CN107103554A - 一种奶牛的智能监测方法及系统 - Google Patents
一种奶牛的智能监测方法及系统 Download PDFInfo
- Publication number
- CN107103554A CN107103554A CN201710285561.4A CN201710285561A CN107103554A CN 107103554 A CN107103554 A CN 107103554A CN 201710285561 A CN201710285561 A CN 201710285561A CN 107103554 A CN107103554 A CN 107103554A
- Authority
- CN
- China
- Prior art keywords
- milk cow
- biological information
- biological
- classification model
- data set
- 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
- 235000013336 milk Nutrition 0.000 title claims abstract description 139
- 239000008267 milk Substances 0.000 title claims abstract description 138
- 210000004080 milk Anatomy 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000013145 classification model Methods 0.000 claims abstract description 79
- 238000012706 support-vector machine Methods 0.000 claims abstract description 17
- 230000012173 estrus Effects 0.000 claims abstract description 16
- 230000000474 nursing effect Effects 0.000 claims abstract description 16
- 230000036760 body temperature Effects 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 7
- 230000007958 sleep Effects 0.000 claims description 5
- 108010001267 Protein Subunits Proteins 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract 1
- 241000283690 Bos taurus Species 0.000 description 97
- 230000006870 function Effects 0.000 description 19
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 235000013365 dairy product Nutrition 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006651 lactation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 210000003462 vein Anatomy 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Dairy Products (AREA)
Abstract
本发明公开了一种奶牛的智能监测方法及系统。该方法包括：收集奶牛群体的生物信息和生物特征；所述生物信息包括体温、脉搏、运动量，睡眠时长数据；所述生物特征包括发情期特征、生病期特征、健康期特征和哺乳期特征；以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型；采集单个奶牛的实时生物信息；将所述实时生物信息输入所述奶牛状态分类模型，得到分类结果，所述分类结果包括奶牛的发情期、生病期、健康期和哺乳期。采用本发明的智能监测方法及系统能够准确监测出奶牛在这一时间段的生物特征，从而建立合理的养殖规划。
Description
技术领域
本发明涉及畜牧业预测领域，特别是涉及一种奶牛的智能监测方法及系统。
背景技术
我国农业养殖的快速发展，对繁荣农村经济，优化产业结构，提高农民生活水平、建设和谐的社会主义新农村具有重要意义。《国家中长期科学和技术发展规划纲要(2006-2020)》已明确将“农业精确作业与信息化”纳入优化主题，因此，建立现代化的奶牛养殖预测系统，对我国农业的现代化发展和提高养殖竞争力都有重大意义。
当前人们对优质奶制品的要求越来越高，奶牛的智能预测系统有利于提高奶制品质量；对奶牛养殖缺少相应的大数据处理方式和算法应用，更没有相应的大数据来进行分析；对于养殖的病疫情以及奶牛的其他体征预测也存在着市场需求。
发明内容
本发明的目的是提供一种奶牛的智能监测方法及系统，以监测出奶牛在这一时间段所处的生物特征，从而根据所述生物特征做出合理的养殖规划。
为实现上述目的，本发明提供了如下方案：
一种奶牛的智能监测方法，包括：
收集奶牛群体的生物信息和生物特征；所述生物信息包括体温、脉搏、运动量，睡眠时长数据；所述生物特征包括发情期特征、生病期特征、健康期特征和哺乳期特征；
