CN109620150B - 一种智能养猪限位测膘方法、装置、电子设备及存储介质 - Google Patents
一种智能养猪限位测膘方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109620150B CN109620150B CN201811525577.9A CN201811525577A CN109620150B CN 109620150 B CN109620150 B CN 109620150B CN 201811525577 A CN201811525577 A CN 201811525577A CN 109620150 B CN109620150 B CN 109620150B
- Authority
- CN
- China
- Prior art keywords
- backfat
- pigs
- information
- pig
- limit
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种智能养猪限位测膘方法、装置、电子设备及存储介质,所述方法包括:S1、获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;S2、根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。本发明提供的智能养猪限位测膘方法,克服了现有方式中采用背膘仪进行人工测膘的各种弊端(如人工成本高、人工测膘导致的猪只应激反应等),实现了低成本、方便高效且无应激的背膘测量,解决了传统养猪中的痛点问题。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种智能养猪限位测膘方法、装置、电子设备及存储介质。
背景技术
养猪场在母猪的养殖过程中,需要获知它们的背膘信息,因为母猪背膘信息是判定母猪发情配种繁殖能力的有效指标。
目前获取母猪背膘信息的方式主要是通过人工使用背膘测量仪手动测量,这种测量方式不但耗费大量的人力精力,效率低下,更为麻烦的是,这种测量方式容易导致母猪产生应激反应,进而影响母猪健康生长。
发明内容
针对现有技术中的缺陷,本发明提供一种智能养猪限位测膘方法、装置、电子设备及存储介质。
具体地,本发明提供以下技术方案:
第一方面,本发明提供了一种智能养猪限位测膘方法,包括:
S1、获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;
S2、根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;
其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。
进一步地,在所述S1之前,所述方法还包括:
S0、建立所述预设的背膘测量模型。
进一步地,所述S0包括:
S01、准备训练样本数据;所述训练样本数据包括待进行智能限位测膘的养猪场中指定限位栏内猪只的图像数据和背膘数据;
S02、基于准备的训练样本数据,基于机器学习的方法对初始背膘测量模型进行训练,得到所述预设的背膘测量模型。
进一步地,所述S01包括:
定期采集所述待进行智能限位测膘的养猪场内指定的若干个限位栏内猪只背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储;其中,限位栏内猪只的背膘信息由背膘仪测量获取;限位栏内猪只的图像信息由安装在限位栏正上方预设高度处的图像采集设备获取;其中,采集的猪只背膘信息和图像信息需要涵盖猪只的各种生活姿态;
相应地,所述S02包括:
将采集得到的猪只背膘信息和图像信息的数据对中的图像信息作为输入,将相应数据对中的背膘信息作为输出,基于机器学习的方法对初始背膘测量模型进行训练,得到所述预设的背膘测量模型。
进一步地,所述定期采集所述待进行智能限位测膘的养猪场内指定的若干个限位栏内猪只背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储,包括:
当每次判断相应限位栏内的猪只处于站立状态时,采集对应限位栏内猪只的背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储;
相应地,所述S1包括:
获取待进行智能限位测膘的养猪场中每个限位栏内猪只在站立时的图像信息;
相应地,所述S2包括:
根据每个限位栏内猪只在站立时的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息。
进一步地,所述S1包括:
利用安装在滑轨上的巡视机器人获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;其中,所述滑轨安装在养猪场限位栏的上方,所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息;所述滑轨的一端或两端安装有充电仓,用于为所述巡视机器人充电;其中,所述巡视机器人在所述滑轨上每滑动到一个限位栏的位置时,停下,采集对应限位栏内猪只的图像数据,当所述巡视机器人在所述滑轨上滑动结束后,回至安装在滑轨一端或两端的充电仓内充电。
进一步地,所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息时,对于每个限位栏获取多张图像数据;
相应地,在所述S1之后以及所述S2之前,所述方法还包括:
对于每个限位栏获取的多张图像数据进行评价,选取质量最好的一张图像数据,并根据该张图像数据,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息。
