한우 무게 추정을 위한 영상 분할 방법의 고찰

A Study on the Image Segmentation Method for Estimating the Weight of Korean Cattle

가축의 무게를 측정하는 과정은 매우 어려운 작업이고 가축들에게 많은 스트레스가 유발하게 되어 이들의 성장에 저해 요인으로 작용한다. 만약에 가축 영상을 통해서 가축의 무게를 자동으로 확인할 수 있다면 이러한 문제를 해결할 수 있을 뿐만 아니라 가축들의 급이량 조절이나 건강 상태 파악에 많은 도움을 줄 수 있다. 따라서, 본 연구는 한우 무게를 자동으로 측정하기 위해서 3D 영상으로부터 한우를 분할할 수 있는 여러 가지 분할 방법을 고찰하였다. 먼저, 이 연구에서 활용된 데이터는 강원도 원주에 소재하는 축산농가에서 Intel RealSense Depth Camera(D455)를 활용하여 수집하였으며, 학습을 위한 라벨링 값으로 개체별로 계근대를 이용하여 한우의 무게를 측정하였다. 두 번째로, 우리는 색상 특성(HSV), 깊이 특성(Depth), 그리고 GrabCut 알고리즘을 기반으로 한우 영상 속의 몸체와 배경을 자동으로 분할할 수 있는 방법을 제안하였다. 세 번째로, 이들 분할 방법들의 성능을 비교하기 위하여 IoU(Intersection over Union) 측도를 활용하였다. 실험 결과로부터, 우리는 GrabCut 알고리즘과 깊이 정보를 결합한 객체 분할 방법이 다른 방법들에 비교해서 가장 높은 IoU 측도를 보임으로써 이것이 가장 우수한 분할 방법임으로 확인하였다.

The process of measuring the weight of livestock is a very difficult task and causes a lot of stress on the livestock, which acts as a hindrance to their growth. If it is possible to automatically check the weight of livestock through livestock images, this problem can be solved, and it can help a lot in controlling the amount of feed or understanding the health status of the livestock. Therefore, this study considered various segmentation methods that can segment Korean cattle from 3D images in order to automatically measure the weight of Korean cattle. First, the data used in this study were collected by using Intel RealSense Depth Camera (D455) at a livestock farm in Wonju, Gangwon-do, and the weight of Korean cattle was measured by using a weighbridge for each individual. Second, we proposed a method for automatically segmenting the body and background of Korean cattle images based on color characteristics (HSV), depth characteristics (Depth), and the GrabCut algorithm. Third, an Intersection over Union (IoU) measure was used to compare the performance of these partitioning methods. From the experimental results, we confirmed that the object segmentation method combining the GrabCut algorithm and depth information is the best segmentation method as it shows the highest IoU measure compared to other methods.