CN104936439B - 用于预测对象状态的结果的系统和方法 - Google Patents

用于预测对象状态的结果的系统和方法 Download PDF

Info

Publication number
CN104936439B
CN104936439B CN201380062925.2A CN201380062925A CN104936439B CN 104936439 B CN104936439 B CN 104936439B CN 201380062925 A CN201380062925 A CN 201380062925A CN 104936439 B CN104936439 B CN 104936439B
Authority
CN
China
Prior art keywords
feature
segmentation
combination
genitals
hoof
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201380062925.2A
Other languages
English (en)
Other versions
CN104936439A (zh
Inventor
埃莉诺·艾娜恩
兰迪·托特
约尔延·阿尔贝里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AGRICAM AB
Original Assignee
AGRICAM AB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AGRICAM AB filed Critical AGRICAM AB
Publication of CN104936439A publication Critical patent/CN104936439A/zh
Application granted granted Critical
Publication of CN104936439B publication Critical patent/CN104936439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01J—MANUFACTURE OF DAIRY PRODUCTS
    • A01J5/00—Milking machines or devices
    • A01J5/007—Monitoring milking processes; Control or regulation of milking machines
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01J—MANUFACTURE OF DAIRY PRODUCTS
    • A01J5/00—Milking machines or devices
    • A01J5/017—Automatic attaching or detaching of clusters
    • A01J5/0175—Attaching of clusters
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2270/00—Control; Monitoring or safety arrangements
    • F04C2270/04—Force
    • F04C2270/042—Force radial
    • F04C2270/0421—Controlled or regulated

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Environmental Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Animal Husbandry (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

公开了一种用于改善在工业环境中的对象的健康和安康的系统和方法。该系统可包括：布置为观察对象的一个或多个特征的摄像机、和耦接至摄像机的处理器，该处理器配置为分析从摄像机获得的一个或多个图像，从对象的一个或多个图像中提取一个或多个特征，以及分析特征中的一个或多个或者嵌套在其中的子特征来预测对象状态的结果。具体地说，该系统可配置为基于分析产生诊断信号(例如，结果、发热、乳腺炎、病毒、细菌感染、发情期等)。

