초록 close

젖소의 성장단계별 적정 생육상태 및 사양관리법을 제시하기 위해서는 젖소의 외형적 특징을 분석하는 것이 중요하다. 그러나, 지금 사용되고 있는 가축 심사 및 체위 계측방법은 육안에 의한 관찰과 접촉에 의한 직접적인 방식이므로, 젖소에게 많은 스트레스를 줄뿐만 아니라 고르지 않은 환경으로 인해 정확한 계측이 어렵다. 따라서, 영상처리장치를 이용한 비접촉 방식으로 젖소의 체위를 측정할 수 있는 시스템을 개발하는 것이 바람직하다. 이 연구에서는 목장 내에서 자연스럽게 이동하고 있는 젖소를 대상으로 획득한 스테레오 영상을 이용하여 각종 체위를 분석할 수 있는 영상 분석 시스템을 개발하고자 하였으며, 그 결과를 요약하면 다음과 같다.1) 목장(A, B)에서 생육중인 16두의 홀스타인을 대상으로 체위를 실측하였으며, 젖소의 자세나 행동에 제약을 주지 않은 자연스러운 상태에서 젖소의 스테레오 영상을 우사 밖에서 획득하였다. 그리고, 스테레오 영상을 이용하여 젖소의 체위를 분석하기 위해, 카메라 보정을 실시하고 역투사방법에 의해 실제 좌표를 구하는 과정을 제시하였다. 2) 카메라와 젖소간 거리가 목장 A에서는 510 cm, 목장 B에서는 630 cm를 기준으로 하여 촬영하였기 때문에 두 가지의 거리범위에 대해 스테레오 영상 분석 시스템에 대한 측도 설정 결과를 별도로 제시하였다. 측도 설정의 최대 오차는 근거리 범위에서 2 cm, 원거리 범위에서는 4.9 cm로 나타났다.3) 젖소의 체위를 분석하는데 필요한 특징점 중 11개는 사용자에 의해 수동의 방법으로, 5개의 보조점은 프로그램에 의해 자동 산출하였다. 그런데, 젖소의 특징점이 몸통 내부에 있거나 젖소의 자세가 안정적이지 못함으로써 윤곽이 변형되는 경우에는 특징점의 검출이 어려웠다. 그러나, 체위의 측정 오차를 최소화하기 위해서는 정확한 대응점의 검출이 더욱 중요함을 알 수 있었다.4) 스테레오 영상 분석에 의해 체고, 십자부고, 사체장, 체장, 흉심 및 흉폭을 측정하고 각각에 대해 측정 오차를 분석한 결과, 대부분의 측정 오차는 10% 이하이었다. 사체장과 흉폭의 경우 몸통 내부에 있는 특징점을 이용하여 산출하기 때문에 약간 큰 측정 오차를 보이는 경우가 있었다. 5) 스테레오 영상 분석에 의해 구한 흉심과 흉폭을 이용하여 흉위를 추정하는 회귀방정식을 제시하였다. 그 결과, 흉위에 대한 추정 오차는 모두 10% 이내이었으며, 평균 측정오차는 8.2 cm이었다. 6) 한 쪽 영상에서 검출한 특징점에 대한 주위 영역의 영상 특성이나 다른 특징점과의 위치관계를 이용하여 다른 쪽 영상에서의 대응점을 자동 검출하는 방안을 개발함으로써, 젖소의 특징점을 검출하는데 소요되는 시간을 단축할 수 있을 것으로 사료되었다.


The analysis of cow body parameters is important to provide some useful information for cow management and cow evaluation. Present methods give many stresses to cows because they are invasive and constrain cow postures during measurement of body parameters. This study was conducted to develop the stereo vision system for non-invasive analysis of cow body features. Body feature parameters of 16 heads at two farms(A, B) were measured using scales and nineteen stereo images of them with walking postures were captured under outdoor illumination. In this study, the camera calibration and inverse perspective transformation technique was established for the stereo vision system. Two calibration results were presented for farm A and farm B, respectively because setup distances from camera to cow were 510 cm at farm A and 630cm at farm B. Calibration error values for the stereo vision system were within 2 cm for farm A and less than 4.9 cm for farm B. Eleven feature points of cow body were extracted on stereo images interactively and five assistant points were determined by computer program. 3D world coordinates for these 15 points were calculated by computer program and also used for calculation of cow body parameters such as withers height, pelvic arch height, body length, slope body length, chest depth and chest width. Measured errors for body parameters were less than 10% for most cows. For a few cow, measured errors for slope body length and chest width were more than 10% due to searching errors for their feature points at inside-body positions. Equation for chest girth estimated by chest depth and chest width was presented. Maximum of estimated error for chest girth was within 10% of real values and mean value of estimated error was 8.2cm. The analysis of cow body parameters using stereo vision system were successful although body shape on the binocular stereo image was distorted due to cow movements.