第二方面,本发明还提供了一种智能养猪限位测膘装置,包括:
获取模块,用于获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;
测膘模块,用于根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;
其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。
第三方面,本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述智能养猪限位测膘方法的步骤。
第四方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述智能养猪限位测膘方法的步骤。
由上面技术方案可知,本发明提供的智能养猪限位测膘方法,首先获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息,然后根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。可见,本发明提供的智能养猪限位测膘方法,克服了现有方式中采用背膘仪进行人工测膘的各种弊端(如人工成本高、人工测膘导致的猪只应激反应等),实现了低成本、方便高效且无应激的背膘测量,解决了传统养猪中的痛点问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的智能养猪限位测膘方法的流程图;
图2是本发明一实施例提供的模型训练阶段的数据获取方式示意图;
图3是本发明一实施例提供的模型应用阶段的数据获取方式示意图;
图4是本发明另一实施例提供的智能养猪限位测膘装置的结构示意图;
图5是本发明又一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明一实施例提供了一种智能养猪限位测膘方法,参见图1,该方法包括如下步骤:
步骤101:获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息。
在本步骤中,由于采用的是根据猪只图像预测猪只背膘的方法,因此,获取每个限位栏内猪只的图像信息,以便对每个限位栏内猪只的背膘信息进行预测和估计。
步骤102:根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;
其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。
在本步骤中,根据每个限位栏内猪只的图像信息,采用预先训练好的背膘测量模型,可以获取对应限位栏内猪只的背膘信息,进而避免了因采用背膘仪测量猪只背膘而造成的猪只应激反应,同时也省去了人工测膘的麻烦。可见,本实施例开辟了一种全新的无应激的背膘测量方式,解决了传统养猪的痛点问题。
在本步骤中,所述背膘测量模型可以基于预先准备好的训练样本数据,采用机器学习的方法对初始背膘测量模型进行训练得到,后续将进一步对模块的训练和建立过程给予详细说明。
由上面的描述可知,本实施例提供的智能养猪限位测膘方法,首先获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息,然后根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。可见,本实施例提供的智能养猪限位测膘方法,克服了现有方式中采用背膘仪进行人工测膘的各种弊端(如人工成本高、人工测膘导致的猪只应激反应等),实现了低成本、方便高效且无应激的背膘测量,解决了传统养猪中的痛点问题。
基于上述实施例的内容,在一种可选实施方式中,在所述步骤101之前,所述方法还包括:
步骤100:建立所述预设的背膘测量模型。
在本实施方式中,所述智能养猪限位测膘方法还包括了建立背膘测量模型的过程。
基于上述实施例的内容,在一种可选实施方式中,所述步骤100包括:
步骤100a:准备训练样本数据;所述训练样本数据包括待进行智能限位测膘的养猪场中指定限位栏内猪只的图像数据和背膘数据;
步骤100b:基于准备的训练样本数据,基于机器学习的方法对初始背膘测量模型进行训练,得到所述预设的背膘测量模型。
在本实施方式中,在建立背膘测量模型时,先准备训练样本数据,所述训练样本数据包括来自于同一养猪场中指定限位栏内猪只的图像数据和背膘数据,这两种数据需要成对出现,也即一幅图像要对应采集该幅图像时猪只的背膘信息,然后基于准备的训练样本数据,采用机器学习的方法对初始背膘测量模型进行训练,直到精确度满足预设要求后得到所述预设的背膘测量模型。
需要说明的是,这里在基于机器学习的方法对初始模型进行训练时,可以采用CNN或RNN进行模型学习和训练。
基于上述实施例的内容,在一种可选实施方式中,所述步骤100a包括:
定期采集所述待进行智能限位测膘的养猪场内指定的若干个限位栏内猪只背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储;其中,限位栏内猪只的背膘信息由背膘仪人工测量获取;限位栏内猪只的图像信息由安装在限位栏正上方预设高度处的图像采集设备(图2中的视频采集设备)获取;其中,采集的猪只背膘信息和图像信息需要涵盖猪只的各种生活姿态,以便于丰富训练数据,进而使得训练好的模型能够处理猪只在各种生活姿态下的图像,也即,在向训练好的模型中输入猪只在各种生活姿态下的图像时,均能够准确识别出猪只的背膘信息;
相应地,所述步骤100b包括:
将采集得到的猪只背膘信息和图像信息的数据对中的图像信息作为输入,将相应数据对中的背膘信息作为输出,基于机器学习的方法对初始背膘测量模型进行训练,得到所述预设的背膘测量模型。
在本实施方式中,上述步骤100实际上属于模型训练阶段,在该阶段,由于需要获取猪只的背膘信息,因此需要人工采用背膘仪测量猪只的背膘信息。此外,由于还需要获取猪只的图像信息,因此需要在每一个限位栏的正上方约2米-2.4米高处安装数据采集设备。此外,还需要在猪场安装数据采集后台系统,用于存储采集到的数据。在模型训练阶段,采集猪只在不同生活姿态下的图像信息以及对应的背膘信息,进而将这些较为完备的信息作为训练样本,对模型进行训练,从而可以得到预测效果较好的模型,进而在利用训练好的模型和实时采集的猪只图像进行猪只背膘预测时,可以得到较为准确的预测结果。
需要说明的是,在模型训练阶段,主要目的是为了获取样本数据,进而进行模型训练,因此,不需要对待进行智能限位测膘的养猪场中所有限位栏内的猪只进行图像和背膘信息的采集,而是只需选择几个指定的限位栏进行设备安装和信息采集即可。
基于上述实施例的内容,在一种可选实施方式中,所述定期采集所述待进行智能限位测膘的养猪场内指定的若干个限位栏内猪只背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储,包括:
当每次判断相应限位栏内的猪只处于站立状态时,采集对应限位栏内猪只的背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储;
相应地,所述步骤101包括:
获取待进行智能限位测膘的养猪场中每个限位栏内猪只在站立时的图像信息;
相应地,所述步骤102包括:
根据每个限位栏内猪只在站立时的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息。
在本实施方式中,为提高模型识别的准确度,在模型训练时,只采集猪只站立状态下的图像以及对应的背膘信息作为训练数据对模型进行训练。同时,在模型应用时,也只采集猪只在站立时的图像信息,并将该信息输入至训练好的模型中进行背膘信息估计,由于训练时的数据和实际应用时的图像数据为猪只在同一状态下的数据,故能够得到较好的背膘识别结果。
基于上述实施例的内容,在一种可选实施方式中,所述步骤101具体可通过下面方式实现:
利用安装在滑轨上的巡视机器人获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;其中,所述滑轨安装在养猪场限位栏的上方,所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息;所述滑轨的一端或两端安装有充电仓,用于为所述巡视机器人充电;其中,所述巡视机器人在所述滑轨上每滑动到一个限位栏的位置时,停下,采集对应限位栏内猪只的图像数据,当所述巡视机器人在所述滑轨上滑动结束后,回至安装在滑轨一端或两端的充电仓内充电。
在本实施方式中,上述步骤100的模型训练阶段结束后,进入了模型应用阶段,也即步骤101实际上属于模型应用阶段的内容。在模型应用阶段,将不再需要背膘仪测量,而只需获取每个限位栏内猪只的图像信息,进而利用获取的图像信息以及训练好的模型即可获取相应限位栏内猪只的背膘信息。
在本实施方式中,在模型应用阶段,由于需要获取养猪场内每个限位栏内猪只的图像信息,因此若在每个限位栏上方安装图像采集设备,不但操作起来较为麻烦,而且成本也高,因此,为解决该问题,参见图3,本实施方式利用安装在滑轨上的巡视机器人获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息。其中,滑轨的一端或两端安装有充电仓(图3以滑轨的一端安装有充电仓为例进行介绍),用于为所述巡视机器人充电,巡视机器人在控制器的控制下,在所述滑轨上每滑动到一个限位栏的位置时,停下,采集对应限位栏内猪只的图像数据,当所述巡视机器人在所述滑轨上滑动结束后,回至安装在滑轨一端或两端的充电仓内充电,以便进行下一次的滑动和图像采集。
基于上述实施例的内容,在一种可选实施方式中,所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息时,对于每个限位栏获取多张图像数据;
相应地,在所述步骤101之后以及所述步骤102之前,所述方法还包括:
步骤101’:对于每个限位栏获取的多张图像数据进行评价,选取质量最好的一张图像数据,并根据该张图像数据,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息。
在本实施方式中,对每个限位栏多采集几张图像,然后从多张图像中选取质量较好的图像,作为模型的输入。这里质量较好的图像一方面指像素较高的图像,另一方面指拍摄角度较好的图像(覆盖猪只的主要驱干或背膘相关部位)。
需要说明的是,训练模型的阶段可以理解为定制化阶段,在这个阶段,在指定的几个限位栏中的每一个限位栏的正上方约2米-2.4米高处安装数据采集设备,用于采集猪只的图像信息;此外,采用背膘仪测量对应猪只的背膘信息。需要说明的是,每次采集到的图像信息都要匹配一个从背膘仪读取到的背膘数据,形成数据对后上传至数据采集后台系统进行成对存储。
需要说明的是,在训练模型的阶段结束也即定制化阶段结束后,进入了模型应用阶段,也即进入了产品推广阶段,在这个阶段,为特定用户实施可推广的智能限位测膘系统,该系统中重要的测膘算法模型来自于定制化系统获取的数据以及训练并优化后得到的模型。在模型应用阶段,不需要人工使用背膘仪进行测膘,只需在限位栏上方安装轨道,然后将轨道巡视机器人(即图3中的“采集车”)安装到滑轨上,在滑轨一侧或两侧安装无线充电仓(图3以滑轨的一端安装有充电仓为例进行展示说明,实际应用时,根据需要还可以在滑轨的两端均安装充电仓),并将硬件设备接入远端云平台。工作时,轨道巡视机器人按照客户设置在云平台的工作策略,每天进行巡视,即沿滑轨进行滑动,每滑动到一个限位栏,停下,开始采集图像数据,然后将符合要求的数据传送至云端,轨道巡视机器人沿滑轨滑动完毕后,回至充电仓内进行充电,沿途采集到的所有合格的数据均已传至云端,云端对图像进行计算,得出每只猪只背膘信息,返回至笔记本电脑、台式机、手机等客户端上,客户可实时得到每只猪的背膘信息,还可获取每只猪一段时间内的背膘变化曲线,系统还可为用户进行数据分析,评价猪只生长、饲喂水平,并对后续饲喂给出建议。
基于相同的发明构思,本发明另一实施例提供了一种智能养猪限位测膘装置,参见图4,该装置包括:获取模块21和测膘模块22,其中:
获取模块21,用于获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;
测膘模块22,用于根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;
其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。
需要说明的是,本实施例提供的智能养猪限位测膘装置可以用于执行上述实施例所述的智能养猪限位测膘方法,其工作原理和技术效果类似,具体可参见上述实施例的描述,此处不再详述。
基于相同的发明构思,本发明又一实施例提供了一种电子设备,参见图5,所述电子设备具体包括如下内容:处理器501、存储器502、通信接口503和总线504;
其中,所述处理器501、存储器502和通信接口503通过所述总线504完成相互间的通信;所述通信接口503用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输;
所述处理器501用于调用所述存储器502中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例一中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤101:获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息。
步骤102:根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;
其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。
基于相同的发明构思,本发明又一实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例一的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤101:获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息。
步骤102:根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;
其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用于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 (7)
1.一种智能养猪限位测膘方法,其特征在于,包括:
S1、获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;其中,所述图像信息为巡视机器人在限位栏的位置采集的对应限位栏内猪只的图像数据;
S2、根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;
其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的;
其中,在所述S1之前,所述方法还包括:
S0、建立所述预设的背膘测量模型;
其中,所述S0包括:
S01、准备训练样本数据;所述训练样本数据包括待进行智能限位测膘的养猪场中指定限位栏内猪只的图像数据和背膘数据;
S02、基于准备的训练样本数据,基于机器学习的方法对初始背膘测量模型进行训练,得到所述预设的背膘测量模型;
其中,所述S01包括:
定期采集所述待进行智能限位测膘的养猪场内指定的若干个限位栏内猪只背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储;其中,限位栏内猪只的背膘信息由背膘仪测量获取;限位栏内猪只的图像信息由安装在限位栏正上方预设高度处的图像采集设备获取;其中,采集的猪只背膘信息和图像信息需要涵盖猪只的各种生活姿态;
相应地,所述S02包括:
将采集得到的猪只背膘信息和图像信息的数据对中的图像信息作为输入,将相应数据对中的背膘信息作为输出,基于机器学习的方法对初始背膘测量模型进行训练,得到所述预设的背膘测量模型;在基于机器学习的方法对初始背膘测量模型进行训练时,采用CNN或RNN进行模型学习和训练。
2.根据权利要求1所述的方法,其特征在于,所述定期采集所述待进行智能限位测膘的养猪场内指定的若干个限位栏内猪只背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储,包括:
当每次判断相应限位栏内的猪只处于站立状态时,采集对应限位栏内猪只的背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储;
相应地,所述S1包括:
获取待进行智能限位测膘的养猪场中每个限位栏内猪只在站立时的图像信息;
相应地,所述S2包括:
根据每个限位栏内猪只在站立时的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息。
3.根据权利要求1所述的方法,其特征在于,所述S1包括:
利用安装在滑轨上的巡视机器人获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;其中,所述滑轨安装在养猪场限位栏的上方,所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息;所述滑轨的一端或两端安装有充电仓,用于为所述巡视机器人充电;其中,所述巡视机器人在所述滑轨上每滑动到一个限位栏的位置时,停下,采集对应限位栏内猪只的图像数据,当所述巡视机器人在所述滑轨上滑动结束后,回至安装在滑轨一端或两端的充电仓内充电。
4.根据权利要求3所述的方法,其特征在于,所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息时,对于每个限位栏获取多张图像数据;
相应地,在所述S1之后以及所述S2之前,所述方法还包括:
对于每个限位栏获取的多张图像数据进行评价,选取质量最好的一张图像数据,并根据该张图像数据,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息。
5.一种智能养猪限位测膘装置,其特征在于,包括:
获取模块,用于获取待进行智能限位测膘的养猪场中每个限位栏内猪只的图像信息;其中,所述图像信息为巡视机器人在限位栏的位置采集的对应限位栏内猪只的图像数据;
测膘模块,用于根据每个限位栏内猪只的图像信息,采用预设的背膘测量模型,获取对应限位栏内猪只的背膘信息;
其中,所述预设的背膘测量模型是基于限位栏内猪只的图像样本输入数据和背膘样本结果数据进行训练后得到的;
其中,所述装置还包括:
模型建立模块,用于建立所述预设的背膘测量模型;
其中,所述模型建立模块,具体用于:
S01、准备训练样本数据;所述训练样本数据包括待进行智能限位测膘的养猪场中指定限位栏内猪只的图像数据和背膘数据;
S02、基于准备的训练样本数据,基于机器学习的方法对初始背膘测量模型进行训练,得到所述预设的背膘测量模型;
其中,所述S01包括:
定期采集所述待进行智能限位测膘的养猪场内指定的若干个限位栏内猪只背膘信息和图像信息,并将每次采集的猪只背膘信息和图像信息组成数据对后进行成对存储;其中,限位栏内猪只的背膘信息由背膘仪测量获取;限位栏内猪只的图像信息由安装在限位栏正上方预设高度处的图像采集设备获取;其中,采集的猪只背膘信息和图像信息需要涵盖猪只的各种生活姿态;
相应地,所述S02包括:
将采集得到的猪只背膘信息和图像信息的数据对中的图像信息作为输入,将相应数据对中的背膘信息作为输出,基于机器学习的方法对初始背膘测量模型进行训练,得到所述预设的背膘测量模型;在基于机器学习的方法对初始背膘测量模型进行训练时,采用CNN或RNN进行模型学习和训练。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述智能养猪限位测膘方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述智能养猪限位测膘方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525577.9A CN109620150B (zh) | 2018-12-13 | 2018-12-13 | 一种智能养猪限位测膘方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525577.9A CN109620150B (zh) | 2018-12-13 | 2018-12-13 | 一种智能养猪限位测膘方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109620150A CN109620150A (zh) | 2019-04-16 |
CN109620150B true CN109620150B (zh) | 2021-05-14 |
Family
ID=66073567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811525577.9A Active CN109620150B (zh) | 2018-12-13 | 2018-12-13 | 一种智能养猪限位测膘方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109620150B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
CN205596829U (zh) * | 2016-04-25 | 2016-09-28 | 金泽明 | 一种便于清洁防疫的可变式养猪栏 |
CN107180438A (zh) * | 2017-04-26 | 2017-09-19 | 清华大学 | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 |
CN108319954A (zh) * | 2018-02-12 | 2018-07-24 | 深圳有极信息科技有限公司 | 一种无接触测重方法 |
AU2018101317A4 (en) * | 2018-09-07 | 2018-10-11 | Chen, Guoyi Mr | A Deep Learning Based System for Animal Species Classification |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002286421A (ja) * | 2001-03-28 | 2002-10-03 | Hideo Minagawa | 動物の体重測定装置 |
CN100498213C (zh) * | 2007-07-25 | 2009-06-10 | 中国农业大学 | 一种利用双目视觉技术监测猪生长的方法 |
CN103884280A (zh) * | 2014-03-14 | 2014-06-25 | 中国农业大学 | 一种移动式多猪圈猪体尺体重监测系统 |
CN104266612A (zh) * | 2014-07-21 | 2015-01-07 | 广西扬翔农牧有限责任公司 | 一种对种猪进行活体的测定方法 |
CN107667904A (zh) * | 2017-07-27 | 2018-02-09 | 北京奥云牧数据科技有限公司 | 基于物联网技术的生猪大数据系统 |
CN108961269B (zh) * | 2018-06-22 | 2022-04-08 | 深源恒际科技有限公司 | 基于图像的猪体重测算方法及系统 |
-
2018
- 2018-12-13 CN CN201811525577.9A patent/CN109620150B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
CN205596829U (zh) * | 2016-04-25 | 2016-09-28 | 金泽明 | 一种便于清洁防疫的可变式养猪栏 |
CN107180438A (zh) * | 2017-04-26 | 2017-09-19 | 清华大学 | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 |
CN108319954A (zh) * | 2018-02-12 | 2018-07-24 | 深圳有极信息科技有限公司 | 一种无接触测重方法 |
AU2018101317A4 (en) * | 2018-09-07 | 2018-10-11 | Chen, Guoyi Mr | A Deep Learning Based System for Animal Species Classification |
Non-Patent Citations (1)
Title |
---|
基于全卷积网络的哺乳母猪图像分割;杨阿庆 等;《农业工程学报》;20171231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109620150A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109579956B (zh) | 一种智能养猪限位测重方法、装置、电子设备及存储介质 | |
AU2019399813A1 (en) | Intelligent pig group rearing weighing method and apparatus, electronic device and storage medium | |
CN109632059B (zh) | 一种智能养猪方法、系统、电子设备及存储介质 | |
CN104392390B (zh) | 一种基于topsis模型的智能变电站二次设备评估方法 | |
CN110147367B (zh) | 一种温度缺失数据填补方法、系统及电子设备 | |
CN105784083A (zh) | 基于立体视觉技术的奶牛体型测量方法和系统 | |
CN110411580B (zh) | 一种电力设备发热缺陷的诊断方法以及诊断系统 | |
CN203929191U (zh) | 家禽个体称重器 | |
CN110991222B (zh) | 一种物体状态监测、母猪发情监测方法、装置及系统 | |
CN115294185B (zh) | 猪只体重的估测方法以及相关设备 | |
CN103605878A (zh) | 一种基于数据建模和模型移植的通用血糖预测方法 | |
CN112184791A (zh) | 一种基于cnn-lstm神经网络的牦牛体重预测方法 | |
Debauche et al. | Edge computing for cattle behavior analysis | |
CN112906734A (zh) | 牲畜智能选种方法、装置、计算机设备和存储介质 | |
CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
CN109620150B (zh) | 一种智能养猪限位测膘方法、装置、电子设备及存储介质 | |
CN116189076A (zh) | 一种鸟类观测站的观测识别系统及其方法 | |
CN115035512A (zh) | 基于多模态深度学习的作物营养状态诊断方法和系统 | |
CN115115953A (zh) | 一种草原流域生态干旱监测、预测、评估方法及系统 | |
WO2021085806A1 (ko) | 가축사양표준에 기초한 가축사양관리 가이드 제공 방법 | |
CN111507432A (zh) | 农险理赔智能称重方法、系统、电子设备和存储介质 | |
CN113989538A (zh) | 基于深度图像的鸡群均匀度估测方法、装置、系统及介质 | |
Deniz et al. | Development and application of an autonomous data logger to measure environmental variables in livestock farming | |
CN107316105B (zh) | 一种大区域农业预测系统 | |
CN109685174A (zh) | 一种黄瓜丰产性自动分析装置及方法 |
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 |