CN107960346B - 一种家禽群中异常体重个体识别方法及系统 - Google Patents
一种家禽群中异常体重个体识别方法及系统 Download PDFInfo
- Publication number
- CN107960346B CN107960346B CN201711481652.1A CN201711481652A CN107960346B CN 107960346 B CN107960346 B CN 107960346B CN 201711481652 A CN201711481652 A CN 201711481652A CN 107960346 B CN107960346 B CN 107960346B
- Authority
- CN
- China
- Prior art keywords
- poultry
- weight
- individual
- equation set
- group
- 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
- 244000144977 poultry Species 0.000 title claims abstract description 280
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 28
- 244000144992 flock Species 0.000 claims description 25
- 230000037396 body weight Effects 0.000 claims description 16
- 230000003190 augmentative effect Effects 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 235000013594 poultry meat Nutrition 0.000 description 222
- 241000287828 Gallus gallus Species 0.000 description 43
- 235000013330 chicken meat Nutrition 0.000 description 42
- 238000005303 weighing Methods 0.000 description 39
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 241000271566 Aves Species 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000009395 breeding Methods 0.000 description 5
- 230000001488 breeding effect Effects 0.000 description 5
- 230000017448 oviposition Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000037219 healthy weight Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000037221 weight management Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Birds (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Feeding And Watering For Cattle Raising And Animal Husbandry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种家禽群中异常体重个体识别方法及系统，所述方法包括：多次测量单只或多只家禽的体重，直至家禽群中每一只家禽至少进行过一次体重测量，将每次测量的体重数据进行记录，对每次进行体重测量的家禽个体进行识别，获得每次测量的所有家禽的身份数据；根据每次测量获得的体重数据和对应的每次测量的家禽的身份数据，组成非齐次线性方程组，通过计算获得家禽群中每一只家禽的个体体重；根据家禽群中每一只家禽的个体体重，计算家禽群中家禽的平均体重和家禽个体的正常体重范围，对个体体重不在正常体重范围内的家禽个体进行识别。本发明提供的方法，可以帮助将体重异常的家禽从家禽群中分类，保证整个家禽种群的生长状况正常。
Description
技术领域
本发明涉及禽类数据管理领域，更具体地，涉及一种家禽群中异常体重个体识别方法及系统。
背景技术
活体体重是表征特定时间节点下鸡群(肉鸡和蛋鸡)养殖状态的一项重要指标。鸡群早期活体体重是鸡群未来生长发育的基础，而蛋鸡进入产蛋期时的活体体重，对其今后产蛋效率有着至关重要的影响。
鸡群在体重方面的整齐程度，即鸡群均匀度，对于鸡群生产潜力有着重要影响。有研究表明鸡群16周龄均匀度与其产蛋持久性和存活率成正相关。培育出高均匀度的鸡群能够进一步发挥鸡的生产潜力,提高经济效益。
随着国内市场的发展和国外市场的扩大，家禽群的养殖规模也随之增长，这种情况下为了保证家禽群体重均匀度，发现、剔除家禽群中体重异常个体就显得十分必要。
我国的家禽养殖行业，目前普遍采用的是人工称重的方法。人工称重方法是先将家禽群均匀分散后随机取点，再选择点位内的家禽称重。这种方法耗时耗力，最终数据受人工具体的操作方式干扰，且会对家禽群的生长造成惊扰，若管理人员手法不够柔和则会损害家禽的健康，同时，长时间在鸡舍中也不利于管理人员的身体健康。现有的自动化家禽称重系统在欧美发达国家80年代就已经出现，其主要设计思路就是一个家禽的站立位置、一个压力传感器和数据处理和存数单元组成，对活禽实现单次单只称重，现有技术中，装置一次可同时称重的家禽数量少，每次称重的时候需要将家禽从家禽群中运送至称重设备上，难以实时对家禽群中每一只家禽的重量进行跟踪监测。
发明内容
为解决现有技术中，对家禽的体重监测过程需要人工对家禽个体进行提取并进行称重处理，可同时称重的家禽数量少，同时可能对家禽生长带来惊扰的问题，提供一种家禽群中异常体重个体识别方法及系统。
根据本发明的一个方面，提供一种家禽群中个体体重监测方法，包括：
S1，多次测量单只或多只家禽的体重，直至家禽群中每一只家禽至少进行过一次体重测量，将每次测量的体重数据进行记录，同时对每次进行体重测量的家禽个体进行识别，获得每次测量的所有家禽的身份数据；
S2，根据每次测量获得的所述体重数据和对应的每次测量的所述家禽的身份数据，组成非齐次线性方程组，对所述方程组进行求解，获得家禽群中每一只家禽的个体体重；
其中，所述非齐次线性方程组中方程的数量大于或等于家禽群中家禽数量；
S3，根据所述家禽群中每一只家禽的个体体重，计算所述家禽群中家禽的平均体重和家禽个体的正常体重范围，对个体体重不在所述正常体重范围内的家禽个体进行识别。
其中，所述步骤S1之前还包括：对家禽群中每一只家禽进行编号，获得每一只家禽的个体编号，作为家禽个体的身份数据。
其中，所述步骤S2中具体包括：
S21，根据每次体重测量时获得家禽的个体编号，以每个家禽个体体重为未知数，组成非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组中未知数个数；
S22，对所述非齐次线性方程组进行求解，获得每个个体编号对应的体重。
根据本发明的另一方面，提供一种家禽群中异常体重个体识别系统，包括：
设置在每一只家禽个体上的RFID标签，每一个RFID标签包含一个唯一不重复的个体编号，作为家禽个体的身份数据；
行走式重量测量平台，用于对所述平台上站立的家禽进行体重测量，并将每次测量的体重数据进行记录；
RFID标签识读设备，设置在所述行走式重量测量平台两侧，所述RFID标签识读设备用于读取所述平台上包含的RFID标签的编号；
处理器，与所述行走式重量测量平台和RFID标签识读设备连接，所述处理器用于执行如第一方面提供的方法。
其中，所述RFID标签具体为超高频RFID脚环。
其中，所述RFID标签识读设备的标签读取范围覆盖整个所述重量测量平台。
其中，所述行走式重量测量平台设置在通向饲喂区的道路上。
其中，所述处理器包括：
计算单元，用于根据每次测量获得的所述体重数据和对应的每次测量获得的所述家禽的身份数据，组成非齐次线性方程组，对所述非齐次线性方程组进行求解，获得家禽群中每一只家禽的个体体重；
其中，所述非齐次线性方程组中方程的数量大于或等于家禽群中家禽数量；
异常个体识别单元，用于根据所述家禽群中每一只家禽的个体体重，计算所述家禽群中家禽的平均体重和家禽个体的正常体重范围，对个体体重不在所述正常体重范围内的家禽个体进行识别。
其中，所述计算单元具体包括：
方程组组成子单元，用于根据每次体重测量时获得家禽的个体编号，以每个家禽个体体重为未知数，组成非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组未知数个数；
体重计算子单元，用于对所述非齐次线性方程组进行求解，获得每个个体编号对应的体重。
本发明提供的方法，实现了对家禽群中每只家禽个体体重的自动测量以及家禽群中异常体重个体识别，测量中无需人工将家禽放置在测量装置上，同时无需对每一只家禽进行捕捉和测量，避免了对家禽体重测量时对家禽生长造成惊扰，可同时监测拥有大量家禽的家禽群中每一只家禽的体重，减少了人工操作。
附图说明
图1为本发明一实施例提供的一种家禽群中个体体重监测方法的流程图；
图2为本发明另一实施例提供的一种家禽群中个体体重监测系统的结构图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
