ID=86770352

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210171672A KR102675185B1 (ko) 2021-12-03 2021-12-03 벌의 활동량 측정 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102675185B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070218804A1 (en) * 2006-03-17 2007-09-20 Allan Matthew J Portable on-site incubator for bees and bee nest
KR20160141224A (ko) * 2015-05-29 2016-12-08 주식회사 성광 수정벌 관리장치 및 관리 시스템
KR101961670B1 (ko) * 2017-10-20 2019-03-26 대한민국 곤충 활동 모니터링 시스템 및 그 방법
KR20210046934A (ko) 2019-10-21 2021-04-29 대한민국(농촌진흥청장) 뒤영벌의 활동량 측정 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070218804A1 (en) * 2006-03-17 2007-09-20 Allan Matthew J Portable on-site incubator for bees and bee nest
KR20160141224A (ko) * 2015-05-29 2016-12-08 주식회사 성광 수정벌 관리장치 및 관리 시스템
KR101961670B1 (ko) * 2017-10-20 2019-03-26 대한민국 곤충 활동 모니터링 시스템 및 그 방법
KR20210046934A (ko) 2019-10-21 2021-04-29 대한민국(농촌진흥청장) 뒤영벌의 활동량 측정 장치 및 방법
KR102334566B1 (ko) * 2019-10-21 2021-12-03 대한민국 뒤영벌의 활동량 측정 장치 및 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Journal of Apiculture vol.34 no.1 pp.47-55(2019.04.30) *
정찬호 등, 영상 객체 인식을 이용한 꿀벌 모니터링 시스템, 한국통신학회 2021년도 하게종합학술발표회 논문집 pp.806-807(2021.06.30) *
특허문헌 1은 적외선 센서 등을 통한 센싱 정보와 카메라 등을 통한 영상 정보를 조합하여, 벌통에서 나가는 뒤영벌과 벌통으로 들어가는 뒤영벌을 감지하고, 감지결과를 기반으로 뒤영벌의 활동량을 측정하는 장치 및 방법에 관한 것이다. 특허문헌 1은 촬영 모듈이 벌통 출입구의 정면을 향해 설치되어 화면의 중앙에 벌통의 출입구가 위치하므로, 벌통 위를 기어다니는 벌들이나 여름철 벌통 출입구에 많은 벌들이 붙어있을 경우에도 벌통을 출입하는 것으로 감지하여 벌의 정확한 활동량을 측정하지 못하는 문제점이 있었다.

Also Published As

Publication number Publication date
KR102675185B1 (ko) 2024-06-18

Similar Documents

Publication Publication Date Title
US10430533B2 (en) Method for automatic behavioral phenotyping
US11723344B2 (en) Agricultural monitoring system using image analysis
Campbell et al. Video monitoring of honey bee colonies at the hive entrance
US10290162B2 (en) Information processing apparatus, information processing method, and storage medium
US11688154B2 (en) Analysis and sorting in aquaculture
Guzhva et al. Now you see me: Convolutional neural network based tracker for dairy cows
KR102307478B1 (ko) 컴퓨터 비전을 이용한 가축 질병 예측 시스템 및 그 방법
KR101769963B1 (ko) 소의 승가 행위 판독 시스템
Borlinghaus et al. Honey bee counter evaluation–introducing a novel protocol for measuring daily loss accuracy
CA3230401A1 (en) Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes
Martinez-Ortiz et al. Video tracking of dairy cows for assessing mobility scores
CA3093646C (en) Method and system for extraction of statistical sample of moving objects
KR102675185B1 (ko) 벌의 활동량 측정 장치 및 방법
Knauer et al. Bee Tracker—an open‐source machine learning‐based video analysis software for the assessment of nesting and foraging performance of cavity‐nesting solitary bees
KR102334566B1 (ko) 뒤영벌의 활동량 측정 장치 및 방법
O’Brien et al. Estimating the number of drones at the entrance of a honey bee hive using machine learning tools
Majewski et al. Prediction of the remaining time of the foraging activity of honey bees using spatio-temporal correction and periodic model re-fitting
KR20190075253A (ko) 열화상 이미지를 활용한 가축 질병 감지 시스템
JP7368915B1 (ja) 学習による蜂の軌跡追跡及び分析装置及び方法
JP7384506B1 (ja) 学習による昆虫個体の識別装置
JP7368916B1 (ja) 学習による花粉の識別装置
Sledevič et al. Toward bee motion pattern identification on hive landing board
KR102680753B1 (ko) 판막 구조를 이용한 벌 계수 장치 및 이를 포함하는 시스템
Yang et al. Recognizing the rooting action of prepartum sow in free-farrowing pen using computer vision
Michels et al. A beehive monitoring system incorporating optical flow as a source of information

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant