딥러닝을 이용한 가금류질병 모니터링 및 경보시스템 구축에 관한 연구
A Framework to study poultry disease monitoring and alarm system using deep learning approach
초록/요약
본 연구는 반복되는 조류독감 및 가축 전염병의 확산으로 인해서 발생되는 대량의 가금류 살처분과 토지와 지하수 등 환경의 오염을 방지하기 위해서 이미지 분석을 통한 가금류의 질병을 탐지하는 것을 목적으로 두고 연구를 진행했다. 현재의 시스템은 농가의 자발적인 신고에 의존하는 구조라서 신고가 늦어지면 이미 질병이 확산되어진 경우가 많았다. 본 논문에서는 농가의 자발적인 신고에 의존하는 구조에서 농가의 CCTV를 활용한 가금류의 이미지를 분석하여 의심증상이 발생되면 이를 자동으로 방역기관에 보고하는 구조를 제안한다. 이를 위해서 질병의 여러가지 지표 중에서 특히 닭의 경우 닭 볏의 색깔의 변화를 주요 생체표지자(BioMarker)로 삼고, 동일한 조건하에서 닭 볏의 색깔의 변화만으로 정상인 닭과 비정상인 닭을 구분하는 것을 목표로 삼았다. 실험에 사용된 Dataset 은 검색을 통해서 정상인 닭의 이미지를 모았으며 정상인 닭의 이미지에 볏의 변화를 합성해서 아픈 닭의 이미지를 만들었다. 이미지 분류에서 대표적으로 사용하는 CNN의 기법 중 Google의 Inception-v3의 Transfer Learning 모델을 사용했다. 실험의 결과로 사람이 판단할 수 있는 수치의 정확도를 보이는 결과를 보여줬다. 닭 볏의 색깔 변화가 Biomarker 로 분류기에서 제대로 분류되고 있다는 유의미한 결과를 보여주었다. 본 논문의 공헌사항은 닭의 이미지를 분석해서 질병을 예측하고 보고하는 과정이 자동으로 되기 때문에 질병을 조기에 발견하고 병의 확산을 막는데 기여할 수 있다.
more목차
제 1 장 서 론 1
제 1 절 연구 배경 1
제 2 절 연구 필요성 2
제 3 절 연구의 기대효과 3
제 4 절 논문 구성 4
제 2 장 관련 연구 5
제 1 절 배경 지식 5
제 1 항 닭의 질병 5
제 2 항 닭의 종류 7
제 3 항 각국의 디지털 방역시스템 7
제 2 절 딥러닝 알고리즘 및 모델 8
제 1 항 딥러닝이란? 8
제 2 항 CNN Architecture 의 종류 9
제 3 항 Transfer Learning with CNN 12
제 3 절 최근 스마트 농축산업의 기술개발동향 13
제 1 항 축산업 13
제 2 항 농업 14
제 3 항 원예 14
제 4 항 스마트파밍 에서 생성되는 데이터 15
제 3 장 제안하는 프레임워크 17
제 1 절 연구개발 방법론 17
제 2 절 BioSecurity 17
제 3 절 기존 비슷한 사례연구 19
제 4 절 프레임워크의 개념적인 모델 20
제 5 절 프레임워크의 프로세스 모델 21
제 6 절 프로세스 모델 개요 및 설명 22
제 4 장 이미지 분석을 위한 연구 실험 24
제 1 절 연구 실험 방법 및 절차 24
제 2 절 문제의 이해 25
제 3 절 데이터의 이해 26
제 4 절 데이터 준비 28
제 5 절 모델링 33
제 1 항 실험 환경 34
제 2 항 연구 실험 34
제 6 절 평가 39
제 5 장 결 론 43
제 1 절 연구 결론 43
제 2 절 연구 성과 43
제 3 절 연구 한계점 44
제 4 절 향후 연구 45
참 고 문 헌 46
ABSTRACT 49
