CN109145032A - 一种蜜蜂养殖智能监测方法与系统 - Google Patents
一种蜜蜂养殖智能监测方法与系统 Download PDFInfo
- Publication number
- CN109145032A CN109145032A CN201810983729.3A CN201810983729A CN109145032A CN 109145032 A CN109145032 A CN 109145032A CN 201810983729 A CN201810983729 A CN 201810983729A CN 109145032 A CN109145032 A CN 109145032A
- Authority
- CN
- China
- Prior art keywords
- beehive
- bee
- bee colony
- parameter
- data
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 51
- 241000256844 Apis mellifera Species 0.000 claims abstract description 291
- 235000012907 honey Nutrition 0.000 claims abstract description 110
- 230000007613 environmental effect Effects 0.000 claims abstract description 51
- 235000009508 confectionery Nutrition 0.000 claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 31
- 238000007418 data mining Methods 0.000 claims abstract description 25
- 230000005856 abnormality Effects 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 22
- 230000010365 information processing Effects 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 16
- 238000005065 mining Methods 0.000 claims description 14
- 230000002463 transducing effect Effects 0.000 claims description 9
- 239000000428 dust Substances 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 230000035800 maturation Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 15
- 230000000694 effects Effects 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000009395 breeding Methods 0.000 description 7
- 230000001488 breeding effect Effects 0.000 description 7
- 244000144972 livestock Species 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000003542 behavioural effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 244000144977 poultry Species 0.000 description 5
- 238000009360 aquaculture Methods 0.000 description 4
- 244000144974 aquaculture Species 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 229960004424 carbon dioxide Drugs 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241000272814 Anser sp. Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000790917 Dioxys <bee> Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001062009 Indigofera Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000009341 apiculture Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 229910002090 carbon oxide Inorganic materials 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/033—Rearing or breeding invertebrates; New breeds of invertebrates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Human Resources & Organizations (AREA)
- Agronomy & Crop Science (AREA)
- Zoology (AREA)
- Mining & Mineral Resources (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种蜜蜂养殖智能监测方法与系统。本发明的蜜蜂养殖智能监测方法,包括以下步骤:对目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行实时采集;分别对历史数据进行数据挖掘,设置蜂箱环境参数阈值、未取蜜时间报警阈值、蜜蜂活跃度报警阈值,判断实时采集的蜂箱环境参数值、计算的未取蜜时间、计算的蜜蜂活跃度是否在预设的报警阈值内;若否,则向终端发送人工干预提示信息。本发明的方法及系统通过多源传感器、无线自组网以及人工智能等技术在实现蜂箱内环境与蜂群活动智能监测的同时,对不同蜂箱间监测横向对比,及时发现蜜蜂养殖过程中的异常状态,提示人工干预,提高蜜蜂养殖生产效率与科学性。
Description
技术领域
本发明涉及监测领域,尤其涉及一种蜜蜂养殖智能监测方法与系统。
背景技术
目前养殖业中,对于动物的健康状况与生理周期的判断通常由有经验的饲养员依靠目测或简单仪器辅助人工完成。人工监测的问题主要在于难以长时间连续监测,且对动物健康状况与生理周期的判断与人员的经验、责任感等有密切关联。养殖人员的专业技能要求高,不利于于养殖业的精细化管理与发展。
以计算机技术与传感技术为基础的智能监测、信息化管理和远程监控等技术为养殖环境数据的量化采集、处理融合和智能管控提供有效手段。目前比较通用的养殖环境监测做法是:各类传感器节点采用无线方式组成养殖环境监测网络,各传感器节点对感知数据进行简单处理后进行传输上报。在上位机或服务器设置各参数阈值,当上传的参数数据超出设定的阈值,由上位机发出警报。根据设备采集的环境参数,由管理操作人员进行相应操作,以保证蜂群的健康繁殖与生产。将传感器、物联网等技术引入到养殖生产中,将农业生产从以往以人力为中心、依赖于孤立的生产模式,向以信息和软件为中心的生产模式转变。
