CN108990831B - 一种牲畜健康监控方法和系统 - Google Patents
一种牲畜健康监控方法和系统 Download PDFInfo
- Publication number
- CN108990831B CN108990831B CN201810650363.8A CN201810650363A CN108990831B CN 108990831 B CN108990831 B CN 108990831B CN 201810650363 A CN201810650363 A CN 201810650363A CN 108990831 B CN108990831 B CN 108990831B
- Authority
- CN
- China
- Prior art keywords
- livestock
- electronic tag
- video image
- individual
- acquiring
- 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
- 244000144972 livestock Species 0.000 title claims abstract description 337
- 230000036541 health Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 230000033001 locomotion Effects 0.000 claims abstract description 103
- 230000000694 effects Effects 0.000 claims abstract description 54
- 230000035622 drinking Effects 0.000 claims abstract description 51
- 238000006073 displacement reaction Methods 0.000 claims abstract description 39
- 239000003651 drinking water Substances 0.000 claims abstract description 8
- 235000020188 drinking water Nutrition 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims description 99
- 241001465754 Metazoa Species 0.000 claims description 43
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000003862 health status Effects 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 8
- 239000003814 drug Substances 0.000 abstract description 6
- 229940079593 drug Drugs 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 25
- 238000009395 breeding Methods 0.000 description 21
- 230000001488 breeding effect Effects 0.000 description 21
- 230000006399 behavior Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 14
- 238000009434 installation Methods 0.000 description 13
- 230000002159 abnormal effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 241000282887 Suidae Species 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 235000013372 meat Nutrition 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000002349 favourable effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 235000013622 meat product Nutrition 0.000 description 3
- 235000015277 pork Nutrition 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 241000287828 Gallus gallus Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000037237 body shape Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 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
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Biophysics (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及牲畜健康监控领域，公开了一种牲畜健康监控方法和系统，方法包括：为每只牲畜佩戴电子标签，在牲畜活动区域设置相应的电子标签阅读器，以及在牲畜活动区域设置用于采集牲畜活动视频图像的摄像装置；利用电子标签阅读器和摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与电子标签身份相对应的个体移动轨迹信息；利用个体移动轨迹信息获取每间隔时间T1获取一次每只牲畜的位移总量；获取每只牲畜吃料情况；获取每只牲畜饮水情况；本发明能够基于牲畜电子标签身份实时跟踪牲畜个体活动轨迹，并实现所在位置、运动量、吃料情况以及饮水情况监控，有利于实现精确到牲畜个体的健康状态监控，减少牲畜用药和病死率。
Description
技术领域
本发明涉及牲畜健康监控技术领域，尤其涉及一种牲畜健康监控方法和系统。
背景技术
中国是一个牲畜养殖大国，据统计，牲畜的存栏率、出栏率以及肉制品产量等各项统计数据均居于全球排名的前列。特别是，猪肉产量达到了全球总量的一半以上，猪肉消费是全球其他国家的4.6倍。
目前，我国国内肉类消费比例逐年提高，使得畜牧养殖也从散户养殖向着规模化、集约化、信息化、智能化养殖转变。规模化养殖场大肆扩张的同时，受困于管理人员水平不足和牲畜管理混乱，生产效率低下的问题，此外，规模化养殖场存栏牲畜数目庞大，极易爆发大面积病菌感染、疾病传染或育肥速度慢，存在较高的食品安全隐患。可见，在规模扩张和技术升级的过程中，有效识别牲畜的数目、身份、行为和所在位置可以说是提高养殖效率、确保肉质安全的关键。
为了避免上述情况的发生，迫切需要一种可以自动识别和追踪牲畜数目、身份、行为和所在位置，以便精确到牲畜个体去分析牲畜健康状态的技术新方案。目前现有技术中已有相关通过实时监控牲畜的行为活动，实现对牲畜的健康管控的技术研究，有助于提前发现动物的异常行为，及时采取相应的措施，降低疾病的发生。
例如公开号为CN107692980A的专利文献公开了“一种牲畜健康情况自动监测分析方法及系统”，该方法包括以下步骤：智能耳标实时采集所在牲畜的体温、运动量数据，通过智能网关将数据上传到管理终端；当牲畜在食槽进食时，食槽处的智能网关将接收到的智能耳标发送的体温、运动量数据上传到管理终端，同时，该智能网关记录该智能耳标在食槽区域的停留时间并上传到管理终端；管理终端对接收到的数据进行分析，当某个牲畜对应的体温数据异常或运动量数据异常或进食时间异常时，管理终端判断该牲畜异常，通知工作人员查看。该设计利用智能耳标实时监测牲畜的体温、运动量、进食时间，帮助分析出牲畜的健康情况，有利于牲畜养殖管理，但是智能耳标硬件配置要求高，同一养殖场中牲畜个体越多设置成本越高；此外，并不能直观有效的实时监控牲畜的活动路线，不能帮助获取牲畜实时所在位置和体型轮廓；也不能采集牲畜个体的采食频次、饮水频次；因此，该设计采集的信息丰富性有限，数据参考价值有限。
又如公开号为CN106878671A的专利文献公开的“一种养殖场多目标视频分析方法及其系统”，方法包括：S1.基于养殖场的多个视频流，利用storm流式技术将所述视频流在时间上分割成多个微小数据片段，并将所述数据片段分配给多个工作节点；S2.利用多节点并行的方式对所述多个工作节点的数据片段进行分析，以获得所需的视频流。通过该视频流能够对牲畜特别是生猪行为轨迹进行实时监控和分析，有利于进一步获取更丰富的、具有参考价值的养殖数据。但是由于牲畜是运动目标，仅基于目标牲畜的视频流数据无法快速锁定养殖场中实际牲畜个体的身份，无法实现精确到养殖场中实际牲畜个体的行为管理和分析。
发明内容
本发明所要解决的技术问题在于，针对现有技术的上述不足，提出一种能够基于牲畜电子标签身份实时跟踪牲畜个体活动轨迹，实现所在位置、运动量、吃料情况以及饮水情况监控，有利于实现精确到牲畜个体健康状态监控的牲畜健康监控方法和系统。
本发明解决其技术问题，采用如下技术方案：
一种牲畜健康监控方法，包括以下步骤：
为每只牲畜佩戴电子标签，在牲畜活动区域设置相应的电子标签阅读器，以及在牲畜活动区域设置用于采集牲畜活动视频图像的摄像装置；
利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息；
根据所述个体移动轨迹信息每间隔时间T1获取一次每只牲畜的位移总量；
根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜吃料情况，所述吃料情况包括靠近料槽次数和每次吃料逗留时长；
根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜饮水情况，所述饮水情况包括靠近水槽次数和每次饮水逗留时长。
通过上述设计，本发明能够采集牲畜活动视频并通过电子标签、电子标签阅读器的配合使用，实现视频中牲畜个体电子标签身份的识别和牲畜个体行为轨迹的追踪，其中个体行为轨迹表征为包含随时间变化而产生位置变化的信息集合，利用牲畜个体行为轨迹还可以轻松方便且直观的实现牲畜所在位置、运动量、吃料情况以及饮水情况的监控，有利于基于上述信息实现精确到牲畜个体健康状态的分析，帮助提前发现异常，帮助养殖场有效管理牲畜群体，降低人力成本，减少牲畜用药和病死率，还能实现牲畜养殖生长过程的溯源，保障牲畜健康生长，高效产出。
进一步地，所述利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息具体包括以下步骤：
利用所述电子标签阅读器获取每只牲畜的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器的地理位置；
利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息；
根据每只牲畜电子标签身份被识别时的时间和所述电子标签阅读器的地理位置遍历所有所述视觉移动轨迹信息，获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器的地理位置的所述视觉移动轨迹信息，并将其匹配至相应的电子标签身份下形成与所述电子标签身份相对应的个体移动轨迹信息。
进一步地，所述利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息具体包括以下步骤：
利用深度学习技术，识别所述视频图像每一帧中的所有牲畜个体；对每一帧中每只牲畜赋予视觉编号，若当前帧中具有与前一帧中相同的牲畜个体，则赋予当前帧中牲畜个体与前一帧中牲畜个体相同的视觉编号；
获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息。
进一步地，所述料槽在所述视频图像中的位置和水槽在所述视频图像中的位置通过在牲畜活动区域的每个料槽和每个水槽位置设置所述电子标签阅读器，利用所述电子标签阅读器在开启时发送的自身身份信息和预存的对应位置列表获取，所述对应位置列表包括一一对应的电子标签阅读器身份信息、槽类型以及槽位置，所述槽类型包括水槽和料槽。
进一步地，所述料槽在所述视频图像中的位置和水槽在所述视频图像中的位置通过人工选取并进行料槽和水槽区分的方式获得。
进一步地，还包括以下步骤：
利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体背部轮廓；
根据所述个体背部轮廓计算背部轮廓面积；
根据所述背部轮廓面积和预设轮廓面积-体重模型，计算每只牲畜的体重；
基于每只牲畜每间隔时间T1的位移总量、吃料情况以及饮水情况判断牲畜的健康状态和/或基于每只牲畜每间隔时间T1的位移总量、吃料情况、饮水情况以及体重变化判断牲畜的健康状态。
一种牲畜健康监控系统，包括：
电子标签，设置于牲畜活动空间中每只牲畜个体上，具有唯一电子标签身份；
电子标签阅读器，设置于牲畜活动空间内，用于识别所述电子标签的电子标签身份；
摄像装置，设置于牲畜活动空间内，其视野覆盖整个牲畜活动空间，用于获取和发送视频图像；
个体轨迹模块，用于利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息；
活动程度模块，用于根据所述个体移动轨迹信息每间隔时间T1获取一次每只牲畜的位移总量；
吃料情况模块，用于根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜吃料情况，所述吃料情况包括靠近料槽次数和每次吃料逗留时长；
饮水情况模块，用于根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜饮水情况，所述饮水情况包括靠近水槽次数和每次饮水逗留时长。
进一步地，所述个体轨迹模块包括：
标签信息单元，用于利用所述电子标签阅读器获取每只牲畜的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器的地理位置；
视觉轨迹单元，用于利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息；
匹配单元，根据每只牲畜电子标签身份被识别时的时间和所述电子标签阅读器的地理位置遍历所有所述视觉移动轨迹信息，获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器的地理位置的所述视觉移动轨迹信息，并将其匹配至相应的电子标签身份下形成与所述电子标签身份相对应的个体移动轨迹信息。
进一步地，所述视觉轨迹单元包括：
识别赋予子单元，用于利用深度学习技术，识别所述视频图像每一帧中的所有牲畜个体；对每一帧中每只牲畜赋予视觉编号，若当前帧中具有与前一帧中相同的牲畜个体，则赋予当前帧中牲畜个体与前一帧中牲畜个体相同的视觉编号；
获取形成子单元，用于获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息。进一步地，
还包括：
轮廓获取模块，用于利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体背部轮廓；
面积计算模块，用于根据所述个体背部轮廓计算背部轮廓面积；
体重计算模块，用于根据所述背部轮廓面积和预设轮廓面积-体重模型，计算每只牲畜的体重；
健康判断模块，用于基于每只牲畜每间隔时间T1的位移总量、吃料情况以及饮水情况判断牲畜的健康状态和/或基于每只牲畜每间隔时间T1的位移总量、吃料情况、饮水情况以及体重变化判断牲畜的健康状态。
与现有技术相比，本发明的有益效果是：使用方便，采集数据方法简单，数据内容丰富，数据挖掘后可产生可靠性较强的个体数据，有利于养殖场的人力精简、成本缩减和精确到个体的牲畜生长过程的行为监控和溯源，实现科学化、个体化牲畜养殖管理，实现牲畜健康状态的实时监控，缩短牲畜个体异常发现时间，减少牲畜用药和病死率，适用于大规模养殖场的海量数据采集与分析。
通过在牲畜活动区域中设置摄像装置，实时的获取牲畜活动视频以便后续利用视频图像处理技术区分视频中牲畜个体视觉身份，实现视频中牲畜个体的行为数据采集；同时通过在牲畜活动区域中设置电子标签阅读器，配合牲畜个体上的电子标签，获取牲畜电子标签身份同时匹配电子标签身份与视觉身份从而获取与电子标签身份相匹配的牲畜个体的行为轨迹数据，继而利用个体行为轨迹数据实现牲畜个体所在位置、运动量、吃料情况以及饮水情况监控；帮助养殖场管理人员实现基于牲畜电子标签身份的个体行为管理，帮助养殖场完成牲畜个体的生长溯源，合理把关牲畜个体的健康状况和合理饮食，以便出现异常时，方便管理人员快速定位牲畜个体，解决异常，实现养殖场精细化管理，提高养殖效率。
此外，利用所述电子标签阅读器和所述摄像装置采集的视频图像还能有利于获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体背部轮廓，以便帮助实现牲畜个体体重、体型的实时监控，增加帮助健康状态分析具有参考价值的数据，使得健康监控异常的准确性更高。
附图说明
为更清楚详细的说明本发明的实施例，附图如下：
图1为本发明实施例1的牲畜健康监控方法的方法流程图；
图2为本发明实施例3中牲畜健康监控系统的系统框图；
图3为本本发明实施例3中个体轨迹模块的框图；
图4 为本发明实施例3中优选的牲畜健康监控系统的系统框图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
现代规模化牲畜养殖大大提高了肉制品生产效率，增加了经济效益。但规模化养殖管理任务庞大，除了日常饮食的喂养，还需要合理管控牲畜个体的健康，因此，需要大量的人力输入以及花费管理工人大量的管理精力，容易出现管理疏漏，管理效率低下，管理没有个体针对性，管理不到位不充分的情况，导致养殖成本大大提高。
本发明为提高规模化养殖场养殖管理水平，实现科学化、个体化牲畜行为和健康状态高效监控和管理，优化产能，降低综合成本，提供了一种牲畜健康监控方法和系统，帮助养殖场将养殖管理落实到每个牲畜个体，实现牲畜的高效化、精细化管理。
实施例1
如图1所示，本实施例提供一种牲畜健康监控方法，方法包括以下步骤：
S100：为每只牲畜佩戴电子标签，在牲畜活动区域设置相应的电子标签阅读器，以及在牲畜活动区域设置用于采集牲畜活动视频图像的摄像装置；
S200：利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息；
上述两个步骤中，电子标签安装在养殖场内每只牲畜身上，其中，电子标签又称射频标签、应答器、数据载体，它由耦合元件及芯片组成，每个标签具有唯一的电子编码，高容量电子标签有用户可写入的存储空间，其作用是附着在物体上标识目标对象的身份，帮助识别和区分目标对象；摄像装置被设置在牲畜活动区域，摄像装置的拍摄视野覆盖整个牲畜活动区域，采取24小时不间断摄像和实时发送摄像内容至分析设备的方式运行着，摄像装置包括摄像头，当一个摄像头无法覆盖整个牲畜活动区域时，可设置多个摄像头，当设置多个摄像头时，摄像头安装位置和相应安装位置的摄像头的设备ID需预先保存，以便后期数据处理分析时调用，有助于方便牲畜个体所在地理位置的初步确认，帮助提高数据准确性。
电子标签能够帮助养殖场管理人员根据电子标签上的唯一编码去识别牲畜个体，帮助实现牲畜个体身份的获取管理，电子标签在养殖场中的运用比较常见、技术也十分成熟，例如生猪养殖中使用的RFID耳标，养鸡场中使用的脚标等，更甚者如公开号CN107692980A的专利文献中提到的智能耳标。
电子标签阅读器与电子标签之间则是通过耦合元件实现射频信号的空间（无接触）耦合，在耦合通道内，根据时序关系，实现能量的传递和数据交换；基础型电子标签阅读器一般只用于读取电子标签的唯一编码，由于目前电子标签阅读器识别范围有限，根据养殖场内牲畜个体的行为习惯将电子标签阅读器设置在牲畜经常活动区域附近，例如圈舍出入口、水槽、食槽等位置，当牲畜靠近时，读取电子标签身份；电子标签阅读器设置于水槽、食槽时有助于牲畜个体饮食情况数据的采集，设置于圈舍出入口时能够对牲畜转圈行为进行第一时间的监控播报，此外，电子标签阅读器可仅设置一个；也可为了缩减牲畜群体身份识别时间，提高识别效率，设置多个在牲畜经常活动区域附近有序的分布，但所有电子标签阅读器的识度范围需全部在摄像装置拍摄视野内，以便所有能够被识别的佩戴有电子标签的牲畜个体都能在摄像装置拍摄视野内，保证数据的有效性和完整性；
进一步地，本实施例中电子标签阅读器除了识读电子标签外，还记录识度对应电子标签时的时间，并发送识读出的电子标签身份和相应电子标签被识别时的时间，需要注意的是，为了方便牲畜个体被识别当下所在位置的确认，在电子标签阅读器安装完成后，预先保存电子标签阅读器设备ID和对应安装位置的数据备用。
摄像装置实时采集牲畜活动区域的图像视频，能够充分的展示牲畜的活动情况，基于目前图像处理技术的发展，能够充分挖掘视频数据的前提，本实施例设有对视频中的牲畜个体进行识别并获取各自移动轨迹的部分，具体获取方式例如近几年发展成果卓越的机器视觉识别技术，除了能够识别图像中的物体外还能对图像中运动的物体的运动轨迹进行估计，符合本实施例设计需求；机器视觉识别技术中，常被应用于运动目标检测的方法有：
1、帧间差分法（Fame difference method），帧间差分法是在视频图像序列中连续的两个或三个相邻帧间，采取逐像素差分并阈值化的方法来提取图像中的运动区域；该方法对目标的运动速度以及图像的选择时机要求高；
2、背景差分法（Background subtraction method），背景差分法是将图像分为背景和前景两部分，首先对背景建模，然后利用当前帧与背景图像的差分来对运动区域进行检测，该方法所得的结果能够反映运动目标的位置、形状、大小等信息，可见该方法特别适用于本步骤中，对牲畜个体移动轨迹信息的获取，还有利于牲畜的体型监测；
3、光流法（Optical flow method），光流的概念最早提出于1950年，但至今在实操性上还需要研究人员的大量研究突破，光流反应了在一定时间间隔内的图像变化，首先对图像的运动场进行估计，将相似的速度矢量合并为同一运动目标，然后利用目标的矢量流特征，如方向和大小等来检测运动区域，如Meyer等通过计算位移向量光流场来达到初始化轮廓的目的，从而有效地实现了对运动目标的检测和跟踪；光流法的主要优点在于不需要预知场景的任何信息，而能够检测出独立的运动对象，缺点则是抗噪性能差，计算比较复杂，在没有特定硬件支持的情况下，一般很难用于对视频图像序列中的运动目标的实时性操作。
经过上述数据挖掘分析，获取到视频中每只牲畜个体的移动数据后，还需利用佩戴电子标签牲畜个体的电子标签身份被识别的时间在获取到的视频中每只牲畜个体的移动数据查找对应时间在该电子标签阅读器旁的牲畜个体，从而完成视频中视觉上的牲畜个体与牲畜个体电子标签身份的匹配，最终获取与所述电子标签身份相对应的个体移动轨迹信息；其中，本实施例所述的个体移动轨迹信息体现的是视频图像中每只牲畜个体各自随时间变化产生位置变化的有序集合，具体地，它可以是以视频流的形式保存下来，摄像装置拍摄的视频图像中有几个牲畜个体，就保存几个基于每只牲畜个体的视频流；也可以是以包含相应时间和位置数值的形式保存下来，以适当减少数据储存占用，需要说明的是，由于牲畜个体有体型的区分，不能简单的以一个坐标点位置数值保存个体移动轨迹信息，而是以能够体现牲畜个体轮廓的坐标集合形式保存位置数据。
S300：根据所述个体移动轨迹信息每间隔时间T1获取一次每只牲畜的位移总量；本步骤中位移总量为牲畜从所述个体移动轨迹信息中的时间起点到结算时间点的总的移动距离，例如所述个体移动轨迹信息中的时间起点为T0，时间终点为TX，此外，优选时间TX为时间T1的整数倍，以便计算的所有位移总量数值中包含所述个体移动轨迹信息最后一次时间TX的位移总量；具体地，本步骤中首先计算T0+ T1该时间结算点的位移总量，即将时间T0到时间T0+ T1这段时间内牲畜移动的距离总和作为位移总量S1；其次计算T0+ T1+T1时间点的位移总量，即将时间T0到时间T0+ T1+ T1这段时间内牲畜移动的距离总和作为位移总量S2；以此类推，直至计算完所述个体移动轨迹信息中所有每隔时间T1的位移总量。
S400：根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜吃料情况，所述吃料情况包括靠近料槽次数和每次吃料逗留时长；
根据料槽在所述视频图像中的位置和所述个体移动轨迹信息首先确认个体移动轨迹信息中料槽所在的位置坐标集，然后根据该位置坐标集出现的次数确认牲畜靠近料槽次数，根据每次位置坐标集出现到该位置坐标集改变所经过的时长确认每次吃料逗留时长；
S500：根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜饮水情况，所述饮水情况包括靠近水槽次数和每次饮水逗留时长。
饮水情况的获取与吃料情况类似，也需预先了解到水槽在所述视频图像中的位置，然后确认个体移动轨迹信息中水槽所在的位置坐标集，最后根据该位置坐标集出现的次数确认牲畜靠近水槽次数，根据每次位置坐标集出现到该位置坐标集改变所经过的时长确认每次饮水逗留时长。
综上，本实施例能够采集牲畜活动视频并通过电子标签、电子标签阅读器的配合使用，实现视频中牲畜个体电子标签身份的识别和牲畜个体行为轨迹的追踪，利用牲畜个体行为轨迹还可以轻松方便且直观的实现牲畜所在位置、运动量、吃料情况以及饮水情况的监控，有利于基于上述信息实现精确到牲畜个体健康状态的分析，帮助提前发现异常，帮助养殖场有效管理牲畜群体，降低人力成本，减少牲畜用药和病死率，还能实现牲畜养殖生长过程的溯源，保障牲畜健康生长，高效产出，此外，本实施例处理过程中不会对牲畜造成任何的应激，不会对牲畜造成伤害，不会影响牲畜的个体情绪，也有利于肉质品较好肉质的保障，特别适合于生猪养殖中的运用。
实施例2
本实施例与实施例1的区别在于，所述利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息具体包括以下步骤：
S210：利用所述电子标签阅读器获取每只牲畜的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器的地理位置；
S220：利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息；
S230：根据每只牲畜电子标签身份被识别时的时间和所述电子标签阅读器的地理位置遍历所有所述视觉移动轨迹信息，获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器的地理位置的所述视觉移动轨迹信息，并将其匹配至相应的电子标签身份下形成与所述电子标签身份相对应的个体移动轨迹信息。
上述步骤中，利用电子标签阅读器采集三个基本数据，利用摄像装置采集视频图像，利用视频图像分析视频中每个牲畜的视觉移动轨迹信息，然后根据这三个数据去匹配出与电子标签身份相对应的个体移动轨迹信息。
三个基本数据分别是电子标签身份、该电子标签身份被识别的时间以及识别该电子标签身份的电子标签阅读器的地理位置；其中，电子标签身份和该电子标签身份被识别的时间根据电子标签阅读器的实时识度情况获取，当佩戴电子标签牲畜个体靠近电子标签阅读器时，电子标签阅读器会获取上述两个基本数据；电子标签阅读器的地理位置的获取则可采用以下几种方式：一是由安装人员直接在电子标签阅读器被安装完毕后，在电子标签阅读器中储存电子标签阅读器地理位置以备调用；二是为电子标签阅读器内置GPS定位设备，由安装人员在电子标签阅读器被安装完毕后启动GPS获取地理位置并保存于电子标签阅读器中以备调用或直接发送至后端分析处理的设备；三是由安装人员直接在电子标签阅读器被安装完毕后，在后端分析处理的设备中保存一份电子标签阅读器设备ID与相应ID号电子标签阅读器所在位置的数据表A，然后设置电子标签阅读器在识别到电子标签后，发送电子标签身份、该电子标签身份被识别的时间以及自身设备ID至后端分析处理的设备，以便后端分析处理的设备利用设备ID和数据表A获取到相应电子标签阅读器所在位置。
进一步地，所述利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息具体包括以下步骤：
S221：利用深度学习技术，识别所述视频图像每一帧中的所有牲畜个体；对每一帧中每只牲畜赋予视觉编号，若当前帧中具有与前一帧中相同的牲畜个体，则赋予当前帧中牲畜个体与前一帧中牲畜个体相同的视觉编号；
本步骤中，利用深度学习技术获取图像特征，例如利用卷积神经网络（CNN）来获取图像高层次的特征，可用的深度学习模型诸如Fast R-CNN，YOLO，SSD等，详细进行如图像分割、目标关键点检测等图像识别处理后，一一识别所述视频图像每一帧中的所有牲畜个体；例如，一般情况下视频图像的一秒有25帧，如果一段视频为100秒，即需要对2500帧图像中的牲畜目标进行识别，并对两两不同帧中识别出的特征相同的牲畜赋予一相同视觉编号；具体地，第一帧中识别出三个不同牲畜个体，则对三个牲畜个体分别赋予一视觉编号，比如01、02、03；第二帧中识别出四个牲畜个体，其中，有三个牲畜个体的特征分别与第一帧中的01、02、03的牲畜个体特征相同，则对相同的牲畜个体赋予相同的视觉编号01、02、03，对新出现的牲畜个体赋予视觉编号04；依次类推，直至处理完所述视频图像的所有帧中牲畜个体识别和视觉编号赋予。
S222：获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息。
例如，基于之前步骤从所述视频图像中获得共4个视觉编号的牲畜个体，分别是01、02、03、04，然后本步骤中根据该4个视觉编号获取4个视觉编号各自在所述视频图像的2500个帧中的2500个帧位置，以及获取每一帧在所述视频图像中所对应的时间，并将每个视觉编号、该视觉编号的2500个帧位置，以及2500个帧每一帧的时间串联起来，形成视觉编号、视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息，从而能够反映出某一相同视觉编号在某一时间区间内的位置变化过程。具体地，获取形成视觉移动轨迹信息具体运用到的获取形成算法可利用数据驱动马尔科夫蒙特卡算法 （DDMCMC），匈牙利算法（Hungarian），概率数据关联算法（JPDA）等。
进一步地，所述料槽在所述视频图像中的位置和水槽在所述视频图像中的位置通过在牲畜活动区域的每个料槽和每个水槽位置设置所述电子标签阅读器，有多少料槽和水槽即设置至少该数目的电子标签阅读器，然后利用所述电子标签阅读器在开启时（即首次开机启动时）发送的自身身份信息和预存的对应位置列表获取，所述对应位置列表包括一一对应的电子标签阅读器身份信息、槽类型以及槽位置，所述槽类型包括水槽和料槽，电子标签阅读器身份信息为设备ID。通过上述设计，通过核对电子标签阅读器身份信息来获取槽类型和槽位置，以便后续执行吃料情况和饮水情况的获取。
具体地，对应位置列表如表1所示，
可选地，所述料槽在所述视频图像中的位置和水槽在所述视频图像中的位置通过人工选取并进行料槽和水槽区分的方式获得；
具体地，通过设置具备显示模块的高性能计算机，显示视频图像，提示管理人员点击选取所述视频图像中显示的料槽，高性能计算机根据点击情况，捕捉料槽在所述视频图像中的帧位置；同理，提示人员点击选取所述视频图像中显示的水槽，高性能计算机根据点击情况，捕捉水槽在所述视频图像中的帧位置，本设计，除了能帮助获取水槽、料槽在视频图像中的位置，还有利于根据管理人员获取需求，有针对性的选取料槽或水槽，以获取具体某一料槽或水槽处的吃料或饮水情况，有利于帮助管理人员获取每个槽的饮水、吃食情况，以便根据饮水、吃食情况合理投放水和食料。
进一步地，本实施例还包括以下步骤：
S600：利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体背部轮廓；
具体地，可先利用所述电子标签阅读器获取牲畜的电子标签身份，根据视频图像获取每只牲畜在视觉上的身份，然后结合电子标签身份被识别时的时间、电子标签阅读器所在位置确认牲畜视觉上的身份的电子标签身份；
其次根据视频图像利用图像处理技术获取牲畜背部轮廓图，其中背部轮廓图的获取需根据视频图像每一帧中牲畜所体现的轮廓情况，判断轮廓图是否为背部轮廓，若是，才对该轮廓图进行获取；本步骤中实现轮廓获取所用到的算法如基于单水平集的多目标轮廓提取算法，它通过修正CV模型，引入标记模板，用于追踪零水平集的分裂情况，对不同目标区域区别处理；还引入图像区域均值模板，能够估计可能淹没在背景区域中的目标区域，提高准确性。
可选地，也可以基于步骤S200获取的个体移动轨迹信息来获取与电子标签身份相对应的个体背部轮廓，由于个体移动轨迹信息本来就是基于电子标签身份获得的，故直接对个体移动轨迹信息进行处理来获取个体背部轮廓，无需再次进行电子标签身份与视觉上身份的匹配，可以减少图像处理过程中数据的重复获取，但需要注意的是，若基于步骤S200获取的个体移动轨迹信息来获取与电子标签身份相对应的个体背部轮廓，则步骤S200获取的个体移动轨迹信息需以视频流的形式获取，以便根据图像特征区分轮廓图是背部轮廓图还是其他角度的轮廓图。
S700：根据所述个体背部轮廓计算背部轮廓面积；
S800：根据所述背部轮廓面积和预设轮廓面积-体重模型，计算每只牲畜的体重；其中，不同品种牲畜的轮廓面积-体重模型不同，预设轮廓面积-体重模型可以是仅预存一类牲畜的轮廓面积-体重模型，也可以是预存多类牲畜的轮廓面积-体重模型并以编号区分以备不同牲畜的调用。
S900：基于每只牲畜每间隔时间T1的位移总量、吃料情况以及饮水情况判断牲畜的健康状态和/或基于每只牲畜每间隔时间T1的位移总量、吃料情况、饮水情况以及体重变化判断牲畜的健康状态。
本步骤中基于之前步骤获取的数据，进行健康状态的判断，具体地，根据每间隔时间T1的位移总量绘制位移总量变化曲线，根据位移总量变化曲线的斜率了解某段时间内牲畜个体的移动速度，判断牲畜个体是否存在追逐、打架、冲撞等异常情况，根据位移总量变化曲线末端的位移总量了解牲畜个体当下的运功总量，基于运功总量与标准运功量的比较，可帮助了解牲畜个体是否处于病弱等异常状态，当运功总量远低于标准运功量时，判断牲畜处于病弱状态；根据靠近料槽次数和每次吃料逗留时长、靠近水槽次数和每次饮水逗留时长，与常规标准状态下的进食和饮水规律进行比较，可获取牲畜个体进食、饮水是否出现异常，例如出现吃料次数明显降低，吃料逗留时间大大缩减时，判断进食出现异常；根据体重变化第一时间了解牲畜个体的生长情况，当体重下滑严重时，判断牲畜的健康存在异常。
进一步地，显示每只牲畜个体电子标签身份，具体显示时可用编号或颜色进行区分；显示基于牲畜个体电子标签身份的每只牲畜实时位移总量，具体以数值的方式展示；显示目前靠近料槽的牲畜个体，具体的在显示界面中列出料槽显示区域，将目前处于料槽区域的牲畜个体的电子标签身份显示；
进一步地，基于步骤S900若发现牲畜健康异常时，及时发出报警提示工作人员。
进一步地，根据个体移动轨迹信息的视频流还能用于体型变化次数统计，即背部（站）到侧面（躺）之间的转换次数，进而帮助判断牲畜产前的不安，判断产程。
综上，本实施例的监控方法充分的利用图像处理技术，将摄像装置采集的所述视频图像进行深度的数据挖掘，不仅能够对牲畜所在位置、运动量、吃料情况以及饮水情况的数据进行精细挖掘，还能对牲畜的体型、体重等进行挖掘，丰富了对牲畜的健康状态进行判断的参考数据，能够帮助养殖管理人员获取更多的管理数据，较完整的、准确的健康异常判断。
实施例3
如图2、图3、图4所示，本实施例提供一种牲畜健康监控系统，主要是为实施例1和实施例2中所述方法提供物理支持，系统包括：
电子标签100，设置于牲畜活动空间中每只牲畜个体上，具有唯一电子标签身份；
电子标签阅读器200，设置于牲畜活动空间内，用于识别所述电子标签的电子标签身份；电子标签阅读器200可仅设置一个，也可多个在牲畜经常活动的区域有序的设置，优选在料槽、水槽以及圈舍出入口处安装；电子标签阅读器200安装完毕后，保存电子标签阅读器200设备ID和对应安装位置的数据表于个体轨迹模块400中，以备数据调用。
摄像装置300，设置于牲畜活动空间内，其视野覆盖整个牲畜活动空间，用于获取和发送视频图像；且采集优选为每天24小时不间断采集，只要摄像装置300通电，就会进行视频数据采集；发送也为实时发送，以避免消息滞后，摄像装置300的摄像头优选摄像品质好的高清鱼眼摄像头，以便较大范围无死角的监控养殖场内环境；
摄像装置300具体安装位置需要根据使用环境，合理规划设置高度和角度，例如，一个养殖棚中牲畜活动空间包括多个圈舍，根据养殖棚的棚顶高度情况，选择将摄像装置300设置于棚顶或墙或柱上，以求尽可能少的设置摄像装置300或摄像头个数但保证所有的摄像装置300集合拍摄的范围能够覆盖棚顶下方所有牲畜能够活动的范围，且需要保证摄像装置300视野不被圈舍围墙或围栏阻挡；摄像头有多个时，摄像头的安装位置与设备ID对应表需预先保存于个体轨迹模块400，以便将摄像头采集图像区域与实际地理位置对应，增加数据准确度和可靠性。
个体轨迹模块400，用于利用所述电子标签阅读器200和所述摄像装置300采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息；
个体轨迹模块400利用所述电子标签阅读器200获取每只牲畜的电子标签身份，获取方式可通过有线或无线通信的方式，由电子标签阅读器200在识别牲畜个体时发送该牲畜的电子标签身份；个体轨迹模块400同理也通过有线或无线通信的方式与摄像装置300建立通信，例如POE接口通信方式，除了能够进行数据传输还能为摄像装置300供电；个体轨迹模块400通过通信获取摄像装置300采集的视频图像，然后对视频图像进行图像处理，获取出与所述电子标签身份相对应的个体移动轨迹信息；
活动程度模块500，用于根据所述个体移动轨迹信息每间隔时间T1获取一次每只牲畜的位移总量；
吃料情况模块600，用于根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜吃料情况，所述吃料情况包括靠近料槽次数和每次吃料逗留时长；
饮水情况模块700，用于根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜饮水情况，所述饮水情况包括靠近水槽次数和每次饮水逗留时长。
本实施例能够通过电子标签100、电子标签阅读器200的配合使用获取牲畜个体电子标签身份，通过摄像装置300采集牲畜活动视频，通过个体轨迹模块400获取个体移动轨迹信息并将其与电子标签身份对等起来，实现牲畜个体电子标签身份的识别和基于电子标签身份牲畜个体行为轨迹的追踪；通过活动程度模块500、吃料情况模块600、饮水情况模块700利用个体轨迹模块400获取的与所述电子标签身份相对应的个体移动轨迹信息，可以轻松方便且直观的实现牲畜所在位置、运动量、吃料情况以及饮水情况的监控，综上，有利于基于上述信息实现精确到牲畜个体健康状态的分析，帮助实时监控牲畜个体，提前发现异常，帮助养殖场有效管理牲畜群体，降低人力成本，减少牲畜用药和病死率，当牲畜生长的整个过程的运动量、吃料情况以及饮水情况等都被记录下来，还能实现牲畜养殖生长过程的溯源。此外，本实施例处理过程中不会对牲畜造成任何的应激，不会对牲畜造成伤害，不会影响牲畜的个体情绪，也有利于肉质品较好肉质的保障。
进一步地，如图3所示，所述个体轨迹模块400包括：
标签信息单元410，用于利用所述电子标签阅读器200获取每只牲畜的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器200的地理位置；
电子标签阅读器200除了被设置成能够识别电子标签100对应的牲畜的电子标签身份外，还能够同时记录电子标签身份被识别时的时间，以及发送电子标签身份、电子标签身份被识别时的时间以及自身的设备ID至个体轨迹模块400，标签信息单元410接收电子标签阅读器200发送的上述三个数据，并利用设备ID与之前保存的电子标签阅读器200设备ID与安装位置对应表获取相应的电子标签阅读器200的地理位置；
视觉轨迹单元420，用于利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息；
匹配单元430，根据每只牲畜电子标签身份被识别时的时间和所述电子标签阅读器200的地理位置遍历所有所述视觉移动轨迹信息，获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器200的地理位置的所述视觉移动轨迹信息，并将其匹配至相应的电子标签身份下形成与所述电子标签身份相对应的个体移动轨迹信息。
进一步地，所述视觉轨迹单元420包括：
识别赋予子单元421，用于利用深度学习技术，识别所述视频图像每一帧中的所有牲畜个体；对每一帧中每只牲畜赋予视觉编号，若当前帧中具有与前一帧中相同的牲畜个体，则赋予当前帧中牲畜个体与前一帧中牲畜个体相同的视觉编号；
获取形成子单元422，用于获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息。
优选地，如图4所示，系统还包括：
轮廓获取模块800，用于利用所述电子标签阅读器200和所述摄像装置300采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体背部轮廓；
面积计算模块900，用于根据所述个体背部轮廓计算背部轮廓面积；
体重计算模块1000，用于根据所述背部轮廓面积和预设轮廓面积-体重模型，计算每只牲畜的体重；
健康判断模块1100，用于基于每只牲畜每间隔时间T1的位移总量、吃料情况以及饮水情况判断牲畜的健康状态和/或基于每只牲畜每间隔时间T1的位移总量、吃料情况、饮水情况以及体重变化判断牲畜的健康状态。
具体地，个体轨迹模块400、活动程度模块500、吃料情况模块600、饮水情况模块700、面积计算模块900、体重计算模块1000以及健康判断模块1100均运行于高性能的计算机D中，该计算机D被作为服务器使用，由服务器来实现与客户终端的信息交互，提醒管理人员牲畜个体的健康异常。
本发明实施例中的牲畜为家禽或者家畜等养殖类型物种，比如肉鸡、肉鸭、肉猪、肉羊等养殖类型物种，当然也不限于此类型。
本发明一实施例实地测试验证中，对用于健康监控测试的5只生猪进行电子标签100的佩戴，该电子标签100为RFID电子耳标，5只生猪的活动区域为圈舍，摄像装置300安装于圈舍上方拍摄圈舍的整个视野，电子标签阅读器200安装于圈舍内的水槽1和料槽1上，高性能计算机安装于养殖场干净的机房中，其内运行有个体轨迹模块400、活动程度模块500、吃料情况模块600、饮水情况模块700、轮廓获取模块800、面积计算模块900、体重计算模块1000以及健康判断模块1100，个体轨迹模块400内储存有水槽1和料槽1处设置的电子标签阅读器200设备ID、槽类型和安装位置对照信息；高性能计算机与电子标签阅读器200无线连接，具体为利用 LPWAN（low-power Wide-AreaNetwork，低功耗广域网）实现电子标签阅读器200与高性能计算机的数据传输处理，接收范围为 300 米，高性能计算机与摄像装置300通过POE供电传输方式有线连接，实现高性能计算机与摄像装置300信息交互同时，还能通过高性能计算机为摄像装置300供电，摄像装置300包括摄像头和NVR 专业录像机，摄像头采集的视频图像除了实时发送至高性能计算机外，还保存于NVR 专业录像机，以保证数据的安全性。
以上硬件系统安装设置完毕后，通过简单调试即可进行监控过程，摄像装置300实时监控获取5只生猪在圈舍内的活动视频并上传高性能计算机，高性能计算机通过个体轨迹模块400获取出5个基于牲畜视觉编号的视觉移动轨迹信息，该信息以视频流形式被获取；
另一边牲畜活动区域站中，当5只生猪分别靠近料槽和水槽的识读范围时，对应的电子标签阅读器200会识读生猪身上的电子标签身份，记录电子标签身份被识读的时间以及发送电子标签身份、该电子标签身份被识读的时间以及自身设备ID一一对应的三个参数至高性能计算机；由于测试对象只有5只生猪，故高性能计算机会受到5组上述一一对应的参数集合；
高性能计算机的个体轨迹模块400首先将电子标签阅读器200发送的自身设备ID与之前预存的电子标签阅读器200设备ID、槽类型和安装位置（即是槽位置也是电子标签阅读器200的安装地理位置）对照信息进行比对，获取到槽类型和安装位置信息；然后根据安装位置、该电子标签身份被识读的时间去所有5个视觉移动轨迹信息中获取到相同该时间具有相同该安装位置的唯一一个视觉移动轨迹信息，然后将该唯一一个视觉移动轨迹信息与该电子标签身份匹配形成与电子标签身份相对应的个体移动轨迹信息；
然后活动程度模块500、吃料情况模块600、饮水情况模块700以及轮廓获取模块800基于与电子标签身份相对应的个体移动轨迹信息、槽类型和安装位置分别获取到每间隔时间T1的位移总量、吃料情况、饮水情况以及个体背部轮廓图，个体背部轮廓图又经过面积计算模块900、体重计算模块1000的处理从而获取到牲畜个体的体重，随着个体移动轨迹信息的实时变化，每间隔时间T1的位移总量、吃料情况、饮水情况以及体重会得到不断的更新，健康判断模块1100基于每间隔时间T1的位移总量、吃料情况、饮水情况以及体重的实时变化，分析判断出牲畜个体的实时健康状态。
综上，本发明将视频图像与电子标签身份结合起来，以获取牲畜活动空间中基于电子标签身份的实际每只牲畜的个体移动轨迹信息，然后又利用个体移动轨迹信息以及其他相关参数进一步获取到每间隔时间T1的位移总量、吃料情况、饮水情况以及体重，有利于实现基于牲畜个体身份的牲畜健康状况实时监控，实现养殖场群畜管理的科学化、个体化健康管控，减少疫情发生和药物使用。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (3)
1.一种牲畜健康监控方法，其特征在于，包括以下步骤：为每只牲畜佩戴电子标签，在牲畜活动区域设置相应的电子标签阅读器，以及在牲畜活动区域设置用于采集牲畜活动视频图像的摄像装置；利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息；根据所述个体移动轨迹信息每间隔时间T1获取一次每只牲畜的位移总量；根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜吃料情况，所述吃料情况包括靠近料槽次数和每次吃料逗留时长；根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜饮水情况，所述饮水情况包括靠近水槽次数和每次饮水逗留时长；
所述利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息具体包括以下步骤：
利用所述电子标签阅读器获取每只牲畜的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器的地理位置；
利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息；
根据每只牲畜电子标签身份被识别时的时间和所述电子标签阅读器的地理位置遍历所有所述视觉移动轨迹信息，获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器的地理位置的所述视觉移动轨迹信息，并将其匹配至相应的电子标签身份下形成与所述电子标 签身份相对应的个体移动轨迹信息；
所述利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息具体包括以下步骤：
利用深度学习技术，识别所述视频图像每一帧中的所有牲畜个体；
对每一帧中每只牲畜赋予视觉编号，若当前帧中具有与前一帧中相同的牲畜个体，则赋予当前帧中牲畜个体与前一帧中牲畜个体相同的视觉编号；
获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息；
所述料槽在所述视频图像中的位置和水槽在所述视频图像中的位置通过在牲畜活动区域的每个料槽和每个水槽位置设置所述电子标签阅读器，利用所述电子标签阅读器在开启时发送的自身身份信息和预存的对应位置列表获取，所述对应位置列表包括一一对应的电子标签阅读器身份信息、槽类型以及槽位置，所述槽类型包括水槽和料槽；
牲畜健康监控方法还包括：利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体背部轮廓；根据所述个体背部轮廓计算背部轮廓面积；根据所述背部轮廓面积和预设轮廓面积-体重模型，计算每只牲畜的体重；基于每只牲畜每间隔时间T1的位移总量、吃料情况以及饮水情况判断牲畜的健康状态和/或基于每只牲畜每间隔时间T1的位移总量、吃料情况、饮水情况以及体重变化判断牲畜的健康状态。
2.根据权利要求1所述的一种牲畜健康监控方法，其特征在于，所述料槽在所述视频图像中的位置和水槽在所述视频图像中的位置通过人工选取并进行料槽和水槽区分的方式获得。
3.一种牲畜健康监控系统，其特征在于，包括：电子标签，设置于牲畜活动空间中每只牲畜个体上，具有唯一电子标签身份；电子标签阅读器，设置于牲畜活动空间内，用于识别所述电子标签的电子标签身份；摄像装置，设置于牲畜活动空间内，其视野覆盖整个牲畜活动空间，用于获取和发送视频图像；个体轨迹模块，用于利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息；活动程度模块，用于根据所述个体移动轨迹信息每间隔时间T1获取一次每只牲畜的位移总量；吃料情况模块，用于根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜吃料情况，所述吃料情况包括靠近料槽次数和每次吃料逗留时长；饮水情况模块，用于根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只牲畜饮水情况，所述饮水情况包括靠近水槽次数和每次饮水逗留时长；所述个体轨迹模块包括：标签信息单元，用于利用所述电子标签阅读器获取每只牲畜的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器的地理位置；视觉轨迹单元，用于利用所述视频图像获取所述视频图像中每只牲畜的视觉移动轨迹信息；匹配单元，根据每只牲畜电子标签身份被识别时的时间和所述电子标签阅读器的地理位置遍历所有所述视觉移动轨迹信息，获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器的地理位置的所述视觉移动轨迹信息，并将其匹配至相应的电子标签身份下形成与所述电子标签身份相对应的个体移动轨迹信息；所述视觉轨迹单元包括：识别赋予子单元，用于利用深度学习技术，识别所述视频图像每一帧中的所有牲畜个体；对每一帧中每只牲畜赋予视觉编号，若当前帧中具有与前一帧中相同的牲畜个体，则赋予当前帧中牲畜个体与前一帧中牲畜个体相同的视觉编号；获取形成子单元，用于获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息；
牲畜健康监控系统还包括轮廓获取模块，用于利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只牲畜的电子标签身份以及与所述电子标签身份相对应的个体背部轮廓；面积计算模块，用于根据所述个体背部轮廓计算背部轮廓面积；体重计算模块，用于根据所述背部轮廓面积和预设轮廓面积-体重模型，计算每只牲畜的体重；健康判断模块，用于基于每只牲畜每间隔时间T1的位移总量、吃料情况以及饮水情况判断牲畜的健康状态和/或基于每只牲畜每间隔时间T1的位移总量、吃料情况、饮水情况以及体重变化判断牲畜的健康状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810650363.8A CN108990831B (zh) | 2018-06-22 | 2018-06-22 | 一种牲畜健康监控方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810650363.8A CN108990831B (zh) | 2018-06-22 | 2018-06-22 | 一种牲畜健康监控方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108990831A CN108990831A (zh) | 2018-12-14 |
| CN108990831B true CN108990831B (zh) | 2021-07-13 |
Family
ID=64600939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810650363.8A Active CN108990831B (zh) | 2018-06-22 | 2018-06-22 | 一种牲畜健康监控方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108990831B (zh) |
Families Citing this family (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711738A (zh) * | 2018-12-28 | 2019-05-03 | 贵州远诚自控科技有限公司 | 一种禽畜成长数据管理系统、管理方法以及应用方法 |
| CN110326548A (zh) * | 2019-03-06 | 2019-10-15 | 杭州安链物联有限公司 | 一种生猪检测系统及数目统计、检测的方法 |
| CN109816072A (zh) * | 2019-03-14 | 2019-05-28 | 安徽鲜森绿色食品有限公司 | 一种基于rfid的牲畜健康智能管理方法及其系统 |
| CN111354034A (zh) * | 2019-04-02 | 2020-06-30 | 北京航空航天大学 | 面向轨道交通乘客表面积估算的图像识别系统及方法 |
| CN110097941A (zh) * | 2019-04-29 | 2019-08-06 | 温州医科大学附属第一医院 | 一种麻醉药品管理方法以及基于该方法的管理设备 |
| CN110647660A (zh) * | 2019-06-18 | 2020-01-03 | 福州市佳璞电子商务有限公司 | 一种禽类生产溯源方法 |
| CN110659910A (zh) * | 2019-06-18 | 2020-01-07 | 福州市佳璞电子商务有限公司 | 生产溯源装置 |
| CN110602441A (zh) * | 2019-06-18 | 2019-12-20 | 福州市佳璞电子商务有限公司 | 监控视频摘要的方法 |
| US20210185978A1 (en) * | 2019-09-06 | 2021-06-24 | Andy Doyle Jones | Method of Implementing a Lightweight, Electronic Ear Tag for Location Tracking and Geo-Fencing Tasks |
| CN111183917B (zh) * | 2019-11-14 | 2022-02-01 | 京东科技信息技术有限公司 | 一种动物异常监测、图像处理方法及装置 |
| CN113069007B (zh) * | 2020-01-06 | 2023-02-28 | 佛山市云米电器科技有限公司 | 饮水设备的控制方法、5g电视、控制系统和存储介质 |
| CN111248103B (zh) * | 2020-01-09 | 2022-11-01 | 洛阳语音云创新研究院 | 牲畜发情检测方法、装置以及设备 |
| EP3866056A1 (en) | 2020-02-17 | 2021-08-18 | Touchless Animal Metrics, SL | Method, system and computer programs for traceability of living specimens |
| CN111294565A (zh) * | 2020-03-10 | 2020-06-16 | 福建农业职业技术学院 | 一种智能化养猪监测方法和管理端 |
| CN111523017B (zh) * | 2020-04-29 | 2023-03-31 | 重庆大学 | 一种实验动物信息管理系统及实验动物个体身份区分方法 |
| CN111568598A (zh) * | 2020-05-07 | 2020-08-25 | 中国农业科学院北京畜牧兽医研究所 | 一种智能绵羊繁殖能力检测的系统及方法 |
| FR3110739B1 (fr) * | 2020-05-19 | 2022-08-12 | Copeeks | Systeme de controle et de surveillance d’animaux ou de vegetaux dans un environnement ferme ou semi-ferme |
| CN111626187B (zh) * | 2020-05-25 | 2023-08-08 | 京东科技信息技术有限公司 | 一种身份标注方法、装置、电子设备及存储介质 |
| US20230172167A1 (en) * | 2020-05-28 | 2023-06-08 | Cargill, Incorporated | Automated poultry or livestock welfare tracking |
| CN112001941B (zh) * | 2020-06-05 | 2023-11-03 | 成都睿畜电子科技有限公司 | 基于计算机视觉的仔猪监管方法及系统 |
| CN111903559B (zh) * | 2020-07-28 | 2021-11-16 | 内蒙古网讯信息工程有限公司 | 一种牲畜行为检测方法及相关设备 |
| CN111783745A (zh) * | 2020-08-06 | 2020-10-16 | 珠海南方利洋水产科技有限公司 | 一种应用于池塘养殖的鱼类健康判断方法、装置及计算机可读存储介质 |
| CN112135102B (zh) * | 2020-09-24 | 2023-03-10 | 北京小龙潜行科技有限公司 | 基于不同形状猪耳标的猪只监控方法、装置及系统 |
| CN112101291B (zh) * | 2020-09-27 | 2024-01-30 | 成都睿畜电子科技有限公司 | 一种牲畜的护理方法、装置、介质及电子设备 |
| AT524715A1 (de) * | 2021-02-12 | 2022-08-15 | Mechatronik Zehentner Eu | Verfahren und Vorrichtung zur Nachverfolgung von Tieren |
