축산업에서 가축의 질병을 예방하고, 고품질의 축산 상품을 최대한으로 생산하기 위해서는 가축이 사육되는 축사의 환경을 최적의 상태로 관리할 필요가 있다. 오늘날 가축이 사육되는 환경을 개선하고 관리하고자, 공기 환경, 사육 환경 등 각각의 요인들과 가축의 생체 간 수치적 규칙을 해석하는 가축의 생육 모델 관련 연구가 진행되고 있다. 그러나 종래의 생육 모델로는 공기 환경과 사육 환경을 복합적으로 분석하고 해석하여, 축사에서 복합 환경을 제어하기 위한 의사 결정을 지원하기에는 미흡하다. 따라서 본 고는 축적된 생체 정보, 공기 환경, 사육 환경 및 생산 정보를 기반으로, 인공신경망을 이용한 복합 환경과 가축의 생체 간 계량적 모델을 생성하여 소프트웨어 기반으로 축사의 복합 환경을 제어할 수 있는 방안을 제시하고자 한다.
축산업에서 가축의 질병을 예방하고, 고품질의 축산 상품을 최대한으로 생산하기 위해서는 가축이 사육되는 축사의 환경을 최적의 상태로 관리할 필요가 있다. 오늘날 가축이 사육되는 환경을 개선하고 관리하고자, 공기 환경, 사육 환경 등 각각의 요인들과 가축의 생체 간 수치적 규칙을 해석하는 가축의 생육 모델 관련 연구가 진행되고 있다. 그러나 종래의 생육 모델로는 공기 환경과 사육 환경을 복합적으로 분석하고 해석하여, 축사에서 복합 환경을 제어하기 위한 의사 결정을 지원하기에는 미흡하다. 따라서 본 고는 축적된 생체 정보, 공기 환경, 사육 환경 및 생산 정보를 기반으로, 인공신경망을 이용한 복합 환경과 가축의 생체 간 계량적 모델을 생성하여 소프트웨어 기반으로 축사의 복합 환경을 제어할 수 있는 방안을 제시하고자 한다.
In order to prevent livestock diseases and produce the high quality livestock products in the livestock industry, it is necessary to manage the conditions of the livestock farms in the optimal condition. Therefore, these days the research on livestock growth models that analyze the factors of the ai...
In order to prevent livestock diseases and produce the high quality livestock products in the livestock industry, it is necessary to manage the conditions of the livestock farms in the optimal condition. Therefore, these days the research on livestock growth models that analyze the factors of the air environment, the breeding environment, and the numerical rules of livestock in vivo is being carried out to improve and manage the environment in which livestock are kept. However, conventional models of growth are not sufficient to support the decision-making to control complex environment in pen by analyzing and interpreting air environment and breeding environment in a complex way. In this paper, we propose a method to control the complex environment in pen by using artificial neural network model based on biological information, air environment, breeding environment and production information.
In order to prevent livestock diseases and produce the high quality livestock products in the livestock industry, it is necessary to manage the conditions of the livestock farms in the optimal condition. Therefore, these days the research on livestock growth models that analyze the factors of the air environment, the breeding environment, and the numerical rules of livestock in vivo is being carried out to improve and manage the environment in which livestock are kept. However, conventional models of growth are not sufficient to support the decision-making to control complex environment in pen by analyzing and interpreting air environment and breeding environment in a complex way. In this paper, we propose a method to control the complex environment in pen by using artificial neural network model based on biological information, air environment, breeding environment and production information.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 생육모델로는 공기 환경과 사육환경을 복합적으로 분석하고 해석하여 축사에서 복합환경제어를 위한 의사결정을 지원하기에는 미흡하다. 따라서 본 연구는 회귀모형 및 시계열 모형을 이용한 생산량 모형 개발 방법에서 발견되는 문제점을 보완할 수 있는 새로운 모형 개발 방법을 도입하여 기존 모형과 상호 보완적인 모형을 개발하고자 하였다. 그 중에서 인공신경망은 독립변수 간 상관관계 및 변수 분포에 대해 특별한 가정을 하지 않고, 변수들 간의 비선형 관계에 대한 분석과 모형의 일반화에 장점을 가지고 있다[5].
따라서 본고는 이러한 축사 복합환경제어기술의 방안제시의 일환으로 축적된 생체정보, 환경정보 및 생산정보를 기반으로 인공신경망을 이용한 가축 생산량 예측 방안을 제시하고자 한다.
이에 본 연구는 대표적인 축산물인 소, 돼지에 대한 생산량 예측 인공신경망 모형 개발에 대한 방향을 제시한다. 인공신경망의 구조는 정보가 들어가는 입력 층, 결과 값을 내는 출력 층과 입력 층과 출력 층 사이에서 정보를 처리하는 1개의 은닉 층으로 구성되어 있다.
이와 같은 문제점을 해결하기 위하여 S/W 기반의 축사용 복합환경제어기술의 방안 제시의 일환으로 농촌진흥청에서 수행중인 스마트축사 빅데이터 분석 연구와 인공신경망 기술동향을 분석하고, 이를 기반으로 인공신경망을 이용한 축사물 생산량 예측 방안을 제시하고자 하였다. 따라서 본 논문에서 제시한 인공신경망을 이용한 축산물 생산량 예측 방안을 복합환경제어 장치에 적용하여 최적 환경제어에 활용하기 위하여 축사 현장에서 발생하는 환경 및 생체 자료를 장기적으로 축적하고, 이를 기반으로 환경과 생체간의 계량적인 관련성을 분석하여 인경신경망의 입력 항목, 출력항목, 결합함수 및 활성화 함수에 대한 수학적인 함수를 도출하여야 한다.
제안 방법
그리고 추가적으로 수집된 데이터로부터 실시간으로 학습을 수행하는 딥러닝 (Deep Learning) 방식을 고려하도록 하여, 실시간으로 수집되는 개체의 음성데이터 등을 분석하여 개체의 상태가 어떠한 지 알아내는데 사용될 수 있다. 그리고 클러스터링을 이용하여 질병에 걸리거나 건강에 문제가 발생한 개체를 파악하는 방안을 개발하였고, 질병개체 파악방안을 좀 더 일반적인 환경을 고려하여 고도화하였다[4].
또한, 초기 연결강도를 학습을 통하여 목표치에 근접하도록 조정한다. 또한 환경요인과 생체간의 정량적 관계를 수학적인 공식으로 모델화한 생육예측 모델을 분석하여 결합함수와 활성화 함수를 선정하고, 가축의 생체해석을 통하여 가축의 생산량 및 품질을 예측하는 생체해석 모델을 분석하여 결합함수와 활성화 함수를 산정한다.
값을 설정한다. 또한, 초기 연결강도를 학습을 통하여 목표치에 근접하도록 조정한다. 또한 환경요인과 생체간의 정량적 관계를 수학적인 공식으로 모델화한 생육예측 모델을 분석하여 결합함수와 활성화 함수를 선정하고, 가축의 생체해석을 통하여 가축의 생산량 및 품질을 예측하는 생체해석 모델을 분석하여 결합함수와 활성화 함수를 산정한다.
성능/효과
농촌진흥청에서는 2014년부터 2016년까지 “가축관리 및 돈사환경 관측 빅데이터 활용에 관한 연구”를 수행하였고, 주요 연구내용은 기계학습툴을 이용하여 체중, 표피온도, 부피 및 체지방량 등의 생체데이터와 환경데이터의 연관성 모델을 개발하였다. 또한, 개체가 건강하게 자라는데 가장 큰 영향을 주는 환경요소들을 도출하여 실제 스마트돈사를 보급할 때 돈사관리에 도움이 되는 센서 들만 사용하고, 영향을 많이 주는 요소를 측정하는 센서의 정확도를 높임으로써 더 적은 비용으로 돈사를 더 효율적으로 관리할 수 있게 한다. 그리고 추가적으로 수집된 데이터로부터 실시간으로 학습을 수행하는 딥러닝 (Deep Learning) 방식을 고려하도록 하여, 실시간으로 수집되는 개체의 음성데이터 등을 분석하여 개체의 상태가 어떠한 지 알아내는데 사용될 수 있다.
후속연구
또한, 개체가 건강하게 자라는데 가장 큰 영향을 주는 환경요소들을 도출하여 실제 스마트돈사를 보급할 때 돈사관리에 도움이 되는 센서 들만 사용하고, 영향을 많이 주는 요소를 측정하는 센서의 정확도를 높임으로써 더 적은 비용으로 돈사를 더 효율적으로 관리할 수 있게 한다. 그리고 추가적으로 수집된 데이터로부터 실시간으로 학습을 수행하는 딥러닝 (Deep Learning) 방식을 고려하도록 하여, 실시간으로 수집되는 개체의 음성데이터 등을 분석하여 개체의 상태가 어떠한 지 알아내는데 사용될 수 있다. 그리고 클러스터링을 이용하여 질병에 걸리거나 건강에 문제가 발생한 개체를 파악하는 방안을 개발하였고, 질병개체 파악방안을 좀 더 일반적인 환경을 고려하여 고도화하였다[4].
이와 같은 문제점을 해결하기 위하여 S/W 기반의 축사용 복합환경제어기술의 방안 제시의 일환으로 농촌진흥청에서 수행중인 스마트축사 빅데이터 분석 연구와 인공신경망 기술동향을 분석하고, 이를 기반으로 인공신경망을 이용한 축사물 생산량 예측 방안을 제시하고자 하였다. 따라서 본 논문에서 제시한 인공신경망을 이용한 축산물 생산량 예측 방안을 복합환경제어 장치에 적용하여 최적 환경제어에 활용하기 위하여 축사 현장에서 발생하는 환경 및 생체 자료를 장기적으로 축적하고, 이를 기반으로 환경과 생체간의 계량적인 관련성을 분석하여 인경신경망의 입력 항목, 출력항목, 결합함수 및 활성화 함수에 대한 수학적인 함수를 도출하여야 한다. 또한 지속적으로 환경, 생체 및 생산량 정보를 수집하고, 인공신경망에 입력하여 학습을 통한 최적의 노드 간의 가중치를 구하여야 한다.
따라서 본 논문에서 제시한 인공신경망을 이용한 축산물 생산량 예측 방안을 복합환경제어 장치에 적용하여 최적 환경제어에 활용하기 위하여 축사 현장에서 발생하는 환경 및 생체 자료를 장기적으로 축적하고, 이를 기반으로 환경과 생체간의 계량적인 관련성을 분석하여 인경신경망의 입력 항목, 출력항목, 결합함수 및 활성화 함수에 대한 수학적인 함수를 도출하여야 한다. 또한 지속적으로 환경, 생체 및 생산량 정보를 수집하고, 인공신경망에 입력하여 학습을 통한 최적의 노드 간의 가중치를 구하여야 한다.
본 논문에서 제시한 인공신경망을 이용한 축사 복합환경제어 알고리즘 개발은 축산 재배 분야 전문가와 인공지능분야 전문가의 협업을 통하여 장기적인 과제를 지속적으로 수행하여야 한다. 또한 축종별 개발된 알고리즘의 학습 및 보완을 지속적으로 수행하기 위하여 장기적이고 지속적인 자료 수집이 요구됨으로, 자료 구조에 대한 표준화를 추진하여 자료 수집 및 활용의 효율성을 높이는 작업이 병행되어야 한다.
향후 농촌진흥청에서는 2016년부터 2018년까지 “ICT적용 축산농가의 빅데이터 활용 컨설팅 기술”개발 과제를 수행하고 있으며, 주요 연구목표는 축산 ICT 사육시설‧장치 데이터와 농가경영관리프로그램 및 기타 유관기관 정보를 활용한 빅데이터 구축 및 분석을 위한 국가단위 빅데이터 통합관리 시스템 구축과 이를 활용한 컨설팅 플랫폼 개발이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.