CN109508907A - 基于深度学习与远程视频的奶牛体况智能评分系统 - Google Patents
基于深度学习与远程视频的奶牛体况智能评分系统 Download PDFInfo
- Publication number
- CN109508907A CN109508907A CN201811579628.6A CN201811579628A CN109508907A CN 109508907 A CN109508907 A CN 109508907A CN 201811579628 A CN201811579628 A CN 201811579628A CN 109508907 A CN109508907 A CN 109508907A
- Authority
- CN
- China
- Prior art keywords
- milk cow
- milk
- deep learning
- body condition
- score
- 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.)
- Pending
Links
- 239000008267 milk Substances 0.000 title claims abstract description 149
- 235000013336 milk Nutrition 0.000 title claims abstract description 149
- 210000004080 milk Anatomy 0.000 title claims abstract description 149
- 238000013135 deep learning Methods 0.000 title claims abstract description 19
- 241000283690 Bos taurus Species 0.000 claims abstract description 151
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000009877 rendering Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 6
- 210000001217 buttock Anatomy 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 210000000988 bone and bone Anatomy 0.000 claims description 2
- 238000007596 consolidation process Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 210000003041 ligament Anatomy 0.000 claims description 2
- 238000005065 mining Methods 0.000 claims description 2
- 238000003475 lamination Methods 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000012549 training Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 12
- 210000000038 chest Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000006053 animal diet Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Architecture (AREA)
- Computer Networks & Wireless Communication (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
Abstract
本发明特别涉及一种基于深度学习与远程视频的奶牛体况智能评分系统，包括奶牛行走通道、耳标读卡器、3D摄像机以及处理模块，所述的耳标读卡器用于读取奶牛耳标信息，3D摄像机用于拍摄奶牛3D图像，处理模块采用深度学习算法Faster R‑CNN对接收到的奶牛3D图像进行处理得到奶牛评分数据，并将奶牛评分数据与奶牛耳标信息相关联后进行输出和/或存储。利用3D摄像机获取牧场现场奶牛身体3D原始图像，构建奶牛BCS图像特征数据库，采用深度学习算法训练样本集合，使BCS的分类精度达到0.1分；再利用3D红外摄像头、电子耳标等，构建能持续跟踪奶牛生命周期内的健康生长和生产模型，使系统能提前识别和预警奶牛体况异常。
Description
技术领域
本发明涉及智能监测设备技术领域，特别涉及一种基于深度学习与远程视频的奶牛体况智能评分系统。
背景技术
奶牛体况评分，英文：Dairy Cow Body Condition Score，简称BCS，是国际畜牧业近30年来总结的最优评价体系，它可以客观、合理地评估奶牛个体的能量储备，并比较科学地反应动物饮食状况，繁殖能力等。BCS的评分体制有多种形式，除了早期澳大利亚Earle等提出的8分(1～8)制BCS系统，英国学者Mulvaney等提出的6分(1～6)制外，还有新西兰Macdonald等提出的10分(1～10)制BCS系统。当然目前普遍采用的是美国Wildman提出的5分(1～5)制BCS系统，它通过视觉评估和触觉判断的方法，对奶牛的几个关键部位进行评分得到一个综合结果，通过观察牛背部的脊椎是否突出、肋骨是否清晰可见、臀部两侧是否凹陷等一系列的特征，来判断奶牛个体是否胖瘦。在计算机信息技术未普及之前，牛的体况评分基本采用触摸评估和肉眼观察二者相结合的方法；该方法有一定的主观性，但却是目前被广泛使用的评估奶牛体能储备是否平衡的一种实用方法。这种方法的缺点是，效率低下，容易对奶牛造成应激反应，在评分过程中人员可能会遭到攻击而受伤。
随着计算机技术的普及，越来越多的人开始使用图像处理技术来进行奶牛评分，现有的方案都有不足之处。方案一，张海亮和何东键等利用图像处理技术，对肉牛图像进行分析和检测，间接对体长、胸宽、胸深的功能指标进行测量，然后利用测量值进行体况评分，但由于间接测量误差较大，导致体况评分精度较低；方案二，吴复争等对集中研究奶牛尾部图像，收集大量奶牛尾部图像建立图像库，提出了给予Kernel-PCA的奶牛体况评分方法，但该方案误差区间太大，达到±0.5；方案三，Fischer等使用3D相机获取奶牛后背深度图，并手动标注四个关键点，结合主成分分析方法，利用多元现行回归模型进行建模，进行体况评分，但该系统不能全自动体况评分，而且3D相机成本较高；方案四，Spoliansky等用三维Kinect相机实现体况自动评分，但该模型需要附加信息，比如奶牛体重、年龄等，而且精度仅能达到0.75，与人工分数相差甚远；方案五，Fischer等利用3D相机的方法和Spoliansky等利用的Kinect相机内部虽然都有双目结构，但这些相机相对脆弱，不能应用在牧场这种复杂光照、风吹日晒的极端环境。
发明内容
本发明的目的在于提供一种基于深度学习与远程视频的奶牛体况智能评分系统，评分准确且自动化高。
为实现以上目的，本发明采用的技术方案为：一种基于深度学习与远程视频的奶牛体况智能评分系统，包括奶牛行走通道、耳标读卡器、3D摄像机以及处理模块，所述的耳标读卡器安装在奶牛行走通道的入口处用于读取奶牛耳标信息，3D摄像机安装在奶牛行走通道上用于拍摄奶牛3D图像，耳标读卡器和3D摄像机均与处理模块相连，处理模块采用深度学习算法Faster R-CNN对接收到的奶牛3D图像进行处理得到奶牛评分数据，并将奶牛评分数据与奶牛耳标信息相关联后进行输出和/或存储。
与现有技术相比，本发明存在以下技术效果：利用3D摄像机获取牧场现场奶牛身体3D原始图像，构建奶牛BCS图像特征数据库，采用深度学习算法训练样本集合，使BCS的分类精度达到0.1分；再利用3D红外摄像头、电子耳标等，构建能持续跟踪奶牛生命周期内的健康生长和生产模型，定期打印牛群健康信息，使系统能提前识别和预警奶牛体况异常，在出现异常后能快速定位和诊断原因。
附图说明
图1是本发明的深度学习算法的框架图；
图2是奶牛BCS从群体到个体的映射示意图。
具体实施方式
下面结合图1至图2，对本发明做进一步详细叙述。
本发明公开了一种基于深度学习与远程视频的奶牛体况智能评分系统，包括奶牛行走通道、耳标读卡器、3D摄像机以及处理模块，所述的耳标读卡器安装在奶牛行走通道的入口处用于读取奶牛耳标信息，3D摄像机安装在奶牛行走通道上用于拍摄奶牛3D图像，耳标读卡器和3D摄像机均与处理模块相连，处理模块采用深度学习算法Faster R-CNN对接收到的奶牛3D图像进行处理得到奶牛评分数据，并将奶牛评分数据与奶牛耳标信息相关联后进行输出和/或存储。在评分过程中，奶牛必须经过一个狭窄的奶牛行走通道，我们在这个通道的入口处，同时也安装了读取奶牛身份数据的耳标读卡器。每头牛走过摄像头和耳标读卡器时，我们将这两种数据在时间序列上进行关联。例如读取第k头奶牛的耳标数据后，到下一次读取耳标之前的所有图像数据，都为第k头牛的图像，即可完成BCS和电子耳标数据的关联，其具体原理如图2所示。利用3D摄像机获取牧场现场奶牛身体3D原始图像，构建奶牛BCS图像特征数据库，采用深度学习算法训练样本集合，使BCS的分类精度达到0.1分，大大提高奶牛评分的精度；再利用3D红外摄像头、电子耳标等，构建能持续跟踪奶牛生命周期内的健康生长和生产模型，保证评分数据与奶牛个体自动关联，使得整个系统更自动化。定期打印牛群健康信息，使系统能提前识别和预警奶牛体况异常，在出现异常后能快速定位和诊断原因。
作为本发明的优选方案，所述的处理模块按以下步骤对奶牛的3D图像进行处理：(A)对奶牛3D图像进行空间变换、归一化处理；(B)对归一化处理后的3D图像进行特征挖掘和筛选得到3D特征向量，其中特征包括整体特征和局部特征；(C)对所得的3D特征向量进行PCA维度降维，提取权重较大的主要成分；(D)将处理好的3D特征向量输入到Faster R-CNN算法中得到奶牛评分；(E)将奶牛评分结果与奶牛耳标信息联合输入数据库。所述的步骤D中，Faster R-CNN算法是由RPN网络和Fast R-CNN检测网络融合后、共享卷积层的多类目标检测算法，算法的框架图如图1所示，步骤D包括以下步骤：(D1)对3D特征向量进行整体特征提取，整体特征包括包括前景特征和背景特征，分别用于定位奶牛目标以及提取奶牛特征，其中奶牛特征包括脊背、腰角、臀部骨骼、尾根、从脊背延伸到腰角和臀部的韧带部位；(D2)使用RPN Network提取出潜在的奶牛特征区域；(D3)使用Fast R-CNN对奶牛特征区域进行评分；(D4)将置信度最大的评分置为奶牛的最终评分。使用Faster R-CNN算法对奶牛进行评分，评分精度高、处理速度快，奶牛在行走通道中走过的过程中就能自动实现对奶牛的评分，整个系统非常的智能。
奶牛体况评分预测模型是通过样本进行学习和训练得到的，本实施例中优选地，所述的步骤D3中，包括以下步骤：(D31)选择N个奶牛样本，采集奶牛样本后部的3D样本图像，这里的N越大越好，数据量最多，最后训练得到的奶牛体况评分预测模型评分时越精确，比如当我们选择超过10W个样本数据时，可以使BCS的分类精度达到0.1分；(D32)对3D样本图像进行空间变换和标准化处理；(D33)对标准化处理后的3D样本图像进行样本特征提取与筛选；(D34)根据3D样本特征数据以及对应奶牛样本的人工评分值进行模型的学习和训练得到奶牛体况评分预测模型；(D35)将待测的奶牛3D特征向量数据输入到奶牛体况评分预测模型中即可求得奶牛评分。奶牛体况评分预测模型在建立后就直接存储在处理模块中，需要对奶牛体况进行评分时，只需要将待测奶牛的3D特征向量数据输入到模型中即可，这样也使得评分过程迅速。
进一步地，所述的步骤E后还包括如下步骤：(F)以奶牛生长时间为横坐标、奶牛评分为纵坐标绘制奶牛评分曲线；(G)剔除评分过高、过低或波动较大的奶牛后，对剩下的所有奶牛评分曲线求取平均值得到奶牛健康曲线，评分过高、过低或波动较大的奶牛，其身体状况可能存在疾病或者有其他不健康的情形，剔除以后，保留的都是健康的奶牛，对健康的奶牛评分曲线求平均后可以得到健康的奶牛评分曲线，即这里的奶牛健康曲线；(H)标记评分过高、过低、波动较大的奶牛以及评分曲线与健康曲线差异超过设定阈值的奶牛，前面已经说过，评分过高、过低、波动较大的奶牛都存在健康隐患，同时，那些评分曲线与奶牛健康曲线差异大的奶牛，也有可能是长期处于不健康的状态或亚健康状态，不易察觉，这里通过对曲线的比对来判断奶牛的健康状况，检测更为准确，当检测到有不健康的奶牛时，只需要将其耳标中所包含的奶牛信息读取出来，就能方便的对奶牛进行定位，管理和医疗人员就可以有目的的去对奶牛进行检查。
Claims (5)
1.一种基于深度学习与远程视频的奶牛体况智能评分系统，其特征在于：包括奶牛行走通道、耳标读卡器、3D摄像机以及处理模块，所述的耳标读卡器安装在奶牛行走通道的入口处用于读取奶牛耳标信息，3D摄像机安装在奶牛行走通道上用于拍摄奶牛3D图像，耳标读卡器和3D摄像机均与处理模块相连，处理模块采用深度学习算法Faster R-CNN对接收到的奶牛3D图像进行处理得到奶牛评分数据，并将奶牛评分数据与奶牛耳标信息相关联后进行输出和/或存储。
2.如权利要求1所述的基于深度学习与远程视频的奶牛体况智能评分系统，其特征在于：所述的处理模块按以下步骤对奶牛的3D图像进行处理：
(A)对奶牛3D图像进行空间变换、归一化处理；
(B)对归一化处理后的3D图像进行特征挖掘和筛选得到3D特征向量，其中特征包括整体特征和局部特征；
(C)对所得的3D特征向量进行PCA维度降维，提取权重较大的主要成分；
(D)将处理好的3D特征向量输入到Faster R-CNN算法中得到奶牛评分；
(E)将奶牛评分结果与奶牛耳标信息联合输入数据库。
3.如权利要求2所述的基于深度学习与远程视频的奶牛体况智能评分系统，其特征在于：所述的步骤D中，Faster R-CNN算法是由RPN网络和Fast R-CNN检测网络融合后、共享卷积层的多类目标检测算法，步骤D包括以下步骤：
(D1)对3D特征向量进行整体特征提取，整体特征包括包括前景特征和背景特征，分别用于定位奶牛目标以及提取奶牛特征，其中奶牛特征包括脊背、腰角、臀部骨骼、尾根、从脊背延伸到腰角和臀部的韧带部位；
(D2)使用RPN Network提取出潜在的奶牛特征区域；
(D3)使用Fast R-CNN对奶牛特征区域进行评分；
(D4)将置信度最大的评分置为奶牛的最终评分。
4.如权利要求3所述的基于深度学习与远程视频的奶牛体况智能评分系统，其特征在于：所述的步骤D3中，包括以下步骤：
(D31)选择N个奶牛样本，采集奶牛样本后部的3D样本图像；
(D32)对3D样本图像进行空间变换和标准化处理；
(D33)对标准化处理后的3D样本图像进行样本特征提取与筛选；
(D34)根据3D样本特征数据以及对应奶牛样本的人工评分值进行模型的学习和训练得到奶牛体况评分预测模型；
(D35)将待测的奶牛3D特征向量数据输入到奶牛体况评分预测模型中即可求得奶牛评分。
5.如权利要求2、3或4所述的基于深度学习与远程视频的奶牛体况智能评分系统，其特征在于：所述的步骤E后还包括如下步骤：
(F)以奶牛生长时间为横坐标、奶牛评分为纵坐标绘制奶牛评分曲线；
(G)剔除评分过高、过低或波动较大的奶牛后，对剩下的所有奶牛评分曲线求取平均值得到奶牛健康曲线；
(H)标记评分过高、过低、波动较大的奶牛以及评分曲线与健康曲线差异超过设定阈值的奶牛并输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811579628.6A CN109508907A (zh) | 2018-12-24 | 2018-12-24 | 基于深度学习与远程视频的奶牛体况智能评分系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811579628.6A CN109508907A (zh) | 2018-12-24 | 2018-12-24 | 基于深度学习与远程视频的奶牛体况智能评分系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109508907A true CN109508907A (zh) | 2019-03-22 |
Family
ID=65755019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811579628.6A Pending CN109508907A (zh) | 2018-12-24 | 2018-12-24 | 基于深度学习与远程视频的奶牛体况智能评分系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109508907A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163846A (zh) * | 2019-04-19 | 2019-08-23 | 安徽省农业科学院畜牧兽医研究所 | 一种肉牛体况自动评分方法、系统和存储介质 |
| CN110309786A (zh) * | 2019-07-03 | 2019-10-08 | 华南农业大学 | 一种基于深度视频的哺乳母猪姿态转换识别方法 |
| CN110400310A (zh) * | 2019-07-31 | 2019-11-01 | 宁夏金宇智慧科技有限公司 | 一种奶牛体况自动评分系统 |
| CN110427903A (zh) * | 2019-08-08 | 2019-11-08 | 宁夏金宇智慧科技有限公司 | 一种奶牛运动性能监测方法、装置、设备及存储介质 |
| CN110728208A (zh) * | 2019-09-24 | 2020-01-24 | 内蒙古大学 | 基于体况评分在牦牛放牧管理中的信息处理方法及系统 |
| CN112257991A (zh) * | 2020-09-30 | 2021-01-22 | 内蒙古农业大学 | 绵羊体况自动评分装置及评分方法 |
| CN112331345A (zh) * | 2020-11-26 | 2021-02-05 | 河南科技大学 | 一种基于直接评测模型的奶牛体脂率检测方法 |
| CN112381774A (zh) * | 2020-11-05 | 2021-02-19 | 华南农业大学 | 一种基于多角度深度信息融合的奶牛体况评分方法及系统 |
| CN112450119A (zh) * | 2020-03-04 | 2021-03-09 | 丰疆智能科技股份有限公司 | 牛体健康状态评估系统和评估方法以及牛体按摩装置 |
| CN112825791A (zh) * | 2020-12-25 | 2021-05-25 | 河南科技大学 | 一种基于深度学习与点云凸包化特征的奶牛体况评分方法 |
| CN113678751A (zh) * | 2021-08-19 | 2021-11-23 | 安徽大学 | 一种肉牛体型参数获取与运动健康识别的智能过道装置 |
| CN113924994A (zh) * | 2021-10-27 | 2022-01-14 | 新疆农垦科学院 | 一种家畜健康指标监测管理分析系统 |
| CN114359969A (zh) * | 2022-01-12 | 2022-04-15 | 内蒙古农业大学 | 一种羊脸图像采集装置及图像识别方法 |
| CN114677322A (zh) * | 2021-12-30 | 2022-06-28 | 东北农业大学 | 基于注意力引导点云特征学习的奶牛体况自动评分方法 |
| CN114821400A (zh) * | 2022-04-07 | 2022-07-29 | 银川奥特信息技术股份公司 | 动物体况评分系统及方法 |
| CN114821172A (zh) * | 2022-04-27 | 2022-07-29 | 宁夏创耀信科技有限公司 | 基于体况评分的奶牛分类系统 |
| CN114896441A (zh) * | 2022-06-07 | 2022-08-12 | 连云港东旺奶牛养殖有限公司 | 一种奶牛信息化智能养殖方法及系统 |
| CN117094836A (zh) * | 2023-10-17 | 2023-11-21 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
| EP4153042A4 (en) * | 2020-05-21 | 2024-07-10 | Univ Michigan State | SYSTEMS AND METHODS FOR AUTOMATIC, NON-INVASIVE LIVESTOCK HEALTH ANALYSIS |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844534A (zh) * | 2016-04-08 | 2016-08-10 | 北京农业信息技术研究中心 | 奶牛体况自动评分方法及装置 |
| CN108197605A (zh) * | 2018-01-31 | 2018-06-22 | 电子科技大学 | 基于深度学习的牦牛身份识别方法 |
-
2018
- 2018-12-24 CN CN201811579628.6A patent/CN109508907A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844534A (zh) * | 2016-04-08 | 2016-08-10 | 北京农业信息技术研究中心 | 奶牛体况自动评分方法及装置 |
| CN108197605A (zh) * | 2018-01-31 | 2018-06-22 | 电子科技大学 | 基于深度学习的牦牛身份识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 颜志国等: "《多摄像机协同关注目标检测跟踪技术》", 30 June 2017 * |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163846A (zh) * | 2019-04-19 | 2019-08-23 | 安徽省农业科学院畜牧兽医研究所 | 一种肉牛体况自动评分方法、系统和存储介质 |
| CN110309786A (zh) * | 2019-07-03 | 2019-10-08 | 华南农业大学 | 一种基于深度视频的哺乳母猪姿态转换识别方法 |
| CN110400310A (zh) * | 2019-07-31 | 2019-11-01 | 宁夏金宇智慧科技有限公司 | 一种奶牛体况自动评分系统 |
| CN110427903A (zh) * | 2019-08-08 | 2019-11-08 | 宁夏金宇智慧科技有限公司 | 一种奶牛运动性能监测方法、装置、设备及存储介质 |
| CN110728208A (zh) * | 2019-09-24 | 2020-01-24 | 内蒙古大学 | 基于体况评分在牦牛放牧管理中的信息处理方法及系统 |
| CN110728208B (zh) * | 2019-09-24 | 2022-05-27 | 内蒙古大学 | 基于体况评分在牦牛放牧管理中的信息处理方法及系统 |
| CN112450119A (zh) * | 2020-03-04 | 2021-03-09 | 丰疆智能科技股份有限公司 | 牛体健康状态评估系统和评估方法以及牛体按摩装置 |
| EP4153042A4 (en) * | 2020-05-21 | 2024-07-10 | Univ Michigan State | SYSTEMS AND METHODS FOR AUTOMATIC, NON-INVASIVE LIVESTOCK HEALTH ANALYSIS |
| CN112257991A (zh) * | 2020-09-30 | 2021-01-22 | 内蒙古农业大学 | 绵羊体况自动评分装置及评分方法 |
| CN112381774A (zh) * | 2020-11-05 | 2021-02-19 | 华南农业大学 | 一种基于多角度深度信息融合的奶牛体况评分方法及系统 |
| CN112331345A (zh) * | 2020-11-26 | 2021-02-05 | 河南科技大学 | 一种基于直接评测模型的奶牛体脂率检测方法 |
| CN112825791A (zh) * | 2020-12-25 | 2021-05-25 | 河南科技大学 | 一种基于深度学习与点云凸包化特征的奶牛体况评分方法 |
| CN112825791B (zh) * | 2020-12-25 | 2023-02-10 | 河南科技大学 | 一种基于深度学习与点云凸包化特征的奶牛体况评分方法 |
| CN113678751A (zh) * | 2021-08-19 | 2021-11-23 | 安徽大学 | 一种肉牛体型参数获取与运动健康识别的智能过道装置 |
| CN113924994A (zh) * | 2021-10-27 | 2022-01-14 | 新疆农垦科学院 | 一种家畜健康指标监测管理分析系统 |
| CN114677322A (zh) * | 2021-12-30 | 2022-06-28 | 东北农业大学 | 基于注意力引导点云特征学习的奶牛体况自动评分方法 |
| CN114359969A (zh) * | 2022-01-12 | 2022-04-15 | 内蒙古农业大学 | 一种羊脸图像采集装置及图像识别方法 |
| CN114821400A (zh) * | 2022-04-07 | 2022-07-29 | 银川奥特信息技术股份公司 | 动物体况评分系统及方法 |
| CN114821172A (zh) * | 2022-04-27 | 2022-07-29 | 宁夏创耀信科技有限公司 | 基于体况评分的奶牛分类系统 |
| CN114821172B (zh) * | 2022-04-27 | 2024-10-15 | 宁夏创耀信科技有限公司 | 基于体况评分的奶牛分类系统 |
| CN114896441A (zh) * | 2022-06-07 | 2022-08-12 | 连云港东旺奶牛养殖有限公司 | 一种奶牛信息化智能养殖方法及系统 |
| CN117094836A (zh) * | 2023-10-17 | 2023-11-21 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
| CN117094836B (zh) * | 2023-10-17 | 2024-02-13 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109508907A (zh) | 基于深度学习与远程视频的奶牛体况智能评分系统 | |
| CN110175993A (zh) | 一种基于FPN的Faster R-CNN肺结核征象检测系统及方法 | |
| CN109784200B (zh) | 基于双目视觉的奶牛行为图像获取与体况智能监测系统 | |
| CN111787877A (zh) | 用于估计胚胎活力的系统和方法 | |
| TWI684997B (zh) | 骨齡評估與身高預測模型之建立方法、骨齡評估與身高預測系統及骨齡評估與身高預測方法 | |
| CN115830490A (zh) | 一种群养生猪多目标跟踪及行为统计方法 | |
| CN115578372A (zh) | 基于目标检测和卷积变换的骨龄评估方法、设备及介质 | |
| CN112101333A (zh) | 一种基于深度学习的智慧牛场的监控与识别方法及装置 | |
| CN112544491A (zh) | 一种识别圈养动物腹泻的方法及系统 | |
| CN111524093A (zh) | 一种异常舌象的智能筛查方法及其系统 | |
| WO2018078867A1 (ja) | コンピュータシステム、動物の診断方法及びプログラム | |
| CN114240874A (zh) | 基于深度卷积神经网络和特征融合的骨龄评定方法、设备及计算机可读存储介质 | |
| CN114663735B (zh) | 基于联合全局及局部卷积神经网络特征的双骨龄评估方法 | |
| WO2023041904A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
| Chowdhury et al. | Deep learning based computer vision technique for automatic heat detection in cows | |
| Maglietta et al. | The promise of machine learning in the Risso’s dolphin Grampus griseus photo-identification | |
| Li et al. | Automatic dairy cow body condition scoring using depth images and 3D surface fitting | |
| Yuzkat et al. | Detection of sperm cells by single-stage and two-stage deep object detectors | |
| Li et al. | Extraction of key regions of beef cattle based on bidirectional tomographic slice features from point cloud data | |
| CN117352164A (zh) | 基于人工智能的多模态肿瘤检测诊断平台及其处理方法 | |
| CN114565762B (zh) | 基于roi和分裂融合策略的弱监督肝脏肿瘤分割方法 | |
| CN115578373A (zh) | 基于全局和局部特征协作的骨龄评估方法、装置、设备及介质 | |
| CN114283114A (zh) | 图像处理方法、装置、设备及存储介质 | |
| US20240260547A1 (en) | Apparatus for monitoring vectors of livestock diseases, system having the same and method of monitoring vectors of livestock diseases | |
| Gunawan et al. | Optimizing Livestock Productivity with Computer Vision-Based Cow Estrus Detection in Free Stall Barns using Various YOLOv8 Models |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190322 |
|
| RJ01 | Rejection of invention patent application after publication |