| CN113052074A (zh) * | 2021-03-25 | 2021-06-29 | 京东数科海益信息科技有限公司 | 用于记录牲畜饲喂信息的方法、装置、电子设备和介质 |
| CN113159247B (zh) * | 2021-04-16 | 2023-04-18 | 杭州电子科技大学 | 一种牲畜进出口快速检验检疫系统 |
| CN113344728A (zh) * | 2021-04-30 | 2021-09-03 | 华中农业大学 | 一种食品生产全链条信息智能监控系统及方法 |
| CN113507490A (zh) * | 2021-04-30 | 2021-10-15 | 华中农业大学 | 一种多源信息融合的生猪全链条智能监测方法及装置 |
| CN113222451A (zh) * | 2021-05-28 | 2021-08-06 | 中国农业科学院草原研究所 | 一种基于北斗导航的牧场家畜采食喜好区域评估方法、系统及存储介质 |
| EP4362667A1 (en) * | 2021-07-01 | 2024-05-08 | DeLaval Holding AB | System for determining a walked distance of an animal within a barn |
| CN114049137A (zh) * | 2021-11-25 | 2022-02-15 | 国农(重庆)生猪大数据产业发展有限公司 | 一种基于区块链的生猪运营用溯源系统 |
| CN114973332A (zh) * | 2022-06-21 | 2022-08-30 | 河北农业大学 | 一种体重测量方法、装置、电子设备和活体牲畜测量系统 |
| CN115250952A (zh) * | 2022-08-18 | 2022-11-01 | 深圳进化动力数码科技有限公司 | 生猪健康监测方法、装置、设备及存储介质 |
| CN116525130A (zh) * | 2023-03-10 | 2023-08-01 | 山东新希望六和农牧科技有限公司 | 一种非洲猪瘟的监测方法、装置、电子设备及存储介质 |
| CN115968810B (zh) * | 2023-03-21 | 2023-06-27 | 双胞胎（集团）股份有限公司 | 一种病疫生猪的识别方法和识别系统 |
| CN117558026A (zh) * | 2023-10-17 | 2024-02-13 | 东方联鸣(宁夏)科技发展有限公司 | 一种规模化牧场基于ai眼镜识别牛只的方法及系统 |
| CN117195934B (zh) * | 2023-11-07 | 2024-02-20 | 双胞胎（集团）股份有限公司 | 一种耳标的跟踪方法及养殖数据采集方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2957861A1 (en) * | 2014-06-17 | 2015-12-23 | Expert Ymaging, SL | Device and method for automated parameters calculation of an object |
| CN106469319A (zh) * | 2015-08-14 | 2017-03-01 | 阜阳师范学院 | 一种基于定位与运动轨痕可视化的智能化监控系统 |
| CN105933652B (zh) * | 2016-05-09 | 2018-12-14 | 江苏大学 | 一种基于图像识别定位的鲟鱼活性检测装置与方法 |
| CN206525305U (zh) * | 2016-12-14 | 2017-09-29 | 漳浦县桥辉农林专业合作社 | 一种高效养猪系统 |
| CN106878671B (zh) * | 2016-12-29 | 2019-07-26 | 中国农业大学 | 一种养殖场多目标视频分析方法及其系统 |
| CN107692980A (zh) * | 2017-09-18 | 2018-02-16 | 浙江利尔达物联网技术有限公司 | 一种牲畜健康情况自动监测分析方法及系统 |
-
2018
- 2018-06-22 CN CN201810650363.8A patent/CN108990831B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108990831A (zh) | 2018-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108990831B (zh) | 一种牲畜健康监控方法和系统 | |
| CN108875647B (zh) | 一种基于牲畜身份的移动轨迹监测方法和系统 | |
| CN112655019A (zh) | 监控农业围栏中的牲畜 | |
| CN208188853U (zh) | 一种奶牛面部识别装置 | |
| US11910784B2 (en) | Animal visual identification, tracking, monitoring and assessment systems and methods thereof | |
| CN111294565A (zh) | 一种智能化养猪监测方法和管理端 | |
| CN110751675A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
| CN111401386A (zh) | 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质 | |
| CN109376584A (zh) | 一种用于畜牧业的禽畜数量统计系统和方法 | |
| CN112131927A (zh) | 基于妊娠后期姿态转化特性的母猪分娩时间预测系统 | |
| CN111696139A (zh) | 基于rgb图像的白羽种鸡群体体重估测系统和方法 | |
| CN114980011B (zh) | 穿戴式传感器与红外相机协同的畜禽体温监测方法 | |
| KR102522239B1 (ko) | 영상 기반 가축의 급이 행동 분석 장치 및 방법 | |
| KR102584357B1 (ko) | 반문 이미지를 기반으로 한 축산 동물의 개체 식별 장치 및 영상을 기반으로 한 가축 행동 패턴 분류 시스템 및 가축 행동 패턴 분류 방법 | |
| Noe et al. | Automatic detection and tracking of mounting behavior in cattle using a deep learning-based instance segmentation model | |
| Kuan et al. | An imaging system based on deep learning for monitoring the feeding behavior of dairy cows | |
| CN111797831A (zh) | 基于bim和人工智能的家禽进食并行异常检测方法 | |
| EP4107653B1 (en) | Method, system and computer programs for traceability of living specimens | |
| CN113569971A (zh) | 一种基于图像识别的渔获目标分类检测方法及系统 | |
| CN116596167B (zh) | 一种基于数据深度融合处理的牲畜养殖方案优化方法 | |
| CN113221776B (zh) | 一种基于人工智能对反刍动物一般行为识别的方法 | |
| CN111034648B (zh) | 家禽定位展示方法、装置及监控系统 | |
| KR102605937B1 (ko) | 축산 동물의 행동 패턴을 기반으로 한 무리 서열 데이터 검출 방법 | |
| Singh | Applying machine learning in video monitoring of cattle | |
| CN115661717A (zh) | 牲畜爬跨行为标注方法、装置、电子设备及存储介质 |
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 |