CN106056106B - 一种草原放牧绵羊牧食行为检测系统及其检测方法 - Google Patents

一种草原放牧绵羊牧食行为检测系统及其检测方法 Download PDF

Info

Publication number
CN106056106B
CN106056106B CN201610583260.5A CN201610583260A CN106056106B CN 106056106 B CN106056106 B CN 106056106B CN 201610583260 A CN201610583260 A CN 201610583260A CN 106056106 B CN106056106 B CN 106056106B
Authority
CN
China
Prior art keywords
grazing
module
behavior
sheep
detecting
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
CN201610583260.5A
Other languages
English (en)
Other versions
CN106056106A (zh
Inventor
韩丁
张永安
苏赫
杨建宁
郝敏
薛晶
宣传忠
武佩
张丽娜
马彦华
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.)
Inner Mongolia University
Inner Mongolia Agricultural University
Original Assignee
Inner Mongolia University
Inner Mongolia Agricultural University
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 Inner Mongolia University, Inner Mongolia Agricultural University filed Critical Inner Mongolia University
Priority to CN201610583260.5A priority Critical patent/CN106056106B/zh
Publication of CN106056106A publication Critical patent/CN106056106A/zh
Application granted granted Critical
Publication of CN106056106B publication Critical patent/CN106056106B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • G10L15/142—Hidden Markov Models [HMMs]
    • G10L15/144—Training of HMMs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Abstract

本发明公开一种草原放牧绵羊牧食行为检测系统及其检测方法。所述系统包括传感器检测与数据传输系统、实现视频信号与声音信号同步采集的摄像机。传感器检测与数据传输系统包括：GPS定位与牧食路径监测模块，实现放牧绵羊的运动监测；行为检测模块，检测放牧绵羊的站立及站立时间、卧息及卧息时间、游走及游走时间；风速风向监测模块，监测牧食行为处的风速风向；温湿度监测模块，监测牧食行为处的温度、湿度；信号处理模块，其与摄像机以及各模块均电性连接，用于收集各模块的数据并处理；GPRS无线数据传输模块，无线传输信号处理模块处理后的数据。本发明还公开所述系统的检测方法。

