선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 병계 및 폐사계의 자동판정을 위한 알고리즘을 개발하는 것을 목적으로 수행되었다. 알고리즘을 개발하기 위하여 산란계의 질병 증상 및 행동을 분석하였고 개발된 알고리즘으로 시스템을 구축하고 프로그램을 제작하여 성능을 분석하였다.
- 또한 관리자의 빈번한 출입은 외부로부터의 전염병을 유입시킬 수 있는 위험성이 높으므로 고단 직립식 산란계케이지를 원격감시하며 병계 및 폐사계를 자동으로 판별할 수 있는 시스템의 개발이 절실히 필요하다. 본 연구에서는 산란계를 원격 감시 할 수 있도록 영상감시 장치를 구성하고 입력된 영상을 이용한 병폐사계의 자동판정 알고리즘을 개발하여 프로그래밍한 후 개발된 영상처리프로그램의 성능 실험을 실시하는 것을 목적으로 하였다.
가설 설정
- Labele 8연결법을 사용하였다. 각각의 Label에 대한 면적을 계산하였으며 면적이 200 화소 이하인 Label을 Noise로 가정하고 해당 Label을 제거하였다.
제안 방법
- 2) 외부의 빛을 차단하고 균일한 조도의 영상 얻기 위하여 Illumination chamber를 설치하였으며 보조 조명 장치를 부착하여 조도를 45 lx 로 균일하게 하였다.
- 4) 병계 및 폐사계의 판별을 위하여 CCD Camera로부터 얻은 이미지를 2진화하고 수축 및 팽창 처리를 하여 Noise를 제거하였으며, Labeling작업 후 중심점을 계산하여 정상인 산란계의 이미지를 제거하였다.
- CCD 카메라로부터 입력된 영상은 가로×세로가 320×240 pixel인 RGB포멧의 형태로 변환한 후Red, Green, Blue로 이미지를 분류하였으며 이미지 처리를 위한 관찰 범위를 선택한 후관찰범위 이외의 화소는 모두[x][y]=0 으로, 즉 흑색으로 변환하였다. 관찰범위 내의 이미지에 대해서는 산란계의 각 부위별 RGB 값에 대한 Histogram을 분석하여 Red, Green, Blue값에 대한 색상 농도의 Boundary값을 찾아내고 Boundary값 내의 화소는 [x][y]=255로 그렇지 않은 화소는 [x][y]=0으로 변환하여 관찰범위 내의 영상을 흑색과 백색으로 2진화하였다.
- Color CCD 카메라로부터 얻은 영상을 Web camera를 통해 영상을 압축하고, 압축된 영상을 LAN을 통해 PC에 전송하는 시스템을 제작하였으며, PC에서 수신된 영상은 여러 가지 이미지 처리 기법을 이용하여 병폐사계의 발생 여부를 판정하는 시스템을 개발하였다. 산란계사내의 평균조도는 5~10 lx로 보조조명 장치 없이는 원하는 영상을 얻을 수 없었다.
- Filter처리 후에 얻어진 이미지 중 낮은 자세로 서 있거나 자리 이동을 위해 자세를 낮추게되는 산란계의 이미지를 분리해내고 그에 해당하는 Label을 제거하기 위하여 이미지의 좌측 상단의 [x][y]=(0,0)을 기준으로 각 Label들의 중심좌표(x,y)를 계산한 후 y의 값이 2진 처리된 영상의 Y축 중심 위치보다 높은 80이상이면 그 Label의 이미지에 해당되는 산란계는 쓰러져 있는 병계 및 폐사계로 판정한다. 반면 80이하이면 그 Label의 이미지에 해당되는 산란계는 서 있는 정상의 산란계로 판정하고 해당 Label에 대해 모든 [x][y]=0 으로 변환하여 해당 Label을 제거하였다.
- ① 여러 처리 과정을 거처 얻어진 이미지를 좌측에서부터 우측으로 검사하여 병계 및 폐사계로 의심된 Label의 유무를 확인한 후 병계 및 폐사계로 의심된 Label이 발견되면 해당 Label을 Reference label 로 정하고 기준 면적과 비교하여 1500 pixel 이상일 경우 병계 및 폐사계로 판정하고 1500 pixel 이하이면 다음의 Label을 검사하도록 하였다.
- 관찰범위 내의 이미지에 대해서는 산란계의 각 부위별 RGB 값에 대한 Histogram을 분석하여 Red, Green, Blue값에 대한 색상 농도의 Boundary값을 찾아내고 Boundary값 내의 화소는 [x][y]=255로 그렇지 않은 화소는 [x][y]=0으로 변환하여 관찰범위 내의 영상을 흑색과 백색으로 2진화하였다. 산란계의 이미지 추출을 위한 각각의 농도는 촬영되는 조도의 값에 따라 변화된다.
- 이러한 문제점을 보완하기 위하여 13 W의 보조조명 장치를 사용하여 조도를 45 lx로 조절하였다. 또한 카메라와 촬영 대상 산란계 케이지를 외부의 빛으로부터 차단할 수 있도록 Illumination chamber를 설치하여 관찰케이지의 조도를 일정하게 유지하도록 하였다.
- 병폐사계를 판별하기 위하여 CCD 카메라로부터 획득한 영상을 여러 가지 영상 처리 기법을 적용하여 관찰하였다. 질병에 대한 미미한 외부 변화의 경우 군집 사육을 하기 때문에 개별관찰이 어려워 영상을 이용한 판별이 불가능하였으나 가장 큰 특징이라고 할 수 있는 기립불능이나 폐사계의 판별은 가능한 것으로 판단되었다.
- 산란계의 외부 깃털은 갈색이고 평균 체중은 2 kg이다. 실험용 산란계는 실험의 정확성을 얻기 위하여 실험 시작 2주 전부터 산란계의 적정 사료급이량인 110 g/day를 정해진 시간에 8회로 균등분할하여 급이 하였다.
- 정확한 실험 및 결과를 얻기 위하여 정량의 사료를 매일 같은 시간에 급이 하였고 급 이후 30초 이후부터 5분 30초까지 판정 실험을 실시하였다. 실험은 두 종류의 실험을 진행하였으며 A형은 병폐사계가 없는 4개의 산란계 케이지에 대하여 100회의 판정실험을 실시하였고 B형은 4개의 Cage에 각각 1마리의 기립이 불가능한 병폐사계를 넣어 100회의 판정실험을 실시하였다.
- 알고리즘을 개발하기 위하여 산란계의 질병 증상 및 행동을 분석하였고 개발된 알고리즘으로 시스템을 구축하고 프로그램을 제작하여 성능을 분석하였다. 그 결과는 다음과 같이 요약된다.
- 산란계사내의 평균조도는 5~10 lx로 보조조명 장치 없이는 원하는 영상을 얻을 수 없었다. 이러한 문제점을 보완하기 위하여 13 W의 보조조명 장치를 사용하여 조도를 45 lx로 조절하였다. 또한 카메라와 촬영 대상 산란계 케이지를 외부의 빛으로부터 차단할 수 있도록 Illumination chamber를 설치하여 관찰케이지의 조도를 일정하게 유지하도록 하였다.
- 제거하였다. 이미지 내의 Noise를 제거하기 위하여 팽창 처리를 한 후 수축처리를 하였으며, 배경에 대한 Noise를 제거하기 위하여 수축처리를 한 후 팽창처리를 하였다.
- 이미지 처리의 마지막 작업으로 각 Label간의 중심 좌표 중 X축의 거리가 120 pixel 이내인 Label에 대해서는 한 마리의 이미지로 판단하고 범위 내의 모든 Label의 면적을 합산하여 일정 면적 이상이면 병계 및 폐사계로 판정을 하고 그렇지 않으면 정상으로 판정하도록 프로그래밍 하였다. 이것의 처리 과정은 다음과 같다.
- 산란계의 경우 사료에 대한 관심도가 매우 높아 사료를 급이 했을 때 모든 닭들이 기립하여 사료통에 접근하고 사료를 섭취하는 데 그 중 질병에 걸려 기립불능인 병계나 폐사계의 경우 케이지의 바닥에 쓰러지게 되어 정상 산란계와는 확연히 구별할 수 있었다. 이상의 관찰 결과 산란계의 기립 여부를 병계 및 폐사계의 판정기준으로 설립하였다.
- 정확한 실험 및 결과를 얻기 위하여 정량의 사료를 매일 같은 시간에 급이 하였고 급 이후 30초 이후부터 5분 30초까지 판정 실험을 실시하였다. 실험은 두 종류의 실험을 진행하였으며 A형은 병폐사계가 없는 4개의 산란계 케이지에 대하여 100회의 판정실험을 실시하였고 B형은 4개의 Cage에 각각 1마리의 기립이 불가능한 병폐사계를 넣어 100회의 판정실험을 실시하였다.
- 카메라의 촬영 위치 및 각도는 Fig. 2에서 보는 바와 같이 촬영 케이지의 454 mm 전방에서 수평을 기준으로 8° 상향으로 기울여 촬영하도록 하였다.
- 프로그램의 왼쪽 상단에는 카메라로부터 입력된 실시간 Image를 관찰할 수 있도록 하였고 중심의 상단에는 처리된 Image를 확인할 수 있도록 하였다. 한편 자동으로 판정된 병계 및 폐사계에 대한 정보는 프로그램의 왼쪽 하단에 LED 표시램프로 결과 창을 만들어 병계 및 폐사계의 유무를 확인할 수 있도록 프로그래밍 하였다.
- X축 사이거리가 120 pixel 이내인 모든 Label들을 순차적으로 합산한다. 합산된 면적을 기준 면적과 비교하여 1500 pixel보다 크면 병계 및 폐사계로 판정하고 1500 pixel 이하이면 정산 산란계로 판정한다.
대상 데이터
- 산란계의 이미지 추출을 위한 각각의 농도는 촬영되는 조도의 값에 따라 변화된다. 따라서 본 실험에서는 영상이 명확하게 촬영될 수 있는 45 lx의 조도를 선정한 후 Red 0~140, Green 0~130, Blue 0~130의 범위를 선택하였다.
- 병폐사계의 판정에 대한 실험을 하기 위하여 Cage당 산란계 5마리를 공시하였다. 정확한 실험 및 결과를 얻기 위하여 정량의 사료를 매일 같은 시간에 급이 하였고 급 이후 30초 이후부터 5분 30초까지 판정 실험을 실시하였다.
- 본 연구에 사용된 산란계는 한국에서 가장 많이 사육되고 있는 갈색 레그혼종으로 증체가 멈추게 되는 37주령 이상 된 산란계를 공시하였다. 산란계의 외부 깃털은 갈색이고 평균 체중은 2 kg이다.
- 산란계 원격 감시시스템은 PC, 카메라구 동부, Color CCD 카메라, 보조조명 장치, Illumination chamber로 구성되었다.
데이터처리
- 5) 개발된 알고리즘을 LABWindows/CVI를 이용하여 프로그램을 작성하였다.
이론/모형
- 2 진화된 영상은 Noise를 다수 포함하고 있기 때문에 팽창 및 수축기법을 이용하여 Noise를 제거하였다. 이미지 내의 Noise를 제거하기 위하여 팽창 처리를 한 후 수축처리를 하였으며, 배경에 대한 Noise를 제거하기 위하여 수축처리를 한 후 팽창처리를 하였다.
- 하였다. Labele 8연결법을 사용하였다. 각각의 Label에 대한 면적을 계산하였으며 면적이 200 화소 이하인 Label을 Noise로 가정하고 해당 Label을 제거하였다.
- 병계 및 폐사계의 판별을 위하여 개발된 알고리즘은 LabWindows/CVI 언어를 이용하여 구현하였다. 프로그램의 왼쪽 상단에는 카메라로부터 입력된 실시간 Image를 관찰할 수 있도록 하였고 중심의 상단에는 처리된 Image를 확인할 수 있도록 하였다.
성능/효과
- 1) 병폐사계의 판정을 위한 적정 촬영 시간을 찾아내기 위해 산란계의 먹이에 대한 관심도를 조사한 결과 관심도가 90%를 넘는 급 이후 5분 30초 이내가 가장 적절한 것으로 판단되었다.
- 3) 산란계의 영상을 추출하기 위한 RGB의 농도 범위를 Red 0~140, Green 0~130, Blue 0~130 으로 하였을 때 가장 좋은 영상을 얻을 수 있었다.
- 6) 개발된 감시시스템을 이용하여 실험 유형별로 4개의 Cage 산란계 20마리에 대하여 100회의 판별 Test를 실시하였으며 그 결과 A형의 실험에서 92%의 정확도를 나타냈고, B형의 실험에서 96%의 정확도를 나타냈다.
- 7) 개발된 영상처리 알고리즘을 영상처리 시스템에 적용하여 실험산란계 사내의 고단직립식 산란계케이지에서 실험을 실시한 결과 높은 성공률을 보였으며 앞으로 개발될 고단 직립식 산란계 케이지의 원격자동화 감시시스템을 구성하는 데 있어서 적합한 영상 처리알고리즘인 것으로 판단되었다.
- B형 실험의 경우 대부분의 폐사계는 살아있는 닭에 의해 뒤로 밀려나게 되는 것이 일반적이나 폐사계가 전면부에 위치한 경우 원거리의 산란계보다 높은 조도가 형성되어 산란계의 이미지 추출을 위한 RGB 영역에서 벗어나 산란계의 이미지를 추출하지 못하게 되는 경우가 발생되었다. 또한 개발된 알고리즘으로 시스템을 구성하여 영상처리 실험을 실시한 결과 판정에 소요되는 시간이 이미지의 종류에 따라 2초에서 3초가량 소요되었다. 이렇게 많은 시간이 소요되는 것은 큰 이미지를 사용한 것과 여러 가지의 영상처리 기법을 적용하였기 때문인것으로 판단되었다.
- 산란계 케이지 내의 기립불능인 병계 및 폐사계의 추출을 위한 감시시간을 결정하기 위하여 급 이후 산란계의 먹이에 대한 관심도를 조사한 결과 산란계의 먹이에 대한 관심도가 90% 이상인 5분 30초 이내에 관찰하는 것이 적합할 것으로 판단되었다.
- 관찰하였다. 질병에 대한 미미한 외부 변화의 경우 군집 사육을 하기 때문에 개별관찰이 어려워 영상을 이용한 판별이 불가능하였으나 가장 큰 특징이라고 할 수 있는 기립불능이나 폐사계의 판별은 가능한 것으로 판단되었다. 산란계의 경우 사료에 대한 관심도가 매우 높아 사료를 급이 했을 때 모든 닭들이 기립하여 사료통에 접근하고 사료를 섭취하는 데 그 중 질병에 걸려 기립불능인 병계나 폐사계의 경우 케이지의 바닥에 쓰러지게 되어 정상 산란계와는 확연히 구별할 수 있었다.
후속연구
- 이렇게 많은 시간이 소요되는 것은 큰 이미지를 사용한 것과 여러 가지의 영상처리 기법을 적용하였기 때문인것으로 판단되었다. 이미지 처리에 소요되는 과도한 시간이 본 실험에서는 문제점으로 부각되지 않았으나 자동화된 원격 감시시스템을 개발하여 대량의 산란계 케이지를 고속으로 감시하기 위해서는 시스템의 많은 부하가 초래될 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.