CN112385569A - 使用健康图网络检测和管理牲畜中的疾病爆发 - Google Patents

使用健康图网络检测和管理牲畜中的疾病爆发 Download PDF

Info

Publication number
CN112385569A
CN112385569A CN202010814936.3A CN202010814936A CN112385569A CN 112385569 A CN112385569 A CN 112385569A CN 202010814936 A CN202010814936 A CN 202010814936A CN 112385569 A CN112385569 A CN 112385569A
Authority
CN
China
Prior art keywords
animals
livestock
health
computer
animal
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
Application number
CN202010814936.3A
Other languages
English (en)
Other versions
CN112385569B (zh
Inventor
A·D·格里特兹曼
T·库林
K·维尔德玛利亚姆
D·S·玛皮耶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN112385569A publication Critical patent/CN112385569A/zh
Application granted granted Critical
Publication of CN112385569B publication Critical patent/CN112385569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K11/00—Marking of animals
    • A01K11/001—Ear-tags
    • A01K11/004—Ear-tags with electronic identification means, e.g. transponders
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; 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
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/84—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using probabilistic graphical models from image or video features, e.g. Markov models or Bayesian networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Animal Husbandry (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Zoology (AREA)
  • Birds (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了用于计算机实现的牲畜检测和管理的方法、系统、计算机程序产品。计算机实现的方法包括分析随着时间捕获的并与多个牲畜动物相关联的传感器数据以确定与多个牲畜动物相关联的健康状况并确定牲畜动物的交互。这些交互至少指定牲畜动物之间的距离、距离的持续时间、以及交互的频率。构建健康图网络，其包括节点和边，节点中的每个节点表示牲畜动物并且至少指定所表示的牲畜动物的健康状况，边连接至少两个节点并且表示由所述至少两个节点表示的至少两个动物之间的交互。基于健康图网络，可以预测牲畜动物的子组之间的潜在爆发。

Description

使用健康图网络检测和管理牲畜中的疾病爆发
技术领域
本申请一般涉及计算机和计算机应用，并且更具体地涉及物联网设备以及经由物联网设备和增强现实(AR)的计算机实现的牲畜检测和管理。
背景技术
物联网包括相互关联的计算设备或物理对象的网络。物联网设备具有用于互联网连接的互联网协议(IP)地址，用于与其他物联网设备和其他支持互联网的设备通信。在一方面，物联网设备在没有人为干预的情况下彼此通信，且可共享不同类型的数据或与不同类型的数据通信。
AR提供了一种环境体验，在这种环境中，现实世界的对象被计算机生成的数据(例如，图像、文本、图形或其他信息)增强(例如，叠加)，这种环境例如在计算机视觉、可视化处理和/或其他感观模式。用户可佩戴AR设备(诸如AR眼镜)体验AR。在另一方面，AR可经由可包含显示器的设备(例如，经由移动设备上的移动应用或另一计算机实施设备)来提供。
发明内容
可以提供一种方法和系统，以建立计算机实现的网络，并且例如基于该网络来检测牲畜中的异常。在一个方面，一种计算机实现的方法可以包括分析随着时间捕获的与多个牲畜动物相关联的传感器数据。该方法还可以包括基于该分析来确定与多个牲畜动物相关联的健康状况。该方法可以进一步包括基于该分析确定牲畜动物的交互(interactions)，这些交互至少指定牲畜动物之间的距离、该距离的持续时间、以及该距离交互的频率。该方法还可以包括建立健康图网络，其中网络中的节点表示牲畜动物并且至少指定所表示的牲畜动物的健康状况，边连接至少两个节点并且表示由所述至少两个节点表示的至少两个动物之间的交互。该方法还可以包括基于所述健康图网络，预测牲畜动物的子组之间的潜在爆发。
在一个方面，计算机实现的系统可以包括硬件处理器。存储器设备可耦合到所述硬件处理器。硬件处理器可以操作以分析随着时间所捕获的与多个牲畜动物相关联的传感器数据。硬件处理器可以进一步操作以基于所述分析确定与多个牲畜动物相关联的健康状况。硬件处理器可以进一步操作以基于所述分析确定所述牲畜动物的交互，所述交互至少指定所述牲畜动物之间的距离、所述距离的持续时间、以及所述距离交互的频率。硬件处理器可以进一步操作以建立健康图网络，其中图网络中的节点表示牲畜动物并且至少指定所表示的牲畜动物的健康状况，所述图网络中的边连接至少两个节点并且表示由所述至少两个节点表示的至少两个动物之间的交互。硬件处理器可以进一步操作以基于所述健康图网络，预测牲畜动物的子组之间的潜在爆发。
还可以提供计算机可读存储介质，该计算机可读存储介质存储可由机器执行的指令程序，以执行本文所述的一种或多种方法。
下面参考附图详细描述各种实施例的其他特征以及结构和操作。在附图中，相似的附图标记表示相同或功能相似的元件。
附图说明
图1是示出实施例中的系统的组件的示图。
图2示出了实施例中的示例RF标签。
图3示出了在实施例中具有示出每个动物的健康状况的节点和示出动物之间的连接性的边的网络。
图4示出了实施例中的增强现实。
图5是示出实施例中的方法的示图。
图6是示出实施例中的系统的部件的示图，该系统可以使用健康图网络来检测和管理牲畜中的疾病爆发。
图7示出了可以实现根据本公开的实施例中的系统的示例计算机或处理系统的示意图。
图8示出了在一个实施例中识别动物的从其已知的正常/健康日常生活(dailyroutine)的偏差的示例。
图9是示出一个实施例中的用于检测连接的动物的异常子组的子集扫描的示图。
图10示出了在一个实施例中监测健康图网络随时间的变化。
图11示出了在一个实施例中的“回溯”的示例场景。
具体实施方式
可以利用基于物联网(IoT)的系统来监测牲畜，以跟踪动物之间的健康状况、移动模式和交互。计算机系统可用于检测疾病的爆发，并管理随后的爆发，例如，通过通知农场主哪些动物已经暴露于受感染的动物。通过分析IoT的馈送(feed)(例如，关于一个或多个动物的移动的实时数据)，该系统可以识别任何牲畜是否偏离其已知的正常/健康日常生活或行为(例如，平均行为)以及偏差程度。偏差程度隐含着动物的健康水平的程度。
牲畜的跟踪可以包括：行为运动、动物之间的交互模式、活动序列和时间帧、对外部刺激因素的响应，例如是否存在相关的状况(如风和雨，以及捕食者的存在)。在一些情况下，个体动物的偏差程度可能不是引起关注的原因，但是在几个连接的或相关的动物中发生的偏差可能表明问题。
通过监视或跟踪动物之间的交互(例如，接近度、频率、持续时间)，系统可以测量动物之间的连接性，并且由此识别异常动物组。在一方面，当偏差值高于预定义阈值时，系统可以通过发送触发事件(例如，警报、通知、消息代码等)来触发增强现实眼镜(或类似技术)以向牲畜农场主显示动物的当前状态。牲畜农场主可以使用增强现实眼镜来可视化动物的当前状态、动物的预测活动以及动物之间的连接性。该信息可以帮助牲畜农场主采取适当的行动或以主动的方式准备适当的行动。
考虑以下假设场景：农场主在其农场上具有1000头牛。农场主使用IoT设备来监测牛的健康和交互，并且这些测量之一是每头牛在给定一天中走的步数。平均而言，牛在一天中走10000步。如果农场主检测到牛在一天中仅走5000步，那么这可指示个体牛生病。然而，较小的偏差(如与平均值的小偏差)，例如，牛在一天中走8000步，最有可能不会引起农场主关注。但是如果农场主检测到全部一起放牧的10头牛全部走了少于8000步，那么这可能表明问题。这种集体行为可能是一个问题的信号，比如在牛都吃的饲料中，传染病爆发的开始，和/或其他与健康有关的事件。
系统、方法和技术可以检测和管理牲畜中的疾病爆发。在实施例中，系统和/或方法可以使用健康图网络。图1是示出实施例中的系统的组件的示图。例如，该系统可以包括一个或多个处理器102，例如，诸如可编程逻辑设备、微控制器、存储器设备和/或其他硬件组件之类的组件，这些组件可以被配置为执行本公开中描述的相应任务。该系统还可通信地耦合至IoT传感器或设备的网络。例如，农场110或类似区域可以包括多个动物，如装配有一个或多个传感器设备114(由椭圆形表示)的牲畜动物。农场110或类似区域还可以包括安装在农场或区域中的固定位置上的传感器112(由矩形形状表示)。装配有传感器114的牲畜动物可以在农场110中四处移动。系统(例如，一个或多个处理器102)可例如经由IoT传感器网络来接收或获得与所考虑的多个动物中的每一动物的健康状况、移动性模式、和交互的测量相关联的数据，这些数据关于周围环境、时间帧、外部刺激、和/或与该动物有关的其他信息。在一方面，传感器112和114可以经由网络108向一个或多个处理器102传送数据。在另一方面，IoT服务器(未示出)可从传感器112和114接收数据，并对该数据执行预处理(例如，格式化成通用或标准数据格式)并将该数据传送给一个或多个处理器102。
基于测量，系统(例如，一个或多个处理器102)可以生成或建立每个个体动物的健康和行为简档。系统还可以从动物之间的交互生成或建立健康图网络106，系统可以将其存储在一个或多个存储设备104中，例如存储在数据库中。可以将健康图网络106实现为例如表示为存储在存储器设备的存储器分区上的数据结构的由边连接的节点或顶点。该系统可以使得牲畜价值链中的农场主或任何相关行动者能够基于AR眼镜上的健康图网络来可视化动物之间的连接和交互。
在实施例中，健康图网络的每个节点表示一个动物。数据结构可以实现节点。节点可存储关于动物的行为和健康数据，其可用于推断动物的总体健康。数据结构可以实现节点，并且可以包括属性值对。该数据可以包括但不限于：在一段时间(例如，1天、1小时、或另一个配置的时间段)内走的步数；躺下花费的时间量；动物的体温；动物的食物量或消耗量；动物的心率和/或动物的心电图呼吸率；血氧饱和度；血压；血糖；皮肤出汗。此外，节点可存储关于周围环境的数据，例如温度、风速、雨、紫外线(UV)指数等。
该数据可用于计算动物的总体健康，其可由表示健康程度的属性表示，该健康程度由偏差程度计算。例如，为了可视化，视觉属性(例如，与图形图像的像素相关联的像素值)可以与健康图网络中的节点相关联。属性的值可以具有范围。例如，像素值的范围可以从健康动物的黑色(或绿色或其它)，到表现出疾病的轻微症状的动物的黄色(或其它)，到不健康动物的红色(或其它)。
图的边(例如，连接节点的线)表示动物之间的相互作用。表示节点的数据结构可以具有到用于表示边的另一节点的链接、指针或引用。相互作用可以从以下数据推断：在一段时间期间动物彼此接近；动物之间的交互的频率；这些交互的持续时间。边可具有属性和值对(例如，强度属性和相关联的值)以指定或指示两个顶点之间的连接强度。例如，动物之间的交互越多，连接越强。在视觉上，交互的强度或程度可以用不同的可视化来表示，例如，像素阴影、表示边的线的粗细、和/或用于视觉显示的另一图形符号。
在一个实施例中，数据结构可以以时间间隔捕获数据。在另一实施例中，数据结构可在指定时间点捕捉数据。例如，可以在特定时间点例如基于在特定时间点捕获的数据来计算健康图。健康图也可以基于在先前时间步骤(例如，预定义的过去时间段)上捕获的数据点的平均值来计算。健康图也可基于在先前时间步骤上捕捉的数据点的平均值用指数移动平均来计算(例如，考虑具有较高权重的更近捕捉的数据)。
系统(例如，一个或多个处理器102)可以进一步从其正常简档中识别个体动物的健康和行为的变化，并且测量偏差程度。系统(例如，一个或多个处理器102)可以从健康图网络检测动物的一个或多个异常子组。从动物的异常亚组中，该系统可以推断疾病爆发。系统可以进一步识别已经暴露于感染动物的动物，并且推荐动作，诸如推荐与那些动物隔离。进一步基于牲畜动物的所识别的和/或预测的行为和活动相关参数，该系统可以推荐采取一个或多个行动。该系统可以例如通过利用增强现实技术和/或诸如眼镜的设备来进一步可视化个体动物的健康和健康图表网络。经由增强现实技术和设备，该系统可以允许农场主或感兴趣的行动者例如在增强现实眼镜中可视化动物的历史移动，并且可视化动物的预测的下一移动(例如，朝向水源移动)。该系统还可以允许可视化与所建立的简档的偏差。
图8示出了在一个实施例中识别动物与日常已知的正常/健康生活的偏差的示例。偏差程度意味着动物的健康水平的程度。例如，农场牲畜平均一天可走10,000步，标准偏差为+/-2,000步。如果该农场牲畜在一天内走2,000步，这表示与该农场牲畜的典型行为有很大偏差，则可能表明该牲畜患病。类似的合理性可以应用于其它参数，例如食物摄入和体温。
在实施例中，多个动物(例如，牲畜)中的每个动物可以配备有IoT设备(例如，114)，其可以测量或检测与动物的健康状况、移动以及动物之间的交互相关联的数据。这种IoT设备可以是无线传感器网络标签的形式。无线传感器网络标签的示例可以包括但不限于射频识别(RFID)标签。可以测量或监测个体动物的健康的IoT设备的另一示例可以包括但不限于生物传感器，诸如纳米生物传感器、用于微流体的传感器、用于声音分析的传感器、用于动物的其他可穿戴技术。诸如GPS使能设备之类的位置使能设备可以检测和测量动物的移动。
在实施例中，系统(例如，一个或多个处理器102)还可以监测动物之间的交互。例如，系统可以测量或确定动物彼此的接近度(例如，以诸如米、英尺或另一测量单元的距离)、交互的持续时间(例如，以时间单位，例如，测量动物在距彼此的阈值距离内多久)和交互的频率(例如，动物在距彼此的阈值距离内每天(或另一时段)多少次)。
在一个实施例中，系统可以使用有源RF标签来测量交互，这可以提供动物之间的距离的准确测量。例如，从RF标签测量的数据是细粒度的，以允许检测可能彼此面对的动物和彼此背对的动物。在一个实施例中，RF标签可以如下操作：每个标签在特定频率上发出周期性的无线电数据包；每个标签将其自己的唯一标识(ID)与无线电数据包一起发送；每个标签还监听来自其它标签的无线信标；响应于接收到信标，标签可以存储当前时间、发送方的ID、信号强度、以及存储收到信标的持续时间。读取器装置可从每个标签无线地下载该数据(以及来自附接到标签的传感器的附加的健康相关数据)，并且可推断哪些标签彼此紧密接近(例如，根据信号强度)、接触发生多久以及何时发生。
系统的数据收集模块可以包括无线传感器网络。无线传感器网络可以包括IoT设备，例如有源RF设备(称为RF标签或标签)，称为射频(RF)标签。在一个实施例中，RF标签由电池供电并且包含若干传感器。RF标签可以附着在动物身上，例如待跟踪动物的耳朵或尾巴，和/或放置在整个农场的感兴趣的位置(例如，靠近水源、隐蔽处、喂食器等)。例如，放置在水槽附近的标签可以用于告诉哪些动物在槽处以及多长时间。位置特定的标签也被称为定位器。一个或多个RF标签可以定期对其传感器进行测量(如体温、GPS位置、与其他RF标签的接近度等)并且将这个数据传送给放置在整个农场中的一个或多个其他RF标签和/或读取器设备。这样，传感器网络可以分发数据并传送给一个或多个阅读器。一个或多个阅读器可整理数据、处理和/或上传数据。
图2示出了一个实施例中的示例射频(RF)标签。RF标签是传感器或IoT网络中的IoT设备的示例，并且可以是RFID标签。这种RF标签可用于跟踪RF标签之间的接触。另外，RF标签可以包括健康相关传感器，如用于运动感测的加速度计、用于测量温度的温度计、心率传感器和/或其他传感器。RF标签可以具有集成电路(IC)(也被称为微芯片或芯片，例如，具有用于存储数据的存储器的微处理器)、天线和基板。RF标签也可以具有电源。这样的RF标签可以例如被夹到动物的耳垂上并且也被放置在兴趣点周围，如浇水孔、水槽、饲养器、围栏和/或其他位置。RF标签可以收集时间戳数据、接触、接触的持续时间和可以指示接近度的信号强度。
动物的身体衰减射频信号，这允许接近度检测以忽略彼此背对的动物。例如，无线电信号被动物的身体阻挡，因此如果被放置在头部(例如，颈圈)附近，则仅在通常彼此面对而不是彼此远离的动物之间能够接收到强信号。对于感兴趣的位置，可以将标签与已知ID一起放置在已知位置(例如，饲养器)。如果动物在饲养器附近(如由接收信号强度所指示的，也被称为接收信号强度指示符(RSSI))，则动物的标签(以及饲养器处的定位器标签)上的数据将包含关于该事件的数据。根据这样的数据，可以推断动物何时(例如，时间)在饲养器处以及在饲养器处多长时间。这种技术允许用于检测动物之间以及动物与感兴趣位置之间的接触模式的低成本但细粒度的传感器。
在一个实施例中，系统可以从动物之间的历史交互来计算动物之间的“连接性”或连接性模式。系统可以计算“连接性”为与接近度、持续时间和接触频率(例如，动物在给定的持续时间内进入给定的接近度或距离内的次数)成比例的，例如，这些因素的函数。在实施例中，系统可以在计算动物之间的连接性度量时对动物之间的更新近的交互进行优先级排序。例如，连接性度量可以包括基于新近性的指数衰减函数。
举例来讲，可以通过随时间将两个或更多个动物之间的接近度进行积分来计算连接性。例如，可以在从t_0到t_1的时间段内将所有的接近度测量加在一起。所添加的测量值可以通过时间段T的长度来归一化。
作为另一个示例，连接性可以被计算为个体因素的线性加权组合，如两个或更多个动物之间在时间段T上的平均接近度和两个动物之间在时间段T上的交互的平均持续时间。交互可被定义为当两个动物比距离阈值Th(其可被预定义或配置)更靠近在一起时开始，并且当两只动物比距离阈值Th移动得更远时结束。在时间段t，两个或更多个动物之间的交互的数量可以由两个或更多个动物在给定持续时间内比距离阈值Th更靠近在一起的次数来定义。
图3示出了“健康图网络”，其节点示出了每只动物的健康，并且边示出了动物之间的连接性。例如，健康图网络的节点或顶点可以表示动物(例如，所示的奶牛或另一个动物)。动物的健康可以是节点的属性，并且根据所捕捉的IoT数据来确定，该IoT数据可被连续地或不停地监视。节点之间的连接可基于所表示动物的所监视交互(例如，它们所位于的距离有多近)来确定。在图A 302中，显示症状306、308的两个动物不是强烈相连的，如至少通过在310处的线(“边”)所示。在图B 304中，显示症状的两个动物312、314直接连接，如通过316处的线“边”所示。在该示例中，可以例如使用子集扫描技术针对动物的异常组搜索健康图网络。在健康图网络中检测到的连接的动物的异常组可指示疾病爆发的风险增加。
简言之，子集扫描技术或方法是一种统计机器学习方法的变体，该方法适用于通过表征和理解所观察到的现象(例如，系统的现象)在何处、何时以及如何偏离其预期动态来识别现实世界数据中的异常模式。更具体地，异常模式检测包括识别系统地不同于基础模型的数据点的子集的任务。在时空域中，此类模式的及时识别可以允许有效的干预。在实施例中，本公开中的系统可以使用子集扫描算法的变型来标识、检测和特征化健康图网络中的连接的动物的异常组。定量的异常评分可以指示疾病爆发的风险增加。图9是示出在一个实施例中用于检测连接的动物的异常子组的子集扫描方法的示图。子组902可以例如基于其连接来识别，并且与另一子组904进行比较。
图10示出了在一个实施例中监测健康图网络随时间的变化。从时间t＝t_1到时间t＝t_2，观察到节点的交互的变化，如1002处所示。从时间t＝t_2到t＝t_3，观察到节点1004中的变化。基于节点1004和1006的健康属性及其交互，可推断爆发。此外，例如，基于由边1010与节点1006以及边1012与节点1004表示的交互，观察到节点1008也可能处于风险中。
在实施例中，该系统可以在疾病“追溯”的情况下使用健康图网络。例如，在传染病爆发的情况下，可能需要分离受影响的动物，并检疫或甚至宰杀受影响的动物以防止疾病进一步扩散。在一个实施例中，响应于传染性疾病爆发的发生，通过查看健康图网络，该系统可以确定随着时间动物之间的相互作用并且识别哪个动物与感染的动物接触，并且由此识别哪些动物可能已经感染了该疾病。这种技术可以潜在地避免不必要地宰杀动物，例如，在包含爆发的方案是宰杀特定农场上的所有动物的情况下。图11示出了在一个实施例中的“反向跟踪”的示例场景。在时间t＝t_3，例如，基于与被认为处于风险中的其他节点的交互，观察到节点1008可能处于风险中。跟踪回到t＝t_1，还观察到节点1102也在t＝t_1处与节点1008交互，并且因此可以确定节点1102也可能处于风险中。
在一个实施例中，该系统可以包括对牲畜的基于增强现实(AR)的监视，其可以示出要由牲畜农场主等执行的动作，基于周围环境的变化来可视化牲畜动物的预测活动。
图4示出了用于可视化动物的当前健康状态、预测运动和农场主要采取的推荐动作的增强现实。例如，边界框402的视觉属性(例如，像素值)可以指示动物的健康，并且系统可以向农场主或有关个人(例如，兽医)推荐干预，该干预可以作为文本出现在增强现实查看器中，例如“需要药物和水”。此外，增强现实系统可显示动物的预测移动路径，以及动物将来活动的预测。例如，预测动物402行进404处所示的路径，并且预测在未来时间(例如，5分钟内)坐下或躺下。可以例如通过创建机器学习模型(诸如与历史数据拟合的回归模型、基于历史数据和/或基于另一预测算法训练的神经网络模型)来确定预测。增强现实可被提供用于可视化动物之间的连接性。例如，经由增强现实眼镜406或另一此类设备，使得用户能够查看动物之间的连接性408、410(例如，具有指示健康状态的不同视觉属性)。这种连接性可以如所示出的覆盖或增强到农场的真实视图上。
在一个实施例中，该系统是基于传感器的系统。例如，一个或多个传感器可以与动物(例如，农场中的一个或多个动物或牲畜)附接。每个传感器可以被配置为被唯一地识别，例如，具有唯一的标识。基于照相机的系统，例如无人机或无人机机群，也可以用于跟踪牲畜动物。
每个传感器可以用个体牲畜动物标记；一个牲畜动物可以具有多个传感器，例如，移动传感器(例如，运动传感器)、位置传感器(例如，GPS使能传感器)、接近度传感器(例如，被实现为射频标签的一部分，其通过发送和接收射频信标并且记录所接收的信号强度以确定标签彼此有多接近来检测接近度)、温度传感器(例如，温度计)、相机和/或另一传感器。在一个实施例中，RF标签(例如，图2中所示)可以集成这样的多个传感器。
实施例中的系统可以通过诸如无线网络的网络捕获来自动物的传感器馈送(例如，IoT馈送)并且可以存储所捕获的数据。例如，所捕获的数据可以存储在与服务器相关联的存储设备中。
在一个实施例中，系统还可以捕获与周围环境有关的各种其他信息，例如天气、食物可用性、后代和父母信息和/或其他信息。对于不同的周围环境，牲畜动物的移动性、活动和行为也可以是不同的。该系统可以连续地或周期性地从每个动物捕获数据。
系统可以对捕获的数据执行分析。例如，系统可以执行传感器馈送的无监督聚类算法分类。这种无监督聚类可以在以下方面对牲畜动物的移动模式进行分类：不同的环境情况；动物之间的关系，如后代和亲本的关系，以及后代和亲本之间的相对接近度；由于后代的运动、食物的可用性、健康状况和/或天气状况而引起的牲畜行为的变化；动物每天的活动顺序(例如，当有食物供消费时动物的活动，进食后进行什么活动)；偏离牲畜动物的正常行为(例如，移动速度的变化、从牲畜群中移出、不饮用水)。
在实施例中，可以对捕获或收集的数据执行诸如深度神经网络模型和回归模型的机器学习，并且可以通过校正各种参数来创建知识语料库，所述参数诸如但不限于：基于周围环境的变化的任何牲畜动物的行为变化；任何牲畜动物在不同环境情况下的反应；牲畜动物的日常活动和日常生活；与日常(例如，通常)生活或状况(例如但不限于健康、食物)偏离的原因。与这种日常生活或状况的偏差可以基于随时间监测测量值来确定。这种偏差的原因可以基于一个或多个因果关系分析来执行，并且也可以基于对随时间的回溯交互的分析来推断。
知识库(例如健康网络图、机器学习模型)可以用于基于任何识别的环境来预测牲畜动物的活动。
响应于事件例如爆发的发生，可以治疗最小阈值量的动物以便使爆发受控。最小阈值可以是可由系统或由系统的领域专家用户(例如兽医)配置的值。治疗的实例可以包括但不限于接种疫苗。
在实施例中，使用健康图网络，系统可以基于健康图网络中指定的交互来检测核或源。
在实施例中，系统可以向农场主等提供增强现实体验。例如，牲畜农场主可以使用增强现实眼镜。系统可以将增强现实功能连接到知识语料库以检索或获得用于提供增强现实体验的相关信息。简言之，增强现实将计算机生成的图像叠加在用户的现实世界环境的视图(例如，在现实世界中的对象)上，从而提供现实世界对象和计算机生成的图像的合成视图。
在一个实施例中，该系统可以连续地接收和/或捕获每个牲畜动物的传感器和摄像机馈送。基于传感器和相机馈送的分析，还可以识别农舍中的每个牲畜动物的位置。或者，可以使用遥感数据(例如，卫星数据)、地理空间数据等来识别每个牲畜动物的位置。该系统可以使用独特传感器的相对位置来检测牲畜动物的位置。该系统可以进一步分析来自每一个牲畜动物的传感器和相机馈送，以识别与每个牲畜动物相关联的各种参数。参数可以包括但不限于：每个牲畜动物的平均行为，例如日常生活行为、基于环境情况的行为；基于健康状况的变化的行为变化；基于食物摄入模式、位置和活动的行为变化。
例如，该系统可以分析每个牲畜动物的当前IoT传感器馈送，并且可以预测行为的活动或变化，这可以基于周围环境对每个动物观察到。该系统可以预测任何牲畜动物是否将表现出需要解决的任何负面行为。这种预测的牲畜可以在增强现实可视化中(例如，在牲畜农场主佩戴或使用的增强现实眼镜中)被标记或突出显示。
使用知识库，系统可以预测牲畜动物接下来将执行什么活动，并且预测可以在时间尺度或时间线中示出，例如在AR眼镜上，包括未来的时间尺度或时间线，使得可以采取主动行动。考虑到不同的牲畜动物如何行为、行动和/或预测如何行为，该系统可以示出牲畜农场主可以执行的一种或多种类型的活动。基于所分配的活动或建议牲畜农场主执行的工作区域，系统可以提供增强现实体验，其突出显示与要执行的动作相关联的牲畜动物。
图5是示出实施例中的方法的示图。该方法可以由一个或多个硬件处理器执行。一个或多个硬件处理器可以可操作地连接或耦合到一个或多个存储器设备。在502，该方法可以包括分析随着时间捕获的传感器数据，该传感器数据与多个牲畜动物相关联。例如，牲畜动物可以配备有诸如RF标签之类的一个或多个IoT设备，并且可以分析IoT馈送以识别任何牲畜是否偏离其日常生活或行为。也可以确定偏离的程度。IoT馈送还可能包括来自IoT设备的传感器数据，这些设备安装在动物放牧或四处移动的区域(例如农场)的位置。
在504处，可以基于识别牲畜动物是否偏离其日常生活或行为，并且例如，偏离程度，来确定与牲畜动物相关联的健康状况(例如，针对多个牲畜动物中的每一个)。
在506处，该方法还可以包括确定牲畜动物的交互或交互模式。例如，可以通过牲畜动物之间的距离来描述或测量交互或交互模式，例如，多对动物中的一对动物；该距离的持续时间，例如，一对动物已经在该距离内(或在阈值距离内)多长时间；距离的频率，例如，一对动物在每个周期(诸如每天或另一周期)内已经在该距离(或阈值距离)内多少次。
在508，该方法包括从动物之间的交互模式(例如，接近度、频率、持续时间)来生成、构建或建立健康图网络。
在508处，该方法可以包括例如使用健康图网络来推断来自连接的动物的异常子组的疾病的一次或多次爆发。例如，如果在阈值邻近度或距离内的一组动物已经表现在它们的日常生活或行为(例如，它们的健康状况)之外，则可以推断可能存在潜在的爆发。
该方法还可以包括随着时间回溯在健康图网络中指定的交互以识别已经与受感染的动物接触的动物。在另一方面，该方法还可以包括通过在时间尺度、活动和行为中预测或估计牲畜的移动路径来识别已经暴露于受感染动物的动物或动物组。该方法还可以包括推荐改善措施(例如，通过分析异常子组来隔离这些动物)。在一个实施例中，增强现实眼镜可以用于可视化动物的预测活动以及动物之间的连接性。该信息可以帮助牲畜农场主或兽医采取适当的行动或以主动的方式准备适当的行动。
在实施例中，该方法可以通过测量动物之间的交互并且基于这些交互构建健康图网络来定义或识别子组。以这种方式，该方法可以以动态的方式定义子组，例如，子组可随时间改变。在实施例中，所述方法可以使用软阈值方法，由此通过跨不同子组进行比较来动态地确定分组储存区(buckets)。
图6是示出一实施例中的系统的组件的示图，该系统可使用健康图网络来检测和管理牲畜中的疾病爆发。诸如中央处理单元(CPU)、图形处理单元(GPU)和/或现场可编程门阵列(FPGA)、专用集成电路(ASIC)和/或另一处理器的一个或多个硬件处理器602可以与存储器设备604耦合，并且生成健康图网络。健康图网络可以基于来自与牲畜相关联的IoT设备的实时测量来实时更新。存储器设备604可以包括随机存取存储器(RAM)、只读存储器(ROM)或另一存储器设备，并且可以存储用于实现与本文描述的方法和/或系统相关联的各种功能的数据和/或处理器指令。一个或多个处理器602可以执行存储在存储器604中的或从另一计算机设备或介质接收的计算机指令。存储器设备604可以例如存储用于一个或多个硬件处理器602的功能的指令和/或数据，并且可以包括操作系统以及指令和/或数据的其他程序。一个或多个硬件处理器602可接收诸如IoT数据的输入。例如，至少一个硬件处理器602可生成健康图网络，该健康图网络可被用于预测爆发并推荐适当的动作。在一方面，输入数据可被存储在存储设备606中或经由网络接口608从远程设备接收，并且可被临时加载到内存设备604中以用于建立或生成健康图网络。所生成的健康图网络可以存储在存储器设备604上，例如，用于确定或预测爆发，和/或由一个或多个硬件处理器602反向跟踪一个或多个源和/或中间物。一个或多个硬件处理器602可以与接口设备耦合，所述接口设备诸如用于例如经由网络与远程系统通信的网络接口608，以及用于与诸如键盘、鼠标、显示器和/或其它设备之类的输入和/或输出设备通信的输入/输出接口610。
