CN111597915A - 一种无人放牧方法、装置、终端和计算机可读存储介质 - Google Patents
一种无人放牧方法、装置、终端和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111597915A CN111597915A CN202010331393.XA CN202010331393A CN111597915A CN 111597915 A CN111597915 A CN 111597915A CN 202010331393 A CN202010331393 A CN 202010331393A CN 111597915 A CN111597915 A CN 111597915A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- grazing
- data
- animal
- strategy
- 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
- 238000009304 pastoral farming Methods 0.000 title claims abstract description 215
- 238000000034 method Methods 0.000 title claims abstract description 67
- 241001465754 Metazoa Species 0.000 claims abstract description 288
- 230000002159 abnormal effect Effects 0.000 claims abstract description 261
- 238000012544 monitoring process Methods 0.000 claims abstract description 112
- 238000010191 image analysis Methods 0.000 claims abstract description 18
- 230000033001 locomotion Effects 0.000 claims description 86
- 244000144980 herd Species 0.000 claims description 85
- 230000005856 abnormality Effects 0.000 claims description 83
- 238000004590 computer program Methods 0.000 claims description 22
- 241000894007 species Species 0.000 claims description 15
- 230000009545 invasion Effects 0.000 claims description 8
- 208000012661 Dyskinesia Diseases 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 7
- 238000012806 monitoring device Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 239000012530 fluid Substances 0.000 description 9
- 239000002245 particle Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Economics (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于图像处理技术领域,提供了一种无人放牧方法、装置、终端和计算机可读存储介质,所述无人放牧方法包括:获取监控区域的区域图像;对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;根据所述状态基础数据,对所述动物群进行异常识别;若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,以指示所述放牧机器人根据所述放牧策略对所述动物群进行放牧;本申请实施例提高了无人放牧的可靠性,避免了未对动物群出现的异常情况及时处理造成的经济损失。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种无人放牧方法、装置、终端和计算机可读存储介质。
背景技术
在传统的畜牧行业中,牧民一般采用人工的方式进行放牧,这种方式需要耗费大量的人力和物力;为了解决这一问题,利用机器人进行放牧的方式逐渐发展起来。
然而,已有的机器人放牧方法难以应对动物群可能出现的一些异常情况,进而使得放牧的可靠性难以得到保障,容易造成牧民的经济损失。
发明内容
本申请实施例提供一种无人放牧方法、装置、终端和计算机可读存储介质,可以解决现有技术中机器人放牧可靠性较低,容易造成牧民的经济损失的问题。
本申请实施例第一方面提供一种无人放牧方法,应用于监控设备,所述无人放牧方法包括:
获取监控区域的区域图像;
对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;
根据所述状态基础数据,对所述动物群进行异常识别;
若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,以指示所述放牧机器人根据所述放牧策略对所述动物群进行放牧。
本申请实施例第二方面提供一种无人放牧方法,应用于放牧机器人,所述无人放牧方法包括:
获取监控区域的区域图像;
对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;
根据所述状态基础数据,对所述动物群进行异常识别;
若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧。
本申请实施例第三方面提供的一种第一无人放牧装置,配置于监控设备上,所述第一无人放牧装置包括:
第一获取单元,用于获取监控区域的区域图像;
第一分析单元,用于对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;
第一识别单元,用于根据所述状态基础数据,对所述动物群进行异常识别;
策略生成单元,用于若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,以指示所述放牧机器人根据所述放牧策略对所述动物群进行放牧。
本申请实施例第四方面提供的一种第二无人放牧装置,配置于放牧机器人上,所述第二无人放牧装置包括:
第二获取单元,用于获取监控区域的区域图像;
第二分析单元,用于对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;
第二识别单元,用于根据所述状态基础数据,对所述动物群进行异常识别;
放牧单元,用于若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧。
本申请实施例第五方面提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请实施例第六方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例第七方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现方法的步骤。
本申请实施例中,通过对监控区域的区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据,然后,根据所述状态基础数据,对所述动物群进行异常识别,若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,以指示所述放牧机器人根据所述放牧策略对所述动物群进行放牧,使得放牧机器人可以对动物群可能出现的一些异常情况进行处理,提高了机器人放牧的可靠性,避免了未对动物群出现的异常情况及时处理造成的经济损失。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种无人放牧方法的第一实现流程示意图;
图2是本申请实施例提供的确认动物群中是否存在速度异常的实现流程示意图;
图3是本申请实施例提供的对待训练的种群密度模型进行训练的实现流程示意图;
图4是本申请实施例提供的确认动物群中是否存在方向异常的实现流程示意图;
图5是本申请实施例提供的确认动物群中是否存在入侵异常的实现流程示意图;
图6是本申请实施例提供的一种无人放牧方法的第二实现流程示意图;
图7是本申请实施例提供的一种第一无人放牧装置的结构示意图;
图8是本申请实施例提供的一种第二无人放牧装置的结构示意图;
图9是本申请实施例提供的终端的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在传统的畜牧行业中,牧民一般采用人工的方式进行放牧,这种方式需要耗费大量的人力和物力;为了解决这一问题,利用机器人进行放牧的方式逐渐发展起来。
然而,已有的机器人放牧方法难以应对动物群可能出现的一些异常情况,进而使得放牧的可靠性难以得到保障,容易造成牧民的经济损失。
基于此,本申请实施例提供一种无人放牧方法、装置、终端和计算机可读存储介质,可以解决现有技术中机器人放牧可靠性较低,容易造成牧民的经济损失的问题。
为了说明本申请的技术方案,下面通过具体实施例来进行说明。
图1示出了本申请实施例提供的一种无人放牧方法的第一实现流程示意图,该方法可以应用于监控设备,可以由监控设备上配置的第一无人放牧装置执行,适用于需提高机器人放牧的可靠性的情形。其中,上述监控设备可以为机器人或者无人机等设备。
上述无人放牧方法可以包括步骤101至步骤104。
步骤101,获取监控区域的区域图像。
其中,上述监控区域是指对动物进行放牧的放牧区域。
具体的,上述监控区域的区域图像,可以是通过上述监控设备上配置的摄像头对上述监控区域进行图像采集,得到的该监控区域的区域图像,或者,通过上述监控设备上配置的摄像头对上述监控区域进行视频拍摄,并将拍摄得到的视频中的一帧或多帧图像作为该监控区域的区域图像;也可以是接收由其他具有图像采集功能的设备发送的区域图像。
步骤102,对区域图像进行图像分析,得到监控区域内动物群的状态基础数据。
其中,上述动物群是指在监控区域内的多个动物组成的群体,通过对区域图像进行图像分析,可以分析得到监控区域内的动物群对应的状态基础数据。
上述状态基础数据,是动物群内动物的一些属性数据。其中状态基础数据包含实际数据内容此处不做过多的限定,可由技术人员根据实际需求进行设定。例如可以包括动物群的种类数据、运动数据和密度数据中的任意一种或多种数据。
具体的,上述种类数据是指监控区域内动物群中各个动物的种类数据。上述运动数据是指监控区域内动物群的总体运动数据及动物群内各个动物的个体运动数据,具体可以包括运动速度数据、运动方向数据和运动路程数据中的任意一种或多种数据,亦可以包含除此之外的其他运动相关的数据。上述密度数据是指指定区域内动物群的密度数据,例如上述监控区域或者监控区域任一监控子区域内的动物群的密度数据。
需要说明的是,上述状态基础数据还可以包括颜色、纹理、亮度等动物群图像参数,动物群的边缘、特征点、轮廓缘与形状等动物群图像几何特征,具体可由技术人员根据实际需求进行选取增加,本申请对此不进行限制。
步骤103,根据状态基础数据,对动物群进行异常识别。
一般的,不同的状态基础数据可以体现出动物群不同维度的特性情况,如运动速度情况和运动方向情况等。因此针对状态基础数据,可以实现对动物群是否异常的有效识别。其中具体的异常识别方法此处不做过多的限定,可由技术人员根据实际设定。例如,当状态基础数据内包含动物群的速度数据时,此时可以根据速度是否高于预设阈值,来判断速度是否异常。
因此,在本申请的实施方式中,可以根据状态基础数据,对监控区域内的动物群进行异常识别,确认动物群是否存在异常情况。
若异常识别结果为动物群不存在异常情况,则说明当前不需要进行异常处理;若异常识别结果为动物群存在异常情况,则说明当前需要对动物群的异常情况进行处理。
步骤104,若异常识别结果为动物群存在异常情况,则生成放牧策略,并将放牧策略发送至放牧机器人,以指示放牧机器人根据所述放牧策略对动物群进行放牧。
其中,放牧策略是指放牧机器人具体的放牧方案,例如如何对动物群进行速度和方向等调整。在本申请实施例中,会预先针对动物群异常的情况设定对应的放牧策略,并在确定出动物群存在异常情况时,将对应的放牧策略发送给放牧机器人。以使得放牧机器人可以较好的应对动物群实际的异常情况。其中,本申请实施例不对具体的放牧策略内容进行过多限定,可由技术人员根据实际需求进行设定。
本申请实施例中,通过对监控区域的区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据,然后,根据所述状态基础数据,对所述动物群进行异常识别,若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,以指示所述放牧机器人根据所述放牧策略对所述动物群进行放牧,使得放牧机器人可以对动物群可能出现的一些异常情况进行处理,提高了机器人放牧的可靠性,避免了未对动物群出现的异常情况及时处理造成的经济损失。
在实际应用中,通过上述方法,根据不同的状态基础数据对动物群进行异常识别,往往可以识别到不同的异常情况,每种异常情况所属的异常类型往往不同。例如,异常情况所属的异常类型可以为速度异常,或者,异常情况所属的异常类型为方向异常,等等。
因此,为了使生成的放牧策略可以更准确地处理动物群的异常情况,在本申请的一些可选实施方式中,可以根据异常情况所属的异常类型,生成对应的放牧策略。
具体的,当上述状态基础数据包括运动数据与密度数据时,监控设备可以根据该运动数据与密度数据进行异常识别,若异常识别结果为上述动物群存在异常情况,且异常情况所属的异常类型为速度异常,则可以基于运动数据生成速度调整策略,并将速度调整策略发送至放牧机器人,以使得放牧机器人根据速度调整策略,驱使动物群调整移动速度。
同样的,当上述状态基础数据包括运动数据时,监控设备可以根据该运动数据进行异常识别,若异常识别结果为上述动物群存在异常情况,且异常情况所属的异常类型为方向异常,则可以根据运动数据生成方向调整策略,并将方向调整策略发送至放牧机器人,以使得放牧机器人根据方向调整策略,驱使动物群中至少一个动物调整移动方向。
同样的,当上述状态基础数据包括种类数据时,监控设备可以根据该种类数据进行异常识别,若异常识别结果为上述动物群存在异常情况,且异常情况所属的异常类型为入侵异常,则可以筛选出动物群中的第一类动物,生成第一类动物对应的驱赶策略,并将驱赶策略发送至放牧机器人,以使得放牧机器人根据驱赶策略,驱赶动物群中的第一类动物。
相应的,在前述根据状态基础数据,对动物群进行异常识别的过程中,根据不同的状态基础数据,可以识别出不同的异常状态类型。
例如,在本申请的一些实施方式中,监控设备可以获取在预设时间段内对监控区域拍摄的多张区域图像,并根据多张区域图像中每张区域图像的状态基础数据,对动物群进行异常识别,确认动物群中是否存在速度异常。
具体的,如图2所示,在本申请的一些实施方式中,上述根据多张区域图像中每张区域图像的状态基础数据,对动物群进行异常识别,确认动物群中是否存在速度异常,可以包括:步骤201至步骤204。
步骤201,将监控区域划分为多个监控子区域。
其中,上述监控子区域,可以通过根据每个监控子区域内的动物所占像素与该监控子区域的区域面积之比均相等的方式,对监控区域划分进行划分得到。
步骤202,根据多张区域图像的状态基础数据,确定各个监控子区域内的动物群的密度数据、速度数据和粘度数据。
其中,上述密度数据是指监控子区域内的动物群的密度数据。
在本申请的一些实施方式中,上述密度数据的获取可以包括:并将上述区域图像输入到预先建立的种群密度模型中,得到由预先建立的种群密度模型输出的各个监控子区域的密度数据,进而得到上述密度数据。
在将上述区域图像输入到预先建立的种群密度模型,得到由预先建立的种群密度模型输出的各个监控子区域的密度数据之前,需要对待训练的种群密度模型进行训练,得到该种群密度模型。
具体的,如图3所示,上述对待训练的种群密度模型进行训练,可以包括:步骤301至步骤302。
步骤301,获取多个样本图像,以及分别与每个样本图像对应的携带预先标记的各个监控子区域密度数据的标准图像。
在本申请的一些实施方式中,上述样本图像的获取方式可以参看前述步骤101中区域图像的获取方式。通过对上述多个样本图像进行各个监控子区域密度数据的标记,可以得到分别与每个样本图像对应的标准图像。
步骤302,将样本图像中的任一样本图像输入到待训练的种群密度模型中,由种群密度模型输出各个监控子区域的待确认密度数据,并计算损失函数的变化率,若损失函数的变化率大于预设变化率阈值,则根据待训练的种群密度模型输出的各个监控子区域的待确认密度数据及样本图像对应的标准图像,利用梯度下降法调整待训练的种群密度模型的参数,并对待训练的种群密度模型进行迭代训练,直至损失函数的变化率小于预设变化率阈值时,得到预先建立的种群密度模型。
例如,监控设备在获取到1000个样本图像后,可以将其中的任一样本图像输入到待训练的种群密度模型中,由待训练的种群密度模型输出该样本图像对应的各个监控子区域的待确认密度数据,此时,通过计算损失函数的变化率,若损失函数的变化率大于预设变化率阈值,则根据待训练的种群密度模型输出的各个监控子区域的待确认密度数据及样本图像对应的标准图像,利用梯度下降法调整待训练的种群密度模型的参数,并利用样本图中的下一样本图像对待训练的种群密度模型进行训练,直至损失函数的变化率小于预设变化率阈值时,得到预先建立的种群密度模型。
在训练得到预先建立的种群密度模型之后,通过将上述区域图像输入到预先建立的种群密度模型中,可以得到由预先建立的种群密度模型输出的各个监控子区域的密度数据。
进一步地,可以根据各个监控子区域的密度数据,计算得到上述监控区域内的动物群的密度数据。
具体的,监控设备可以获取预先设定好的密度范围,为每个密度范围赋予对应的密度等级数值,然后根据监控子区域的密度数据,确定每个监控子区域的密度所属的密度范围,得到每个监控子区域对应的密度等级数值,然后,对每个监控子区域对应的密度等级数值进行累加,判断累加得到的密度等级累加值与预设总密度等级数值的大小关系,确定上述监控区域内动物群的总密度等级,得到上述监控区域内的动物群的密度数据。
例如,当监控子区域的密度大于或等于第一密度阈值时赋予密度等级数值1,当监控子区域的密度小于第一密度阈值并且大于或等于第二密度阈值时赋予密度等级数值0,当监控子区域的密度小于第二密度阈值时赋予密度等级数值-1。此时,如果监控区域被划分成四个监控子区域,则可以对每个监控子区域的密度数据对应的密度等级数值进行累加,并将累加得到的密度等级累加值作为上述监控区域内的动物群的密度数据;并且,通过判断该密度等级累加值与预设总密度等级数值0的大小关系,确定上述监控区域内动物群的密度等级,得到上述监控区域内的动物群的密度数据:若密度等级累加值大于0,则确定上述监控区域内动物群的种群密度等级为高;若密度等级累加值等于0,则确定上述监控区域内动物群的种群密度等级为中,若密度等级累加值小于0,则说明确定上述监控区域内动物群的种群密度等级为低。
上述速度数据是指监控子区域内的动物群的总体运动速度;上述粘度数据是指利用流体粒子表示上述区域图像内动物群中的各个动物之后,流体粒子运动(即区域图像中动物群的运动)的流体粘度。
在本申请的一些实施方式中,上述监控设备可以通过利用流体粒子表示上述区域图像内动物群中的各个动物,建立流体粒子运动模型,并利用流体粒子运动模型对动物群中的各个动物的运动过程进行模拟,确定各个监控子区域内动物群中的各个动物的个体速度数据及动物之间的粘度数据,然后将动物群中每个动物的个体速度数据对应的速度的平均值作为监控子区域内的动物群的总体运动速度,得到上述速度数据。
步骤203,根据粘度数据、密度数据和速度数据,识别各个监控子区域内的动物的运动速度是否存在异常。
具体的,在根据粘度数据、密度数据和速度数据,识别各个监控子区域内的动物的运动速度是否存在异常的操作中,对单个监控子区域的识别操作,可以包括:若监控子区域中的动物运动状态由正常状态变化为活跃状态,则判定该监控子区域内的动物的运动速度存在异常。
其中,正常状态是指该监控子区域的粘度数据、密度数据和速度数据,均低于对应的预设阈值,活跃状态是指该监控子区域的粘度数据、密度数据和速度数据中,存在至少一种数据高于对应的预设阈值。
例如,在监控设备获取到在预设时间段内对监控区域拍摄的十张区域图像之后,通过其中的前五张区域图像,确定某个监控子区域的粘度数据、密度数据和速度数据,均低于对应的预设阈值,此时,可以确定该监控区域中的动物运动状态为正常状态;通过其中的后五张区域图像,确定该监控子区域的粘度数据、密度数据和速度数据,均高于对应的预设阈值,可以确定该监控区域中的动物运动状态为活跃状态,也就是说,该监控区域中的动物运动状态由正常状态变化为活跃状态,说明其他监控子区域的动物在高速地向该监控子区域聚集,因此,可以判定该监控子区域内的动物的运动速度存在异常。
步骤204,若有运动速度存在异常的监控子区域,则判定异常识别结果为动物群存在异常情况,且异常情况的异常类型为速度异常。
在本申请的一些实施方式中,当有运动速度存在异常的监控子区域,说明该监控子区域中的动物群需要进行速度异常的处理,并且,由于动物群中容易产生从众效应,当至少一个监控子区域对应的运动速度存在异常,整个监控区域中动物群的运动速度将很快出现异常,因此,若有运动速度存在异常的监控子区域时,可以判定异常识别结果为动物群存在异常情况,且异常情况的异常类型为速度异常,使得监控设备可以针对速度异常,生成速度调整策略,并将速度调整策略发送至放牧机器人。
在本申请的实施例中,通过根据各个监控子区域内的动物群的密度数据、速度数据,以及粘度数据,识别各个监控子区域内的动物的运动速度是否存在异常;并在有至少一个监控子区域对应的运动速度存在异常时,生成速度调整策略,并将速度调整策略发送至放牧机器人,使得放牧机器人可以根据速度调整策略,驱使动物群调整移动速度,提高了无人放牧的可靠性。
在本申请的另一些实施方式中,上述监控设备还可以获取在预设时间段内对监控区域拍摄的多张区域图像,并根据多张区域图像中每张区域图像的状态基础数据,对动物群进行异常识别,确认动物群中是否存在方向异常。
具体的,如图4所示,上述根据多张区域图像中每张区域图像的状态基础数据,对动物群进行异常识别,确认动物群中是否存在方向异常可以包括:步骤401至步骤403。
步骤401,根据状态基础数据,确定动物群内的各个动物的个体方向数据与动物群的总方向数据。
其中,上述各个动物的个体方向数据与动物群的总方向数据同样可以通过利用流体粒子表示上述区域图像中的各个动物,建立流体粒子运动模型,并利用流体粒子运动模型对动物群中的各个动物的运动过程进行模拟,确定动物群内的各个动物的个体方向数据与动物群的总方向数据。
步骤402,根据个体方向数据及总方向数据,识别动物群内的各个动物的运动方向是否存在异常。
具体的,若动物的个体方向数据对应的个体运动方向与总方向数据对应的群体运动方向之间的夹角大于预设角度阈值,则判定该各个动物的运动方向存在异常。
例如,当预设角度阈值为30°时,若总方向数据对应的群体运动方向为正北方向,某个动物的个体方向数据对应的个体运动方向为北偏东15°,则判定该动物的运动方向不存在异常;某个动物的个体方向数据对应的个体运动方向为正东方向,则判定该动物的运动方向存在异常。
步骤403,若动物群内有动物的运动方向存在异常,则判定异常识别结果为动物群存在异常情况,且异常情况的异常类型为方向异常。
在本申请的一些实施方式中,当动物群内有动物的运动方向存在异常,说明动物群中至少一个动物离群,因此,判定异常识别结果为动物群存在异常情况,且异常情况的异常类型为方向异常,使得监控设备可以针对方向异常,生成方向调整策略,并将方向调整策略发送至放牧机器人。
在本申请的实施方式中,通过根据动物群内的各个动物的个体方向数据与动物群的总方向数据,识别动物群内的各个动物的运动方向是否存在异常,并动物群内有动物的运动方向存在异常时,生成方向调整策略,并将方向调整策略发送至放牧机器人,以使得放牧机器人根据方向调整策略,驱使动物群中至少一个动物调整移动方向,提高了无人放牧的可靠性。
在本申请的另一些实施方式中,上述监控设备还可以获取监控区域的区域图像,并根据区域图像中每张区域图像的状态基础数据,对动物群进行异常识别,确认动物群中是否存在入侵异常。
具体的,如图5所示,上述根据区域图像中每张区域图像的状态基础数据,对动物群进行异常识别,确认动物群中是否存在入侵异常,可以包括:步骤501至步骤503。
步骤501,根据状态基础数据,确定动物群内各个动物的种类数据。
具体的,上述监控设备可以通过对区域图像内动物群中的各个动物进行图像识别,识别出动物群内各个动物的个体种类。
步骤502,根据种类数据,识别监控区域内的各个动物的种类是否存在异常。
具体的,在根据种类数据,识别监控区域内的各个动物的种类是否存在异常的操作中,对单个动物的识别操作,可以包括:若该动物的种类属于第一类动物,则判定该动物的种类存在异常。
其中,第一类动物是指非牧场管理者饲养的动物。
也就是说,当某个动物的种类不属于牧场管理者饲养的动物的类别时,说明该动物为入侵动物,因此,判定该动物的种类存在异常。
步骤503,若动物群内有至少一个动物的种类存在异常,则判定异常识别结果为动物群存在异常情况,且异常情况的异常类型为入侵异常。
在本申请的一些实施方式中,当动物群内有至少一个动物的种类存在异常,说明动物群中出现了非牧场管理者饲养的动物,因此,判断异常识别结果为动物群存在异常情况,且异常情况的异常类型为入侵异常,使得监控设备可以筛选出动物群中的第一类动物,生成第一类动物对应的驱赶策略,并将驱赶策略发送至放牧机器人。
本申请的实施例中,通过根据动物群内各个动物的种类数据,识别监控区域内的各个动物的种类是否存在异常,并在有至少一个动物的种类存在异常时,筛选出动物群中的第一类动物,生成第一类动物对应的驱赶策略,并将驱赶策略发送至放牧机器人,以使得放牧机器人根据驱赶策略,驱赶动物群中的第一类动物,提高了无人放牧的可靠性。
在本申请的另一些实施方式中,上述监控设备还可以对动物群进行异常识别,确认动物群中是否存在生理异常。
具体的,在监控设备进行无人放牧时,可以利用借助温度传感器采集上述动物群内各个动物的体温,并利用摄像头采集各个动物的行走姿态,进而根据每个动物的体温及行走姿态,判断该动物是否生病或受伤,若动物群中的任一动物生病或受伤,则确认动物群中存在生理异常。
相应的,当异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为生理异常时,则生成治疗策略,并将所述治疗策略发送至放牧机器人,以指示所述放牧机器人根据所述治疗策略对生病或受伤的动物进行治疗。
在实际应用中,为了方便放牧机器人对所述动物群进行放牧,可以预先为动物群中的每个第二类动物佩戴唯一标识,使得在异常识别结果为所述动物群存在异常情况时,可以利用第二类动物的唯一标识快速找到出现异常情况的第二类动物。
其中,上述第二类动物是指牧场管理者饲养的动物。
为了进一步方便牧场管理员对放牧情况进行管理,在本申请的一些实施方式中,上述监控设备还可以将状态基础数据及异常识别结果发送至用户端,以指示用户端上的电子地图软件对状态基础数据及异常识别结果进行显示。
例如,客户端在接收到状态基础数据及异常识别结果之后,用户端上的电子地图软件可以通过不同颜色表示密度数据对应的不同密度;或者,用标记框的方式标记存在异常的第一类动物;又或者,显示存在异常的第二类动物的唯一标识。
在本申请的实施例中,通过将状态基础数据及异常识别结果发送至用户端,使得用户端上的电子地图软件对状态基础数据及异常识别结果进行显示,使得牧场管理员可以通过观看客户端上显示的信息,及时了解当前的放牧情况。
图6示出了本申请实施例提供的一种无人放牧方法的第二实现流程示意图,该方法可以应用于放牧机器人,可以由放牧机器人上配置的第二无人放牧装置执行,适用于需提高机器人放牧的可靠性的情形。
上述无人放牧方法可以包括步骤601至步骤604。
步骤601,获取监控区域的区域图像。
步骤602,对区域图像进行图像分析,得到监控区域内动物群的状态基础数据。
步骤603,根据状态基础数据,对动物群进行异常识别。
步骤604,若异常识别结果为动物群存在异常情况,则生成放牧策略,并根据放牧策略对动物群进行放牧。
应当说明地,图6所示实施例是将图1所示实施例的应用对象调整为了放牧机器人,其实际的方案原理和实现细节等,与图1所示实施例基本相同。因此此处不予赘述,具体可参数图1所示实施例的相关说明。与图1所示实施例的不同之处在于,在得到放牧策略之后,图6所示实施例无需发送放牧策略,而是由放牧机器人来进行策略执行,以实现最终的机器人放牧。
进一步的,为了使生成的放牧策略可以更准确地处理动物群的异常情况,在本申请的一些可选实施方式中,可以根据异常情况所属的异常类型,生成对应的放牧策略。
具体的,在本申请的一些实施方式中,若异常识别结果为动物群存在异常情况,且异常情况所属的异常类型为速度异常,则基于运动数据生成速度调整策略,并根据速度调整策略,调整动物群的移动速度。
在本申请的另一些实施方式中,若异常识别结果为动物群存在异常情况,且异常情况所属的异常类型为方向异常,则根据运动数据生成方向调整策略,并根据方向调整策略,调整动物群中至少一个动物的移动方向。
在本申请的另一些实施方式中,若异常识别结果为动物群存在异常情况,且异常情况所属的异常类型为入侵异常,则筛选出动物群中的第一类动物;生成第一类动物对应的驱赶策略,并根据驱赶策略,驱赶动物群中的第一类动物。
相应的,在前述根据状态基础数据,对动物群进行异常识别的过程中,根据不同的状态基础数据,可以识别出不同的异常状态类型。
具体的,在本申请的一些实施方式中,监控设备可以获取在预设时间段内对监控区域拍摄的多张区域图像;将监控区域划分为多个监控子区域;根据多张区域图像的状态基础数据,确定各个监控子区域内的动物群的密度数据、速度数据和粘度数据;根据粘度数据、密度数据和速度数据,识别各个监控子区域内的动物的运动速度是否存在异常;若有运动速度存在异常的监控子区域,则判定异常识别结果为动物群存在异常情况,且异常情况的异常类型为速度异常。
其中,在根据粘度数据、密度数据和速度数据,识别各个监控子区域内的动物的运动速度是否存在异常的操作中,对单个监控子区域的识别操作可以包括,若监控子区域中的动物运动状态由正常状态变化为活跃状态,则判定该监控子区域内的动物的运动速度存在异常;其中,上述正常状态是指该监控子区域的粘度数据、密度数据和速度数据,均低于对应的预设阈值,活跃状态是指该监控子区域的粘度数据、密度数据和速度数据中,存在至少一种数据高于对应的预设阈值。
在本申请的另一些实施方式中,监控设备还可以根据状态基础数据,确定动物群内的各个动物的个体方向数据与动物群的总方向数据;根据个体方向数据及总方向数据,识别动物群内的各个动物的运动方向是否存在异常;若动物群内有动物的运动方向存在异常,则判定异常识别结果为动物群存在异常情况,且异常情况的异常类型为方向异常。
其中,在根据个体方向数据及总方向数据,识别监控区域内的各个动物的运动方向是否存在异常的操作中,对单个动物的识别操作,可以包括:若该动物的个体方向数据与总方向数据之间的方向夹角大于预设角度阈值,则判定该动物的运动方向存在异常。
在本申请的另一些实施方式中,监控设备还可以根据状态基础数据,确定动物群内各个动物的种类数据;根据种类数据,识别动物群内各个动物的种类是否存在异常;若动物群内有至少一个动物的种类存在异常,则判定异常识别结果为动物群存在异常情况,且异常情况的异常类型为入侵异常。
其中,在根据种类数据,识别动物群内各个动物的种类是否存在异常的操作中,对单个动物的识别操作,包括:若该动物的种类属于第一类动物,则判定该动物的种类存在异常。
同时与图6所示实施例相关的实施例的原理和操作说明等,均可参考上述图1所示实施例的相关实施例说明。例如可以参考图1所示实施例基础上的其他细化方案、替换方案和优化方案的实施例说明。此处亦不予赘述。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为根据本申请,某些步骤可以采用其它顺序进行。
本申请的实施例中,通过对监控区域的区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据,然后,根据所述状态基础数据,对所述动物群进行异常识别,若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧,使得放牧机器人可以对动物群可能出现的一些异常情况进行处理,提高了机器人放牧的可靠性,避免了未对动物群出现的异常情况及时处理造成的经济损失。
如图7所示为本申请实施例提供一种第一无人放牧装置700的结构示意图,所述第一无人放牧装置700配置于监控设备上,所述第一无人放牧装置700可以包括:第一获取单元701、第一分析单元702、第一识别单元703和策略生成单元704。
第一获取单元701,用于获取监控区域的区域图像;
第一分析单元702,用于对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;
第一识别单元703,用于根据所述状态基础数据,对所述动物群进行异常识别;
策略生成单元704,用于若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,以指示所述放牧机器人根据所述放牧策略对所述动物群进行放牧。
在本申请的一些实施方式中,上述状态基础数据包括运动数据,上述策略生成单元704,还具体用于:若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为速度异常,则基于所述运动数据生成速度调整策略,并将所述速度调整策略发送至所述放牧机器人,以使得所述放牧机器人根据所述速度调整策略,驱使所述动物群调整移动速度。
在本申请的一些实施方式中,上述状态基础数据包括运动数据,上述策略生成单元704,还具体用于:若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为方向异常,则根据所述运动数据生成方向调整策略,并将所述方向调整策略发送至所述放牧机器人,以使得所述放牧机器人根据所述方向调整策略,驱使所述动物群中至少一个动物调整移动方向。
在本申请的一些实施方式中,上述状态基础数据包括运动数据,上述策略生成单元704,还具体用于:若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为入侵异常,则筛选出所述动物群中的第一类动物;生成所述第一类动物对应的驱赶策略,并将所述驱赶策略发送至所述放牧机器人,以使得所述放牧机器人根据所述驱赶策略,驱赶所述动物群中的所述第一类动物。
在本申请的一些实施方式中,上述第一获取单元701,还具体用于:获取在预设时间段内对所述监控区域拍摄的多张所述区域图像。上述第一分析单元702还用于:将所述监控区域划分为多个监控子区域;根据多张所述区域图像的所述状态基础数据,确定各个所述监控子区域内的动物群的密度数据、速度数据,以及粘度数据。上述第一识别单元703:还用于将所述监控区域划分为多个监控子区域;根据多张所述区域图像的所述状态基础数据,确定各个所述监控子区域内的动物群的密度数据、速度数据和粘度数据;根据所述粘度数据、所述密度数据和所述速度数据,识别各个所述监控子区域内的动物的运动速度是否存在异常;若有所述运动速度存在异常的所述监控子区域,则判定所述异常识别结果为所述动物群存在异常情况,且所述异常情况的异常类型为速度异常。
在本申请的一些实施方式中,上述第一识别单元703还用于:若所述监控子区域中的动物运动状态由正常状态变化为活跃状态,则判定该监控子区域内的动物的所述运动速度存在异常;所述正常状态是指该监控子区域的所述粘度数据、所述密度数据和所述速度数据,均低于对应的预设阈值,所述活跃状态是指该监控子区域的所述粘度数据、所述密度数据和所述速度数据中,存在至少一种数据高于对应的预设阈值。
在本申请的一些实施方式中,上述第一分析单元702还用于:根据所述状态基础数据,确定所述动物群内的各个动物的个体方向数据与所述动物群的总方向数据;根据所述个体方向数据及所述总方向数据,识别所述动物群内的各个动物的运动方向是否存在异常;若所述动物群内有动物的运动方向存在异常,则判定所述异常识别结果为所述动物群存在异常情况,且所述异常情况的异常类型为方向异常。
在本申请的一些实施方式中,上述第一识别单元703还用于:若该动物的所述个体方向数据与所述总方向数据之间的方向夹角大于预设角度阈值,则判定该动物的运动方向存在异常。
在本申请的一些实施方式中,上述第一分析单元702还用于:根据所述状态基础数据,确定所述动物群内各个动物的种类数据。上述第一识别单元703还用于:根据所述种类数据,识别所述动物群内各个动物的种类是否存在异常;若所述动物群内有至少一个动物的种类存在异常,则判定所述异常识别结果为所述动物群存在异常情况,且所述异常情况的异常类型为入侵异常。
在本申请的一些实施方式中,上述第一识别单元703还用于:若该动物的所述种类属于所述第一类动物,则判定该动物的种类存在异常。
需要说明的是,为描述的方便和简洁,上述第一无人放牧装置700的具体工作过程,可以参考图1至图5所述方法的对应过程,在此不再赘述。
如图8所示为本申请实施例提供一种第二无人放牧装置800的结构示意图,所述第二无人放牧装置800配置于放牧机器人上,所述第二无人放牧装置800可以包括:第二获取单元801、第二分析单元802、第二识别单元803和放牧单元804。
第二获取单元801,用于获取监控区域的区域图像;
第二分析单元802,用于对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;
第二识别单元803,用于根据所述状态基础数据,对所述动物群进行异常识别;
放牧单元804,用于若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧。
在本申请的一些实施方式中,上述放牧单元804还用于:若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为速度异常,则基于所述运动数据生成速度调整策略,并根据所述速度调整策略,调整所述动物群的移动速度。
在本申请的一些实施方式中,上述放牧单元804还用于:若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为方向异常,则根据所述运动数据生成方向调整策略,并根据所述方向调整策略,调整所述动物群中至少一个动物的移动方向。
在本申请的一些实施方式中,上述放牧单元804还用于:若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为入侵异常,则筛选出所述动物群中的第一类动物;生成所述第一类动物对应的驱赶策略,并根据所述驱赶策略,驱赶所述动物群中的所述第一类动物。
需要说明的是,为描述的方便和简洁,上述第一无人放牧装置800的具体工作过程,可以参考图6所述方法的对应过程,在此不再赘述。
如图9所示,为本申请实施例提供的一种终端的示意图。该终端9可以包括:处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92,例如无人放牧装置程序。所述处理器90执行所述计算机程序92时实现上述各个无人放牧方法实施例中的步骤,例如图1所示的步骤101至104,或者图6所示的步骤601至604。或者,所述处理器50执行所述计算机程序92时实现上述各装置实施例中各模块/单元的功能,例如图7所示单元701至704的功能,或者图8所示单元801至804的功能。
所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器91中,并由所述处理器90执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端中的执行过程。例如,所述计算机程序可以被分割成第一获取单元、第一分析单元、第一识别单元和策略生成单元,各单元具体功能如下:第一获取单元,用于获取监控区域的区域图像;第一分析单元,用于对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;第一识别单元,用于根据所述状态基础数据,对所述动物群进行异常识别;策略生成单元,用于若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,以指示所述放牧机器人根据所述放牧策略对所述动物群进行放牧。
又例如,所述计算机程序可以被分割成第二获取单元、第二分析单元、第二识别单元和放牧单元,各单元具体功能如下:第二获取单元,用于获取监控区域的区域图像;第二分析单元,用于对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;第二识别单元,用于根据所述状态基础数据,对所述动物群进行异常识别;放牧单元,用于若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧。
所述终端可以是智能电视等移动终端,或者是智能手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可包括,但不仅限于,处理器90、存储器91。本领域技术人员可以理解,图9仅仅是终端的示例,并不构成对终端的限定,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,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字无人放牧器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91可以是所述终端的内部存储单元,例如终端的硬盘或内存。所述存储器91也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器91还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (16)
1.一种无人放牧方法,应用于监控设备,其特征在于,所述无人放牧方法包括:
获取监控区域的区域图像;
对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;
根据所述状态基础数据,对所述动物群进行异常识别;
若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,以指示所述放牧机器人根据所述放牧策略对所述动物群进行放牧。
2.如权利要求1所述的无人放牧方法,其特征在于,所述状态基础数据包括运动数据,所述若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,包括:
若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为速度异常,则基于所述运动数据生成速度调整策略,并将所述速度调整策略发送至所述放牧机器人,以使得所述放牧机器人根据所述速度调整策略,驱使所述动物群调整移动速度。
3.如权利要求1所述的无人放牧方法,其特征在于,所述状态基础数据包括运动数据,所述若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,包括:
若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为方向异常,则根据所述运动数据生成方向调整策略,并将所述方向调整策略发送至所述放牧机器人,以使得所述放牧机器人根据所述方向调整策略,驱使所述动物群中至少一个动物调整移动方向。
4.如权利要求1所述的无人放牧方法,其特征在于,所述若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并将所述放牧策略发送至放牧机器人,包括:
若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为入侵异常,则筛选出所述动物群中的第一类动物;
生成所述第一类动物对应的驱赶策略,并将所述驱赶策略发送至所述放牧机器人,以使得所述放牧机器人根据所述驱赶策略,驱赶所述动物群中的所述第一类动物。
5.如权利要求1至4任意一项所述的无人放牧方法,其特征在于,所述获取监控区域的区域图像,包括:
获取在预设时间段内对所述监控区域拍摄的多张所述区域图像;
相应的,所述对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;根据所述状态基础数据,对所述动物群进行异常识别,包括:
将所述监控区域划分为多个监控子区域;
根据多张所述区域图像的所述状态基础数据,确定各个所述监控子区域内的动物群的密度数据、速度数据和粘度数据;
根据所述粘度数据、所述密度数据和所述速度数据,识别各个所述监控子区域内的动物的运动速度是否存在异常;
若有所述运动速度存在异常的所述监控子区域,则判定所述异常识别结果为所述动物群存在异常情况,且所述异常情况的异常类型为速度异常。
6.如权利要求5所述的无人放牧方法,其特征在于,在所述根据所述粘度数据、所述密度数据和所述速度数据,识别各个所述监控子区域内的动物的运动速度是否存在异常的操作中,对单个所述监控子区域的识别操作,包括:
若所述监控子区域中的动物运动状态由正常状态变化为活跃状态,则判定该监控子区域内的动物的所述运动速度存在异常;所述正常状态是指该监控子区域的所述粘度数据、所述密度数据和所述速度数据,均低于对应的预设阈值,所述活跃状态是指该监控子区域的所述粘度数据、所述密度数据和所述速度数据中,存在至少一种数据高于对应的预设阈值。
7.如权利要求1至4任意一项所述的无人放牧方法,其特征在于,所述获取监控区域的区域图像,包括:
获取在预设时间段内对所述监控区域拍摄的多张所述区域图像;
相应的,所述对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;根据所述状态基础数据,对所述动物群进行异常识别,包括:
根据所述状态基础数据,确定所述动物群内的各个动物的个体方向数据与所述动物群的总方向数据;
根据所述个体方向数据及所述总方向数据,识别所述动物群内的各个动物的运动方向是否存在异常;
若所述动物群内有动物的运动方向存在异常,则判定所述异常识别结果为所述动物群存在异常情况,且所述异常情况的异常类型为方向异常。
8.如权利要求7所述的无人放牧方法,其特征在于,在所述根据所述个体方向数据及所述总方向数据,识别所述监控区域内的各个动物的运动方向是否存在异常的操作中,对单个动物的识别操作,包括:
若该动物的所述个体方向数据与所述总方向数据之间的方向夹角大于预设角度阈值,则判定该动物的运动方向存在异常。
9.如权利要求4所述的无人放牧方法,其特征在于,所述根据所述状态基础数据,对所述动物群进行异常识别,包括:
根据所述状态基础数据,确定所述动物群内各个动物的种类数据;
根据所述种类数据,识别所述动物群内各个动物的种类是否存在异常;
若所述动物群内有至少一个动物的种类存在异常,则判定所述异常识别结果为所述动物群存在异常情况,且所述异常情况的异常类型为入侵异常。
10.如权利要求9所述的无人放牧方法,其特征在于,在所述根据所述种类数据,识别所述动物群内各个动物的种类是否存在异常的操作中,对单个动物的识别操作,包括:
若该动物的所述种类属于所述第一类动物,则判定该动物的种类存在异常。
11.一种无人放牧方法,应用于放牧机器人,其特征在于,所述无人放牧方法包括:
获取监控区域的区域图像;
对所述区域图像进行图像分析,得到所述监控区域内动物群的状态基础数据;
根据所述状态基础数据,对所述动物群进行异常识别;
若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧。
12.如权利要求11所述的无人放牧方法,其特征在于,所述状态基础数据包括运动数据,所述若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧,包括:
若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为速度异常,则基于所述运动数据生成速度调整策略,并根据所述速度调整策略,调整所述动物群的移动速度。
13.如权利要求11所述的无人放牧方法,其特征在于,所述状态基础数据包括运动数据,所述若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧,包括:
若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为方向异常,则根据所述运动数据生成方向调整策略,并根据所述方向调整策略,调整所述动物群中至少一个动物的移动方向。
14.如权利要求11所述的无人放牧方法,其特征在于,所述若异常识别结果为所述动物群存在异常情况,则生成放牧策略,并根据所述放牧策略对所述动物群进行放牧,包括:
若异常识别结果为所述动物群存在异常情况,且所述异常情况所属的异常类型为入侵异常,则筛选出所述动物群中的第一类动物;
生成所述第一类动物对应的驱赶策略,并根据所述驱赶策略,驱赶所述动物群中的所述第一类动物。
15.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-10任一项所述方法的步骤,或者,权利要求11-14任一项所述方法的步骤。
16.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-10任一项所述方法的步骤,或者,权利要求11-14任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010331393.XA CN111597915A (zh) | 2020-04-24 | 2020-04-24 | 一种无人放牧方法、装置、终端和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010331393.XA CN111597915A (zh) | 2020-04-24 | 2020-04-24 | 一种无人放牧方法、装置、终端和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111597915A true CN111597915A (zh) | 2020-08-28 |
Family
ID=72190507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010331393.XA Pending CN111597915A (zh) | 2020-04-24 | 2020-04-24 | 一种无人放牧方法、装置、终端和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597915A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112527014A (zh) * | 2020-12-02 | 2021-03-19 | 电子科技大学 | 一种基于Flocking算法的无人机集群放牧方法 |
CN112580482A (zh) * | 2020-12-14 | 2021-03-30 | 深圳优地科技有限公司 | 一种动物监控方法、终端和存储介质 |
CN112651947A (zh) * | 2020-12-30 | 2021-04-13 | 深兰科技(上海)有限公司 | 飞行器的控制方法、装置、飞行器及计算机可读存储介质 |
CN112643650A (zh) * | 2020-12-10 | 2021-04-13 | 深圳优地科技有限公司 | 基于机器人的儿童任务托管方法、装置、设备及存储介质 |
CN115702780A (zh) * | 2022-12-12 | 2023-02-17 | 中国大熊猫保护研究中心 | 一种野生动物异常状态分析方法、系统、终端及介质 |
CN115879649A (zh) * | 2023-02-21 | 2023-03-31 | 成都工业学院 | 一种基于放牧模型的牧群行为预测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101278654A (zh) * | 2007-09-26 | 2008-10-08 | 深圳先进技术研究院 | 一种宠物看护机器人系统 |
CN108229351A (zh) * | 2017-12-21 | 2018-06-29 | 深圳市欣博跃电子有限公司 | 一种动物养殖方法、动物养殖装置及电子设备 |
CN109345798A (zh) * | 2018-11-26 | 2019-02-15 | 日立楼宇技术(广州)有限公司 | 一种养殖场监控方法、装置、设备和存储介质 |
CN109933083A (zh) * | 2017-12-15 | 2019-06-25 | 翔升(上海)电子技术有限公司 | 基于无人机的放牧方法、装置和系统 |
CN109960272A (zh) * | 2017-12-22 | 2019-07-02 | 翔升(上海)电子技术有限公司 | 基于无人机的放牧方法及系统 |
CN110378553A (zh) * | 2019-06-05 | 2019-10-25 | 平安科技(深圳)有限公司 | 智能养殖控制方法、装置、计算机装置及存储介质 |
-
2020
- 2020-04-24 CN CN202010331393.XA patent/CN111597915A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101278654A (zh) * | 2007-09-26 | 2008-10-08 | 深圳先进技术研究院 | 一种宠物看护机器人系统 |
CN109933083A (zh) * | 2017-12-15 | 2019-06-25 | 翔升(上海)电子技术有限公司 | 基于无人机的放牧方法、装置和系统 |
CN108229351A (zh) * | 2017-12-21 | 2018-06-29 | 深圳市欣博跃电子有限公司 | 一种动物养殖方法、动物养殖装置及电子设备 |
CN109960272A (zh) * | 2017-12-22 | 2019-07-02 | 翔升(上海)电子技术有限公司 | 基于无人机的放牧方法及系统 |
CN109345798A (zh) * | 2018-11-26 | 2019-02-15 | 日立楼宇技术(广州)有限公司 | 一种养殖场监控方法、装置、设备和存储介质 |
CN110378553A (zh) * | 2019-06-05 | 2019-10-25 | 平安科技(深圳)有限公司 | 智能养殖控制方法、装置、计算机装置及存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112527014A (zh) * | 2020-12-02 | 2021-03-19 | 电子科技大学 | 一种基于Flocking算法的无人机集群放牧方法 |
CN112643650A (zh) * | 2020-12-10 | 2021-04-13 | 深圳优地科技有限公司 | 基于机器人的儿童任务托管方法、装置、设备及存储介质 |
CN112580482A (zh) * | 2020-12-14 | 2021-03-30 | 深圳优地科技有限公司 | 一种动物监控方法、终端和存储介质 |
CN112651947A (zh) * | 2020-12-30 | 2021-04-13 | 深兰科技(上海)有限公司 | 飞行器的控制方法、装置、飞行器及计算机可读存储介质 |
CN115702780A (zh) * | 2022-12-12 | 2023-02-17 | 中国大熊猫保护研究中心 | 一种野生动物异常状态分析方法、系统、终端及介质 |
CN115879649A (zh) * | 2023-02-21 | 2023-03-31 | 成都工业学院 | 一种基于放牧模型的牧群行为预测方法及系统 |
CN115879649B (zh) * | 2023-02-21 | 2023-05-09 | 成都工业学院 | 一种基于放牧模型的牧群行为预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111597915A (zh) | 一种无人放牧方法、装置、终端和计算机可读存储介质 | |
CN108921105B (zh) | 识别目标数量的方法、装置及计算机可读存储介质 | |
CN108073908B (zh) | 害虫识别方法及装置、计算机装置及存储介质 | |
US20180082412A1 (en) | Hi-fidelity computer object recognition based horticultural feedback loop | |
CN109002820B (zh) | 一种车牌识别方法、装置及相关设备 | |
DE102013205810A1 (de) | System und verfahren zum einschätzen von verfügbaren parkplätzen zum parken auf der strasse mit mehreren plätzen | |
CN111008961B (zh) | 一种输电线路设备缺陷检测方法及其系统、设备、介质 | |
CN110827269B (zh) | 农作物生长变化状况检测方法、装置、设备及介质 | |
EP4035070A1 (en) | Method and system for facilitating improved training of a supervised machine learning process | |
US20210378167A1 (en) | Method for controlling the operation of a machine for harvesting root crop | |
CN111008561A (zh) | 一种牲畜的数量确定方法、终端及计算机存储介质 | |
CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
CN114511820A (zh) | 货架商品检测方法、装置、计算机设备及存储介质 | |
CN109657571B (zh) | 一种分娩监控方法和装置 | |
KR102172347B1 (ko) | 농장 가축 상태 평가 방법 및 시스템 | |
KR20160073490A (ko) | 영상 기반의 건설 현장 안전 수준 평가 시스템 | |
CN113763311A (zh) | 图像识别方法及装置、以及自动分拣机器人 | |
CN113706439A (zh) | 一种图像检测方法、装置、存储介质及计算机设备 | |
CN112580773A (zh) | 用于压缩深度学习模型的方法和装置 | |
CN112529845A (zh) | 图像质量值确定方法、装置、存储介质及电子装置 | |
CN114707560B (zh) | 数据信号的处理方法及装置、存储介质、电子装置 | |
CN110544230A (zh) | 一种基于5g的led屏检方法及系统 | |
CN117392634B (zh) | 车道线的获取方法、装置、存储介质及电子装置 | |
CN116403245B (zh) | 一种家禽育种数据分析方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200828 |