CN105844534A - 奶牛体况自动评分方法及装置 - Google Patents
奶牛体况自动评分方法及装置 Download PDFInfo
- Publication number
- CN105844534A CN105844534A CN201610217864.8A CN201610217864A CN105844534A CN 105844534 A CN105844534 A CN 105844534A CN 201610217864 A CN201610217864 A CN 201610217864A CN 105844534 A CN105844534 A CN 105844534A
- Authority
- CN
- China
- Prior art keywords
- processing platform
- milch cow
- body condition
- feature
- rendering
- 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.)
- Pending
Links
- 238000013077 scoring method Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 39
- 241000283690 Bos taurus Species 0.000 claims description 127
- 238000009877 rendering Methods 0.000 claims description 43
- 235000013336 milk Nutrition 0.000 claims description 10
- 210000004080 milk Anatomy 0.000 claims description 10
- 239000008267 milk Substances 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000009313 farming Methods 0.000 abstract 1
- 238000009395 breeding Methods 0.000 description 6
- 230000001488 breeding effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000013365 dairy product Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002559 palpation Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种奶牛体况自动评分方法,该方法包括:奶牛经过时,读写设备读取该奶牛耳部的射频标签的信息,射频标签的信息包括该奶牛的标识信息;读写设备将读取到的射频标签的信息发送给处理平台;处理平台在接收到读写设备发送的射频标签的信息后,发送控制指令给扫描仪;扫描仪在接收到控制指令后,采集该奶牛后部的3D图像,并将3D图像发送至处理平台;处理平台根据3D图像,通过预设的算法对该奶牛体况进行评分,实现了完全自动化的奶牛体况准确评分,解决了人工现场观察触摸评分方法的费时费力、主观性强问题,适合用于高吞吐量的养殖企业奶牛体况自动评分。
Description
技术领域
本发明属于农业技术领域,特别涉及一种奶牛体况自动评分方法及装置。
背景技术
优化选育奶牛遗传性状、提高牛奶的产量和品质是牛奶生产环节的重中之重,然而在奶牛养殖过程中,经常会出现过瘦或者过胖的奶牛,若不及时监测这些奶牛并采取相应的措施,将会影响奶牛的产奶量、多产性、健康与寿命。奶牛体况评分(Body condition scoring,BCS)被认为是一个重要的管理手段,它可用来估计奶牛的能量储备状况及其胖瘦程度。从而反映奶牛在一段时间饲养是否符合要求,以便对D饲养方法进行调整。通常情况下,采用5分制对BCS进行评估,1分表示过瘦型奶牛,5分表示过胖型奶牛。
目前奶牛体况评分方法主要有专业人士判定法、可见光图像分析法和热红外图像分析法。
其中,人工判定方法,是专业人士现场观察和手动触摸奶牛后凭经验完成,费时费力,主观性强,而且后一个专家的评分容易受前一位专家评分的影响;
