CN108717668A - 一种奶牛行为与生理特征物联网系统及其工作方法 - Google Patents

Abstract

本发明公开了一种奶牛行为与生理特征物联网系统及其工作方法，包括有：实体监测模块，监测奶牛的运动信号与体温信号；数据收集模块，收集并处理实体监测模块监测到的信号数据；网间连接机，传输数据收集模块收集并处理过的信号数据；网络云端模块，设置有人工智能的算法，接收网间连接模块传送的信号数据然后分析判断出奶牛的具体的生理和行为状况；终端控制模块，显示网络云端模块分析判断后的奶牛的具体的生理和行为状况；能够将奶牛的运动和体温结合起来用于综合判断奶牛的发情、临产、疾病等生理和行为状况，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

Description

一种奶牛行为与生理特征物联网系统及其工作方法

技术领域

本发明属于养殖业监测系统技术领域，特别涉及一种奶牛行为与生理特征物联网系统及其工作方法。

背景技术

______畜牧业是现代农业的核心产业，奶牛可以把饲料转化为牛奶，从而给社会提供营养的饮用品。奶业是一个高效、持续、产业关联度高的产业，在我国的经济发展中具有重要的战略地位。因此，发展奶业对于改善居民的饮食结构，提高全民健康水平，以及促进农村产业结构调整和城乡协调发展，为农民带来新的增收增长点，带动国民经济相关产业发展都具有重要的意义。

______奶牛养殖业的经济效益与奶牛养殖业的管理水平密切相关，而奶牛养殖业的管理水平体现在是否能够准确的判断出奶牛的发情、临产、疾病等生理与行为状况。

奶牛的行为和生理特征可以用来判断奶牛的身体状况，具体地监测方式可能有如下几种：

1、奶牛的发情监测：

奶牛的发情周期平均为21天，发情时在生理上和行为上都有变化。生理上的变化有外阴红肿，阴道排出液体，体温升高等。行为上的变化有焦躁，警觉敏感，活动量加大，会爬跨其他母牛等等。人工监测一般就是靠肉眼观察，然后检查卵泡发育情况来判断发情和排卵，从而决定人工受精时间，但是人工监测不仅费时费力，而且精准度不高。自动监测一般是用计步器来检测每个小时的步数，然后对比日常的基数，在超过基数一定量之后发出报警。

早期使用的计步器是纯机械装置，牛每走一步数字就加壹。随着电子技术的发展，加速度计小型化到了芯片尺寸，电子计步器开始普遍应用。电子计步器的安装位置可能会在脚踝，膝盖，脖子，耳朵上。但是，电子计步器虽然是算法简单。但是受安装影响大，个体也有差异，冬天和夏天也有很大不同，对静默发情无法检测，而且检出率有一定局限。

2、奶牛的疾病监测：

疾病的监测一般是首先人工观察，然后对疑似有病的牛测量体温，检查心跳等初步诊断。然而在规模化养殖的业态下，人工观察显然难以适应需要。兽医人士的调查发现及早地发现疾病，可以减少经济上的损失，而人工检测做不到及早发现疾病。

3、奶牛的产犊监测：

奶牛在产犊之前会有诸多行为和生理上的变化，产犊前牛进食会减少，倒卧和站起的次数会增加，体温会下降等等，这些都是基本特征。一直以来都是依靠受孕记录和肉眼观察来大致确定临产日期，然后做分栏管理。但是这种方式不仅浪费人力成本，而且效率不高。

因此，亟需一种能够采集奶牛行为和生理特征然后提取及分析奶牛的行为和生理上的变化的系统来改善奶牛养殖业的管理水平和提高奶牛养殖业的经济效益。

在公告号CN107593498A，名称为“一种奶牛体温实时监测系统与方法”的中国发明专利中，公开了一种奶牛体温实时监测系统与方法，奶牛体温数据采集通过PT1000铂电阻作为温度测量探头将其两端产生的电压通过模数转换器传输给温度处理平台，温度采集过程为：在奶牛阴道植入温度传感器，温度测量探头与奶牛阴道接触，与探头相连的为整个电路模块，包括恒流源、模数转换器、MCU、无线通信模块。温度传感器测量的温度信息通过STM32微控制器的预处理，实现与用户计算机的无线通信，最终在计算机上显示出奶牛阴道内的温度；本发明可以测得奶牛真实体温，并实现温度信息的监测；精准、实时地监测奶牛的体温信息，其结构简单、操作方便、价格低廉。但是上述公开的奶牛体温实时监测系统与方法只能测量体温，不能全面准确的分析判断出奶牛的行为和生理上的变化，而且测量方式是阴道测量，这种方式只能对母牛进行，不能全面的检测到整个养殖业的奶牛的情况。

发明内容

为解决上述问题，本发明的首要目的在于提供一种奶牛行为与生理特征物联网系统及其工作方法，该系统及其工作方法能够将奶牛的运动和体温结合起来用于综合判断奶牛的发情、临产、疾病等生理和行为状况，采用人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

本发明的另一个目的在于提供一种奶牛行为与生理特征物联网系统及其工作方法，该系统及其工作方法操作简单、数据处理精确、使用效果好、易于广泛推广。

为实现上述目的，本发明的技术方案如下：

本发明提供一种奶牛行为与生理特征物联网系统，包括有：

实体监测模块，所述实体监测模块用于监测奶牛的运动信号与体温信号；

数据收集模块，所述数据收集模块用于收集并处理所述实体监测模块监测到的信号数据；

网间连接模块，所述网间连接模块用于传输数据收集模块收集并处理过的信号数据；

网络云端模块，所述网络云端模块内设置有人工智能的算法，所述网络云端模块用于接收所述网间连接模块传送的信号数据然后分析判断出奶牛的具体的生理和行为状况；

终端控制模块，所述终端控制模块用于显示所述网络云端模块分析判断后的奶牛的具体的生理和行为状况；

所述实体监测模块与所述数据收集模块通讯连接，所述数据收集模块与所述网间连接模块通讯连接，所述网间连接模块与所述网络云端模块通讯连接，所述网络云端模块与所述终端控制模块通讯连接。

在本发明中，该系统设计了两级或者多级无线网络组成的低功耗广域物联网，包括有一级网络、二级网络，所述一级网络由实体监测模块与数据收集模块组成，负责收集每头牛耳朵上安装的物联网节点，即实体监测模块采集出来的传感器数据；二级网络由数据收集模块和网间连接模块组成，二级网络也可以是自组网方案，即由多个数据收集模块组成到网间连接模块的链路。二级网络负责将所有数据收集模块上传的数据通过网间连接模块上传到网络云端模块，所诉网络云端模块将分析判断后的信号数据发送到终端控制模块。整个系统不是一个独立系统，而是一个跨区域的广域物联网架构，所述网络云端模块管理来自不同国家或区域的信息。二级网络广域物联网的设计是为了解决各种规模的场景应用，同时还形成了网络云端的大数据；该系统能够通过上述设置将奶牛的运动和体温结合起来用于综合判断奶牛的发情、临产、疾病等生理和行为状况，采用人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

进一步地，所述实体监测模块包括有复数组耳标组，所述复数组耳标组均包括有复数个耳标，所述复数个耳标固定在复数头不同国家或区域的奶牛耳内；

所述数据收集模块包括有与复数组耳标组相对应的复数个数据收集器，所述复数个数据收集器的数量与复数组耳标组的组数相一致，所述复数个数据收集器分别与所述复数组耳标组内的耳标通讯连接；

所述网间连接模块为网关，所述复数个数据收集器均与所述网关通讯连接；

所述网络云端模块包括有云端数据库，所述云端数据库内设置有人工智能的算法，所述终端控制模块为电子设备，所述电子设备上设置有APP，所述网络云端模块通过所述云端数据库接收所述网关传送的信号数据然后分析判断出奶牛的具体的生理和行为状况，所述终端控制模块通过所述APP显示所述云端数据库分析判断后的奶牛的具体的生理和行为状况。该系统能够通过耳标将奶牛的运动和体温结合起来再综合判断奶牛的发情、临产、疾病等生理和行为状况，通过云端数据库设置的人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

进一步地，所述耳标包括有第一片上系统、传感模块、电池，所述第一片上系统与所述电池电连接，所述传感模块与所述第一片上系统电连接，所述传感模块包括有运动传感器、体温传感器，所述运动传感器、体温传感器均与所述第一片上系统电连接，所述第一片上系统与所述数据收集器通讯连接。