现有养殖信息化技术中针对蜜蜂养殖的较少,主要集中在畜禽养殖环境的环境、行为等自动化采集方面。例如,发明专利“牲畜状态检测方法、计算机程序、存储介质及电子设备”(申请号:201711269712.3)介绍了一种牲畜状态检测方法、计算机程序、存储介质及电子设备,通过神经网络模型等分析获取待检测的牲畜的音视频数据确定对应的牲畜状态。发明专利“一种基于物联网的集约化生猪健康养殖智能系统及方法”(申请号:201711072803.8)涉及一种基于物联网的集约化生猪健康养殖智能系统及方法,包括生猪精细饲喂子系统和猪舍环境多参数测控子系统,利用传感器组检测环境参数,一方面通过液晶显示屏显示本地显示,另一方面将环境参数发送至远程上位机,上位机实时显示数据并存储,同时控制现场的风机和湿帘工作以调节现场环境状态。同时根据监测的生猪体重实现饲料的精准投喂。通过云平台实现远程监测与控制提高了生猪生产管理的效率与便利程度。发明专利“一种对养殖场进行环境状况监测的物联网一体化系统”(申请号:201711305821.6)提出了一种对养殖场进行环境状况监测的物联网一体化系统,包括数据采集模块、微处理器、数据传输模块、以及环境调整部件,通过各组成部件之间的有效配合,能够全面监测养殖场的环境状况,实现对养殖场的智能管理。程巍等在“智能蜂箱管理系统-蜜蜂之家”论文中提及采用温度、湿度和重量等传感技术,定时监测蜜蜂生活生产环境,及时反映蜂农最关心的蜂箱内参数,科学地将反映蜂箱内环境参数,减少蜂农开箱对蜜蜂造成的干扰,并能帮助蜂农科学合理地取蜜。
目前上述的比较通用这些系统模式相比人工环境监测提高了监测效率和准确性,但在应用过程中也存在着不足。
现有养殖信息化技术中针对蜜蜂养殖的较少,主要集中在畜禽养殖环境的环境、行为等自动化采集方面。蜜蜂作为一种昆虫与猪、牛、羊等大型牲畜以及鸡、鸭、鹅等家禽的生产、生活环境、习性等均存在较大差别,因此除了基本的环境温湿度参数监测外,其他复杂参数以及蜜蜂行为方面的信息化监测仍较为薄弱。因此,在蜜蜂养殖过程中,对于蜜蜂采蜜量、蜂群数量、蜂群活跃程度等方面的智能监测是现有技术中未能很好解决的问题。
蜂箱作为蜜蜂生活的重要空间,其体积与内部空间较小,人工观察仅能通过打开蜂箱进行,频繁的开箱会对蜜蜂生产造成影响,且不当的操作还易造成蜜蜂的死亡等问题。由于蜂箱多需随花期运输采蜜,所以在运输过程中仍应保持较好的数据传输方式,但现有技术中利用多个GPRS方式存在明显的成本问题,也不利于寻找与对比不同蜂箱间的关联,以提高整体的管理效率。
因此,提供一种蜜蜂养殖智能监测方法与系统。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的蜜蜂养殖智能监测方法与系统,通过多源传感器以及无线自组网技术在实现蜂箱内环境与蜂群活动智能监测的同时,对不同蜂箱间监测横向对比,及时发现蜜蜂养殖过程中的异常状态,提示人工干预,提高蜜蜂养殖生产效率与科学性,解决了目前蜜蜂养殖过程中信息化手段不足,人力投入较大,频繁人工操作对蜜蜂影响等问题,同时也可为后续的蜂蜜生产溯源提供基础数据。
根据本发明的一个方面,提供一种蜜蜂养殖智能监测方法,包括以下步骤:
S1,对目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行实时采集;
S2,对蜂箱环境历史数据进行数据挖掘,设置蜂箱环境参数阈值,判断实时采集的蜂箱环境参数值是否在预设的报警阈值内;
S3,对蜂蜜产量历史数据进行数据挖掘,设置未取蜜时间报警阈值,根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率,并根据蜂蜜产量变化率进行未取蜜时间的计时,判断未取蜜时间是否在未取蜜时间报警阈值内;
S4,对蜂箱内蜂群图像和蜂群声音强度的历史数据进行数据挖掘,设置蜜蜂活跃度报警阈值,根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,判断该蜜蜂活跃度是否在蜜蜂活跃度报警阈值内;
S5,统计有异常的蜂箱环境参数值、未取蜜时间、蜜蜂活跃度,并向终端发送人工干预提示信息。
进一步地,蜂箱环境参数包括:蜂箱内温度参数、蜂箱内湿度参数、蜂箱内光照强度参数、蜂箱内二氧化碳浓度参数、蜂箱内粉尘浓度参数;蜂蜜产量参数包括:在不同时刻的蜂蜜产量、两相邻时刻的时间间隔。
进一步地,蜂箱环境参数还包括:蜂箱状态参数,该蜂箱状态参数包括蜂箱是在运输中和蜂箱在固定位置,
其中,根据移动/振动的时间强度判断蜂箱是在运输中还是在固定位置,移动/振动的时间强度的计算公式如下:
其中,S为移动/振动的时间强度,v为振动强度数据,a为加速度数据,θ(·)为加权函数,表示在t-T0到t的时间段内求和,t为当前时间,T0为强度判断时间窗口,
若蜂箱是在运输中,则蜂箱采用运输阈值模式;若蜂箱是在固定位置,则蜂箱采用正常生产阈值模式。
进一步地,上述蜜蜂养殖智能监测方法,还包括:在人工干预打开蜂箱时,识读开箱人员的身份卡信息,若为无权限人员则关闭开箱使能,无法开箱;若为权限人员,则打开开箱使能,允许开箱。
进一步地,在步骤S3根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率中,蜂蜜产量变化率的计算公式如下:
其中,dh为蜂蜜产量变化率,t-Δt为前一时刻,M(t-Δt)为t-Δt时刻的蜂箱箱体重量,Δt为两次重量监测数据间的时间差,t为t-Δt的后一时刻,M(t)为t时刻的蜂箱箱体重量,若dh为正,则表示蜜蜂正在采蜜并生产水蜜;若dh为负,则表示蜜蜂正在将水蜜转化为成熟蜜,
从dh出现负值起开始计时,若预定天数后生产人员仍未进行取蜜操作,则提示人工干预。
进一步地,在步骤S4根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,具体实现如下:
计算蜂箱内蜂群图像单位面积内的蜜蜂数量;
计算蜂箱内蜂群声音强度参数值之和;
通过蜂箱内蜂群声音强度参数值之和与蜂箱内蜂群图像单位面积内的蜜蜂数量计算蜂群的活跃比;
若该蜂群的活跃比不在活跃比阈值范围内,则提示人工干预;
并计算蜂箱内的总噪声,若蜂箱内的总噪声超过预设的噪声阈值,则提示人工干预。
进一步地,在步骤S5中统计有异常的蜂箱环境参数值、未取蜜时间、蜜蜂活跃度,具体实现如下:
建立监测数据归一化矩阵:
获取目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数,将属于单一蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数中每种监测数据形成单个列向量,将目标蜂场的各蜂箱列向量按照蜂箱间实际距离大小组合为监测数据矩阵,并将监测数据矩阵中的各数据进行归一化,生成监测数据归一化矩阵;
建立监测数据归一化训练集:
将蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数中每种数据作为训练集,针对每种数据进行分段标记,并针对每种数据的类别进行分类训练;
监测数据归一化矩阵分析:
将监测数据归一化矩阵导入监测数据归一化训练集中,获取监测数据标记矩阵,根据监测数据标记矩阵判断是否需要人工干预。
根据本发明的另一方面,提供一种实现上述蜜蜂养殖智能监测方法的系统,包括:
蜂箱信息采集装置,用于对目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行采集;
蜂箱信息处理平台,用于对蜂箱环境历史数据进行数据挖掘,设置蜂箱环境参数阈值,判断实时采集的蜂箱环境参数值是否超过预设的报警阈值,若是,则显示为异常状态,并提示人工干预;对蜂蜜产量历史数据进行数据挖掘,设置未取蜜时间报警阈值,根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率,并根据蜂蜜产量变化率判断未取蜜时间是否超过未取蜜时间报警阈值,若是,则显示为异常状态,并提示人工干预;对蜂箱内蜂群图像和蜂群声音强度的历史数据进行数据挖掘,设置蜜蜂活跃度报警阈值,根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,判断该蜜蜂活跃度是否超过蜜蜂活跃度报警阈值,若是,则显示为异常状态,并提示人工干预;统计并向终端发送人工干预提示信息。
进一步地,蜂箱信息采集装置包括:
蜂箱环境采集模块,用于采集蜂箱环境参数并发送至蜂箱信息处理平台;
蜂蜜产量与蜂群行为采集模块,用于采集蜂蜜产量与蜂箱内蜂群图像和蜂群声音强度参数并发送至蜂箱信息处理平台;
蜂箱信息处理平台包括:
信息接收及存储模块,用于接收并存储蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数;
挖掘分析模块,用于对蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行分析挖掘,并判断是否需要人工干预。
进一步地,蜂箱环境采集模块包括:蜂箱环境感知单元和信息变送单元;
蜂蜜产量与蜂群行为采集模块包括:声音采集单元、振动监测单元、蜂蜜产量监测单元、视频行为监测单元、开箱识别单元;
蜂箱信息采集装置还包括:通信模块和供电及开关模块;
蜂箱信息处理平台还包括:信息显示模块、报警模块、移动端后台服务模块;
蜂箱环境感知单元电连接至信息变送单元,信息变送单元、声音采集单元、振动监测单元、蜂蜜产量监测单元、视频行为监测单元、开箱识别单元均电连接至通信模块,通信模块电连接至信息接收及存储模块,信息接收及存储模块电连接至挖掘分析模块,挖掘分析模块与信息显示模块、报警模块、移动端后台服务模块分别电连接。
本发明与现有技术相比具有以下的优点:
1.本发明的蜜蜂养殖智能监测方法及系统采集并对蜂箱环境以及蜂蜜产量与蜂群行为信息进行数据挖掘分析,提供了全方位智能化监测,最大程度上减少了生产人员的长期人工监视工作,且降低了开箱视检的频率与必要性,减少了人工操作对蜜蜂生产的干扰;
2.本发明的蜜蜂养殖智能监测方法及系统对蜂箱环境以及蜂蜜产量与蜂群行为信息进行数据挖掘分析,实现数据的监督分类学习,从而挖掘不同蜂箱监测数据的关联以及蜂箱当前监测数据与历史数据间的关联,对蜂箱当前的情况进行智能化判断,向用户提供业务关联的决策或提示信息,提高了生产管理的科学依据。
附图说明
以下结合附图和实施例对本发明作进一步说明。
图1是本发明的蜜蜂养殖智能监测方法步骤图;
图2是本发明的数据向量分类区域半径计算二维示意图;
图3是本发明的数据关联分类的蜂群智能监测异常判别示意图;
图4是本发明的蜜蜂养殖智能监测系统框图;
图5是本发明的蜂箱信息采集装置框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非被特定定义,否则不会用理想化或过于正式的含义来解释。
蜜蜂养殖过程中环境对蜂群的生产、繁育有着明显影响问题,本发明提供一种蜜蜂养殖智能监测系统与方法,针对蜂箱环境的实时监测需求,将传感器技术、网络通讯技术以及人工智能技术相结合,实现对蜂箱环境及蜂群行为的监测与识别。一方面以多种类型的传感器对环境参数进行采集监测,在方便蜜蜂养殖管理人员查看蜂箱环境及蜜蜂状态的同时,也提供了相关的预警策略,在环境或蜂群出现异常时可以及时通过多种方式提醒相关人员进行干预。通过信息化的手段实现蜂箱环境及蜜蜂活动的实时在线监测,为提高蜜蜂养殖的生产效率与管理水平提供准确的数据基础。另一方面,蜜蜂的生产、繁育水平受蜂箱环境影响较大,且会通过特定的活动行为表现当前蜂群的状态,因此,蜜蜂的活动行为也是需要考虑的重要因素。本发明利用信息化手段与人工智能技术实现蜂箱的智能化监测与分析,及时发现蜂箱或蜂群的异常,解决传统阈值预警方法的适应性差问题,有效指导蜂农开展相关生产工作,降低人力投入,显著减少开箱次数,减少人工因素对蜂箱内环境的影响,提升蜜蜂养殖的科学化水平。
本发明面向蜜蜂养殖管理过程中对蜂箱环境以及蜂群活动状态等的监测需求,针对现有技术中针对蜜蜂养殖监测的环境参数较少,不同蜂箱间监测缺少横向对比等问题,提出一种蜜蜂养殖智能监测系统与方法,解决目前蜂箱环境与蜂群活动行为的智能监测问题,采用无线自组网方式实现蜂箱间的协同监测,降低通信费用的同时提高发现异常事件的灵敏度,为科学养蜂与高效管控提供数据支撑。
目标蜂场的各蜂箱采集的蜂箱信息通过通讯网关汇集后上传至蜂箱信息云平台。该蜂箱信息云平台的挖掘分析模块通过对各类蜂箱信息的分析挖掘,从蜂蜜产量、蜂群行为等方面对蜂群当前的活动状态、繁殖状态、生产水平等进行评估,并得出推荐意见。
图1是本发明的蜜蜂养殖智能监测方法步骤图,如图1所示,本发明提供的蜜蜂养殖智能监测方法,包括以下步骤:
S1,对目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行实时采集;
S2,对蜂箱环境历史数据进行数据挖掘,设置蜂箱环境参数阈值,判断实时采集的蜂箱环境参数值是否在预设的报警阈值内;
S3,对蜂蜜产量历史数据进行数据挖掘,设置未取蜜时间报警阈值,根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率,并根据蜂蜜产量变化率进行未取蜜时间的计时,判断未取蜜时间是否在未取蜜时间报警阈值内;
S4,对蜂箱内蜂群图像和蜂群声音强度的历史数据进行数据挖掘,设置蜜蜂活跃度报警阈值,根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,判断该蜜蜂活跃度是否在蜜蜂活跃度报警阈值内;
S5,统计有异常的蜂箱环境参数值、未取蜜时间、蜜蜂活跃度,并向终端发送人工干预提示信息。
终端可以是手机、平板、台式计算机等。
本发明的蜜蜂养殖智能监测方法采集并对蜂箱环境以及蜂蜜产量与蜂群行为信息进行数据挖掘分析,提供了全方位智能化监测,最大程度上减少了生产人员的长期人工监视工作,且降低了开箱视检的频率与必要性,减少了人工操作对蜜蜂生产的干扰。
本发明的蜜蜂养殖智能监测方法对蜂箱环境以及蜂蜜产量与蜂群行为信息进行数据挖掘分析,实现数据的监督分类学习,从而挖掘不同蜂箱监测数据的关联以及蜂箱当前监测数据与历史数据间的关联,对蜂箱当前的情况进行智能化判断,向用户提供业务关联的决策或提示信息,提高了生产管理的科学依据。
蜂箱环境是蜜蜂生产繁殖的基础保障,准确的蜂箱环境监测与挖掘分析可为用户科学生产提供有益帮助,蜂箱环境参数包括:蜂箱内温度参数、蜂箱内湿度参数、蜂箱内光照强度参数、蜂箱内二氧化碳浓度参数、蜂箱内粉尘浓度参数。步骤S2具体如下:对于任一蜂箱,通过蜜蜂养殖智能监测系统中的蜂箱信息采集装置采集其内的温度、湿度、光照、二氧化碳浓度、粉尘等参数,并根据用户在云平台中设置的报警阈值对实时环境参数值进行判断,若超出阈值则显示为异常状态,通过云平台报警模块提示用户干预;判断蜂箱是在运输中还是在固定位置,若是在运输中,则采用运输阈值模式;若是在固定位置,则采用正常生产阈值模式,因此,针对蜂箱是处理运输中还是固定位置蜜蜂进行采蜜生产两种不同场景设置不同的阈值判别模式,在运输阈值模式下阈值保证蜜蜂可以正常存活,在正常生产阈值模式下阈值保证蜜蜂可以正常生产、繁殖。另外,用户还可以根据蜜蜂不同的繁殖生产阶段设置多个阈值。
蜂箱环境参数还包括:蜂箱状态参数,该蜂箱状态参数包括蜂箱是在运输中和蜂箱在固定位置,
其中,根据移动/振动的时间强度判断蜂箱是在运输中还是在固定位置,移动/振动的时间强度的计算公式如下:
其中,S为移动/振动的时间强度,v为振动强度数据,a为加速度数据,θ(·)为加权函数,表示在t-T0到t的时间段内求和,t为当前时间,T0为强度判断时间窗口,
若蜂箱是在运输中,则蜂箱采用运输阈值模式;若蜂箱是在固定位置,则蜂箱采用正常生产阈值模式。针对不同的阈值判别模式,设置模式切换保护区间,例如,针对正常生产阈值模式和运输阈值模式,设置模式切换保护区间[S3,S2],在正常生产阈值模式下,当S大于预设阀值S1时,则判断为振动异常,提醒用户检查蜂箱固定情况或周边环境;若S大于S2(S2>S1)则判断并切换至运输阈值模式。在运输阈值模式下,当S小于S3(S3<S1)时,则判断并切换至正常生产阈值模式。
上述蜜蜂养殖智能监测方法,还包括:在人工干预打开蜂箱时,识读开箱人员的身份卡信息,若为无权限人员则关闭开箱使能,无法开箱;若为权限人员,则打开开箱使能,允许开箱。具体地,若无权限人员强行开箱,或出现意外开箱情况,则发送开箱异常信息,通过云平台的报警模块对用户进行提醒。若为正常开箱操作,则记录开箱人员的身份信息以及开箱操作起止时间,在正常开箱操作时间段内,对于蜂箱内的环境(温度、湿度、光照、二氧化碳浓度、粉尘等)、振动、加速度等数据只监测记录不提示异常报警,并将对应的记录数据标记为开箱时段数据。另外,云平台可以记录生产管理人员开箱后的具体操作,为智能分析提供数据,例如视检、用药、取蜜等。
蜂蜜产量参数包括:在不同时刻的蜂蜜产量、两相邻时刻的时间间隔。频繁的开箱会对蜜蜂正常生产造成一定影响,不当操作还可能导致蜜蜂死亡等,因此,分析蜂蜜产量是否有异常,以提示人工干预,以减少频繁开箱,其中,在步骤S3根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率中,蜂蜜产量变化率的计算公式如下:
其中,dh为蜂蜜产量变化率,t-Δt为前一时刻,M(t-Δt)为t-Δt时刻的蜂箱箱体重量,Δt为两次重量监测数据间的时间差,t为t-Δt的后一时刻,M(t)为t时刻的蜂箱箱体重量,若dh为正,则表示蜜蜂正在采蜜并生产水蜜;若dh为负,则表示蜜蜂正在将水蜜转化为成熟蜜,
从dh出现负值起开始计时,若预定天数后生产人员仍未进行取蜜操作,则提示人工干预。该预定天数一般为8-10天。
在任意时刻,若进行了一次取蜜操作,则以取蜜前后的箱体重量差为取蜜量,具体公式如下:
Mh=M1-M0
其中,Mh为取蜜量,M1和M0分别为取蜜操作前后的箱体重量,若取蜜时dh非负,则标记Mh为水蜜重量,若dh为负,则标记Mh为成熟蜜,并记录酿造天数Nd。
在步骤S4根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,具体实现如下:
计算蜂箱内蜂群图像单位面积内的蜜蜂数量;
计算蜂箱内蜂群声音强度参数值之和;
通过蜂箱内蜂群声音强度参数值之和与蜂箱内蜂群图像单位面积内的蜜蜂数量计算蜂群的活跃比;
若该蜂群的活跃比不在活跃比阈值范围内,则提示人工干预;
并计算蜂箱内的总噪声,若蜂箱内的总噪声超过预设的噪声阈值,则提示人工干预。
更详细地,例如通过微距红外摄像头采集蜂箱箱内图像,计算采集图像单位面积内的蜜蜂数量,例如采用现有图像识别技术实现蜜蜂个体的小目标计数,本实施例的小目标计数过程中包括图像锐化、平滑滤波、边缘提取、基于灰度图的阈值分割、基于分水岭算法目标计数以及基于距离的重复计数点剔除,经过该方法得出单位面积内的蜜蜂数量Ndens。通常,该方法主要用于识别蜜蜂成虫数量;
例如通过声音采集单元采集蜂箱箱内声音信号,计算蜂箱箱内声音强度和,本实施例中,通过蜂箱外拾音器采集环境背景噪声,与蜂箱内拾音器采集信号进行反向叠加,以消除背景噪声,获得较为纯净的蜂箱内声音信号,提取反向叠加后的声音信号的强度峰值频率,计算该频率下的声音强度,公式如下:
Ii=I(fi)
其中,Ii表示第i个声音强度,fi表示第i个强度峰值对应的频率值,I(fi)表示频率fi处的声音强度,若出现了异常的频率,则启动云平台异常报警程序。正常的强度峰值频率为300Hz~440Hz;
在正常频率上的声音强度和记为Ib;
通过蜂箱箱内声音强度和Ib与采集图像单位面积内的蜜蜂数量Ndens计算蜂群的活跃比Ib/Ndens;
若该蜂群的活跃比不在活跃比阈值范围内,则提示人工干预。
其中,计算蜂箱内的总噪声,若蜂箱内的总噪声超过预设的噪声阈值,则提示人工干预。
在本实施例中,对蜂箱内外拾音器信号进行分别处理,无需进行反向叠加,蜂箱内拾音器阵列的信号叠加方向同上,
根据蜂箱内拾音器叠加后的声音信号总强度计算噪声功率,具体如下:
Inoise=I*(fi)
其中,fi表示第i个强度峰值对应的频率值,I*(fi)表示当前条件下频率fi处的声音强度。
若Inoise超过用户设置的噪声阈值,则启动平台异常报警程序。
在步骤S5中统计有异常的蜂箱环境参数值、未取蜜时间、蜜蜂活跃度,具体实现如下:
建立监测数据归一化矩阵:获取目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数,将属于单一蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数中每种监测数据形成单个列向量,将目标蜂场的各蜂箱列向量按照蜂箱间实际距离大小组合为监测数据矩阵,并将监测数据矩阵中的各数据进行归一化,生成监测数据归一化矩阵;
在本实施例中,通过上述方法获知蜜蜂养殖的多维数据,包括但不限于环境数据例如空气温度、空气湿度、光照强度、二氧化碳浓度、粉尘、噪声,行为数据例如蜂群密度、蜂群的活跃比,产量数据例如蜂蜜产量、距上次取蜜时间等。优选地,此处蜂蜜产量仅考虑水蜜产量。将单一蜂箱的每种监测数据形成单个列向量,对每种监测数据分别进行归一化,形成监测数据列向量。将归一化后的监测数据列向量按照蜂箱间的实际距离远近依次组合,形成监测数据归一化矩阵。矩阵的列数为本地自组网内的智能蜂箱数量。其中,蜂箱间的实际距离由各蜂箱的通信模块通过自组网定位方式获得。
建立监测数据归一化训练集:将蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数中每种数据作为训练集,针对每种数据进行分段标记,并针对每种数据的类别进行分类训练;
在本实施例中,经用户标记的监测数据向量作为训练集,并对训练集进行归一化,训练集归一化方法与监测数据归一化方法相同,根据监测数据的实际情况标记内容可为正常、温度高、湿度高、蜂群数量少、噪声大等。对于训练集中存在的异常标记类型的向量数量应大于1。采用训练集数据对分类器算法进行训练,以确定其参数设置,机器学习分类算法可以利用朴素贝叶斯( Bayes)算法、决策树(DT)算法、支持向量机(SVM)算法、深度神经网络(DNN)算法及其他现有分类算法。优选地,根据蜜蜂智能养殖监测的数据特点,本实施例选择支持SVM算法作为分类算法。计算各类别数据向量的几何中心位置,并计算其区域半径。二维示意图如图2所示。另外,数据向量间几何距离的计算方法可以为欧氏距离、曼哈顿距离、马氏距离、切比雪夫距离以及其他距离计算方式。优选地,本实施例选择马氏距离。
监测数据归一化矩阵分析:将监测数据归一化矩阵导入监测数据归一化训练集中,获取监测数据标记矩阵,根据监测数据标记矩阵判断是否需要人工干预。
在本实施例中,在完成了分类算法的参数训练后,导入测试集数据以实现异常的判定,即将监测数据归一化矩阵输入,得出各数据向量的分类情况,若为异常类别,则直接进行异常报警。若某测试数据向量点不处于训练集各类别区域半径范围内,则将其暂时划分为待分类数据,由人工进行甄别标记,可以归入现有的类别中,也可划为新的一类。划分后将该条数据加入训练集。
另外,在发现监测数据归一化矩阵异常时,可以根据如下方法进行判别,以进一步提高故障发现的准确度。若异常点均为不相邻的位置,如图3(a)所示,则判断为单参数随机异常,若某一蜂箱的某一参数连续出现该异常,则应检查对应传感器及相关电路是否异常。若异常点位置在监测矩阵行方向相邻,且仅为单列,如图3(b)所示,则判断为某一蜂箱的监测设备故障,首先应排查该蜂箱的通信供电模块。若异常点位置在监测矩阵列方向相邻,如图3(c)和图3(d)所示,则为空间关联的局部异常,则根据异常的参数以及异常蜂箱的位置分布进行排查。
本发明提供的蜜蜂养殖智能监测系统,包括:蜂箱信息采集装置,用于对目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行采集;蜂箱信息处理平台,用于对蜂箱环境历史数据进行数据挖掘,设置蜂箱环境参数阈值,判断实时采集的蜂箱环境参数值是否超过预设的报警阈值,若是,则显示为异常状态,并提示人工干预;对蜂蜜产量历史数据进行数据挖掘,设置未取蜜时间报警阈值,根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率,并根据蜂蜜产量变化率判断未取蜜时间是否超过未取蜜时间报警阈值,若是,则显示为异常状态,并提示人工干预;对蜂箱内蜂群图像和蜂群声音强度的历史数据进行数据挖掘,设置蜜蜂活跃度报警阈值,根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,判断该蜜蜂活跃度是否超过蜜蜂活跃度报警阈值,若是,则显示为异常状态,并提示人工干预;统计并向终端发送人工干预提示信息。
其中,单个蜂箱信息采集装置的具体体现可以为各种传感器的集成,蜂箱信息处理平台的具体体现可以为蜂箱信息处理云平台。蜂箱信息处理平台通过网络与蜂箱信息采集装置连接,具体地,参见图4,蜂箱信息处理平台与多个智能蜂箱通过网络连接,各智能蜂箱中设置一个信息采集装置,因此,蜂箱信息处理平台与多个信息采集装置通过网络连接。
参见图5,蜂箱信息采集装置包括:蜂箱环境采集模块,用于采集蜂箱环境参数并发送至蜂箱信息处理平台;蜂蜜产量与蜂群行为采集模块,用于采集蜂蜜产量与蜂箱内蜂群图像和蜂群声音强度参数并发送至蜂箱信息处理平台;参见图4,蜂箱信息处理平台包括:信息接收及存储模块,用于接收并存储蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数;挖掘分析模块,用于对蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行分析挖掘,并判断是否需要人工干预。
参见图5,蜂箱环境采集模块包括:蜂箱环境感知单元,包括各类环境感知传感器,具体地,包括但不限于以下传感器:空气温度传感器、空气湿度传感器、光照强度传感器、二氧化碳浓度传感器、粉尘传感器等;信息变送单元,用于将各类型传感器的测量值转化为电信号,一般输出为4-20mA电流信号或0-5V电压信号;适配处理电路,用于将各传感器采集输出的电压、电流信号,经电平接口适配与模数转换得出对应数字信号,按照各传感器的感知特性进行转换,得出各环境参数的感知测量值。
参见图5,蜂蜜产量与蜂群行为采集模块包括:
声音采集单元,包括:蜂箱内拾音器阵列,主要分布于各蜂房口附近,用于采集蜂箱内部声音以判断蜂群行为状态;蜂箱外部拾音器,用于采集外部声音以消除背景噪声;滤波与转换电路,用于采集声音信号的滤波与转换适配;
振动监测单元,包括:箱体振动传感器,用于监测蜂箱箱体的振动情况;三轴加速度传感器,用于监测箱体是否处于被搬运状态;
蜂蜜产量监测单元,包括:底座,用于支撑并测量蜂箱重量;压力传感器,置于蜂箱与底座之间用于压力测量;转换与换算模型,用于将测量压力值转算为蜂箱重量,以实现蜂蜜产量计算;
视频行为监测单元,包括:红外微距摄像头,用于采集蜂箱内的蜜蜂图像视频信息并回传至蜂箱信息处理平台,进行蜜蜂形态与行为识别;红外光源,用于在图像采集效果不佳时进行补光;
开箱识别单元,包括:RFID读写器与开箱使能开关,用于识别并记录进行开箱操作的操作人员信息,若非授权人员,则不允许进行开箱操作。该开箱识别单元还可以检测蜂箱是否处于打开状态。
参见图5,蜂箱信息采集装置还包括:
通信模块,包括目标蜂场的各蜂箱上的通信模块以及网关节点,将蜂箱环境参数经网关节点汇集后向云平台进行上报,其支持多种通信方式,例如以太网、Zigbee、WIFI、蓝牙等,根据实际情况任选一种,优选地,本实施例采用Zigbee作为本地自组网通信方式,其中,网关节点同时支持本地与远程一端通过Zigbee等本地自组网方式与各各蜂箱进行本地组网采集数据,另一端通过GRPS(General Packet RadioService,通用分组无线业务)/3G/4G/NB IoT等远程通信技术将采集到的蜂箱环境参数回传远端云平台。另外,不同蜂箱之间可以通过通信模块相互感知以获知其之间的相对位置关系,为蜂箱间的数据关联比对提供依据;
电源适配模块,用于完成不同输入电压的转换适配,为蜂箱信息采集装置各单元提供能量供给,支持多种电源输入,优选以5-12V直流输入;
供电及开关模块,由太阳能电池板、220VAC接口、充电电路、蓄电池、开关电路等组成,其中,开关电路将蜂箱中各单元供电电路进行分割,其使拥有独立的能量来源,并可以根据各单元指令对其供电实现开关控制。优选地,本发明采用太阳能方式供电,当接入220VAC时则自动切换至市电供电模式。
参见图4,蜂箱信息处理平台还包括:信息显示模块,用于实时显示接收到的蜂箱环境以及蜂蜜产量与蜂群行为信息,并显示历史数据的浏览记录、查询记录、统计分析记录等;采集装置管理模块,用于提供对各蜂箱信息采集装置的配置值设定,例如采集时间间隔、各参数正常阈值范围等,并将用户的配置信息例如参数阈值、采集时间间隔等下发;报警模块,用于在挖掘分析模块得出异常提示时通过多种方式对用户进行报警提示,例如短信、微信、网页及APP端提示等;移动端后台服务模块,用于为移动端提供后台数据与服务支持,以在移动端通过APP、微信等方式实现蜂箱信息处理云平台的服务功能。
蜂箱环境感知单元电连接至信息变送单元,信息变送单元、声音采集单元、振动监测单元、蜂蜜产量监测单元、视频行为监测单元、开箱识别单元均电连接至通信模块,通信模块电连接至信息接收及存储模块,信息接收及存储模块电连接至挖掘分析模块,挖掘分析模块与信息显示模块、报警模块、移动端后台服务模块分别电连接。
本发明的蜜蜂养殖智能监测系统采集并对蜂箱环境以及蜂蜜产量与蜂群行为信息进行数据挖掘分析,提供了全方位智能化监测,最大程度上减少了生产人员的长期人工监视工作,且降低了开箱视检的频率与必要性,减少了人工操作对蜜蜂生产的干扰。
本发明的蜜蜂养殖智能监测系统对蜂箱环境以及蜂蜜产量与蜂群行为信息进行数据挖掘分析,实现数据的监督分类学习,从而挖掘不同蜂箱监测数据的关联以及蜂箱当前监测数据与历史数据间的关联,对蜂箱当前的情况进行智能化判断,向用户提供业务关联的决策或提示信息,提高了生产管理的科学依据。
本发明提供的蜜蜂养殖智能监测方法与系统,不但可以通过远程实时获取蜂箱内部的空气温湿度、CO2浓度、光照强度、粉尘、噪声等环境信息,还监测蜂蜜的实时产量、蜂群密度、蜂群的活跃情况等。方便蜜蜂养殖管理远程查看蜂箱内环境及蜜蜂状态的同时,也提供了相关的预警策略,在环境或蜂群出现异常时可以及时通过多种方式提醒相关人员进行干预。通过信息化的手段实现蜂箱内部环境及蜜蜂活动的实时在线监测,在节约人工的同时,也避免了现有方法频繁开箱对蜜蜂生产繁殖的影响,为提高蜜蜂养殖的生产效率与管理水平提供了准确的数据基础。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种蜜蜂养殖智能监测方法,其特征在于,包括以下步骤:
S1,对目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行实时采集;
S2,对蜂箱环境历史数据进行数据挖掘,设置蜂箱环境参数阈值,判断实时采集的蜂箱环境参数值是否在预设的报警阈值内;
S3,对蜂蜜产量历史数据进行数据挖掘,设置未取蜜时间报警阈值,根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率,并根据蜂蜜产量变化率进行未取蜜时间的计时,判断未取蜜时间是否在未取蜜时间报警阈值内;
S4,对蜂箱内蜂群图像和蜂群声音强度的历史数据进行数据挖掘,设置蜜蜂活跃度报警阈值,根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,判断该蜜蜂活跃度是否在蜜蜂活跃度报警阈值内;
S5,统计有异常的蜂箱环境参数值、未取蜜时间、蜜蜂活跃度,并向终端发送人工干预提示信息。
2.根据权利要求1所述的蜜蜂养殖智能监测方法,其特征在于,
蜂箱环境参数包括:蜂箱内温度参数、蜂箱内湿度参数、蜂箱内光照强度参数、蜂箱内二氧化碳浓度参数、蜂箱内粉尘浓度参数;
蜂蜜产量参数包括:在不同时刻的蜂蜜产量、两相邻时刻的时间间隔。
3.根据权利要求2所述的蜜蜂养殖智能监测方法,其特征在于,蜂箱环境参数还包括:蜂箱状态参数,该蜂箱状态参数包括蜂箱是在运输中和蜂箱在固定位置,
其中,根据移动/振动的时间强度判断蜂箱是在运输中还是在固定位置,移动/振动的时间强度的计算公式如下:
其中,S为移动/振动的时间强度,v为振动强度数据,a为加速度数据,θ(·)为加权函数,表示在t-T0到t的时间段内求和,t为当前时间,T0为强度判断时间窗口,
若蜂箱是在运输中,则蜂箱采用运输阈值模式;若蜂箱是在固定位置,则蜂箱采用正常生产阈值模式。
4.根据权利要求1所述的蜜蜂养殖智能监测方法,其特征在于,还包括:在人工干预打开蜂箱时,识读开箱人员的身份卡信息,若为无权限人员则关闭开箱使能,无法开箱;若为权限人员,则打开开箱使能,允许开箱。
5.根据权利要求1所述的蜜蜂养殖智能监测方法,其特征在于,在步骤S3根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率中,蜂蜜产量变化率的计算公式如下:
其中,dh为蜂蜜产量变化率,t-Δt为前一时刻,M(t-Δt)为t-Δt时刻的蜂箱箱体重量,Δt为两次重量监测数据间的时间差,t为t-Δt的后一时刻,M(t)为t时刻的蜂箱箱体重量,若dh为正,则表示蜜蜂正在采蜜并生产水蜜;若dh为负,则表示蜜蜂正在将水蜜转化为成熟蜜,
从dh出现负值起开始计时,若预定天数后生产人员仍未进行取蜜操作,则提示人工干预。
6.根据权利要求1所述的蜜蜂养殖智能监测方法,其特征在于,在步骤S4根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,具体实现如下:
计算蜂箱内蜂群图像单位面积内的蜜蜂数量;
计算蜂箱内蜂群声音强度参数值之和;
通过蜂箱内蜂群声音强度参数值之和与蜂箱内蜂群图像单位面积内的蜜蜂数量计算蜂群的活跃比;
若该蜂群的活跃比不在活跃比阈值范围内,则提示人工干预;
并计算蜂箱内的总噪声,若蜂箱内的总噪声超过预设的噪声阈值,则提示人工干预。
7.根据权利要求1所述的蜜蜂养殖智能监测方法,其特征在于,在步骤S5中统计有异常的蜂箱环境参数值、未取蜜时间、蜜蜂活跃度,具体实现如下:
建立监测数据归一化矩阵:
获取目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数,将属于单一蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数中每种监测数据形成单个列向量,将目标蜂场的各蜂箱列向量按照蜂箱间实际距离大小组合为监测数据矩阵,并将监测数据矩阵中的各数据进行归一化,生成监测数据归一化矩阵;
建立监测数据归一化训练集:
将蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数中每种数据作为训练集,针对每种数据进行分段标记,并针对每种数据的类别进行分类训练;
监测数据归一化矩阵分析:
将监测数据归一化矩阵导入监测数据归一化训练集中,获取监测数据标记矩阵,根据监测数据标记矩阵判断是否需要人工干预。
8.一种实现权利要求1所述蜜蜂养殖智能监测方法的系统,其特征在于,包括:
蜂箱信息采集装置,用于对目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行采集;
蜂箱信息处理平台,用于对蜂箱环境历史数据进行数据挖掘,设置蜂箱环境参数阈值,判断实时采集的蜂箱环境参数值是否超过预设的报警阈值,若是,则显示为异常状态,并提示人工干预;对蜂蜜产量历史数据进行数据挖掘,设置未取蜜时间报警阈值,根据实时采集的蜂蜜产量参数值计算蜂蜜产量变化率,并根据蜂蜜产量变化率判断未取蜜时间是否超过未取蜜时间报警阈值,若是,则显示为异常状态,并提示人工干预;对蜂箱内蜂群图像和蜂群声音强度的历史数据进行数据挖掘,设置蜜蜂活跃度报警阈值,根据实时采集的蜂箱内蜂群图像和蜂群声音强度参数值计算蜜蜂活跃度,判断该蜜蜂活跃度是否超过蜜蜂活跃度报警阈值,若是,则显示为异常状态,并提示人工干预;统计并向终端发送人工干预提示信息。
9.根据权利要求8所述的蜜蜂养殖智能监测系统,其特征在于,
蜂箱信息采集装置包括:
蜂箱环境采集模块,用于采集蜂箱环境参数并发送至蜂箱信息处理平台;
蜂蜜产量与蜂群行为采集模块,用于采集蜂蜜产量与蜂箱内蜂群图像和蜂群声音强度参数并发送至蜂箱信息处理平台;
蜂箱信息处理平台包括:
信息接收及存储模块,用于接收并存储蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数;
挖掘分析模块,用于对蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行分析挖掘,并判断是否需要人工干预。
10.根据权利要求9所述的蜜蜂养殖智能监测系统,其特征在于,
蜂箱环境采集模块包括:蜂箱环境感知单元和信息变送单元;
蜂蜜产量与蜂群行为采集模块包括:声音采集单元、振动监测单元、蜂蜜产量监测单元、视频行为监测单元、开箱识别单元;
蜂箱信息采集装置还包括:通信模块和供电及开关模块;
蜂箱信息处理平台还包括:信息显示模块、报警模块、移动端后台服务模块;
蜂箱环境感知单元电连接至信息变送单元,信息变送单元、声音采集单元、振动监测单元、蜂蜜产量监测单元、视频行为监测单元、开箱识别单元均电连接至通信模块,通信模块电连接至信息接收及存储模块,信息接收及存储模块电连接至挖掘分析模块,挖掘分析模块与信息显示模块、报警模块、移动端后台服务模块分别电连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810983729.3A CN109145032B (zh) | 2018-08-27 | 2018-08-27 | 一种蜜蜂养殖智能监测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810983729.3A CN109145032B (zh) | 2018-08-27 | 2018-08-27 | 一种蜜蜂养殖智能监测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145032A true CN109145032A (zh) | 2019-01-04 |
CN109145032B CN109145032B (zh) | 2020-08-25 |
Family
ID=64828487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810983729.3A Active CN109145032B (zh) | 2018-08-27 | 2018-08-27 | 一种蜜蜂养殖智能监测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145032B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109714432A (zh) * | 2019-01-16 | 2019-05-03 | 西安中星测控有限公司 | 一种物联网系统大数据处理的人工智能算法和装置 |
CN110264373A (zh) * | 2019-06-10 | 2019-09-20 | 四川天府蜂谷科技有限公司 | 基于云计算的人工智能(ai)养蜂方法及其系统 |
CN110290181A (zh) * | 2019-05-31 | 2019-09-27 | 中国热带农业科学院环境与植物保护研究所 | 蜂场数据采集系统及分析方法 |
CN110708112A (zh) * | 2019-10-13 | 2020-01-17 | 国网山东省电力公司潍坊供电公司 | 一种应急通信车卫星天线保护方法、系统、终端及存储介质 |
CN111522262A (zh) * | 2019-02-02 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 监控方法和系统 |
CN111815202A (zh) * | 2020-07-31 | 2020-10-23 | 四川生态诚品农业开发有限公司 | 一种蜂蜜生产的预测方法及系统 |
CN111854832A (zh) * | 2020-06-10 | 2020-10-30 | 巴中野蕊蜜源蜂业有限公司 | 一种智能养蜂托盘智能监测系统 |
CN111857022A (zh) * | 2020-06-10 | 2020-10-30 | 巴中野蕊蜜源蜂业有限公司 | 基于物联网的智能养蜂监测报警系统及方法 |
CN111885525A (zh) * | 2020-06-10 | 2020-11-03 | 巴中野蕊蜜源蜂业有限公司 | 一种智能养蜂网络通信交互系统 |
CN111879352A (zh) * | 2020-06-10 | 2020-11-03 | 巴中野蕊蜜源蜂业有限公司 | 基于物联网的智能养蜂监测分析管理系统 |
CN112119946A (zh) * | 2020-08-31 | 2020-12-25 | 浙江大学 | 一种基于分类模型的蜂箱远程监控系统及智能蜂箱 |
CN112273281A (zh) * | 2020-10-19 | 2021-01-29 | 宁夏碧蜂源蜂产业有限公司 | 一种蜜蜂智能化远程控制高效养殖信息系统 |
CN112392458A (zh) * | 2020-08-05 | 2021-02-23 | 北京中煤矿山工程有限公司 | 反井钻机刀盘和钻杆振动监测方法及系统 |
CN112544503A (zh) * | 2020-11-26 | 2021-03-26 | 重庆邮电大学 | 一种智能蜂箱的监测预警系统及方法 |
CN112986504A (zh) * | 2019-12-12 | 2021-06-18 | 阿里巴巴集团控股有限公司 | 蜂蜜成熟度、目标对象属性的确定方法、设备及存储介质 |
CN113207813A (zh) * | 2021-06-08 | 2021-08-06 | 武汉纺织大学 | 一种蜜蜂检测装置 |
CN114128678A (zh) * | 2021-11-29 | 2022-03-04 | 福州市晋安区绅士养蜂专业合作社 | 一种监测蜂群增强植物碳汇能力的方法及其系统 |
US11301679B2 (en) * | 2019-02-01 | 2022-04-12 | The Bee Corp | Systems and methods for measuring beehive strength |
CN114417242A (zh) * | 2021-12-20 | 2022-04-29 | 淮阴工学院 | 畜禽活动信息的大数据检测系统 |
CN114521514A (zh) * | 2022-03-02 | 2022-05-24 | 江西蜂富家科技有限公司 | 一种智能自动养蜂系统 |
WO2022120496A1 (en) * | 2020-12-11 | 2022-06-16 | Technologies Nectar Inc. | System and method for monitoring, identifying and recording beehive status |
CN114885302A (zh) * | 2022-04-13 | 2022-08-09 | 澳大利亚农业物联网公司 | 数字化蜂场及其管理系统 |
CN115102881A (zh) * | 2022-05-16 | 2022-09-23 | 祝海东 | 一种基于船舶报港大数据的船舶报港信息异常判断方法 |
CN116307190A (zh) * | 2023-03-21 | 2023-06-23 | 信通院(江西)科技创新研究院有限公司 | 一种基于蓝牙mesh网络的果园环境对产量的预测方法 |
TWI817851B (zh) * | 2022-11-29 | 2023-10-01 | 遠東科技大學 | 蜂蜜產量的監控方法及裝置 |
CN117426333A (zh) * | 2023-10-25 | 2024-01-23 | 中国农业科学院农业信息研究所 | 一种智能蜂箱 |
CN117953223A (zh) * | 2024-03-26 | 2024-04-30 | 大连华璟科技有限公司 | 一种基于红外图像处理的动物智能检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105028341A (zh) * | 2015-08-14 | 2015-11-11 | 福建农林大学 | 蜜蜂分蜂预警方法 |
CN107347737A (zh) * | 2017-07-24 | 2017-11-17 | 四川天府蜂谷科技有限公司 | 一种具有实时监控功能的智能中蜂蜂箱 |
US20170360010A1 (en) * | 2016-06-16 | 2017-12-21 | Best Bees Company | Smart beehive system and method of operating the same |
CN107589769A (zh) * | 2017-08-31 | 2018-01-16 | 西安理工大学 | 一种智能蜂箱控制系统及方法 |
-
2018
- 2018-08-27 CN CN201810983729.3A patent/CN109145032B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105028341A (zh) * | 2015-08-14 | 2015-11-11 | 福建农林大学 | 蜜蜂分蜂预警方法 |
US20170360010A1 (en) * | 2016-06-16 | 2017-12-21 | Best Bees Company | Smart beehive system and method of operating the same |
CN107347737A (zh) * | 2017-07-24 | 2017-11-17 | 四川天府蜂谷科技有限公司 | 一种具有实时监控功能的智能中蜂蜂箱 |
CN107589769A (zh) * | 2017-08-31 | 2018-01-16 | 西安理工大学 | 一种智能蜂箱控制系统及方法 |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109714432A (zh) * | 2019-01-16 | 2019-05-03 | 西安中星测控有限公司 | 一种物联网系统大数据处理的人工智能算法和装置 |
US20220245937A1 (en) * | 2019-02-01 | 2022-08-04 | The Bee Corp | Systems and methods for measuring beehive strength |
US11849705B2 (en) * | 2019-02-01 | 2023-12-26 | The Bee Corp | Systems and methods for measuring beehive strength |
US11301679B2 (en) * | 2019-02-01 | 2022-04-12 | The Bee Corp | Systems and methods for measuring beehive strength |
CN111522262A (zh) * | 2019-02-02 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 监控方法和系统 |
CN110290181A (zh) * | 2019-05-31 | 2019-09-27 | 中国热带农业科学院环境与植物保护研究所 | 蜂场数据采集系统及分析方法 |
CN110290181B (zh) * | 2019-05-31 | 2020-11-10 | 中国热带农业科学院环境与植物保护研究所 | 蜂场数据采集系统 |
CN110264373A (zh) * | 2019-06-10 | 2019-09-20 | 四川天府蜂谷科技有限公司 | 基于云计算的人工智能(ai)养蜂方法及其系统 |
CN110708112A (zh) * | 2019-10-13 | 2020-01-17 | 国网山东省电力公司潍坊供电公司 | 一种应急通信车卫星天线保护方法、系统、终端及存储介质 |
CN110708112B (zh) * | 2019-10-13 | 2021-11-23 | 国网山东省电力公司潍坊供电公司 | 一种应急通信车卫星天线保护方法、系统、终端及存储介质 |
CN112986504A (zh) * | 2019-12-12 | 2021-06-18 | 阿里巴巴集团控股有限公司 | 蜂蜜成熟度、目标对象属性的确定方法、设备及存储介质 |
CN112986504B (zh) * | 2019-12-12 | 2023-11-07 | 阿里巴巴集团控股有限公司 | 蜂蜜成熟度、目标对象属性的确定方法、设备及存储介质 |
CN111854832A (zh) * | 2020-06-10 | 2020-10-30 | 巴中野蕊蜜源蜂业有限公司 | 一种智能养蜂托盘智能监测系统 |
CN111879352A (zh) * | 2020-06-10 | 2020-11-03 | 巴中野蕊蜜源蜂业有限公司 | 基于物联网的智能养蜂监测分析管理系统 |
CN111885525A (zh) * | 2020-06-10 | 2020-11-03 | 巴中野蕊蜜源蜂业有限公司 | 一种智能养蜂网络通信交互系统 |
CN111857022A (zh) * | 2020-06-10 | 2020-10-30 | 巴中野蕊蜜源蜂业有限公司 | 基于物联网的智能养蜂监测报警系统及方法 |
CN111815202A (zh) * | 2020-07-31 | 2020-10-23 | 四川生态诚品农业开发有限公司 | 一种蜂蜜生产的预测方法及系统 |
CN111815202B (zh) * | 2020-07-31 | 2023-08-11 | 四川生态诚品农业开发有限公司 | 一种蜂蜜生产的预测方法及系统 |
CN112392458A (zh) * | 2020-08-05 | 2021-02-23 | 北京中煤矿山工程有限公司 | 反井钻机刀盘和钻杆振动监测方法及系统 |
CN112119946B (zh) * | 2020-08-31 | 2022-07-19 | 浙江大学 | 一种基于分类模型的蜂箱远程监控系统及智能蜂箱 |
CN112119946A (zh) * | 2020-08-31 | 2020-12-25 | 浙江大学 | 一种基于分类模型的蜂箱远程监控系统及智能蜂箱 |
CN112273281A (zh) * | 2020-10-19 | 2021-01-29 | 宁夏碧蜂源蜂产业有限公司 | 一种蜜蜂智能化远程控制高效养殖信息系统 |
CN112544503A (zh) * | 2020-11-26 | 2021-03-26 | 重庆邮电大学 | 一种智能蜂箱的监测预警系统及方法 |
CN112544503B (zh) * | 2020-11-26 | 2022-06-24 | 重庆邮电大学 | 一种智能蜂箱的监测预警系统及方法 |
WO2022120496A1 (en) * | 2020-12-11 | 2022-06-16 | Technologies Nectar Inc. | System and method for monitoring, identifying and recording beehive status |
CN113207813A (zh) * | 2021-06-08 | 2021-08-06 | 武汉纺织大学 | 一种蜜蜂检测装置 |
CN114128678A (zh) * | 2021-11-29 | 2022-03-04 | 福州市晋安区绅士养蜂专业合作社 | 一种监测蜂群增强植物碳汇能力的方法及其系统 |
CN114128678B (zh) * | 2021-11-29 | 2022-11-08 | 福州市晋安区绅士养蜂专业合作社 | 一种监测蜂群增强植物碳汇能力的方法及其系统 |
CN114417242A (zh) * | 2021-12-20 | 2022-04-29 | 淮阴工学院 | 畜禽活动信息的大数据检测系统 |
CN114521514B (zh) * | 2022-03-02 | 2022-12-30 | 江西蜂富家科技有限公司 | 一种智能自动养蜂系统 |
CN114521514A (zh) * | 2022-03-02 | 2022-05-24 | 江西蜂富家科技有限公司 | 一种智能自动养蜂系统 |
CN114885302A (zh) * | 2022-04-13 | 2022-08-09 | 澳大利亚农业物联网公司 | 数字化蜂场及其管理系统 |
WO2023197370A1 (zh) * | 2022-04-13 | 2023-10-19 | 澳大利亚农业物联网公司 | 数字化蜂场及其管理系统 |
CN115102881A (zh) * | 2022-05-16 | 2022-09-23 | 祝海东 | 一种基于船舶报港大数据的船舶报港信息异常判断方法 |
TWI817851B (zh) * | 2022-11-29 | 2023-10-01 | 遠東科技大學 | 蜂蜜產量的監控方法及裝置 |
CN116307190A (zh) * | 2023-03-21 | 2023-06-23 | 信通院(江西)科技创新研究院有限公司 | 一种基于蓝牙mesh网络的果园环境对产量的预测方法 |
CN116307190B (zh) * | 2023-03-21 | 2024-03-26 | 信通院(江西)科技创新研究院有限公司 | 一种基于蓝牙mesh网络的果园环境对产量的预测方法 |
CN117426333A (zh) * | 2023-10-25 | 2024-01-23 | 中国农业科学院农业信息研究所 | 一种智能蜂箱 |
CN117953223A (zh) * | 2024-03-26 | 2024-04-30 | 大连华璟科技有限公司 | 一种基于红外图像处理的动物智能检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109145032B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145032A (zh) | 一种蜜蜂养殖智能监测方法与系统 | |
Bao et al. | Artificial intelligence in animal farming: A systematic literature review | |
Martiskainen et al. | Cow behaviour pattern recognition using a three-dimensional accelerometer and support vector machines | |
CN105091938B (zh) | 畜禽健康状况监测方法及系统 | |
EP3900891B1 (en) | Pet amusement control apparatus of robot and mobile robot | |
CN103475736B (zh) | 一种传感器通信系统及其利用该系统进行监控的方法 | |
CN110059781A (zh) | 奶牛数字化行为识别装置 | |
CN207201700U (zh) | 奶牛的可穿戴设备 | |
KR102117092B1 (ko) | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 | |
CN206696643U (zh) | 一种基于物联网的自动化养殖监控系统 | |
CN107909046B (zh) | 动物智能分类系统及方法 | |
TWI661770B (zh) | 智慧深度學習農漁培養系統 | |
US20240040995A1 (en) | Method, apparatus and system for detecting carbon emission-involved gas from ruminant | |
KR102315991B1 (ko) | 인공지능 기반 원격 가축 관리 장치 및 시스템 | |
US20210307301A1 (en) | System for beehive health and activity monitoring | |
CN108207700A (zh) | 奶牛信息监测方法及系统 | |
CN112931318A (zh) | 一种边云协同的海洋大黄鱼智能化养殖管理系统 | |
CN117473446B (zh) | 基于深度学习的异常检测和处理方法及系统 | |
CN108805736A (zh) | 一种两点模式下养殖系统及状态监测方法 | |
CN113456063B (zh) | 一种基于人工智能的死鸡病鸡检测系统及检测方法 | |
KR102624927B1 (ko) | 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법 | |
CN110363247B (zh) | 一种生猪饮食异常智能监测方法和系统 | |
CN108628266A (zh) | 基于大数据分析的智能养殖大棚监测系统 | |
KR20230082069A (ko) | 축산업 비 전문가 생산성 증대를 위한 자동 제어 생육 분석 시스템 | |
Singhal et al. | Cattle Collar: An End-to-End Multi-Model Framework for Cattle Monitoring |
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 |