CN107833145A - 牲畜的数据库建立方法和溯源方法、存储介质和电子设备 - Google Patents
牲畜的数据库建立方法和溯源方法、存储介质和电子设备 Download PDFInfo
- Publication number
- CN107833145A CN107833145A CN201710852286.XA CN201710852286A CN107833145A CN 107833145 A CN107833145 A CN 107833145A CN 201710852286 A CN201710852286 A CN 201710852286A CN 107833145 A CN107833145 A CN 107833145A
- Authority
- CN
- China
- Prior art keywords
- livestock
- database
- record
- video
- information
- 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
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Accounting & Taxation (AREA)
- Marine Sciences & Fisheries (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Agronomy & Crop Science (AREA)
- Image Analysis (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
Abstract
本发明实施例提供一种牲畜的数据库建立方法和溯源方法、存储介质和电子设备,涉及人工智能领域。其中,所述牲畜的数据库建立方法包括:当牲畜被交易离开养殖场时,获取通过第一图像采集设备采集的所述牲畜的第一视频帧序列;通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,获得所述牲畜的第一特征数据;获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息;将所述养殖场信息和/或所述养殖信息与所述第一特征数据进行关联存储,从而建立得到所述牲畜数据库。通过本发明实施例,能够既方便又准确地在牲畜数据库追溯到牲畜的养殖场信息和/或养殖信息。
Description
技术领域
本发明实施例涉及人工智能领域,尤其涉及一种牲畜的数据库建立方法、存储介质和电子设备,以及,一种牲畜的溯源方法、存储介质和电子设备。
背景技术
近年来,国际上口蹄疫、猪高致病性蓝耳病、禽流感、疯牛病等重大牲畜禽疫情频发,动物源性食品安全事件时有发生。为了保障食品安全,实现动物源性食品“来源可溯,去向可查”,牲畜标识追溯体系逐渐建立并完善。屠宰过程中牲畜产品的可追溯是整个动物产品质量安全追溯管理体系中的一个重要环节。
在现有技术中,通过给猪、牛、羊等牲畜佩戴耳标、皮下植入、留胃式等电子标识已经满足了大部分环节的溯源信息传递的需要。但是,这些电子标识通常只是佩戴在动物的个别部位。当猪、牛、羊等牲畜进入屠宰加工环节,随着脱毛、剥皮、开膛等加工步骤会使牲畜胴体上原来佩戴的电子标识与胴体脱离,被分割的肉体部分无法与原来佩戴的电子标识建立联系,因而丢失其溯源信息。这种情况下,在屠宰之后,最终肉产品的消费者或者监管者实际上是无法追溯到最初源头的,丧失了给动物佩戴电子标识进行溯源管理的意义。因此,通过电子标识进行溯源的方式不能满足对牲畜进行溯源管理的要求。
发明内容
本发明实施例的目的在于,提供一种牲畜的数据库建立的技术方案和牲畜的溯源的技术方案。
根据本发明实施例的第一方面,提供了一种牲畜数据库的建立方法。所述方法包括:当牲畜被交易离开养殖场时,获取通过第一图像采集设备采集的所述牲畜的第一视频帧序列;通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,获得所述牲畜的第一特征数据;获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息;将所述养殖场信息和/或所述养殖信息与所述第一特征数据进行关联存储,从而建立得到所述牲畜数据库。
可选地,所述方法还包括:在所述牲畜活体运输的过程中,获取通过第二图像采集设备采集的所述牲畜的第二视频帧序列;通过所述神经网络模型,对所述第二视频帧序列中的视频图像进行特征提取,获得所述牲畜的第二特征数据;将所述第二特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的运输信息。
可选地,所述方法还包括:在所述牲畜交易的过程中,获取通过第三图像采集设备采集的所述牲畜的第三视频帧序列;通过所述神经网络模型,对所述第三视频帧序列中的视频图像进行特征提取,获得所述牲畜的第三特征数据;将所述第三特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的交易信息。
可选地,所述方法还包括:在所述牲畜检疫的过程中,获取通过第四图像采集设备采集的所述牲畜的第四视频帧序列;通过所述神经网络模型,对所述第四视频帧序列中的视频图像进行特征提取,获得所述牲畜的第四特征数据;将所述第四特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的检疫信息或免疫信息。
可选地,所述方法还包括:在所述牲畜屠宰的过程中,获取通过第五图像采集设备采集的所述牲畜的第五视频帧序列;通过所述神经网络模型,对所述第五视频帧序列中的视频图像进行特征提取,获得所述牲畜的第五特征数据;将所述第五特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的屠宰信息。
可选地,所述牲畜包括以下中的至少一者:鸡、鸭、鹅、牛、羊、马、猪。
根据本发明实施例的第二方面,提供了一种牲畜的溯源方法。所述方法包括:获取待定牲畜的特征数据;将所述特征数据分别与预设的牲畜数据库中的各个牲畜的特征数据进行比对,获得比对结果;在根据所述比对结果确定所述牲畜数据库中存在所述待定牲畜的记录时,从所述牲畜数据库中调取所述待定牲畜的记录,并根据所述待定牲畜的记录确定所述待定牲畜的出处,其中,所述预设的牲畜数据库是根据本发明实施例的第一方面所述的方法建立得到的。
可选地,所述获取待定牲畜的特征数据,包括:通过用于特征提取的神经网络模型,对所述待定牲畜的图像进行特征提取,获得所述待定牲畜的特征数据。
可选地,所述待定牲畜的图像为所述待定牲畜的正脸图像。
可选地,所述获取待定牲畜的特征数据,包括:响应于在所述待定牲畜的肉体上扫描二维码的操作,获得所述待定牲畜的特征数据。
可选地,所述特征数据为所述待定牲畜的脸部特征数据。
根据本发明实施例的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第一方面所述的牲畜数据库的建立方法的步骤。
根据本发明实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第二方面所述的牲畜的溯源方法的步骤。
根据本发明实施例的第五方面,提供了一种电子设备,包括:第一处理器、第一存储器、第一通信元件和第一通信总线,所述第一处理器、所述第一存储器和所述第一通信元件通过所述第一通信总线完成相互间的通信;所述第一存储器用于存放至少一可执行指令,所述可执行指令使所述第一处理器执行如本发明实施例的第一方面所述的牲畜数据库的建立方法的步骤。
根据本发明实施例的第六方面,提供了一种电子设备,包括:第二处理器、第二存储器、第二通信元件和第二通信总线,所述第二处理器、所述第二存储器和所述第二通信元件通过所述第二通信总线完成相互间的通信;所述第二存储器用于存放至少一可执行指令,所述可执行指令使所述第二处理器执行如本发明实施例的第二方面所述的牲畜的溯源方法的步骤。
