CN105784083B - 基于立体视觉技术的奶牛体型测量方法和系统 - Google Patents
基于立体视觉技术的奶牛体型测量方法和系统 Download PDFInfo
- Publication number
- CN105784083B CN105784083B CN201610206623.3A CN201610206623A CN105784083B CN 105784083 B CN105784083 B CN 105784083B CN 201610206623 A CN201610206623 A CN 201610206623A CN 105784083 B CN105784083 B CN 105784083B
- Authority
- CN
- China
- Prior art keywords
- milk cow
- sample
- different angle
- image information
- weight data
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
- G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于立体视觉技术的奶牛体型测量方法和系统，包括：采集奶牛样本不同角度的图像信息，根据不同角度的图像信息，计算奶牛样本的体尺数据；获取奶牛样本的体重数据，根据体尺数据与体重数据之间的对应关系，建立体重预测模型；根据待测奶牛不同角度的图像信息，计算待测奶牛的体尺数据，并将待测奶牛的体尺数据输入体重预测模型，估计待测奶牛的体重数据。本发明实施方式提供的技术方案，解决了由于奶牛动态性带来的地磅体重数据不准确等问题；通过图像采集的方式获取奶牛的体尺数据，解决了人工现场接触式方法费时费力主观性强以及造成奶牛产生应激反应的问题，实现了完全自动化奶牛体尺数据的测量以及体重数据的测量。
Description
技术领域
本发明涉及畜牧信息化技术领域，特别涉及一种基于立体视觉技术的奶牛体型测量方法和系统。
背景技术
畜牧业是利用畜禽等已经被人类驯化的动物，或者鹿、麝、狐、貂、水獭、鹌鹑等野生动物的生理机能，通过人工饲养、繁殖，使其将牧草和饲料等植物能转变为动物能，以取得肉、蛋、奶、羊毛、山羊绒、皮张、蚕丝和药材等畜产品的生产部门，是人类与自然界进行物质交换的极重要环节。畜牧业是农业的组成部分之一，与种植业并列为农业生产的两大支柱。
奶牛是乳用品种的黄牛，经过高度选育繁殖的优良品种，我国的奶牛主要以黑白花奶牛为主，从1980年山东省畜牧局牛羊养殖基地开始引进此品种，此品种适应性强、分布范围广、产奶量高、耐粗饲。以奶牛为例，奶牛体型包括奶牛体尺和体重，它是奶牛优化育种工作的一项重要指标，对奶牛改良工作起到了指导作用。目前对奶牛体尺测量大多采用人工方法，通过皮尺手工进行测量，这些方法不仅工作量大，而且还可能因人为因素造成测量误差较大，而使测量结果缺乏客观性；且人工接触还会给奶牛造成应激反应，影响奶牛的生长。进一步的，体重测量则是利用地磅秤来完成，在奶牛通道地上安置地磅，当奶牛经过地磅时获取奶牛的体重，该方法必须要求奶牛完全站在地磅上并且保持静止，才能获取准确的奶牛体重数据，但是现场很难让奶牛保持该状态，所以该方法无法获取准确的体重数据。
发明内容
本发明所要解决的技术问题是如何在不接触奶牛的前提下，就能够快速确定奶牛的体型。
为此目的，本发明提出了一种基于立体视觉技术的奶牛体型测量方法，包括：
采集奶牛样本不同角度的图像信息，根据所述不同角度的图像信息，计算所述奶牛样本的体尺数据；
获取所述奶牛样本的体重数据，根据所述体尺数据与所述体重数据之间的对应关系，建立体重预测模型；
根据待测奶牛不同角度的图像信息，计算所述待测奶牛的体尺数据，并将所述待测奶牛的体尺数据输入所述体重预测模型，估计所述待测奶牛的体重数据。
优选的，所述采集奶牛样本不同角度的图像信息，具体包括：
采集奶牛样本通过时的射频信号；其中，所述奶牛样本上预先设有电子标签；
根据所述射频信号控制不同角度的图像采集单元采集奶牛样本不同角度的图像信息。
优选的，所述根据所述不同角度的图像信息，计算所述奶牛样本的体尺数据，具体包括：
根据所述不同角度的图像信息，构建所述奶牛样本的三维模型；
根据所述三维模型，进行所述奶牛样本的体尺数据的测量与计算。
优选的，所述根据所述不同角度的图像信息，构建所述奶牛样本的三维模型，具体包括：
