1 |
1
생태종의 행동 패턴에 대한 비침습적 실시간 모니터링 방법에 있어서,행동 패턴을 모니터링할 생태종의 각각의 개체에 대한 복수의 원본 영상을 획득하는 단계;상기 복수의 원본 영상 중 적어도 하나에 대하여 상기 생태종의 모니터링할 영역이 마스킹된 영상을 획득하는 단계;상기 복수의 원본 영상 중 적어도 하나의 원본 영상 및 상기 마스킹된 영상을 이용하여 학습된 객체분할 모델을 생성하고 저장하는 단계;상기 객체분할 모델을 이용하여 상기 원본 영상으로부터 행동 패턴을 모니터링할 영역을 포함하는 객체의 영상을 분할하는 단계;상기 분할된 객체의 영상을 후처리하는 단계; 및상기 분할된 객체의 영상을 후처리한 결과 생성된 데이터를 분석하는 단계를 포함하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
2 |
2
제1항에 있어서, 상기 생태종의 원본 영상은 상기 생태종을 독성 물질에 노출시킨 상태에서 제공되는 영상 데이터 및 상기 생태종을 상기 독성 물질에 노출시키지 않은 상태에서 제공되는 영상 데이터를 포함하는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
3 |
3
제2항에 있어서, 상기 데이터를 분석하는 단계는,상기 독성 물질에 노출시킨 생태종에 대응하는 객체의 영상을 후처리한 결과와, 상기 독성 물질에 노출시키지 않은 생태종에 대응하는 객체의 영상을 후처리한 결과를 비교하여 상기 독성 물질의 위험성을 평가하는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
4 |
4
제1항에 있어서, 상기 마스킹된 영상을 획득하는 단계에서,상기 마스킹에는 이미지 처리 기술이 사용되는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
5 |
5
제1항에 있어서, 상기 학습된 객체분할 모델을 생성하고 저장하는 단계에서,학습을 위한 객체분할 모델로 U-NET 또는 Mask R-CNN 딥러닝 기술이 사용되는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
6 |
6
제1항에 있어서, 상기 학습된 객체분할 모델을 생성하고 저장하는 단계에서,상기 원본 영상이 학습을 위한 객체분할 모델의 입력에 이용되고, 상기 마스킹된 영상이 상기 학습을 위한 객체분할 모델의 출력에 이용되는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
7 |
7
제1항에 있어서, 상기 생태종은 물벼룩을 포함하는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
8 |
8
제7항에 있어서, 상기 행동 패턴은 심장 박동수를 포함하는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
9 |
9
제8항에 있어서, 상기 심장 박동수는 상기 분할된 객체의 영상에서 일정 시간 동안 심장 부분이 차지하는 픽셀의 수가 변화하는 횟수를 카운트함으로써 측정되는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 방법
|
10 |
10
생태종의 행동 패턴에 대한 비침습적 실시간 모니터링 시스템에 있어서,행동 패턴을 모니터링할 생태종의 각각의 개체에 대한 복수의 원본 영상 중 적어도 하나의 원본 영상, 및 상기 복수의 원본 영상 중 적어도 하나에 대하여 상기 생태종의 모니터링할 영역이 마스킹된 영상을 이용하여 학습된 객체분할 모델을 생성하고 저장하는 모델학습부;상기 객체분할 모델을 이용하여 상기 원본 영상으로부터 행동 패턴을 모니터링할 영역을 포함하는 객체의 영상을 분할하는 모델실행부;상기 분할된 객체의 영상을 후처리하고, 상기 분할된 객체의 영상을 후처리한 결과 생성된 데이터를 분석하는 분석부; 및상기 원본 영상, 상기 마스킹된 영상, 상기 객체분할 모델, 상기 분할된 객체의 영상, 상기 후처리 결과 생성된 데이터 중 적어도 하나을 저장하는 저장 장치를 포함하는 생태종의 행동 패턴에 대한 비침습적 실시간 모니터링 시스템
|
11 |
11
제10항에 있어서, 상기 생태종의 원본 영상은 상기 생태종을 상기 독성 물질에 노출시킨 상태에서 제공되는 영상 데이터 및 상기 생태종을 상기 독성 물질에 노출시키지 않은 상태에서 제공되는 영상 데이터를 포함하는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 시스템
|
12 |
12
제11항에 있어서, 상기 프로세서는,상기 독성 물질에 노출시킨 생태종에 대응하는 객체의 영상을 후처리한 결과와, 상기 독성 물질에 노출시키지 않은 생태종에 대응하는 객체의 영상을 후처리한 결과를 비교하여 상기 독성 물질의 위험성을 평가하는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 시스템
|
13 |
13
제10항에 있어서, 상기 마스킹된 영상은 이미지 처리 기술을 사용하여 마스킹된 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 시스템
|
14 |
14
제10항에 있어서, 상기 모델학습부는 U-NET 또는 Mask R-CNN 딥러닝 기술을 사용하여 학습된 객체분할 모델을 생성하는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 시스템
|
15 |
15
제10항에 있어서, 상기 모델학습부는 학습을 위한 객체분할 모델의 입력에 상기 원본 영상을 이용하고, 상기 학습을 위한 객체분할 모델의 출력에 상기 마스킹된 영상을 이용하는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 시스템
|
16 |
16
제10항에 있어서, 상기 생태종은 물벼룩을 포함하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 시스템
|
17 |
17
제16항에 있어서, 상기 행동 패턴은 심장 박동수인 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 시스템
|
18 |
18
제17항에 있어서, 상기 심장 박동수는 상기 분할된 객체의 영상에서 일정 시간 동안 심장 부분이 차지하는 픽셀의 수가 변화하는 횟수를 카운트함으로써 측정되는 것을 특징으로 하는 생태종의 행동패턴에 대한 비침습적 실시간 모니터링 시스템
|
19 |
19
생태종의 행동 패턴에 대한 비침습적 실시간 모니터링 장치에 있어서,행동 패턴을 모니터링할 생태종의 각각의 개체에 대한 복수의 원본 영상을 획득하고, 상기 복수의 원본 영상 중 적어도 하나에 대하여 상기 생태종의 모니터링할 영역이 마스킹된 영상을 획득하는 입출력부;상기 복수의 원본 영상 중 적어도 하나의 원본 영상 및 상기 마스킹된 영상을 이용하여 학습된 객체분할 모델을 저장하고, 상기 객체분할 모델을 이용하여 상기 원본 영상으로부터 행동 패턴을 모니터링할 영역을 포함하는 객체의 영상을 분할하며, 상기 분할된 객체의 영상을 후처리하고, 상기 분할된 객체 영상을 후처리한 결과 생성된 데이터를 분석하는 프로세서; 및상기 원본 영상, 상기 마스킹된 영상, 상기 객체분할 모델, 상기 분할된 객체의 영상, 상기 후처리 결과 생성된 데이터 중 적어도 하나을 저장하는 메모리를 포함하는 생태종의 행동 패턴에 대한 비침습적 실시간 모니터링 장치
|