메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Wonseok Jung (Namseoul University) Hyeon Park (IoT Research Department Electronics and Telecommunications Research Institute) Se-Han Kim (IoT Research Department Electronics and Telecommunications Research Institute) Jeongwook Seo (Namseoul University)
저널정보
한국정보통신학회 INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING 2019 INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING Vo.11 No.1
발행연도
2019.6
수록면
337 - 340 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2019

An IoT-Based Object Detection and Alerting System for Livestock Disease Prevention
Wonseok Jung ,  Hyeon Pa ,  k 외 2명 INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING 2019.06 학술대회자료
A DNN-Based Multi-Object Tracking and IoT Alerting System for Smart Farm
Wonseok Jung 정보통신공학과 2019.01 학위논문

초록· 키워드

오류제보하기
In this paper, we implement object detection system for animal disease prevention through Faster Region-based Convolutional Neural Network (R-CNN) model and You Only Look Once (YOLO) v3 model. For object detection systems, we derive visual targets (pigs, human, trucks) and create open dataset through image collection and labeling. The open dataset is used to design the Faster R-CNN model for livestock disease detection of the object detection engine and the YOLOv3 model for farm environment detection of the object detection engine is designed using the pre-learned parameters. For the experiment, we use a webcam to capture the image of the visual target and detect the object using the designed model. The detected result is encoded for sharing. Then, the detection result is transmitted to the Internet of Things (IoT) server through the IoT client conforming to oneM2M standard. As a result, the Faster R-CNN model for animal disease detection was about 43.58%, and the YOLOv3 model for farm environment detection was about 55.17% and about 62.16%, respectively. The encoded data collected in the IoT server is decoded and sent to the registered users through the social network service (SNS) agent to implement the object detection system for the prevention of livestock diseases.
#Faster R-CNN #YOLOv3 #Object Detection #Livestock Disease Prevention #Internet of Things

목차

Abstract
I. INTRODUCTION
II. PROPOSED OBJECT DETECTION SYSTEM
III. EXPERIMENTAL RESULTS
IV. CONCLUSIONS
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Object Detection System for the Blind with Voice Command and Guidance
Sanghyeon Lee ,  Moonsik Kang IEIE Transactions on Smart Processing & Computing 2019 .10
Deep learning model of chronic disease prediction using healthcare big data
Changgyun Kim ,  Hyein Kim ,  Heajong Joo 외 1명 Proceedings of The International Workshop on Future Technology 2019 .01

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-004-000921221