可见光图像分析方法,是将摄像头安装在奶牛通道的上部进行图像采集,然后人工对图像中的奶牛进行解剖学结构定位、描点,通过计算特征点之间的距离、角度等参数来进行奶牛体型鉴定;或者通过一次性拍摄多张图像处理,从中选择没有奶牛粘连、奶牛站姿良好和背景较好的图像进行处理并实现奶牛体况评分面临着图像复杂背景分割、现场光照不均处理等难题,需要人工进行图像选择干预,无法实现自动化的体况评分。而且奶牛站位的差异会大大影响二维图像的采集效果,从而影响计算结果;
图像处理方法利用的是二维的图像信息,面临着图像复杂背景分割、现场光照不均处理等难题,而且奶牛站位的差异会大大影响二维图像的采集效果,从而影响计算结果,难以实现完全自动的体况评分。还有相关专利使用红外热像仪加照相机的方法将奶牛热图像数据处理成轮廓图像,并对轮廓图像进行自动打分。但是该方法中采用的红外热成像技术是一种温度敏感性成像方法,受外界环境温度影响较大,并不是一种鲁棒型方法。进一步地,奶牛作为一种三维活体动物,利用二维图像进行信息获取,无法从立体的角度进行特征的提取与描述。
发明内容
本发明的目的是,提供一种自动化、非接触、客观的奶牛体况评分方法。
为了达到上述目的,本发明提供了一种奶牛体况自动评分方法及装置。
一方面,提供了一种奶牛体况自动评分方法,包括:
奶牛经过时,读写设备读取该奶牛耳部的射频标签中包含的信息,所述射频标签中包含的信息包括该奶牛的标识信息;
读写设备将读取到的所述射频标签的信息发送给处理平台;
所述处理平台在接收到读写设备发送的射频标签的信息后,发送控制指令给扫描仪;
所述扫描仪在接收到所述控制指令后,采集该奶牛后部的3D图像,并将所述3D图像发送至所述处理平台;
所述处理平台根据所述3D图像,通过预设的算法对该奶牛体况进行评分。
进一步地,所述处理平台根据所述3D图像,通过预设的算法对该奶牛体况进行评分的步骤包括:
所述处理平台对所述3D图像进行空间变换与归一化处理;
所述处理平台对归一化处理之后的所述3D图像进行特征挖掘和筛选,其中,所述特征包括整体特征以及局部特征;
所述处理平台综合所述特征,得到3D特征向量;
所述处理平台将所述3D特征向量输入至奶牛体况评分预测模型中进行运算,并将运算结果作为奶牛体况的评分值。
进一步地,所述处理平台综合所述特征得到3D特征向量的步骤包括:
所述处理平台对所述特征进行降维处理,并综合所述降维之后的特征得到3D特征向量。
进一步地,所述奶牛体况评分预测模型是通过下述步骤建立的,包括:
选择一定数量的奶牛样本,采集各个奶牛样本的后部的3D样本图像,对所述3D样本图像进行空间变换与标准化处理;
对标准化处理后的3D样本图像进行样本特征提取与筛选,其中,所述样本特征包括样本整体特征以及样本局部特征;;
根据所述样本特征形成3D样本特征数据;
根据所述3D样本特征数据以及从数据库中提取的对应奶牛样本的人工评分值进行模型的学习与训练,获取3D样本特征数据与奶牛样本人工评分之间的关联关系,获得奶牛体况评分预测模型。
进一步地,在所述处理平台根据所述3D图像,通过预设的算法对该奶牛体况进行评分的步骤之后,所述方法还包括:
所述处理平台建立每只奶牛的体况分数随时间的变化趋势图。
另一方面,提供了一种奶牛体况自动评分装置,包括:读写设备、扫描仪以及处理平台,所述处理平台与所述读写设备相连,还与所述扫描仪相连;
所述读写设备,用于在奶牛经过时读取该奶牛耳部的射频标签中包含的信息,所述射频标签中包含的信息包括该奶牛的标识信息;
所述读写设备,还用于将读取到的所述射频标签的信息发送给处理平台;
所述处理平台,用于在接收到读写设备发送的射频标签的信息后,发送控制指令给扫描仪;
所述扫描仪,用于在接收到所述控制指令后,采集该奶牛后部的3D图像,并将所述3D图像发送至所述处理平台;
所述处理平台,还用于根据所述3D图像,通过预设的算法对该奶牛体况进行评分。
进一步地,
所述处理平台,还用于对所述3D图像进行空间变换与归一化处理;
所述处理平台,还用于对归一化处理之后的所述3D图像进行特征挖掘和筛选,其中,所述特征包括整体特征以及局部特征;
所述处理平台,还用于综合所述特征,得到3D特征向量;
所述处理平台,还用于将所述3D特征向量输入至奶牛体况评分预测模型中进行运算,并将运算结果作为奶牛体况的评分值。
进一步地,所述处理平台进一步还用于对所述特征进行降维处理,并综合所述降维之后的特征得到3D特征向量。
进一步地,所述处理平台进一步还用于,建立每只奶牛的体况分数随时间的变化趋势图。
本发明提供的奶牛体况自动评分方法中,处理平台在接收到射频标签的信息后控制扫描仪采集奶牛背部进行3D图像,并基于3D图像和预设的算法,获得奶牛体况的评分值,实现了完全自动化的奶牛体况准确评分,解决了人工现场观察触摸评分方法的费时费力、主观性强问题,适合用于高吞吐量的养殖企业奶牛体况自动评分。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些示例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的奶牛体况自动评分方法流程图;
图2是图1示出的方法中步骤S105具体方法流程图;
图3是本发明提供的奶牛体况评分预测模型建立方法流程图;
图4是本发明提供的奶牛体况自动评分装置结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一方面,本发明提供了一种奶牛体况自动评分方法,参加图1,包括:
S101、奶牛经过时,读写设备读取该奶牛耳部的射频标签中包含的信息,射频标签中包含的信息包括该奶牛的标识信息;
S102、读写设备将读取到的射频标签的信息发送给处理平台;
S103、处理平台在接收到读写设备发送的射频标签的信息后,发送控制指令给扫描仪;
S104、扫描仪在接收到控制指令后,采集该奶牛后部的3D图像,并将3D图像发送至处理平台;
S105、处理平台根据3D图像,通过预设的算法对该奶牛体况进行评分。
本发明提供的奶牛体况自动评分方法中,处理平台在接收到射频标签的信息后控制扫描仪采集奶牛背部进行3D图像,并基于3D图像和预设的算法,获得奶牛体况的评分值,实现了完全自动化的奶牛体况准确评分,解决了人工现场观察触摸评分方法的费时费力、主观性强问题,适合用于高吞吐量的养殖企业奶牛体况自动评分。
在具体实施时,如图2所示,在本发明实施例提供的方法中,步骤S105具体包括:
S1051、处理平台对3D图像进行空间变换与归一化处理,从而消除不同奶牛的站姿对结果带来的不同影响,保证评分结果的准确性。
S1052、处理平台对归一化处理之后的3D图像进行特征挖掘和筛选,其中,特征包括整体特征以及局部特征;
S1053、处理平台综合特征,得到3D特征向量;
S1054、处理平台将3D特征向量输入至奶牛体况评分预测模型中进行运算,并将运算结果作为奶牛体况的评分值。
经过上述处理之后,处理平台就可以根据扫描仪采集到的3D图像自动获取奶牛体况的评分值。且上述对于奶牛的3D图像的处理采用的是三维点云成像方法,不受外界光线和背景的影响,同时也不受外界环境温度的影响,因此本发明实施例提供的上述奶牛体况自动评分方法是一种能够适应奶牛养殖场恶劣环境的鲁棒型方法。
在步骤S1052中,对3D图像进行特征挖掘和筛选包括对3D图像的整体特征进行挖掘和筛选以及对3D图像的局部特征进行挖掘和筛选。其中,对整体特征进行挖掘和筛选采用的是基于(Principal ComponentAnalysis)的整体欧氏结构特征提取方法,对局部特征进行挖掘和筛选采用的是基于LPP(Locality Preserving Projection)的局部流形结构特征提取方法。由于上述两种特征提取方法为本领域技术人员较为常用的特征提取方法,在此不再赘述。
在具体实施时,为了能够加快处理里平台对特征进行处理的速度,步骤S1053还包括:处理平台对所述特征进行降维处理,并综合所述降维之后的特征得到3D特征向量。
还需要说明的是,步骤S1054中的奶牛体况评分预测模型是通过下述步骤建立的,如图3所示,包括:
S301、选择一定数量的奶牛样本,采集各个奶牛样本的后部的3D样本图像,对所述3D样本图像进行空间变换与标准化处理;
S302、对标准化处理后的3D样本图像进行样本特征提取与筛选,其中,所述样本特征包括样本整体特征以及样本局部特征;;
S303、根据所述样本特征形成3D样本特征数据;
S304、根据所述3D样本特征数据以及从数据库中提取的对应奶牛样本的人工评分值进行模型的学习与训练,获取3D样本特征数据与奶牛样本人工评分之间的关联关系,获得奶牛体况评分预测模型。
基于上述建立的奶牛体况评分预测模型即可用于本发明实施例提供的奶牛体况评分方法中,从而对奶牛的身体状况进行科学准确的评分,适用于高吞吐量的养殖环境。
此外,在具体实施时,为了能够提供更为全面更为详细的奶牛的体况数据,本发明实施例提供的方法中,如图1所示,在步骤S105之后还包括:
S106、所述处理平台建立每只奶牛的体况分数随时间的变化趋势图。
通过该变化趋势图,可以清楚反应被检测的奶牛近期的身体情况,及时了解奶牛的健康动态,有利于养殖企业尤其是较大型样值企业对奶牛养殖的管理。
第二方面,本发明提供了一种奶牛体况自动评分装置,参加图4,包括:读写设备1、处理平台2以及扫描仪3,所述处理平台2与所述读写设备1相连,还与所述扫描仪3相连;
读写设备1,用于在奶牛经过挤奶通道6时读取该奶牛耳部的射频标签5中包含的信息,射频标签5中包含的信息包括该奶牛的标识信息;
读写设备1,还用于将读取到的射频标签5的信息发送给处理平台;