Description

用于预测对象状态的结果的系统和方法
技术领域
本公开涉及用于分析工作环境中的对象的系统和方法。此外，本公开涉及用于在基本上不影响工作流程、在其附近的运动模式等的情况下分析生物(如牲畜)的健康和安康的系统和方法。
背景技术
在工业化养殖中，牲畜(如牛、鱼、家禽、猪、羊等)的健康和安康对维持组织(如农场、分销链等)的正在进行的操作和可持续性而言是重要的。特别相关的是，工业机构、食品分销网络以及农民关心牲畜的改进管理。如疾病的爆发(如感染、乳腺炎、流感等)的事件，可以消灭整个畜群和/或以其他方式不利地影响牛奶的生产或产品。例如，临床和亚临床乳腺炎可以对牛奶产量和质量具有显著负面的影响，其中临床乳腺炎的诊断常促使动物从畜群隔离并且甚至紧急屠宰。虽然现在用抗生素治疗临床乳腺炎，但亚临床乳腺炎根本无法治愈。
另外，育种计划等的优化可以显著影响这类组织的底线。
在一般情况下，虽然监控牲畜对于协助畜群管理可能是非常有用的，但监控过程的实用性可受到如下情况阻碍：太长时间维持无隐匿和/或无故障地观察对象的需要与在污染和/或混乱的环境中工作的需要相结合并要以不显眼的方式进行(即没有实质上改变环境、运动路径、工作流程等)。
发明内容
本公开的一个目的是提供用于改善工业环境中的动物的健康和安康的系统和方法。
另一个目的是提供用于改善牲畜的操作(例如挤奶、繁殖、清洁等)的管理的系统和方法。
另一个目的是提供用于预测在一定环境(即在某一过程期间，当通过环境移动时，在挤奶期间，在排队期间等)中的对象的健康结果的系统和方法。
另一个目标是提供用于预测在对象或对象群体中疾病的发作的系统和方法。
上述目的通过本申请中所描述的系统以及方法完全或部分地满足。具体地说，本公开的特征和方面在所附的权利要求书、以下的描述和附图中阐述。
根据第一方面，提供了用于预测在环境中的对象的健康结果的系统，该系统包括：位于环境内的摄像机，该摄像机配置为生成包括对象的特征的至少一部分的一个或多个图像和/或视频序列；以及处理器，该处理器配置成根据图像和/或视频序列中的一个或多个识别并分割该特征的至少一部分，以形成一个或多个分割特征，根据分割特征计算一个或多个度量，以及基于该一个或多个度量预测对象的健康结果。
在各方面中，该系统可包括配置成与处理器通信的数据库。数据库可配置为存储图像和/或视频序列中的一个或多个、一个或多个基准特征、分割特征中的一个或多个、和/或度量中的一个或多个。可布置该处理器以便与数据库进行通信。
在各方面中，该处理器可配置为将基准特征中的一个或多个与分割特征中的一个或多个比较以预测对象的健康结果，处理器可布置为接收一个或多个环境参数以预测对象的健康结果，和/或处理器可配置为根据图像和/或视频序列中的一个或多个来计算一个或多个环境参数以预测对象的健康结果。
在各方面中，处理器可配置为根据多个图像和/或视频序列中的每一个来分割该特征的至少一部分以形成分割特征部分的集合，并结合分割特征部分以形成代表性的分割特征，用于预测对象的健康结果。
在各方面中，处理器可配置为在存在遮蔽物(例如，身体部分、腿、尾部、脏透镜、物体、挤奶机组件、它们的组合等)的情况下分割特征的至少一部分。
在各方面中，摄像机(数码摄像机、可见光摄像机、近红外反射成像摄像机、红外摄像机、荧光成像摄像机、紫外成像摄像机、热成像摄像机、3D摄像机、它们的组合等)可配置为当对象在环境内移动时生成图像和/或视频序列。在各方面中，该系统可以包括多个摄像机，每个摄像机布置为以便使特征的不同部分和/或对象上的可选特征成像。
在各方面中，处理器可配置为基于健康结果预测发送警报。
根据另一个方面，提供了根据本公开的系统在牲畜管理系统中的应用。
根据另一个方面，提供了根据本公开的系统用于预测哺乳动物乳腺炎的发作的应用。
根据另一个方面，提供了根据本公开的系统用于预测动物发情期的发作的应用。
根据另一个方面，提供了根据本公开的系统用于提供用于自动挤奶系统的输入的应用。
根据另一个方面，提供了用于预测环境中的对象的健康结果的方法，该方法包括：使对象进行成像，以产生其一个或多个图像；识别一个或多个图像中的一个或多个特征；从一个或多个图像中分割出所识别的特征的至少一部分，以形成一个或多个分割特征；根据分割特征计算一个或多个度量；以及基于度量中的一个或多个预测对象的健康结果。
在各方面中，成像可以在对象移动通过环境时的时间段上执行。
在各方面中，该方法可以包括从多个图像分割出多个分割特征并产生用于量度计算的代表性分割特征。
在各方面中，成像可以在程序(例如，挤奶程序、药物投放、交配过程、运动事件、训练程序等)之前、期间、和/或之后执行。
在各方面中，该方法可包括将分割特征与来自对象的基准特征、环境参数比较，将分割特征和/或度量与以前取得的分割特征和/或度量比较，和/或将来自对象的分割特征和/或度量与从作为预测的部分的相关对象的家族获得的那些分割特征和/或度量比较。
在各方面中，该方法可以包括向用户和/或系统(例如，监控系统、牲畜管理系统、自动挤奶系统、自动治疗系统等)警告该预测。
在各方面中，健康结果可以是感染、发情期、疾病状态等。
在各方面中，该方法可以包括根据对象的图像中的一个或多个识别潜在感染的位置。
在各方面中，可利用根据本公开的系统，摄像机(例如，数码摄像机、可见光摄像机、近红外反射成像摄像机、红外摄像机、荧光成像摄像机、紫外线成像摄像机、热成像摄像机、3D摄像机、它们的组合等)等执行成像。
在各方面中，可以至少部分地通过预测模型执行该预测。
根据另一个方面，提供了用于预测移动通过环境的部分遮蔽对象的健康结果的方法，包括：把对象成像以产生对象的多个部分遮蔽图像；识别在一个或多个部分遮蔽图像中的一个或多个特征；从多个图像中分割出所识别的特征的至少一部分，以形成部分分割特征的组；合并部分分割特征以形成代表性分割特征；根据代表性分割特征计算一个或多个度量；以及基于度量中的一个或多个预测对象的健康结果。
在各方面中，该方法可以包括存储度量和/或代表性分割特征用于将来调用，和/或将一个或多个存储的度量和/或代表性分割特征与作为预测的部分的代表性分割特征和/或度量中的一个或多个比较。
根据另一个方面，提供了用于监控在环境中的对象的系统，该系统包括：摄像机，摄像机布置为以便观察对象的一个或多个特征；和耦接至摄像机的处理器，该处理器配置为分析从摄像机获得的一个或多个图像，根据对象的一个或多个图像中提取一个或多个特征，以及分析特征或者嵌套在特征中的子特征中的一个或多个来预测对象状态的结果。
在各方面中，对象可以是生物(例如人类、动物，鱼类、植物等)，动物(如牲畜，牛、羊、猪、马、鹿等)、植物、制造过程、野外环境、气体，它们的组合等。
在各方面中，特征可以是乳房、乳房的部分、乳头、口鼻、鼻孔、毛发图案、皮肤斑块、蹄、口、眼、生殖器、它们的组合等。
在各方面中，度量中的一个或多个可以包括热成像数据、颜色、形状、尺寸数据、热度量、平均温度、热梯度、温度差、温度范围、热图、生理参数、其中的变化、或它们的与分割特征中的一个或多个相关的组合。
在各方面中，根据本公开的监控系统和/或方法可配置为基于图像中的一个或多个的分析生成诊断信号(例如结果、发热、乳腺炎、病毒、细菌感染、发情期等)。
根据另一个方面，提供了用于对对象进行成像的方法，包括利用摄像机通过窗玻璃获得对象的一个或多个图像，根据图像中的一个或多个评估窗玻璃的清洁度以产生清洁度系数；以及基于清洁度系数清洁窗玻璃。在各方面中，该方法可以包括释放图像中的一个或多个，用于基于清洁度系数的分析；将窗玻璃暴露给对象；和/或定位该对象。
根据另一个方面，提供了用于评估对象的监控系统，包括：配置为产生一个或多个控制信号的控制器；根据本公开的摄像机模块，配置为从对象的至少一个方面获得图像且向控制器传输图像，摄像机模块配置为响应控制信号中的一个或多个；以及感测子系统和/或监视摄像机，感测子系统和/或监视摄像机配置为将对象的位置、方向和/或身份传输给控制器，控制器配置为分析对象的位置、方向和/或身份以产生控制信号中的一个或多个。
附图说明
图1示出根据本公开的用于监控对象的系统的各方面。
图2示出根据本公开的系统的各方面。
图3示出根据本公开的用于预测对象的结果的方法。
图4示出根据本公开的用于预测对象的结果的模型的各方面。
图5示出根据本公开的用于分析特征的方法的各方面。
图6示出根据本公开的用于校准系统的方法的各方面。
图7示出根据本公开的用于产生训练数据的方法。
图8a-b示出根据本公开的用于评价对象的结果的度量的时间历史曲线图。
图9示出根据本公开的显示关于对象组的数据的用户界面。
具体实施方式
在下文参照附图描述本公开的具体实施方式；然而，所公开的实施方式仅仅是公开的实例并且可以以各种形式来体现。公知的功能或结构没有详细描述，以避免在不必要的细节中使本公开模糊。因此，这里公开的具体结构和功能细节不应被解释为限制性的，而是仅仅作为权利要求书的基础，并作为教导本领域技术人员以实际上任何适当的详细结构以各种方式利用本公开的代表性基础。在整个附图描述中相同的附图标记可以指示相似或相同的元件。
摄像机是指，但不限于，数字摄像机、可见光摄像机、近红外反射成像摄像机、红外摄像机、荧光成像摄像机、紫外成像摄像机、热成像摄像机、3D摄像机、它们的组合等。
在各方面中，根据本公开的包括摄像机的系统可配置成监控在其放置的环境中的一个或多个对象(即作为监视系统、分析系统、工业控制过程、牲畜管理系统等的部分)。对象可包括机器、车辆、活生物体、人、动物、牲畜、牛、植物、它们的组合等。在各方面中，该系统可配置为监控环境的方面(如气体、化学种类、废气泄漏、环境温度、处理线、喂食设备等)。在各方面中，环境可以包括制造工厂、温室、音乐厅、剧院、拥挤的景观、购物中心、森林步道、谷仓、旷野、作物、滑雪场等。在各方面中，该系统可以与过程(如挤奶过程、制造程序、养殖过程、喂食过程等)耦接。
在各方面中，根据本公开的系统可配置为分析植物生命、植物、农作物等的一个或多个方面。这样的系统可配置为在植物生命上执行热成像(如无源热成像、有源热成像等)、近红外反射成像、反射成像、荧光成像、它们的组合等。这样的成像方法可用于诊断疾病、确定生长效率、监控养殖过程、调查虫害、病毒感染、真菌侵染等。这样的成像可在通常不受控和/或恶劣的环境中进行。
在各方面中，根据本公开的系统和/或相关的摄像机可配置为监控在牲畜管理环境/过程中的一个或多个对象(例如用于挤奶操作的管理、生殖监控、沼气生产、放牧、清洁、沼气密闭等)。在各方面中，该系统可配置为监控谷仓内甲烷气体水平、监控谷仓内甲烷云迁移、检测甲烷气体从谷仓到周围的环境中的泄漏等。
在各方面中，根据本公开的系统可用于监控分配、泄漏、和/或沼气分配系统、气体管理系统、气体密闭过程、和/或沼气收集系统的性能。
在各方面中，根据本公开的系统可以包括摄像机和一个或多个电路，电路配置为控制摄像机的一个或多个方面(传感器、对准照明、参考光、冷却系统、环境照明传感器、环境条件传感器等)、图像处理电路、清洁系统(例如流体输送阀、流体吸入阀、流体过滤过程等)、和/或伺服致动系统的一个或多个方面(例如用于使用在铰接配置中)。
图1示出根据本公开的用于监控对象的系统的各方面，该系统应用于牲畜监控应用。摄像机模块10(即根据本公开，摄像机可选地包括壳、电子器件、清洁方面的部件等)可以包括在根据本公开的系统的部分中。摄像机模块10可以靠近对象1的流动(traffic)流定位，其可用于记录对象1(例如动物，牛等)，或特征(例如乳房2a、乳房的部分3、奶头4、图案2b、蹄2c、口2d、眼2e、生殖器等)的空间上精确的图像。摄像机模块10可耦接到一个或多个处理器12，至少一个处理器配置为分析由摄像机模块10捕获的一个或多个图像。处理器12可以耦接到管理系统16(例如牲畜管理系统、调度系统、兽医警报系统、电子病历系统、网络、云数据系统等)和/或用户设备14(例如控制台、终端、软件界面、蜂窝电话、智能电话、平板电脑等)。处理器可配置为将状态信息、健康信息、度量等中继到管理系统16和/或用户设备14中，以便提供与对象1的管理有关的能够决策的数据。
