CN112101291A - 一种牲畜的护理方法、装置、介质及电子设备 - Google Patents
一种牲畜的护理方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN112101291A CN112101291A CN202011031716.XA CN202011031716A CN112101291A CN 112101291 A CN112101291 A CN 112101291A CN 202011031716 A CN202011031716 A CN 202011031716A CN 112101291 A CN112101291 A CN 112101291A
- Authority
- CN
- China
- Prior art keywords
- livestock
- lying
- motion state
- generating
- rising
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 244000144972 livestock Species 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000000474 nursing effect Effects 0.000 title claims abstract description 39
- 230000033001 locomotion Effects 0.000 claims abstract description 55
- 238000004519 manufacturing process Methods 0.000 claims abstract description 45
- 230000036544 posture Effects 0.000 claims abstract description 44
- 230000000630 rising effect Effects 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 7
- 230000032696 parturition Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 241000282887 Suidae Species 0.000 description 13
- 239000002609 medium Substances 0.000 description 13
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006651 lactation Effects 0.000 description 2
- 210000004400 mucous membrane Anatomy 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 208000001431 Psychomotor Agitation Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000021050 feed intake Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61D—VETERINARY INSTRUMENTS, IMPLEMENTS, TOOLS, OR METHODS
- A61D17/00—Devices for indicating trouble during labour of animals ; Methods or instruments for detecting pregnancy-related states of animals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Animal Husbandry (AREA)
- Pregnancy & Childbirth (AREA)
- Evolutionary Biology (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种牲畜的护理方法、装置、介质及电子设备。该方法包括：获取生产室内牲畜的图像；采用预先训练的状态识别模型，确定生产室内的牲畜姿态；对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；若所述运动状态符合预设条件，则生成牲畜护理提示信息。通过采用本申请所提供的技术方案，可以实现对产后的母猪的运动状态进行自动监控，并生成相应的提示信息，以提示人工进行干预，来提高牲畜的产后护理质量。
Description
技术领域
本申请实施例涉及牲畜监护技术领域，尤其涉及一种牲畜的护理方法、装置、介质及电子设备。
背景技术
随着科技水平的快速发展，互联网技术以及智能终端的应用已经涉及到社会生活的各个领域。在饲养牲畜的过程中，以猪只为例，在母猪生产仔猪之后，其健康状况将会直接影响母猪的淘汰率，甚至有些护理不及时的，会由于健康状况的影响导致影响母猪的寿命。
而且，如果能够对母猪的运动量进行监控，还能够提高母猪的泌乳质量，以及避免母猪产后瘫痪的发生概率。因此，对于牲畜，尤其是产后牲畜的监护显得尤为重要。
发明内容
本申请实施例提供一种牲畜的护理方法、装置、介质及电子设备，可以实现对产后的母猪的运动状态进行自动监控，并生成相应的提示信息，以提示人工进行干预，来提高牲畜的产后护理质量。
第一方面，本申请实施例提供了一种牲畜的护理方法，该方法包括：
获取生产室内牲畜的图像；
采用预先训练的状态识别模型，确定生产室内的牲畜姿态；
对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；
若所述运动状态符合预设条件，则生成牲畜护理提示信息。
进一步的，所述运动状态包括起卧频次和/或起卧时长；
若所述运动状态符合预设条件，则生成牲畜护理提示信息，包括：
若所述牲畜的起卧频次低于预设频次，和/或，起卧时长达到预设时长，则生成牲畜护理提示信息。
进一步的，采用预先训练的状态识别模型，确定生产室内的牲畜姿态，包括：
采用预先训练的状态识别模型，获取图像中的特征信息，并根据所述特征信息，确定生产室内的牲畜的实时姿态；其中，所述实时姿态包括站立，半蹲，左侧躺以及右侧躺。
进一步的，若所述运动状态符合预设条件，则生成牲畜护理提示信息，还包括：
若所述牲畜的起卧频次高于预警频次，则生成幼崽牲畜查看提示信息。
进一步的，在获取生产室内牲畜的图像之后，所述方法还包括：
根据所述图像确定牲畜的生产情况为未生产或者为已生产；
若为未生产，则在对预设时长内的牲畜姿态进行统计，以得到牲畜的产前运动状态数据之后，所述方法还包括：
若所述运动状态符合预设临产条件，则生成牲畜分娩提示信息。
进一步的，在生成牲畜分娩提示信息之后，所述方法还包括：
若检测到幼崽出生，则生成幼崽护理提示信息。
第二方面，本申请实施例还提供了一种在线牲畜的护理装置，该装置包括：
牲畜图像获取模块，用于获取生产室内牲畜的图像；
牲畜姿态识别模块，用于采用预先训练的状态识别模型，确定生产室内的牲畜姿态；
运动状态数据确定模块，用于对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；
第一提示信息生成模块，用于若所述运动状态符合预设条件，则生成牲畜护理提示信息。
进一步的，所述运动状态包括起卧频次和/或起卧时长；
所述第一提示信息生成模块，具体用于：
若所述牲畜的起卧频次低于预设频次，和/或，起卧时长达到预设时长，则生成牲畜护理提示信息。
进一步的，牲畜姿态识别模块，具体用于：
采用预先训练的状态识别模型，获取图像中的特征信息，并根据所述特征信息，确定生产室内的牲畜的实时姿态；其中，所述实时姿态包括站立，半蹲，左侧躺以及右侧躺。
进一步的，所述装置还包括：
第二提示信息生成模块，用于若所述牲畜的起卧频次高于预警频次，则生成幼崽牲畜查看提示信息。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的牲畜的护理方法。
第四方面，本申请实施例提供了一种移动电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的牲畜的护理方法。
本申请实施例所提供的技术方案，获取生产室内牲畜的图像；采用预先训练的状态识别模型，确定生产室内的牲畜姿态；对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；若所述运动状态符合预设条件，则生成牲畜护理提示信息。通过采用本申请所提供的技术方案，可以实现对产后的母猪的运动状态进行自动监控，并生成相应的提示信息，以提示人工进行干预，来提高牲畜的产后护理质量。
附图说明
图1是本申请实施例一提供的牲畜的护理方法的流程图；
图2是本申请实施例二提供的牲畜的护理装置的结构示意图；
图3是本申请实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本申请实施例一提供的牲畜的护理方法的流程图，本实施例可适用于牲畜监护的情况，该方法可以由本申请实施例所提供的牲畜的护理装置来执行，该装置可以由软件和/或硬件的方式来实现，并可集成于电子设备中。
如图1所示，所述牲畜的护理方法包括：
S110、获取生产室内牲畜的图像。
其中，牲畜可以包括牛、羊以及猪只等。
在本方案中，可以是在生产室猪栏场景的正上方悬挂摄像头，记录生产室内产后猪只的情况。
其中，摄像头由专业人员安装在合理的位置，保证覆盖范围，使用摄像头拍猪只在生产室里的活动。
S120、采用预先训练的状态识别模型，确定生产室内的牲畜姿态。
预先训练的状态识别模型，可以是基于大量的产后猪只获取其他牲畜的图像之后，进行训练得到的。，可以通过猪只在产后的姿态的变换，确定猪只的产后运动状态数据。由于猪只在产后的运动姿态往往是较为懒惰的，并且产后体力有限，因此在猪只长时间不运动的状态下，需要人为干预以保障猪只的运动量。
本方案中，可选的，采用预先训练的状态识别模型，确定生产室内的牲畜姿态，包括：
采用预先训练的状态识别模型，获取图像中的特征信息，并根据所述特征信息，确定生产室内的牲畜的实时姿态；其中，所述实时姿态包括站立，半蹲，左侧躺以及右侧躺。
其中，可以采用计算机视觉，对图片中的猪只的姿态进行识别，判别猪只姿态信息，如：站立，半蹲，左侧躺，右侧躺等等。
其中，母猪的起卧姿态识别，主要采用了基于计算机视觉的目标分类技术。
基于计算机视觉的目标分类技术，主要包含但不仅限于以下算法：如VGG网络，ResNet网络，Xception网络等等。
主要是首先采用卷积层对图像进行特征提取，然后对特征进行处理，进行目标分类。
卷积神经网络主要包含卷积层，池化层，激活层，正则化层等等。其中卷积层：通过卷积核权重，提取图像特征；池化层：对特征进行降维；激活层：对特征数据进行非线性转化；正则化层：提升网络的泛化能力。
其中，对猪只固定时间段(如前6小时，前12小时等)姿态信息进行统计信息，分析猪只站立起卧等频次以及时间。
检测母猪的姿态信息，实时统计母猪的起卧频次与间隔时间，了解母猪健康状态；当产后母猪出现发烧或其他异常情况时，起卧频率曲线波动会呈现异常，同时对比产房内其他相同生理时期母猪曲线，判定母猪异常，同时通知技术员前往查看，降低产后母猪死亡率或淘汰率。
S140、若所述运动状态符合预设条件，则生成牲畜护理提示信息。
设置阈值，当运动时间低于某固定阈值，则通知工作人员进行赶猪，使猪只被动运动起来。
通过识别母猪起卧状态，获取母猪产后运动数据；当母猪分娩后N小时开始计算(N由猪场设置)，当母猪连续N小时出现俯卧，此时系统提醒技术员进行查看，驱赶母猪站立，提高母猪活跃性，一方面可以提高母猪采食量，另一方面也可以增加母猪产后运动，及时发现母猪健康状态，降低母猪产后瘫痪发生几率；有效的运动同时也有利于母猪的泌乳。
本方案中，可选的，所述运动状态包括起卧频次和/或起卧时长；
若所述运动状态符合预设条件，则生成牲畜护理提示信息，包括：
若所述牲畜的起卧频次低于预设频次，和/或，起卧时长达到预设时长，则生成牲畜护理提示信息。
其中，预设频次可以是每小时10次，预设时长可以是30分钟。如果猪只的起卧频次低于每小时10次，或者俯卧的时长达到30分钟，则可以进行牲畜护理提示信息，以告知工作人员，需要进行人工干预。
可选的，判定分析结果，如若低于某阈值，则以自动短信或电话形式，通知工作人员。工作人员进行赶猪，防止母猪长期不运动，影响健康。
在上述技术方案的基础上，可选的，若所述运动状态符合预设条件，则生成牲畜护理提示信息，还包括：
若所述牲畜的起卧频次高于预警频次，则生成幼崽牲畜查看提示信息。
幼崽检测主要采用基于计算机视觉的目标检测技术，主要包含但不仅限于YOLO、SSD、Faster-RCNN、MaskRCNN等算法。
目标检测算法主要是采用卷积神经网络进行特征提取，其次在通过分类和回归对特征数据进行分析处理。
当母猪频繁起卧时，通知技术员查看，避免因母猪频繁起卧导致仔猪被压死。通过这样的设置，可以及时通知工作人员保护牲畜的幼崽，以提高成活率。
本申请实施例所提供的技术方案，获取生产室内牲畜的图像；采用预先训练的状态识别模型，确定生产室内的牲畜姿态；对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；若所述运动状态符合预设条件，则生成牲畜护理提示信息。通过采用本申请所提供的技术方案，可以实现对产后的母猪的运动状态进行自动监控，并生成相应的提示信息，以提示人工进行干预，来提高牲畜的产后护理质量。
在上述各技术方案的基础上，可选的，在获取生产室内牲畜的图像之后，所述方法还包括：
根据所述图像确定牲畜的生产情况为未生产或者为已生产；
若为未生产，则在对预设时长内的牲畜姿态进行统计，以得到牲畜的产前运动状态数据之后，所述方法还包括：
若所述运动状态符合预设临产条件，则生成牲畜分娩提示信息。
其中，可以是在统计分娩前的某一特定时间段内，猪只反复起卧，坐立不安，则可对运动状态是否符合预设临产条件进行判断，如果发现运动状态符合该预设临产条件，则可以确定牲畜即将分娩，生成相应的提示信息。
本方案通过统计母猪起卧频率，可以提前精确预估母猪分娩时间，做到有效接产，降低初生仔猪死亡率。
在上述各技术方案的基础上，可选的，在生成牲畜分娩提示信息之后，所述方法还包括：
若检测到幼崽出生，则生成幼崽护理提示信息。
其中，以猪只为例，由于幼崽出生后，口鼻会有粘膜，需要技术员使用毛巾将口鼻内的粘膜进行清理，并清洁猪身，放置于保温灯下。
本方案通过及时对牲畜分娩提示信息的发送，可以辅助工作人员及时处理相应的情况，以达到优化对牲畜的护理效果的目的。
实施例二
图2是本申请实施例二提供的牲畜的护理装置的结构示意图。如图2所示，所述牲畜的护理装置，包括：
牲畜图像获取模块210，用于获取生产室内牲畜的图像；
牲畜姿态识别模块220，用于采用预先训练的状态识别模型，确定生产室内的牲畜姿态；
运动状态数据确定模块230，用于对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；
第一提示信息生成模块240，用于若所述运动状态符合预设条件，则生成牲畜护理提示信息。
进一步的，所述运动状态包括起卧频次和/或起卧时长；
所述第一提示信息生成模块240，具体用于：
若所述牲畜的起卧频次低于预设频次，和/或，起卧时长达到预设时长，则生成牲畜护理提示信息。
进一步的，牲畜姿态识别模块220，具体用于：
采用预先训练的状态识别模型，获取图像中的特征信息，并根据所述特征信息，确定生产室内的牲畜的实时姿态；其中，所述实时姿态包括站立，半蹲，左侧躺以及右侧躺。
进一步的，所述装置还包括：
第二提示信息生成模块，用于若所述牲畜的起卧频次高于预警频次，则生成幼崽牲畜查看提示信息。
上述产品可执行本申请任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
实施例三
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种牲畜的护理方法，该方法包括：
获取生产室内牲畜的图像；
采用预先训练的状态识别模型，确定生产室内的牲畜姿态；
对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；
若所述运动状态符合预设条件，则生成牲畜护理提示信息。
存储介质——任何的各种类型的存储器电子设备或存储电子设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的在线牲畜的护理操作，还可以执行本申请任意实施例所提供的牲畜的护理方法中的相关操作。
实施例四
本申请实施例提供了一种电子设备，该电子设备中可集成本申请实施例提供的牲畜的护理装置。图3是本申请实施例四提供的一种电子设备的结构示意图。如图3所示，本实施例提供了一种电子设备300，其包括：一个或多个处理器320；存储装置310，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器320运行，使得所述一个或多个处理器320实现本申请实施例所提供的牲畜的护理方法，该方法包括：
获取生产室内牲畜的图像；
采用预先训练的状态识别模型，确定生产室内的牲畜姿态；
对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；
若所述运动状态符合预设条件，则生成牲畜护理提示信息。
当然，本领域技术人员可以理解，处理器320还可以实现本申请任意实施例所提供的牲畜的护理方法的技术方案。
图3显示的电子设备300仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图3所示，该电子设备300包括处理器320、存储装置310、输入装置330和输出装置340；电子设备中处理器320的数量可以是一个或多个，图3中以一个处理器320为例；电子设备中的处理器320、存储装置310、输入装置330和输出装置340可以通过总线或其他方式连接，图3中以通过总线350连接为例。
存储装置310作为一种计算机可读存储介质，可用于存储软件程序、计算机可运行程序以及模块单元，如本申请实施例中的牲畜的护理方法对应的程序指令。
存储装置310可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置310可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置310可进一步包括相对于处理器320远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的数字、字符信息或语音信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏、扬声器等电子设备。
本申请实施例提供的电子设备，可以实现对产后的母猪的运动状态进行自动监控，并生成相应的提示信息，以提示人工进行干预，来提高牲畜的产后护理质量。
上述实施例中提供的牲畜的护理装置、介质及电子设备可运行本申请任意实施例所提供的牲畜的护理方法，具备运行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的牲畜的护理方法。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种牲畜的护理方法，其特征在于，包括：
获取生产室内牲畜的图像；
采用预先训练的状态识别模型，确定生产室内的牲畜姿态；
对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；
若所述运动状态符合预设条件，则生成牲畜护理提示信息。
2.根据权利要求1所述的方法，其特征在于，所述运动状态包括起卧频次和/或起卧时长；
若所述运动状态符合预设条件，则生成牲畜护理提示信息，包括：
若所述牲畜的起卧频次低于预设频次，和/或，起卧时长达到预设时长，则生成牲畜护理提示信息。
3.根据权利要求1所述的方法，其特征在于，采用预先训练的状态识别模型，确定生产室内的牲畜姿态，包括：
采用预先训练的状态识别模型，获取图像中的特征信息，并根据所述特征信息，确定生产室内的牲畜的实时姿态；其中，所述实时姿态包括站立，半蹲，左侧躺以及右侧躺。
4.根据权利要求2所述的方法，其特征在于，若所述运动状态符合预设条件，则生成牲畜护理提示信息，还包括：
若所述牲畜的起卧频次高于预警频次，则生成幼崽牲畜查看提示信息。
5.根据权利要求1所述的方法，其特征在于，在获取生产室内牲畜的图像之后，所述方法还包括：
根据所述图像确定牲畜的生产情况为未生产或者为已生产；
若为未生产，则在对预设时长内的牲畜姿态进行统计，以得到牲畜的产前运动状态数据之后，所述方法还包括：
若所述运动状态符合预设临产条件，则生成牲畜分娩提示信息。
6.根据权利要求5所述的方法，其特征在于，在生成牲畜分娩提示信息之后，所述方法还包括：
若检测到幼崽出生，则生成幼崽护理提示信息。
7.一种牲畜的护理装置，其特征在于，包括：
牲畜图像获取模块，用于获取生产室内牲畜的图像；
牲畜姿态识别模块，用于采用预先训练的状态识别模型，确定生产室内的牲畜姿态；
运动状态数据确定模块，用于对预设时长内的牲畜姿态进行统计，以得到牲畜的产后运动状态数据；
第一提示信息生成模块，用于若所述运动状态符合预设条件，则生成牲畜护理提示信息。
8.根据权利要求7所述的装置，其特征在于，所述运动状态包括起卧频次和/或起卧时长；
所述第一提示信息生成模块，具体用于：
若所述牲畜的起卧频次低于预设频次，和/或，起卧时长达到预设时长，则生成牲畜护理提示信息。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的牲畜的护理方法。
10.一种移动电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，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1-6中任一所述的牲畜的护理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011031716.XA CN112101291B (zh) | 2020-09-27 | 2020-09-27 | 一种牲畜的护理方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011031716.XA CN112101291B (zh) | 2020-09-27 | 2020-09-27 | 一种牲畜的护理方法、装置、介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112101291A true CN112101291A (zh) | 2020-12-18 |
| CN112101291B CN112101291B (zh) | 2024-01-30 |
Family
ID=73756560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011031716.XA Active CN112101291B (zh) | 2020-09-27 | 2020-09-27 | 一种牲畜的护理方法、装置、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112101291B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836607A (zh) * | 2021-01-25 | 2021-05-25 | 河北农业大学 | 一种羊只产期预警的方法 |
| CN116935439A (zh) * | 2023-07-18 | 2023-10-24 | 河北农业大学 | 一种孕羊分娩自动监测预警方法及自动监测预警系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805736A (zh) * | 2018-05-21 | 2018-11-13 | 马鞍山天邦开物智能商务管理有限公司 | 一种两点模式下养殖系统及状态监测方法 |
| 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 |
| CN110147771A (zh) * | 2019-05-23 | 2019-08-20 | 南京农业大学 | 基于母猪关键部位与环境联合分区的母猪侧卧姿态实时检测系统 |
| CN110309786A (zh) * | 2019-07-03 | 2019-10-08 | 华南农业大学 | 一种基于深度视频的哺乳母猪姿态转换识别方法 |
| CN110741963A (zh) * | 2019-10-16 | 2020-02-04 | 北京海益同展信息科技有限公司 | 一种物体状态监测、母猪发情监测方法、装置及系统 |
| US20200154694A1 (en) * | 2018-11-16 | 2020-05-21 | International Business Machines Corporation | Livestock management |
| KR102117092B1 (ko) * | 2019-08-09 | 2020-05-29 | 강현철 | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 |
| KR20200071597A (ko) * | 2018-12-11 | 2020-06-19 | 대한민국(농촌진흥청장) | 영상분석을 활용한 어미돼지의 분만시점 예측 방법 및 장치 |
| CN111523446A (zh) * | 2020-04-21 | 2020-08-11 | 上海明略人工智能(集团)有限公司 | 图像识别方法及装置、存储介质 |
| CN111680551A (zh) * | 2020-04-28 | 2020-09-18 | 平安国际智慧城市科技股份有限公司 | 监控牲畜数量的方法、装置、计算机设备及存储介质 |
-
2020
- 2020-09-27 CN CN202011031716.XA patent/CN112101291B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805736A (zh) * | 2018-05-21 | 2018-11-13 | 马鞍山天邦开物智能商务管理有限公司 | 一种两点模式下养殖系统及状态监测方法 |
| 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 |
| US20200154694A1 (en) * | 2018-11-16 | 2020-05-21 | International Business Machines Corporation | Livestock management |
| KR20200071597A (ko) * | 2018-12-11 | 2020-06-19 | 대한민국(농촌진흥청장) | 영상분석을 활용한 어미돼지의 분만시점 예측 방법 및 장치 |
| CN110147771A (zh) * | 2019-05-23 | 2019-08-20 | 南京农业大学 | 基于母猪关键部位与环境联合分区的母猪侧卧姿态实时检测系统 |
| CN110309786A (zh) * | 2019-07-03 | 2019-10-08 | 华南农业大学 | 一种基于深度视频的哺乳母猪姿态转换识别方法 |
| KR102117092B1 (ko) * | 2019-08-09 | 2020-05-29 | 강현철 | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 |
| CN110741963A (zh) * | 2019-10-16 | 2020-02-04 | 北京海益同展信息科技有限公司 | 一种物体状态监测、母猪发情监测方法、装置及系统 |
| CN111523446A (zh) * | 2020-04-21 | 2020-08-11 | 上海明略人工智能(集团)有限公司 | 图像识别方法及装置、存储介质 |
| CN111680551A (zh) * | 2020-04-28 | 2020-09-18 | 平安国际智慧城市科技股份有限公司 | 监控牲畜数量的方法、装置、计算机设备及存储介质 |
Non-Patent Citations (9)
| Title |
|---|
| YONGLIANG QIAO 等: "Individual Cattle Identification Using a Deep Learning Based Framework", pages 318 - 323, Retrieved from the Internet <URL:https://www.sciencedirect.com/science/article/pii/S2405896319324772> * |
| 吴世海 等: "基于机器视觉技术的猪行为活动无接触识别系统", 计算机系统应用, no. 4, pages 113 - 117 * |
| 房永峰: "基于深度学习的牲畜目标检测与跟踪算法研究", 中国优秀硕士学位论文全文数据库 农业科技辑, no. 9, pages 050 - 84 * |
| 温长吉 等: "基于视觉词典法的母牛产前行为识别", 农业机械学报, no. 01, pages 266 - 274 * |
| 王丹聪: "基于多传感器融合的猪只行为辨识", 中国优秀硕士学位论文全文数据库 农业科技辑, no. 12, pages 050 - 226 * |
| 睿畜科技: "智能养猪，深度学习技术在规模化牲畜养殖领域的应用", pages 1, Retrieved from the Internet <URL:https://blogs.nvidia.cn/2020/03/03/rui-livestock-technology-intelligent-pig/> * |
| 薛月菊 等: "基于改进Faster R-CNN识别深度视频图像哺乳母猪姿态", 农业工程学报, no. 09, pages 189 - 196 * |
| 闫丽 等: "猪行为自动监测技术研究现状与展望", 江苏农业科学, no. 2, pages 22 - 24 * |
| 陆明洲 等: "畜牧信息智能监测研究进展", 中国农业科学, no. 14, pages 2939 - 2947 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836607A (zh) * | 2021-01-25 | 2021-05-25 | 河北农业大学 | 一种羊只产期预警的方法 |
| CN116935439A (zh) * | 2023-07-18 | 2023-10-24 | 河北农业大学 | 一种孕羊分娩自动监测预警方法及自动监测预警系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112101291B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020119184A1 (zh) | 一种家畜的智能投喂系统和方法 | |
| CN112101291A (zh) | 一种牲畜的护理方法、装置、介质及电子设备 | |
| Berckmans et al. | Animal sound… talks! Real-time sound analysis for health monitoring in livestock | |
| CN110765972B (zh) | 一种动物的监控方法、装置、电子设备及存储介质 | |
| CN109345798B (zh) | 一种养殖场监控方法、装置、设备和存储介质 | |
| Zin et al. | A general video surveillance framework for animal behavior analysis | |
| CN110741963B (zh) | 一种物体状态监测、母猪发情监测方法、装置及系统 | |
| KR102141582B1 (ko) | 영상분석을 활용한 어미돼지의 분만시점 예측 방법 및 장치 | |
| CN110598643B (zh) | 监控仔猪被压的方法及装置 | |
| KR20200117610A (ko) | 전자식 모돈 관리 장치 | |
| CN113711944A (zh) | 一种母猪发情鉴定方法、装置及系统 | |
| CN111260895A (zh) | 报警信息的发送方法及装置、存储介质和电子装置 | |
| CA3123097A1 (en) | Livestock stillbirthing alerting system | |
| CN111543351B (zh) | 养殖监控系统及其监控方法 | |
| JP2020014421A (ja) | 家畜出産予測システム | |
| Singh et al. | Precision dairy farming: The next dairy marvel | |
| WO2022247500A1 (zh) | 仔猪防压预警方法、装置、设备及存储介质 | |
| US20230057738A1 (en) | Detecting estrus in animals for insemination | |
| CN206194099U (zh) | 一种电脑防沉迷装置 | |
| CN112400734A (zh) | 母猪健康监测方法和监测系统 | |
| CN113792702A (zh) | 一种基于计算机视觉的视频流家畜监测方法及系统 | |
| TWI806805B (zh) | 仔豬死亡辨識系統 | |
| Ding et al. | Automatic recognition of diarrhea in weaned piglets based on machine vision. | |
| Yuan et al. | Stress-free detection technologies for pig growth based on welfare farming: A review | |
| WO2022181132A1 (ja) | 体重推定システム、及び、体重推定方法 |
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 |