根据所述不同角度的图像信息，对图像采集单元进行标定，确定图像采集单元的投影矩阵；
对所述不同角度的图像信息进行预处理，将所述奶牛样本从背景中分离出来；
通过尺度不变特征检测方法，并以欧式距离作为匹配的相似性度量标准进行特征点检测和匹配；
利用匹配好的特征点以及所述投影矩阵，获取特征点的空间三维坐标，从而实现奶牛样本的三维模型重建。
优选的，所述根据所述三维模型，进行所述奶牛样本的体尺数据的测量与计算，具体包括：
以所述三维模型中奶牛样本的三只脚为点构建一个奶牛样本的脚底水平面；
其中所述奶牛样本的背部到所述脚底水平面的距离为所述奶牛样本的体高；所述奶牛样本的两个腰角之间的距离为所述奶牛样本的尻宽；所述奶牛样本的两个腰角坐骨连线与所述脚底水平面的夹角为所述奶牛样本的尻角度。
优选的，所述获取所述奶牛样本的体重数据，根据所述体尺数据与所述体重数据之间的对应关系，建立体重预测模型，具体包括：
利用地磅获取所述奶牛样本的体重数据，建立所述奶牛样本的体重数据与体尺数据之间的回归模型。
另一方面，本发明还提供一种基于立体视觉技术的奶牛体型测量系统，包括：处理单元和分别与所述处理单元连接的图像采集单元和体重数据采集单元；所述处理单元包括：体尺数据计算单元、模型构建单元和估计单元；
图像采集单元，用于采集奶牛样本不同角度的图像信息；
体尺数据计算单元，用于根据所述不同角度的图像信息，计算所述奶牛样本的体尺数据；
体重数据采集单元，用于获取所述奶牛样本的体重数据；
模型构建单元，用于根据所述体尺数据与所述体重数据之间的对应关系，建立体重预测模型；
估计单元，用于根据待测奶牛不同角度的图像信息，计算所述待测奶牛的体尺数据，并将所述待测奶牛的体尺数据输入所述体重预测模型，估计所述待测奶牛的体重数据。
优选的，该系统还包括与所述处理单元连接的读写设备；
所述读写设备用于采集所述奶牛样本通过时的射频信号；其中，所述奶牛样本上预先设有电子标签；
所述处理单元还用于根据所述射频信号控制不同角度的图像采集单元采集奶牛样本不同角度的图像信息。
优选的，所述体尺数据计算单元包括：模型构建单元和计算单元；
所述模型构建单元用于根据所述不同角度的图像信息，构建所述奶牛样本的三维模型；
所述计算单元用于根据所述三维模型，进行所述奶牛样本的体尺数据的测量与计算。
优选的，所述体尺数据包括所述奶牛样本的体高、体长、尻宽和尻角度。
本发明实施方式提供的基于立体视觉技术的奶牛体型测量方法，建立了体尺数据与体重数据之间的关联模型，所以在后续的使用过程中，只要获取待测奶牛的体尺数据，就可以通过该模型获得待测奶牛的体重数据，使奶牛体重数据的获取更加方便，更加快捷，解决了由于奶牛动态性带来的地磅数据不准确等问题；另外，本发明通过图像采集的方式获取奶牛的体尺数据，解决了人工现场接触式方法费时、费力、主观性强以及造成动物产生应激反应的问题，实现了完全自动化奶牛体尺数据的测量以及体重数据的测量，适合用于大型的牲畜养殖企业奶牛体型监测和育种评估。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1为本发明实施方式提供的基于立体视觉技术的奶牛体型测量方法的流程示意图；
图2为本发明实施方式提供的基于立体视觉技术的奶牛体型测量方法的原理示意图；
图3为本发明实施方式提供的基于立体视觉技术的奶牛体型测量方法的建模过程示意图；
图4为本发明实施方式提供的基于立体视觉技术的奶牛体型测量方法的测量过程示意图；
图5为本发明实施方式提供的基于立体视觉技术的奶牛体型测量系统的结构示意图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
如图1所示，本发明提供了一种基于立体视觉技术的奶牛体型测量方法，包括：
S1：采集奶牛样本不同角度的图像信息，根据不同角度的图像信息，计算奶牛样本的体尺数据；
S2：获取奶牛样本的体重数据，根据体尺数据与体重数据之间的对应关系，建立体重预测模型；
S3：根据待测奶牛不同角度的图像信息，计算待测奶牛的体尺数据，并将待测奶牛的体尺数据输入体重预测模型，估计待测奶牛的体重数据。
本发明实施方式提供的基于立体视觉技术的奶牛体型测量方法，建立了体尺数据与体重数据之间的关联模型，所以在后续的使用过程中，只要获取待测奶牛的体尺数据，就可以通过该模型获得待测奶牛的体重数据，使奶牛体重数据的获取更加方便，更加快捷，解决了由于奶牛动态性带来的地磅数据不准确等问题；另外，本发明通过图像采集的方式获取奶牛的体尺数据，解决了人工现场接触式方法费时、费力、主观性强以及造成奶牛产生应激反应的问题，实现了完全自动化奶牛体尺数据的测量以及体重数据的测量，适合用于大型的牲畜养殖企业奶牛体型监测和育种评估。
具体的，本发明实施方式提供的基于立体视觉技术的奶牛体型测量方，步骤S1中，采集奶牛样本不同角度的图像信息，具体包括：
S101：采集奶牛样本通过时的射频信号；其中，所述奶牛样本上预先设有电子标签；
S102：根据射频信号控制不同角度的图像采集单元采集奶牛样本不同角度的图像信息。
如图2所示，在奶牛的耳部预先设置了RFID射频电子标签2，用于对不同的奶牛个体进行标识，读写设备3与该电子标签2对应，其中，读写设备3与处理平台6连接，处理平台6与用于照相的照相机4和5的连接，照相机4和5采集奶牛不同角度的图像用于立体视觉三维模型重建。当奶牛1从挤奶厅通道经过时，由读写设备3感应奶牛耳部的RFID射频电子标签2，一旦读取奶牛耳部标签信息成功后，读写设备3将耳部标签信息发送至处理平台6；然后处理平台6同时向两台相机4和5发生拍照信号，进行奶牛图像的获取。两台相机4和5将获取的图像发送至处理平台6，处理平台6对图像进行特征点检测和三维重建，以及后续的奶牛体尺的测量和体重的估计。
具体的，步骤S1中，根据不同角度的图像信息，计算奶牛样本的体尺数据，具体包括：
S103：根据不同角度的图像信息，构建奶牛样本的三维模型；
S104：根据三维模型，进行奶牛样本的体尺数据的测量与计算。
其中，步骤S103，所述根据所述不同角度的图像信息，构建所述奶牛样本的三维模型，具体包括：
根据所述不同角度的图像信息，对图像采集单元进行标定，确定图像采集单元的投影矩阵；
对所述不同角度的图像信息进行预处理，将所述奶牛样本从背景中分离出来；
通过尺度不变特征检测方法，并以欧式距离作为匹配的相似性度量标准进行特征点检测和匹配；
利用匹配好的特征点以及所述投影矩阵，获取特征点的空间三维坐标，从而实现奶牛样本的三维模型重建。
其中，步骤是S104，所述根据所述三维模型，进行所述奶牛样本的体尺数据的测量与计算，具体包括：
以所述三维模型中奶牛样本的三只脚为点构建一个奶牛样本的脚底水平面；
其中所述奶牛样本的背部到所述脚底水平面的距离为所述奶牛样本的体高；所述奶牛样本的两个腰角之间的距离为所述奶牛样本的尻宽；所述奶牛样本的两个腰角坐骨连线与所述脚底水平面的夹角为所述奶牛样本的尻角度。如图3所示，对摄像机进行标定，建立投影矩阵；对采集的图像进行局部特征点检测与匹配；建立奶牛空间点三维模型；根据模型进行体尺数据测量和计算。
具体的，步骤S3，获取所述奶牛样本的体重数据，根据所述体尺数据与所述体重数据之间的对应关系，建立体重预测模型，具体包括：利用地磅获取所述奶牛样本的体重数据，建立所述奶牛样本的体重数据与体尺数据之间的回归模型。
上述步骤S1、S2、S3建立了体重预测模型，用于后续体重数据的估计。
具体的，体重预测模型是通过大量的奶牛样本进行训练学习来获取的，如图3所示，体重预测模型建立过程包括：
S31：首先通过放置在不同角度的两台摄像机采集左、右两幅图像对摄像机进行标定，确定摄像机的投影矩阵。
S32：分别对获取的两幅图像进行目标图像预处理，将图像中被测奶牛从背景中分离出来，然后利用一种尺度不变特征检测方法(SIFT)，欧氏距离作为匹配的相似性度量标准进行特征点检测与匹配。
S33：奶牛三维坐标重建，三维重建是投影的逆过程，也就是通过投影点对确定空间点的三维坐标。假设空间任意点P在两台照相机4与5上的图像点p1与p2已经检测出来并得到匹配，即p1与p2为空间同一点P的对应点，根据步骤S31中的投影矩阵获取空间点三维坐标，从而建立奶牛的三维模型。
S34：利用上述重建的奶牛三维模型获取奶牛体高、体长、尻宽和尻角度等体尺指标。以模型中奶牛三只蹄为点构建一个奶牛脚底水平面，奶牛背部到水平面的距离即为奶牛的体高；三维模型中两个腰角之间的距离即为奶牛的尻宽；尻角度为腰角坐骨连线与水平面的夹角。
S35：利用地磅获取的奶牛样本体重数据，建立奶牛体重与体长指标之间的回归模型；在后续的使用过程中，只要获取了奶牛的体尺数据，通过该模型就可以对奶牛体重进行估计。
本发明步骤S4就是利用步骤S1至步骤S3建立的体尺数据与体重数据的模型，进行待测动物的体重数据的估计。如图4所示，通过建立的回归模型进行待测奶牛的体重估计具体步骤为：
S41：通过两个相机从不同角度对奶牛图像进行采集，并进行图像预处理操作；
S42：利用尺度不变特征检测方法(SIFT)，以欧式距离为度量标准，对两幅图像进行特征点检测与匹配；
S43：利用匹配好的特征点，根据步骤S31中标定好的投影矩阵，可以获取特征点的空间三维坐标，从而实现奶牛的三维模型重建；
S44：对三维模型进行体高、体长，尻宽和尻角度等体尺指标的测量与计算，方法与步骤S34中描述一致；
S45：将获取到的体尺指标数据，输入训练好的奶牛体重预测模型，估计奶牛的体重。建立每只奶牛的体型随时间的变化趋势图，为奶牛的体型评估提供指导。
另一方面，采用上述的基于立体视觉技术的奶牛体型测量方法，如图5所示，本发明还提供了一种基于立体视觉技术的奶牛体型测量系统，包括：处理单元53和分别与所述处理单元连接的图像采集单元51和体重数据采集单元52；所述处理单元包括：体尺数据计算单元531、模型构建单元532和估计单元533；
图像采集单元51，用于采集奶牛样本不同角度的图像信息；
体尺数据计算单元531，用于根据所述不同角度的图像信息，计算所述奶牛样本的体尺数据；
体重数据采集单元52，用于获取所述奶牛样本的体重数据；
模型构建单元532，用于根据所述体尺数据与所述体重数据之间的对应关系，建立体重预测模型；
估计单元533，用于根据待测动物不同角度的图像信息，计算所述待测奶牛的体尺数据，并将所述待测奶牛的体尺数据输入所述体重预测模型，估计所述待测奶牛的体重数据。
其中，该系统还包括与所述处理单元连接的读写设备；
所述读写设备用于采集所述奶牛样本通过时的射频信号；其中，所述奶牛样本上预先设有电子标签；
所述处理单元还用于根据所述射频信号控制不同角度的图像采集单元采集奶牛样本不同角度的图像信息。
优选的，所述体尺数据计算单元包括：模型构建单元和计算单元；
所述模型构建单元用于根据所述不同角度的图像信息，构建所述奶牛样本的三维模型；
所述计算单元用于根据所述三维模型，进行所述奶牛样本的体尺数据的测量与计算。
优选的，所述体尺数据包括所述奶牛样本的体高、体长、尻宽和尻角度。
本发明实施方式提供的基于立体视觉技术的奶牛体型测量方法和系统，采用立体视觉三维重建方法，通过二维图像特征点匹配重建奶牛三维模型，从三维的角度测量奶牛的体尺指标，解决了二维图像无法获取某些体尺数据的问题；利用获取的体尺数据，根据逐步回归方法，建立奶牛体重预测模型，解决了由于奶牛动态性带来的地磅数据不准确等问题，实现了完全自动化的奶牛体尺测量与体重预测，解决了人工现场接触式方法的费时费力、主观性强以及造成奶牛产生应激反应问题，适合用于大型奶牛养殖企业奶牛体型监测和育种评估。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (7)
1.一种基于立体视觉技术的奶牛体型测量方法，其特征在于，包括：
采集奶牛样本不同角度的图像信息，根据所述不同角度的图像信息，计算所述奶牛样本的体尺数据；
获取所述奶牛样本的体重数据，根据所述体尺数据与所述体重数据之间的对应关系，建立体重预测模型；
根据待测奶牛不同角度的图像信息，计算所述待测奶牛的体尺数据，并将所述待测奶牛的体尺数据输入所述体重预测模型，估计所述待测奶牛的体重数据；
其中，所述根据所述不同角度的图像信息，计算所述奶牛样本的体尺数据，具体包括：
根据所述不同角度的图像信息，构建所述奶牛样本的三维模型；
根据所述三维模型，进行所述奶牛样本的体尺数据的测量与计算；
其中，所述根据所述不同角度的图像信息，构建所述奶牛样本的三维模型，具体包括：
根据所述不同角度的图像信息，对图像采集单元进行标定，确定图像采集单元的投影矩阵；
对所述不同角度的图像信息进行预处理，将所述奶牛样本从背景中分离出来；
通过尺度不变特征检测方法，并以欧式距离作为匹配的相似性度量标准进行特征点检测和匹配；
利用匹配好的特征点以及所述投影矩阵，获取特征点的空间三维坐标，从而实现奶牛样本的三维模型重建。
2.根据权利要求1所述的一种基于立体视觉技术的奶牛体型测量方法，其特征在于，所述采集奶牛样本不同角度的图像信息，具体包括：
采集奶牛样本通过时的射频信号；其中，所述奶牛样本上预先设有电子标签；
根据所述射频信号控制不同角度的图像采集单元采集奶牛样本不同角度的图像信息。
3.根据权利要求1或2所述的一种基于立体视觉技术的奶牛体型测量方法，其特征在于，所述根据所述三维模型，进行所述奶牛样本的体尺数据的测量与计算，具体包括：
以所述三维模型中动物样本的三只脚为点构建一个奶牛样本的脚底水平面；
其中所述奶牛样本的背部到所述脚底水平面的距离为所述奶牛样本的体高；所述奶牛样本的两个腰角之间的距离为所述奶牛样本的尻宽；所述奶牛样本的两个腰角坐骨连线与所述脚底水平面的夹角为所述奶牛样本的尻角度。
4.根据权利要求1所述的一种基于立体视觉技术的奶牛体型测量方法，其特征在于，所述获取所述奶牛样本的体重数据，根据所述体尺数据与所述体重数据之间的对应关系，建立体重预测模型，具体包括：
利用地磅获取所述奶牛样本的体重数据，建立所述奶牛样本的体重数据与体尺数据之间的回归模型。
5.一种基于立体视觉技术的奶牛体型测量系统，其特征在于，包括：处理单元和分别与所述处理单元连接的图像采集单元和体重数据采集单元；所述处理单元包括：体尺数据计算单元、模型构建单元和估计单元；
图像采集单元，用于采集奶牛样本不同角度的图像信息；
体尺数据计算单元，用于根据所述不同角度的图像信息，计算所述奶牛样本的体尺数据；
体重数据采集单元，用于获取所述奶牛样本的体重数据；
模型构建单元，用于根据所述体尺数据与所述体重数据之间的对应关系，建立体重预测模型；
估计单元，用于根据待测奶牛不同角度的图像信息，计算所述待测奶牛的体尺数据，并将所述待测奶牛的体尺数据输入所述体重预测模型，估计所述待测奶牛的体重数据；
其中，所述体尺数据计算单元包括：模型构建单元和计算单元；
所述模型构建单元用于根据所述不同角度的图像信息，构建所述奶牛样本的三维模型；
所述计算单元用于根据所述三维模型，进行所述奶牛样本的体尺数据的测量与计算；
其中，所述模型构建单元具体用于：
根据所述不同角度的图像信息，对图像采集单元进行标定，确定图像采集单元的投影矩阵；
对所述不同角度的图像信息进行预处理，将所述奶牛样本从背景中分离出来；
通过尺度不变特征检测方法，并以欧式距离作为匹配的相似性度量标准进行特征点检测和匹配；
利用匹配好的特征点以及所述投影矩阵，获取特征点的空间三维坐标，从而实现奶牛样本的三维模型重建。
6.根据权利要求5所述的一种基于立体视觉技术的奶牛体型测量系统，其特征在于，还包括与所述处理单元连接的读写设备；
所述读写设备用于采集所述奶牛样本通过时的射频信号；其中，所述奶牛样本上预先设有电子标签；
所述处理单元还用于根据所述射频信号控制不同角度的图像采集单元采集奶牛样本不同角度的图像信息。
7.根据权利要求5或6所述的一种基于立体视觉技术的奶牛体型测量系统，所述体尺数据包括所述奶牛样本的体高、体长、尻宽和尻角度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610206623.3A CN105784083B (zh) | 2016-04-05 | 2016-04-05 | 基于立体视觉技术的奶牛体型测量方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610206623.3A CN105784083B (zh) | 2016-04-05 | 2016-04-05 | 基于立体视觉技术的奶牛体型测量方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105784083A CN105784083A (zh) | 2016-07-20 |
| CN105784083B true CN105784083B (zh) | 2018-05-18 |
Family
ID=56394733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610206623.3A Active CN105784083B (zh) | 2016-04-05 | 2016-04-05 | 基于立体视觉技术的奶牛体型测量方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105784083B (zh) |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107180438B (zh) * | 2017-04-26 | 2020-02-07 | 清华大学 | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 |
| CN107667903B (zh) * | 2017-07-27 | 2020-04-07 | 北京奥云牧数据科技有限公司 | 基于物联网的畜牧养殖活体体重监测方法 |
| CN109583275B (zh) * | 2017-09-29 | 2021-06-18 | 大连恒锐科技股份有限公司 | 一种基于cnn的赤足足迹的体重判定方法 |
| CA3084664A1 (en) * | 2017-11-06 | 2019-05-09 | Dairy Tech, Inc. | System and method of estimating livestock weight |
| CN108175389B (zh) * | 2017-12-22 | 2020-12-29 | 北京农业信息技术研究中心 | 一种多源信息融合奶牛行为监测系统及方法 |
| CN108670256B (zh) * | 2018-05-30 | 2024-04-05 | 北京农业信息技术研究中心 | 一种奶牛呼吸频率监测系统及方法 |
| CN109000764A (zh) * | 2018-06-08 | 2018-12-14 | 北京农业信息技术研究中心 | 家禽称重方法及装置 |
| CN109141248B (zh) * | 2018-07-26 | 2020-09-08 | 深源恒际科技有限公司 | 基于图像的猪体重测算方法及系统 |
| CN110836715A (zh) * | 2018-08-16 | 2020-02-25 | 株式会社日立制作所 | 移动体体重测定系统及移动体体重测定方法 |
| CN109243003A (zh) * | 2018-08-24 | 2019-01-18 | 北京京东金融科技控股有限公司 | 用于巡检车的巡检方法和装置 |
| CN109459119B (zh) * | 2018-10-17 | 2020-06-05 | 京东数字科技控股有限公司 | 一种体重测量方法、设备和计算机可读存储介质 |
| CN109556691A (zh) * | 2018-11-05 | 2019-04-02 | 上海睿畜电子科技有限公司 | 一种预估栏位牲畜均重的方法、装置及系统 |
| CN109579956B (zh) * | 2018-12-13 | 2021-05-14 | 北京小龙潜行科技有限公司 | 一种智能养猪限位测重方法、装置、电子设备及存储介质 |
| CN109632059B (zh) * | 2018-12-13 | 2021-05-14 | 北京小龙潜行科技有限公司 | 一种智能养猪方法、系统、电子设备及存储介质 |
| CN109632058B (zh) * | 2018-12-13 | 2020-06-02 | 北京小龙潜行科技有限公司 | 一种智能养猪群养测重方法、装置、电子设备及存储介质 |
| CN111639777B (zh) * | 2019-03-01 | 2023-09-29 | 京东科技信息技术有限公司 | 估计目标体重的方法和装置 |
| CN110136192A (zh) * | 2019-04-30 | 2019-08-16 | 内蒙古科技大学 | 一种基于深度学习和特征部位检测的牛体尺算法 |
| EP3756458A1 (en) * | 2019-06-26 | 2020-12-30 | Viking Genetics FmbA | Weight determination of an animal based on 3d imaging |
| CN110426112B (zh) * | 2019-07-04 | 2022-05-13 | 平安科技（深圳）有限公司 | 一种生猪体重测量方法及装置 |
| CN110672189A (zh) * | 2019-09-27 | 2020-01-10 | 北京海益同展信息科技有限公司 | 体重估计方法、装置、系统和存储介质 |
| CN110772260A (zh) * | 2019-11-21 | 2020-02-11 | 山东农业大学 | 一种非接触式奶牛体尺测量装置及方法 |
| CN111121932A (zh) * | 2019-12-24 | 2020-05-08 | 秒针信息技术有限公司 | 测量牲畜体重的方法和装置 |
| CN111340884B (zh) * | 2020-02-24 | 2023-07-07 | 天津理工大学 | 一种双目异构相机与rfid的双重目标定位与身份辨识方法 |
| CN113532616A (zh) * | 2020-04-15 | 2021-10-22 | 阿里巴巴集团控股有限公司 | 基于计算机视觉的体重估计方法、装置及系统 |
| CN112284501A (zh) * | 2020-09-25 | 2021-01-29 | 聊城大学 | 一种用于驴只体重预测的系统及方法 |
| CN112189588B (zh) * | 2020-10-10 | 2022-04-05 | 东北农业大学 | 一种奶牛图像信息收集处理方法及系统 |
| CN112907546B (zh) * | 2021-02-25 | 2024-04-05 | 北京农业信息技术研究中心 | 肉牛体尺非接触测量装置及方法 |
| CN117351404A (zh) * | 2023-11-20 | 2024-01-05 | 内蒙古农业大学 | 一种奶牛分娩应激程度判识方法及系统 |
| CN117953034B (zh) * | 2024-01-26 | 2024-08-20 | 河北科技师范学院 | 一种基于机器视觉的蛋鸡体重预估系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103884280A (zh) * | 2014-03-14 | 2014-06-25 | 中国农业大学 | 一种移动式多猪圈猪体尺体重监测系统 |
| CN104198023A (zh) * | 2014-09-30 | 2014-12-10 | 北京东方联鸣科技发展有限公司 | 一种奶牛自动测量体重装置 |
| CN105260750A (zh) * | 2015-09-21 | 2016-01-20 | 北京农业信息技术研究中心 | 一种奶牛识别方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6083638B2 (ja) * | 2012-08-24 | 2017-02-22 | 国立大学法人 宮崎大学 | 動物体の体重推定装置、及び体重推定方法 |
-
2016
- 2016-04-05 CN CN201610206623.3A patent/CN105784083B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103884280A (zh) * | 2014-03-14 | 2014-06-25 | 中国农业大学 | 一种移动式多猪圈猪体尺体重监测系统 |
| CN104198023A (zh) * | 2014-09-30 | 2014-12-10 | 北京东方联鸣科技发展有限公司 | 一种奶牛自动测量体重装置 |
| CN105260750A (zh) * | 2015-09-21 | 2016-01-20 | 北京农业信息技术研究中心 | 一种奶牛识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105784083A (zh) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105784083B (zh) | 基于立体视觉技术的奶牛体型测量方法和系统 | |
| Tasdemir et al. | Determination of body measurements on the Holstein cows using digital image analysis and estimation of live weight with regression analysis | |
| CN107180438B (zh) | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 | |
| Wang et al. | ASAS-NANP SYMPOSIUM: Applications of machine learning for livestock body weight prediction from digital images | |
| CN107635509B (zh) | 用于确定体况评分、体重和生育状态的改进方法和相关设备 | |
| US11568541B2 (en) | System for high performance, AI-based dairy herd management and disease detection | |
| Mattachini et al. | Methodology for quantifying the behavioral activity of dairy cows in freestall barns | |
| CN110530477B (zh) | 后备母猪体重预估方法 | |
| CN102511441A (zh) | 奶牛数字化精准养殖系统 | |
| CN104188635A (zh) | 一种牲畜活体体测设备及方法 | |
| Yang et al. | Automated measurement of dairy cows body size via 3D point cloud data analysis | |
| Zhang et al. | Development and validation of a visual image analysis for monitoring the body size of sheep | |
| Molfino et al. | Evaluation of an activity and rumination monitor in dairy cattle grazing two types of forages | |
| CN110415282A (zh) | 一种奶牛体重预测系统 | |
| Taşdemir et al. | Determination of body measurements of a cow by image analysis | |
| CN112131921B (zh) | 基于立体视觉的生物自动量测系统及其量测方法 | |
| CN112184791A (zh) | 一种基于cnn-lstm神经网络的牦牛体重预测方法 | |
| Ruchay et al. | A depth camera-based system for automatic measurement of live cattle body parameters | |
| Ozkaya et al. | Estimation of bodyweight from body measurements and determination of body measurements on Limousin cattle using digital image analysis | |
| Ruchay et al. | Accurate 3d shape recovery of live cattle with three depth cameras | |
| Song et al. | Body measurements of dairy calf using a 3-D camera in an automatic feeding system | |
| Azarpajouh et al. | Farm 4.0: innovative smart dairy technologies and their applications as tools for welfare assessment in dairy cattle | |
| CN112508890A (zh) | 一种基于二级评测模型的奶牛体脂率检测方法 | |
| CN113516139A (zh) | 数据处理方法、装置、设备和存储介质 | |
| Stajnko et al. | Non invasive estimating of cattle live weight using thermal imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210506 Address after: 100097 room 301-a315, 03 / F, 11 Shuguang Huayuan Middle Road, Haidian District, Beijing Patentee after: NONGXIN TECHNOLOGY (BEIJING) Co.,Ltd. Address before: 100097 318b, block a, agricultural science building, 11 Shuguang Huayuan Middle Road, Haidian District, Beijing Patentee before: BEIJING RESEARCH CENTER FOR INFORMATION TECHNOLOGY IN AGRICULTURE |