본 논문은 자연환경의 변화가 젖소의 인공수정 수태율에 미치는 영향을 분석하였다. 먼저 종속변수로는 32개 농가의 인공수정자료를 이용하여 60개월(2008년 1월~2012년 12월)의 월별수태율을 구해 패널 자료로 구성하여 이용하였다. 젖소의 인공수정 수태율에 미치는 주요한 설명변수로 자연환경 변수로는 기온, 강수량, 그리고 풍속을 이용하였고, 월별 효과를 제어하기 위해 월별더미변수도 사용하였다. 분석 결과를 보면, 자연환경 설명변수 중 기온 변수가 가장 유의성이 큰 것으로 나타났다. 평균 기온이 1℃ 상승하면 수태율은 약 –0.6% 하락하는 것으로 추정되었다. 더미변수를 활용한 추정에서는 1월, 4월, 6월, 7월, 8월의 더미변수가 유의성이 큰 것으로 나타났다. 추정치를 보면 평균 수태율은 1월의 경우 약 44%, 4월의 경우 약 33%, 6월은 약 32%, 7월은 약 31%, 8월은 약 27%인 것으로 나타났다. 수태율은 기온이 높아지는 여름이 될수록 낮아지며 겨울의 경우 수태율이 높은 것으로 분석되었다.

This paper proposes a pose-graph based SLAM method using an upward-looking camera and artificial landmarks for AGVs in factory environments. The proposed method provides a way to acquire the camera extrinsic matrix and improves the accuracy of feature observation using a low-costcamera. SLAM is conducted by optimizing AGV’s explored path using the artificial landmarks installed on the ceiling at various locations. As the AGV explores, the pose nodes are added based on the certain distance from odometry and the landmark nodes are registered when AGV recognizes the fiducial marks. As a result of the proposed scheme, a graph network is created and optimized through a G2O optimization tool so that the accumulated error due to the slip is minimized. The experiment shows that the proposed method is robust for SLAM in real factory environments.