CN111467074B - 用于检测牲畜状态的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于检测牲畜状态的方法和装置。该方法的一具体实施方式包括：获取对目标牲畜的声音进行采集所获得的声音数据；利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果，其中，第一检测结果用于指示声音数据中是否包括发情声音数据；基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。该实施方式可以提高发情状态发现的实时性和准确性，有助于降低人工成本，提高牲畜发情状态检测的效率。

Description

用于检测牲畜状态的方法和装置

技术领域

本公开的实施例涉及牲畜养殖技术领域，尤其涉及用于检测牲畜状态的方法和装置。

背景技术

通常，在养殖牲畜的过程中，需要及时发现牲畜的发情状态，以便对牲畜进行及时配种。

目前，一般采用人工检测的方式对牲畜的发情状态进行检测。具体的，养殖人员可以根据饲养经验，通过查看牲畜阴户颜色、粘液量、牲畜叫声等来判断牲畜是否处于发情状态。

发明内容

本公开的实施例提出了用于检测牲畜状态的方法和装置。

第一方面，本公开的实施例提供了一种用于检测牲畜状态的方法，该方法包括：获取对目标牲畜的声音进行采集所获得的声音数据；利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果，其中，第一检测结果用于指示声音数据中是否包括发情声音数据；基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，该方法还包括：获取对目标牲畜的阴户进行拍摄所获得的阴户图像；利用预先训练的阴户检测模型对阴户图像进行检测，获得第二检测结果，其中，第二检测结果用于指示阴户图像是否包括发情阴户特征；以及基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果包括：基于第一检测结果和第二检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，利用预先训练的阴户检测模型对阴户图像进行检测，获得第二检测结果包括：利用预先训练的阴户检测模型从阴户图像中提取阴户颜色特征；对所提取的阴户颜色特征和预先确定的发情阴户颜色特征进行匹配，获得第一匹配结果；基于第一匹配结果，生成第二检测结果。

在一些实施例中，该方法还包括：获取对目标牲畜的食槽进行拍摄所获得的食槽图像；利用预先训练的余食检测模型对食槽图像进行检测，获得第三检测结果，其中，第三检测结果用于指示目标牲畜的食槽内是否存在余食；以及基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果包括：基于第一检测结果和第三检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，该方法还包括：获取对目标牲畜的体温进行采集所获得的体温数据；对体温数据进行检测，获得第四检测结果，其中，第四检测结果用于指示体温数据是否包括发情体温特征；以及基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果包括：基于第一检测结果和第四检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，获取对目标牲畜的体温进行采集所获得的体温数据包括：获取对目标牲畜的体温进行连续采集所获得的体温数据序列；以及对体温数据进行检测，获得第四检测结果包括：基于体温数据序列，生成目标牲畜的体温变化图；对目标牲畜的体温变化图和预先确定的发情体温变化图进行匹配，获得第二匹配结果；基于第二匹配结果，生成第四检测结果。

在一些实施例中，该方法还包括：获取目标牲畜的历史发情相关信息；以及基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果包括：基于第一检测结果和历史发情相关信息，生成用于指示目标牲畜是否发情的目标结果。

第二方面，本公开的实施例提供了一种用于检测牲畜状态的系统，该系统包括：声音采集设备和发情检测设备，其中，声音采集设备被配置成：对目标牲畜的声音进行采集，获得声音数据；将所获得的声音数据发送给发情检测设备；发情检测设备被配置成：获取声音采集设备发送的声音数据；利用预先训练的声音检测模型对声音数据进行检测，获得第一检测结果，其中，第一检测结果用于指示声音数据中是否包括发情声音数据；基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，该系统还包括以下至少一项：阴户图像采集设备、食槽图像采集设备、体温采集设备，其中，阴户图像采集设备被配置成：对目标牲畜的阴户进行拍摄，获得阴户图像；将所获得的阴户图像发送给发情检测设备；食槽图像采集设备被配置成：对目标牲畜的食槽进行拍摄，获得食槽图像；将所获得的食槽图像发送给发情检测设备；体温采集设备被配置成：对目标牲畜的体温进行采集，获得体温数据；将所获得的体温数据发送给发情检测设备；以及发情检测设备进一步被配置成：对接收到的辅助数据进行检测，获得辅助检测结果，其中，辅助数据包括以下至少一项：阴户图像、食槽图像、体温数据；基于辅助检测结果和第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

第三方面，本公开的实施例提供了一种用于检测牲畜状态的装置，该装置包括：第一获取单元，被配置成获取对目标牲畜的声音进行采集所获得的声音数据；第一检测单元，被配置成利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果，其中，第一检测结果用于指示声音数据中是否包括发情声音数据；生成单元，被配置成基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，该装置还包括：第二获取单元，被配置成获取对目标牲畜的阴户进行拍摄所获得的阴户图像；第二检测单元，被配置成利用预先训练的阴户检测模型对阴户图像进行检测，获得第二检测结果，其中，第二检测结果用于指示阴户图像是否包括发情阴户特征；以及生成单元进一步被配置成：基于第一检测结果和第二检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，第二检测单元包括：提取模块，被配置成利用预先训练的阴户检测模型从阴户图像中提取阴户颜色特征；第一匹配模块，被配置成对所提取的阴户颜色特征和预先确定的发情阴户颜色特征进行匹配，获得第一匹配结果；第一生成模块，被配置成基于第一匹配结果，生成第二检测结果。

在一些实施例中，该装置还包括：第三获取单元，被配置成获取对目标牲畜的食槽进行拍摄所获得的食槽图像；第三检测单元，被配置成利用预先训练的余食检测模型对食槽图像进行检测，获得第三检测结果，其中，第三检测结果用于指示目标牲畜的食槽内是否存在余食；以及生成单元进一步被配置成：基于第一检测结果和第三检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，该装置还包括：第四获取单元，被配置成获取对目标牲畜的体温进行采集所获得的体温数据；第四检测单元，被配置成对体温数据进行检测，获得第四检测结果，其中，第四检测结果用于指示体温数据是否包括发情体温特征；以及生成单元进一步被配置成：基于第一检测结果和第四检测结果，生成用于指示目标牲畜是否发情的目标结果。

在一些实施例中，第四获取单元进一步被配置成：获取对目标牲畜的体温进行连续采集所获得的体温数据序列；以及第四检测单元包括：第二生成模块，被配置成基于体温数据序列，生成目标牲畜的体温变化图；第二匹配模块，被配置成对目标牲畜的体温变化图和预先确定的发情体温变化图进行匹配，获得第二匹配结果；第三生成模块，被配置成基于第二匹配结果，生成第四检测结果。

在一些实施例中，该装置还包括：第五获取单元，被配置成获取目标牲畜的历史发情相关信息；以及生成单元进一步被配置成：基于第一检测结果和历史发情相关信息，生成用于指示目标牲畜是否发情的目标结果。

第四方面，本公开的实施例提供了一种检测设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述用于检测牲畜状态的方法中任一实施例的方法。

第五方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述用于检测牲畜状态的方法中任一实施例的方法。

本公开的实施例提供的用于检测牲畜状态的方法和装置，通过获取对目标牲畜的声音进行采集所获得的声音数据，而后利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果，其中，第一检测结果用于指示声音数据中是否包括发情声音数据，最后基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果，从而可以利用预先训练的声音检测模型，自动地对牲畜的发情状态进行检测，相较于现有技术中需要养殖人员根据经验对牲畜的发情状态进行检测的方案，本公开的方案不仅可以提高发情状态发现的实时性和准确性，而且有助于降低人工成本，提高发情检测的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于检测牲畜状态的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于检测牲畜状态的方法的一个应用场景的示意图；

图4是根据本申请的用于检测牲畜状态的系统的一个实施例的时序图；

图5是根据本公开的用于检测牲畜状态的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的检测设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于检测牲畜状态的方法或用于检测牲畜状态的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104、105，检测设备106和采集设备107。网络104用以在终端设备101、102、103和检测设备106之间提供通信链路的介质。网络105用以在检测设备106和采集设备107之间提供通信链路的介质。网络104、105可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与检测设备106交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如网页浏览器应用、养殖类应用、搜索类应用、即时通信工具等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

检测设备106可以用于对牲畜的状态进行检测。具体的，作为示例，检测设备106可以在接收到终端设备101、102、103发送的针对目标牲畜的发情状态的检测请求后，对目标牲畜的声音数据等进行分析等处理，获得处理结果(例如用于指示目标牲畜是否发情的目标结果)，并且，检测设备106还可以将所获得的处理结果反馈给终端设备101、102、103。

需要说明的是，本公开的实施例所提供的用于检测牲畜状态的方法一般由检测设备106执行，相应地，用于检测牲畜状态的装置一般设置于检测设备106中。

需要说明的是，检测设备106可以是硬件，也可以是软件。当检测设备106为硬件时，可以是具有信息处理功能的各种电子设备，包括但不限于边缘计算网关、服务器等等。当检测设备106为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

采集设备107可以用于对牲畜的声音进行采集。具体的，作为示例，采集设备107可以对目标牲畜的声音进行采集，获得声音数据，进而将所获得的声音数据发送给检测设备106，以便检测设备106对声音数据进行分析等处理，获得处理结果。

需要说明的是，采集设备107可以是具有声音采集功能的各种电子设备，包括但不限于拾音器、录音笔等等。

应该理解，图1中的终端设备、网络、检测设备和采集设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络、检测设备和采集设备。

继续参考图2，示出了根据本公开的用于检测牲畜状态的方法的一个实施例的流程200。该用于检测牲畜状态的方法，包括以下步骤：

步骤201，获取对目标牲畜的声音进行采集所获得的声音数据。

在本实施例中，用于检测牲畜状态的方法的执行主体(例如图1所示的检测设备)可以通过有线连接方式或者无线连接方式从远程或本地获取对目标牲畜的声音进行采集所获得的声音数据。其中，目标牲畜可以是待对其状态进行检测的牲畜。具体的，目标牲畜可以是供人类养殖的各种牲畜，包括但不限于以下至少一项：猪、牛、羊、马。

在本实施例中，上述执行主体可以采用各种方法获取上述声音数据。例如，上述执行主体可以包括能够进行声音采集的设备(例如麦克风)，进而上述执行主体可以利用该设备对目标牲畜的声音进行采集，获得声音数据；或者，上述执行主体可以与能够进行声音采集的其他电子设备(例如拾音器)通信连接，该电子设备可以对目标牲畜的声音进行采集，进而，上述执行主体可以从该电子设备获取上述声音数据。

需要说明的是，实践中，上述执行主体可以与用户使用的用户终端通信连接，用户可以使用用户终端向上述执行主体发送针对目标牲畜的检测请求，进而上述执行主体可以响应于接收到该检测请求，获取对目标牲畜的声音进行采集所获得的声音数据。

步骤202，利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果。

在本实施例中，基于步骤201中得到的声音数据，上述执行主体可以利用预先训练的声音检测模型对该声音数据进行检测，获得第一检测结果。其中，第一检测结果用于指示声音数据中是否包括发情声音数据。具体的，第一检测结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。作为示例，第一检测结果可以包括“是”和“否”，其中，“是”可以用于指示声音数据包括发情声音数据；“否”可以用于指示声音数据不包括发情声音数据。发情声音数据是在牲畜处于发情状态时对牲畜的声音进行采集所获得的声音数据。

在本实施例中，声音检测模型可以用于表征声音数据和第一检测结果的对应关系。实践中，上述执行主体获得声音数据后，可以将声音数据输入声音检测模型，声音检测模型可以对声音数据进行检测，以确定声音数据是否包括发情声音数据，进而输出第一检测结果。

实践中，可以利用预置的发情声音数据作为训练样本，采用机器学习的方法对声音检测模型进行训练。需要说明的是，模型的具体训练方法是目前广泛使用的公知技术，此处不再赘述。

步骤203，基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

在本实施例中，基于步骤202中得到的第一检测结果，上述执行主体可以生成目标结果。其中，目标结果可以用于指示目标牲畜是否发情。具体的，目标结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。作为示例，目标结果可以包括“1”和“0”，其中，“1”可以用于指示目标牲畜发情；“0”可以用于指示目标牲畜未发情。

具体的，基于第一检测结果，上述执行主体可以采用各种方法生成目标结果。例如，上述执行主体可以直接将第一检测结果确定为目标结果。

在本实施例的一些可选的实现方式中，在生成目标结果之前，上述执行主体还可以执行以下步骤：获取对目标牲畜的阴户进行拍摄所获得的阴户图像；利用预先训练的阴户检测模型对阴户图像进行检测，获得第二检测结果；以及上述执行主体可以通过以下步骤生成目标结果：基于第一检测结果述第二检测结果，生成用于指示目标牲畜是否发情的目标结果。

在本实现方式中，第二检测结果可以用于指示阴户图像是否包括发情阴户特征。具体的，第二检测结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。作为示例，第二检测结果可以包括“yes”和“no”，其中，“yes”可以用于指示阴户图像包括发情阴户特征；“no”可以用于指示阴户图像不包括发情阴户特征。发情阴户特征指的是在牲畜处于发情状态时，牲畜的阴户所具有的特征，例如颜色泛红、粘液量多等等。

阴户检测模型可以用于从阴户图像中提取阴户特征，进而上述执行主体可以对阴户检测模型提取的阴户特征与发情阴户特征进行比对，以确定阴户图像是否包括发情阴户特征，生成第二检测结果。需要说明的是，本实现方式中的阴户检测模型可以采用现有的训练模型的方法训练获得，此处不再赘述。

具体的，基于第一检测结果和第二检测结果，上述执行主体可以采用各种方法生成上述目标结果。例如，为了获得更为严谨、可靠的目标结果，上述执行主体可以在第一检测结果指示声音数据包括发情声音数据，且第二检测结果指示阴户图像包括发情阴户特征时，生成用于指示目标牲畜发情的目标结果；在第一检测结果指示声音数据不包括发情声音数据和/或第二检测结果指示阴户图像不包括发情阴户特征时，生成用于指示目标牲畜未发情的目标结果。可以理解的是，基于第一检测结果和第二检测结果生成目标结果的具体方式可以由技术人员预先确定。

本实现方式可以同时利用声音检测模型和阴户检测模型，从牲畜的声音和阴户两个方面对牲畜的发情状态进行检测，有助于在提高牲畜状态检测的自动化程度的同时，提高牲畜状态检测的准确性、可靠性和多样性。

在本实施例的一些可选的实现方式中，上述执行主体还可以通过以下步骤获得第二检测结果：首先，上述执行主体可以利用预先训练的阴户检测模型从阴户图像中提取阴户颜色特征。然后，上述执行主体可以对所提取的阴户颜色特征和预先确定的发情阴户颜色特征进行匹配，获得第一匹配结果。最后，上述执行主体可以基于第一匹配结果，生成第二检测结果。

在这里，第一匹配结果可以用于指示所提取的阴户颜色特征和预先确定的发情阴户颜色特征是否匹配。进而，上述执行主体可以在第一匹配结果指示所提取的阴户颜色特征和预先确定的发情阴户颜色特征匹配时，生成用于指示阴户图像包括发情阴户特征的第二检测结果；在第一匹配结果指示所提取的阴户颜色特征和预先确定的发情阴户颜色特征不匹配时，生成用于指示阴户图像不包括发情阴户特征的第二检测结果。

在本实现方式中，上述执行主体可以采用各种方法对所提取的阴户颜色特征和发情阴户颜色特征进行匹配。具体的，作为一个示例，预先确定的发情阴户颜色特征由发情阴户对应的颜色值范围表征，进而，上述执行主体可以确定所提取的阴户颜色特征的特征值是否属于该颜色值范围，若属于，则可以确定所提取的阴户颜色特征与发情阴户颜色特征匹配；若不属于，则可以确定所提取的阴户颜色特征与发情阴户颜色特征不匹配。

作为又一个示例，预先确定的发情阴户颜色特征由发情阴户对应的颜色值变化图表征，进而，上述执行主体可以获取对目标牲畜的阴户进行连续拍摄而获得的阴户图像序列，然后利用阴户检测模型从阴户图像序列中的各个阴户图像中提取阴户特征的特征值，利用阴户图像序列对应的特征值序列，绘制特征值变化图，接着对颜色值变化图和特征值变化图进行相似度计算，获得相似度值，最后确定获得的相似度值是否大于或等于预设相似度阈值，若大于或等于预设相似度阈值，则可以确定所提取的阴户颜色特征和发情阴户颜色特征匹配；若小于预设相似度阈值，则可以确定所提取的阴户颜色特征和发情阴户颜色特征不匹配。

本示例可以通过牲畜阴户的颜色变化特征来对牲畜的发情状态进行检测，相较于仅通过单一阴户颜色值进行牲畜状态检测的方案，可以连续观察牲畜阴户的特征，减小突发情况对检测结果的影响，有助于进行更为准确的牲畜状态检测。

在本实施例的一些可选的实现方式中，在生成目标结果之前，上述执行主体还可以执行以下步骤：获取对目标牲畜的食槽进行拍摄所获得的食槽图像；利用预先训练的余食检测模型对食槽图像进行检测，获得第三检测结果；上述执行主体可以通过以下步骤生成用于指示目标牲畜是否发情的目标结果：基于第一检测结果和第三检测结果，生成用于指示目标牲畜是否发情的目标结果。

目标牲畜的食槽用于存放喂养目标牲畜的食物。实践中，养殖人员通常会按照目标牲畜的食量向食槽中添加食物，而当目标牲畜处于发情状态时，目标牲畜通常会食欲不振，在食槽内产生余食。因此，本实现方式可以将食槽内是否存在余食作为检测牲畜是否处于发情状态的依据。

在本实现方式中，第三检测结果可以用于指示目标牲畜的食槽内是否存在余食。具体的，第三检测结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。

余食检测模型可以用于对食槽图像进行检测，以确定是否能够检测到余食特征，进而当检测到余食特征时，则可以生成用于指示目标牲畜的食槽内存在余食的第二检测结果；当未检测到余食特征时，则可以生成用于指示目标牲畜的食槽内不存在余食的第二检测结果。需要说明的是，本实现方式中的余食检测模型可以采用现有的训练模型的方法训练获得，此处不再赘述。

具体的，与上述基于第一检测结果和第二检测结果生成目标结果的方法相类似，上述执行主体可以基于第一检测结果和第三检测结果，采用各种方法生成上述目标结果。具体生成方式可以由技术人员预先确定。

本实现方式可以同时利用声音检测模型和余食检测模型，从牲畜的声音和余食两个方面对牲畜的发情状态进行检测，有助于在提高牲畜状态检测的自动化程度的同时，提高牲畜状态检测的准确性、可靠性和多样性。

在本实施例的一些可选的实现方式中，在生成目标结果之前，上述执行主体还可以执行以下步骤：获取对目标牲畜的体温进行采集所获得的体温数据；对体温数据进行检测，获得第四检测结果；以及上述执行主体可以通过以下步骤生成目标结果：基于第一检测结果和第四检测结果，生成用于指示目标牲畜是否发情的目标结果。

在本实现方式中，第四检测结果可以用于指示体温数据是否包括发情体温特征。具体的，第四检测结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。

具体的，上述执行主体可以采用各种方式对体温数据进行检测，获得第四检测结果。例如，预先确定的发情体温特征可以由体温范围表征，进而，上述执行主体可以确定所采集的体温数据对应的体温是否属于该体温范围，若属于，则可以生成用于指示所采集的体温数据包括发情体温特征的第四检测结果；若不属于，则可以生成用于指示所采集的体温数据不包括发情体温特征的第四检测结果。

在本实施例的一些可选的实现方式中，预先确定的发情体温特征由发情状态的体温变化图表征，进而上述执行主体可以获取对目标牲畜的体温进行连续采集所获得的体温数据序列，以及基于体温数据序列，生成目标牲畜的体温变化图，接着对目标牲畜的体温变化图和预先确定的发情体温变化图进行匹配，获得第二匹配结果，最后基于第二匹配结果，生成第四检测结果。

需要说明的是，连续采集可以是实时采集，也可以是以预设周期为采集间隔进行的采集。

在本实现方式中，上述执行主体可以采用各种方法对目标牲畜的体温变化图和发情体温变化图进行匹配，例如上述执行主体可以对目标生成的体温变化图和发情体温变化图进行相似度计算，获得相似度值。进而，当相似度值大于或等于预设相似度阈值，则可以生成用于表征目标牲畜的体温变化图与预先确定的发情体温变化图匹配的第二匹配结果；当相似度值小于预设相似度阈值，则可以生成用于表征目标牲畜的体温变化图与预先确定的发情体温变化图不匹配的第二匹配结果。

相对应的，当第二匹配结果表征目标牲畜的体温变化图与预先确定的发情体温变化图匹配时，上述执行主体可以生成用于表征体温数据包括发情体温特征的第四检测结果；当第二匹配结果表征目标牲畜的体温变化图与预先确定的发情体温变化图不匹配时，上述执行主体可以生成用于表征体温数据不包括发情体温特征的第四检测结果。

本实现方式可以通过牲畜体温的变化特征来对牲畜的发情状态进行检测，相较于仅通过单一体温进行牲畜状态检测的方案，可以连续观察牲畜体温的特征，减小突发情况对检测结果的影响，有助于进行更为准确的牲畜状态检测。

此外，与上述基于第一检测结果和第二检测结果生成目标结果的方法相类似，上述执行主体可以基于第一检测结果和第四检测结果，采用各种方法生成上述目标结果。具体生成方式可以由技术人员预先设置。

本实现方式可以从牲畜的声音和体温两个方面对牲畜的发情状态进行检测，有助于在提高牲畜状态检测的自动化程度的同时，提高牲畜状态检测的准确性、可靠性和多样性。

在本实施例的一些可选的实现方式中，在生成目标结果之前，上述执行主体还可以执行以下步骤：获取目标牲畜的历史发情相关信息；以及上述执行主体可以通过以下步骤生成目标结果：基于第一检测结果和历史发情相关信息，生成用于指示目标牲畜是否发情的目标结果。

在本实现方式中，历史发情相关信息可以是与目标牲畜历史发情阶段相关的各种信息，例如可以是目标牲畜历史发情的时间、历史发情阶段的配种时间、历史发情的次数等等。

具体的，上述执行主体可以基于第一检测结果和历史发情相关信息，采用各种方法生成目标结果。例如，所获得的第一检测结果指示声音数据包括发情声音数据，历史发情相关信息指示目标牲畜的历史发情时间是三月，而目标牲畜的发情时间以一年为周期，当前时间是七月，则通过历史发情相关信息可以判断目标牲畜大概率未发情，第一检测结果存在误差，进而上述执行主体可以生成用于指示目标牲畜未发情的目标结果。

本实现方式在利用检测模型对目标牲畜的发情状态进行检测的同时，可以将目标牲畜的历史发情相关信息作为检测的辅助信息，以此，有助于进行更为准确的牲畜状态检测。

需要说明的是，在不冲突的情况下，上述生成目标结果的实现方式可以相互组合，本申请对此不作限制例如，上述执行主体可以基于第一检测结果、第二检测结果、第三检测结果、第四检测结果和历史发情相关信息这五个信息，生成目标结果。而如上文中的描述，具体的基于多个信息，生成目标结果的方式可以由技术人员预先设置。例如可以设置成：多个信息中有至少两个信息指示目标牲畜处于发情状态时，则生成用于指示目标牲畜发情的目标结果；否则，生成用于指示目标牲畜未发情的目标结果。

实践中，获得目标结果后，上述执行主体还可以执行其他与目标结果相关的操作，例如，上述执行主体可以将目标结果反馈给用户使用的用户终端；或者，上述执行主体可以响应于目标结果指示目标牲畜发情，控制针对目标牲畜预先设置的指示灯闪亮。

继续参见图3，图3是根据本实施例的用于检测牲畜状态的方法的应用场景的一个示意图。在图3的应用场景中，用户可以使用终端设备(例如笔记本电脑)301向检测设备(例如边缘计算网关)302发送针对目标牲畜的发情状态的检测请求303；然后，检测设备302接收到检测请求303后，可以向采集设备(例如拾音器)304发送声音采集指令305；采集设备305响应于接收到声音采集指令305，对目标牲畜的声音进行采集，获得声音数据306，以及将声音数据306发送给检测设备302；检测设备302接收到声音数据306后，可以利用预先训练的声音检测模型307对声音数据306进行检测，获得第一检测结果308，其中，第一检测结果308可以用于指示声音数据306中是否包括发情声音数据；最后，检测设备302可以基于第一检测结果308，生成用于指示目标牲畜是否发情的目标结果309。

此外，获得目标结果309后，检测设备302还可以将目标结果309反馈给用户使用的终端设备301。

本公开的上述实施例提供的方法可以利用预先训练的声音检测模型，自动地对牲畜的发情状态进行检测，相较于现有技术中需要养殖人员根据经验对牲畜的发情状态进行检测的方案，本公开的方案不仅可以提高发情状态发现的实时性和准确性，而且有助于降低人工成本，提高发情检测的效率。

请参考图4，示出了根据本申请的用于检测牲畜状态的系统的一个实施例的时序图400。

本申请实施例中的用于检测牲畜状态的系统可以包括声音采集设备和发情检测设备，其中，声音采集设备被配置成：对目标牲畜的声音进行采集，获得声音数据；将所获得的声音数据发送给发情检测设备；发情检测设备被配置成：获取声音采集设备发送的声音数据；利用预先训练的声音检测模型对声音数据进行检测，获得第一检测结果，其中，第一检测结果用于指示声音数据中是否包括发情声音数据；基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

如图4所示，在步骤401中，声音采集设备可以对目标牲畜的声音进行采集，获得声音数据。

在本实施例中，声音采集设备(例如图1所示的采集设备)可以对目标牲畜的声音进行采集，获得声音数据。其中，目标牲畜可以是待对其状态进行检测的牲畜。具体的，目标牲畜可以是供人类养殖的各种牲畜，包括但不限于以下至少一项：猪、牛、羊、马。

需要说明的是，这里的采集可以是实时采集，也可以是以预设周期为采集间隔进行的采集(例如每3秒采集一次)。

实践中，声音采集设备可以在接收到发情检测设备发送的声音采集指令后，开始对目标牲畜的声音进行采集。

在步骤402中，声音采集设备可以将所获得的声音数据发送给发情检测设备。

在本实施例中，声音采集设备在获得声音数据后，可以将声音数据发送给通信连接的发情检测设备(例如图1所示的检测设备)，以便发情检测设备接收声音数据，并基于声音数据，执行后续的检测步骤(步骤403-步骤404)。

在步骤403中，发情检测设备可以利用预先训练的声音检测模型对接收到的声音数据进行检测，获得第一检测结果。

在本实施例中，发情检测设备接收到声音数据后，可以利用预先训练的声音检测模型对声音数据进行检测，获得第一检测结果。其中，第一检测结果可以用于指示声音数据中是否包括发情声音数据。第一检测结果用于指示声音数据中是否包括发情声音数据。具体的，第一检测结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。

在本实施例中，声音检测模型可以用于表征声音数据和第一检测结果的对应关系。实践中，发情检测设备获得声音数据后，可以将声音数据输入声音检测模型，声音检测模型可以对声音数据进行检测，以确定声音数据是否包括发情声音数据，进而输出第一检测结果。

在步骤404中，发情检测设备可以基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

在本实施例中，基于步骤403中得到的第一检测结果，发情检测设备可以生成目标结果。其中，目标结果可以用于指示目标牲畜是否发情。具体的，目标结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。

具体的，基于第一检测结果，发情检测设备可以采用各种方法生成目标结果。例如，发情检测设备可以直接将第一检测结果确定为目标结果。

在本实施例的一些可选的实现方式中，上述系统还可以包括但不限于以下至少一项：阴户图像采集设备、食槽图像采集设备、体温采集设备，其中，阴户图像采集设备被配置成：对目标牲畜的阴户进行拍摄，获得阴户图像；将所获得的阴户图像发送给发情检测设备；食槽图像采集设备被配置成：对目标牲畜的食槽进行拍摄，获得食槽图像；将所获得的食槽图像发送给发情检测设备；体温采集设备被配置成：对目标牲畜的体温进行采集，获得体温数据；将所获得的体温数据发送给发情检测设备；以及发情检测设备可以进一步被配置成：对接收到的辅助数据进行检测，获得辅助检测结果，其中，辅助数据包括以下至少一项：阴户图像、食槽图像、体温数据；基于辅助检测结果和第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

具体的，对辅助数据进行检测，以获得辅助检测结果的方法，以及基于辅助检测结果和第一检测结果，生成目标结果的方式可以参考图2对应的实施例中的内容，此处不再赘述。

在本实现方式中，发情检测设备在基于声音采集设备采集的声音数据进行发情状态的检测的同时，还可以将阴户图像、食槽图像和体温数据中的至少一个作为状态检测的辅助数据，以此，有助于生成更为准确的目标结果，提高了牲畜状态检测的多样性。

本公开的上述实施例提供的系统可以利用采集设备对目标牲畜的声音进行采集，以及利用检测设备自动对采集设备采集的声音进行检测，进而生成用于指示目标牲畜是否发情的目标结果，从而可以实现牲畜发情状态的自动化检测，相较于现有技术中需要养殖人员根据经验对牲畜的发情状态进行检测的方案，本公开的系统可以提高发情状态发现的实时性和准确性，而且有助于降低人工成本，提高发情检测的效率。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于检测牲畜状态的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于检测牲畜状态的装置500包括：第一获取单元501、第一检测单元502和生成单元503。其中，第一获取单元501被配置成获取对目标牲畜的声音进行采集所获得的声音数据；第一检测单元502被配置成利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果，其中，第一检测结果用于指示声音数据中是否包括发情声音数据；生成单元503被配置成基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

在本实施例中，用于检测牲畜状态的装置500的第一获取单元501可以通过有线连接方式或者无线连接方式从远程或本地获取对目标牲畜的声音进行采集所获得的声音数据。其中，目标牲畜可以是待对其状态进行检测的牲畜。具体的，目标牲畜可以是供人类养殖的各种牲畜，包括但不限于以下至少一项：猪、牛、羊、马。

在本实施例中，基于第一获取单元501得到的声音数据，第一检测单元502可以利用预先训练的声音检测模型对该声音数据进行检测，获得第一检测结果。其中，第一检测结果用于指示声音数据中是否包括发情声音数据。具体的，第一检测结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。

在本实施例中，声音检测模型可以用于表征声音数据和第一检测结果的对应关系。实践中，第一检测单元502获得声音数据后，可以将声音数据输入声音检测模型，声音检测模型可以对声音数据进行检测，以确定声音数据是否包括发情声音数据，进而输出第一检测结果。

在本实施例中，基于第一检测单元502得到的第一检测结果，生成单元503可以生成目标结果。其中，目标结果可以用于指示目标牲畜是否发情。具体的，目标结果可以包括但不限于以下至少一项：文字、数字、符号、图像、音频、视频。

在本实施例的一些可选的实现方式中，装置500还包括：第二获取单元(图中未示出)，被配置成获取对目标牲畜的阴户进行拍摄所获得的阴户图像；第二检测单元(图中未示出)，被配置成利用预先训练的阴户检测模型对阴户图像进行检测，获得第二检测结果，其中，第二检测结果用于指示阴户图像是否包括发情阴户特征；以及生成单元503进一步被配置成：基于第一检测结果和第二检测结果，生成用于指示目标牲畜是否发情的目标结果。

在本实施例的一些可选的实现方式中，第二检测单元包括：提取模块(图中未示出)，被配置成利用预先训练的阴户检测模型从阴户图像中提取阴户颜色特征；第一匹配模块(图中未示出)，被配置成对所提取的阴户颜色特征和预先确定的发情阴户颜色特征进行匹配，获得第一匹配结果；第一生成模块(图中未示出)，被配置成基于第一匹配结果，生成第二检测结果。

在本实施例的一些可选的实现方式中，装置500还包括：第三获取单元(图中未示出)，被配置成获取对目标牲畜的食槽进行拍摄所获得的食槽图像；第三检测单元(图中未示出)，被配置成利用预先训练的余食检测模型对食槽图像进行检测，获得第三检测结果，其中，第三检测结果用于指示目标牲畜的食槽内是否存在余食；以及生成单元503进一步被配置成：基于第一检测结果和第三检测结果，生成用于指示目标牲畜是否发情的目标结果。

在本实施例的一些可选的实现方式中，装置500还包括：第四获取单元(图中未示出)，被配置成获取对目标牲畜的体温进行采集所获得的体温数据；第四检测单元(图中未示出)，被配置成对体温数据进行检测，获得第四检测结果，其中，第四检测结果用于指示体温数据是否包括发情体温特征；以及生成单元503进一步被配置成：基于第一检测结果和第四检测结果，生成用于指示目标牲畜是否发情的目标结果。

在本实施例的一些可选的实现方式中，第四获取单元进一步被配置成：获取对目标牲畜的体温进行连续采集所获得的体温数据序列；以及第四检测单元包括：第二生成模块(图中未示出)，被配置成基于体温数据序列，生成目标牲畜的体温变化图；第二匹配模块(图中未示出)，被配置成对目标牲畜的体温变化图和预先确定的发情体温变化图进行匹配，获得第二匹配结果；第三生成模块(图中未示出)，被配置成基于第二匹配结果，生成第四检测结果。

在本实施例的一些可选的实现方式中，装置500还包括：第五获取单元(图中未示出)，被配置成获取目标牲畜的历史发情相关信息；以及生成单元503进一步被配置成：基于第一检测结果和历史发情相关信息，生成用于指示目标牲畜是否发情的目标结果。

可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。

本公开的上述实施例提供的装置500可以利用预先训练的声音检测模型，自动地对牲畜的发情状态进行检测，相较于现有技术中需要养殖人员根据经验对牲畜的发情状态进行检测的方案，本公开的方案不仅可以提高发情状态发现的实时性和准确性，而且有助于降低人工成本，提高发情检测的效率。

下面参考图6，其示出了适于用来实现本公开实施例的检测设备(例如图1中的检测设备)600的结构示意图。图6示出的检测设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，检测设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有检测设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许检测设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的检测设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述检测设备中所包含的；也可以是单独存在，而未装配入该检测设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该检测设备执行时，使得该检测设备：获取对目标牲畜的声音进行采集所获得的声音数据；利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果，其中，第一检测结果用于指示声音数据中是否包括发情声音数据；基于第一检测结果，生成用于指示目标牲畜是否发情的目标结果。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元第一检测单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取声音数据的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种用于检测牲畜状态的方法，应用于边缘计算网关，包括：

获取对目标牲畜的声音进行采集所获得的声音数据；

利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果，其中，所述第一检测结果用于指示所述声音数据中是否包括发情声音数据；

获取对所述目标牲畜的阴户进行连续拍摄所获得的阴户图像序列；利用预先训练的阴户检测模型提取所述阴户图像序列中的各阴户图像的阴户颜色特征，以及绘制阴户颜色特征变化图，所述阴户颜色特征采用颜色值表示；

获取发情阴户特征对应的颜色值变化图；

确定绘制的阴户颜色特征变化图与所述颜色值变化图的相似度，以及根据确定的相似度和预设的相似度阈值生成用于指示所述阴户图像是否包括发情阴户特征的第二检测结果；

获取对所述目标牲畜的体温进行连续采集所获得的体温数据序列；基于所述体温数据序列，生成所述目标牲畜的体温变化图；确定所述体温变化图和预先确定的发情体温变化图的相似度；根据所述相似度确定第四检测结果；

获取所述目标牲畜的历史发情相关信息，其中，所述历史发情相关信息包括：历史发情时间、历史发情周期、历史发情阶段的配种时间、历史发情的次数；

基于所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息，生成用于指示所述目标牲畜是否发情的目标结果，其中，所述历史发情相关信息用于对所述第一检测结果、第二检测结果和第四检测结果进行辅助检测；

其中，所述基于所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息，生成用于指示所述目标牲畜是否发情的目标结果，包括：

响应于确定所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息中的至少两个指示所述目标牲畜处于发情状态，生成用于指示所述目标牲畜发情的目标结果；

响应于确定所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息中的少于两个指示所述目标牲畜处于未发情状态，生成用于指示所述目标牲畜未发情的目标结果。

2.根据权利要求1所述的方法，其中，所述方法还包括：

获取对所述目标牲畜的食槽进行拍摄所获得的食槽图像；

利用预先训练的余食检测模型对所述食槽图像进行检测，获得第三检测结果，其中，所述第三检测结果用于指示所述目标牲畜的食槽内是否存在余食；以及

所述基于所述第一检测结果，生成用于指示所述目标牲畜是否发情的目标结果包括：

基于所述第一检测结果和所述第三检测结果，生成用于指示所述目标牲畜是否发情的目标结果。

3.一种用于检测牲畜状态的系统，包括：声音采集设备、发情检测设备和阴户图像采集设备，其中，所述发情检测设备为边缘计算网关；

所述声音采集设备被配置成：对目标牲畜的声音进行采集，获得声音数据；将所获得的声音数据发送给所述发情检测设备；

所述阴户图像采集设备被配置成：获取对所述目标牲畜的阴户进行连续拍摄所获得的阴户图像序列，以及获取发情阴户特征对应的颜色值变化图，阴户颜色特征采用颜色值表示；

所述发情检测设备被配置成：获取所述声音采集设备发送的声音数据；利用预先训练的声音检测模型对所述声音数据进行检测，获得第一检测结果，其中，所述第一检测结果用于指示所述声音数据中是否包括发情声音数据；利用预先训练的阴户检测模型提取所述阴户图像序列中的各阴户图像的阴户颜色特征，以及绘制阴户颜色特征变化图；确定绘制的阴户颜色特征变化图与所述颜色值变化图的相似度，以及根据确定的相似度和预设的相似度阈值生成用于指示所述阴户图像是否包括发情阴户特征的第二检测结果；获取对所述目标牲畜的体温进行连续采集所获得的体温数据序列；基于所述体温数据序列，生成所述目标牲畜的体温变化图；确定所述体温变化图和预先确定的发情体温变化图的相似度；根据所述相似度确定第四检测结果；获取所述目标牲畜的历史发情相关信息，其中，所述历史发情相关信息包括：历史发情时间、历史发情周期、历史发情阶段的配种时间、历史发情的次数；基于所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息，生成用于指示所述目标牲畜是否发情的目标结果，其中，所述历史发情相关信息用于对所述第一检测结果、第二检测结果和第四检测结果进行辅助检测；响应于确定所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息中的至少两个指示所述目标牲畜处于发情状态，生成用于指示所述目标牲畜发情的目标结果；响应于确定所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息中的少于两个指示所述目标牲畜处于未发情状态，生成用于指示所述目标牲畜未发情的目标结果。

4.根据权利要求3所述的系统，其中，所述系统还包括以下至少一项：阴户图像采集设备、食槽图像采集设备、体温采集设备，其中，

所述阴户图像采集设备被配置成：对所述目标牲畜的阴户进行拍摄，获得阴户图像；将所获得的阴户图像发送给所述发情检测设备；

所述食槽图像采集设备被配置成：对所述目标牲畜的食槽进行拍摄，获得食槽图像；将所获得的食槽图像发送给所述发情检测设备；

所述体温采集设备被配置成：对所述目标牲畜的体温进行采集，获得体温数据；将所获得的体温数据发送给所述发情检测设备；以及

所述发情检测设备进一步被配置成：对接收到的辅助数据进行检测，获得辅助检测结果，其中，辅助数据包括以下至少一项：阴户图像、食槽图像、体温数据；基于辅助检测结果和第一检测结果，生成用于指示所述目标牲畜是否发情的目标结果。

5.一种用于检测牲畜状态的装置，应用于边缘计算网关，包括：

第一获取单元，被配置成获取对目标牲畜的声音进行采集所获得的声音数据；

第一检测单元，被配置成利用预先训练的声音检测模型对所获取的声音数据进行检测，获得第一检测结果，其中，所述第一检测结果用于指示所述声音数据中是否包括发情声音数据；

第二获取单元，被配置成获取对所述目标牲畜的阴户进行连续拍摄所获得的阴户图像序列，以及获取发情阴户特征对应的颜色值变化图；

第二检测单元，被配置成利用预先训练的阴户检测模型提取所述阴户图像序列中的各阴户图像的阴户颜色特征，以及绘制阴户颜色特征变化图；确定绘制的阴户颜色特征变化图与所述颜色值变化图的相似度，以及根据确定的相似度和预设的相似度阈值生成用于指示所述阴户图像是否包括发情阴户特征的第二检测结果，所述阴户颜色特征采用颜色值表示；

第四获取单元，被配置成：获取对所述目标牲畜的体温进行连续采集所获得的体温数据序列；第四检测单元被配置成：基于所述体温数据序列，生成所述目标牲畜的体温变化图；确定所述体温变化图和预先确定的发情体温变化图的相似度；根据所述相似度确定第四检测结果；

第五获取单元，被配置成获取所述目标牲畜的历史发情相关信息，其中，所述历史发情相关信息包括：历史发情时间、历史发情周期、历史发情阶段的配种时间、历史发情的次数；

生成单元，被配置成基于所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息，生成用于指示所述目标牲畜是否发情的目标结果，其中，所述历史发情相关信息用于对所述第一检测结果、第二检测结果和第四检测结果进行辅助检测；

所述生成单元进一步被配置成：响应于确定所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息中的至少两个指示所述目标牲畜处于发情状态，生成用于指示所述目标牲畜发情的目标结果；响应于确定所述第一检测结果、第二检测结果、第四检测结果和历史发情相关信息中的少于两个指示所述目标牲畜处于未发情状态，生成用于指示所述目标牲畜未发情的目标结果。

6.一种检测设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1或2所述的方法。

7.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1或2所述的方法。