根据本发明实施例的第七方面,提供了一种计算机程序产品,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第一方面所述的牲畜数据库的建立方法的步骤。
根据本发明实施例的第八方面,提供了一种计算机程序产品,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现本发明实施例的第二方面所述的牲畜的溯源方法的步骤。
根据本发明实施例提供的技术方案,当牲畜被交易离开养殖场时,获取通过图像采集设备采集的所述牲畜的视频帧序列;并通过用于特征提取的神经网络模型,对所述视频帧序列中的视频图像进行特征提取,获得所述牲畜的特征数据。然后,获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息;并将所述养殖场信息和/或所述养殖信息与所述特征数据进行关联存储,从而建立得到所述牲畜数据库。由此,能够使得在建立得到的牲畜数据库中既方便又准确地追溯到牲畜的养殖场信息和/或养殖信息。
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,下面将对实施例或现有技术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的前提下,还可以根据这些图获得其他的附图。
图1是根据本发明实施例一的一种牲畜的数据库建立方法的流程图;
图2是根据本发明实施例二的一种牲畜的数据库建立方法的流程图;
图3是根据本发明实施例三的一种牲畜的溯源方法的流程图;
图4是根据本发明实施例四的一种牲畜的溯源方法的流程图;
图5是根据本发明实施例五的一种电子设备的结构示意图;
图6是根据本发明实施例六的一种电子设备的结构示意图。
具体实施方式
下面结合附图(若干附图中相同的标号表示相同的元素)和实施例,对本发明实施例的具体实施方式作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
本领域技术人员可以理解,本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
实施例一
图1是根据本发明实施例一的一种牲畜的数据库建立方法的流程图。如图1所示,本发明实施例提供的牲畜的数据库建立方法包括以下步骤:
在步骤S101中,当牲畜被交易离开养殖场时,获取通过第一图像采集设备采集的所述牲畜的第一视频帧序列。
在本实施例中,所述第一图像采集设备可包括摄像头。可以理解的是,任何用于获取牲畜的视频帧序列的设备均适用于此,本实施例对此不作限制。
在具体的实施方式中,当牲畜的成长时间或体重满足要求时,农户或养殖户便可将该牲畜交易卖出。当牲畜被交易离开养殖场时,由养殖户或交易商通过图像采集设备对交易卖出的牲畜拍摄一段视频。
在步骤S102中,通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,获得所述牲畜的第一特征数据。
其中,所述神经网络模型可以是任意适当的可实现特征提取或目标对象识别的神经网络,包括但不限于卷积神经网络、增强学习神经网络、对抗神经网络中的生成网络等等。神经网络中具体结构的设置可以由本领域技术人员根据实际需求适当设定,如卷积层的层数、卷积核的大小、通道数等等,本发明实施例对此不作限制。所述第一视频帧序列中的视频图像可为牲畜的脸部图像,优选地,所述第一视频帧序列中的视频图像可为牲畜的脸部图像可为所述牲畜的正脸图像。籍此,能够更加准确地获取牲畜的特征数据。相应地,所述第一特征数据可为牲畜的脸部特征数据。
当所述第一视频帧序列中的视频图像为牲畜的脸部图像时,所述通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,包括:对所述第一视频帧序列中的视频图像进行识别,获得所述牲畜的脸部图像;通过所述神经网络模型,对所述牲畜的脸部图像进行特征提取。具体地,对所述第一视频帧序列中的视频图像进行识别,获得所述牲畜的脸部图像,包括:通过用于牲畜脸部图像识别的神经网络模型,对所述第一视频帧序列中的视频图像进行识别,获得所述牲畜的脸部图像。
在本实施例中,可采用任何现有的网络训练方法预先训练用于特征提取的神经网络模型和用于牲畜脸部图像识别的神经网络模型。其中,所述用于特征提取的神经网络模型可提取牲畜的脸部特征数据,为牲畜适应性地学习到脸部特征数据。其中,所述用于牲畜脸部图像识别的神经网络模型可识别牲畜的脸部图像,为牲畜适应性地学习到牲畜的脸部图像。可根据训练要求,使用基于监督学习方法、无监督方法、强化学习方法或半监督方法等预先训练前述用于特征提取的神经网络模型和用于牲畜脸部图像识别的神经网络模型。
当所述第一视频帧序列中的视频图像为牲畜的正脸图像时,所述通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,包括:对所述第一视频帧序列中的视频图像进行识别,获得所述牲畜的正脸图像;通过所述神经网络模型,对所述牲畜的正脸图像进行特征提取。具体地,对所述第一视频帧序列中的视频图像进行识别,获得所述牲畜的正脸图像,包括:通过用于牲畜正脸图像识别的神经网络模型,对所述第一视频帧序列中的视频图像进行识别,获得所述牲畜的正脸图像。
在本实施例中,可采用任何现有的网络训练方法预先训练用于牲畜正脸图像识别的神经网络模型。其中,所述用于牲畜正脸图像识别的神经网络模型可识别牲畜的正脸图像,为牲畜适应性地学习到牲畜的正脸图像。可根据训练要求,使用基于监督学习方法、无监督方法、强化学习方法或半监督方法等预先训练前述用于牲畜正脸图像识别的神经网络模型。
在步骤S103中,获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息。
其中,所述养殖场信息可包括以下中的至少一者:养殖场的名称、养殖场的地点、养殖场的负责人姓名、养殖场的联系电话。可以理解的是,本发明实施例不限于此,任何与牲畜溯源有关的养殖场信息均可包括在内。所述养殖信息可包括以下中的至少一者:所述牲畜的运动信息、所述牲畜的喂养信息、所述牲畜的用药信息、所述牲畜的患病信息、所述牲畜的检疫信息、所述牲畜的保险信息、所述牲畜的成长信息。可以理解的是,本发明不限于此,任何与牲畜溯源有关的牲畜养殖信息均可包括在内。
在具体的实施方式中,农户或养殖户可将被交易的牲畜所在养殖场的养殖场信息和所述被交易的牲畜的养殖信息上传至具有数据处理能力的电子设备,从而获取得到所述牲畜所在养殖场的养殖场信息和所述牲畜的养殖信息。
在步骤S104中,将所述养殖场信息和/或所述养殖信息与所述第一特征数据进行关联存储,从而建立得到所述牲畜数据库。
在具体的实施方式中,针对每个牲畜,将该牲畜所在养殖场的养殖场信息和/或该牲畜的养殖信息与该牲畜的特征数据进行关联存储,便可得到该牲畜的一条记录。然后,将每个牲畜的记录存储在一起,便可得到所述牲畜数据库。
在本发明一可选实施方式中,可根据所述牲畜的第一特征数据确定得到所述牲畜的特征标识码,然后将所述养殖场信息和/或所述养殖信息与所述特征标识码进行关联存储,从而建立得到所述牲畜数据库。其中,所述特征标识码与所述牲畜一一对应。具体地,可通过现有的编码规则,根据所述牲畜的第一特征数据生成所述牲畜的特征标识码。
根据本实施例提供的牲畜的数据库建立方法,当牲畜被交易离开养殖场时,获取通过图像采集设备采集的所述牲畜的视频帧序列;并通过用于特征提取的神经网络模型,对所述视频帧序列中的视频图像进行特征提取,获得所述牲畜的特征数据。然后,获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息;并将所述养殖场信息和/或所述养殖信息与所述特征数据进行关联存储,从而建立得到所述牲畜数据库。由此,能够使得在建立得到的牲畜数据库中既方便又准确地追溯到牲畜的养殖场信息和/或养殖信息。
本实施例的牲畜的数据库建立方法可以由任意适当的具有图像或数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、PC机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(PDA)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、Oculus Rift、Hololens、GearVR)等。
实施例二
图2是根据本发明实施例二的一种牲畜的数据库建立方法的流程图。如图2所示,本实施例提供的牲畜的样本库建立方法包括以下步骤:
在步骤S201中,当牲畜被交易离开养殖场时,获取通过第一图像采集设备采集的所述牲畜的第一视频帧序列。
其中,所述牲畜包括以下中的至少一者:鸡、鸭、鹅、牛、羊、马、猪。在本发明一可选实施方式中,当牲畜被交易离开养殖场时,可通过拍照设备对所述牲畜进行拍照来获取所述牲畜的图像。尤其对于牲畜数量较少的情况,这种方法比较合适,不值得用摄像头来专门采集牲畜的图像。
在步骤S202中,通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,获得所述牲畜的第一特征数据。
在具体的实施方式中,在通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取之前,需要对神经网络模型进行训练。具体地,将牲畜的视频帧序列中的牲畜脸部图像输入待训练的神经网络模型,或者将牲畜的视频帧序列中的牲畜正脸图像输入待训练的神经网络模型,再根据标定的牲畜的脸部特征数据和当前获得的牲畜的脸部特征数据确定差异(如欧式距离、损失值等),再根据所述差异调整所述神经网络模型的网络参数。通过计算所述差异,对当前获得的牲畜的脸部特征数据进行评估,以作为后续训练神经网络模型的依据。更具体地,可将所述差异反向传输给神经网络模型,从而迭代地训练该神经网络模型。神经网络模型的训练是一个迭代的过程,本发明实施例仅对其中的一次训练过程进行了说明,但本领域技术人员应当明了,对神经网络模型的每次训练都可采用该训练方式,直至完成神经网络模型的训练。举例来说,所述牲畜的脸部特征数据可为与脸宽、脸高、眼距、鼻长、鼻宽、嘴长、嘴型等特征相应的特征向量。
以上仅给出用于特征提取的神经网络模型的一种示例性训练方法。应当理解,可根据设计和性能的需要,使用前述列举的任何适用的机器学习方法来训练该神经网络模型,而不限于此。
对于上述实施例一中提及的用于牲畜脸部图像识别的神经网络模型在使用之前,也需要对该神经网络模型进行训练。具体地,将牲畜的视频帧序列中的牲畜脸部图像输入待训练的神经网络模型,或者将牲畜的视频帧序列中的牲畜正脸图像输入待训练的神经网络模型,再根据标定的牲畜图像和当前获得的牲畜图像确定差异(如欧式距离、损失值等),再根据所述差异调整所述神经网络模型的网络参数。通过计算所述差异,对当前获得的牲畜图像进行评估,以作为后续训练神经网络模型的依据。更具体地,可将所述差异反向传输给神经网络模型,从而迭代地训练该神经网络模型。神经网络模型的训练是一个迭代的过程,本发明实施例仅对其中的一次训练过程进行了说明,但本领域技术人员应当明了,对神经网络模型的每次训练都可采用该训练方式,直至完成神经网络模型的训练。
以上仅给出用于牲畜脸部图像识别的神经网络模型的一种示例性训练方法。应当理解,可根据设计和性能的需要,使用前述列举的任何适用的机器学习方法来训练该神经网络模型,而不限于此。
在本发明一可选实施方式中,可通过用于特征提取的神经网络模型,对拍照获得的牲畜图像进行特征提取,获得所述牲畜的第一特征数据。可以理解的是,本发明实施例不限于对牲畜的视频帧序列中的视频图像进行特征提取,还可用于对拍照获得的牲畜图像进行特征提取。
在步骤S203中,获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息。
由于该步骤S203与上述步骤S103相同,在此不再赘述。
在步骤S204中,将所述养殖场信息和/或所述养殖信息与所述第一特征数据进行关联存储,从而建立得到所述牲畜数据库。
由于该步骤S204与上述步骤S104相同,在此不再赘述。
在本发明一可选实施方式中,所述方法还包括:在所述牲畜活体运输的过程中,获取通过第二图像采集设备采集的所述牲畜的第二视频帧序列;通过所述神经网络模型,对所述第二视频帧序列中的视频图像进行特征提取,获得所述牲畜的第二特征数据;将所述第二特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的运输信息。籍此,为牲畜数据库中牲畜的记录添加了牲畜的运输信息,可进一步完善牲畜数据库中牲畜的记录。
其中,第二视频帧序列中的视频图像可为牲畜的脸部图像,优选地,第二视频帧序列中的视频图像可为牲畜的正脸图像。籍此,能够更加准确地获取牲畜的特征数据。相应地,所述第二特征数据可为牲畜的脸部特征数据。所述运输信息可包括以下中的至少一者:运输中转时间、运输中转地点、运输中转负责人。
在具体的实施方式中,通过所述神经网络模型在所述第二视频帧序列中的视频图像中提取特征的过程与上述实施例一中通过所述神经网络模型在所述第一视频帧序列中的视频图像中提取特征的过程类似,在此不再赘述。其中,将所述第二特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对,包括:分别计算所述第二特征数据与所述牲畜数据库中的各个牲畜的第一特征数据的特征相似度;如果计算出的任一特征相似度达到预定的相似度阈值,则确定所述牲畜数据库中存在所述牲畜的记录;如果计算出的特征相似度均未达到预定的相似度阈值,则确定所述牲畜数据库中不存在所述牲畜的记录。其中,所述预定的相似度阈值可由本领域技术人员根据实际需要进行设置,本发明实施例对此不作限制。其中,在所述记录中添加所述牲畜的运输信息,包括:响应于用户在所述记录中添加所述牲畜的运输信息的操作,在所述记录中添加所述牲畜的运输信息。
当然,也可根据所述牲畜的第二特征数据确定所述牲畜的特征标识码。然后,将所述特征标识码分别与所述牲畜数据库中的各个牲畜的特征标识码进行比对。其中,根据牲畜的第二特征数据确定特征标识码的编码规则与根据牲畜的第一特征数据确定特征标识码的编码规则相同。
在本发明一可选实施方式中,在所述牲畜活体运输的过程中,可通过拍照设备对所述牲畜进行拍照来获取所述牲畜的图像。尤其对于牲畜数量较少的情况,这种方法比较合适,不值得用摄像头来专门采集牲畜的图像。
在本发明一可选实施方式中,可通过用于特征提取的神经网络模型,对拍照获得的牲畜图像进行特征提取,获得所述牲畜的第二特征数据。可以理解的是,本发明实施例不限于对牲畜的视频帧序列中的视频图像进行特征提取,还可用于对拍照获得的牲畜图像进行特征提取。
在本发明一可选实施方式中,所述方法还包括:在所述牲畜交易的过程中,获取通过第三图像采集设备采集的所述牲畜的第三视频帧序列;通过所述神经网络模型,对所述第三视频帧序列中的视频图像进行特征提取,获得所述牲畜的第三特征数据;将所述第三特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的交易信息。籍此,为牲畜数据库中牲畜的记录添加了牲畜的交易信息,可进一步完善牲畜数据库中牲畜的记录。
其中,第三视频帧序列中的视频图像可为牲畜的脸部图像,优选地,第三视频帧序列中的视频图像可为牲畜的正脸图像。籍此,能够更加准确地获取牲畜的特征数据。相应地,所述第三特征数据可为牲畜的脸部特征数据。所述交易信息可包括以下中的至少一者:交易时间、交易地点、交易负责人、交易单位。
在具体的实施方式中,通过所述神经网络模型在所述第三视频帧序列中的视频图像中提取特征的过程与上述实施例一中通过所述神经网络模型在所述第一视频帧序列中的视频图像中提取特征的过程类似,在此不再赘述。其中,将所述第三特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对,包括:分别计算所述第三特征数据与所述牲畜数据库中的各个牲畜的第一特征数据的特征相似度;如果计算出的任一特征相似度达到预定的相似度阈值,则确定所述牲畜数据库中存在所述牲畜的记录;如果计算出的特征相似度均未达到预定的相似度阈值,则确定所述牲畜数据库中不存在所述牲畜的记录。其中,在所述记录中添加所述牲畜的交易信息,包括:响应于用户在所述记录中添加所述牲畜的交易信息的操作,在所述记录中添加所述牲畜的交易信息。
当然,也可根据所述牲畜的第三特征数据确定所述牲畜的特征标识码。然后,将所述特征标识码分别与所述牲畜数据库中的各个牲畜的特征标识码进行比对。其中,根据牲畜的第三特征数据确定特征标识码的编码规则与根据牲畜的第一特征数据确定特征标识码的编码规则相同。
在本发明一可选实施方式中,在所述牲畜交易的过程中,可通过拍照设备对所述牲畜进行拍照来获取所述牲畜的图像。尤其对于牲畜数量较少的情况,这种方法比较合适,不值得用摄像头来专门采集牲畜的图像。
在本发明一可选实施方式中,可通过用于特征提取的神经网络模型,对拍照获得的牲畜图像进行特征提取,获得所述牲畜的第三特征数据。可以理解的是,本发明实施例不限于对牲畜的视频帧序列中的视频图像进行特征提取,还可用于对拍照获得的牲畜图像进行特征提取。
在本发明一可选实施方式中,所述方法还包括:在所述牲畜检疫的过程中,获取通过第四图像采集设备采集的所述牲畜的第四视频帧序列;通过所述神经网络模型,对所述第四视频帧序列中的视频图像进行特征提取,获得所述牲畜的第四特征数据;将所述第四特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的检疫信息或免疫信息。籍此,为牲畜数据库中牲畜的记录添加了牲畜的检疫信息或免疫信息,可进一步完善牲畜数据库中牲畜的记录。
其中,第四视频帧序列中的视频图像可为牲畜的脸部图像,优选地,第四视频帧序列中的视频图像可为牲畜的正脸图像。籍此,能够更加准确地获取牲畜的特征数据。相应地,所述第四特征数据可为牲畜的脸部特征数据。所述检疫信息可包括以下中的至少一者:检疫时间、检疫地点、检疫结果、检疫单位。所述免疫信息包括以下中的至少一者:免疫时间、免疫地点、免疫单位。
在具体的实施方式中,通过所述神经网络模型在所述第四视频帧序列中的视频图像中提取特征的过程与上述实施例一中通过所述神经网络模型在所述第一视频帧序列中的视频图像中提取特征的过程类似,在此不再赘述。其中,将所述第四特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对,包括:分别计算所述第四特征数据与所述牲畜数据库中的各个牲畜的第一特征数据的特征相似度;如果计算出的任一特征相似度达到预定的相似度阈值,则确定所述牲畜数据库中存在所述牲畜的记录;如果计算出的特征相似度均未达到预定的相似度阈值,则确定所述牲畜数据库中不存在所述牲畜的记录。其中,在所述记录中添加所述牲畜的检疫信息或免疫信息,包括:响应于用户在所述记录中添加所述牲畜的检疫信息或免疫信息的操作,在所述记录中添加所述牲畜的运输信息。
当然,也可根据所述牲畜的第四特征数据确定所述牲畜的特征标识码。然后,将所述特征标识码分别与所述牲畜数据库中的各个牲畜的特征标识码进行比对。其中,根据牲畜的第四特征数据确定特征标识码的编码规则与根据牲畜的第一特征数据确定特征标识码的编码规则相同。
在本发明一可选实施方式中,在所述牲畜检疫的过程中,可通过拍照设备对所述牲畜进行拍照来获取所述牲畜的图像。尤其对于牲畜数量较少的情况,这种方法比较合适,不值得用摄像头来专门采集牲畜的图像。
在本发明一可选实施方式中,可通过用于特征提取的神经网络模型,对拍照获得的牲畜图像进行特征提取,获得所述牲畜的第四特征数据。可以理解的是,本发明实施例不限于对牲畜的视频帧序列中的视频图像进行特征提取,还可用于对拍照获得的牲畜图像进行特征提取。
在本发明一可选实施方式中,所述方法还包括:在所述牲畜屠宰的过程中,获取通过第五图像采集设备采集的所述牲畜的第五视频帧序列;通过所述神经网络模型,对所述第五视频帧序列中的视频图像进行特征提取,获得所述牲畜的第五特征数据;将所述第五特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的屠宰信息。籍此,为牲畜数据库中牲畜的记录添加了牲畜的屠宰信息,可进一步完善牲畜数据库中牲畜的记录。
其中,第五视频帧序列中的视频图像可为牲畜的脸部图像,优选地,第五视频帧序列中的视频图像可为牲畜的正脸图像。籍此,能够更加准确地获取牲畜的特征数据。相应地,所述第五特征数据可为牲畜的脸部特征数据。所述屠宰信息可包括以下中的至少一者:屠宰时间、屠宰地点、屠宰负责人、屠宰单位、屠宰方式。
在具体的实施方式中,通过所述神经网络模型在所述第五视频帧序列中的视频图像中提取特征的过程与上述实施例一中通过所述神经网络模型在所述第一视频帧序列中的视频图像中提取特征的过程类似,在此不再赘述。其中,将所述第五特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对,包括:分别计算所述第五特征数据与所述牲畜数据库中的各个牲畜的第一特征数据的特征相似度;如果计算出的任一特征相似度达到预定的相似度阈值,则确定所述牲畜数据库中存在所述牲畜的记录;如果计算出的特征相似度均未达到预定的相似度阈值,则确定所述牲畜数据库中不存在所述牲畜的记录。其中,在所述记录中添加所述牲畜的屠宰信息,包括:响应于用户在所述记录中添加所述牲畜的屠宰信息的操作,在所述记录中添加所述牲畜的屠宰信息。
当然,也可根据所述牲畜的第五特征数据确定所述牲畜的特征标识码。然后,将所述特征标识码分别与所述牲畜数据库中的各个牲畜的特征标识码进行比对。其中,根据牲畜的第五特征数据确定特征标识码的编码规则与根据牲畜的第一特征数据确定特征标识码的编码规则相同。
在本发明一可选实施方式中,在所述牲畜屠宰的过程中,可通过拍照设备对所述牲畜进行拍照来获取所述牲畜的图像。尤其对于牲畜数量较少的情况,这种方法比较合适,不值得用摄像头来专门采集牲畜的图像。
在本发明一可选实施方式中,可通过用于特征提取的神经网络模型,对拍照获得的牲畜图像进行特征提取,获得所述牲畜的第五特征数据。可以理解的是,本发明实施例不限于对牲畜的视频帧序列中的视频图像进行特征提取,还可用于对拍照获得的牲畜图像进行特征提取。
综上所述,牲畜数据库中的每条牲畜记录包括以下中的至少一者:养殖场信息、养殖信息、运输信息、交易信息、检疫信息/免疫信息、屠宰信息。
在实际应用中,在牲畜离开养殖场或者农户的时候,由用户(农户或者交易商)对相关的牲畜进行拍照,并连同养殖户信息与养殖信息上传到中心服务器,由中心服务器对牲畜照片利用人工智能技术进行处理,生成对于该牲畜的唯一标识码,并连同相关信息进行存储。在牲畜活体运输或者交易过程中,用户可以利用对牲畜进行拍照的方式,上传相关照片到中心服务器,由中心服务器对照片利用人工智能技术生成唯一标识码,并将新生成的标识码与库里的标示码进行对比,查找对应的牲畜信息。最后当牲畜进入屠宰场时,可以通过对牲畜图像信息采集,上传中心服务器,从而调取相关的检/免疫信息,交易信息,养殖信息等。在屠宰过程中,也可以利用采集牲畜图像信息进行唯一性标识,在相关数据库中记录屠宰信息。
在本发明实施例一的基础上,牲畜数据库中的每条牲畜记录添加了运输信息、交易信息、检疫信息/免疫信息、屠宰信息。由此,能够使得在建立得到的牲畜数据库中既方便又准确地追溯到牲畜的养殖场信息、养殖信息、运输信息、交易信息、检疫信息/免疫信息、屠宰信息。
本实施例的牲畜的数据库建立方法可以由任意适当的具有图像或数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、PC机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(PDA)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、Oculus Rift、Hololens、GearVR)等。
实施例三
图3是根据本发明实施例三的一种牲畜的溯源方法的流程图。如图3所示,本发明实施例提供的牲畜的溯源方法包括以下步骤:
在步骤S301中,获取待定牲畜的特征数据。
其中,所述待定牲畜的特征数据可为牲畜的脸部特征数据,优选地,所述待定牲畜的特征数据可为牲畜的正脸特征数据。籍此,能够更加准确地获取到牲畜在牲畜数据库中的记录。
在本发明一可选实施方式中,可根据待定牲畜的特征数据确定待定牲畜的特征标识码。其中,所述特征标识码与所述牲畜一一对应。具体地,可通过现有的编码规则,根据所述牲畜的脸部特征数据生成所述牲畜的特征标识码。
在步骤S302中,将所述特征数据分别与预设的牲畜数据库中的各个牲畜的特征数据进行比对,获得比对结果。
在具体的实施方式中,将所述特征数据分别与所述预设的牲畜数据库中的各个牲畜的特征数据进行比对,包括:分别计算所述特征数据与所述牲畜数据库中的各个牲畜的特征数据的特征相似度;如果计算出的任一特征相似度达到预定的相似度阈值,则确定所述牲畜数据库中存在所述牲畜的记录;如果计算出的特征相似度均未达到预定的相似度阈值,则确定所述牲畜数据库中不存在所述牲畜的记录。其中,所述预定的相似度阈值可由本领域技术人员根据实际需要进行设置,本发明实施例对此不作限制。其中,所述预设的牲畜数据库是根据本发明实施例一或本发明实施例二所述的方法建立得到的。
在步骤S303中,在根据所述比对结果确定所述牲畜数据库中存在所述待定牲畜的记录时,从所述牲畜数据库中调取所述待定牲畜的记录,并根据所述待定牲畜的记录确定所述待定牲畜的出处。
其中,所述待定牲畜的记录包括以下中的至少一者:养殖场信息、养殖信息、运输信息、交易信息、检疫信息/免疫信息、屠宰信息。由此可知,所述待定牲畜的出处包括以下中的至少一者:养殖场信息、养殖信息、运输信息、交易信息、检疫信息/免疫信息、屠宰信息,从而能够达到准确的牲畜溯源的目的。
根据本实施例提供的牲畜的溯源方法,获取待定牲畜的特征数据,并将所述特征数据分别与预设的牲畜数据库中的各个牲畜的特征数据进行比对,获得比对结果;在根据所述比对结果确定所述牲畜数据库中存在所述待定牲畜的记录时,从所述牲畜数据库中调取所述待定牲畜的记录,并根据所述待定牲畜的记录确定所述待定牲畜的出处,不仅能够既方便又准确地对待定牲畜进行溯源,而且所提供的待定牲畜的源头信息更加全面,从而有利于确保食品安全和牲畜防疫。
本实施例的牲畜的溯源方法可以由任意适当的具有图像或数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、PC机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(PDA)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、Oculus Rift、Hololens、Gear VR)等。
实施例四
图4是根据本发明实施例四的一种牲畜的溯源方法的流程图。如图4所示,本发明实施例提供的牲畜的溯源方法包括以下步骤:
在步骤S401中,通过用于特征提取的神经网络模型,对所述待定牲畜的图像进行特征提取,获得所述待定牲畜的特征数据。
其中,所述神经网络模型可以是任意适当的可实现特征提取或目标对象识别的神经网络,包括但不限于卷积神经网络、增强学习神经网络、对抗神经网络中的生成网络等等。神经网络中具体结构的设置可以由本领域技术人员根据实际需求适当设定,如卷积层的层数、卷积核的大小、通道数等等,本发明实施例对此不作限制。所述待定牲畜的图像可为牲畜的脸部图像,优选地,所述待定牲畜的图像可为所述牲畜的正脸图像。籍此,能够更加准确地获取牲畜的记录。相应地,所述特征数据可为待定牲畜的脸部特征数据。具体地,所述待定牲畜的图像可为在所述待定牲畜屠宰之前保留的牲畜的脸部图像或正脸图像。
在具体的实施方式中,在通过用于特征提取的神经网络模型,对所述待定牲畜的图像进行特征提取之前,需要对所述神经网络模型进行训练,具体的训练过程与上述实施例二中的训练过程类似,在此不再赘述。
在本发明一可选实施方式中,所述获取待定牲畜的特征数据,包括:响应于在所述待定牲畜的肉体上扫描二维码的操作,获得所述待定牲畜的特征数据。籍此,能够既准确又方便地对待定牲畜进行溯源。
在本发明一可选实施方式中,所述获取待定牲畜的特征数据,包括:通过设置于所述待定牲畜的肉体上的RFID标签,获得所述待定牲畜的特征数据。籍此,能够既准确又方便地对待定牲畜进行溯源。
在步骤S402中,将所述特征数据分别与预设的牲畜数据库中的各个牲畜的特征数据进行比对,获得比对结果。
由于该步骤S402与上述步骤S302类似,在此不再赘述。
在步骤S403中,在根据所述比对结果确定所述牲畜数据库中存在所述待定牲畜的记录时,从所述牲畜数据库中调取所述待定牲畜的记录,并根据所述待定牲畜的记录确定所述待定牲畜的出处。
由于该步骤S403与上述步骤S303相同,在此不再赘述。
在实际应用中,利用人工智能技术对牲畜的图像进行唯一性标示,在养殖场也可以用于记录牲畜的成长过程,同时在下游接通牲畜食品交易系统,可以完成对于食品的溯源。即由一块肉,反向查找从那个市场交易户采购的肉,根据交易户的记录,查找屠宰场相关记录信息,再由屠宰场记录的信息反向查找交易商、养殖户信息,从而溯源到牲畜的出生、养殖、检/免疫等生产情况。
本实施例提供的牲畜的溯源方法在应用的过程中具有以下优点:成本低、非接触式、准确率高、使用方便。其中,非接触式指的是操作人员不需要与牲畜肉体接触,比较卫生。
根据本实施例提供的牲畜的溯源方法,获取待定牲畜的特征数据,并将所述特征数据分别与预设的牲畜数据库中的各个牲畜的特征数据进行比对,获得比对结果;在根据所述比对结果确定所述牲畜数据库中存在所述待定牲畜的记录时,从所述牲畜数据库中调取所述待定牲畜的记录,并根据所述待定牲畜的记录确定所述待定牲畜的出处,不仅能够既方便又准确地对待定牲畜进行溯源,而且所提供的待定牲畜的源头信息更加全面,从而有利于确保食品安全和牲畜防疫。
本实施例的牲畜的溯源方法可以由任意适当的具有图像或数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、PC机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(PDA)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如Google Glass、Oculus Rift、Hololens、Gear VR)等。
实施例五
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图5,其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备500的结构示意图。如图5所示,电子设备500包括一个或多个第一处理器、第一通信元件等,所述一个或多个第一处理器例如:一个或多个中央处理单元(CPU)501,和/或一个或多个图像处理器(GPU)513等,第一处理器可以根据存储在只读存储器(ROM)502中的可执行指令或者从存储部分508加载到随机访问存储器(RAM)503中的可执行指令而执行各种适当的动作和处理。本实施例中,第一只读存储器502和随机访问存储器503统称为第一存储器。第一通信元件包括通信组件512和/或通信接口509。其中,通信组件512可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,通信接口509包括诸如LAN卡、调制解调器等的网络接口卡的通信接口,通信接口509经由诸如因特网的网络执行通信处理。
第一处理器可与只读存储器502和/或随机访问存储器503中通信以执行可执行指令,通过第一通信总线504与通信组件512相连、并经通信组件512与其他目标设备通信,从而完成本发明实施例提供的任一项牲畜数据库的建立方法对应的操作,例如,当牲畜被交易离开养殖场时,获取通过第一图像采集设备采集的所述牲畜的第一视频帧序列;通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,获得所述牲畜的第一特征数据;获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息;将所述养殖场信息和/或所述养殖信息与所述第一特征数据进行关联存储,从而建立得到所述牲畜数据库。
此外,在RAM 503中,还可存储有装置操作所需的各种程序和数据。CPU501或GPU513、ROM502以及RAM503通过第一通信总线504彼此相连。在有RAM503的情况下,ROM502为可选模块。RAM503存储可执行指令,或在运行时向ROM502中写入可执行指令,可执行指令使第一处理器执行上述通信方法对应的操作。输入/输出(I/O)接口505也连接至第一通信总线504。通信组件512可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在通信总线链接上。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信接口509。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
需要说明的,如图5所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图5的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信元件可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明的保护范围。
特别地,根据本发明实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,当牲畜被交易离开养殖场时,获取通过第一图像采集设备采集的所述牲畜的第一视频帧序列;通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,获得所述牲畜的第一特征数据;获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息;将所述养殖场信息和/或所述养殖信息与所述第一特征数据进行关联存储,从而建立得到所述牲畜数据库。在这样的实施例中,该计算机程序可以通过通信元件从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被第一处理器执行时,执行本发明实施例的方法中限定的上述功能。
实施例六
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图6,其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备600的结构示意图。如图6所示,电子设备600包括一个或多个第二处理器、第二通信元件等,所述一个或多个第二处理器例如:一个或多个中央处理单元(CPU)601,和/或一个或多个图像处理器(GPU)613等,第二处理器可以根据存储在只读存储器(ROM)602中的可执行指令或者从存储部分608加载到随机访问存储器(RAM)603中的可执行指令而执行各种适当的动作和处理。本实施例中,第二只读存储器602和随机访问存储器603统称为第二存储器。第二通信元件包括通信组件612和/或通信接口609。其中,通信组件612可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,通信接口609包括诸如LAN卡、调制解调器等的网络接口卡的通信接口,通信接口609经由诸如因特网的网络执行通信处理。
第二处理器可与只读存储器602和/或随机访问存储器603中通信以执行可执行指令,通过第二通信总线604与通信组件612相连、并经通信组件612与其他目标设备通信,从而完成本发明实施例提供的任一项牲畜的溯源方法对应的操作,例如,获取待定牲畜的特征数据;将所述特征数据分别与预设的牲畜数据库中的各个牲畜的特征数据进行比对,获得比对结果;在根据所述比对结果确定所述牲畜数据库中存在所述待定牲畜的记录时,从所述牲畜数据库中调取所述待定牲畜的记录,并根据所述待定牲畜的记录确定所述待定牲畜的出处,其中,所述预设的牲畜数据库是根据本发明实施例一或本发明实施例二所述的方法建立得到的。
此外,在RAM 603中,还可存储有装置操作所需的各种程序和数据。CPU601或GPU613、ROM602以及RAM603通过第二通信总线604彼此相连。在有RAM603的情况下,ROM602为可选模块。RAM603存储可执行指令,或在运行时向ROM602中写入可执行指令,可执行指令使第二处理器执行上述通信方法对应的操作。输入/输出(I/O)接口605也连接至第二通信总线604。通信组件612可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在通信总线链接上。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信接口609。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
需要说明的,如图6所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图6的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信元件可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明的保护范围。
特别地,根据本发明实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,获取待定牲畜的特征数据;将所述特征数据分别与预设的牲畜数据库中的各个牲畜的特征数据进行比对,获得比对结果;在根据所述比对结果确定所述牲畜数据库中存在所述待定牲畜的记录时,从所述牲畜数据库中调取所述待定牲畜的记录,并根据所述待定牲畜的记录确定所述待定牲畜的出处,其中,所述预设的牲畜数据库是根据本发明实施例一或本发明实施例二所述的方法建立得到的。在这样的实施例中,该计算机程序可以通过通信元件从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被第二处理器执行时,执行本发明实施例的方法中限定的上述功能。
需要指出,根据实施的需要,可将本发明实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本发明实施例的目的。
上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的处理方法。此外,当通用计算机访问用于实现在此示出的处理的代码时,代码的执行将通用计算机转换为用于执行在此示出的处理的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明实施例的范围。
以上实施方式仅用于说明本发明实施例,而并非对本发明实施例的限制,有关技术领域的普通技术人员,在不脱离本发明实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明实施例的范畴,本发明实施例的专利保护范围应由权利要求限定。
Claims (15)
1.一种牲畜数据库的建立方法,其特征在于,所述方法包括:
当牲畜被交易离开养殖场时,获取通过第一图像采集设备采集的所述牲畜的第一视频帧序列;
通过用于特征提取的神经网络模型,对所述第一视频帧序列中的视频图像进行特征提取,获得所述牲畜的第一特征数据;
获取所述牲畜所在养殖场的养殖场信息和/或所述牲畜的养殖信息;
将所述养殖场信息和/或所述养殖信息与所述第一特征数据进行关联存储,从而建立得到所述牲畜数据库。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述牲畜活体运输的过程中,获取通过第二图像采集设备采集的所述牲畜的第二视频帧序列;
通过所述神经网络模型,对所述第二视频帧序列中的视频图像进行特征提取,获得所述牲畜的第二特征数据;
将所述第二特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;
在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的运输信息。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
在所述牲畜交易的过程中,获取通过第三图像采集设备采集的所述牲畜的第三视频帧序列;
通过所述神经网络模型,对所述第三视频帧序列中的视频图像进行特征提取,获得所述牲畜的第三特征数据;
将所述第三特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;
在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的交易信息。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述牲畜检疫的过程中,获取通过第四图像采集设备采集的所述牲畜的第四视频帧序列;
通过所述神经网络模型,对所述第四视频帧序列中的视频图像进行特征提取,获得所述牲畜的第四特征数据;
将所述第四特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;
在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的检疫信息或免疫信息。
5.根据权利要求1或4所述的方法,其特征在于,所述方法还包括:
在所述牲畜屠宰的过程中,获取通过第五图像采集设备采集的所述牲畜的第五视频帧序列;
通过所述神经网络模型,对所述第五视频帧序列中的视频图像进行特征提取,获得所述牲畜的第五特征数据;
将所述第五特征数据分别与所述牲畜数据库中的各个牲畜的第一特征数据进行比对;
在根据比对结果确定所述牲畜数据库中存在所述牲畜的记录时,从所述牲畜数据库中调取所述牲畜的记录,并在所述记录中添加所述牲畜的屠宰信息。
6.根据权利要求1或2所述的方法,其特征在于,所述牲畜包括以下中的至少一者:
鸡、鸭、鹅、牛、羊、马、猪。
7.一种牲畜的溯源方法,其特征在于,所述方法包括:
获取待定牲畜的特征数据;
将所述特征数据分别与预设的牲畜数据库中的各个牲畜的特征数据进行比对,获得比对结果;
在根据所述比对结果确定所述牲畜数据库中存在所述待定牲畜的记录时,从所述牲畜数据库中调取所述待定牲畜的记录,并根据所述待定牲畜的记录确定所述待定牲畜的出处,
其中,所述预设的牲畜数据库是根据权利要求1~6中任意一项权利要求所述的方法建立得到的。
8.根据权利要求7所述的方法,其特征在于,所述获取待定牲畜的特征数据,包括:
通过用于特征提取的神经网络模型,对所述待定牲畜的图像进行特征提取,获得所述待定牲畜的特征数据。
9.根据权利要求8所述的方法,其特征在于,所述待定牲畜的图像为所述待定牲畜的正脸图像。
10.根据权利要求7所述的方法,其特征在于,所述获取待定牲畜的特征数据,包括:
响应于在所述待定牲畜的肉体上扫描二维码的操作,获得所述待定牲畜的特征数据。
11.根据权利要求7-10中任意一项权利要求所述的方法,其特征在于,所述特征数据为所述待定牲畜的脸部特征数据。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求1~6中任意一项权利要求所述的牲畜数据库的建立方法的步骤。
13.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求7~11中任意一项权利要求所述的牲畜的溯源方法的步骤。
14.一种电子设备,包括:第一处理器、第一存储器、第一通信元件和第一通信总线,所述第一处理器、所述第一存储器和所述第一通信元件通过所述第一通信总线完成相互间的通信;
所述第一存储器用于存放至少一可执行指令,所述可执行指令使所述第一处理器执行如权利要求1~6中任意一项权利要求所述的牲畜数据库的建立方法的步骤。
15.一种电子设备,包括:第二处理器、第二存储器、第二通信元件和第二通信总线,所述第二处理器、所述第二存储器和所述第二通信元件通过所述第二通信总线完成相互间的通信;
所述第二存储器用于存放至少一可执行指令,所述可执行指令使所述第二处理器执行如权利要求7~11中任意一项权利要求所述的牲畜的溯源方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710852286.XA CN107833145A (zh) | 2017-09-19 | 2017-09-19 | 牲畜的数据库建立方法和溯源方法、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710852286.XA CN107833145A (zh) | 2017-09-19 | 2017-09-19 | 牲畜的数据库建立方法和溯源方法、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107833145A true CN107833145A (zh) | 2018-03-23 |
Family
ID=61643967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710852286.XA Pending CN107833145A (zh) | 2017-09-19 | 2017-09-19 | 牲畜的数据库建立方法和溯源方法、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107833145A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765182A (zh) * | 2018-05-18 | 2018-11-06 | 深圳市元征科技股份有限公司 | 一种生肉渔产信息管理方法、装置及设备 |
CN109255297A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 动物状态监测方法、终端设备、存储介质及电子设备 |
CN110083090A (zh) * | 2019-04-09 | 2019-08-02 | 华南农业大学 | 一种畜禽养殖环境参数多点无线智能监控系统及其方法 |
CN110189145A (zh) * | 2019-05-15 | 2019-08-30 | 广州影子科技有限公司 | 追溯方法、追溯装置、追溯系统和计算机可读存储介质 |
CN110223081A (zh) * | 2019-05-15 | 2019-09-10 | 广州影子科技有限公司 | 追溯方法、追溯装置、追溯系统和计算机可读存储介质 |
CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理系统 |
CN113032621A (zh) * | 2021-03-11 | 2021-06-25 | 超参数科技(深圳)有限公司 | 数据采样方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100030578A1 (en) * | 2008-03-21 | 2010-02-04 | Siddique M A Sami | System and method for collaborative shopping, business and entertainment |
CN103164773A (zh) * | 2013-02-26 | 2013-06-19 | 东南大学 | 一种牛原产地溯源方法 |
CN106204061A (zh) * | 2016-06-30 | 2016-12-07 | 滁州学院 | 一种有机牲畜生长、屠宰、分销过程监测与可追溯管理系统 |
CN106295313A (zh) * | 2016-08-03 | 2017-01-04 | 北京地平线机器人技术研发有限公司 | 对象身份管理方法、装置和电子设备 |
CN106778902A (zh) * | 2017-01-03 | 2017-05-31 | 河北工业大学 | 基于深度卷积神经网络的奶牛个体识别方法 |
CN107092931A (zh) * | 2017-04-24 | 2017-08-25 | 河北工业大学 | 一种奶牛个体识别的方法 |
-
2017
- 2017-09-19 CN CN201710852286.XA patent/CN107833145A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100030578A1 (en) * | 2008-03-21 | 2010-02-04 | Siddique M A Sami | System and method for collaborative shopping, business and entertainment |
CN103164773A (zh) * | 2013-02-26 | 2013-06-19 | 东南大学 | 一种牛原产地溯源方法 |
CN106204061A (zh) * | 2016-06-30 | 2016-12-07 | 滁州学院 | 一种有机牲畜生长、屠宰、分销过程监测与可追溯管理系统 |
CN106295313A (zh) * | 2016-08-03 | 2017-01-04 | 北京地平线机器人技术研发有限公司 | 对象身份管理方法、装置和电子设备 |
CN106778902A (zh) * | 2017-01-03 | 2017-05-31 | 河北工业大学 | 基于深度卷积神经网络的奶牛个体识别方法 |
CN107092931A (zh) * | 2017-04-24 | 2017-08-25 | 河北工业大学 | 一种奶牛个体识别的方法 |
Non-Patent Citations (1)
Title |
---|
蔡骋 等: "基于计算机视觉的牛脸轮廓提取算法及实现", 《农业工程学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765182A (zh) * | 2018-05-18 | 2018-11-06 | 深圳市元征科技股份有限公司 | 一种生肉渔产信息管理方法、装置及设备 |
CN109255297A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 动物状态监测方法、终端设备、存储介质及电子设备 |
CN109255297B (zh) * | 2018-08-06 | 2022-12-13 | 百度在线网络技术(北京)有限公司 | 动物状态监测方法、终端设备、存储介质及电子设备 |
CN110083090A (zh) * | 2019-04-09 | 2019-08-02 | 华南农业大学 | 一种畜禽养殖环境参数多点无线智能监控系统及其方法 |
CN110189145A (zh) * | 2019-05-15 | 2019-08-30 | 广州影子科技有限公司 | 追溯方法、追溯装置、追溯系统和计算机可读存储介质 |
CN110223081A (zh) * | 2019-05-15 | 2019-09-10 | 广州影子科技有限公司 | 追溯方法、追溯装置、追溯系统和计算机可读存储介质 |
CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理系统 |
CN111198549B (zh) * | 2020-02-18 | 2020-11-06 | 湖南伟业动物营养集团股份有限公司 | 一种基于大数据的家禽养殖监测管理系统 |
CN113032621A (zh) * | 2021-03-11 | 2021-06-25 | 超参数科技(深圳)有限公司 | 数据采样方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107833145A (zh) | 牲畜的数据库建立方法和溯源方法、存储介质和电子设备 | |
Machefer et al. | Mask R-CNN refitting strategy for plant counting and sizing in UAV imagery | |
US10949974B2 (en) | Automated plant disease detection | |
CN109255297A (zh) | 动物状态监测方法、终端设备、存储介质及电子设备 | |
Singh | An artificial intelligence and cloud based collaborative platform for plant disease identification, tracking and forecasting for farmers | |
JP2022513272A (ja) | 訓練深層学習ネットワークの3dモデルから大量訓練データセットを自動的に生成する方法及びシステム | |
Wu et al. | Automatic recognition of ripening tomatoes by combining multi-feature fusion with a bi-layer classification strategy for harvesting robots | |
CN110662484A (zh) | 用于全身测量结果提取的系统和方法 | |
CN107784372B (zh) | 目标对象属性的预测方法、装置和系统 | |
CN107229947A (zh) | 一种基于动物识别的金融保险方法及系统 | |
CN108229268A (zh) | 表情识别及卷积神经网络模型训练方法、装置和电子设备 | |
CN107679546A (zh) | 人脸图像数据采集方法、装置、终端设备及存储介质 | |
CN105245828A (zh) | 物品分析方法和设备 | |
US11507781B2 (en) | Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks | |
CN111428662A (zh) | 基于人群属性的广告播放变化方法及系统 | |
CN112016527A (zh) | 基于深度学习的大熊猫行为识别方法、系统、终端及介质 | |
US11875468B2 (en) | Three-dimensional (3D) image modeling systems and methods for determining respective mid-section dimensions of individuals | |
CN110362648A (zh) | 问卷调查题目的更新方法及装置、存储介质、计算机设备 | |
Pan et al. | Low-cost livestock sorting information management system based on deep learning | |
CN114511931A (zh) | 基于视频图像的动作识别方法、装置、设备及存储介质 | |
Liu et al. | Joint graph learning and matching for semantic feature correspondence | |
CN114596618A (zh) | 戴口罩的人脸识别训练方法、装置、电子设备及存储介质 | |
CN109886826A (zh) | 基于区块链的牲畜养殖流通追踪方法、电子装置及存储介质 | |
CN107679555A (zh) | 牲畜免疫处理方法、计算机程序、存储介质及电子设备 | |
Fukuda et al. | Central object segmentation by deep learning to continuously monitor fruit growth through RGB images |
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 |
Application publication date: 20180323 |
|
RJ01 | Rejection of invention patent application after publication |