CN110455413A - 一种中大型牲畜养殖场体温监测装置及监测方法 - Google Patents
一种中大型牲畜养殖场体温监测装置及监测方法 Download PDFInfo
- Publication number
- CN110455413A CN110455413A CN201910615286.7A CN201910615286A CN110455413A CN 110455413 A CN110455413 A CN 110455413A CN 201910615286 A CN201910615286 A CN 201910615286A CN 110455413 A CN110455413 A CN 110455413A
- Authority
- CN
- China
- Prior art keywords
- livestock
- temperature
- thermography
- body temperature
- farm
- 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
- 244000144972 livestock Species 0.000 title claims abstract description 149
- 230000036760 body temperature Effects 0.000 title claims abstract description 119
- 238000012806 monitoring device Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001931 thermography Methods 0.000 claims abstract description 142
- 238000009434 installation Methods 0.000 claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 230000006870 function Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 10
- 239000011248 coating agent Substances 0.000 claims description 9
- 238000000576 coating method Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 206010037660 Pyrexia Diseases 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000009394 selective breeding Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 abstract description 4
- 230000001771 impaired effect Effects 0.000 abstract description 2
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/0205—Mechanical elements; Supports for optical elements
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Radiation Pyrometers (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种中大型牲畜养殖场体温监测装置及监测方法，涉及体温监测技术领域。本发明的一种中大型牲畜养殖场体温监测装置，包括滑道、滑轮、安装框架、支撑立柱、彩色相机、热像仪、驱动电机以及上位机；所述滑道固定设置于养殖场顶部；所述支撑立柱一端与安装框架顶部连接，另一端通过转轴与所述滑轮连接；驱动电机固定在安装框架顶部，且驱动电机的输出轴与连接任意一个滑轮的转轴同轴连接；安装框架的底部安装彩色相机以及热像仪；所述彩色相机、热像仪驱动电机均通过无线传输模块与上位机连接。采用本发明的体温监测系统，不仅能够及时获取牲畜体温，节省了大量人力物力，同时也避免监测过程中各个设备会被损坏的问题。
Description
技术领域
本发明涉及体温监测技术领域，更具体地说，涉及一种中大型牲畜养殖场体温监测装置及监测方法。
背景技术
随着市场需求量的增大和养殖技术的进步，我国家畜养殖业向规模化、自动化、集约化迈进，养猪业也不例外，我国的生猪养殖业业逐渐向规模化、专业化方向发展，规模经营呈现快速上升趋势，全国规模化养猪生产出栏占全国出栏比例不断升高。
但在养殖规模迅猛发展的背后，养殖管理的技术、水平仍然很低，对疫病的防控基础还比较薄弱，防疫、检疫、监测手段不够健全和完善，导致生猪疾病无法控制和检测；而体温是判断动物健康状况的指标之一，也是动物最重要的生命特征之一，很多传染性疫病都会引起体温的变化，因此，体温的检测对牲畜疾病的诊断和治疗有很大的帮助，有助于早期发现病畜、探求疫病的发展程度以及判断疾病的轻重等。
目前临床上通常是采用接触式方法测量牲畜不同身体部位的温度，这种测量方法需要耗费大量人力，并且不能快速及时获得牲畜体温，还可能引起牲畜的不必要的应激反应；行业内还有给牲畜佩戴温度传感器的方法来测量牲畜体温，但是牲畜间的经常性撕咬会大量损坏传感器，使仪器丧失测温功能，同时造成不必要的仪器的损耗。
因此，设计一种非接触式且可同时高效的测量多个牲畜体温的监测系统是目前需要解决的问题。
发明内容
本发明的目的在于克服现有牲畜接触式体温监测所带来的浪费人力物力、仪器容易损坏且不能快速及时获得牲畜体温的问题，提供了一种中大型牲畜养殖场体温监测装置及监测方法。
为达到上述目的，本发明提供的技术方案为：
一种中大型牲畜养殖场体温监测装置，包括滑道、滑轮、安装框架、支撑立柱、彩色相机、热像仪、驱动电机以及上位机；
所述滑道固定设置于养殖场顶部；
所述滑轮至少为两个，且均卡装在滑道内部；
所述支撑立柱的数量与滑轮数量相同，支撑立柱一端与安装框架顶部连接，另一端通过转轴与所述滑轮连接；
驱动电机固定在安装框架顶部，且驱动电机的输出轴与任意一个滑轮的转轴同轴连接；
安装框架的底部安装彩色相机以及热像仪；彩色相机、热像仪、驱动电机均与上位机电连接。
进一步地，所述安装框架的底部还安装有转台，所述转台上安装带激光导向的测温仪，转台以及带激光导向的测温仪均与所述上位机连接。
进一步地，还包括无线传输模块；所述无线传输模块安装在安装框架的内部，且彩色相机、热像仪、驱动电机、转台以及带激光导向的测温仪均通过无线传输模块与上位机实现电连接。
进一步地，所述彩色相机和热像仪的视场角均垂直向下，且其外部均配置有防潮保护外壳。
进一步地，所述转台转动角度范围为-150°～150°。
一种中大型牲畜养殖场体温监测方法，采用上述一种中大型牲畜养殖场体温监测装置，通过以下步骤实现监测：
步骤1：体温监测装置开始上电，彩色相机开始对养殖场拍照，通过拍摄的图像确定多个数据采集位置；
步骤2：使用热像仪在各个数据采集位置采集多幅原始热像图An，将多幅原始热像图An传输到上位机存储；n≥1；
步骤3：使用基于sobel算子的边界检测算法分割出多幅热像图An中的每个牲畜轮廓，通过轮廓剪裁出只包含每个牲畜轮廓的多张热像图Bm，每幅热像图An中包含单张或者多张热像图Bm；m≥1；
步骤4：测量每个牲畜的直肠温度，将测量到的直肠体温作为牲畜的准确体温，并将每个牲畜的准确体温与多幅牲畜热像图Bm一一对应，并做好标记，从而得到标记有准确体温的多幅热像图Cm；
步骤5：将多幅热像图Cm作为输入，对应的牲畜准确温度作为输出，训练搭建好的深度学习网络，从而形成牲畜体温预测模型；所述深度学习网络包括输入层、卷积层、激活层、池化层、全连接层以及输出层，卷积层的核函数大小为3*3，激活层的激活函数采用ReLU函数，池化层的核函数大小为2*2；
步骤6：通过体温监测装置定时在养殖场内巡逻，热像仪持续获取新的热像图D，使用基于sobel算子的边界检测算法分割出热像图D中的每个牲畜轮廓，通过轮廓分割出只包含每个牲畜轮廓的热像图E，并将热像图E作为预测模型的输入，通过所述预测模型计算热像图E中的每个牲畜的实时体温；
步骤7：将医学上认可的牲畜发烧温度设为温度阈值T，当计算出的牲畜实时体温高于阈值T，在热像仪回传的热像图E中找出体温异常个体，确定体温异常个体在热像图D中的坐标，触发人工选择模式，人工选择需要追踪的体温异常个体。
进一步地，所述每个牲畜轮廓的具体获取方法为：
sobel算子包含两组3*3矩阵，分别为横向及纵向，将该矩阵与热像图An作平面卷积，即可分别得出横向及纵向的亮度差分近似值；Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
|G|＝|Gx|+|Gy|
通过灰度值G的大小确定每个牲畜轮廓。
一种中大型牲畜养殖场体温监测方法，采用上述一种中大型牲畜养殖场体温监测装置，通过以下步骤实现监测：
步骤1：体温监测装置开始上电，彩色相机开始对养殖场拍照，通过拍摄的图像确定多个数据采集位置；
步骤2：使用热像仪在各个数据采集位置采集多幅原始热像图An，将多幅原始热像图An传输到上位机存储；n≥1；
步骤3：使用基于sobel算子的边界检测算法分割出多幅热像图An中的每个牲畜轮廓，通过轮廓剪裁出只包含每个牲畜轮廓的多张热像图Bm，每幅热像图An中包含单张或者多张热像图Bm；m≥1；
步骤4：测量每个牲畜的直肠温度，将测量到的直肠体温作为牲畜的准确体温，并将每个牲畜的准确体温与多幅牲畜热像图Bm一一对应，并做好标记，从而得到标记有准确体温的多幅热像图Cm；
步骤5：将多幅热像图Cm作为输入，对应的牲畜准确温度作为输出，训练搭建好的深度学习网络，从而形成牲畜体温预测模型；所述深度学习网络包括输入层、卷积层、激活层、池化层、全连接层以及输出层，卷积层的核函数大小为3*3，激活层的激活函数采用ReLU函数，池化层的核函数大小为2*2；
步骤6：通过体温监测装置定时在养殖场内巡逻，热像仪持续获取新的热像图D，使用基于sobel算子的边界检测算法分割出热像图D中的每个牲畜轮廓，通过轮廓分割出只包含每个牲畜轮廓的热像图E，并将热像图E作为预测模型的输入，通过所述预测模型计算热像图E中的每个牲畜的实时体温；
步骤7：将医学上认可的牲畜发烧温度设为温度阈值T，当计算出的牲畜实时体温高于阈值T，在热像仪回传的热像图E中找出体温异常个体，确定体温异常个体在热像图D中的坐标，控制转台转向体温异常个体，触发带激光导向的测温仪开启，在瞄准异常个体的同时，重复测量异常个体的体温，实现体温异常个体的自动追踪。
进一步地，所述每个牲畜轮廓的具体获取方法为：
sobel算子包含两组3*3矩阵，分别为横向及纵向，将该矩阵与热像图An作平面卷积，即可分别得出横向及纵向的亮度差分近似值；Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
|G|＝|Gx|+|Gy|
通过灰度值G的大小确定每个牲畜轮廓。
有益效果
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
(1)本发明的一种中大型牲畜养殖场体温监测装置，在牲畜养殖场顶部安装滑道，使得安装框架通过滑轮在滑道上滑动，通过上位机控制驱动电机并带动滑轮移动，进而使得安装框架进行移动；在安装框架底部安装彩色相机、热像仪，通过彩色相机对牲畜图像、位置进行定位，确定多个数据采集的位置，然后使用热像仪对牲畜进行扫描，并将扫描后的热像图信息传输给上位机，实现了非接触式的牲畜体温监测，不仅能够及时获取牲畜体温，节省了大量人力物力，同时也避免监测过程中各个设备会被损坏的问题。
(2)本发明的一种中大型牲畜养殖场体温监测装置，在安装框架内部安装转台，转台可转动设置，且其转动角度为-150°～150°，转台上安装带激光导向的测温仪，随着转台一起转动，该测温仪一方面提供了另一种牲畜体温的监测方式，另一方面，可在热像仪测量方式的基础上，通过激光瞄准的方式快速寻找出体温异常个体，提升异常体温个体追踪的精准度。
(3)本发明在安装框架内设置无线传输模块，通过无线传输的方式将采集到的信息传输到上位机，即避免了在养殖场内出现大量的电线，又可实现远距离传输，更加安全、方便。
(4)本发明的一种中大型牲畜养殖场体温监测装置，将彩色相机、热像仪、转台安装于卡槽内，方便固定的同时便于监测，并且，在将彩色相机和热像仪的外部套上防潮保护外壳，在保证观测清晰的情况下，可防止长时间使用时异物对镜头的遮挡，同时防潮保护外壳可随时进行更换；彩色相机和热像仪的视场角都垂直向下，保证最大范围的对牲畜进行监测。
(5)本发明提供的监测方法，通过搭建深度神经网络，将大量原始热像图作为深度神经网络的输入，每个牲畜的精准温度作为深度神经网络的输出，并对深度神经网络进行训练得到牲畜体温预测模型，当获取新的热像图后，通过牲畜体温预测模型得到牲畜的实时体温，通过该实时体温确定牲畜体温是否正常，通过该方法能够在不接触牲畜的前提下对牲畜的体温进行精准监测，避免了现有接触方式所带来的问题。
附图说明
图1为本发明的体温监测装置结构示意图；
图2为本发明的体温监测系统模块连接结构示意图；
图3为本发明的体温监测装置的右视结构示意图；
图4为本发明的体温监测装置的仰视结构示意图；
图5为本发明的体温预测模型结构图。
示意图中的标号说明：1、滑道；2、滑轮；3、连接杆；4、安装框架；5、彩色相机；6、转台；7、测温仪；8、热像仪；9、无线传输模块；10、驱动电机；11、卡槽；12、输入层；13、卷积层；14、激活层；15、池化层；16、全连接层；17、输出层。
具体实施方式
为进一步了解本发明的内容，现结合附图和实施例对本发明作详细描述。
实施例1
结合图1和图2，本发明的一种中大型牲畜养殖场体温监测装置，包括滑道1、滑轮2、安装框架4、支撑立柱3、彩色相机5、热像仪8、驱动电机10以及上位机；所述滑道1固定设置于养殖场顶部；所述滑轮2至少为两个，且均卡装在滑道1内部；支撑立柱3的数量与滑轮2相同，支撑立柱3一端与安装框架4顶部连接，另一端通过转轴与所述滑轮2连接；驱动电机10固定在安装框架4顶部，且驱动电机10的输出轴与任意一个滑轮2的转轴同轴连接；安装框架4的底部安装彩色相机5以及热像仪8；安装框架4的内部安装无线传输模9块，所述彩色相机5、热像仪8驱动电机10均通过无线传输模块9与上位机连接。
本实施例提供的体温监测系统工作原理如下：通过上位机控制驱动电机10，带动滑轮2在滑道1上进行移动，进而实现安装框架4的移动；其中滑道1安装于养殖场顶部，且其轨迹可任意设置，只要便于对牲畜进行观测即可，优选地，滑道1可沿养殖场顶部一周设置，将彩色相机5、和热像仪8安装于安装框架4底部，并分别与无线传输模块9连接，通过彩色相机5对牲畜的位置图像进行捕捉，确定数据采集位置，通过上位机控制安装框架4移动到多个数据采集位置，然后使用热像仪8对牲畜进行扫描，并将扫描后的热像图信息传输到上位机中，上位机对采集到的热像图D进行分割处理，得到分割后的热像图E，然后将分割后的热像图E输入到训练好的体温预测模型中，最终得到每个牲畜的实时体温，从而实现对异常体温个体的监测。
采用该监测装置的监测方法步骤如下：
步骤1：体温监测装置开始上电，彩色相机5开始对养殖场拍照，通过拍摄的图像确定多个数据采集位置；
步骤2：使用热像仪8在各个数据采集位置采集多幅原始热像图An，将多幅原始热像图An传输到上位机存储；n≥1；
步骤3：使用基于sobel算子的边界检测算法分割出多幅热像图An中的每个牲畜轮廓，通过轮廓剪裁出只包含每个牲畜轮廓的多张热像图Bm，每幅热像图An中包含单张或者多张热像图Bm；m≥1；
所述每个牲畜轮廓的具体获取方法为：
sobel算子包含两组3*3矩阵，分别为横向及纵向，将该矩阵与热像图An作平面卷积，即可分别得出横向及纵向的亮度差分近似值；Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
|G|＝|Gx|+|Gy|
通过灰度值G的大小确定每个牲畜轮廓；
步骤4：测量每个牲畜的直肠温度，将测量到的直肠体温作为牲畜的准确体温，并将每个牲畜的准确体温与多幅牲畜热像图Bm一一对应，并做好标记，从而得到标记有准确体温的多幅热像图Cm；
步骤5：将多幅热像图Cm作为输入，对应的牲畜准确温度作为输出，训练搭建好的深度学习网络，从而形成牲畜体温预测模型；所述深度学习网络包括输入层12、卷积层13、激活层14、池化层15、全连接层16以及输出层17，卷积层的核函数大小为3*3，激活层的激活函数采用ReLU函数，池化层的核函数大小为2*2；
步骤6：通过体温监测装置定时在养殖场内巡逻，热像仪8持续获取新的热像图D，使用基于sobel算子的边界检测算法分割出热像图D中的每个牲畜轮廓，通过轮廓分割出只包含每个牲畜轮廓的热像图E，并将热像图E作为预测模型的输入，通过所述预测模型计算热像图E中的每个牲畜的实时体温；
步骤7：将医学上认可的牲畜发烧温度设为温度阈值T，当计算出的牲畜实时体温高于阈值T，在热像仪8回传的热像图E中找出体温异常个体，确定体温异常个体在热像图D中的坐标，触发人工选择模式，人工选择需要追踪的体温异常个体。
实施例2
本发明的一种中大型牲畜养殖场体温监测装置，其结构基本同实施例1，更优化的，在安装框架的底部安装有转台6，所述转台6上安装有带激光导向的测温仪7，转台6以及带激光导向的测温仪7均通过无线传输模块9与所述上位机连接。
采用该监测装置的监测方法步骤如下：
步骤1：体温监测装置开始上电，彩色相机5开始对养殖场拍照，通过拍摄的图像确定多个数据采集位置；
步骤2：使用热像仪8在各个数据采集位置采集多幅原始热像图An，将多幅原始热像图An传输到上位机存储；n≥1；
步骤3：使用基于sobel算子的边界检测算法分割出多幅热像图An中的每个牲畜轮廓，通过轮廓剪裁出只包含每个牲畜轮廓的多张热像图Bm，每幅热像图An中包含单张或者多张热像图Bm；m≥1；
所述每个牲畜轮廓的具体获取方法为：
sobel算子包含两组3*3矩阵，分别为横向及纵向，将该矩阵与热像图An作平面卷积，即可分别得出横向及纵向的亮度差分近似值；Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
|G|＝|Gx|+|Gy|
通过灰度值G的大小确定每个牲畜轮廓
步骤4：测量每个牲畜的直肠温度，将测量到的直肠体温作为牲畜的准确体温，并将每个牲畜的准确体温与多幅牲畜热像图Bm一一对应，并做好标记，从而得到标记有准确体温的多幅热像图Cm；
步骤5：将多幅热像图Cm作为输入，对应的牲畜准确温度作为输出，训练搭建好的深度学习网络，从而形成牲畜体温预测模型；所述深度学习网络包括输入层12、卷积层13、激活层14、池化层15、全连接层16以及输出层17，卷积层的核函数大小为3*3，激活层的激活函数采用ReLU函数，池化层的核函数大小为2*2；
步骤6：通过体温监测装置定时在养殖场内巡逻，热像仪8持续获取新的热像图D，使用基于sobel算子的边界检测算法分割出热像图D中的每个牲畜轮廓，通过轮廓分割出只包含每个牲畜轮廓的热像图E，并将热像图E作为预测模型的输入，通过所述预测模型计算热像图E中的每个牲畜的实时体温；
步骤7：将医学上认可的牲畜发烧温度设为温度阈值T，当计算出的牲畜实时体温高于阈值T，在热像仪8回传的热像图E中找出体温异常个体，确定体温异常个体在热像图D中的坐标，控制转台6转向体温异常个体，触发带激光导向的测温仪7开启，在瞄准异常个体的同时，重复测量异常个体的体温，实现体温异常个体的自动追踪。
当发现体温异常个体时，通过传回的热像图即可找出体温异常个体，随即触发警报软件，系统会通过监测软件自动追踪到该体温异常个体；当发现体温异常个体时，自动追踪到体温异常个体，随机触发转台6，使转台6转动至体温异常个体的方向，用带激光导向的测温仪7重复测量体温异常个体，并触发带激光导向的测温仪7上自带的激光导向，使激光导向瞄准体温异常个体，方便工作人员快速找到该体温异常个体，节省了人力物力，提高了监测效率，同时也实现了对牲畜的实时监控，且该监测系统与牲畜之间采用非接触式测量，增加了该监测系统的使用寿命。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (9)
1.一种中大型牲畜养殖场体温监测装置，其特征在于：包括滑道(1)、滑轮(2)、安装框架(4)、支撑立柱(3)、彩色相机(5)、热像仪(8)、驱动电机(10)以及上位机；
所述滑道(1)固定设置于养殖场顶部；
所述滑轮(2)至少为两个，且均卡装在滑道(1)内部；
所述支撑立柱(3)的数量与滑轮(2)数量相同，支撑立柱(3)一端与安装框架(4)顶部连接，另一端通过转轴与所述滑轮(2)连接；
驱动电机(10)固定在安装框架(4)顶部，且驱动电机(10)的输出轴与任意一个滑轮(2)的转轴同轴连接；
安装框架(4)的底部安装彩色相机(5)以及热像仪(8)；彩色相机(5)、热像仪(8)、驱动电机(10)均与上位机电连接。
2.根据权利要求1所述的一种中大型牲畜养殖场体温监测装置，其特征在于：所述安装框架(4)的底部还安装有转台(6)，所述转台(6)上安装带激光导向的测温仪(7)，转台(6)以及带激光导向的测温仪(7)均与所述上位机连接。
3.根据权利要求2所述的一种中大型牲畜养殖场体温监测装置，其特征在于：还包括无线传输模块；所述无线传输模块安装在安装框架(4)的内部，且彩色相机(5)、热像仪(8)、驱动电机(10)、转台(6)以及带激光导向的测温仪(7)均通过无线传输模块与上位机实现电连接。
4.根据权利要求1-3中任一项所述的一种中大型牲畜养殖场体温监测装置，其特征在于：所述彩色相机(5)和热像仪(8)的视场角均垂直向下，且其外部均配置有防潮保护外壳。
5.根据权利要求2或3所述的一种中大型牲畜养殖场体温监测装置，其特征在于：所述转台(6)转动角度范围为-150°～150°。
6.一种中大型牲畜养殖场体温监测方法，其特征在于：采用权利要求1中所述的一种中大型牲畜养殖场体温监测装置，通过以下步骤实现监测：
步骤1：体温监测装置开始上电，彩色相机(5)开始对养殖场拍照，通过拍摄的图像确定多个数据采集位置；
步骤2：使用热像仪(8)在各个数据采集位置采集多幅原始热像图An，将多幅原始热像图An传输到上位机存储；n≥1；
步骤3：使用基于sobel算子的边界检测算法分割出多幅热像图An中的每个牲畜轮廓，通过轮廓剪裁出只包含每个牲畜轮廓的多张热像图Bm，每幅热像图An中包含单张或者多张热像图Bm；m≥1；
步骤4：测量每个牲畜的直肠温度，将测量到的直肠体温作为牲畜的准确体温，并将每个牲畜的准确体温与多幅牲畜热像图Bm一一对应，并做好标记，从而得到标记有准确体温的多幅热像图Cm；
步骤5：将多幅热像图Cm作为输入，对应的牲畜准确温度作为输出，训练搭建好的深度学习网络，从而形成牲畜体温预测模型；所述深度学习网络包括输入层(12)、卷积层(13)、激活层(14)、池化层(15)、全连接层(16)以及输出层(17)，卷积层的核函数大小为3*3，激活层的激活函数采用ReLU函数，池化层的核函数大小为2*2；
步骤6：通过体温监测装置定时在养殖场内巡逻，热像仪(8)持续获取新的热像图D，使用基于sobel算子的边界检测算法分割出热像图D中的每个牲畜轮廓，通过轮廓分割出只包含每个牲畜轮廓的热像图E，并将热像图E作为预测模型的输入，通过所述预测模型计算热像图E中的每个牲畜的实时体温；
步骤7：将医学上认可的牲畜发烧温度设为温度阈值T，当计算出的牲畜实时体温高于阈值T，在热像仪(8)回传的热像图E中找出体温异常个体，确定体温异常个体在热像图D中的坐标，触发人工选择模式，人工选择需要追踪的体温异常个体。
7.根据权利要求6所述的一种中大型牲畜养殖场体温监测方法，其特征在于：
所述每个牲畜轮廓的具体获取方法为：
sobel算子包含两组3*3矩阵，分别为横向及纵向，将该矩阵与热像图An作平面卷积，即可分别得出横向及纵向的亮度差分近似值；Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
|G|＝|Gx|+|Gy|
通过灰度值G的大小确定每个牲畜轮廓。
8.一种中大型牲畜养殖场体温监测方法，其特征在于：采用权利要求2中所述的一种中大型牲畜养殖场体温监测装置，通过以下步骤实现监测：
步骤1：体温监测装置开始上电，彩色相机(5)开始对养殖场拍照，通过拍摄的图像确定多个数据采集位置；
步骤2：使用热像仪(8)在各个数据采集位置采集多幅原始热像图An，将多幅原始热像图An传输到上位机存储；n≥1；
步骤3：使用基于sobel算子的边界检测算法分割出多幅热像图An中的每个牲畜轮廓，通过轮廓剪裁出只包含每个牲畜轮廓的多张热像图Bm，每幅热像图An中包含单张或者多张热像图Bm；m≥1；
步骤4：测量每个牲畜的直肠温度，将测量到的直肠体温作为牲畜的准确体温，并将每个牲畜的准确体温与多幅牲畜热像图Bm一一对应，并做好标记，从而得到标记有准确体温的多幅热像图Cm；
步骤5：将多幅热像图Cm作为输入，对应的牲畜准确温度作为输出，训练搭建好的深度学习网络，从而形成牲畜体温预测模型；所述深度学习网络包括输入层(12)、卷积层(13)、激活层(14)、池化层(15)、全连接层(16)以及输出层(17)，卷积层的核函数大小为3*3，激活层的激活函数采用ReLU函数，池化层的核函数大小为2*2；
步骤6：通过体温监测装置定时在养殖场内巡逻，热像仪(8)持续获取新的热像图D，使用基于sobel算子的边界检测算法分割出热像图D中的每个牲畜轮廓，通过轮廓分割出只包含每个牲畜轮廓的热像图E，并将热像图E作为预测模型的输入，通过所述预测模型计算热像图E中的每个牲畜的实时体温；
步骤7：将医学上认可的牲畜发烧温度设为温度阈值T，当计算出的牲畜实时体温高于阈值T，在热像仪(8)回传的热像图E中找出体温异常个体，确定体温异常个体在热像图D中的坐标，控制转台(6)转向体温异常个体，触发带激光导向的测温仪(7)开启，在瞄准异常个体的同时，重复测量异常个体的体温，实现体温异常个体的自动追踪。
9.根据权利要求8所述的一种中大型牲畜养殖场体温监测方法，其特征在于：所述每个牲畜轮廓的具体获取方法为：
sobel算子包含两组3*3矩阵，分别为横向及纵向，将该矩阵与热像图An作平面卷积，即可分别得出横向及纵向的亮度差分近似值；Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
|G|＝|Gx|+|Gy|
通过灰度值G的大小确定每个牲畜轮廓。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910615286.7A CN110455413B (zh) | 2019-07-09 | 2019-07-09 | 一种中大型牲畜养殖场体温监测装置及监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910615286.7A CN110455413B (zh) | 2019-07-09 | 2019-07-09 | 一种中大型牲畜养殖场体温监测装置及监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110455413A true CN110455413A (zh) | 2019-11-15 |
| CN110455413B CN110455413B (zh) | 2021-01-15 |
Family
ID=68482377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910615286.7A Active CN110455413B (zh) | 2019-07-09 | 2019-07-09 | 一种中大型牲畜养殖场体温监测装置及监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110455413B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110793642A (zh) * | 2019-12-05 | 2020-02-14 | 杭州义顺科技有限公司 | 一种养殖场移动追踪监测装置 |
| CN112734730A (zh) * | 2021-01-11 | 2021-04-30 | 牧原食品股份有限公司 | 一种牲畜数量识别方法、装置、设备和存储介质 |
| CN112834047A (zh) * | 2021-01-07 | 2021-05-25 | 惠州Tcl移动通信有限公司 | 一种可穿戴式温度监测设备、温度监测方法及存储介质 |
| CN113887521A (zh) * | 2021-11-02 | 2022-01-04 | 广州华立学院 | 一种基于图像和声音识别母猪感冒的检测方法 |
| CN114900664A (zh) * | 2022-05-17 | 2022-08-12 | 宁夏玖倍尔农业发展有限公司 | 一种用于畜禽健康状态的监控设备 |
| CN115219036A (zh) * | 2022-06-08 | 2022-10-21 | 合肥拉塞特机器人科技有限公司 | 一种在复杂环境下测温准确性的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106919806A (zh) * | 2017-04-27 | 2017-07-04 | 刘斌 | 一种人体监测方法、装置以及系统及计算机可读存储设备 |
| CN206795819U (zh) * | 2017-05-31 | 2017-12-26 | 上海谱盟光电科技有限公司 | 轨道式电力巡检机器人 |
| CN207662522U (zh) * | 2018-01-12 | 2018-07-27 | 菲德（青岛）电子有限公司 | 一种新型红外测温仪 |
| CN109543595A (zh) * | 2018-11-19 | 2019-03-29 | 上海交通大学 | 基于深度可分离卷积神经网络的电线的训练方法和检测方法 |
| CN109724703A (zh) * | 2018-12-29 | 2019-05-07 | 哈工大机器人（山东）智能装备研究院 | 基于模式识别的复杂场景下的温度矫正方法 |
-
2019
- 2019-07-09 CN CN201910615286.7A patent/CN110455413B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106919806A (zh) * | 2017-04-27 | 2017-07-04 | 刘斌 | 一种人体监测方法、装置以及系统及计算机可读存储设备 |
| CN206795819U (zh) * | 2017-05-31 | 2017-12-26 | 上海谱盟光电科技有限公司 | 轨道式电力巡检机器人 |
| CN207662522U (zh) * | 2018-01-12 | 2018-07-27 | 菲德（青岛）电子有限公司 | 一种新型红外测温仪 |
| CN109543595A (zh) * | 2018-11-19 | 2019-03-29 | 上海交通大学 | 基于深度可分离卷积神经网络的电线的训练方法和检测方法 |
| CN109724703A (zh) * | 2018-12-29 | 2019-05-07 | 哈工大机器人（山东）智能装备研究院 | 基于模式识别的复杂场景下的温度矫正方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110793642A (zh) * | 2019-12-05 | 2020-02-14 | 杭州义顺科技有限公司 | 一种养殖场移动追踪监测装置 |
| CN112834047A (zh) * | 2021-01-07 | 2021-05-25 | 惠州Tcl移动通信有限公司 | 一种可穿戴式温度监测设备、温度监测方法及存储介质 |
| CN112734730A (zh) * | 2021-01-11 | 2021-04-30 | 牧原食品股份有限公司 | 一种牲畜数量识别方法、装置、设备和存储介质 |
| CN113887521A (zh) * | 2021-11-02 | 2022-01-04 | 广州华立学院 | 一种基于图像和声音识别母猪感冒的检测方法 |
| CN114900664A (zh) * | 2022-05-17 | 2022-08-12 | 宁夏玖倍尔农业发展有限公司 | 一种用于畜禽健康状态的监控设备 |
| CN115219036A (zh) * | 2022-06-08 | 2022-10-21 | 合肥拉塞特机器人科技有限公司 | 一种在复杂环境下测温准确性的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110455413B (zh) | 2021-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110455413A (zh) | 一种中大型牲畜养殖场体温监测装置及监测方法 | |
| CN109141248B (zh) | 基于图像的猪体重测算方法及系统 | |
| CN105784083B (zh) | 基于立体视觉技术的奶牛体型测量方法和系统 | |
| CN101294792B (zh) | 具有自动校准功能的植物形态参数视觉测量仪 | |
| CN110612921A (zh) | 一种定位栏母猪的监测系统及方法 | |
| CN104316473A (zh) | 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法 | |
| Zhang et al. | Development and validation of a visual image analysis for monitoring the body size of sheep | |
| CN110604071A (zh) | 基于人工智能的非接触式种猪体温异常监测系统 | |
| US20240040995A1 (en) | Method, apparatus and system for detecting carbon emission-involved gas from ruminant | |
| Li et al. | Estimation of pig weight by machine vision: A review | |
| CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
| CN211746249U (zh) | 一种笼内鸡只识别装置 | |
| CN113662530A (zh) | 一种猪只生理生长状态监测预警方法 | |
| Tonachella et al. | An affordable and easy-to-use tool for automatic fish length and weight estimation in mariculture | |
| CN116019023A (zh) | 一种电子信息管理系统及管理方法 | |
| CN116295022A (zh) | 一种基于深度学习多参数融合的猪只体尺测量方法 | |
| CA3230401A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
| CN110192845B (zh) | 一种生猪体温检测装置及系统 | |
| CN209420643U (zh) | 生猪自动分栏装置 | |
| CN105043553A (zh) | 单株盆栽水稻温度参数自动测量装置及其测量方法 | |
| Hansen et al. | Non-intrusive automated measurement of dairy cow body condition using 3D video | |
| CN106226836A (zh) | 基于太赫兹技术的畜禽体内芯片获取装置及方法 | |
| CN111950479A (zh) | 一种基于神经网络模型的猪跛脚检测方法和检测系统 | |
| CN108261186A (zh) | 一种测温扫描头及其使用方法 | |
| CN114365704B (zh) | 一种评估小动物游泳训练状态的方法 |
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 |