以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型；
采集单个奶牛的实时生物信息；
将所述实时生物信息输入所述奶牛状态分类模型，得到分类结果，所述分类结果包括奶牛的发情期、生病期、健康期和哺乳期。
可选的，所述以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型，具体包括：
将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集；所述训练数据集包括第一生物信息和第一生物特征，所述第一生物信息和所述第一生物特征相对应；所述测试数据集第二生物信息和第二生物特征，所述第二生物信息和所述第二生物特征相对应；
将所述第一生物信息作为输入数据、所述第一生物特征作为输出数据，将高斯径向基函数为核函数，进行训练，生成所述奶牛状态分类模型。
可选的，在所述生成所述奶牛状态分类模型之后，还包括：
利用所述测试数据集判断所述奶牛状态分类模型是否有效，得到第一判断结果；
若所述第一判断结果表示为所述奶牛状态分类模型有效，则执行将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果的步骤；
若所述第一判断结果表示为所述奶牛状态分类模型无效，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
可选的，所述利用所述测试集信息判断所述奶牛状态分类模型是否有效，具体包括：
将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果；
判断所述输出结果是否与所述第二生物特征一致，得到第二判断结果；
若所述第二判断结果表示为所述输出结果与所述第二生物特征一致，则确定所述奶牛状态分类模型有效；
若所述第二判断结果表示所述输出结果与所述第二生物特征不一致，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
可选的，在所述以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型之后，还包括：
将所述实时生物信息存储到所述原始数据集；
将所述实时生物信息对于的分类结果存储到所述原始数据集。
一种奶牛的智能监测系统，包括：
收集模块，用于收集奶牛群体的生物信息和生物特征；所述生物信息包括体温、脉搏、运动量，睡眠时长数据；所述生物特征包括发情期特征、生病期特征、健康期特征和哺乳期特征；
模型建立模块，用于以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型；
实时生物信息采集模块，用于采集单个奶牛的实时生物信息；
分类模块，用于将所述实时生物信息输入所述奶牛状态分类模型，得到分类结果，所述分类结果包括奶牛的发情期、生病期、健康期和哺乳期。
可选的，所述奶牛状态分类模型建立模块，具体包括：
数据集划分模块，用于将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集；所述训练数据集包括第一生物信息和第一生物特征，所述第一生物信息和所述第一生物特征相对应；所述测试数据集第二生物信息和第二生物特征，所述第二生物信息和所述第二生物特征相对应；
模型生成单元，用于将所述第一生物信息作为输入数据、所述第一生物特征作为输出数据，将高斯径向基函数为核函数，进行训练，生成所述奶牛状态分类模型。
可选的，还包括：第一判断单元，用于在所述生成奶牛状态分类模型之后，利用所述测试数据集判断所述奶牛状态分类模型是否有效，得到第一判断结果；
测试单元，用于若所述第一判断结果表示为所述奶牛状态分类模型有效，则执行将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果的步骤；
重新建模单元，用于若所述第一判断结果表示为所述奶牛状态分类模型无效，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
可选的，所述第一判断单元，具体包括：
输出结果获取子单元，用于将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果；
第二判断子单元，用于判断所述输出结果是否与所述第二生物特征一致，得到第二判断结果；
奶牛状态分类模型确定模块，用于生物若所述第二判断结果表示为所述输出结果与所述第二生物特征一致，则确定所述奶牛状态分类模型有效；
模型确定子单元，用于若所述第二判断结果表示为所述输出结果与所述第二生物特征不一致，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
可选的，还包括：原始数据集更新模块，用于在所述以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型之后，将所述实时生物信息添加到所述原始数据集。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明通过收集大量奶牛的生物信息建立奶牛状态分类模型，将单个奶牛的生物实时观测量输入到该模型中，从而得到奶牛当前状态下的生物特征，根据当前状态下的生物特征监测出在此时间范围内奶牛所处的生理状态，所述生理状态包括奶牛的发情期、生病期、健康期和哺乳期等，进而能够根据所述生理特征提前防范在养殖过程中可能出现的病疫情，也可以预测出奶牛个体的未来生长趋势及最佳出栏时间，做出合理的养殖规划。
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实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的监测方法流程图；
图2为本发明实施例的支持向量机算法原理流程图；
图3为本发明实施例的智能监测系统的结构示意图。
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，本领域普通技术人员在没有做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。
本发明的目的是提供一种奶牛的智能监测方法及系统，从而能够得到奶牛当前所处的生物特征，根据所述生物特征得到奶牛所处的所处的生理状态，所述生理状态包括奶牛的发情期、生病期、健康期和哺乳期等，进而能够根据所述生理特征设计合理的养殖规划。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例的监测方法流程图，如图1所示，一种奶牛的智能监测方法，包括：
步骤101：收集奶牛群体的生物信息和生物特征；所述生物信息包括体温、脉搏、运动量，睡眠时长数据；所述生物特征包括发情期特征、生病期特征、健康期特征和哺乳期特征；
步骤102：以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型；
其中建立奶牛状态分类模型的步骤为：将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集；所述训练数据集包括第一生物信息和第一生物特征，所述第一生物信息和所述第一生物特征相对应；所述测试数据集第二生物信息和第二生物特征，所述第二生物信息和所述第二生物特征相对应；一般情况下，所述训练集信息所包含的所述生物信息多余所述测试集信息所包含的所述生物信息；将所述第一生物信息作为输入数据、所述第一生物特征作为输出数据，将高斯径向基函数为核函数，进行训练，生成所述奶牛状态分类模型。
步骤103：采集单个奶牛的实时生物信息；所述实时生物信息包括奶牛的体温、运动量、脉搏、睡眠时间等生物信息；
步骤104：将所述实时生物信息输入所述奶牛状态分类模型，得到分类结果，所述分类结果包括奶牛的发情期、生病期、健康期和哺乳期。
采用该奶牛的智能监测方法，通过实时记录牛奶产品体温、运动量、脉搏、睡眠时间等指标并上传至服务器后与原始数据集进行大数据分析，可以预测出该个体的未来生长趋势及最佳出栏时间，并监测出奶牛当下所处的生物特征，从而判断出奶牛在这一时间段内所处的生物状态，进而能够提前做出合理的养殖规划。
其中，在步骤102之后，还需要利用所述测试数据集判断所述奶牛状态分类模型是否有效；若是，则将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果；若否，则将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集，重新建立奶牛状态分类模型。
具体的，系统分析机器学习算法中的支持向量机算法，并采用高斯径向基函数作为算法的核函数，高斯径向基函数是一种局部性强的核函数，其可以将一个样本映射到一个更高维的空间内，该核函数是应用最广的一个，无论大样本还是小样本都有比较好的性能，而且其相对于多项式核函数参数要少，能够精确的对原始数据集进行分类预测。
图2为本发明实施例的支持向量机算法原理流程图，如图2所示，f(x)标签函数，K(x,xi)为核函数；α为最优化问题的解；b为最优分类面；x1，x2……xn为支持向量机算法中的监测参数，如：体温、运动量、睡眠时间等监测参数；y为原始数据集。
按照4:1数据比例对原始数据建立训练数据集training set与测试数据集testset，然后对训练数据集进行归一化处理，选用高斯径向基函数作为模型核函数，进行训练，生成支持向量机诊断模型，即奶牛状态分类模型，当奶牛状态分类模型训练好后测试数据集对模型预测结果进行准确性测试，最后对模型性能进行评价，若测试结果不理想，则对训练数据集、核函数和监测参数进行调整直至模型性能达到预设的准确度。
本发明中的奶牛状态分类模型将生物信息随对应输出的生物特征分为4类：发情期、生病期、健康期和哺乳期。根据输入测试数据集所得到的输出结果确定该奶牛状态分类模型的准确率，并通过对监测参数的不断调整使得该奶牛状态分类模型能够高效准确的分辨出奶牛品饲养过程中的生物特征，从而建立更合理的养殖规划。此外，为了解决模型参数选取的复杂问题可以引入遗传算法、粒子群算法等优化算法，从而可以智能搜索所述奶牛状态分类模型的监测参数，进而使得奶牛状态分类模型的性能达到最优，对奶牛的生物特征监测更加精准。
在建立奶牛状态分类模型过程中，将所述实时生物信息存储到所述原始数据集；将所述实时生物信息对于的分类结果存储到所述原始数据集，以丰富原始数据集从而完善奶牛状态分类模型。
本发明还公开了一种奶牛的智能监测系统，图3为本发明实施例的智能监测系统的结构示意图，如图3所示，该监测系统包括：
收集模块301，用于收集奶牛群体的生物信息和生物特征；所述生物信息包括体温、脉搏、运动量，睡眠时长数据；所述生物特征包括发情期特征、生病期特征、健康期特征和哺乳期特征；
模型建立模块302，用于以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型；
实时生物信息采集模块303，用于采集单个奶牛的实时生物信息；
分类模块304，用于将所述实时生物信息输入所述奶牛状态分类模型，得到分类结果，所述分类结果包括奶牛的发情期、生病期、健康期和哺乳期。
本发明采用上述监测系统，能够实时监测出奶牛的生物特征，根据当前奶牛的生物特征得出奶牛在养殖过程中的生物特征变化规律，从而建立饲养规划。