该对象1可以包括一个或多个遮蔽物5(例如腿、尾部、臂、服装、帽子、眼镜、面具等)，其可至少部分地从摄像机模块10视图中遮蔽特征2a-e、3、4中的一个或多个。有时，在监控对象1过程期间，遮蔽物5中的一个或多个可以干扰所期望特征2a-e、3、4的清晰视图。在这种情况下，相关联的图像分析处理可配置为在遮蔽物5存在的情况下提取特征2a-e、3、4的至少一部分，以便继续从对象1提取一个或多个健康度量。
在各方面中，摄像机模块10可以包括保护壳(未明确示出)，和摄像机模块10的视场内的表面(未明确示出)。摄像机模块10可包括自清洁系统和/或功能，以便在使用期间定期清洁其表面。
在各方面中，根据本公开的包括摄像机模块10(或等效地，摄像机)的监控系统可以包括用于检测对象1的存在和/或身份的一个或多个系统。因此，系统可以包括配置为定位和/或识别在摄像机模块10范围内的对象1的一个或多个感测子系统(例如RFID定位系统、高温计、超声波传感器、光幕等)。
在各方面中，对象1可以是配备RFID标签(未明确示出)的动物(例如牛、绵羊、羔羊、猪等)。RFID标签读取器可以接近一个或多个摄像机模块10放置，使得当对象1在读取器的范围内移动时(通过在读取器和RFID标签之间RF信号的传播和收到确定)，读取器可以配置为将控制信号传送到在监控系统(例如摄像机模块10、管理系统16等)中一个或多个实体。一旦接收到控制信号，摄像机模块10可配置为唤醒并继续操作(例如评估清洁度、获得一个或多个读取、捕获视频等)。
在各方面中，摄像机模块10可配置为接收来自处理器12的一个或多个控制信号。在各方面中，处理器可配置为接收来自管理系统16、用户设备14等的一个或多个控制信号。这些控制信号的一些非限制性实例包括给摄像机模块10供电、将其置入待机状态、请求来自对象1的数据采集、请求递送来自摄像机模块的数据等。
图2示出根据本公开的应用到牲畜管理应用的监控系统的各方面。该监控系统可以包括均根据本公开的一个或多个摄像机模块110a-b。摄像机模块110a-b中的一个或多个可以包括具有视场114a-b的摄像机，摄像机被定向以便面对对象101(例如场景、工作站、活靶、动物、牛等)或对象高流动的区域。在各方面中，摄像机模块110a-b可布置在监控环境中，使得在日常程序(例如挤奶、喂食等)期间对象101可以进入摄像机模块的视场114a-b中。摄像机模块110a-b可以通过一个或多个信号传输线112a-b耦接到处理器、管理系统、控制器、电源等。
在各方面中，摄像机模块110a-b中的一个或多个可以包括保护盖(未明确示出)，每个保护盖配置为以便能够在使用期间致动(即，以便在使用期间为摄像机模块110a-b上一个或多个窗口/镜头提供间歇式覆盖)。
在各方面中，监控系统可以包括一个或多个感测子系统115(例如，RFID定位系统、高温计、超声波传感器、光幕等)和/或监视摄像机120，感测子系统和/或监视摄像机配置为以便在使用期间评估摄像机模块110a-b附近的对象101和/或环境(即包围摄像机模块110a-b中的一个或多个的视场114a-b的至少一部分的空间)。监视摄像机120可包括视场124和通信线路122以将对象101和/或对象101驻留其中的关联的环境的图像和/或视频馈送(即，用于检测环境条件、评估清洁度、收集参考数据等)传输给监控系统的一个或多个方面。在各方面中，对象101可佩戴或耦接身份标签118，该标签118可配置为存储和/或收集涉及和/或来自目标101的身份信息、生理数据、环境数据、动态数据(如运动、位置跟踪信息等)。在各方面中，感测子系统115中的一个或多个可以包括将一个或多个获得的信号传输给监控系统的一个或多个方面的通信线路116。
摄像机模块110a-b中的一个或多个可以包括通信线路112a-b，以将图像和/或视频馈送、状态更新、接收命令、电力、状态更新请求等传输给监控系统的一个或多个方面。
在各方面中，感测子系统115中的一个或多个可包括RFID读取器。RFID读取器可配置为定位和/或识别放置在对象101上或在其附近的一个或多个标签115。RFID读取器可配置为周期性地传播RF信号117以与可放置在对象101上的本地ID标签118进行通信。感测子系统115可配置为传输目标获取信号116给监控系统的一个或多个方面(例如可以传输给摄像机模块110a-b中的一个或多个)。在一个非限制性的实例中，对象101可以是配备有RFID标签118的动物(例如牛、绵羊、羔羊、猪等)。RFID标签读取器115可以邻近于一个或多个摄像机模块110a-b设置，使得当对象101在读取器115范围内移动时(通过在读取器115和标签118之间RF信号118的传播和接收确定)，读取器可配置为传输控制信号116给监控系统中的一个或多个实体。一旦接收到控制信号116或由其衍生的信号，摄像机模块110a-b中的一个或多个可配置为唤醒并继续操作(例如打开保护盖，评估清洁度，获得对象101的一个或多个读取，从对象101捕获视频等)。
在各方面中，感测子系统115和/或标签118可配置为传输身份数据、生理数据、环境数据(例如温度、湿度、光水平等)中的一个或多个给监控系统的一个或多个方面。
该监控系统可以包括均根据本公开的摄像机模块的阵列。一个或多个摄像机模块可通过监控系统等的协调与一个或多个其它模块，监视摄像机等同步操作。
在涉及工业监控的应用中，一个或多个摄像机模块可以位于组装线，传送系统等上方高处。可配置这样的摄像机模块以便观察制造空间的一个或多个宏观尺寸的区域，监控对象在整个环境中的移动，同时从多个对象收集来自一个或多个特征的数据，在环境中捕获照明方面的情况，从环境中捕获热标记，它们的组合等。
图3示出根据本公开的用于预测对象的结果的方法。结果是指，但不限于，预测健康结果(例如发烧、感染、乳腺炎、痊愈事件、生长事件等)、生育周期(即确定什么时候对象正在排卵等)、它们的组合等。该方法可包括捕获在环境中的对象的一个或多个图像和/或视频201(均根据本公开)。捕获一个或多个图像和/或视频201可以由一个或多个摄像机和/或摄像机模块(均根据本公开)来完成。
该方法可以包括将一个或多个图像和/或视频202存储在存储器中、本地存储媒介中、网络存储系统上、云系统上等。该方法可以包括分析来自对象的特征203以便从一个或多个图像和/或视频提取一个或多个度量(例如热度量、平均温度、温度梯度、温度差、温度范围、生理参数、它们的组合等)。在各方面中，分析特征的步骤可以包括识别对象、识别该对象上感兴趣的一个或多个特征、分割特征、从分割特征提取一个或多个度量、它们的组合等。
在各方面中，分析特征的步骤可包括确定是否特征被至少部分地被遮蔽，以及如果是这样，分割未被遮蔽的至少部分特征，可以从其中提取度量。在各方面中，可以跨越若干图像(即跨越视频的几个帧)分割部分遮蔽的特征。在这些方面中，可在每个图像(如图片，视频序列的帧等)中分割特征的至少一部分。分割的特征部分的集合可以单独地分析，以提取相关联的度量的集合。该度量的集合然后可以合并成代表性度量，用于在该方法的其他步骤中使用。在各方面中，分割的特征部分的集合可以连同合并算法被分组，以便产生更完整的分割的特征部分，并且一个或多个相关联的度量可以从其中提取，用于在该方法的其它步骤中使用。
该方法可以包括将度量204存储在存储器、本地存储媒介、网络、数据库等，用于在该方法的其他步骤中使用。
该方法可以包括预测对象的结果205。预测结果205的步骤可以包括将一个或多个度量204与一个或多个外部输入207、环境数据208、活动数据209、历史数据210(即来自于度量的数据库)、结果的存储历史(例如用于对象、家族、畜群、对象组等)，对象的度量历史，对象(例如家族、畜群等)集合的度量历史等比较。以及基于该比较，预测对象的状态和/或未来状态(例如发热、乳腺炎、乳腺炎发作、排卵、直到排卵起始的时间等)。
在各方面中，根据本公开，预测205的步骤可以包括向预测模型提供一个或多个度量204、外部输入207、环境数据208、活动数据209、历史数据210(即来自度量的数据库等)并评估从预测模型提供的预测。
预测可以以风险值、累加风险值(即，由此负面结果的风险随着持续的但低到中度风险的周期而增加)等的形式提供。这样的预测可以与预定的诊断值等进行比较以做出关于对象的决定。
该方法可包括评估风险值206，以确定是否应该采取有关对象的健康状态、生育等的行动。在应采取行动的情况下，该方法可以包括生成警报211，这样的警报可输送给监控系统的一个或多个方面、兽医、调度系统、用户设备、畜牧管理系统、医院等。
在该对象被认为是健康的情况下(即在此时不需要采取任何行动)，该方法可以包括如下步骤：更新212历史数据，更新预测模型，调度软件等，然后完成用于相关对象的结果预测过程214。
该方法的一个或多个方面可以在根据本公开的处理器上、根据本公开的管理系统中、相连接的云计算中心中、利用它们的组合等来执行。
在各方面中，可在预测205期间使用的外部输入207的一些非限制性实例包括用户定义的警报水平(即用户定义的风险语句)，本地天气报告，相关群体的风险水平(即来自附近的中心、农场、城市等的风险水平)，控制信号(即与设施的通风设备、红外线加热源等相关联)，外部施加的传感数据(例如牛奶电导率数据、实验室结果、产奶量等)。
在各方面中，可在预测205期间使用的环境数据208的一些非限制性实例包括本地温度水平、本地HVAC控制信号、本地云的条件、本地湿度、环境光水平、环境红外线光水平、它们的组合等。
在各方面中，活动数据209的一些非限制性实例可以包括用于对象的路径历史(例如用于评估对象在最近的历史经历中走过的距离、用于评估对象在最近的历史经历中访问的位置等)，对象的最近的运动速度(即，以便与在代谢和皮肤温度上升方面相关的增加相关联)，心脏速率信号，呼吸速率信号，呼吸气体分析等。这样的值可提供用于个体对象、家族、家族成员、畜群、种类等，用于在预测中使用。
在各方面中，历史数据210的一些非限制性实例可以包括用于个体对象、用于对象、对于对象的家族、用于畜群、用于种类等的度量历史，结果，最近发生的事件(例如外科手术、挤奶事件、喂食事件、产奶量、食物消耗量、喂食持续时间、投药、检查等)。
这样的信息可与一个或多个度量结合使用，以便改善预测205的预测结果的牢固可靠性。
图4示出根据本公开的用于预测对象的结果的模型301的各方面(例如作为预测步骤205的部分，作为训练过程的部分等)。预测模型301可以包括数学模型(例如传递函数、非线性系统、神经网络、模糊逻辑网络、贝叶斯网络等)，用于生成用于对象的潜在结果或风险水平，以一个或多个测量/结果304形式的给定输入，一个或多个外部输入207或外部输入的历史307，一个或多个环境数据点208或环境数据点的历史308，一个或多个活动数据点209和/或活动数据点的历史309，一个或多个历史度量210、310，一个或多个训练数据集312(均根据本公开)。在各方面中，每个这样的输入可以涉及对象、对象的组、对象的家族、家族成员、畜群、群体、它们的组合等。
预测模型301可配置为从输入集合产生预测303(例如对象的风险状态，诊断，用于组的相关风险，度量的未来预测等)。在各方面中，预测模型301可以包括传递函数、非线性关系、统计模型、前馈预测模型、参数模型、它们的组合等。
在各方面中，学习算法305可以耦接至模型以将预测303与测量结果304比较，并因此影响和/或适应模型301以便改善其预测值。这种学习算法305的一些非限制性实例包括卡尔曼滤波器、最小二乘滤波器、扩展卡尔曼滤波器、快速卡尔曼滤波器、节点解耦卡尔曼滤波器、时序差分学习算法、马尔可夫模型、懒惰学习算法、贝叶斯统计、非线性观测器、滑模观测器、自适应滤波器、最小均方自适应滤波器、扩充递推最小二乘滤波器、动态贝叶斯网络、它们的组合等。其它的，优化技术的非限制性实例包括非线性最小二乘法、L2范数、平均单依赖性估计(AODE)、反向传播人工神经网络、基函数、支持矢量机、k-最近邻算法、基于案例推理、决策树、高斯过程回归、信息模糊网络(information fuzzy networks)、回归分析、逻辑回归、时间序列模型、如自回归模型、移动平均模型、自回归移动平均模型、分类和回归树、多元自适应回归样条等。
这样的学习算法305可实时地用于与结果反馈304相结合来改善模型301的预测能力。在各方面中，这样的学习算法305还可以用于与训练数据集312相结合来更新模型301。在各方面中，可提供训练数据集312作为更新算法的部分(即基于新接收的群体数据，可选地与本地畜群历史数据相结合，再训练本地模型301)，作为初始训练程序，以刷新损坏的数据集等。
图5示出根据本公开的用于分析203特征的方法的各方面。该方法可以包括识别对象401(例如通过视觉确认、RFID标签识别、特征识别算法等任选一种)。这种识别可以是有利于确保可靠的再调用历史数据，用于过程中的后续步骤，用于将对象中的变化与先前值相联系，用于再调用先前特征分割，先前确认的特征形状，先前确认的特征位置矢量等。
该方法可以包括定位特征402。特征可以通过预期形状数据集(例如来自先前的测量、形状的默认数据库等)根据先前确定的位置矢量(根据将对象上的一个或多个特征位置与一个或多个相关特征联系起来的矢量)，通过初步热评估(即全身评估，以定位感兴趣的暖和凉区域)，它们的组合等来定位。在数据集中的一个或多个图像可以被扫描，用于基于这样的条件所希望的特征，并且该特征可被定位和/或标记用于进一步分析。
该方法可以包括分割特征403。特征可被分割，以便分离用于进一步分析的准确区域。在各方面中，该方法可以包括从牛(即根据本公开的对象)的一个或多个图像分割乳房或其部分(例如四分之一乳房、奶头等)的步骤。分割可以通过周长映射算法(perimetermapping algorithm)、形状匹配算法、颜色匹配算法、热成像方法、它们的组合等来完成。
识别对象、定位特征、分割特征以及从特征产生一个或多个度量的步骤可以在分析过程期间捕获的单个图像内完成，或通过在分析过程期间捕获的一系列图像完成。
在各方面中，特征定位和分割的步骤可以在存在遮蔽物的情况下进行(即对象或环境的方面，其阻止直接获取对于分析来说感兴趣的整个特征)。在这种情况下，附加算法可与历史分割数据，预期特征形状等结合用于覆盖遮蔽物，以便从仅具有其局部视图的图像提取所期望的特征。在各方面中，有限量特征可被分割以进行分析(例如乳房的前部、面部的部分等)。这样的算法可用于在多个图像上将感兴趣的特征的分割部分结合起来，以生成基于局部分析的多个度量，以从跨越多个图像收集的数据产生代表性度量等等。这样的配置可以有利于改善从特征提取度量的过程，该特征是移动的或者可以是在其多个照片上是至少部分遮蔽的。
该方法可以包括从一个或多个分割的特征生成一个或多个度量。度量的生成可以包括从用于一个或多个分析、预测等中的特征计算平均参数(例如颜色、温度、体积等)，梯度(例如热梯度、比色梯度等)，参数的方差(例如颜色方差、温度变分、最高和最低温度、参数的标准偏差等)，热图(例如拓扑图、特征相关的图等)。
该方法可以包括在度量提取过程之前、期间和/或之后的数据去噪，对照基准校准数据等步骤。
图6示出了根据本公开的用于校准系统的方法的各方面。该方法可以包括在根据本公开的摄像机所捕获的一个或多个图像中识别基准502。基准的一些非限制性实例包括机头、栅栏柱、通气口、壁、参照垫(即具有已知的色度和/或红外反射性能的垫)等。该方法可包括分析一个或多个图像503以从一个或多个图像提取基准。分析一个或多个图像503可以与类似于根据本公开的定位和/或分割特征401，402的方法一起执行。如平均温度、温度梯度等的一个或多个度量可以从基准提取并作为基准度量504存储。
该方法可以包括将基准度量504与一个或多个环境数据点506(例如热敏电阻测量、天气报告、环境温度读数等)比较505。比较505可以用于更新用于系统的校准参数507。在各方面中，校准程序可在清洁程序之前和/或之后，在清洁相关的环境(例如设施、畜栏、挤奶站、接合红外加热系统之前和之后等)之间执行，以便确保随着时间推移在本地环境变化(引入替代照明、加热源等)之间可靠地操作系统。在各方面中，该校准程序可用于在一个或多个环境配置(例如夏季、冬季、热、冷、暗、亮等)中产生可靠操作配置。这样的配置可以有利于最小化在监控过程中可能出现的与环境变化有关的错误警报。
图7示出了根据本公开的用于产生训练数据609的系统。该系统可以包括历史数据库601，历史数据库包括这样的信息如：历史606，历史606涉及关于个体对象602，对象组603(如畜群，群集，家族)，类似品种604(如具有类似的生理属性、重量、寿命、繁殖特性等的动物以及群体子集)，和整个对象群体(如被监控群体中、在几何定位内等的所有动物)的度量，结果，外部数据等，以及外部信号，环境条件605，它们的组合等。可利用历史数据库601以产生确认的结果608的数据集，用于在一个或多个训练集609的生成中使用。在各方面中，可特定于已知的对象(即严重依赖于有关个体602对象的历史607的历史数据的提取)生成训练数据集609，但训练数据集可以从主要畜群数据603，以及适合手头上训练过程的其他形式的数据生成。
这样的训练数据609可以用于训练和/或更新根据本公开的针对个体对象、畜群、家族、组等的预测模型，以便产生更可靠的预测能力，以更新模型等。
在各方面中，根据本公开的系统可配置为使用多个预测模型(例如针对个体、团体、畜群、品种等的模型)，以便改善其预测能力。
图8a-b显示根据本公开的用于评价对象的结果的度量的时间历史曲线图。图8a示出用于说明的目的的度量数据(即在这种情况下，温度数据和活动数据)的曲线图。该曲线图示出了可以从测量的点历史(如每天、每天N次、度量的测量等)中提取的趋势。在各方面中，对象组(如畜群、群集等)的移动平均701以统计方差703a，b(即加上或减去一个标准差)显示。畜群的统计方差可以从统计模型，或作为预测模型的部分生成，均按照本公开。
显示用于个体对象702，对象组中的成员的度量的时间趋势(如特征的平均温度、特征的形状改变、粘液积聚等)。正如图8a中可以看到的，用于个体对象702的度量通常随时间推移变化，比组的那些度量更是如此。影响参数(即影响个体或组度量、它们的建模等的参数)包括在曲线图中。在各方面中，该图可以包括用于环境温度708以及用于畜群的平均活性水平709的趋势。
在时间705的当前点，个体对象表示为比组的度量显著更高的度量。根据本公开的预测模型可以在其他的输入中接受来自个体702、畜群701、环境温度708、平均活性水平709的历史数据趋势，并生成关于个体702风险的状态的一个或多个预测。如可以看到的，图中示出用于个体对象702未来度量的置信区间706a，b。一系列标准可以用于确定何时对象被认为是在健康显著降低的风险中。
图8b示出了用于图8a的个体对象数据的风险度量趋势715。风险度量趋势715可以是来自畜群群体标准的偏差(即来自畜群平均温度的偏差)，从其中的累积偏差等。这样的风险度量可以有利于在相当的畜群和/或个体波动中基于获得的数据更容易做出决定。
该风险度量可以包括用于评估个体的风险水平的严重性的一个或多个标准。本文中示出中等风险水平711和严重风险水平712。如可以看到的，在时间标记705，个体对象已进入对于监控的结果来说中度风险的状态(即在这种情况下乳腺炎的结果)。个体从中度风险到在第二时间标记725处的严重风险。在各方面中，预测模型可以用于根据当前读数和历史趋势生成未来风险的评估，从而在它已经实际发生之前，潜在地表示严重风险水平。
图9示出了根据本公开的用于显示关于对象组的数据的用户界面。组中的每一个体沿一列标记(例如对象1、对象2、对象i等)以及用于个体的当前和/或预测/累计风险值显示在相邻的列中。如可以看到的，在这个非限制性实例中，对象i 810可以是具有乳腺炎的高风险，在考虑用于个体的累积风险值和/或预测结果时，显而易见具有甚至更高的风险。在这种情况下，对象i 810作为警报的部分被突出显示，其可以与根据本公开的预测方法相结合。
在各方面中，根据本公开，该系统可配置为使用管理自清洁摄像机模块的方法。自清洁方法可包括以下步骤：评估窗口的清洁度，确定是否需要清洁，如果需要清洁，根据本公开清洁窗口，如果不需要清洁，则继续操作(例如观察目标、操作摄像机、收集一个或多个图像和/或视频等)。该方法可以包括在重新评估窗口/透镜的清洁度之前继续操作预定时长，监控可能妨碍清洁过程的事件等。评估的步骤可以包括根据本公开的分析由摄像机取得的图像并与参考图像的一个或多个方面(后清洁的图像，参考清洁图像，一系列图像的平均值，图像中的参考目标等)进行比较。评估过程中的一个或多个方面可以包括评估沿光路通过窗口吸收的差分映射(例如以搜索窗口上结垢的一个或多个位点等)。该方法可包括测试清洁的步骤(例如喷出干燥空气等)。该方法可以包括比较清洁或测试清洁过程之前和之后的图像，以便确定清洁过程是否已经成功或没有成功。该方法可以包括如果先前的清洁步骤是无效果的，重复该清洁过程。
在各方面中，该系统可配置为使用根据本公开的管理自清洁摄像机模块的方法，包括以下步骤：评估窗口的清洁度，确定是否需要清洁，如果需要清洁，根据本公开清洁窗口，如果不需要清洁，关闭窗板(例如根据本公开的保护盖)，并把摄像机模块置入待机状态。该方法还包括(例如通过第二摄像机系统、第二摄像机模块、监视摄像机等)寻找对象，(例如在看到对象时，在将对象正确放置在摄像机模块的视场中时等)唤醒和打开摄像机模块的窗板，继续操作(例如观察对象、操作摄像机、收集一个或多个图像和/或视频等)。
在各方面中，寻找对象的步骤可以通过一个或多个感测装置(例如，RFID定位系统、高温计、超声波传感器、光幕等)来执行。当在范围内检测到合适的对象时，感测装置可触发用于唤醒和继续操作的摄像机的信号。在各方面中，对象可以是配备RFID标签的动物(例如牛、绵羊、羔羊、猪等)。RFID标签读取器可以定位在摄像机模块附近，使得当目标在读取器的范围内移动时，摄像机可以唤醒并继续操作(如评估清洁度、获得读数等)。
该方法可以包括在重新评估窗口/透镜的清洁度之前继续操作预定时长，监控可能妨碍清洁过程的事件等。评估的步骤可以包括根据本公开的分析由摄像机拍摄的图像并与参考图像的一个或多个方面(后清洁的图像，参考清洁图像，一系列图像的平均值，图像中的参考目标等)进行比较。在评估过程中的一个或多个方面可以包括评估沿光路通过窗口的吸收的差分映射(例如以搜索窗口上结垢的一个或多个位点等)。该方法可包括测试清洁的步骤(例如喷出干燥空气等)。该方法可以包括比较清洁或测试清洁过程之前和之后的图像，以便确定清洁过程是否已经成功或没有成功。该方法可以包括如果先前的清洁步骤是无效果的，重复该清洁过程。
该方法可包括一个或多个如下步骤：评估能量储备、评估流体储备、调度维护、它们的组合等。
该方法还可以包括分析从摄像机接收到的图像，以确定是否应暂停清洁操作至更合适的时间为止。当系统检测到在摄像机模块中的一个或多个的视场中的合适对象(例如动物、煤气泄漏、活动生产线等)时，这种清洁方面可以暂停。直到目标的充分分析可以完成且相关的摄像机模块没有更紧迫的事情(例如分析合适的目标、扫描目标等)时才执行这样的清洁暂停。
在各方面中，该方法可以包括评估对象是否在范围之内，如果在范围之内，则停止清洁操作直至对象已经离开摄像机模块或第二摄像机模块的视场。
在各方面中，摄像机模块可以作为牲畜管理系统(例如管理挤奶过程、生殖调度、畜群健康监控等)的部分被包括。在这种系统中，牲畜运动的管理通常是重点围绕喂食、剪毛、挤奶过程以及监控在交配季节期间的牲畜。动物在农场场地内的运动可以分解成自由的牲畜流动和控制的牲畜流动的方面。利用自由的牲畜流动的农场通常没有配置门且牲畜可以决定他们如何在整个给定的空间移动。在具有控制的牲畜流动的农场中，牲畜保留有他们如何移动的控制权，但它们的路径可以通过门系统和有用东西的手段加以限制。在具有引导的牲畜流动的许多系统中，牲畜挤奶前常常首先喂食。在这个系统下，牲畜在已经获得了食物之后挤奶。
这种路径规划可以在根据本公开的摄像机模块定位在监控环境中时加以考虑。在一些牲畜监控应用中，这种运动自由可需要将摄像机模块附接紧靠喂食站、挤奶站、和/或去那里的或从那里来的门。因此围绕摄像机模块的环境可以特别倾向于出现污染。
在各方面中，根据本公开的系统可以结合用于监控对象、对象组的进食习性，饮食水平，流体分析物测试系统(如奶、血液、粪便、尿分析)，以及比较对象、对象组的有关于进食习性，奶产量，奶品质等的相关度量的一个或多个系统来使用。
该系统可以耦接至关于生物体的一个或多个身体特征，包括一个或多个特征在尺寸/形状上的变化，一个或多个特征的清洁度等。
在各方面中，该系统可配置为评估动物个体或在畜群之中的动物的生育能力。动物的生育能力可以被认为是对于这个讨论的目的的结果。在各方面中，该系统可指向分析对象的口鼻和/或生殖器的特征，以便评估一个或多个度量(例如热成像数据、颜色、尺寸、充血等)。在各方面中，围绕对象的口鼻的粘液可以变得更稠厚以及在排卵时间期间更热。随着时间监控这样的度量可以允许绘制生育周期，其可以提供具有改善的用于建立理想繁殖条件的预测能力的育种。
在各方面中，根据本公开的系统可以比较来自度量范围的数据。包括特征的温谱图，拼贴，尺寸，颜色和形状变化等，该系统可以从相关系统(例如牲畜管理系统、挤奶机、诊断工具、实验室数据中心等)获取一个或多个度量。这样的信息可以包括牛奶产量趋势(如降低产奶量可以指示疾病的发作)，在血液、尿液和/或牛奶中细胞计数的水平(增加的值通常指示疾病的发作)，盐在牛奶中的水平，以及牛奶的电导率水平(电导率增加可以指示疾病的发作)。根据本公开的预测模型可配置为接收这样的数据：对于训练目的，该数据对于做出结果的预测等是可获得的。这样的配置可有利于提供更牢固可靠地确认疾病，生育能力等。
在各方面中，从多个图像或视频序列获得的一个或多个分割特征部分可以组合成用于进一步分析的代表性分割特征。在各方面中，这样的操作可以通过将多个分割特征部分之间的共同特征定位和将它们结合(stitching)在一起以形成代表性分割特征来执行。在各方面中，多个分割特征部分可以在分析图像中直接地彼此叠加(即以拼贴的形式)，以生成用于进一步分析的代表性图像。在这样的非限制性实例中，有关在叠加过程期间重叠的分割特征的像素可以被平均化等，以便生成稳定的代表性分割特征。
在各方面中，根据本公开的系统可配置为跟踪清洁度、步态、粘液形成等中的一个或多个作为健康的辅助衡量标准，以及与对象健康相关的环境方面。这样的配置可以有利于提供对疾病、生育、虚弱等更牢固可靠的确认。
在各方面中，根据本公开的系统可配置为捕获对象的一个或多个拟人的方面(如乳房特征、表皮图案[用于识别]、关于一个或多个特征地标的乳房定位、面部特征等)。这样的信息可用于识别的目的，用于跟踪身体特征的变化，用于在分割过程中使用等。
这样的系统可以有利于在基本上不中断其工作流程的情况下提供对象的测量值(例如可配置为分析移动的动物、在折中(compromised)测量情况中捕获数据等)。
在各方面中，分割特征的步骤可被用来推导个体对象(例如动物，牛等)的尺寸和形状的统计。这样的信息可以在度量提取过程中使用，或者本身可以是与个体的结果相关联的度量。
在各方面中，该度量可以以测量矢量(所观察的乳房的温度统计)、拓扑图等的形式提供，其可以连同关于个体对象的更新的乳房形状/尺寸统计的信息一起被包括。
分析度量和制定风险预测的方法可以做出畜群度量之间的比较(对于分析的目的，其可以被认为是正常的)。该分析可以接受测量矢量以及温度统计、历史数据、环境数据、它们的组合等。
在各方面中，该预测可突出显示被认为是有风险、异常等的特征的区域(即突出显示有风险、异常高的温度等的四分之一乳房，奶头等)。根据本公开，这样的信息可以通过警报来传达。
在各方面中，所关注的特征可以以牢固可靠且可预测的方式定位和分割，以便从其提取相关的测量(温度)值。
在各方面中，分割算法可以包括特征的分割(例如乳房)，子特征的分割(例如四分之一乳房、奶头等)。
在各方面中，定位特征的方法可以包括计算(computing)特征形状候选，基于图像的候选的比较选择最适合的特征形状，预期的特征形状，或子特征的定位(例如的一个或多个奶头的定位)。分割的方法可以包括从分割特征提取一个或多个子特征，从分割特征或候选特征形状等内几何分割子特征。
在各方面中，特征的检测可以基于其温度特性。在一个非限制性实例中，母牛的乳房是动物的表面上最温暖的特征之一。根据本公开，用于乳房的特征定位算法可以至少部分地依赖于乳房是图像中温暖区域。因此，用于特征的位置矢量可以基于确定图像的最温暖区域。
在一个非限制性实例中，预期特征尺寸的一半的尺寸的盒过滤器可用于从图像中提取候选特征。在过滤器输出中的局部最大值可以被认为是特征位置候选。
在各方面中，多个图像区域可以从分析中丢弃，因为温度过高或过低认为是在生理学上与预定的分析相关的。在各方面中，图像中的一个或多个区域可被认为是固定的(即，在一系列帧上不含有任何显著运动)。在各方面中，这样的信息可以从分析中丢弃、用于确定环境信息、用于确定对象的位置等(即对象在其评估过程中经常实质上逐帧逐帧地移动)。
在各方面中，在每个特征位置候选上，可以计算可能的特征形状并且分割的形状可以通过将形状候选与预期形状数据库(例如默认预期形状、历史的形状、来自以前分析的形状等)进行比较来选择。
在各方面中，分割特征的方法可包括通过对于每个检测到的候选位置施加热阈值(thermal thresholding)和/或标记算法(labeling algorithm)来确定一个或多个乳房形状候选，从特征位置候选分割特征。
候选特征形状可使用一个或多个二进制形态学操作进一步平滑，使用GrabCut来细化一个或多个特征形状，它们的组合等。
在各方面中，分割方法可以包括使用基于图像属性的标准，预期特征形状，以及子特征检测和定位，它们的组合等，从计算特征形状集中选择分割特征。
在各方面中，可以通过将图像特性与乳房形状候选集比较来选择特征候选，包括计算每个特征形状候选的面积(例如计算像素数、计算面积等)，通过面积、像素数等对特征形状候选分类，相对于每个特定特征形状候选的索引估计像素数的差异(differential)。在各方面中，所述差异可被视为特征形状候选的不稳定性，并且最大稳定的特征形状候选(即，相当于像素数的差异的局部最小值的那些)可被选择并放入候选集，而其他可以被丢弃。根据特征形状候选的剩余集，系统可以选择最稳定候选中的一个，用于进一步分析和度量提取。
在各方面中，一个或多个特征形状可通过如下方式选择：参数化特征形状(即通过有限数目的形状参数描述特征的排列)，以及相对于通过先前计算的预期的乳房形状来确定每个乳房候选执行模型拟合或似然得分(即经考虑确定满足来自一个或多个图像的特征形状模型的最优参数)。从特征形状候选集中选择具有最好模型适配的一个或几个。
在各方面中，用于分割特征的方法可以包括基于一个或多个子特征(例如奶头、鼻孔、皮毛图案等)的检测选择一个或多个特征候选。在各方面中，该方法可以包括例如通过使用从一个或多个实例图像训练的检测器来检测图像中可能的子特征。在一个非限制性的实例中，使用哈尔滤波器检测器的升压级联来实现这样的过程。该方法可以包括选择特征候选，其子特征与在一个或多个图像中检测到的那些最佳匹配。
在各方面中，用于从分割特征提取一个或多个度量的方法可以包括测量在每个选择的特征和/或子特征中提取的最高温度、平均温度、和/或温度变化。
在各方面中，更新的步骤可以包括使用在以前分析中确定的数据的至少一部分来更新预期特征形状。在一个非限制性的实例中，“预期形状”可以被更新，并存储在使用在特征分割步骤期间获得的测量的特征形状的系统中，和/或从最近测量的形状和以前的“一个或多个预期形状”的组合产生新的“预期形状”。
在各方面中，该预测可以包括接受通过特征分析步骤计算出的度量测量矢量和将矢量与一个或多个以前收集的统计比较，因此产生异常的得分。
在各方面中，个体的统计可以与组的那些相比较，以便补偿像一天的时间、气温等的趋势。
在各方面中，该系统可以产生以描述作为单一整体的对象的整个组的特征度量统计的概率分布的参数矢量x形式的统计的组集。在一个非限制性的实例中，统计可以被表示为状态矢量(描述概率分布的平均值，度量参数的当前预期值等)，以及协方差矩阵。设想其他表示方式(如粒子云)。
个体对象和组的预期统计之间的关系可以通过用于每个个体对象的观测模型说明。根据本公开，组统计的预测可以从存储在使用预测模型预测当前时间的以前时间的统计生成。该组统计可以从该组中一个或多个个体的测量和由预测模型生成的组统计的预测来估计。用于组中特定个体的统计随后可以基于更新的组统计来被预测。
可以通过比较用于个体对象的预测统计及在任何给定时间对该对象做出的测量来检测异常。如果预测的和测量的结果之间的偏差大于预定阈值，则测量值被视为异常。
在一个非限制性实例中，统计可利用状态矢量z和协方差矩阵C表示。异常值可以被计算为其中C和Ci是分别描述在组集统计中的不确定性和测量的协方差矩阵以及zi是测量的状态矢量，而是预测的状态矢量。如果值大于预定阈值(即诸如可以由用户定义的系统灵敏度来确定)，则测量被视为异常。在各方面中，更牢固可靠的检测可以包括随时间的异常得分的累积(即等价的风险得分)。
在各方面中，该系统可配置为不考虑低温异常(即在乳腺炎检测系统的情况下)。在各方面中，绝对阈值可被设定，以便不考虑相对阈值设定。这样的阈值可配置为包括或不包括。例如较低的阈值可以被设定告知偏差必须大于(例如摄氏度的)绝对数，以便算作异常。在各方面中，一个或多个具有低于阈值的偏差的热参数可以从异常计算排除。在各方面中，可以设置高阈值，使得超过这个阈值的温度偏差总是可以算作异常。
在各方面中，更新过程可以包括更新系统的统计的和/或预测的模型中的数据，以便在使用期间保持其强的预测值。根据本公开，这样的更新过程可以包括适应的或自学习算法。在一个非限制性的实例中，组统计可以从具有以约瑟夫(Joseph)形式的扩展卡尔曼滤波器的预测的组统计和测量的个体成员统计更新。
应当理解的是，本领域技术人员容易想到附加的优点和修改。因此，此处呈现的公开和其更广泛的方面不限于这里示出和描述的具体细节和代表性实施例。因此，可以包括许多修改、等同方案和改进而不脱离由所附权利要求及其等同方案所限定的总发明构思的精神或范围。

Claims (59)

1.一种用于预测在环境中的对象的健康的系统，所述系统包括：
-位于所述环境内的摄像机，所述摄像机配置成生成包括所述对象的特征的至少一部分的一个或多个图像和/或视频序列；以及
-处理器，所述处理器配置成：从所述图像和/或视频序列中的一个或多个识别并分割所述特征的至少一部分，以形成一个或多个分割特征；根据所述分割特征计算一个或多个度量；基于所述一个或多个度量计算在一时间区间内的风险值；并且累积所计算的风险值以及在一时间段上的先前计算的风险值，其中所述时间段包括多个时间区间；以及基于所累积的计算的风险值预测所述对象的健康，
并且其中，当所述对象的感兴趣部位的第一部分被遮蔽并且所述对象的所述感兴趣部位的不同于所述第一部分的第二部分被分割以形成部分分割的特征时，所述处理器还被配置成合并所述部分分割的特征以形成所述一个或多个度量。
2.根据权利要求1所述的系统，其中，所述系统包括配置成与所述处理器通信的数据库，所述数据库配置为存储所述图像和/或视频序列中的一个或多个、一个或多个基准特征、所述部分分割的特征中的一个或多个、和/或所述度量中的一个或多个，所述处理器被布置使得与所述数据库通信。
3.根据权利要求2所述的系统，其中，所述处理器配置为将所述基准特征中的一个或多个与所述部分分割的特征中的一个或多个比较，以预测所述对象的健康。
4.根据权利要求1-3中任一项所述的系统，其中，所述处理器布置为接收一个或多个环境参数，所述处理器配置为使用所述环境参数中的一个或多个，以协助预测所述对象的健康。
5.根据权利要求1-3中任一项所述的系统，其中，所述处理器配置为根据所述图像和/或视频序列中的一个或多个来计算一个或多个环境参数，所述处理器配置为使用所述环境参数中的一个或多个，以协助预测所述对象的健康。
6.根据权利要求1-3中任一项所述的系统，其中，所述处理器配置为从多个图像的每一个和/或视频序列中分割所述特征的至少一部分以形成分割特征部分的集合，并结合分割特征部分，以形成用于在所述对象的健康的预测中使用的代表性分割特征。
7.根据权利要求6所述的系统，其中，与所述分割特征部分的任一个相比，代表性分割特征实质上表现更多的特征。
8.根据权利要求1-3中任一项所述的系统，其中，所述处理器配置为识别在所述图像和/或视频序列中的一个或多个中的遮蔽物，所述遮蔽物掩盖所述感兴趣部位的一部分。
9.根据权利要求8所述的系统，其中，所述遮蔽物是物体。
10.根据权利要求9所述的系统，其中，所述物体是对象的身体部分、脏透镜、挤奶机组件、或它们的组合。
11.根据权利要求10所述的系统，其中，所述对象的身体部分包括所述对象的腿或所述对象的尾部。
12.根据权利要求1-3中任一项所述的系统，其中，所述摄像机配置为当所述对象在所述环境内移动时生成所述图像和/或视频序列。
13.根据权利要求1-3中任一项所述的系统，其中，所述摄像机中的一个或多个是数码摄像机、可见光摄像机、近红外反射成像摄像机、红外摄像机、荧光成像摄像机、紫外成像摄像机、热成像摄像机、3D摄像机、或它们的组合。
14.根据权利要求1-3中任一项所述的系统，其中，所述系统包括多个摄像机，每个摄像机被布置以便使所述特征的至少一部分和/或所述对象上的可选特征成像。
15.根据权利要求1-3中任一项所述的系统，其中，所述处理器配置为基于健康预测发送警报。
16.根据权利要求1-3中任一项所述的系统，其中，所述对象是动物或哺乳动物。
17.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳房、口鼻、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
18.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳房、鼻孔、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
19.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳房、毛发图案、皮肤斑块、蹄、口、眼、生殖器、或它们的组合。
20.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳房的部分、口鼻、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
21.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳房的部分、鼻孔、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
22.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳房的部分、毛发图案、皮肤斑块、蹄、口、眼、生殖器、或它们的组合。
23.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳头、口鼻、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
24.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳头、鼻孔、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
25.根据权利要求1-3中任一项所述的系统，其中，所述特征是乳头、毛发图案、皮肤斑块、蹄、口、眼、生殖器、或它们的组合。
26.根据权利要求1-3中任一项所述的系统，其中，所述度量中的一个或多个进一步包括与所述分割特征中的一个或多个相关的热成像数据、颜色、形状、尺寸数据、热度量、平均温度、热梯度、温度差、温度范围、热图、生理参数、其中的变化、或它们的组合。
27.根据权利要求1-3中任一项所述的系统在牲畜管理系统中的应用。
28.根据权利要求1-3中任一项所述的系统用于预测哺乳动物乳腺炎的发作的应用。
29.根据权利要求1-3中任一项所述的系统用于预测动物发情期的发作的应用。
30.根据权利要求1-3中任一项所述的系统用于提供用于自动挤奶系统的输入的应用。
31.一种用于预测移动通过环境的对象的健康的方法，所述方法包括：
-对所述对象的感兴趣部位进行成像，以产生所述对象的感兴趣部位的一个或多个图像；
-识别在所述图像中的一个或多个中的一个或多个特征；
-从所述图像中的一个或多个中分割出所识别的所述特征的至少一部分，以形成一个或多个分割特征；
当所述对象的所述感兴趣部位的第一部分在所述一个或多个图像中被遮蔽并且所述对象的所述感兴趣部位的不同于所述第一部分的第二部分被分割以形成部分分割的特征时，合并所述部分分割的特征以形成代表性分割特征；
-从所述代表性分割特征计算一个或多个度量；
-基于所述一个或多个度量计算在一时间区间内的风险值；
-累积所计算的风险值以及在一时间段上的先前计算的风险值，其中所述时间段包括多个时间区间；以及
-基于所累积的计算的风险值预测所述对象的健康。
32.根据权利要求31所述的方法，其中，所述成像在所述对象移动通过所述环境时的时间段上执行。
33.根据权利要求31或32所述的方法，进一步包括从多个图像分割出多个分割特征并产生所述代表性分割特征，用于在所述度量的计算中使用。
34.根据权利要求31或32所述的方法，其中，在程序之前、期间、和/或之后执行所述成像。
35.根据权利要求34所述的方法，其中，所述程序是挤奶程序、药物投放、交配过程、运动事件、或训练程序。
36.根据权利要求31或32所述的方法，进一步包括作为所述预测的部分将所述分割特征与来自所述对象的基准特征进行比较。
37.根据权利要求31或32所述的方法，进一步包括作为所述预测的部分将所述分割特征与环境参数进行比较。
38.根据权利要求31或32所述的方法，进一步包括作为所述预测的部分将所述分割特征和/或度量与以前获得的分割特征和/或度量进行比较。
39.根据权利要求31或32所述的方法，进一步包括作为所述预测的部分将来自所述对象的所述分割特征和/或度量与从相关对象的家族获得的那些分割特征和/或度量进行比较。
40.根据权利要求31或32所述的方法，进一步包括警告用户和/或系统所述预测。
41.根据权利要求31或32所述的方法，其中，所述健康是感染。
42.根据权利要求41所述的方法，进一步包括根据所述对象的所述图像中的一个或多个来识别来潜在感染的位置。
43.根据权利要求31或32所述的方法，其中，所述图像捕获设备是数码摄像机、可见光摄像机、近红外反射成像摄像机、红外摄像机、荧光成像摄像机、紫外线成像摄像机、热成像摄像机、3D摄像机、或它们的组合中的一个或多个。
44.根据权利要求31或32所述的方法，其中，所述预测至少部分地通过预测模型执行。
45.根据权利要求31或32所述的方法，其中所述对象是动物。
46.根据权利要求31或32所述的方法，其中，所述特征是乳房、口鼻、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
47.根据权利要求31或32所述的方法，其中，所述特征是乳房、鼻孔、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
48.根据权利要求31或32所述的方法，其中，所述特征是乳房、毛发图案、皮肤斑块、蹄、口、眼、生殖器、或它们的组合。
49.根据权利要求31或32所述的方法，其中，所述特征是乳房的部分、口鼻、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
50.根据权利要求31或32所述的方法，其中，所述特征是乳房的部分、鼻孔、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
51.根据权利要求31或32所述的方法，其中，所述特征是乳房的部分、毛发图案、皮肤斑块、蹄、口、眼、生殖器、或它们的组合。
52.根据权利要求31或32所述的方法，其中，所述特征是乳头、口鼻、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
53.根据权利要求31或32所述的方法，其中，所述特征是乳头、鼻孔、毛发图案、皮肤斑块、蹄、眼、生殖器、或它们的组合。
54.根据权利要求31或32所述的方法，其中，所述特征是乳头、毛发图案、皮肤斑块、蹄、口、眼、生殖器、或它们的组合。
55.根据权利要求31或32所述的方法，其中，所述度量中的一个或多个进一步包括与所述分割特征中的一个或多个相关的热成像数据、颜色、形状、尺寸数据、热度量、平均温度、热梯度、温度差、温度范围、热图、生理参数、其中的变化、或它们的组合。
56.根据权利要求31所述的方法，进一步包括存储所述一个或多个度量和/或代表性分割特征，用于进一步调用。
57.根据权利要求56所述的方法，进一步包括作为所述预测的部分将一个或多个存储的度量和/或代表性分割特征与所述分割特征和/或度量中的一个或多个进行比较。
58.根据权利要求31、56和57中任一项所述的方法，其中，在程序之前、期间、和/或之后执行所述成像。
59.根据权利要求58所述的方法，其中，所述程序是挤奶程序、药物投放、交配过程、运动事件、或训练程序。
CN201380062925.2A 2012-12-02 2013-11-26 用于预测对象状态的结果的系统和方法 Active CN104936439B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201261732380P 2012-12-02 2012-12-02
US61/732,380 2012-12-02
US201361781307P 2013-03-14 2013-03-14
US61/781,307 2013-03-14
PCT/IB2013/003123 WO2014083433A2 (en) 2012-12-02 2013-11-26 Systems and methods for predicting the outcome of a state of a subject

Publications (2)

Publication Number Publication Date
CN104936439A CN104936439A (zh) 2015-09-23
CN104936439B true CN104936439B (zh) 2019-02-12

Family

ID=50555158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380062925.2A Active CN104936439B (zh) 2012-12-02 2013-11-26 用于预测对象状态的结果的系统和方法

Country Status (9)

Country Link
US (1) US9922242B2 (zh)
EP (1) EP2925121B1 (zh)
CN (1) CN104936439B (zh)
AU (1) AU2013350867B2 (zh)
BR (1) BR112015012761A2 (zh)
CA (1) CA2892753A1 (zh)
MX (1) MX2015006775A (zh)
NZ (1) NZ708197A (zh)
WO (1) WO2014083433A2 (zh)

Families Citing this family (81)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140116341A1 (en) * 2012-10-26 2014-05-01 Farmeron, Inc. Method for managing dairy production
US10895810B2 (en) * 2013-11-15 2021-01-19 Kla Corporation Automatic selection of sample values for optical metrology
WO2015081221A1 (en) * 2013-11-27 2015-06-04 Medtronic, Inc. Precision dialysis monitoring and synchonization system
US9084411B1 (en) 2014-04-10 2015-07-21 Animal Biotech Llc Livestock identification system and method
EP2957861A1 (en) * 2014-06-17 2015-12-23 Expert Ymaging, SL Device and method for automated parameters calculation of an object
US10918078B1 (en) * 2014-11-20 2021-02-16 Recursion Pharmaceuticals, Inc. Electronic monitor for experimental animals
US10531049B2 (en) * 2015-03-31 2020-01-07 Nec Corporation Methods and systems for scheduling of sensing platform nodes
UA124378C2 (uk) * 2015-07-01 2021-09-08 Вікінг Генетікс Фмба Система і спосіб ідентифікації окремих тварин на основі зображень спини
EP3342280A4 (en) * 2015-08-25 2019-04-17 Sony Corporation SYSTEM AND METHOD FOR RECORDING LIVESTOCK
CN105210919B (zh) * 2015-10-12 2019-04-16 小米科技有限责任公司 用于确定宠物状态的方法、装置及电子设备、可穿戴设备
CA3001063C (en) * 2015-10-14 2023-09-19 President And Fellows Of Harvard College A method for analyzing motion of a subject representative of behaviour, and classifying animal behaviour
SE1650117A1 (en) 2015-11-04 2017-05-05 Delaval Holding Ab System and Method for Imaging and Processing Animal Data
EP3373800A4 (en) * 2015-11-13 2019-07-17 Yes Biotechnology Inc. DEVICES, SYSTEMS AND METHODS RELATING TO DIFFERENTIATION IN SITU
FR3045274B1 (fr) * 2015-12-16 2017-12-29 Seb Sa Appareil de preparation d'aliments pour animaux
CN105407331A (zh) * 2015-12-23 2016-03-16 深圳市科漫达智能管理科技有限公司 一种监控的方法以及监控设备
US20170202185A1 (en) * 2016-01-18 2017-07-20 Dinklage Feed Yards, Inc. Unmanned livestock monitoring system and methods of use
CN109068613B (zh) * 2016-04-28 2021-06-01 国立大学法人大阪大学 健康状态推定装置
CN106060479B (zh) * 2016-07-13 2018-11-30 三峡大学 一种基于超视距视频技术的智能放牧监控系统
CN109496123B (zh) * 2016-07-20 2022-02-08 农场机器人和自动化有限公司 家畜的机器人协助监视
JP6101878B1 (ja) * 2016-08-05 2017-03-22 株式会社オプティム 診断装置
WO2018038674A1 (en) * 2016-08-25 2018-03-01 Delaval Holding Ab Portable apparatus and method for classifying teats with respect to size measures
RU2742931C2 (ru) * 2016-08-25 2021-02-11 Делаваль Холдинг Аб Устройство и способ классификации сосков относительно показателей размера
WO2018057840A1 (en) 2016-09-22 2018-03-29 Src, Inc. Methods and systems for biometic identification of dairy of animals using vein pattern recognition
US10690644B2 (en) * 2016-10-18 2020-06-23 Optim Corporation Computer system, plant diagnosis method, and program
JP6592613B2 (ja) * 2016-10-31 2019-10-16 株式会社オプティム コンピュータシステム、植物の診断方法及びプログラム
CN106525113A (zh) * 2016-11-02 2017-03-22 百奥森（江苏）食品安全科技有限公司 一种牧草饲料检测方法
US10309787B2 (en) * 2016-11-10 2019-06-04 Sap Se Automatic movement and activity tracking
CN106580294B (zh) * 2016-12-30 2020-09-04 上海交通大学 基于多模态成像技术的生理信号远程监控系统及应用
DE102017106984B4 (de) * 2017-03-31 2022-02-10 Carl Zeiss Microscopy Gmbh Lichtmikroskop und Verfahren zum Betreiben eines Lichtmikroskops mit optimierter Beleuchtungsgeometrie
CN107155901A (zh) * 2017-04-12 2017-09-15 丁永胜 一种基于污垢重量的独立圈舍智能清洁系统和方法
CN107157486B (zh) * 2017-04-28 2020-09-08 武汉纺织大学 一种乳腺疾病预防系统及方法
CN107426488B (zh) * 2017-05-05 2019-08-13 北京农业信息技术研究中心 肉鸡跛行自动监测方法及装置
US10832815B2 (en) * 2017-05-18 2020-11-10 International Business Machines Corporation Medical side effects tracking
CN107547786B (zh) * 2017-08-29 2020-08-21 汤在英 一种基于物联网的带自清洁功能的监控摄像头
CN108154100B (zh) * 2017-12-20 2021-12-24 中国疾病预防控制中心寄生虫病预防控制所 基于生物识别技术的智能投药装置及方法
CN108229351B (zh) * 2017-12-21 2020-10-30 深圳市欣博跃电子有限公司 一种动物养殖方法、动物养殖装置及电子设备
US10599922B2 (en) 2018-01-25 2020-03-24 X Development Llc Fish biomass, shape, and size determination
HUE059001T2 (hu) 2018-02-26 2022-09-28 Touchless Animal Metrics Sl Eljárás és készülék élõ mintadarabok jellemzéséhez egy adott távolságból
US20210012903A1 (en) * 2018-03-22 2021-01-14 Koninklijke Philips N.V. A system and method for determining allergens which may present a risk of a respiratory attack to a user of the system
CN108391093A (zh) * 2018-04-06 2018-08-10 佛山市亿永创网络科技有限公司 一种畜牧养殖用监控系统
US10534967B2 (en) 2018-05-03 2020-01-14 X Development Llc Fish measurement station keeping
CN112655019A (zh) * 2018-06-25 2021-04-13 农场监测公司 监控农业围栏中的牲畜
US10964019B2 (en) 2018-08-22 2021-03-30 EIO Diagnostics, Inc. System for high performance, AI-based dairy herd management and disease detection
US11659819B2 (en) 2018-10-05 2023-05-30 X Development Llc Sensor positioning system
US11715308B2 (en) * 2018-10-10 2023-08-01 Delaval Holding Ab Animal identification using vision techniques
JP7379478B2 (ja) * 2018-11-07 2023-11-14 フォス アナリティカル アグシャセルスガーッブ ミルクを分類するためのミルク分析器
US20220121174A1 (en) * 2018-11-28 2022-04-21 Evonik Operations Gmbh Method of controlling a livestock farm
WO2020110616A1 (ja) * 2018-11-29 2020-06-04 パナソニックＩｐマネジメント株式会社 養鶏システム、養鶏方法、及び、プログラム
TWI682337B (zh) * 2018-12-03 2020-01-11 元進莊企業股份有限公司 食品安全品質與效能監控系統及其方法
EP3914140A4 (en) 2019-01-25 2022-11-16 OtoNexus Medical Technologies, Inc. MACHINE LEARNING FOR OTITIS MEDIA DIAGNOSIS
BR112021013111A2 (pt) * 2019-02-05 2021-09-21 Wisconsin Alumni Research Foundation Monitoramento de alimentação baseado em visão computacional e método para o mesmo
US20220139527A1 (en) * 2019-03-01 2022-05-05 Agricam Aktiebolag Method, device and system for detection of micro organisms
CN109872011A (zh) * 2019-03-18 2019-06-11 重庆邮电大学 基于多元逻辑回归模型的家畜类生理状态预测方法与系统
SE543210C2 (en) 2019-04-05 2020-10-27 Delaval Holding Ab Method and control arrangement for detecting a health condition of an animal
CN110045648A (zh) * 2019-04-19 2019-07-23 河南省畜牧总站 一种畜禽养殖排污监测系统及其使用方法
NL2023104B1 (en) * 2019-05-10 2020-11-30 Lely Patent Nv Ruminant animal monitoring system
CN110969156B (zh) * 2019-05-17 2024-07-16 丰疆智能科技股份有限公司 奶牛奶头检测卷积神经网络模型及其构建方法
CN110426957B (zh) * 2019-07-31 2020-03-13 深圳信息职业技术学院 一种基于时延观测器的水厂投药系统自适应滑模控制方法
US20220287568A1 (en) * 2019-08-21 2022-09-15 Geissler Companies, Llc Veterinary Thermometer and Method of Managing Animal Health Considering Ambient Temperature and Humidity Conditions
IL269105A (en) * 2019-09-03 2021-03-25 Berger Dov System and method for detecting and alerting actual or impending heat stress in livestock
NL2023780B1 (en) * 2019-09-06 2021-05-17 Piglets Treat System B V Method and system for the management of production animals
CN110706374B (zh) * 2019-10-10 2021-06-29 南京地平线机器人技术有限公司 运动状态预测方法、装置、电子设备及车辆
CN110991222B (zh) * 2019-10-16 2023-12-08 京东科技信息技术有限公司 一种物体状态监测、母猪发情监测方法、装置及系统
CN110839557B (zh) * 2019-10-16 2022-06-07 京东科技信息技术有限公司 母猪发情监测方法、装置、系统、电子设备及存储介质
US11424034B2 (en) * 2019-10-31 2022-08-23 International Business Machines Corporation Systems and methods for predicting animal health
CN110972994A (zh) * 2019-11-28 2020-04-10 秒针信息技术有限公司 一种识别母猪怀孕的方法及装置
US11475689B2 (en) 2020-01-06 2022-10-18 X Development Llc Fish biomass, shape, size, or health determination
US11089227B1 (en) 2020-02-07 2021-08-10 X Development Llc Camera winch control for dynamic monitoring
WO2021207853A1 (en) * 2020-04-17 2021-10-21 The Governors Of The University Of Alberta Apparatus and methodologies for improved detection of important biological states in animals
US20230276773A1 (en) * 2020-05-21 2023-09-07 Board Of Trustees Of Michigan State University Systems and methods for automatic and noninvasive livestock health analysis
US11266128B2 (en) 2020-05-21 2022-03-08 X Development Llc Camera controller for aquaculture behavior observation
US11222245B2 (en) * 2020-05-29 2022-01-11 Raytheon Company Systems and methods for feature extraction and artificial decision explainability
US11615638B2 (en) 2020-11-10 2023-03-28 X Development Llc Image processing-based weight estimation for aquaculture
SE2150028A1 (en) * 2021-01-15 2022-07-16 Delaval Holding Ab Quality Sensor, Computer-Implemented Method of Predicting Inhomogeneities in Milk Extracted from an Animal, Computer Program and Non-Volatile Data Carrier
US11297247B1 (en) 2021-05-03 2022-04-05 X Development Llc Automated camera positioning for feeding behavior monitoring
WO2023019348A1 (en) * 2021-08-20 2023-02-23 Groupe Ro-Main Inc. Detecting estrus in animals for imsemination
NL2031635B1 (en) * 2022-03-10 2023-09-15 Nedap Nv Method of managing a herd comprising a plurality of animals using an animal management system.
WO2023172139A1 (en) * 2022-03-10 2023-09-14 Nedap N.V. Method of managing a herd comprising a plurality of animals using an animal management system
TWI836453B (zh) * 2022-05-27 2024-03-21 塞席爾商阿果明股份有限公司 動物生長辨識方法及其系統
DE102022128733A1 (de) 2022-10-28 2024-05-08 Technische Universität München, Körperschaft des öffentlichen Rechts Verfahren zur automatisierten Erfassung und Analyse des Gangbildes eines Tieres
CN117457217B (zh) * 2023-12-22 2024-05-24 天津医科大学朱宪彝纪念医院(天津医科大学代谢病医院、天津代谢病防治中心) 一种糖尿病肾病风险评估方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000057164A1 (en) * 1999-03-22 2000-09-28 Emerge Interactive, Inc. Early detection of inflammation and infection using infrared thermography
CN101404874A (zh) * 2006-03-17 2009-04-08 德拉瓦尔控股股份有限公司 用于公共挤奶中心的挤奶系统、方法和畜群管理系统
CN101431890A (zh) * 2004-08-31 2009-05-13 阿菲克姆智能牧场管理系统公司 特别用于小动物的识别系统
WO2010127023A1 (en) * 2009-05-01 2010-11-04 Spicola Tool, Llc Remote contactless stereoscopic mass estimation system
WO2012080275A1 (en) * 2010-12-15 2012-06-21 Agricam Ab System and a method for controlling an automatic milking system

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5474085A (en) * 1994-02-24 1995-12-12 University Of Prince Edward Island Remote thermographic sensing of livestock
US7277744B2 (en) 1999-03-22 2007-10-02 Schaefer Allan L Early detection of inflammation and infection using infrared thermography
US6678413B1 (en) * 2000-11-24 2004-01-13 Yiqing Liang System and method for object identification and behavior characterization using video analysis
WO2009022003A1 (en) 2007-08-14 2009-02-19 Mivenion Gmbh Device and procedure for the diagnosis or diagnostic preparation and/or therapy monitoring of inflammatory diseases such as rheumatoid arthritis
CA2724973C (en) * 2008-05-20 2015-08-11 University Health Network Device and method for fluorescence-based imaging and monitoring
US20110054338A1 (en) * 2008-11-14 2011-03-03 Technion Research & Development Foundation Ltd. Device, system and method for monitoring heat stress of a livestock animal
US8990135B2 (en) 2010-06-15 2015-03-24 The Regents Of The University Of Michigan Personalized health risk assessment for critical care
US9565837B2 (en) 2011-03-28 2017-02-14 Clover Bench Apparatus and method for using infrared thermography and behaviour information for identification of biologically important states in animals
NZ586888A (en) 2011-07-29 2011-10-28 Dairy Automation Ltd Apparatus for the detection of health conditions and oestrus in milking animals using temperature sensors
US9974466B2 (en) 2011-10-17 2018-05-22 Atlas5D, Inc. Method and apparatus for detecting change in health status
US20140036054A1 (en) 2012-03-28 2014-02-06 George Zouridakis Methods and Software for Screening and Diagnosing Skin Lesions and Plant Diseases
US9471974B2 (en) 2012-05-18 2016-10-18 Stc.Unm Method and system for feature extraction and decision making from series of images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000057164A1 (en) * 1999-03-22 2000-09-28 Emerge Interactive, Inc. Early detection of inflammation and infection using infrared thermography
CN101431890A (zh) * 2004-08-31 2009-05-13 阿菲克姆智能牧场管理系统公司 特别用于小动物的识别系统
CN101404874A (zh) * 2006-03-17 2009-04-08 德拉瓦尔控股股份有限公司 用于公共挤奶中心的挤奶系统、方法和畜群管理系统
WO2010127023A1 (en) * 2009-05-01 2010-11-04 Spicola Tool, Llc Remote contactless stereoscopic mass estimation system
WO2012080275A1 (en) * 2010-12-15 2012-06-21 Agricam Ab System and a method for controlling an automatic milking system

Also Published As

Publication number Publication date
US9922242B2 (en) 2018-03-20
EP2925121B1 (en) 2020-03-11
EP2925121A2 (en) 2015-10-07
WO2014083433A2 (en) 2014-06-05
BR112015012761A2 (pt) 2017-07-11
CA2892753A1 (en) 2014-06-05
WO2014083433A3 (en) 2014-07-24
NZ708197A (en) 2018-08-31
AU2013350867B2 (en) 2017-08-31
US20150302241A1 (en) 2015-10-22
MX2015006775A (es) 2015-08-06
AU2013350867A1 (en) 2015-06-04
CN104936439A (zh) 2015-09-23

Similar Documents

Publication Publication Date Title
CN104936439B (zh) 用于预测对象状态的结果的系统和方法
US11889818B2 (en) Social group management system and method therefor
Bao et al. Artificial intelligence in animal farming: A systematic literature review
Jingqiu et al. Cow behavior recognition based on image analysis and activities
Mishra et al. Advanced contribution of IoT in agricultural production for the development of smart livestock environments
JP5301973B2 (ja) 犯罪防止装置およびプログラム
KR102117092B1 (ko) 행동 패턴 인식을 이용한 소의 발정 탐지 시스템
Tscharke et al. A brief review of the application of machine vision in livestock behaviour analysis
Chaudhry et al. Internet of Things (IoT) and machine learning (ML) enabled livestock monitoring
Shakeel et al. A deep learning-based cow behavior recognition scheme for improving cattle behavior modeling in smart farming
Yaseer et al. A review of sensors and Machine Learning in animal farming
KR102624927B1 (ko) 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법
Yang et al. Monitoring activity index and behaviors of cage-free hens with advanced deep learning technologies
CN113221776A (zh) 一种基于人工智能对反刍动物一般行为识别的方法
CN115424196A (zh) 一种基于人工智能的跟踪监测系统
CN113989745A (zh) 一种反刍动物饲养状况的非接触式监测方法
Shukla et al. Fostering Smart Agriculture: Using Vision-Based AI for Livestock Managing
Chang et al. Spatiotemporal analysis using deep learning and fuzzy inference for evaluating broiler activities
Kumar et al. Internet of animal health things (IoAT): A new frontier in animal biometrics and data analytics research
Taleb et al. Using artificial intelligence to improve poultry productivity–a review
WO2023180587A2 (en) System and method for detecting lameness in cattle
Joel et al. A Novel Method for Detecting and Predicting Emerging Disease in Poultry Chickens Based on MobileNet Model
JP7410607B1 (ja) 飼養管理システム、および飼養管理方法
CN108288057B (zh) 一种移动式家禽生命信息检测装置
Zhu et al. Research on pig behavior detection technology

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant