CN111568598A - 一种智能绵羊繁殖能力检测的系统及方法 - Google Patents
一种智能绵羊繁殖能力检测的系统及方法 Download PDFInfo
- Publication number
- CN111568598A CN111568598A CN202010378920.2A CN202010378920A CN111568598A CN 111568598 A CN111568598 A CN 111568598A CN 202010378920 A CN202010378920 A CN 202010378920A CN 111568598 A CN111568598 A CN 111568598A
- Authority
- CN
- China
- Prior art keywords
- sheep
- image
- module
- breeding
- electronic tag
- 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
- 241001494479 Pecora Species 0.000 title claims abstract description 231
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 230000001850 reproductive effect Effects 0.000 title claims abstract description 14
- 238000009395 breeding Methods 0.000 claims abstract description 84
- 230000001488 breeding effect Effects 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000036541 health Effects 0.000 claims abstract description 36
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000000007 visual effect Effects 0.000 claims description 33
- 230000000694 effects Effects 0.000 claims description 19
- 230000035558 fertility Effects 0.000 claims description 19
- 230000035622 drinking Effects 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000003651 drinking water Substances 0.000 claims description 3
- 235000020188 drinking water Nutrition 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 244000144972 livestock Species 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009304 pastoral farming Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000235935 Hilaria belangeri Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 210000000003 hoof Anatomy 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 210000000537 nasal bone Anatomy 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61D—VETERINARY INSTRUMENTS, IMPLEMENTS, TOOLS, OR METHODS
- A61D19/00—Instruments or methods for reproduction or fertilisation
-
- 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
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Veterinary Medicine (AREA)
- Reproductive Health (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Image Analysis (AREA)
Abstract
本发明属于智能绵羊繁殖能力检测技术领域,公开了一种智能绵羊繁殖能力检测的系统及方法,包括:绵羊图像采集模块、体征信息采集模块、基因信息采集模块、主控模块、健康监控模块、繁殖数计算模块、繁殖评价模块、云服务模块、显示模块。本发明通过健康监控模块采集数据方法简单,数据内容丰富,数据挖掘后可产生可靠性较强的个体数据,有利于养殖场的人力精简、成本缩减和精确到个体的绵羊生长过程的行为监控和溯源,实现绵羊健康状态的实时监控;同时,通过繁殖数计算模块利用对拍摄图像进行灰度处理、拼接处理以及滤波、阈值处理等,将拍摄图像转换成二值图像,并在二值图像中进行轮廓检索以得到绵羊繁殖群体数目。
Description
技术领域
本发明属于智能绵羊繁殖能力检测技术领域,尤其涉及一种智能绵羊繁殖能力检测的系统及方法。
背景技术
绵羊体躯丰满,被毛绵密,头短。公绵羊多有螺旋状大角具有威慑性,母绵羊无角或角细小。颅骨上具泪窝,鼻骨较隆起。四蹄都有趾腺。公绵羊无偞气。体重有十千克至百余千克不等。其构造和习性因具有多种特点而适于放牧;嘴尖、唇薄而灵活,利于采食短草,亦能采食粗硬的秸秆、树枝;消化能力强;有的种类可在尾部、臀部和内脏器官周围蓄积脂肪,以供冬春青饲料缺乏时消耗;仿效性、合群性强,有跟随领头羊(通常是老母绵羊)集合成群的习性;放牧时好向高处采食,夜间亦喜睡于牧地高处。由于被毛的保温和隔热作用,能耐寒、耐热;但在剪毛后不久,如果天气骤冷,或被雨淋时容易得病。一般喜干燥而怕湿热。性怯懦,自卫能力弱,易受兽害。自然寿命约15岁。然而,现有智能绵羊繁殖能力检测过程中不能准确的对绵羊的健康进行监控;同时,通过人工对绵羊繁殖群计数费时费力,计算不准确,影响对绵羊繁殖能力的预测。
综上所述,现有技术存在的问题是:
现有智能绵羊繁殖能力检测过程中不能准确的对绵羊的健康进行监控;同时,通过人工对绵羊繁殖群计数费时费力,计算不准确,影响对绵羊繁殖能力的预测。
发明内容
针对现有技术存在的问题,本发明提供了一种智能绵羊繁殖能力检测的系统及方法。
本发明是这样实现的,一种智能绵羊繁殖能力检测方法,包括以下步骤:
步骤一,通过利用摄像器采集绵羊繁殖群体图像数据,利用相关的图像数据处理程序采集繁殖绵羊生命体征数据;通过利用基因检测采集器采集繁殖绵羊的基因数据;
步骤二,根据上述获取的数据,对绵羊的健康状态进行监控;
步骤三,根据步骤二中绵羊的健康状态,对绵羊的繁殖力进行评估,估算绵羊繁殖的数量;
步骤四,将上述的数据传递到云服务器中,利用相关的云计算对采集的绵羊数据进行云处理,同时云服务器将信息传递到各个终端;
步骤五,通过利用显示器显示采集的绵羊繁殖群体图像、生命体征、基因数据及健康、繁殖数、评价结果信息。
所述步骤二中,绵羊健康评估方法,还包括:
(1)为每只绵羊佩戴电子标签,在绵羊活动区域设置相应的电子标签阅读器,以及在绵羊活动区域设置用于采集绵羊活动视频图像的摄像装置;
(2)利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息;
(3)根据所述个体移动轨迹信息每间隔时间获取一次每只绵羊的位移总量;
(4)根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊吃料情况,所述吃料情况包括靠近料槽次数和每次吃料逗留时长;
(5)根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊饮水情况,所述饮水情况包括靠近水槽次数和每次饮水逗留时长。
进一步,所述利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息具体包括以下步骤:
利用所述电子标签阅读器获取每只绵羊的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器的地理位置;
利用所述视频图像获取所述视频图像中每只绵羊的视觉移动轨迹信息;
根据每只绵羊电子标签身份被识别时的时间和所述电子标签阅读器的地理位置遍历所有所述视觉移动轨迹信息,获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器的地理位置的所述视觉移动轨迹信息,并将其匹配至相应的电子标签身份下形成与所述电子签身份相对应的个体移动轨迹信息。
进一步,所述利用所述视频图像获取所述视频图像中每只绵羊的视觉移动轨迹信息具体包括以下步骤:
利用深度学习技术,识别所述视频图像每一帧中的所有绵羊个体;对每一帧中每只牲畜赋予视觉编号,若当前帧中具有与前一帧中相同的绵羊个体,则赋予当前帧中绵羊个体与前一帧中绵羊个体相同的视觉编号;
获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息。
进一步,所述步骤三中,繁殖数计算方法如下:
1)通过摄像器获取绵羊繁殖群体拍摄图像;
2)对所述拍摄图像进行预处理,所述预处理包括并行灰度处理、拼接处理以及高斯滤波处理;
3)对预处理后的拍摄图像进行阈值处理以及形态学滤波处理以获取所述绵羊繁殖群体的二值图像;
4)对所述二值图像进行轮廓检索以得到绵羊繁殖群体数目。
5、如权利要求4所述智能绵羊繁殖能力检测的系统,其特征在于,所述并行灰度处理包括:
对拍摄图像按行进行分块,根据RGB和YUV颜色空间的变化关系建立亮度值Y与RGB三个颜色分量的对应关系,即Y=0.3R+0.59G+0.11B,同时获取每块中的每个像素的亮度值;
将该亮度值作为所述拍摄图像的灰度值以得到灰度图像。
进一步,所述拼接处理包括:
根据并行FFT算法获取灰度图像的频域信息图像;
根据灰度图像的频域信息图像获取相邻拍摄图像的互功率谱;
根据相邻拍摄图像的互功率谱峰值对拍摄图像进行反向拼接;
使用渐出渐入的图像融合方法优化拼接结果。
进一步,所述并行FFT算法包括:
将灰度图像按行分成多块,每块根据一维FFT处理算法按行同时并行运算,得到中间图像;
对中间图像按列分成多块,每块再根据一维FFT处理算法按列同时并行运算,得到灰度图像的频域信息图像。
进一步,所述阈值处理包括:
将所述拍摄图像的每个像素点的灰度值与预设阈值进行比较;
当像素点的灰度值小于或等于预设阈值时,将该像素点的灰度值赋予第一灰度值;
当像素点的灰度值大于预设阈值时,将该像素点的灰度值赋予第二灰度值。
进一步,所述对所述二值图像进行轮廓检索以得到绵羊群体数目包括:
判断所述二值图像中灰度值为第一灰度值的像素点的所有相邻像素点的灰度值是否均为第一灰度值;
当所述二值图像中灰度值为第一灰度值的像素点的所有相邻像素点的灰度值不是均为第一灰度值时,将该像素点标记为轮廓点;
以该轮廓点为起始轮廓点,对该起始轮廓点的所有相邻像素点按照逆时针进行轮廓检索,直至回到该起始轮廓点完成一个轮廓检索;
重复上述步骤,直至完成所有的轮廓检索;
将轮廓的数量作为绵羊繁殖群体数目。
本发明提供的另一目的在于提供一种实施所述的智能绵羊繁殖能力检测方法的智能绵羊繁殖能力检测的系统,所述智能绵羊繁殖能力检测的系统包括:
绵羊图像采集模块、体征信息采集模块、基因信息采集模块、主控模块、健康监控模块、繁殖数计算模块、繁殖评价模块、云服务模块、显示模块;
绵羊图像采集模块,与主制模块连接,通过摄像器采集绵羊繁殖群体图像数据,并且对获取的图像数据进行去噪增强,将灰度值模板在需要处理的绵羊群体图像中移动,将灰度值模板与影像中的特别位置像素相互重合;根据灰度值模板与特别位置像素的对比数据,确定对特别位置对应像素的灰度值;利用相关的程序,找出灰度值中中间的数据;将中间的数据作为标准值,对图像上的每个像素点进行校正;
体征信息采集模块,与主制模块连接,对采集的绵羊图像数据,利用相关的程序,提取能反映绵羊体征的数据;根据绵羊体征的图像数据,判断绵羊体征信息;
基因信息采集模块,与主制模块连接,利用基因检测采集器采集繁殖绵羊的基因数据,并根据采集的基因信息,提取绵羊体质特征信息;
主控模块,与绵羊图像采集模块、体征信息采集模块、基因信息采集模块、健康监控模块、繁殖数计算模块、繁殖评价模块、云服务模块、显示模块连接,用于通过主机控制各个模块正常工作;
健康监控模块,与主制模块连接,在绵羊活动区域设置相应的电子标签阅读器,以及在绵羊活动区域设置用于采集绵羊活动视频图像的摄像装置;利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息;根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊吃料情况,所述吃料情况包括靠近料槽次数和每次吃料逗留时长;根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊饮水情况,所述饮水情况包括靠近水槽次数和每次饮水逗留时长,实现对对繁殖绵羊的健康进行监控;
繁殖数计算模块,与主制模块连接,通过摄像器获取绵羊繁殖群体拍摄图像,对所述拍摄图像进行预处理,所述预处理包括并行灰度处理、拼接处理以及高斯滤波处理,对预处理后的拍摄图像进行阈值处理以及形态学滤波处理以获取所述绵羊繁殖群体的二值图像,对所述二值图像进行轮廓检索以得到绵羊繁殖群体数目;
繁殖评价模块,与主制模块连接,用于通过评价程序根据采集的数据对绵羊的繁殖力进行评价;
云服务模块,与主制模块连接,云服务器接收上述的数据,利用相关的云计算对采集的绵羊数据进行云处理,同时云服务器将信息传递到各个终端;
显示模块,与主制模块连接,用于通过显示器显示采集的绵羊繁殖群体图像、生命体征、基因数据及健康、繁殖数、评价结果信息。
本发明的优点及积极效果为:
本发明通过健康监控模块采集数据方法简单,数据内容丰富,数据挖掘后可产生可靠性较强的个体数据,有利于养殖场的人力精简、成本缩减和精确到个体的绵羊生长过程的行为监控和溯源,实现科学化、个体化绵羊养殖管理,实现绵羊健康状态的实时监控;同时,通过繁殖数计算模块利用对拍摄图像进行灰度处理、拼接处理以及滤波、阈值处理等,将拍摄图像转换成二值图像,并在二值图像中进行轮廓检索以得到绵羊繁殖群体数目。
本发明在对获取绵羊繁殖群体图像数据的预处理过程中,采用的噪声剔除方法,可以使图像的边缘得到最真实的数据,保留图像的最大最精确的数据。
附图说明
图1是本发明实施例提供的智能绵羊繁殖能力检测的方法流程图。
图2是本发明实施例提供的智能绵羊繁殖能力检测的系统结构框图。
图2中:1、绵羊图像采集模块;2、体征信息采集模块;3、基因信息采集模块;4、主控模块;5、健康监控模块;6、繁殖数计算模块;7、繁殖评价模块;8、云服务模块;9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的智能绵羊繁殖能力检测的方法包括以下步骤:
S101:通过利用摄像器采集绵羊繁殖群体图像数据,利用相关的图像数据处理程序采集繁殖绵羊生命体征数据;通过利用基因检测采集器采集繁殖绵羊的基因数据。
S102:根据上述获取的数据,对绵羊的健康状态进行监控。
S103:根据步骤二中绵羊的健康状态,对绵羊的繁殖力进行评估,估算绵羊繁殖的数量。
S104:将上述的数据传递到云服务器中,利用相关的云计算对采集的绵羊数据进行云处理,同时云服务器将信息传递到各个终端。
S105:通过利用显示器显示采集的绵羊繁殖群体图像、生命体征、基因数据及健康、繁殖数、评价结果信息。
如图2所示,本发明实施例提供的智能绵羊繁殖能力检测的系统包括:绵羊图像采集模块、体征信息采集模块、基因信息采集模块、主控模块、健康监控模块、繁殖数计算模块、繁殖评价模块、云服务模块、显示模块;
绵羊图像采集模块,与主制模块连接,通过摄像器采集绵羊繁殖群体图像数据,并且对获取的图像数据进行去噪增强,将灰度值模板在需要处理的绵羊群体图像中移动,将灰度值模板与影像中的特别位置像素相互重合;根据灰度值模板与特别位置像素的对比数据,确定对特别位置对应像素的灰度值;利用相关的程序,找出灰度值中中间的数据;将中间的数据作为标准值,对图像上的每个像素点进行校正。
体征信息采集模块,与主制模块连接,对采集的绵羊图像数据,利用相关的程序,提取能反映绵羊体征的数据;根据绵羊体征的图像数据,判断绵羊体征信息。
基因信息采集模块,与主制模块连接,利用基因检测采集器采集繁殖绵羊的基因数据,并根据采集的基因信息,提取绵羊体质特征信息。
主控模块,与绵羊图像采集模块、体征信息采集模块、基因信息采集模块、健康监控模块、繁殖数计算模块、繁殖评价模块、云服务模块、显示模块连接,用于通过主机控制各个模块正常工作。
健康监控模块,与主制模块连接,在绵羊活动区域设置相应的电子标签阅读器,以及在绵羊活动区域设置用于采集绵羊活动视频图像的摄像装置;利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息;根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊吃料情况,所述吃料情况包括靠近料槽次数和每次吃料逗留时长;根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊饮水情况,所述饮水情况包括靠近水槽次数和每次饮水逗留时长,实现对对繁殖绵羊的健康进行监控。
繁殖数计算模块,与主制模块连接,通过摄像器获取绵羊繁殖群体拍摄图像,对所述拍摄图像进行预处理,所述预处理包括并行灰度处理、拼接处理以及高斯滤波处理,对预处理后的拍摄图像进行阈值处理以及形态学滤波处理以获取所述绵羊繁殖群体的二值图像,对所述二值图像进行轮廓检索以得到绵羊繁殖群体数目。
繁殖评价模块,与主制模块连接,用于通过评价程序根据采集的数据对绵羊的繁殖力进行评价。
云服务模块,与主制模块连接,云服务器接收上述的数据,利用相关的云计算对采集的绵羊数据进行云处理,同时云服务器将信息传递到各个终端。
显示模块,与主制模块连接,用于通过显示器显示采集的绵羊繁殖群体图像、生命体征、基因数据及健康、繁殖数、评价结果信息。
本发明提供的与主制模块4连接,用于通过摄像器采集绵羊繁殖群体图像数据的绵羊图像采集模块1对绵羊繁殖群体图像进行处理的具体过程如下:
将灰度值模板在需要处理的绵羊群体图像中移动,将灰度值模板与影像中的特别位置像素相互重合;根据灰度值模板与特别位置像素的对比数据,确定对特别位置对应像素的灰度值;
将绵羊群体图像所测的灰度值数据,按照一定的顺序从小到大排成一列;
利用相关的程序,找出灰度值中中间的数据;将中间的数据作为标准值,对图像上的每个像素点进行校正,得到图像增强的图像。
本发明提供的与绵羊图像采集模块1、体征信息采集模块2、基因信息采集模块3、健康监控模块5、繁殖数计算模块6、繁殖评价模块7、云服务模块8、显示模块9连接,用于通过主机控制各个模块正常工作的主控模块4中剔除绵羊群体图像中的噪声的具体过程如下:
一定尺度L上的每一个模极大值为假定的信号模极大值点,根据设定的标准参数,设定L+1为一定范围的搜索区间;以一定尺度L上的点为原点,按照一定的尺度的范围作为搜索;
检测每个搜索区间内的点,判断是否有模极大值点;在搜索区间内没有模极大值点,将尺度L上的该极大值点为噪声形成的模极大值点;
在搜索区间内找到极大值点,将该极大值点作为噪声形成的模极大值点;
将搜索区间内的模极大值点与尺度L上的原点相互重合,得到真实的边缘。
本发明提供的提出剔除噪声的绵羊图像进行重构的方法,具体包括:
对剔除噪声的绵羊图像分别利用小波进行变换,建立图像的小波塔型分解;
对各分解层分别采用不同的融合算子进行融合处理,得到融合后的小波金字塔;
对融合后所得小波金字塔进行小波重构,最终得到增强的重构图像。
本发明提供的健康监控模块5监控方法如下:
(1)为每只绵羊佩戴电子标签,在绵羊活动区域设置相应的电子标签阅读器,以及在绵羊活动区域设置用于采集绵羊活动视频图像的摄像装置;
(2)利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息;
(3)根据所述个体移动轨迹信息每间隔时间获取一次每只绵羊的位移总量;
(4)根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊吃料情况,所述吃料情况包括靠近料槽次数和每次吃料逗留时长;
(5)根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊饮水情况,所述饮水情况包括靠近水槽次数和每次饮水逗留时长。
本发明提供的利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息具体包括以下步骤:
利用所述电子标签阅读器获取每只绵羊的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器的地理位置;
利用所述视频图像获取所述视频图像中每只绵羊的视觉移动轨迹信息;
根据每只绵羊电子标签身份被识别时的时间和所述电子标签阅读器的地理位置遍历所有所述视觉移动轨迹信息,获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器的地理位置的所述视觉移动轨迹信息,并将其匹配至相应的电子标签身份下形成与所述电子签身份相对应的个体移动轨迹信息。
本发明提供的利用所述视频图像获取所述视频图像中每只绵羊的视觉移动轨迹信息具体包括以下步骤:
利用深度学习技术,识别所述视频图像每一帧中的所有绵羊个体;对每一帧中每只牲畜赋予视觉编号,若当前帧中具有与前一帧中相同的绵羊个体,则赋予当前帧中绵羊个体与前一帧中绵羊个体相同的视觉编号;
获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息。
本发明提供的繁殖数计算模块6计算方法如下:
1)通过摄像器获取绵羊繁殖群体拍摄图像;
2)对所述拍摄图像进行预处理,所述预处理包括并行灰度处理、拼接处理以及高斯滤波处理;
3)对预处理后的拍摄图像进行阈值处理以及形态学滤波处理以获取所述绵羊繁殖群体的二值图像;
4)对所述二值图像进行轮廓检索以得到绵羊繁殖群体数目。
本发明提供的并行灰度处理包括:
对拍摄图像按行进行分块,根据RGB和YUV颜色空间的变化关系建立亮度值Y与RGB三个颜色分量的对应关系,即Y=0.3R+0.59G+0.11B,同时获取每块中的每个像素的亮度值;
将该亮度值作为所述拍摄图像的灰度值以得到灰度图像。
本发明提供的拼接处理包括:
根据并行FFT算法获取灰度图像的频域信息图像;
根据灰度图像的频域信息图像获取相邻拍摄图像的互功率谱;
根据相邻拍摄图像的互功率谱峰值对拍摄图像进行反向拼接;
使用渐出渐入的图像融合方法优化拼接结果。
本发明提供的并行FFT算法包括:
将灰度图像按行分成多块,每块根据一维FFT处理算法按行同时并行运算,得到中间图像;
对中间图像按列分成多块,每块再根据一维FFT处理算法按列同时并行运算,得到灰度图像的频域信息图像。
本发明提供的阈值处理包括:
将所述拍摄图像的每个像素点的灰度值与预设阈值进行比较;
当像素点的灰度值小于或等于预设阈值时,将该像素点的灰度值赋予第一灰度值;
当像素点的灰度值大于预设阈值时,将该像素点的灰度值赋予第二灰度值。
本发明提供的对所述二值图像进行轮廓检索以得到绵羊群体数目包括:
判断所述二值图像中灰度值为第一灰度值的像素点的所有相邻像素点的灰度值是否均为第一灰度值;
当所述二值图像中灰度值为第一灰度值的像素点的所有相邻像素点的灰度值不是均为第一灰度值时,将该像素点标记为轮廓点;
以该轮廓点为起始轮廓点,对该起始轮廓点的所有相邻像素点按照逆时针进行轮廓检索,直至回到该起始轮廓点完成一个轮廓检索;
重复上述步骤,直至完成所有的轮廓检索;
将轮廓的数量作为绵羊繁殖群体数目。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种智能绵羊繁殖能力检测方法,其特征在于,所述智能绵羊繁殖能力检测方法,包括以下步骤:
步骤一,通过利用摄像器采集绵羊繁殖群体图像数据,利用相关的图像数据处理程序采集繁殖绵羊生命体征数据;通过利用基因检测采集器采集繁殖绵羊的基因数据;
步骤二,根据上述获取的数据,对绵羊的健康状态进行监控;
步骤三,根据步骤二中绵羊的健康状态,对绵羊的繁殖力进行评估,估算绵羊繁殖的数量;
步骤四,对上述的数据传递到云服务器中,利用相关的云计算对采集的绵羊数据进行云处理,同时云服务器将信息传递到各个终端;
步骤五,通过利用显示器显示采集的绵羊繁殖群体图像、生命体征、基因数据及健康、繁殖数、评价结果信息;
所述步骤二中,绵羊健康采集方法,还包括:
(1)为每只绵羊佩戴电子标签,在绵羊活动区域设置相应的电子标签阅读器,以及在绵羊活动区域设置用于采集绵羊活动视频图像的摄像装置;
(2)利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息;
(3)根据所述个体移动轨迹信息每间隔时间获取一次每只绵羊的位移总量;
(4)根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊吃料情况,所述吃料情况包括靠近料槽次数和每次吃料逗留时长;
(5)根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊饮水情况,所述饮水情况包括靠近水槽次数和每次饮水逗留时长。
2.如权利要求1所述智能绵羊繁殖能力检测方法,其特征在于,所述利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息具体包括以下步骤:
利用所述电子标签阅读器获取每只绵羊的电子标签身份、电子标签身份被识别时的时间以及所述电子标签阅读器的地理位置;
利用所述视频图像获取所述视频图像中每只绵羊的视觉移动轨迹信息;
根据每只绵羊电子标签身份被识别时的时间和所述电子标签阅读器的地理位置遍历所有所述视觉移动轨迹信息,获取具有相同且相应电子标签身份被识别时的时间和所述电子标签阅读器的地理位置的所述视觉移动轨迹信息,并将其匹配至相应的电子标签身份下形成与所述电子签身份相对应的个体移动轨迹信息。
3.如权利要求2所述智能绵羊繁殖能力检测方法,其特征在于,所述利用所述视频图像获取所述视频图像中每只绵羊的视觉移动轨迹信息具体包括以下步骤:
利用深度学习技术,识别所述视频图像每一帧中的所有绵羊个体;对每一帧中每只牲畜赋予视觉编号,若当前帧中具有与前一帧中相同的绵羊个体,则赋予当前帧中绵羊个体与前一帧中绵羊个体相同的视觉编号;
获取每个所述视觉编号在所述视频图像每一帧中的帧位置和所述视频图像每一帧对应的时间形成所述视觉编号、所述视觉编号在所述视频图像每一帧中的帧位置以及所述视频图像每一帧的时间一一对应的视觉移动轨迹信息。
4.如权利要求1所述智能绵羊繁殖能力检测方法,其特征在于,所述步骤三中,繁殖数计算方法如下:
1)通过摄像器获取绵羊繁殖群体拍摄图像;
2)对所述拍摄图像进行预处理,所述预处理包括并行灰度处理、拼接处理以及高斯滤波处理;
3)对预处理后的拍摄图像进行阈值处理以及形态学滤波处理以获取所述绵羊繁殖群体的二值图像;
4)对所述二值图像进行轮廓检索以得到绵羊繁殖群体数目。
5.如权利要求4所述智能绵羊繁殖能力检测的系统,其特征在于,所述并行灰度处理包括:
对拍摄图像按行进行分块,根据RGB和YUV颜色空间的变化关系建立亮度值Y与RGB三个颜色分量的对应关系,即Y=0.3R+0.59G+0.11B,同时获取每块中的每个像素的亮度值;
将该亮度值作为所述拍摄图像的灰度值以得到灰度图像。
6.如权利要求4所述智能绵羊繁殖能力检测方法,其特征在于,所述拼接处理包括:
根据并行FFT算法获取灰度图像的频域信息图像;
根据灰度图像的频域信息图像获取相邻拍摄图像的互功率谱;
根据相邻拍摄图像的互功率谱峰值对拍摄图像进行反向拼接;
使用渐出渐入的图像融合方法优化拼接结果。
7.如权利要求6所述智能绵羊繁殖能力检测方法,其特征在于,所述并行FFT算法包括:
将灰度图像按行分成多块,每块根据一维FFT处理算法按行同时并行运算,得到中间图像;
对中间图像按列分成多块,每块再根据一维FFT处理算法按列同时并行运算,得到灰度图像的频域信息图像。
8.如权利要求4所述智能绵羊繁殖能力检测方法,其特征在于,所述阈值处理包括:
将所述拍摄图像的每个像素点的灰度值与预设阈值进行比较;
当像素点的灰度值小于或等于预设阈值时,将该像素点的灰度值赋予第一灰度值;
当像素点的灰度值大于预设阈值时,将该像素点的灰度值赋予第二灰度值。
9.如权利要求4所述智能绵羊繁殖能力检测方法,其特征在于,所述对所述二值图像进行轮廓检索以得到绵羊群体数目包括:
判断所述二值图像中灰度值为第一灰度值的像素点的所有相邻像素点的灰度值是否均为第一灰度值;
当所述二值图像中灰度值为第一灰度值的像素点的所有相邻像素点的灰度值不是均为第一灰度值时,将该像素点标记为轮廓点;
以该轮廓点为起始轮廓点,对该起始轮廓点的所有相邻像素点按照逆时针进行轮廓检索,直至回到该起始轮廓点完成一个轮廓检索;
重复上述步骤,直至完成所有的轮廓检索;
将轮廓的数量作为绵羊繁殖群体数目。
10.一种实施权利要求1-7所述的智能绵羊繁殖能力检测方法的智能绵羊繁殖能力检测的系统,其特征在于,所述智能绵羊繁殖能力检测的系统包括:
绵羊图像采集模块、体征信息采集模块、基因信息采集模块、主控模块、健康监控模块、繁殖数计算模块、繁殖评价模块、云服务模块、显示模块;
绵羊图像采集模块,与主制模块连接,通过摄像器采集绵羊繁殖群体图像数据,并且对获取的图像数据进行去噪增强,将灰度值模板在需要处理的绵羊群体图像中移动,将灰度值模板与影像中的特别位置像素相互重合;根据灰度值模板与特别位置像素的对比数据,确定对特别位置对应像素的灰度值;利用相关的程序,找出灰度值中中间的数据;将中间的数据作为标准值,对图像上的每个像素点进行校正;
体征信息采集模块,与主制模块连接,对采集的绵羊图像数据,利用相关的程序,提取能反映绵羊体征的数据;根据绵羊体征的图像数据,判断绵羊体征信息;
基因信息采集模块,与主制模块连接,利用基因检测采集器采集繁殖绵羊的基因数据,并根据采集的基因信息,提取绵羊体质特征信息;
主控模块,与绵羊图像采集模块、体征信息采集模块、基因信息采集模块、健康监控模块、繁殖数计算模块、繁殖评价模块、云服务模块、显示模块连接,用于通过主机控制各个模块正常工作;
健康监控模块,与主制模块连接,在绵羊活动区域设置相应的电子标签阅读器,以及在绵羊活动区域设置用于采集绵羊活动视频图像的摄像装置;利用所述电子标签阅读器和所述摄像装置采集的视频图像获取每只绵羊的电子标签身份以及与所述电子标签身份相对应的个体移动轨迹信息;根据料槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊吃料情况,所述吃料情况包括靠近料槽次数和每次吃料逗留时长;根据水槽在所述视频图像中的位置和所述个体移动轨迹信息获取每只绵羊饮水情况,所述饮水情况包括靠近水槽次数和每次饮水逗留时长,实现对对繁殖绵羊的健康进行监控;
繁殖数计算模块,与主制模块连接,通过摄像器获取绵羊繁殖群体拍摄图像,对所述拍摄图像进行预处理,所述预处理包括并行灰度处理、拼接处理以及高斯滤波处理,对预处理后的拍摄图像进行阈值处理以及形态学滤波处理以获取所述绵羊繁殖群体的二值图像,对所述二值图像进行轮廓检索以得到绵羊繁殖群体数目;
繁殖评价模块,与主制模块连接,用于通过评价程序根据采集的数据对绵羊的繁殖力进行评价;
云服务模块,与主制模块连接,云服务器接收上述的数据,利用相关的云计算对采集的绵羊数据进行云处理,同时云服务器将信息传递到各个终端;
显示模块,与主制模块连接,用于通过显示器显示采集的绵羊繁殖群体图像、生命体征、基因数据及健康、繁殖数、评价结果信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010378920.2A CN111568598A (zh) | 2020-05-07 | 2020-05-07 | 一种智能绵羊繁殖能力检测的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010378920.2A CN111568598A (zh) | 2020-05-07 | 2020-05-07 | 一种智能绵羊繁殖能力检测的系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111568598A true CN111568598A (zh) | 2020-08-25 |
Family
ID=72109197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010378920.2A Pending CN111568598A (zh) | 2020-05-07 | 2020-05-07 | 一种智能绵羊繁殖能力检测的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111568598A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101338340A (zh) * | 2008-08-29 | 2009-01-07 | 中国农业科学院北京畜牧兽医研究所 | 一种检测山羊繁殖力的方法 |
CN101472469A (zh) * | 2006-04-18 | 2009-07-01 | Iti苏格兰有限公司 | 用于监视家畜状况的方法及系统 |
CN103740804A (zh) * | 2013-10-25 | 2014-04-23 | 刘武军 | 一种利用GnRHR基因检测绵羊繁殖力的方法 |
CN106488739A (zh) * | 2014-03-21 | 2017-03-08 | 瑞斯百瑞公司 | 健康状态监测设备 |
CN107635509A (zh) * | 2015-02-27 | 2018-01-26 | 因吉纳瑞股份公司 | 用于确定体况评分、体重和生育状态的改进方法和相关设备 |
CN108990831A (zh) * | 2018-06-22 | 2018-12-14 | 成都睿畜电子科技有限公司 | 一种牲畜健康监控方法和系统 |
CN109903270A (zh) * | 2019-01-28 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 牲畜群体数目监测方法及装置 |
CN111432632A (zh) * | 2017-10-06 | 2020-07-17 | 安东·威廉·约翰·克莱森斯 | 用于管理生产动物的方法和系统 |
-
2020
- 2020-05-07 CN CN202010378920.2A patent/CN111568598A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101472469A (zh) * | 2006-04-18 | 2009-07-01 | Iti苏格兰有限公司 | 用于监视家畜状况的方法及系统 |
CN101338340A (zh) * | 2008-08-29 | 2009-01-07 | 中国农业科学院北京畜牧兽医研究所 | 一种检测山羊繁殖力的方法 |
CN103740804A (zh) * | 2013-10-25 | 2014-04-23 | 刘武军 | 一种利用GnRHR基因检测绵羊繁殖力的方法 |
CN106488739A (zh) * | 2014-03-21 | 2017-03-08 | 瑞斯百瑞公司 | 健康状态监测设备 |
CN107635509A (zh) * | 2015-02-27 | 2018-01-26 | 因吉纳瑞股份公司 | 用于确定体况评分、体重和生育状态的改进方法和相关设备 |
CN111432632A (zh) * | 2017-10-06 | 2020-07-17 | 安东·威廉·约翰·克莱森斯 | 用于管理生产动物的方法和系统 |
CN108990831A (zh) * | 2018-06-22 | 2018-12-14 | 成都睿畜电子科技有限公司 | 一种牲畜健康监控方法和系统 |
CN109903270A (zh) * | 2019-01-28 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 牲畜群体数目监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jingqiu et al. | Cow behavior recognition based on image analysis and activities | |
CN108717523B (zh) | 基于机器视觉的母猪发情行为检测方法 | |
Yang et al. | A review of video-based pig behavior recognition | |
Wu et al. | Using a CNN-LSTM for basic behaviors detection of a single dairy cow in a complex environment | |
CN102509305B (zh) | 基于全方位视觉的动物行为检测装置 | |
CN103488148B (zh) | 一种基于物联网和计算机视觉的家畜行为智能监控系统 | |
Cangar et al. | Automatic real-time monitoring of locomotion and posture behaviour of pregnant cows prior to calving using online image analysis | |
Tsai et al. | Assessment of dairy cow heat stress by monitoring drinking behaviour using an embedded imaging system | |
CN103475736B (zh) | 一种传感器通信系统及其利用该系统进行监控的方法 | |
CN103248703B (zh) | 生猪行为自动监测系统及方法 | |
CN104008367A (zh) | 基于计算机视觉的育肥猪的自动行为分析系统及方法 | |
CN106295558A (zh) | 一种猪只行为节律分析方法 | |
Yang et al. | Pig mounting behaviour recognition based on video spatial–temporal features | |
CN112101259A (zh) | 一种基于堆叠沙漏网络的单只猪体姿态识别系统及方法 | |
CN113470076B (zh) | 一种平养鸡舍黄羽鸡多目标跟踪方法 | |
CN114677624B (zh) | 基于云边协同的母猪分娩智能监测系统 | |
CN110532899A (zh) | 基于热成像的母猪产前行为分类方法及系统 | |
Kuan et al. | An imaging system based on deep learning for monitoring the feeding behavior of dairy cows | |
CN116778531A (zh) | 一种基于Yolov5-ASFF的肉牛脸部识别方法 | |
CN113221776B (zh) | 一种基于人工智能对反刍动物一般行为识别的方法 | |
CN115457468A (zh) | 一种大型草场的智慧畜牧监测方法及系统 | |
Wang et al. | Oestrus detection in dairy cows by using atrous spatial pyramid and attention mechanism | |
CN111855653B (zh) | 一种植物干旱监测方法、监测模块和监测装置 | |
Yang et al. | A defencing algorithm based on deep learning improves the detection accuracy of caged chickens | |
Bello et al. | Mask YOLOv7-based drone vision system for automated cattle detection and counting |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200825 |
|
RJ01 | Rejection of invention patent application after publication |