KR20240018314A - 가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법 - Google Patents
가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법 Download PDFInfo
- Publication number
- KR20240018314A KR20240018314A KR1020220096398A KR20220096398A KR20240018314A KR 20240018314 A KR20240018314 A KR 20240018314A KR 1020220096398 A KR1020220096398 A KR 1020220096398A KR 20220096398 A KR20220096398 A KR 20220096398A KR 20240018314 A KR20240018314 A KR 20240018314A
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- disease
- data
- spread
- unit
- Prior art date
Links
- 244000144972 livestock Species 0.000 title claims abstract description 383
- 201000010099 disease Diseases 0.000 title claims abstract description 219
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000002265 prevention Effects 0.000 title claims description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 106
- 238000004088 simulation Methods 0.000 claims abstract description 57
- 230000005541 medical transmission Effects 0.000 claims abstract description 10
- 208000015181 infectious disease Diseases 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 15
- 238000013215 result calculation Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 230000036760 body temperature Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 15
- 208000007212 Foot-and-Mouth Disease Diseases 0.000 description 8
- 241000710198 Foot-and-mouth disease virus Species 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- 208000031295 Animal disease Diseases 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 206010052428 Wound Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229960005486 vaccine Drugs 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
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
- A01K1/00—Housing animals; Equipment therefor
- A01K1/0047—Air-conditioning, e.g. ventilation, of animal housings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- G06Q50/10—Services
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Data Mining & Analysis (AREA)
- Zoology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Mining & Mineral Resources (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Agronomy & Crop Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법에 관한 것으로서, 적어도 하나 이상의 축사 내에서 환경정보 및 차량정보를 수집하고, 축사 내의 온도, 조명, 공기질 또는 차량의 출입을 관리하는 축사관리장치; 상기 환경정보, 차량정보 및 외부 데이터를 이용하여 질병 확산 예측 모델을 생성하고, 상기 질병 확산 예측 모델을 통해 질병의 확산 패턴 및 각 축사들의 질병 전파 확률값을 예측하여 결과데이터를 생성하며, 상기 결과데이터에 따라 생성된 축사관리데이터를 통해 상기 축사관리장치를 제어하는 통합관제서버 및 가상공간에 질병의 확산에 대한 시뮬레이션을 진행하여 시뮬레이션 데이터를 생성하는 가상공간형성부를 포함함으로써, 축사 내의 상황을 실시간 모니터링이 가능하며, 질병 발생 시 각 축사에 종합정보를 제공하고, 질병 전파 확률값에 따른 수준별 대응 메시지를 생성할 수 있다.
Description
본 발명은 가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법에 관한 것으로서, 상세하게는 머신러닝과 가상공간 내의 시뮬레이션을 이용하여 가축질병이 감염된 축사들의 확산 경로를 예측하고, 각 축사들의 감염병에 걸릴 확률을 산출하여 가축질병이 확산되는 것을 방지할 수 있는 가축질병 확산 경로 예측 및 확산 방지 시스템 및 그 방법에 관한 것이다.
구제역은 세계적으로 가장 중요한 동물 질병으로 간주되고 있으며, 이 질병이 발생되고 있지 않은 국가에 있어서는 가공 축산물의 수입과 가공 축산물의 수입과 생축의 수입에 있어서 까다롭고 비용이 많이 드는 검역/검사를 요구하는 등 국제교역을 제한하고 있기 때문에 구제역을 경제적 질병(economic disease) 또는 정치적 질병(political disease)이라 고도 부르고 있다.
이러한 구제역이 2010~2011년 전국적으로 발생하여 살 처분 3,480천 두(頭), 피해액 2조 7,383억원에 달하였으며, 백신처방 이후 규모는 감소하였으나, 2019년 현재까지 거의 매년 발생하고 있으며, 피해규모 또한 확대되고 있다.
또한 2013년~2016년 기간 동안 백신처방 유무와 상관없이 구제역, AI 발병에 따른 세계 살 처분 대비 한국의 살처분 비중은 구제역은 최대, AI는 두번째를 기록하고 있을 정도로 심각한 상황이다.
이처럼 구제역발생시 살 처분에 따른 경제적비용뿐만 아니라, 구제역 발생 시 도로통제와 외부인을 차단하는 등으로 관광객 유입 감소 등 지역경제에 미치는 파급효과가 적지 않다.
더욱 큰 문제점은 최근 구제역 발생 지역이 과거의 사육 규모가 큰 지역에서 기존에 발생하지 않던 농가 단위로 불특정 발생 양상을 보이며, 국제적 개방화 시대 도래에 따른 외부 유입 위험이 그대로 있어 어느 때보다도 지속적인 모니터링과 예찰 활동이 필요한 실정이다.
따라서, 가상공간을 이용하여 지속적인 모니터링이 가능하면서, 머신러닝과 가상공간 내의 시뮬레이션을 이용하여 가축질병이 감염된 축사들의 확산 경로를 예측할 수 있는 시스템이 요구되고 있다.
상기와 같은 문제점을 해결하고자, 본 발명은 적어도 하나 이상의 축사에서 수집된 축사 내외의 온도, 풍속, 기후 및 공기질 등과 축사에 진입하는 차량의 경유지를 수집하고, 해당 정보들을 이용하여 축사와 동일한 가상공간을 생성함으로써, 가상공간 내에서의 각 축사들의 질병 감염에 대한 시뮬레이션 진행 또는 머신러닝을 이용하여 가축질병의 확산 패턴과 각 축사들의 가축이 질병에 감염될 확률을 용이하게 예측하고 이에 대한 방지책을 마련할 수 있는 가축질병 확산 경로 예측 및 확산 방지 시스템 및 그 방법을 제공하는 데에 목적이 있다.
상기 과제를 해결하기 위하여, 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템은 적어도 하나 이상의 축사 내에 각각 설치되어 각 축사 내외의 환경정보를 측정하고, 상기 축사를 진입하는 차량정보를 수집하며, 축사 내의 온도, 조명, 공기질 또는 차량의 출입을 관리하는 축사관리장치; 상기 환경정보 및 차량정보를 전달 받되 외부플랫폼을 통해 외부 데이터를 전달 받고, 상기 환경정보, 차량정보 및 외부 데이터를 이용하여 질병 확산 예측 모델을 생성하고, 상기 질병 확산 예측 모델을 통해 질병의 확산 패턴 및 각 축사들의 질병 전파 확률값을 예측하여 결과데이터를 생성하며, 상기 결과데이터에 따라 각 축사들을 관리할 축사관리데이터를 생성함으로써, 상기 축사관리데이터를 통해 상기 축사관리장치를 제어하는 통합관제서버 및 상기 통합관제서버와 연계되어 상기 환경정보 및 차량정보를 전달 받아, 각 축사관리장치가 설치된 축사들에 대응하는 가상공간을 생성하고, 생성된 가상공간에 질병의 확산에 대한 시뮬레이션을 진행하여 시뮬레이션 데이터를 생성하는 가상공간형성부를 포함할 수 있다.
여기서, 상기 축사관리장치는, 각 축사 내외의 온도, 조명, 공기질 및 질병 감염 여부 등을 포함하는 환경정보를 측정하는 적어도 하나 이상의 환경측정부; 상기 축사를 경유하는 차량들을 촬영 또는 감지하며, 상기 차량들에 설치된 GPS센서로부터 차량의 이동경로를 포함한 차량정보를 수집하는 차량수집부; 상기 통합관제서버로부터 수신된 결과데이터 및 상기 가상공간형성부로부터 수신된 가상공간을 출력하여 축사 내를 실시간으로 모니터링하고, 사용자로부터 상기 가상공간을 통해 제어부를 통제하는 입력데이터를 생성하는 입출력부; 상기 축사 내의 온도, 조명 또는 공기질을 관리하는 환경관리부 및 상기 입력데이터 또는 상기 통합관제서버로부터 전달된 축사관리데이터에 따라 상기 환경관리부를 제어하는 제어부를 포함할 수 있다.
또한, 상기 통합관제서버는, 상기 축사관리장치로부터 환경정보 및 차량정보를 전달 받고, 상기 가상공간형성부에서 시뮬레이션 데이터를 전달 받으며, 상기 외부플랫폼과 연계되어 과거의 축사들의 질병 감염률 및 질병의 종류 등을 포함한 외부 데이터를 수집하는 송수신부; 상기 환경정보, 차량정보, 시뮬레이션 데이터 및 외부데이터를 저장하는 저장부; 상기 환경정보를 통해 질병이 감염된 축사들을 선별하는 축사선별부; 상기 환경정보, 차량정보, 시뮬레이션 데이터 및 외부 데이터를 이용하여 상기 질병 확산 예측 모델을 생성하는 모델생성부; 상기 질병 확산 예측 모델에 상기 환경정보 및 차량정보를 입력하여 질병의 확산 패턴을 예측하며, 상기 축사선별부를 통해 선별된 질병이 감염되지 않는 축사들의 질병 전파 확률값을 예측하는 결과산출부 및 상기 질병 전파 확률값에 따라 축사관리데이터를 생성하고, 상기 축사관리데이터를 상기 송수신부를 통해 축사관리장치로 전달하는 축사관리부를 포함할 수 있다.
여기서, 상기 모델생성부는, 상기 환경정보 및 차량정보에서 동일 또는 유사한 구성들을 결합하여 적어도 하나 이상의 질병 확산 요인으로 상기 질병 확산 예측 모델에 학습되기 위한 학습데이터로 변환시키는 데이터전처리부 및 상기 학습데이터를 적어도 하나 이상의 알고리즘에 학습시켜 상기 질병 확산 예측 모델을 생성하는 학습부를 포함하고, 상기 결과산출부에서 상기 질병 확산 예측 모델을 이용하여 가장 영향이 큰 질병 확산 요인을 도출할 수 있다.
또한, 상기 가상공간형성부는, 상기 통합관제서버로부터 송신된 각 축사의 환경정보 및 해당 축사에 진입하는 차량정보에 맞춰 가상공간을 구축하되, 상기 가상공간에서 각 축사 내 설치된 축사관리장치와 동일한 위치에 가상의 축사관리장치를 포지셔닝시키는 가상공간구축부 및 상기 가상공간 내에 포지셔닝된 가상의 축사관리장치의 동작, 상기 차량정보 및 상기 결과데이터를 토대로 가축의 질병에 대한 시뮬레이션을 적어도 한 번 이상 진행하여 시뮬레이션 데이터를 생성하는 시뮬레이션부를 포함하고, 상기 통합관제서버는, 상기 결과산출부에서 상기 시뮬레이션 데이터를 통해 도출된 환경정보를 상기 질병 확산 예측 모델에 입력하여 질병 전파 확률값을 산출할 수 있다.
본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 상기 축사관리장치는, 상기 축사 내의 가축에 각각 장착되되, GPS센서가 구축되어 가축의 위치를 파악하고, 가축들의 체온 및 운동량 등을 포함하는 가축정보를 수집하는 가축정보수집부를 더 포함하고, 상기 통합관제서버는, 상기 가축정보수집부로부터 상기 가축정보를 전달 받고, 상기 가축정보를 통해 가축의 스트레스정도를 판별하는 스트레스판별부를 더 포함하며, 상기 가상공간구축부는, 상기 통합관제서버로부터 송신된 축사 내 가축정보수집부의 위치를 가상공간 내에 실시간으로 포지셔닝하되, 상기 가축정보수집부의 위치에 가축정보 및 가축의 스트레스정도를 출력할 수 있다.
본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 방법은 통합관제서버가 적어도 하나 이상의 축사 내에 각각 설치된 축사관리장치로부터 수집된 환경정보, 각 축사에 진입한 차량정보, 가상공간형성부의 시뮬레이션 데이터 및 외부데이터를 수집하는 데이터수집단계; 통합관제서버가 상기 환경정보를 통해 축사 중 질병이 감염된 축사를 선별하는 축사선별단계; 통합관제서버에서 상기 환경정보, 차량정보 및 외부데이터에서 유사한 구성들을 결합하여 적어도 하나 이상의 질병 확산 요인을 가진 학습데이터로 변환시키는 데이터전처리단계; 상기 통합관제서버에서 상기 학습데이터를 적어도 하나 이상의 알고리즘에 학습시켜 상기 질병 확산 요인에 따른 질병 확산 예측 모델을 생성하는 모델생성단계; 상기 통합관제서버에서 상기 질병 확산 예측 모델에 상기 환경정보 및 차량정보를 입력하여 질병 확산 패턴 및 질병 전파 확률값을 도출하는 결과도출단계 및 상기 통합관제서버에서 각 축사로 상기 질병 확산 패턴 및 질병 전파 확률값을 전달하고, 상기 축사들로 질병 확산을 방지하기 위한 축사관리데이터를 전달하는 관리단계를 포함할 수 있다.
여기서, 상기 데이터수집단계는, 상기 축사관리장치가 축사 내의 환경을 실시간으로 측정하고, 축사에 진입한 차량정보를 수집하는 축사환경정보 수집방법; 상기 가상공간형성부가 각 축사들의 가상공간을 생성하고, 상기 가상공간 내에서 상기 환경정보를 이용하여 시뮬레이션을 진행한 시뮬레이션 데이터를 수집하는 시뮬레이션 수집방법 및 상기 통합관제서버가 외부플랫폼에서 과거의 축사들의 질병 감염률 및 질병의 종류 등을 포함한 외부데이터를 수집하는 외부데이터 수집방법 중 하나 이상의 방법을 사용할 수 있다.
본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템 및 그 방법은 축사 내외의 기후, 온도, 풍속 및 공기질 등의 환경정보와 축사에 진입하는 차량정보를 수집하고, 해당 자료들을 통해 가상공간을 생성 및 머신러닝을 이용하여 질병의 확산 패턴 및 각 축사의 질병 전파 확률값을 예측함으로써, 축사 내의 상황을 실시간 모니터링이 가능하며, 질병 발생 시 각 축사에 종합정보를 제공하고, 질병 전파 확률값에 따른 수준별 대응 메시지를 관계 축산 농가, 관리기관 또는 방역기관에 통보하여 신속 대응토록 조치가 가능한 효과가 있다.
도 1은 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 개략도이다.
도 2는 도 1의 축사관리장치의 구성을 나타낸 블록도이다.
도 3은 도 1의 통합관제서버의 구성을 나타낸 블록도이다.
도 4는 도 3의 모델생성부의 구성을 나타낸 불록도이다.
도 5는 도 1의 가상공간형성부의 구성을 나타낸 블록도이다.
도 6은 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 축사관리장치의 구성을 나타낸 블록도이다.
도 7은 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 통합관제서버의 구성을 나타낸 나타낸 블록도이다.
도 8은 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 방법의 순서도이다.
도 2는 도 1의 축사관리장치의 구성을 나타낸 블록도이다.
도 3은 도 1의 통합관제서버의 구성을 나타낸 블록도이다.
도 4는 도 3의 모델생성부의 구성을 나타낸 불록도이다.
도 5는 도 1의 가상공간형성부의 구성을 나타낸 블록도이다.
도 6은 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 축사관리장치의 구성을 나타낸 블록도이다.
도 7은 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 통합관제서버의 구성을 나타낸 나타낸 블록도이다.
도 8은 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 방법의 순서도이다.
이하, 도면을 참조한 본 발명의 설명은 특정한 실시 형태에 대해 한정되진 않으며, 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있다. 또한, 이하에서 설명하는 내용은 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 대체물을 포함하는 것으로 이해되어야 한다.
이하의 설명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용되는 용어로서, 그 자체에 의미가 한정되지 아니하며, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서 전체에 걸쳐 사용되는 동일한 참조번호는 동일한 구성요소를 나타낸다.
본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 이하에서 기재되는 "포함하다", "구비하다" 또는 "가지다"등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로 해석되어야 하며, 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.
이하 도 1 내지 도 8을 참조하여 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템 및 그 방법을 구체적으로 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 개략도이고, 도 2는 도 1의 축사관리장치의 구성을 나타낸 블록도이며, 도 3은 도 1의 통합관제서버의 구성을 나타낸 블록도이고, 도 4는 도 3의 모델생성부의 구성을 나타낸 불록도이며, 도 5는 도 1의 가상공간형성부의 구성을 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템은 축사관리장치(10), 통합관제서버(20), 가상공간형성부(30) 및 외부플랫폼(40)을 포함할 수 있다.
먼저, 축사관리장치(10)는 축사 내에 설치되어 축사 내외의 환경정보를 측정할 수 있다. 여기서, 축사는 가축을 기르는 건물을 말할 수 있으며, 축사관리장치(10)를 통해 통합관제서버(20)와 연계될 수 있다.
또한, 축사관리장치(10)는 통합관제서버(20)에 의해 축사가 질병이 감염되거나 인접한 지역의 축사에서 질병이 감염될 시 축사 내의 온도, 조명, 공기질 또는 차량의 출입을 관리할 수 있다.
도 2를 참조하면, 축사관리장치(10)는 환경측정부(11), 차량수집부(12), 입출력부(13), 환경관리부(14) 및 제어부(15)를 포함할 수 있다.
환경측정부(11)는 각 축사 내에 적어도 하나 이상이 설치될 수 있다. 환경측정부(11)는 온도센서, 습도센서, 조도센서, 풍속센서, 풍향센서, CO2 센서, NH3 센서. VOCs -센서 등으로 마련될 수 있다. 여기서, VOCs -센서는 건축자재에서 발생하는 오염공기를 감지하는 센서일 수 있다.
또한, 환경측정부(11)는 입출력부(13)에서 사용자로부터 현 질병 감염 여부가 입력된 것을 저장할 수 있으며, 입력데이터와 현재 측정된 환경정보를 병합하여 통합관제서버(20)로 전달할 수 있다.
여기서, 환경정보는 상술된 센서들을 통해 수집된 정보뿐만 아니라 가축 종류, 사육형태, 개체수, 과거 발생 여부, 계열화 여부, 농장 면적, 반경 3 내지 4km 내 농장 밀집도, 지역의 위험도 등을 더 포함할 수 있다.
차량수집부(12)는 축사를 경유하는 차량들을 촬영 또는 감지할 수 있다. 차량수집부(12)는 차량들에 설치된 GPS센서로부터 차량의 이동경로를 포함한 차량정보를 수집할 수 있다.
또한, 차량정보는 차량의 용도, 차량 계열화, 차량의 농장 방문 시점, 질병 발생 농장 방문 후 다른 농장 방문까지의 시간차, 차량 소유자 정보, 방문 농장의 빈도 및 방문한 지역의 위험도 등을 더 포함할 수 있다.
이를 위해, 차량수집부(12)는 내부에 근거리전용통신(DSRC, Dedicated Short Range Communication)이 가능한 인터페이스 또는 모듈이 장착될 수 있으며, 근거리전용통신을 이용하여 차량에 장착되어 있는 '차량무선인식장치'로부터 차량의 이동경로를 포함한 차량정보를 전달받을 수 있다.
여기서, 차량무선인식장치는 축산차량 등록제도에 의해 축산관계시설 출입차량의 신속한 파악 및 통제를 통해 가축질병 전파를 차단하는 데에 목적을 가진 장치이다.
차량무선인식장치는 외부에서 전원상황, GPS상황, 이동통신상황, 방문상황, 정보 전송 상황 등을 확인할 수 있도록 각 동작에 맞는 모듈이 내장되어 있는 장치이다.
즉, 차량수집부(12)는 차량의 내부에 부착된 차량무선인식장치로 차량이 진입한 축사의 위치 또는 이름 등과 같은 축사정보를 전달할 수 있고, 차량무선인식장치에서 차량정보를 전달 받을 수 있다.
또한, 차량수집부(12)의 통신 방법은 반드시 이에 한정되는 사항은 아니며, 근거리무선통신(NFC), 블루투스, 위성통신, 직접연결통신 등 차량무선인식장치와 차량정보를 송수신할 수 있는 모든 방법이 사용될 수 있다.
입출력부(13)는 통합관제서버(20)로부터 수신된 결과데이터를 전달 받을 수 있으며, 가상공간형성부(30)로부터 수신된 가상공간을 통합관제서버(20)를 통해 전달 받을 수 있다.
여기서, 결과데이터는 통합관제서버(20)에서 질병 확산 모델을 통해 질병의 확산 패턴 및 각 축사들의 질병 전파 확률값일 수 있다. 이러한 결과데이터의 정의 및 결과데이터를 도출하는 방법은 하기에서 보다 구체적으로 설명하기로 한다.
입출력부(13)는 가상공간을 출력하되, 가상공간을 통해 축사 내를 실시간으로 모니터링하도록 할 수 있다. 여기서, 가상공간은 축사와 동일한 형태로 마련되어 내부에 가상의 환경측정부(11) 및 환경관리부(14)를 마련할 수 있으며, 이에 대한 설명도 마찬가지로 하기에서 보다 구체적으로 설명하기로 한다.
또한, 입출력부(13)는 가상공간 내에 결과데이터를 출력할 수도 있으나, 반드시 이에 한정되는 것은 아니며, 모니터, 터치패드, 스마트폰 등으로 마련되어 가상의 공간이 아닌 화면을 통해 결과데이터를 출력 할 수도 있다.
이때, 입출력부(13)는 사용자로부터 가상공간을 통해 제어부(15)를 통제하는 입력데이터를 입력 받을 수 있다.
여기서, 입력데이터는 축사관리장치(10)와 연동되는 입력장치를 통해 입력될 수 있으며, 입력장치는 마우스, 키보드, 터치패드, VR장치, 컨트롤러 등으로 마련될 수 있다.
예를 들어, 입출력부(13)가 가상공간을 출력하기 위하여 사용자의 두부(頭部)에 장착되어 가상공간을 출력하는 헬멧, 사용자의 위치 이동을 트레킹하는 트래킹 센서 및 사용자의 터치 또는 버튼 입력을 감지하여 입력데이터를 생성하는 컨트롤러로 구성되었다면, 헬멧을 통해 축사의 가상공간을 사용자에게 송출할 수 있다.
또한, 입출력부(13)는 가상공간 내에 마련된 가상의 환경측정부(11)를 통해 사용자에게 축사의 현재 환경을 전달할 수 있으며, 사용자가 컨트롤러로 가상의 환경관리부(14)를 조작할 경우, 상기의 트레킹 센서 및 컨트롤러를 통해 사용자의 입력을 받은 가상의 환경관리부(14)를 판단할 수 있다.
다시 말해, 사용자가 작동시키고자 한 가상의 환경관리부(14)를 클릭 또는 터치로 가상공간 내에서 입력하였을 시, 입출력부(13)는 트레킹 센서를 통해 사용자의 현재 위치 또는 방향을 감지하여 사용자가 바라보는 가상의 환경관리부(14)가 어떤 것인지 판단할 수 있다.
이후, 입출력부(13)는 컨트롤러와 화면을 통해 사용자가 가상공간에서 작동 시킨 환경관리부(14)에 대한 입력데이터를 생성하여 통합관제서버(20)로 전달할 수 있다. 통합관제서버(20)는 전달된 입력데이터를 토대로 가상공간에서 작동된 환경관리부(14)를 제어할 수 있는 축사관리데이터를 생성할 수 있다.
이에 따라, 입출력부(13)는 상술된 과정을 통해 해당 입력데이터를 통해 조작을 받은 환경관리부(14)의 정보 즉, 해당 환경관리부(14)의 축사관리데이터를 통합관제서버(20)를 거쳐 제어부(15)로 송출할 수 있어, 제어부(15)가 사용자의 입력에 맞춰 실제의 환경관리부(14)를 제어하도록 할 수 있다.
여기서, 환경관리부(14)의 정보는 상술된 축사관리데이터뿐만 아니라 축사 내에서 위치, 용도 등을 더 포함할 수 있으나, 이에 한정되는 것은 아니다.
또한, 입출력부(13)는 축사 내의 가축들이 질병에 걸렸는 지를 판단하는 자가 체크리스트를 입력 받을 수 있다. 여기서, 자가 체크리스트는 축산관리본부에서 임의로 배포한 문진표를 기준으로 작성된 것일 수 있으며, 축산관리본부의 서버에서 통합관제서버(20)를 통해 전달 받을 수 있다.
통합관제서버(20)에서 입출력부(13)로부터 자가 체크리스트를 전달 받아 외부플랫폼(40)으로 전달할 수 있으며, 자가 체크리스트 내의 문답을 이용하여 질병 확산 요인을 예측하거나, 질병 확산 모델에 입력하여 사용될 수 있다.
통합관제서버(20)에서 이러한 자가 체크리스트를 이용하는 방법은 하기에서 보다 구체적으로 설명하기로 한다.
환경관리부(14)는 환경측정부(11)로부터 측정된 환경정보에 따라 축사 내의 온도, 조명의 밝기 또는 공기질을 관리할 수 있다.
이를 위해, 환경관리부(14)는 환풍기, 가온기, 가습기, 냉방기, 급이기 및 급수기 등으로 마련될 수 있으나, 반드시 이에 한정되는 사항은 아니며, 축사 내의 환경을 변화시키거나 가축들의 상태를 변화시킬 수 있는 모든 장치를 포함할 수 있다.
제어부(15)는 환경관리부(14)를 제어하여 축사 내의 상태를 제어할 수 있다.
제어부(15)는 입출력부(13)에서 입력된 입력데이터 또는 통합관제서버(20)로부터 전달된 축사관리데이터에 따라 자동으로 환경관리부(14)를 제어할 수 있다.
또한, 제어부(15)는 각 환경관리부(14)에 마련된 전원장치(미도시)를 제어할 수도 있어, 환경측정부(11)에서 전달된 축사 내의 환경 상태에 따라 환경관리부(14)의 전원을 제한할 수 있다.
예를 들어, 환경측정부(11)에서 측정한 축사 내부의 온도가 높을 경우, 환경관리부(14) 중 조명 및 난방기의 전원을 차단할 수 있다.
통합관제서버(20)는 축사관리장치(10)로부터 환경정보 및 차량정보를 전달 받아 질병 확산 예측 모델을 생성하고, 질병의 확산 패턴 및 각 축사들의 질병 전파 확률값을 예측할 수 있다.
통합관제서버(20)는 축사관리장치(10), 가상공간형성부(30) 및 외부플랫폼(40)과 연계되어 정보들을 송수신할 수 있어, 각 구성들에서 생성 또는 전달된 정보들을 임시로 저장할 수 있다. 이에 대한 설명은 하기에서 보다 구체적으로 설명하기 한다.
도 3을 참조하면, 통합관제서버(20)는 송수신부(21), 저장부(22), 축사선별부(23), 모델생성부(24), 결과산출부(25) 및 축사관리부(26)을 포함할 수 있다.
송수신부(21)는 외부플랫폼(40)과 연계되어 외부데이터를 전달 받을 수 있다.
여기서 외부플랫폼(40)은 국가가축방역통합시스템의 서버, 기상청 서버 등과 같이 축산 업계와 관련이 있는 기관의 서버 또는 플랫폼으로서, 축사 내의 가축에게 질병이 확산될 요인을 가진 외부데이터를 통합관제서버(20)로 전달할 수 있다.
외부데이터는 과거의 축사들의 질병 감염률 및 질병의 종류, 질병의 치사율, 전파 속도, 질병이 감염된 축사의 종류 등을 포함할 수 있으나, 이에 한정되지 않는다.
또한, 송수신부(21)는 통합관제서버(20) 내에서 분석된 질병의 확산 패턴 또는 질병 전파 확률값을 외부플랫폼(40)으로 전달할 수 있어, 외부플랫폼(40)이 통합관제서버(20)와 연계되지 않은 축사 또는 인근 지역으로 알림을 송신하도록 할 수 있다.
저장부(22)는 송수신부(21)가 축사관리장치(10), 가상공간형성부(30) 및 외부플랫폼(40)과 연계되어 송수신한 환경정보, 차량정보, 시뮬레이션 데이터 및 외부데이터를 저장할 수 있다.
또한, 저장부(22)는 환경정보, 차량정보, 외부데이터와 더불어 가상공간형성부(30)에서 생성된 가상공간에 대한 정보를 가 저장할 수도 있다.
다시 말해, 저장부(22)는 축사관리장치(10)와 가상공간형성부(30)가 데이터를 송수신할 시 해당 데이터들을 임시로 저장할 수 있으며, 이후, 축사관리장치(10) 또는 가상공간형성부(30)로 요구되는 데이터를 전달해 줄 수 있다.
축사선별부(23)는 환경정보를 통해 질병이 감염된 축사들을 선별할 수 있다. 이때, 환경정보는 입출력부(13)에서 사용자에 의해 자가 체크리스트 또는 질병이 감염된 상태가 입력된 것을 위주로 사용할 수 있으나, 반드시 이에 한정되는 사항은 아니다.
다시 말해, 축사선별부(23)는 환경정보를 이용하여 가축들의 먹이량, 급수량 또는 상처 부위 등을 분석할 수 있는 것으로, 가축들의 현 질병 감염 여부를 판단할 수 있다.
즉, 축사선별부(23)는 사용자의 입력 또는 환경정보에 따른 예찰에 의해 축사 내 질병 감염이 확실하거나 의심이 가는 축사들을 선별할 수 있다.
모델생성부(24)는 저장부(22)에 저장된 환경정보, 차량정보 및 외부데이터를 이용하여 질병 확산 예측 모델을 생성할 수 있다.
여기서, 질병 확산 예측 모델은 축사선별부(23)에서 선별된 축사들의 환경정보를 입력할 시 해당 축사들이 질병에 감염된 시간 또는 해당 축사들을 경유한 차량정보를 통해 질병 확산 패턴을 예측할 수 있다.
이러한 질병 확산 예측 모델을 생성하는 방법을 하기에서 보다 구체적으로 설명하기로 한다.
도 4를 참조하면, 모델생성부(24)는 데이터전처리부(240) 및 학습부(241)를 포함할 수 있다.
먼저, 데이터전처리부(240)는 환경정보, 차량정보 및 외부데이터에서 유사한 구성들을 결합할 수 있다.
구체적으로, 데이터전처리부(240)는 미리 질병 확산 요인 중 결과에 영향을 주는 요인들에 가중치가 부여될 수 있으며, 수집된 환경정보, 차량정보 및 외부데이터에서 가중치가 부여된 요인들과 가중치가 부여되지 않은 요인들로 선별할 수 있다.
이때, 데이터전처리부(240)는 원-핫 인코딩(one-hot encoding) 방법을 이용하여 정보 내의 문자열 데이터를 숫자 데이터로 변환시킬 수 있으나, 반드시 이에 한정되는 사항은 아니다.
이때, 데이터전처리부(240)는 각 정보 내의 질병 확산 요인들에 결측값 또는 이상치를 삭제하거나 변환시킬 수 있다.
예를 들어, 동일한 이동 경로를 가졌다고 판단된 적어도 하나 이상의 차량정보 중 하나의 차량정보가 동일한 축사를 방문하지 않아 이동 경로의 값에 공백이 발생한 경우, 데이터전처리부(240)는 해당 위치에 '0'값을 넣어 결측된 값을 해결할 수 있다.
데이터전처리부(240)는 결측값 또는 이상치가 처리된 정보들을 이용하여 K-근접 알고리즘(KNN), 선형회귀(linear regression) 및 랏소회귀(Lasso) 중 적어도 하나 이상의 방법을 사용하여 각 요인들 중 서로 밀접한 관계를 가지거나 서로 상관관계가 있는 질병 확산 요인들을 선별할 수 있다.
여기서, KNN은 정보 내의 데이터포인트 중 가장 가까운 데이터포인트, 즉 '최근접 이웃'을 찾아내어 질병 확산 요인끼리 밀접한 연관이 있는지 판단하는 방법이다.
선형회귀는 어떤 특정 질병 확산 요인에 다른 질병 확산 요인들이 주는 영향력을 선형적으로 분석하는 방법이다. 선형회귀 방법에서 평균제곱오차를 최소화하는 매개변수 값을 산출할 수 있다. 평균제곱오차는 예측 값과 본래의 정보 값의 차이를 제곱하여 더한 후에 질병 확산 요인을 가진 환경정보와 차량정보의 개수로 나눈 것이다.
랏소회귀는 KNN 및 선형회귀 방법을 사용한 이후, 각 질병 확산 요인들이 밀접한 관계를 가지고 있다고 판단되었을 경우, 질병 확산 요인들의 상관관계를 알 수 있고 분석이 가능할 수 있다.
이후, 데이터전처리부(240)는 각 질병 확산 요인의 데이터들을 특성에 따라 유사한 것끼리 군집을 형성할 수 있다. 군집을 형성하는 방법은 K-평균 군집화, 계층형 군집화 또는 기타 군집화 방법 중 적어도 하나 이상의 방법으로 진행될 수 있다.
여기서, K-평균 군집화는 모집단 또는 범주에 대한 사전 정보가 없는 경우 주어진 관측 값들 사이의 거리 또는 유사성을 이용하는 분석법이다. K-평균 군집화는 반복 작업이 가능하여 초기에 잘못된 병합을 진행하였을 경우, 반복 수행을 통해 잘못된 부분을 수정할 수 있다.
계층형 군집화는 질병 확산 요인을 비슷한 군집끼리 묶어 가면서 최종적으로 하나의 군집으로 만드는 방법이다. 계층형 군집화를 통해 감염에 가장 큰 원인을 주는 질병 확산 요인을 선별할 수 있으며, 질병 확산 요인 간의 밀접도를 판단할 수 있다.
이에 따라, 데이터전처리부(240)는 전체 학습데이터를 속성이 비슷한 질병 확산 요인끼리 분류하는 것으로 각 질병 확산 요인들을 관리 할 시 편의성 및 효율성이 높아지며, 학습부(241)에서 질병 확산 예측 모델을 보다 편리하게 생성하도록 할 수 있다.
또한, 데이터전처리부(240)는 자가 체크리스트를 수신 받고, 상술된 방법을 이용하여 자가 체크리스트 내의 요인들을 상기 질병 확산 요인에 추가하고, 미리 생성된 군집에 해당 요인의 데이터를 추가하는 것으로 학습데이터를 생성할 수도 있다.
즉, 데이터전처리부(240)는 입력데이터, 환경정보 및 차량정보의 결측값 및 이상치를 처리하고 문자형으로 생성된 정보를 숫자형으로 바꿔 각 요인들의 유사 군집을 생성하는 것으로, 학습부(241)에서 질병 확산 모델을 생성하기 위한 학습데이터로 변환시킬 수 있다.
학습부(241)는 학습데이터를 적어도 하나 이상의 알고리즘에 학습시켜 질병 확산 예측 모델을 생성할 수 있는데, 예로 의사결정나무(Decision Tree), 의사결정나무 앙상블(Decision Tree Ensemble), 배깅(Bagging), 엑스트라 트리(Extra-Tree), 에이다 부스트(AdaBoost) 및 서포터 벡터머신(SVM) 중 하나 이상의 알고리즘을 사용할 수 있다.
의사결정나무는 일련의 단순한 의사결정 규칙들을 적용시켜 큰 질병 확산 요인 군집을 작은 질병 확산 요인 군집으로 나누는 데 쓰이는 구조이며, 특정한 규칙과 패턴 등을 토대로 학습데이터를 분류할 수 있다.
배깅은 bootstrap aggregating의 준말로서 주어진 학습데이터에 대해서 여러 개의 부스트랩(bootstrap) 자료를 생성하고, 각 부스트랩 자료를 모델링한 후 결합하여 질병 확산 예측 모델을 생성할 수 있다. 배깅은 질병의 확산 패턴 및 질병 전파 확률값을 평균하여 예측을 수행할 수 있다.
엑스트라 트리는 질병 확산 요인의 특성을 무작위로 분할한 다음 최적의 분할을 찾는 방법으로서, 모든 노드(node)에서 특성마다 가장 최적의 임계 값을 찾는 작업이 다른 알고리즘보다 빠를 수 있다.
에이다 부스트는 이전의 모델이 잘못 분류한 샘플에 가중치를 높여서 다음 모델을 훈련시키는 방법으로서, 학습데이터를 순차적으로 학습하여 특정 매개변수를 지원하지 않고 일반화 성능이 향상될 수 있다.
서포터 벡터머신은 학습이 진행되는 동안 각 학습데이터가 하나 이상의 클래스 사이의 결정 경계를 구분하는 중요도를 학습할 수 있다. 여기서, 클래스는 질병 전파 확률값으로 산출되기 위한 각 질병 확산 요인의 범위일 수 있다.
서포트 벡터머신은 축사의 질병 발생이 환경에 선형적으로 반응하는 것이 아닌 급작스럽게 발생 및 확산하는 것을 전재로 학습할 수 있다.
이에 따라, 데이터전처리부(240) 및 학습부(241)는 지도학습과 비지도 학습을 상황에 따라 선택적으로 이용하여 특정 환경이나 상황에 따라 능동적으로 예측이 가능한 질병 확산 예측 모델을 생성할 수 있다.
결과산출부(25)는 상술된 방법으로 생성된 질병 확산 예측 모델에 환경정보 및 차량정보를 입력하여 질병 확산 패턴을 예측할 수 있다.
이때 질병 확산 예측 모델에 입력되는 환경정보 및 차량정보는 축사선별부(23)에서 선별된 축사들의 환경정보 및 해당 축사들을 경유한 차량정보일 수 있다.
결과산출부(25)는 축사선별부(23)에서 선별되지 않은 축사, 즉 가축질병이 감염되지 않은 축사의 환경정보를 질병 확산 예측 모델에 입력할 경우, 각 축사들의 질병 전파 확률값을 예측할 수 있다.
이러한 질병 전파 확률값은 통합관제서버(20)와 연계되는 축사들이 대응되게 각각 예측될 수 있으며, 축사선별부(23)에서 질병 전파 확률값이 일정 값 이상 높은 축사들이 선별되는 데에 사용될 수 있다.
이후, 축사관리부(26)에서 질병 전파 확률값에 따라 축사관리데이터를 생성할 수 있다.
여기서, 축사관리데이터는 각 축사들의 현재 상황 및 질병 전파 확률값의 정도에 따라 축사관리장치(10)의 환경관리부(14)를 제어하기 위한 데이터로, 축사 내의 환경 조성에 대한 것일 수 있다.
축사관리부(26)는 결과산출부(25) 및 축사선별부(23)에서 선별된 축사들의 명단에 각각의 축사관리데이터를 대응시킬 수 있으며, 송수신부(21)를 통해 각 축사관리장치(10)로 전달할 수 있다.
이에, 축사관리부(26)는 제어부(15)가 축사관리데이터에 따라 축사 내의 환경을 조성하도록 할 수 있다.
이때, 생성된 축사들의 명단은 송수신부(21)를 통해 가상공간형성부(30), 입출력부(13) 또는 외부플랫폼(40)으로 전달할 수 있으며, 입출력부(13)에서 축사들을 감염 확산 패턴에 따라 하나 이상의 선으로 연결하는 것으로 감염 확산 패턴을 시각적으로 출력할 수 있다.
또한, 축사관리부(26)는 외부플랫폼(40) 또는 가상공간형성부(30)에서 각 축사들의 가상공간에 축사의 질병 전파 확률값에 따른 수준 별 대응 메시지를 생성하거나 선택하여 축사관리장치(10)의 입출력부(13)에서 해당 메시지를 출력하도록 할 수 있다. 이를 위해, 외부플랫폼(40) 또는 가상공간형성부(30)는 수준 별 대응 메시지를 미리 저장할 수 있다.
한편, 가상공간형성부(30)는 통합관제서버(20)와 연계되어 환경정보 및 차량정보를 전달 받아, 각 축사관리장치(10)가 설치된 축사들에 대응하는 가상공간을 생성할 수 있다.
여기서, 가상공간은 각 축사들의 상황을 실시간으로 생성될 수 있다. 다시 말해, 가상공간은 실제의 축사와 동기화된 가상 표현으로, 축사 내에 마련된 환경측정부(11), 환경관리부(14) 및 가축들이 디지털 형태로 생성된 것일 수 있다.
가상공간형성부(30)는 이러한 가상공간을 이용하여 질병의 확산 또는 감염에 대한 시뮬레이션을 진행하여 시뮬레이션 데이터를 생성할 수 있다.
도 5를 참조하면, 가상공간형성부(30)는 가상공간구축부(31) 및 시뮬레이션부(32)를 포함할 수 있다.
가상공간구축부(31)는 통합관제서버(20)로부터 송신된 각 축사의 환경정보에 맞춰 가상공간을 구축할 수 있다. 이때, 가상공간구축부(31)는 각 축사 내에 설치된 축사관리장치(10)의 위치와 동일한 위치에 가상의 축사관리장치(10)를 포지셔닝 시킬 수 있다.
시뮬레이션부(32)는 상술된 가상공간 내에 포지셔닝된 가상의 축사관리장치의 동작, 차량정보 및 결과데이터를 토대로 가축의 질병에 대한 시뮬레이션을 진행할 수 있다.
이러한 시뮬레이션은 환경정보와 그에 맞춰 가상의 축사관리장치(10)의 작동을 조절하는 것으로 적어도 한 번 이상이 진행될 수 있다.
시뮬레이션부(32)는 진행된 시뮬레이션과 각 시뮬레이션을 진행하기 위한 축사관리장치(10)의 작동 및 이에 따른 환경정보, 차량정보를 하나의 데이터로 병합하는 것으로 시뮬레이션 데이터를 생성할 수 있다.
이러한 시뮬레이션 데이터는 통합관제서버(20)로 전달되어 축사관리장치(10)에서 출력되거나 모델생성부(24)에서 질병 확산 예측 모델을 생성하는 데에 사용될 수 있다.
이에, 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템은 각 축사의 질병 전파 확률값을 구할 수 있음에 따라, 질병 발생 시 각 축사마다 다른 대응 메시지 및 축산관리데이터를 송부하여 축사 내에서 질병을 방지할 수 있어, 질병의 확산을 억제할 수 있는 효과가 있다.
또한, 가축질병 확산 경로 예측 및 확산 방지 시스템은 통합관제서버(20)에서 시뮬레이션 데이터를 이용하여 결과데이터를 재 산출할 수 있어, 각 축사관리장치(10)로 축사관리데이터를 송부함으로써, 가축들이 질병에 감염되는 것을 억제할 수 있다.
이하에서는, 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템에 대해 구체적으로 설명하기로 한다.
도 6은 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 축사관리장치의 구성을 나타낸 블록도이고, 도 7은 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 통합관제서버의 구성을 나타낸 나타낸 블록도이다.
도 6 및 도 7을 참조하면, 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템의 축사관리장치(10)가 가축정보수집부(16)를 더 포함할 수 있으며, 통합관제서버(20)는 스트레스판별부(27)를 더 포함할 수 있다.
여기서, 가축정보수집부(16) 및 스트레스판별부(27)를 제외하고, 본 발명의 다른 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템은 상기에서 설명한 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 시스템과 실질적으로 동일할 수 있다.
따라서, 가축정보수집부(16) 및 스트레스판별부(27)에 대해서만 설명하기로 한다.
가축정보수집부(16)는 축사 내의 가축에 각각 장착되어 가축의 정보를 수집할 수 있다.
구체적으로, 가축정보수집부(16)는 가축의 신체의 일부분에 부착되며, 내부에 GPS센서가 구축될 수 있다. 가축정보수집부(16)는 가축의 운동량 즉, 가축이 이동 속도 대비 이동량을 수집할 수 있다.
이때, 환경측정부(11)는 가축이 생활하는 축사의 둘레를 따라 설치된 촬영장치(미도시)를 더 포함할 수도 있다.
이러한, 촬영장치(미도시)는 고정형 또는 추적형으로 마련될 수 있어, 각 가축들의 크기를 파악할 수 있는 이미지를 촬영할 수 있다. 촬영장치는 열화상 카메라 등으로 마련될 수 있어, 가축의 체온을 측정할 수 있다.
이때, 가축정보수집부(16)는 각 가축마다 색깔 또는 형태가 다르게 마련될 수 있어, 통합관제서버(20)의 결과산출부(25) 또는 가상공간형성부(30)의 가상공간구축부(31)에서 각 가축의 크기를 판별하는 데에 사용될 수 있다.
가축정보수집부(16)는 축사 내에 적어도 하나 이상이 마련될 수 있으며, 각 축사들의 정보를 통합관제서버(20)로 전달 할 수 있다. 바람직하게 가축정보수집부(16)는 축사 내에 생활 중인 가축들의 수만큼 마련될 수 있어, 각 가축들의 이상 징후 또는 이동경로를 각각 수집할 수 있다.
다시 말해, 가축정보수집부(16)는 축사 내에서 생활 중인 가축들의 이동경로, 체온 및 가축의 크기 등을 수집하고, 통합관제서버(20)로 전달할 수 있다.
이때, 가축의 운동량은 가축의 크기에 가축의 이동경로로 나누는 것으로 산출될 수 있으나, 반드시 이에 한정되는 사항은 아니고, 가축정보수집부(16)에서 수집된 가축정보를 통해 운동량을 산출할 수 있는 모든 방법이 사용될 수 있다.
통합관제서버(20)의 스트레스판별부(27)는 가축정보수집부(16)로부터 가축정보를 전달받을 수 있다. 스트레스판별부(27)는 가축정보를 통해 가축들의 체온 및 가축의 운동량을 산출하여 가축의 스트레스정도를 판별할 수 있다.
예를 들어, 가축정보수집부(16)에서 가축의 체온이 높게 측정되며, 환경측정부(11)로부터 전달된 축사 내의 온도가 높다고 수집되었을 경우, 스트레스판별부(27)는 현재 가축의 스트레스정도가 높다고 판단할 수 있다.
이에 따라, 스트레스판별부(27)는 각 축사 내에 생활하고 있는 가축들의 스트레스정도를 결과산출부(25)로 전달할 수 있어, 스트레스정도에 따른 질병 감염 확률값을 재 산출하도록 할 수 있다.
다음으로, 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 방법에 대하여 설명하기로 한다.
도 8은 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 방법의 순서도이다.
도 8을 참조하면, 본 발명의 실시예에 따른 가축질병 확산 경로 예측 및 확산 방지 방법은 데이터수집단계(S10), 축사선별단계(S20), 데이터전처리단계(S30), 모델생성단계(S40), 결과도출단계(S50) 및 관리단계(S60)를 포함할 수 있다.
데이터수집단계(S10)는 환경정보, 각 축사에 진입한 차량정보, 가상공간형성부의 시뮬레이션 데이터 및 외부데이터를 수집하는 단계일 수 있다.
여기서 환경정보는 적어도 하나 이상의 축사 내에 각각 설치된 축사관리장치로부터 수집된 정보로, 각 축사 내의 온도, 조명, 공기질 및 질병 감염 여부 등을 포함할 수 있다.
데이터수집단계(S10)에서 통합관제서버(20)가 다른 구성들과 연계되어 데이터를 송수신할 수 있는데, 예로 3가지의 방법이 있을 수 있다. 3가지의 방법을 각각 축사환경정보 수집방법, 시뮬레이션 수집방법 및 외부데이터 수집방법으로 지칭하기로 한다.
먼저, 일 예인 축사환경정보 수집방법은 축사관리장치(10)가 축사 내의 환경을 실시간으로 측정하고, 축사에 진입한 차량정보를 수집하여 통합관제서버(20)로 전달하는 방법일 수 있다.
구체적으로, 축사환경정보 수집방법에서 축사 내에 설치된 온도센서, 습도센서, 조도센서, 풍속센서, 풍향센서, CO2 센서, NH3 센서. VOCs -센서 등을 통해 환경정보가 수집할 수 있다.
또한, 축사환경정보 수집방법은 축사를 경유하는 차량들을 촬영 또는 감지하여, 차량의 이동경로, 차량의 용도, 차량 계열화, 차량의 농장 방문 시점, 질병 발생 농장 방문 후 다른 농장 방문까지의 시간차, 차량 소유자 정보, 방문 농장의 빈도 및 방문한 지역의 위험도 등을 포함한 차량정보를 수집할 수 있다.
또한 다른 예인 시뮬레이션 수집방법은 가상공간형성부(30)가 통합관제서버(20)와 연계된 각 축사들의 가상공간을 생성하고, 각각의 가상공간 내에서 환경정보를 이용하여 시뮬레이션을 진행하는 방법일 수 있다.
여기서, 시뮬레이션은 차량정보 중 차량의 이동경로, 각 축사의 환경정보에 따른 질병의 전파에 관한 시뮬레이션일 수 있으나, 반드시 이에 한정되는 사항은 아니며, 축사 내에서 요구되는 모든 축사 관리에 대한 시뮬레이션으로 마련될 수 있다.
시뮬레이션 수집방법에서 가상공간형성부(30)를 통해 가상공간 내에 포지셔닝된 가상의 축사관리장치의 동작, 차량정보 및 결과데이터를 토대로 가축의 질병에 대한 시뮬레이션을 진행할 수 있다.
이후, 시뮬레이션 수집방법은 진행된 시뮬레이션과 각 시뮬레이션을 진행하기 위한 축사관리장치(10)의 작동 및 이에 따른 환경정보, 차량정보를 하나의 데이터로 병합하는 것으로 시뮬레이션 데이터를 생성할 수 있으며, 가상공간형성부(30)에서 통합관제서버(20)로 전달할 수 있다.
또한 다른 예인 외부데이터 수집단계는 통합관제서버(20)가 외부플랫폼(40)과 연계되어 외부데이터를 수집하는 방법일 수 있다. 여기서, 외부데이터는 과거의 축사들의 질병 감염률, 질병의 종류, 질병이 확산된 기간 등을 포함할 수 있으나, 반드시 이에 한정되는 사항은 아니다.
축사선별단계(S20)는 환경정보를 통해 축사 중 질병이 감염된 축사를 선별하는 단계일 수 있다.
축사선별단계(S20)에서 환경정보를 이용하여 가축들의 먹이량, 급수량 또는 상처 부위 등을 분석할 수 있는 것으로, 가축들의 현 질병 감염 여부를 판단할 수 있어, 축사 내 질병 감염이 확실하거나 의심이 가는 축사들을 선별할 수 있다.
데이터전처리단계(S30)는 통합관제서버에서 상기 환경정보, 차량정보 및 외부데이터에서 유사한 구성들을 결합하여 적어도 하나 이상의 질병 확산 요인을 가진 학습데이터로 변환시키는 단계일 수 있다.
데이터전처리단계(S30)에서 미리 질병 확산 요인 중 결과에 영향을 주는 요인들에 가중치가 부여될 수 있으며, 수집된 환경정보, 차량정보 및 외부데이터에서 가중치가 부여된 요인들과 가중치가 부여되지 않은 요인들로 선별할 수 있다.
데이터전처리단계(S30)에서 데이터전처리부(240)를 통해 전체 학습데이터를 속성이 비슷한 질병 확산 요인끼리 분류할 수 있다.
모델생성단계(S40)는 통합관제서버(20)에서 상기 학습데이터를 적어도 하나 이상의 알고리즘에 학습시켜 질병 확산 요인에 따른 질병 확산 예측 모델을 생성하는 단계일 수 있다.
모델생성단계(S40)에서 학습데이터를 적어도 하나 이상의 알고리즘에 학습시켜 질병 확산 예측 모델을 생성할 수 있는데, 예로 의사결정나무(Decision Tree), 의사결정나무 앙상블(Decision Tree Ensemble), 배깅(Bagging), 엑스트라 트리(Extra-Tree), 에이다 부스트(AdaBoost) 및 서포터 벡터머신(SVM) 중 하나 이상의 알고리즘을 사용할 수 있다.
즉, 모델생성단계(S40)는 지도학습과 비지도 학습을 상황에 따라 선택적으로 이용하여 특정 환경이나 상황에 따라 능동적으로 예측이 가능한 질병 확산 예측 모델을 생성할 수 있다.
결과도출단계(S50)는 통합관제서버(20)에서 질병 확산 예측 모델에 상기 환경정보 및 차량정보를 입력하여 질병 확산 패턴 및 질병 전파 확률값을 도출하는 단계일 수 있다.
관리단계(S60)는 통합관제서버(20)에서 각 축사로 상기 질병 확산 패턴 및 질병 전파 확률값을 전달하고, 축사들로 질병 확산을 방지하기 위한 축사관리데이터를 전달하는 단계일 수 있다.
관리단계(S60)에서 가상공간형성부(30)를 통해 각 축사들의 가상공간을 형성할 수 있으며, 가상공간 내에 축사의 질병 전파 확률값에 따른 수준 별 대응 메시지를 생성할 수 있다.
이후, 관리단계(S60)에서 입출력부(13)의 입력데이터 또는 통합관제서버(20)의 축사관리데이터에 따라 제어부(15)가 환경관리부(14)를 제어할 수 있어, 축사 내의 환경을 질병이 감염되지 않을 환경으로 만들 수 있다.
이상으로 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고 다른 구체적인 형태로 실시할 수 있다는 것을 이해할 수 있을 것이다. 따라서 이상에서 기술한 실시예는 모든 면에서 예시적인 것이며 한정적이 아닌 것이다.
10 : 축사관리장치
11 : 환경측정부
12 : 차량수집부
13 : 입출력부
14 : 환경관리부
15 : 제어부
16 : 가축정보수집부
20 : 통합관제서버
21 : 송수신부
22 : 저장부
23 : 축사선별부
24 : 모델생성부
240 : 데이터전처리부
241 : 학습부
25 : 결과산출부
26 : 축사관리부
27 : 스트레스판별부
30 : 가상공간형성부
31 : 가상공간구축부
32 : 시뮬레이션부
40 : 외부플랫폼
11 : 환경측정부
12 : 차량수집부
13 : 입출력부
14 : 환경관리부
15 : 제어부
16 : 가축정보수집부
20 : 통합관제서버
21 : 송수신부
22 : 저장부
23 : 축사선별부
24 : 모델생성부
240 : 데이터전처리부
241 : 학습부
25 : 결과산출부
26 : 축사관리부
27 : 스트레스판별부
30 : 가상공간형성부
31 : 가상공간구축부
32 : 시뮬레이션부
40 : 외부플랫폼
Claims (8)
- 적어도 하나 이상의 축사 내에 각각 설치되어 각 축사 내외의 환경정보를 측정하고, 상기 축사를 진입하는 차량정보를 수집하며, 축사 내의 온도, 조명, 공기질 또는 차량의 출입을 관리하는 축사관리장치;
상기 환경정보 및 차량정보를 전달 받되 외부플랫폼을 통해 외부 데이터를 전달 받고, 상기 환경정보, 차량정보 및 외부 데이터를 이용하여 질병 확산 예측 모델을 생성하고, 상기 질병 확산 예측 모델을 통해 질병의 확산 패턴 및 각 축사들의 질병 전파 확률값을 예측하여 결과데이터를 생성하며, 상기 결과데이터에 따라 각 축사들을 관리할 축사관리데이터를 생성함으로써, 상기 축사관리데이터를 통해 상기 축사관리장치를 제어하는 통합관제서버 및
상기 통합관제서버와 연계되어 상기 환경정보 및 차량정보를 전달 받아, 각 축사관리장치가 설치된 축사들에 대응하는 가상공간을 생성하고, 생성된 가상공간에 질병의 확산에 대한 시뮬레이션을 진행하여 시뮬레이션 데이터를 생성하는 가상공간형성부를 포함하는 가축질병 확산 경로 예측 및 확산 방지 시스템
- 제1항에 있어서,
상기 축사관리장치는,
각 축사 내외의 온도, 조명, 공기질 및 질병 감염 여부 등을 포함하는 환경정보를 측정하는 적어도 하나 이상의 환경측정부;
상기 축사를 경유하는 차량들을 촬영 또는 감지하며, 상기 차량들에 설치된 GPS센서로부터 차량의 이동경로를 포함한 차량정보를 수집하는 차량수집부;
상기 통합관제서버로부터 수신된 결과데이터 및 상기 가상공간형성부로부터 수신된 가상공간을 출력하여 축사 내를 실시간으로 모니터링하고, 사용자로부터 상기 가상공간을 통해 제어부를 통제하는 입력데이터를 생성하는 입출력부;
상기 축사 내의 온도, 조명 또는 공기질을 관리하는 환경관리부 및
상기 입력데이터 또는 상기 통합관제서버로부터 전달된 축사관리데이터에 따라 상기 환경관리부를 제어하는 제어부를 포함하는 가축질병 확산 경로 예측 및 확산 방지 시스템
- 제2항에 있어서,
상기 통합관제서버는,
상기 축사관리장치로부터 환경정보 및 차량정보를 전달 받고, 상기 가상공간형성부에서 시뮬레이션 데이터를 전달 받으며, 상기 외부플랫폼과 연계되어 과거의 축사들의 질병 감염률 및 질병의 종류 등을 포함한 외부 데이터를 수집하는 송수신부;
상기 환경정보, 차량정보, 시뮬레이션 데이터 및 외부데이터를 저장하는 저장부;
상기 환경정보를 통해 질병이 감염된 축사들을 선별하는 축사선별부;
상기 환경정보, 차량정보, 시뮬레이션 데이터 및 외부 데이터를 이용하여 상기 질병 확산 예측 모델을 생성하는 모델생성부;
상기 질병 확산 예측 모델에 상기 환경정보 및 차량정보를 입력하여 질병의 확산 패턴을 예측하며, 상기 축사선별부를 통해 선별된 질병이 감염되지 않는 축사들의 질병 전파 확률값을 예측하는 결과산출부 및
상기 질병 전파 확률값에 따라 상기 축사관리장치를 제어 가능한 축사관리데이터를 생성하고, 상기 축사관리데이터를 상기 송수신부를 통해 축사관리장치로 전달하는 축사관리부를 포함하는 가축질병 확산 경로 예측 및 확산 방지 시스템
- 제3항에 있어서,
상기 모델생성부는,
상기 환경정보 및 차량정보에서 동일 또는 유사한 구성들을 결합하여 적어도 하나 이상의 질병 확산 요인으로 상기 질병 확산 예측 모델에 학습되기 위한 학습데이터로 변환시키는 데이터전처리부 및
상기 학습데이터를 적어도 하나 이상의 알고리즘에 학습시켜 상기 질병 확산 예측 모델을 생성하는 학습부를 포함하고,
상기 결과산출부에서 상기 질병 확산 예측 모델을 이용하여 가장 영향이 큰 질병 확산 요인을 도출하는 것을 특징으로 하는 가축질병 확산 경로 예측 및 확산 방지 시스템
- 제3항에 있어서,
상기 가상공간형성부는,
상기 통합관제서버로부터 송신된 각 축사의 환경정보 및 해당 축사에 진입하는 차량정보에 맞춰 가상공간을 구축하되, 상기 가상공간에서 각 축사 내 설치된 축사관리장치와 동일한 위치에 가상의 축사관리장치를 포지셔닝시키는 가상공간구축부 및
상기 가상공간 내에 포지셔닝된 가상의 축사관리장치의 동작, 상기 차량정보 및 상기 결과데이터를 토대로 가축의 질병에 대한 시뮬레이션을 적어도 한 번 이상 진행하여 시뮬레이션 데이터를 생성하는 시뮬레이션부를 포함하고,
상기 통합관제서버는,
상기 결과산출부에서 상기 시뮬레이션 데이터를 통해 도출된 환경정보를 상기 질병 확산 예측 모델에 입력하여 질병 전파 확률값을 산출하는 것을 특징으로 하는 가축질병 확산 경로 예측 및 확산 방지 시스템
- 제3항에 있어서,
상기 축사관리장치는,
상기 축사 내의 가축에 각각 장착되되, GPS센서가 구축되어 가축의 위치를 파악하고, 가축들의 체온 및 운동량 등을 포함하는 가축정보를 수집하는 가축정보수집부를 더 포함하고,
상기 통합관제서버는,
상기 가축정보수집부로부터 상기 가축정보를 전달 받고, 상기 가축정보를 통해 가축의 스트레스정도를 판별하는 스트레스판별부를 더 포함하며,
상기 가상공간구축부는,
상기 통합관제서버로부터 송신된 축사 내 가축정보수집부의 위치를 가상공간 내에 실시간으로 포지셔닝하되, 상기 가축정보수집부의 위치에 가축정보 및 가축의 스트레스정도를 출력하는 것을 특징으로 하는 가축질병 확산 경로 예측 및 확산 방지 시스템
- 적어도 하나 이상의 축사 내에 각각 설치된 축사관리장치가 각 축사 내의 온도, 조명, 공기질 및 질병 감염 여부 등을 포함한 환경정보, 각 축사에 진입한 차량정보, 가상공간형성부의 시뮬레이션 데이터 및 외부데이터를 수집하는 데이터수집단계;
상기 환경정보를 통해 축사 중 질병이 감염된 축사를 선별하는 축사선별단계;
통합관제서버에서 상기 환경정보, 차량정보 및 외부데이터에서 유사한 구성들을 결합하여 적어도 하나 이상의 질병 확산 요인을 가진 학습데이터로 변환시키는 데이터전처리단계;
상기 통합관제서버에서 상기 학습데이터를 적어도 하나 이상의 알고리즘에 학습시켜 상기 질병 확산 요인에 따른 질병 확산 예측 모델을 생성하는 모델생성단계;
상기 통합관제서버에서 상기 질병 확산 예측 모델에 상기 환경정보 및 차량정보를 입력하여 질병 확산 패턴 및 질병이 감염되지 않은 축사들의 질병 전파 확률값을 도출하는 결과도출단계 및
상기 통합관제서버에서 각 축사로 상기 질병 확산 패턴 및 질병 전파 확률값을 전달하고, 상기 축사들로 질병 확산을 방지하기 위한 축사관리데이터를 전달하는 관리단계를 포함하는 가축질병 확산 경로 예측 및 확산 방지 방법
- 제7항에 있어서,
상기 데이터수집단계는,
상기 축사관리장치가 축사 내의 환경을 실시간으로 측정하고, 축사에 진입한 차량정보를 수집하는 축사환경정보 수집방법;
상기 가상공간형성부가 각 축사들의 가상공간을 생성하고, 상기 가상공간 내에서 상기 환경정보를 이용하여 시뮬레이션을 진행한 시뮬레이션 데이터를 수집하는 시뮬레이션 수집방법 및
상기 통합관제서버가 외부플랫폼에서 과거의 축사들의 질병 감염률 및 질병의 종류 등을 포함한 외부데이터를 수집하는 외부데이터 수집방법 중 하나 이상의 방법을 사용하는 것을 특징으로 하는 가축질병 확산 경로 예측 및 확산 방지 방법
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220096398A KR20240018314A (ko) | 2022-08-02 | 2022-08-02 | 가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220096398A KR20240018314A (ko) | 2022-08-02 | 2022-08-02 | 가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240018314A true KR20240018314A (ko) | 2024-02-13 |
Family
ID=89899751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220096398A KR20240018314A (ko) | 2022-08-02 | 2022-08-02 | 가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240018314A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180000625A (ko) | 2016-06-23 | 2018-01-03 | 주식회사 케이티 | 전염성 동물 질병의 확산을 예측하는 동물 질병의 확산 예측 장치 및 동물 질병의 확산 예측 방법 |
-
2022
- 2022-08-02 KR KR1020220096398A patent/KR20240018314A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180000625A (ko) | 2016-06-23 | 2018-01-03 | 주식회사 케이티 | 전염성 동물 질병의 확산을 예측하는 동물 질병의 확산 예측 장치 및 동물 질병의 확산 예측 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11941868B2 (en) | Inference apparatus, inference method, and computer-readable storage medium storing an inference program | |
| US20220058525A1 (en) | Model integration apparatus, model integration method, computer-readable storage medium storing a model integration program, inference system, inspection system, and control system | |
| CN109145032A (zh) | 一种蜜蜂养殖智能监测方法与系统 | |
| TWI546759B (zh) | 遠距環境資料分類系統及其方法 | |
| US20070044732A1 (en) | Animal-herd management using distributed sensor networks | |
| CN105091938B (zh) | 畜禽健康状况监测方法及系统 | |
| CN112986492B (zh) | 一种建立气体浓度预测模型的方法及装置 | |
| EP3917315A1 (en) | Systems and methods for measuring beehive strength | |
| KR20210041957A (ko) | IoT 센서를 활용한 농업 및 목축용 실시간 모니터링 시스템 및 방법 | |
| US20230109426A1 (en) | Model generation apparatus, estimation apparatus, model generation method, and computer-readable storage medium storing a model generation program | |
| CN109543607A (zh) | 目标物异常状态检测方法、系统、监护系统及存储介质 | |
| KR20220071405A (ko) | 스마트 팜의 빅 데이터를 이용한 농업 지원 시스템 및 방법 | |
| JP2023551885A (ja) | 家畜の監視 | |
| BE1026885B1 (nl) | Inrichting voor het monitoren van de status van een veeteeltfaciliteit | |
| KR102506029B1 (ko) | 영상 기반 가축 개체 성장 추이 모니터링 장치 및 방법 | |
| CN117636169B (zh) | 一种森林巡护方法及系统 | |
| CN114003802A (zh) | 用户引导方法、引导检索装置、方法、系统及程序 | |
| Kalajdjieski et al. | Smart city air pollution monitoring and prediction: A case study of skopje | |
| Cheng et al. | Detecting and tracking communal bird roosts in weather radar data | |
| KR20240018314A (ko) | 가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법 | |
| CN116959099A (zh) | 一种基于时空图卷积神经网络的异常行为识别方法 | |
| CN116110586A (zh) | 基于YOLOv5以及SlowFast的大象健康管理系统 | |
| KR102469301B1 (ko) | 행동별 이상 감지 시스템 | |
| US20230074474A1 (en) | Parameter adjustment apparatus, inference apparatus, parameter adjustment method, and computer-readable storage medium storing a parameter adjustment program | |
| Dalal et al. | Optimising air quality prediction in smart cities with hybrid particle swarm optimization‐long‐short term memory‐recurrent neural network model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |