CN109644890B - 一种动物健康状态监测方法和装置 - Google Patents
一种动物健康状态监测方法和装置 Download PDFInfo
- Publication number
- CN109644890B CN109644890B CN201811386266.9A CN201811386266A CN109644890B CN 109644890 B CN109644890 B CN 109644890B CN 201811386266 A CN201811386266 A CN 201811386266A CN 109644890 B CN109644890 B CN 109644890B
- Authority
- CN
- China
- Prior art keywords
- sound
- animal
- odor
- excretion
- information
- 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
- 241001465754 Metazoa Species 0.000 title claims abstract description 199
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000036541 health Effects 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 230000029142 excretion Effects 0.000 claims abstract description 112
- 239000007788 liquid Substances 0.000 claims abstract description 98
- 230000028327 secretion Effects 0.000 claims abstract description 59
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 230000004044 response Effects 0.000 claims description 180
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 238000003062 neural network model Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 21
- 230000003862 health status Effects 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 16
- 239000012530 fluid Substances 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 6
- 206010011409 Cross infection Diseases 0.000 abstract description 5
- 206010029803 Nosocomial infection Diseases 0.000 abstract description 5
- 241000283690 Bos taurus Species 0.000 description 35
- 230000013872 defecation Effects 0.000 description 21
- 230000027939 micturition Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 210000003608 fece Anatomy 0.000 description 7
- 210000002700 urine Anatomy 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001755 vocal effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000031295 Animal disease Diseases 0.000 description 4
- 206010039101 Rhinorrhoea Diseases 0.000 description 4
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 208000015181 infectious disease Diseases 0.000 description 3
- 208000010753 nasal discharge Diseases 0.000 description 3
- 230000003248 secreting effect Effects 0.000 description 3
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002969 morbid Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000007976 Ketosis Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 208000036071 Rhinorrhea Diseases 0.000 description 1
- 206010047924 Wheezing Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 206010006514 bruxism Diseases 0.000 description 1
- 230000005200 bud stage Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000004140 ketosis Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000036327 taste response Effects 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
-
- 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
- A01K11/00—Marking of animals
- A01K11/006—Automatic identification systems for animals, e.g. electronic devices, transponders for animals
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Zoology (AREA)
- Birds (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例提供了一种动物健康状态监测方法和装置,所述方法包括:获取设置在动物躯体特定部位的采集设备所采集的数据;所述采集设备包括:声音采集设备、气味采集设备、液体采集设备中的至少一种;根据所述采集设备采集的数据,生成所述动物的生命体征信息;所述生命体征信息包括:排泄信息、声音状态信息、气味状态信息、分泌状态信息中的至少一种;从预置的映射表中查找与所述排泄信息、所述声音状态信息、所述气味状态信息、所述分泌状态信息中的至少一种匹配的健康状态信息。本发明实施例中,无需饲养员进行现场巡检,避免了饲养员与动物交叉感染的情况,节省了人力成本。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种动物健康状态监测方法和一种动物健康状态监测装置。
背景技术
在动物的养殖过程中,动物的传染病因其传染快,发病率和死亡率均高,不易治愈而危害大,尤其是人畜共患传染病威胁人民的生命安全。例如,在牛的养殖过程中,牛的传染病极易威胁牛和人的生命安全。
在现有技术中,动物疾病监测主要有以下两种方法:
1、人工现场巡检。通过经验丰富的饲养员进行现场巡检,根据个人的知识储备来判断动物是否生病以及症状对应的发病类型。但是存在以下缺点:饲养员对动物疾病诊断的标准不一,对饲养员有较高的标准;饲养员与动物接触过多,会增加交叉感染的机率;另外,饲养员需要较多的人工成本。
2、体内注入RFID卡。该方式在养殖场每次新进批次幼动物内注入RFID电子标识,通过饲养员手持RFID阅读器等采集设备,在获取动物标识后不断录入与动物有关的数据,然后通过计算机系统分析处理这些信息数据,一旦动物出现问题,即可追溯养殖过程中的每一个环节,甚至详细到每一个动物,以便及时处理问题。但是存在以下缺点:每次新进批次幼动物,都需要重新体内注入RFID电子标识,不可重复利用;动物的生长过程中,饲养员需要持续录入数据,新换一批动物之后,还要继续此部分数据录入工作,这实际上并没有减少饲养员的工作量。此外,计算机系统能做的只是在问题暴露之后,追溯以往的养殖过程,并不能直接给出动物病类型,更不能实时监控动物群体。
总之,目前的动物疾病监测方法,都无法简单、准确的监测动物的健康状态。
发明内容
鉴于上述问题,提出了本发明实施例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一种动物健康状态监测方法和相应的一种动物健康状态监测装置。
为了解决上述问题,本发明实施例公开了一种动物健康状态监测方法,包括:
获取设置在动物躯体特定部位的采集设备所采集的数据;所述采集设备包括:声音采集设备、气味采集设备、液体采集设备中的至少一种;
根据所述采集设备采集的数据,生成所述动物的生命体征信息;所述生命体征信息包括:排泄信息、声音状态信息、气味状态信息、分泌状态信息中的至少一种;
从预置的映射表中查找与所述排泄信息、所述声音状态信息、所述气味状态信息、所述分泌状态信息中的至少一种匹配的健康状态信息。
优选的,所述声音采集设备包括:设置在所述动物的排泄部位附近的第一声音采集设备、设置在所述动物的发声部位附近的第二声音采集设备,所述气味采集设备包括:设置在所述动物的呼气部位附近的第一气味传感器,所述液体采集设备包括:设置在所述动物的鼻孔附近的液体传感器;所述根据所述采集设备采集的数据,生成所述动物的生命体征信息的步骤包括:
根据所述第一气味传感器采集的气味数据,生成气味状态信息;和/或,
根据所述第一声音采集设备采集的声音数据,生成排泄信息;和/或,
根据所述第二声音采集设备采集的声音数据,生成声音状态信息;和/或,
根据所述液体传感器采集的液体数据,生成分泌状态信息。
优选的,所述第一气味传感器采集的数据包括多个第一预设时长的第一气味响应曲线;所述根据所述第一气味传感器采集的气味数据,生成气味状态信息的步骤包括:
从每个所述第一气味响应曲线,提取第一预设特征参数;所述第一预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
根据每个所述第一气味响应曲线的第一预设特征参数,以及与所述第一预设特征参数对应的第一预设阈值区间,生成气味状态判断结果;所述气味状态判断结果包括在该第一气味响应曲线的时间段内所述动物呼出的气味是否异常和/或异常气味的类型;
将所述气味状态判断结果,作为在对应时间段内所述动物的气味状态信息。
优选的,所述根据所述第一声音采集设备采集的声音数据,生成排泄信息的步骤包括:
对所述第一声音采集设备采集的声音数据进行预处理,获得多段第二预设时长的第一声音数据;
从每一段所述第一声音数据,提取第二预设特征参数;所述第二预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
将所述第二预设特征参数,输入预先训练得到的第一神经网络模型;
获取所述第一神经网络模型输出的第一排泄判断结果,所述第一排泄判断结果包括该段第一声音数据的时间段内所述动物是否排泄和/或排泄的类型;
根据各段第一声音数据对应的第一排泄判断结果,生成在对应时间段内所述动物的排泄信息。
优选的,所述气味采集设备还包括:设置在所述动物的排泄部位附近的第二气味传感器,所述第二气味传感器采集的数据包括多个第三预设时长的第二气味响应曲线;
所述根据各段第一声音数据对应的第一排泄判断结果,生成在对应时间段内所述动物的排泄信息的步骤包括:
从每个所述第二气味响应曲线,提取第三预设特征参数;所述第三预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
根据每个所述第二气味响应曲线的第三预设特征参数,以及与所述第三预设特征参数对应的第二预设阈值区间,生成第二排泄判断结果;所述第二排泄判断结果包括该第二气味响应曲线的时间段内所述动物是否排泄和/或排泄的类型;
根据所述第一排泄判断结果和所述第二排泄判断结果,生成在对应时间段内所述动物的排泄信息。
优选的,所述根据所述第二声音采集设备采集的声音数据,生成声音状态信息的步骤包括:
对所述第二声音采集设备采集的声音数据进行预处理,获得多段第四预设时长的第二声音数据;
从每一段所述第二声音数据,提取第四预设特征参数;所述第四预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
将所述第四预设特征参数,输入预先训练得到的第二神经网络模型;
获取所述第二神经网络模型输出的声音状态判断结果;所述声音状态判断结果包括该段第二声音数据的时间段内所述动物是否发出异常声音和/或发出异常声音的类型;
将各段第二声音数据对应的声音状态判断结果,作为在对应时间段内所述动物的声音状态信息。
优选的,所述液体传感器采集的液体数据包括多个第五预设时长的液体响应曲线;所述根据所述液体传感器采集的液体数据,生成分泌状态信息的步骤包括:
从每个所述液体响应曲线,提取第五预设特征参数;所述第五预设特征参数包括:响应曲线的均值、反应率中的至少一种;
根据每个所述液体响应曲线的第五预设特征参数,以及与所述第五预设特征参数对应的第三预设阈值区间,生成分泌状态判断结果;所述分泌状态判断结果包括该液体响应曲线的时间段内所述动物的鼻孔是否有液体流出;
将所述分泌状态判断结果,作为在对应时间段内所述动物的分泌状态信息。
本发明实施例还公开了一种动物健康状态监测装置,包括:
数据获取模块,用于获取设置在动物躯体特定部位的采集设备所采集的数据;所述采集设备包括:声音采集设备、气味采集设备、液体采集设备中的至少一种;
生命体征信息生成模块,用于根据所述采集设备采集的数据,生成所述动物的生命体征信息;所述生命体征信息包括:排泄信息、声音状态信息、气味状态信息、分泌状态信息中的至少一种;
健康状态信息确定模块,用于从预置的映射表中查找与所述排泄信息、所述声音状态信息、所述气味状态信息、所述分泌状态信息中的至少一种匹配的健康状态信息。
优选的,所述声音采集设备包括:设置在所述动物的排泄部位附近的第一声音采集设备、设置在所述动物的发声部位附近的第二声音采集设备,所述气味采集设备包括:设置在所述动物的呼气部位附近的第一气味传感器,所述液体采集设备包括:设置在所述动物的鼻孔附近的液体传感器;所述生命体征信息生成模块包括:
气味状态信息生成子模块,用于根据所述第一气味传感器采集的气味数据,生成气味状态信息;
和/或,排泄信息生成子模块,用于根据所述第一声音采集设备采集的声音数据,生成排泄信息;
和/或,声音状态信息生成子模块,用于根据所述第二声音采集设备采集的声音数据,生成声音状态信息;
和/或,分泌状态信息生成子模块,用于根据所述液体传感器采集的液体数据,生成分泌状态信息。
优选的,所述第一气味传感器采集的数据包括多个第一预设时长的第一气味响应曲线;所述气味状态信息生成子模块包括:
第一特征参数提取单元,用于从每个所述第一气味响应曲线,提取第一预设特征参数;所述第一预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
气味状态判断结果生成单元,用于根据每个所述第一气味响应曲线的第一预设特征参数,以及与所述第一预设特征参数对应的第一预设阈值区间,生成气味状态判断结果;所述气味状态判断结果包括在该第一气味响应曲线的时间段内所述动物呼出的气味是否异常和/或异常气味的类型;
气味状态信息确定单元,用于将所述气味状态判断结果,作为在对应时间段内所述动物的气味状态信息。
优选的,所述排泄信息生成子模块包括:
第一声音预处理单元,用于对所述第一声音采集设备采集的声音数据进行预处理,获得多段第二预设时长的第一声音数据;
第二特征参数提取单元,用于从每一段所述第一声音数据,提取第二预设特征参数;所述第二预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
第一模型输入单元,用于将所述第二预设特征参数,输入预先训练得到的第一神经网络模型;
排泄判断结果获取单元,用于获取所述第一神经网络模型输出的第一排泄判断结果,所述第一排泄判断结果包括该段第一声音数据的时间段内所述动物是否排泄和/或排泄的类型;
排泄信息生成单元,用于根据各段第一声音数据对应的第一排泄判断结果,生成在对应时间段内所述动物的排泄信息。
优选的,所述气味采集设备还包括:设置在所述动物的排泄部位附近的第二气味传感器,所述第二气味传感器采集的数据包括多个第三预设时长的第二气味响应曲线;
所述排泄信息生成单元包括:
特征参数提取子单元,用于从每个所述第二气味响应曲线,提取第三预设特征参数;所述第三预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
排泄判断结果生成子单元,用于根据每个所述第二气味响应曲线的第三预设特征参数,以及与所述第三预设特征参数对应的第二预设阈值区间,生成第二排泄判断结果;所述第二排泄判断结果包括该第二气味响应曲线的时间段内所述动物是否排泄和/或排泄的类型;
排泄信息生成子单元,用于根据所述第一排泄判断结果和所述第二排泄判断结果,生成在对应时间段内所述动物的排泄信息。
优选的,所述声音状态信息生成子模块包括:
第二声音预处理单元,用于对所述第二声音采集设备采集的声音数据进行预处理,获得多段第四预设时长的第二声音数据;
第三特征参数提取单元,用于从每一段所述第二声音数据,提取第四预设特征参数;所述第四预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
第二模型输入单元,用于将所述多个第四预设特征参数,输入预先训练得到的第二神经网络模型;
声音状态判断结果获取单元,用于获取所述第二神经网络模型输出的声音状态判断结果;所述声音状态判断结果包括该段第二声音数据的时间段内所述动物是否发出异常声音和/或发出异常声音的类型;
声音状态信息确定单元,用于将各段第二声音数据对应的声音状态判断结果,作为在对应时间段内所述动物的声音状态信息。
优选的,所述液体传感器采集的液体数据包括多个第五预设时长的液体响应曲线;所述分泌状态信息生成子模块包括:
第四特征参数提取单元,用于从每个所述液体响应曲线,提取第五预设特征参数;所述第五预设特征参数包括:响应曲线的均值、反应率中的至少一种;
分泌状态判断结果生成单元,用于根据每个所述液体响应曲线的第五预设特征参数,以及与所述第五预设特征参数对应的第三预设阈值区间,生成分泌状态判断结果;所述分泌状态判断结果包括该液体响应曲线的时间段内所述动物的鼻孔是否有液体流出;
分泌状态信息确定单元,用于将所述分泌状态判断结果,作为在对应时间段内所述动物的分泌状态信息。
本发明实施例还公开了一种装置,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如权上所述的一个或多个的方法。
本发明实施例还公开了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得所述处理器执行如上所述的一个或多个的方法。
本发明实施例包括以下优点:
在本发明实施例中,通过在动物躯体上设置采集设备来采集数据;服务器可以根据采集设备采集的数据,生成动物的生命体征信息;并根据生命体征信息,确定动物的健康状态信息。本发明实施例中,无需饲养员进行现场巡检,避免了饲养员与动物交叉感染的情况,节省了人力成本。通过设置在动物躯体上特定部位的采集设备,可以采集多种类型的数据,从而能更准确的确定动物的健康状态。服务器可以根据采集的数据,及时确定出动物的健康状态,从而实现实时监控动物。
附图说明
图1是本发明的一种动物健康状态监测方法实施例一的步骤流程图;
图2是本发明的一种动物健康状态监测方法实施例二的步骤流程图;
图3是本发明实施例中对牛安装采集设备的示意图;
图4是本发明的一种动物健康状态监测装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明的一种动物健康状态监测方法实施例一的步骤流程图,具体可以包括如下步骤:
步骤101,获取设置在动物躯体特定部位的采集设备所采集的数据;所述采集设备包括:声音采集设备、气味采集设备、液体采集设备中的至少一种;
在本发明实施例中,可以在动物躯体的特定部位设置采集设备来采集数据。
对于不同的动物,可以在不同的部位设置采集设备来采集数据,并且可以设置不同的采集设备来采集不同的数据。
采集设备可以包括气味传感器、液体传感器、声音采集设备(例如麦克风)等等。采集的数据可以包括气味数据、液体数据、声音数据等等。
具体的,在动物躯体上还可以设置通信模块,各个采集设备采集的数据发送给通信模块,由通信模块上传到服务器。通信模块和采集设备可以在一起,采集设备和通信模块可以采用锂电池进行供电,采用低功耗芯片进行控制,从而避免需要频繁更换电池。
当然,各个采集设备采集的数据可以在本地进行处理,不需要上传到服务器进行处理。
步骤102,根据所述采集设备采集的数据,生成所述动物的生命体征信息;所述生命体征信息包括:排泄信息、声音状态信息、气味状态信息、分泌状态信息中的至少一种;
服务器在获取到采集设备采集的数据后,可以采用这些数据进行分析,从而生成动物的生命体征信息;生命体征信息可以包括动物的排泄信息、声音状态信息、气味状态信息、分泌状态信息中的至少一种。
步骤103,从预置的映射表中查找与所述排泄信息、所述声音状态信息、所述气味状态信息、所述分泌状态信息中的至少一种匹配的健康状态信息。
服务器可以根据生命特征信息,确定动物的健康状态信息。动物的健康状态信息可以包括动物是否生病,生病的类型等等。
在本发明实施例中,服务器中预置有生命体征信息与健康状态信息的映射表。
如表1所示为本发明实施例中的一种牛的生命体征信息与健康状态信息映射表。
表1
服务器在确定了排泄信息、声音状态信息、气味状态信息和分泌状态信息等各项生命体征信息后,从预置的映射表中查找匹配的健康状态信息。
例如:1、排粪和排尿次数即时间间隔正常、气味显示正常,无异常叫声,不流鼻涕,则系统判为目标牛当前处于健康状态;2、如果出现呻吟、磨牙、丙酮气味,则系统判定目标牛当前处于发病状态,发病类型极大可能是奶牛酮病。3、若排粪和排尿次数异常、流鼻涕,但其他如气味、叫声均无异常,则提醒饲养员目标牛当前可能生病了,至于什么病,可能是由于刚开始生病,病情较轻,无法诊断出具体疾病类型。从而实现及早发现病情、及早治疗,将疾病抹杀在萌芽期以降低牛群传染发病。因为牛发病时,往往伴随多种异常表征。检测到的异常表象越多,发病类型的确定性就越大。
在服务器确定动物生病后,服务器可以触发报警装置提醒饲养员,并将生病动物的编号和发病类型发送给饲养员。同时,饲养员也可以随时登陆服务器上的监测平台,查看整体动物群体的健康状况。
在本发明实施例中,通过在动物躯体上设置采集设备来采集数据;服务器可以根据采集设备采集的数据,生成动物的生命体征信息;并根据生命体征信息,确定动物的健康状态信息。本发明实施例中,无需饲养员进行现场巡检,避免了饲养员与动物交叉感染的情况,节省了人力成本。通过设置在动物躯体上特定部位的采集设备,可以采集多种类型的数据,从而能更准确的确定动物的健康状态。服务器可以根据采集的数据,及时确定出动物的健康状态,从而实现实时监控动物。
参照图2,示出了本发明的一种动物健康状态监测方法实施例二的步骤流程图,具体可以包括如下步骤:
步骤201,获取设置在动物躯体特定部位的采集设备所采集的数据;所述采集设备包括:声音采集设备、气味采集设备、液体采集设备中的至少一种;其中,所述声音采集设备包括:设置在所述动物的排泄部位附近的第一声音采集设备、设置在所述动物的发声部位附近的第二声音采集设备,所述气味采集设备包括:设置在所述动物的呼气部位附近的第一气味传感器,所述液体采集设备包括:设置在所述动物的鼻孔附近的液体传感器;
为了使本领域技术人员能够更好地理解本发明实施例,以下以牛为例,对监测牛的健康状态进行说明。
如图3所示为本发明实施例中对牛安装采集设备的示意图。考虑到需要监测目标牛口里散发的气味、流鼻涕、叫声、排粪和排尿的次数及时间间隔,在两个鼻孔附近各安放一个第一气味传感器301和一个液体传感器302;在目标牛尾部安放一个第一麦克风303、一个第二气味传感器304;在鼻子上方安放一个第二麦克风305;在两只牛角之间安放一个信号采集器306。
具体每个传感器和麦克风的监测功能如下:
第一气味传感器301:监控牛嘴里是否有异味;
液体传感器302:监控牛是否流鼻涕;
第一麦克风303:监控牛每天排粪和排尿的次数及时间间隔;
第二气味传感器304:辅助第一麦克风,监控牛每天排粪和排尿的次数;
第二麦克风305:监控牛是否喘息、呻吟、磨牙、咳嗽等;
信号采集器306:控制各个麦克风和传感器进行数据采集。
步骤202,根据所述第一气味传感器采集的气味数据,生成气味状态信息;
气味状态信息可以表示动物呼出的气味是否异常和/或异常气味的类型。
第一气味传感器设置在动物的呼气部位附近,可以采集动物呼气的气味数据。例如,可以在牛的两个鼻孔附近各安放一个第一气味传感器,通过两个第一气味传感器采集两个鼻孔呼出的气味数据。
气味传感器是可以将气体的压力(浓度)转换为对应电信号的转换器,气味传感器采集的气味数据是气味响应曲线。
在本发明实施例中,可以是采用一定时间段内的气味响应曲线,来生成该时间段内的气味状态信息。
在一种示例,第一气味传感器可以不是一直工作的,第一气味传感器可以按照一定的时间间隔来采集气味数据。因此,采集的气味数据可以是分时段的气味响应曲线。例如,第一气味传感器可以每5分钟开启一次,每次开启时长为3分钟,然后自行关闭。这样就可以得到一个3分钟的气味响应曲线,采用该段3分钟的气味响应曲线来生成该3分钟的气味状态信息。
在另一种示例中,第一气味传感器可以较长时间的持续采集气味数据,得到时间较长的气味响应曲线。服务器在获取到气味响应曲线,可以将该气味响应曲线切分为多段时间较短的气味响应曲线。然后采用时间较短的气味响应曲线来生成对应时间段内的气味状态信息。例如,第一气味传感器连续采集30分钟,得到30分钟的气味响应曲线。服务器可以将该30分钟的气味响应曲线切分为10段3分钟的气味响应曲线,然后采用3分钟的气味响应曲线来生成该3分钟的气味状态信息。
在本发明实施例中,所述第一气味传感器采集的数据包括多个第一预设时长的第一气味响应曲线;所述步骤202具体可以包括如下子步骤:
子步骤S11,从每个所述第一气味响应曲线,提取第一预设特征参数;所述第一预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
在本发明实施例中,可以从第一气味响应曲线提取第一预设特征参数。具体的,第一预设特征参数包括但不限于:特定时刻的响应值(记为Y)(例如15秒时的响应值)、开始时刻到最大值之间响应曲线的方差(记为D)、响应曲线的能量(记为E)、响应曲线的反应率(记为Rate1=Ymax/T1)、开始时刻到稳定值之间响应曲线的反应率(记为Rate2=Ystable/T2),其中,Ymax表示响应曲线的最大值,Ystable表示响应曲线的稳定值,T1表示响应曲线到达最大值的时间,T2表示响应曲线到达稳定值的时间。本领域技术人员还可以选择其他的参数作为第一预设特征参数,本发明在此不作限制。
子步骤S12,根据每个所述第一气味响应曲线的第一预设特征参数,以及与所述第一预设特征参数对应的第一预设阈值区间,生成气味状态判断结果;所述气味状态判断结果包括在该第一气味响应曲线的时间段内所述动物呼出的气味是否异常和/或异常气味的类型;
具体的,每一个第一预设特征参数都有一个对应的第一预设阈值区间,每一个第一预设阈值区间都可以根据具体的实验值来设定。可以根据各个第一预设特征参数是否落入对应的第一预设阈值区间,来判断动物呼出的气味是否异常和/或异常气味的类型。
例如,特定时刻的响应值Y、开始时刻到最大值之间响应曲线的方差D、响应曲线的能量E、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率这5个第一预设特征参数都分别设置有对应的第一预设阈值区间。
若这5个第一预设特征参数均落在各自对应的第一预设阈值区间的情况下才视为异常。进一步的,可以根据气味与阈值区间的一一映射关系,来判断异常类型。
若这5个第一预设特征参数有至少一个没有落入对应的第一预设阈值区间,则视为无异常。
子步骤S13,将所述气味状态判断结果,作为在对应时间段内所述动物的气味状态信息。
每一个第一预设时长的第一气味响应曲线,都对应一个气味状态判断结果,该气味状态判断结果即为该第一气味响应曲线的时间段内动物的气味状态信息。
和/或,步骤203,根据所述第一声音采集设备采集的声音数据,生成排泄信息;
排泄信息可以表示动物是否排泄和/或排泄的类型。
第一声音采集设备(例如麦克风)设置在动物的排泄部位附近,可以采集动物排泄时的声音数据。例如,可以在牛的尾部安放一个第一声音采集设备,通过第一声音采集设备采集牛排粪或排泄时的声音数据。
在本发明实施例中,可以是采用一定时间段内的声音数据,来生成该时间段内的排泄信息。
在本发明实施例中,所述步骤203可以包括如下子步骤:
子步骤S21,对所述第一声音采集设备采集的声音数据进行预处理,获得多段第二预设时长的第一声音数据;
预处理的步骤可以包括:预加重、取均值、归一化、分帧、加窗。声音数据进行预处理后,可以得到多段第二预设时长的声音数据。具体的,每一段第二预设时长的第一声音数据可以是一帧时长的声音数据。
子步骤S22,从每一段所述第一声音数据,提取第二预设特征参数;所述第二预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
在本发明实施例中,可以从每一段第二预设时长的第一声音数据提取第二预设特征参数。具体的,第二预设特征参数包括但不限于:振幅平均能量(记为A)、振幅动态范围(记为Arange)、基频轨迹曲线的动态范围(记为F0)、基频轨迹曲线的平均值(记为F0range)、基频轨迹曲线的变化率(记为F0rate,基频曲线变化率是指各帧牛叫声信号基频的差分的绝对值的平均值)、第一共振峰频率的平均值(记为F1)、动态范围(记为F1range)、变化率(记为F1rate)。本领域技术人员还可以选择其他的参数作为第二预设特征参数,本发明在此不作限制。
子步骤S23,将所述第二预设特征参数,输入预先训练得到的第一神经网络模型;
在本发明实施例中,采用神经网络模型的分类能力来判断动物是否排泄或者排泄的类型。
具体的,第一神经网络模型可以根据实际需要设置神经网络结构,将提前采集好的训练数据(排粪时的声音和排尿时的声音数据)输入第一神经网络模型进行训练;第一神经网络模型训练完成后,输入测试数据(每一段第二预设时长的声音数据)即可得到第一排泄判断结果。第一排泄判断结果包括该声音数据的时间段内所述动物是否排泄或者排泄的类型。
例如,建立一个8-N-3的神经网络结构,即输入层8个神经元,输出层3个神经元,隐含层N个神经元,N具体由实验结果得出。将提前采集好的训练数据(排粪时的声音和排尿时的声音数据)输入神经网络进行训练。神经网络训练好之后,输入测试数据,若模型输出结果为100说明是排粪,若为010为排尿,而001表示即没有排粪也没有排尿。
子步骤S24,获取所述第一神经网络模型输出的第一排泄判断结果,所述第一排泄判断结果包括该段第一声音数据的时间段内所述动物是否排泄和/或排泄的类型;
子步骤S25,根据各段第一声音数据对应的第一排泄判断结果,生成在对应时间段内所述动物的排泄信息。
每一段第二预设时长的第一声音数据,都对应一个第一排泄判断结果。根据一天24小时内的各段第一声音数据的第一排泄判断结果,可以得出动物一天内排粪和排尿的次数。
进一步的,还可以将每次排粪和排尿的时间起止点记录下来,最后对一天24小时内排粪和排尿的时间起止点进行整理,统计出动物每天排粪和排尿的次数以及时间间隔。
排粪和排尿的时间起止点可以通过语音活动检测(Voice Activity Detection,VAD)方法检测出来。具体的,可以对声音数据利用VAD方法检测得出有声段和噪声段(又叫无声段)。提取有声段(这个有声段必须是排粪或排尿,其他声音不做这个起止时间统计)的起始时刻和结束时刻,就可得到排粪和排尿的时间起止点。
在本发明实施例中,所述气味采集设备还可以包括:设置在所述动物的排泄部位附近的第二气味传感器,所述第二气味传感器采集的数据包括多个第三预设时长的第二气味响应曲线;
第二气味传感器采集的第二气味响应曲线的第三预设时长,可以与第一气味传感器采集的第一气味响应曲线的第一预设时长相同,也可以不同,本发明实施例在此不做限定。
在实际中,排粪和排尿的声音特征没那么明显,单纯利用第一声音采集设备监测牛每天排粪和排尿情况,效果不是太理想。因此本发明实施例中,进一步采用第二气味传感器来辅助监控目标牛每天排粪和排尿情况。
所述子步骤S25可以进一步包括:
子步骤S251,从每个所述第二气味响应曲线,提取第三预设特征参数;所述第三预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
在本发明实施例中,从第二气味响应曲线提取的第三预设特征参数,与从第一气味响应曲线提取的第一预设特征参数可以相同,也可以不同,本发明实施例在此不做限定。
子步骤S252,根据每个所述第二气味响应曲线的第三预设特征参数,以及与各个第三预设特征参数对应的第二预设阈值区间,生成第二排泄判断结果;所述第二排泄判断结果包括该第二气味响应曲线的时间段内所述动物是否排泄和/或排泄的类型;
具体的,每一个第三预设特征参数都有一个对应的第二预设阈值区间,每一个第二预设阈值区间都可以根据具体的实验值来设定。可以根据各个第三预设特征参数是否落入对应的第二预设阈值区间,来判断动物是否排泄和/或排泄的类型。
例如,特定时刻的响应值Y、开始时刻到最大值之间响应曲线的方差D、响应曲线的能量E、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率这5个第三预设特征参数都分别设置有对应的第二预设阈值区间。
若这5个第三预设特征参数均落在各自对应的第二预设阈值区间的情况下才视为动物在排泄。进一步的,可以根据气味与阈值区间的一一映射关系,来判断排泄的类型。
若这5个第三预设特征参数有至少一个没有落入对应的第二预设阈值区间,则视为没有排泄。
子步骤S253,根据所述第一排泄判断结果和所述第二排泄结果,生成在对应时间段内所述动物的排泄信息。
为了避免误判,更加精准地检测排粪或排尿,必须是第一排泄判断结果和第二排泄判断结果都是排粪或者都是排尿时,才判断动物在对应的时间是在排粪或者是排尿。
将采用第一排泄判断结果和所述第二排泄结果确定出的排粪和排尿的次数,以及排粪和排尿的时间起止点进行整理,统计出动物每天排粪和排尿的次数以及时间间隔。
和/或,步骤204,根据所述第二声音采集设备采集的声音数据,生成声音状态信息;
声音状态信息可以表示动物的叫声是否异常和/或异常声音的类型。
第二声音采集设备(例如麦克风)设置在动物的发声部位附近,可以采集动物的叫声。例如,可以在牛的鼻子上方安放一个第二声音采集设备,通过第二声音采集设备采集牛的叫声。
在本发明实施例中,可以是采用一定时间段内的声音数据,来生成该时间段内的声音状态信息。
在本发明实施例中,所述步骤204可以包括如下子步骤:
子步骤S31,对所述第二声音采集设备采集的声音数据进行预处理,获得多段第四预设时长的第二声音数据;
预处理的步骤可以包括:预加重、取均值、归一化、分帧、加窗。声音数据进行预处理后,可以得到多段第四预设时长的第二声音数据。第二声音采集设备的声音数据的第四预设时长,可以与第一声音采集设备的声音数据的第二预设时长相同,也可以不同,本发明实施例在此不做限定。具体的,每一段第四预设时长的第二声音数据可以是一帧时长的声音数据。
子步骤S32,从每一段所述第二声音数据,提取第四预设特征参数;所述第四预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
从第二声音数据提取的第四预设特征参数,可以与从第一声音数据提取的第二预设特征参数相同,也可以不同,本发明实施例在此不做限定。
子步骤S33,将所述第四预设特征参数,输入预先训练得到的第二神经网络模型;
在本发明实施例中,采用神经网络模型的分类能力来判断动物的叫声是否异常或者异常声音的类型。
具体的,第二神经网络模型可以根据实际需要设置神经网络结构,将提前采集好的训练数据(各类异常叫声数据)输入第二神经网络模型进行训练;第二神经网络模型训练完成后,输入测试数据(每一段第二预设时长的声音数据)即可得到声音状态判断结果。声音状态判断结果包括该声音数据的时间段内动物是否发出异常声音或者发出异常声音的类型。
例如,建立一个8-N-5的神经网络结构,即输入层8个神经元,输出层5个神经元,隐含层N个神经元,N具体由实验结果得出。将提前采集好的训练数据(各类异常叫声数据)输入神经网络进行训练。神经网络训练好之后,输入测试数据,模型输出结果为10000为咳嗽,01000为喘息,00100为磨牙,00010为呻吟,00001不是异常叫声。
子步骤S34,获取所述第二神经网络模型输出的声音状态判断结果;所述声音状态判断结果包括该段第二声音数据的时间段内所述动物是否发出异常声音和/或发出异常声音的类型;
子步骤S35,将各段第二声音数据对应的声音状态判断结果,作为在对应时间段内所述动物的声音状态信息。
每一段第四预设时长的第二声音数据,都对应一个声音状态判断结果,将该声音状态判断结果作为该段第二声音数据的时间段内动物的声音状态信息。
和/或,步骤205,根据所述液体传感器采集的液体数据,生成分泌状态信息。
分泌状态信息表示在动物的鼻孔是否有分泌的液体流出。例如是否流鼻涕。
液体传感器设置在动物的鼻孔附近,可以采集动物鼻孔附近的液体数据。例如,牛处在某些疾病下会流鼻涕,通过在牛的两个鼻孔附近各安防一个液体传感器采集从牛的鼻孔流出来的液体。若有液体流出,可以表示牛在流鼻涕。
液体传感器是可以将液体的物理信息转换为对应的电信号的转换器,液体传感器采集的液体数据是液体响应曲线。
在本发明实施例中,可以是采用一定时间段内的液体响应曲线,来生成该时间段内的分泌状态信息。
在一种示例中,液体传感器可以不是一直工作的,液体传感器可以按照一定的时间间隔来采集液体数据。因此,采集的液体数据可以是分时段的液体响应曲线。例如,液体传感器可以每5分钟开启一次,每次开启时长为3分钟,然后自行关闭。这样就可以得到一个3分钟的液体响应曲线,采用该段3分钟的液体响应曲线来生成该3分钟的分泌状态信息。
在另一种示例中,液体传感器可以较长时间的持续采集液体数据,得到时间较长的液体响应曲线。服务器在获取到液体响应曲线,可以将该液体响应曲线切分为多段时间较短的液体响应曲线。然后采用时间较短的液体响应曲线来生成对应时间段内的分泌状态信息。例如,液体传感器连续采集30分钟,得到30分钟的液体响应曲线。服务器可以将该30分钟的液体响应曲线切分为10段3分钟的液体响应曲线,然后采用3分钟的液体响应曲线来生成该3分钟的分泌状态信息。
在本发明实施例中,所述液体传感器采集的液体数据包括多个第五预设时长的液体响应曲线;所述步骤205可以包括如下子步骤:
子步骤S41,从每个所述液体响应曲线,提取第五预设特征参数;所述第五预设特征参数包括:响应曲线的均值、反应率中的至少一种;
在本发明实施例中,可以从每个液体响应曲线,提取第五预设特征参数。具体的,第五预设特征参数包括但不限于:响应曲线的均值(记为Yaverage)、反应率(记为Rate=Ymax/Tmax)。其中,Ymax表示响应曲线的最大值,Tmax表示响应曲线到达最大值的时间。本领域技术人员还可以选择其他的参数作为第五预设特征参数,本发明在此不作限制。
子步骤S42,根据每个所述液体响应曲线的第五预设特征参数,以及与所述第五预设特征参数对应的第三预设阈值区间,生成分泌状态判断结果;所述分泌状态判断结果包括该液体响应曲线的时间段内所述动物的鼻孔是否有液体流出;
具体的,每一个第五预设特征参数都有一个对应的第三预设阈值区间,每一个第三预设阈值区间都可以根据具体的实验值来设定。可以根据各个第五预设特征参数是否落入对应的第三预设阈值区间,来判断动物的鼻孔是否有液体流出。
例如,响应曲线的均值、反应率这2个第五预设特征参数都分别设置有对应的第三预设阈值区间。在这2个第五预设特征参数均落在各自对应的第三预设阈值区间的情况下才视为有液体流出。若这2个第五预设特征参数有至少一个没有落入对应的第三预设阈值区间,则视为没有液体流出。
子步骤S43,将所述分泌状态判断结果,作为在对应时间段内所述动物的分泌状态信息。
每一个第五预设时长的液体响应曲线,都对应一个分泌状态判断结果,该分泌状态判断结果即为该液体响应曲线的时间段内动物的分泌状态信息。
步骤206,从预置的映射表中查找与所述排泄信息、所述声音状态信息、所述气味状态信息、所述分泌状态信息中的至少一种匹配的健康状态信息。
在服务器确定动物生病后,服务器可以触发报警装置提醒饲养员,并将生病动物的编号和发病类型发送给饲养员。同时,饲养员也可以随时登陆服务器上的监测平台,查看整体动物群体的健康状况。
在本发明实施例中,通过在动物躯体上设置采集设备来采集数据;服务器可以根据采集设备采集的数据,生成动物的生命体征信息;并根据生命体征信息,确定动物的健康状态信息。本发明实施例中,无需饲养员进行现场巡检,避免了饲养员与动物交叉感染的情况,节省了人力成本。通过设置在动物躯体上特定部位的采集设备,可以采集多种类型的数据,从而能更准确的确定动物的健康状态。服务器可以根据采集的数据,及时确定出动物的健康状态,从而实现实时监控动物。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图4,示出了本发明的一种动物健康状态监测装置实施例的结构框图,具体可以包括如下模块:
数据获取模块401,用于获取设置在动物躯体特定部位的采集设备所采集的数据;所述采集设备包括:声音采集设备、气味采集设备、液体采集设备中的至少一种;
生命体征信息生成模块402,用于根据所述采集设备采集的数据,生成所述动物的生命体征信息;所述生命体征信息包括:排泄信息、声音状态信息、气味状态信息、分泌状态信息中的至少一种;
健康状态信息确定模块403,用于从预置的映射表中查找与所述排泄信息、所述声音状态信息、所述气味状态信息、所述分泌状态信息中的至少一种匹配的健康状态信息。
在本发明实施例中,所述声音采集设备包括:设置在所述动物的排泄部位附近的第一声音采集设备、设置在所述动物的发声部位附近的第二声音采集设备,所述气味采集设备包括:设置在所述动物的呼气部位附近的第一气味传感器,所述液体采集设备包括:设置在所述动物的鼻孔附近的液体传感器;所述生命体征信息生成模块402可以包括:
气味状态信息生成子模块,用于根据所述第一气味传感器采集的气味数据,生成气味状态信息;
和/或,排泄信息生成子模块,用于根据所述第一声音采集设备采集的声音数据,生成排泄信息;
和/或,声音状态信息生成子模块,用于根据所述第二声音采集设备采集的声音数据,生成声音状态信息;
和/或,分泌状态信息生成子模块,用于根据所述液体传感器采集的液体数据,生成分泌状态信息。
在本发明实施例中,所述第一气味传感器采集的数据包括多个第一预设时长的第一气味响应曲线;所述气味状态信息生成子模块可以包括:
第一特征参数提取单元,用于从每个所述第一气味响应曲线,提取第一预设特征参数;所述第一预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
气味状态判断结果生成单元,用于根据每个所述第一气味响应曲线的第一预设特征参数,以及与所述第一预设特征参数对应的第一预设阈值区间,生成气味状态判断结果;所述气味状态判断结果包括在该第一气味响应曲线的时间段内所述动物呼出的气味是否异常和/或异常气味的类型;
气味状态信息确定单元,用于将所述气味状态判断结果,作为在对应时间段内所述动物的气味状态信息。
在本发明实施例中,所述排泄信息生成子模块可以包括:
第一声音预处理单元,用于对所述第一声音采集设备采集的声音数据进行预处理,获得多段第二预设时长的第一声音数据;
第二特征参数提取单元,用于从每一段所述第一声音数据,提取第二预设特征参数;所述第二预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
第一模型输入单元,用于将所述第二预设特征参数,输入预先训练得到的第一神经网络模型;
排泄判断结果获取单元,用于获取所述第一神经网络模型输出的第一排泄判断结果,所述第一排泄判断结果包括该段第一声音数据的时间段内所述动物是否排泄和/或排泄的类型;
排泄信息生成单元,用于根据各段第一声音数据对应的第一排泄判断结果,生成在对应时间段内所述动物的排泄信息。
在本发明实施例中,所述气味采集设备还包括:设置在所述动物的排泄部位附近的第二气味传感器,所述第二气味传感器采集的数据包括多个第三预设时长的第二气味响应曲线;
所述排泄信息生成单元可以包括:
特征参数提取子单元,用于从每个所述第二气味响应曲线,提取第三预设特征参数;所述第三预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
排泄判断结果生成子单元,用于根据每个所述第二气味响应曲线的第三预设特征参数,以及与所述第三预设特征参数对应的第二预设阈值区间,生成第二排泄判断结果;所述第二排泄判断结果包括该第二气味响应曲线的时间段内所述动物是否排泄和/或排泄的类型;
排泄信息生成子单元,用于根据所述第一排泄判断结果和所述第二排泄结果,生成在对应时间段内所述动物的排泄信息。
在本发明实施例中,所述声音状态信息生成子模块可以包括:
第二声音预处理单元,用于对所述第二声音采集设备采集的声音数据进行预处理,获得多段第四预设时长的第二声音数据;
第三特征参数提取单元,用于从每一段所述第二声音数据,提取第四预设特征参数;所述第四预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
第二模型输入单元,用于将所述多个第四预设特征参数,输入预先训练得到的第二神经网络模型;
声音状态判断结果获取单元,用于获取所述第二神经网络模型输出的声音状态判断结果;所述声音状态判断结果包括该段第二声音数据的时间段内所述动物是否发出异常声音和/或发出异常声音的类型;
声音状态信息确定单元,用于将各段第二声音数据对应的声音状态判断结果,作为在对应时间段内所述动物的声音状态信息。
在本发明实施例中,所述液体传感器采集的液体数据包括多个第五预设时长的液体响应曲线;所述分泌状态信息生成子模块可以包括:
第四特征参数提取单元,用于从每个所述液体响应曲线,提取第五预设特征参数;所述第五预设特征参数包括:响应曲线的均值、反应率中的至少一种;
分泌状态判断结果生成单元,用于根据每个所述液体响应曲线的第五预设特征参数,以及与所述第五预设特征参数对应的第三预设阈值区间,生成分泌状态判断结果;所述分泌状态判断结果包括该液体响应曲线的时间段内所述动物的鼻孔是否有液体流出;
分泌状态信息确定单元,用于将所述分泌状态判断结果,作为在对应时间段内所述动物的分泌状态信息。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种装置,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行本发明实施例所述的方法。
本发明实施例还提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得所述处理器执行本发明实施例所述的方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种动物健康状态监测方法和一种动物健康状态监测装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种动物健康状态监测方法,其特征在于,包括:
获取设置在动物躯体特定部位的采集设备所采集的数据;所述采集设备包括:声音采集设备、气味采集设备、液体采集设备中的至少一种;
根据所述采集设备采集的数据,生成所述动物的生命体征信息;所述生命体征信息包括:排泄信息、声音状态信息、气味状态信息、分泌状态信息中的至少一种;
从预置的映射表中查找与所述排泄信息、所述声音状态信息、所述气味状态信息、所述分泌状态信息中的至少一种匹配的健康状态信息;
其中,所述声音采集设备包括:设置在所述动物的排泄部位附近的第一声音采集设备,所述液体采集设备包括:设置在所述动物的鼻孔附近的液体传感器;所述根据所述采集设备采集的数据,生成所述动物的生命体征信息的步骤包括:
根据所述第一声音采集设备采集的声音数据,生成排泄信息;和/或,
根据所述液体传感器采集的液体数据,生成分泌状态信息;
其中,所述根据所述第一声音采集设备采集的声音数据,生成排泄信息的步骤包括:
对所述第一声音采集设备采集的声音数据进行预处理,获得多段第二预设时长的第一声音数据;
从每一段所述第一声音数据,提取第二预设特征参数;所述第二预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
将所述第二预设特征参数,输入预先训练得到的第一神经网络模型;
获取所述第一神经网络模型输出的第一排泄判断结果,所述第一排泄判断结果包括该段第一声音数据的时间段内所述动物是否排泄和/或排泄的类型;
根据各段第一声音数据对应的第一排泄判断结果,生成在对应时间段内所述动物的排泄信息。
2.根据权利要求1所述的方法,其特征在于,所述声音采集设备包括:设置在所述动物的发声部位附近的第二声音采集设备,所述气味采集设备包括:设置在所述动物的呼气部位附近的第一气味传感器;所述根据所述采集设备采集的数据,生成所述动物的生命体征信息的步骤包括:
根据所述第一气味传感器采集的气味数据,生成气味状态信息;和/或,
根据所述第二声音采集设备采集的声音数据,生成声音状态信息。
3.根据权利要求2所述的方法,其特征在于,所述第一气味传感器采集的数据包括多个第一预设时长的第一气味响应曲线;所述根据所述第一气味传感器采集的气味数据,生成气味状态信息的步骤包括:
从每个所述第一气味响应曲线,提取第一预设特征参数;所述第一预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
根据每个所述第一气味响应曲线的第一预设特征参数,以及与所述第一预设特征参数对应的第一预设阈值区间,生成气味状态判断结果;所述气味状态判断结果包括在该第一气味响应曲线的时间段内所述动物呼出的气味是否异常和/或异常气味的类型;
将所述气味状态判断结果,作为在对应时间段内所述动物的气味状态信息。
4.根据权利要求1所述的方法,其特征在于,所述气味采集设备还包括:设置在所述动物的排泄部位附近的第二气味传感器,所述第二气味传感器采集的数据包括多个第三预设时长的第二气味响应曲线;
所述根据各段第一声音数据对应的第一排泄判断结果,生成在对应时间段内所述动物的排泄信息的步骤包括:
从每个所述第二气味响应曲线,提取第三预设特征参数;所述第三预设特征参数包括:特定时刻的响应值、开始时刻到最大值之间响应曲线的方差、响应曲线的能量、响应曲线的反应率、开始时刻到稳定值之间响应曲线的反应率中的至少一种;
根据每个所述第二气味响应曲线的第三预设特征参数,以及与所述第三预设特征参数对应的第二预设阈值区间,生成第二排泄判断结果;所述第二排泄判断结果包括该第二气味响应曲线的时间段内所述动物是否排泄和/或排泄的类型;
根据所述第一排泄判断结果和所述第二排泄判断结果,生成在对应时间段内所述动物的排泄信息。
5.根据权利要求2所述的方法,其特征在于,所述根据所述第二声音采集设备采集的声音数据,生成声音状态信息的步骤包括:
对所述第二声音采集设备采集的声音数据进行预处理,获得多段第四预设时长的第二声音数据;
从每一段所述第二声音数据,提取第四预设特征参数;所述第四预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
将所述第四预设特征参数,输入预先训练得到的第二神经网络模型;
获取所述第二神经网络模型输出的声音状态判断结果;所述声音状态判断结果包括该段第二声音数据的时间段内所述动物是否发出异常声音和/或发出异常声音的类型;
将各段第二声音数据对应的声音状态判断结果,作为在对应时间段内所述动物的声音状态信息。
6.根据权利要求1所述的方法,其特征在于,所述液体传感器采集的液体数据包括多个第五预设时长的液体响应曲线;所述根据所述液体传感器采集的液体数据,生成分泌状态信息的步骤包括:
从每个所述液体响应曲线,提取第五预设特征参数;所述第五预设特征参数包括:响应曲线的均值、反应率中的至少一种;
根据每个所述液体响应曲线的第五预设特征参数,以及与所述第五预设特征参数对应的第三预设阈值区间,生成分泌状态判断结果;所述分泌状态判断结果包括该液体响应曲线的时间段内所述动物的鼻孔是否有液体流出;
将所述分泌状态判断结果,作为在对应时间段内所述动物的分泌状态信息。
7.一种动物健康状态监测装置,其特征在于,包括:
数据获取模块,用于获取设置在动物躯体特定部位的采集设备所采集的数据;所述采集设备包括:声音采集设备、气味采集设备、液体采集设备中的至少一种;
生命体征信息生成模块,用于根据所述采集设备采集的数据,生成所述动物的生命体征信息;所述生命体征信息包括:排泄信息、声音状态信息、气味状态信息、分泌状态信息中的至少一种;
健康状态信息确定模块,用于从预置的映射表中查找与所述排泄信息、所述声音状态信息、所述气味状态信息、所述分泌状态信息中的至少一种匹配的健康状态信息;
所述声音采集设备包括:设置在所述动物的排泄部位附近的第一声音采集设备,所述液体采集设备包括:设置在所述动物的鼻孔附近的液体传感器;所述生命体征信息生成模块包括:
排泄信息生成子模块,用于根据所述第一声音采集设备采集的声音数据,生成排泄信息;
和/或,分泌状态信息生成子模块,用于根据所述液体传感器采集的液体数据,生成分泌状态信息;
其中,所述排泄信息生成子模块包括:
第一声音预处理单元,用于对所述第一声音采集设备采集的声音数据进行预处理,获得多段第二预设时长的第一声音数据;
第二特征参数提取单元,用于从每一段所述第一声音数据,提取第二预设特征参数;所述第二预设特征参数包括:振幅平均能量、振幅动态范围、基频轨迹曲线的动态范围、基频轨迹曲线的平均值、基频轨迹曲线的变化率、第一共振峰频率的平均值、动态范围、变化率中的至少一种;
第一模型输入单元,用于将所述第二预设特征参数,输入预先训练得到的第一神经网络模型;
排泄判断结果获取单元,用于获取所述第一神经网络模型输出的第一排泄判断结果,所述第一排泄判断结果包括该段第一声音数据的时间段内所述动物是否排泄和/或排泄的类型;
排泄信息生成单元,用于根据各段第一声音数据对应的第一排泄判断结果,生成在对应时间段内所述动物的排泄信息。
8.一种装置,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如权利要求1-6中任一项所述方法的步骤。
9.一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得所述处理器执行如权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811386266.9A CN109644890B (zh) | 2018-11-20 | 2018-11-20 | 一种动物健康状态监测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811386266.9A CN109644890B (zh) | 2018-11-20 | 2018-11-20 | 一种动物健康状态监测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109644890A CN109644890A (zh) | 2019-04-19 |
CN109644890B true CN109644890B (zh) | 2022-02-22 |
Family
ID=66112104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811386266.9A Active CN109644890B (zh) | 2018-11-20 | 2018-11-20 | 一种动物健康状态监测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109644890B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738999B (zh) * | 2019-10-30 | 2022-08-16 | 浙江大学宁波理工学院 | 基于声频识别技术的鱼类鱼鳔异常检测方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005112615A1 (en) * | 2004-05-20 | 2005-12-01 | Veterix Ltd. | Bolus, method and system for monitoring health condition of ruminant animals |
CN102378981A (zh) * | 2009-02-03 | 2012-03-14 | 埃胡德·亚奈 | 用于监控家畜群中无名动物健康的系统和方法 |
CN202776264U (zh) * | 2012-04-20 | 2013-03-13 | 广东顺德宸熙物联科技有限公司 | 一种猪病检测系统 |
CN107707875A (zh) * | 2017-09-20 | 2018-02-16 | 翔创科技(北京)有限公司 | 牲畜监控方法、计算机程序、存储介质及电子设备 |
CN107799114A (zh) * | 2017-04-26 | 2018-03-13 | 珠海智牧互联科技有限公司 | 一种猪只咳嗽声音识别方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130110572A (ko) * | 2012-03-29 | 2013-10-10 | 고려대학교 산학협력단 | 소리 정보를 이용한 소 발정기 탐지 장치 및 방법 |
CN205720168U (zh) * | 2016-06-27 | 2016-11-23 | 王会朝 | 婴儿排便检测装置 |
CN108743338B (zh) * | 2018-06-19 | 2020-11-03 | 上海理工大学 | 一种婴幼儿鼻涕清理装置 |
-
2018
- 2018-11-20 CN CN201811386266.9A patent/CN109644890B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005112615A1 (en) * | 2004-05-20 | 2005-12-01 | Veterix Ltd. | Bolus, method and system for monitoring health condition of ruminant animals |
CN102378981A (zh) * | 2009-02-03 | 2012-03-14 | 埃胡德·亚奈 | 用于监控家畜群中无名动物健康的系统和方法 |
CN202776264U (zh) * | 2012-04-20 | 2013-03-13 | 广东顺德宸熙物联科技有限公司 | 一种猪病检测系统 |
CN107799114A (zh) * | 2017-04-26 | 2018-03-13 | 珠海智牧互联科技有限公司 | 一种猪只咳嗽声音识别方法及系统 |
CN107707875A (zh) * | 2017-09-20 | 2018-02-16 | 翔创科技(北京)有限公司 | 牲畜监控方法、计算机程序、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109644890A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109407504B (zh) | 一种基于智能手表的人身安全检测系统及方法 | |
de la Torre et al. | Acoustic analysis of cattle (Bos taurus) mother–offspring contact calls from a source–filter theory perspective | |
Berryman | Guinea‐pig vocalizations: Their structure, causation and function | |
Wyman et al. | Acoustic cues to size and quality in the vocalizations of male North American bison, Bison bison | |
Schön et al. | Automated recording of stress vocalisations as a tool to document impaired welfare in pigs | |
CN110765972B (zh) | 一种动物的监控方法、装置、电子设备及存储介质 | |
CN102378981A (zh) | 用于监控家畜群中无名动物健康的系统和方法 | |
AU2016219538B2 (en) | A method and system for monitoring pregnancy toxaemia | |
CN112164408A (zh) | 基于深度学习的猪咳嗽声监测与预警系统 | |
Carroll et al. | Detecting symptoms of diseases in poultry through audio signal processing | |
CN109817227B (zh) | 一种养殖场的异常声音监测方法和系统 | |
EP3954278A1 (en) | Apnea monitoring method and device | |
CN105336331A (zh) | 基于声音的猪异常行为智能监测方法及智能监测系统 | |
CN103914732A (zh) | 一种反刍动物反刍与吞咽次数的音频识别算法 | |
CN109644890B (zh) | 一种动物健康状态监测方法和装置 | |
US9089123B1 (en) | Wild game information system | |
CN110881987A (zh) | 一种基于可穿戴设备的老年人情绪监测系统 | |
Rau et al. | Developments on real-time monitoring of grazing cattle feeding behavior using sound | |
KR20140023458A (ko) | 언어 유창성 기반 치매 진단 방법 및 이를 위한 장치 | |
CN109479750A (zh) | 一种基于声学信息的梅山猪发情监测方法 | |
Duan et al. | Short-term feeding behaviour sound classification method for sheep using LSTM networks | |
US20210400920A1 (en) | Livestock stillbirthing alerting system | |
Rankins et al. | Muscular tension as an indicator of acute stress in horses | |
CN110580918A (zh) | 提示信息的发送方法及装置、存储介质、电子装置 | |
Vannoni et al. | Acoustic signalling in cervids: a methodological approach for measuring vocal communication in fallow deer |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220728 Address after: 215124 iFLYTEK 3 / F, building E4, AI Industrial Park, No. 88 Jinjihu Avenue, Suzhou Industrial Park, Suzhou, Jiangsu Province Patentee after: Suzhou Shuzhi Funong Information Technology Co.,Ltd. Address before: 2 / F, building 1, Luoyang National Science and Technology Park, No.1 Longyu Road, Jianxi District, Luoyang City, Henan Province, 471000 Patentee before: LUOYANG VOICE CLOUD INNOVATION INSTITUTE |