KR102180077B1 - Livestock weight estimation system using livestock weight estimation application based on 3D images and Livestock weight estimation method using the same - Google Patents
Livestock weight estimation system using livestock weight estimation application based on 3D images and Livestock weight estimation method using the same Download PDFInfo
- Publication number
- KR102180077B1 KR102180077B1 KR1020200052495A KR20200052495A KR102180077B1 KR 102180077 B1 KR102180077 B1 KR 102180077B1 KR 1020200052495 A KR1020200052495 A KR 1020200052495A KR 20200052495 A KR20200052495 A KR 20200052495A KR 102180077 B1 KR102180077 B1 KR 102180077B1
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- weight
- data
- candidate list
- list
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
- G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
-
- G06K9/46—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템과, 이를 이용한 가축 무게 추정 방법에 관한 것으로, 더욱 자세하게는 3D 센서로부터 획득한 다수의 프레임을 이용하여 후보리스트 방식과 다중회귀 방식을 통해 가축의 무게를 추정함으로써, 무게 추정 정확도 및 신뢰도가 우수한 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템과, 이를 이용한 가축 무게 추정 방법을 제공할 수 있다.The present invention relates to a livestock weight estimation system using a livestock weight estimation application based on a 3D image, and a livestock weight estimation method using the same. More specifically, a candidate list method using a plurality of frames obtained from a 3D sensor and By estimating the weight of livestock through a multiple regression method, a livestock weight estimation system using a livestock weight estimation application based on a 3D image with excellent weight estimation accuracy and reliability, and a livestock weight estimation method using the same can be provided.
축산업의 경우, 사육 동물의 개체별 사양관리를 위해서는 정기적인 체중관리가 필요하다. In the case of livestock industry, regular weight management is required for feeding management of individual breeding animals.
특히, 양돈농가의 경우 출하 시 규격기준이 매우 중요하며, 규격기준 내에 맞는 돼지의 출하여부에 따라 농장의 소득에 매우 큰 차이를 가져온다. 돼지는 체중과 지방 두께에 따른 양적기준과 돼지고기의 지방분포와 고기의 육색에 따른 질적기준에 따라 돼지의 등급이 결정되는데, 통상적으로 115kg에서 120kg까지의 돼지를 규격돈이라고 한다. In particular, in the case of pig farms, the standard standard is very important at the time of shipment, and according to the shipping amount of pigs that meet the standard standard, the income of the farm has a very large difference. Pigs are graded according to the quantitative standard according to the weight and fat thickness, the qualitative standard according to the fat distribution and meat color of the pork. Generally, pigs weighing 115kg to 120kg are called standard pigs.
규격돈의 체중을 만족시킬 경우 상위등급을 받을 수 있기 때문에 체중을 정확히 측정하여 출하돼지를 선별하는 것이 매우 중요하다. It is very important to select shipping pigs by accurately measuring their weight because if they satisfy the weight of standard pigs, they can receive a higher grade.
이를 위해 주기적인 체중측정 또는 모니터링의 필요성이 현장에서 요구되고 있다.For this, the need for periodic weighing or monitoring is required in the field.
현재 돼지의 체중은 흉의측위법 및 돈형기에 의하여 측정되고 있다.Currently, the weight of pigs is measured by thoracic positioning method and pig pen.
흉위측위법은 돈의 흉위를 줄자로 측정하여 얻은 값을 체중 산출식에 적용하여 체중을 환산하는 것으로, 특별한 시설을 설치할 필요가 없다는 장점으로 사용되고 있으나 측정치의 오차가 매우 큰 문제점이 있다.The thoracic positioning method converts the weight by applying the value obtained by measuring the chest of a pig with a tape measure to a weight calculation formula. It is used as an advantage that no special facilities need to be installed, but the measurement error is very large.
또한, 돈형기는 돼지의 체중을 측정하는 저울에 부대장치를 설비한 후 밀폐된 공간에서 양돈의 무게를 직접 측정하는 것으로, 양돈의 체중을 계측하기 위해서는 모든 돼지들을 돈형기로 유도한 후, 돈형기내에 일정시간을 정체시켜야 하는 번거로움이 따르며 이 과정에서 1마리의 체중을 측정하기 위해 1인 작업자 기준으로 약 10분 이상의 상당 시간이 소요되는 문제점이 있으며, 돼지의 분뇨로 인해 전자저울의 잦은 고장과 유지 보수에 어려움이 있었다.In addition, the pig machine measures the weight of pigs in an enclosed space after installing an accessory device on the scale that measures the weight of pigs. To measure the weight of pigs, all pigs are guided to the pig machine and then There is a problem of having to hold down a certain amount of time within the prison period, and in this process, it takes about 10 minutes or more for a single worker to measure the weight of one animal, and there is a problem that electronic scales are frequently used due to pig manure. There were breakdowns and difficulties in maintenance.
또한, 농가인구의 감소 및 고령화로 인해 인력이 부족하여 이에 대한 대비책이 필요하다.In addition, due to the decrease in the population of farm households and an aging population, there is a shortage of manpower, which requires a countermeasure.
따라서, 간편하고 정확하게 돼지의 무게를 측정하여 돼지의 지속적인 체중관리를 하고 농가의 노동력을 절감시킬 수 있으며, 이를 통해 출하시점에 돼지의 체중을 정확하게 예측하기 위한 기술이 필요한 실정이다.Therefore, by simply and accurately measuring the weight of the pig, it is possible to continuously manage the weight of the pig and reduce the labor of the farmer, and through this, a technology for accurately predicting the weight of the pig at the time of shipment is required.
최근 가축을 촬영하여 이미지를 통해 가축의 부피, 무게 등을 예측하는 시스템 또는 방법이 개발되고 있으나, 방해요인(햇빛, 가축의 움직임 등)과 다른객체(땅, 구조물 등)들에 의한 오차가 발생하여 정확도가 떨어지는 문제가 있었다. Recently, a system or method for predicting the volume and weight of livestock through images by photographing livestock has been developed, but errors due to obstacles (sunlight, movement of livestock, etc.) and other objects (ground, structures, etc.) Therefore, there was a problem of poor accuracy.
상기와 같은 문제를 해결하고자, 본 발명은 3D 센서로부터 획득한 다수의 프레임을 이용하여 후보리스트 방식과 다중회귀 방식을 통해 가축의 무게를 추정함으로써, 무게 추정 정확도 및 신뢰도가 우수한 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템과, 이를 이용한 가축 무게 추정 방법을 제공하는데 목적이 있다.In order to solve the above problem, the present invention estimates the weight of livestock through a candidate list method and a multiple regression method using a plurality of frames acquired from a 3D sensor, based on a 3D image with excellent weight estimation accuracy and reliability. An object of the present invention is to provide a livestock weight estimation system using a livestock weight estimation application and a livestock weight estimation method using the same.
상기와 같은 과제를 해결하기 위하여, 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템에 있어서, 가축을 촬영하는 3D 센서 및 상기 3D 센서를 통해 추출된 가축 프레임을 이용하여 가축의 무게를 추정하는 가축 무게 추정 애플리케이션을 포함하는 단말을 포함하되, 상기 가축 무게 추정 애플리케이션은 상기 3D 센서를 작동시켜 가축을 촬영하여 하나 이상의 가축 프레임을 추출하는 센서촬영부 및 추출된 가축 프레임을 이용하여 추정무게를 도출하는 무게추정부를 포함하는 가축 무게 추정 시스템을 제공할 수 있다.In order to solve the above problems, in the livestock weight estimation system using the livestock weight estimation application based on a 3D image according to an embodiment of the present invention, a 3D sensor for photographing livestock and the extracted through the 3D sensor Including a terminal including a livestock weight estimation application for estimating the weight of livestock using the livestock frame, wherein the livestock weight estimation application is a sensor photographing unit for extracting one or more livestock frames by photographing livestock by operating the 3D sensor and It is possible to provide a livestock weight estimation system including a weight estimation unit that derives the estimated weight using the extracted livestock frame.
또한, 상기 무게추정부는 추출된 가축 프레임을 3차원 좌표 데이터로 변환하는 변환부; 상기 변환된 3차원 좌표 데이터를 전처리하여 3차원 가축 데이터로 생성하는 전처리부 및 상기 3차원 가축 데이터로부터 추정무게를 도출하는 무게도출부를 포함할 수 있다.In addition, the weight estimating unit may include a conversion unit for converting the extracted livestock frame into 3D coordinate data; A pre-processing unit for pre-processing the converted 3D coordinate data to generate 3D livestock data, and a weight extraction unit for deriving an estimated weight from the 3D livestock data.
또한, 상기 전처리부는 상기 3차원 좌표 데이터에서 팩터를 추출하는 팩터추출부를 포함할 수 있다.In addition, the preprocessor may include a factor extractor for extracting a factor from the 3D coordinate data.
또한, 상기 전처리부는 상기 3차원 좌표 데이터의 유효성을 판단하는 유효성검증부 및 상기 3차원 좌표 데이터의 노이즈를 제거하는 노이즈제거부를 더 포함할 수 있다.In addition, the preprocessor may further include a validity verification unit determining validity of the 3D coordinate data and a noise removing unit removing noise of the 3D coordinate data.
또한, 상기 팩터는 머리방향, 바닥각도, 초점거리, 높이, 길이1, 흉위, 중위, 후위, 몸통 둘레 평균, 몸통 둘레 총합 및 3차원 가축 데이터의 점운(cloud point)의 수 중 하나 이상을 포함할 수 있다.In addition, the factor includes at least one of head direction, floor angle, focal length, height,
(여기서, 길이1은 머리를 제거한 앞다리부터 엉덩이 끝까지의 거리, 길이2는 앞다리와 뒷다리 사이의 거리이다.)(Here,
또한, 상기 무게도출부는 하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 선정하여 후보 리스트를 생성하고, 생성된 후보 리스트의 조건만족의 경우의 수를 판단하여 상기 3차원 가축 데이터의 제1 무게를 도출하는 후보 리스트부; 상기 3차원 가축 데이터에 다중회귀 공식을 적용하여 제2 무게를 도출하는 알고리즘 도출부 및 상기 제1 무게 및 제2 무게를 이용하여 추정무게를 도출하는 최종 도출부를 포함할 수 있다.In addition, the weight extraction unit generates a candidate list by selecting one or more of the three-dimensional livestock data according to a factor, and determines the number of cases of conditional satisfaction of the generated candidate list to derive the first weight of the three-dimensional livestock data. A candidate list unit; An algorithm deriving unit for deriving a second weight by applying a multiple regression formula to the 3D livestock data, and a final deriving unit for deriving an estimated weight using the first and second weights.
또한, 상기 후보 리스트부는 하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 후보로 선정하여 후보 리스트를 생성하는 리스트생성부 및 생성된 후보 리스트의 조건만족의 경우의 수를 판단하고, 경우에 따라 상기 3차원 가축 데이터의 제1 무게를 도출하는 리스트처리부를 포함할 수 있다.In addition, the candidate list unit selects one or more three-dimensional livestock data as candidates according to a factor, and determines the number of cases of conditional satisfaction of the list generation unit and the generated candidate list to generate a candidate list. It may include a list processing unit for deriving the first weight of the dimensional livestock data.
또한, 상기 리스트생성부는 상기 3차원 가축 데이터의 머리방향, 바닥각도, 초점거리, 길이1 및 몸통 둘레 총합 중 하나 이상을 가축표준데이터와 비교하여 제1 후보 리스트를 생성하고, 상기 3차원 가축 데이터의 머리방향, 몸통 둘레 총합, 높이, 길이1 및 중위 중 하나 이상을 가축표준데이터와 비교하여 제2 후보 리스트를 생성하며, 상기 3차원 가축 데이터의 머리방향, 길이1, 흉위, 중위 및 후위 중 하나 이상을 가축표준데이터와 비교하여 제3 후보 리스트를 생성하는 것을 특징으로 한다.In addition, the list generation unit generates a first candidate list by comparing at least one of the head direction, the floor angle, the focal length, the
또한, 상기 리스트생성부는 상기 제1, 제2 및 제3 후보 리스트 생성 시, 제1, 제2 및 제3 후보 백업 리스트도 생성하는 것을 특징으로 한다.In addition, when generating the first, second, and third candidate lists, the list generator may also generate first, second, and third candidate backup lists.
또한, 상기 알고리즘 도출부는 상기 3차원 가축 데이터의 팩터 중 높이, 길이2, 몸통 둘레 평균 및 3차원 가축 데이터의 점운(cloud point)의 수를 이용하여 하기 수학식 1을 통해 제2 무게를 도출하는 것을 특징으로 한다.In addition, the algorithm derivation unit derives the second weight through
[수학식 1][Equation 1]
제2 무게 = m1 + (h1 × 높이) + (2ㅣ1 × 길이2) + (g1 × 몸통 둘레 평균) + (p1 × 3차원 가축 데이터의 점운(cloud point)의 수)2nd weight = m 1 + (h 1 × height) + (2ㅣ 1 × length2) + (g 1 × average body circumference) + (p 1 × number of cloud points in 3D livestock data)
(여기서, m1은 무게상수, h1은 높이상수, 2ㅣ1은 길이2상수, g1은 둘레평균상수, p1은 3차원 가축 데이터의 점운(cloud point)상수이다)(Where m 1 is the weight constant, h 1 is the height constant, 2ㅣ 1 is the length 2 constant, g 1 is the circumferential average constant, and p 1 is the cloud point constant of 3D livestock data)
또한, 상기 최종 도출부는 상기 제2 무게에서 제1 무게를 뺀 값의 절대값에 따라 추정무게를 도출하는 것을 특징으로 한다.In addition, the final derivation unit is characterized in that the estimated weight is derived according to an absolute value of a value obtained by subtracting the first weight from the second weight.
또한, 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템을 이용한 가축 무게 추정 방법에 있어서, (a) 가축을 촬영하는 3D 센서 및 상기 3D 센서를 통해 추출된 가축 프레임을 이용하여 가축의 무게를 추정하는 가축 무게 추정 애플리케이션을 포함하는 단말을 통해 가축을 촬영하여 하나 이상의 가축 프레임을 추출하는 촬영단계 및 (b) 추출된 가축 프레임을 이용하여 추정무게를 도출하는 무게추정단계를 포함하는 가축 무게 추정 방법을 제공할 수 있다.In addition, in the livestock weight estimation method using a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention, (a) through a 3D sensor for photographing livestock and the 3D sensor A photographing step of extracting one or more livestock frames by photographing livestock through a terminal including a livestock weight estimation application that estimates the weight of livestock using the extracted livestock frames, and (b) calculating the estimated weight using the extracted livestock frames. It is possible to provide a method for estimating livestock weight including the deriving weight estimation step.
여기서, 상기 (b) 단계는 추출된 가축 프레임을 3차원 좌표 데이터로 변환하는 변환단계; 상기 변환된 3차원 좌표 데이터를 전처리하여 3차원 가축 데이터로 생성하는 전처리단계 및 상기 3차원 가축 데이터로부터 추정무게를 도출하는 무게도출단계를 포함할 수 있다.Here, the step (b) includes a transformation step of converting the extracted livestock frame into 3D coordinate data; It may include a pre-processing step of pre-processing the converted 3D coordinate data to generate 3D livestock data, and a weight derivation step of deriving an estimated weight from the 3D livestock data.
또한, 상기 전처리단계는 상기 3차원 좌표 데이터에서 팩터를 추출하는 팩터추출단계를 포함할 수 있다.In addition, the preprocessing step may include a factor extraction step of extracting a factor from the 3D coordinate data.
또한, 상기 팩터추출단계 전에, 상기 3차원 좌표 데이터의 유효성을 판단하는 유효성검증단계 및 상기 3차원 좌표 데이터의 노이즈를 제거하는 노이즈제거단계를 더 포함할 수 있다.In addition, before the factor extraction step, a validity verification step of determining validity of the 3D coordinate data and a noise removal step of removing noise of the 3D coordinate data may be further included.
또한, 상기 무게도출단계는 하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 선정해 후보 리스트를 생성하고, 생성된 후보 리스트의 조건만족의 경우의 수를 판단하여 상기 3차원 가축 데이터의 제1 무게를 도출하는 제1 무게도출단계; 상기 3차원 가축 데이터에 다중회귀 공식을 적용하여 제2 무게를 도출하는 제2 무게도출단계 및 상기 제1 무게 및 제2 무게를 이용하여 추정무게를 도출하는 추정무게도출단계를 포함할 수 있다.In addition, in the weight derivation step, a candidate list is generated by selecting one or more of the three-dimensional livestock data according to a factor, and the first weight of the three-dimensional livestock data is determined by determining the number of cases in which the conditions of the generated candidate list are satisfied. A first weight extraction step of deriving; A second weight derivation step of deriving a second weight by applying a multiple regression formula to the 3D livestock data, and an estimated weight derivation step of deriving an estimated weight using the first weight and the second weight.
또한, 상기 제1 무게도출단계는 하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 후보로 선정하여 후보 리스트를 생성하는 리스트생성단계 및 생성된 후보 리스트의 조건만족의 경우의 수를 판단하고, 경우에 따라 상기 3차원 가축 데이터의 제1 무게를 도출하는 리스트처리단계를 포함할 수 있다.In addition, in the first weight extraction step, a list generation step of generating a candidate list by selecting one or more three-dimensional livestock data as candidates according to a factor, and determining the number of cases in which the conditions of the generated candidate list are satisfied, Accordingly, a list processing step of deriving the first weight of the 3D livestock data may be included.
또한, 상기 리스트생성단계는 각 상기 3차원 가축 데이터의 머리방향, 바닥각도, 초점거리, 길이1 및 몸통 둘레 총합 중 하나 이상을 가축표준데이터와 비교하여 제1 후보 리스트를 생성하는 제1 후보 단계; 각 상기 3차원 가축 데이터의 머리방향, 몸통 둘레 총합, 높이, 길이1 및 중위 중 하나 이상을 가축표준데이터와 비교하여 제2 후보 리스트를 생성하는 제2 후보 단계 및 각 상기 3차원 가축 데이터의 머리방향, 길이1, 흉위, 중위 및 후위 중 하나 이상을 가축표준데이터와 비교하여 제3 후보 리스트를 생성하는 제3 후보 단계를 포함할 수 있다.In addition, the list generation step is a first candidate step of generating a first candidate list by comparing at least one of the total of the head direction, the floor angle, the focal length, the
또한, 상기 제1, 2 및 3 후보 단계는 각각 상기 제1, 제2 및 제3 후보 리스트 생성 시, 제1, 제2 및 제3 후보 백업 리스트도 생성하는 것을 특징으로 한다.In addition, in the first, second, and third candidate steps, when generating the first, second, and third candidate lists, respectively, the first, second, and third candidate backup lists are also generated.
또한, 상기 리스트처리단계는 상기 제1, 제2 및 제3 후보 리스트가 모두 하나 이상의 3차원 가축 데이터를 가지고 있을 경우, 상기 제1 후보 리스트의 3차원 가축 데이터가 1개 인지 판단하는 제1 개수판단단계; 상기 제1 후보 리스트의 3차원 가축 데이터가 1개면, 상기 제1 후보 리스트의 3차원 가축 데이터의 무게를 예측무게로 선정한 후, 상기 제2 및 제3 후보 리스트의 3차원 가축 데이터 중 상기 예측무게와 동일한 무게를 가지는 데이터가 있는지 찾는 제1 검출단계 및 상기 제2 및 제3 후보 리스트 모두 상기 예측무게와 동일한 무게를 가지는 3차원 가축 데이터를 가지는지에 따라 제1 무게를 도출하는 제1 도출단계를 포함할 수 있다.In addition, in the list processing step, when the first, second, and third candidate lists all have at least one 3D livestock data, a first number of determining whether there is one 3D livestock data in the first candidate list Judgment step; If there is one 3D livestock data of the first candidate list, the weight of the 3D livestock data of the first candidate list is selected as a predicted weight, and then the predicted weight of the 3D livestock data of the second and third candidate lists is selected. A first detection step of finding whether there is data having the same weight as and a first derivation step of deriving a first weight according to whether both the second and third candidate lists have 3D livestock data having the same weight as the predicted weight. It may include.
또한, 상기 리스트처리단계는 상기 제1 개수판단계에서 상기 제1 후보 리스트의 3차원 가축 데이터가 1개가 아니면, 추정무게를 도출하고자 하는 상기 3차원 가축 데이터의 길이2가 상기 제1 후보 리스트의 n번째 3차원 가축 데이터의 길이2의 범위 내에 있는지 판단하는 길이판단단계; 상기 제1 후보 리스트의 n번째 3차원 가축 데이터의 길이2의 범위 내에 있을 경우, 상기 제1 후보 리스트의 n번째 3차원 가축 데이터의 무게를 예측무게로 선정한 후, 상기 제2 및 제3 후보 리스트의 3차원 가축 데이터 중 상기 예측무게와 동일한 무게를 가지는 데이터가 있는지 찾는 제2 검출단계; 상기 제2 및 제3 후보 리스트 모두 상기 예측무게와 동일한 무게를 가지는 3차원 가축 데이터를 가지는지에 따라, 제1 임시 리스트에 상기 제1 후보 리스트의 n번째 3차원 가축 데이터를 추가하는 임시리스트생성단계 및 생성된 제1 임시 리스트의 3차원 가축 데이터의 개수에 따라 제1 무게를 도출하는 제2 도출단계를 포함하되, 상기 길이판단단계, 제2 검출단계 및 임시리스트생성단계는 n번 반복되어 이루어지는 것을 특징으로 한다.In addition, in the list processing step, if there is not one 3D livestock data of the first candidate list in the first repair plate step, the length 2 of the 3D livestock data to be derived from the estimated weight is a length determination step of determining whether or not it is within the range of the length 2 of the nth 3D livestock data; If it is within the range of the length 2 of the nth 3D livestock data of the first candidate list, after selecting the weight of the nth 3D livestock data of the first candidate list as a predicted weight, the second and third candidate lists A second detection step of finding whether there is data having the same weight as the predicted weight among the three-dimensional livestock data of; Depending on whether both the second and third candidate lists have 3D livestock data having the same weight as the predicted weight, a temporary list is generated to add the nth 3D livestock data of the first candidate list to a first temporary list Step and a second derivation step of deriving a first weight according to the number of three-dimensional livestock data in the generated first temporary list, wherein the length determination step, the second detection step, and the temporary list generation step are repeated n times. It characterized in that it is made.
(여기서, 상기 n은 2 이상으로, 상기 제1 후보 리스트의 3차원 가축 데이터의 개수이다)(Where, n is 2 or more, which is the number of 3D livestock data in the first candidate list)
또한, 상기 리스트처리단계는 상기 제1 및 제2 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우, 추정무게를 도출하고자 하는 상기 3차원 가축 데이터의 높이가 상기 제1 후보 리스트의 1번째 3차원 가축 데이터의 높이보다 큰지에 따라 상기 제1 무게를 도출하는 제3 도출단계를 포함할 수 있다.In addition, in the list processing step, when only the first and second candidate lists have one or more 3D livestock data, the height of the 3D livestock data to be estimated weight is the first 3D livestock data of the first candidate list. It may include a third derivation step of deriving the first weight according to whether it is greater than the height of the dimensional livestock data.
또한, 상기 리스트처리단계는 상기 제2 및 제3 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우, 상기 제3 후보 리스트의 3차원 가축 데이터가 1개 초과인지 판단하는 제2 개수판단단계 및 상기 제3 후보 리스트의 3차원 가축 데이터가 1개 초과이면, 상기 제2 후보 리스트의 3차원 가축 데이터의 평균무게를 제1 무게로 도출하는 제4-1 도출단계를 포함할 수 있다.In addition, in the list processing step, when only the second and third candidate lists have one or more three-dimensional livestock data, a second number determination step of determining whether there are more than one three-dimensional livestock data in the third candidate list, and If there are more than one 3D livestock data in the third candidate list, a 4-1 derivation step of deriving the average weight of the 3D livestock data of the second candidate list as the first weight.
또한, 상기 리스트처리단계는 상기 제2 개수판단단계에서 상기 제3 후보 리스트의 3차원 가축 데이터가 1개를 초과하지 않을 경우, 상기 제2 후보 리스트의 k번째 3차원 가축 데이터의 무게가 상기 제3 후보 리스트의 3차원 가축 데이터의 무게 이상인지에 따라 상기 제2 후보 리스트의 3차원 가축 데이터를 분류하여 계산하는 계산단계 및 추정무게를 도출하고자 하는 상기 3차원 가축 데이터의 높이가 상기 제3 후보 리스트의 3차원 가축 데이터의 높이 이상인지에 따라 상기 제1 무게를 도출하는 제4-2 도출단계를 더 포함하되, 상기 계산단계는 k번 반복되어 이루어지는 것을 특징으로 한다.In addition, in the list processing step, when the number of 3D livestock data of the third candidate list does not exceed one in the second number determination step, the weight of the kth 3D livestock data of the second candidate list is 3 Calculation step of classifying and calculating the 3D livestock data of the second candidate list according to whether or not the weight of the 3D livestock data of the candidate list is greater, and the height of the 3D livestock data to derive the estimated weight is the third candidate A 4-2 derivation step of deriving the first weight according to whether or not the height of the 3D livestock data of the list is higher, wherein the calculation step is repeated k times.
(여기서, 상기 k는 1이상으로, 상기 제2 후보 리스트의 3차원 가축 데이터의 개수이다)(Here, k is 1 or more, and is the number of 3D livestock data in the second candidate list)
또한, 상기 리스트처리단계는 상기 제1 및 제3 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우, 추정무게를 도출하고자 하는 상기 3차원 가축 데이터의 높이가 상기 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 이상인지에 따라 상기 제1 무게를 도출하는 제5 도출단계를 포함할 수 있다.In addition, in the list processing step, when only the first and third candidate lists have one or more 3D livestock data, the height of the 3D livestock data to be estimated weight is the first 3rd of the third candidate list. It may include a fifth derivation step of deriving the first weight according to whether the height of the dimensional livestock data or more.
또한, 상기 리스트처리단계는 상기 제1 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우, 상기 제1 후보 리스트의 1번째 3차원 가축 데이터의 무게를 제1 무게로 도출하는 제6 도출단계를 포함할 수 있다.In addition, the list processing step includes a sixth derivation step of deriving the weight of the first 3D livestock data of the first candidate list as the first weight when only the first candidate list has one or more 3D livestock data. Can include.
또한, 상기 리스트처리단계는 상기 제2 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우, 상기 제2 후보 리스트의 3차원 가축 데이터의 평균무게를 제1 무게로 도출하는 제7 도출단계를 포함할 수 있다.In addition, the list processing step includes a seventh derivation step of deriving the average weight of the 3D livestock data of the second candidate list as the first weight when only the second candidate list has one or more 3D livestock data. can do.
또한, 상기 리스트처리단계는 상기 제3 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우, 상기 제3 후보 리스트의 3차원 가축 데이터가 1개인지에 따라 제1 무게를 도출하는 제1 무게를 도출하는 제8 도출단계를 포함할 수 있다.In addition, in the list processing step, when only the third candidate list has one or more 3D livestock data, the first weight is derived for deriving the first weight according to whether there is one 3D livestock data in the third candidate list. It may include an eighth derivation step.
상기와 같은 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템과, 이를 이용한 가축 무게 추정 방법은 3D 센서로부터 획득한 다수의 프레임을 이용하여 후보리스트 방식과 다중회귀 방식을 통해 가축의 무게를 추정함으로써, 무게 추정 정확도 및 신뢰도가 우수할 수 있다.The livestock weight estimation system using the livestock weight estimation application based on the 3D image and the livestock weight estimation method using the same according to an embodiment of the present invention as described above is a candidate list method using a plurality of frames obtained from the 3D sensor By estimating the weight of livestock through a multiple regression method, the accuracy and reliability of weight estimation can be excellent.
이에 가축의 중량을 측정하기 위해 별도의 부대설비가 필요하지 않고 가축의 지속적인 체중관리를 통한 사료 조절을 통해 사육비용을 절감할 수 있고 출하시점을 정확히 예측할 수 있어 농가의 수익을 증대시킬 수 있다.Therefore, additional equipment is not required to measure the weight of livestock, and breeding costs can be reduced through feed control through continuous weight management of livestock, and the time of shipment can be accurately predicted, thereby increasing the profits of farmers.
또한, 체중을 측정하기 위해 가축을 유도하여 일정시간 정체시켜야 하는 번거로움이 없어, 농가의 인력 부족, 인력 고령화 및 규모 대형화에 따른 문제를 해소할 수 있다.In addition, there is no hassle of inducing livestock to be congested for a certain period of time in order to measure body weight, so it is possible to solve problems caused by a lack of manpower of farmers, an aging manpower, and an increase in scale.
또한, 돼지뿐만 아니라 닭, 소 등 다양한 가축에 적용될 수 있어 활용성이 확대될 것으로 기대된다.In addition, it can be applied not only to pigs, but also to various livestock such as chickens and cows, so its utility is expected to expand.
도 1은 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템을 나타낸 구성도.
도 2는 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템의 단말에서 출력되는 미리보기화면을 나타낸 예시도.
도 3은 도 1의 무게추정부의 구성을 나타낸 블록도.
도 4는 팩터를 나타낸 예시도.
도 5는 도 3의 무게도출부의 구성을 나타낸 블록도.
도 6은 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템을 이용한 가축 무게 추정 방법을 개략적으로 나타낸 흐름도.
도 7은 도 6의 S2 단계를 순차적으로 나타낸 흐름도.
도 8은 도 7의 S22 단계를 나타낸 흐름도.
도 9는 도 8의 S220 단계를 순차적으로 나타낸 흐름도.
도 10은 제1, 제2 및 제3 후보 리스트가 조건 만족일 경우의 S2201 단계를 나타낸 흐름도.
도 11은 도 10의 S22012a 단계가 이루어지는 과정을 나타낸 흐름도.
도 12는 도 10의 S22016a 단계가 이루어지는 과정을 나타낸 흐름도.
도 13은 제1 및 제2 후보 리스트가 조건 만족일 경우의 S2201 단계에서 S22010b 단계가 이루어지는 과정을 나타낸 흐름도.
도 14는 제2 및 제3 후보 리스트가 조건 만족일 경우의 S2201 단계를 나타낸 흐름도.
도 15는 도 14의 S22013c 단계가 이루어지는 과정을 나타낸 흐름도.
도 16은 제1 및 제3 후보 리스트가 조건 만족일 경우의 S2201 단계에서 S22010d 단계가 이루어지는 과정을 나타낸 흐름도.
도 17은 제3 후보 리스트만 조건 만족일 경우의 S2201 단계에서 S22010e 단계가 이루어지는 과정을 나타낸 흐름도.
도 18은 조건 만족 후보 리스트가 없을 경우의 S2201 단계에서 S22010f 단계가 이루어지는 과정을 나타낸 흐름도.1 is a block diagram showing a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention.
2 is an exemplary view showing a preview screen output from a terminal of a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention.
Figure 3 is a block diagram showing the configuration of the weight estimation unit of Figure 1;
4 is an exemplary diagram showing a factor.
Figure 5 is a block diagram showing the configuration of the weight extraction unit of Figure 3;
6 is a flowchart schematically illustrating a method of estimating livestock weight using a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention.
7 is a flowchart sequentially showing step S2 of FIG. 6;
8 is a flow chart showing step S22 of FIG. 7.
9 is a flowchart sequentially showing step S220 of FIG. 8.
10 is a flowchart illustrating step S2201 when the first, second, and third candidate lists satisfy conditions.
11 is a flowchart showing a process in which step S22012a of FIG. 10 is performed.
12 is a flowchart illustrating a process in which step S22016a of FIG. 10 is performed.
13 is a flowchart illustrating a process in which step S22010b is performed from step S2201 when the first and second candidate lists are satisfied with conditions.
14 is a flowchart showing step S2201 when the second and third candidate lists satisfy conditions.
15 is a flowchart showing a process in which step S22013c of FIG. 14 is performed.
16 is a flowchart illustrating a process in which step S22010d is performed in step S2201 when the first and third candidate lists are satisfied with conditions.
17 is a flowchart illustrating a process in which step S22010e is performed in step S2201 when only a third candidate list is satisfied with a condition.
18 is a flowchart illustrating a process in which step S22010f is performed in step S2201 when there is no list of candidates for satisfying conditions.
이하, 도면을 참조한 본 발명의 설명은 특정한 실시 형태에 대해 한정되지 않으며, 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있다. 또한, 이하에서 설명하는 내용은 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Hereinafter, the description of the present invention with reference to the drawings is not limited to a specific embodiment, and various transformations may be applied and various embodiments may be provided. In addition, the content described below should be understood to include all conversions, equivalents, and substitutes included in the spirit and scope of the present invention.
이하의 설명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용되는 용어로서, 그 자체에 의미가 한정되지 아니하며, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.In the following description, terms such as first and second are terms used to describe various elements, and their meanings are not limited thereto, and are used only for the purpose of distinguishing one element from other elements.
본 명세서 전체에 걸쳐 사용되는 동일한 참조번호는 동일한 구성요소를 나타낸다.The same reference numbers used throughout this specification denote the same elements.
본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 이하에서 기재되는 "포함하다", "구비하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로 해석되어야 하며, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Singular expressions used in the present invention include plural expressions unless the context clearly indicates otherwise. In addition, terms such as "include", "include" or "have" described below are intended to designate the presence of features, numbers, steps, actions, components, parts, or combinations thereof described in the specification. It is to be construed and not to preclude the possibility of the presence or addition of one or more other features, numbers, steps, actions, components, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 갖는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs. Terms as defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and should not be interpreted as an ideal or excessively formal meaning unless explicitly defined in this application. Does not.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, in the description with reference to the accompanying drawings, the same reference numerals are assigned to the same components regardless of the reference numerals, and redundant descriptions thereof will be omitted. In describing the present invention, when it is determined that a detailed description of related known technologies may unnecessarily obscure the subject matter of the present invention, a detailed description thereof will be omitted.
본 발명에서 가축 무게 추정 애플리케이션은 무선통신망을 통해 통신하는 스마트 폰을 포함하는 이동통신 단말기에서 제공됨이 바람직하나, 유선통신망을 통해 통신하는 컴퓨터 환경에서도 제공될 수 있다. 이하에서는 이동통신 단말기를 중심으로 설명하기로 한다.In the present invention, the livestock weight estimation application is preferably provided in a mobile communication terminal including a smart phone that communicates through a wireless communication network, but may also be provided in a computer environment that communicates through a wired communication network. Hereinafter, a description will be given focusing on a mobile communication terminal.
이하, 본 발명의 실시 예를 첨부한 도 1 내지 도 18을 참조하여 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to FIGS. 1 to 18.
도 1은 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템을 나타낸 구성도이고, 도 2는 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템의 단말에서 출력되는 미리보기화면을 나타낸 예시도이고, 도 3은 도 1의 무게추정부의 구성을 나타낸 블록도이고, 도 4는 팩터를 나타낸 예시도이며, 도 5는 도 3의 무게도출부의 구성을 나타낸 블록도이다.1 is a block diagram showing a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention, Figure 2 is a livestock based on a 3D image according to an embodiment of the present invention An exemplary diagram showing a preview screen output from a terminal of a livestock weight estimation system using a weight estimation application, FIG. 3 is a block diagram showing the configuration of the weight estimation unit of FIG. 1, and FIG. 4 is an exemplary diagram showing a factor, 5 is a block diagram showing the configuration of the weight extraction unit of FIG. 3.
도 1을 참조하면, 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템은 단말(1)을 포함하고, 단말(1)은 3D 센서(10) 및 가축 무게 추정 애플리케이션(20)을 포함할 수 있다.1, a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention includes a
단말(1)은 농가의 사육사, 관리자 등 사용자의 모바일 단말기일 수 있으며, 모바일 단말기 외 PC 태블릿 등에도 용이하게 적용될 수 있다.The
이와 같이 단말(1)은 모바일 단말기로 구현되어 이동성 및 편의성이 용이하고, 이에 관리자가 쉽게 가축의 무게를 측정할 수 있도록 한다.As described above, the
3D 센서(10)는 가축을 촬영하여 3차원의 가축 프레임을 확보할 수 있도록 한다. 이를 위해, 3D 센서(10)는 라이다 등 3차원 영상을 촬영할 수 있는 다양한 센서로 구비될 수 있다.The 3D sensor 10 photographs livestock to secure a three-dimensional livestock frame. To this end, the 3D sensor 10 may be provided with various sensors capable of capturing a 3D image such as a lidar.
이러한 3D 센서(10)는 가축 무게 추정 애플리케이션(20)의 센서촬영부(22)에 의해 작동될 수 있다.This 3D sensor 10 may be operated by the sensor photographing unit 22 of the livestock
가축 무게 추정 애플리케이션(20)은 3D 센서(10)를 통해 추출된 가축 프레임을 이용하여 가축의 무게를 추정할 수 있는 것으로, 안드로이드, iOS 기반의 일반 애플리케이션을 의미하나, 단말(1) 또는 유무선 서비스 형태에 따라 일반 애플리케이션 또는 웹 서비스 기반의 애플리케이션으로 제공될 수도 있다. 제공 방법으로는 단말(1)을 통해 서버에 접속하여 다운로드 받거나 또는 온라인 어플 마켓(예컨대, 안드로이드 마켓, 애플 스토어, 통신사의 온라인마켓 등)을 통해 다운로드 받아 설치할 수 있다.The livestock
구체적으로, 가축 무게 추정 애플리케이션(20)은 데이터저장부(21), 센서촬영부(22), 무게추정부(23) 및 관리부(24)를 포함할 수 있다.Specifically, the livestock
데이터저장부(21)는 미리 수집한 가축 데이터를 이용하여 생성된 가축표준데이터를 저장하고, 사용자로부터 입력된 가축의 생체정보, 추정무게 데이터 등을 저장할 수 있다.The data storage unit 21 may store livestock standard data generated by using the livestock data collected in advance, and store biometric information and estimated weight data of livestock input from a user.
여기서, 가축표준데이터는 가축농가에서 가축을 실측하고, 3D 촬영하여 미리 수집한 가축 데이터를 분석하여 개월별 또는 무게별로 표준화한 데이터로, 개월별 또는 무게별 3차원 가축 데이터를 포함할 수 있으며, 미리 수집한 가축 데이터는 가축의 생체정보, 3차원 모델 데이터 및 무게를 포함할 수 있다.Here, the livestock standard data is data standardized by months or weights by analyzing livestock data collected in advance by measuring livestock in livestock farms and taking 3D photographs, and may include three-dimensional livestock data by month or by weight, The livestock data collected in advance may include livestock biometric information, 3D model data, and weight.
또한 가축의 생체정보는 무게를 측정하고자 하는 가축의 생체정보로, 가축분류번호, 종, 성별 및 개월수 중 하나 이상을 포함할 수 있으며, 모두 포함하는 것이 바람직하다. In addition, the biometric information of livestock is the biometric information of livestock for which the weight is to be measured, and may include at least one of a livestock classification number, species, sex, and number of months, and preferably includes all.
센서촬영부(22)는 3D 센서(10)를 작동시켜 가축을 촬영하여 하나 이상의 가축 프레임을 추출할 수 있다.The sensor photographing unit 22 may extract one or more livestock frames by photographing livestock by operating the 3D sensor 10.
먼저, 센서촬영부(22)는 가축 무게 추정 애플리케이션이 실행되면 3D 센서(10)를 작동시켜 가축을 탐지하도록 한다. 가축이 탐지되면 3D 센서(10)를 초기화하여 가축을 촬영하도록 한다. 이때, 단말(1)의 화면에는 도 2와 같이 미리보기화면이 제공될 수 있으며, 촬영버튼을 활성화시켜 사용자가 촬영버튼을 누름에 따라 캡쳐가 이루어지도록 할 수 있다.First, when the livestock weight estimation application is executed, the sensor photographing unit 22 operates the 3D sensor 10 to detect livestock. When livestock is detected, the 3D sensor 10 is initialized to photograph livestock. In this case, a preview screen as shown in FIG. 2 may be provided on the screen of the
즉, 사용자가 촬영 버튼을 눌러 촬영 시작 정보가 입력되면, 촬영버튼을 비활성화시키고 캡쳐를 통해 하나 이상의 가축 프레임을 추출할 수 있다.That is, when the user presses the photographing button to input photographing start information, the photographing button may be deactivated and one or more livestock frames may be extracted through capture.
캡쳐는 연속캡쳐로 이루어져 다수의 가축 프레임을 추출할 수 있도록 하는 것이 바람직하며, 연속캡쳐 횟수값에 따라 연속캡쳐가 이루어질 수 있다. 연속캡쳐 횟수값은 10 내지 12일 수 있으나, 이에 한정되지는 않는다.It is preferable that the capture consists of continuous capture so that a plurality of livestock frames can be extracted, and continuous capture may be performed according to the value of the number of consecutive captures. The continuous capture count value may be 10 to 12, but is not limited thereto.
여기서 획득한 가축 프레임은 2차원 정보와 깊이정보를 포함할 수 있다.The livestock frame obtained here may include 2D information and depth information.
이와 같이 캡쳐를 통해 가축 프레임을 추출함으로써, 성능저하를 최소화할 수 있다.By extracting livestock frames through the capture in this way, it is possible to minimize performance degradation.
반면, 센서촬영부(22)는 가축이 탐지되지 않을 경우 작동을 중단하여 다시 재진행하도록 할 수 있다.On the other hand, when the livestock is not detected, the sensor photographing unit 22 may stop the operation and proceed again.
무게추정부(23)는 추출된 하나 이상의 가축 프레임을 이용하여 추정무게를 도출할 수 있다. The
도 3을 참조하면, 무게추정부(23)는 변환부(230), 전처리부(231) 및 무게도출부(232)를 포함할 수 있다.Referring to FIG. 3, the
변환부(230)는 가축 프레임을 배열화한 후, 점을 추출하여 3차원 좌표 데이터로 변환할 수 있다. 이러한 3차원 좌표 데이터는 데이터저장부(21)에 저장될 수 있다.After arranging the livestock frames, the
전처리부(231)는 변환된 3차원 좌표 데이터를 전처리하여 3차원 가축 데이터로 생성할 수 있는데, 이를 위해, 유효성검증부, 노이즈제거부 및 팩터추출부를 포함할 수 있다.The
유효성검증부는 3차원 좌표 데이터의 유효성을 판단하는 것으로, 방해요인(햇빛, 가축의 움직임 등)에 의해서 사용하기에 적합하지 않은 가축 프레임을 얻을 수 있기 때문에, 추출된 점의 개수를 확인하여 유효성을 판단할 수 있다.The validity verification unit determines the validity of the 3D coordinate data, and because it can obtain livestock frames that are not suitable for use due to obstruction factors (sunlight, movement of livestock, etc.), the validity is verified by checking the number of extracted points. I can judge.
유효성 판단은 추출된 점의 개수가 설정된 일정 점 개수 이상인지에 따라 판단할 수 있으며, 일정 점 개수 미만일 경우 해당 3차원 좌표 데이터를 탈락시켜 추정무게를 도출하는데 사용되지 않도록 할 수 있다.The validity determination can be determined according to whether the number of extracted points is greater than or equal to a set number of points, and when the number of points is less than the predetermined number of points, the corresponding 3D coordinate data may be eliminated so that it is not used to derive the estimated weight.
노이즈제거부는 3차원 좌표 데이터의 노이즈를 제거하는 것으로, 가축이 아닌 다른 객체들(땅, 건물의 프레임 등)도 같이 촬영될 수 있기 때문에, 추출된 점 중 가축이 아닌 다른 객체에 해당하는 점을 제거할 수 있다.The noise removal unit removes noise from the 3D coordinate data, and because objects other than livestock (ground, frames of buildings, etc.) can also be photographed, points corresponding to objects other than livestock are selected among the extracted points. Can be removed.
팩터추출부는 3차원 좌표 데이터에서 팩터를 추출하여 3차원 가축 데이터를 생성할 수 있다. 이때, 3차원 가축 데이터는 3차원 좌표 데이터 및 팩터를 포함할 수 있다.The factor extracting unit may generate 3D livestock data by extracting a factor from the 3D coordinate data. In this case, the 3D livestock data may include 3D coordinate data and a factor.
이때, 팩터는, 머리방향, 바닥각도, 초점거리, 높이(height), 길이1(length01), 흉위(girth_first), 중위(girth_mid), 후위(girth_end), 몸통 둘레 평균, 몸통 둘레 총합 및 점운(cloud point)의 수 중 하나 이상일 수 있으나, 이에 한정되지 않고, 굴곡여부 등 다양한 팩터를 추출할 수도 있다.At this time, the factors are head direction, floor angle, focal length, height, length 1 (length01), girth_first, girth_mid, girth_end, average circumference of the body, total circumference of the body, and point cloud ( cloud point) may be one or more of the number, but is not limited thereto, and various factors such as bending or not may be extracted.
도 4에 나타낸 바와 같이, 길이1은 머리를 제거한 앞다리부터 엉덩이 끝까지의 거리, 길이2는 앞다리와 뒷다리 사이의 거리이다.As shown in FIG. 4,
무게도출부(232)는 3차원 가축 데이터로부터 추정무게를 도출할 수 있다.The
여기서 무게도출부(232)는 3차원 가축 데이터가 두개 이상일 경우, 3차원 가축 데이터의 개수에 따라 추정무게 도출 과정을 반복하여 각각의 3차원 가축 데이터에 따른 추정무게를 구하여, 3차원 가축 데이터의 개수에 대응되는 추정무게 데이터를 구할 수 있다. 즉, 하나의 3차원 가축 데이터씩 추정무게를 구하는 것이다.Here, when there are two or more three-dimensional livestock data, the
추정무게 데이터는 도출된 추정무게 및 3차원 가축 데이터를 포함할 수 있고, 이에 한정되지 않고 다른 정보들을 더 포함할 수도 있다.The estimated weight data may include the derived estimated weight and 3D livestock data, but is not limited thereto and may further include other information.
도 5를 참조하면, 무게도출부(232)는 후보 리스트부(2320), 알고리즘 도출부(2321) 및 최종 도출부(2322)를 포함할 수 있다.Referring to FIG. 5, the
후보 리스트부(2320)는 하나 이상의 3차원 가축 데이터를 팩터에 따라 선정하여 후보 리스트를 생성하고, 생성된 후보 리스트의 조건만족의 경우의 수를 판단하여 3차원 가축 데이터의 제1 무게를 도출할 수 있다.The
이를 위해, 후보 리스트부(2320)는 리스트생성부 및 리스트처리부를 포함할 수 있다.To this end, the
리스트생성부는 하나 이상의 3차원 가축 데이터를 팩터에 따라 후보로 선정하여 후보 리스트를 생성할 수 있다.The list generator may generate a candidate list by selecting one or more 3D livestock data as candidates according to factors.
구체적으로, 리스트생성부는 하나 이상의 3차원 가축 데이터를 각각 가축표준데이터를 기준으로 팩터를 통해 비교하여 가축표준데이터에 속할 경우, 후보1, 후보2, 후보3으로 선정하여 제1, 제2 및 제3 후보 리스트에 추가하는 것으로 최종적인 제1, 제2 및 제3 후보 리스트를 생성할 수 있다.Specifically, the list generation unit compares one or more three-dimensional livestock data through factors based on livestock standard data, and if it belongs to livestock standard data, selects
이때, 3차원 가축 데이터는 후보로 선정될 경우 매칭되는 가축표준데이터에 따른 무게가 3차원 가축 데이터의 무게로 포함될 수 있다.In this case, when the 3D livestock data is selected as a candidate, the weight according to the matched livestock standard data may be included as the weight of the 3D livestock data.
리스트생성부는 3차원 가축 데이터의 머리방향, 바닥각도, 초점거리, 길이1 및 몸통 둘레 총합 중 하나 이상을 가축표준데이터와 비교하여 제1 후보 리스트를 생성할 수 있다.The list generator may generate a first candidate list by comparing at least one of the head direction, the floor angle, the focal length, the
또한, 리스트생성부는 3차원 가축 데이터의 머리방향, 몸통 둘레 총합, 높이, 길이1 및 중위 중 하나 이상을 가축표준데이터와 비교하여 제2 후보 리스트를 생성할 수 있다.In addition, the list generator may generate a second candidate list by comparing at least one of the head direction, the total body circumference, height,
또한, 리스트생성부는 3차원 가축 데이터의 머리방향, 길이1, 흉위, 중위 및 후위 중 하나 이상을 가축표준데이터와 비교하여 제3 후보 리스트를 생성할 수 있다.In addition, the list generator may generate a third candidate list by comparing one or more of the head direction,
한편, 리스트생성부는 각각의 제1, 제2 및 제3 후보 리스트 생성 시, 제1, 제2 및 제3 후보 백업 리스트도 생성할 수 있다.Meanwhile, the list generator may also generate first, second and third candidate backup lists when generating each of the first, second and third candidate lists.
상기 과정에 대해서는 하기 가축 무게 추정 방법에서 보다 자세하게 설명하기로 한다.The above process will be described in more detail in the following livestock weight estimation method.
리스트처리부는 생성된 후보 리스트(제1, 제2 및 제3 후보 리스트)의 조건만족의 경우의 수를 판단하고, 경우에 따라 3차원 가축 데이터의 제1 무게를 도출할 수 있다.The list processing unit may determine the number of cases of condition satisfaction of the generated candidate list (first, second, and third candidate lists) and derive a first weight of the 3D livestock data according to the case.
조건만족은 하나 이상의 3차원 가축 데이터를 가지는지이며, 제1, 제2 및 제3 후보 리스트가 생성됨에 따라, 경우의 수는 3개 만족(제1 내지 제3 후보 리스트), 2개 만족(제1 및 제2 후보 리스트, 제2 및 제3 후보 리스트, 제1 및 제3 후보 리스트), 1개 만족(제1, 제2, 제3 후보 리스트), 0개 만족가 발생할 수 있다.Conditional satisfaction is whether there is one or more 3D livestock data, and as the first, second, and third candidate lists are generated, the number of cases is 3 satisfactory (first to third candidate list), and 2 satisfactory ( First and second candidate lists, second and third candidate lists, first and third candidate lists), one satisfaction (first, second, third candidate list), and zero satisfaction may occur.
이러한 각각의 경우에 따라 제1 무게가 도출되는 과정에 대해서는 하기 가축 무게 추정 방법에서 보다 자세하게 설명하기로 한다.The process of deriving the first weight in each of these cases will be described in more detail in the following livestock weight estimation method.
알고리즘 도출부(2321)는 3차원 가축 데이터에 다중회귀 공식을 적용하여 제2 무게를 도출할 수 있다.The
구체적으로, 알고리즘 도출부(2321)는 3차원 가축 데이터의 팩터 중 높이, 길이2, 몸통 둘레 평균 및 3차원 가축 데이터의 점운(cloud point)의 수를 이용하여 하기 수학식 1을 통해 제2 무게를 도출할 수 있다.Specifically, the
[수학식 1][Equation 1]
제2 무게 = m1 + (h1 × 높이) + (2ㅣ1 × 길이2) + (g1 × 몸통 둘레 평균) + (p1 × 3차원 가축 데이터의 점운(cloud point)의 수)2nd weight = m 1 + (h 1 × height) + (2ㅣ 1 × length2) + (g 1 × average body circumference) + (p 1 × number of cloud points in 3D livestock data)
여기서, m1은 무게상수, h1은 높이상수, 2ㅣ1은 길이2상수, g1은 둘레평균상수, p1은 3차원 가축 데이터의 점운(cloud point)상수이다.Here, m 1 is the weight constant, h 1 is the height constant, 2 l 1 is the length 2 constant, g 1 is the circumference average constant, and p 1 is the cloud point constant of 3D livestock data.
이외에도 알고리즘 도출부(2321)는 하기 수학식 2 내지 4를 각각 이용하여 제2 무게를 도출할 수도 있다.In addition, the
보다 구체적으로, 알고리즘 도출부(2321)는 팩터 중 높이, 길이1, 몸통 둘레 평균 및 3차원 가축 데이터의 점운(cloud point)의 수를 이용하여 수학식 2를 통해 제2 무게를 도출할 수 있다.More specifically, the
[수학식 2][Equation 2]
제2 무게 = m2 + (h2 × 높이) + (1ㅣ2 × 길이1) + (g2 × 몸통 둘레 평균) + (p2 × 3차원 가축 데이터의 점운(cloud point)의 수)2nd weight = m 2 + (h 2 × height) + (1ㅣ 2 × length1) + (g 2 × average body circumference) + (p 2 × number of cloud points in 3D livestock data)
여기서, m2는 무게상수, h2는 높이상수, 1ㅣ2는 길이1상수, g2는 둘레평균상수, p2는 3차원 가축 데이터의 점운(cloud point)상수이다.Here, m 2 is the weight constant, h 2 is the height constant, 1ㅣ 2 is the
또한, 알고리즘 도출부(2321)는 팩터 중 높이, 몸통 둘레 평균 및 3차원 가축 데이터의 점운(cloud point)의 수를 이용하여 수학식 3을 통해 제2 무게를 도출할 수 있다.In addition, the
[수학식 3][Equation 3]
제2 무게 = m3 + (h3 × 높이) + (g3 × 몸통 둘레 평균) + (p3 × 3차원 가축 데이터의 점운(cloud point)의 수)Second weight = m 3 + (h 3 × height) + (g 3 × average body circumference) + (p 3 × number of cloud points in 3D livestock data)
여기서, m3는 무게상수, h3는 높이상수, g3는 둘레평균상수, p3는 3차원 가축 데이터의 점운(cloud point)상수이다.Here, m 3 is the weight constant, h 3 is the height constant, g 3 is the circumference average constant, and p 3 is the cloud point constant of 3D livestock data.
또한, 알고리즘 도출부(2321)는 팩터 중 몸통 둘레 평균 및 3차원 가축 데이터의 점운(cloud point)의 수를 이용하여 수학식 4를 통해 제2 무게를 도출할 수 있다.In addition, the
[수학식 4][Equation 4]
제2 무게 = m4 + (g4 × 몸통 둘레 평균) + (p4 × 3차원 가축 데이터의 점운(cloud point)의 수)Second weight = m 4 + (g 4 × average body circumference) + (p 4 × number of cloud points in 3D livestock data)
여기서, m4는 무게상수, g4는 둘레평균상수, p4는 3차원 가축 데이터의 점운(cloud point)상수이다.Here, m 4 is the weight constant, g 4 is the circumferential average constant, and p 4 is the cloud point constant of 3D livestock data.
최종 도출부(2322)는 제1 무게 및 제2 무게를 이용하여 추정무게를 도출할 수 있는데, 제2 무게에서 제1 무게를 뺀 값의 절대값에 따라 추정무게를 도출할 수 있다. 절대값이 일정무게값 미만일 경우 제2 무게를 추정무게로 도출하며, 절대값이 일정무게값 이상일 경우 추정무게를 0kg으로 도출할 수 있다.The final derivation unit 2322 may derive the estimated weight using the first weight and the second weight, and may derive the estimated weight according to an absolute value of a value obtained by subtracting the first weight from the second weight. When the absolute value is less than the predetermined weight value, the second weight is derived as the estimated weight, and when the absolute value is greater than the predetermined weight value, the estimated weight can be derived as 0 kg.
최종 도출부(2322)는 상기와 같은 과정을 통해 추정무게를 도출한 후, 추정무게 데이터로 생성하여 사용자에게 제공하고, 데이터저장부(21)에 저장할 수 있다.The final derivation unit 2322 may derive the estimated weight through the above process, generate the estimated weight data, provide it to the user, and store it in the data storage unit 21.
이때, 추정무게로 0kg이 도출될 경우 이는 '무게 측정 실패'로 간주될 수 있으며, 이에 따라 최종 도출부(2322)는 사용자에게 '무게 측정 실패'를 알려 가축을 재촬영하여 재추정하도록 하거나 자동으로 3D 센서(10)를 작동시켜 처음으로 돌아가 다시 진행되도록 할 수 있다.At this time, if 0kg is derived as the estimated weight, it may be regarded as a'weight measurement failure'. Accordingly, the final derivation unit 2322 notifies the user of a'weight measurement failure' so that the livestock can be retaken and reestimated or automatically By operating the 3D sensor 10, it is possible to return to the beginning and proceed again.
관리부(24)는 데이터저장부(21)에 저장되어 있는 추정무게 데이터를 가축별, 날짜별, 무게별 등으로 정리된 형태로 제공할 수 있다.The
상기와 같은 가축 무게 추정 시스템을 이용한 가축 무게 추정 방법에 대하여 하기에서 구체적으로 설명하기로 한다.A method for estimating livestock weight using the livestock weight estimation system as described above will be described in detail below.
도 6은 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템을 이용한 가축 무게 추정 방법을 개략적으로 나타낸 흐름도이고, 도 7은 도 6의 S2 단계를 순차적으로 나타낸 흐름도이고, 도 8은 도 7의 S22 단계를 나타낸 흐름도이고, 도 9는 도 8의 S220 단계를 순차적으로 나타낸 흐름도이고, 도 10은 제1, 제2 및 제3 후보 리스트가 조건 만족일 경우의 S2201 단계를 나타낸 흐름도이고, 도 11은 도 10의 S22012a 단계가 이루어지는 과정을 나타낸 흐름도이고, 도 12는 도 10의 S22016a 단계가 이루어지는 과정을 나타낸 흐름도이고, 도 13은 제1 및 제2 후보 리스트가 조건 만족일 경우의 S2201 단계에서 S22010b 단계가 이루어지는 과정을 나타낸 흐름도이고, 도 14는 제2 및 제3 후보 리스트가 조건 만족일 경우의 S2201 단계를 나타낸 흐름도이고, 도 15는 도 14의 S22013c 단계가 이루어지는 과정을 나타낸 흐름도이고, 도 16은 제1 및 제3 후보 리스트가 조건 만족일 경우의 S2201 단계에서 S22010d 단계가 이루어지는 과정을 나타낸 흐름도이고, 도 17은 제3 후보 리스트만 조건 만족일 경우의 S2201 단계에서 S22010e 단계가 이루어지는 과정을 나타낸 흐름도이며, 도 18은 조건 만족 후보 리스트가 없을 경우의 S2201 단계에서 S22010f 단계가 이루어지는 과정을 나타낸 흐름도이다.6 is a flowchart schematically showing a livestock weight estimation method using a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention, and FIG. 7 is a sequential step S2 of FIG. 8 is a flowchart showing step S22 of FIG. 7, and FIG. 9 is a flowchart sequentially showing step S220 of FIG. 8, and FIG. 10 is a date when the first, second, and third candidate lists are satisfied. FIG. 11 is a flowchart showing a process in which step S22012a of FIG. 10 is performed, FIG. 12 is a flowchart showing a process in which step S22016a of FIG. 10 is performed, and FIG. 13 is a flow chart showing step S2201 of the case, and FIG. FIG. 14 is a flowchart showing a process in which step S22010b is performed in step S2201 when the list is satisfied with the condition, FIG. 14 is a flowchart showing step S2201 when the second and third candidate lists are satisfied, and FIG. 15 is S22013c in FIG. Fig. 16 is a flowchart showing a process in which step S22010d is performed in step S2201 when the first and third candidate lists are satisfied with the condition, and FIG. 17 is a flowchart showing the process of performing the step S22010d in the case where only the third candidate list is satisfied with the condition. It is a flowchart illustrating a process of performing step S22010e in step S2201 of, and FIG. 18 is a flowchart illustrating a process of performing step S22010f in step S2201 when there is no condition satisfaction candidate list.
도 6을 참조하면, 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템을 이용한 가축 무게 추정 방법은 촬영단계(S1) 및 무게추정단계(S2)를 포함할 수 있다.6, a livestock weight estimation method using a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention includes a photographing step (S1) and a weight estimation step (S2). Can include.
먼저, 촬영단계(S1)는 단말(1)을 통해 가축을 촬영하여 하나 이상의 가축 프레임을 추출할 수 있다.First, in the photographing step (S1), by photographing livestock through the
여기서 단말(1)은 3D 센서(10) 및 가축 무게 추정 애플리케이션(20)을 포함하는 것이다.Here, the
이에 S1 단계는 가축 무게 추정 애플리케이션(20)이 실행되면 3D 센서(10)를 통해 가축을 촬영하고 촬영 시작 정보에 따라 가축 무게 추정 애플리케이션(20)을 통해 화면을 캡쳐하여 하나 이상의 가축 프레임을 추출할 수 있다. 이에 대한 설명은 상기 시스템에서 자세하게 설명하였으므로 생략하기로 한다.Accordingly, in step S1, when the livestock
무게추정단계(S2)는 가축 무게 추정 애플리케이션(20)이 추출된 가축 프레임을 이용하여 추정무게를 도출할 수 있다.In the weight estimation step (S2), the livestock
도 7을 참조하면, S2 단계는 변환단계(S20), 전처리단계(S21) 및 무게도출단계(S22)를 포함할 수 있다.Referring to FIG. 7, step S2 may include a conversion step S20, a pretreatment step S21, and a weight extraction step S22.
변환단계(S20)는 하나 이상의 가축 프레임을 각각 배열화한 후, 점을 추출하여 3차원 좌표 데이터로 변환할 수 있다. In the conversion step (S20), after arranging one or more livestock frames, points are extracted and converted into 3D coordinate data.
전처리단계(S21)는 변환된 3차원 좌표 데이터를 전처리하여 각각 3차원 가축 데이터로 생성할 수 있다.In the pre-processing step S21, the converted 3D coordinate data may be preprocessed to generate 3D livestock data.
이를 위해, S22 단계는 유효성검증단계, 노이즈제거단계 및 팩터추출단계를 포함할 수 있다.To this end, step S22 may include a validation step, a noise removal step, and a factor extraction step.
유효성검증단계는 각 3차원 좌표 데이터의 유효성을 판단하여, 유효성이 없는 3차원 좌표 데이터를 탈락시킬 수 있다. 자세한 설명은 상기 시스템에서 하였으므로 생략하기로 한다.In the validation step, the validity of each 3D coordinate data is determined, and 3D coordinate data that is not valid may be eliminated. Detailed descriptions have been made in the above system and thus will be omitted.
노이즈제거단계는 3차원 좌표 데이터의 노이즈를 제거할 수 있다. 자세한 설명은 상기 시스템에서 하였으므로 생략하기로 한다.The noise removal step may remove noise from 3D coordinate data. Detailed descriptions have been made in the above system and thus will be omitted.
팩터추출단계는 3차원 좌표 데이터에서 팩터를 추출하여 3차원 가축 데이터로 생성할 수 있다. 자세한 설명은 상기 시스템에서 하였으므로 생략하기로 한다.In the factor extraction step, a factor may be extracted from the 3D coordinate data to generate 3D livestock data. Detailed descriptions have been made in the above system and thus will be omitted.
무게도출단계(S22)는 3차원 가축 데이터로부터 추정무게를 도출할 수 있는데, 이러한 S22 단계는 3차원 가축 데이터의 개수에 따라 반복 진행되어 각 3차원 가축 데이터에 따른 추정무게를 하나씩 도출할 수 있다. 그러나 이에 한정되지 않고 한번에 진행될 수도 있다.The weight derivation step (S22) can derive the estimated weight from the 3D livestock data, and this step S22 It is repeated according to the number of 3D livestock data, and the estimated weight according to each 3D livestock data can be derived one by one. However, the present invention is not limited thereto and may be performed at once.
도 8을 참조하면, S22 단계는 제1 무게도출단계(S220), 제2 무게도출단계(S221) 및 추정무게도출단계(S222)를 포함할 수 있다.Referring to FIG. 8, step S22 may include a first weight extraction step S220, a second weight extraction step S221, and an estimated weight extraction step S222.
제1 무게도출단계(S220)는 하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 선정해 후보 리스트를 생성하고, 생성된 후보 리스트의 조건만족의 경우의 수를 판단하여 상기 3차원 가축 데이터의 제1 무게를 도출할 수 있다.In the first weight extraction step (S220), a candidate list is generated by selecting one or more of the three-dimensional livestock data according to a factor, and determining the number of cases in which the conditions of the generated candidate list are satisfied, You can derive the weight.
도 9를 참조하면, S220 단계는 리스트생성단계(S2200) 및 리스트처리단계(S2201)를 포함할 수 있다.Referring to FIG. 9, step S220 may include a list generation step (S2200) and a list processing step (S2201 ).
리스트생성단계(S2200)는 하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 후보로 선정하여 후보 리스트를 생성할 수 있다.In the list generation step S2200, a candidate list may be generated by selecting one or more of the 3D livestock data as candidates according to a factor.
즉, S2200 단계는 하나 이상의 3차원 가축 데이터를 각각 가축표준데이터를 기준으로 팩터를 통해 비교하고, 가축표준데이터에 속할 경우 후보1, 후보2, 후보3으로 선정하여 제1, 제2 및 제3 후보 리스트에 추가하는 것으로 최종적인 제1, 제2 및 제3 후보 리스트를 생성할 수 있다.That is, in step S2200, one or more three-dimensional livestock data are compared through a factor based on livestock standard data, and if it belongs to livestock standard data,
이를 위해, S2200 단계는 제1 후보 단계, 제2 후보 단계 및 제3 후보 단계를 포함할 수 있다.To this end, step S2200 may include a first candidate step, a second candidate step, and a third candidate step.
제1 후보 단계는 각 3차원 가축 데이터의 머리방향, 바닥각도, 초점거리, 길이1 및 몸통 둘레 총합 중 하나 이상을 가축표준데이터와 비교하여 제1 후보 리스트를 생성할 수 있다. 가축표준데이터와 비교하여 3차원 가축 데이터가 그 안에 속할 경우 해당 3차원 가축 데이터를 후보1로 선정하여 제1 후보 리스트에 추가할 수 있다. 이와 같은 과정을 통해 제1 후보 리스트를 생성할 수 있다.In the first candidate step, a first candidate list may be generated by comparing at least one of a head direction, a floor angle, a focal length, a
보다 구체적으로, 제1 후보 단계는 3차원 가축 데이터가 가축표준데이터의 '머리방향과 같은지', '바닥각도 범위 내인지', '초점거리 범위 내인지', '길이1 범위 내인지', '몸통 둘레 총합 범위 내인지' 순으로 비교를 진행하고, YES(맞다)인 경우에만 하기 순서로 넘어가도록 하여 모든 경우에 대해 YES인 3차원 가축 데이터만을 제1 후보 리스트에 추가할 수 있다. More specifically, the first candidate stage is whether the three-dimensional livestock data is'the same as the head direction' of the livestock standard data,'is it within the range of the floor angle','is it within the range of focal length','is it within the range of length 1', ' The comparison is performed in the order of whether it is within the total range of the trunk circumference', and only the 3D livestock data that is YES in all cases can be added to the first candidate list by proceeding to the following order only when YES (correct).
상기 순서에 한정되지 않고, 용이하게 변경되어 적용될 수도 있다.It is not limited to the above order, and may be easily changed and applied.
또한, 제1 후보 단계는 제1 후보 백업 리스트도 생성할 수 있는데, 마지막 순서인 '몸통 둘레 총합 범위 내인지'에서만 NO(아니다)인 3차원 가축 데이터를 제1 후보 백업 리스트에 추가하여 제1 후보 백업 리스트를 생성할 수 있다. In addition, the first candidate step can also create a first candidate backup list. The first candidate backup list is added by adding NO (no) 3D livestock data to the first candidate backup list only in the last order, whether it is within the total body circumference range. You can create a list of candidate backups.
리스트에 추가되는 경우 3차원 가축 데이터는 대응되는 가축표준데이터에 따른 무게를 3차원 가축 데이터의 무게로써 포함할 수 있다.When added to the list, the 3D livestock data may include the weight according to the corresponding livestock standard data as the weight of the 3D livestock data.
제2 후보 단계는 각 3차원 가축 데이터의 머리방향, 몸통 둘레 총합, 높이, 길이1 및 중위 중 하나 이상을 가축표준데이터와 비교하여, 3차원 가축 데이터가 그 안에 속할 경우 해당 3차원 가축 데이터를 후보2로 선정하여 제2 후보 리스트에 추가하는 것으로 제2 후보 리스트를 생성할 수 있다.The second candidate step is to compare one or more of the head direction, total body circumference, height,
보다 구체적으로, 제2 후보 단계는 3차원 가축 데이터가 가축표준데이터의 '머리방향과 같은지', '몸통 둘레 총합 범위 내인지', '높이 범위 내인지', '길이1 범위 내인지', '중위 범위 내인지' 순으로 비교를 진행하고, YES(맞다)인 경우에만 하기 순서로 넘어가도록 하여 모든 경우에 대해 YES인 3차원 가축 데이터만을 제2 후보 리스트에 추가할 수 있다. 상기 순서에 한정되지 않고, 용이하게 변경되어 적용될 수도 있다.More specifically, the second candidate stage is whether the 3D livestock data is'the same as the head direction','is it within the total range of the body circumference','is it within the height range','is it within the
또한, 제2 후보 단계는 제2 후보 백업 리스트도 생성할 수 있는데, 마지막 순서인 '중위 범위 내인지'에서만 NO(아니다)인 3차원 가축 데이터를 제2 후보 백업 리스트에 추가하여 제2 후보 백업 리스트를 생성할 수 있다.In addition, the second candidate step can also create a second candidate backup list, and the second candidate backup by adding NO (no) 3D livestock data to the second candidate backup list only in the last order, whether it is within the median range. You can create a list.
제3 후보 단계는 각 상기 3차원 가축 데이터의 머리방향, 길이1, 흉위, 중위 및 후위 중 하나 이상을 가축표준데이터와 비교하여, 3차원 가축 데이터가 그 안에 속할 경우 해당 3차원 가축 데이터를 후보3으로 선정하여 제3 후보 리스트에 추가하는 것으로 제3 후보 리스트를 생성할 수 있다.The third candidate step is to compare one or more of the head direction,
보다 구체적으로, 제3 후보 단계는 3차원 가축 데이터가 가축표준데이터의 '머리방향과 같은지', '길이1 범위 내인지', '흉위 범위 내인지', '중위 범위 내인지', '후위 범위 내인지' 순으로 비교를 진행하고, YES(맞다)인 경우에만 하기 순서로 넘어가도록 하여 모든 경우에 대해 YES인 3차원 가축 데이터만을 제3 후보 리스트에 추가할 수 있다. 상기 순서에 한정되지 않고, 용이하게 변경되어 적용될 수도 있다.More specifically, the third candidate stage is whether the 3D livestock data is the same as the head direction of the livestock standard data, whether it is within the
또한, 제3 후보 단계는 제3 후보 백업 리스트도 생성할 수 있는데, 마지막 순서인 '후위 범위 내인지'에서만 NO(아니다)인 3차원 가축 데이터를 제3 후보 백업 리스트에 추가하여 제3 후보 백업 리스트를 생성할 수 있다.In addition, the third candidate step can also create a third candidate backup list. The third candidate backup by adding NO (no) 3D livestock data to the third candidate backup list only in the last order,'Is it within the rear range?' You can create a list.
리스트처리단계(S2201)는 생성된 후보 리스트(제1, 제2 및 제3 후보 리스트)의 조건만족의 경우의 수를 판단하고, 경우에 따라 3차원 가축 데이터의 제1 무게를 도출할 수 있다.In the list processing step S2201, the number of cases of condition satisfaction of the generated candidate list (first, second, and third candidate lists) may be determined, and a first weight of the 3D livestock data may be derived depending on the case. .
조건만족은 하나 이상의 3차원 가축 데이터를 가지는지이며, 제1, 제2 및 제3 후보 리스트가 생성됨에 따라, 경우의 수는 3개 만족(제1 내지 제3 후보 리스트), 2개 만족(제1 및 제2 후보 리스트, 제2 및 제3 후보 리스트, 제1 및 제3 후보 리스트), 1개 만족(제1, 제2, 제3 후보 리스트), 0개 만족이 발생할 수 있다.Conditional satisfaction is whether there is one or more 3D livestock data, and as the first, second, and third candidate lists are generated, the number of cases is 3 satisfactory (first to third candidate list), and 2 satisfactory ( First and second candidate lists, second and third candidate lists, first and third candidate lists), one satisfaction (first, second, and third candidate list), and zero satisfaction may occur.
이러한 조건만족의 경우의 수에 따라 S2201 단계가 진행되는 과정에 대하여 각각 구체적으로 설명하기로 한다.Each of the processes in which step S2201 proceeds according to the number of cases in which these conditions are satisfied will be described in detail.
도 10을 참조하면, S2201 단계는 제1, 제2 및 제3 후보 리스트가 모두 하나 이상의 3차원 가축 데이터를 가지고 있을 경우(3개 만족의 경우), 제1 개수판단단계(S22010a)를 포함할 수 있다.Referring to FIG. 10, step S2201 includes a first number determination step (S22010a) when all of the first, second, and third candidate lists have one or more three-dimensional livestock data (if three are satisfied). I can.
제1 개수판단단계(S22010a)는 제1 후보 리스트의 3차원 가축 데이터가 1개 인지 판단할 수 있다. 여기서 1개이냐 아니냐에 따라 S2201 단계는 제1 검출단계(S22011a) 및 제1 도출단계(S22012a) 또는 길이판단단계(S22013a), 제2 검출단계(S22014a), 임시리스트생성단계(S22015a) 및 제2 도출단계(S220216a)를 포함할 수 있다.In the first number determination step S22010a, it may be determined whether there is one 3D livestock data in the first candidate list. Depending on whether there is one or not, step S2201 includes a first detection step (S22011a) and a first derivation step (S22012a) or a length determination step (S22013a), a second detection step (S22014a), a temporary list generation step (S22015a), and It may include a 2 derivation step (S220216a).
먼저, S22010a 단계에서 제1 후보 리스트의 3차원 가축 데이터가 1개일 경우에 대해서 설명하기로 한다.First, a case where there is one 3D livestock data in the first candidate list in step S22010a will be described.
제1 검출단계(S22011a)는 S22010a 단계에서 제1 후보 리스트의 3차원 가축 데이터가 1개이면, 1 후보 리스트의 3차원 가축 데이터의 무게를 예측무게로 선정한 후, 제2 및 제3 후보 리스트의 3차원 가축 데이터 중 예측무게와 동일한 무게를 가지는 3차원 가축 데이터가 있는지 찾을 수 있다.In the first detection step (S22011a), if there is one 3D livestock data in the first candidate list in step S22010a, the weight of the 3D livestock data in the first candidate list is selected as the predicted weight, and then the second and third candidate lists are Among the 3D livestock data, it is possible to find whether there are 3D livestock data having the same weight as the predicted weight.
제1 도출단계(S22012a)는 S22011a 단계의 결과에 따라 제1 무게를 도출할 수 있는데, 즉 제2 및 제3 후보 리스트 모두 예측무게와 동일한 무게를 가지는 3차원 가축 데이터가 있냐에 따라 제1 무게를 도출할 수 있다.The first derivation step (S22012a) can derive the first weight according to the result of step S22011a, that is, the first weight according to whether there is 3D livestock data having the same weight as the predicted weight in both the second and third candidate lists. Can be derived.
S22012a 단계는 도 11에 도시된 바와 같이, 제2 및 제3 후보 리스트 모두 예측무게와 동일한 무게를 가지는 3차원 가축 데이터가 있을 경우, 하기 수학식 5 및 6으로부터 제1 무게를 도출할 수 있다.In step S22012a, as shown in FIG. 11, when there is 3D livestock data having the same weight as the predicted weight in both the second and third candidate lists, the first weight may be derived from Equations 5 and 6 below.
[수학식 5][Equation 5]
평균범위 = 몸통 둘레 평균 - 제1 후보 리스트의 3차원 가축 데이터의 몸통 둘레 평균Average range = average body circumference-average body circumference of 3D livestock data in the first candidate list
여기서, 몸통 둘레 평균은 추정무게를 도출하고자 하는 3차원 가축 데이터의 몸통 둘레 평균이다.Here, the average body circumference is the average body circumference of the 3D livestock data for which the estimated weight is to be derived.
[수학식 6][Equation 6]
제1 무게 = 예측무게+(평균범위 Х 1.5)1st weight = predicted weight + (average range Х 1.5)
또한, S22012a 단계는 제2 및 제3 후보 리스트 중 하나 이상이 예측무게와 동일한 무게를 가지는 3차원 가축 데이터가 없을 경우, 예측무게를 제1 무게로 도출할 수 있다.Further, in step S22012a, when there is no 3D livestock data in which at least one of the second and third candidate lists has the same weight as the predicted weight, the predicted weight may be derived as the first weight.
그 다음, S22010a 단계에서 제1 후보 리스트의 3차원 가축 데이터가 1개가 아닐 경우에 대해서 설명하기로 한다.Next, a case in which there is not one 3D livestock data in the first candidate list in step S22010a will be described.
길이판단단계(S22013a)는 S22010a 단계에서 제1 후보 리스트의 3차원 가축 데이터가 1개가 아니면, 추정무게를 도출하고자 하는 3차원 가축 데이터의 길이2가 제1 후보 리스트의 n번째 3차원 가축 데이터의 길이2의 범위 내에 있는지 판단할 수 있다.In the length determination step (S22013a), if there is not one 3D livestock data in the first candidate list in step S22010a, the length 2 of the 3D livestock data for which the estimated weight is to be derived is the nth 3D livestock data of the first candidate list. It can be determined whether it is within the range of length 2.
여기서, n은 2 이상으로, 제1 후보 리스트의 3차원 가축 데이터의 개수이며, 길이판단단계(S22013a), 제2 검출단계(S22014a), 임시리스트생성단계(S22015a)는 n번 반복되어 이루어진다.Here, n is 2 or more, and is the number of 3D livestock data in the first candidate list, and the length determination step (S22013a), the second detection step (S22014a), and the temporary list generation step (S22015a) are repeated n times.
S22013a 단계에서 3차원 가축 데이터의 길이2가 제1 후보 리스트의 n번째 3차원 가축 데이터의 길이2의 범위 내에 있을 경우 제2 검출단계(S22014a)로 진행되며, 3차원 가축 데이터의 길이2가 제1 후보 리스트의 n번째 3차원 가축 데이터의 길이2의 범위 내에 없을 경우 반복횟수 확인을 통해 S22013a 단계가 다시 진행되거나 제2 도출단계(S220216a)가 진행될 수 있다.In step S22013a, if the length 2 of the 3D livestock data is within the range of the length 2 of the nth 3D livestock data in the first candidate list, the process proceeds to the second detection step (S22014a), and the length 2 of the 3D livestock data is determined. If it is not within the range of the length 2 of the n-th 3D livestock data of the 1 candidate list, step S22013a may be performed again through checking the number of repetitions, or step S220216a may be performed.
제2 검출단계(S22014a)는 제1 후보 리스트의 n번째 3차원 가축 데이터의 길이2의 범위 내에 있을 경우, 제1 후보 리스트의 n번째 3차원 가축 데이터의 무게를 예측무게로 선정한 후, 제2 및 제3 후보 리스트의 3차원 가축 데이터 중 상기 예측무게와 동일한 무게를 가지는 데이터가 있는지 찾을 수 있다.In the second detection step (S22014a), if it is within the range of the length 2 of the nth 3D livestock data of the first candidate list, the weight of the nth 3D livestock data of the first candidate list is selected as the predicted weight, and then the second And whether there is data having the same weight as the predicted weight among 3D livestock data in the third candidate list.
임시리스트생성단계(S22015a)는 S22014a 단계의 결과를 통해 제2 및 제3 후보 리스트 모두 예측무게와 동일한 무게를 가지는 3차원 가축 데이터를 가지는지에 따라, 제1 임시 리스트에 제1 후보 리스트의 n번째 3차원 가축 데이터를 추가할 수 있다. In the temporary list generation step (S22015a), according to whether both the second and third candidate lists have 3D livestock data having the same weight as the predicted weight through the result of step S22014a, n of the first candidate list is added to the first temporary list. A third 3D livestock data can be added.
S22015a 단계는 제2 및 제3 후보 리스트 모두 예측무게와 동일한 무게를 가지는 3차원 가축 데이터가 있을 경우, 제1 후보 리스트의 n번째 3차원 가축 데이터를 제1 임시 리스트에 추가할 수 있다.In step S22015a, when there is 3D livestock data having the same weight as the predicted weight in both the second and third candidate lists, the nth 3D livestock data of the first candidate list may be added to the first temporary list.
반면, 제2 및 제3 후보 리스트 중 하나 이상이 예측무게와 동일한 무게를 가지는 3차원 가축 데이터가 없을 경우, 제1 후보 리스트의 n번째 3차원 가축 데이터를 제1 임시 리트스에 추가하지 않는다.On the other hand, if at least one of the second and third candidate lists does not have 3D livestock data having the same weight as the predicted weight, the nth 3D livestock data of the first candidate list is not added to the first temporary lits.
상기 단계가 반복되어 반복횟수가 n과 동일해 지면 제2 도출단계(S220216a)가 진행될 수 있다.When the number of repetitions becomes equal to n by repeating the above step, the second derivation step S220216a may proceed.
제2 도출단계(S220216a)는 생성된 제1 임시 리스트의 3차원 가축 데이터의 개수에 따라 제1 무게를 도출할 수 있다.In the second derivation step S220216a, the first weight may be derived according to the number of 3D livestock data in the generated first temporary list.
S220216a 단계는 도 12에 도시된 바와 같이, 생성된 제1 임시 리스트의 3차원 가축 데이터의 개수가 1개인지 판단하고, 1개 이상이 아닐 경우 제1 무게를 0kg으로 도출할 수 있다.In step S220216a, as shown in FIG. 12, it is determined whether the number of 3D livestock data in the generated first temporary list is one, and if not more than one, the first weight may be derived as 0 kg.
또한, S220216a 단계는 제1 임시 리스트의 3차원 가축 데이터의 개수가 1개 이상일 경우, 생성된 제1 임시 리스트의 3차원 가축 데이터의 개수가 1개인지 판단할 수 있다.Further, in step S220216a, when the number of 3D livestock data in the first temporary list is one or more, it may be determined whether the number of 3D livestock data in the generated first temporary list is one.
이에 S220216a 단계는 제1 임시 리스트의 3차원 가축 데이터의 개수가 1개일 경우 제1 임시 리스트의 3차원 가축 데이터의 무게를 제1 무게로 도출할 수 있고, 1개가 아닐 경우(2개 이상을 의미) 제1 임시 리스트의 3차원 가축 데이터들의 평균무게를 제1 무게로 도출할 수 있다.Accordingly, in step S220216a, when the number of 3D livestock data in the first temporary list is 1, the weight of the 3D livestock data in the first temporary list may be derived as the first weight, and if not 1 (means two or more) ) The average weight of the 3D livestock data in the first temporary list can be derived as the first weight.
도 13을 참조하면, S2201 단계는 제1 및 제2 후보 리스트가 모두 하나 이상의 3차원 가축 데이터를 가지고 있을 경우(2개 만족의 제1 및 제2 후보 리스트 경우), 제3 도출단계(S22010b)를 포함할 수 있다.Referring to FIG. 13, in step S2201, when both the first and second candidate lists have one or more 3D livestock data (in the case of the first and second candidate lists of two satisfactions), a third derivation step (S22010b) It may include.
제3 도출단계(S22010b)는 추정무게를 도출하고자 하는 3차원 가축 데이터의 높이가 제1 후보 리스트의 1번째 3차원 가축 데이터의 높이보다 큰지에 따라 제1 무게를 도출할 수 있다.In the third derivation step S22010b, the first weight may be derived according to whether the height of the 3D livestock data for which the estimated weight is to be derived is greater than the height of the first 3D livestock data of the first candidate list.
자세하게, S22010b 단계는 3차원 가축 데이터의 높이가 제1 후보 리스트의 1번째 3차원 가축 데이터의 높이보다 큰지를 판단하고, 제1 후보 리스트의 1번째 3차원 가축 데이터의 높이보다 클 경우, 하기 수학식 7로부터 제1 무게를 도출할 수 있다.In detail, step S22010b determines whether the height of the 3D livestock data is greater than the height of the first 3D livestock data of the first candidate list, and if it is greater than the height of the first 3D livestock data of the first candidate list, the following math The first weight can be derived from Equation 7.
[수학식 7][Equation 7]
제1 무게 = list01.데이터(0).무게 + (list01.데이터(0).무게 × 0.03)1st weight = list01.data(0).weight + (list01.data(0).weight × 0.03)
여기서, list01.데이터(0).무게는 제1 후보 리스트의 1번째 3차원 가축 데이터의 무게이다.Here, list01.data(0).weight is the weight of the first 3D livestock data in the first candidate list.
또한, S22010b 단계는 3차원 가축 데이터의 높이가 제1 후보 리스트의 1번째 3차원 가축 데이터의 높이 이하일 경우, 3차원 가축 데이터의 높이가 제1 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 이하인지 판단할 수 있다.Further, in step S22010b, when the height of the 3D livestock data is less than the height of the first 3D livestock data of the first candidate list, whether the height of the 3D livestock data is less than the height of the last 3D livestock data of the first candidate list I can judge.
이에 S22010b 단계는 제1 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 이하일 경우, 하기 수학식 8로부터 제1 무게를 도출할 수 있다.Accordingly, in step S22010b, when the height is less than or equal to the height of the last 3D livestock data of the first candidate list, the first weight may be derived from Equation 8 below.
[수학식 8][Equation 8]
제1 무게 = list01.데이터(마지막).무게 + (list01.데이터(마지막).무게 × 0.03)1st weight = list01.data(last).weight + (list01.data(last).weight × 0.03)
여기서, list01.데이터(마지막).무게는 제1 후보 리스트의 마지막번째 3차원 가축 데이터의 무게이다.Here, list01.data (last).weight is the weight of the last 3D livestock data in the first candidate list.
또한, S22010b 단계는 제1 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 이하가 아닐 경우, 제1 후보 리스트의 3차원 가축 데이터들의 평균무게를 제1 무게로 도출할 수 있다.Also, in step S22010b, when the height of the last 3D livestock data of the first candidate list is not less than the height, the average weight of the 3D livestock data of the first candidate list may be derived as the first weight.
도 14를 참조하면, S2201 단계는 제2 및 제3 후보 리스트가 모두 하나 이상의 3차원 가축 데이터를 가지고 있을 경우(2개 만족의 제2 및 제3 후보 리스트 경우), 제2 개수판단단계(S22010c)를 포함할 수 있다.Referring to FIG. 14, in step S2201, when both the second and third candidate lists have one or more 3D livestock data (in the case of the second and third candidate lists of two satisfactions), the second number determination step (S22010c) ) Can be included.
제2 개수판단단계(S22010c)는 제3 후보 리스트의 3차원 가축 데이터가 1개 초과인지 판단할 수 있다. 여기서 1개를 초과하느냐 아니냐에 따라 S2201 단계는 제4-1 도출단계(S22011c) 또는 계산단계(S22012c) 및 제4-2 도출단계(S22013c)를 포함할 수 있다.The second number determination step S22010c may determine whether there are more than one 3D livestock data in the third candidate list. Here, depending on whether there is more than one, step S2201 may include a 4-1 derivation step (S22011c) or a calculation step (S22012c) and a 4-2 derivation step (S22013c).
먼저, S22010c 단계에서 제3 후보 리스트의 3차원 가축 데이터가 1개를 초과하는 경우에 대해서 설명하기로 한다.First, a case where the number of 3D livestock data in the third candidate list exceeds one in step S22010c will be described.
제4-1 도출단계(S22011c)는 S22010c 단계에서 제3 후보 리스트의 3차원 가축 데이터가 1개 초과이면, 제2 후보 리스트의 3차원 가축 데이터의 평균무게를 제1 무게로 도출할 수 있다.In the 4-1 derivation step (S22011c), if there are more than one 3D livestock data in the third candidate list in step S22010c, the average weight of the 3D livestock data in the second candidate list may be derived as the first weight.
그 다음, S22010c 단계에서 제3 후보 리스트의 3차원 가축 데이터가 1개를 초과하지 않을 경우(1개라는 의미)에 대해서 설명하기로 한다.Next, a case in which the 3D livestock data in the third candidate list does not exceed one (meaning one) in step S22010c will be described.
계산단계(S22012c)는 제2 후보 리스트의 k번째 3차원 가축 데이터의 무게가 제3 후보 리스트의 3차원 가축 데이터의 무게 이상인지에 따라 제2 후보 리스트의 3차원 가축 데이터를 분류하여 계산할 수 있다.In the calculation step S22012c, the 3D livestock data of the second candidate list may be classified and calculated according to whether the weight of the k-th 3D livestock data of the second candidate list is equal to or greater than the weight of the 3D livestock data of the third candidate list. .
여기서, k는 1 이상으로, 제2 후보 리스트의 3차원 가축 데이터의 개수이며, 계산단계(S22012c)는 k번 반복되어 이루어질 수 있다.Here, k is 1 or more, and is the number of 3D livestock data in the second candidate list, and the calculation step S22012c may be repeated k times.
S22012c 단계는 제2 후보 리스트의 3차원 가축 데이터를 제3 후보 리스트의 3차원 가축 데이터의 무게 이상인 무게를 가지는 것(무게 이상인 3차원 가축 데이터)과 무게 미만인 무게를 가지는 것(무게 미만인 3차원 가축 데이터)으로 분류하고, 무게 이상인 3차원 가축 데이터들과 무게 미만인 3차원 가축 데이터들 각각의 무게총합(sum01,sum02), 개수(cnt01, cnt02), 무게평균(avr01, avr02) 등을 구할 수 있다.Step S22012c is to convert the 3D livestock data of the second candidate list to have a weight equal to or greater than the weight of the 3D livestock data of the third candidate list (three-dimensional livestock data greater than or equal to the weight) and have a weight less than the weight (three-dimensional livestock less than the weight Data), and the total weight (sum01, sum02), number (cnt01, cnt02), and weight average (avr01, avr02) of each of the 3D livestock data above the weight and the 3D livestock data below the weight can be obtained. .
상기 단계가 반복되어 반복횟수가 k와 동일해 지면 제4-2 도출단계(S22013c)가 진행될 수 있다.When the number of repetitions becomes the same as k by repeating the above step, the 4-2 derivation step (S22013c) may proceed.
제4-2 도출단계(S22013c)는 추정무게를 도출하고자 하는 3차원 가축 데이터의 높이가 제3 후보 리스트의 3차원 가축 데이터의 높이 이상인지에 따라 제1 무게를 도출할 수 있다.In the 4-2 derivation step (S22013c), the first weight may be derived according to whether the height of the 3D livestock data for which the estimated weight is to be derived is equal to or greater than the height of the 3D livestock data of the third candidate list.
구체적으로, S22013c 단계는 3차원 가축 데이터의 높이가 제3 후보 리스트의 3차원 가축 데이터의 높이 이상일 경우, sum01이 0보다 큰지 판단할 수 있다.Specifically, in step S22013c, when the height of the 3D livestock data is greater than or equal to the height of the 3D livestock data of the third candidate list, it may be determined whether sum01 is greater than 0.
이는 무게 이상인 3차원 가축 데이터가 없어 sum01이 0인 경우가 있을 수 있기 때문에 제1 무게를 도출하기 전 오류를 체크함으로써 제1 무게를 얻지 못하는 경우가 발생하지 않도록 하기 위한 것이다.This is to prevent a case in which the first weight cannot be obtained by checking for an error before deriving the first weight because there may be a case where sum01 is 0 because there is no 3D livestock data that is more than the weight.
이에 S22013c 단계는 sum01이 0보다 클 경우, 하기 수학식 9를 통해 제1 무게를 도출할 수 있다.Accordingly, in step S22013c, when sum01 is greater than 0, the first weight may be derived through Equation 9 below.
[수학식 9][Equation 9]
제1 무게 = sum01/cnt011st weight = sum01/cnt01
여기서, sum01은 무게 이상인 3차원 가축 데이터의 무게총합이고, cnt01는 무게 이상인 3차원 가축 데이터의 개수이다.Here, sum01 is the total weight of 3D livestock data that is more than the weight, and cnt01 is the number of 3D livestock data that is more than the weight.
또한, sum01이 0보다 크지 않을 경우, 하기 수학식 10을 통해 제1 무게를 도출할 수 있다.In addition, when sum01 is not greater than 0, the first weight may be derived through Equation 10 below.
[수학식 10][Equation 10]
제1 무게 = sum02/cnt021st weight = sum02/cnt02
여기서, sum02는 무게 미만인 3차원 가축 데이터의 무게총합이고, cnt02는 무게 미만인 3차원 가축 데이터의 개수이다.Here, sum02 is the total weight of 3D livestock data less than the weight, and cnt02 is the number of 3D livestock data less than the weight.
반면, S22013c 단계는 3차원 가축 데이터의 높이가 제3 후보 리스트의 3차원 가축 데이터의 높이 미만일 경우, sum02이 0보다 큰지 판단할 수 있다.On the other hand, in step S22013c, when the height of the 3D livestock data is less than the height of the 3D livestock data of the third candidate list, it may be determined whether sum02 is greater than 0.
상기와 마찬가지로 무게 미만인 3차원 가축 데이터가 없어 sum02이 0인 경우가 있을 수 있기 때문에 제1 무게를 도출하기 전 오류를 체크하는 것이다.As above, there may be cases where sum02 is 0 because there is no 3D livestock data less than the weight, so the error is checked before deriving the first weight.
이에 S22013c 단계는 sum02이 0보다 클 경우 수학식 10을 통해 제1 무게를 도출하며, sum02이 0보다 크지 않을 경우 수학식 8을 통해 제1 무게를 도출할 수 있다.Accordingly, in step S22013c, when sum02 is greater than 0, the first weight is derived through Equation 10, and when sum02 is not greater than 0, the first weight may be derived through Equation 8.
이를 통해 제1 무게의 값으로 0이 나오지 않도록 하여 추정 효율을 향상시킬 수 있다.Through this, it is possible to improve estimation efficiency by preventing 0 from appearing as the value of the first weight.
도 16을 참조하면, S2201 단계는 제1 및 제3 후보 리스트가 모두 하나 이상의 3차원 가축 데이터를 가지고 있을 경우(2개 만족의 제1 및 제3 후보 리스트 경우), 제5 도출단계(S22010d)를 포함할 수 있다.Referring to FIG. 16, in step S2201, when both the first and third candidate lists have one or more 3D livestock data (for the first and third candidate lists of two satisfactions), the fifth derivation step (S22010d) It may include.
제5 도출단계(S22010d)는 추정무게를 도출하고자 하는 3차원 가축 데이터의 높이가 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 이상인지에 따라 제1 무게를 도출할 수 있다.In the fifth derivation step (S22010d), the first weight may be derived according to whether the height of the 3D livestock data for which the estimated weight is to be derived is equal to or greater than the height of the first 3D livestock data of the third candidate list.
자세하게, S22010d 단계는 3차원 가축 데이터의 높이가 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 이상인지를 판단하고, 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 이상일 경우, 하기 수학식 11로부터 제1 무게를 도출할 수 있다.In detail, in step S22010d, it is determined whether the height of the 3D livestock data is greater than or equal to the height of the first 3D livestock data of the third candidate list, and if the height is greater than or equal to the height of the first 3D livestock data of the third candidate list, the following equation The first weight can be derived from 11.
[수학식 11][Equation 11]
제1 무게 = list03.데이터(0).무게 + (list03.데이터(0).무게 × 0.03)1st weight = list03.data(0).weight + (list03.data(0).weight × 0.03)
여기서, list03.데이터(0).무게는 제3 후보 리스트의 1번째 3차원 가축 데이터의 무게이다.Here, list03.data(0).weight is the weight of the first 3D livestock data in the third candidate list.
또한, S22010d 단계는 3차원 가축 데이터의 높이가 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 미만일 경우, 3차원 가축 데이터의 높이가 제3 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 이하인지 판단할 수 있다.Further, in step S22010d, when the height of the 3D livestock data is less than the height of the first 3D livestock data of the third candidate list, whether the height of the 3D livestock data is less than the height of the last 3D livestock data of the third candidate list I can judge.
이에 S22010d 단계는 제3 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 이하일 경우, 하기 수학식 12로부터 제1 무게를 도출할 수 있다.Accordingly, in step S22010d, when the height is less than or equal to the height of the last 3D livestock data of the third candidate list, the first weight may be derived from Equation 12 below.
[수학식 12][Equation 12]
제1 무게 = list03.데이터(마지막).무게 + (list03.데이터(마지막).무게 × 0.03)1st weight = list03.data(last).weight + (list03.data(last).weight × 0.03)
여기서, list03.데이터(마지막).무게는 제3 후보 리스트의 마지막번째 3차원 가축 데이터의 무게이다.Here, list03.data (last).weight is the weight of the last 3D livestock data in the third candidate list.
또한, S22010d 단계는 제3 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 이하가 아닐 경우, 제3 후보 리스트의 3차원 가축 데이터들의 평균무게를 제1 무게로 도출할 수 있다.In addition, in step S22010d, when the height of the last 3D livestock data of the third candidate list is not less than the height, the average weight of the 3D livestock data of the third candidate list may be derived as the first weight.
S2201 단계는 제1 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우(1개만족의 제1 후보 리스트 경우), 제6 도출단계를 포함할 수 있다.Step S2201 may include a sixth derivation step when only the first candidate list has one or more 3D livestock data (the first candidate list having one satisfaction).
제6 도출단계는 제1 후보 리스트의 1번째 3차원 가축 데이터의 무게를 제1 무게로 도출할 수 있다.In the sixth derivation step, the weight of the first 3D livestock data in the first candidate list may be derived as the first weight.
S2201 단계는 제2 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우(1개만족의 제2 후보 리스트 경우), 제7 도출단계를 포함할 수 있다.Step S2201 may include a seventh derivation step when only the second candidate list has one or more 3D livestock data (a second candidate list having one satisfaction).
제7 도출단계는 제2 후보 리스트의 3차원 가축 데이터의 평균무게를 제1 무게로 도출할 수 있다.In the seventh derivation step, the average weight of the 3D livestock data in the second candidate list may be derived as the first weight.
도 17을 참조하면, S2201 단계는 제3 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우(1개만족의 제3 후보 리스트 경우), 제8 도출단계(S22010e)를 포함할 수 있다.Referring to FIG. 17, step S2201 may include an eighth derivation step (S22010e) when only the third candidate list has one or more 3D livestock data (a third candidate list having one satisfaction).
제8 도출단계(S22010e)는 제3 후보 리스트의 3차원 가축 데이터가 1개인지에 따라 제1 무게를 도출하는 제1 무게를 도출할 수 있다.In the eighth derivation step (S22010e), the first weight for deriving the first weight may be derived according to whether there is one 3D livestock data in the third candidate list.
먼저, S22010e 단계는 제3 후보 리스트의 3차원 가축 데이터가 1개인지 판단하고, 제3 후보 리스트의 3차원 가축 데이터가 1개일 경우 제3 후보 리스트의 3차원 가축 데이터를 제1 무게로 도출할 수 있다.First, in step S22010e, it is determined whether there is one 3D livestock data of the third candidate list, and if there is one 3D livestock data of the third candidate list, the 3D livestock data of the third candidate list is derived as the first weight. I can.
반면, S22010e 단계는 제3 후보 리스트의 3차원 가축 데이터가 1개가 아닐 경우 3차원 가축 데이터의 높이가 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 이상인지 판단하여 제1 무게 도출할 수 있다.On the other hand, in step S22010e, when there is not one 3D livestock data in the third candidate list, the first weight may be derived by determining whether the height of the 3D livestock data is greater than or equal to the height of the first 3D livestock data in the third candidate list. .
또한, S22010e 단계는 3차원 가축 데이터의 높이가 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 이상일 경우 수학식 11로부터 제1 무게를 도출할 수 있다.Further, in step S22010e, when the height of the 3D livestock data is greater than or equal to the height of the first 3D livestock data in the third candidate list, the first weight may be derived from Equation 11.
S22010e 단계는 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 미만일 경우, 그 다음으로 3차원 가축 데이터의 높이가 제3 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 이하인지 판단하여 제1 무게 도출할 수 있다.In step S22010e, if the height of the first 3D livestock data in the third candidate list is less than the height of the first 3D livestock data, then it is determined whether the height of the 3D livestock data is less than the height of the last 3D livestock data in the third candidate list to derive the first weight. can do.
S22010e 단계는 차원 가축 데이터의 높이가 제3 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 이하일 경우 수학식 12로부터 제1 무게를 도출할 수 있고, 제3 후보 리스트의 마지막번째 3차원 가축 데이터의 높이 초과일 경우 제3 후보 리스트의 3차원 가축 데이터들의 평균무게를 제1 무게로 도출할 수 있다.In step S22010e, when the height of the dimensional livestock data is less than the height of the last 3D livestock data of the third candidate list, the first weight may be derived from Equation 12, and the height of the last 3D livestock data of the third candidate list If it is exceeded, the average weight of the 3D livestock data in the third candidate list may be derived as the first weight.
도 18을 참조하면, S2201 단계는 제1 내지 제3 후보 리스트 모두 3차원 가축 데이터를 가지지 않을 경우(0개 만족), 제9 도출단계(S22010f)를 포함할 수 있다.Referring to FIG. 18, step S2201 may include a ninth derivation step (S22010f) when none of the first to third candidate lists have 3D livestock data (0 is satisfied).
제9 도출단계(S22010f)는 제2 후보 백업 리스트의 3차원 가축 데이터의 개수가 0보다 큰지 판단할 수 있다.In a ninth derivation step (S22010f), it may be determined whether the number of 3D livestock data in the second candidate backup list is greater than 0.
S22010f는 제2 후보 백업 리스트의 3차원 가축 데이터의 개수가 0보다 클 경우, 3차원 가축 데이터의 몸통 둘레 평균이 제2 후보 백업 리스트의 j번째 3차원 가축 데이터의 몸통 둘레 평균 범위 내에 있는지에 따라 제2 후보 백업 리스트의 3차원 가축 데이터를 분류하여 계산할 수 있다.If the number of 3D livestock data in the second candidate backup list is greater than 0, S22010f is determined according to whether the average of the body circumference of the 3D livestock data is within the average range of the body circumference of the j-th 3D livestock data of the second candidate backup list. The 3D livestock data of the second candidate backup list may be classified and calculated.
여기서, j는 1 이상으로, 제2 후보 백업 리스트의 3차원 가축 데이터의 개수이다.Here, j is 1 or more, and is the number of 3D livestock data in the second candidate backup list.
상기 과정에서 S22010f는 제2 후보 백업 리스트의 3차원 가축 데이터를 3차원 가축 데이터의 몸통 둘레 평균이 범위 내에 속하는 것(범위 내 3차원 가축 데이터)과 몸통 둘레 평균이 범위 내에 속하지 않는 것(범위 외 3차원 가축 데이터)으로 분류하고, 각각의 무게총합(sum03, sum04), 개수(cnt03, cnt04) 등을 계산할 수 있다.In the above process, S22010f converts the 3D livestock data of the second candidate backup list to the body circumference average of the 3D livestock data within the range (3D livestock data within the range) and the body circumference average not within the range (outside range) 3D livestock data), and the total weight (sum03, sum04), number (cnt03, cnt04) of each can be calculated.
그 다음, S22010f는 sum03가 0보다 큰지 판단할 수 있으며, sum03이 0보다 클 경우 하기 수학식 13으로 제1 무게를 도출하고, sum03이 0 이하일 경우 하기 수학식 14로 제1 무게를 도출할 수 있다.Then, S22010f can determine whether sum03 is greater than 0, and when sum03 is greater than 0, the first weight is derived by Equation 13 below, and when sum03 is less than 0, the first weight can be derived by Equation 14 below. have.
[수학식 13][Equation 13]
제1 무게 = sum03/cnt031st weight = sum03/cnt03
여기서, sum03은 범위 내 3차원 가축 데이터의 무게총합이고, cnt03은 범위 내 3차원 가축 데이터의 개수이다.Here, sum03 is the total weight of 3D livestock data within the range, and cnt03 is the number of 3D livestock data within the range.
[수학식 14][Equation 14]
제1 무게 = sum04/cnt041st weight = sum04/cnt04
여기서, sum04는 범위 외 3차원 가축 데이터의 무게총합이고, cnt04는 범위 외 3차원 가축 데이터의 개수이다.Here, sum04 is the total weight of 3D livestock data outside the range, and cnt04 is the number of 3D livestock data outside the range.
반면, S22010f는 제2 후보 백업 리스트의 3차원 가축 데이터의 개수가 0보다 작을 경우, 제1 무게를 100kg으로 도출할 수 있다. 이는 '무게 측정 실패'를 의미할 수 있다.On the other hand, S22010f may derive the first weight as 100kg when the number of 3D livestock data in the second candidate backup list is less than 0. This may mean'weight measurement failure'.
제2 무게도출단계(S221)는 차원 가축 데이터에 다중회귀 공식인 수학식 1 내지 4 중 하나를 적용하여 제2 무게를 도출할 수 있으며, 수학식 1을 적용하는 것이 바람직하나, 이에 한정되지는 않는다. 자세한 설명은 상기 시스템의 설명에서 했으므로 생략하기로 한다.The second weight extraction step (S221) may derive the second weight by applying one of
추정무게도출단계(S222)는 도출된 제1 무게 및 제2 무게를 이용하여 추정무게를 도출하고, 추정무게 데이터를 생성하여 저장할 수 있다. 자세한 설명은 상기 시스템의 설명에서 했으므로 생략하기로 한다.In the step of deriving the estimated weight (S222), the estimated weight may be derived using the derived first weight and the second weight, and the estimated weight data may be generated and stored. Detailed descriptions have been made in the description of the system, and thus will be omitted.
또한, 본 발명의 실시예에 따른 가축 무게 추정 방법은 생체정보입력단계를 더 포함하고, 생체정보입력단계는 사용자로부터 가축 무게 추정 애플리케이션(20)을 통해 가축의 생체정보를 입력받아 저장할 수 있다.In addition, the method for estimating livestock weight according to an embodiment of the present invention may further include a biometric information input step, and the biometric information input step may receive and store biometric information of livestock from a user through the livestock
이러한 생체정보입력단계는 S1 단계 전에 이루어질 수 있으나, S2 단계 이후에 이루어지는 등 한정되지 않고 다양한 순서에 위치할 수 있다.The biometric information input step may be performed before step S1, but is not limited, such as performed after step S2, and may be located in various orders.
상기에서 설명한 바와 같이, 본 발명의 실시예에 따른 3D 영상을 기반으로한 가축 무게 추정 애플리케이션을 활용한 가축 무게 추정 시스템과, 이를 이용한 가축 무게 추정 방법은 3D 센서로부터 획득한 다수의 프레임을 이용하여 후보리스트 방식과 다중회귀 방식을 통해 가축의 무게를 추정함으로써, 무게 추정 정확도 및 신뢰도가 우수할 수 있다.As described above, a livestock weight estimation system using a livestock weight estimation application based on a 3D image according to an embodiment of the present invention and a livestock weight estimation method using the same are performed using a plurality of frames obtained from a 3D sensor. By estimating the weight of livestock through the candidate list method and the multiple regression method, the accuracy and reliability of weight estimation can be excellent.
이에 가축의 중량을 측정하기 위해 별도의 부대설비가 필요하지 않고 가축의 지속적인 체중관리를 통한 사료 조절을 통해 사육비용을 절감할 수 있고 출하시점을 정확히 예측할 수 있어 농가의 수익을 증대시킬 수 있다.Therefore, additional equipment is not required to measure the weight of livestock, and breeding costs can be reduced through feed control through continuous weight management of livestock, and the time of shipment can be accurately predicted, thereby increasing the profits of farmers.
또한, 체중을 측정하기 위해 가축을 유도하여 일정시간 정체시켜야 하는 번거로움이 없어, 농가의 인력 부족, 인력 고령화 및 규모 대형화에 따른 문제를 해소할 수 있다.In addition, there is no hassle of inducing livestock to be congested for a certain period of time in order to measure body weight, so it is possible to solve problems caused by a lack of manpower of farmers, an aging manpower, and an increase in scale.
또한, 돼지뿐만 아니라 닭, 소 등 다양한 가축에 적용될 수 있어 활용성이 확대될 것으로 기대된다.In addition, it can be applied not only to pigs, but also to various livestock such as chickens and cows, so its utility is expected to expand.
1: 단말
10: 3D 센서
20: 가축 무게 추정 애플리케이션
21: 데이터저장부
22: 센서촬영부
23: 무게추정부
230: 변환부
231: 전처리부
232: 무게도출부
2320: 후보 리스트부
2321: 알고리즘 도출부
2322: 최종 도출부
24: 관리부1: terminal
10: 3D sensor
20: Livestock weight estimation application
21: data storage unit
22: sensor imaging unit
23: weight estimation
230: conversion unit
231: pretreatment unit
232: weight extraction unit
2320: candidate list unit
2321: algorithm derivation unit
2322: final derivation
24: management
Claims (21)
가축을 촬영하는 3D 센서 및 상기 3D 센서를 통해 추출된 가축 프레임을 이용하여 가축의 무게를 추정하는 가축 무게 추정 애플리케이션을 포함하는 단말을 포함하되,
상기 가축 무게 추정 애플리케이션은,
상기 3D 센서를 작동시켜 가축을 촬영하여 하나 이상의 가축 프레임을 추출하는 센서촬영부 및
추출된 가축 프레임을 이용하여 추정무게를 도출하는 무게추정부를 포함하고,
상기 무게추정부는,
추출된 가축 프레임을 3차원 좌표 데이터로 변환하는 변환부;
상기 변환된 3차원 좌표 데이터를 전처리하여 3차원 가축 데이터로 생성하는 전처리부 및
상기 3차원 가축 데이터로부터 추정무게를 도출하는 무게도출부를 포함하고,
상기 무게도출부는,
하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 선정하여 후보 리스트를 생성하고, 생성된 후보 리스트의 조건만족의 경우의 수를 판단하여 상기 3차원 가축 데이터의 제1 무게를 도출하는 후보 리스트부;
상기 3차원 가축 데이터에 다중회귀 공식을 적용하여 제2 무게를 도출하는 알고리즘 도출부 및
상기 제1 무게 및 제2 무게를 이용하여 추정무게를 도출하는 최종 도출부를 포함하고,
상기 후보 리스트부는,
하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 후보로 선정하여 후보 리스트를 생성하는 리스트생성부 및
생성된 후보 리스트의 조건만족의 경우의 수를 판단하고, 경우에 따라 상기 3차원 가축 데이터의 제1 무게를 도출하는 리스트처리부를 포함하며,
상기 리스트생성부는,
3차원 가축 데이터의 머리방향, 바닥각도, 초점거리, 길이1 및 몸통 둘레 총합 중 하나 이상을 가축표준데이터와 비교하여 제1 후보 리스트를 생성하고,
3차원 가축 데이터의 머리방향, 몸통 둘레 총합, 높이, 길이1 및 중위 중 하나 이상을 가축표준데이터와 비교하여 제2 후보 리스트를 생성하며,
3차원 가축 데이터의 머리방향, 길이1, 흉위, 중위 및 후위 중 하나 이상을 가축표준데이터와 비교하여 제3 후보 리스트를 생성하는 것을 특징으로 하는 가축 무게 추정 시스템.
In a livestock weight estimation system using a livestock weight estimation application based on 3D images,
Including a terminal including a livestock weight estimation application for estimating the weight of livestock using a 3D sensor for photographing livestock and livestock frame extracted through the 3D sensor,
The livestock weight estimation application,
A sensor photographing unit for extracting one or more livestock frames by photographing livestock by operating the 3D sensor, and
It includes a weight estimation unit that derives the estimated weight using the extracted livestock frame,
The weight estimation unit,
A conversion unit converting the extracted livestock frame into 3D coordinate data;
A preprocessing unit that preprocesses the converted 3D coordinate data to generate 3D livestock data, and
Including a weight extraction unit for deriving the estimated weight from the three-dimensional livestock data,
The weight extraction unit,
A candidate list unit for generating a candidate list by selecting one or more of the 3D livestock data according to a factor, determining the number of cases of condition satisfaction of the generated candidate list, and derives a first weight of the 3D livestock data;
An algorithm derivation unit for deriving a second weight by applying a multiple regression formula to the 3D livestock data, and
Including a final derivation unit for deriving an estimated weight using the first weight and the second weight,
The candidate list unit,
A list generator for generating a candidate list by selecting one or more of the 3D livestock data as candidates according to a factor; and
And a list processing unit that determines the number of cases of condition satisfaction of the generated candidate list, and derives a first weight of the 3D livestock data according to the case,
The list generation unit,
Create a first candidate list by comparing at least one of the total head direction, floor angle, focal length, length 1 and body circumference of 3D livestock data with livestock standard data,
Comparing at least one of the head direction, total body circumference, height, length 1, and median of the 3D livestock data with livestock standard data to create a second candidate list,
Livestock weight estimation system, characterized in that for generating a third candidate list by comparing at least one of the head direction, length 1, chest, median and rear of the 3D livestock data with livestock standard data.
상기 전처리부는,
상기 3차원 좌표 데이터에서 팩터를 추출하는 팩터추출부를 포함하는 가축 무게 추정 시스템.
The method of claim 1,
The pretreatment unit,
Livestock weight estimation system including a factor extracting unit for extracting a factor from the 3D coordinate data.
상기 팩터는,
머리방향, 바닥각도, 초점거리, 높이, 길이1, 흉위, 중위, 후위, 몸통 둘레 평균, 몸통 둘레 총합 및 점운(cloud point)의 수 중 하나 이상을 포함하는 가축 무게 추정 시스템.
(여기서, 길이1은 머리를 제거한 앞다리부터 엉덩이 끝까지의 거리, 길이2는 앞다리와 뒷다리 사이의 거리이다.)
The method of claim 3,
The factor is,
Livestock weight estimation system including one or more of head direction, floor angle, focal length, height, length1, chest, median, posterior, average trunk circumference, total trunk circumference, and number of cloud points.
(Here, length 1 is the distance from the front leg to the buttocks with the head removed, and length 2 is the distance between the front and hind legs.)
상기 알고리즘 도출부는,
상기 3차원 가축 데이터의 팩터 중 높이, 길이2, 몸통 둘레 평균 및 점의 수를 이용하여 하기 수학식 1을 통해 제2 무게를 도출하는 것을 특징으로 하는 가축 무게 추정 시스템.
[수학식 1]
제2 무게 = m1 + (h1 × 높이) + (2ㅣ1 × 길이2) + (g1 × 몸통 둘레 평균) + (p1 × 3차원 가축 데이터의 점운(cloud point)의 수)
(여기서, m1은 무게상수, h1은 높이상수, 2ㅣ1은 길이2상수, g1은 둘레평균상수, p1은 3차원 가축 데이터의 점운(cloud point)상수이다)
The method of claim 1,
The algorithm derivation unit,
A livestock weight estimation system, characterized in that the second weight is derived through Equation 1 below by using a height, length 2, an average of a trunk circumference, and a number of points among the factors of the 3D livestock data.
[Equation 1]
2nd weight = m 1 + (h 1 × height) + (2ㅣ 1 × length2) + (g 1 × average of trunk circumference) + (p 1 × number of cloud points in 3D livestock data)
(Where m 1 is the weight constant, h 1 is the height constant, 2ㅣ 1 is the length 2 constant, g 1 is the circumferential average constant, and p 1 is the cloud point constant of 3D livestock data)
(a) 가축을 촬영하는 3D 센서 및 상기 3D 센서를 통해 추출된 가축 프레임을 이용하여 가축의 무게를 추정하는 가축 무게 추정 애플리케이션을 포함하는 단말을 통해 가축을 촬영하여 하나 이상의 가축 프레임을 추출하는 촬영단계 및
(b) 추출된 가축 프레임을 이용하여 추정무게를 도출하는 무게추정단계를 포함하되,
상기 (b) 단계는,
추출된 가축 프레임을 3차원 좌표 데이터로 변환하는 변환단계;
상기 변환된 3차원 좌표 데이터를 전처리하여 3차원 가축 데이터로 생성하는 전처리단계 및
상기 3차원 가축 데이터로부터 추정무게를 도출하는 무게도출단계를 포함하고,
상기 무게도출단계는,
하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 선정해 후보 리스트를 생성하고, 생성된 후보 리스트의 조건만족의 경우의 수를 판단하여 상기 3차원 가축 데이터의 제1 무게를 도출하는 제1 무게도출단계;
상기 3차원 가축 데이터에 다중회귀 공식을 적용하여 제2 무게를 도출하는 제2 무게도출단계 및
상기 제1 무게 및 제2 무게를 이용하여 추정무게를 도출하는 추정무게도출단계를 포함하고,
상기 제1 무게도출단계는,
하나 이상의 상기 3차원 가축 데이터를 팩터에 따라 후보로 선정하여 후보 리스트를 생성하는 리스트생성단계 및
생성된 후보 리스트의 조건만족의 경우의 수를 판단하고, 경우에 따라 상기 3차원 가축 데이터의 제1 무게를 도출하는 리스트처리단계를 포함하며,
상기 리스트생성단계는,
각 상기 3차원 가축 데이터의 머리방향, 바닥각도, 초점거리, 길이1 및 몸통 둘레 총합 중 하나 이상을 가축표준데이터와 비교하여 제1 후보 리스트를 생성하는 제1 후보 단계;
각 상기 3차원 가축 데이터의 머리방향, 몸통 둘레 총합, 높이, 길이1 및 중위 중 하나 이상을 가축표준데이터와 비교하여 제2 후보 리스트를 생성하는 제2 후보 단계 및
각 상기 3차원 가축 데이터의 머리방향, 길이1, 흉위, 중위 및 후위 중 하나 이상을 가축표준데이터와 비교하여 제3 후보 리스트를 생성하는 제3 후보 단계를 포함하는 가축 무게 추정 방법.
In a livestock weight estimation method using a livestock weight estimation system using a livestock weight estimation application based on 3D images,
(a) Shooting to extract one or more livestock frames by photographing livestock through a terminal including a 3D sensor for photographing livestock and a livestock weight estimation application that estimates the weight of livestock using livestock frames extracted through the 3D sensor Step and
(b) including a weight estimation step of deriving the estimated weight using the extracted livestock frame,
The step (b),
A transformation step of converting the extracted livestock frame into 3D coordinate data;
Pre-processing step of pre-processing the converted 3D coordinate data to generate 3D livestock data, and
Including a weight derivation step of deriving the estimated weight from the three-dimensional livestock data,
The weight extraction step,
A first weight extraction step of generating a candidate list by selecting one or more three-dimensional livestock data according to a factor, determining the number of cases in which the conditions of the generated candidate list are satisfied, and deriving the first weight of the three-dimensional livestock data ;
A second weight derivation step of deriving a second weight by applying a multiple regression formula to the 3D livestock data, and
Including an estimated weight derivation step of deriving an estimated weight using the first weight and the second weight,
The first weight extraction step,
A list generation step of generating a candidate list by selecting one or more of the three-dimensional livestock data as candidates according to a factor, and
A list processing step of determining the number of cases of condition satisfaction of the generated candidate list, and deriving a first weight of the 3D livestock data according to the case,
The list generation step,
A first candidate step of generating a first candidate list by comparing at least one of a head direction, a floor angle, a focal length, a length 1, and a total body circumference of each of the three-dimensional livestock data with livestock standard data;
A second candidate step of generating a second candidate list by comparing at least one of the head direction, total body circumference, height, length 1 and median of each of the three-dimensional livestock data with livestock standard data, and
And a third candidate step of generating a third candidate list by comparing one or more of the head direction, length 1, chest, median and rear of each of the three-dimensional livestock data with livestock standard data.
상기 리스트처리단계는,
상기 제1, 제2 및 제3 후보 리스트가 모두 하나 이상의 3차원 가축 데이터를 가지고 있을 경우,
상기 제1 후보 리스트의 3차원 가축 데이터가 1개 인지 판단하는 제1 개수판단단계;
상기 제1 후보 리스트의 3차원 가축 데이터가 1개면, 상기 제1 후보 리스트의 3차원 가축 데이터의 무게를 예측무게로 선정한 후, 상기 제2 및 제3 후보 리스트의 3차원 가축 데이터 중 상기 예측무게와 동일한 무게를 가지는 데이터가 있는지 찾는 제1 검출단계 및
상기 제2 및 제3 후보 리스트 모두 상기 예측무게와 동일한 무게를 가지는 3차원 가축 데이터를 가지는지에 따라 제1 무게를 도출하는 제1 도출단계를 포함하는 가축 무게 추정 방법.
The method of claim 8,
The list processing step,
When the first, second and third candidate lists all have one or more 3D livestock data,
A first number determination step of determining whether there is one 3D livestock data in the first candidate list;
If there is one 3D livestock data of the first candidate list, the weight of the 3D livestock data of the first candidate list is selected as a predicted weight, and then the predicted weight of the 3D livestock data of the second and third candidate lists is selected. A first detection step to find whether there is data having the same weight as and
And a first derivation step of deriving a first weight according to whether both the second and third candidate lists have 3D livestock data having the same weight as the predicted weight.
상기 리스트처리단계는,
상기 제1 개수판단단계에서 상기 제1 후보 리스트의 3차원 가축 데이터가 1개가 아니면, 추정무게를 도출하고자 하는 상기 3차원 가축 데이터의 길이2가 상기 제1 후보 리스트의 n번째 3차원 가축 데이터의 길이2의 범위 내에 있는지 판단하는 길이판단단계;
상기 제1 후보 리스트의 n번째 3차원 가축 데이터의 길이2의 범위 내에 있을 경우, 상기 제1 후보 리스트의 n번째 3차원 가축 데이터의 무게를 예측무게로 선정한 후, 상기 제2 및 제3 후보 리스트의 3차원 가축 데이터 중 상기 예측무게와 동일한 무게를 가지는 데이터가 있는지 찾는 제2 검출단계;
상기 제2 및 제3 후보 리스트 모두 상기 예측무게와 동일한 무게를 가지는 3차원 가축 데이터를 가지는지에 따라, 제1 임시 리스트에 상기 제1 후보 리스트의 n번째 3차원 가축 데이터를 추가하는 임시리스트생성단계 및
생성된 제1 임시 리스트의 3차원 가축 데이터의 개수에 따라 제1 무게를 도출하는 제2 도출단계를 포함하되,
상기 길이판단단계, 제2 검출단계 및 임시리스트생성단계는,
n번 반복되어 이루어지는 것을 특징으로 하는 가축 무게 추정 방법.
(여기서, 상기 n은 2 이상으로, 상기 제1 후보 리스트의 3차원 가축 데이터의 개수이다)
The method of claim 13,
The list processing step,
In the first number determination step, if there is not one 3D livestock data of the first candidate list, the length 2 of the 3D livestock data to be derived from the estimated weight is the nth 3D livestock data of the first candidate list. A length determination step of determining whether it is within the range of length 2;
If it is within the range of the length 2 of the nth 3D livestock data of the first candidate list, after selecting the weight of the nth 3D livestock data of the first candidate list as a predicted weight, the second and third candidate lists A second detection step of finding whether there is data having the same weight as the predicted weight among the three-dimensional livestock data of;
Depending on whether both the second and third candidate lists have 3D livestock data having the same weight as the predicted weight, a temporary list is generated to add the nth 3D livestock data of the first candidate list to a first temporary list Step and
Including a second derivation step of deriving the first weight according to the number of three-dimensional livestock data in the generated first temporary list,
The length determination step, the second detection step, and the temporary list generation step,
Livestock weight estimation method, characterized in that made by repeating n times.
(Where, n is 2 or more, which is the number of 3D livestock data in the first candidate list)
상기 리스트처리단계는,
상기 제1 및 제2 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우,
추정무게를 도출하고자 하는 상기 3차원 가축 데이터의 높이가 상기 제1 후보 리스트의 1번째 3차원 가축 데이터의 높이보다 큰지에 따라 상기 제1 무게를 도출하는 제3 도출단계를 포함하는 가축 무게 추정 방법.
The method of claim 8,
The list processing step,
When only the first and second candidate lists have one or more 3D livestock data,
Livestock weight estimation method comprising a third derivation step of deriving the first weight according to whether the height of the 3D livestock data to be derived from the estimated weight is greater than the height of the first 3D livestock data in the first candidate list .
상기 리스트처리단계는,
상기 제2 및 제3 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우,
상기 제3 후보 리스트의 3차원 가축 데이터가 1개 초과인지 판단하는 제2 개수판단단계 및
상기 제3 후보 리스트의 3차원 가축 데이터가 1개 초과이면, 상기 제2 후보 리스트의 3차원 가축 데이터의 평균무게를 제1 무게로 도출하는 제4-1 도출단계를 포함하는 가축 무게 추정 방법.
The method of claim 8,
The list processing step,
When only the second and third candidate lists have more than one 3D livestock data,
A second number determination step of determining whether there are more than one 3D livestock data in the third candidate list, and
And a 4-1 derivation step of deriving an average weight of the 3D livestock data of the second candidate list as a first weight if there are more than one 3D livestock data of the third candidate list.
상기 리스트처리단계는,
상기 제2 개수판단단계에서 상기 제3 후보 리스트의 3차원 가축 데이터가 1개를 초과하지 않을 경우,
상기 제2 후보 리스트의 k번째 3차원 가축 데이터의 무게가 상기 제3 후보 리스트의 3차원 가축 데이터의 무게 이상인지에 따라 상기 제2 후보 리스트의 3차원 가축 데이터를 분류하여 계산하는 계산단계 및
추정무게를 도출하고자 하는 상기 3차원 가축 데이터의 높이가 상기 제3 후보 리스트의 3차원 가축 데이터의 높이 이상인지에 따라 상기 제1 무게를 도출하는 제4-2 도출단계를 더 포함하되,
상기 계산단계는,
k번 반복되어 이루어지는 것을 특징으로 하는 가축 무게 추정 방법.
(여기서, 상기 k는 1이상으로, 상기 제2 후보 리스트의 3차원 가축 데이터의 개수이다)
The method of claim 16,
The list processing step,
When the number of 3D livestock data in the third candidate list does not exceed one in the second number determination step,
A calculation step of classifying and calculating the 3D livestock data of the second candidate list according to whether the weight of the k-th 3D livestock data of the second candidate list is equal to or greater than the weight of the 3D livestock data of the third candidate list; and
A 4-2 derivation step of deriving the first weight according to whether the height of the 3D livestock data to be derived from the estimated weight is greater than or equal to the height of the 3D livestock data of the third candidate list,
The calculation step,
Livestock weight estimation method, characterized in that made by repeating k times.
(Here, k is 1 or more, and is the number of 3D livestock data in the second candidate list)
상기 리스트처리단계는,
상기 제1 및 제3 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우,
추정무게를 도출하고자 하는 상기 3차원 가축 데이터의 높이가 상기 제3 후보 리스트의 1번째 3차원 가축 데이터의 높이 이상인지에 따라 상기 제1 무게를 도출하는 제5 도출단계를 포함하는 가축 무게 추정 방법.
The method of claim 8,
The list processing step,
When only the first and third candidate lists have more than one 3D livestock data,
Livestock weight estimation method including a fifth derivation step of deriving the first weight according to whether the height of the 3D livestock data to be derived from the estimated weight is equal to or greater than the height of the first 3D livestock data of the third candidate list .
상기 리스트처리단계는,
상기 제1 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우,
상기 제1 후보 리스트의 1번째 3차원 가축 데이터의 무게를 제1 무게로 도출하는 제6 도출단계를 포함하는 가축 무게 추정 방법.
The method of claim 8,
The list processing step,
When only the first candidate list has one or more 3D livestock data,
And a sixth derivation step of deriving the weight of the first 3D livestock data in the first candidate list as a first weight.
상기 리스트처리단계는,
상기 제2 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우,
상기 제2 후보 리스트의 3차원 가축 데이터의 평균무게를 제1 무게로 도출하는 제7 도출단계를 포함하는 가축 무게 추정 방법.
The method of claim 8,
The list processing step,
If only the second candidate list has more than one 3D livestock data,
And a seventh derivation step of deriving an average weight of the 3D livestock data of the second candidate list as a first weight.
상기 리스트처리단계는,
상기 제3 후보 리스트만 하나 이상의 3차원 가축 데이터를 가지고 있을 경우,
상기 제3 후보 리스트의 3차원 가축 데이터가 1개인지에 따라 제1 무게를 도출하는 제1 무게를 도출하는 제8 도출단계를 포함하는 가축 무게 추정 방법.
The method of claim 8,
The list processing step,
If only the third candidate list has more than one 3D livestock data,
And an eighth derivation step of deriving a first weight for deriving a first weight according to whether there is one 3D livestock data in the third candidate list.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200052495A KR102180077B1 (en) | 2020-04-29 | 2020-04-29 | Livestock weight estimation system using livestock weight estimation application based on 3D images and Livestock weight estimation method using the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200052495A KR102180077B1 (en) | 2020-04-29 | 2020-04-29 | Livestock weight estimation system using livestock weight estimation application based on 3D images and Livestock weight estimation method using the same |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102180077B1 true KR102180077B1 (en) | 2020-11-17 |
Family
ID=73642358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200052495A KR102180077B1 (en) | 2020-04-29 | 2020-04-29 | Livestock weight estimation system using livestock weight estimation application based on 3D images and Livestock weight estimation method using the same |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102180077B1 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102297317B1 (en) * | 2021-03-31 | 2021-09-02 | 주식회사 일루베이션 | Livestock weighing device and method through 3D image processing |
CN113628182A (en) * | 2021-08-03 | 2021-11-09 | 中国农业大学 | Fish weight automatic estimation method and device, electronic equipment and storage medium |
KR20220080368A (en) * | 2020-12-07 | 2022-06-14 | 천봉국 | Non-contact Weighing Device For Livestock |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014044078A (en) * | 2012-08-24 | 2014-03-13 | Univ Of Miyazaki | Body weight estimation device and body weight estimation method, for animal body |
KR20180120061A (en) * | 2017-04-26 | 2018-11-05 | 김정희 | Artificial neural network model learning method and deep learning system |
KR20190078481A (en) * | 2017-12-26 | 2019-07-04 | 주식회사 일루베이션 | A livestock weighing system and a livestock weighing method using the same |
KR102023034B1 (en) * | 2019-02-08 | 2019-09-19 | (주)데이터리퍼블릭 | Artificial intelligence based service implementation and system management device |
-
2020
- 2020-04-29 KR KR1020200052495A patent/KR102180077B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014044078A (en) * | 2012-08-24 | 2014-03-13 | Univ Of Miyazaki | Body weight estimation device and body weight estimation method, for animal body |
KR20180120061A (en) * | 2017-04-26 | 2018-11-05 | 김정희 | Artificial neural network model learning method and deep learning system |
KR20190078481A (en) * | 2017-12-26 | 2019-07-04 | 주식회사 일루베이션 | A livestock weighing system and a livestock weighing method using the same |
KR102023034B1 (en) * | 2019-02-08 | 2019-09-19 | (주)데이터리퍼블릭 | Artificial intelligence based service implementation and system management device |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220080368A (en) * | 2020-12-07 | 2022-06-14 | 천봉국 | Non-contact Weighing Device For Livestock |
KR102434173B1 (en) * | 2020-12-07 | 2022-08-18 | 천봉국 | Non-contact Weighing Device For Livestock |
KR102297317B1 (en) * | 2021-03-31 | 2021-09-02 | 주식회사 일루베이션 | Livestock weighing device and method through 3D image processing |
CN113628182A (en) * | 2021-08-03 | 2021-11-09 | 中国农业大学 | Fish weight automatic estimation method and device, electronic equipment and storage medium |
CN113628182B (en) * | 2021-08-03 | 2024-04-26 | 中国农业大学 | Automatic fish weight estimation method and device, electronic equipment and storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102180077B1 (en) | Livestock weight estimation system using livestock weight estimation application based on 3D images and Livestock weight estimation method using the same | |
KR102014353B1 (en) | Smart farm livestock management system based on machine learning | |
US11627726B2 (en) | System and method of estimating livestock weight | |
CN107667903B (en) | Livestock breeding living body weight monitoring method based on Internet of things | |
KR102340290B1 (en) | RGB-D based Livestock Weight Inference AI System, and a Computer-readable storage medium | |
CN111696139B (en) | White feather breeding hen group weight estimation system and method based on RGB image | |
CN108961269A (en) | Pig weight measuring method and system based on image | |
Pallottino et al. | Comparison between manual and stereovision body traits measurements of Lipizzan horses | |
KR102009677B1 (en) | System and Method for measuring weight of poultry based on pattern recognition | |
CN110991222B (en) | Object state monitoring and sow oestrus monitoring method, device and system | |
Pradana et al. | Beef cattle weight determine by using digital image processing | |
KR102403791B1 (en) | Weight measurement system using livestock photographing device | |
KR20220062911A (en) | Sow management and Environmental control System | |
KR20220123235A (en) | Efficient artificial intelligence analysis of images through combined predictive modeling | |
KR102297317B1 (en) | Livestock weighing device and method through 3D image processing | |
CN115409153A (en) | Attention LSTM-based animal husbandry index prediction method and prediction system | |
KR102404137B1 (en) | Stationary Livestock weight estimation system based on 3D images and Livestock weight estimation method using the same | |
KR102622655B1 (en) | Korean cattle growth test data collection device | |
CA3176293A1 (en) | System and method for automated forest inventory mapping | |
Woods et al. | Estimating animal location from non-overhead camera views | |
KR102389931B1 (en) | Mobile device with livestock weight inference application installed | |
KR102643254B1 (en) | Apparatus and method for calculating shipping information of livestock populations, and shipping information calculating system including the apparatus | |
CN112116647B (en) | Weighting method and weighting device | |
CN111507432A (en) | Intelligent weighing method and system for agricultural insurance claims, electronic equipment and storage medium | |
CN113762745A (en) | Live pig body shape assessment method and device based on machine vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant |