CN111903559B - 一种牲畜行为检测方法及相关设备 - Google Patents
一种牲畜行为检测方法及相关设备 Download PDFInfo
- Publication number
- CN111903559B CN111903559B CN202010735976.9A CN202010735976A CN111903559B CN 111903559 B CN111903559 B CN 111903559B CN 202010735976 A CN202010735976 A CN 202010735976A CN 111903559 B CN111903559 B CN 111903559B
- Authority
- CN
- China
- Prior art keywords
- livestock
- characteristic
- values
- time period
- behavior
- 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.)
- Active
Links
- 244000144972 livestock Species 0.000 title claims abstract description 266
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 156
- 230000000694 effects Effects 0.000 claims description 79
- 238000003860 storage Methods 0.000 claims description 64
- 239000003651 drinking water Substances 0.000 claims description 32
- 235000020188 drinking water Nutrition 0.000 claims description 32
- 241001465754 Metazoa Species 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 26
- 230000035622 drinking Effects 0.000 claims description 21
- 238000003062 neural network model Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 210000002569 neuron Anatomy 0.000 claims description 15
- 230000022676 rumination Effects 0.000 claims description 15
- 208000015212 rumination disease Diseases 0.000 claims description 15
- 230000037406 food intake Effects 0.000 claims description 11
- 238000010295 mobile communication Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 7
- 230000010365 information processing Effects 0.000 claims description 2
- 230000036541 health Effects 0.000 abstract description 5
- 241000283690 Bos taurus Species 0.000 description 22
- 238000010586 diagram Methods 0.000 description 22
- 239000007788 liquid Substances 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 230000009184 walking Effects 0.000 description 9
- 235000013365 dairy product Nutrition 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 239000008267 milk Substances 0.000 description 3
- 235000013336 milk Nutrition 0.000 description 3
- 210000004080 milk Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000282832 Camelidae Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004590 drinking behavior Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- 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
- A01K11/00—Marking of animals
- A01K11/006—Automatic identification systems for animals, e.g. electronic devices, transponders for animals
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biophysics (AREA)
- Birds (AREA)
- Zoology (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种牲畜行为检测方法及相关设备。其中，所述的方法包括：获取至少一个牲畜的牲畜行为特征信息；其中，每个牲畜对应的牲畜行为特征信息由对应不同时间段的X个气压计值和X个运动量采集器值组成；针对每个牲畜，先将其牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征，然后再根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；其中，牲畜行为信息采集器的标识与牲畜的标识之间存在一一对应关系，所述X、M均为预设的正整数。基于上述方案，可以检测牲畜每日所处的行为状态，进而判断牲畜健康状态，为科学饲养牲畜提供数据依据。
Description
技术领域
本发明涉及畜牧领域和电子技术领域，尤其涉及一种牲畜行为信息采集器、牲畜行为检测服务器、牲畜行为检测方法、设备和计算机可读存储介质。
背景技术
牲畜在被饲养的日常中有多种行为状态。在规模化牧场的日常操作中，牲畜每日处于不同行为状态的时间和次数，可以作为判断牲畜健康状态的依据，同时对科学饲养牲畜提供数据依据，以提高牲畜的养殖效益。
这里的牲畜包括但不限于奶牛、羊、马、骆驼等被人类驯服饲养的动物。
发明内容
根据本发明的第一个方面，提供了一种牲畜行为信息采集器，该采集器包括：气压计、运动量采集器、第一存储模块、第一处理模块和第一无线通信模块；
所述第一处理模块，用于按照第一预设频率采集气压计值和运动量采集器值并保存到第一存储模块中；用于在每完成X次采集后，对第一存储模块中保存的该X次采集所得到的X个气压计值和X个运动量采集器值进行一次处理，得到M个特征值；用于将每次处理得到在一组M个特征值实时通过第一无线通信模块发送出去，或者，将每次处理得到的一组M个特征值先保存到存储模块中，当存储模块中保存了N次处理得到的特征值时，将该N次处理得到的N*M个特征值通过第一无线通信模块发送出去；
其中，所述X、M、N均为预设的正整数。
可选地，所述第一处理模块，用于在每完成X次采集后，对存储模块中保存的该X次采集所得到的X个气压计值进行平均值计算得到一个气压平均值特征，对存储模块中保存的该X次采集所得到的X个运动量采集器值进行平均计算得到一个运动平均值特征，以及分别统计存储模块中保存的该X次采集所得到的X个运动量采集器值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征。
可选地，所述采集器还包括：存储有牲畜标识信息的射频识别RFID模块。
根据本发明的第二个方便，提供了一种牲畜行为检测服务器，该服务器包括：接收模块、第二存储模块和第二处理模块；
所述接收模块，用于接收来自至少一个牲畜行为信息采集器的牲畜行为特征信息，并以牲畜行为信息采集器的标识作为索引保存到第二存储模块中；其中，来自每个牲畜行为信息采集器的牲畜行为特征信息由对应不同时间段的特征组组成，每个特征组包括M个特征，或者，来自每个牲畜行为信息采集器的牲畜行为特征信息由对应不同时间段的X个气压计值和X个运动量采集器值组成；
所述第二处理模块，用于针对第二存储模块中保存的每个牲畜行为信息采集器对应的牲畜行为特征信息，直接根据牲畜行为特征信息中的每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；或者，用于针对第二存储模块中保存的每个牲畜行为信息采集器对应的牲畜行为特征信息，先将牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征，然后再根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；
其中，牲畜行为信息采集器的标识与牲畜的标识之间存在一一对应关系，所述X、M均为预设的正整数。
可选地，所述M个特征包括：将对应时间段内采集的X个气压计值进行平均计算得到一个气压平均值特征，将对应时间段内采集的X个运动量采集器值进行平均计算得到一个运动平均值特征，以及统计对应时间段内采集的X个运动量采集器值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征；
所述第二处理模块，用于针对每个特征组，先判断该特征组是否符合第一预设条件，符合第一预设条件则确定对应牲畜在对应时间段处于躺卧状态，不符合预设条件则确定对应牲畜在对应时间段处于站立状态；
其中，所述第一预设条件为：气压平均值特征对应的高度值小于预设高度，并且活动强度最高的Y个活动强度区间对应的活动计数特征值的总和小于第一预设数量；
其中，所述Y为预设的正整数，且Y<(M-2)。
可选地，所述接收模块，进一步用于接收安装在牲畜饮水槽附近的基站通过RFID扫描获取并发送的牲畜饮水信息；其中，所述牲畜饮水信息包括：牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间；
所述第二处理模块，进一步用于针对每个特征组，判断该特征组是否符合第二预设条件，符合第二预设条件则确定对应牲畜在对应时间段处于饮水状态，不符合第二预订条件则确定对应牲畜在对应时间段处于非饮水状态；
其中，所述第二预设条件为：不符合所述第一预设条件，并且在对应时间段安装在牲畜饮水槽附近的基站通过RFID扫描到对应牲畜的标识信息，并且该特征组中的活动强度最低的Y’个活动强度区间对应的活动计数特征值的总和大于第二预设数量，并且该特征组中的运动平均值特征的值大于24小时内的运动平均值的均值；
其中，所述Y’为预设的正整数，且Y+Y’＝M-2。
可选地，所述第二处理模块，用于针对每个特征组，在判断该特征组不否符合第二预设条件确定对应牲畜在对应时间段处于非饮水状态时，进一步将该特征组输入经历史数据训练得到的神经网络模型，根据所述神经网络模型的输出确定对应牲畜在对应时间段处于反刍、采食或游走状态。
可选地，所述神经网络模型的输入层包括分别与所述M个特征一一对应的M个神经元，所述神经网络模型的输出层包括分别与反刍、采食和游走的概率对应三个神经元。
根据本发明的第三个方面，提供了一种牲畜行为检测系统，该系统包括：至少一个基站、至少一个如上任一项所述牲畜行为信息采集器和如权上任一项所述的牲畜行为检测服务器；
所述基站包括第三处理模块、第二无线通信模块和移动通信模块；其中，所述第二无线通信模块用于接收牲畜行为信息采集器发送的各组特征值，所述第三处理模块用于将第二无线通信模块接收到的各组特征值通过移动通信模块发送给服务器。
可选地，安装在牲畜饮水槽附近的所述基站还包括：RFID读头；
所述RFID读头用于按照第二预设频率扫描包含牲畜的标识信息的RFID模块；
所述第三处理模块，进一步用于将RFID读头扫描到的牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间通过移动通信模块发送给服务器。
根据本发明的第四个方面，提供了一种牲畜行为检测方法，该方法包括：
获取至少一个牲畜的牲畜行为特征信息；其中，每个牲畜对应的牲畜行为特征信息由对应不同时间段的特征组组成，每个特征组包括M个特征，或者，每个牲畜对应的牲畜行为特征信息由对应不同时间段的X个气压计值和X个运动量采集器值组成；
针对每个牲畜，直接根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；或者，针对每个牲畜，先将其牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征，然后再根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；
其中，牲畜行为信息采集器的标识与牲畜的标识之间存在一一对应关系，所述X、M均为预设的正整数。
可选地，所述针对每个牲畜，先将其牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征包括：
对X个气压计值进行平均值计算得到一个气压平均值特征，对X个运动量采集器值进行平均计算得到一个运动平均值特征，以及分别统计X个运动量采集器值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征，得到对应该时间段的包含M个特征的特征组。
可选地，所述根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤包括：
针对每个特征组，先判断该特征组是否符合第一预设条件，符合第一预设条件则确定对应牲畜在对应时间段处于躺卧状态，不符合预设条件则确定对应牲畜在对应时间段处于站立状态；
其中，所述第一预设条件为：气压平均值特征对应的高度值小于预设高度，并且活动强度最高的Y个活动强度区间对应的活动计数特征值的总和小于第一预设数量；
其中，所述Y为预设的正整数，且Y<(M-2)。
可选地，根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤还包括：
接收安装在牲畜饮水槽附近的基站通过RFID扫描获取并发送的牲畜饮水信息；其中，所述牲畜饮水信息包括：牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间；
针对每个特征组，判断该特征组是否符合第二预设条件，符合第二预设条件则确定对应牲畜在对应时间段处于饮水状态，不符合第二预订条件则确定对应牲畜在对应时间段处于非饮水状态；
其中，所述第二预设条件为：不符合所述第一预设条件，并且在对应时间段安装在牲畜饮水槽附近的基站通过RFID扫描到对应牲畜的标识信息，并且该特征组中的活动强度最低的Y’个活动强度区间对应的活动计数特征值的总和大于第二预设数量，并且该特征组中的运动平均值特征的值大于24小时内的运动平均值的均值；
其中，所述Y’为预设的正整数，且Y+Y’＝M-2。
可选地，根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤还包括：
针对每个特征组，在判断该特征组不否符合第二预设条件确定对应牲畜在对应时间段处于非饮水状态时，将该特征组输入经历史数据训练得到的神经网络模型，根据所述神经网络模型的输出确定对应牲畜在对应时间段处于反刍、采食或游走状态。
可选地，所述神经网络模型的输入层包括分别与所述M个特征一一对应的M个神经元，输出层包括分别与反刍、采食和游走的概率对应三个神经元。
根据本发明的第五个方面，提供了一种包括至少一个计算装置和至少一个存储装置的设备，其中，所述至少一个存储装置用于存储指令，所述指令用于控制所述至少一个计算装置执行如上任一项所述的方法。
根据本发明的第六个方面，提供了一种计算机可读存储介质，其中，其上存储有计算机可读程序指令，所述计算机可读程序指令在被处理器执行时实现如上任一项所述的方法。
根据本发明的技术方案，可以检测牲畜每日所处的行为状态，进而判断牲畜健康状态，为科学饲养牲畜提供数据依据。
附图说明
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
图1示出了本发明实施例中的牲畜行为检测系统的示意图；
图2示出了本发明实施例中的牲畜行为信息采集器100的结构示意图；
图3示出了本发明实施例中的一种运动量采集器120的结构示意图；
图4示出了根据本发明实施例中的运动传感器123的结构示意图；
图5示出了根据本发明一个实施例中的运动传感器123的结构示意图；
图6示出了本发明实施例中的运动量采集器120的进一步的结构示意图；
图7示出了根据本发明一个实施例中的一种采集运动量的装置100秒内采集到红外接收管的电压值的模拟仿真图；
图8是本发明实施例中的基站200的结构示意图；
图9是本发明实施例中的牲畜行为检测服务器300的结构图；
图10是本发明一个实施例中的特征1～8的采集30分钟后的展示的效果；
图11是本发明实施例中的一种牲畜行为检测方法的流程图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
下面，参照附图描述根据本发明实施例的各个实施例和例子。
图1示出了本发明实施例中的牲畜行为检测系统的示意图。如图1所示，该牲畜行为检测系统包括：至少一个牲畜行为信息采集器100、至少一个基站200、和一个牲畜行为检测服务器300。该系统的工作原理是：行为采集器100佩戴在牲畜的身上(如戴在脖颈位置)，基站安装在养殖的牲畜的活动场所或附近。行为采集器100不断的采集牲畜行为信息，并通过基站200发送到牲畜行为检测服务器300，由牲畜行为检测服务器300完成所采集的牲畜行为信息的分析。
在本发明的一个实施例中，图1所示的牲畜行为检测系统也可以不包括基站200，牲畜行为信息采集器100可以通过任何可能的有线或无线方式与牲畜行为检测服务器300进行通信。
图2示出了本发明实施例中的牲畜行为信息采集器100的结构示意图。如图2所示，牲畜行为信息采集器100包括：气压计110、运动量采集器120、第一存储模块130、第一处理模块140和第一无线通信模块150。
在本发明的一个实施例中，气压计110可以是一种测试大气压的传感器(例如SPL06-001，精度±5cm)，可以用于高度检测。运动量采集器120可以是用于检测运动量的传感器。第一存储模块130可以包括内存、缓存以及硬盘。第一处理块140可以是微处理器。第一无线通信模块150可以是能够与基站进行通信的模块，或者是能够直接与服务器进行通信的模块。
第一处理模块140，用于按照第一预设频率采集气压计值和运动量采集器120的值并保存到第一存储模块130中；并用于在每完成X次采集后，对第一存储模块130中保存的该X次采集所得到的X个气压计值和X个运动量采集器值进行一次处理，得到M个特征值；用于将每次处理得到在一组M个特征值实时通过第一无线通信模块150发送出去，或者，将每次处理得到的一组M个特征值先保存到存储模块130中，当存储模块130中保存了N次处理得到的特征值时，将该N次处理得到的N*M个特征值通过第一无线通信模块150发送出去。其中，所述X、M、N均为预设的正整数。
在本发明的一个实施例中，第一处理模块140，用于在每完成X次采集后，对第一存储模块130中保存的该X次采集所得到的X个气压计值进行平均值计算得到一个气压平均值特征，对第一存储模块130中保存的该X次采集所得到的X个运动量采集器120的值进行平均计算得到一个运动平均值特征，以及分别统计存储模块130中保存的该X次采集所得到的X个运动量采集器120的值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征。
在本发明的一个实施例中，图2所示的牲畜信息采集器100还包括：存储有牲畜标识信息的射频识别RFID模块160。
在本发明的一个实施例中，第一预设频率取每1/8秒一次，X＝480次(即一分钟采集的次数)，M＝9，N＝10。即第一处理模块140的工作逻辑是：1/8秒启动一次，采集一次气压计110的值和运动量采集器120的值保存到第一存储模块130中。当采集到480次数据(1分钟)后，对采集到的数据进行一次处理，获得9个特征值，并保存到第一存储模块130中。当保存10次特征值(过了10分钟后)后，通过第一无线通信模块150发送第一存储模块130中的特征数据到牲畜行为检测服务器300。
图3示出了本发明实施例中的一种运动量采集器120的结构示意图，如图3所示，该运动量采集器120包括：转换电路121、处理器122和运动传感器123。图4示出了根据本发明实施例中的运动传感器123的结构示意图，如图4所示，该运动传感器123包括腔体1231、红外发射管1232和红外接收管1233。
在图4中，红外发射管1232和红外接收管1233设置在腔体1231的两侧；腔体1231内装载有一定量的指定液体1234，使得在腔体1231中指定液体1234和空气1235各占一定比例。红外发射管1232，用于发射红外信号。红外接收管1233，用于接收红外发射管1232发射出来的红外信号，其中红外发射管1232所发射的红外信号经过腔体1231中的指定液体1234和空气1235到达红外接收管1233。
通过图4可知，当运动传感器垂直静止时，红外发射管发射的红外信号经过的腔体内的液体与空气的比例是固定的，所以红外接收管接收固定的红外信号；当该运动传感器向某一方向运动时，由于重力作用，所述腔体内液体的液位发生变化，使得所述红外发射管发射的红外信号经过的所述腔体内的液体与空气的比例发生变化，导致红外接收管接收的信号发生变化，进而判断被测物体是否产生了运动。由图4可知，本发明设计的运动传感器设计成本低廉、操作便捷。
图5示出了根据本发明一个实施例中的运动传感器123的结构示意图,如图5所示，在本发明的一个实施例中，腔体1231为球形容置腔。当腔体1231为球形容置腔时，红外接收管1233与红外发射管1232之间的连线不经过球形容置腔的中心点O。红外接收管1233与红外发射管1232之间的连线为P3，红外发射管1232与球形容置腔中心点O之间的连线为P2，红外接收管1233与球形容置腔中心点O之间的连线为P1，在腔体1231两侧设置红外接收管1233与红外发射管1232的过程中，需要保证P3不经过球形容置腔的中心点O，也就是说P1与P2之间成一定的夹角。这样设置的目的在于，使得红外发射管发射的红外信号到达红外接收管的路径不经过所述球形容置腔的中心，需要说明的是，若红外发射管发射的红外信号到达红外接收管的路径经过所述球形容置腔的中心，则红外接收管接收红外发射信号后将不会产生相应的电流变化，将无法实时精确的采集被测物体的运动量。在此，需要进一步说明的是，腔体1231的材质是透明的玻璃或者塑料。腔体1231两侧设置有固定卡槽，用于固定所述红外发射管1232和所述红外接收管1233。
运动传感器123中的红外发射管1232，用于根据处理器122发送的控制指令发射红外信号。运动传感器123中的红外接收管1233，用于接收红外发射管1232发射出来的红外信号，并根据红外信号产生相应的电流信号发送给转换电路121。转换电路121，用于将来自所述红外接收管1233的电流信号转换为相应的电压信号，并将所述电压信号发送给处理器122。处理器122，用于控制红外发射管1232发射红外信号，并接收转换电路121发送的电压信号，并根据所述电压信号计算运动量。
通过图3可知，只要将运动传感器123安装在被测物体上，运动传感器123开始工作时，红外接收管1233就会接收到红外发射管1232发射的红外信号并产生相应的电流，转换电路121将产生的相应电流转换为相应的电压传送给处理器122，处理器122通过转换电路121获取的电压值，即可计算出被测物体的运动量，因此，运动传感器123可以实时采集被测物体的运动量。需要说明的是，当腔体1231内的液体与空气的比例大于1时，红外接收管1233的电压值小于被测物体静止时的基准电压值；当腔体1231内的液体与空气的比例小于1时，红外接收管1233的电压值大于被测物体静止时的基准电压值。
图6示出了本发明实施例中的运动量采集器120的进一步的结构示意图，如图6所示，转换电路121包括采样电阻1211和A/D转换电路1212：
采样电阻1211，用于将红外接收管1233的电流信号转化为电压模拟信号；A/D转换电路1212，用于将电压模拟信号转化为电压数字信号，并将电压数字信号发送给处理器122。
如图6所示，所述处理器122还包括发送单元1221、接收单元1222、存储单元1223和计算单元1224；
发送单元1221，用于发送开始工作的控制指令给所述红外发射管1232；述接收单元1222，用于接收转换电路121发送的电压信号；存储单元1223，用于保存最大值和最小值的初始值，以及用于保存一定时间内来自所述转换电路121的电压信号；以及用于保存所述计算单元1224计算的累加值；计算单元1224，用于累加一定时间内接收到的电压值，并将累加得到的电压值保存到存储单元1223，计算每两个相同间隔的累加值的差值x(n+m)-xn，将所述差值的绝对值|x(n+m)-xn|与第一预设值进行比较，若|x(n+m)-xn|大于第一预设值，继续判断x(n+m)-xn是否大于零，若是，记录x(n+m)为最大值；若否，记录x(n+m)为最小值；重复上述操作，当所述累加值从上升阶段进入下降阶段时，确定不等于初始值的所述最大值和所述最小值；计算所述最大值与所述最小值的差值，并将所述最大值与最小值的差值与第二预设值进行比较，若所述差值大于第二预设值，那么记录一个活动量；若所述差值小于第二预设值，那么不记录活动量；将所述最大值与所述最小值设置为初始值，重复上述操作。
为了使本发明的方案更加清晰，下面举一个具体的例子进行解释说明。
红外接收管接收红外发射管发射的信号后产生相应的电流，然后通过采样电阻转变成电压信号接入A/D转换电路1212，A/D转换电路1212的输出端与处理器122连接红外发射管也与处理器122的I/O口连接。处理器122的发送单元1221每隔1秒，通过I/O口发送周期为1毫秒(1ms)的20个脉冲信号给红外发射管。同时处理器122的接收单元1222从A/D转换电路1212中读取20个红外接收管的接收到的20个电压采样值，然后处理器122的计算单元1224累加每1秒内接收到的20个电压采样值，并将累加20个电压采样值的和保存在处理器122的存储单元1223中，也就是说每1秒的电压值是20个电压采样值累加之后的和。图7示出了根据本发明一个实施例中的一种采集运动量的装置100秒内采集到红外接收管的电压值的模拟仿真图，如图7所示，每一个点就代表每1秒的电压值是红外接收管1秒内接收到红外发射管发射的20个红外信号产生的电流对应的20个电压采样值累加之后的和。采集到如图5所示的100个数据后，进行如下处理以计算量化后的运动量：为了便于描述，以1组数据为例，假如这组数据为：X1＝3、X2＝5、X3＝3、X4＝1、X5＝7、X6＝3和X7＝2，为了防止采集到的数据变化不明显，利用公式x(n+m)-xn计算每间隔1秒的数值的差值，即令m＝2，n＝1～7，并令最大值的初始值为0，最小值的初始值为10，第一预设值为1，第二预设值为5；计算X3-X1＝0、X4-X2＝-4、X5-X3＝4、X6-X4＝2、X7-X5＝-5，计算得出X4-X2的绝对值大于第一预设值1，且X4-X2小于0，且X4小于最小值的初始值10，则记录X4为最小值；计算得出X5-X3的绝对值大于第一预设值1，且X5-X3大于0，且X5大于最大值的初始值0，则记录X5为最大值；计算得出X6-X4的绝对值大于第一预设值1，且X6-X4大于0，但是X6小于X5，因此，此时的最大值依旧为X5；计算得出X7-X5的绝对值大于第一预设值1，且X7-X5小于0，则判断为此时的数据从上升阶段变化到下降阶段，计算最大值X5与最小值X4的差值，即计算X5-X4＝6。进而判断出X5-X4的差值大于第二预设值5，则计数一个活动量。每计数一个运动量后，就将最大值和最小值设置为初始值，重复上述操作，找到下一时间内的最大值和最小值。
利用这种所述的方法，分析图7中的数据，将第一预设值设置为5，第二预设值设置为50，最大值的初始值设置为0，最小值的初始值设置为9999，那么可计算获得9个活动量。需要说明的是，第一预设值设置的目的在于找到一定时间内的最大值和最小值；第二预设值设置的目的是为了将小小的波动排除，精确计数运动量，提高运动传感器的灵敏度。
需要说明的是，为了延长运动传感器的使用寿命，处理器122给红外发射管发送脉冲控制信号，在此，需要进一步说明的是，只有处理器122给红外发射管发送控制信号时，红外发射管才开始工作，当处理器122未给红外发射管发送控制信号时，红外发射管处于休眠状态。
可见，通过在腔体两侧设置一组红外发射管和红外接收管，使得红外发射管所发射的红外信号经过所述腔体中的指定液体和空气到达红外接收管，当运动传感器垂直静止时，红外发射管发射的红外信号经过的所述腔体内的液体与空气的比例是固定的，所以红外接收管接收固定的红外信号；当该运动传感器向某一方向运动时，由于重力作用，所述腔体内液体的液位发生变化，使得所述红外发射管发射的红外信号经过的所述腔体内的液体与空气的比例发生变化，导致所述红外接收管接收的信号发生变化，进而判断被测物体是否产生了运动；然后，通过检测红外接收管的电压值变化，实现被测物体活动量的精确采集。
图8是本发明实施例中的基站200的结构示意图。如图8所示，该基站200包括第三处理模块210、第二无线通信模220块和移动通信模块230；其中，所述第二无线通信模块220用于接收牲畜行为信息采集器100发送的各组特征值，所述第三处理模块210用于将第二无线通信模块220接收到的各组特征值通过移动通信模块230发送给牲畜行为检测服务器300。
在本发明的一个实施例中，安装在牲畜饮水槽附近的基站200还包括：RFID读头240；RFID读头240用于按照第二预设频率(如每隔10秒一次)扫描包含牲畜的标识信息的RFID模块；第三处理模块210，进一步用于将RFID读头扫描到的牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间通过移动通信模块230发送给牲畜行为检测服务器300。
图9是本发明实施例中的牲畜行为检测服务器300的结构图。如图9所示，该牲畜行为检测服务器300包括：接收模块310、第二存储模块320和第二处理模块330。
在本发明的一个实施例中，接收模块310，用于接收来自至少一个牲畜行为信息采集器100的牲畜行为特征信息，并以牲畜行为信息采集器的标识作为索引保存到第二存储模块中；其中，来自每个牲畜行为信息采集器的牲畜行为特征信息由对应不同时间段的特征组组成，每个特征组包括M个特征(这是由牲畜行为信息采集器100计算特征的情况)；相应地，第二处理模块330，用于针对第二存储模块320中保存的每个牲畜行为信息采集器对应的牲畜行为特征信息，直接根据牲畜行为特征信息中的每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；
或者，在本发明的另一个实施例中，接收模块310，用于接收来自至少一个牲畜行为信息采集器100的牲畜行为特征信息，并以牲畜行为信息采集器的标识作为索引保存到第二存储模块中；来自每个牲畜行为信息采集器的牲畜行为特征信息由对应不同时间段的X个气压计值和X个运动量采集器值组成(这是牲畜行为信息采集器100不进行特征计算，采集的值直接发送给服务器，由服务器计算特征的情况)；相应地，第二处理模块330，用于针对第二存储模块320中保存的每个牲畜行为信息采集器对应的牲畜行为特征信息，先将牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征，然后再根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；
其中，牲畜行为信息采集器的标识与牲畜的标识之间存在一一对应关系，X、M均为预设的正整数。
在本发明的一个实施例中，所述M个特征包括：将对应时间段内采集的X个气压计值进行平均计算得到一个气压平均值特征，将对应时间段内采集的X个运动量采集器值进行平均计算得到一个运动平均值特征，以及统计对应时间段内采集的X个运动量采集器值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征；
在本发明的一个实施例中，第二处理模块330，用于针对每个特征组，先判断该特征组是否符合第一预设条件，符合第一预设条件则确定对应牲畜在对应时间段处于躺卧状态，不符合预设条件则确定对应牲畜在对应时间段处于站立状态；其中，所述第一预设条件为：气压平均值特征对应的高度值小于预设高度，并且活动强度最高的Y个活动强度区间对应的活动计数特征值的总和小于第一预设数量；其中，所述Y为预设的正整数，且Y<(M-2)。
在本发明的一个实施例中，接收模块310，进一步用于接收安装在牲畜饮水槽附近的基站通过RFID扫描获取并发送的牲畜饮水信息；其中，所述牲畜饮水信息包括：牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间。第二处理模块330，进一步用于针对每个特征组，判断该特征组是否符合第二预设条件，符合第二预设条件则确定对应牲畜在对应时间段处于饮水状态，不符合第二预订条件则确定对应牲畜在对应时间段处于非饮水状态；其中，所述第二预设条件为：不符合所述第一预设条件，并且在对应时间段安装在牲畜饮水槽附近的基站通过RFID扫描到对应牲畜的标识信息，并且该特征组中的活动强度最低的Y’个活动强度区间对应的活动计数特征值的总和大于第二预设数量，并且该特征组中的运动平均值特征的值大于24小时内的运动平均值的均值；其中，所述Y’为预设的正整数，且Y+Y’＝M-2。
在本发明的一个实施例中，第二处理模块330，用于针对每个特征组，在判断该特征组不否符合第二预设条件确定对应牲畜在对应时间段处于非饮水状态时，进一步将该特征组输入经历史数据训练得到的神经网络模型，根据所述神经网络模型的输出确定对应牲畜在对应时间段处于反刍、采食或游走状态。
在本发明的一个实施例中，所述神经网络模型的输入层包括分别与所述M个特征一一对应的M个神经元，所述神经网络模型的输出层包括分别与反刍、采食和游走的概率对应三个神经元。
下面以奶牛为例对本发明的上述方案进行进一步的解释说明。奶牛的行为状态可以定义为：采食、饮水、反刍、躺卧、游走、站立。这6个状态有些不能同时成立，例如，采食、饮水、反刍、游走这4个状态俩俩都不能同时成立(即任意时刻只可能处于这4中状态中的一个状态)，躺卧和站立不能同时成立；有些必须同时成立例如采食、饮水、游走时必然处在站立状态。根据本发明的方案识别不同状态，主要统计奶牛处在各种状态的时间和次数，依此作为奶牛健康状态判别依据，同时对科学饲养奶牛提供数据依据，以提高奶牛养殖效益。
具体地，牲畜行为信息采集器100佩戴在奶牛脖颈位置，具体可以固定在奶牛佩戴的项圈上。基站200安装在奶牛活动场和饮水巢旁边。牲畜行为信息采集器100不会在线直接完成行为检测，而只是采集行为检测用的支撑数据发送给牲畜行为检测服务器300，行为检测在服务器端完成。
牲畜行为信息采集器100中的气压计110主要用于奶牛躺卧和站立两种姿势的识别。由于整个项圈是佩戴在奶牛的脖颈位置，所以奶牛躺卧和站立姿势时项圈高度明显不同。但奶牛站立时也可能会低头饮水或采食等，所以依靠气压计110的高度值也不能唯一识别是否站立还是躺卧。这时还需要配合运动量采集器120的数据一同判断。当躺卧时高度持续保持低，同时运动状态处于平静状态，结合这2个特征可以实现躺卧判断。躺卧以外都处于站立状态。
牲畜行为信息采集器100中RFID模块130的作用主要是作为身份标识区分不同的奶牛。这里主要用于饮水行为的检测。奶牛饲养场所中饮水巢是在固定位置放置的，奶牛可以自行到饮水巢饮水，每日没有固定的喂水的习惯，因此每头奶牛24小时内饮水了几次，每次饮水多长时间是不知道的。但饮水量对于奶牛健康指标有很好的指示作用。在饮水巢旁安装带RFID读头240的基站200，扫描距离在0～2米。因此佩戴牲畜行为信息采集器100的奶牛靠近饮水巢时就能被基站扫描到。但接近饮水巢也不能唯一确定就是一次饮水活动，还需要配合气压计的数值(奶牛的头会低下)，同时结合运动量采集器120的数据(有饮水运动模式)才能更好的确定是否一次饮水运动，并能获得饮水开始时间和结束时间。
运动量采集器110中的第一处理模块140的工作逻辑：1/8秒启动一次，采集一次气压计110的值和运动量采集器的值保存到第一存储模块130(可以是内存)中。当采集到480次数据(1分钟)后，对采集到的数据进行一次处理，获得9个特征值，并保存到第一存储模块130(可以是缓存)中。当保存10次特征值(过了10分钟后)，通过第一无线通信模块150发送所缓存中的特征数据到云端服务器。
在一个具体实施例中，9个特征值包括8个活动量强度计数值和1个气压计平均值。并且，各特征的定义如下：
特征1：活动强度在25～50之间的活动计数值
特征2：活动强度在50～100之间的活动计数值
特征3：活动强度在100～200之间的活动计数值
特征4：活动强度在200～350之间的活动计数值
特征5：活动强度在355～550之间的活动计数值
特征6：活动强度在550～750之间的活动计数值
特征7：活动强度在750以上的活动计数值
特征8：运动传感器输出值平均值
特征9：480个气压计输出平均值
其中特征1～7的计算过程一样，只是活动强度度量区间不一样。25～50代表轻微运动，其对应的计数值大小代表轻微活动多还是少，数值越大说明轻微运动越多。750以上代表剧烈运动，数值越大也代表剧烈运动越多。以此类推。
计算特征1～7的源代码如下：
比如对于特征1，th1＝25，th2＝50，frame是长度为480的保存运动量采集器输出值的数组，该函数返回0～255之间一个整数，代表强度在th1～th2之间的运动计数值。
特征8就是运动量采集器输出值的数组求平均的值，它可以代表运动传感器中气泡的位置，通过这个值可以判断奶牛的头部是正常、低头还是仰头等。
特征9是气压计数据的平均值，用于判断传感器所处的高度。
图10是本发明一个实施例中的特征1～8的采集30分钟后的展示的效果。
基站200主要功能是接收牲畜行为信息采集器100发送过来的数据，并通过移动通信模块230(2G/4G/5G通信模块)中转发送给服务器端。基站200以10秒一次的频率通过RFID读头240扫描附近的RFID，如果扫描到则发送给服务器端，从扫描到再到扫描不到时也发送给服务器端扫描不到的信息。其中RFID读头240是基站200的选配模块，只有在饮水巢附近安装的基站才配备RFID读头240。
牲畜行为检测服务器300端接收每个牲畜行为信息采集器100和/或基站200发送过来的数据并保存到数据库。每个牲畜行为信息采集器100有唯一的采集器ID，每个基站200有唯一的基站ID。服务器端按1分钟为时间颗粒度进行行为分类，即使把每一分钟归类到不同的行为中，最终可以通过计算累计时间和时间连续关系计算出每一天的奶牛处于各个行为状态的总时长和次数数据。
牲畜行为检测服务器300的检测逻辑包括：
1.在本实施例中先将特征9换算成相对高度值单位cm，后续记作特征9’
2.牲畜行为检测服务器300最优先判断躺卧状态。判断方法：
判断条件1：特征9’<50cm AND(特征5+特征6+特征7)<20
说明：高度保持低，同时几乎无运动时，认为时躺卧。即满足条件1即为躺卧状态。
3.然后，牲畜行为检测服务器300进行站立状态判断：
判断条件2：反(特征9’<50cm AND(特征5+特征6+特征7)<20
说明：满足条件2(即不满足条件1)为站立状态。
4.牲畜行为检测服务器300进行饮水状态判断：
判断条件3：处在站立状态AND饮水巢扫描到RFID AND(特征1+特征2+特征3+特征4)>50AND特征8>24小时均值(特征8)
说明：站立、在饮水槽附近、轻微活动频繁并且该时段的运动量平均值大于24小时内的运动量均值。
5.当非饮水状态时，牲畜行为检测服务器300进行反刍、采食、游走的监测。反刍、采食、游走通过一个已训练的三层神经网络进行判断。
在一个实施例中，神经网络的输入层包含9个神经元，代表特征1～特征9。隐含层有20个神经元。输入层有3个神经元，且是一个softmax分类层，分别代表反刍、采食和游走的概率。输入层是线性输入，隐含层是ReLU激活函数，输入层是Softmax分类层。该网络在大量已标注数据下进行训练，三个输出中选择最大值作为预测结果，训练神经网络的过程是现有方案，这里不再赘述。
根据以上实施例，本发明还提供一种牲畜行为检测方法，如图11所示，该方法包括：
步骤A1,获取至少一个牲畜的牲畜行为特征信息；其中，每个牲畜对应的牲畜行为特征信息由对应不同时间段的特征组组成，每个特征组包括M个特征，或者，每个牲畜对应的牲畜行为特征信息由对应不同时间段的X个气压计值和X个运动量采集器值组成；
步骤A2，针对每个牲畜，直接根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；或者，针对每个牲畜，先将其牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征，然后再根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；其中，牲畜行为信息采集器的标识与牲畜的标识之间存在一一对应关系，所述X、M均为预设的正整数。
在上述牲畜行为检测方法中，步骤A2中所述针对每个牲畜，先将其牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征包括：对X个气压计值进行平均值计算得到一个气压平均值特征，对X个运动量采集器值进行平均计算得到一个运动平均值特征，以及分别统计X个运动量采集器值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征，得到对应该时间段的包含M个特征的特征组。
在上述牲畜行为检测方法中，所述根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤包括：针对每个特征组，先判断该特征组是否符合第一预设条件，符合第一预设条件则确定对应牲畜在对应时间段处于躺卧状态，不符合预设条件则确定对应牲畜在对应时间段处于站立状态；
其中，所述第一预设条件为：气压平均值特征对应的高度值小于预设高度，并且活动强度最高的Y个活动强度区间对应的活动计数特征值的总和小于第一预设数量；
其中，所述Y为预设的正整数，且Y<(M-2)。
在上述方法中，根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤还包括：接收安装在牲畜饮水槽附近的基站通过RFID扫描获取并发送的牲畜饮水信息；其中，所述牲畜饮水信息包括：牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间；针对每个特征组，判断该特征组是否符合第二预设条件，符合第二预设条件则确定对应牲畜在对应时间段处于饮水状态，不符合第二预订条件则确定对应牲畜在对应时间段处于非饮水状态；其中，所述第二预设条件为：不符合所述第一预设条件，并且在对应时间段安装在牲畜饮水槽附近的基站通过RFID扫描到对应牲畜的标识信息，并且该特征组中的活动强度最低的Y’个活动强度区间对应的活动计数特征值的总和大于第二预设数量，并且该特征组中的运动平均值特征的值大于24小时内的运动平均值的均值；其中，所述Y’为预设的正整数，且Y+Y’＝M-2。
在上述牲畜行为检测方法中，根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤还包括：针对每个特征组，在判断该特征组不否符合第二预设条件确定对应牲畜在对应时间段处于非饮水状态时，将该特征组输入经历史数据训练得到的神经网络模型，根据所述神经网络模型的输出确定对应牲畜在对应时间段处于反刍、采食或游走状态。
其中，所述神经网络模型的输入层包括分别与所述M个特征一一对应的M个神经元，输出层包括分别与反刍、采食和游走的概率对应三个神经元。
本发明还提供一种包括至少一个计算装置和至少一个存储装置的设备，其中，所述至少一个存储装置用于存储指令，所述指令用于控制所述至少一个计算装置执行如上所述的牲畜行为检测方法。
本发明还提供一种计算机可读存储介质，其中，其上存储有计算机可读程序指令，所述计算机可读程序指令在被处理器执行时实现如上所述的牲畜行为检测方法。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (15)
1.一种牲畜行为信息采集器，其特征在于，该采集器包括：气压计、运动量采集器、第一存储模块、第一处理模块和第一无线通信模块；
所述第一处理模块，用于按照第一预设频率采集气压计值和运动量采集器值并保存到第一存储模块中；用于在每完成X次采集后，对第一存储模块中保存的该X次采集所得到的X个气压计值和X个运动量采集器值进行一次处理，得到M个特征值；用于将每次处理得到在一组M个特征值实时通过第一无线通信模块发送出去，或者，将每次处理得到的一组M个特征值先保存到存储模块中，当存储模块中保存了N次处理得到的特征值时，将该N次处理得到的N*M个特征值通过第一无线通信模块发送出去；
其中，所述X、M、N均为预设的正整数；所述第一处理模块，用于在每完成X次采集后，对存储模块中保存的该X次采集所得到的X个气压计值进行平均值计算得到一个气压平均值特征，对存储模块中保存的该X次采集所得到的X个运动量采集器值进行平均计算得到一个运动平均值特征，以及分别统计存储模块中保存的该X次采集所得到的X个运动量采集器值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征。
2.根据权利要求1所述的采集器，其特征在于，所述采集器还包括：存储有牲畜标识信息的射频识别RFID模块。
3.一种牲畜行为检测服务器，其特征在于，该服务器包括：接收模块、第二存储模块和第二处理模块；
所述接收模块，用于接收来自至少一个牲畜行为信息采集器的牲畜行为特征信息，并以牲畜行为信息采集器的标识作为索引保存到第二存储模块中；其中，来自每个牲畜行为信息采集器的牲畜行为特征信息由对应不同时间段的特征组组成，每个特征组包括M个特征；
所述第二处理模块，用于针对第二存储模块中保存的每个牲畜行为信息采集器对应的牲畜行为特征信息，直接根据牲畜行为特征信息中的每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；或者，用于针对第二存储模块中保存的每个牲畜行为信息采集器对应的牲畜行为特征信息，先将牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征，然后再根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；
其中，牲畜行为信息采集器的标识与牲畜的标识之间存在一一对应关系，所述X、M均为预设的正整数；所述M个特征包括：将对应时间段内采集的X个气压计值进行平均计算得到一个气压平均值特征，将对应时间段内采集的X个运动量采集器值进行平均计算得到一个运动平均值特征，以及统计对应时间段内采集的X个运动量采集器值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征；
所述第二处理模块，用于针对每个特征组，先判断该特征组是否符合第一预设条件，符合第一预设条件则确定对应牲畜在对应时间段处于躺卧状态，不符合预设条件则确定对应牲畜在对应时间段处于站立状态；
其中，所述第一预设条件为：气压平均值特征对应的高度值小于预设高度，并且活动强度最高的Y个活动强度区间对应的活动计数特征值的总和小于第一预设数量；
其中，所述Y为预设的正整数，且Y<(M-2)。
4.根据权利要求3所述的服务器，其特征在于，
所述接收模块，进一步用于接收安装在牲畜饮水槽附近的基站通过RFID扫描获取并发送的牲畜饮水信息；其中，所述牲畜饮水信息包括：牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间；
所述第二处理模块，进一步用于针对每个特征组，判断该特征组是否符合第二预设条件，符合第二预设条件则确定对应牲畜在对应时间段处于饮水状态，不符合第二预订条件则确定对应牲畜在对应时间段处于非饮水状态；
其中，所述第二预设条件为：不符合所述第一预设条件，并且在对应时间段安装在牲畜饮水槽附近的基站通过RFID扫描到对应牲畜的标识信息，并且该特征组中的活动强度最低的Y’个活动强度区间对应的活动计数特征值的总和大于第二预设数量，并且该特征组中的运动平均值特征的值大于24小时内的运动平均值的均值；
其中，所述Y’为预设的正整数，且Y+Y’＝M-2。
5.根据权利要求4所述的服务器，其特征在于，
所述第二处理模块，用于针对每个特征组，在判断该特征组不否符合第二预设条件确定对应牲畜在对应时间段处于非饮水状态时，进一步将该特征组输入经历史数据训练得到的神经网络模型，根据所述神经网络模型的输出确定对应牲畜在对应时间段处于反刍、采食或游走状态。
6.根据权利要求5所述的服务器，其特征在于，
所述神经网络模型的输入层包括分别与所述M个特征一一对应的M个神经元，所述神经网络模型的输出层包括分别与反刍、采食和游走的概率对应三个神经元。
7.一种牲畜行为检测系统，其特征在于，该系统包括：至少一个基站、至少一个如权利要求1或2所述牲畜行为信息采集器和如权利要求3-6中任一项所述的牲畜行为检测服务器；
所述基站包括第三处理模块、第二无线通信模块和移动通信模块；其中，所述第二无线通信模块用于接收牲畜行为信息采集器发送的各组特征值，所述第三处理模块用于将第二无线通信模块接收到的各组特征值通过移动通信模块发送给服务器。
8.根据权利要求7所述的系统，其中，安装在牲畜饮水槽附近的所述基站还包括：RFID读头；
所述RFID读头用于按照第二预设频率扫描包含牲畜的标识信息的RFID模块；
所述第三处理模块，进一步用于将RFID读头扫描到的牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间通过移动通信模块发送给服务器。
9.一种牲畜行为检测方法，其特征在于，该方法包括：
获取至少一个牲畜的牲畜行为特征信息；其中，每个牲畜对应的牲畜行为特征信息由对应不同时间段的特征组组成，每个特征组包括M个特征；
针对每个牲畜，直接根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；或者，针对每个牲畜，先将其牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征，然后再根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为；
其中，牲畜行为信息采集器的标识与牲畜的标识之间存在一一对应关系，所述X、M均为预设的正整数所述针对每个牲畜，先将其牲畜行为特征信息中的每个时间段对应的X个气压计值和X个运动量采集器值处理成对应该时间段的特征组，每个特征组包含M个特征包括：
对X个气压计值进行平均值计算得到一个气压平均值特征，对X个运动量采集器值进行平均计算得到一个运动平均值特征，以及分别统计X个运动量采集器值落入预设的M-2个活动强度区间的计数值得到M-2个活动计数特征，得到对应该时间段的包含M个特征的特征组。
10.根据权利要求9所述的方法，其特征在于，所述根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤包括：
针对每个特征组，先判断该特征组是否符合第一预设条件，符合第一预设条件则确定对应牲畜在对应时间段处于躺卧状态，不符合预设条件则确定对应牲畜在对应时间段处于站立状态；
其中，所述第一预设条件为：气压平均值特征对应的高度值小于预设高度，并且活动强度最高的Y个活动强度区间对应的活动计数特征值的总和小于第一预设数量；
其中，所述Y为预设的正整数，且Y<(M-2)。
11.根据权利要求10所述的方法，其特征在于，根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤还包括：
接收安装在牲畜饮水槽附近的基站通过RFID扫描获取并发送的牲畜饮水信息；其中，所述牲畜饮水信息包括：牲畜标识信息、扫描到该牲畜标识信息的起始时间和结束时间；
针对每个特征组，判断该特征组是否符合第二预设条件，符合第二预设条件则确定对应牲畜在对应时间段处于饮水状态，不符合第二预订条件则确定对应牲畜在对应时间段处于非饮水状态；
其中，所述第二预设条件为：不符合所述第一预设条件，并且在对应时间段安装在牲畜饮水槽附近的基站通过RFID扫描到对应牲畜的标识信息，并且该特征组中的活动强度最低的Y’个活动强度区间对应的活动计数特征值的总和大于第二预设数量，并且该特征组中的运动平均值特征的值大于24小时内的运动平均值的均值；
其中，所述Y’为预设的正整数，且Y+Y’＝M-2。
12.根据权利要求11所述的方法，其特征在于，根据每个特征组包括的M个特征判断对应牲畜在对应时间段的行为的步骤还包括：
针对每个特征组，在判断该特征组不否符合第二预设条件确定对应牲畜在对应时间段处于非饮水状态时，将该特征组输入经历史数据训练得到的神经网络模型，根据所述神经网络模型的输出确定对应牲畜在对应时间段处于反刍、采食或游走状态。
13.根据权利要求12所述的方法，其特征在于，
所述神经网络模型的输入层包括分别与所述M个特征一一对应的M个神经元，输出层包括分别与反刍、采食和游走的概率对应三个神经元。
14.一种包括至少一个计算装置和至少一个存储装置的设备，其中，所述至少一个存储装置用于存储指令，所述指令用于控制所述至少一个计算装置执行根据权利要求9至12中任一项所述的方法。
15.一种计算机可读存储介质，其中，其上存储有计算机可读程序指令，所述计算机可读程序指令在被处理器执行时实现如权利要求9至13中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010735976.9A CN111903559B (zh) | 2020-07-28 | 2020-07-28 | 一种牲畜行为检测方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010735976.9A CN111903559B (zh) | 2020-07-28 | 2020-07-28 | 一种牲畜行为检测方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111903559A CN111903559A (zh) | 2020-11-10 |
| CN111903559B true CN111903559B (zh) | 2021-11-16 |
Family
ID=73281103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010735976.9A Active CN111903559B (zh) | 2020-07-28 | 2020-07-28 | 一种牲畜行为检测方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111903559B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113994896A (zh) * | 2020-07-28 | 2022-02-01 | 内蒙古网讯信息工程有限公司 | 一种牲畜行为信息采集器、牲畜行为检测方法及其系统 |
| CN114303987A (zh) * | 2021-12-02 | 2022-04-12 | 东北农业大学 | 一种适用于感知家畜运动的rfid标签的布放方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63233317A (ja) * | 1987-03-20 | 1988-09-29 | Toyo Sangyo Kk | 小動物の行動量測定装置 |
| JP2006271893A (ja) * | 2005-03-30 | 2006-10-12 | Toshiba Corp | 運動計測装置、運動計測方法および運動計測プログラム |
| CN206026334U (zh) * | 2016-05-03 | 2017-03-22 | 广东乐心医疗电子股份有限公司 | 一种运动量检测装置以及包括该装置的智能可穿戴设备 |
| CN106943735A (zh) * | 2017-03-29 | 2017-07-14 | 内蒙古牧野昕光信息技术有限公司 | 一种运动传感器和采集运动量的装置 |
| CN206821658U (zh) * | 2017-06-26 | 2018-01-02 | 太原理工大学 | 一种基于微惯性传感器的猪只运动量检测装置 |
| KR20180002078A (ko) * | 2017-12-20 | 2018-01-05 | 경상대학교산학협력단 | 인공지능을 이용하여 이상 상태를 검출하는 장치 및 방법 |
| US10045511B1 (en) * | 2015-08-20 | 2018-08-14 | Medisim, Ltd. | Cattle and other veterinary monitoring |
| 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 |
| KR20190047397A (ko) * | 2017-10-27 | 2019-05-08 | 대한민국(농촌진흥청장) | 가축의 행동과 위치를 모니터링하는 장치 및 방법 |
| KR101961311B1 (ko) * | 2018-07-18 | 2019-07-17 | 강동완 | 가축용 질병 예측 및 알림 시스템 |
-
2020
- 2020-07-28 CN CN202010735976.9A patent/CN111903559B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63233317A (ja) * | 1987-03-20 | 1988-09-29 | Toyo Sangyo Kk | 小動物の行動量測定装置 |
| JP2006271893A (ja) * | 2005-03-30 | 2006-10-12 | Toshiba Corp | 運動計測装置、運動計測方法および運動計測プログラム |
| US10045511B1 (en) * | 2015-08-20 | 2018-08-14 | Medisim, Ltd. | Cattle and other veterinary monitoring |
| CN206026334U (zh) * | 2016-05-03 | 2017-03-22 | 广东乐心医疗电子股份有限公司 | 一种运动量检测装置以及包括该装置的智能可穿戴设备 |
| CN106943735A (zh) * | 2017-03-29 | 2017-07-14 | 内蒙古牧野昕光信息技术有限公司 | 一种运动传感器和采集运动量的装置 |
| CN206821658U (zh) * | 2017-06-26 | 2018-01-02 | 太原理工大学 | 一种基于微惯性传感器的猪只运动量检测装置 |
| KR20190047397A (ko) * | 2017-10-27 | 2019-05-08 | 대한민국(농촌진흥청장) | 가축의 행동과 위치를 모니터링하는 장치 및 방법 |
| KR20180002078A (ko) * | 2017-12-20 | 2018-01-05 | 경상대학교산학협력단 | 인공지능을 이용하여 이상 상태를 검출하는 장치 및 방법 |
| 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 |
| KR101961311B1 (ko) * | 2018-07-18 | 2019-07-17 | 강동완 | 가축용 질병 예측 및 알림 시스템 |
Non-Patent Citations (5)
| Title |
|---|
| 基于MEMS传感器的人体运动识别系统;李元良等;《计算机应用与软件》;20180831(第08期);第243-248、285页 * |
| 基于加速度传感器的种公羊运动行为识别;张曦宇等;《中国农业大学学报》;20181130(第11期);第104-114页 * |
| 放牧家畜牧食信息监测的研究进展;王奎等;《南京农业大学学报》;20200531(第03期);第403-413页 * |
| 深层神经网络在家畜反刍行为识别上的应用;宋颢等;《科学技术与工程》;20170131(第02期);第239-242页 * |
| 腕式运动计步器的加速度信号获取与处理;张飞云;《微型电脑应用》;20190531(第05期);第22-25页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111903559A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bao et al. | Artificial intelligence in animal farming: A systematic literature review | |
| CN111903559B (zh) | 一种牲畜行为检测方法及相关设备 | |
| KR101995755B1 (ko) | 가축 질병 예측 시스템 | |
| US9226481B1 (en) | Animal weight monitoring system | |
| KR102035672B1 (ko) | 가축의 행동과 위치를 모니터링하는 장치 및 방법 | |
| KR102040276B1 (ko) | 축산 지식 정보를 기반으로 하는 가축의 사양관리 시스템 | |
| CN213282917U (zh) | 一种非接触式生猪体尺参数测量系统 | |
| US20170325426A1 (en) | A Method and Device for Remote Monitoring of Animals | |
| Qiao et al. | Intelligent perception-based cattle lameness detection and behaviour recognition: A review | |
| RU2011136154A (ru) | Устройство измерения и контроля состояния здоровья анонимных особей в группах домашних животных | |
| AU2007229321B2 (en) | Proximity recording device and method | |
| CN106296430A (zh) | 一种非接触式的畜牧体征信息采集装置及方法 | |
| CN106455525A (zh) | 宠物行为识别的系统和方法 | |
| CN107980658B (zh) | 一种提高野猪瘦肉率的装置 | |
| Zhang et al. | Advancements in artificial intelligence technology for improving animal welfare: Current applications and research progress | |
| CN112568141A (zh) | 对猪进行疾病预防的监管系统 | |
| CN117745036B (zh) | 一种基于特征识别及近场通信的牲畜信息管理方法及系统 | |
| CN108670256B (zh) | 一种奶牛呼吸频率监测系统及方法 | |
| US20240008456A1 (en) | Wearable device for pet | |
| El Moutaouakil et al. | A design of a smart farm system for cattle monitoring | |
| KR101782042B1 (ko) | 비콘 신호를 이용한 가축 관리 시스템 및 그 동작 방법 | |
| CN115359050B (zh) | 家畜采食量异常检测方法及装置 | |
| CN113994896A (zh) | 一种牲畜行为信息采集器、牲畜行为检测方法及其系统 | |
| KR102052601B1 (ko) | 반려견 행동분석 방법 및 시스템 | |
| CN113989745A (zh) | 一种反刍动物饲养状况的非接触式监测方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A livestock behavior detection method and related equipment Effective date of registration: 20220707 Granted publication date: 20211116 Pledgee: Bank of China Limited by Share Ltd. Hohhot Xinhua Branch Pledgor: Inner Mongolia Netcom Information Engineering Co.,Ltd. Registration number: Y2022150000070 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230905 Granted publication date: 20211116 Pledgee: Bank of China Limited by Share Ltd. Hohhot Xinhua Branch Pledgor: Inner Mongolia Netcom Information Engineering Co.,Ltd. Registration number: Y2022150000070 |