CN108508782B - 基于arm的猪只行为跟踪识别监控装置及方法 - Google Patents
基于arm的猪只行为跟踪识别监控装置及方法 Download PDFInfo
- Publication number
- CN108508782B CN108508782B CN201810081533.5A CN201810081533A CN108508782B CN 108508782 B CN108508782 B CN 108508782B CN 201810081533 A CN201810081533 A CN 201810081533A CN 108508782 B CN108508782 B CN 108508782B
- Authority
- CN
- China
- Prior art keywords
- pig
- module
- data
- feed
- arm
- 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
- 238000012806 monitoring device Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000006399 behavior Effects 0.000 claims abstract description 53
- 239000003651 drinking water Substances 0.000 claims abstract description 41
- 235000020188 drinking water Nutrition 0.000 claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims abstract description 5
- 244000144977 poultry Species 0.000 claims abstract description 3
- 241000282898 Sus scrofa Species 0.000 claims description 164
- 239000002245 particle Substances 0.000 claims description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 230000035622 drinking Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 230000037406 food intake Effects 0.000 claims description 7
- 235000012631 food intake Nutrition 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 241000282887 Suidae Species 0.000 claims description 4
- 230000029142 excretion Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 239000003550 marker Substances 0.000 abstract description 3
- 238000012258 culturing Methods 0.000 description 5
- 238000009360 aquaculture Methods 0.000 description 3
- 244000144974 aquaculture Species 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000012153 swine disease Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Human Resources & Organizations (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于ARM的猪只行为跟踪识别监控装置及方法,包括ARM主控制芯片、数据采集模块、数据传输模块、数据处理模块、数据存储模块、算法实现模块、服务器模块、数据显示模块,实现对猪只的进食、饮水以及排泄行为监控;构造基于ARM跟踪算法下识别猪只行为的集约化养殖猪舍,利用跟踪算法对猪只的活动进行跟踪,将猪只的进食、饮水量和排泄次数以及时间与标准的参数进行对比,判断猪只的行为是否正常,并将异常的信息以报警的方式提供给猪只场养殖人员,有效解决猪只行为监控中利用标记识别猪只的准确性差、环境因素影响较大的缺点等问题。