在本发明中，所述耳标安装在奶牛的耳内，采用耳膜温度可以长时间连续测量，因此比较对象可以是本头奶牛的历史温度，从而降低绝对温度测量的精度要求，耳膜温度的特点是易于安装，可以实现奶牛规模化使用，其包括有体温传感器与运动传感器，从而使判断效果更佳，同时结合生理变化中体温的变化，使得判断发情更加准确，体温信息同时也能给出奶牛的疾病和临产报警。

进一步地，所述数据收集器包括有第二片上系统、第三片上系统、供电系统，所述第二片上系统与所述第三片上系统均与所述供电系统电连接，所述第二片上系统与所述第三片上系统通讯连接，所述第二片上系统与所述电子耳钉的第一片上系统通讯连接，所述第三片上系统与所述网关通讯连接。在本发明中，所述第二片上系统与第三片上系统通过串口连接进行桥接通信，上述设置可以使信号数据更加方便处理集合。

进一步地，所述网关包括有第四片上系统、ARM系统芯片，所述第四片上系统与所述ARM系统芯片电连接，所述第四片上系统与所述第三片上系统通讯连接，所述第四片上系统与所述网络云端模块通讯连接。在本发明中，所述网关运行Linux操作系统，ARM系统芯片的指令集较简单，所以功耗低、成本低。

进一步地，所述网关为复数个，所述复数个网关分布在不同国家或区域内，所述云端数据库包括有复数个接收不同国家或区域各个网关的数据的云端服务器，所述电子设备可以是手机、平板、计算机，所述APP为设置在电子设备上的用户界面。在本发明中，通过上述设置不仅可以监测奶牛个体的行为和生理状况，而且可以对不同时间、不同区域、不同环境、不同品种、不同饲养方式等的数据进行大数据处理，从而得到有价值的行为和生理深层次的分析结论；这样的设置比单一功能的独立系统的价值更加重要，例如，疫情的出现，出现的范围，在有大数据的情况下，就可以通过群体以及不同牧场的群体大数据分析得出结论。

本发明还提供一种奶牛行为与生理特征物联网系统的工作方法，包括以下步骤：

步骤1，监测并计算体温数据与运动数据，包括有步骤11、步骤12；

步骤11,耳标监测到奶牛的体温信号，将体温信号传送至数据收集器，所述数据收集器将体温信号处理后的体温数据发送至网关，所述网关将数据收集后发送至云端数据库储存，记录温度Ti；

步骤12，耳标监测到奶牛的运动信号，将运动信号传送至数据收集器，所述数据收集器将运动信号处理后的运动数据发送至网关，所述网关将数据收集后发送至云端数据库储存，通过人工智能的算法计算时隙活动量Lti；

步骤2，计算历史基线，将测量的温度信号的数据计算出平均数，设为历史基线Tb；将测量的运动信号的数据计算出平均数，设为历史基线Ltb；

步骤3，对比数据，包括有步骤31、步骤32；

步骤31，将Ti减去Tb，假如Ti减去Tb大于0.5，则计数加1，继续计算下一个Ti减去Tb，假如Ti减去Tb小于或等于0.5，则计数清零，返回步骤11；

步骤32，将Lti除以Ltb，假如Lti除以Ltb大于0.5，则计数加1，继续计算下一个Lti除以Ltb，假如Lti除以Ltb小于或等于0.5，则计数清零，返回步骤12；

步骤4，判断奶牛的具体情况，当步骤31的计数小于或等于3时，返回步骤11；当步骤32的计数小于或等于3时，返回步骤12；当步骤31和步骤32的计数均大于3时，判断出奶牛发情；当步骤31的计数大于3，步骤32的计数为0时，判断出奶牛生病；当步骤31的计数为0，步骤32的计数大于3时，判断出奶牛即将产犊；

步骤5，判断出奶牛为发情、生病、产犊时，将报警信息发送至APP。在本发明中，通过上述设置能够精准、高效的将奶牛的运动和体温结合起来再综合判断奶牛的发情、临产、疾病等生理和行为状况，通过云端数据库设置的人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

进一步地，步骤12中，计算出时隙活动量Lti的人工智能的算法包括有以下步骤：

步骤121，在云端数据库适当选取一个滑动窗口，计算每个滑动窗口的采样数据均值；

步骤122，计算相邻窗口均值差(x_diff，y_diff，z_diff)，定义sum_diff＝|x_diff|+|y_diff|+|z_diff|为活动量，其中x_diff，y_diff，z_diff分别表示加速度x，y，z轴的分量均值相邻窗口均值差；

步骤123，选取一个初始中心点C_i：sl_i，ma_i，ha_i，可以用第一组数据的最大活动量，三等分的中心点选取；

步骤124，对于新的活动量x_i+1(sum_diff值)，计算判断属于哪个类簇，判断条件如下：

||x_i+1-sl_i||≤||x_i+1-ma_i||，||x_i+1-sl_i||≤||x_i+1-ha_i||，则此点为低活动量SL，

||x_i+1-ma_i||≤||x_i+1-sl_i||，||x_i+1-ma_i||≤||x_i+1-ha_i||，则此点为中活动量MA，

||x_i+1-ha_i||≤||x_i+1-ma_i||，||x_i+1-ha_i||≤||x_i+1-sl_i||，则此点为高活动量HA；

步骤125，重新计算中心点，

SL：所有属于SL，则ma_i+1＝ma_i，ha_i+1＝ha_i，

MA：所有属于MA，则sl_i+1＝sl_i，ha_i+1＝ha_i，

HA：所有属于HA，则sl_i+1＝sl_i，ma_i+1＝ma_i；

步骤126，，计算时隙活动量l_t，

l_t＝k1*q_slt+k2*q_mat+k3*q_hat。在本发明中，通过上述人工智能的算法能够更加精准、高效的将奶牛的运动时隙活动量计算出来，通过人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

进一步地，步骤125中，k为一个加权系数。

进一步地，步骤126中，其中q_mat、q_slt和q_hat分别为某个时间内落在SL、MA和HA分类中的数量，k₁，k₂，k₃为加权系数，t代表时隙。在本发明中，时隙指标是一个统计指标，代表了所有运动的某种总值。

在本发明中，该系统的人工智能的算法并不采用单一的计步器的方法，而是定义一个包含了所有运动的活动量，然后采用人工智能算法的方法来进行分类，提取一种时间相关的量值，从而简化上传数据量，在网络云端结合体温的测量数据通过人工智能算法对奶牛的行为和生理状况进行判断，提高牧业的管理水平和效益。

本发明的有益效果在于：相比于现有技术，在本发明当中，该系统能够将奶牛的运动和体温结合起来用于综合判断奶牛的发情、临产、疾病等生理和行为状况，采用人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

附图说明

图1是本发明一种奶牛行为与生理特征物联网系统的框架示意图。

图2是本发明一种奶牛行为与生理特征物联网系统的实施例1示意图。

图3是本发明一种奶牛行为与生理特征物联网系统的实施例2示意图。

图4是本发明一种奶牛行为与生理特征物联网系统的工作方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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，并不用于限定本发明。

参见图1-4所示，本发明提供一种奶牛行为与生理特征物联网系统，包括有：

实体监测模块，实体监测模块用于监测奶牛的运动信号与体温信号；

数据收集模块，数据收集模块用于收集并处理实体监测模块监测到的信号数据；

网间连接模块，网间连接模块用于传输数据收集模块收集并处理过的信号数据；

网络云端模块，网络云端模块内设置有人工智能的算法，网络云端模块用于接收网间连接模块传送的信号数据然后分析判断出奶牛的具体的生理和行为状况；

终端控制模块，终端控制模块用于显示网络云端模块分析判断后的奶牛的具体的生理和行为状况；

实体监测模块与数据收集模块通讯连接，数据收集模块与网间连接模块通讯连接，网间连接模块与网络云端模块通讯连接，网络云端模块与终端控制模块通讯连接。

在本发明中，该系统设计了两级或者多级无线网络组成的低功耗广域物联网，包括有一级网络、二级网络，一级网络由实体监测模块与数据收集模块组成，负责收集每头牛耳朵上安装的物联网节点，即实体监测模块采集出来的传感器数据；二级网络由数据收集模块和网间连接模块组成，二级网络也可以是自组网方案，即由多个数据收集模块组成到网间连接模块的链路。二级网络负责将所有数据收集模块上传的数据通过网间连接模块上传到网络云端模块，所诉网络云端模块将分析判断后的信号数据发送到终端控制模块。整个系统不是一个独立系统，而是一个跨区域的广域物联网架构，网络云端模块管理来自不同国家或区域的信息。二级网络广域物联网的设计是为了解决各种规模的场景应用，同时还形成了网络云端的大数据；该系统能够通过上述设置将奶牛的运动和体温结合起来用于综合判断奶牛的发情、临产、疾病等生理和行为状况，采用人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

在本实施例中，实体监测模块包括有复数组耳标组，复数组耳标组均包括有复数个耳标，复数个耳标固定在复数头不同国家或区域的奶牛耳内；

数据收集模块包括有与复数组耳标组相对应的复数个数据收集器，复数个数据收集器的数量与复数组耳标组的组数相一致，复数个数据收集器分别与复数组耳标组内的耳标通讯连接；

网间连接模块为网关，复数个数据收集器均与网关通讯连接；

网络云端模块包括有云端数据库，云端数据库内设置有人工智能的算法，终端控制模块为电子设备，电子设备上设置有APP，网络云端模块通过云端数据库接收网关传送的信号数据然后分析判断出奶牛的具体的生理和行为状况，终端控制模块通过APP显示云端数据库分析判断后的奶牛的具体的生理和行为状况。该系统能够通过耳标将奶牛的运动和体温结合起来再综合判断奶牛的发情、临产、疾病等生理和行为状况，通过云端数据库设置的人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

在本实施例中，耳标包括有第一片上系统、传感模块、电池，第一片上系统与电池电连接，传感模块与第一片上系统电连接，传感模块包括有运动传感器、体温传感器，运动传感器、体温传感器均与第一片上系统电连接，第一片上系统与数据收集器通讯连接。

在本发明中，耳标安装在奶牛的耳内，采用耳膜温度可以长时间连续测量，因此比较对象可以是本头奶牛的历史温度，从而降低绝对温度测量的精度要求，耳膜温度的特点是易于安装，可以实现奶牛规模化使用，其包括有体温传感器与运动传感器，从而使判断效果更佳，同时结合生理变化中体温的变化，使得判断发情更加准确，体温信息同时也能给出奶牛的疾病和临产报警。

在本实施例中，数据收集器包括有第二片上系统、第三片上系统、供电系统，第二片上系统与第三片上系统均与供电系统电连接，第二片上系统与第三片上系统通讯连接，第二片上系统与电子耳钉的第一片上系统通讯连接，第三片上系统与网关通讯连接。在本发明中，第二片上系统与第三片上系统通过串口连接进行桥接通信，上述设置可以使信号数据更加方便处理集合。

在本实施例中，网关包括有第四片上系统、ARM系统芯片，第四片上系统与ARM系统芯片电连接，第四片上系统与第三片上系统通讯连接，第四片上系统与网络云端模块通讯连接。在本发明中，网关运行Linux操作系统，ARM系统芯片的指令集较简单，所以功耗低、成本低。

在本实施例中，网关为复数个，复数个网关分布在不同国家或区域内，云端数据库包括有复数个接收不同国家或区域各个网关的数据的云端服务器，电子设备可以是手机、平板、计算机，APP为设置在电子设备上的用户界面。在本发明中，通过上述设置不仅可以监测奶牛个体的行为和生理状况，而且可以对不同时间、不同区域、不同环境、不同品种、不同饲养方式等的数据进行大数据处理，从而得到有价值的行为和生理深层次的分析结论；这样的设置比单一功能的独立系统的价值更加重要，例如，疫情的出现，出现的范围，在有大数据的情况下，就可以通过群体以及不同牧场的群体大数据分析得出结论。

本发明还提供一种奶牛行为与生理特征物联网系统的工作方法，包括以下步骤：

步骤1，监测并计算体温数据与运动数据，包括有步骤11、步骤12；

步骤11,耳标监测到奶牛的体温信号，将体温信号传送至数据收集器，数据收集器将体温信号处理后的体温数据发送至网关，网关将数据收集后发送至云端数据库储存，记录温度Ti；

步骤12，耳标监测到奶牛的运动信号，将运动信号传送至数据收集器，数据收集器将运动信号处理后的运动数据发送至网关，网关将数据收集后发送至云端数据库储存，通过人工智能的算法计算时隙活动量Lti；

步骤2，计算历史基线，将测量的温度信号的数据计算出平均数，设为历史基线Tb；将测量的运动信号的数据计算出平均数，设为历史基线Ltb；

步骤3，对比数据，包括有步骤31、步骤32；

步骤31，将Ti减去Tb，假如Ti减去Tb大于0.5，则计数加1，继续计算下一个Ti减去Tb，假如Ti减去Tb小于或等于0.5，则计数清零，返回步骤11；

步骤32，将Lti除以Ltb，假如Lti除以Ltb大于0.5，则计数加1，继续计算下一个Lti除以Ltb；假如Lti除以Ltb小于或等于0.5，则计数清零，返回步骤12；

步骤4，判断奶牛的具体情况，当步骤31的计数小于或等于3时，返回步骤11；当步骤32的计数小于或等于3时，返回步骤12；当步骤31和步骤32的计数均大于3时，判断出奶牛发情；当步骤31的计数大于3，步骤32的计数为0时，判断出奶牛生病；当步骤31的计数为0，步骤32的计数大于3时，判断出奶牛即将产犊；

步骤5，判断出奶牛为发情、生病、产犊时，将报警信息发送至APP。在本发明中，通过上述设置能够精准、高效的将奶牛的运动和体温结合起来再综合判断奶牛的发情、临产、疾病等生理和行为状况，通过云端数据库设置的人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

在本实施例中，步骤12中，计算出时隙活动量Lti的人工智能的算法包括有以下步骤：

步骤121，在云端数据库适当选取一个滑动窗口，计算每个滑动窗口的采样数据均值；

步骤122，计算相邻窗口均值差(x_diff，y_diff，z_diff)，定义sum_diff＝|x_diff|+|y_diff|+|z_diff|为活动量，其中x_diff，y_diff，z_diff分别表示加速度x，y，z轴的分量均值相邻窗口均值差；

步骤123，选取一个初始中心点C_i：sl_i，ma_i，ha_i，可以用第一组数据的最大活动量，三等分的中心点选取；

步骤124，对于新的活动量x_i+1(sum_diff值)，计算判断属于哪个类簇，判断条件如下：

||x_i+1-sl_i||≤||x_i+1-ma_i||，||x_i+1-sl_i||≤||x_i+1-ha_i||，则此点为低活动量SL，

||x_i+1-ma_i||≤||x_i+1-sl_i||，||x_i+1-ma_i||≤||x_i+1-ha_i||，则此点为中活动量MA，

||x_i+1-ha_i||≤||x_i+1-ma_i||，||x_i+1-ha_i||≤||x_i+1-sl_i||，则此点为高活动量HA；

步骤125，重新计算中心点，

SL：所有属于SL，则ma_i+1＝ma_i，ha_i+1＝ha_i，

MA：所有属于MA，则sl_i+1＝sl_i，ha_i+1＝ha_i，

HA：所有属于HA，则sl_i+1＝sl_i，ma_i+1＝ma_i；

步骤126，，计算时隙活动量l_t，

l_t＝k1*q_slt+k2*q_mat+k3*q_hat。在本发明中，通过上述人工智能的算法能够更加精准、高效的将奶牛的运动时隙活动量计算出来，通过人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

在本实施例中，步骤125中，k为一个加权系数。

在本实施例中，步骤126中，其中q_mat、q_slt和q_hat分别为某个时间内落在SL、MA和HA分类中的数量，k₁，k₂，k₃为加权系数，t代表时隙。在本发明中，时隙指标是一个统计指标，代表了所有运动的某种总值。

在本发明中，该系统的人工智能的算法并不采用单一的计步器的方法，而是定义一个包含了所有运动的活动量，然后采用人工智能算法的方法来进行分类，提取一种时间相关的量值，从而简化上传数据量，在网络云端结合体温的测量数据通过人工智能算法对奶牛的行为和生理状况进行判断，提高牧业的管理水平和效益。

在本实施例中，运动属于行为属性，体温属于生理属性，正常的牛其行为和生理状态应该在一定的范围内变化，超出这个范围就要进行综合分析，从而确定牛的状态属于哪种情况。例如，发情检测的综合判断如图2所示，一头荷斯坦奶牛的体温持续3个小时上升了0.5度，可能是发情了，也可能是生病了，也可能是其他应激反应，如果同一时间运动量也持续3个小时上升了50％，而且其处在发情阶段，则发情的概率就会很高，生病的概率将会很小。但是如果同一时间运动量下降了20％，则生病的概率就会很大，而发情的概率将会很低。反过来，如果运动量上升了持续3小时上升50％，而体温没有上升到到0.3度，则发情的可能性很低。

本发明的有益效果在于：相比于现有技术，在本发明当中，该系统能够将奶牛的运动和体温结合起来用于综合判断奶牛的发情、临产、疾病等生理和行为状况，采用人工智能的算法进行机器学习和分类，从而克服了单一计步器计算方式的缺点，提高了奶牛的发情、临产、疾病发现率和判断的可靠性，还提升了奶牛养殖业的管理水平，从而改善了奶牛养殖业的经济效益。

以上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 (10)

1.一种奶牛行为与生理特征物联网系统，其特征在于包括有：

实体监测模块，所述实体监测模块用于监测奶牛的运动信号与体温信号；

数据收集模块，所述数据收集模块用于收集并处理所述实体监测模块监测到的信号数据；

网间连接模块，所述网间连接模块用于传输数据收集模块收集并处理过的信号数据；

网络云端模块，所述网络云端模块内设置有人工智能的算法，所述网络云端模块用于接收所述网间连接模块传送的信号数据然后分析判断出奶牛的具体的生理和行为状况；

终端控制模块，所述终端控制模块用于显示所述网络云端模块分析判断后的奶牛的具体的生理和行为状况；

所述实体监测模块与所述数据收集模块通讯连接，所述数据收集模块与所述网间连接模块通讯连接，所述网间连接模块与所述网络云端模块通讯连接，所述网络云端模块与所述终端控制模块通讯连接。

2.根据权利要求1所述的奶牛行为与生理特征物联网系统，其特征在于所述实体监测模块包括有复数组耳标组，所述复数组耳标组均包括有复数个耳标，所述复数个耳标固定在复数头奶牛耳内；

所述数据收集模块包括有与复数组耳标组相对应的复数个数据收集器，所述复数个数据收集器的数量与复数组耳标组的组数相一致，所述复数个数据收集器分别与所述复数组耳标组内的耳标通讯连接；

所述网间连接模块为网关，所述复数个数据收集器均与所述网关通讯连接；

所述网络云端模块包括有云端数据库，所述云端数据库内设置有人工智能的算法，所述终端控制模块为电子设备，所述电子设备上设置有APP，所述网络云端模块通过所述云端数据库接收所述网关传送的信号数据然后分析判断出奶牛的具体的生理和行为状况，所述终端控制模块通过所述APP显示所述云端数据库分析判断后的奶牛的具体的生理和行为状况。

3.根据权利要求2所述的奶牛行为与生理特征物联网系统，其特征在于，所述耳标包括有第一片上系统、传感模块、电池，所述第一片上系统与所述电池电连接，所述传感模块与所述第一片上系统电连接，所述传感模块包括有运动传感器、体温传感器，所述运动传感器、体温传感器均与所述第一片上系统电连接，所述第一片上系统与所述数据收集器通讯连接。

4.根据权利要求3所述的奶牛行为与生理特征物联网系统，其特征在于所述数据收集器包括有第二片上系统、第三片上系统、供电系统，所述第二片上系统与所述第三片上系统均与所述供电系统电连接，所述第二片上系统与所述第三片上系统通讯连接，所述第二片上系统与所述电子耳钉的第一片上系统通讯连接，所述第三片上系统与所述网关通讯连接。

5.根据权利要求4所述的奶牛行为与生理特征物联网系统，其特征在于所述网关包括有第四片上系统、ARM系统芯片，所述第四片上系统与所述ARM系统芯片电连接，所述第四片上系统与所述第三片上系统通讯连接，所述第四片上系统与所述网络云端模块通讯连接。

6.根据权利要求5所述的奶牛行为与生理特征物联网系统，其特征在于所述网关为复数个，所述复数个网关分布在不同国家或区域内，所述云端数据库包括有复数个接收不同国家或区域各个网关的数据的云端服务器，所述电子设备为手机、平板、计算机，所述APP为设置在电子设备上的用户界面。

7.根据权利要求6所述的一种奶牛行为与生理特征物联网系统的工作方法，其特征在于包括以下步骤：

步骤1，监测并计算体温数据与运动数据，包括有步骤11、步骤12；

步骤11,耳标监测到奶牛的体温信号，将体温信号传送至数据收集器，所述数据收集器将体温信号处理后的体温数据发送至网关，所述网关将数据收集后发送至云端数据库储存，记录温度Ti；

步骤12，耳标监测到奶牛的运动信号，将运动信号传送至数据收集器，所述数据收集器将运动信号处理后的运动数据发送至网关，所述网关将数据收集后发送至云端数据库储存，通过人工智能的算法计算时隙活动量Lti；

步骤2，计算历史基线，将测量的温度信号的数据计算出平均数，设为历史基线Tb；将测量的运动信号的数据计算出平均数，设为历史基线Ltb；

步骤3，对比数据，包括有步骤31、步骤32；

步骤31，将Ti减去Tb，假如Ti减去Tb大于0.5，则计数加1，继续计算下一个Ti减去Tb，假如Ti减去Tb小于或等于0.5，则计数清零，返回步骤11：

步骤32，将Lti除以Ltb，假如Lti除以Ltb大于0.5，则计数加1，继续计算下一个Lti除以Ltb，假如Lti除以Ltb小于或等于0.5，则计数清零，返回步骤12；

步骤4，判断奶牛的具体情况，当步骤31的计数小于或等于3时，返回步骤11；当步骤32的计数小于或等于3时，返回步骤12；当步骤31和步骤32的计数均大于3时，判断出奶牛发情；当步骤31的计数大于3，步骤32的计数为0时，判断出奶牛生病；当步骤31的计数为0，步骤32的计数大于3时，判断出奶牛即将产犊；

步骤5，判断出奶牛为发情、生病、产犊时，将报警信息发送至APP。

8.根据权利要求7所述的一种奶牛行为与生理特征物联网系统的工作方法，其特征在于步骤12中，计算出时隙活动量Lti的人工智能的算法包括有以下步骤：

步骤121，在云端数据库适当选取一个滑动窗口，计算每个滑动窗口的采样数据均值；

步骤122，计算相邻窗口均值差(x_diff，y_diff，z_diff)，定义sum_diff＝|x_diff|+|y_diff|+|z_diff|为活动量，其中x_diff，y_diff，z_diff分别表示加速度x，y，z轴的分量均值相邻窗口均值差；

步骤123，选取一个初始中心点C_i：sl_i，ma_i，ha_i，可以用第一组数据的最大活动量，三等分的中心点选取；

步骤124，对于新的活动量x_i+1(sum_diff值)，计算判断属于哪个类簇，判断条件如下：

||x_i+1-sl_i||≤||x_i+1-ma_i||，||x_i+1-sl_i||≤||x_i+1-ha_i||，则此点为低活动量SL，

||x_i+1-ma_i||≤||x_i+1-sl_i||，||x_i+1-ma_i||≤||x_i+1-ha_i||，则此点为中活动量MA，

||x_i+1-ha_i||≤||x_i+1-ma_i||，||x_i+1-ha_i||≤||x_i+1-sl_i||，则此点为高活动量HA；

步骤125，重新计算中心点，

SL：所有属于SL，则ma_i+1＝ma_i，ha_i+1＝ha_i，

MA：所有属于MA，则sl_i+1＝sl_i，ha_i+1＝ha_i，

HA：所有属于HA，则sl_i+1＝sl_i，ma_i+1＝ma_i；

步骤126，，计算时隙活动量l_t；

l_t＝k1*q_slt+k2*q_mat+k3*q_hat。

9.根据权利要求8所述的一种奶牛行为与生理特征物联网系统的工作方法，其特征在于，步骤125中，k为一个加权系数。

10.根据权利要求8所述的一种奶牛行为与生理特征物联网系统的工作方法，其特征在于步骤126中，其中q_mat、q_slt和q_hat分别为某个时间内落在SL、MA和HA分类中的数量，k1，k2，k3为加权系数，t为时隙。