在实际应用中，所述奶牛状态分类模型建立模块，具体包括：
数据集划分单元，用于将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集；所述训练数据集包括第一生物信息和第一生物特征，所述第一生物信息和所述第一生物特征相对应；所述测试数据集第二生物信息和第二生物特征，所述第二生物信息和所述第二生物特征相对应；
模型生成单元，用于将所述第一生物信息作为输入数据、所述第一生物特征作为输出数据，将高斯径向基函数为核函数，进行训练，生成所述奶牛状态分类模型。
在实际应用中，还包括：第一判断单元，用于所述生成奶牛状态分类模型之后，利用所述测试数据集判断所述奶牛状态分类模型是否有效，得到第一判断结果；
测试单元，用于若所述第一判断结果表示为所述奶牛状态分类模型有效，则执行将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果的步骤；
重新建模单元，用于若所述第一判断结果表示为所述奶牛状态分类模型无效，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
在实际应用中，所述第一判断单元，具体包括：
输出结果获取子单元，用于将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果；
第二判断子单元，用于判断所述输出结果是否与所述第二生物特征一致，得到第二判断结果；
模型确定子单元，用于生物若所述第二判断结果表示为所述输出结果与所述第二生物特征一致，则确定所述奶牛状态分类模型有效；
重新建模子单元，用于若所述第二判断结果表示为所述输出结果与所述第二生物特征不一致，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
在实际应用中，还包括：原始数据集更新模块，用于在所述以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型之后，将所述实时生物信息存储到所述原始数据集；将所述实时生物信息对于的分类结果存储到所述原始数据集。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种奶牛的智能监测方法，其特征在于，包括：
收集奶牛群体的生物信息和生物特征；所述生物信息包括体温、脉搏、运动量，睡眠时长数据；所述生物特征包括发情期特征、生病期特征、健康期特征和哺乳期特征；
以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型；
采集单个奶牛的实时生物信息；
将所述实时生物信息输入所述奶牛状态分类模型，得到分类结果，所述分类结果包括奶牛的发情期、生病期、健康期和哺乳期。
2.根据权利要求1所述的监测方法，其特征在于，所述以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型，具体包括：
将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集；所述训练数据集包括第一生物信息和第一生物特征，所述第一生物信息和所述第一生物特征相对应；所述测试数据集第二生物信息和第二生物特征，所述第二生物信息和所述第二生物特征相对应；
将所述第一生物信息作为输入数据、所述第一生物特征作为输出数据，将高斯径向基函数为核函数，进行训练，生成所述奶牛状态分类模型。
3.根据权利要求2所述的监测方法，其特征在于，在所述生成所述奶牛状态分类模型之后，还包括：
利用所述测试数据集判断所述奶牛状态分类模型是否有效，得到第一判断结果；
若所述第一判断结果表示为所述奶牛状态分类模型有效，则执行将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果的步骤；
若所述第一判断结果表示为所述奶牛状态分类模型无效，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
4.根据权利要求3所述的监测方法，其特征在于，所述利用所述测试集信息判断所述奶牛状态分类模型是否有效，具体包括：
将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果；
判断所述输出结果是否与所述第二生物特征一致，得到第二判断结果；
若所述第二判断结果表示为所述输出结果与所述第二生物特征一致，则确定所述奶牛状态分类模型有效；
若所述第二判断结果表示所述输出结果与所述第二生物特征不一致，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
5.根据权利要求2所述的监测方法，其特征在于，在所述以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型之后，还包括：
将所述实时生物信息存储到所述原始数据集；
将所述实时生物信息对于的分类结果存储到所述原始数据集。
6.一种奶牛的智能监测系统，其特征在于，包括：
收集模块，用于收集奶牛群体的生物信息和生物特征；所述生物信息包括体温、脉搏、运动量，睡眠时长数据；所述生物特征包括发情期特征、生病期特征、健康期特征和哺乳期特征；
模型建立模块，用于以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型；
实时生物信息采集模块，用于采集单个奶牛的实时生物信息；
分类模块，用于将所述实时生物信息输入所述奶牛状态分类模型，得到分类结果，所述分类结果包括奶牛的发情期、生病期、健康期和哺乳期。
7.根据权利要求6所述的监测系统，其特征在于，所述奶牛状态分类模型建立模块，具体包括：
数据集划分单元，用于将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集；所述训练数据集包括第一生物信息和第一生物特征，所述第一生物信息和所述第一生物特征相对应；所述测试数据集第二生物信息和第二生物特征，所述第二生物信息和所述第二生物特征相对应；
模型生成单元，用于将所述第一生物信息作为输入数据、所述第一生物特征作为输出数据，将高斯径向基函数为核函数，进行训练，生成所述奶牛状态分类模型。
8.根据权利要求7所述的监测系统，其特征在于，还包括：
第一判断单元，用于在所述生成奶牛状态分类模型之后，利用所述测试数据集判断所述奶牛状态分类模型是否有效，得到第一判断结果；
测试单元，用于若所述第一判断结果表示为所述奶牛状态分类模型有效，则执行将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果的步骤；
重新建模单元，用于若所述第一判断结果表示为所述奶牛状态分类模型无效，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
9.根据权利要求8所述的监测系统，其特征在于，所述第一判断单元，具体包括：
输出结果获取子单元，用于将所述第二生物信息输入到所述奶牛状态分类模型，得到输出结果；
第二判断子单元，用于判断所述输出结果是否与所述第二生物特征一致，得到第二判断结果；
模型确定子单元，用于生物若所述第二判断结果表示为所述输出结果与所述第二生物特征一致，则确定所述奶牛状态分类模型有效；
重新建模子单元，用于若所述第二判断结果表示为所述输出结果与所述第二生物特征不一致，则返回将所述生物信息和所述生物特征构成的原始数据集分为训练数据集和测试数据集的步骤。
10.根据权利要求9所述的监测系统，其特征在于，还包括：原始数据集更新模块，用于在所述以所述生物信息为输入、以所述生物特征为输出，利用支持向量机算法建立奶牛状态分类模型之后，将所述实时生物信息存储到所述原始数据集；将所述实时生物信息对于的分类结果存储到所述原始数据集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710285561.4A CN107103554A (zh) | 2017-04-27 | 2017-04-27 | 一种奶牛的智能监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710285561.4A CN107103554A (zh) | 2017-04-27 | 2017-04-27 | 一种奶牛的智能监测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107103554A true CN107103554A (zh) | 2017-08-29 |
Family
ID=59658204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710285561.4A Pending CN107103554A (zh) | 2017-04-27 | 2017-04-27 | 一种奶牛的智能监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107103554A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107928650A (zh) * | 2017-12-12 | 2018-04-20 | 徐州浩润牧业有限公司 | 一种奶牛个体健康监测系统及其工作方法 |
| CN110543199A (zh) * | 2019-07-23 | 2019-12-06 | 中国农业大学 | 奶牛环境信息及生物信息监测的物联网网关 |
| CN111712190A (zh) * | 2018-01-19 | 2020-09-25 | 夜间列车有限公司 | 检测人的睡眠阶段的方法、设备和系统 |
| CN114586701A (zh) * | 2022-04-15 | 2022-06-07 | 东南大学 | 一种基于体温和运动量数据的奶牛发情预测装置 |
| 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 |
| CN117454121A (zh) * | 2023-12-22 | 2024-01-26 | 华能济南黄台发电有限公司 | 一种基于电厂安全预警的数据分析处理方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103271727A (zh) * | 2013-05-28 | 2013-09-04 | 中国科学院合肥物质科学研究院 | 实现动物发情判断和健康状况分类的柔性传感设备和方法 |
| CN103578036A (zh) * | 2013-11-07 | 2014-02-12 | 江南大学 | 一种基于数据析取的家禽体质健康实时监测方法 |
-
2017
- 2017-04-27 CN CN201710285561.4A patent/CN107103554A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103271727A (zh) * | 2013-05-28 | 2013-09-04 | 中国科学院合肥物质科学研究院 | 实现动物发情判断和健康状况分类的柔性传感设备和方法 |
| CN103578036A (zh) * | 2013-11-07 | 2014-02-12 | 江南大学 | 一种基于数据析取的家禽体质健康实时监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 尹令 等: "基于无线传感器网络支持向量机奶牛行为特征识别", 《传感技术学报》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107928650A (zh) * | 2017-12-12 | 2018-04-20 | 徐州浩润牧业有限公司 | 一种奶牛个体健康监测系统及其工作方法 |
| CN111712190A (zh) * | 2018-01-19 | 2020-09-25 | 夜间列车有限公司 | 检测人的睡眠阶段的方法、设备和系统 |
| CN111712190B (zh) * | 2018-01-19 | 2024-04-30 | 夜间列车有限公司 | 检测人的睡眠阶段的方法、设备和系统 |
| CN110543199A (zh) * | 2019-07-23 | 2019-12-06 | 中国农业大学 | 奶牛环境信息及生物信息监测的物联网网关 |
| CN114586701A (zh) * | 2022-04-15 | 2022-06-07 | 东南大学 | 一种基于体温和运动量数据的奶牛发情预测装置 |
| 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 |
| CN117454121A (zh) * | 2023-12-22 | 2024-01-26 | 华能济南黄台发电有限公司 | 一种基于电厂安全预警的数据分析处理方法及系统 |
| CN117454121B (zh) * | 2023-12-22 | 2024-04-05 | 华能济南黄台发电有限公司 | 一种基于电厂安全预警的数据分析处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107103554A (zh) | 一种奶牛的智能监测方法及系统 | |
| JP6753936B2 (ja) | 情報処理装置および情報処理システム | |
| WO2006015018A2 (en) | System and method for optimizing animal production | |
| CN104898723B (zh) | 水产养殖池塘ph值智能控制系统 | |
| CN114758748B (zh) | 一种植发环境的智能化分析处理方法及系统 | |
| US11636595B2 (en) | Bovine embryo evaluation using AI/ML analysis of real-time frame speed video for predicting female-sex offspring | |
| Cao et al. | Recognition of common insect in field based on deep learning | |
| CN106097124A (zh) | 一种羊的选育配种智能系统 | |
| CN113516139A (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
| CN108849543A (zh) | 一种基于物联网牲畜心率监测养殖系统 | |
| CN115222091A (zh) | 基于多源养殖数据挖掘的肉牛体况预测方法、装置及系统 | |
| CN205756562U (zh) | 一种全自动除污消毒的水产养殖池 | |
| Malhotra et al. | Application of AI/ML approaches for livestock improvement and management | |
| Zhang et al. | Design and Implementation of Cow Chewing Behavior Recognition Based on Sound Sensor | |
| CN109781951A (zh) | 一种鱼塘水质监测系统及监测方法 | |
| Owalekar et al. | An agri vigilance system based on computer vision and deep learning | |
| CN114742202A (zh) | 一种基于深度强化学习的鲟鱼饲养方法、装置、介质和终端 | |
| CN116415438A (zh) | 一种基于数字孪生的虚拟畜禽建模方法、装置及介质 | |
| CN108901919A (zh) | 一种牛养殖的生长数据智能监测方法 | |
| CN118038241A (zh) | 一种平菇菌种的选育方法 | |
| CN205756559U (zh) | 一种单位占地养殖率高的智能水产养殖池 | |
| Pourdarbani et al. | Ranking the Counties in Ease Azarbaijan-Iran Based on Agriculture Development Criteria Using Copras Model | |
| Yu et al. | A Method for Eliminating Pig Face Recognition Errors Caused by Too Short Pig Growth Cycle | |
| Cheng et al. | ResNet-based dairy daily behavior recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170829 |