处理平台2,用于在接收到读写设备1发送的射频标签5的信息后,发送控制指令给扫描仪3;
扫描仪3,用于在接收到控制指令后,采集该奶牛后部的3D图像,并将3D图像发送至处理平台2;
处理平台2,还用于根据3D图像,通过预设的算法对该奶牛体况进行评分。
在具体实施时,处理平台2还进一步用于:
对所述3D图像进行空间变换与归一化处理;
对归一化处理之后的所述3D图像进行特征挖掘和筛选,其中,所述特征包括整体特征以及局部特征;
综合所述特征,得到3D特征向量;
将所述3D特征向量输入至奶牛体况评分预测模型中进行运算,并将运算结果作为奶牛体况的评分值。
在具体实施时,处理平台2进一步还用于对所述特征进行降维处理,并综合所述降维之后的特征得到3D特征向量。
在具体实施时,处理平台2进一步还用于建立每只奶牛的体况分数随时间的变化趋势图。
关于装置实施例的具体实施方式在方法实施例中已经进行了说明,在此不再赘述。
以上实施例仅用于说明本发明,而非对本发明的限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求和范围当中。
Claims (9)
1.一种奶牛体况自动评分方法,其特征在于,包括:
奶牛经过时,读写设备读取该奶牛耳部的射频标签中包含的信息,所述射频标签中包含的信息包括该奶牛的标识信息;
读写设备将读取到的所述射频标签的信息发送给处理平台;
所述处理平台在接收到读写设备发送的射频标签的信息后,发送控制指令给扫描仪;
所述扫描仪在接收到所述控制指令后,采集该奶牛后部的3D图像,并将所述3D图像发送至所述处理平台;
所述处理平台根据所述3D图像,通过预设的算法对该奶牛体况进行评分。
2.如权利要求1所述的方法,其特征在于,所述处理平台根据所述3D图像,通过预设的算法对该奶牛体况进行评分的步骤包括:
所述处理平台对所述3D图像进行空间变换与归一化处理;
所述处理平台对归一化处理之后的所述3D图像进行特征挖掘和筛选,其中,所述特征包括整体特征以及局部特征;
所述处理平台综合所述特征,得到3D特征向量;
所述处理平台将所述3D特征向量输入至奶牛体况评分预测模型中进行运算,并将运算结果作为奶牛体况的评分值。
3.如权利要求2所述的方法,其特征在于,所述处理平台综合所述特征得到3D特征向量的步骤包括:
所述处理平台对所述特征进行降维处理,并综合所述降维之后的特征得到3D特征向量。
4.如权利要求2所述的方法,其特征在于,所述奶牛体况评分预测模型是通过下述步骤建立的,包括:
选择一定数量的奶牛样本,采集各个奶牛样本的后部的3D样本图像,对所述3D样本图像进行空间变换与标准化处理;
对标准化处理后的3D样本图像进行样本特征提取与筛选,其中,所述样本特征包括样本整体特征以及样本局部特征;;
根据所述样本特征形成3D样本特征数据;
根据所述3D样本特征数据以及从数据库中提取的对应奶牛样本的人工评分值进行模型的学习与训练,获取3D样本特征数据与奶牛样本人工评分之间的关联关系,获得奶牛体况评分预测模型。
5.如权利要求1所述的方法,其特征在于,在所述处理平台根据所述3D图像,通过预设的算法对该奶牛体况进行评分的步骤之后,所述方法还包括:
所述处理平台建立每只奶牛的体况分数随时间的变化趋势图。
6.一种奶牛体况自动评分装置,其特征在于,包括:读写设备、扫描仪以及处理平台,所述处理平台与所述读写设备相连,还与所述扫描仪相连;
所述读写设备,用于在奶牛经过时读取该奶牛耳部的射频标签中包含的信息,所述射频标签中包含的信息包括该奶牛的标识信息;
所述读写设备,还用于将读取到的所述射频标签的信息发送给处理平台;
所述处理平台,用于在接收到读写设备发送的射频标签的信息后,发送控制指令给扫描仪;
所述扫描仪,用于在接收到所述控制指令后,采集该奶牛后部的3D图像,并将所述3D图像发送至所述处理平台;
所述处理平台,还用于根据所述3D图像,通过预设的算法对该奶牛体况进行评分。
7.如权利要求6所述的装置,其特征在于,
所述处理平台,还用于对所述3D图像进行空间变换与归一化处理;
所述处理平台,还用于对归一化处理之后的所述3D图像进行特征挖掘和筛选,其中,所述特征包括整体特征以及局部特征;
所述处理平台,还用于综合所述特征,得到3D特征向量;
所述处理平台,还用于将所述3D特征向量输入至奶牛体况评分预测模型中进行运算,并将运算结果作为奶牛体况的评分值。
8.如权利要求7所述的装置,其特征在于,所述处理平台进一步还用于对所述特征进行降维处理,并综合所述降维之后的特征得到3D特征向量。
9.如权利要求6所述的装置,其特征在于,所述处理平台进一步还用于,建立每只奶牛的体况分数随时间的变化趋势图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610217864.8A CN105844534A (zh) | 2016-04-08 | 2016-04-08 | 奶牛体况自动评分方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610217864.8A CN105844534A (zh) | 2016-04-08 | 2016-04-08 | 奶牛体况自动评分方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105844534A true CN105844534A (zh) | 2016-08-10 |
Family
ID=56597194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610217864.8A Pending CN105844534A (zh) | 2016-04-08 | 2016-04-08 | 奶牛体况自动评分方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105844534A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503749A (zh) * | 2016-11-04 | 2017-03-15 | 北京农业信息技术研究中心 | 一种鱼子酱的自动分级方法及其系统 |
CN107729424A (zh) * | 2017-09-28 | 2018-02-23 | 华为技术有限公司 | 一种数据可视化方法及设备 |
CN108053124A (zh) * | 2017-12-19 | 2018-05-18 | 深圳市沃特沃德股份有限公司 | 奶牛分类方法和装置 |
CN108416260A (zh) * | 2018-01-25 | 2018-08-17 | 北京农业信息技术研究中心 | 一种三维图像监测装置及方法 |
CN109508907A (zh) * | 2018-12-24 | 2019-03-22 | 中国科学院合肥物质科学研究院 | 基于深度学习与远程视频的奶牛体况智能评分系统 |
CN109784200A (zh) * | 2018-12-24 | 2019-05-21 | 中国科学院合肥物质科学研究院 | 基于双目视觉的奶牛行为图像获取与体况智能监测系统 |
CN110163846A (zh) * | 2019-04-19 | 2019-08-23 | 安徽省农业科学院畜牧兽医研究所 | 一种肉牛体况自动评分方法、系统和存储介质 |
CN112257991A (zh) * | 2020-09-30 | 2021-01-22 | 内蒙古农业大学 | 绵羊体况自动评分装置及评分方法 |
CN112331345A (zh) * | 2020-11-26 | 2021-02-05 | 河南科技大学 | 一种基于直接评测模型的奶牛体脂率检测方法 |
CN112488403A (zh) * | 2020-12-10 | 2021-03-12 | 深圳市云辉牧联科技有限公司 | 牛群结构的确定方法、装置及计算机可读存储介质 |
CN112856170A (zh) * | 2020-12-25 | 2021-05-28 | 河南科技大学 | 一种奶牛体况自动评分装置 |
CN114896441A (zh) * | 2022-06-07 | 2022-08-12 | 连云港东旺奶牛养殖有限公司 | 一种奶牛信息化智能养殖方法及系统 |
CN117094836A (zh) * | 2023-10-17 | 2023-11-21 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010063527A1 (en) * | 2008-12-03 | 2010-06-10 | Delaval Holding Ab | Arrangement and method for determining a body condition score of an animal |
WO2014018531A1 (en) * | 2012-07-23 | 2014-01-30 | Clicrweight, LLC | Body condition score determination for an animal |
CN104574195A (zh) * | 2013-10-18 | 2015-04-29 | 北京智慧农业有限公司 | 基于rfid和数据挖掘的智能配料方法和系统 |
-
2016
- 2016-04-08 CN CN201610217864.8A patent/CN105844534A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010063527A1 (en) * | 2008-12-03 | 2010-06-10 | Delaval Holding Ab | Arrangement and method for determining a body condition score of an animal |
WO2014018531A1 (en) * | 2012-07-23 | 2014-01-30 | Clicrweight, LLC | Body condition score determination for an animal |
CN104574195A (zh) * | 2013-10-18 | 2015-04-29 | 北京智慧农业有限公司 | 基于rfid和数据挖掘的智能配料方法和系统 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503749B (zh) * | 2016-11-04 | 2019-06-14 | 北京农业信息技术研究中心 | 一种鱼子酱的自动分级方法及其系统 |
CN106503749A (zh) * | 2016-11-04 | 2017-03-15 | 北京农业信息技术研究中心 | 一种鱼子酱的自动分级方法及其系统 |
CN107729424B (zh) * | 2017-09-28 | 2021-07-09 | 华为技术有限公司 | 一种数据可视化方法及设备 |
CN107729424A (zh) * | 2017-09-28 | 2018-02-23 | 华为技术有限公司 | 一种数据可视化方法及设备 |
CN108053124A (zh) * | 2017-12-19 | 2018-05-18 | 深圳市沃特沃德股份有限公司 | 奶牛分类方法和装置 |
WO2019119547A1 (zh) * | 2017-12-19 | 2019-06-27 | 深圳市沃特沃德股份有限公司 | 奶牛分类方法和装置 |
CN108416260A (zh) * | 2018-01-25 | 2018-08-17 | 北京农业信息技术研究中心 | 一种三维图像监测装置及方法 |
CN109508907A (zh) * | 2018-12-24 | 2019-03-22 | 中国科学院合肥物质科学研究院 | 基于深度学习与远程视频的奶牛体况智能评分系统 |
CN109784200A (zh) * | 2018-12-24 | 2019-05-21 | 中国科学院合肥物质科学研究院 | 基于双目视觉的奶牛行为图像获取与体况智能监测系统 |
CN109784200B (zh) * | 2018-12-24 | 2022-09-30 | 中国科学院合肥物质科学研究院 | 基于双目视觉的奶牛行为图像获取与体况智能监测系统 |
CN110163846A (zh) * | 2019-04-19 | 2019-08-23 | 安徽省农业科学院畜牧兽医研究所 | 一种肉牛体况自动评分方法、系统和存储介质 |
CN112257991A (zh) * | 2020-09-30 | 2021-01-22 | 内蒙古农业大学 | 绵羊体况自动评分装置及评分方法 |
CN112331345A (zh) * | 2020-11-26 | 2021-02-05 | 河南科技大学 | 一种基于直接评测模型的奶牛体脂率检测方法 |
CN112331345B (zh) * | 2020-11-26 | 2023-07-07 | 河南科技大学 | 一种基于直接评测模型的奶牛体脂率检测方法 |
CN112488403A (zh) * | 2020-12-10 | 2021-03-12 | 深圳市云辉牧联科技有限公司 | 牛群结构的确定方法、装置及计算机可读存储介质 |
CN112488403B (zh) * | 2020-12-10 | 2024-03-29 | 深圳市云辉牧联科技有限公司 | 牛群结构的确定方法、装置及计算机可读存储介质 |
CN112856170A (zh) * | 2020-12-25 | 2021-05-28 | 河南科技大学 | 一种奶牛体况自动评分装置 |
CN112856170B (zh) * | 2020-12-25 | 2022-07-01 | 河南科技大学 | 一种奶牛体况自动评分装置 |
CN114896441A (zh) * | 2022-06-07 | 2022-08-12 | 连云港东旺奶牛养殖有限公司 | 一种奶牛信息化智能养殖方法及系统 |
CN117094836A (zh) * | 2023-10-17 | 2023-11-21 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
CN117094836B (zh) * | 2023-10-17 | 2024-02-13 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844534A (zh) | 奶牛体况自动评分方法及装置 | |
Song et al. | Automated body weight prediction of dairy cows using 3-dimensional vision | |
US10747999B2 (en) | Methods and systems for pattern characteristic detection | |
Malambo et al. | Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data | |
CN107895367A (zh) | 一种骨龄识别方法、系统及电子设备 | |
KR101598898B1 (ko) | 음향 및 영상분석을 통한 넙치 질병 예방 시스템 | |
CN108717523A (zh) | 基于机器视觉的母猪发情行为检测方法 | |
TW201539357A (zh) | 家畜識別系統和方法 | |
KR20180057785A (ko) | 영상분석을 통한 어류 개체수 측정 시스템 및 그 측정방법 | |
Banhazi et al. | Improved image analysis based system to reliably predict the live weight of pigs on farm: Preliminary results | |
CN106340000A (zh) | 骨龄评估方法 | |
CN109784200B (zh) | 基于双目视觉的奶牛行为图像获取与体况智能监测系统 | |
Lootens et al. | High-throughput phenotyping of lateral expansion and regrowth of spaced Lolium perenne plants using on-field image analysis | |
Boyle et al. | Automated estimation of tiller number in wheat by ribbon detection | |
CN205608801U (zh) | 奶牛体况自动评分装置 | |
CN107426488B (zh) | 肉鸡跛行自动监测方法及装置 | |
CN114399664A (zh) | 植株种苗生长状态智能监测与控制方法及系统 | |
US20230342902A1 (en) | Method and system for automated evaluation of animals | |
CN113807143A (zh) | 作物连通域的识别方法、装置及作业系统 | |
CN102626306A (zh) | 用于自动评定奶牛体况分的方法 | |
CA3230401A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
RU2693731C2 (ru) | Устройство и способ оценки соблюдения требований благосостояния животного в отношении животного для убоя | |
CN113762745A (zh) | 基于机器视觉的生猪体型外貌评定方法及装置 | |
CN114627505A (zh) | 一种奶牛清洁度自动评分方法、系统、存储介质及设备 | |
CN109949323A (zh) | 一种基于深度学习卷积神经网络的作物种子净度判断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160810 |
|
RJ01 | Rejection of invention patent application after publication |