WO2019088519A1 - 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법 - Google Patents

이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법 Download PDF

Info

Publication number
WO2019088519A1
WO2019088519A1 PCT/KR2018/012272 KR2018012272W WO2019088519A1 WO 2019088519 A1 WO2019088519 A1 WO 2019088519A1 KR 2018012272 W KR2018012272 W KR 2018012272W WO 2019088519 A1 WO2019088519 A1 WO 2019088519A1
Authority
WO
WIPO (PCT)
Prior art keywords
pest
image
information
unit
analyzing
Prior art date
Application number
PCT/KR2018/012272
Other languages
English (en)
French (fr)
Inventor
이승우
Original Assignee
주식회사 엑스티엘
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 주식회사 엑스티엘 filed Critical 주식회사 엑스티엘
Priority to US16/758,482 priority Critical patent/US11321588B2/en
Publication of WO2019088519A1 publication Critical patent/WO2019088519A1/ko
Priority to PH12020550509A priority patent/PH12020550509A1/en

Links

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
    • G06Q50/10—Services
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M31/00—Hunting appliances
    • A01M31/002—Detecting animals in a given area
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M1/00—Stationary means for catching or killing insects
    • A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
    • A01M1/026—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects combined with devices for monitoring insect presence, e.g. termites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes

Definitions

  • the present invention relates to a pest identification and information monitoring system using image analysis and a monitoring method using the same. More particularly, the present invention relates to a pest identification method and a monitoring method using the image input means, A pest identification and information monitoring system using an image analysis for identifying the pest of the acquired image based on the similarity calculated after comparing the pest image with the pest image and recommending information related to the pest or a method of controlling the pest, Monitoring method.
  • insects or animals that harm humans and livestock.
  • These pests harm food and textiles, causing damage to life. They also cause pathogens that are harmful to humans due to excretion. In recent years, such pests have become increasingly problematic due to the polluted environment, and pest removal has become a big problem.
  • Insect pests are also on the rise in the general living area. As a result, the number of drugs and services to eradicate pests is increasing, but there is a problem that various drugs and services can not be used properly.
  • the present invention has been made to solve the above-mentioned problems, and it is an object of the present invention to accurately specify a pest using an image.
  • the present invention has been made in view of the above problems, and it is an object of the present invention to provide an apparatus and method for controlling the same.
  • the characteristic structure of the present invention is as follows.
  • a pest identification and monitoring system through image analysis comprises image input means for picking up a pest image and transmitting the pest image;
  • a central server connected to the network for receiving the pest image data of the image input means, analyzing the pest image data to identify pests of the pest image and generating pest identification data;
  • a user terminal receiving and displaying the pest identification data on a screen.
  • the central server comprises: a pest machine learning unit for building a pest learning model through machine learning of a plurality of pest images; A pest D / B unit storing a pest learning model constructed through the pest machine learning unit; And a pest image analyzing unit analyzing a pest image transmitted by the image input unit using the pest learning model stored in the pest D / B unit to specify a pest.
  • the pest image analyzing unit may calculate a similarity between the pest image and the pest marker based learning model by substituting a plurality of pest marker based learning models for the pest image.
  • the pest image analyzing unit recognizes the pest as a pest identifier of the learning model having the highest similarity if the similarity of the learning model having the highest similarity among the similarities to the plurality of substitutional learning models per pesticide identifier is greater than or equal to the determined value can do.
  • the central server may further include a pest information D / B unit for storing pest information; And a pest information supply unit for extracting information of the pest identified through the pest image analyzing unit from the pest information D / B unit and transmitting the extracted information to the user terminal.
  • the central server may include a detection record unit for recording the detection time when the pest is identified through the pest image analysis unit.
  • a pest trend analyzing unit for analyzing and sending pest trends based on the results of the pest image analyzing unit or the detection recording unit.
  • the pest analysis and the specifying step are performed by assigning a plurality of insect identifier learning models to the pest image to calculate the similarity between the pest image and the pest identifier based learning model, so that the learning model of the identifier having the highest similarity is determined ,
  • the pest of the pest image can be recognized as the insect identifier of the learning model of the identifier having the highest degree of similarity.
  • the pest information may include at least one of a name of a specified pest, a growth step, a breed, a detection time, a detection count, a pest drug recommendation, and a polluter recommendation.
  • the pest identification and information monitoring system and the monitoring method using the image analysis according to the present invention can accurately identify the pest using images and provide detailed information about the specified pest to the user terminal, There is an effect that can be accessed more easily.
  • FIG. 1 is a schematic diagram of a pest identification and monitoring system through image analysis in accordance with an embodiment of the present invention.
  • FIG. 2 is a schematic diagram of a pest identification and monitoring system through image analysis according to another embodiment of the present invention.
  • FIG. 3 is a central server configuration diagram of a pest identification and monitoring system through image analysis according to an embodiment of the present invention.
  • FIG. 4 is a flowchart of a pest identification and monitoring method through image analysis according to an embodiment of the present invention.
  • FIG. 5 is a flow chart of a pest identification and monitoring method through image analysis according to another embodiment of the present invention.
  • FIG. 1 is a schematic diagram of a pest identification and monitoring system through image analysis in accordance with an embodiment of the present invention.
  • the insect identification and monitoring system through image analysis may include an image input means 100, a central server 200, and a user terminal 300.
  • the image input means 100 may be connected to a network to capture a pest image and transmit the captured pest image to the central server 200.
  • the image input means 100 may be a device equipped with a communication module that can be connected to a network and a module that can capture an image.
  • the image also includes a still image in which a still image or a still image is continuous, and a still image that is continuous in the image image is hereinafter referred to as a frame.
  • the central server 200 may be connected to the network and analyze the pest image received by the image input means 100 to specify the pest of the image to generate pest identification and monitoring information. A detailed description of the central server 200 will be described later with reference to FIG.
  • the user terminal 300 may receive the pest identification and monitoring information generated by the central server 200 and display the information on the screen.
  • the user can identify the insect identification and monitoring information displayed on the screen, and cope with or respond to insects.
  • the central server 200 can identify and recognize the cockroach imaged with the image, Information such as the growth stage and the area where the user visits the user terminal 300, and transmits the generated information to the user terminal 300.
  • the central server 200 may recommend an appropriate insecticide according to the type and growth stage of the specified cockroach, or recommend or connect a pest control company in the user's area.
  • the user can confirm the information such as the kind of the cockroach and the growth stage transmitted to the user terminal 300, and obtain appropriate insect pest information and cope with the pest infestation. This may have the effect of reducing the need for a separate Internet search to eradicate pests.
  • the local control company since the local control company is recommended, the user can eradicate the insect pest through appropriate control service providers, and the local control service provider can secure the customer through the present invention.
  • the image input means 100 and the user terminal 300 may be the same device. That is, even if the image input unit 100 and the user terminal 300 are not independently separated from each other but have one function, the pest identification and information monitoring system through image analysis may be possible.
  • the user terminal 300 may be a device connected to a network and capable of receiving pest identification information and monitoring information from a central server. For example, smartphones, personal computers, tablet PCs, and kiosks may be desirable.
  • the image pickup module is included, the image input means 100 and the user terminal 300 can be made identical.
  • the central server 200 includes a pest machine learning unit 210, a pest D / B unit 220, a pest image analyzing unit 230, a pest information D / B unit 240, A pest information providing unit 250, a detection recording unit 260, and a pest behavior analyzing unit 270.
  • the pest machine learning unit 210 can build a pest learning model through machine learning of a plurality of pest images.
  • the learning model can continuously designate an identifier and continuously machine-learn a plurality of images corresponding to the identifier through the insect machine learning unit 210. For example, if a German cockroach is designated as an identifier and a German cockroach image is machine-learned, a learning model recognizing a German cockroach can be constructed. Here, it is possible to extract detailed information by machine learning by designating identifiers by dividing by growth stages.
  • the insect D / B unit 220 may store a learned learning model through the insect machine learning unit 210. [ The number of learning models stored can be increased by the number of identifiers specified.
  • the pest image analyzing unit 230 can identify a pest corresponding to the pest image transmitted by the image inputting means 100 using the pest learning model stored in the pest D / B unit 220.
  • the learning model built in the insect D / B unit 220 can be used. More specifically, a plurality of learning models constructed in the insect D / B unit 220 can be substituted for the received insect images.
  • the pest image analyzing unit 230 can calculate the similarity between the plurality of substituted learning models and the received pest image.
  • the similarity can be expressed as a probability value, which is the same probability between a pest image and an assigned learning model.
  • the insect of the corresponding insect image can be identified by the identifier of the learning model in which the highest similarity is calculated.
  • the insect information D / B unit 240 may store detailed information for each insect species designated by the identifier.
  • the detailed information here may include, but is not limited to name, size, life span, life cycle, habit, sex, eradication method, eradication example, insect pest control, If it is information about pests, it is preferable to include it in the detailed information.
  • the insect information supply unit 250 may extract the insect information stored in the insect information D / B unit 240 and transmit the extracted insect information to the user terminal 300.
  • the detection recording unit 260 can record the detection time of the specified pest when the pest image analyzing unit 230 identifies the pest through the pest image. It is also possible to record the position of the image input means 100 that has acquired the pest image. For example, if the image input means 100 is installed in a fixed place, the installer can input the location of the device (assuming one house, location characteristics such as a large room, a small room, a kitchen, The detection time including the information of the position can be recorded in advance in the means 100.
  • the pest trend analyzing unit 270 can analyze the trend of the pest based on the information obtained and analyzed by the pest image analyzing unit 230 or the detection recording unit 260. [ It may include the flow of detected pests, habitats, characteristics of the pests. Examples of characteristics of the pests here include cockroaches enjoying fatty foods, cockroaches looking for flour, cockroaches holding eggs, and the like.
  • FIG. 4 is a flowchart of a pest identification and monitoring method through image analysis according to an embodiment of the present invention.
  • the pest identification and monitoring method through image analysis may include a pest imaging step S11, a pest analysis and a specific step S12, and an information notification step S13.
  • the insect image pickup step S11 is a step of picking up a pest image by the image input means 100 and transmitting it to a central server.
  • the insect analysis and specific step S12 is a step for insecting the imaged pest image by the insect image analysis unit 230 using the insect learning model and the information informing step S13 is a step for the central server 200, (300).
  • the pest information may include at least one of the name of the specified pest, the growth step, the breed, the detection time, the detection count, the pest drug recommendation, and the polluter recommendation. Further, the information is not limited to the above-described information, and it is preferable that the detailed information on the pest is included.
  • the pest identification and monitoring method through image analysis may further include a pest learning step (S21) before the pest imaging step (S22).
  • the pest learning step S21 is a step of learning a pest image using a machine learning technique and constructing a plurality of learning models divided into identifiers according to each pest.
  • the pest image is analyzed through the pest image analyzing unit 230 .

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Pest Control & Pesticides (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental Sciences (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Insects & Arthropods (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Catching Or Destruction (AREA)

Abstract

본 발명은 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법에 관한 것으로, 보다 상세하게는, 이미지 입력 수단을 이용하여 해충을 촬상하여 해충 이미지를 획득하고, 해충별로 구축한 학습 모델을 상기 해충 이미지와 비교하여 유사도를 산출 후, 산출한 유사도를 기반으로 획득한 이미지의 해충을 특정한 뒤, 상기 해충과 관련된 정보 또는 방제 방법을 추천하는 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법에 관한 것이다.

Description

이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법
본 발명은 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법에 관한 것으로, 보다 상세하게는, 이미지 입력 수단을 이용하여 해충을 촬상하여 해충 이미지를 획득하고, 해충별로 구축한 학습 모델을 상기 해충 이미지와 비교하여 유사도를 산출 후, 산출한 유사도를 기반으로 획득한 이미지의 해충을 특정한 뒤, 상기 해충과 관련된 정보 또는 방제 방법을 추천하는 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법에 관한 것이다.
경제가 발전함에 따라 생활수준이 점점 향상되면서, 과거 무심코 지나쳤던 해충들은 이제 모든 사람들에게 있어서 강한 경계 대상이 되고 있다. 그러나 산업화 또는 공업화로 인해 많은 양의 쓰레기가 발생하고 있으며, 이에 따라 해충은 점점 더 증가하는 추세에 있다.
상기 해충은 인간 및 가축에게 해를 주는 곤충이나 동물을 총칭하는 개념이며, 이런 해충들은 음식이나 직물들을 갉아 먹어 생활에 적잖은 피해를 주고 있으며, 배설물들로 인해 인체에 해로운 병원균을 옮기기도 한다. 근래에는 이러한 해충이 오염된 환경으로 인하여 증가하는 추세에 있어서, 해충 제거가 큰 문제로 대두되고 있다.
일반 생활 영역에서도 해충은 증가 추세에 있다. 그에 따라 해충을 박멸하기 위한 약품과 서비스업이 증가하고 있지만 다양한 약품과 서비스를 적절히 사용하지 못하는 문제가 있다.
이에 따라 발견하는 해충에 따라 적절한 방법을 통하여 퇴치해야 하지만 해충에 관련된 정보를 정확히 찾기 어려운 문제점이 있다.
따라서, 해충을 정확히 인식하고 인식된 해충에 대한 정확한 정보를 줄 수 있는 수단이 필요로 하다. 최근에는 사진을 통해 검색하는 방법이 일반적이며, 대한민국 등록특허 10-1390014호를 따르면 이미지 처리 방법 및 시스템을 통하여 사진을 통해 벌레를 인식하는 기술이 기재된 바 있지만, 상술한 문제점을 해결하기에는 부족함이 있다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 이미지를 사용하여 해충을 정확히 특정하는 것이 그 목적이 있다.
또한, 전통적인 이미지 분석 기법에서 벗어나, 기계 학습을 통해 구축된 학습 모델을 사용한 이미지 분석 기법을 사용하여, 고성능의 장비가 없어도 이미지 분석이 가능하게 하는 것에 그 목적이 있다.
또한, 특정된 해충에 대한 보다 상세한 정보를 사용자 단말기로 제공하여 정보 수요자가 원하는 정보에 보다 손쉽게 접근하는 것을 그 목적으로 한다.
또한, 특정된 해충에 대한 해충약 및 방제 사업자 등을 추천하여 해충 대응을 손쉽게 하는 것에 그 목적이 있다.
본 발명의 해결과제는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한, 본 발명의 특징적인 구성은 하기와 같다.
이미지 분석을 통한 해충 동정과 모니터링 시스템은 해충 이미지를 촬상하고 상기 해충 이미지를 전송하는 이미지 입력 수단; 네트워크에 연결되어 상기 이미지 입력 수단의 해충 이미지 데이터를 수신하고, 상기 해충 이미지 데이터를 분석하여 상기 해충 이미지의 해충을 특정하고 상기 해충 동정 데이터를 발생하는 중앙 서버; 및 상기 해충 동정 데이터를 수신하여 화면부에 표시하는 사용자 단말기;를 포함한다.
여기서 상기 중앙 서버는 다수의 해충 이미지를 기계 학습을 통해 해충 학습 모델을 구축하는 해충 기계학습부; 상기 해충 기계학습부를 통해 구축된 해충 학습 모델이 저장되는 해충D/B부; 및 상기 해충D/B부에 저장된 해충 학습 모델을 이용하여 상기 이미지 입력 수단이 전송하는 해충 이미지를 분석하여 해충을 특정하는 해충 이미지 분석부;를 더 포함할 수 있다.
그리고 상기 해충 이미지 분석부는 상기 해충 이미지에 대해 구축된 복수의 해충 식별자별 학습모델을 대입하여 상기 해충 이미지와 상기 해충 식별자별 학습모델과의 유사도를 산출할 수 있다.
상기 해충 이미지 분석부는 상기 대입된 복수의 해충 식별자별 학습모델과의 유사도 중 가장 높은 유사도를 가지는 학습 모델의 유사도가 확정값 이상이면, 상기 가장 높은 유사도를 가지는 학습모델의 해충 식별자로 상기 해충을 인식할 수 있다.
또한, 상기 중앙 서버는 해충 정보를 저장하는 해충 정보D/B부; 및 상기 해충 이미지 분석부를 통해 특정된 해충의 정보를 해충 정보D/B부로부터 추출하여 상기 사용자 단말기로 전송하는 해충 정보 공급부;를 더 포함할 수 있다.
또한, 상기 중앙 서버는 상기 해충 이미지 분석부를 통해 해충이 특정되면 탐지 시간을 기록하는 탐지 기록부; 및 상기 해충 이미지 분석부 또는 상기 탐지 기록부의 결과값을 기반으로 해충의 동향을 분석하고 발송하는 해충 동향 분석부;를 더 포함할 수 있다.
한편, 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템을 이용하는 모니터링 방법에 있어서 이미지 입력 수단에 의해 해충 이미지를 촬상하고 중앙 서버로 전송하는 해충 촬상 단계; 상기 해충 이미지를 해충 이미지 분석부가 해충 학습 모델을 이용하여 분석하여 해충을 특정하는 해충 분석 및 특정 단계; 및 상기 중앙 서버가 사용자 단말기로 특정된 해충 정보를 전송하는 해충 정보 알림 단계;를 포함한다.
그리고 상기 해충 촬상 단계 이전에 기계학습 기법을 이용하여 해충의 이미지를 학습하여, 각 해충에 따른 식별자로 구분되는 다수의 학습모델을 구축하는 해충 학습 단계;를 더 포함할 수 있다.
여기서 해충 분석 및 특정 단계는 상기 해충 이미지에 대하여 복수의 해충 식별자별 학습 모델을 대입하여 상기 해충 이미지와 상기 해충 식별자별 학습모델과의 유사도를 산출하여 가장 높은 유사도를 가지는 식별자의 학습모델이 확정값 이상이면, 상기 해충 이미지의 해충을 상기 가장 높은 유사도를 가지는 식별자의 학습모델의 해충 식별자로 인식할 수 있다.
또한, 상기 해충 정보는 특정된 해충의 명칭, 성장 단계, 품종, 탐지시간, 탐지횟수, 해충약 추천, 방제 사업자 추천 중 적어도 하나가 포함될 수 있다.
본 발명에 따른 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법은 이미지를 사용하여 해충을 정확히 특정하여, 특정된 해충에 대한 보다 상세한 정보를 사용자 단말기로 제공하여 정보 수요자가 원하는 정보에 보다 손쉽게 접근할 수 있는 효과가 있다.
또한, 전통적인 이미지 분석 기법에서 벗어나, 기계 학습을 통해 구축된 학습 모델을 사용한 이미지 분석 기법을 사용하여, 고성능의 장비가 없어도 이미지 분석이 가능한 효과가 있다.
또한, 특정된 해충에 대한 해충약 및 방제 사업자 등을 추천하여 해충 대응을 손쉽게 할 수 있는 효과가 있다.
본 발명의 효과는 이상에서 언급한 것에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 시스템의 개략도이다.
도 2는 본 발명의 또 다른 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 시스템의 개략도이다.
도 3은 본 발명의 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 시스템의 중앙 서버 구성도이다.
도 4는 본 발명의 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 방법의 순서도이다.
도 5는 본 발명의 또 다른 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 방법의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 상세하게 후술 되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시 예들은 본 발명의 개시가 완전 하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시 예를 설명하기 위한 형상, 크기, 비율, 각도, 개수 등은 예시적인 것이므로 본 발명이 한정되는 것은 아니다. 또한, 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.
본 명세서에서 언급된 '포함한다', '갖는다', '이루어진다' 등이 사용되는 경우 '~만'이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별히 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함한다.
구성 요소를 해석함에 있어서, 별도의 명시적 기재가 없더라도 오차 범위를 포함하는 것으로 해석한다.
또한, 위치 관계에 대한 설명일 경우, 예를 들어, '~상에', '~상부에', '~하부에', '~옆에' 등으로 두 부분의 위치 관계가 설명되는 경우, '바로' 또는 '직접'이 사용되지 않는 이상 두 부분 사이에 하나 이상의 다른 부분이 위치할 수도 있다.
그리고, 시간 관계에 대한 설명일 경우, 예를 들어, '~후에', '~에 이어서', '~다음에', '~전에' 등으로 시간적 선후 관계가 설명되는 경우, '바로' 또는 '직접'이 사용되지 않는 이상 연속적이지 않은 경우도 포함할 수 있다.
본 발명의 여러 실시 예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하고, 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시 예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시할 수도 있다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 시스템의 개략도이다.
도 1을 참조하여 구체적으로 설명하면, 이미지 분석을 통한 해충 동정과 모니터링 시스템은 이미지 입력 수단(100), 중앙 서버(200), 사용자 단말기(300)가 포함될 수 있다.
이미지 입력 수단(100)은 네트워크에 연결되어 해충 이미지를 촬상하고 촬상한 해충 이미지를 중앙 서버(200)로 전송할 수 있다. 여기서 이미지 입력 수단(100)은 네트워크에 연결될 수 있는 통신 모듈과 이미지를 촬상할 수 있는 모듈이 장착된 장치라면 가능할 수 있다. 그리고 이미지는 스틸 이미지 또는 스틸 이미지가 연속되는 영상 이미지도 포함하는 것으로 영상 이미지에서 연속되는 스틸 이미지는 이하 프레임이라 지칭 한다.
중앙 서버(200)는 네트워크에 연결되어 이미지 입력 수단(100)에서 수신되는 해충 이미지를 분석하여 이미지의 해충을 특정하여 해충 동정 및 모니터링 정보를 발생할 수 있다. 중앙 서버(200)의 자세한 설명은 도 3에서 후술한다.
사용자 단말기(300)는 중앙 서버(200)에서 특정되어 발생되는 해충 동정 및 모니터링 정보를 수신하여 화면부에 나타낼 수 있다. 사용자는 화면부에 표시되는 해충 동정 및 모니터링 정보를 확인하여 해충에 대한 대처 또는 대응을 할 수 있다.
예를 들어, 바퀴벌레가 이미지 입력 수단(100)에 의해 촬상되어 중앙 서버(200)에 전송되면, 중앙 서버(200)는 이미지로 촬상된 바퀴벌레를 특정하여 인식할 수 있고, 특정된 바퀴벌레의 품종, 성장 단계, 출몰 지역과 같은 정보를 생성하여 사용자 단말기(300)로 전송할 수 있다. 또한, 중앙 서버(200)는 특정된 바퀴벌레의 품종, 성장 단계에 따라 적절한 해충약을 추천하거나, 사용자의 지역에서 해충 방제 사업자를 연결하거나 추천할 수 있다.
따라서 사용자는 사용자 단말기(300)에 전송된 바퀴벌레의 품종, 성장 단계와 같은 정보를 확인할 수 있고, 이에 적절한 해충약 정보를 얻어 해충 출몰에 대한 대처를 할 수 있는 효과가 있다. 이는 사용자가 해충을 박멸하기 위해 따로 인터넷 검색의 필요를 줄이는 효과가 발생할 수 있다.
또한, 지역의 방제 사업자를 추천하므로 사용자 입장에선 적절한 방제 사업자를 통해 해충을 박멸할 수 있고, 지역 방제 사업자는 본 발명을 통해 고객 을 확보하는 효과도 발생할 수 있다.
도 2는 본 발명의 또 다른 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 시스템의 개략도이다. 도 2를 참조하여 보다 구체적으로 설명하면, 이미지 입력 수단(100)과 사용자 단말기(300)는 같은 장치일 수 있다. 즉, 이미지 입력 수단(100)과 사용자 단말기(300)가 독립적으로 분리된 장치가 아니라 하나의 장치에 기능을 모두 갖추고 있더라도 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템이 가능할 수 있다.
사용자 단말기(300)는 네트워크에 연결되고 중앙 서버의 해충 동정 정보 및 모니터링 정보를 수신할 수 있는 장치면 가능하다. 예로 스마트 폰, 개인 컴퓨터, 태블릿 PC, 키오스크가 바람직할 수 있다. 여기서 이미지 촬상 모듈이 포함되면 이미지 입력 수단(100)과 사용자 단말기(300)가 동일해질 수 있다.
도 3은 본 발명의 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 시스템의 중앙 서버 구성도이다. 도 3을 참조하여 구체적으로 설명하면, 중앙 서버(200)는 해충 기계학습부(210), 해충D/B부(220), 해충 이미지 분석부(230), 해충 정보D/B부(240), 해충 정보 공급부(250), 탐지 기록부(260), 해충 동향 분석부(270)가 포함될 수 있다.
해충 기계학습부(210)는 다수의 해충 이미지를 기계 학습을 통해 해충 학습 모델을 구축할 수 있다. 여기서 학습 모델은 식별자를 지정하여 상기 식별자에 해당하는 다수의 이미지를 해충 기계학습부(210)를 통해 지속적으로 기계학습 시킬 수 있다. 예를 들어, 독일 바퀴벌레를 식별자로 지정하고, 독일 바퀴벌레 이미지를 기계학습 시키면 독일 바퀴벌레를 인식하는 학습 모델이 구축될 수 있다. 여기서 성장 단계별로 나눠 식별자를 지정하여 기계학습 시켜 세부적인 정보도 추출이 가능할 수 있다.
해충 D/B부(220)는 해충 기계학습부(210)를 통해 학습된 학습 모델이 저장될 수 있다. 저장되는 학습 모델의 수는 지정되는 식별자의 수대로 증가할 수 있다.
해충 이미지 분석부(230)는 해충D/B부(220)에 저장된 해충 학습 모델을 이용하여 이미지 입력 수단(100)이 전송하는 해충 이미지에 해당하는 해충을 특정할 수 있다. 특정하는 방법은 해충 D/B부(220)에 구축된 학습 모델을 이용할 수 있다. 보다 구체적으로 설명하면, 수신된 해충 이미지에 대하여 해충 D/B부(220)에 구축된 복수의 학습 모델이 대입될 수 있다. 해충 이미지 분석부(230)는 대입된 복수의 학습 모델과 수신된 해충 이미지의 유사도를 산출할 수 있다. 여기서 유사도는 해충 이미지와 대입된 학습 모델과의 동일 가능성을 확률값으로 나타날 수 있다.
복수의 식별자별 학습모델마다 산출된 유사도 중 가장 높은 유사도가 미리 입력된 확정값 이상이면, 가장 높은 유사도가 산출된 학습모델의 식별자로 해당 해충 이미지의 해충이 특정될 수 있다.
해충 정보D/B부(240)는 식별자로 지정된 해충들의 종류별 상세 정보가 저장될 수 있다. 여기서 상세 정보는 명칭, 크기, 수명, 수명 주기, 습성, 성, 박멸 방법, 박멸 예시, 해충 약, 지역 방제 사업자 정보 등이 포함될 수 있으나 여기에 한정되지 않는다. 해충에 대한 정보라면 상세 정보에 포함시키는 것이 바람직하다.
해충 정보 공급부(250)는 해충 정보D/B부(240)에 저장된 해충 정보를 추출하여 사용자 단말기(300)로 전송할 수 있다.
탐지 기록부(260)는 해충 이미지 분석부(230)가 해충 이미지를 통해 해충을 특정하면, 특정된 해충에 대한 탐지 시간을 기록할 수 있다. 또한, 해당 해충 이미지를 획득한 이미지 입력 수단(100)의 위치도 기록할 수 있다. 예를 들면, 이미지 입력 수단(100)이 고정된 장소에 설치되는 장치라면, 설치 업자가 해당 장치의 위치(한 가구라고 가정하고, 큰방, 작은방, 부엌, 보일러 실 등 위치 특징)를 이미지 입력 수단(100)에 미리 입력하여 해당 위치의 정보를 포함한 탐지 시간을 기록할 수 있다.
해충 동향 분석부(270)는 해충 이미지 분석부(230) 또는 탐지 기록부(260)가 획득하고 분석한 정보를 기반으로 해충의 동향을 분석할 수 있다. 탐지된 해충의 동선, 서식지, 해당 해충의 특징 등이 포함될 수 있다. 여기서 해당 해충의 특징에 대한 예를 들면, 기름진 음식을 즐기는 바퀴벌레, 밀가루를 찾는 바퀴벌레, 알을 품고 있는 바퀴벌레 등일 수 있다.
도 4는 본 발명의 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 방법의 순서도이다.
도 4를 참조하여 구체적으로 설명하면 이미지 분석을 통한 해충 동정과 모니터링 방법은 해충 촬상 단계(S11), 해충 분석 및 특정 단계(S12), 정보 알림 단계(S13)가 포함될 수 있다.
해충 촬상 단계(S11)은 이미지 입력 수단(100)에 의해 해충 이미지를 촬상하고 중앙 서버로 전송하는 단계이다.
해충 분석 및 특정 단계(S12)는 촬상한 해충 이미지를 해충 이미지 분석부(230)가 해충 학습 모델을 이용하여 해충을 특정하는 단계이며, 정보 알림 단계(S13)는 중앙 서버(200)가 사용자 단말기(300)로 특정된 해충 정보를 전송하는 단계이다.
해충 촬상 단계(S11), 해충 분석 및 특정 단계(S12) 및 정보 알림 단계(S13)에 대한 구체적인 설명은 이미지 분석을 통한 해충 동정과 모니터링 시스템 설명과 동일하기 때문에 생략한다.
다만, 정보 알림 단계(S13)에서 해충 정보는 특정된 해충의 명칭, 성장 단계, 품종, 탐지시간, 탐지횟수, 해충약 추천, 방제 사업자 추천 중 적어도 하나가 포함될 수 있다. 또한, 상술된 정보에 한정되지는 않으며, 이외에 해충에 대한 세부적인 정보라면 포함되는 것이 바람직하다.
도 5는 본 발명의 또 다른 일 실시예에 따른 이미지 분석을 통한 해충 동정과 모니터링 방법의 순서도이다. 도 5를 참조하여 구체적으로 설명하면, 이미지 분석을 통한 해충 동정과 모니터링 방법은 해충 촬상 단계(S22)이전에 해충 학습 단계(S21)가 더 포함될 수 있다.
해충 학습 단계(S21)는 기계학습 기법을 이용하여 해충의 이미지를 학습하여, 각 해충에 따른 식별자로 구분되는 다수의 학습모델을 구축하는 단계로, 해충 이미지 분석부(230)를 통해 해충을 판별하기 위한 단계이다. 해충 학습 단계(S21)에서 각 식별자로 구분되는 학습모델에 학습되는 이미지의 수가 많을수록, 해충 이미지 분석부(230)에서 판별하는 해충의 정확도는 더 올라간다. 이는 해충 이미지 분석부(230)는 입력된(학습된) 이미지를 기반으로 확률적인 결과값을 도출하기 때문에 입력되는 데이터 수가 많을수록 정확도는 더 올라갈 수 있다.
이상 본 발명의 실시 예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시 예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
그러므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (10)

  1. 해충 이미지를 촬상하고 상기 해충 이미지를 전송하는 이미지 입력 수단;
    네트워크에 연결되어 상기 이미지 입력 수단의 해충 이미지 데이터를 수신하고, 상기 해충 이미지 데이터를 분석하여 상기 해충 이미지의 해충을 특정하고 해충 동정 데이터를 발생하는 중앙 서버; 및
    상기 해충 동정 데이터를 수신하여 화면부에 표시하는 사용자 단말기;
    를 포함하는 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템.
  2. 제1항에 있어서,
    상기 중앙 서버는,
    다수의 해충 이미지를 기계 학습을 통해 해충 학습 모델을 구축하는 해충 기계학습부;
    상기 해충 기계학습부를 통해 구축된 해충 학습 모델이 저장되는 해충D/B부; 및
    상기 해충D/B부에 저장된 해충 학습 모델을 이용하여 상기 이미지 입력 수단이 전송하는 해충 이미지를 분석하여 해충을 특정하는 해충 이미지 분석부;
    를 더 포함하는 것을 특징으로 하는 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템.
  3. 제2항에 있어서,
    상기 해충 이미지 분석부는,
    상기 해충 이미지에 대해 구축된 복수의 해충 식별자별 학습모델을 대입하여 상기 해충 이미지와 상기 해충 식별자별 학습모델과의 유사도를 산출하는 것을 특징으로 하는 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템.
  4. 제3항에 있어서,
    상기 해충 이미지 분석부는,
    상기 대입된 복수의 해충 식별자별 학습모델과의 유사도 중 가장 높은 유사도를 가지는 학습 모델의 유사도가 확정값 이상이면, 상기 가장 높은 유사도를 가지는 학습모델의 해충 식별자로 상기 해충을 인식하는 것을 특징으로 하는 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템.
  5. 제2항에 있어서,
    상기 중앙 서버는,
    해충 정보를 저장하는 해충 정보D/B부; 및
    상기 해충 이미지 분석부를 통해 특정된 해충의 정보를 해충 정보D/B부로부터 추출하여 상기 사용자 단말기로 전송하는 해충 정보 공급부;
    를 더 포함하는 것을 특징으로 하는 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템.
  6. 제2항에 있어서,
    상기 중앙 서버는,
    상기 해충 이미지 분석부를 통해 해충이 특정되면 탐지 시간을 기록하는 탐지 기록부;
    상기 해충 이미지 분석부 또는 상기 탐지 기록부의 결과값을 기반으로 해충의 동향을 분석하고 발송하는 해충 동향 분석부;
    를 더 포함하는 것을 특징으로 하는 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템.
  7. 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템을 이용하는 모니터링 방법에 있어서,
    이미지 입력 수단에 의해 해충 이미지를 촬상하고 중앙 서버로 전송하는 해충 촬상 단계;
    상기 해충 이미지를 해충 이미지 분석부가 해충 학습 모델을 이용하여 분석하여 해충을 특정하는 해충 분석 및 특정 단계; 및
    상기 중앙 서버가 사용자 단말기로 특정된 해충 정보를 전송하는 해충 정보 알림 단계;
    를 포함하는 이미지 분석을 통한 해충 동정과 정보 모니터링 방법.
  8. 제7항에 있어서,
    상기 해충 촬상 단계 이전에,
    기계학습 기법을 이용하여 해충의 이미지를 학습하여, 각 해충에 따른 식별자로 구분되는 다수의 학습모델을 구축하는 해충 학습 단계;
    를 더 포함하는 것을 특징으로 하는 이미지 분석을 통한 해충 동정과 정보 모니터링 방법.
  9. 제7항에 있어서,
    해충 분석 및 특정 단계는,
    상기 해충 이미지에 대하여 복수의 해충 식별자별 학습 모델을 대입하여 상기 해충 이미지와 상기 해충 식별자별 학습모델과의 유사도를 산출하여 가장 높은 유사도를 가지는 식별자의 학습모델이 확정값 이상이면, 상기 해충 이미지의 해충을 상기 가장 높은 유사도를 가지는 식별자의 학습모델의 해충 식별자로 인식하는 것을 특징으로 하는 이미지 분석을 통한 해충 동정과 정보 모니터링 방법.
  10. 제7항에 있어서,
    상기 해충 정보는,
    특정된 해충의 명칭, 성장 단계, 품종, 탐지시간, 탐지횟수, 해충약 추천, 방제 사업자 추천 중 적어도 하나가 포함되는 것을 특징으로 하는 이미지 분석을 통한 해충 동정과 정보 모니터링 방법.
PCT/KR2018/012272 2017-10-30 2018-10-17 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법 WO2019088519A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/758,482 US11321588B2 (en) 2017-10-30 2018-10-17 System for identifying pests and monitoring information through image analysis, and monitoring method using same
PH12020550509A PH12020550509A1 (en) 2017-10-30 2020-04-29 System for identifying pests and monitoring information through image analysis, and monitoring method using same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170142623A KR101924393B1 (ko) 2017-10-30 2017-10-30 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법
KR10-2017-0142623 2017-10-30

Publications (1)

Publication Number Publication Date
WO2019088519A1 true WO2019088519A1 (ko) 2019-05-09

Family

ID=64743146

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/012272 WO2019088519A1 (ko) 2017-10-30 2018-10-17 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법

Country Status (4)

Country Link
US (1) US11321588B2 (ko)
KR (1) KR101924393B1 (ko)
PH (1) PH12020550509A1 (ko)
WO (1) WO2019088519A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170354135A1 (en) * 2016-06-09 2017-12-14 Microsoft Technology Licensing, Llc Insect trap
CN110276280A (zh) * 2019-06-06 2019-09-24 刘嘉津 一种农作物害虫图像自动识别的光学处理方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102228682B1 (ko) * 2019-04-03 2021-03-16 한남대학교 산학협력단 Ict 연계 산림해충 진단 시스템
WO2022092855A1 (ko) * 2020-10-29 2022-05-05 주식회사 팜클 빅데이터 분석 기반 해충 및 병원체 관리 플랫폼 시스템
CN112465821A (zh) * 2020-12-22 2021-03-09 中国科学院合肥物质科学研究院 一种基于边界关键点感知的多尺度害虫图像检测方法
CN113273555B (zh) * 2021-06-15 2023-07-04 米恩基(浙江)传感科技有限公司 一种人工智能虫情预测系统及预测方法
CN114821392B (zh) * 2022-03-23 2024-06-21 深圳市鸿彩云实业发展有限公司 一种智能四害监控及防治系统
US12022820B1 (en) * 2023-10-11 2024-07-02 Selina S Zhang Integrated insect control system

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060070979A (ko) * 2004-12-21 2006-06-26 주식회사 팬택 해충 구제 정보 제공 방법 및 이동통신 단말기
KR20090043189A (ko) * 2007-10-29 2009-05-06 주식회사 세스코 이미지 처리 방법 및 상기 방법을 수행하는 이미지 처리시스템
KR20100064634A (ko) * 2008-12-05 2010-06-15 삼성테크윈 주식회사 디지털 영상 처리기에서 벌레 검출 및 퇴치 장치
KR20130045287A (ko) * 2013-01-25 2013-05-03 옥요한 단말기, 이를 이용한 바로샷 생물 도감 서비스 시스템 및 방법
US20140341473A1 (en) * 2011-12-06 2014-11-20 Kyungpook National University Industry-Academic Cooperation Foundation Apparatus and method for enhancing user recognition

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2945186A1 (en) * 2014-04-10 2015-10-15 Ninox Robotics Pty Ltd Baiting method and apparatus for pest control
SG10201506012SA (en) * 2015-07-31 2017-02-27 Accenture Global Services Ltd Inventory, growth, and risk prediction using image processing
JP6357140B2 (ja) * 2015-09-18 2018-07-11 Ｐｓソリューションズ株式会社 画像判定方法
US10496893B2 (en) * 2016-08-11 2019-12-03 DiamondFox Enterprises, LLC Handheld arthropod detection device
US10095231B2 (en) * 2016-09-14 2018-10-09 International Business Machines Corporation Drone and drone-based system for collecting and managing waste for improved sanitation
US11151423B2 (en) * 2016-10-28 2021-10-19 Verily Life Sciences Llc Predictive models for visually classifying insects
US10375947B2 (en) * 2017-10-18 2019-08-13 Verily Life Sciences Llc Insect sensing systems and methods

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060070979A (ko) * 2004-12-21 2006-06-26 주식회사 팬택 해충 구제 정보 제공 방법 및 이동통신 단말기
KR20090043189A (ko) * 2007-10-29 2009-05-06 주식회사 세스코 이미지 처리 방법 및 상기 방법을 수행하는 이미지 처리시스템
KR20100064634A (ko) * 2008-12-05 2010-06-15 삼성테크윈 주식회사 디지털 영상 처리기에서 벌레 검출 및 퇴치 장치
US20140341473A1 (en) * 2011-12-06 2014-11-20 Kyungpook National University Industry-Academic Cooperation Foundation Apparatus and method for enhancing user recognition
KR20130045287A (ko) * 2013-01-25 2013-05-03 옥요한 단말기, 이를 이용한 바로샷 생물 도감 서비스 시스템 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170354135A1 (en) * 2016-06-09 2017-12-14 Microsoft Technology Licensing, Llc Insect trap
US10966420B2 (en) * 2016-06-09 2021-04-06 Microsoft Technology Licensing, Llc Insect trap
CN110276280A (zh) * 2019-06-06 2019-09-24 刘嘉津 一种农作物害虫图像自动识别的光学处理方法

Also Published As

Publication number Publication date
PH12020550509A1 (en) 2021-03-22
KR101924393B1 (ko) 2018-12-03
US20200250482A1 (en) 2020-08-06
US11321588B2 (en) 2022-05-03

Similar Documents

Publication Publication Date Title
WO2019088519A1 (ko) 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법
WO2016171341A1 (ko) 클라우드 기반 병리 분석 시스템 및 방법
WO2022145614A1 (ko) 축사 영상을 이용한 가축 체중 추정 시스템 및 방법
WO2021221249A1 (ko) 스마트 가축 관리 시스템 및 그 방법
WO2019132170A1 (ko) 학습용 데이터 관리방법, 장치 및 프로그램
TWI416068B (zh) 跨感測器間之物體追蹤方法與系統
WO2022030685A1 (ko) 휴대용 단말기를 이용한 피부질환 측정 시스템 및 피부질환 관리방법
EP3028514A1 (en) Method for deciding location of target device and electronic device thereof
WO2014146430A1 (zh) 一种冰箱内食品存储位置记录方法、装置、终端及冰箱
JP2021108149A (ja) 人物検出システム
WO2019177367A1 (en) Display apparatus and control method thereof
WO2019045385A1 (ko) 영상 얼라인먼트 방법 및 그 장치
WO2015020256A1 (ko) 직접 반응 광고 검출 및 분류 시스템 및 방법
WO2018004111A1 (ko) 사용자 단말, 서비스 제공장치, 스마트 체온계를 이용한 체온정보 수집 및 서비스 제공시스템, 이를 이용한 서비스 제공방법
WO2021029653A1 (ko) 박쥐의 전시 관람 시스템 및 그 방법
WO2020141888A1 (ko) 사육장 환경 관리 장치
WO2020017814A1 (ko) 이상 개체 검출 시스템 및 방법
WO2019212237A1 (ko) 이상 개체 검출 장치 및 방법
WO2020122662A1 (ko) 로봇 인지용 플랫폼, 그 시스템 및 그 진단 방법
WO2024034923A1 (ko) 인공지능을 이용한 영상 감시 기반 개체 인식 및 행동패턴 분석 방법 및 시스템
WO2021167326A1 (ko) 무인 상점 운영 방법 및 이를 이용한 무인 상점 시스템
WO2019151620A1 (ko) 컨텐츠 정보 제공 장치 및 그 방법
WO2023080378A1 (ko) 메타버스 플랫폼 네트워킹 기반 실시간 반려동물 모니터링 및 케어를 위한 온라인 펫시터 시스템
WO2015129987A1 (ko) 사물 인식에 기반한 광고를 제공하는 서비스 장치, 사물 인식에 기반한 광고를 수신하는 사용자 장치, 사물 인식에 기반한 광고를 제공하는 시스템, 방법 및 컴퓨터 프로그램이 기록된 기록매체
WO2022255635A1 (ko) 유해조수 취약성 분석을 통한 유도울타리 설치 지역 도출 시스템 및 이를 이용한 유도울타리 설치 지역 도출방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18874830

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18874830

Country of ref document: EP

Kind code of ref document: A1