CN111401386A - 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质 - Google Patents

牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质 Download PDF

Info

Publication number
CN111401386A
CN111401386A CN202010242237.6A CN202010242237A CN111401386A CN 111401386 A CN111401386 A CN 111401386A CN 202010242237 A CN202010242237 A CN 202010242237A CN 111401386 A CN111401386 A CN 111401386A
Authority
CN
China
Prior art keywords
livestock
monitoring
stall
information
initial image
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
Application number
CN202010242237.6A
Other languages
English (en)
Other versions
CN111401386B (zh
Inventor
姚军
钟皓明
许阿虹
黄英杰
邹京甫
张永昌
肖志业
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.)
WeBank Co Ltd
Original Assignee
WeBank 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 WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202010242237.6A priority Critical patent/CN111401386B/zh
Publication of CN111401386A publication Critical patent/CN111401386A/zh
Application granted granted Critical
Publication of CN111401386B publication Critical patent/CN111401386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V10/40—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
    • G06V10/443—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 by matching or filtering
    • 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
    • A01K1/00—Housing animals; Equipment therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • 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
    • 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
    • G06V10/752—Contour matching
    • 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
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Environmental Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Zoology (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明涉及金融科技技术领域，公开了一种牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质。该牲畜舍栏的监控方法应用于智能巡航机器人，所述智能巡航机器人可活动地设置于舍栏上方的导轨上，所述牲畜舍栏的监控方法包括：控制所述智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；对所述初始图像进行识别处理，得到牲畜数量和生长信息；将所述牲畜数量和所述生长信息发送至管理端，以进行监控。本发明能够实现牲畜舍栏的智能监控，可监控获取到舍栏中牲畜的数量和生长情况，提高管理效率。

Description

牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质
技术领域
本发明涉及金融科技(Fintech)技术领域，尤其涉及一种牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质。
背景技术
随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融行业的安全性、实时性要求，也对技术提出了更高的要求。
养殖业是农业生产的一个重要组成部分，目前我国的养殖业已逐步走向规模化、集群化，但是对于牲畜舍栏得监控管理依然停留于人工阶段。目前管理人员虽然在舍栏中设定了监控设备，以通过监控设备回传的视频来监控现场的牲畜状态，但是该监控设备通常都是固定安装，存在死角、导致监控信息的利用低，且无法智能获取到牲畜的数量和生长情况，远远不能满足当前信息化、智能化的需求，导致管理效率较低。
发明内容
本发明的主要目的在于提供一种牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质，旨在实现牲畜舍栏的智能监控，可监控获取到舍栏中牲畜的数量和生长情况，提高管理效率。
为实现上述目的，本发明提供一种牲畜舍栏的监控方法，应用于智能巡航机器人，所述智能巡航机器人可活动地设置于舍栏上方的导轨上，所述牲畜舍栏的监控方法包括：
控制所述智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；
对所述初始图像进行识别处理，得到牲畜数量和生长信息；
将所述牲畜数量和所述生长信息发送至管理端，以进行监控。
可选地，所述对所述初始图像进行识别处理，得到牲畜数量和生长信息的步骤包括：
提取所述初始图像的颜色特征和纹理特征，并根据所述颜色特征和所述纹理特征确定非牲畜区域；
对所述非牲畜区域进行直线检测，得到第一检测结果；
根据所述第一检测结果确定舍栏区域，并从所述初始图像中裁剪出所述舍栏区域对应的区域图像作为目标图像；
将所述目标图像输入至预设深度神经网络模型，得到牲畜的轮廓信息，其中，所述轮廓信息包括轮廓数量和轮廓长度；
根据所述轮廓数量确定得到牲畜数量，并根据所述轮廓长度和预设映射关系表确定得到生长信息。
可选地，所述第一检测结果包括直线数量和直线位置，所述根据所述第一检测结果确定舍栏区域的步骤包括：
检测所述直线数量是否为预设数量；
若所述直线数量为预设数量，则根据所述直线位置确定舍栏区域；
若所述直线数量不为预设数量，则控制所述智能巡航机器人移动预设步进距离，并重新拍摄得到牲畜舍栏的初始图像，以基于重新拍摄得到的初始图像确定舍栏区域。
可选地，所述牲畜舍栏的监控方法还包括：
通过气体监控模块获取牲畜舍栏的气体监测数据，其中，所述气体监控数据包括氨气浓度、硫化氢浓度和二氧化碳浓度中的一种或多种；
将所述气体监测数据发送至所述管理端，以进行监控。
可选地，所述牲畜舍栏的监控方法还包括：
检测所述气体监测数据是否符合预设条件；
若不符合预设条件，则根据第二检测结果生成对应的告警信息，并发送至所述管理端。
可选地，所述牲畜舍栏的监控方法还包括：
通过温湿度监控模块获取牲畜舍栏的温湿度数据；
将所述温湿度数据发送至所述管理端，以进行监控。
可选地，所述牲畜舍栏的监控方法还包括：
通过射频识别RFID接收器获取固定于牲畜身上的RFID标签的饲养信息；
对所述饲养信息进行统计，生成对应的统计报告，并发送至所述管理端。
此外，为实现上述目的，本发明还提供一种牲畜舍栏的监控装置，所述牲畜舍栏的监控装置包括：
图像拍摄模块，用于控制所述智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；
图像处理模块，用于对所述初始图像进行识别处理，得到牲畜数量和生长信息；
第一发送模块，用于将所述牲畜数量和所述生长信息发送至管理端，以进行监控。
此外，为实现上述目的，本发明还提供一种智能巡航机器人，所述智能巡航机器人包括：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牲畜舍栏的监控程序，所述牲畜舍栏的监控程序被所述处理器执行时实现如上所述的牲畜舍栏的监控方法的步骤。
此外，为实现上述目的，本发明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牲畜舍栏的监控程序，所述牲畜舍栏的监控程序被处理器执行时实现如上所述的牲畜舍栏的监控方法的步骤。
本发明提供一种牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质，该方法应用于智能巡航机器人，智能巡航机器人可活动地设置于舍栏上方的导轨上，牲畜舍栏的监控方法包括：控制智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；对初始图像进行识别处理，得到牲畜数量和生长信息；将牲畜数量和生长信息发送至管理端，以进行监控。本发明通过将智能巡航机器人可活动地设置于舍栏上方的导轨上，从而可控制智能巡航机器人移动以获取各个牲畜舍栏的初始图像，然后通过图像处理技术获取得到牲畜数量和生长信息，进而发送至管理端，以便于管理人员进行远程监控。通过上述方式，本发明实现了牲畜舍栏的智能监控，可直接准确地获取到舍栏中牲畜的数量和生长情况，无需管理人员进入舍栏查看监控，降低了管理人员进入舍栏的频率，提高了管理效率。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明牲畜舍栏的监控方法第一实施例的流程示意图；
图3为本发明第一实施例涉及的牲畜舍栏的监控场景示意图；
图4为本发明第一实施例中步骤S20的细化流程示意图；
图5为本发明牲畜舍栏的监控装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例的设备为智能巡航机器人。该智能巡航机器人可以包括控制中心、摄像头和运动模块，所述摄像头和所述运动模块分别与所述控制中心通信连接，可选地，该摄像头为普通广角摄像头，用于拍摄牲畜舍栏的图像，从而基于该图像获取到舍栏圈养的牲畜数量和牲畜的生长信息，以进行舍栏的自动活体盘点；运动模块用于控制智能巡航机器人移动。当然，该智能巡航机器人上还可以灵活插入其他监控模块，如气体监控模块、温湿度监控模块和RFID(Radio Frequency Identification，射频识别)接收器，其中，气体监控模块用于获取牲畜舍栏的气体监测数据，温湿度监控模块用于获取牲畜舍栏的温湿度数据，RFID接收器用于获取固定于牲畜身上的RFID标签的饲养信息，从而实现对牲畜舍栏更全面的监控，进一步提升管理效率。
如图1所示，该智能巡航机器人可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的智能巡航机器人结构并不构成对智能巡航机器人的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及牲畜舍栏的监控程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的牲畜舍栏的监控程序，并执行以下操作：
控制所述智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；
对所述初始图像进行识别处理，得到牲畜数量和生长信息；
将所述牲畜数量和所述生长信息发送至管理端，以进行监控。
进一步地，处理器1001可以调用存储器1005中存储的牲畜舍栏的监控程序，还执行以下操作：
提取所述初始图像的颜色特征和纹理特征，并根据所述颜色特征和所述纹理特征确定非牲畜区域；
对所述非牲畜区域进行直线检测，得到第一检测结果；
根据所述第一检测结果确定舍栏区域，并从所述初始图像中裁剪出所述舍栏区域对应的区域图像作为目标图像；
将所述目标图像输入至预设深度神经网络模型，得到牲畜的轮廓信息，其中，所述轮廓信息包括轮廓数量和轮廓长度；
根据所述轮廓数量确定得到牲畜数量，并根据所述轮廓长度和预设映射关系表确定得到生长信息。
进一步地，所述第一检测结果包括直线数量和直线位置，处理器1001可以调用存储器1005中存储的牲畜舍栏的监控程序，还执行以下操作：
检测所述直线数量是否为预设数量；
若所述直线数量为预设数量，则根据所述直线位置确定舍栏区域；
若所述直线数量不为预设数量，则控制所述智能巡航机器人移动预设步进距离，并重新拍摄得到牲畜舍栏的初始图像，以基于重新拍摄得到的初始图像确定舍栏区域。
进一步地，处理器1001可以调用存储器1005中存储的牲畜舍栏的监控程序，还执行以下操作：
通过气体监控模块获取牲畜舍栏的气体监测数据，其中，所述气体监控数据包括氨气浓度、硫化氢浓度和二氧化碳浓度中的一种或多种；
将所述气体监测数据发送至所述管理端，以进行监控。
进一步地，处理器1001可以调用存储器1005中存储的牲畜舍栏的监控程序，还执行以下操作：
检测所述气体监测数据是否符合预设条件；
若不符合预设条件，则根据第二检测结果生成对应的告警信息，并发送至所述管理端。
进一步地，处理器1001可以调用存储器1005中存储的牲畜舍栏的监控程序，还执行以下操作：
通过温湿度监控模块获取牲畜舍栏的温湿度数据；
将所述温湿度数据发送至所述管理端，以进行监控。
进一步地，处理器1001可以调用存储器1005中存储的牲畜舍栏的监控程序，还执行以下操作：
通过射频识别RFID接收器获取固定于牲畜身上的RFID标签的饲养信息；
对所述饲养信息进行统计，生成对应的统计报告，并发送至所述管理端。
基于上述硬件结构，提出本发明牲畜舍栏的监控方法的各实施例。
本发明提供一种牲畜舍栏的监控方法。
参照图2，图2为本发明牲畜舍栏的监控方法第一实施例的流程示意图。
在本实施例中，所述牲畜舍栏的监控方法应用于智能巡航机器人，所述智能巡航机器人可活动地设置于舍栏上方的导轨上，所述牲畜舍栏的监控方法包括：
步骤S10，控制所述智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；
本实施例的牲畜舍栏的监控方法应用于智能巡航机器人，该智能巡航机器人可活动地设置于舍栏上方的导轨上，如图3中所示，图3中的巡航器即为智能巡航机器人，牲畜舍栏可以包括一个或多个，该智能巡航机器人可以在舍栏导轨上自由前行、后退和停止，以监控不同舍栏的情况。管理者可以设定机器人每天定时巡航次数，从而使得智能巡航机器人定时移动、获取牲畜舍栏的数据信息，便于工作人员进行远程监控。
该智能巡航机器人可以包括控制中心、摄像头和运动模块，所述摄像头和所述运动模块分别与所述控制中心通信连接，可选地，该摄像头为普通广角摄像头，用于拍摄牲畜舍栏的图像，从而基于该图像获取到舍栏圈养的牲畜数量和牲畜的生长信息，以进行舍栏的自动活体盘点，相比于现有技术中的固定的监控设备，可活动的智能巡航机器人可便于管理人员灵活控制，监控到全部舍栏的情况；运动模块用于控制智能巡航机器人移动。当然，该智能巡航机器人上还可以灵活插入其他监控模块，如气体监控模块、温湿度监控模块和RFID(Radio Frequency Identification，射频识别)接收器，其中，气体监控模块用于获取牲畜舍栏的气体监测数据，温湿度监控模块用于获取牲畜舍栏的温湿度数据，RFID接收器用于获取固定于牲畜身上的RFID标签的饲养信息，从而实现对牲畜舍栏更全面的监控，进一步提升管理效率。本实施例是由该智能巡航机器人的控制中心实现的。
在本实施例中，智能巡航机器人的控制中心可控制智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像。控制智能巡航机器人移动的触发时机可以为接收到管理人员基于管理端中的App(Application，应用程序)、软件或小程序触发的监控指令时，或检测到当前时间为预设的定时监控时间时。在控制智能巡航机器人移动时，其移动距离可以是预先基于舍栏的长度设定的，以使得智能巡航机器人移动到各舍栏上方的中间区域，便于拍摄当前所处舍栏的图像。可以理解，当舍栏包括多个时，可多次移动智能巡航机器人，以获取到多个舍栏的初始图像。
步骤S20，对所述初始图像进行识别处理，得到牲畜数量和生长信息；
然后，对该初始图像进行识别处理，得到牲畜数量和生长信息。
具体的，参照图4，步骤S20包括：
步骤S21，提取所述初始图像的颜色特征和纹理特征，并根据所述颜色特征和所述纹理特征确定非牲畜区域；
具体的，牲畜数量和生长信息的获取过程如下：
先提取初始图像的颜色特征和纹理特征，由于牲畜的颜色和纹理与舍栏栏杆、舍栏地面或舍栏内其他物体的颜色和纹理是有区别的，因此，可根据颜色特征和纹理特征确定非牲畜区域。其中，颜色特征可以为全局颜色特征，也可以为颜色空间分布特征，对应的，全局颜色特征的提取方法为颜色直方图法，以获取到初始图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，但不含空间分布信息；颜色空间分布特征的提取方法可以为：利用Radon(拉东)变换对初始图像的几个方向进行投影，可得到初始图像在这几个方向上的颜色分布信息，即颜色空间分布特征。可选地，颜色特征为颜色空间分布特征。纹理特征的提取方法包括但不限于统计方法、几何法、模型法、信号处理法等，具体的提取过程可参照现有技术。
步骤S22，对所述非牲畜区域进行直线检测，得到第一检测结果；
步骤S23，根据所述第一检测结果确定舍栏区域，并从所述初始图像中裁剪出所述舍栏区域对应的区域图像作为目标图像；
然后，对非牲畜区域进行直线检测，得到第一检测结果，具体的，可以基于霍夫变换(Hough Transform)来检测非牲畜区域内的直线，其检测原理可参照现有技术。对应的，第一检测结果包括直线数量和直线位置。
由于舍栏的栏杆是直的，因此，可以根据第一检测结果确定舍栏区域，舍栏区域即为由检测到的直线围起来的区域，由于拍摄得到的初始图像中可能包括当前舍栏旁边舍栏的图像，为避免其他舍栏的图像影响当前舍栏图像识别结果的准确性，可从初始图像中裁剪出舍栏区域对应的区域图像作为目标图像。
进一步地，所述第一检测结果包括直线数量和直线位置，步骤“根据所述第一检测结果确定舍栏区域”包括：
步骤a1，检测所述直线数量是否为预设数量；
步骤a2，若所述直线数量为预设数量，则根据所述直线位置确定舍栏区域；
步骤a3，若所述直线数量不为预设数量，则控制所述智能巡航机器人移动预设步进距离，并重新拍摄得到牲畜舍栏的初始图像，以基于重新拍摄得到的初始图像确定舍栏区域。
本实施例中，由于智能巡航机器人在移动时，可能不在一个较佳的拍摄位置范围内(即舍栏上方的中间区域)，未能拍摄到该舍栏的整体图像，因此，在对初始图像识别处理的过程中，可进行检测判定，以确定该初始图像的拍摄符合要求。具体的，第一检测结果包括直线数量和直线位置，可检测直线数量是否为预设数量，其中，由于舍栏由4条栏杆围成，预设数量可设为4，若直线数量为预设数量，则说明该初始图像中包括一个舍栏的图像，此时可根据直线位置确定舍栏区域；若直线数量不为预设数量，则说明该智能巡航机器人所处的位置并不在较佳的拍摄位置范围内，此时，可控制智能巡航机器人移动预设步进距离，以移动到较佳的拍摄位置范围内，并重新拍摄得到牲畜舍栏的初始图像，进而基于重新拍摄得到的初始图像确定舍栏区域。
步骤S24，将所述目标图像输入至预设深度神经网络模型，得到牲畜的轮廓信息，其中，所述轮廓信息包括轮廓数量和轮廓长度；
步骤S25，根据所述轮廓数量确定得到牲畜数量，并根据所述轮廓长度和预设映射关系表确定得到生长信息。
在从初始图像中裁剪得到当前舍栏所对应的目标图像时，将目标图像输入至预设深度神经网络模型，得到牲畜的轮廓信息，其中，轮廓信息包括轮廓数量和轮廓长度。预设深度神经网络模型是预先根据训练样本集训练得到的，其输入为包含牲畜的图像，输出为轮廓数量和轮廓长度，针对不同的牲畜，其轮廓长度所对应的轮廓不同，对应的可提取得到牲畜的某一部位长度，例如，对于猪、牛等牲畜，可以通过轮廓可以提取该牲畜的脊柱长度。然后，根据轮廓数量确定得到牲畜数量，并根据轮廓长度和预设映射关系表确定得到生长信息。其中，牲畜数量即为轮廓数量，生长信息可以包括但不限于四肢长度、体积、体重信息等。预设映射关系表包括不同轮廓长度与不同的生长信息之间的映射关系。
步骤S30，将所述牲畜数量和所述生长信息发送至管理端，以进行监控。
通过对初始图像进行识别处理，得到舍栏中的牲畜数量和生长信息之后，可将牲畜数量和生长信息发送至管理端，以进行监控。可以理解，当舍栏包括多个时，对应的初始图像包括多张，所得到的牲畜数量和生长信息也包括多组，此时，可对上述信息进行统计，生成对应的统计报告，进而再发送至管理端，以便于管理人员了解不同舍栏中的牲畜数量和生长信息，及整体的牲畜数量和生长信息。
在将牲畜数量和所述生长信息发送至管理端时，可通过小程序的方式将上述信息同步至管理者手中，便于管理人员随时随地地查看信息。
本发明实施例提供一种牲畜舍栏的监控方法，应用于智能巡航机器人，智能巡航机器人可活动地设置于舍栏上方的导轨上，该方法包括：控制智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；对初始图像进行识别处理，得到牲畜数量和生长信息；将牲畜数量和生长信息发送至管理端，以进行监控。本发明实施例通过将智能巡航机器人可活动地设置于舍栏上方的导轨上，从而可控制智能巡航机器人移动以获取各个牲畜舍栏的初始图像，然后通过图像处理技术获取得到牲畜数量和生长信息，进而发送至管理端，以便于管理人员进行远程监控。通过上述方式，本发明实施例实现了牲畜舍栏的智能监控，可直接准确地获取到舍栏中牲畜的数量和生长情况，无需管理人员进入舍栏查看监控，降低了管理人员进入舍栏的频率，提高了管理效率。
进一步地，基于上述第一实施例，提出本发明牲畜舍栏的监控方法的第二实施例。
在本实施例中，该牲畜舍栏的监控方法还包括：
步骤A，通过气体监控模块获取牲畜舍栏的气体监测数据，其中，所述气体监控数据包括氨气浓度、硫化氢浓度和二氧化碳浓度中的一种或多种；
步骤B，将所述气体监测数据发送至所述管理端，以进行监控。
在本实施例中，由于在饲养过程中，舍栏里会产生影响牲畜饲养的有毒气体，如氨气、硫化氢、二氧化碳等，因此，该智能巡航机器人还可以包括气体监控模块，以对牲畜舍栏的有害气体的浓度数据进行监控。具体的，智能巡航机器人的控制中心可以通过气体监控模块获取牲畜舍栏的气体监测数据，其中，气体监控数据包括氨气浓度、硫化氢浓度和二氧化碳浓度中的一种或多种；然后，将气体监测数据发送至管理端，以便于管理人员进行监控。
进一步地，在步骤A之后，所述牲畜舍栏的监控方法还包括：
步骤C，检测所述气体监测数据是否符合预设条件；
步骤D，若不符合预设条件，则根据第二检测结果生成对应的告警信息，并发送至所述管理端。
在获取到气体监测数据之后，检测气体监测数据是否符合预设条件，即，检测各种类型气体的气体浓度是否在对应的浓度范围内；若不符合预设条件，即检测到至少一种类型气体的气体浓度不在其对应的浓度范围内时，则根据第二检测结果生成对应的告警信息，并发送至管理端，以通过管理人员进行处理。
当然，可以理解，在检测到气体监测数据不符合预设条件时，还可以控制启动通风换气系统，以将舍栏内的有害气体排除舍栏外，使得舍内能够保持空气新鲜。
通过上述方式，可实现牲畜舍栏的有害气体的智能监控。
进一步地，基于上述第一实施例，提出本发明牲畜舍栏的监控方法的第三实施例。
在本实施例中，该牲畜舍栏的监控方法还包括：
步骤E，通过温湿度监控模块获取牲畜舍栏的温湿度数据；
步骤F，将所述温湿度数据发送至所述管理端，以进行监控。
在本实施例中，该智能巡航机器人还可以包括温湿度监控模块，以对牲畜舍栏的温湿度数据进行监控。具体的，智能巡航机器人的控制中心可以通过温湿度监控模块获取牲畜舍栏的温湿度数据，其中，温湿度数据包括温度数据和湿度数据，然后，将获取到的温湿度数据发送至管理端，以便于管理人员进行监控。
进一步地，还可以对获取到的温湿度数据进行检测，以判断温度是否为第一预设范围内、湿度是否为第二预设范围内，若温度不在第一预设范围内、且/或，湿度不在第二预设范围内，可控制温度调节装置和/或加湿装置来调控温度和/或湿度，以使得牲畜舍栏的温湿度环境事宜。
通过上述方式，可实现牲畜舍栏的环境温湿度的智能监控。
进一步地，基于上述第一实施例，提出本发明牲畜舍栏的监控方法的第四实施例。
在本实施例中，该牲畜舍栏的监控方法还包括：
步骤G，通过射频识别RFID接收器获取固定于牲畜身上的RFID标签的饲养信息；
步骤H，对所述饲养信息进行统计，生成对应的统计报告，并发送至所述管理端。
在本实施例中，该智能巡航机器人还可以包括RFID(Radio FrequencyIdentification，射频识别)接收器，以获取固定于牲畜身上的RFID标签的饲养信息。具体的，可以在牲畜身上粘贴RFID标签，用于存储牲畜的饲养信息，如牲畜编号、饲养时间、疫苗接种时间等。RFID技术是一种非接触式的自动识别技术，它通过射频信号来识别目标对象并获取相关数据，识别工作无需人工干预，RFID技术具有防水、防磁、耐高温、使用寿命长、读取距离大、标签上数据可以加密、存储数据容量更大、存储信息更改自如等优点。
在监控牲畜数量和生长情况的同时，智能巡航机器人的控制中心可以通过RFID接收器获取固定于牲畜身上的RFID标签的饲养信息，然后对获取到的饲养信息进行统计，生成对应的统计报告，并发送至管理端，以便于管理人员进行监控。
本发明还提供一种牲畜舍栏的监控装置。
参照图5，图5为本发明牲畜舍栏的监控装置第一实施例的功能模块示意图。
如图5所示，所述牲畜舍栏的监控装置包括：
图像拍摄模块10，用于控制所述智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；
图像处理模块20，用于对所述初始图像进行识别处理，得到牲畜数量和生长信息；
第一发送模块30，用于将所述牲畜数量和所述生长信息发送至管理端，以进行监控。
进一步地，所述图像处理模块20包括：
特征提取单元，用于提取所述初始图像的颜色特征和纹理特征，并根据所述颜色特征和所述纹理特征确定非牲畜区域；
直线检测单元，用于对所述非牲畜区域进行直线检测，得到第一检测结果；
图像裁剪单元，用于根据所述第一检测结果确定舍栏区域，并从所述初始图像中裁剪出所述舍栏区域对应的区域图像作为目标图像；
信息获取单元，用于将所述目标图像输入至预设深度神经网络模型，得到牲畜的轮廓信息，其中，所述轮廓信息包括轮廓数量和轮廓长度；
信息确定单元，用于根据所述轮廓数量确定得到牲畜数量，并根据所述轮廓长度和预设映射关系表确定得到生长信息。
进一步地，所述图像裁剪单元具体用于：
检测所述直线数量是否为预设数量；
若所述直线数量为预设数量，则根据所述直线位置确定舍栏区域；
若所述直线数量不为预设数量，则控制所述智能巡航机器人移动预设步进距离，并重新拍摄得到牲畜舍栏的初始图像，以基于重新拍摄得到的初始图像确定舍栏区域。
进一步地，所述牲畜舍栏的监控装置还包括：
气体监控模块，用于通过气体监控模块获取牲畜舍栏的气体监测数据，其中，所述气体监控数据包括氨气浓度、硫化氢浓度和二氧化碳浓度中的一种或多种；
第二发送模块，用于将所述气体监测数据发送至所述管理端，以进行监控。
进一步地，所述牲畜舍栏的监控装置还包括：
数据检测模块，用于检测所述气体监测数据是否符合预设条件；
告警模块，用于若不符合预设条件，则根据第二检测结果生成对应的告警信息，并发送至所述管理端。
进一步地，所述牲畜舍栏的监控装置还包括：
温湿度监控模块，用于通过温湿度监控模块获取牲畜舍栏的温湿度数据；
第三发送模块，用于将所述温湿度数据发送至所述管理端，以进行监控。
进一步地，所述牲畜舍栏的监控装置还包括：
信息获取模块，用于通过射频识别RFID接收器获取固定于牲畜身上的RFID标签的饲养信息；
信息统计模块，用于对所述饲养信息进行统计，生成对应的统计报告，并发送至所述管理端。
其中，上述牲畜舍栏的监控装置中各个模块的功能实现与上述牲畜舍栏的监控方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有牲畜舍栏的监控程序，所述牲畜舍栏的监控程序被处理器执行时实现如以上任一项实施例所述的牲畜舍栏的监控方法的步骤。
本发明计算机可读存储介质的具体实施例与上述牲畜舍栏的监控方法各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种牲畜舍栏的监控方法，其特征在于，应用于智能巡航机器人，所述智能巡航机器人可活动地设置于舍栏上方的导轨上，所述牲畜舍栏的监控方法包括：
控制所述智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；
对所述初始图像进行识别处理，得到牲畜数量和生长信息；
将所述牲畜数量和所述生长信息发送至管理端，以进行监控。
2.如权利要求1所述的牲畜舍栏的监控方法，其特征在于，所述对所述初始图像进行识别处理，得到牲畜数量和生长信息的步骤包括：
提取所述初始图像的颜色特征和纹理特征，并根据所述颜色特征和所述纹理特征确定非牲畜区域；
对所述非牲畜区域进行直线检测，得到第一检测结果；
根据所述第一检测结果确定舍栏区域，并从所述初始图像中裁剪出所述舍栏区域对应的区域图像作为目标图像；
将所述目标图像输入至预设深度神经网络模型，得到牲畜的轮廓信息，其中，所述轮廓信息包括轮廓数量和轮廓长度；
根据所述轮廓数量确定得到牲畜数量，并根据所述轮廓长度和预设映射关系表确定得到生长信息。
3.如权利要求2所述的牲畜舍栏的监控方法，其特征在于，所述第一检测结果包括直线数量和直线位置，所述根据所述第一检测结果确定舍栏区域的步骤包括：
检测所述直线数量是否为预设数量；
若所述直线数量为预设数量，则根据所述直线位置确定舍栏区域；
若所述直线数量不为预设数量，则控制所述智能巡航机器人移动预设步进距离，并重新拍摄得到牲畜舍栏的初始图像，以基于重新拍摄得到的初始图像确定舍栏区域。
4.如权利要求1至3中任一项所述的牲畜舍栏的监控方法，其特征在于，所述牲畜舍栏的监控方法还包括：
通过气体监控模块获取牲畜舍栏的气体监测数据，其中，所述气体监控数据包括氨气浓度、硫化氢浓度和二氧化碳浓度中的一种或多种；
将所述气体监测数据发送至所述管理端，以进行监控。
5.如权利要求4所述的牲畜舍栏的监控方法，其特征在于，所述牲畜舍栏的监控方法还包括：
检测所述气体监测数据是否符合预设条件；
若不符合预设条件，则根据第二检测结果生成对应的告警信息，并发送至所述管理端。
6.如权利要求1至3中任一项所述的牲畜舍栏的监控方法，其特征在于，所述牲畜舍栏的监控方法还包括：
通过温湿度监控模块获取牲畜舍栏的温湿度数据；
将所述温湿度数据发送至所述管理端，以进行监控。
7.如权利要求1至3中任一项所述的牲畜舍栏的监控方法，其特征在于，所述牲畜舍栏的监控方法还包括：
通过射频识别RFID接收器获取固定于牲畜身上的RFID标签的饲养信息；
对所述饲养信息进行统计，生成对应的统计报告，并发送至所述管理端。
8.一种牲畜舍栏的监控装置，其特征在于，所述牲畜舍栏的监控装置包括：
图像拍摄模块，用于控制所述智能巡航机器人移动，通过摄像头拍摄得到牲畜舍栏的初始图像；
图像处理模块，用于对所述初始图像进行识别处理，得到牲畜数量和生长信息；
第一发送模块，用于将所述牲畜数量和所述生长信息发送至管理端，以进行监控。
9.一种智能巡航机器人，其特征在于，所述智能巡航机器人包括：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牲畜舍栏的监控程序，所述牲畜舍栏的监控程序被所述处理器执行时实现如权利要求1至7中任一项所述的牲畜舍栏的监控方法的步骤。
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牲畜舍栏的监控程序，所述牲畜舍栏的监控程序被处理器执行时实现如权利要求1至7中任一项所述的牲畜舍栏的监控方法的步骤。
CN202010242237.6A 2020-03-30 2020-03-30 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质 Active CN111401386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010242237.6A CN111401386B (zh) 2020-03-30 2020-03-30 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010242237.6A CN111401386B (zh) 2020-03-30 2020-03-30 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质

Publications (2)

Publication Number Publication Date
CN111401386A true CN111401386A (zh) 2020-07-10
CN111401386B CN111401386B (zh) 2023-06-13

Family

ID=71431410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010242237.6A Active CN111401386B (zh) 2020-03-30 2020-03-30 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质

Country Status (1)

Country Link
CN (1) CN111401386B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037451A (zh) * 2020-08-19 2020-12-04 浙江大华技术股份有限公司 一种预警方法及装置
CN112766121A (zh) * 2021-01-11 2021-05-07 牧原食品股份有限公司 一种用于养殖场巡检的机器人及养殖场巡检系统
CN113379561A (zh) * 2021-05-28 2021-09-10 广州朗国电子科技有限公司 一种家禽数量的智能计算方法、设备及介质
CN113554644A (zh) * 2021-08-17 2021-10-26 湖南金烽信息科技有限公司 一种基于卷积神经网络的农产品身份识别及数量盘点系统
CN113971227A (zh) * 2021-10-15 2022-01-25 中国科学院地理科学与资源研究所 基于大数据的牲畜监测方法、系统和可读存储介质
CN114200967A (zh) * 2021-11-29 2022-03-18 河南牧原智能科技有限公司 用于确定预置角度的方法、检测牲畜体温的方法及产品
CN116567423A (zh) * 2023-07-11 2023-08-08 天津海河标测技术检测有限公司 基于图像的动物监护仪及其方法
CN117558026A (zh) * 2023-10-17 2024-02-13 东方联鸣(宁夏)科技发展有限公司 一种规模化牧场基于ai眼镜识别牛只的方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107437069A (zh) * 2017-07-13 2017-12-05 江苏大学 基于轮廓的猪只饮水行为识别方法
CN108961269A (zh) * 2018-06-22 2018-12-07 深源恒际科技有限公司 基于图像的猪体重测算方法及系统
CN109459119A (zh) * 2018-10-17 2019-03-12 北京京东金融科技控股有限公司 一种体重测量方法、设备和计算机可读存储介质
CN109461151A (zh) * 2018-11-05 2019-03-12 上海睿畜电子科技有限公司 一种牲畜数量清点的方法、装置及系统
CN109472883A (zh) * 2018-09-27 2019-03-15 中国农业大学 巡塘方法和装置
CN109658414A (zh) * 2018-12-13 2019-04-19 北京小龙潜行科技有限公司 一种猪只的智能盘点方法及装置
CN109785337A (zh) * 2018-12-25 2019-05-21 哈尔滨工程大学 一种基于实例分割算法的栏内哺乳动物清点方法
CN109997730A (zh) * 2019-04-28 2019-07-12 山东省农业科学院家禽研究所 笼养鸡智能巡检系统及其巡检机器人的巡航控制方法
CN110532899A (zh) * 2019-08-09 2019-12-03 中国农业大学 基于热成像的母猪产前行为分类方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107437069A (zh) * 2017-07-13 2017-12-05 江苏大学 基于轮廓的猪只饮水行为识别方法
CN108961269A (zh) * 2018-06-22 2018-12-07 深源恒际科技有限公司 基于图像的猪体重测算方法及系统
CN109472883A (zh) * 2018-09-27 2019-03-15 中国农业大学 巡塘方法和装置
CN109459119A (zh) * 2018-10-17 2019-03-12 北京京东金融科技控股有限公司 一种体重测量方法、设备和计算机可读存储介质
CN109461151A (zh) * 2018-11-05 2019-03-12 上海睿畜电子科技有限公司 一种牲畜数量清点的方法、装置及系统
CN109658414A (zh) * 2018-12-13 2019-04-19 北京小龙潜行科技有限公司 一种猪只的智能盘点方法及装置
CN109785337A (zh) * 2018-12-25 2019-05-21 哈尔滨工程大学 一种基于实例分割算法的栏内哺乳动物清点方法
CN109997730A (zh) * 2019-04-28 2019-07-12 山东省农业科学院家禽研究所 笼养鸡智能巡检系统及其巡检机器人的巡航控制方法
CN110532899A (zh) * 2019-08-09 2019-12-03 中国农业大学 基于热成像的母猪产前行为分类方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
J.M NAVARRO JOVER: "《An Automatic Colour-based Computer Vision Algorithm for Tracking the Position of Piglets》" *
张丽娜: "《基于跨视角机器视觉的羊只体尺参数测量方法研究》" *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037451A (zh) * 2020-08-19 2020-12-04 浙江大华技术股份有限公司 一种预警方法及装置
CN112766121A (zh) * 2021-01-11 2021-05-07 牧原食品股份有限公司 一种用于养殖场巡检的机器人及养殖场巡检系统
CN113379561A (zh) * 2021-05-28 2021-09-10 广州朗国电子科技有限公司 一种家禽数量的智能计算方法、设备及介质
CN113554644A (zh) * 2021-08-17 2021-10-26 湖南金烽信息科技有限公司 一种基于卷积神经网络的农产品身份识别及数量盘点系统
CN113554644B (zh) * 2021-08-17 2022-08-09 湖南金烽信息科技有限公司 一种基于卷积神经网络的农产品身份识别及数量盘点系统
CN113971227A (zh) * 2021-10-15 2022-01-25 中国科学院地理科学与资源研究所 基于大数据的牲畜监测方法、系统和可读存储介质
CN113971227B (zh) * 2021-10-15 2023-03-10 中国科学院地理科学与资源研究所 基于大数据的牲畜监测方法、系统和可读存储介质
CN114200967A (zh) * 2021-11-29 2022-03-18 河南牧原智能科技有限公司 用于确定预置角度的方法、检测牲畜体温的方法及产品
CN116567423A (zh) * 2023-07-11 2023-08-08 天津海河标测技术检测有限公司 基于图像的动物监护仪及其方法
CN116567423B (zh) * 2023-07-11 2023-09-08 天津海河标测技术检测有限公司 基于图像的动物监护仪及其方法
CN117558026A (zh) * 2023-10-17 2024-02-13 东方联鸣(宁夏)科技发展有限公司 一种规模化牧场基于ai眼镜识别牛只的方法及系统

Also Published As

Publication number Publication date
CN111401386B (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
CN111401386A (zh) 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质
CN108875647B (zh) 一种基于牲畜身份的移动轨迹监测方法和系统
CN108990831B (zh) 一种牲畜健康监控方法和系统
WO2019058752A1 (ja) 家畜情報管理システム、畜舎、家畜情報管理プログラム、および家畜情報管理方法
WO2014197631A1 (en) Methods and systems for marking animals
CN110580475A (zh) 基于无人机巡检的线路诊断方法、电子装置及存储介质
CN102902819A (zh) 一种视频智能分析方法及装置
CN105532497A (zh) 一种复合型rfid动物耳标及追踪系统
CN110730218A (zh) 智能垃圾投放方法、系统以及存储介质
CN109461151A (zh) 一种牲畜数量清点的方法、装置及系统
WO2012079107A2 (de) Verfahren zum anzeigen einer einem tier zugeordneten information
CN115457468A (zh) 一种大型草场的智慧畜牧监测方法及系统
CN112183487A (zh) 基于5g的牲畜健康监测系统和方法
CN116192917A (zh) 一种海洋牧场综合观测预报平台
CN115250950A (zh) 一种基于人工智能的畜禽养猪场巡检方法及系统
CN111199187A (zh) 一种基于算法的动物行为识别方法及相应存储介质与电子装置
CN111563759B (zh) 基于ai技术的农产品溯源过程的识别与分析系统
CN110956165B (zh) 智慧社区未栓绳宠物预警方法及系统
CN116307357A (zh) 动物的监测方法、装置、终端设备及存储介质
CN116343018A (zh) 一种基于图像处理的渔业捕捞智能识别方法、系统及介质
Su et al. AIoT-cloud-integrated smart livestock surveillance via assembling deep networks with considering robustness and semantics availability
CN115546195A (zh) 一种基于改进型yolov5算法的荔枝晚秋梢检测方法及处理终端
KR102332252B1 (ko) 영상 분석 기반의 반추 동물의 발정행동패턴 분석 장치 및 방법
KR102404137B1 (ko) 3d 영상을 기반으로한 거치형 가축 무게 추정 시스템과, 이를 이용한 가축 무게 추정 방법
CN111586556B (zh) 一种基于群体聚类分析的渔船定位方法及装置

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