CN111264405A - 一种饲喂方法、系统、装置、设备和计算机可读存储介质 - Google Patents
一种饲喂方法、系统、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111264405A CN111264405A CN202010102891.7A CN202010102891A CN111264405A CN 111264405 A CN111264405 A CN 111264405A CN 202010102891 A CN202010102891 A CN 202010102891A CN 111264405 A CN111264405 A CN 111264405A
- Authority
- CN
- China
- Prior art keywords
- feed
- feeding
- feeding area
- fed
- animal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 241001465754 Metazoa Species 0.000 claims abstract description 214
- 235000013305 food Nutrition 0.000 claims abstract description 131
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 15
- 230000001815 facial effect Effects 0.000 claims description 14
- 201000010099 disease Diseases 0.000 claims description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 11
- 238000004186 food analysis Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000009825 accumulation Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 34
- 230000001276 controlling effect Effects 0.000 description 8
- 241000282887 Suidae Species 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 235000005809 Carpobrotus aequilaterus Nutrition 0.000 description 4
- 244000187801 Carpobrotus edulis Species 0.000 description 4
- 235000004550 Disphyma australe Nutrition 0.000 description 4
- 230000036528 appetite Effects 0.000 description 4
- 235000019789 appetite Nutrition 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000003698 anagen phase Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 235000021050 feed intake Nutrition 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 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
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/02—Breeding vertebrates
-
- 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
- A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
- A01K5/02—Automatic devices
-
- 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
- A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
- A01K5/02—Automatic devices
- A01K5/0275—Automatic devices with mechanisms for delivery of measured doses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Birds (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Zoology (AREA)
- Feeding And Watering For Cattle Raising And Animal Husbandry (AREA)
Abstract
本发明公开了一种饲喂方法、系统、装置、设备和计算机可读存储介质。该方法包括：调用摄像头采集饲喂区域的环境图像；根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。本发明实施例监测食槽中的饲料余食量，并根据饲料余食量来调整饲料下料量，饲料下料更精准，而且避免造成饲料余食造成的饲料浪费，防止食槽内因饲料堆积造成的霉变。
Description
技术领域
本发明涉及养殖技术领域，尤其涉及一种饲喂方法、系统、装置、设备和计算机可读存储介质。
背景技术
我国作为传统农牧业大国，养殖业一直占有很大比重。被饲养的动物从出生开始的各个生长阶段都需要大量采食，因此饲料对养殖业极为重要。
目前，可以利用饲喂器向食槽内投放饲料，饲喂器每次的饲料下料量相同，然而，由于动物的食量、食欲不尽相同，导致食槽内的饲料不一定每次都能够被吃完，极易出现饲料剩余的问题，而剩余的饲料容易在食槽内堆积霉变，造成动物出现疾病甚至疾病致死。
发明内容
本发明实施例的主要目的在于提供一种饲喂方法、系统、装置、设备和计算机可读存储介质，以解决现有的饲喂方式容易出现饲料剩余的问题。
针对上述技术问题，本发明实施例是通过以下技术方案来解决的：
本发明实施例提供了一种饲喂方法，所述方法包括：调用摄像头采集饲喂区域的环境图像；根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。
其中，在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：将所述食槽中的饲料余食量与所述饲喂区域上一次出现的待饲动物的动物信息进行对应存储；或者，在根据所述饲喂区域的环境图像，确定所述饲喂区域本次出现的待饲动物从所述饲喂区域消失之后，根据所述饲喂区域的环境图像，再次识别所述食槽中的饲料余食量；将再次识别的所述食槽中的饲料余食量与所述本次出现的待饲动物的动物信息进行对应存储。
其中，在确定所述饲喂区域出现待饲动物之后，在识别所述饲喂区域的食槽中的饲料余食量之前，还包括：根据预先存储的多个目标动物的面部图像，对所述环境图像执行面部图像识别，确定所述饲喂区域中本次出现的待饲动物对应的目标动物；获取所述待饲动物对应的目标动物的动物信息，作为所述本次出现的待饲动物的动物信息；或者，通过预先设置的感应器，从所述饲喂区域中本次出现的待饲动物身上设置的信息卡中采集所述待饲动物的动物信息。
其中，在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：如果确定与待饲动物的动物信息对应存储的饲料余食量持续预设次数都大于预设的余食量阈值，则执行预设的疾控预警操作。
其中，根据所述饲喂区域的环境图像，确定所述饲喂区域的食槽中的饲料余食量，包括：将所述饲喂区域的环境图像输入预先训练的余食量分析模型，获取所述余食量分析模型输出的所述饲喂区域的食槽中的饲料余食量；其中，所述饲料余食量分析模型，用于在所述环境图像中提取食槽图像，并根据所述食槽图像确定食槽中的饲料余食量。
其中，根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，包括：获取预设的饲料标准量；确定所述饲料标准量和所述食槽中的饲料余食量的差值，将所述差值确定为所述待饲动物对应的饲料下料量。
本发明实施例还提供了一种饲喂系统，所述饲喂系统包括：饲喂平台、控制器、摄像头和饲喂器；其中，所述摄像头和所述饲喂器被设置在饲喂区域，所述摄像头和所述饲喂器分别连接所述控制器，所述控制器连接所述饲喂平台；所述饲喂平台通过所述控制器调用所述摄像头采集所述饲喂区域的环境图像；所述饲喂平台根据所述饲喂区域的环境图像确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；所述饲喂平台根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并通过所述控制器控制所述饲喂器根据所述饲料下料量向所述食槽中投放饲料。
本发明实施例还提供了一种饲喂装置，所述饲喂装置包括：调用模块，用于调用摄像头采集饲喂区域的环境图像；确定模块，用于根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；饲喂模块，用于根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。
本发明实施例还提供了一种饲喂设备，所述饲喂设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述任一项所述的饲喂方法。
本发明实施例还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饲喂程序，所述饲喂程序被处理器执行时实现上述任一项所述的饲喂方法。
本发明实施例的有益效果如下：
本发明实施例监测食槽中的饲料余食量，并根据饲料余食量来调整饲料下料量，饲料下料更精准，而且避免造成饲料余食造成的饲料浪费，防止食槽内因饲料堆积造成的霉变。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明一实施例的饲喂方法的流程图；
图2是根据本发明一实施例的饲喂区域饲养信息示意图；
图3是根据本发明一实施例的饲喂系统的结构图；
图4是根据本发明一实施例的摄像头的结构示意图；
图5是根据本发明一实施例的饲喂装置的结构图；
图6是根据本发明一实施例的饲喂设备的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本发明作进一步地详细说明。
根据本发明的实施例，提供了一种饲喂方法。如图1所示，为根据本发明一实施例的饲喂方法的流程图。
步骤S110，调用摄像头采集饲喂区域的环境图像。
饲喂区域是指动物的采食区域。进一步地，饲喂区域每次允许一个待饲动物进入。也即是说，每次仅饲喂一个待饲动物。待饲动物，是指饲喂对象。例如：饲喂动物为家畜、家禽、家庭宠物。例如：饲喂区域为猪舍中的栏位。
摄像头设置在饲喂区域，可以采集饲喂区域的画面，即环境图像。在环境图像中至少包括饲喂区域的食槽的图像，以便确定食槽中是否存在余食。
如果待饲动物为自由采食，则可以实时调用摄像头采集饲喂区域的环境图像。如果待饲动物为定时采食，则可以在采食时间到来时，调用摄像头采集饲喂区域的环境图像。
步骤S120，根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；如果是，则执行步骤S130；如果否，则继续执行步骤S120。
具体而言，可以预先设置待饲动物的图像，如轮廓图像；利用图像识别技术，对饲喂区域的环境图像进行图像识别，确定环境图像中是否包括与待饲动物的图像相似度大于预设相似度阈值的图像，如果是，则确定饲喂区域中出现了待饲动物，如果否，则确定饲喂区域中没有出现待饲动物。
步骤S130，如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量。
将所述饲喂区域的环境图像输入预先训练的余食量分析模型，获取所述余食量分析模型输出的所述饲喂区域的食槽中的饲料余食量；其中，所述饲料余食量分析模型，用于在所述环境图像中提取食槽图像，并根据所述食槽图像确定食槽中的饲料余食量。
具体而言，余食量分析模型可以是AI(Artificial Intelligence，人工智能)算法模型。进一步地，余食量分析模型的种类包括但不限于：神经网络模型和深度学习模型。
可以预先设置训练数据集，该训练数据集中包括多张样本环境图像，样本环境图像中包括食槽的图像，并且样本环境图像预先被标注饲料余食量。从训练数据集获取一张样本环境图像，并将样本环境图像输入余食量分析模型，获取余食量分析模型输出的饲料余食量；如果输出的该饲料余食量与预先标注的饲料余食量不同，则调整余食量分析模型中的参数并从训练数据集获取下一张样本环境图像，直到余食量分析模型收敛为止。
步骤S140，根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。
获取预设的饲料标准量；确定所述饲料标准量和所述食槽中的饲料余食量的差值，将所述差值确定为所述待饲动物对应的饲料下料量。其中，饲料标准量可以是经验值或者统计值，例如：饲料标准量可以根据待饲动物的平均采食量来设置。通过这种方式，可以在投放饲料之后，使食槽内的饲料保持饲料标准量。
在本实施例中，监测食槽中的饲料余食量，并根据饲料余食量来调整饲料下料量，饲料下料更精准，而且避免饲料余食造成的饲料浪费，防止食槽内因饲料堆积造成的霉变。
在本实施例中，通过图像识别的方式监测食槽中的饲料余食量，可以避免人工监测饲料余食量需要饲养员反复观察食槽，准确率低且费时费力的问题，也无需利用重力感应器测量悬浮式食槽在采食前后的重量变化，避免了重力感应器因弹簧逐渐失效、食槽被待饲动物按压出现形变造成的测重不准确的问题，也避免了重力感应器因金属腐蚀造成的测重误差问题。
基于本实施例的饲喂方法获得的数据，可以对待饲动物的饲养情况和健康情况进行分析，具体如下：
在确定所述饲喂区域出现待饲动物之后，在识别所述饲喂区域的食槽中的饲料余食量之前，还可以根据预先存储的多个目标动物的面部图像，对所述环境图像执行面部图像识别，确定所述饲喂区域中本次出现的待饲动物对应的目标动物；获取所述待饲动物对应的目标动物的动物信息，作为所述本次出现的待饲动物的动物信息；或者，通过预先设置的感应器，从所述饲喂区域中本次出现的待饲动物身上设置的信息卡中采集所述待饲动物的动物信息。该信息卡用于存储待饲动物的动物信息。该感应器可以读取该信息卡中的动物信息。
由于待饲动物的数量可能为多个，所以在存储数据时可以将数据和具体的动物对应起来。进一步地，动物信息可以是待饲动物的唯一编码。面部图像可以是猪脸图像，面部图像识别可以猪脸识别。例如：在猪舍中包括五头猪，预先存储该五头猪的猪脸图像，在栏位出现猪只之后，可以对栏位的环境图像进行猪脸识别，确定栏位出现的猪只具体是哪头猪。
在识别所述饲喂区域的食槽中的饲料余食量之后，还可以将所述食槽中的饲料余食量与所述饲喂区域上一次出现的待饲动物的动物信息进行对应存储；或者，在根据所述饲喂区域的环境图像，确定所述饲喂区域本次出现的待饲动物从所述饲喂区域消失之后，根据所述饲喂区域的环境图像，再次识别所述食槽中的饲料余食量；将再次识别的所述食槽中的饲料余食量与所述本次出现的待饲动物的动物信息进行对应存储。待饲动物从饲喂区域消失表示该饲喂动物采食完毕。例如：在猪只采食之前，识别食槽中的饲料余食量，该食槽中的饲料余食量为前一头猪只的余食量，这样将该饲料余食量与前一头猪只对应起来。又如：在猪只采食之后，再次识别食槽中的饲料余食量，该饲料余食量为该猪只的余食量，所以将该饲料余食量与该猪只对应起来。
在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：如果确定与所述待饲动物的动物信息对应存储的饲料余食量持续预设次数都大于预设的余食量阈值，则执行预设的疾控预警操作。疾控预警操作，包括但不限于：提示语音提示信息或者文本提示信息。该语音提示信息和文本提示信息都至少包括该待饲动物的动物信息。例如：预设次数为五次，针对同一猪只，如果连续五次识别出的饲料余食量都大于余食量阈值，则可以提示该猪只已经疑似出现疾病。
进一步地，在将饲料余食量与待饲动物的动物信息对应存储时，还可以存储饲喂区域的信息，这样还可以对饲喂区域一并进行分析。例如：某个栏位一共有多少头猪只，饲料余食量大于余食量阈值一共出现过多少次，如图2所示，可以查询具体猪场的具体区域的具体栋舍(猪舍)，在具体日期的各个栏位的信息，其中余食较多即表示饲料余食量大于余食量阈值。
在确定所述饲喂区域出现待饲动物之后，还可以在环境图像中提取待饲动物的图像，将待饲动物的图像和该待饲动物的动物信息进行对应存储。每隔预设时间段，根据该待饲动物的动物信息，获取该待饲动物在最近一个预设时间段的图像，对该待饲动物进行体态分析，确定待饲动物的体态是否发生变化，如果是，则执行预设的疾控预警操作，如果否，则继续监控待饲动物的体态。体态包括但不限于：步态、体型。体态分析例如是待饲动物的步态是否一致，体型是否一致等。
基于上述的饲喂方法，本发明实施例还提供了一种饲喂系统。如图3所示，为根据本发明一实施例的饲喂系统的结构图。
在本发明实施例中，饲喂系统，包括：饲喂平台310、控制器320、摄像头330和饲喂器340。
摄像头330和饲喂器340被设置在饲喂区域，摄像头330和饲喂器340分别连接控制器320，控制器320连接饲喂平台310。
饲喂平台310，用于对饲喂区域的食槽进行饲料余食量进行监测，并且根据饲料余食量控制饲料下料量。在本实施例中，饲喂平台310可以是SaaS(Software-as-a-Service，软件即服务)系统。SaaS系统是联结了AI算法和物联网设备(如：摄像头、巡检车、拾音器等)的管理系统。
控制器320可以通过向硬件发送指令来控制硬件。控制器320，用于在饲喂平台310的控制下控制摄像头330和饲喂器340。控制器320主要由开发板组成，支持OpenGL ES1.1/2.0/3.0/3.1,OpenVG1.1,OpenCL,DX11，AFBC(帧缓冲压缩)，并且支持PCIe x2、SATA、USB2.0、USB 3.0、HSIC、SSIC、Audio、UIM、I2C多种接口，可连接WiFi、蓝牙、千兆以太网。
摄像头330可以进行图像的采集和回传，摄像头330可以在控制器320的控制下，对食槽所在的饲喂区域进行拍摄和视频录制。如图4所示，为摄像头的示意图。摄像头主要包括补光灯、镜头、主体前壳、主体后壳和安装孔。摄像头可以支持图片分辨率、亮度、对比度、饱和度、色度、锐度、快门、增益、白平衡可调、支持数字降噪宽动态，支持图像旋转功能。景物通过镜头形成的光学图像投射到摄像头的图像传感器表面上，然后转化为电信号，经过A/D(模/数)转换后变成数字图像信号，再送到摄像头的DSP(Digital Signal Processing，数字处理芯片)中进行加工处理，再通过IO接口传输到控制器320，再由控制器320传输到饲喂平台310进行处理。
饲喂器340用于在控制器320的控制下，将储存的饲料向饲喂区域的食槽中进行投放。
针对上述饲喂系统，各个设备的具体工作过程如下：
饲喂平台310通过控制器320调用摄像头330采集饲喂区域的环境图像。进一步地，饲喂平台310可以设置饲喂规则到控制器320，控制器320读取该饲喂规则，并根据该饲喂规则调用摄像头330采集饲喂区域的环境图像。其中，饲喂规则可以包括摄像头330的调用时机，该调用时机可以是实时调用或者在饲喂时间到来时调用。摄像头330将采集的饲喂区域的环境图像回传给控制器320，再由控制器320传递给饲喂平台310。
饲喂平台310根据饲喂区域的环境图像确定饲喂区域是否出现待饲动物；如果确定饲喂区域出现待饲动物，则根据饲喂区域的环境图像，识别饲喂区域的食槽中的饲料余食量。饲喂平台310中的AI算法将环境图像转化为向量，在后台进行图像识别以及饲料余食量识别。
饲喂平台310根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并通过所述控制器320控制所述饲喂器340根据所述饲料下料量向所述食槽中投放饲料。进一步地，饲喂平台310将饲料下料量携带在下料指令中向控制器320发送，再由控制器320向饲喂器340发送下料指令，使所述饲喂器340根据所述饲料下料量向所述食槽中投放饲料。
饲喂平台310在识别所述饲喂区域的食槽中的饲料余食量之后，将所述食槽中的饲料余食量与所述饲喂区域上一次出现的待饲动物的动物信息进行对应存储；或者，在根据所述饲喂区域的环境图像，确定所述饲喂区域本次出现的待饲动物从所述饲喂区域消失之后，根据所述饲喂区域的环境图像，再次识别所述食槽中的饲料余食量；将再次识别的所述食槽中的饲料余食量与所述本次出现的待饲动物的动物信息进行对应存储。
饲喂平台310在确定所述饲喂区域出现待饲动物之后，在识别所述饲喂区域的食槽中的饲料余食量之前，根据预先存储的多个目标动物的面部图像，对所述环境图像执行面部图像识别，确定所述饲喂区域中本次出现的待饲动物对应的目标动物；获取所述待饲动物对应的目标动物的动物信息，作为所述本次出现的待饲动物的动物信息；或者，通过预先设置的感应器，从所述饲喂区域中本次出现的待饲动物身上设置的信息卡中采集所述待饲动物的动物信息。
饲喂平台310在识别所述饲喂区域的食槽中的饲料余食量之后，如果确定与所述待饲动物的动物信息对应存储的饲料余食量持续预设次数都大于预设的余食量阈值，则执行预设的疾控预警操作。
饲喂平台310将所述饲喂区域的环境图像输入预先训练的余食量分析模型，获取所述余食量分析模型输出的所述饲喂区域的食槽中的饲料余食量；其中，所述饲料余食量分析模型，用于在所述环境图像中提取食槽图像，并根据所述食槽图像确定食槽中的饲料余食量。
饲喂平台310获取预设的饲料标准量；确定所述饲料标准量和所述食槽中的饲料余食量的差值，将所述差值确定为所述待饲动物对应的饲料下料量。
在本实施例中，可以设置多个摄像头330和多个饲喂器340，在每个饲喂区域设置一个摄像头330和一个饲喂器340，多个饲喂区域的摄像头330和饲喂器340分别连接控制器320。进一步地，可以设置多个控制器320，每个控制器320对应一个或者多个饲喂区域，每个饲喂区域的摄像头330和饲喂器340分别连接该饲喂区域对应的控制器320。如果设置多个摄像头330和多个饲喂器340，饲喂平台310向控制器320发送的指令中需要携带待控制的摄像头330和饲喂器340的信息，以便控制器320根据摄像头330和饲喂器340的信息进行控制。
本发明实施例利用图像识别技术减少饲料浪费，精准饲喂饲待饲动物，保证待饲动物健康，合理进行饮食，防止因为下料过多造成饲喂器堵转，从而出现饲喂器报警死机的问题，避免饲料装满食槽造成浪费，也防止因为饲料堆积造成霉变导致待饲动物误食死亡的问题，有效控制饲喂成本。
本发明实施例可以解决粉料和颗粒料从定量杯下料堵料的问题，提升精准饲喂的效率。本发明实施例可以通过图像识别技术及远程自动控制实现待饲动物精准饲喂，实现待饲动物食量的精准控制，提高肉料比，提升养殖的整体经济效益。
本发明实施例还提供了一种饲喂装置。如图5所示，为根据本发明一实施例的饲喂装置的结构图。
该饲喂装置，包括：调用模块510，确定模块520和饲喂模块530。
调用模块510，用于调用摄像头采集饲喂区域的环境图像。
确定模块520，用于根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量。
饲喂模块530，用于根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。
本发明实施例所述的装置的功能已经在上述方法实施例中进行了描述，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
本发明实施例还提供一种饲喂设备。如图6所示，为根据本发明一实施例的饲喂设备的结构图。
在本实施例中，所述饲喂设备，包括但不限于：处理器610、存储器620。
所述处理器610用于执行存储器620中存储的饲喂程序，以实现上述饲喂方法。具体而言，所述处理器610用于执行存储器620中存储的饲喂程序，以实现以下步骤：调用摄像头采集饲喂区域的环境图像；根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。
其中，在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：将所述食槽中的饲料余食量与所述饲喂区域上一次出现的待饲动物的动物信息进行对应存储；或者，在根据所述饲喂区域的环境图像，确定所述饲喂区域本次出现的待饲动物从所述饲喂区域消失之后，根据所述饲喂区域的环境图像，再次识别所述食槽中的饲料余食量；将再次识别的所述食槽中的饲料余食量与所述本次出现的待饲动物的动物信息进行对应存储。
其中，在确定所述饲喂区域出现待饲动物之后，在识别所述饲喂区域的食槽中的饲料余食量之前，还包括：根据预先存储的多个目标动物的面部图像，对所述环境图像执行面部图像识别，确定所述饲喂区域中本次出现的待饲动物对应的目标动物；获取所述待饲动物对应的目标动物的动物信息，作为所述本次出现的待饲动物的动物信息；或者，通过预先设置的感应器，从所述饲喂区域中本次出现的待饲动物身上设置的信息卡中采集所述待饲动物的动物信息。
其中，在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：如果确定与待饲动物的动物信息对应存储的饲料余食量持续预设次数都大于预设的余食量阈值，则执行预设的疾控预警操作。
其中，根据所述饲喂区域的环境图像，确定所述饲喂区域的食槽中的饲料余食量，包括：将所述饲喂区域的环境图像输入预先训练的余食量分析模型，获取所述余食量分析模型输出的所述饲喂区域的食槽中的饲料余食量；其中，所述饲料余食量分析模型，用于在所述环境图像中提取食槽图像，并根据所述食槽图像确定食槽中的饲料余食量。
其中，根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，包括：获取预设的饲料标准量；确定所述饲料标准量和所述食槽中的饲料余食量的差值，将所述差值确定为所述待饲动物对应的饲料下料量。
本发明实施例还提供了一种计算机可读存储介质。这里的计算机可读存储介质存储有一个或者多个程序。其中，计算机可读存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。
当计算机可读存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述的饲喂方法。
具体而言，所述处理器用于执行存储器中存储的饲喂程序，以实现以下步骤：调用摄像头采集饲喂区域的环境图像；根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。
其中，在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：将所述食槽中的饲料余食量与所述饲喂区域上一次出现的待饲动物的动物信息进行对应存储；或者，在根据所述饲喂区域的环境图像，确定所述饲喂区域本次出现的待饲动物从所述饲喂区域消失之后，根据所述饲喂区域的环境图像，再次识别所述食槽中的饲料余食量；将再次识别的所述食槽中的饲料余食量与所述本次出现的待饲动物的动物信息进行对应存储。
其中，在确定所述饲喂区域出现待饲动物之后，在识别所述饲喂区域的食槽中的饲料余食量之前，还包括：根据预先存储的多个目标动物的面部图像，对所述环境图像执行面部图像识别，确定所述饲喂区域中本次出现的待饲动物对应的目标动物；获取所述待饲动物对应的目标动物的动物信息，作为所述本次出现的待饲动物的动物信息；或者，通过预先设置的感应器，从所述饲喂区域中本次出现的待饲动物身上设置的信息卡中采集所述待饲动物的动物信息。
其中，在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：如果确定与待饲动物的动物信息对应存储的饲料余食量持续预设次数都大于预设的余食量阈值，则执行预设的疾控预警操作。
其中，根据所述饲喂区域的环境图像，确定所述饲喂区域的食槽中的饲料余食量，包括：将所述饲喂区域的环境图像输入预先训练的余食量分析模型，获取所述余食量分析模型输出的所述饲喂区域的食槽中的饲料余食量；其中，所述饲料余食量分析模型，用于在所述环境图像中提取食槽图像，并根据所述食槽图像确定食槽中的饲料余食量。
其中，根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，包括：获取预设的饲料标准量；确定所述饲料标准量和所述食槽中的饲料余食量的差值，将所述差值确定为所述待饲动物对应的饲料下料量。
以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种饲喂方法，其特征在于，所述方法包括：
调用摄像头采集饲喂区域的环境图像；
根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；
如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；
根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。
2.根据权利要求1所述的方法，其特征在于，在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：
将所述食槽中的饲料余食量与所述饲喂区域上一次出现的待饲动物的动物信息进行对应存储；或者，
在根据所述饲喂区域的环境图像，确定所述饲喂区域本次出现的待饲动物从所述饲喂区域消失之后，根据所述饲喂区域的环境图像，再次识别所述食槽中的饲料余食量；将再次识别的所述食槽中的饲料余食量与所述本次出现的待饲动物的动物信息进行对应存储。
3.根据权利要求2所述的方法，其特征在于，在确定所述饲喂区域出现待饲动物之后，在识别所述饲喂区域的食槽中的饲料余食量之前，还包括：
根据预先存储的多个目标动物的面部图像，对所述环境图像执行面部图像识别，确定所述饲喂区域中本次出现的待饲动物对应的目标动物；获取所述待饲动物对应的目标动物的动物信息，作为所述本次出现的待饲动物的动物信息；或者，
通过预先设置的感应器，从所述饲喂区域中本次出现的待饲动物身上设置的信息卡中采集所述待饲动物的动物信息。
4.根据权利要求2所述的方法，其特征在于，在识别所述饲喂区域的食槽中的饲料余食量之后，还包括：
如果确定与待饲动物的动物信息对应存储的饲料余食量持续预设次数都大于预设的余食量阈值，则执行预设的疾控预警操作。
5.根据权利要求1所述的方法，其特征在于，根据所述饲喂区域的环境图像，确定所述饲喂区域的食槽中的饲料余食量，包括：
将所述饲喂区域的环境图像输入预先训练的余食量分析模型，获取所述余食量分析模型输出的所述饲喂区域的食槽中的饲料余食量；
其中，所述饲料余食量分析模型，用于在所述环境图像中提取食槽图像，并根据所述食槽图像确定食槽中的饲料余食量。
6.根据权利要求1所述的方法，其特征在于，根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，包括：
获取预设的饲料标准量；
确定所述饲料标准量和所述食槽中的饲料余食量的差值，将所述差值确定为所述待饲动物对应的饲料下料量。
7.一种饲喂系统，其特征在于，所述饲喂系统包括：饲喂平台、控制器、摄像头和饲喂器；其中，所述摄像头和所述饲喂器被设置在饲喂区域，所述摄像头和所述饲喂器分别连接所述控制器，所述控制器连接所述饲喂平台；
所述饲喂平台通过所述控制器调用所述摄像头采集所述饲喂区域的环境图像；
所述饲喂平台根据所述饲喂区域的环境图像确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；
所述饲喂平台根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并通过所述控制器控制所述饲喂器根据所述饲料下料量向所述食槽中投放饲料。
8.一种饲喂装置，其特征在于，所述饲喂装置包括：
调用模块，用于调用摄像头采集饲喂区域的环境图像；
确定模块，用于根据所述饲喂区域的环境图像，确定所述饲喂区域是否出现待饲动物；如果确定所述饲喂区域出现待饲动物，则根据所述饲喂区域的环境图像，识别所述饲喂区域的食槽中的饲料余食量；
饲喂模块，用于根据所述食槽中的饲料余食量，确定所述待饲动物对应的饲料下料量，并控制饲喂器根据所述饲料下料量向所述食槽中投放饲料。
9.一种饲喂设备，其特征在于，所述饲喂设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1～6中任一项所述的饲喂方法。
10.一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饲喂程序，所述饲喂程序被处理器执行时实现如权利要求1～6中任一项所述的饲喂方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010102891.7A CN111264405A (zh) | 2020-02-19 | 2020-02-19 | 一种饲喂方法、系统、装置、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010102891.7A CN111264405A (zh) | 2020-02-19 | 2020-02-19 | 一种饲喂方法、系统、装置、设备和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111264405A true CN111264405A (zh) | 2020-06-12 |
Family
ID=70999137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010102891.7A Pending CN111264405A (zh) | 2020-02-19 | 2020-02-19 | 一种饲喂方法、系统、装置、设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111264405A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111631156A (zh) * | 2020-06-16 | 2020-09-08 | 江苏华丽智能科技股份有限公司 | 一种防积料加药方法和装置 |
| CN112602667A (zh) * | 2020-12-14 | 2021-04-06 | 华南农业大学 | 一种猪只动态反馈饲养方法及系统 |
| CN112868559A (zh) * | 2021-01-27 | 2021-06-01 | 珠海格力电器股份有限公司 | 喂养方法、装置、设备及存储介质 |
| CN112906570A (zh) * | 2021-02-20 | 2021-06-04 | 东营市阔海水产科技有限公司 | 水产养殖投喂方法、终端设备及可读存储介质 |
| CN113287542A (zh) * | 2021-05-24 | 2021-08-24 | 上海趣时信息技术有限公司 | 自动投食方法、装置、电子设备以及存储介质 |
| CN114092687A (zh) * | 2022-01-19 | 2022-02-25 | 北京探感科技股份有限公司 | 一种基于视觉识别的动物饲喂装置、方法和可读存储介质 |
| CN114358163A (zh) * | 2021-12-28 | 2022-04-15 | 东北农业大学 | 一种基于孪生网络与深度数据的采食量监测方法及系统 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1422954A (en) * | 1972-10-09 | 1976-01-28 | Seaford Sectional Buildings Lt | Animal feeders |
| CN101507658A (zh) * | 2009-03-10 | 2009-08-19 | 江苏大学 | 一种基于行为监测的病猪识别方法及系统 |
| CA2873218A1 (en) * | 2012-05-10 | 2013-11-14 | President And Fellows Of Harvard College | Automated system and method for collecting data and classifying animal behavior |
| CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
| CN205180024U (zh) * | 2015-10-10 | 2016-04-27 | 中国农业科学院农业信息研究所 | 一种饲料智能投放装置 |
| CN205596855U (zh) * | 2016-04-12 | 2016-09-28 | 中国农业科学院农业信息研究所 | 一种食料量监测系统 |
| CN107182909A (zh) * | 2017-05-08 | 2017-09-22 | 北京农业信息技术研究中心 | 一种猪只饲喂方法、服务器、饲喂器及系统 |
| CN206699119U (zh) * | 2017-03-31 | 2017-12-05 | 北京农业信息技术研究中心 | 一种养殖动物监控系统 |
| CN206776432U (zh) * | 2017-05-08 | 2017-12-22 | 北京农业信息技术研究中心 | 一种猪只饲喂系统 |
| CN109632058A (zh) * | 2018-12-13 | 2019-04-16 | 北京小龙潜行科技有限公司 | 一种智能养猪群养测重方法、装置、电子设备及存储介质 |
| CN109618961A (zh) * | 2018-12-12 | 2019-04-16 | 北京京东金融科技控股有限公司 | 一种家畜的智能投喂系统和方法 |
| CN109644891A (zh) * | 2018-12-25 | 2019-04-19 | 江苏大学 | 一种基于NB-IoT的生猪生长关键参数监测系统及方法 |
| CN208754932U (zh) * | 2018-08-09 | 2019-04-19 | 湖南农业大学 | 一种生猪精细化饲喂系统 |
| CN109738013A (zh) * | 2019-01-08 | 2019-05-10 | 北京探感科技股份有限公司 | 一种禽畜状态检测方法及装置 |
| CN110402840A (zh) * | 2019-07-25 | 2019-11-05 | 深圳市阿龙电子有限公司 | 一种基于图像识别的生猪监测终端及生猪监测系统 |
| CN209861937U (zh) * | 2019-04-08 | 2019-12-31 | 青岛大牧人机械股份有限公司 | 一种生猪智能饲喂设备 |
| CN110796043A (zh) * | 2019-10-16 | 2020-02-14 | 北京海益同展信息科技有限公司 | 容器检测、饲喂检测方法、装置及饲喂系统 |
| CN111107740A (zh) * | 2017-09-22 | 2020-05-05 | 松下知识产权经营株式会社 | 家畜信息管理系统、畜舍、家畜信息管理程序以及家畜信息管理方法 |
| CN111248103A (zh) * | 2020-01-09 | 2020-06-09 | 洛阳语音云创新研究院 | 牲畜发情检测方法、装置以及设备 |
-
2020
- 2020-02-19 CN CN202010102891.7A patent/CN111264405A/zh active Pending
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1422954A (en) * | 1972-10-09 | 1976-01-28 | Seaford Sectional Buildings Lt | Animal feeders |
| CN101507658A (zh) * | 2009-03-10 | 2009-08-19 | 江苏大学 | 一种基于行为监测的病猪识别方法及系统 |
| CA2873218A1 (en) * | 2012-05-10 | 2013-11-14 | President And Fellows Of Harvard College | Automated system and method for collecting data and classifying animal behavior |
| CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
| CN205180024U (zh) * | 2015-10-10 | 2016-04-27 | 中国农业科学院农业信息研究所 | 一种饲料智能投放装置 |
| CN205596855U (zh) * | 2016-04-12 | 2016-09-28 | 中国农业科学院农业信息研究所 | 一种食料量监测系统 |
| CN206699119U (zh) * | 2017-03-31 | 2017-12-05 | 北京农业信息技术研究中心 | 一种养殖动物监控系统 |
| CN206776432U (zh) * | 2017-05-08 | 2017-12-22 | 北京农业信息技术研究中心 | 一种猪只饲喂系统 |
| CN107182909A (zh) * | 2017-05-08 | 2017-09-22 | 北京农业信息技术研究中心 | 一种猪只饲喂方法、服务器、饲喂器及系统 |
| CN111107740A (zh) * | 2017-09-22 | 2020-05-05 | 松下知识产权经营株式会社 | 家畜信息管理系统、畜舍、家畜信息管理程序以及家畜信息管理方法 |
| CN208754932U (zh) * | 2018-08-09 | 2019-04-19 | 湖南农业大学 | 一种生猪精细化饲喂系统 |
| CN109618961A (zh) * | 2018-12-12 | 2019-04-16 | 北京京东金融科技控股有限公司 | 一种家畜的智能投喂系统和方法 |
| CN109632058A (zh) * | 2018-12-13 | 2019-04-16 | 北京小龙潜行科技有限公司 | 一种智能养猪群养测重方法、装置、电子设备及存储介质 |
| CN109644891A (zh) * | 2018-12-25 | 2019-04-19 | 江苏大学 | 一种基于NB-IoT的生猪生长关键参数监测系统及方法 |
| CN109738013A (zh) * | 2019-01-08 | 2019-05-10 | 北京探感科技股份有限公司 | 一种禽畜状态检测方法及装置 |
| CN209861937U (zh) * | 2019-04-08 | 2019-12-31 | 青岛大牧人机械股份有限公司 | 一种生猪智能饲喂设备 |
| CN110402840A (zh) * | 2019-07-25 | 2019-11-05 | 深圳市阿龙电子有限公司 | 一种基于图像识别的生猪监测终端及生猪监测系统 |
| CN110796043A (zh) * | 2019-10-16 | 2020-02-14 | 北京海益同展信息科技有限公司 | 容器检测、饲喂检测方法、装置及饲喂系统 |
| CN111248103A (zh) * | 2020-01-09 | 2020-06-09 | 洛阳语音云创新研究院 | 牲畜发情检测方法、装置以及设备 |
Non-Patent Citations (2)
| Title |
|---|
| 印遇龙等: "《改革开放40年中国猪业发展与进步 生猪精准饲喂与管理》", 31 October 2018, 中国农业大学出版社 * |
| 高作信: "《兽医学》", 31 July 1980, 中国农业出版社 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111631156A (zh) * | 2020-06-16 | 2020-09-08 | 江苏华丽智能科技股份有限公司 | 一种防积料加药方法和装置 |
| CN111631156B (zh) * | 2020-06-16 | 2021-11-09 | 江苏华丽智能科技股份有限公司 | 一种防积料加药方法和装置 |
| CN112602667A (zh) * | 2020-12-14 | 2021-04-06 | 华南农业大学 | 一种猪只动态反馈饲养方法及系统 |
| CN112868559A (zh) * | 2021-01-27 | 2021-06-01 | 珠海格力电器股份有限公司 | 喂养方法、装置、设备及存储介质 |
| CN112906570A (zh) * | 2021-02-20 | 2021-06-04 | 东营市阔海水产科技有限公司 | 水产养殖投喂方法、终端设备及可读存储介质 |
| CN113287542A (zh) * | 2021-05-24 | 2021-08-24 | 上海趣时信息技术有限公司 | 自动投食方法、装置、电子设备以及存储介质 |
| CN114358163A (zh) * | 2021-12-28 | 2022-04-15 | 东北农业大学 | 一种基于孪生网络与深度数据的采食量监测方法及系统 |
| CN114092687A (zh) * | 2022-01-19 | 2022-02-25 | 北京探感科技股份有限公司 | 一种基于视觉识别的动物饲喂装置、方法和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111264405A (zh) | 一种饲喂方法、系统、装置、设备和计算机可读存储介质 | |
| CN109618961B (zh) | 一种家畜的智能投喂系统和方法 | |
| CN109640641B (zh) | 投饵系统、图像处理装置及图像处理方法 | |
| CN111449009B (zh) | 投饵方法及投饵系统 | |
| CN111539384B (zh) | 牧场采食监控方法、系统、装置、设备及存储介质 | |
| KR102141582B1 (ko) | 영상분석을 활용한 어미돼지의 분만시점 예측 방법 및 장치 | |
| CN112861734A (zh) | 一种料槽余食监测方法及系统 | |
| CN113191655A (zh) | 饲喂方法、装置和计算机可读存储介质 | |
| CN111260895A (zh) | 报警信息的发送方法及装置、存储介质和电子装置 | |
| CN116019023A (zh) | 一种电子信息管理系统及管理方法 | |
| KR20120044204A (ko) | 알에프아이디/유에스엔 기반 가축 급이기와 그 운용 방법 | |
| CN117063868A (zh) | 一种鱼池智能投喂方法 | |
| CN111406662B (zh) | 基于机器视觉的保育猪饲喂器料量自动检测系统及方法 | |
| Gregorini et al. | Dynamics of forage ingestion, oral processing and digesta outflow from the rumen: a development in a mechanistic model of a grazing ruminant, MINDY | |
| US20230057738A1 (en) | Detecting estrus in animals for insemination | |
| US20220312735A1 (en) | Animal training device with position recognizing controller | |
| JP2022079489A (ja) | 特定装置、特定方法、及びプログラム | |
| CN114503929A (zh) | 一种精准饲喂方法及饲喂系统 | |
| KR20230033068A (ko) | 축산 동물의 행동 패턴을 기반으로 한 스마트 축사 관리 시스템 및 방법 | |
| CN111523446A (zh) | 图像识别方法及装置、存储介质 | |
| CN112005901A (zh) | 一种犬脸识别进食饮水机及方法 | |
| CN117337796B (zh) | 一种针对淡水鱼养殖池塘浮性料的智能精准投饲方法 | |
| TWI831345B (zh) | 一種自動給料器及具有自動給料功能的水族系統 | |
| CN110558248B (zh) | 一种猪只数量监控装置 | |
| CN116965362A (zh) | 一种基于机器视觉的大口黑鲈智能投喂系统 |
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 | ||
| 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. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200612 |