参考图1，图1为本发明一实施例提供的一种家禽群中个体体重监测方法的流程图，所述方法包括，
S1，多次测量单只或多只家禽的体重，直至家禽群中每一只家禽至少进行过一次体重测量，将每次测量的体重数据进行记录，同时对每次进行体重测量的家禽个体进行识别，获得每次测量的所有家禽的身份数据。
具体的，对家禽群中的家禽进行多次称重，每次称重可以为单只家禽或多只家禽的体重总和，并记录下每次称重后的体重数据。在称重的过程中，将称重用的平台设置在通往喂食区的路途中，对每次站在上面的家禽进行重量测量，由于家禽在散养过程中行动具有随机性，因此需要对重量进行多次测量，同时在每次称重的时候，会将称重的家禽进行身份识别，获得家禽的身份数据，具体数据为每只家禽的编号，例如在一次称重中有3只家禽进行了体重测量，总体重量为4.3千克，通过个体识别模块，可以获得3只进行了体重测量的家禽编号为1号，2号和5号。
通过此方法，对每次称重中称重时的家禽数目没有具体要求，可以为一只或多只家禽，无需对每只家禽进行抓取，避免了称重过程中对家禽的惊扰；同时对每次进行体重测量的单只或多只家禽进行身份识别，获得家禽的身份数据，从而可以区分每次进行了体重测量的家禽个体信息。
S2，根据每次测量获得的所述体重数据和对应的每次测量获得的所述家禽的身份数据，以每个家禽个体体重为未知数，组成非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组未知数个数。对所述非齐次线性方程组进行求解，获得家禽群中每一只家禽的个体体重；
其中，所述非齐次线性方程组中方程的数量大于或等于家禽群中家禽数量；
具体的，根据多次称重获得的体重数据和每次测量的时候记录的家禽的编号信息，可以计算获得每一只家禽个体的体重，从而达到对家禽群中每一只家禽的体重进行监测。
在具体实施中，根据每次测量的体重数据和身份数据，以每个家禽个体体重为未知数，组成非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组未知数个数。以保证该非齐次线性方程组有唯一解。例如在一次称重中，编号数据为X、Y和Z的家禽体重为2.5千克，则构成的非齐次线性方程为X+Y+Z＝2.5。
在获得了多组称重数据后，方程组组成子单元会构建多组非齐次线性方程组，其中，非齐次线性方程的数量需要大于或等于家禽群中家禽的数量，以保证非齐次线性方程组中每个编号数据代表的未知数都有唯一的解，从而可以计算家禽群中每一只家禽的个体体重。
在构建了足够多的非齐次线性方程后，家禽体重计算子模块会将组成的非齐次线性方程组进行求解，从而可以获得家禽群中每一只家禽的个体体重。
通过此方法，实现了对家禽群中每一只家禽的体重数据进行获取，同时不需要人工对家禽进行抓取，计算称重和计算过程可以由系统自行完成，提升了对家禽群体的体重管理效率，减少了人工操作。
S3，根据所述家禽群中每一只家禽的个体体重，计算所述家禽群中家禽的平均体重和家禽个体的正常体重范围，对个体体重不在所述正常体重范围内的家禽个体进行识别。
具体的，在获取了家禽群中每一只家禽个体的重量以后，通过计算家禽群体里面家禽的平均体重，同时可以根据平均体重计算鸡群的健康体重范围，例如家禽群中家禽的平均体重为1千克，通过计算，家禽群中体重范围在0.8到1.2千克之间的个体为正常个体，而编号为5的家禽个体的体重为1.45千克，其体重不在正常个体的体重范围之内，则编号为5的家禽属于体重异常个体。
通过此方法，实现了对家禽群中每一只家禽的体重数据进行自动获取，并对家禽群中体重异常的家禽的自动识别，可以帮助将体重异常的家禽从家禽群中分类，减少了体重异常家禽识别的人工操作，保证整个家禽种群的生长状况正常。
在上述实施例的基础上，所述步骤S1之前还包括：对家禽群中每一只家禽进行编号，获得每一只家禽的个体编号，作为家禽个体的身份数据。
具体的，通过对家禽群中每一只家禽进行编号，作为家禽的身份数据，其中每一个家禽的编号都是唯一的且不重复的编号，从而对家禽群中每一只家禽个体进行区分。
在上述各实施例的基础上，所述步骤S2中具体包括：
S21，根据每次体重测量时获得家禽的个体编号，以每个家禽个体体重为未知数，组成非齐次线性方程；
S22，对所述非齐次线性方程组进行求解，获得每个个体编号对应的体重。
具体的，根据每次测量的体重数据和身份数据，建立组成非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组未知数个数。以保证该非齐次线性方程组有唯一解。例如在一次称重中，编号数据为X、Y和Z的家禽体重为2.5千克，则构成的非齐次线性方程为X+Y+Z＝2.5。
在获得了多组称重数据后，方程组组成子单元会构建多组非齐次线性方程组，其中，非齐次线性方程的数量需要大于或等于家禽群中家禽的数量，以保证非齐次线性方程中每个编号数据代表的未知数都有唯一的解，从而可以计算家禽群中每一只家禽的个体体重。
在构建了符合要求的非齐次线性方程组后，家禽体重计算子模块会将组成的非齐次线性方程组进行求解，从而可以获得家禽群中每一只家禽的个体体重。
在本发明的又一实施例中，参考图2，图2为本发明另一实施例提供的一种家禽群中个体体重监测系统的结构图，所述系统包括：
设置在每一只家禽个体上的RFID标签21，每一个RFID标签包含一个唯一不重复的个体编号，作为家禽个体的身份数据；
行走式重量测量平台23，用于对所述平台上站立的家禽进行体重测量，并将每次测量的测量数据进行记录；
RFID标签识读设备22，设置在所述行走式重量测量平台两侧，所述RFID标签识读设备用于读取所述平台上包含的RFID标签的编号；
处理器24，与所述行走式重量测量平台和RFID标签识读设备连接，所述处理器用于执行上述实施例提供的家禽群中异常体重个体识别方法。
其中，所述RFID标签21具体为超高频RFID脚环。所述RFID标签识读设备22的标签读取范围覆盖整个所述重量测量平台23。
具体的，所述系统包括设置在家禽群中每只家禽个体上的RFID标签，通过对每只家禽进行编号，在家禽所站的位置在行走式称重平台上的时候，设置在称重平台两侧的RFID标签识读设备会接收到所述RFID标签发送的家禽的身份信息，也就是在所述称重平台上的家禽个体的编号信息。
在具体实施中，RFID标签选用的为超高频的RFID脚环，使用超高频的RFID脚环，RFID的识别范围广，传送数据速度快，可以满足对每只家禽个体进行快速识别，和多重RFID标签同时识别。所述RFID标签识读设备的标签读取范围覆盖整个所述重量测量平台，同时读取范围也不能太大，不会超过所述测量平台的面积，保证测量停留在测量平台附近的家禽身上的RFID脚环不会被所述RFID标签识读设备读取。
处理器与行走式重量测量平台和RFID标签识读设备连接，用于根据每次测量获得的所述体重数据和对应的每次测量获得的所述家禽的身份数据，组成系数矩阵与方程组增广矩阵的秩相等，且等于方程组未知数个数的非齐次线性方程组，对所述非齐次线性方程组进行求解，获得家禽群中每一只家禽的个体体重。
根据所述家禽群中每一只家禽的个体体重，计算所述家禽群中家禽的平均体重和家禽个体的正常体重范围，对个体体重不在所述正常体重范围内的家禽个体进行识别。
在具体实施中，处理器根据每次测量的体重数据和身份数据，建立非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组未知数个数，以保证该非齐次线性方程组有唯一解。例如在一次称重中，编号数据为X、Y和Z的家禽体重为2.5千克，则构成的非齐次线性方程为X+Y+Z＝2.5。
在获得了多组称重数据后，方程组组成子模块会构建多组非齐次线性方程组，其中，非齐次线性方程的数量需要大于或等于家禽群中家禽的数量，以保证非齐次线性方程组中每个编号数据代表的未知数都有唯一的解，从而可以计算家禽群中每一只家禽的个体体重。
在构建了足够多的非齐次线性方程后，家禽体重计算子模块会将组成的非齐次线性方程进行求解，从而可以获得家禽群中每一只家禽的个体体重。
通过此系统，实现了对家禽群中每一只家禽的体重数据进行获取，同时不需要人工对家禽进行抓取，计算称重和计算过程可以由系统自行完成，提升了对家禽群体的体重管理效率，减少了人工操作。
在获取了家禽群中每一只家禽个体的重量以后，通过计算家禽群体里面家禽的平均体重，同时可以根据平均体重计算鸡群的健康体重范围，例如家禽群中家禽的平均体重为1千克，通过计算，家禽群中体重范围在0.8到1.2千克之间的个体为正常个体，而编号为5的家禽个体的体重为1.45千克，其体重不在正常个体的体重范围之内，则编号为5的家禽属于体重异常个体。
通过此系统，实现了对家禽群中体重异常的家禽的自动识别，可以帮助将体重异常的家禽从家禽群中分类，保证整个家禽种群的生长状况正常
在上述各实施例的基础上，所述行走式重量测量平台设置在通向饲喂区的道路上。
具体的，行走式重量测量平台设置在通向饲喂区的道路上，在每次对家禽进行喂食的时候，可以保证家禽群中的每一只家禽都行走通过一次测量平台，提升了测量数据的全面性。
在上述各实施例基础上，所述处理器包括：
计算单元，用于根据每次测量获得的所述体重数据和对应的每次测量的所述家禽的身份数据，组成系数矩阵与方程组增广矩阵的秩相等，且等于方程组未知数个数的非齐次线性方程组，对所述非齐次线性方程组进行求解，获得家禽群中每一只家禽的个体体重；
其中，所述非齐次线性方程的数量大于或等于家禽群中家禽数量；
异常个体识别单元，用于根据所述家禽群中每一只家禽的个体体重，计算所述家禽群中家禽的平均体重和家禽个体的正常体重范围，对个体体重不在所述正常体重范围内的家禽个体进行识别。
其中，所述计算单元具体包括：
方程组组成子单元，用于根据每次体重测量时获得家禽的个体编号，对家禽个体体重进行编号，以每个家禽个体体重为未知数，组成非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组未知数个数；
体重计算子单元，用于对所述非齐次线性方程组进行求解，获得每个个体编号对应的体重。
具体的，根据每次测量的体重数据和身份数据，建立非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组未知数个数，以保证该非齐次线性方程组有唯一解。。例如在一次称重中，编号数据为X、Y和Z的家禽体重为2.5千克，则构成的非齐次线性方程为X+Y+Z＝2.5。
在获得了多组称重数据后，方程组成子单元会构建多组非齐次线性方程，其中，非齐次线性方程的数量需要大于或等于家禽群中家禽的数量，以保证非齐次线性方程中每个编号数据代表的未知数都有唯一的解，从而可以计算家禽群中每一只家禽的个体体重。
在构建了足够多的非齐次线性方程后，家禽体重计算子单元会将组成的非齐次线性方程组进行求解，从而可以获得家禽群中每一只家禽的个体体重。
在本发明的又一实施例中，以养殖数量为20的小型散养鸡群为例，对鸡群中每只鸡的个体体重进行监测，同时对异常体重个体进行自动识别。
为鸡群中每只鸡配备超高频RFID脚环，每只鸡具有特定的身份编码L0,L1,L2...L20，以实现每只鸡的身份识别；
在通向饲喂区的道路上设置能同时测量多只鸡体重的行走式重量测量平台，用以测量单只或多只鸡的体重，选择其中20次的称重数据，得到重量数据数组[W1,W2,W3,...W20]在本实施例中，获得的数据分别为4.10，2.70，5.50，4.21，2.86，4.13，2.79，5.35，4.26，1.32，4.09，5.62，2.82，1.29，2.96，4.35，2.78，4.56，2.63，3.89，单位为千克，在每次测量的时候，行走式重量测量平台两侧设置RFID标签识读设备，对称重平台上的鸡个体进行身份识别，得到当前称重平台上的鸡个数及其所对应的身份编码组L，其中获得的身份编码组具体为：
其中，La表示第1次称重时，身份编码为L2、L5和L10的鸡在称重平台上，行走式重量测量平台及RFID标签识读设备与工控机通过有线的方式相连接，测量所得到的体重数据及身份编码数据传输至工控机，并根据数据编号相关联：获得重量与编码矩阵，身份编码为Ln鸡出现在称重平台上时，an＝1，未出现时，an＝0。建立系数矩阵与增广矩阵的秩相等，且等于方程组未知数个数的非齐次线性方程组。本实施例中，组成的非齐次线性方程组具体为：
其中，Wn为编号为Ln的鸡的个体体重，Wa为第一次称重获得的体重数据。
通过解非齐次线性方程组，可以获得每只鸡的体重，
从而获得了鸡群中20只鸡中每只鸡的个体体重。在获得了鸡群中每只鸡的个体体重后，可以对所有个体体重数据相加并除以鸡的数量，从而获得鸡群的平均体重
通过设置鸡个体的体重范围在平均体重10％以内的鸡为体重正常，则求得正常体重范围为1.22千克到1.5千克之间，则编号为L2、L8、L12、L15、L18和L19的鸡在鸡群中属于体重异常的鸡个体。
本实施例提供的系统，基于RFID识别技术及行走式称重设备，实现了鸡群群体平均体重自动测量，以及体重异常体重个体自动识别。实现对鸡群群体平均体重和体重异常个体的智能监测，为鸡群的科学福利化养殖提供了技术支撑。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种家禽群中异常体重个体识别方法，其特征在于，包括：
S1，多次测量单只或多只家禽的体重，直至家禽群中每一只家禽至少进行过一次体重测量，将每次测量的体重数据进行记录，同时对每次进行体重测量的家禽个体进行识别，获得每次测量的所有家禽的身份数据；
S2，根据每次测量获得的所述体重数据和对应的每次测量的所述家禽的身份数据，组成非齐次线性方程组，对所述方程组进行求解，获得家禽群中每一只家禽的个体体重；
其中，所述非齐次线性方程组中方程的数量大于或等于家禽群中家禽数量；
S3，根据所述家禽群中每一只家禽的个体体重，计算所述家禽群中家禽的平均体重和家禽个体的正常体重范围，对个体体重不在所述正常体重范围内的家禽个体进行识别；
所述步骤S2中具体包括：
S21，根据每次体重测量时获得家禽的个体编号，对家禽个体体重进行编号，以每个家禽个体体重为未知数，组成非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组中未知数个数；
S22，对所述非齐次线性方程组进行求解，获得每个家禽个体编号对应的体重。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1之前还包括：
对家禽群中每一只家禽进行编号，获得每一只家禽的个体编号，作为家禽个体的身份数据。
3.一种家禽群中异常体重个体识别系统，其特征在于，包括：
设置在每一只家禽个体上的RFID标签，每一个RFID标签包含一个唯一不重复的个体编号，作为家禽个体的身份数据；
行走式重量测量平台，用于对所述平台上站立的家禽进行体重测量，并将每次测量的体重数据进行记录；
RFID标签识读设备，设置在所述行走式重量测量平台两侧，所述RFID标签识读设备用于读取所述平台上包含的RFID标签的编号；
处理器，与所述行走式重量测量平台和RFID标签识读设备连接，所述处理器用于执行如权利要求1-2任意一项所述的方法。
4.根据权利要求3所述的系统，其特征在于，所述RFID标签具体为超高频RFID脚环。
5.根据权利要求3所述的系统，其特征在于，所述RFID标签识读设备的标签读取范围覆盖整个所述重量测量平台。
6.根据权利要求3所述的系统，其特征在于，所述行走式重量测量平台设置在通向饲喂区的道路上。
7.根据权利要求3所述的系统，其特征在于，所述处理器包括：
计算单元，用于根据每次测量获得的所述体重数据和对应的每次测量的所述家禽的身份数据，组成非齐次线性方程组，对所述方程组进行求解，获得家禽群中每一只家禽的个体体重；其中，所述非齐次线性方程组中方程的数量大于或等于家禽群中家禽数量；
异常个体识别单元，用于根据所述家禽群中每一只家禽的个体体重，计算所述家禽群中家禽的平均体重和家禽个体的正常体重范围，对个体体重不在所述正常体重范围内的家禽个体进行识别。
8.根据权利要求7所述的系统，其特征在于，所述计算单元具体包括：
方程组组成子单元，用于根据每次体重测量时获得家禽的个体编号，对家禽个体体重进行编号，以每个家禽个体体重为未知数，组成非齐次线性方程，找出大于或等于未知数个数的方程组成非齐次线性方程组，且保证方程组系数矩阵与方程组增广矩阵的秩相等，等于方程组未知数个数；
体重计算子单元，用于对所述非齐次线性方程组进行求解，获得每个个体编号对应的体重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711481652.1A CN107960346B (zh) | 2017-12-29 | 2017-12-29 | 一种家禽群中异常体重个体识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711481652.1A CN107960346B (zh) | 2017-12-29 | 2017-12-29 | 一种家禽群中异常体重个体识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107960346A CN107960346A (zh) | 2018-04-27 |
| CN107960346B true CN107960346B (zh) | 2020-05-22 |
Family
ID=61993688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711481652.1A Active CN107960346B (zh) | 2017-12-29 | 2017-12-29 | 一种家禽群中异常体重个体识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107960346B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110763313A (zh) * | 2018-07-25 | 2020-02-07 | 生禾禾科技实业股份有限公司 | 家禽重量监测系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203241122U (zh) * | 2013-05-24 | 2013-10-16 | 北京农业信息技术研究中心 | 畜禽识别与称重装置 |
| CN205830774U (zh) * | 2016-07-18 | 2016-12-28 | 江苏农牧科技职业学院 | 一种水禽自动称重系统 |
| CN106644003A (zh) * | 2016-12-28 | 2017-05-10 | 怀宁鑫橙信息技术有限公司 | 一种流水线家禽检视系统 |
| CN106804469A (zh) * | 2017-01-19 | 2017-06-09 | 成都市宏德永兴养殖有限公司 | 一种家禽称重与捕获通道 |
-
2017
- 2017-12-29 CN CN201711481652.1A patent/CN107960346B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107960346A (zh) | 2018-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Automated techniques for monitoring the behaviour and welfare of broilers and laying hens: towards the goal of precision livestock farming | |
| US12016308B2 (en) | System for high performance, AI-based dairy herd management and disease detection | |
| EP3669645A1 (en) | Livestock information management system, livestock barn, livestock information management program, and livestock information management method | |
| CN102333117B (zh) | 基于物联网的家禽育种选种系统 | |
| Li et al. | A UHF RFID system for studying individual feeding and nesting behaviors of group-housed laying hens | |
| Lu et al. | An automatic splitting method for the adhesive piglets’ gray scale image based on the ellipse shape feature | |
| CN207798226U (zh) | 一种家禽体重测量装置 | |
| CN104077550A (zh) | 一种实现动物行为监测的健康指数评价的方法及系统 | |
| Gupta et al. | Taxonomic validation of five fish species of subfamily Barbinae from the Ganga river system of northern India using traditional and truss analyses | |
| US11100642B2 (en) | Computer system, and method and program for diagnosing animals | |
| CN107960346B (zh) | 一种家禽群中异常体重个体识别方法及系统 | |
| CN112595396A (zh) | 一种养殖场种鸡自动称重系统和方法 | |
| Wang et al. | An RFID-based automated individual perching monitoring system for group-housed poultry | |
| CN115457468A (zh) | 一种大型草场的智慧畜牧监测方法及系统 | |
| Kim et al. | Research and technology trend analysis by big data-based smart livestock technology: A review | |
| CN114241409A (zh) | 一种基于笼养鸡异常粪便和解剖图像的疾病早期预警系统及方法 | |
| Doornweerd et al. | Tracking individual broilers on video in terms of time and distance | |
| Qin et al. | Identification of body size characteristic points based on the Mask R-CNN and correlation with body weight in Ujumqin sheep | |
| CN110779575A (zh) | 一种基于大数据平台的畜牧业监测系统 | |
| Jayapalan et al. | Internet of Things‐based root disease classification in alfalfa plants using hybrid optimization‐enabled deep convolutional neural network | |
| CN208191867U (zh) | 一种基于传送带的单笼多蛋自动排序及标记装置 | |
| Wang et al. | A rfid-based monitoring system for characterization of perching behaviors of individual poultry | |
| Paudel et al. | Individual pigs’ identification using deep learning. | |
| CN112560336A (zh) | 畜牧物联网采集体温校准方法 | |
| US20240081293A1 (en) | Apparatus for monitoring the biological condition of pregnant breeding cattle |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |