CN110895694A - 产仔监测方法、装置、电子设备及计算机可读存储介质 - Google Patents

产仔监测方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN110895694A
CN110895694A CN201911142775.1A CN201911142775A CN110895694A CN 110895694 A CN110895694 A CN 110895694A CN 201911142775 A CN201911142775 A CN 201911142775A CN 110895694 A CN110895694 A CN 110895694A
Authority
CN
China
Prior art keywords
farrowing
image
target object
recognition model
behavior
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911142775.1A
Other languages
English (en)
Inventor
李磊鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Haiyi Tongzhan Information Technology Co Ltd
Original Assignee
Beijing Haiyi Tongzhan Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Haiyi Tongzhan Information Technology Co Ltd filed Critical Beijing Haiyi Tongzhan Information Technology Co Ltd
Priority to CN201911142775.1A priority Critical patent/CN110895694A/zh
Publication of CN110895694A publication Critical patent/CN110895694A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种产仔监测方法、装置、电子设备及计算机可读存储介质，所述方法包括：获取图像采集装置采集的包含产仔区域中目标对象的第一图像；将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为；若所述第一图像中的目标对象存在产仔行为，发送产仔通知。本发明实施例能够自动将包含产仔区域中目标对象的第一图像输入产仔行为识别模型，实现自动监测目标对象是否存在产仔行为，并在确定目标对象产仔时，发送产仔通知，实现产仔行为的自动监测，无需人员24小时值守现场，提高工作效率，降低人工成本。

Description

产仔监测方法、装置、电子设备及计算机可读存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种产仔监测方法、装置、电子设备及计算机可读存储介质。
背景技术
作为传统农牧业大国，猪养殖行业一直在我国占据主导，每年约有7亿头生猪的出栏量。在猪只的养殖流程中，母猪分娩是影响出栏量的重要一环。通常，母猪在产仔的时候，需要饲养员人工的介入，对生产有困难的母猪进行助产，同时观察出生仔猪的体态状况，对现场的情况进行及时的处理。
目前，对于猪场产房的产仔监控主要是人工监守，饲养员在母猪生产前后，尽可能实时的守在产房，监控母猪的生产状况，如果出现异常，现场需及时处理。
然而，由于猪场环境比较恶劣，要求饲养员24小时不间断的在一线进行值守，效率低，人工成本高。
发明内容
为了解决上述技术问题或者至少部分地解决上述于猪场环境比较恶劣，要求饲养员24小时不间断的在一线进行值守，效率低，人工成本高的技术问题，本发明提供了一种产仔监测方法、装置、电子设备及计算机可读存储介质。
第一方面，本发明提供了一种产仔监测方法，所述方法包括：
获取图像采集装置采集的包含产仔区域中目标对象的第一图像；
将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为；
若所述第一图像中的目标对象存在产仔行为，发送产仔通知。
可选地，所述方法还包括：
获取多个原始样本图像及每个所述原始样本图像对应的类别标签信息，所述原始样本图像中包含目标对象产仔行为的图像特征；
利用多个所述原始样本图像及每个所述原始样本图像对应的类别标签信息，对所述产仔行为识别模型进行训练，直至所述产仔行为识别模型收敛。
可选地，所述方法还包括：
对多个所述原始样本图像分别调整明暗度、随机添加椒盐噪声和/或随机添加遮挡物，得到多个第一样本图像；
根据每个所述原始样本图像对应的类别标签信息确定每个第一样本图像的类别标签信息；
利用多个所述第一样本图像及每个所述第一样本图像对应的类别标签信息，对所述产仔行为识别模型重新进行训练，直至所述产仔行为识别模型收敛。
可选地，所述方法还包括：
存储检测出产仔行为的第一图像，并确定与所述第一图像对应的类别标签信息；
每隔预设时间段，利用存储的第一图像及所述第一图像对应的类别标签信息，对所述产仔行为识别模型重新进行训练，直至所述产仔行为识别模型收敛。
可选地，所述方法还包括：
将所述产仔行为识别模型的输出结果与预设产仔特征值比较；
若所述输出结果与所述预设产仔特征值匹配，则确定所述目标对象存在产仔行为；
若所述输出结果与所述预设产仔特征值不匹配，则确定所述目标对象不存在产仔行为。
可选地，所述方法还包括：
获取检测出产仔行为的第一图像、存在产仔行为的目标对象的位置信息及图像采集时刻；
基于所述第一图像、位置信息及图像采集时刻生成产仔通知，执行发送产仔通知的步骤。
可选地，基于所述第一图像、位置信息及图像采集时刻生成产仔通知，包括：
在检测出产仔行为的第一图像中检测包括产仔行为的图像区域；
基于所述图像区域生成产仔行为图像；
生成包括产仔行为图像、第一图像、位置信息及图像采集时刻生成所述产仔通知。
可选地，基于所述第一图像、位置信息及图像采集时刻生成产仔通知，包括：
生成用于控制所述图像采集装置向目标对象的产仔部位转动及调大焦距的控制信号，并向所述图像采集装置发送；
接收所述图像采集装置在转动及变焦后发送的第二图像；
生成包括所述第二图像、第一图像、位置信息及图像采集时刻生成所述产仔通知。
第二方面，本发明提供了一种产仔监测装置，所述装置包括：
获取模块，用于获取图像采集装置采集的包含产仔区域中目标对象的第一图像；
输入模块，用于将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为；
发送模块，用于若所述第一图像中的目标对象存在产仔行为，发送产仔通知。
第三方面，本发明提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的产仔监测方法。
第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有产仔监测方法的程序，所述产仔监测方法的程序被处理器执行时实现第一方面任一所述的产仔监测方法的步骤。
本发明实施例提供的上述技术方案与现有技术相比具有如下优点：
本发明实施例提供的该方法，通过获取图像采集装置采集的包含产仔区域中目标对象的第一图像，然后将所述第一图像输入预先建立的产仔行为识别模型，再利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为，若所述第一图像中的目标对象存在产仔行为，最后可以发送产仔通知。
本发明实施例能够自动将包含产仔区域中目标对象的第一图像输入产仔行为识别模型，实现自动监测目标对象是否存在产仔行为，并在确定目标对象产仔时，发送产仔通知，实现产仔行为的自动监测，无需人员24小时值守现场，提高工作效率，降低人工成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例提供的一种产仔监测方法的流程示意图；
图2为本发明一个实施例提供的一种产仔行为识别模型训练方法的流程示意图；
图3为本发明一个实施例提供的一种产仔监测装置的结构示意图；
图4为本发明一个实施例提供的一种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、完整地描述，显然，所描述的实施例是本发明的一部分实施例，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做出创造性劳动的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。
由于在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：猪场环境比较恶劣，要求饲养员24小时不间断的在一线进行值守，效率低，人工成本高；而且，如果利用监控摄像头去观察母猪产仔情况，需要有人一直留在监控室进行观察，工作量较大，也容易漏掉一些母猪产仔的镜头。如图1所示，本发明实施例提供的一种产仔监测方法，所述方法可以应用于电子设备，例如：边缘计算网关或者计算机等等，该电子设备可以与图像采集装置通信连接，该电子设备可以向图像采集设备发送控制指令，也可以接收图像采集装置采集到的图像，所述产仔监测方法可以包括以下步骤：
步骤S101，获取图像采集装置采集的包含产仔区域中目标对象的第一图像；
在本发明实施例中，图像采集装置可以为摄像头、相机等，产仔区域可以指目标对象产仔时所在的产床区域，目标对象可以指猪等动物。
图像采集装置可以设置在其图像采集范围包含产仔区域的位置，如目标对象产仔部位的上方等，图像采集装置可以被预先配置为实时采集图像，也可以为了节省资源被预先配置为每隔一秒采集一次图像，在实际应用中，图像采集装置的图像采集间隔可以根据实际需要设置，本发明不做限定。
步骤S102，将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为；
在本发明实施例中，产仔行为识别模型可以是基于目标检测算法(You Only LookOnce，YOLO)预先构建的，在产仔行为识别模型构建完成后，如图2所示，可以通过以下方式训练产仔行为识别模型：
步骤S201，获取多个原始样本图像及每个所述原始样本图像对应的类别标签信息。
在本发明实施例中，所述原始样本图像中包含目标对象产仔行为的图像特征：例如，包含目标对象的产仔部位的图像特征及被生产出部分肢体结构的幼仔的图像特征等，由于不同幼仔的生产过程不同，所以部分肢体结构可以指幼仔的头部、腿部或者尾部等等特征。
在实际应用中，可以尽量使用图像特征尽量不相似的原始样本图像(如使用部分肢体结构为幼仔的头部、腿部或者尾部等等多样性的图像特征)训练产仔行为识别模型，这样可以增加产仔行为识别模型的泛化能力，对于接收到的不同的第一图像，均能够得到准确的产仔行为识别结果；避免利用相似图像(如只利用部分肢体结构为幼仔的头部)训练产仔行为识别模型造成的一旦输入的第一图像(部分肢体结构为幼仔的腿部)与训练的图像相似度较低，导致的无法得到准确的产仔行为识别结果的问题。
在该步骤中，可以在数据集中获取个原始样本图像及每个所述原始样本图像对应的类别标签信息。
步骤S202，利用多个所述原始样本图像及每个所述原始样本图像对应的类别标签信息，对所述产仔行为识别模型进行训练，直至所述产仔行为识别模型收敛。
通过大量的原始样本图像及每个所述原始样本图像对应的类别标签信息训练产仔行为识别模型，在产仔行为识别模型收敛时，可以记录模型参数，在后续使用产仔行为识别模型识别图像中的产仔行为前，可以直接使用这些模型参数对产仔行为识别模型进行配置，这样，在将第一图像输入产仔识别模型后，产仔行为识别模型可以自动输出产仔行为识别结果。
在实际应用中，如果训练产仔行为识别模型使用的原始样本图像数量较少，则可能会导致训练完成的产仔行为识别模型在后续使用时，输出的产仔行为识别结果不够准确，为此，在本发明的一种实施方式中，还可以包括以下步骤：
存储检测出产仔行为的第一图像，并确定与所述第一图像对应的类别标签信息；每隔预设时间段，利用存储的第一图像及所述第一图像对应的类别标签信息，对所述产仔行为识别模型重新进行训练，直至所述产仔行为识别模型收敛。
为了增加产仔行为识别模型的训练样本数量，可以按周期，通常是一周等，积累一定的训练样本，对产仔行为识别模型进行升级迭代，本发明实施例通过利用每隔预设时间段累积的第一图像再次重新训练产仔行为识别模型，可以提高产仔行为识别模型的准确率。
在实际应用中，如果训练产仔行为识别模型使用的原始样本图像比较相似，则可能会导致训练完成的产仔行为识别模型在后续使用时，将只能对和原始样本图像比较相似的第一图像输出比较准确的产仔行为识别结果，对和原始样本图像不相似的第一图像将可能无法输出准确的产仔行为识别结果，为此，在本发明的另一个实施例中，还可以包括以下步骤：
对多个所述原始样本图像分别调整明暗度、随机添加椒盐噪声和/或随机添加遮挡物，得到多个第一样本图像；根据每个所述原始样本图像对应的类别标签信息确定每个第一样本图像的类别标签信息；利用多个所述第一样本图像及每个所述第一样本图像对应的类别标签信息，对所述产仔行为识别模型重新进行训练，直至所述产仔行为识别模型收敛。
本发明实施例通过对原始样本图像进行再次加工，如：在初始样本图像上人为增加噪点，遮挡物，调节图片的明暗度等，利用加工后得到的多个第一样本图像及其对应的类别标签信息重新训练产仔行为识别模型，可以使产仔行为识别模型更好的泛化。
步骤S103，若所述第一图像中的目标对象存在产仔行为，发送产仔通知。
在本发明实施例中，可以将所述产仔行为识别模型的输出结果与预设产仔特征值比较；若所述输出结果与所述预设产仔特征值匹配，则确定所述目标对象存在产仔行为；若所述输出结果与所述预设产仔特征值不匹配，则确定所述目标对象不存在产仔行为。
例如，假设预设产仔特征值为0，对应未产仔；产仔特征值为1，对应产仔，则在产仔行为识别模型的输出结果为0时，确定目标对象未产仔，输出结果未1时，确定目标对象产仔。
为了便于接收到通知的人员更准确的了解到目标对象的相关信息，在发送产仔通知前，所述方法还可以包括以下步骤：
获取检测出产仔行为的第一图像、存在产仔行为的目标对象的位置信息及图像采集时刻；基于所述第一图像、位置信息及图像采集时刻生成产仔通知，执行发送产仔通知的步骤。这样，接收到产仔通知的人员可以更快速的根据第一图像了解产仔状态，是刚刚产仔，还是产仔进行到一半等等，而且可以便于根据位置信息更快速的赶到产仔现场，图像采集时刻可以便于后续产仔统计等。
由于现有技术中，通过摄像头观察母猪是否产仔，画面有效区域太小，需要饲养员非常细致的观察，才能判断母猪是否有产仔，不够直观。为此，在本发明的一种实施方式中，基于所述第一图像、位置信息及图像采集时刻生成产仔通知可以包括以下步骤：
在检测出产仔行为的第一图像中检测包括产仔行为的图像区域；基于所述图像区域生成产仔行为图像；基于产仔行为的图像区域生成产仔行为图像是为了得到包括目标对象产仔部位的区域放大图像。然后再生成包括产仔行为图像、第一图像、位置信息及图像采集时刻生成所述产仔通知。
本发明实施例中，可以将目标对象包括产仔行为的产仔行为图像，也即：包括目标对象产仔部位的区域放大图像，和第一图像、位置信息及图像采集时刻一同打包生成产仔通知，可以便于饲养员观察产仔细节。
由于现有技术中，通过摄像头观察母猪是否产仔，画面有效区域太小，需要饲养员非常细致的观察，才能判断母猪是否有产仔，不够直观。为此，基于所述第一图像、位置信息及图像采集时刻生成产仔通知，在本发明的另一种实施方式中，可以包括以下步骤：
生成用于控制所述图像采集装置向目标对象的产仔部位转动及调大焦距的控制信号，并向所述图像采集装置发送；接收所述图像采集装置在转动及变焦后发送的第二图像；
在本发明实施例中，控制所述图像采集装置向目标对象的产仔部位转动可以使图像采集装置的图像采集区域的中心朝向目标对象的产仔部位，调大图像采集装置的焦距，可以使得产仔部位所在的局部区域的图像被放大。
然后再生成包括所述第二图像、第一图像、位置信息及图像采集时刻生成所述产仔通知。
本发明实施例中，可以将图像采集装置在转动及变焦后发送的第二图像，也即：包括目标对象产仔部位的区域放大图像，和第一图像、位置信息及图像采集时刻一同打包生成产仔通知，可以便于饲养员观察产仔细节。
本发明实施例通过获取图像采集装置采集的包含产仔区域中目标对象的第一图像，将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为，若所述第一图像中的目标对象存在产仔行为，发送产仔通知。
本发明实施例能够自动将包含产仔区域中目标对象的第一图像输入产仔行为识别模型，实现自动监测目标对象是否存在产仔行为，并在确定目标对象产仔时，发送产仔通知，实现产仔行为的自动监测，无需人员24小时值守现场，提高工作效率，降低人工成本。
在本发明的又一实施例中，还提供一种产仔监测装置，如图3所示，所述装置包括：
获取模块11，用于获取图像采集装置采集的包含产仔区域中目标对象的第一图像；
输入模块12，用于将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为；
发送模块13，用于若所述第一图像中的目标对象存在产仔行为，发送产仔通知。
在本发明的又一实施例中，所述装置还包括：
第一信息获取模块，用于获取多个原始样本图像及每个所述原始样本图像对应的类别标签信息，所述原始样本图像中包含目标对象产仔行为的图像特征；
第一训练模块，用于利用多个所述原始样本图像及每个所述原始样本图像对应的类别标签信息，对所述产仔行为识别模型进行训练，直至所述产仔行为识别模型收敛。
在本发明的又一实施例中，所述方法还包括：
调整添加模块，用于对多个所述原始样本图像分别调整明暗度、随机添加椒盐噪声和/或随机添加遮挡物，得到多个第一样本图像；
标签信息确定模块，用于根据每个所述原始样本图像对应的类别标签信息确定每个第一样本图像的类别标签信息；
第二训练模块，用于利用多个所述第一样本图像及每个所述第一样本图像对应的类别标签信息，对所述产仔行为识别模型重新进行训练，直至所述产仔行为识别模型收敛。
在本发明的又一实施例中，所述方法还包括：
存储确定模块，用于存储检测出产仔行为的第一图像，并确定与所述第一图像对应的类别标签信息；
第三训练模块，用于每隔预设时间段，利用存储的第一图像及所述第一图像对应的类别标签信息，对所述产仔行为识别模型重新进行训练，直至所述产仔行为识别模型收敛。
在本发明的又一实施例中，所述方法还包括：
比较模块，用于将所述产仔行为识别模型的输出结果与预设产仔特征值比较；
第一产仔行为确定模块，用于若所述输出结果与所述预设产仔特征值匹配，则确定所述目标对象存在产仔行为；
第二产仔行为确定模块，用于若所述输出结果与所述预设产仔特征值不匹配，则确定所述目标对象不存在产仔行为。
在本发明的又一实施例中，所述方法还包括：
第二信息获取模块，用于获取检测出产仔行为的第一图像、存在产仔行为的目标对象的位置信息及图像采集时刻；
第一通知生成模块，用于基于所述第一图像、位置信息及图像采集时刻生成产仔通知，执行发送产仔通知的步骤。
在本发明的又一实施例中，第一通知生成模块，还用于：
在检测出产仔行为的第一图像中检测包括产仔行为的图像区域；
基于所述图像区域生成产仔行为图像；
生成包括产仔行为图像、第一图像、位置信息及图像采集时刻生成所述产仔通知。
在本发明的又一实施例中，第一通知生成模块，还用于：
生成用于控制所述图像采集装置向目标对象的产仔部位转动及调大焦距的控制信号，并向所述图像采集装置发送；
接收所述图像采集装置在转动及变焦后发送的第二图像；
生成包括所述第二图像、第一图像、位置信息及图像采集时刻生成所述产仔通知。
在本发明的又一实施例中，还提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现前述方法实施例所述的产仔监测方法。
本发明实施例提供的电子设备，处理器通过执行存储器上所存放的程序实现了获取图像采集装置采集的包含产仔区域中目标对象的第一图像；将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为；若所述第一图像中的目标对象存在产仔行为，发送产仔通知。能够自动将包含产仔区域中目标对象的第一图像输入产仔行为识别模型，实现自动监测目标对象是否存在产仔行为，并在确定目标对象产仔时，发送产仔通知，实现产仔行为的自动监测，无需人员24小时值守现场，提高工作效率，降低人工成本。
上述电子设备提到的通信总线1140可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口1120用于上述电子设备与其他设备之间的通信。
存储器1130可以包括随机存取存储器(RandomAccessMemory，简称RAM)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器1110可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明的又一实施例中，还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有产仔监测方法的程序，所述产仔监测方法的程序被处理器执行时实现前述方法实施例所述的产仔监测方法的步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
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 (11)

1.一种产仔监测方法，其特征在于，所述方法包括：
获取图像采集装置采集的包含产仔区域中目标对象的第一图像；
将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为；
若所述第一图像中的目标对象存在产仔行为，发送产仔通知。
2.根据权利要求1所述的产仔监测方法，其特征在于，所述方法还包括：
获取多个原始样本图像及每个所述原始样本图像对应的类别标签信息，所述原始样本图像中包含目标对象产仔行为的图像特征；
利用多个所述原始样本图像及每个所述原始样本图像对应的类别标签信息，对所述产仔行为识别模型进行训练，直至所述产仔行为识别模型收敛。
3.根据权利要求2所述的产仔监测方法，其特征在于，所述方法还包括：
对多个所述原始样本图像分别调整明暗度、随机添加椒盐噪声和/或随机添加遮挡物，得到多个第一样本图像；
根据每个所述原始样本图像对应的类别标签信息确定每个第一样本图像的类别标签信息；
利用多个所述第一样本图像及每个所述第一样本图像对应的类别标签信息，对所述产仔行为识别模型重新进行训练，直至所述产仔行为识别模型收敛。
4.根据权利要求2所述的产仔监测方法，其特征在于，所述方法还包括：
存储检测出产仔行为的第一图像，并确定与所述第一图像对应的类别标签信息；
每隔预设时间段，利用存储的第一图像及所述第一图像对应的类别标签信息，对所述产仔行为识别模型重新进行训练，直至所述产仔行为识别模型收敛。
5.根据权利要求2所述的产仔监测方法，其特征在于，所述方法还包括：
将所述产仔行为识别模型的输出结果与预设产仔特征值比较；
若所述输出结果与所述预设产仔特征值匹配，则确定所述目标对象存在产仔行为；
若所述输出结果与所述预设产仔特征值不匹配，则确定所述目标对象不存在产仔行为。
6.根据权利要求1所述的产仔监测方法，其特征在于，所述方法还包括：
获取检测出产仔行为的第一图像、存在产仔行为的目标对象的位置信息及图像采集时刻；
基于所述第一图像、位置信息及图像采集时刻生成产仔通知，执行发送产仔通知的步骤。
7.根据权利要求6所述的产仔监测方法，其特征在于，基于所述第一图像、位置信息及图像采集时刻生成产仔通知，包括：
在检测出产仔行为的第一图像中检测包括产仔行为的图像区域；
基于所述图像区域生成产仔行为图像；
生成包括产仔行为图像、第一图像、位置信息及图像采集时刻生成所述产仔通知。
8.根据权利要求6所述的产仔监测方法，其特征在于，基于所述第一图像、位置信息及图像采集时刻生成产仔通知，包括：
生成用于控制所述图像采集装置向目标对象的产仔部位转动及调大焦距的控制信号，并向所述图像采集装置发送；
接收所述图像采集装置在转动及变焦后发送的第二图像；
生成包括所述第二图像、第一图像、位置信息及图像采集时刻生成所述产仔通知。
9.一种产仔监测装置，其特征在于，所述装置包括：
获取模块，用于获取图像采集装置采集的包含产仔区域中目标对象的第一图像；
输入模块，用于将所述第一图像输入预先建立的产仔行为识别模型，利用所述产仔行为识别模型检测所述第一图像中的目标对象是否存在产仔行为；
发送模块，用于若所述第一图像中的目标对象存在产仔行为，发送产仔通知。
10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-8任一所述的产仔监测方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有产仔监测方法的程序，所述产仔监测方法的程序被处理器执行时实现权利要求1-8任一所述的产仔监测方法的步骤。
CN201911142775.1A 2019-11-20 2019-11-20 产仔监测方法、装置、电子设备及计算机可读存储介质 Pending CN110895694A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911142775.1A CN110895694A (zh) 2019-11-20 2019-11-20 产仔监测方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911142775.1A CN110895694A (zh) 2019-11-20 2019-11-20 产仔监测方法、装置、电子设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110895694A true CN110895694A (zh) 2020-03-20

Family

ID=69788025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911142775.1A Pending CN110895694A (zh) 2019-11-20 2019-11-20 产仔监测方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110895694A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016139323A1 (en) * 2015-03-03 2016-09-09 Farrowtech Aps System, device and method for observing piglet birth
CN106296738A (zh) * 2016-08-09 2017-01-04 南京农业大学 一种基于fpga的母猪分娩智能检测系统以及方法
CN109460713A (zh) * 2018-10-16 2019-03-12 北京京东金融科技控股有限公司 动物分娩的识别方法、装置和设备
CN109657571A (zh) * 2018-12-04 2019-04-19 北京京东金融科技控股有限公司 一种分娩监控方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016139323A1 (en) * 2015-03-03 2016-09-09 Farrowtech Aps System, device and method for observing piglet birth
CN106296738A (zh) * 2016-08-09 2017-01-04 南京农业大学 一种基于fpga的母猪分娩智能检测系统以及方法
CN109460713A (zh) * 2018-10-16 2019-03-12 北京京东金融科技控股有限公司 动物分娩的识别方法、装置和设备
CN109657571A (zh) * 2018-12-04 2019-04-19 北京京东金融科技控股有限公司 一种分娩监控方法和装置

Similar Documents

Publication Publication Date Title
CN109618961B (zh) 一种家畜的智能投喂系统和方法
JP6559197B2 (ja) 体重出力装置、体重出力方法及びプログラム
CN110796043B (zh) 容器检测、饲喂检测方法、装置及饲喂系统
US10475211B2 (en) Method, information processing apparatus and non-transitory computer-readable storage medium
KR101607934B1 (ko) 전염병 모니터링 방법 및 이를 이용한 시스템, 이를 수행하기 위한 기록매체
WO2020003310A1 (en) Monitoring livestock in an agricultural pen
CN107680080B (zh) 牲畜的样本库建立方法和清点方法、存储介质和电子设备
WO2021104007A1 (zh) 一种动物状态监测方法、装置、电子设备及存储介质
US11910784B2 (en) Animal visual identification, tracking, monitoring and assessment systems and methods thereof
CN109345798B (zh) 一种养殖场监控方法、装置、设备和存储介质
CN108229351B (zh) 一种动物养殖方法、动物养殖装置及电子设备
JP2019024482A (ja) 情報処理システム、情報処理装置、およびプログラム
Guzhva et al. Now you see me: Convolutional neural network based tracker for dairy cows
TWI714057B (zh) 產乳動物採食分析系統與方法
JPWO2017158698A1 (ja) 監視装置、監視方法および監視プログラム
KR102341715B1 (ko) 가축 모니터링 장치 및 방법
WO2023041904A1 (en) Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes
CN111260895A (zh) 报警信息的发送方法及装置、存储介质和电子装置
JP2018170969A (ja) 行動特定装置、行動特定方法、及びプログラム
KR20210004184A (ko) 마킹 정보의 식별 기반의 가축 관리 방법 및 이를 수행하는 컴퓨팅 장치와 서버
CN112101291B (zh) 一种牲畜的护理方法、装置、介质及电子设备
CN110895694A (zh) 产仔监测方法、装置、电子设备及计算机可读存储介质
CN110991235B (zh) 一种状态监测方法、装置、电子设备及存储介质
KR102518418B1 (ko) 영상 분석 기반의 반추동물 및 사육환경 분석 장치 및 방법
WO2021083381A1 (zh) 动物身份识别方法、装置和系统

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
CB02 Change of applicant information

Address after: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Technology Information Technology Co.,Ltd.

Address before: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: Jingdong Shuke Haiyi Information Technology Co.,Ltd.

Address after: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Shuke Haiyi Information Technology Co.,Ltd.

Address before: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Beijing Economic and Technological Development Zone, Beijing 100176

Applicant before: BEIJING HAIYI TONGZHAN INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20200320

RJ01 Rejection of invention patent application after publication