Description

一种草原放牧绵羊牧食行为检测系统及其检测方法
技术领域
本发明涉及一种检测系统，特别的涉及一种草原放牧绵羊牧食行为检测系统及其检测方法。
背景技术
对放牧家畜牧食行为的研究是目前国内外的研究热点，所采用的研究方法主要有直接观测法和间接获得法。人工直接观测，劳动强度大、且依赖于人的因素，准确度低；间接测量方法较单一，没有一种较为完善的放牧绵羊牧食行为监测手段。
发明内容
为了解决上述缺陷，本发明提供一种草原放牧绵羊牧食行为检测系统及其检测方法，其针对荒漠化草原放牧绵羊牧食行为监测的需求，结合本发明能够实现的牧食行为，对放牧绵羊的以下内容进行检测：游走时间、游走方向、游走速度、反刍时间、卧息时间、采食时间、采食口数、采食植物种类，所有上述行为将与GPS定位及定位点风速、风向、温湿度进行时间空间信息匹配。
本发明通过以下技术方案实现：一种草原放牧绵羊牧食行为检测系统，其包括传感器检测与数据传输系统、摄像机；其中，
所述摄像机用于实现视频信号与声音信号的同步采集；
所述传感器检测与数据传输系统包括：GPS定位与牧食路径监测模块，其用于实现放牧绵羊的运动监测；行为检测模块，其用于检测放牧绵羊的站立及站立时间、卧息及卧息时间、游走及游走时间；风速风向监测模块，其用于监测牧食行为处的风速风向；温湿度监测模块，其用于监测牧食行为处的温度、湿度；信号处理模块，其与所述GPS定位与牧食路径监测模块、所述风速风向监测模块、所述温湿度监测模块、所述行为检测模块、所述摄像机均电性连接，用于收集各模块的数据并处理；GPRS无线数据传输模块，其用于无线传输所述信号处理模块处理后的数据。
作为上述方案的进一步改进，所述行为检测模块采用三轴加速度传感器，所述风速风向监测模块采用非叶轮式风速风向传感器，所述温湿度监测模块采用温湿度传感器。
作为上述方案的进一步改进，所述传感器检测与数据传输系统安装于羊背上，所述摄像机安装在羊头一侧的额角处。
作为上述方案的进一步改进，所述传感器检测与数据传输系统还包括分别与所述信号处理模块电性连接的电源模块、显示屏、扩展存储卡和实时时钟模块。
本发明还提供上述任意一种草原放牧绵羊牧食行为检测系统的草原放牧绵羊牧食行为检测方法，其包括基于深度学习网络与支持向量机方法的采食视频分割识别方法，所述采食视频分割识别方法包括：
信号预处理：视频信号采集；Tsai算法图像自适应标定；融合三轴加速度传感器采食时间检测实现动态视频分帧；Mean Shift滤波、去噪；基于2G-B-R色差特征的FCM聚类背景分割；
特征提取与识别：在信号预处理的基础上：时域帧间差分法；基于稀疏表示SIFT算法图像配准；小波SIFT算子提取颜色、形状、纹理特征提取；深度学习特征提取模型优化特征参数、降维；支撑向量机分类器；
特征库训练：对特征提取与识别的分类器进行单株采食牧草的特征库建立与训练：手动拍照后图像分割，提取感兴趣区域；应用小波SIFT算子提取颜色、形状、纹理等特征；主成分分析法降维，获取图像特征；训练深度学习分类模型；特征匹配；特征库建立完成。
进一步地，小波SIFT算子提取颜色、形状、纹理特征提取包括：颜色矩特征提取、多维形状特征提取、GLCM法纹理特征提取。
作为上述方案的进一步改进，所述草原放牧绵羊牧食行为检测方法还包括反刍与采食行为检测方法，所述反刍与采食行为检测方法包括：
提炼声音特征；
利用声音特征设计基于隐马可夫模型的BP神经网络分类器；
通过分类器得出反刍与采食行为检测结果。
进一步地，提取声音特征并结合现场标定训练声音样本以建立反刍与采食声音规则库：
去噪、滤波、加窗分帧；
时域、频域、维纳熵特征提取；
ANOVA方差分析得出声音特征模型库。
再进一步地，提取声音特征并利用反刍与采食声音规则库完成测试应用：
去噪、滤波、加窗分帧；
时域、频域、维纳熵特征提取；
最小二乘法多元线性回归分析得到测试声音特征。
本发明融合GPS技术、传感器技术、音频视频信号处理技术、计算机技术实现放牧绵羊牧食行为的检测识别，具有重要意义并具有鲜明的行业特色、地区特色。
附图说明
图1是本发明提供的草原放牧绵羊牧食行为检测系统的结构示意图。
图2是图1中草原放牧绵羊牧食行为检测系统的安装示意图。
图3是图1中草原放牧绵羊牧食行为检测系统的视频信号模型库训练与运行测试技术路线流程图。
图4是图1中草原放牧绵羊牧食行为检测系统的音频信号模型库训练与运行测试技术路线流程图。
具体实施方式
以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。
实施例1
如图1所示，本实施例的草原放牧绵羊牧食行为检测系统在硬件上包括两大块硬件：传感器检测与数据传输系统1、摄像机2。传感器检测与数据传输系统1用于实现羊的运动监测(游走及游走时间)、站立行为监测、卧息及时间监测、GPS定位监测、温湿度与风速风向监测及GPRS无线数据传输功能。摄像机2用于实现视频信号与声音信号的同步采集。传感器检测与数据传输系统1可传输至服务器或应用于手机中，传感器检测与数据传输系统1可传输至服务器时，可采用GPRS无线接收模块。
请结合图2，传感器检测与数据传输系统1安装于羊背上，摄像机2安装在羊头一侧的额角处。摄像机2可采用微型摄像机，其外形小巧不占空间、重量轻不易给放牧绵羊造成负担、便于安装固定从而不易遗失。在本实施例中，采用U盘式微型摄像机，尺寸大概74mm×26mm×12mm，重量230克，可通过制作专用羊龙头将U盘式微型摄像机安装在羊右额处，实现视频信号与声音信号的同步采集；传感器检测与数据传输系统1可设计为尺寸大概15cm×10cm×10cm，重量0.8kg。视频信号与声音信号可用于反刍、采食行为、食性选择检测等。
传感器检测与数据传输系统1包括GPS定位与牧食路径监测模块11、行为检测模块12、风速风向监测模块13、温湿度监测模块14、信号处理模块15、GPRS无线数据传输模块16、电源模块17、实时时钟模块18、扩展存储卡19、显示屏20。
GPS定位与牧食路径监测模块11用于实现放牧绵羊的运动监测，如采用GPS(UM330)。行为检测模块12用于检测放牧绵羊的站立及站立时间、卧息及卧息时间、游走及游走时间，行为检测模块12可采用三轴加速度传感器，优选型号为MMA8451Q。风速风向监测模块13用于监测牧食行为处的风速风向，风速风向监测模块13可采用非叶轮式风速风向传感器，如MEMS型SA-210非叶轮式风速风向传感器。温湿度监测模块14用于监测牧食行为处的温度、湿度，温湿度监测模块14可采用温湿度传感器，如瑞士HC2-IC302温湿度传感器。信号处理模块15与GPS定位与牧食路径监测模块11、风速风向监测模块13、温湿度监测模块14、行为检测模块12、摄像机2、电源模块17、实时时钟(Real-Time Clock)模块18、扩展存储卡19、显示屏20均电性连接，用于收集各模块的数据并处理。信号处理模块15可采用STM32F103VET6芯片(高性能嵌入式CPU)。GPRS无线数据传输模块16用于无线传输信号处理模块15处理后的数据，当然也可以对无线传输信号处理模块15传输指令。电源模块17可采用超高性能Li电源，通过实时时钟模块18提供时钟可随意实现时钟的设置，扩展存储卡19可采用64G SD存储卡，显示屏20可采用LCD液晶显示屏。
本发明的特色与创新之处在于：
1.创新性
1)应用具有创新性，机器代替人工，将信息科学技术应用于草原生态学；
2)研究具有创新性，针对牧草图像采集环境复杂引起的图像质量较低的问题，提出基于深度学习的牧草识别方法，为解决放牧绵羊食性选择检测提供了新方法与新思路，目前鲜有报道；
3)方法具有创新性，建立采食与反刍声音信号及牧草个体植株的特征数据库、训练模型、识别模型，为自动识别牧食行为提供新途径。
2.特色
本发明针对草原生态的实际需求，具有鲜明的地区特色。本发明的另一个显著特色是首次将传感器数据、GPS数据、信息处理数据进行融合，完成放牧绵羊牧食行为检测研究，具有显著的行业应用特色。
实施例2
实施例2是在实施例1的基础上加入软件算法创新，不仅仅依靠硬件本身的功能，实现更高一个台阶的研究。软件算法创新主要包括以下几个部分：
1)传感器数据融合、时间空间匹配：为了提高监测的实时性和准确性，仅仅只是实施例1的传感器应用是远远不够，需要对传感器数据在软件算法上进行拓展，在拓展过程中，其中重点难点为行为检测模块12的三轴加速度传感器对放牧绵羊行为的监测，需要数据融合、匹配并经识别模型分类实现；
2)放牧绵羊反刍与采食声音信号规则数据库的建立；
3)放牧绵羊反刍与采食声音识别模型的建立；
4)放牧绵羊采食行为中被采食牧草特征提取与规则库建立；
5)放牧绵羊采食植物种类识别分类器设计与视频图像预处理。
实施例2的软件算法可以形成APP模式，安装在服务器、电脑、手机等电子设备上，方便应用。
其中，针对第5部分：5)放牧绵羊采食植物种类识别分类器设计与视频图像预处理。通过本发明自行研发设计的视频信号模型库训练与运行测试技术路线，实现基于深度学习网络与支持向量机方法的采食视频分割识别装置及所述装置的基于深度学习网络与支持向量机方法的采食视频分割识别方法。如图3所示，采食视频分割识别装置包括信号预处理模块31、特征提取与识别模块32、特征库训练模块33。
信号预处理模块31用于：视频信号采集；Tsai算法图像自适应标定；融合三轴加速度传感器采食时间检测实现动态视频分帧；Mean Shift滤波、去噪；基于2G-B-R色差特征的FCM聚类背景分割。
特征提取与识别模块32，在信号预处理模块31的基础上用于：时域帧间差分法(图像分割)；基于稀疏表示SIFT算法图像配准；小波SIFT算子提取颜色、形状、纹理特征提取；深度学习特征提取模型优化特征参数、降维；支撑向量机(SVM)分类器。其中，小波SIFT算子提取颜色、形状、纹理特征提取主要是：1.颜色矩特征提取，2.多维形状特征提取，3.GLCM法纹理特征提取。
特征库训练模块33对特征提取与识别模块32的分类器进行单株采食牧草的特征库建立与训练：手动拍照后图像分割，提取感兴趣区域(Region of Interest，ROI)；应用小波SIFT算子提取颜色、形状、纹理等特征；主成分分析(PCA)法降维，获取图像特征；训练深度学习分类模型(Convolutional Neural Networks卷积神经网络)；特征匹配；特征库建立完成。
采食视频分割识别装置可最终得出结论：放牧绵羊采食植物种类及对应的采食口数。然后，形成基于计算机视觉的放牧绵羊采食行为的软件子模块实现基于深度学习网络与支持向量机方法的采食视频分割识别方法。
针对第2部分与第3部分：2)放牧绵羊反刍与采食声音信号规则数据库的建立；3)放牧绵羊反刍与采食声音识别模型的建立。通过本发明自行研发设计的音频信号模型库训练与运行测试技术路线实现反刍与采食行为检测装置及所述反刍与采食行为检测装置的反刍与采食行为检测方法。
如图4所示，反刍与采食行为检测方法包括提取声音特征；利用声音特征设计基于隐马可夫模型(HMM)的BP神经网络分类器；通过分类器得出反刍与采食行为检测结果。
其中，针对提取声音特征步骤，可采用反刍与采食声音规则库训练和反刍与采食声音测试应用分别实现。采食声音规则库训练包括步骤：去噪、滤波、加窗分帧；时域、频域、维纳熵特征提取；ANOVA方差分析得出声音特征模型库。反刍与采食声音测试应用包括步骤：去噪、滤波、加窗分帧；时域、频域、维纳熵特征提取；最小二乘法多元线性回归分析得到测试声音特征。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种草原放牧绵羊牧食行为检测系统，其特征在于：其包括传感器检测与数据传输系统、摄像机；其中，
所述摄像机用于实现视频信号与声音信号的同步采集；
所述传感器检测与数据传输系统包括：GPS定位与牧食路径监测模块，其用于实现放牧绵羊的运动监测；行为检测模块，其用于检测放牧绵羊的站立及站立时间、卧息及卧息时间、游走及游走时间；风速风向监测模块，其用于监测牧食行为处的风速风向；温湿度监测模块，其用于监测牧食行为处的温度、湿度；信号处理模块，其与所述GPS定位与牧食路径监测模块、所述风速风向监测模块、所述温湿度监测模块、所述行为检测模块、所述摄像机均电性连接，用于收集各模块的数据并处理；GPRS无线数据传输模块，其用于无线传输所述信号处理模块处理后的数据；
其中，所述行为检测模块采用三轴加速度传感器、所述风速风向监测模块采用非叶轮式风速风向传感器、所述温湿度监测模块采用温湿度传感器；
所述传感器检测与数据传输系统安装于羊背上、所述摄像机安装在羊头一侧的额角处；
所述传感器检测与数据传输系统还包括分别与所述信号处理模块电性连接的电源模块、显示屏、扩展存储卡和实时时钟模块。
2.一种草原放牧绵羊牧食行为检测方法，使用如权利要求1所述的草原放牧绵羊牧食行为检测系统实现，其特征在于：所述草原放牧绵羊牧食行为检测方法包括基于深度学习网络与支持向量机方法的采食视频分割识别方法，所述采食视频分割识别方法包括：
信号预处理：视频信号采集；Tsai算法图像自适应标定；融合三轴加速度传感器采食时间检测实现动态视频分帧；Mean Shift滤波、去噪；基于2G-B-R色差特征的FCM聚类背景分割；
特征提取与识别：在信号预处理的基础上：时域帧间差分法；基于稀疏表示SIFT算法图像配准；小波SIFT算子对颜色、形状、纹理特征的提取；深度学习特征提取模型优化特征参数、降维；支撑向量机分类器；
特征库训练：对特征提取与识别的分类器进行单株采食牧草的特征库建立与训练：手动拍照后图像分割，提取感兴趣区域；应用小波SIFT算子提取颜色、形状、纹理特征；主成分分析法降维，获取图像特征；训练深度学习分类模型；特征匹配；特征库建立完成。
3.如权利要求2所述的草原放牧绵羊牧食行为检测方法，其特征在于：小波SIFT算子对颜色、形状、纹理特征的提取包括：颜色矩特征提取、多维形状特征提取、GLCM法纹理特征提取。
4.如权利要求3所述的草原放牧绵羊牧食行为检测方法，其特征在于：所述草原放牧绵羊牧食行为检测方法还包括反刍与采食行为检测方法，所述反刍与采食行为检测方法包括：
提炼声音特征；
利用声音特征设计基于隐马可夫模型的BP神经网络分类器；
通过分类器得出反刍与采食行为检测结果。
5.如权利要求4所述的草原放牧绵羊牧食行为检测方法，其特征在于：提取声音特征并结合现场标定训练声音样本以建立反刍与采食声音规则库：
去噪、滤波、加窗分帧；
时域、频域、维纳熵特征提取；
ANOVA方差分析得出声音特征模型库。
6.如权利要求5所述的草原放牧绵羊牧食行为检测方法，其特征在于：提取声音特征并利用反刍与采食声音规则库完成测试应用：
去噪、滤波、加窗分帧；
时域、频域、维纳熵特征提取；
最小二乘法多元线性回归分析得到测试声音特征。
CN201610583260.5A 2016-07-22 2016-07-22 一种草原放牧绵羊牧食行为检测系统及其检测方法 Active CN106056106B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610583260.5A CN106056106B (zh) 2016-07-22 2016-07-22 一种草原放牧绵羊牧食行为检测系统及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610583260.5A CN106056106B (zh) 2016-07-22 2016-07-22 一种草原放牧绵羊牧食行为检测系统及其检测方法

Publications (2)

Publication Number Publication Date
CN106056106A CN106056106A (zh) 2016-10-26
CN106056106B true CN106056106B (zh) 2021-10-26

Family

ID=57418560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610583260.5A Active CN106056106B (zh) 2016-07-22 2016-07-22 一种草原放牧绵羊牧食行为检测系统及其检测方法

Country Status (1)

Country Link
CN (1) CN106056106B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778555B (zh) * 2016-11-30 2020-04-07 石河子大学 一种基于机器视觉的奶牛反刍咀嚼、吞咽次数统计方法
CN106941946B (zh) * 2017-03-16 2019-07-23 山东大学 一种退化草地优势植物的修复方法
CN106993596B (zh) * 2017-03-21 2020-07-17 中南林业科技大学 一种栗实象智能检测与无公害处理系统
CN107229289B (zh) * 2017-07-31 2024-02-20 内蒙古智牧溯源技术开发有限公司 一种无人机放牧管理系统
CN109190571B (zh) * 2018-09-12 2020-11-13 内蒙古大学 一种放牧绵羊采食典型植物种类的检测识别方法及其装置
CN109171748A (zh) * 2018-09-12 2019-01-11 内蒙古大学 一种草原放牧绵羊运动行为的检测识别方法及其装置
CN111916096B (zh) * 2019-05-09 2021-04-27 南京农业大学 一种基于树莓派的藏羊牧食行为监测方法
CN110169375B (zh) * 2019-06-19 2021-04-06 北京农业信息技术研究中心 一种奶牛采食行为与采食量的监测方法及装置
CN110906986A (zh) * 2019-12-11 2020-03-24 内蒙古工业大学 基于物联网的草原生态监测系统和方法
CN111583962B (zh) * 2020-05-12 2021-05-18 南京农业大学 一种基于声学分析的羊反刍行为监测方法
CN112369497B (zh) * 2020-10-27 2023-05-26 贵州省草地技术试验推广站 牧草基乳酸菌强化发酵方法及行走式多功能牧草加工机
CN113191302B (zh) * 2021-05-14 2022-11-01 成都鸿钰网络科技有限公司 一种草原生态监测方法及系统
CN113222451A (zh) * 2021-05-28 2021-08-06 中国农业科学院草原研究所 一种基于北斗导航的牧场家畜采食喜好区域评估方法、系统及存储介质
CN113887940B (zh) * 2021-09-30 2024-04-16 内蒙古工业大学 一种基于卷积神经网络的牧草优势度识别方法
CN114208714A (zh) * 2021-12-01 2022-03-22 中国科学院亚热带农业生态研究所 一种项圈式可佩戴的奶牛反刍行为监测装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509305A (zh) * 2011-09-26 2012-06-20 浙江工业大学 基于全方位视觉的动物行为检测装置
CN102831442A (zh) * 2011-06-13 2012-12-19 索尼公司 异常行为检测设备和方法及生成该检测设备的设备和方法
CN103248703A (zh) * 2013-05-16 2013-08-14 中国农业大学 生猪行为自动监测系统及方法
CN103488148A (zh) * 2013-09-24 2014-01-01 华北电力大学（保定） 一种基于物联网和计算机视觉的家畜行为智能监控系统
CN104077571A (zh) * 2014-07-01 2014-10-01 中山大学 一种采用单类序列化模型的人群异常行为检测方法
JP2015130014A (ja) * 2014-01-06 2015-07-16 株式会社リコー 検知装置、検知システム、検知方法およびプログラム
CN104969875A (zh) * 2015-07-23 2015-10-14 中山大学深圳研究院 一种基于图像变化的宠物行为检测系统
CN205050303U (zh) * 2015-09-30 2016-02-24 广东乐源数字技术有限公司 一种智能人体瘫倒监测装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831442A (zh) * 2011-06-13 2012-12-19 索尼公司 异常行为检测设备和方法及生成该检测设备的设备和方法
CN102509305A (zh) * 2011-09-26 2012-06-20 浙江工业大学 基于全方位视觉的动物行为检测装置
CN103248703A (zh) * 2013-05-16 2013-08-14 中国农业大学 生猪行为自动监测系统及方法
CN103488148A (zh) * 2013-09-24 2014-01-01 华北电力大学（保定） 一种基于物联网和计算机视觉的家畜行为智能监控系统
JP2015130014A (ja) * 2014-01-06 2015-07-16 株式会社リコー 検知装置、検知システム、検知方法およびプログラム
CN104077571A (zh) * 2014-07-01 2014-10-01 中山大学 一种采用单类序列化模型的人群异常行为检测方法
CN104969875A (zh) * 2015-07-23 2015-10-14 中山大学深圳研究院 一种基于图像变化的宠物行为检测系统
CN205050303U (zh) * 2015-09-30 2016-02-24 广东乐源数字技术有限公司 一种智能人体瘫倒监测装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Analyzing animal behavior via classifying each video frame using convolutional neural networks;Ulrich Stern等;《Scientific Reports》;20150923;1-13 *
Grazing behavior of sheep at different stocking rates in the Inner Mongolian steppe, China;LijunLin等;《Applied Animal Behaviour Science》;20110115;第129卷(第1期);36-42 *
Influence of Wind and Humidity on Foraging Behavior of Olfactory Mesopredators;Becky Ruzicka等;《Canadian Field Naturalist》;20110430;第125卷(第2期);132-139 *
一种无线传感器网络中恶意行为的检测和预防技术;徐小龙等;《通信技术》;20160310;第49卷(第03期);340-345 *
基于颜色特征的牧草图像分割方法研究;通霏等;《农机化研究》;20140501;第36卷(第05期);43-47 *
精准畜牧业中动物信息智能感知与行为检测研究进展;何东健等;《农业机械学报》;20160329;第47卷(第05期);231-244 *

Also Published As

Publication number Publication date
CN106056106A (zh) 2016-10-26

Similar Documents

Publication Publication Date Title
CN106056106B (zh) 一种草原放牧绵羊牧食行为检测系统及其检测方法
CN106847262A (zh) 一种猪呼吸道疾病自动识别报警方法
CN109801265B (zh) 一种基于卷积神经网络的实时输电设备异物检测系统
CN101453693B (zh) 基于gis平台的多元信息融合与无线传输系统
US11164028B2 (en) License plate detection system
CN108257244B (zh) 电力巡检方法、装置、存储介质和计算机设备
CN112329567A (zh) 自动驾驶场景中目标检测的方法及系统、服务器及介质
CN106777071B (zh) 一种图像识别获取参考信息的方法和装置
CN114022896A (zh) 目标检测方法、装置、电子设备及可读取存储介质
CN110121723B (zh) 人工神经网络
CN206003119U (zh) 一种草原放牧绵羊牧食行为检测系统
CN205103173U (zh) 基于多类图像终端—服务器架构的大田作物信息检测系统
CN104092975A (zh) 一种植物监控设备
CN112364763B (zh) 基于边缘计算的仔猪吃奶行为监测系统
CN205280141U (zh) 近岸风、浪、流和水位监测集成装置
CN115512270A (zh) 叶片数量检测方法、装置、电子设备及存储介质
CN202455443U (zh) 植物叶片图像校正装置
CN203435099U (zh) Lvds信号采集装置
CN113705339A (zh) 基于对抗性域适应策略的跨用户人体行为识别方法
US20220051154A1 (en) Method and apparatus for measuring plant trichomes
CN112966780A (zh) 一种动物行为识别方法及系统
CN206097441U (zh) 基于fpga控制器的多通道昆虫飞行信息监测系统
Awal et al. Action recognition with spatiotemporal analysis and support vector machine for elderly monitoring system
CN115118536B (zh) 分享方法、控制设备及计算机可读存储介质
CN212228121U (zh) 一种分离式物联网数据协同获取系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Han Ding

Inventor after: Ma Yanhua

Inventor after: Zhang Yongan

Inventor after: Su He

Inventor after: Yang Jianning

Inventor after: Hao Min

Inventor after: Xue Jing

Inventor after: Xuan Chuanzhong

Inventor after: Wu Pei

Inventor after: Zhang Lina

Inventor before: Han Ding

Inventor before: Zhang Yongan

Inventor before: Yang Jianning

Inventor before: Hao Min

Inventor before: Xue Jing

Inventor before: Xuan Chuanzhong

Inventor before: Wu Pei

Inventor before: Zhang Lina

Inventor before: Ma Yanhua

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant