WO2022050584A1 - 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템 - Google Patents

이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템 Download PDF

Info

Publication number
WO2022050584A1
WO2022050584A1 PCT/KR2021/010202 KR2021010202W WO2022050584A1 WO 2022050584 A1 WO2022050584 A1 WO 2022050584A1 KR 2021010202 W KR2021010202 W KR 2021010202W WO 2022050584 A1 WO2022050584 A1 WO 2022050584A1
Authority
WO
WIPO (PCT)
Prior art keywords
meat
packaged
packaged meat
quality
server
Prior art date
Application number
PCT/KR2021/010202
Other languages
English (en)
French (fr)
Inventor
배수형
박성철
Original Assignee
주식회사 어니스트초이스
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 어니스트초이스 filed Critical 주식회사 어니스트초이스
Priority to US17/922,417 priority Critical patent/US20230267704A1/en
Priority to JP2023511838A priority patent/JP7500115B2/ja
Publication of WO2022050584A1 publication Critical patent/WO2022050584A1/ko

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • A—HUMAN NECESSITIES
    • A22—BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22B—SLAUGHTERING
    • A22B5/00—Accessories for use during or after slaughtering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B25/00—Packaging other articles presenting special problems
    • B65B25/06—Packaging slices or specially-shaped pieces of meat, cheese, or other plastic or tacky products
    • B65B25/065—Packaging slices or specially-shaped pieces of meat, cheese, or other plastic or tacky products of meat
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B57/00—Automatic control, checking, warning, or safety devices
    • B65B57/10—Automatic control, checking, warning, or safety devices responsive to absence, presence, abnormal feed, or misplacement of articles or materials to be packaged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B61/00—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages
    • B65B61/26—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages for marking or coding completed packages
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Definitions

  • the embodiments below relate to a technology for classifying the quality of packaged meat based on an image and selling packaged meat online based on the classification.
  • Korean Patent Publication No. KR 10-1892995 B1 discloses a meat processing method for distribution.
  • an image of meat including bones is first photographed, and the type of meat, the color of the meat, the distribution degree of fat, and the positional relationship of the fat are analyzed through the first photographed data, and the type of the meat a first meat analysis step of classifying according to a meat shredding step of slicing the meat that has passed through the first meat analysis step by type and shredding it into a preset size; a second meat analysis step of photographing the upper portion and the side of the minced meat for a second time, and automatically analyzing the thickness and weight of the meat through the second photographing data;
  • the meat analyzed in the second meat analysis step is placed on a plate coated with vegetable oil on the upper side, and the meat information analyzed in the first meat analysis step and the second meat analysis step is printed on the first label, and the a first label attachment step of attaching a first label to the plate;
  • a second label attachment step of attaching to the packaged meat a meat information uploading step of uploading the first photographed data, the second photographed data, the third photographed data, the analysis data, and the meat unique number to a preset meat sales server; and a delivery step of box-packing and shipping the ordered packaged meat when the online order and payment of the packaged meat from the meat sales server is completed.
  • the prior literature provides a meat processing method for distribution that can minimize the infection of pathogens while massaging meat with air, softening the quality of meat by applying vegetable oil, and preventing the growth of microorganisms in the distribution process. do.
  • Korean Patent Publication No. KR 10-2086976B1 discloses an imported meat management system.
  • the prior literature consists of a foreign meat producer terminal group 100g consisting of a plurality of foreign meat producer terminals 100 , a network 200 , an imported meat management server 300 , and a plurality of customer terminals 600 .
  • the imported meat management server 300 is a producer according to the producer membership registration procedure through the network 200 from the overseas meat producer terminal 100 After going through the member ID and producer password setting process, the meat type information to be exported and the meat processing status information are received, and the producer member ID is used as metadata along with the producer password on the database 330 with the overseas meat producer terminal 100
  • Overseas meat producer terminal group (100g) is formed by storing as "overseas meat producer unit information" for The company's production site information, meat production facility information, and feed information are additionally requested from the overseas meat producer terminal 100 to store the producer member ID as metadata in the database 330, and from the customer terminal 600 to the network 200 ), after going through the process of setting the customer member ID and customer password, receive the meat type information you want to import and the meat processing status information, and use the customer member ID as metadata with the customer password in the database 330
  • a member registration module 321 that creates a DB for imported meat in a way that forms a customer terminal group 600
  • prior literatures use IoT technology to classify, monitor, and manage the state of fresh food in packaging units, such as packaged meat, and provide information such as packaged meat to consumers using big data and artificial intelligence, methods, devices, and Do not start the system.
  • prior documents do not disclose a method, apparatus, and system for classifying the quality of packaged meat by inferring the quality of the invisible back side and inside of packaged meat, etc., based on the appearance of the packaged state of the fresh food, etc.
  • the prior documents do not disclose a method, apparatus, or system for selling packaged meat on the Internet based on an “As is image” that is a photographed image of fresh food to be actually delivered to a consumer in a web page or application.
  • a technology that classifies, monitors, and manages the state of fresh food in packaging units such as packaged meat using IoT technology, and provides information such as packaged meat to consumers using big data and artificial intelligence.
  • implementation of a technology for classifying the quality of packaged meat by inferring the quality of the invisible back side and inside of packaged meat, etc., based on the appearance of the fresh food in a packaged state is requested.
  • Patent Document 1 Republic of Korea Patent Publication KR 10-1892995 B1
  • Patent Document 2 Republic of Korea Patent Publication KR 10-2086976 B1
  • Patent Document 3 Republic of Korea Patent Publication KR 10-1882494 B1
  • Patent Document 4 Republic of Korea Patent Publication KR 10-1594666B1
  • the embodiments classify, monitor, and manage the state of fresh food in packaging units, such as packaged meat, using IoT technology, and provide information such as packaged meat to consumers using big data and artificial intelligence, a method, an apparatus, and a system would like to provide
  • Embodiments are to provide a method, apparatus, and system for classifying the quality of packaged meat by inferring the quality of the invisible back side and inside of the packaged meat, etc., based on the appearance of the packaged state of the fresh food.
  • Embodiments are to provide a method, apparatus, and system for selling packaged meat on the Internet based on an “as is image” that is a photographed image of fresh food to be actually delivered to a consumer in a web page or application.
  • the embodiments are intended to provide a method, apparatus, and system for solving the problems mentioned in the background art and the problems in the technical field revealed in the present specification.
  • An image-based packaged meat quality classification and sales method performed by a server includes: acquiring each packaged meat image; classifying the quality of each packaged meat based on the respective packaged meat images; estimating a price of each of the packaged meats based on the quality classification of each of the packaged meats; displaying the respective packaged meats for each meat, part, and grade with each user terminal; obtaining a purchase request for the first packaged meat selected by the first user through the first user terminal; confirming the sale of the first packaged meat; and displaying, with each user terminal, packaged meats excluding the first packaged meat from each of the packaged meats by meat, by part, and by grade, and the step of classifying the quality of each of the packaged meat includes:
  • the quality classification of the packaged meat may be made based on the image of the packaged meat in a state in which the package of each of the packaged meat is not opened.
  • the step of classifying the quality of each packaged meat includes defining the packaged meat cut after the packaged meat to be classified by a predefined method is cut from the cut slaughter meat as the comparison target packaged meat step; referring to the front image of the packaged meat to be classified; referring to a front image in a state in which the comparison target packaged meat is packaged; applying the front image of the packaged meat to be classified and the front image of the packaged meat to be compared to AI to infer meat quality information for each thickness of the packaged meat to be classified; and classifying the quality of the packaged meat to be classified based on the meat quality information for each thickness of the packaged meat to be classified.
  • An image-based packaged meat quality classification and sales system includes: a packaged meat IoT management device capable of refrigerated management of packaged meat and photographing the state of packaged meat; and a server communicating wired/wireless with the packaged meat IoT management device and each user terminal, wherein the packaged meat IoT management device captures an image of each packaged meat being managed, and sends each packaged meat to the server transmit an image, and the server classifies the quality of each packaged meat based on the respective packaged meat images, and determines the price of each packaged meat based on the quality classification of each packaged meat Calculate, display each packaged meat by meat, part, and grade with each user terminal, obtain a purchase request for the first packaged meat selected by the first user through the first user terminal, and the packaged meat transmits a purchase request for the first packaged meat to an IoT management device, the packaged meat IoT management device transmits to the server that the first packaged meat is in stock, and the server includes: Confirming sales, displaying packaged meats except for the first packaged meat in each of the packaged meats
  • the embodiments classify, monitor, and manage the state of fresh food in packaging units, such as packaged meat, using IoT technology, and provide information such as packaged meat to consumers using big data and artificial intelligence, a method, an apparatus, and a system can provide
  • Embodiments provide a method, apparatus, and system for classifying the quality of packaged meat by inferring the quality of the invisible back side and inside of packaged meat, etc., based on the appearance of fresh food in a packaged state or the shape immediately before packaging can provide
  • Embodiments may provide a method, apparatus, and system for selling packaged meat or the like on the Internet based on an “as is image” that is a photographed image of fresh food to be actually delivered to a consumer in a web page or application.
  • FIG. 1 is an exemplary diagram of the configuration of a system according to an embodiment.
  • FIG. 2 is a diagram for explaining an operation of a system according to an embodiment.
  • 3 is a view for explaining packaged meat according to an embodiment.
  • FIG. 4 is a view for explaining an operation of classifying packaged meat quality according to an embodiment.
  • FIG. 5 is a view for explaining a packaged meat display and a packaged meat price calculation operation according to an embodiment.
  • FIG. 6 is a diagram for explaining learning of an artificial neural network according to an embodiment.
  • FIG. 7 is an exemplary diagram of a configuration of an apparatus according to an embodiment.
  • first or second may be used to describe various elements, these terms should be interpreted only for the purpose of distinguishing one element from another.
  • a first component may be termed a second component, and similarly, a second component may also be termed a first component.
  • spatially relative terms “below”, “beneath”, “lower”, “above”, “upper”, etc. It can be used to easily describe the correlation between a component and other components.
  • the spatially relative term should be understood as a term including different directions of components during use or operation in addition to the directions shown in the drawings. For example, when a component shown in a drawing is turned over, a component described as “beneath” or “beneath” of another component may be placed “above” of the other component. can Accordingly, the exemplary term “below” may include both directions below and above. Components may also be oriented in other orientations, and thus spatially relative terms may be interpreted according to orientation.
  • FIG. 1 is an exemplary diagram of the configuration of a system according to an embodiment.
  • a system includes a server 100; user terminals 111-113; and packaged meat IoT management device 130 .
  • the system may classify the quality of packaged meat based on the image of the packaged meat, and based on the classification, provide the Internet physical display and sale of fresh food (packaged meat) based on “As is image”. Specifically, the system can automatically display the image of the actual product to be sold on the Internet shopping mall by using IoT technology when performing e-commerce transactions with the second cut-packed Korean beef. Furthermore, the system can use artificial intelligence to provide accurate information for each part of the sirloin and an appropriately set price.
  • image refers to a real image of a product for posting an image of the product to be actually delivered to the consumer on a web page or application in online and Internet shopping.
  • the as is image can broaden consumers' product choices and guarantee the right to choose legitimate products in online shopping for fresh food such as packaged meat, not general industrial products.
  • the server 100 may be an own server 100 owned by a person or organization that provides a service using the server 100; It may be the cloud server 100; It may be a peer-to-peer (p2p) set of distributed nodes.
  • the server 100 includes an arithmetic function that a typical computer has; save/refer function; input/output function; And it may be configured to perform all or part of the control function.
  • the server 100 may include at least one or more artificial intelligences that perform an inference function.
  • the server 100 may be configured to communicate with the user terminals 111-113 through wired or wireless communication.
  • the server 100 may be linked with a web page or an application.
  • a web page or application can use the As is image to display packaged meat that is actually sold.
  • a member account or a non-member user can purchase the actual packaged meat corresponding to the As is image through the web page or application.
  • the web page or application may display quality information of packaged meat for each meat sold as an as is image, each part, and grade, and a price accordingly.
  • the user terminals 111-113 may be a desktop computer, a notebook computer, a tablet, a smart phone, or the like.
  • the first user terminal 111 may be a desktop
  • the second user terminal 122 may be a notebook computer
  • the third user terminal 113 may be a smartphone.
  • the types of user terminals 111-113 may vary according to embodiments.
  • the user terminals 111-113 may include arithmetic functions of a typical computer; save/refer function; input/output function; And it may be configured to perform all or part of the control function.
  • the user terminals 111-113 may be configured to communicate with the server 100 by wire or wireless.
  • the user terminals 111-113 may access a web page linked with the server 100 or an application linked with the server 100 may be installed.
  • the user terminals 111-113 may exchange data with the server 100 through a web page or an application.
  • the accounts 121-123 may log in to the user terminals 111-113.
  • the first user account 121 may log in to the first user terminal 111 ;
  • the second user account 122 may log in to the second user terminal 112 ;
  • the third user account 123 may log in to the third user terminal 113 .
  • the accounts 121-123 logged into the user terminals 111-113 may exchange data with the server 100 through a web page or an application.
  • Each account (121, 122, 123) has the authority to access each user's basic information and each user's packaged meat purchase information stored in the server (100).
  • the packaged meat IoT management device 130 may include an automatic distribution device 131 and a photographing device 132 .
  • the packaged meat IoT management device 130 includes a calculation function that a typical computer has; save/refer function; input/output function; And it may be configured to perform all or part of the control function.
  • the automatic distribution device 131 may refrigerate packaged meat.
  • the automatic distribution device 131 may be shared with packaged meat management information of the server 100 .
  • Packaged meat stored in the automatic distribution device 131 may display management information in the form of an electronic display or a printed barcode.
  • the automatic distribution device 131 may classify and store packaged meat by meat, by part, and by grade.
  • the packaged meat is Korean beef
  • the grilled parts of Korean beef may include sirloin, loin, and tenderloin, and special parts may be classified into fans, skirts, and upjin.
  • the automatic distribution device 131 may include a refrigerated warehouse that can efficiently place and store packaged meat for each part of Korean beef.
  • the automatic distribution device 131 may recognize the packaged meat placed in the wrong position by the operator's mistake and sound an alarm when the operator places the packaged meat for each part on the storage table for each part of the refrigerated warehouse.
  • the automatic distribution device 131 may automatically move the packaged meat to an empty seat, and when payment for the packaged meat is made through a web page or an application, it may be automatically picked up and moved to a shipping area.
  • the automatic distribution device 131 may include a device for outputting a shipment document for distinguishing that the worker is paid packaged meat.
  • the photographing device 132 may photograph the state of the packaged meat stored in the automatic distribution device 131 .
  • the photographing device 132 may include a standing camera or a scanner device. Due to problems such as HACCP certification for meat slaughter and cutting facilities, it is possible to secure hygiene by taking an image of packaged meat that is actually packaged and sold rather than in the middle of production. At this time, since the packaged meat is piled up in the packaging, the photographing device 132 takes only the front side of the sold meat, not the overall appearance of the sold meat.
  • the image of the packaged meat is transmitted to the server 100 , and the server 100 may classify the overall quality of the packaged meat through an algorithm based on the front surface of the packaged meat.
  • the photographing device 132 may perform photographing in a state in which lighting is optimized and reflected light is minimized.
  • the server 100 may record management information of packaged meat by interworking with the automatic distribution device 131 of the packaged meat IoT management device 130 .
  • the server 100 classifies the quality of packaged meat based on the image of the packaged meat, and based on the classification, the Internet real display and sale of fresh food (packaged meat) based on “As is image” through a web page or application can provide
  • the server 100 stores and references basic information and purchase information of the accounts 121, 122, and 123, and uses artificial intelligence to obtain accurate quality classification information of packaged meat such as Korean beef sirloin and the price calculated based on it. can provide
  • the number of terminals and devices may vary. As long as the processing capacity of the server 100 allows, the number of terminals and devices is not particularly limited.
  • FIG. 2 an embodiment related to packaged meat is described.
  • FIG. 4 an embodiment related to a packaged meat quality sorting operation is described.
  • FIG. 5 an embodiment related to a packaged meat pricing operation is described.
  • FIG. 6 an embodiment related to a learning operation of artificial intelligence will be described.
  • FIG. 2 is a diagram for explaining an operation of a system according to an embodiment.
  • the server 100 may issue a predefined storage command for each packaged meat to the packaged meat IoT management device that stores the packaged meat ( 200 ).
  • the predefined storage command may include a command to control the packaged meat IoT management device 130 .
  • the predefined storage command may include temperature, humidity, and the like for each storage unit.
  • the predefined storage instruction may include a storage start instruction for newly delivered packaged meat, a date count instruction for packaged meat storage, an instruction to discard old packaged meat, and the like.
  • the packaged meat IoT management device 130 may photograph an image of each packaged meat being managed ( 201 ).
  • the packaged meat IoT management device 130 may photograph an “as is image” of fresh foods stored in the automatic distribution device 131 through the photographing device 132 .
  • the photographing device 132 may photograph packaged meats that have been packaged and will be actually sold.
  • the meat may be cut Korean beef sirloin or the like.
  • the packaging of meat can be based on the MAP method packaged meat. When shooting packaged meat, you can optimize the lighting to minimize reflected light.
  • the packaged meat IoT management device 130 may transmit each packaged meat image to the server 100 ( 202 ).
  • the server 100 may acquire each packaged meat image to synchronize the packaged meat image and the packaged meat management information.
  • the automatic distribution device 131 of the packaged meat IoT management device 130 may share the packaged meat management information of the server 100 .
  • Packaged meat stored in the automatic distribution device 131 may display management information in the form of an electronic display or a printed barcode.
  • the server 100 may classify the quality of each packaged meat based on each packaged meat image ( 203 ).
  • the server 100 may classify the packaged meat quality based on the image of the packaged meat in a state in which the package of each packaged meat is not opened. To this end, the server 100 may define the packaged meat cut after the analysis target packaged meat is cut from the cut slaughtered meat by a predefined method as the comparison target packaged meat. Next, the server 100 may refer to the front image of the packaged meat to be analyzed in the packaged state. Next, the server 100 may refer to the front image in a state in which the comparison target packaged meat is packaged. Then, the server 100 may apply the front image of the packaged meat to be analyzed and the front image of the packaged meat to be compared to the second artificial intelligence to infer meat quality information for each thickness or each detailed part of the packaged meat to be analyzed.
  • the server 100 may classify the quality of the analysis target packaged meat based on the meat quality information for each thickness or each detailed part of the analysis target packaged meat. A detailed operation of the server 100 classifying the quality of each packaged meat will be described later with reference to FIG. 4 .
  • the server 100 may calculate the price of each packaged meat based on the quality classification of each packaged meat ( 204 ).
  • Each packaged meat may have a quality classification by meat, part, and grade.
  • packaged meat for each meat, part, and grade may be Korean beef, sirloin, or 1+ grade.
  • the server 100 may raise the price of packaged meat belonging to a quality category in which stock is depleted within a predefined period.
  • the server 100 may lower the price of packaged meat belonging to a quality category that remains in stock within a predefined period. A specific operation in which the server 100 calculates the packaged meat price will be described later with reference to FIG. 5 .
  • the server 100 may display each packaged meat by meat, by part, and by grade by each user terminal ( 205 ).
  • the server 100 may upload image photos of packaged meats stored in the automatic distribution device 131 to a web page or an application according to the management information.
  • the server 100 displays the imaged packaged meat by meat (cow, pig, chicken, sheep, etc.), by part (loin, sirloin, neck, etc.), by grade (1++, 1+, 1, 2, 3, etc.) ) and can be uploaded to a web page or application along with the corresponding weight and price information.
  • Each account (121, 122, 123) or non-members can log in to a web page or application to check packaged meat by meat, part, and grade of the real picture based on the As is image and purchase packaged meat.
  • the server 100 may display the quality classification of packaged meats by meat, by part, and by grade.
  • the server 100 may display the quality classification of each packaged Korean beef sirloin.
  • the quality classification is the quality classification: above; It may have one of the predefined quality classification levels, such as quality classification: Medium; Quality classification: medium.
  • the server 100 may display a professional description of what is the standard for classifying the quality of Korean beef sirloin.
  • the server 100 may present the inside of the selected packaged meat as a simulation.
  • the inside appearance of packaged meat can show the degree of marbling, the degree of tendon, color, quality of meat, and the composition of muscles.
  • the inside appearance of packaged meat can be simulated based on the meat quality information for each thickness or detailed parts inferred by the second artificial intelligence. The learning process of the second artificial intelligence will be described later with reference to FIG. 6 .
  • the server 100 may obtain a purchase request for the first packaged meat selected by the first user through the first user terminal 111 ( 206 ).
  • the first user account 121 using the first user terminal 111 may select the purchase of packaged meat by meat, by part, by grade, and by quality classification displayed as an As is image on a web page or application. For example, the first user account 121 may select the purchase of the first packaged meat belonging to the quality category: upper among Korean beef sirloin 1+ grades.
  • the first user terminal 111 may transmit a purchase request for the first packaged meat selected by the first user to the server 100 .
  • the server 100 may transmit a purchase request for the first packaged meat to the packaged meat IoT management device 130 ( 207 ).
  • the packaged meat IoT management device 130 may check whether the first packaged meat is actually being stored in the automatic distribution device 131 . When it is confirmed that the first packaged meat is being stored in the automatic distribution device 131 , the packaged meat IoT management device 130 may transmit that the first packaged meat is in stock to the server.
  • the server 100 may confirm the sale of the first packaged meat (208).
  • the server 100 may change the first packaged meat from “in storage” to “completely sold” in the packaged meat management information.
  • the packaged meat management information of the server 100 may be shared with the packaged meat IoT management device 130 .
  • the shopping cart and payment system of the web page or application interlocked with the server 100 and the automatic product shipment system of the packaged meat IoT management device 130 may be interlocked with each other.
  • the server 100 may make it impossible for other users to purchase the product the moment the user using the web page or application puts the product in the shopping cart.
  • the time that can be stored in the shopping cart may be limited to 15 minutes. The time for payment is excluded from the shopping cart storage time, and shipment can be made automatically when payment is completed.
  • the server 100 may display the packaged meats except for the first packaged meat in each packaged meat by meat, by part, and by grade by each user terminal ( 209 ).
  • the server 100 removes the As is image of the product from the web page or application and is the actual image of the remaining packaged meats. can only be displayed on a web page or application. Through this, online packaged meat sales can be made based on the packaged meat image that the consumer will actually purchase. Through this, it is possible to broaden the product selection range of consumers in online shopping of fresh food such as packaged meat, not general industrial products, provide the basis for purchase decision, and guarantee the right to choose a legitimate product. Meanwhile, the server 100 may set a notification function for packaged meats that are not sold even after a predefined period has elapsed, and may perform follow-up measures such as discount sales on a web page or application for them.
  • the packaged meat IoT management device 130 may ship packaged meat ( 210 ).
  • the server 100 may instruct the packaged meat IoT management device 130 to ship the first packaged meat.
  • a shipment operation performed after the packaged meat IoT management device receives a shipment order for the first packaged meat may include the following.
  • the packaged meat IoT management device 130 may memorize the storage location of the first packaged meat and perform a picking step. Next, the packaged meat IoT management device 130 may perform a step of transferring the first packaged meat to a shipping area. Subsequently, the packaged meat IoT management device 130 may perform a step of outputting shipment information and a delivery address of the first packaged meat. In the following sequence, the packaged meat IoT management device 130 may package the first packaged meat once more. Next, the packaged meat IoT management device 130 may deliver the first packaged meat.
  • the operation of the system may be performed not only for packaged meat but also for unpackaged meat according to an embodiment.
  • the operation of the system may include the following.
  • the packaged meat IoT management device 130 may photograph an unpackaged meat image of a product placed on a tray immediately before packaging.
  • the server 100 may acquire an unpackaged meat image of a product placed on a tray immediately before packaging.
  • the packaged meat IoT management device 130 may package unpackaged meat.
  • the packaged meat IoT management device 130 may store packaged meat.
  • the server 100 may acquire an unpackaged meat image of a product placed on a tray immediately before packaging.
  • the server 100 may classify the quality of each packaged meat based on each unpackaged meat image.
  • the server 100 may assume the price of each packaged meat based on the quality classification of each unpackaged meat.
  • the server 100 may display each packaged meat by meat, by part, and by grade with each user terminal. In the operation of the server 100 classifying the quality of each packaged meat, the quality classification of the packaged meat may be performed based on the image of each unpackaged meat.
  • 3 is a view for explaining packaged meat according to an embodiment.
  • Hanwoo beef may be graded by part for each individual (300). Specifically, in the case of the sirloin region, the grade of the individual is measured by measuring the degree of intermuscular fat distribution (marbling) from the longest muscle section of the part where the thoracic spine ends and the lumbar spine begins.
  • Sirloin is one of the most popular and expensive cuts because of its good texture and flavor. However, even if the sirloin 310 produced by the same individual, the muscle composition and fat distribution of the sirloin may be different for each location. Specifically, the ribs 1 to 6 of the thoracic vertebrae can be divided into "upper loin", and the parts 6 to 13 can be divided into “lower loin”.
  • the same individual 1+ grade first sirloin 311 is the lower sirloin near the 10th thoracic vertebrae, and the spiny lobster meat is large, and the longest muscle that is the “roe loin” part may exist in the middle.
  • the same individual 1+ grade 2nd sirloin 312 is the upper sirloin near the 3rd and 4th thoracic vertebrae, occupies about 30% of the serratus ventral muscle, 40% of the spinous and semispinous muscles below, and a rhombus in the upper left. About 30% of the roots, eongaesal and trapezius muscles, can be distributed.
  • sirloin Although the quality of sirloin is generally lower as the proportion of yoke meat with a relatively low flavor and toughness is high, in the current market system that classifies sirloin according to the individual Korean beef, all sirloin are distributed at the same price regardless of the ratio of yoke meat . Accordingly, there may be customers who purchase sirloin near the tender and lacking flavor at a high price.
  • the “loin loin” part of the 5th to 9th thoracic vertebrae which is known to be delicious by public opinion, is usually not known to the general public and can be unreasonably distributed without a choice.
  • the system classifies the quality of packaged meat by analyzing the various muscle compositions of Korean beef sirloin, particularly the state by thickness of packaged meat, using the second artificial intelligence, and differentiates the price of Korean beef sirloin to supply and sell.
  • the packaged meat IoT management device 130 may take an image of each packaged Korean beef sirloin being managed ( 201 ).
  • the packaged meat IoT management device 130 may photograph an “as is image” of fresh foods stored in the automatic distribution device 131 through the photographing device 132 .
  • the packaged meat IoT management device 130 may transmit each packaged Korean beef sirloin image to the server 100 ( 202 ).
  • the server 100 may acquire each packaged Korean beef sirloin image, and synchronize the packaged Korean beef sirloin image and the packaged Korean beef sirloin management information.
  • the automatic distribution device 131 of the packaged meat IoT management device 130 may share the packaged Korean beef sirloin management information of the server 100 .
  • the server 100 may classify the quality of each packaged Korean beef sirloin based on each packaged Korean beef sirloin image ( 203 ).
  • the server 100 may perform a packaged Korean beef sirloin quality classification based on the image of the packaged Korean beef sirloin in a state in which the package of each packaged Korean beef sirloin is not opened.
  • the server 100 may define the packaged Korean beef sirloin cut after the analysis target packaged Korean beef sirloin is cut from the cut slaughter meat by a predefined method as the comparison target packaged Korean beef sirloin.
  • the server 100 may refer to the front image of the packaged Korean beef sirloin packaged for analysis.
  • the server 100 may refer to the front image in the state in which the comparison target packaged Korean beef sirloin is packaged. Then, the server 100 applies the front image of the packed Korean beef sirloin to be analyzed and the front image of the packed Korean beef sirloin to be compared to the second artificial intelligence to infer the meat quality information by thickness or specific parts of the packed Korean beef sirloin to be analyzed. can Subsequently, the server 100 may classify the quality of the analysis target packaged Korean beef sirloin based on the meat quality information for each thickness or each detailed part of the analysis target packaged Korean beef sirloin. A specific operation for the server 100 to classify the quality of each packaged Korean beef sirloin will be described later with reference to FIG. 4 .
  • the server 100 may calculate the price of each packaged Korean beef sirloin based on the quality classification of each packaged Korean beef sirloin ( 204 ).
  • the quality classification of Korean beef sirloin is: Quality classification: upper; It may have one of the predefined quality classification levels, such as: Quality Classification: Medium; Quality Classification: Medium.
  • the quality classification of packed Korean beef sirloin can be determined by the ratio of marbling, the ratio of yoke meat, the presence or absence of the sirloin, and its position in the thoracic vertebrae before being cut. The higher the quality classification, the higher the price can be.
  • the server 100 may raise the price of packaged Korean beef sirloin belonging to a quality category that is depleted in stock within a predefined period.
  • the server 100 may lower the price of packaged Korean beef sirloin belonging to a quality category that remains in stock within a predefined period.
  • a specific operation for the server 100 to calculate the price of packaged Korean beef sirloin will be described later with reference to FIG. 5 .
  • the server 100 may display each packaged Korean beef sirloin to each user terminal (205).
  • the server 100 may upload an image photo of the packed Korean beef sirloin stored in the automatic distribution device 131 to a web page or an application according to the management information.
  • Each account (121, 122, 123) or a non-member can log in to a web page or application, check the packaged Korean beef sirloin of the real picture based on the As is image, and purchase the packaged Korean beef sirloin.
  • the server 100 may display the quality classification of the packed Korean beef sirloin.
  • the quality classification is the quality classification: above; It may have one of the predefined quality classification levels, such as quality classification: Medium; Quality classification: medium.
  • the server 100 may display a professional description of what is the standard for classifying the quality of Korean beef sirloin. For example, in the server 100, the higher the ratio of marbling, the higher the quality classification; The higher the percentage of yoke meat, the lower the quality classification; The quality classification is increased if the sirloin is present; It can display the explanation that the closer the position in the thoracic vertebrae to the 5th to 9th thoracic vertebrae positions before being amputated, the higher the quality classification.
  • the server 100 may present the inside appearance of the selected packaged Korean beef sirloin as a simulation.
  • the inside appearance of the packed Korean beef sirloin can show the degree of marbling, the level of tendon, color, meat quality, whether there is yoke meat, and whether or not the sirloin is roe.
  • the inside appearance of the packed Korean beef sirloin may be simulated based on the meat quality information for each thickness inferred by the second artificial intelligence. The learning process of the second artificial intelligence will be described below with reference to FIG. 6 .
  • the server 100 may obtain a purchase request for the first packaged Korean beef sirloin selected by the first user through the first user terminal 111 ( 206 ).
  • the first user account 121 using the first user terminal 111 may select to purchase the first packaged Korean beef sirloin that belongs to the quality category: above, displayed as an As is image on a web page or application.
  • the first user terminal 111 may transmit a purchase request for the first packaged Korean beef sirloin selected by the first user to the server 100 .
  • the server 100 may transmit a purchase request for the first packaged Korean beef sirloin to the packaged meat IoT management device 130 ( 207 ).
  • the packaged meat IoT management device 130 may check whether the first packaged Korean beef sirloin is actually being stored in the automatic distribution device 131. When it is confirmed that the first packaged Korean beef sirloin is being stored in the automatic distribution device 131, the packaging The meat IoT management device 130 may transmit to the server that the first packaged Korean beef sirloin is in stock.
  • the server 100 may determine the sale of the first packaged Korean beef sirloin (208).
  • the server 100 may change the first packaged Korean beef sirloin from “in storage” to “sale completed” in the packaged Korean beef sirloin management information.
  • Packed Korean beef sirloin management information of the server 100 may be shared with the packaged meat IoT management device 130 .
  • the shopping cart and payment system of the web page or application interlocked with the server 100 and the automatic product shipment system of the packaged meat IoT management device 130 may be interlocked with each other.
  • the server 100 may make it impossible for other users to purchase the product the moment the user using the web page or application puts the product in the shopping cart.
  • the time that can be stored in the shopping cart may be limited to 15 minutes.
  • the time for payment is excluded from the shopping cart storage time, and shipment can be made automatically when payment is completed.
  • the server 100 may display the packaged Korean beef sirloin excluding the first packaged Korean beef sirloin from each packaged Korean beef sirloin to each user terminal ( 209 ).
  • the server 100 removes the As is image of the product from the web page or application of the remaining packaged Korean beef sirloin. Only real images can be displayed on a web page or application.
  • online packaged Korean beef sirloin sales can be made based on the image of packaged Korean beef sirloin that consumers will actually purchase.
  • consumers’ product choices are broadened in online shopping for fresh food such as packaged Korean beef sirloin rather than general industrial products, The right to choose a fair product can be guaranteed.
  • FIG. 4 is a view for explaining an operation of classifying packaged meat quality according to an embodiment.
  • An operation in which the server 100 classifies the quality of each packaged meat may include the following.
  • packaged meat is packaged Korean beef sirloin will be described as an example.
  • the server 100 may define the packaged meat cut after the analysis target packaged meat 401 is cut from the cut slaughter meat as the comparison target packaged meat 402 by a predefined method (410).
  • a method of inquiring a unique serial number of each packaged meat may be adopted.
  • the unique serial number of the packaged meat 401 to be analyzed is N
  • the packaged meat 402 to be compared may be at least a number greater than N.
  • the server 100 may include the pre-learned first artificial intelligence.
  • the server 100 may define a packaged meat image list and append images of each packaged meat transmitted from the packaged meat IoT management device 130 to the packaged meat image list.
  • the first artificial intelligence may receive the packaged meat image list and infer the cutting order of each packaged meat included in the list. A specific learning operation of the first artificial intelligence will be described below with reference to FIG. 6 .
  • the server 100 may sort each packaged meat according to a cutting order.
  • the server 100 may define the packaged meat having a cutting order immediately following the cutting order of the analysis target packaged meat 401 in the alignment result as the comparison target packaged meat 402 of the analysis target packaged meat 401 .
  • the server 100 may refer to the front image of the packaged meat 401 to be analyzed in the packaged state ( 420 ).
  • the server 100 may apply the front image of the packaged meat 401 to be analyzed to the second AI to infer meat quality information according to the front image of the packaged meat 401 to be analyzed.
  • the meat quality information according to the front image of the packaged meat 401 to be analyzed may include detailed information such as the ratio of marbling, the ratio of yoke meat, the presence or absence of the sirloin, the presence of tendons, the color of the meat, and the position in the thoracic spine before being cut. there is.
  • the meat quality information according to the front image of the packaged meat 401 to be analyzed may include quality classification based on detailed information.
  • the quality classification is the quality classification: above; It may have one of the predefined quality classification levels, such as: Quality Classification: Medium; Quality Classification: Medium.
  • the server 100 may refer to the front image of the packaged meat 402 to be compared in a packaged state ( 430 ).
  • the server 100 applies the front image of the packaged meat 401 to be analyzed and the front image of the packaged meat 402 to be compared to the second artificial intelligence, and the thickness of the packaged meat 401 to be analyzed is applied.
  • meat quality information for each detailed part may be inferred ( 440 ).
  • the appearance of the packaged meat 401 to be analyzed by thickness or for each detailed part may be inferred based on the front image of the packaged meat 401 to be analyzed and the front image of the packaged meat 402 to be compared.
  • the front image of the Korean beef sirloin of the packaged meat 402 to be compared has a high fat ratio (white part). Therefore, it is interpreted that as the thickness layer of the packaged meat 401 to be analyzed is closer to the front image of the packaged meat 402 to be compared, it will have a higher percentage of fat than that shown in the front image of the packaged meat 401 to be analyzed.
  • the packaged meat 401 to be analyzed may be interpreted to have a higher fat percentage than the fat percentage identified by the front image of the packaged meat 401 to be analyzed.
  • the server 100 may include a second artificial intelligence for inferring meat quality information for each thickness or each detailed part of the packaged meat 401 to be analyzed.
  • the second artificial intelligence is the front image of the packaged meat 401 to be analyzed. It can be learned to receive the front image of the packaged meat 402 to be compared with and to generate meat quality information for each thickness or each detailed part of the packaged meat 401 to be analyzed.
  • Meat quality information by thickness or sub-part may include detailed information such as the pre-defined ratio of marbling of the thickness layer, the ratio of yoke meat, the presence or absence of the sirloin, the presence of tendons, the color of the flesh, and the position in the thoracic vertebrae before being cut. there is.
  • the meat quality information for each thickness or for each detailed part may include a quality classification of each thickness layer based on the detailed information of each thickness layer.
  • the quality classification is the quality classification: above; It may have one of the predefined quality classification levels, such as: Quality Classification: Medium; Quality Classification: Medium.
  • the predefined number of quality layers may be, for example, three, and may be employed differently according to embodiments. The number of the predefined thickness layers may increase as the thickness of the packaged meat 401 to be analyzed increases. A specific learning operation of the second artificial intelligence will be described later with reference to FIG. 6 .
  • the server 100 may classify the quality of the packaged meat 401 to be analyzed based on the meat quality information for each thickness or each detailed part of the packaged meat 401 to be analyzed ( 450 ).
  • the server 100 determines the overall quality of the analysis target packaged meat 401 based on the meat quality information according to the front image of the analysis target packaged meat 401 and the meat quality information of each thickness layer of the analysis target packaged meat 401 . can be classified. For example, the quality classification according to the front image of the packaged meat 401 to be analyzed may be above. However, as each thickness layer of the packaged meat 401 to be analyzed approaches the front image of the packaged meat 402 to be compared, the sirloin may disappear, the marbling ratio may decrease, and the increase in the tendon may be high. In the thickness layer of the analysis target packaged meat 401 , the quality classification of the thickness layer closest to the comparison target packaged meat 402 may be medium. In this case, the server 100 may classify the quality of the packaged meat 401 to be analyzed as middle.
  • the server 100 renders the graphic of each thickness layer based on the thickness information of the packaged meat 401 to be analyzed so that the internal appearance of the packaged meat can be presented to users as a simulation in a web page or application.
  • the server 100 may display each thick layer graphic layer of the selected packaged meat.
  • the server 100 may infer and provide meat quality information for each thickness or each detailed part of each packaged meat based on only the front images of the packaged meats. Through this, the server 100 can perform quality classification of meat in a state in which the package of the packaged meat is not opened, so that hygiene can be secured. In addition, the server 100 provides users who purchase packaged meat based on the front image of the packaged meat in the web page or application, quality information for each thickness or detailed part of each packaged meat, and the front image of the packaged meat and each Comprehensive quality information considering the thickness layer can be provided visually and explanatory. In this way, it is possible to ensure fresh food choices for users who purchase packaged meat on a web page or application.
  • FIG. 5 is a view for explaining a packaged meat display and a packaged meat price calculation operation according to an embodiment.
  • the user can select meat (Korean beef) and cut (sirloin), grade (eg, 1+) according to the individual Korean beef, but it is delivered by the user. You don't actually choose the packaged meat you receive.
  • the server 100 may display the packaged meat as an As is image in a web page or application ( 590 ).
  • the server 100 may display each packaged meat by meat, by part, and by grade with each user terminal.
  • the server 100 includes the packaged meat IoT management device 130 and A meat display stand corresponding to the automatic distribution device 131 may be displayed.
  • the server 100 may display different meat display stands for each meat, part, and grade.
  • packaged meats of “As is image” may be displayed. Through this, the user can check the image, weight, price, quality information, etc. of the actual photo of the packaged meat product that is actually delivered when purchasing online. Through this, users can have the same purchasing experience as if they were looking at and selecting chopped Korean beef at an offline large mart.
  • the server 100 may display packaged meats for each meat, each part, and each grade so that the quality classification of the packaged meats for each meat, part, and grade is displayed.
  • the server 100 may store Korean beef sirloin 1+ grade packaged meats in a first area 591, a second area 592, a third area 593, and a fourth according to the quality classification on the Korean beef sirloin meat display stand. It can be displayed by classifying it into regions 594 and the like.
  • Korean beef 1+ grade 1 sirloin 598 is a lower sirloin near the 10th thoracic vertebrae, and a large spiny prawn may be present, and the longest loin, a “roe sirloin” region, may exist in the middle.
  • the server 100 may perform quality classification of the first sirloin 598 .
  • the server 100 may display the first sirloin 598 in the first area 591.
  • the Korean beef 1+ grade second sirloin 312 is the upper sirloin near the 3rd and 4th thoracic vertebrae and is the serratus ventral muscle.
  • the flesh of the flesh accounts for about 30%, and the spinous and paraspinal muscles at the bottom 40%, and the rhomboid and trapezius muscles at the upper left can be distributed at about 30%.
  • the server 100 may perform a quality classification of the second sirloin 599 .
  • the quality classification of the second sirloin 599 may be different from the quality classification of the first sirloin 598 .
  • the server 100 may display the second sirloin 599 in the third area 593 .
  • the server 100 may calculate the price of packaged meat differently depending on the quality classification even for packaged meat of the same Korean beef grade.
  • the server 100 may calculate the price of the first sirloin 598 to be higher than the price of the second sirloin 599 .
  • the server 100 may highlight and display the packaged meats of the quality classification determined to be preferred by each user using each user terminal among the packaged meats by meat, by part, and by grade on each user terminal.
  • the first user account 121 may frequently purchase the same portion as the first sirloin 598 having a strong savory taste among 1+ grade Korean beef sirloin.
  • the second user account 122 can frequently purchase the same portion as the second sirloin 599, which has a strong chewy taste among 1+ grade Korean beef sirloin and is calculated relatively inexpensively.
  • the server 100 highlights and displays the first area 591 on the first user terminal 111 to which the first user account 121 is accessed, based on the purchase histories of the accounts 121 , 122 , and 123 .
  • the third area 593 may be highlighted and displayed on the second user terminal 112 to which the second user account 122 is accessed.
  • the server 100 may display a graphic for moving the corresponding packaged meat from the meat display stand with a robot arm.
  • the server 100 may automatically calculate the price of packaged meat sold.
  • An operation in which the server 100 calculates the packaged meat price may include the following.
  • the server 100 may subdivide the packaged meats by meat, by part, and by grade ( 510 ).
  • the detailed classification may be made based on the quality classification of each packaged meat.
  • Each packaged meat may have a predefined quality classification for each meat, part, and grade. For example, the same Korean beef sirloin 1+ grade Even if , the quality classification of the first sirloin 598 may be higher than the quality classification of the second sirloin 599 .
  • the server 100 may subdivide the packaged meats of Korean beef sirloin 1+ grade into a first area 591, a second area 592, a third area 593, and a fourth area 594 according to the quality classification. there is.
  • the server 100 may raise the price of packaged meat belonging to a quality category that is depleted in stock within a predefined period.
  • the server 100 may lower the price of packaged meat belonging to a quality category that remains in stock within a predefined period.
  • the predefined period may vary depending on the meat, the cut, the grade, and the packaged meat.
  • the predefined period may be a cycle in which packaged meat for each meat, part, grade, and grade is distributed to the packaged meat IoT management device 130 .
  • the quality classification of the first sirloin 598 having a strong savory taste may be higher than the quality classification of the second sirloin 599 having a strong chewy taste.
  • the price of the first sirloin 598 may be higher than the price of the second sirloin 599 .
  • some of the users may prefer chewy taste, and may find the second sirloin 599 because the price is relatively cheap.
  • the server 100 for each quality classification so that all packaged meats of all detailed quality classifications (591, 592, 593, 594) are sold as much as possible within a predefined period. It is possible to estimate the price of packaged meat that belongs to it.
  • the server 100 may include a third artificial intelligence learned in advance.
  • the third artificial intelligence is based on the purchase history of packaged meats by meat, part, and grade for a predefined period, so that all packaged meats of all detailed quality classifications that exist by meat, part, and grade are sold as much as possible within a predefined period. can be learned to calculate the price of packaged meat belonging to each quality classification.
  • a specific learning operation of the third artificial intelligence will be described below with reference to FIG. 6 .
  • the server 100 may display and sell the As is image of fresh food such as packaged meat online.
  • the server 100 applies Korean beef in the e-commerce method to determine the detailed quality that exists even within the same meat, part, grade, such as the distribution of root fat and root fat for each part, so that consumers can choose a product. can provide In this way, it is possible to eliminate complaints in which packaged meat that is different from the representative image of packaged meat online is actually delivered.
  • packaged meat corresponding to the as is image is sold as is, in the case of atypical packaged meat, it is possible to solve the problem of reduced productivity caused by matching several pieces for quantitative distribution and the problem of loss of quantity due to excessive provision. .
  • the server 100 determines the price of packaged meat belonging to each quality classification so that all packaged meats of all detailed quality classifications existing by meat, part, and grade are sold as much as possible within a predefined period through the third artificial intelligence. can be calculated Through this, packaged meats for each meat, part, and grade can be newly distributed to the packaged meat IoT management device 130 every predefined period, thereby ensuring the freshness of packaged meats sold on a web page or application.
  • FIG. 6 is a diagram for explaining artificial intelligence learning according to an embodiment.
  • Artificial intelligence may be a component included in the server 100 and may be learned through the server 100 or a separate learning device.
  • the first artificial intelligence receives as an input a packaged meat image list containing packaged meats with the same cut object (cow, pig, sheep, etc.) and parts (loin, sirloin, neck, etc.) as elements, It can be learned to infer the cutting order of each packaged meat included in the packaged meat image list.
  • a lower cut sequence corresponds to the packaged meat cut first from the slaughtered meat.
  • the second artificial intelligence may be learned to receive the front image of the packaged meat to be analyzed and the front image of the packaged meat to be compared, and to infer meat quality information for each thickness or detailed part (location) of the packaged meat to be analyzed.
  • the meat quality information of the packaged meat to be analyzed includes the degree of marbling of each thickness layer, the degree of tendon, color, meat quality, whether or not yoke meat, whether or not the sirloin, the position in the raw meat before slicing, and the quality classification of each thickness layer. there is.
  • the third artificial intelligence receives the consumer's packaged meat purchase history for a predefined period, and for the packaged meats by meat, part, and grade, so that all packaged meats of all detailed quality categories are sold as much as possible within a predefined period. It may be learned to infer the price of packaged meat belonging to each quality classification.
  • the predefined period may be a cycle in which packaged meat by meat, part, and grade is distributed to the packaged meat IoT management device.
  • the learning apparatus may acquire training data and a label ( 600 ).
  • the learning apparatus may acquire a data set including front images of packaged meats cut from one part of an object as each training data.
  • the learning apparatus may A truncation sequence number may be obtained as a label corresponding to each training data.
  • the learning device acquires, as training data, a pair of packaged meat for knowing meat quality information by thickness and packaged meat having a higher cutting sequence than packaged meat for wanting to know meat quality information for each thickness can do.
  • the learning apparatus may acquire meat quality information for each actual thickness of the packaged meat for which it is desired to know the meat quality information for each thickness as a label corresponding to each training data.
  • the learning device acquires the packaged meat for which you want to know the meat quality information for each detailed part (position) as each training data, and the position in the raw meat before shredding of the packaged meat can be acquired as a label corresponding to each training data.
  • a data set including a history of consumers' purchase of packaged meat by meat, part, grade, and grade for a predefined period may be acquired as each training data.
  • the “adjusted price” is applied to the “adjusted price” obtained by applying a deduction proportional to “the amount of stock for each detailed quality classification of packaged meat for a predefined period” to the “price at which packaged meat was sold for each meat, part, and grade” for each training data.
  • the learning apparatus may generate an input of artificial intelligence from the training data (610).
  • the learning apparatus may use the training data as it is as an input of artificial intelligence, or may generate an input of artificial intelligence after a normal process of removing unnecessary information from each training data.
  • the learning device may apply the input to the artificial intelligence ( 620 ).
  • the artificial intelligence included in the server 100 may be an artificial intelligence that is learned according to supervised learning.
  • Artificial intelligence may be a convolutional neural network (CNN), a regional convolutional neural network (RCNN), or a recurrent neural network (RNN) structure suitable for learning through supervised learning.
  • CNN convolutional neural network
  • RCNN regional convolutional neural network
  • RNN recurrent neural network
  • the learning apparatus may obtain an output from the artificial intelligence ( 630 ).
  • the output of the first artificial intelligence may be the cutting order of each packaged meat included in the packaged meat image list.
  • the lower the cutting order corresponds to the packaged meat cut first from the slaughtered meat.
  • Output of the second artificial intelligence Silver may be meat quality information for each thickness of the packaged meat to be analyzed or for each detailed part (location).
  • the meat quality information includes the degree of marbling of each thickness layer, the degree of tendon, color, quality of meat, whether or not yoke meat, whether or not the sirloin, and before shredding. It can include the location in the meat, and the quality classification of each thickness layer.
  • the output of the third artificial intelligence may be an inference of the price of packaged meat belonging to each quality classification so that all packaged meats of all detailed quality classifications are sold as much as possible within a predefined period.
  • the predefined period is a portion of each meat. It may be a cycle in which packaged meat by star grade is distributed to the packaged meat IoT management device.
  • the learning apparatus may compare the output with the label ( 640 ).
  • the process of comparing the output of the artificial intelligence corresponding to inference and the label corresponding to the correct answer may be performed by calculating a loss function.
  • a loss function a known mean squared error (MSE), cross entropy error (CEE), etc. may be used.
  • MSE mean squared error
  • CEE cross entropy error
  • the present invention is not limited thereto, and if it is possible to measure the deviation, error, or difference between the output of artificial intelligence and the label, loss functions used in various artificial intelligence models may be used.
  • the learning apparatus may optimize the artificial intelligence based on the comparison value ( 650 ).
  • the learning apparatus may optimize the artificial intelligence by repeating the process of resetting the weight of the artificial intelligence so that the loss function corresponding to the comparison value approaches the estimated value of the minimum value.
  • a known backpropagation algorithm, stochastic gradient descent, etc. may be used for the optimization of AI.
  • the present invention is not limited thereto, and a weight optimization algorithm used in various neural network models may be used.
  • the learning device can learn artificial intelligence by repeating this process.
  • the first artificial intelligence that outputs the cutting order of each packaged meat included in the image list can be trained.
  • the first artificial intelligence may be used to define a comparison target packaged meat of the analysis target packaged meat in the packaged meat quality classification operation described with reference to FIG. 4 .
  • the second receiving the front image of the packaged meat to be analyzed and the front image of the packaged meat to be compared, and outputting meat quality information for each thickness of the packaged meat to be analyzed or outputting meat quality information for each detailed part (location) of the packaged meat Artificial intelligence can be learned.
  • the second artificial intelligence may be used to classify meat quality information for each thickness or detailed part of packaged meat to be analyzed in the packaged meat quality classification operation described with reference to FIG. 4 .
  • a third artificial intelligence that outputs the price of packaged meat belonging to the classification may be trained.
  • the third artificial intelligence may be used in the operation of calculating the price of packaged meat described with reference to FIG. 5 .
  • FIG. 7 is an exemplary diagram of a configuration of an apparatus according to an embodiment.
  • Device 701 includes a processor 702 and a memory 703 .
  • the processor 702 may include at least one of the devices described above with reference to FIGS. 1 to 6 , or perform at least one method described above with reference to FIGS. 1 to 6 .
  • the device 701 may be the server 100 , the user terminals 111 , 112 , 113 , the packaged meat IoT management device 130 , or an artificial intelligence learning device.
  • a person or group using the device 701 may provide a service related to some or all of the methods described above with reference to FIGS. 1 to 6 .
  • the memory 703 may store information related to the above-described methods or a program in which the above-described methods are implemented.
  • the memory 703 may be a volatile memory or a non-volatile memory.
  • the processor 702 may execute a program and control the device 701 . Codes of programs executed by the processor 702 may be stored in the memory 703 .
  • the device 701 may be connected to an external device (eg, a personal computer or a network) through an input/output device (not shown), and may exchange data through wired/wireless communication.
  • the device 701 may be used to learn artificial intelligence or use the learned artificial intelligence.
  • the memory 703 may include a learning or learned artificial intelligence.
  • the processor 702 may learn or execute an artificial intelligence algorithm stored in the memory 703 .
  • the apparatus 701 for learning artificial intelligence and the apparatus 701 for using the learned artificial intelligence may be the same or may be separate.
  • the embodiments described above may be implemented by a hardware component, a software component, and/or a combination of a hardware component and a software component.
  • the apparatus, methods, and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA) array), a programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions, may be implemented using one or more general purpose or special purpose computers.
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system.
  • a processing device may also access, store, manipulate, process, and generate data in response to execution of the software.
  • OS operating system
  • a processing device may also access, store, manipulate, process, and generate data in response to execution of the software.
  • the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.
  • the method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks.
  • - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • a hardware device operates as one or more software modules to perform the operations of the embodiments. can be configured to do so, and vice versa.
  • Software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device.
  • the software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or apparatus, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave.
  • the software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Mechanical Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Biophysics (AREA)

Abstract

이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치, 및 시스템이 개시된다. 서버에 의해 수행되는 이미지 기반 포장 육류 품질 분류 및 판매 방법은, 각각의 포장 육류 이미지를 획득하는 단계; 각각의 포장된 육류를 보관하는 단계; 각각의 포장 육류 이미지를 기초로, 각각의 포장 육류의 품질을 분류하는 단계; 각각의 포장 육류의 품질 분류를 기초로, 각각의 포장 육류의 가격을 산정하는 단계; 각각의 사용자 단말로 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하는 단계; 제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하는 단계; 제 1포장 육류의 판매를 확정하는 단계; 제1 포장 육류의 출하하는 단계; 및 각각의 사용자 단말로 각각의 포장 육류에서 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이 하는 단계를 포함하고, 각각의 포장 육류의 품질을 분류하는 단계는, 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어진다.

Description

이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
아래 실시 예들은 이미지 기반으로 포장 육류의 품질을 분류하고, 분류를 기초로 포장 육류를 온라인으로 판매하는 기술에 관한 것이다.
실시 예들과 관련된 배경기술로, 대한민국 등록특허공보 KR 10-1892995 B1은 유통을 위한 육류처리 방법을 개시한다. 구체적으로, 선행문헌은 뼈가 포함된 육류의 이미지를 제1촬영하고, 제1촬영 데이터를 통해 육류의 종류, 육류의 색상, 지방의 분포 정도, 지방의 위치관계를 분석하고, 상기 육류의 종류에 따라 분류하는 제1육류 분석단계; 상기 제1육류 분석단계를 거친 육류를 종류별로 발골하고, 기 설정된 크기로 세절하는 육류세절 단계; 세절된 육류의 상부와 측부를 제2촬영하고, 제2촬영 데이터를 통해 육류의 두께와 무게를 자동 분석하는 제2육류분석단계; 상기 제2육류분석단계에서 분석된 육류를 식물성오일로 상측면이 코팅된 플레이트에 위치시키고, 상기 제1육류분석단계 및 제2육류분석단계에서 분석한 육류정보를 제1라벨에 인쇄시키고, 상기 제1라벨을 상기 플레이트에 부착시키는 제1라벨부착단계; 육류를 내부가 식물성오일로 코팅된 진공팩에 진공 포장하는 육류포장단계; 상기 육류포장단계 후, 포장육의 상부를 제3촬영하고, 상기 제1촬영 데이터, 제2촬영 데이터, 제3촬영 데이터, 분석데이터 및 육류고유번호를 제2라벨에 인쇄하고, 상기 제2라벨을 상기 포장육에 부착시키는 제2라벨부착단계; 상기 제1촬영 데이터, 제2촬영 데이터, 제3촬영 데이터, 분석데이터 및 육류고유번호를 기 설정된 육류판매 서버에 업로드 시키는 육류정보 업로드 단계; 및 상기 육류판매 서버로부터 포장육의 온라인 주문 및 결제가 완료되면, 주문된 포장육을 박스포장하여 배송하는 배송단계;를 포함하는 유통을 위한 육류처리 방법을 개시한다.
이를 통해, 선행문헌은 육류를 에어로 마사지하고, 식물성오일로 도포하여 육류의 질을 부드럽게 하고, 유통과정에서 미생물의 번식을 방지하는 동시에 병원균의 감염을 최소화시킬 수 있는 유통을 위한 육류처리 방법을 제공한다.
또한, 대한민국 등록특허공보 KR 10-2086976B1은 수입 육류 관리 시스템을 개시한다. 구체적으로, 선행문헌은 복수의 해외 육류 생산업체 단말(100)로 이루어진 해외 육류 생산업체 단말 그룹(100g), 네트워크(200), 수입 육류 관리 서버(300), 복수의 고객사 단말(600)로 이루어진 고객사 단말 그룹(600g)을 포함하는 수입 육류 관리 시스템(1)에 있어서, 수입 육류 관리 서버(300)는, 해외 육류 생산업체 단말(100)로부터 네트워크(200)를 통한 생산자 회원 가입절차에 따라 생산자 회원 ID, 생산자 비밀번호 설정과정을 거친 뒤, 수출하고자 하는 육류 종류 정보, 육류 가공 상태 정보를 수신하여 생산자 회원 ID를 메타데이터로 생산자 비밀번호와 함께 데이터베이스(330) 상에 해외 육류 생산업체 단말(100)에 대한 "해외 육류 생산업체 단위 정보"로 저장하는 방식으로 해외 육류 생산업체 단말 그룹(100g)을 형성하며, 해외 육류 생산업체 단위 정보에는 각 해외 육류 생산업체 단말(100)을 운영하는 해외 육류 생산업체의 생산지 정보, 육류 생산 시설 정보, 사료 정보를 추가적으로 해외 육류 생산업체 단말(100)로부터 요청하여 생산자 회원 ID를 메타데이터로 데이터베이스(330) 상에 저장하며, 고객사 단말(600)로부터 네트워크(200)를 통한 고객사 회원 가입절차에 따라 고객사 회원 ID, 고객사 비밀번호 설정과정을 거친 뒤, 수입하고자 하는 육류 종류 정보, 육류 가공상태 정보를 수신하여 고객사 회원 ID를 메타데이터로 고객사 비밀번호와 함께 데이터베이스(330) 상에 고객사단말(600)에 대한 "고객사 단위 정보"로 저장하는 방식으로 고객사 회원에 해당하는 고객사 단말 그룹(600g)을 형성하는 방식으로 수입 육류를 위한 DB를 생성하는 회원 가입 모듈(321)을 포함하는 수입 육류 관리 시스템을 개시한다.
그러나 선행문헌들은 IoT 기술을 이용하여 포장 육류 등 포장 단위의 신선 식품의 상태를 분류·모니터링·관리하고, 빅데이터와 인공지능을 이용하여 포장 육류 등의 정보를 소비자에게 제공하는 방법, 장치, 및 시스템을 개시하지 않는다. 또한, 선행문헌들은 신선 식품의 포장된 상태로 보이는 모습을 기초로, 포장 육류 등의 보이지 않는 뒷면 및 내부의 품질을 추론하여, 포장 육류의 품질을 분류하는 방법, 장치, 및 시스템을 개시하지 않는다. 나아가, 선행문헌들은 웹페이지 또는 어플리케이션에서 소비자가 실제로 배송 받을 신선 식품의 촬영 이미지인 “As is 이미지”에 기반하여 인터넷에서 포장 육류 등을 판매하는 방법, 장치, 및 시스템을 개시하지 않는다.
이에 따라, IoT 기술을 이용하여 포장 육류 등 포장 단위의 신선 식품의 상태를 분류·모니터링·관리하고, 빅데이터와 인공지능을 이용하여 포장 육류 등의 정보를 소비자에게 제공하는 기술의 구현이 요청된다. 또한, 신선 식품의 포장된 상태로 보이는 모습을 기초로, 포장 육류 등의 보이지 않는 뒷면 및 내부의 품질을 추론하여, 포장 육류의 품질을 분류하는 기술의 구현이 요청된다. 나아가, 웹페이지 또는 어플리케이션에서 소비자가 실제로 배송 받을 신선 식품의 촬영 이미지인 “As is 이미지”에 기반하여 인터넷에서 포장 육류 등을 판매하는 기술의 구현이 요청된다.
(선행기술문헌)
(특허문헌)
(특허문헌 1) 대한민국 등록특허공보 KR 10-1892995 B1
(특허문헌 2) 대한민국 등록특허공보 KR 10-2086976 B1
(특허문헌 3) 대한민국 등록특허공보 KR 10-1882494 B1
(특허문헌 4) 대한민국 등록특허공보 KR 10-1594666B1
실시예들은 IoT 기술을 이용하여 포장 육류 등 포장 단위의 신선 식품의 상태를 분류·모니터링·관리하고, 빅데이터와 인공지능을 이용하여 포장 육류 등의 정보를 소비자에게 제공하는 방법, 장치, 및 시스템을 제공하고자 한다.
실시예들은 신선 식품의 포장된 상태로 보이는 모습을 기초로, 포장 육류 등의 보이지 않는 뒷면 및 내부의 품질을 추론하여, 포장 육류의 품질을 분류하는 방법, 장치, 및 시스템을 제공하고자 한다.
실시예들은 웹페이지 또는 어플리케이션에서 소비자가 실제로 배송 받을 신선 식품의 촬영 이미지인 “As is 이미지”에 기반하여 인터넷에서 포장 육류 등을 판매하는 방법, 장치, 및 시스템을 제공하고자 한다.
나아가, 실시예들은 배경 기술에서 언급한 과제들 및 본 명세서에서 드러나는 해당 기술 분야의 과제들을 해결하기 위한 방법, 장치, 및 시스템을 제공하고자 한다.
일실시예에 따른 서버에 의해 수행되는 이미지 기반 포장 육류 품질 분류 및 판매 방법은, 각각의 포장 육류 이미지를 획득하는 단계; 상기 각각의 포장 육류 이미지를 기초로, 상기 각각의 포장 육류의 품질을 분류하는 단계; 상기 각각의 포장 육류의 품질 분류를 기초로, 상기 각각의 포장 육류의 가격을 산정하는 단계; 각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하는 단계; 제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하는 단계; 상기 제 1포장 육류의 판매를 확정하는 단계; 및 각각의 사용자 단말로 상기 각각의 포장 육류에서 상기 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이하는 단계를 포함하고, 상기 각각의 포장 육류의 품질을 분류하는 단계는, 상기 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어질 수 있다.
일실시예에 따르면, 상기 각각의 포장 육류의 품질을 분류하는 단계는, 미리 정의된 방법에 의해 분류 대상 포장 육류가 절단된 도축 고기로부터 절단된 후에 절단된 포장 육류를 비교 대상 포장 육류로 정의하는 단계; 상기 분류 대상 포장 육류가 포장된 상태에서의 전면이미지를 참조하는 단계; 상기 비교 대상 포장 육류가 포장된 상태에서의 전면이미지를 참조하는 단계; 상기 분류 대상 포장 육류의 전면 이미지 및 비교 대상 포장 육류의 전면 이미지를 인공지능에 적용하여, 상기 분류 대상 포장 육류의 두께별 육질 정보를 추론하는 단계; 및 상기 분류 대상 포장 육류의 두께별 육질 정보를 기초로, 상기 분류 대상 포장 육류의 품질을 분류하는 단계를 포함할 수 있다.
일실시예에 따른 이미지 기반 포장 육류 품질 분류 및 판매 시스템은 포장 육류를 냉장 관리하고, 포장 육류의 상태를 촬영할 수 있는 포장 육류 IoT 관리 장치; 및 상기 포장 육류 IoT 관리 장치 및 각각의 사용자 단말과 유무선으로 통신하는 서버를 포함하고, 상기 포장 육류 IoT 관리 장치는, 관리 중인 각각의 포장 육류의 이미지를 촬영하고, 상기 서버로 상기 각각의 포장 육류 이미지를 전송하고, 상기 서버는, 상기 각각의 포장 육류 이미지를 기초로,상기 각각의 포장 육류의 품질을 분류하고, 상기 각각의 포장 육류의 품질 분류를 기초로,상기 각각의 포장 육류의 가격을 산정하고, 각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하고, 제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하고, 상기 포장 육류 IoT 관리 장치로 상기 제 1포장 육류의 구매 요청을 전송하고, 상기 포장 육류 IoT 관리 장치는, 상기 서버로 상기 제 1포장 육류가 재고로 있음을 전송하고, 상기 서버는, 상기 제 1포장 육류의 판매를 확정하고, 각각의 사용자 단말로 상기 각각의 포장 육류에서 상기 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이하며, 상기 서버가 각각의 포장 육류의 품질을 분류하는 동작은, 상기 각각의 포장육류의 포장을 개봉하지 않은 상태에서의포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어질 수 있다.
실시예들은 IoT 기술을 이용하여 포장 육류 등 포장 단위의 신선 식품의 상태를 분류·모니터링·관리하고, 빅데이터와 인공지능을 이용하여 포장 육류 등의 정보를 소비자에게 제공하는 방법, 장치, 및 시스템을 제공할 수 있다.
실시예들은 신선 식품의 포장된 상태로 보이는 모습 또는 포장 직전의 형태를 기초로, 포장 육류 등의 보이지 않는 뒷면 및 내부의 품질을 추론하여, 포장 육류의 품질을 분류하는 방법, 장치, 및 시스템을 제공할 수 있다.
실시예들은 웹페이지 또는 어플리케이션에서 소비자가 실제로 배송 받을 신선 식품의 촬영 이미지인 “As is 이미지”에 기반하여 인터넷에서 포장 육류 등을 판매하는 방법, 장치, 및 시스템을 제공할 수 있다.
한편, 실시예들에 따른 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성의 예시도이다.
도 2는 일실시예에 따른 시스템의 동작을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 포장 육류를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 포장 육류 품질 분류 동작을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 포장 육류 디스플레이 및 포장 육류 가격 산정 동작을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 7은 일실시예 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용 시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일실시예에 따른 시스템의 구성의 예시도이다.
*일실시예에 따른 시스템은 서버(100); 사용자 단말들(111-113); 및 포장 육류 IoT 관리 장치(130)를 포함할 수 있다. 서버(100); 사용자 단말들(111-113); 및 포장 육류 IoT 관리 장치(130)는 네트워크에 연결되어 유무선 통신을 통해 데이터를 교환할 수 있다.
시스템은 포장 육류의 이미지를 기반으로 포장 육류의 품질을 분류하고, 분류를 기초로, “As is 이미지”에 기반한 신선 식품(포장 육류)의 인터넷 실물 전시 판매를 제공할 수 있다. 구체적으로, 시스템은 2차 세절 포장된 한우를 전자상거래 할 때 IoT 기술을 이용하여 실제 팔 상품의 이미지를 자동으로 인터넷 쇼핑몰 상에 전시할 수 있다. 나아가, 시스템은 인공지능을 이용하여 등심의 정확한 부위별 정보와 적절하게 책정된 가격을 제공할 수 있다.
여기서, “As is 이미지”란, 온라인 및 인터넷 쇼핑에 있어서, 소비자가 실제로 배송 받게 될 상품 그대로의 이미지를 웹페이지 또는 어플리케이션에 게시하기 위한 상품의 실물 이미지를 의미한다. As is이미지는 일반 공산품이 아닌 포장 육류 등 신선 식품의 온라인 쇼핑에 있어서 소비자의 상품 선택폭을 넓히고, 정당한 상품을 선택할 권리를 보장할 수 있다.
서버(100)는 서버(100)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버(100)일수도 있고; 클라우드 서버(100)일 수도 있고; 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 서버(100)는 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 서버(100)는 추론 기능을 수행하는 적어도 하나 이상의 인공지능을 구비할 수 있다. 서버(100)는 사용자 단말들(111-113)과 유무선으로 통신하도록 구성될 수 있다.
서버(100)는 웹페이지 또는 어플리케이션과 연동될 수 있다. 웹페이지 또는 어플리케이션은 As is 이미지를 이용하여 실제로 판매되는 포장 육류를 디스플레이 할 수 있다. 회원 계정 또는 비회원 사용자는 웹페이지 또는 어플리케이션을 통해 As is 이미지에 대응하는 실제 포장 육류를 구매할 수 있다. 웹페이지 또는 어플리케이션은 As is 이미지로 판매되는 각각의 육류별, 부위별, 등급별 포장 육류의 품질 정보 및 이에 따른 가격을 표시할 수 있다.
사용자 단말들(111-113)은 데스크탑 컴퓨터, 노트북, 태블릿, 스마트폰 등일 수 있다. 가령, 도 1과 같이, 제 1 사용자 단말(111)은 데스크탑일 수 있고; 제 2 사용자 단말(122)은 노트북일 수 있고; 제 3 사용자 단말(113)은 스마트폰일 수 있다. 사용자 단말들(111-113)의 종류는 실시예에 따라 얼마든지 달라질 수 있다. 사용자 단말들(111-113)들은 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 사용자 단말들(111-113)은 서버(100)와 유무선으로 통신하도록 구성될 수 있다. 사용자 단말들(111-113)은 서버(100)와 연동된 웹페이지에 접속되거나, 서버(100)와 연동된 어플리케이션이 설치될 수 있다. 사용자 단말들(111-113)은 웹페이지 또는 어플리케이션을 통해 서버(100)와 데이터를 주고받을 수 있다.
계정들(121-123)은 사용자 단말들(111-113)에 로그인할 수 있다. 가령, 제 1 사용자 계정(121)은 제 1 사용자 단말(111)에 로그인할 수 있고; 제 2 사용자 계정(122)은 제 2 사용자 단말(112)에 로그인할 수 있고; 제 3 사용자 계정(123)은 제 3 사용자 단말(113)에 로그인할 수 있다. 사용자 단말들(111-113)에 로그인한 계정들(121-123)은 웹페이지 또는 어플리케이션을 통해 서버(100)와 데이터를 주고받을 수 있다. 각각의 계정(121, 122, 123)은 서버(100)에 저장된 각각의 사용자의 기본 정보 및 각각의 사용자의 포장 육류 구매 정보에 접근할 권한을 가진다.
포장 육류 IoT 관리 장치(130)는 자동 물류 장치(131) 및 촬영 장치(132)를 포함할 수 있다. 포장 육류 IoT 관리 장치(130)는 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다.
자동 물류 장치(131)는 포장 육류를 냉장 보관할 수 있다. 자동 물류 장치(131)는 서버(100)의 포장 육류 관리 정보와 공유될 수 있다. 자동 물류 장치(131)에 보관된 포장 육류는 전자 디스플레이 또는 인쇄된 바코드 형식으로 관리 정보가 표시될 수 있다.
구체적으로, 자동 물류 장치(131)는 육류별, 부위별, 등급별로 포장 육류가 분류·보관되어 있을 수 있다. 가령, 포장 육류가 한우라면, 한우의 구이 부위로는 등심, 채끝, 안심 등이 있을 수 있으며, 특수 부위는 부채, 치마, 업진 등으로 분류될 수 있다. 자동 물류 장치(131)는 한우 부위별 포장 육류를 효율적으로 배치하고 보관할 수 있는 냉장 창고를 포함할 수 있다. 자동 물류 장치(131)는 부위별 포장 육류를 냉장 창고의 부위별 보관대에 작업자가 위치시킬 때 작업자의 실수로 잘못된 위치에 놓인 포장 육류를 인식하고 알람을 울릴 수 있다. 자동 물류 장치(131)는 포장 육류를 자동으로 빈 자리에 이동시키고 웹페이지 또는 어플리케이션을 통해 포장 육류의 결제가 이루어지면 자동으로 픽업 후 출하 구역으로 옮길 수 있다. 자동 물류 장치(131)는 작업자가 결제된 포장 육류임을 구별하기 위한 출하서를 출력하는 장치를 포함할 수 있다.
촬영 장치(132) 자동 물류 장치(131)에 보관 중인 포장 육류의 상태를 촬영할 수 있다. 촬영 장치(132)는 스탠딩 카메라 또는 스캐너 장치 등을 포함할 수 있다. 육류 도축·절단 시설에 대한 HACCP 인증 등의 문제로 인해 생산 중간 단계보다는 포장이 완료되어 실제 판매될 포장 육류를 이미지로 촬영하는 것이 위생성을 확보할 수 있다. 이때, 포장 육류는 포장에 쌓여 있으므로, 촬영 장치(132)는 판매되는 고기의 전체적인 모습이 아닌, 판매되는 고기의 전면만을 촬영하게 된다. 포장 육류의 이미지는 서버(100)로 전송되며, 서버(100)는 포장 육류의 전면을 기초로, 알고리즘을 통해 포장 육류의 전반적인 품질을 분류할 수 있다. 촬영 장치(132)는 조명을 최적화하고 반사광을 최소화한 상태에서 촬영이 이루어질 수 있다.
서버(100)는 포장 육류 IoT 관리 장치(130)의 자동 물류 장치(131)와 연동하여, 포장 육류의 관리 정보를 기록할 수 있다. 서버(100)는 포장 육류의 이미지를 기반으로 포장 육류의 품질을 분류하고, 분류를 기초로, “As is 이미지”에 기반한 신선 식품(포장 육류)의 인터넷 실물 전시 판매를 웹페이지 또는 어플리케이션을 통해 제공할 수 있다. 서버(100)는 계정들(121, 122, 123)의 기본 정보 및 구매 정보 등을 저장·참조하고, 인공지능을 이용하여 한우 등심 등 포장 육류의 정확한 품질 분류 정보 및 이를 기초로 산정된 가격을 제공할 수 있다.
한편, 설명의 편의를 위해 도 1에서는 세 대의 사용자 단말들(111-113)및 한 대의 포장 육류 IoT 관리 장치(130)만을 도시했으나, 단말 및 장치들의 수는 얼마든지 달라질 수 있다. 서버(100)의 처리 용량이 허용하는 한, 단말 및 장치들의 수는 특별한 제한이 없다.
이하에서, 서버(100)의 동작을 중심으로 실시예가 기술되며, 실시예들은 통신의 주체나 양상에 의해 제한되지 않고 다양한 응용예가 채용될 수 있다. 이하, 도 2를 참조하여, 시스템의 동작과 관련된 실시예가 설명된다. 도 3을 참조하여, 포장 육류와 관련된 실시예가 설명된다. 도 4를 참조하여, 포장 육류 품질 분류 동작과 관련된 실시예가 설명된다. 도 5를 참조하여, 포장 육류 가격 산정 동작과 관련된 실시예가 설명된다. 도 6을 참조하여, 인공지능의 학습 동작과 관련된 실시예가 설명된다.
도 2는 일실시예에 따른 시스템의 동작을 설명하기 위한 도면이다.
서버(100)는 포장 육류를 보관하는 포장 육류 IoT 관리 장치로 각각의 포장 육류에 대한 미리 정의된 보관 명령을 내릴 수 있다(200).
미리 정의된 보관 명령은 포장 육류 IoT 관리 장치(130)를 제어하는 명령을 포함할 수 있다. 미리 정의된 보관 명령은 보관 단위별 온도, 습도 등을 포함할 수 있다. 또한, 미리 정의된 보관 명령은 새로 배송된 포장 육류의 보관 시작 명령, 포장 육류 보관 날짜 카운트 명령, 오래된 포장 육류의 폐기 명령 등을 포함할 수 있다.
다음으로, 포장 육류 IoT 관리 장치(130)는 관리 중인 각각의 포장 육류의 이미지를 촬영할 수 있다(201).
포장 육류 IoT 관리 장치(130)는 촬영 장치(132)를 통해 자동 물류 장치(131)에 보관된 신선 식품들의 “As is 이미지”를 촬영할 수 있다. 구체적으로, 촬영 장치(132)는 포장 완료되어 실제 판매될 포장 육류들을 촬영할 수 있다. 육류는 절단을 거친 한우 등심 등일 수 있다. 육류의 포장은 MAP방식 포장육을 기준으로 할 수 있다. 포장 육류 촬영 시 조명을 최적화하여 반사광을 최소화할 수 있다.
다음으로, 포장 육류 IoT 관리 장치(130)는 서버(100)로 각각의 포장 육류 이미지를 전송할 수 있다(202).
서버(100)는 각각의 포장 육류 이미지를 획득하여, 포장 육류 이미지 및 포장 육류 관리 정보를 동기화할 수 있다. 포장 육류 IoT 관리 장치(130)의 자동 물류 장치(131)는 서버(100)의 포장 육류 관리 정보를 공유할 수 있다. 자동 물류 장치(131)에 보관된 포장 육류는 전자 디스플레이 또는 인쇄된 바코드 형식으로 관리 정보가 표시될 수 있다.
이어서, 서버(100)는 각각의 포장 육류 이미지를 기초로, 각각의 포장 육류의 품질을 분류할 수 있다(203).
서버(100)는 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류 품질 분류를 수행할 수 있다. 이를 위해, 서버(100)는 미리 정의된 방법에 의해 분석 대상 포장 육류가 절단된 도축 고기로부터 절단된 후에 절단된 포장 육류를 비교 대상 포장 육류로 정의할 수 있다. 이어서, 서버(100)는 분석 대상 포장 육류가 포장된 상태에서의 전면이미지를 참조할 수 있다. 이어서, 서버(100)는 비교 대상 포장 육류가 포장된 상태에서의 전면이미지를 참조할 수 있다. 이어서, 서버(100)는 분석 대상 포장 육류의 전면 이미지 및 비교 대상 포장 육류의 전면 이미지를 제 2 인공지능에 적용하여, 분석 대상 포장 육류의 두께별 또는 세부 부위별 육질 정보를 추론할 수 있다. 이어서, 서버(100)는 분석 대상 포장 육류의 두께별 또는 세부 부위별 육질 정보를 기초로, 분석 대상 포장 육류의 품질을 분류할 수 있다. 서버(100)가 각각의 포장 육류의 품질을 분류하는 구체적인 동작은 도 4를 참조하여 후술된다.
이어지는 순서로, 서버(100)는 각각의 포장 육류의 품질 분류를 기초로, 각각의 포장 육류의 가격을 산정할 수 있다(204).
각각의 포장 육류는 육류별, 부위별, 등급별로 품질 분류를 가질 수 있다. 예를 들어, 육류별, 부위별, 등급별 포장 육류는 한우, 등심, 1+ 등급일 수 있다. 한우, 등심, 1+ 등급의 품질 분류는 품질 분류:上; 품질 분류:中上; 품질분류:中과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 품질 분류가 높을수록 가격이 높을 수 있다. 서버(100)는 미리 정의된 기간 안에 재고가 소진되는 품질 분류에 속하는 포장 육류의 가격을 올릴 수 있다. 서버(100)는 미리 정의된 기간 안에 재고가 남는 품질 분류에 속하는 포장 육류의 가격을 내릴 수 있다. 서버(100)가 포장 육류 가격을 산정하는 구체적인 동작은 도 5를 참조하여 후술된다.
다음으로, 서버(100)는 각각의 사용자 단말로 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이할 수 있다(205).
서버(100)는 관리 정보에 따라 자동 물류 장치(131)에 보관된 포장 육류들의 이미지 사진을 웹페이지 또는 어플리케이션에 업로드할 수 있다. 서버(100)는 이미지화 된 포장 육류를 육류별(소,돼지,닭,양 등), 부위별(안심,등심,목살,등), 등급별(1++, 1+, 1, 2, 3 등)로 분류하여 대응된 중량과 가격 정보와 함께 웹페이지 또는 어플리케이션에 업로드할 수 있다. 각각의 계정(121, 122, 123) 또는 비회원은 웹페이지 또는 어플리케이션에 로그인하여 As is 이미지에 기반한 실물 사진의 육류별, 부위별, 등급별 포장 육류를 확인하고 포장 육류를 구매할 수 있다.
또한, 서버(100)는 육류별, 부위별, 등급별 포장 육류들의 품질 분류를 디스플레이할 수 있다. 가령, 사용자가 육류별, 부위별, 등급별 포장 육류 중에서 한우, 등심, 1+ 등급을 조회하는 경우, 서버(100)는각각의 포장 한우 등심의 품질 분류를 디스플레이할 수 있다. 품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中 등과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 서버(100)는 한우 등심에 있어서 품질이 분류되는 기준이 무엇인지에 대한 전문적인 설명을 디스플레이할 수 있다.
나아가 서버(100)는 사용자가 고기의 전면만 확인할 수 있는 포장 육류의 As is 이미지를 선택하면, 선택된 포장 육류의 내부 모습을 시뮬레이션으로 제시할 수 있다. 포장 육류의 내부 모습은 마블링 정도, 힘줄 정도, 색상, 육질, 그리고 근육의 구성 등을 보여줄 수 있다. 포장 육류의 내부 모습은 제 2 인공지능이 추론한 두께별 또는 세부 부위별 육질 정보를 기초로 시뮬레이션 될 수 있다. 제 2 인공지능의 학습 과정은 도 6을 참조하여 후술된다.
이어서, 서버(100)는 제 1사용자 단말(111)을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득할 수 있다(206).
제 1 사용자 단말(111)을 사용하는 제 1 사용자 계정(121)은 웹페이지 또는 어플리케이션에서 As is 이미지로 디스플레이된 육류별, 부위별, 등급별, 품질 분류별 포장 육류의 구매를 선택할 수 있다. 가령, 제 1 사용자 계정(121)은 한우 등심 1+ 등급 중에서 품질 분류:上에 속하는 제 1 포장 육류의 구매를 선택할 수 있다. 제 1 사용자 단말(111)은 서버(100)로 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 전송할 수 있다.
이어지는 순서로, 서버(100)는 포장 육류 IoT 관리 장치(130)로 제 1포장 육류의 구매 요청을 전송할 수 있다(207).
포장 육류 IoT 관리 장치(130)는 제 1 포장 육류가 실제로 자동 물류 장치(131)에 보관 중인지 확인할 수 있다. 제 1 포장 육류가 자동 물류 장치(131)에 보관 중인 것으로 확인된 경우, 포장 육류 IoT 관리 장치(130)는 서버로 제 1포장 육류가 재고로 있음을 전송할 수 있다.
다음으로, 서버(100)는 제 1포장 육류의 판매를 확정할 수 있다(208).
서버(100)는 포장 육류 관리 정보에서 제 1 포장 육류를 “보관 중”에서 ”판매 완료”로 변경할 수 있다. 서버(100)의 포장 육류 관리 정보는 포장 육류 IoT 관리 장치(130)과 공유될 수 있다. 서버(100)와 연동된 웹페이지 또는 어플리케이션의 장바구니 및 결제 시스템과 포장 육류 IoT 관리 장치(130)의 상품 자동 출하 시스템은 서로 연동될 수 있다. 서버(100)는 웹페이지 또는 어플리케이션을 이용하는 사용자가 상품을 장바구니에 담는 순간 다른 사용자가 구매 불가능하도록 할 수 있다. 장바구니에 보관할 수 있는 시간은 15분으로 한정될 수 있다. 결제가 진행되는 시간은 장바구니 보관 시간에서 제외하며 결제가 완료될 경우 자동으로 출하가 이루어질 수 있다.
이어서, 서버(100)는 각각의 사용자 단말로 각각의 포장 육류에서 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이할 수 있다(209).
예를 들어,제 1 사용자가 구매한 제 1 포장 육류가 한우 등심 품질 분류:上인 특정 제품이었다면, 서버(100)는 해당 제품의 As is 이미지를 웹페이지 또는 어플리케이션에서 제외한 나머지 포장 육류들의 실제 이미지들만 웹페이지 또는 어플리케이션에 디스플레이할 수 있다. 이를 통해, 소비자가 실제로 구매하게 될 포장 육류 이미지에 기반한 온라인 포장 육류 판매가 이루어질 수 있다. 이를 통해, 일반 공산품이 아닌 포장 육류 등 신선 식품의 온라인 쇼핑에 있어서 소비자의 상품 선택폭을 넓히고, 구매 결정에 관한 근거를 제시하며 정당한 상품을 선택할 권리를 보장할 수 있다. 한편, 서버(100)는 미리 정의된 기간이 지나도 팔리지 않은 포장 육류에 대한 알림 기능을 설정하고, 이들에 대해 웹페이지 또는 어플리케이션에서 할인 판매 등의 후속 조치를 수행할 수 있다.
이어지는 순서로, 포장 육류 IoT 관리 장치(130)는 포장 육류를 출하할 수 있다(210).
이를 위해, 서버(100)는 포장 육류 IoT 관리 장치(130)로 제 1 포장 육류에 대한 출하를 명령할 수 있다. 포장 육류 IoT 관리 장치가 제 1 포장 육류에 대한 출하 명령을 받은 후 수행하는 출하 동작은 다음을 포함할 수 있다.
우선, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류의 보관 위치를 기억하고 꺼내는(picking) 단계를 수행할 수 있다. 다음으로, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류를 출하 지역으로 이송하는 단계를 수행할 수 있다. 이어서, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류의 출하 정보 및 배송지를 출력하는 단계를 수행할 수 있다. 이어지는 순서로, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류를 한 번 더 포장할 수 있다. 다음으로, 포장 육류 IoT 관리 장치(130)는 제1 포장 육류를 배송할 수 있다.
한편, 시스템의 동작은 실시예에 따라 포장 육류뿐만 아니라 비포장 육류에 대해서도 수행될 수 있다. 이 경우, 시스템의 동작은 다음을 포함할 수 있다.
포장 육류 IoT 관리 장치(130)는 포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 촬영할 수 있다. 서버(100)는 포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 획득할 수 있다. 포장 육류 IoT 관리 장치(130)는 비포장 육류를 포장할 수 있다. 포장 육류 IoT 관리 장치(130)는 포장된 육류를 보관할 수 있다.
서버(100)는 포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 획득할 수 있다. 서버(100)는 각각의 비포장 육류 이미지를 기초로, 상기 각각의 포장 육류의 품질을 분류할 수 있다. 서버(100)는 각각의 비포장 육류의 품질 분류를 기초로, 각각의 포장 육류의 가격을 상정할 수 있다. 서버(100)는 각각의 사용자 단말로 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레할 수 있다. 서버(100)가 각각의 포장 육류의 품질을 분류하는 동작은 각각의 비포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어질 수 있다.
도 3은 일실시예에 따른 포장 육류를 설명하기 위한 도면이다.
한우는 개체별로 부위별 등급이 매겨질 수 있다(300). 구체적으로, 등심 부위의 경우, 한우 개체의 흉추가 끝나고 요추가 시작되는 부분의 최장근 단면으로부터 근간 지방 분포 정도(마블링)를 측정하여 개체의 등급이 측정된다.
등심은 식감과 풍미가 좋아 가장 인기 있고 비싼 부위 중 하나이다. 그러나 동일한 개체에서 생산된 등심(310)이라도 위치 별로 등심의 근육 조성과 지방 분포가 다를 수 있다. 구체적으로, 흉추 1번에서 6번까지의 등심 부위를 “윗등심”, 6번에서 13번까지의 부위를 “아랫등심”으로 구분할 수 있다.
가령, 도 3과 같이, 동일 개체 1+ 등급 제 1 등심(311)은 10번 흉추 근방의 아랫등심 부위로 가시근인 새우살이 크게 존재하고 “알등심” 부위인 최장근이 가운데 존재할 수 있다. 반면, 동일 개체 1+ 등급 제 2 등심(312)은 흉추 3,4번 근처의 윗등심 부위로 배쪽톱니근인 살치살이 약 30% 정도 차지하고 아래에 가시근과 반가시근이 40%, 좌상부에 마름모근인 멍애살과 등세모근이 약 30% 정도 분포할 수 있다.
질기고 풍미가 상대적으로 낮은 멍에살의 비율이 높을수록 등심의 품질이 일반적으로 낮음에도, 한우 개체에 따라 등심의 등급을 구분하는 현 시장 체계에서는 멍에살의 비율에 관계없이 모든 등심이 같은 값으로 유통된다. 이에 따라 질기고 풍미 떨어지는 목심 근처의 등심을 비싸게 구입하는 고객 발생할 수 있다. 한편 세간의 평으로 맛 좋다고 알려진 흉추 5~9번의 “꽃등심” 부위는 보통 일반인이 알지 못하며 선택권 없이 불합리하게 유통될 수 있다.
특히, 온라인을 통한 포장 육류 판매의 경우, 동일 개체의 같은 부위라면(예: 동일 한우 개체의 등심) 세부 분류 구분 없이 동일한 가격으로 판매되고, 소비자들은 인터넷 상의 예시 사진만 보고 고기를 구입해야 하기 때문에 불확실성에 노출될 수 있다. 나아가, 포장 육류의 전면을 보여주는 온라인 쇼핑몰 등이 있더라도, 소비자들이 포장 육류의 뒷면 및 두께별 또는 세부 부위별 육질 상태를 알기는 어렵다. 일실시예에 따른 시스템은 한우 등심의 다양한 근육구성, 특히 포장 육류의 두께별 상태를 제 2 인공지능을 이용하여 분석하여 포장 육류의 품질을 분류하고, 한우 등심의 가격을 차등화하여 공급·판매할 수 있다.
이를 위해, 포장 육류 IoT 관리 장치(130)는 관리 중인 각각의 포장 한우 등심의 이미지를 촬영할 수 있다(201). 포장 육류 IoT 관리 장치(130)는 촬영 장치(132)를 통해 자동 물류 장치(131)에 보관된 신선 식품들의 “As is 이미지”를 촬영할 수 있다.
다음으로, 포장 육류 IoT 관리 장치(130)는 서버(100)로 각각의 포장 한우 등심 이미지를 전송할 수 있다(202). 서버(100)는 각각의 포장 한우 등심 이미지를 획득하여,포장 한우 등심 이미지 및 포장 한우 등심 관리 정보를 동기화할 수 있다. 포장 육류 IoT 관리 장치(130)의 자동 물류 장치(131)는 서버(100)의 포장 한우 등심 관리 정보를 공유할 수 있다.
이어서, 서버(100)는 각각의 포장 한우 등심 이미지를 기초로, 각각의 포장 한우 등심의 품질을 분류할 수 있다(203). 서버(100)는 각각의 포장 한우 등심의 포장을 개봉하지 않은 상태에서의 포장 한우 등심의 이미지를 기반으로 포장 한우 등심 품질 분류를 수행할 수 있다. 이를 위해, 서버(100)는 미리 정의된 방법에 의해 분석 대상 포장 한우 등심이 절단된 도축 고기로부터 절단된 후에 절단된 포장 한우 등심을 비교 대상 포장 한우 등심으로 정의할 수 있다. 이어서, 서버(100)는 분석 대상 포장 한우 등심이 포장된 상태에서의 전면이미지를 참조할 수 있다. 이어서, 서버(100)는 비교 대상 포장 한우 등심이 포장된 상태에서의 전면이미지를 참조할 수 있다. 이어서, 서버(100)는 분석 대상 포장 한우 등심의 전면 이미지 및 비교 대상 포장 한우 등심의 전면 이미지를 제 2 인공지능에 적용하여, 분석 대상 포장 한우 등심의 두께별 또는 세부 부위별 육질 정보를 추론할 수 있다. 이어서, 서버(100)는 분석 대상 포장 한우 등심의 두께별 또는 세부 부위별 육질 정보를 기초로, 분석 대상 포장 한우 등심의 품질을 분류할 수 있다. 서버(100)가 각각의 포장 한우 등심의 품질을 분류하는 구체적인 동작은 도 4를 참조하여 후술된다.
이어지는 순서로, 서버(100)는 각각의 포장 한우 등심의 품질 분류를 기초로, 각각의 포장 한우 등심의 가격을 산정할 수 있다(204). 한우등심의 품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 포장 한우 등심의 품질 분류는 마블링의 비율, 멍에살의 비율, 알등심의 존재 여부, 절단되기 전에 흉추에서의 위치 등에 의해 결정될 수 있다. 품질 분류가 높을수록 가격이 높을 수 있다. 서버(100)는 미리 정의된 기간 안에 재고가 소진되는 품질 분류에 속하는 포장 한우 등심의 가격을 올릴 수 있다. 서버(100)는 미리 정의된 기간 안에 재고가 남는 품질 분류에 속하는 포장 한우 등심의 가격을 내릴 수 있다. 서버(100)가 포장 한우 등심 가격을 산정하는 구체적인 동작은 도 5를 참조하여 후술된다.
다음으로, 서버(100)는 각각의 사용자 단말로 각각의 포장 한우 등심을 디스플레이할 수 있다(205). 서버(100)는 관리 정보에 따라 자동 물류 장치(131)에 보관된 포장 한우 등심들의 이미지 사진을 웹페이지 또는 어플리케이션에 업로드할 수 있다. 각각의 계정(121, 122, 123) 또는 비회원은 웹페이지 또는 어플리케이션에 로그인하여 As is 이미지에 기반한 실물 사진의 포장 한우 등심을 확인하고 포장 한우 등심을 구매할 수 있다.
또한, 서버(100)는 포장 한우 등심들의 품질 분류를 디스플레이할 수 있다.품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中 등과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 서버(100)는 한우 등심에 있어서 품질이 분류되는 기준이 무엇인지에 대한 전문적인 설명을 디스플레이할 수 있다. 예를 들어, 서버(100)는 마블링의 비율이 많을수록 품질 분류가 올라가며; 멍에살의 비율의 많을수록 품질 분류가 낮아지며; 알등심이 존재할 경우 품질 분류가 올라가며; 절단되기 전에 흉추에서의 위치가 흉추뼈 5~9번위치에 가까울수록 품질 분류가 올라간다는 설명을 디스플레이할 수 있다.
나아가 서버(100)는 사용자가 고기의 전면만 확인할 수 있는 포장 한우 등심의 As is 이미지를 선택하면, 선택된 포장 한우 등심의 내부 모습을 시뮬레이션으로 제시할 수 있다. 포장 한우 등심의 내부 모습은 마블링 정도, 힘줄 정도, 색상, 육질, 멍에살 여부, 알등심 여부 등을 보여줄 수 있다. 포장 한우 등심의 내부 모습은 제 2 인공지능이 추론한 두께별 육질 정보를 기초로 시뮬레이션 될 수 있다.제 2 인공지능의 학습 과정은 도 6을 참조하여 후술된다.
이어서, 서버(100)는 제 1사용자 단말(111)을 통해 제 1사용자가 선택한 제 1포장 한우 등심의 구매 요청을 획득할 수 있다(206). 제 1 사용자 단말(111)을 사용하는 제 1 사용자 계정(121)은 웹페이지 또는 어플리케이션에서 As is 이미지로 디스플레이된, 품질 분류:上에 속하는 제 1 포장 한우 등심의 구매를 선택할 수 있다. 제 1 사용자 단말(111)은 서버(100)로 제 1사용자가 선택한 제 1포장 한우 등심의 구매 요청을 전송할 수 있다.
이어지는 순서로, 서버(100)는 포장 육류 IoT 관리 장치(130)로 제 1포장 한우 등심의 구매 요청을 전송할 수 있다(207). 포장 육류 IoT 관리 장치(130)는 제 1 포장 한우 등심이 실제로 자동 물류 장치(131)에 보관 중인지 확인할 수 있다.제 1 포장 한우 등심이 자동 물류 장치(131)에 보관 중인 것으로 확인된 경우, 포장 육류 IoT 관리 장치(130)는 서버로 제 1포장 한우 등심이 재고로 있음을 전송할 수 있다.
다음으로, 서버(100)는 제 1포장 한우 등심의 판매를 확정할 수 있다(208). 서버(100)는 포장 한우 등심 관리 정보에서 제 1 포장 한우 등심을 “보관 중”에서 ”판매 완료”로 변경할 수 있다. 서버(100)의 포장 한우 등심 관리 정보는 포장 육류 IoT 관리 장치(130)과 공유될 수 있다. 서버(100)와 연동된 웹페이지 또는 어플리케이션의 장바구니 및 결제 시스템과 포장 육류 IoT 관리 장치(130)의 상품 자동 출하 시스템은 서로 연동될 수 있다. 서버(100)는 웹페이지 또는 어플리케이션을 이용하는 사용자가 상품을 장바구니에 담는 순간 다른 사용자가 구매 불가능하도록 할 수 있다. 장바구니에 보관할 수 있는 시간은 15분으로 한정될 수 있다. 결제가 진행되는 시간은 장바구니 보관 시간에서 제외하며 결제가 완료될 경우 자동으로 출하가 이루어질 수 있다.
이어서, 서버(100)는 각각의 사용자 단말로 각각의 포장 한우 등심에서 제 1포장 한우 등심을 제외한 포장 한우 등심들을 디스플레이할 수 있다(209). 예를 들어, 제 1 사용자가 구매한 제 1 포장 한우 등심이 한우 등심 품질 분류: 上인 특정 제품이었다면, 서버(100)는 해당 제품의 As is 이미지를 웹페이지 또는 어플리케이션에서 제외한 나머지 포장 한우 등심들의 실제 이미지들만 웹페이지 또는 어플리케이션에 디스플레이할 수 있다. 이를 통해, 소비자가 실제로 구매하게 될 포장 한우 등심 이미지에 기반한 온라인 포장 한우 등심 판매가 이루어질 수 있다.이를 통해,일반 공산품이 아닌 포장 한우 등심 등 신선 식품의 온라인 쇼핑에 있어서 소비자의 상품 선택폭을 넓히고,정당한 상품을 선택할 권리를 보장할 수 있다.
도 4는 일실시예에 따른 포장 육류 품질 분류 동작을 설명하기 위한 도면이다.
서버(100)가 각각의 포장 육류의 품질을 분류하는 동작은 다음을 포함할 수 있다. 이하에서는, 포장 육류가 포장 한우 등심인 경우를 예로 들어 설명한다.
우선, 서버(100)는 미리 정의된 방법에 의해 분석 대상 포장 육류(401)가 절단된 도축 고기로부터 절단된 후에 절단된 포장 육류를 비교 대상 포장 육류(402)로 정의할 수 있다(410).
미리 정의된 방법은 각각의 포장 육류의 고유 일련 번호를 조회하는 방법이 채택될 수 있다. 이 경우, 분석 대상 포장 육류(401)의 고유 일련 번호가 N이라면, 비교 대상 포장 육류(402)는 적어도 N보다 큰 수일 수 있다.
또는, 미리 정의된 방법은 도축 고기로부터 절단된 순서가 빠를수록 낮은 “절단 순번”을 부여하고, 각각의 포장 육류를 절단 순번에 따라 정렬하는 방법이 채택될 수 있다.이를 위해, 서버(100)는 미리 학습된 제 1 인공지능을 포함할 수 있다. 서버(100)는 포장 육류 이미지 리스트(list)를 정의하고, 포장 육류 IoT 관리 장치(130)로부터 전송된 각각의 포장 육류의 이미지를 포장 육류 이미지 리스트에 추가(append)할 수 있다. 제 1 인공지능은 포장 육류 이미지 리스트를 입력받아, 리스트에 포함된 각각의 포장 육류의 절단 순번을 추론할 수 있다.제 1 인공지능의 구체적인 학습 동작은 도 6을 참조하여 후술된다.
서버(100)는 각각의 포장 육류를 절단 순번에 따라 정렬할 수 있다. 서버(100)는 정렬 결과에서 분석 대상 포장 육류(401)의 절단 순번 바로 다음으로 오는 절단 순번을 가지는 포장 육류를 분석 대상 포장 육류(401)의 비교 대상 포장 육류(402)로 정의할 수 있다.
다음으로, 서버(100)는 분석 대상 포장 육류(401)가 포장된 상태에서의 전면이미지를 참조할 수 있다(420).
서버(100)는 분석 대상 포장 육류(401)의 전면 이미지를 제 2 인공지능에 적용하여, 분석 대상 포장 육류(401)의 전면 이미지에 따른 육질 정보를 추론할 수 있다. 분석 대상 포장 육류(401)의 전면 이미지에 따른 육질 정보는 마블링의 비율, 멍에살의 비율, 알등심의 존재 여부, 힘줄 여부, 육질 색상, 절단되기 전에 흉추에서의 위치 등의 세부 정보를 포함할 수 있다. 분석 대상 포장 육류(401)의 전면 이미지에 따른 육질 정보는 세부 정보에 기초한 품질 분류를 포함할 수 있다. 품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다.
이어서, 서버(100)는 비교 대상 포장 육류(402)가 포장된 상태에서의 전면 이미지를 참조할 수 있다(430).
*이어지는 순서로, 서버(100)는 분석 대상 포장 육류(401)의 전면 이미지 및 비교 대상 포장 육류(402)의 전면 이미지를 제 2 인공지능에 적용하여, 분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 육질 정보를 추론할 수 있다(440).
분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 모습은 분석 대상 포장 육류(401)의 전면 이미지와 비교 대상 포장 육류(402)의 전면 이미지를 기준으로 추론될 수 있다. 예를 들어, 분석 대상 포장 육류(401)의 한우 등심 전면 이미지와 비교하여, 비교 대상 포장 육류(402)의 한우 등심 전면 이미지는 지방비율(흰색 부분)이 많다. 따라서, 분석 대상 포장 육류(401)의 두께층이 비교 대상 포장 육류(402)의 전면 이미지에 가까운 두께층 일수록, 분석 대상 포장 육류(401)의 전면 이미지로 보이는 것보다 많은 지방 비율을 가질 것으로 해석될 수 있다. 종합적으로, 분석 대상 포장 육류(401)는 분석 대상 포장 육류(401)의 전면 이미지로 확인되는 지방 비율보다 높은 지방 비율을 가질 것으로 해석될 수 있다.
서버(100)는 분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 육질 정보를 추론하기 위한 제 2 인공지능을 포함할 수 있다.제 2 인공지능은 분석 대상 포장 육류(401)의 전면 이미지와 비교 대상 포장 육류(402)의 전면 이미지를 입력받아, 분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 육질 정보를 생성하도록 학습될 수 있다. 두께별 또는 세부 부위별 육질 정보는 미리 정의된 두께층의 마블링의 비율, 멍에살의 비율, 알등심의 존재 여부, 힘줄 여부, 육질 색상, 절단되기 전에 흉추에서의 위치 등의 세부 정보를 포함할 수 있다. 두께별 또는 세부 부위별 육질 정보는 각각의 두께층의 세부 정보에 기초한 각각의 두께층의 품질 분류를 포함할 수 있다. 품질 분류는 품질 분류:上; 품질 분류:中上;품질 분류:中과 같이 미리 정의된 품질 분류 단계 중 한 단계를 가질 수 있다. 미리 정의된 두께층의 품질 개수는, 가령, 3개일 수 있으며, 실시예에 따라 달리 채용될 수 있다. 미리 정의된 두께층의 개수는 분석 대상 포장 육류(401)의 두께가 두꺼울수록 증가할 수 있다. 제 2 인공지능의 구체적인 학습 동작은 도 6을 참조하여 후술된다.
서버(100)는 분석 대상 포장 육류(401)의 두께별 또는 세부 부위별 육질 정보를 기초로, 분석 대상 포장 육류(401)의 품질을 분류할 수 있다(450).
서버(100)는 분석 대상 포장 육류(401)의 전면 이미지에 따른 육질 정보 및 분석 대상 포장 육류(401)의 각각의 두께층의 육질 정보를 기초로, 분석 대상 포장 육류(401)의 종합적인 품질을 분류할 수 있다. 예를 들어, 분석 대상 포장 육류(401)의 전면 이미지에 따른 품질 분류는 上일 수 있다. 그러나 분석 대상 포장 육류(401)의 각각의 두께층이 비교 대상 포장 육류(402)의 전면 이미지에 가까워질수록, 알등심이 사라지고, 마블링 비율이 낮아지고, 힘줄이 증가하는 비율이 높을 수 있다. 분석 대상 포장 육류(401)의 두께층에서 비교 대상 포장 육류(402)에 가장 가까운 두께층의 품질 분류는 中일 수 있다. 이 경우, 서버(100)는 분석 대상 포장 육류(401)의 품질을 中上으로 분류할 수 있다.
한편, 서버(100)는포장 육류의 내부 모습을 웹페이지 또는 어플리케이션에서 시뮬레이션으로 사용자들에게 제시할 수 있도록, 분석 대상 포장 육류(401)의 두께 정보를 기초로 각각의 두께층의 그래픽을 렌더링할 수 있다. 사용자가 웹페이지 또는 어플리케이션에서 고기의 전면만 확인할 수 있는 포장 육류의 As is 이미지를 선택하면, 서버(100)는 선택된 포장 육류의 각각의 두께층 그래픽 레이어를 디스플레이할 수 있다.
이상을 통해, 서버(100)는 포장 육류들의 전면 이미지만을 기초로, 각각의 포장 육류의 두께별 또는 세부 부위별 육질 정보를 추론하여 제공할 수 있다. 이를 통해, 서버(100)는 포장 육류의 포장을 개봉하지 않는 상태에서 육류의 품질 분류를 수행할 수 있어, 위생성이 확보될 수 있다. 또한, 서버(100)는 웹페이지 또는 어플리케이션에서 포장 육류의 전면 이미지를 기초로 포장 육류를 구매하는 사용자들에게 각각의 포장 육류의 두께별 또는 세부 부위별 품질 정보 및 포장 육류의 전면 이미지와 각각의 두께층을 고려한 종합적 품질 정보를 시각적·설명적으로 제공할 수 있다. 이를 통해,웹페이지 또는 어플리케이션에서 포장 육류를 구매하는 사용자들의 신선 식품 선택권을 보장할 수 있다.
도 5는 일실시예에 따른 포장 육류 디스플레이 및 포장 육류 가격 산정 동작을 설명하기 위한 도면이다.
종래 포장 육류 등의 신선 식품 온라인 판매 방식(500)을 이용하는 경우, 사용자는육류(한우)및 부위(등심), 한우 개체에 따른 등급(예: 1+) 등을 선택할 수는 있으나, 자신이 배송 받는 포장 육류를 실제로 선택하지 못한다.
또한, 종래 포장 육류 등의 신선 식품은 정량제(200g, 500g 등)로 판매되나, 포장 육류 등 신선 식품의 특성 상 중량 손실이 발생할 수도 있다. 즉, 판매자 입장에서는 정량을 측정하느라 생산성이 저하되고, 정량 이하로 배송할 수는 없어, 항상 정량을 초과 포장해야 하므로 적지 않은 손실(약 10%) 발생할 수 있다.
또한, 종래 포장 육류 등의 신선 식품은 온라인에서 대표 이미지를 전시하고 정량을 판매하나, 가정 소비자 입장에선 온라인 대표 이미지만 가지고는 실제로 어떠한 상품이 배송될 지 알 수 없어 불확실한 지위에 놓이게 된다. 즉, 한우 등심을 예로 들면, 같은 개체 등급의 한우라고 하더라도, 부드럽고 고소한 부위가 있으면서 상대적으로 질기고 무미한 부위도 존재할 수 있다. 같은 등심이라도 근간 지방의 많고 적음, 맛있다고 알려진 새우살, 살치살 등이 혼재하지만 모두 같은 부위 처리되어 질긴 부위를 비싸게 구매하는 경우도 발생할 수 있다.
종래 문제를 해결하기 위해 서버(100)는 웹페이지 또는 어플리케이션에서 As is 이미지로 포장 육류를 디스플레이할 수 있다(590).
서버(100)는 각각의 사용자 단말로 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이할 수 있다.이를 위해, 서버(100)는 웹페이지 또는 어플리케이션에 포장 육류 IoT 관리 장치(130)와 자동 물류 장치(131)에 대응하는 고기 진열대를 디스플레이할 수 있다. 서버(100)는 육류별, 부위별, 등급별로 서로 다른 고기 진열대를 디스플레이할 수 있다. 고기 진열대에는 “As is 이미지”의 포장 육류들이 디스플레이될 수 있다. 이를 통해, 사용자는 온라인 구매 시 실제로 배송받게 되는포장 육류 제품의 실물 사진의 이미지, 중량, 가격, 품질 정보 등을 확인할 수 있다. 이를 통해, 사용자는 마치 오프라인 대형 마트에서 세절 포장된 한우를 직접 보고 고르는 방식과 동일한 구매 경험을 가질 수 있다.
서버(100)는 육류별, 부위별, 등급별 포장 육류들의 품질 분류가 표시되도록 육류별, 부위별, 등급별 포장 육류들을 디스플레이할 수 있다. 예를 들어, 서버(100)는 한우 등심 고기 진열대에서,한우 등심 1+ 등급 포장 육류들을 품질 분류에 따라 제 1 영역(591), 제 2 영역(592), 제 3 영역(593), 제 4 영역(594) 등으로 분류하여 디스플레이할 수 있다. 가령, 한우 1+ 등급 제 1 등심(598)은 10번 흉추 근방의 아랫등심 부위로 가시근인 새우살이 크게 존재하고 “알등심” 부위인 최장근이 가운데 존재할 수 있다. 서버(100)는 제 1 등심(598)의 품질 분류를 수행할 수 있다. 서버(100)는제 1 영역(591)에 제 1 등심(598)을 디스플레이할 수 있다.반면,한우 1+ 등급 제 2 등심(312)은 흉추 3,4번 근처의 윗등심 부위로 배쪽톱니근인 살치살이 약 30% 정도 차지하고 아래에 가시근과 반가시근이 40%, 좌상부에 마름모근인 멍애살과 등세모근이 약 30% 정도 분포할 수 있다. 서버(100)는 제 2 등심(599)의 품질 분류를 수행할 수 있다. 제 2 등심(599)의 품질 분류는 제 1 등심(598)의 품질 분류와 다를 수 있다. 서버(100)는 제 3 영역(593)에 제 2 등심(599)을 디스플레이할 수 있다. 서버(100)는 동일 한우 등급의 포장 육류라도, 품질 분류에 따라 포장 육류의 가격을 다르게 산정할 수 있다. 서버(100)는 제 1 등심(598)의 가격을 제 2 등심(599)의 가격보다 비싸게 산정할 수 있다.
서버(100)는 육류별, 부위별, 등급별 포장 육류들 중에서 각각의 사용자 단말을 사용하는 각각의 사용자가 선호하는 것으로 판별된 품질 분류의 포장 육류들을 각각의 사용자 단말에 강조해서 표시할 수 있다. 예를 들어, 제 1 사용자 계정(121)은 1+ 등급 한우 등심 중에서도 고소한 맛이 강한 있는 제 1 등심(598)과 같은 부위를 자주 구매할 수 있다. 반면, 제 2 사용자 계정(122)은 1+ 등급 한우 등심 중에서도 쫄깃한 맛이 강하고, 상대적으로 저렴하게 산정되는 제 2 등심(599)과 같은 부위를 자주 구매할 수 있다. 서버(100)는 계정들(121, 122, 123)의 구매 이력을 기초로, 제 1 사용자 계정(121)가 접속한 제 1 사용자 단말(111)에는 제 1 영역(591)을 강조 표시하여 디스플레이하고, 제 2 사용자 계정(122)가 접속한 제 2 사용자 단말(112)에는 제 3 영역(593)을 강조 표시하여 디스플레이할 수 있다. 한편, 사용자가 특정 포장 육류를 장바구니에 넣거나 구매 요청을 하면, 서버(100)는 로봇 팔로 해당 포장 육류를 고기 진열대에서 이동시키는 그래픽을 디스플레이할 수 있다.
서버(100)는 판매되는 포장 육류 가격을 자동으로 산정할 수 있다. 서버(100)가 포장 육류 가격을 산정하는 동작은 다음을 포함할 수 있다.
우선, 서버(100)는 육류별, 부위별, 등급별로 포장 육류들을 세부 구분할 수 있다(510).
세부 구분은 각각의 포장 육류의 품질 분류를 기초로 이루어질 수 있다.각각의 포장 육류는 육류별, 부위별, 등급별로 미리 정의된 품질 분류를 가질 수 있다.예를 들어,같은 한우 등심 1+ 등급이라고 하더라도,제 1 등심(598)의 품질 분류는 제 2 등심(599)의 품질 분류보다 높을 수 있다. 서버(100)는 한우 등심 1+ 등급의 포장 육류들을 품질 분류에 따라 제 1 영역(591), 제 2 영역(592), 제 3 영역(593), 및 제 4 영역(594)으로 세부 구분할 수 있다.
이어서, 서버(100)는 미리 정의된 기간 안에 재고가 소진되는 품질 분류에 속하는 포장 육류의 가격을 올릴 수 있다.
또한, 서버(100)는 미리 정의된 기간 안에 재고가 남는 품질 분류에 속하는 포장 육류의 가격을 내릴 수 있다.
미리 정의된 기간은 육류별 부위별 등급별 포장 육류에 따라 달라질 수 있다. 미리 정의된 기간은 육류별 부위별 등급별 포장 육류가 포장 육류 IoT 관리 장치(130)으로 유통되는 주기일 수 있다.
육류, 부위, 등급이 다르더라도, 포장 육류의 세부 품질 분류가 달라질 수 있다. 가령, 고소한 맛이 강한 제 1 등심(598)의 품질 분류는 쫄깃한 맛이 강한 제 2 등심(599)의 품질 분류보다 높을 수 있다. 제 1 등심(598)의 가격은 제 2 등심(599)의 가격보다 비쌀 수 있다. 그러나 사용자들 중 일부는 쫄깃한 맛을 선호할 수 있으며, 가격이 상대적으로 저렴한 이유로 제 2 등심(599)을 찾을 수 있다. 서버(100)는 육류별, 부위별, 등급별 포장 육류들에 대하여, 모든 세부 품질 분류(591, 592, 593, 594)의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 산정할 수 있다.
이를 위해, 서버(100)는 미리 학습된 제 3 인공지능을 포함할 수 있다. 제 3 인공지능은 미리 정의된 기간 동안의 육류별 부위별 등급별 포장 육류들의 구매 히스토리를 기초로, 육류별 부위별 등급별로 존재하는 모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 산정하도록 학습될 수 있다.제 3 인공지능의 구체적인 학습 동작은 도 6을 참조하여 후술된다.
이상을 통해, 서버(100)는 포장 육류와 같은 신선 식품의 As is 이미지를 온라인으로 전시하여 판매할 수 있다. 또한, 서버(100)는 전자 상거래 방식에서 한우를 적용하여 여러 부위 별 근속 지방, 근간 지방의 분포 등 동일 육류, 부위,등급 내에도 존재하는 세부 품질을 판별하여 소비자가 상품을 고를 수 있는 기술을 제공할 수 있다. 이를 통해, 온라인 상의 포장 육류 대표 이미지와는 다른 포장 육류가 실제 배송되는 불만 사례를 제거할 수 있다. 또한, As is 이미지에 대응하는 포장 육류를 있는 그대로 판매하는 것이므로, 비정형 포장 육류의 경우 정량 분배를 위해 여러 조각을 맞추느라 발생하는 생산성 저하 문제와 초과 제공에 따른 정량 손실 발생 문제도 해소할 수 있다. 나아가, 서버(100)는 제 3 인공지능을 통해 육류별 부위별 등급별로 존재하는 모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 산정할 수 있다. 이를 통해, 미리 정의된 기간 마다 육류별 부위별 등급별 포장 육류들이 포장 육류 IoT 관리 장치(130)로 새로 유통될 수 있도록 하여, 웹페이지 또는 어플리케이션에서 판매하는 포장 육류들의 신선도를 확보할 수 있다.
*도 6은 일실시예에 따른 인공지능의 학습을 설명하기 위한 도면이다.
인공지능은 서버(100)에 포함되는 구성일 수 있으며, 서버(100) 또는 별도의 학습 장치를 통해서 학습될 수 있다.
제 1 인공지능은 육류가 절단된 개체(소,돼지,양 등) 및 부위(안심,등심,목살 등)가 동일한 포장 육류들을 원소(element)로 하는 포장 육류 이미지 리스트(list)를 입력받아,포장 육류 이미지 리스트에 포함된 각각의 포장 육류의 절단 순번을 추론하도록 학습될 수 있다. 절단 순번이 낮을수록 도축된 고기로부터 먼저 절단된 포장 육류에 해당한다.
제 2 인공지능은 분석 대상 포장 육류의 전면 이미지와 비교 대상 포장 육류의 전면 이미지를 입력받아, 분석 대상 포장 육류의 두께별 또는 세부 부위(위치)별 육질 정보를 추론하도록 학습될 수 있다. 분석 대상 포장육류의 육질 정보는 각각의 두께층의 마블링 정도, 힘줄 정도, 색상, 육질, 멍에살 여부, 알등심 여부, 세절 전 원육에서의 위치, 및 각각의 두께층의 품질 분류를 포함할 수 있다.
제 3 인공지능은 미리 정의된 기간 동안의 소비자들의 포장 육류 구매 히스토리를 입력받아,육류별부위별등급별 포장 육류들에 대하여, 모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 추론하도록 학습될 수 있다.미리 정의된 기간은 육류별 부위별 등급별 포장 육류가 포장 육류 IoT 관리 장치로 유통되는 주기일 수 있다.
이하에서는 학습 장치를 통해 인공지능이 학습되는 과정을 설명한다.
우선, 학습 장치는 트레이닝 데이터(training data)와 레이블(label)을획득할 수 있다(600).
제 1 인공지능 학습을 위해, 학습 장치는 한 개체의한 부위로부터 절단된 포장 육류들의 전면 이미지들을 포함하는 데이터 세트를 각각의 트레이닝 데이터로 획득할 수 있다.또한,학습 장치는 각각의 포장 육류의 절단 순번을 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다.
제 2 인공지능 학습을 위해, 학습 장치는 두께별 육질 정보를 알고자 하는 포장 육류와, 두께별 육질 정보를 알고자 하는 포장 육류보다 높은 절단 순번을 가지는 포장 육류의 쌍을 각각의 트레이닝 데이터로 획득할 수 있다. 또한, 학습 장치는 두께별 육질 정보를 알고자 하는 포장 육류의 실제 두께별 육질 정보를 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다. 또한, 학습 장치는 세부 부위(위치)별 육질 정보를 알고자 하는 포장 육류를 각각의 트레이닝 데이터로 획득하고, 포장 육류의 세절 전 원육에서의 위치를 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다
제 3 인공지능 학습을 위해,미리 정의된 기간 동안 소비자들의 육류별 부위별 등급별 포장 육류 구매 히스토리를포함하는 데이터 세트를 각각의 트레이닝 데이터로 획득할 수 있다.또한,학습 장치는 “미리 정의된 기간 동안 육류별 부위별 등급별 포장 육류가 세부 품질 분류별로 판매되었던 가격”에 “미리 정의된 기간 동안 포장 육류의 세부 품질 분류별 재고량”에 비례하는 차감분을 적용한 “보정 가격”을 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다.미리 정의된 기간 동안 어떤 세부 품질 분류의 포장 육류의 재고량이 많을수록, 해당 세부 품질 분류를 가지는 포장 육류의 보정 가격은 원래의 가격에서 보다 차감된 가격일 수 있다.
이제, 학습 장치는 트레이닝 데이터로부터 인공지능의 입력을 생성할 수 있다(610).
학습 장치는 트레이닝 데이터를 인공지능의 입력으로 그대로 사용하거나, 각각의 트레이닝 데이터에서 불필요한 정보를 제거하는 통상의 프로세스를 거친 후,인공지능의 입력을 생성할 수 있다.
다음으로, 학습 장치는 입력을 인공지능에 적용할 수 있다(620).
서버(100)에 포함된 인공지능은 지도 학습(supervised learning)에 따라 학습되는 인공지능일 수 있다. 인공지능은 지도 학습을 통해 학습시키기에 적합한 컨볼루션 신경망(convolutional neural network, CNN), RCNN(Regional Convolutional Neural Network), 또는 리커런트 신경망(recurrent neural network, RNN) 구조일 수 있다.
이어서, 학습 장치는 인공지능으로부터 출력을 획득할 수 있다(630).
제 1 인공지능의 출력은, 포장 육류 이미지 리스트에 포함된 각각의 포장 육류의 절단 순번일 수 있다.절단 순번이 낮을수록 도축된 고기로부터 먼저 절단된 포장 육류에 해당한다.제 2 인공지능의 출력은, 분석 대상 포장 육류의 두께별 또는 세부 부위(위치)별 육질 정보일 수 있다.육질 정보는 각각의 두께층의 마블링 정도, 힘줄 정도, 색상,육질,멍에살 여부,알등심 여부, 세절 전 원육에서의 위치, 및 각각의 두께층의 품질 분류를 포함할 수 있다. 제 3 인공지능의 출력은,모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격의 추론일 수 있다.미리 정의된 기간은 육류별 부위별 등급별 포장 육류가 포장 육류 IoT 관리 장치로 유통되는 주기일 수 있다.
이후, 학습 장치는 출력과 레이블을 비교할 수 있다(640). 추론에 해당하는 인공지능의 출력과 정답에 해당하는 레이블을 비교하는 과정은 손실함수(loss function)를 계산하여 이루어질 수 있다. 손실함수는 기 알려진 평균 제곱 오차(mean squared error, MSE), 교차 엔트로피 오차(cross entropy error, CEE) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 인공지능의 출력과 레이블 간의 편차, 오차 내지는 차이를 측정할 수 있다면, 다양한 인공지능 모델들에서 이용되는 손실함수들이 이용될 수 있다.
다음으로, 학습 장치는 비교값을 기초로 인공지능을 최적화할 수 있다(650). 학습 장치 비교값이 점점 작아지도록 인공지능의 노드(node)들의 웨이트(weight)를 갱신함으로써, 추론에 해당하는 인공지능의 출력과 정답에 해당하는 레이블을 점점 일치시킬 수 있고, 이를 통해 인공지능은 정답에 가까운 추론을 출력하도록 최적화될 수 있다. 구체적으로, 학습 장치는 비교값에 해당하는 손실함수가 최소값의 추정치에 가까워지도록 인공지능의 웨이트(weight)를 재설정하는 과정을 반복함으로써 인공지능을 최적화할 수 있다. 인공지능의 최적화를 위해 기 알려진 역전파(backpropagation) 알고리즘, 확률론적 경사하위법(stochastic gradient descent) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 다양한 신경망 모델들에서 이용되는 웨이트의 최적화 알고리즘이 이용될 수 있다.
학습 장치는 이와 같은 과정을 반복함으로써 인공지능을 학습시킬 수 있다.
이를 통해, 육류가 절단된 개체(소,돼지,양 등) 및 부위(안심,등심,목살 등)가 동일한 포장 육류들을 원소(element)로 하는 포장 육류 이미지 리스트(list)를 기초로,포장 육류 이미지 리스트에 포함된 각각의 포장 육류의 절단 순번을출력하는 제 1 인공지능을 학습시킬 수 있다. 제 1 인공지능은 도 4를 참조하여 설명된 포장 육류 품질 분류 동작에서 분석 대상 포장 육류의 비교 대상 포장 육류를 정의하는데 사용될 수 있다.
또한, 분석 대상 포장 육류의 전면 이미지와 비교 대상 포장 육류의 전면 이미지를 입력받아, 분석 대상 포장 육류의 두께별 육질 정보를 출력하거나, 포장 육류의 세부 부위(위치)별 육질 정보를 출력하는 제 2 인공지능을 학습시킬 수 있다.제 2 인공지능은 도 4를 참조하여 설명된 포장 육류 품질 분류 동작에서 분석 대상 포장 육류의 두께별 또는 세부 부위별 육질 정보를 분류하는데 사용될 수 있다.
또한, 미리 정의된 기간 동안의 소비자들의 포장 육류 구매 히스토리를 입력받아, 육류별부위별등급별 포장 육류들에 대하여, 모든 세부 품질 분류의 포장 육류들이 미리 정의된 기간 안에 최대한 모두 팔리도록 하는 각각의 품질 분류에 속하는 포장 육류의 가격을 출력하는 제 3 인공지능을 학습시킬 수 있다.제 3인공지능은 도 5을 참조하여 설명된포장 육류 가격 산정 동작에 사용될 수 있다.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(701)는 프로세서(702) 및 메모리(703)를 포함한다. 프로세서(702)는 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 구체적으로, 장치(701)는 서버(100), 사용자 단말(111, 112, 113), 포장 육류 IoT 관리 장치(130),또는 인공지능 학습장치 등일 수 있다.장치(701)를 이용하는 자 또는 단체는 도 1 내지 도 6을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(703)는 전술된 방법들과 관련된 정보를 저장하거나 전술된 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(703)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(702)는 프로그램을 실행하고, 장치(701)를 제어할 수 있다. 프로세서(702)에 의하여 실행되는 프로그램의 코드는 메모리(703)에 저장될 수 있다. 장치(701)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
장치(701)는 인공지능을 학습시키거나, 학습된 인공지능을이용하는데 사용될 수 있다. 메모리(703)는 학습 중인또는 학습된인공지능을 포함할 수 있다. 프로세서(702)는 메모리(703)에 저장된 인공지능 알고리즘을 학습시키거나 실행시킬 수 있다. 인공지능을 학습시키는 장치(701)와 학습된 인공지능을 이용하는 장치(701)는 동일할 수도 있고 개별적일 수도 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (5)

  1. 서버에 의해 수행되는 이미지 기반 포장 육류 품질 분류 및 판매 방법은,
    포장 육류를 보관하는 포장 육류 IoT 관리 장치로 각각의 포장 육류에 대한 미리 정의된 보관 명령을 내리는 단계;
    상기 각각의 포장 육류 이미지를 획득하는 단계;
    상기 각각의 포장 육류 이미지를 기초로, 상기 각각의 포장 육류의 품질을 분류하는 단계;
    상기 각각의 포장 육류의 품질 분류를 기초로, 상기 각각의 포장 육류의 가격을 산정하는 단계;
    각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하는 단계;
    제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하는 단계;
    상기 제 1포장 육류의 판매를 확정하는 단계;
    상기 포장 육류 IoT 관리 장치로 상기 제 1 포장 육류의 출하를 명령하는 단계; 및
    각각의 사용자 단말로 상기 각각의 포장 육류에서 상기 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이하는 단계
    를 포함하고,
    상기 각각의 포장 육류의 품질을 분류하는 단계는,
    상기 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어지는,
    이미지 기반 포장 육류 품질 분류 및 판매 방법.
  2. 제 1항에 있어서,
    상기 각각의 포장 육류의 품질을 분류하는 단계는,
    미리 정의된 방법에 의해 분류 대상 포장 육류가 세절 전의 원육으로부터 세절된 후에 세절된 포장 육류를 비교 대상 포장 육류로 정의하는 단계;
    상기 분류 대상 포장 육류가 포장된 상태에서의 전면 이미지를 참조하는 단계;
    상기 비교 대상 포장 육류가 포장된 상태에서의 전면 이미지를 참조하는 단계;
    상기 분류 대상 포장 육류의 전면 이미지 및 비교 대상 포장 육류의 전면 이미지를 인공지능에 적용하여, 상기 분류 대상 포장 육류의 위치별 육질 정보를 추론하는 단계; 및
    상기 분류 대상 포장 육류의 위치별 육질 정보를 기초로, 상기 분류 대상 포장 육류의 품질을 분류하는 단계
    를 포함하는,
    이미지 기반 포장 육류 품질 분류 및 판매 방법.
  3. 이미지 기반 포장 육류 품질 분류 및 판매 시스템은
    포장 육류를 냉장 관리하고, 포장 육류의 상태를 촬영할 수 있는 포장 육류 IoT 관리 장치;및
    상기 포장 육류 IoT 관리 장치 및 각각의 사용자 단말과 유무선으로 통신하는 서버
    를 포함하고,
    상기 포장 육류 IoT 관리 장치는,
    관리 중인 각각의 포장 육류의 이미지와 제품 코드를 촬영하고,
    상기 서버로 상기 각각의 포장 육류 이미지와 제품 코드를 전송하고,
    상기 서버는,
    상기 포장 육류 IoT 장치로 상기 각각의 포장 육류에 대한 미리 정의된 보관 명령을 내리고,
    상기 각각의 포장 육류 이미지와 제품 코드를 기초로 각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하고,
    제 1사용자 단말을 통해 제 1사용자가 선택한 제 1포장 육류의 구매 요청을 획득하고,
    상기 포장 육류 IoT 관리 장치로 상기 제 1포장 육류의 구매 요청을 전송하고,
    상기 포장 육류 IoT 관리 장치는,
    상기 서버로 상기 제 1포장 육류가 재고로 있음을 전송하고,
    상기 서버는,
    상기 제 1포장 육류의 판매를 확정하고,
    상기 포장 육류 IoT 관리 장치로 상기 제 1포장 육류의 출하를 명령하고,
    각각의 사용자 단말로 상기 각각의 포장 육류에서 상기 제 1포장 육류를 제외한 포장 육류들을 육류별, 부위별, 등급별로 디스플레이하며,
    상기 서버가 각각의 포장 육류의 품질을 분류하는 동작은,
    상기 각각의 포장육류의 포장을 개봉하지 않은 상태에서의 포장 육류의 이미지를 기반으로 포장 육류의 품질 분류가 이루어지는,
    이미지 기반 포장 육류 품질 분류 및 판매 시스템
  4. 제 3항에 있어서
    상기 포장 육류 IoT 관리 장치는,
    포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 촬영하고,
    상기 비포장 육류를 포장하고,
    상기 포장된 육류를 보관하고,
    상기 서버는,
    포장 직전 트레이에 올려진 제품의 비포장 육류 이미지를 획득하고,
    상기 각각의 비포장 육류 이미지를 기초로, 상기 각각의 포장 육류의 품질을 분류하고,
    상기 각각의 비포장 육류의 품질 분류를 기초로, 상기 각각의 포장 육류의 가격을 상정하고,
    각각의 사용자 단말로 상기 각각의 포장 육류를 육류별, 부위별, 등급별로 디스플레이하고,
    상기 서버가 상기 각각의 포장 육류의 품질을 분류하는 동작은,
    상기 각각의 비포장 육류의 이미지를 기반으로 이루어지는,
    이미지 기반 포장 육류 품질 분류 및 판매 시스템.
  5. 제 3항에 있어서,
    상기 제 1포장 육류의 출하를 명령받은 상기 포장 육류 IoT 관리 장치가 수행하는 동작은,
    제1 포장 육류의 보관 위치를 기억하고 꺼내는(picking) 단계;
    제1 포장 육류를 출하 지역으로 이송하는 단계;
    제1 포장 육류의 출하 정보 및 배송지를 출력하는 단계;
    제1 포장 육류를 최종 포장하는 단계;
    제1 포장 육류를 배송하는 단계;
    를 포함하는
    이미지 기반 포장 육류 품질 분류 및 판매 시스템.
PCT/KR2021/010202 2020-09-04 2021-08-04 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템 WO2022050584A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/922,417 US20230267704A1 (en) 2020-09-04 2021-08-04 Method, device, and system ofquality classifying and selling packed meat based on image
JP2023511838A JP7500115B2 (ja) 2020-09-04 2021-08-04 画像基盤のパック詰め肉類の品質分類及販売方法、装置及びシステム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200113404A KR102236974B1 (ko) 2020-09-04 2020-09-04 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
KR10-2020-0113404 2020-09-04

Publications (1)

Publication Number Publication Date
WO2022050584A1 true WO2022050584A1 (ko) 2022-03-10

Family

ID=75472738

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/010202 WO2022050584A1 (ko) 2020-09-04 2021-08-04 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템

Country Status (4)

Country Link
US (1) US20230267704A1 (ko)
JP (1) JP7500115B2 (ko)
KR (1) KR102236974B1 (ko)
WO (1) WO2022050584A1 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102236974B1 (ko) * 2020-09-04 2021-04-06 주식회사 어니스트초이스 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
KR102330041B1 (ko) 2021-09-10 2021-11-23 주식회사 네모컴퍼니 숙성육 판매 시스템
KR102392721B1 (ko) 2021-09-10 2022-04-29 주식회사 어니스트초이스 실물 이미지 기반 육류 제품 정보 제공 및 육류 제품 판매 방법
KR102392532B1 (ko) 2021-09-10 2022-04-29 주식회사 어니스트초이스 실물 이미지 기반 인터넷 판매 플랫폼용　신선 식품 생산 방법, 장치 및 시스템
KR20230115134A (ko) * 2022-01-26 2023-08-02 주식회사 티센바이오팜 인공육 주문 방법, 인공육 주문을 위한 유저 인터페이스 제공 방법 및 인공육 주문을 위한 그래픽유저인터페이스
KR102428731B1 (ko) * 2022-03-22 2022-08-02 이한형 맞춤형 소고기 상품 추천 및 손질 방법 안내 서비스 제공 장치 및 방법
KR102516025B1 (ko) * 2022-08-23 2023-03-30 피플즈리그 주식회사 고기 특성 정보를 획득하는 방법 및 장치
KR20240052699A (ko) 2022-10-14 2024-04-23 이호진 육류 품질 분석 장치를 포함하는 리얼 커머스 솔루션 시스템 및 동작 방법
KR102549092B1 (ko) * 2023-02-21 2023-06-29 (주)59컴퍼니 뉴럴 네트워크를 이용하여 육류의 신선도에 따라 육류를 관리하는 방법 및 장치
CN117195081B (zh) * 2023-11-07 2024-02-27 广东工业大学 基于文本挖掘的餐饮外卖包装废弃物核算方法
KR102658768B1 (ko) * 2023-12-26 2024-04-18 주식회사 어니스트초이스 이미지 처리 기반 육류 내 특성 분석 및 가격 산출 처리 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140057228A (ko) * 2014-04-04 2014-05-12 예산벽창우축산주식회사 온라인 지육 판매 절차 및 시스템
KR101594666B1 (ko) * 2014-02-14 2016-02-16 경상대학교산학협력단 삼겹살 품질 등급 판별 장치 및 그 등급 판별 방법
KR101892995B1 (ko) * 2018-06-04 2018-08-31 유영구 유통을 위한 육류처리 방법
KR101954398B1 (ko) * 2017-10-30 2019-03-05 김진 축산품 구매 서비스 시스템 및 방법
KR20200084940A (ko) * 2018-12-24 2020-07-14 순천대학교 산학협력단 Cnn 기반 병해 및 손상 과일 분류 장치 및 방법
KR102236974B1 (ko) * 2020-09-04 2021-04-06 주식회사 어니스트초이스 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170287058A1 (en) 2016-03-30 2017-10-05 Nima Pedram System, Method, and Apparatus for Visually Facilitating Customer Orders
KR101882494B1 (ko) 2017-10-14 2018-08-24 최영순 축산물 무인 판매기 시스템
JP7219016B2 (ja) 2018-04-27 2023-02-07 日立造船株式会社 判定装置、判定方法、および対象物判定プログラム
JP6913953B2 (ja) 2018-11-07 2021-08-04 有限会社 ワーコム農業研究所 肉質等級の品質基準のデジタル化方法、それによる品質基準を利用した品質評価のデジタル処理方法、それらを利用した自動肉質評価装置、および、それに搭載されるソフトウェア
KR102086976B1 (ko) 2019-12-09 2020-03-09 주식회사 아스트로스 수입 육류 관리 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101594666B1 (ko) * 2014-02-14 2016-02-16 경상대학교산학협력단 삼겹살 품질 등급 판별 장치 및 그 등급 판별 방법
KR20140057228A (ko) * 2014-04-04 2014-05-12 예산벽창우축산주식회사 온라인 지육 판매 절차 및 시스템
KR101954398B1 (ko) * 2017-10-30 2019-03-05 김진 축산품 구매 서비스 시스템 및 방법
KR101892995B1 (ko) * 2018-06-04 2018-08-31 유영구 유통을 위한 육류처리 방법
KR20200084940A (ko) * 2018-12-24 2020-07-14 순천대학교 산학협력단 Cnn 기반 병해 및 손상 과일 분류 장치 및 방법
KR102236974B1 (ko) * 2020-09-04 2021-04-06 주식회사 어니스트초이스 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템

Also Published As

Publication number Publication date
JP7500115B2 (ja) 2024-06-17
US20230267704A1 (en) 2023-08-24
KR102236974B1 (ko) 2021-04-06
JP2023538048A (ja) 2023-09-06

Similar Documents

Publication Publication Date Title
WO2022050584A1 (ko) 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
Dahlgran et al. The demand impacts of chicken contamination publicity—a case study
CN108665134A (zh) 用于监控食品制备的装置和方法
CN109151378A (zh) 一种外卖食品监控系统
CN105580040A (zh) 销售促进系统、销售促进方法、非瞬时计算机可读介质和货架系统
WO2017209430A1 (ko) 평가정보에 따라 레시피를 수정하는 레시피정보제공시스템 및 레시피정보제공방법
KR20180071595A (ko) 레시피 모듈에 기초한 요리 레시피 생성 장치 및 제공 장치
WO2020166765A1 (ko) 식습관 관리 시스템 및 그 동작 방법
Taylor Preparing America's food safety system for the twenty-first century-who is responsible for what when it comes to meeting the food safety challenges of the consumer-driven global economy
CN108229766A (zh) 一种拣货任务处理方法、装置及系统
JP2021009652A (ja) 情報提案システム、情報提案方法、プログラムおよび記録媒体
WO2022265157A1 (ko) 도축 이력 정보를 이용한 저탄소 제품 인증 방법 및 시스템
de‐Magistris et al. Do virtual reality experiments replicate projection bias phenomena? Examining the external validity of a virtual supermarket
US20220180302A1 (en) System and method for inventory management and multimedia content delivery
JP2021107991A (ja) 情報処理装置、コンピュータプログラム及び情報処理方法
WO2022113188A1 (ja) 情報処理装置
KR20140057228A (ko) 온라인 지육 판매 절차 및 시스템
KR102317761B1 (ko) 맞춤형 육류 세트 주문 서비스 및 이를 위한 유저 인터페이스 제공 방법, 장치 및 시스템
WO2016195196A1 (ko) 평가 대상에 대한 평가 결과를 정량화하는 방법
KR20220001393A (ko) 요리사와 주문자간 영상채팅 플랫폼
CN114519512A (zh) 数据处理方法、装置、可读存储介质及电子设备
US20220138926A1 (en) Information processing apparatus and information processing method
KR20200113780A (ko) 증강현실을 이용한 생산자의 시나리오 동영상 상품정보 등록방법
WO2020246326A1 (ja) 個品管理装置、制御方法、システム、及びプログラム
WO2022231174A1 (ko) 전자 장치 및 그 제어 방법

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: 21864545

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2023511838

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 03/08/2023)

122 Ep: pct application non-entry in european phase

Ref document number: 21864545

Country of ref document: EP

Kind code of ref document: A1