Description
技术领域
本发明涉及图像处理、动物行为监控以及机器视觉领域,尤其涉及一种基于ARM的猪只行为跟踪识别监控装置。
背景技术
我国在世界养殖产业中占据着极其重要的地位,如何研发并推广高效集约式的养殖技术,努力实现养殖品种优良化,养殖管理自动化,养殖技术机械化,使我国从养殖大国转变为养殖强国,已成为当下研究的热点。通常,动物正常的采食、饮水、排泄等行为是判断其健康与否的重要依据。猪只每天的进食、饮水、排泄的次数以及时间根据猪只个体的差异会维持在一个稳定范围内,猪只进食、饮水、排泄的次数以及时间不稳定的情况是猪只患病的征兆。猪只生病前期的进食、饮水次数以及时间会存在明显的差别。因此监控猪只的异常行为信息对于提前预防猪病有重大的意义。
中国专利(CN 103679181 A)的发明专利“基于机器视觉的猪舍内猪只标记识别方法”采用标号识别的方法根据每头猪身上的标号来识别猪只。其将获取的图像进行二值化处理,对二值化图像进行腐蚀处理,再利用椭圆拟合法进行猪只的定位以及图形标识的提取,对提取的标识与标准的标识进行对比,以获得匹配的结果。该专利采用标号识别的方法来识别猪只,需要在猪只身上做标记符号,通过拍摄的图片来识别标号以此来定位识别猪只。但是在猪舍卫生环境差的情况下,猪只身的标记符号不可能被准确无误的识别,受到环境条件的影响比较大。另外当猪只躺卧或者标记被遮挡、不清晰时对标号的识别将造成很大的影响。所以,利用猪只身标号来对猪只的识别准确率不高,受猪只舍环境条件影响较大。
中国专利(CN 200910025813)的发明专利“一种基于行为监测的病猪识别方法及系统”通过背景消减的运动目标检测算法检测是否有猪只进入排泄区,并采用短信的方法发送报警信息。该方法只检测了猪只的排泄行为,不能对猪只的饮食信息做记录、警示。猪只舍环境的复杂性也给因特网的信息传输带来了不稳定因素。基于背景消减的目标检测算法精确度不高,容易受到外借环境的影响。
发明内容
为了解决上述现有技术所存在的问题,本发明提供了基于ARM跟踪算法的猪只行为监控装置及监控方法,以解决猪只行为识别中利用标记识别猪只的准确性差、环境因素影响较大的缺点。本发明可以有效的对猪只的饮水、进食和排泄行为进行识别,并且记录异常的信息,对异常现象做出自动报警。
实现本发明的技术方案为:
一种基于ARM的猪只行为跟踪识别监控装置,包括ARM主控制芯片、数据采集模块、数据传输模块、数据处理模块、数据存储模块、算法实现模块、服务器模块、数据显示模块;
所述的ARM主控制芯片通过数据传输模块分别与数据采集模块、数据处理模块、数据存储模块、算法实现模块、数据显示模块及服务器模块相连接,作为各个模块的主控制器;
所述的数据采集模块包含图像采集模块和传感器模块,用于采集猪舍的图像和食槽重量的数据;
所述数据处理模块用于将采集来的猪舍的图像和食槽重量的数据进行处理;
所述的数据传输模块将ARM主控制芯片、数据采集模块、数据处理模块、数据存储模块、算法实现模块、数据显示模块及服务器模块相互连接,用于数据的传输;
所述数据存储模块用于存储数据处理模块处理前和处理后的数据;
所述算法实现模块包括图像预处理、背景差分、阈值分割、形态学处理、边缘检测、质心提取,并使用粒子滤波算法解决视频图像中的目标遮挡问题,用来对图像数据中的目标进行跟踪识别;实现对猪只行为的跟踪监测;
所述服务器模块为用户的访问提供服务器,以便用户的访问;
所述数据显示模块包括现场端的显示器、移动端的工具以及电脑PC端的显示设备。
进一步,所述的ARM主控制芯片型号为Exynos 4412四核处理器,并使用型号为Tinny4412开发板引出大部分CPU功能引脚作为其他模块的接口。
进一步,所述的数据采集模块,所述的图像采集模块为光学摄像头,通过摄像头采集猪舍的视频,用于获取判断猪只行为的图像;所述的传感器模块为重力传感器,用于测量猪只的进食量和饮水量。
进一步,所述的数据采集模块和ARM主控制芯片的数据传输采用串口传输;所述的光学摄像头通过通用串行总线USB接口将视频信息传输给ARM主控制芯片;所述的重力传感器通过RS232通讯接口将采集的重量信息传递给ARM主控制芯片。
进一步,所述的数据存储模块采用容量为4G的内嵌存储芯片;
进一步,所述的基于ARM的猪只行为跟踪识别监控装置使用嵌入式linux系统,系统中搭载了图像处理软件库。
进一步,所述的图像处理软件库为嵌入式opencv视觉处理库。
进一步,所述服务器模块为搭建在嵌入式linux系统中的服务器,并且能够通过多种途径登陆服务器查看存储的信息,包括在ARM主控制芯片上连接的液晶显示屏、台式电脑主机和android手持终端。
进一步,所述的猪只行为监控包括监控猪只的进食、饮水以及排泄行为。
一种基于ARM跟踪算法下识别猪只行为的集约化养殖猪舍,其特征在于,所述的猪舍结构如下:
1)每个猪舍内分为进食、饮水、排泄以及猪只休息活动区域;
2)猪舍内进食、饮水区域的数量按照每3头猪一个的标准;
3)每个进食、饮水区域每次只能提供一头猪进食或者饮水,并且每个区域之间相对的隔离开来,并且在该区域设立护栏,每次只能容许一头猪进入;
4)每个区域同时提供进食和饮水装置;
5)对每个进食和饮水装置下方都安装一个重量传感器,用来计算猪的进食量和饮水量;
6)猪舍的上方安装摄像装置,拍摄猪舍的俯视视频,并保证整个猪舍范围都能被拍摄到。
一种基于ARM跟踪算法的猪只行为识别方法,包括以下步骤:
步骤1,通过数据采集模块采集获取猪舍图像信息;
步骤2,利用跟踪算法对跟踪的不同目标进行编号,作为区别不同猪只的信息并跟踪每只猪的移动位置;
步骤3,通过ARM主控制芯片对拍摄的图像中进行区域的标定,分别标定猪舍内猪只的进食区、饮水区以及排泄区;
步骤4,当跟踪判定算法判定出猪只进入进食或者饮水区域的时候会触发重量传感器,分别测量饲料和水重量,并且记录进食的猪只的编号、该头猪只开始进食或者饮水的时间;
步骤5,当跟踪判定算法判定出猪只离开进食或者饮水区域的时候再次触发重量传感器,再次测量出饲料和水的重量,并且记录猪只结束进食或者饮水的时间;
步骤6,根据两次测量的时间计算出猪只进食或者饮水所花费的总时间,根据重量传感器两次测量的重量数据计算出该头猪只进食量和饮水量,并且记录数据;
步骤7,当某头猪在进食、饮水区停留并且饲料和水的重量有变化是判定该头猪进行了进食或者饮水的行为;
步骤8,当某头猪在排泄区域停留够一定的时间,则判定该头猪进行了排泄行为;
步骤9,将猪只的进食、饮水量和排泄次数以及时间与标准的参数进行对比,判断猪只的行为是否正常,并将异常的信息以报警的方式提供给猪只场养殖人员。
本发明的有益效果:
1、不需要对猪身进行任何的标记,无需安装耳标或其他有伤猪只身体的标记,使其免受生物安全风险及痛苦的安装过程,对猪只完全无伤害;
2、采用嵌入式ARM装置,成本底、稳定性好,整个装置精简小巧,安装方便;
3、采用跟踪算法识别猪只,识别率比较高,受到猪舍恶略的环境影响较小;
4、适用于大型的集约化养殖场所,可以对同一猪舍的多头猪跟踪识别;
5、自动化程度高,对猪只行为记录比较详细,可以精确的记录某头猪的进食、饮水量,并且提供猪只异常进食、饮水、排泄行为的报警;
6、提供多终端访问显示,可以在现场端、电脑PC端和android移动手持终端同时提供数据的查询并可以提供报警信息。
附图说明
图1基于ARM的猪只行为跟踪识别监控装置图,
图2基于ARM的猪只行为跟踪识别监控装置结构框图,
图3基于ARM的猪只行为跟踪识别监控过程流程图,
图4基于ARM的猪只行为跟踪识别监控粒子滤波算法流程图,
图中:1-猪舍,2-养殖区域,3-猪只进食、饮水区域,4-猪舍排泄区域,5-摄像头,6-通信链路,7-ARM主控制芯片及其集成模块,8-液晶屏,9-服务器,10-第三方通信基站,11-路由器,12-PC电脑,13-android移动终端。
具体实施方式
下面结合附图和实施例对本发明进行进一步说明,但是本发明的保护范围并不限于此。
如图1所示,本发明基于ARM跟踪算法下识别猪只行为的集约化养殖猪舍:猪舍1,包括猪舍的建筑实体和围栏;养殖区域2,每个养殖区域都用护栏隔离开来;猪只进食、饮水区域3,包括饲料装置、饮水装置以及两个至于其下的重量传感器和进食、饮水区域的护栏;猪舍排泄区域4,供猪只在指定的区域排泄;摄像头5,拍摄一个养殖区域的俯视图片;通信链路6,包括各个模块之间的通信线路;ARM主控制芯片及其集成模块7,包括在装置中搭载的linux系统,在linux系统中移植的opencv图像处理库,在linux系统中运行的图像处理软件;液晶屏8,作为现场显示的终端;服务器9,作为整个系统的服务器装置,用来存储数据并且提供用户登陆功能,可以通过现场终端、PC电脑和android移动终端登陆服务器查询数据;第三方通信基站10,为服务器提供IP地址,提供用户访问;路由器11,为服务器以及用户提供IP管理;PC电脑12,用于养殖管理人员远程监控猪舍现场;android移动终端13,在终端内安装了监控APP,为用户提供手持端的监控服务。
如图2所示,基于ARM的猪只行为跟踪识别监控装置用于监控猪只的进食、饮水以及排泄行为,包括ARM主控制芯片、数据采集模块、数据传输模块、数据处理模块、数据存储模块、算法实现模块、服务器模块、数据显示模块;
ARM主控制芯片ARM主控制芯片型号为Exynos 4412四核处理器,并使用型号为Tinny4412开发板引出大部分CPU功能引脚作为其他模块的接口,并且通过数据传输模块分别与数据采集模块、数据处理模块、数据存储模块、算法实现模块、数据显示模块及服务器模块相连接,作为各个模块的主控制器。
数据采集模块包含图像采集模块和传感器模块,用于采集猪舍的图像和食槽重量的数据;图像采集模块为光学摄像头,通过摄像头采集猪舍的视频,用于获取判断猪只行为的图像;传感器模块为重力传感器,用于测量猪只的进食量和饮水量。
数据处理模块和ARM主控制芯片的数据传输采用串口传输;所述的光学摄像头通过通用串行总线USB接口将视频信息传输给ARM主控制芯片;所述的重力传感器通过RS232通讯接口将采集的重量信息传递给ARM主控制芯片,用于将采集来的猪舍的图像和食槽重量的数据进行处理;
数据传输模块将ARM主控制芯片、数据采集模块、数据处理模块、数据存储模块、算法实现模块、数据显示模块及服务器模块相互连接,用于数据的传输;
数据存储模块用于存储数据处理模块处理前和处理后的数据,采用容量为4G的内嵌存储芯片;
算法实现模块包括图像预处理、背景差分、阈值分割、形态学处理、边缘检测、质心提取,并使用粒子滤波算法解决视频图像中的目标遮挡问题,用来对图像数据进行处理,实现对猪只进行跟踪监测;
服务器模块为用户的访问提供服务器,以便用户的访问;
数据显示模块包括现场端的显示器、移动端的工具以及电脑PC端的显示设备。
基于ARM的猪只行为跟踪识别监控装置使用嵌入式linux系统,系统中搭载了图像处理软件库。
图像处理软件库为嵌入式opencv视觉处理库,基于opencv视觉处理库,利用粒子滤波算法解决视频图像中的目标遮挡问题,用来对图像数据进行跟踪处理。
服务器模块为搭建在嵌入式linux系统中的服务器,并且能够通过多种途径登陆服务器查看存储的信息,包括在ARM主控制芯片上连接的液晶显示屏、台式电脑主机和android手持终端。
如图3所示,基于ARM的猪只行为跟踪识别监控整个监控过程如下:
摄像头位于每个养殖区域的正上方,高度设置为正好能够拍摄到整个猪舍区域;
通过通信链路将拍摄的视频传输给ARM主控制芯片,将拍摄的视频画面中特定区域的坐标值做标记,分别设定进食、饮水区和排泄区;
利用跟踪算法对猪只进行跟踪,并对每个跟踪到的目标标记标号,以区分不同的猪只;
跟踪目标进入预先设定的进食、饮水区域时,首先触发进食、饮水区域的重量传感器,如果跟踪的目标在离开进食、饮水区域后重量传感器的记录数值有变化,则判定为该头猪有进食或者饮水,并且记录下来该头猪的标号和进食、饮水量;
跟踪目标进入预先设定的排泄区域时,记录目标进入该区域的时间,目标离开预先设定的排泄区域时,记录目标离开该区域的时间,并且计算出目标停留在排泄区的总时间;
设定猪只进食、饮水次数、时间和重量的高低阈值,以及排泄次数、时间的阈值,对比记录的数据和设定的阈值,如果存在异常的情况,则记录异常信息;
将拍摄的实时画面以及记录的进食、饮食和排泄信息存储进入服务器中;
可以通过猪舍现场显示器、养殖中心的PC电脑和android手持移动终端登陆服务器查看拍摄的实时画面以及记录的进食、饮水和排泄信息,并且异常信息可以自动的显示,以警告用户。
如图4所示,基于ARM的猪只行为跟踪识别监控粒子滤波算法流程图,本发明使用粒子滤波算法解决视频图像中的目标遮挡问题,用来对图像数据进行处理,实现对猪只行为跟踪监测,标准粒子滤波算法主要包括4个部分:初始化、重要性采样、权值更新和重采样,下面给出粒子滤波算法的具体步骤:
步骤一初始化,k=0时刻从初始分布p(x0)采样得到初始粒子N为粒子集中粒子的个数,权值设为记为
步骤二重要性采样,如果k-1时刻的后验概率分布的粒子集为然后对重要性分布函数重新取样,可以得到k时刻的先验粒子集合其中k代表当前时刻,k-1代表前一时刻,i代表第i个粒子,代表k-1时刻的第i个粒子,代表k-1时刻的第i个粒子的权值。
步骤三权值更新,得到k时刻的观测值zk后,更新重要性权值:
并对其进行归一化:
步骤四状态估计,状态进行估计:
其中xk为k时刻的状态值。
步骤五重采样,计算有效粒子数:
如果Neff≤Nth,Neff为有效粒子数,Nth是给定的阈值,对于k时刻的粒子集通过重采样之后得到新的粒子集合为
步骤六令k=k+1,转到步骤二。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (10)
1.一种基于ARM的猪只行为跟踪识别监控装置,包括ARM主控制芯片、数据采集模块、数据传输模块、数据处理模块、数据存储模块、算法实现模块、服务器模块、数据显示模块;
所述的ARM主控制芯片通过数据传输模块分别与数据采集模块、数据处理模块、数据存储模块、算法实现模块、数据显示模块及服务器模块相连接,作为各个模块的主控制器;
所述的数据采集模块包含图像采集模块和传感器模块,用于采集猪舍的图像和食槽重量的数据;
所述数据处理模块用于将采集来的猪舍的图像和食槽重量的数据进行处理;
所述数据传输模块将ARM主控制芯片、数据采集模块、数据处理模块、数据存储模块、算法实现模块、数据显示模块及服务器模块相互连接,用于数据的传输;
所述数据存储模块用于存储数据处理模块处理前和处理后的数据;
所述算法实现模块内置有图像预处理、背景差分、阈值分割、形态学处理、边缘检测、质心提取的图像处理算法,并依次通过图像预处理、背景差分、阈值分割、形态学处理、边缘检测、质心提取方法对图像数据进行处理,并使用粒子滤波算法解决视频图像中的目标遮挡问题,用来对图像数据中的目标进行跟踪识别;
所述粒子滤波算法的具体步骤:
步骤一初始化,k=0时刻从初始分布p(x0)采样得到初始粒子N为粒子集中粒子的个数,权值设为记为
步骤二重要性采样,如果k-1时刻的后验概率分布的粒子集为然后对重要性分布函数重新取样,可以得到k时刻的先验粒子集合其中k代表当前时刻,k-1代表前一时刻,i代表第i个粒子,代表k-1时刻的第i个粒子,代表k-1时刻的第i个粒子的权值;
步骤三权值更新,得到k时刻的观测值zk后,更新重要性权值:
并对其进行归一化:
步骤四状态估计,状态进行估计:
其中xk为k时刻的状态值;
步骤五重采样,计算有效粒子数:
如果Neff<Nth,Neff为有效粒子数,Nth是给定的阈值,对于k时刻的粒子集通过重采样之后得到新的粒子集合为
步骤六令k=k+1,转到步骤二;
所述服务器模块为用户的访问提供服务器,以便用户的访问;
所述数据显示模块包括现场端的显示器、移动端的工具以及电脑PC端的显示设备。
2.根据权利要求1所述的基于ARM的猪只行为跟踪识别监控装置,其特征在于,所述的ARM主控制芯片型号为Exynos 4412四核处理器,并使用型号为Tinny4412开发板引出大部分CPU功能引脚作为其他模块的接口。
3.根据权利要求1所述的基于ARM的猪只行为跟踪识别监控装置,其特征在于,所述的数据采集模块,所述的图像采集模块为光学摄像头,通过摄像头采集猪舍的视频,用于获取判断猪只行为的图像;所述的传感器模块为重力传感器,用于测量猪只的进食量和饮水量。
4.根据权利要求3所述的基于ARM的猪只行为跟踪识别监控装置,其特征在于,所述的数据采集模块和ARM主控制芯片的数据传输采用串口传输;所述的光学摄像头通过通用串行总线USB接口将视频信息传输给ARM主控制芯片;所述的重力传感器通过RS232通讯接口将采集的重量信息传递给ARM主控制芯片。
5.根据权利要求1所述的基于ARM的猪只行为跟踪识别监控装置,其特征在于,所述的基于ARM的猪只行为跟踪识别监控装置使用嵌入式linux系统,系统中搭载了图像处理软件库。
6.根据权利要求5所述的基于ARM的猪只行为跟踪识别监控装置,其特征在于,所述的图像处理软件库为嵌入式opencv视觉处理库。
7.根据权利要求1所述的基于ARM的猪只行为跟踪识别监控装置,其特征在于,所述服务器模块为搭建在嵌入式linux系统中的服务器,并且能够通过多种途径登陆服务器查看存储的信息,包括在ARM主控制芯片上连接的液晶显示屏、台式电脑主机和android手持终端。
8.根据权利要求1所述的基于ARM的猪只行为跟踪识别监控装置,其特征在于,所述的猪只行为监控包括监控猪只的进食、饮水以及排泄行为。
9.一种安装权利要求1所述的基于ARM的猪只行为跟踪识别监控装置的集约化养殖猪舍,其特征在于,猪舍结构如下:
1)每个猪舍内分为进食、饮水、排泄以及猪只休息活动区域;
2)猪舍内进食、饮水区域的数量按照每3头猪一个的标准;
3)每个进食、饮水区域每次只能提供一头猪进食或者饮水,并且每个区域之间相对的隔离开来,并且在该区域设立护栏,每次只能容许一头猪进入;
4)每个区域同时提供进食和饮水装置;
5)对每个进食和饮水装置下方都安装一个传感器模块,用来采集猪的进食量和饮水量;
6)猪舍的上方安装图像采集模块,拍摄猪舍的俯视视频,并保证整个猪舍范围都能被拍摄到。
10.一种根据权利要求1所述的基于ARM的猪只行为跟踪识别监控装置的猪只行为跟踪识别方法,其特征在于,包括以下步骤:
步骤1,通过数据采集模块采集获取猪舍图像信息;
步骤2,利用跟踪算法对跟踪的不同目标进行编号,作为区别不同猪只的信息并跟踪每只猪的移动位置;
步骤3,通过ARM主控制芯片对拍摄的图像中进行区域的标定,分别标定猪舍内猪只的进食区、饮水区以及排泄区;
步骤4,当跟踪判定算法判定出猪只进入进食或者饮水区域的时候会触发重量传感器,分别测量饲料和水重量,并且记录进食的猪只的编号、该头猪只开始进食或者饮水的时间;
步骤5,当跟踪判定算法判定出猪只离开进食或者饮水区域的时候再次触发重量传感器,再次测量出饲料和水的重量,并且记录猪只结束进食或者饮水的时间;
步骤6,根据两次测量的时间计算出猪只进食或者饮水所花费的总时间,根据重量传感器两次测量的重量数据计算出该头猪只进食量和饮水量,并且记录数据;
步骤7,当某头猪在进食、饮水区停留并且饲料和水的重量有变化是判定该头猪进行了进食或者饮水的行为;
步骤8,当某头猪在排泄区域停留够一定的时间,则判定该头猪进行了排泄行为;
步骤9,将猪只的进食、饮水量和排泄次数以及时间与标准的参数进行对比,判断猪只的行为是否正常,并将异常的信息以报警的方式提供给猪只场养殖人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081533.5A CN108508782B (zh) | 2018-01-29 | 2018-01-29 | 基于arm的猪只行为跟踪识别监控装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081533.5A CN108508782B (zh) | 2018-01-29 | 2018-01-29 | 基于arm的猪只行为跟踪识别监控装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108508782A CN108508782A (zh) | 2018-09-07 |
CN108508782B true CN108508782B (zh) | 2019-12-03 |
Family
ID=63375578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810081533.5A Active CN108508782B (zh) | 2018-01-29 | 2018-01-29 | 基于arm的猪只行为跟踪识别监控装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108508782B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345798B (zh) * | 2018-11-26 | 2021-03-19 | 日立楼宇技术(广州)有限公司 | 一种养殖场监控方法、装置、设备和存储介质 |
CN109684953B (zh) * | 2018-12-13 | 2021-05-14 | 北京小龙潜行科技有限公司 | 基于目标检测和粒子滤波算法进行猪只跟踪的方法及装置 |
CN110222577A (zh) * | 2019-05-08 | 2019-09-10 | 平安科技(深圳)有限公司 | 一种目标监控方法、装置、计算机设备及存储介质 |
CN110558248B (zh) * | 2019-09-27 | 2022-06-28 | 重庆大直科技有限公司 | 一种猪只数量监控装置 |
CN110597333B (zh) * | 2019-10-24 | 2021-06-15 | 任明乐 | 一种基于物联网的猪舍环境监控系统 |
CN111274975A (zh) * | 2020-01-21 | 2020-06-12 | 中国农业大学 | 猪只采食行为预测方法及装置 |
CN111414811A (zh) * | 2020-03-02 | 2020-07-14 | 中国农业大学 | 猪只饮水监测系统及方法 |
CN111667037A (zh) * | 2020-06-24 | 2020-09-15 | 山西凯永养殖有限公司 | 一种用于室内养猪场的大面积疫情检测系统 |
CN112016740A (zh) * | 2020-08-18 | 2020-12-01 | 北京海益同展信息科技有限公司 | 数据处理方法和装置 |
CN112700344A (zh) * | 2020-12-22 | 2021-04-23 | 成都睿畜电子科技有限公司 | 一种养殖场管理方法、装置、介质及设备 |
CN112602616A (zh) * | 2021-01-11 | 2021-04-06 | 咸阳职业技术学院 | 一种畜牧养殖动态监管服务装置和设备 |
CN112903078B (zh) * | 2021-01-21 | 2023-01-10 | 核工业四一六医院 | 一种实验鼠数据采集装置及采集方法 |
CN113063479A (zh) * | 2021-03-16 | 2021-07-02 | 深圳市归位科技有限公司 | 一种结合跟踪系统和磅秤的畜牧估重装置和方法 |
CN113096178A (zh) * | 2021-04-25 | 2021-07-09 | 中国农业大学 | 猪只体重的估测方法、装置、设备和存储介质 |
CN113516070A (zh) * | 2021-07-08 | 2021-10-19 | 深圳喜为智慧科技有限公司 | 一种猪只点数方法 |
CN117991707A (zh) * | 2024-04-03 | 2024-05-07 | 贵州省畜牧兽医研究所 | 一种智能化猪场环境监测控制系统及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101507658A (zh) * | 2009-03-10 | 2009-08-19 | 江苏大学 | 一种基于行为监测的病猪识别方法及系统 |
CN102510401B (zh) * | 2011-11-09 | 2014-11-19 | 南京农业大学 | 基于机器视觉技术的群养母猪饮水行为无线监测系统及其监测方法 |
CN104008367B (zh) * | 2014-05-08 | 2018-05-01 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
CN104504704B (zh) * | 2014-12-24 | 2017-12-05 | 江苏大学 | 自适应分块多阈值的俯视群养猪多目标提取方法 |
KR101716365B1 (ko) * | 2015-05-14 | 2017-03-15 | 군산대학교산학협력단 | 실시간 가축 도난 감지를 위한 모듈화 기반의 지능형 영상 감시 시스템 및 그 방법 |
CN105809711B (zh) * | 2016-03-02 | 2019-03-12 | 华南农业大学 | 一种基于视频追踪的猪只运动大数据提取方法及其系统 |
CN206776432U (zh) * | 2017-05-08 | 2017-12-22 | 北京农业信息技术研究中心 | 一种猪只饲喂系统 |
CN107182909B (zh) * | 2017-05-08 | 2022-07-01 | 北京农业信息技术研究中心 | 一种猪只饲喂方法、服务器、饲喂器及系统 |
-
2018
- 2018-01-29 CN CN201810081533.5A patent/CN108508782B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108508782A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108508782B (zh) | 基于arm的猪只行为跟踪识别监控装置及方法 | |
Dawkins et al. | Optical flow, flock behaviour and chicken welfare | |
Wurtz et al. | Recording behaviour of indoor-housed farm animals automatically using machine vision technology: A systematic review | |
Lao et al. | Automatic recognition of lactating sow behaviors through depth image processing | |
CN104008367B (zh) | 基于计算机视觉的育肥猪的自动行为分析系统及方法 | |
CN103488148B (zh) | 一种基于物联网和计算机视觉的家畜行为智能监控系统 | |
Ott et al. | Automated video analysis of pig activity at pen level highly correlates to human observations of behavioural activities | |
Zhu et al. | Recognition and drinking behaviour analysis of individual pigs based on machine vision | |
US20160050888A1 (en) | Automated Monitoring of Animal Nutriment Ingestion | |
WO2017003113A1 (ko) | 음향 및 영상분석을 통한 넙치 질병 예방 시스템 | |
CN109376584A (zh) | 一种用于畜牧业的禽畜数量统计系统和方法 | |
CN108874910B (zh) | 基于视觉的小目标识别系统 | |
WO2018174812A1 (en) | Systems and methods for identifying individual animals in a group of animals | |
CN113662530A (zh) | 一种猪只生理生长状态监测预警方法 | |
CN104007733B (zh) | 一种对农业集约化生产进行监控的系统及方法 | |
CN111797831A (zh) | 基于bim和人工智能的家禽进食并行异常检测方法 | |
CN108460370A (zh) | 一种固定式家禽生命信息报警装置 | |
CA3230401A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
KR20160109020A (ko) | 카메라를 이용한 소의 승가현상을 판별하는 시스템 | |
CN110070051A (zh) | 基于计算机视觉技术的牛发情监测方法及系统 | |
Chen et al. | Monitoring the behaviours of pet cat based on YOLO model and raspberry Pi | |
CN110490161B (zh) | 一种基于深度学习的圈养动物行为分析方法 | |
CN114494965A (zh) | 一种基于视觉的流浪宠物的检测方法及系统 | |
CN116912025A (zh) | 基于云边协同的畜牧养殖信息综合管理方法及系统 | |
CN208836782U (zh) | 一种家畜饮水信息收集装置及系统 |
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 |