Mean-shift 클러스터링 기반 객체 분리를 통한 가금류 무게 측정 시스템 구현 (Implementation of Poultry Weight Measuring System using Object Segmentation based on Mean-shift Clustering)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 55권 / 8호 / 55 ~ 64페이지
· 저자명 : 박호범, 김나리, 한영준, 한헌수

초록

국내의 연간 닭고기 소비량의 꾸준한 증가로 인해 국내산 육계의 수요가 매년 증가하고 있다. 국내 양계장에서 출하하는 육계는 12종이며 각 품종 간 사육기간의 차이가 적다. 이에 가금류의 목표 무게에 대한 지속적인 관찰이 필요하지만 잦은 접촉은 가금류에 스트레스를 주어 성장과 품질 저하를 초래하고, 오염물질이 많은 양계환경은 사육자의 건강에 악영향을 끼친다. 본 논문에서는 양계장에 설치한 저울과 무게표시기를 IP카메라로 촬영하여 원격으로 가금류 무게를 측정하는 시스템을 제안한다. 본 논문의 가금류 무게 측정 시스템은 가금류 개체수 검출과 무게 인식의 두 단계로 구성된다. 가금류 개체수 검출은 이진화 영상에 거리변환(Distance Transform)을 적용하고, Mean-shift clustering 기반 객체분리 알고리즘을 사용하였다. 무게 인식은 무게표시기의 디스플레이 영역을 검출하고, 각 숫자를 분리한 후 인공신경망(Artificial Neural Network) 기반 숫자 인식을 통해 가금류의 무게를 인식하였다. 제안하는 시스템의 성능을 검증하기 위해 IP카메라를 통해 수집된 400장의 테스트 영상으로 실험하였으며 91.09% 정확도를 보였다.

영어초록

The domestic demand for edible chickens is increasing every year as the domestic annual consumption for chickens steadily grows. Edible chickens are a little difference in breeding period according to 12 varieties. Frequent contacts for measuring the weight of poultry can cause stress to the poultry and induce them to deteriorate their growth and quality. A pollution-intensive environment of a poultry farm also hurt breeder’s health. In this paper, we propose a system to remotely measure the poultry weight by capturing an image of scale and indicator from IP camera at poultry farm. The poultry weight measuring system consists of two steps: number of poultry detection and weight recognition. For the number of poultry detection, Mean-shift clustering-based object segmentation algorithm was applied to images with distance transformation applied to binarized image. The weight recognition detects the display area of the weight indicator, separates each number, and recognizes the weight of the poultry by ANN(Artificial Neural Network) based numerical recognition. To verify the performance of the proposed system, an experiment was executed with 450 test images from IP camera and showed 91.09% accuracy.

참고자료

· 없음