CN110169374A - 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 - Google Patents
一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 Download PDFInfo
- Publication number
- CN110169374A CN110169374A CN201910532317.2A CN201910532317A CN110169374A CN 110169374 A CN110169374 A CN 110169374A CN 201910532317 A CN201910532317 A CN 201910532317A CN 110169374 A CN110169374 A CN 110169374A
- Authority
- CN
- China
- Prior art keywords
- cow
- band
- forehead
- feed intake
- acceleration 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.)
- Granted
Links
- 235000021050 feed intake Nutrition 0.000 title claims abstract description 70
- 230000004634 feeding behavior Effects 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000012806 monitoring device Methods 0.000 title claims abstract description 21
- 230000001133 acceleration Effects 0.000 claims abstract description 141
- 239000008267 milk Substances 0.000 claims abstract description 110
- 235000013336 milk Nutrition 0.000 claims abstract description 110
- 210000004080 milk Anatomy 0.000 claims abstract description 110
- 230000006399 behavior Effects 0.000 claims abstract description 69
- 230000002431 foraging effect Effects 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 210000001061 forehead Anatomy 0.000 claims description 70
- 210000003128 head Anatomy 0.000 claims description 25
- 239000000463 material Substances 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 4
- 239000004677 Nylon Substances 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 229920001778 nylon Polymers 0.000 claims description 3
- 241000283690 Bos taurus Species 0.000 abstract description 156
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000003860 storage Methods 0.000 abstract description 3
- 235000013305 food Nutrition 0.000 description 60
- 210000003739 neck Anatomy 0.000 description 52
- 230000001055 chewing effect Effects 0.000 description 36
- 238000013528 artificial neural network Methods 0.000 description 23
- 238000000034 method Methods 0.000 description 23
- 238000001914 filtration Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 235000019789 appetite Nutrition 0.000 description 3
- 230000036528 appetite Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 210000004218 nerve net Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 235000015111 chews Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000008468 bone growth Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008645 cold stress Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000008642 heat stress Effects 0.000 description 1
- 210000001847 jaw Anatomy 0.000 description 1
- 230000006651 lactation Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 210000002050 maxilla Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000037257 muscle growth Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种奶牛采食行为与采食量的可穿戴监测装置及监测系统，将每台装置套设于奶牛的头部，通过装置与奶牛的颊部或鼻部接触的传感器采集奶牛采食行为的加速度信息；同时，将装置的传感器与中继器、数据存储模块和数据处理模块依次电连接，通过中继器将传感器采集的加速度信息传送至数据存储模块进行数据处理和存储，数据处理模块通过调用数据存储模块中的加速度信息，对奶牛的采食行为与采食量的监测与分析。本发明实施例实现了奶牛养殖过程中每头奶牛采食行为与个体采食量的自动监测，利于建立基于奶牛采食行为与个体采食量的物联网数据平台，实现数据的远程传输、分析及管理，提高了奶牛精准饲喂的数字化和智能化水平。
Description
技术领域
本发明涉及畜牧技术领域，尤其涉及一种奶牛采食行为与采食量的可穿戴监测装置及监测系统。
背景技术
随着国民生活水平的提高和饮食结构的调整，乳制品的消费日益增长，进而带动了中国奶牛养殖产业的快速发展。目前，现代奶牛养殖业正朝着信息化的方向发展，对于奶牛的生产信息智能监测与数字化精准饲喂的需求也在不断上升。
采食量是评价家畜对养分与能量的摄入是够满足营养需要的重要参考参数，同时也是反映奶牛健康状况和生产力水平高低的关键指标。早在20世纪70年代，畜牧人员就发现采食量是影响动物生长发育以及泌乳的主要限制因素之一，对于泌乳牛而言，采食高峰往往比产奶高峰延迟6周左右，因为高产奶量通常伴随着高耗能，泌乳牛需要通过增加采食量来进行能量补偿。因此实时监测泌乳牛的采食量变化，及时对泌乳牛进行补饲是保障泌乳牛养分摄入充足、维持产奶高峰的重要手段；而对于后备牛而言，从断奶到配种阶段获取较大的肌肉及骨骼生长率是决定其首次产犊时间的重要因素，过多的能量会导致其实质组织脂肪化而缩短其乳腺组织的最佳发育时间，脂肪在乳腺组织中的沉积将影响其今后的产奶能力，因此需要适当控制后备牛摄入的饲料，使其体重增长速度不宜高于0.9公斤/天。此外，热应激或病理状态下，奶牛采食量会显著降低，而冷应激状态下奶牛会增加采食量以维持正常体温。因此，监控采食量以及营养物质的摄取情况对各个阶段奶牛的生长发育和生产性能的调控都有着至关重要的作用，采食量的实时监测对提高奶牛生产效益有着极大的意义。
目前，对于奶牛采食量的监测以人工的经验估计为主，通过整栋舍在一段时间内的饲料消耗量估算平均每头牛的采食量，但是依靠人工的经验估计对于经验的依赖程度过高，无法准确获得奶牛个体的采食量变化，导致难以在生产中准确指导生产中及时进行营养调控或淘汰饲料转化率低的奶牛。或者，也有一些对食槽和颈枷区域进行改造的智能饲喂设备，通过称重法记录奶牛采食前后料重的变化来计算采食量，但是称重法需要对每个食槽和颈枷进行改造，导致一次性投入成本过高，且不利于使用TMR车进行自动撒料。另外，现有研究中，有学者研究了基于声音传感器的穿戴式设备，例如通过声音传感器对奶牛采食行为进行监测试验，通过对奶牛采食行为的分析来计算采食；或者通过低功耗可穿戴式声压传感器采集奶牛的反刍声音，然后通过声音识别算法来得到奶牛的采食时间、采食速率和采食次数，从而得到奶牛的采食量。但是，基于声音传感器的可穿戴式设备面临着背景噪声大，导致声音监测精度低、无法准确获取奶牛个体采食量的问题，同时传感器成本也较高。
上述目前对于奶牛采食量采集的各种方法，存在无法准确、方便地获取个体采食量的问题，因此亟需一种准确、方便地获取奶牛的个体采食行为与采食量的监测装置及监测系统。
发明内容
为了解决目前对于奶牛采食量采集的各种方法存在无法准确、方便地获取个体采食量的问题，本发明实施例提供一种奶牛采食行为与采食量的可穿戴监测装置及监测系统。
第一方面，本发明实施例提供一种奶牛采食行为与采食量的可穿戴监测装置，每个装置套设于任意一头奶牛的头部，该装置包括：前额带、后颈带、前额卡扣、后颈卡扣、可活动绳索、第一侧面连接带、第二侧面连接带和传感器；其中，前额带通过前额卡扣卡设于奶牛的前额上，后颈带通过后颈卡扣卡设于奶牛的后颈上；第一侧面连接带与第二侧面连接带分别与奶牛的两颊接触；第一侧面连接带的一端通过前额卡扣与前额带固定连接，另一端通过后颈卡扣与后颈带固定连接；第二侧面连接带的一端通过前额卡扣与前额带固定连接，另一端通过后颈卡扣与后颈带固定连接；第一侧面连接带和第二侧面连接带分别用于使前额带和后颈带共同在奶牛的两颊绷紧；传感器设于第一侧面连接带或第二侧面连接带上并与奶牛的颊部接触，或者，传感器设于前额带上并与奶牛的鼻部接触；传感器用于采集奶牛采食行为的加速度信息；可活动绳索与奶牛的下颌接触；可活动绳索的一端与前额带活动连接，另一端与后颈带活动连接；可活动绳索用于在前额带和后颈带上移动，并使前额卡扣和后颈卡扣共同在奶牛的下颌绷紧。
优选地，传感器为三轴加速度传感器，传感器的检测精度为不低于1m/s2。
优选地，传感器还用于采集奶牛的个体识别码。
优选地，前额卡扣、后颈卡扣、可活动绳索、第一侧面连接带、第二侧面连接带的材料均为弹性尼龙材料。
优选地，前额卡扣和后颈卡扣均为可拆卸金属环。
优选地，前额卡扣和后颈卡扣的数量分别为至少一个。
第二方面，本发明实施例提供一种奶牛采食行为与采食量的监测系统，该系统包括上述奶牛采食行为与采食量的可穿戴监测装置，以及与装置依次电连接的中继器、数据存储模块和数据处理模块；相应地，中继器与装置的传感器相连；其中，装置通过传感器采集奶牛采食行为的加速度信息，并传送给中继器；中继器将加速度信息传送给数据存储模块；数据存储模块用于存储加速度信息，并将加速度信息传送给数据处理模块；数据处理模块用于根据加速度信息对奶牛的采食行为进行监测并获取个体采食量。
优选地，数据存储模块包括滤波单元，滤波单元用于对加速度信息进行滤波分析。
优选地，装置和中继器的数量均分别为多个，一个中继器对应多个装置，任意一个装置与其对应的中继器相连。
优选地，装置依次与中继器、数据存储模块和数据处理模块通过有线或无线方式连接。
本发明实施例提供一种奶牛采食行为与采食量的可穿戴监测装置及监测系统，通过将每台装置套设于奶牛的头部，其中，前额带通过前额卡扣卡设于奶牛的前额上，后颈带通过后颈卡扣卡设于奶牛的后颈上；第一侧面连接带与第二侧面连接带分别与奶牛的两颊接触；第一侧面连接带的一端通过前额卡扣与前额带固定连接，另一端通过后颈卡扣与后颈带固定连接；第二侧面连接带的一端通过前额卡扣与前额带固定连接，另一端通过后颈卡扣与后颈带固定连接；第一侧面连接带和第二侧面连接带分别用于使前额带和后颈带共同在奶牛的两颊绷紧；传感器设于第一侧面连接带或第二侧面连接带上并与奶牛的颊部接触，或者，传感器设于前额带上并与奶牛的鼻部接触；传感器用于采集奶牛采食行为的加速度信息；可活动绳索与奶牛的下颌接触；可活动绳索的一端与前额带活动连接，另一端与后颈带活动连接；可活动绳索用于在前额带和后颈带上移动，并使前额卡扣和后颈卡扣共同在奶牛的下颌绷紧。
同时，将装置的传感器与中继器、数据存储模块和数据处理模块依次电连接，通过中继器将传感器采集的加速度信息传送至数据存储模块进行数据处理和存储，数据处理模块通过调用数据存储模块中的加速度信息，对奶牛的采食行为与采食量的监测与分析。
本发明实施例实现了奶牛养殖过程中每头奶牛采食行为与个体采食量的自动监测，利于建立基于奶牛采食行为与个体采食量的物联网数据平台，实现数据的远程传输、分析及管理，提高了奶牛精准饲喂的数字化和智能化水平。
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一简单地介绍，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为本发明实施例的奶牛采食行为与采食量的可穿戴监测装置的结构示意图；
图2为本发明实施例的奶牛采食行为与采食量的监测系统的结构示意图；
图3为本发明实施例的奶牛采食行为与采食量的监测系统的数据处理的流程示意图；
图4为本发明实施例的奶牛采食行为与采食量的监测系统的数据存储模块中滤波单元滤波的流程示意图；
其中：
1、前额卡扣 2、传感器 3、后颈卡扣
4、可活动绳索 5、前额带 6、后颈带
7、第一侧面连接带 8、第二侧面连接带 9、中继器
10、数据存储模块 11、数据处理模块。
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、完整地描述，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。
奶牛在采食过程中，颊部两侧的肌肉会带动下颌一起产生规律性的往复运动，因此可以通过测量奶牛的颊部两侧的肌肉起伏运动引起的加速度变化，进而分析奶牛采食行为的相关参数与采食量。
图1为本发明实施例的奶牛采食行为与采食量的可穿戴监测装置的结构示意图，如图1所示，本发明实施例提供一种奶牛采食行为与采食量的可穿戴监测装置，每个装置套设于任意一头奶牛的头部，该装置包括：前额带5、后颈带6、前额卡扣1、后颈卡扣3、可活动绳索4、第一侧面连接带7、第二侧面连接带8和传感器2；其中，前额带5通过前额卡扣1卡设于奶牛的前额上，后颈带6通过后颈卡扣3卡设于奶牛的后颈上；第一侧面连接带7与第二侧面连接带8分别与奶牛的两颊接触；第一侧面连接带7的一端通过前额卡扣1与前额带5固定连接，另一端通过后颈卡扣3与后颈带6固定连接；第二侧面连接带8的一端通过前额卡扣1与前额带5固定连接，另一端通过后颈卡扣3与后颈带6固定连接；第一侧面连接带7和第二侧面连接带8分别用于使前额带5和后颈带6共同在奶牛的两颊绷紧；传感器2设于第一侧面连接带7或第二侧面连接带8上并与奶牛的左颊或右颊接触，或者，传感器2设于前额带5的上部并与奶牛的鼻部接触；传感器2用于采集奶牛采食行为的加速度信息；可活动绳索4与奶牛的下颌接触；可活动绳索4的一端与前额带5活动连接，另一端与后颈带6活动连接；可活动绳索4用于在前额带5和后颈带6上移动，并使前额卡扣1和后颈卡扣3共同在奶牛的下颌绷紧。
具体地，每个该装置用于监测任意一头奶牛的采食行为与采食量，因此实际应用时，将每个该装置套设于需要监测的那台奶牛的头部，其中，将前额带5通过前额卡扣1卡设于奶牛的前额上，将后颈带6通过后颈卡扣3卡设于奶牛的后颈上；前额带5和后颈带6之间固定连接有分别与奶牛的两颊接触的第一侧面连接带7和第二侧面连接带8；前额带5和后颈带6之间还连接有与奶牛的下颌接触的可活动绳索4，可活动绳索4的两端可以分别在前额带5和后颈带6的下部左右移动，以调整该装置与奶牛的头部之间的适配性，使得该装置合适地套设与奶牛的头部。
同时，传感器2设于第一侧面连接带7或第二侧面连接带8上并与奶牛左颊或右颊的咬肌接触，或者，传感器2设于前额带5的上部并与奶牛鼻子上部的鼻唇提肌接触；通过传感器2采集奶牛采食时，奶牛的颊部两侧的肌肉起伏运动引起的加速度变化的加速度信息，以便于根据加速度信息分析奶牛采食行为的相关参数与采食量。
需要说明的是，每个装置中，传感器2的数量为一个或多个。
本发明实施例提供的一种奶牛采食行为与采食量的可穿戴监测装置，通过在每头奶牛的头部方便地套设该可穿戴监测装置，从而采集奶牛在采食过程中，奶牛的颊部两侧的肌肉起伏运动引起的加速度变化的加速度信息，以便于根据加速度信息分析奶牛采食行为的相关参数与采食量。
进一步地，传感器2为三轴加速度传感器，该三轴加速度传感器为电容式、电感式、应变式、压阻式、压电式。传感器2的检测精度为不低于0.1g，g为重力常数为9.8N/KG，因此传感器2的检测精度不低于1m/s2。
需要说明的是，传感器2还可以用于识别奶牛的个体识别码，以区别该装置用于监测的奶牛的编号，从而识别不同的奶牛。
进一步地，为了便于该装置方便地套设于奶牛的头部，且使得奶牛长时间佩戴也较为舒适，前额卡扣1、后颈卡扣3、可活动绳索4、第一侧面连接带7、第二侧面连接带8的材料均为弹性尼龙材料。
需要说明的是，前额卡扣1和后颈卡扣3均为可拆卸金属环，以方便从奶牛的头部拆卸该装置。
进一步地，前额卡扣1和后颈卡扣3的数量分别为至少一个，以方便佩戴和拆卸该装置。例如可以在奶牛的左颊和右颊对称地设置两个前额卡扣1，或在奶牛的后颈两侧对称地设置两个后颈卡扣3。
图2为本发明实施例的奶牛采食行为与采食量的监测系统的结构示意图，如图1和图2所示，本发明实施例提供一种奶牛采食行为与采食量的监测系统，该系统包括上述奶牛采食行为与采食量的可穿戴监测装置，以及与装置依次电连接的中继器9、数据存储模块10和数据处理模块11；相应地，中继器9与装置的传感器2相连；其中，装置通过传感器2采集奶牛采食行为的加速度信息，并传送给中继器9；中继器9将加速度信息传送给数据存储模块10；数据存储模块10用于存储加速度信息，并将加速度信息传送给数据处理模块11；数据处理模块11用于根据加速度信息对奶牛的采食行为进行监测并获取个体采食量。
具体地，在需要监测的奶牛的头部佩戴该装置，通过中继器9将该装置的传感器采集的奶牛采食行为的加速度信息传输至数据存储模块10，进行数据处理和存储，利用数据处理模块11通过调用数据存储模块10中的加速度信息，对奶牛的采食行为与采食量进行监测与分析。
本发明实施例提供的奶牛采食行为与采食量的监测系统，集成三轴加速度传感器、物联网、信号处理、以及人工智能等技术，构建系统化、定量化、标准化信息采集装置，并组成物联网数据平台的软硬件环境，实现奶牛个体采食行为及采食量的实时自动监测，实现数据的远程传输、分析及管理，提高畜牧业生产中奶牛精准饲喂的数字化和智能化水平。实施过程中，为奶牛佩戴可穿戴的加速度传感器装置，利用数据接收器、中继路由器和远程无线网络模块搭建物联网系统，也可利用养殖场现有的物联网系统环境，采食行为、采食时间、采食量等指标的分析为奶牛精准饲喂、健康状况、养殖环境舒适度等评估提供定量化的依据，从而达到提升现代畜牧业奶牛养殖生产效率和质量的目的。
基于上述实施例，数据存储模块10包括滤波单元，滤波单元用于对加速度信息进行滤波分析，具体滤波过程详见以下关于图4的实施例的说明。
进一步地，装置和中继器9的数量均分别为多个，一个中继器9对应多个装置，任意一个装置与其对应的中继器9相连。
进一步地，装置依次与中继器9、数据存储模块10和数据处理模块11通过有线或无线方式连接，具体的连接方式可根据实际情况设置。
下面给出应用该奶牛采食行为与采食量的监测系统进行数据处理，以分析奶牛采食行为与采食量的具体过程。
由于奶牛没有上颚切齿，因此奶牛的采食行为主要包括卷食状态和咀嚼状态，通过舌头先把饲料卷食，然后咀嚼，或者一边卷食一边咀嚼，从而进食饲料。本发明实施例中，将一边卷食一边咀嚼的状态也看作卷食状态；同时，定义一段连续的咀嚼状态为发生一次咀嚼行为，定义一段连续的或多段不连续但相邻的卷食状态为发生一次卷食行为，定义从本次卷食行为发生开始，到下一次卷食行为为一次完整的采食过程，每次采食过程中可能会有多次咀嚼状态。
应当知道的是，奶牛在采食过程中，还包括头部运动，下颚门齿切取和卷食或咀嚼过程中途短暂休息等非进食过程，因此本发明实施例将奶牛的采食行为分为用于实际进食的卷食状态和咀嚼状态，以及不用于实际进食的非进食状态。
图3为本发明实施例的奶牛采食行为与采食量的监测系统的数据处理的流程示意图，如图3所示，本发明实施例提供的一种奶牛采食行为与采食量的监测系统的数据处理流程包括：
S1、获取若干头奶牛采食行为的加速度信息。
具体地，根据奶牛采食行为的加速度信息，能确定奶牛采食行为的具体状态，步骤S1中，获取若干头奶牛采食行为的加速度信息作为确定奶牛采食具体状态的依据，从而根据加速度信息进行后续步骤。
应当知道的是，加速度信息的单位为重力常数g，g＝9.8N/Kg。
S2、将加速度信息输入至第一预设神经网络，输出加速度信息对应的采食行为的类别，类别包括用于进食的卷食状态和咀嚼状态，以及非进食状态；其中，第一预设神经网络是根据第一样本加速度信息和第一样本加速度信息对应的采食行为的类别训练后得到的。
具体地，步骤S2中，获取若干头奶牛采食行为的加速度信息作为第一样本加速度信息，同时采集现场视频确定第一样本加速度信息对应的采食行为，从而确定第一样本加速度信息对应的采食行为的类别；采食行为的类别包括用于进食的卷食状态和咀嚼状态，以及不用于进食的非进食状态。
根据第一样本加速度信息和第一样本加速度信息对应的采食行为的类别训练得到第一预设神经网络；将加速度信息输入至第一预设神经网络，输出加速度信息对应的采食行为的类别，类别包括用于进食的卷食状态和咀嚼状态，以及非进食状态。
S3、在预设时段内，分别根据卷食状态和咀嚼状态的持续时间，获取预设时段内采食行为中用于进食的持续时间。
具体地，步骤S3中，根据步骤S2对于采食行为的分类，分别获取在预设时段内的采食行为中，卷食状态的持续时间、咀嚼状态的持续时间和非进食状态的时间；根据卷食状态的持续时间和咀嚼状态的持续时间，从而可以获取预设时段内的采食行为中用于进食的持续时间。
S4、将卷食状态和咀嚼状态对应的加速度信息输入至第二预设神经网络，输出卷食状态和咀嚼状态对应的加速度信息对应的采食行为的采食速率估计值；其中，第二预设神经网络是根据第二样本加速度信息和第二样本加速度信息对应的采食行为的采食速率值训练后得到的；第二样本加速度信息是利用第一预设神经网络分类出的类别为卷食状态和咀嚼状态对应的加速度信息。
具体地，步骤S4中，将若干头奶牛采食行为的加速度信息经过第一预设神经网络分类，标识出采食行为的类别；将其中采食行为的类别为卷食状态和咀嚼状态的加速度信息作为第二样本加速度信息，同时现场实际测量获得第二样本加速度信息对应的采食行为的采食速率值，根据第二样本加速度信息和其对应的采食速率值训练出第二预设神经网络。
进一步地，将经过第一预设神经网络分类后获得的卷食状态和咀嚼状态对应的加速度信息输入至第二预设神经网络，输出卷食状态和咀嚼状态对应的加速度信息对应的采食行为的采食速率估计值。采食行为的采食速率估计值为卷食状态的采食速率估计值和咀嚼状态的采食速率估计值的综合采食速率估计值。
需要说明的是，第一样本加速度信息和第二样本加速度信息均通过采集若干头奶牛采食行为的加速度信息获得；第一样本加速度信息和第二样本加速度信息可以为相同或不同的样本信息，分别用于训练第一预设神经网络和第二预设神经网络。
其中，第二样本加速度信息为将奶牛采食行为的加速度信息经过第一预设神经网络分类，标识出采食行为的类别的加速度信息中卷食状态和咀嚼状态对应的加速度信息。
S5、根据采食行为的采食速率估计值和采食行为中用于进食的持续时间，获取预设时段内每头奶牛的个体采食量。
具体地，步骤S5中，根据步骤S4中获取的采食行为的采食速率估计值，以及步骤S3中获取的预设时段内采食行为中用于进食的持续时间，获取预设时段内每头奶牛的个体采食量。
综上所述，本发明实施例提供的奶牛采食行为与采食量的监测系统的数据处理流程为：基于第一预设神经网络，根据奶牛采食行为的加速度信息，能确定对应的采食行为的类别为用于进食的卷食状态或咀嚼状态，或不用于进食的非进食状态；然后在预设时段内，分别根据卷食状态和咀嚼状态的持续时间，能获取预设时段内采食行为中用于进食的持续时间；同时，基于第二预设神经网络，根据加速度信息，能获取对应的采食速率估计值；进一步地，根据预设时段内，采食行为中用于进食的持续时间和采食行为的采食速率估计值，获取预设时段内奶牛的个体采食量。
需要说明的是，本发明实施例中，第一预设神经网络和第二预设神经网络均为BP神经网络；其中，第一预设神经网络的隐藏层为九层，第二预设神经网络的隐藏层为十层。
图4为本发明实施例的奶牛采食行为与采食量的监测系统的数据存储模块中滤波单元滤波的流程示意图，如图4所示，获取若干头奶牛采食行为的加速度信息，与将加速度信息输入至第一预设神经网络之间，还包括：对加速度信息进行信号预处理，信号预处理包括依次对加速度信息进行极值去噪、小波去噪和卡尔曼滤波。
具体地，获取ti时刻若干头奶牛采食行为的原始加速度信息X0(ti)，然后对原始的加速度信息X0(ti)进行一系列的信号预处理，使得原始的加速度信息与时刻的关系曲线变得平滑、无毛刺。
首先，对原始加速度信息X0(ti)进行极值去噪：分别获取任意时段内加速度信息的若干个峰值和若干个谷值，将若干个峰值的调和平均数代替最高峰值，将若干个谷值的调和平均数代替最低谷值，获取极值去噪后的加速度信息X'0(ti)。
然后，将极值去噪后的加速度信息X'0(ti)进行小波去噪：对极值去噪后的加速度信息进行小波变换，得到若干小波分解系数；对小波分解系数进行阈值处理和参数调整，获得小波系数，使得小波分解系数与小波系数之差尽可能的小；然后将小波系数进行小波重构，获取极值去噪、小波去噪后的加速度信息X”0(ti)。
最后，将极值去噪、小波去噪后的加速度信息X”0(ti)进行卡尔曼滤波：获取极值去噪和小波去噪后的加速度信息X”0(ti)的估计值、实测值、协方差和滤波增益值；根据估计值、实测值、协方差和滤波增益值，获取极值去噪、小波去噪和卡尔曼滤波后的加速度信息Xp(ti)。需要说明的是，卡尔曼滤波通过非线性卡尔曼滤波器进行。
进一步地，获取估计值的公式为：
X”估计(ti)＝φX”0(ti)+τW(ti-1)
其中，X”估计(ti)为X”0(ti)在ti时刻估计值，X”0(ti)为ti时刻极值去噪、小波去噪后的加速度信息，φ为状态方程转移矩阵，τ为噪声驱动矩阵；W(ti-1)为ti-1时刻的过程噪声，W(ti-1)的均值和误差都为0。
进一步地，获取实测值的公式为：
Y(ti-1)＝HX”0(ti)+V(ti-1)
其中，Y(ti-1)为X”0(ti)在ti-1时刻实测值，X”0(ti)为ti时刻极值去噪、小波去噪后的加速度信息，H为观测方程转移矩阵；V(ti-1)为高斯白噪声，V(ti-1)的均值为0。
进一步地，获取协方差的公式为：
P(ti)＝φ(ti)P(ti-1)φT(ti)
其中，P(ti)为ti时刻的协方差，P(ti-1)为ti-1时刻的协方差，φ(ti)为ti时刻的状态方程转移矩阵，φT(ti)为φ(ti)的转置矩阵。
进一步地，获取滤波增益值的公式为：
K(ti-1)＝P(ti)HT(ti)[H(ti)P(ti)HT(ti)+R]
其中，K(ti-1)为ti-1时刻的滤波增益值，P(ti)为ti时刻的协方差，R为传感器误差，H(ti)为ti时刻的观测方程转移矩阵，HT(ti)为H(ti)的转置矩阵。
需要说明的是，加速度信息是通过三轴加速度传感器紧贴奶牛颊部或鼻部获取的，具体为紧贴奶牛脸颊两侧的咬肌或鼻子上部的鼻唇提肌获取；通过三轴加速度传感器获取的加速度信息包括X轴加速度信息、Y轴加速度信息、Z轴加速度信息和三轴加速度和信息。因此，将信号预处理后的加速度信息，即极值去噪、小波去噪和卡尔曼滤波后的加速度信息Xp(ti)输入至第一预设神经网络，获取采食行为的分类，具体是分别将原始的X轴加速度信息X01(ti)、Y轴加速度信息X02(ti)、Z轴加速度信息X03(ti)和三轴加速度和信息X04(ti)进行信号预处理，获取对应的信号预处理后的加速度信息Xp1(ti)、Xp2(ti)、Xp3(ti)和Xp4(ti)输入至第一预设神经网络，然后获取采食行为的分类：卷食状态O1、咀嚼状态O2和非采食状态O3。
基于上述实施例，根据在预设时段内，第i次卷食状态和第i+1次卷食状态之间，有k次咀嚼行为的假设，可知在预设时段内分别根据卷食状态和咀嚼状态的持续时间，获取预设时段内采食行为中用于进食的持续时间，具体包括：
其中，AFD为预设时段内采食行为的持续时间，单位为分钟；Δt01i为第i次卷食状态的持续时间，i为卷食状态次数，m为卷食状态总次数，Δt01i2k为第i次卷食状态后第k次咀嚼状态的持续时间，k为第i次卷食状态到第i+1次卷食状态之间的咀嚼状态次数，n为第i次卷食状态到第i+1次卷食状态之间的咀嚼状态总次数。
应当知道的是，i、m、k、n均为大于0的自然数。
基于上述实施例，输出卷食状态和咀嚼状态对应的加速度信息对应的采食行为的采食速率估计值之前，还包括：根据所述预设时段内，所述咀嚼状态对应的所述X轴加速度信息的频谱，获取奶牛的咀嚼频率；将卷食状态对应的X轴加速度信息、Y轴加速度信息、Z轴加速度信息与三轴加速度和，与咀嚼状态对应的X轴加速度信息、Y轴加速度信息、Z轴加速度信息与三轴加速度和，以及咀嚼频率输入至第二预设神经网络。
例如，定义第i次卷食状态对应的X轴加速度信息为X01i1、Y轴加速度信息为X01i2、Z轴加速度信息为X01i3、三轴加速度和为X01i4；第i次卷食状态和第i+1次卷食状态之间，第k次咀嚼状态对应的X轴加速度信息为X02ik1、Y轴加速度信息为X02ik2、Z轴加速度信息为X02ik3、三轴加速度和为X02ik4；根据咀嚼状态对应的X轴加速度信息，获取的咀嚼频率为F01i2k。
将第i次卷食状态对应的X轴加速度信息X01i1、Y轴加速度信息X01i2、Z轴加速度信息X01i3、三轴加速度和X01i4；第k次咀嚼状态对应的X轴加速度信息X02ik1、Y轴加速度信息X02ik2、Z轴加速度信息X02ik3、三轴加速度和X02ik4；根据咀嚼状态对应的X轴加速度信息，获取的咀嚼频率F01i2k均输入第二预设神经网络，从而输出采食行为的采食速率估计值。
基于上述实施例，根据第i次卷食状态的持续时间，与第i次卷食状态与第i+1次卷食状态之间的k次咀嚼状态的持续时间相加，可得第i次采食行为的持续时间，将第i次采食行为的持续时间与第i次采食行为的采食速率估计值相乘，可获得第i次采食行为的个体采食量。以此类推，可获得整个采食行为的个体采食量。
因此，根据采食行为的采食速率估计值和采食行为中用于进食的持续时间，获取预设时段内每头奶牛的个体采食量，具体包括：
其中，DFI为预设时段内的个体采食量，单位为千克；Si为采食速率估计值，Δt01i为第i次卷食状态的持续时间，i为卷食状态次数，m为卷食状态总次数，Δt01i2k为第i次卷食状态后第k次咀嚼状态的持续时间，k为第i次卷食状态到第i+1次卷食状态之间的咀嚼次数，n为第i次卷食状态到第i+1次卷食状态之间的咀嚼状态总次数。
最后应说明的是：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)
1.一种奶牛采食行为与采食量的可穿戴监测装置，其特征在于，每个所述装置套设于任意一头奶牛的头部，所述装置包括：前额带、后颈带、前额卡扣、后颈卡扣、可活动绳索、第一侧面连接带、第二侧面连接带和传感器；
其中，所述前额带通过所述前额卡扣卡设于奶牛的前额上，所述后颈带通过所述后颈卡扣卡设于奶牛的后颈上；
所述第一侧面连接带与所述第二侧面连接带分别与奶牛的两颊接触；所述第一侧面连接带的一端通过所述前额卡扣与所述前额带固定连接，另一端通过所述后颈卡扣与所述后颈带固定连接；所述第二侧面连接带的一端通过所述前额卡扣与所述前额带固定连接，另一端通过所述后颈卡扣与所述后颈带固定连接；所述第一侧面连接带和所述第二侧面连接带分别用于使所述前额带和所述后颈带共同在奶牛的两颊绷紧；所述传感器设于所述第一侧面连接带或所述第二侧面连接带上并与奶牛的颊部接触，或者，所述传感器设于所述前额带上并与奶牛的鼻部接触；所述传感器用于采集奶牛采食行为的加速度信息；
所述可活动绳索与奶牛的下颌接触；所述可活动绳索的一端与所述前额带活动连接，另一端与所述后颈带活动连接；所述可活动绳索用于在所述前额带和所述后颈带上移动，并使所述前额卡扣和所述后颈卡扣共同在奶牛的下颌绷紧。
2.根据权利要求1所述的奶牛采食行为与采食量的可穿戴监测装置，其特征在于，所述传感器为三轴加速度传感器，所述传感器的检测精度不低于1m/s2。
3.根据权利要求1所述的奶牛采食行为与采食量的可穿戴监测装置，其特征在于，所述传感器还用于采集奶牛的个体识别码。
4.根据权利要求1所述的奶牛采食行为与采食量的可穿戴监测装置，其特征在于，所述前额卡扣、后颈卡扣、可活动绳索、第一侧面连接带、第二侧面连接带的材料均为弹性尼龙材料。
5.根据权利要求1所述的奶牛采食行为与采食量的可穿戴监测装置，其特征在于，所述前额卡扣和所述后颈卡扣均为可拆卸金属环。
6.根据权利要求1所述的奶牛采食行为与采食量的可穿戴监测装置，其特征在于，所述前额卡扣和所述后颈卡扣的数量分别为至少一个。
7.一种奶牛采食行为与采食量的监测系统，其特征在于，包括权利要求1-6任一项所述的奶牛采食行为与采食量的可穿戴监测装置，以及与所述装置依次电连接的中继器、数据存储模块和数据处理模块；相应地，所述中继器与所述装置的传感器相连；
其中，所述装置通过所述传感器采集奶牛采食行为的加速度信息，并传送给所述中继器；所述中继器将所述加速度信息传送给所述数据存储模块；所述数据存储模块用于存储所述加速度信息，并将所述加速度信息传送给所述数据处理模块；所述数据处理模块用于根据所述加速度信息对奶牛的采食行为进行监测并获取个体采食量。
8.根据权利要求7所述的奶牛采食行为与采食量的监测系统，其特征在于，所述数据存储模块包括滤波单元，所述滤波单元用于对所述加速度信息进行滤波分析。
9.根据权利要求7所述的奶牛采食行为与采食量的监测系统，其特征在于，所述装置和所述中继器的数量均分别为多个，任意一个所述装置与其对应的所述中继器相连。
10.根据权利要求7所述的奶牛采食行为与采食量的监测系统，其特征在于，所述装置依次与所述中继器、所述数据存储模块和所述数据处理模块通过有线或无线方式连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910532317.2A CN110169374B (zh) | 2019-06-19 | 2019-06-19 | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910532317.2A CN110169374B (zh) | 2019-06-19 | 2019-06-19 | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110169374A true CN110169374A (zh) | 2019-08-27 |
| CN110169374B CN110169374B (zh) | 2024-05-10 |
Family
ID=67697487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910532317.2A Active CN110169374B (zh) | 2019-06-19 | 2019-06-19 | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110169374B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111122902A (zh) * | 2020-01-16 | 2020-05-08 | 刘丹 | 基于无线网络的牛反刍异常情况智能监控方法 |
| CN113057123A (zh) * | 2021-02-05 | 2021-07-02 | 广州朗国电子科技有限公司 | 一种人工智能家禽进食异常监控方法、设备以及介质 |
| CN113456063A (zh) * | 2021-06-30 | 2021-10-01 | 南京晓庄学院 | 一种基于人工智能的死鸡病鸡检测系统及检测方法 |
| CN115683294A (zh) * | 2022-10-27 | 2023-02-03 | 江苏省农业科学院 | 一种牛的动态称重系统及方法 |
| CN117875658A (zh) * | 2024-01-16 | 2024-04-12 | 广东省六七八控股集团股份公司 | 基于物联网的农业数字化管理方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011069512A1 (en) * | 2009-12-11 | 2011-06-16 | Syddansk Universitet | Method and system for estimating herbage uptake of an animal |
| WO2013005038A1 (en) * | 2011-07-05 | 2013-01-10 | Ecow Limited | Monitoring of livestock |
| US20140338447A1 (en) * | 2013-05-20 | 2014-11-20 | Accelerenz Limited | Sensor Apparatus and Associated Systems and Methods |
| JP2015057067A (ja) * | 2014-12-01 | 2015-03-26 | 広島県 | 反芻動物管理方法 |
| CN106484014A (zh) * | 2016-12-20 | 2017-03-08 | 南阳师范学院 | 基于物联网和单片机技术的奶牛精细化饲养系统 |
| JP2017051146A (ja) * | 2015-09-10 | 2017-03-16 | 国立大学法人岩手大学 | 反芻動物の行動分析方法及び行動分析装置 |
| JP2017060407A (ja) * | 2015-09-21 | 2017-03-30 | 株式会社グリーン＆ライフ・イノベーション | 反芻動物の健康管理システムおよび反芻動物の健康管理方法 |
| EP3188592A1 (en) * | 2014-09-04 | 2017-07-12 | DeLaval Holding AB | Arrangement and method for measuring rumination of an animal |
| CN106952175A (zh) * | 2017-04-18 | 2017-07-14 | 东北农业大学 | 基于奶牛鼻羁压力变化的个体采食量估计方法 |
| CN107637543A (zh) * | 2017-09-14 | 2018-01-30 | 杨旭升 | 一种智能牛项圈以及智能检测方法 |
| CN207201700U (zh) * | 2017-08-11 | 2018-04-10 | 深圳市宝凯仑科技有限公司 | 奶牛的可穿戴设备 |
| CN208188853U (zh) * | 2018-05-24 | 2018-12-04 | 北京农业信息技术研究中心 | 一种奶牛面部识别装置 |
| CN210275519U (zh) * | 2019-06-19 | 2020-04-10 | 北京农业信息技术研究中心 | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 |
-
2019
- 2019-06-19 CN CN201910532317.2A patent/CN110169374B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011069512A1 (en) * | 2009-12-11 | 2011-06-16 | Syddansk Universitet | Method and system for estimating herbage uptake of an animal |
| WO2013005038A1 (en) * | 2011-07-05 | 2013-01-10 | Ecow Limited | Monitoring of livestock |
| US20140338447A1 (en) * | 2013-05-20 | 2014-11-20 | Accelerenz Limited | Sensor Apparatus and Associated Systems and Methods |
| EP3188592A1 (en) * | 2014-09-04 | 2017-07-12 | DeLaval Holding AB | Arrangement and method for measuring rumination of an animal |
| JP2015057067A (ja) * | 2014-12-01 | 2015-03-26 | 広島県 | 反芻動物管理方法 |
| JP2017051146A (ja) * | 2015-09-10 | 2017-03-16 | 国立大学法人岩手大学 | 反芻動物の行動分析方法及び行動分析装置 |
| JP2017060407A (ja) * | 2015-09-21 | 2017-03-30 | 株式会社グリーン＆ライフ・イノベーション | 反芻動物の健康管理システムおよび反芻動物の健康管理方法 |
| CN106484014A (zh) * | 2016-12-20 | 2017-03-08 | 南阳师范学院 | 基于物联网和单片机技术的奶牛精细化饲养系统 |
| CN106952175A (zh) * | 2017-04-18 | 2017-07-14 | 东北农业大学 | 基于奶牛鼻羁压力变化的个体采食量估计方法 |
| CN207201700U (zh) * | 2017-08-11 | 2018-04-10 | 深圳市宝凯仑科技有限公司 | 奶牛的可穿戴设备 |
| CN107637543A (zh) * | 2017-09-14 | 2018-01-30 | 杨旭升 | 一种智能牛项圈以及智能检测方法 |
| CN208188853U (zh) * | 2018-05-24 | 2018-12-04 | 北京农业信息技术研究中心 | 一种奶牛面部识别装置 |
| CN210275519U (zh) * | 2019-06-19 | 2020-04-10 | 北京农业信息技术研究中心 | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 |
Non-Patent Citations (4)
| Title |
|---|
| ADOLFO A. RAYAS-AMOR. ETCAL: "Triaxial accelerometers for recording grazing and ruminating time in dairy cows: An alternative to visual observations", 《ELSEVIER》, pages 102 - 108 * |
| 周雅婷: "肉牛采食行为识别与采食量模型研究", 《农业科技辑》, pages 050 - 21 * |
| 谭骥: "基于无线传感器网络的奶牛行为判别系统研究", 《信息科技辑》, 31 October 2018 (2018-10-31), pages 140 - 158 * |
| 赵文杰等: "基于三轴加速度和人工神经网络的奶牛采食行为鉴别方法研究", 《安徽农业科学》, vol. 48, no. 18, 30 September 2020 (2020-09-30), pages 231 - 234 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111122902A (zh) * | 2020-01-16 | 2020-05-08 | 刘丹 | 基于无线网络的牛反刍异常情况智能监控方法 |
| CN113057123A (zh) * | 2021-02-05 | 2021-07-02 | 广州朗国电子科技有限公司 | 一种人工智能家禽进食异常监控方法、设备以及介质 |
| CN113456063A (zh) * | 2021-06-30 | 2021-10-01 | 南京晓庄学院 | 一种基于人工智能的死鸡病鸡检测系统及检测方法 |
| CN113456063B (zh) * | 2021-06-30 | 2022-05-03 | 南京晓庄学院 | 一种基于人工智能的死鸡病鸡检测系统及检测方法 |
| CN115683294A (zh) * | 2022-10-27 | 2023-02-03 | 江苏省农业科学院 | 一种牛的动态称重系统及方法 |
| CN117875658A (zh) * | 2024-01-16 | 2024-04-12 | 广东省六七八控股集团股份公司 | 基于物联网的农业数字化管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110169374B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110169374A (zh) | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 | |
| Costa et al. | Symposium review: Precision technologies for dairy calves and management applications | |
| CN110169375A (zh) | 一种奶牛采食行为与采食量的监测方法及装置 | |
| DE60133106T2 (de) | Verfahren und system zur überwachung physiologischer zustände von, und/oder eignung von tierfutter für wiederkäuer | |
| RU2715627C2 (ru) | Способ получения информации о сельскохозяйственном животном | |
| Amory et al. | Associations between sole ulcer, white line disease and digital dermatitis and the milk yield of 1824 dairy cows on 30 dairy cow farms in England and Wales from February 2003–November 2004 | |
| Bewley et al. | Influence of milk yield, stage of lactation, and body condition on dairy cattle lying behaviour measured using an automated activity monitoring sensor | |
| KR102117092B1 (ko) | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 | |
| JP2017060407A (ja) | 反芻動物の健康管理システムおよび反芻動物の健康管理方法 | |
| WO2021203757A1 (zh) | 一种个体管控畜禽养殖方法 | |
| US20230270077A1 (en) | Method and system for determining phase transition in young animal | |
| US20130138389A1 (en) | Apparatus and method for detecting disease in dairy animals | |
| CN110236526A (zh) | 基于咀嚼吞咽动作及心电活动的摄食行为分析和检测方法 | |
| WO2011069512A1 (en) | Method and system for estimating herbage uptake of an animal | |
| CN106993546A (zh) | 一种基于反刍时间与活动量的奶牛发情监测方法 | |
| Shen et al. | Rumination recognition method of dairy cows based on the change of noseband pressure | |
| CN110993105A (zh) | 一种宠物健康监测及管理装置及方法 | |
| CN107410082A (zh) | 基于反刍动物鼻羁压力变化的反刍识别方法 | |
| CN111916096B (zh) | 一种基于树莓派的藏羊牧食行为监测方法 | |
| CN113456063B (zh) | 一种基于人工智能的死鸡病鸡检测系统及检测方法 | |
| CN110720928A (zh) | 一种基于三轴加速度的奶牛进食和反刍识别方法 | |
| CN210275519U (zh) | 一种奶牛采食行为与采食量的可穿戴监测装置及监测系统 | |
| KR101799752B1 (ko) | 소 귀 부착형 체온 및 되새김 측정 장치 | |
| Michie et al. | Wireless MEMS sensors for precision farming | |
| 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 |