图7示出了可以实现根据本公开的一个实施例中的系统的示例计算机或处理系统的示意图。计算机系统仅是合适的处理系统的一个示例，并且不旨在对本文所描述的方法的实施例的使用范围或功能提出任何限制。所示的处理系统可以与许多其他通用或专用计算系统环境或配置一起操作。可以适合于与图7中所示的处理系统一起使用的众所周知的计算系统、环境和/或配置的示例可包括但不限于个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持式或膝上型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子产品、网络PC、小型计算机系统、大型计算机系统和包括任何上述系统或设备等的分布式云计算环境。
计算机系统可以在计算机系统可执行指令的一般上下文中描述，诸如由计算机系统执行的程序模块。通常，程序模块可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、逻辑、数据结构等。计算机系统可以在分布式云计算环境中实践，其中任务由通过通信网络链接的远程处理设备执行。在分布式云计算环境中，程序模块可以位于包括存储器存储设备的本地和远程计算机系统存储介质二者中。
计算机系统的组件可包含(但不限于)一个或多个处理器或处理单元12、系统存储器16以及将包含系统存储器16的不同系统组件耦合到处理器12的总线14。处理器12可包含执行本文所描述的方法的模块30。模块30可以被编程到处理器12的集成电路中，或者从存储器16、存储设备18或网络24或其组合加载。
总线14可以表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统可包括各种计算机系统可读介质。这样的介质可以是可由计算机系统访问的任何可用介质，并且它可以包括易失性和非易失性介质、可移动和不可移动介质两者。
系统存储器16可包括易失性存储器形式的计算机系统可读介质，诸如随机存取存储器(RAM)和/或高速缓冲存储器或其它。计算机系统还可以包括其它可移动/不可移动、易失性/非易失性计算机系统存储介质。仅作为示例，存储系统18可被提供用于从不可移动、非易失性磁介质(例如，“硬盘驱动器")读取和向其写入。尽管未示出，但可以提供用于对可移动非易失性磁盘(例如“软盘”)读取和向其写入的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读取和向其写入的光盘驱动器。在这种情况下，每个都可以通过一个或多个数据介质接口连接到总线14。
计算机系统还可以与一个或多个外部设备26(诸如键盘、定点设备、显示器28等)、使得用户能够与计算机系统交互的一个或多个设备、和/或使计算机系统能够与一个或多个其他计算设备通信的任何设备(例如，网卡、调制解调器等)通信。这样的通信可以经由输入/输出(I/O)接口20发生。
此外，计算机系统可以经由网络适配器22与诸如局域网(LAN)、通用广域网(WAN)和/或公共网络(例如，因特网)之类的一个或多个网络24通信。如所描述的，网络适配器22通过总线14与计算机系统的其它组件通信。应该理解，尽管未示出，其它硬件和/或软件组件也可以与计算机系统结合使用。实例包括但不限于：微码、设备驱动程序、冗余处理单元、外部磁盘驱动器阵列、RAID系统、磁带驱动器和数据档案存储系统等。
在任何可能的技术细节结合层面，本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
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、集成电路配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，连续示出的两个框实际上可以作为一个步骤来实现，同时执行、基本同时执行、以部分或全部时间重叠的方式执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。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。
在此使用的术语仅用于描述具体实施例的目的并且不旨在限制本发明。如本文所用，单数形式“a”、“an”和“the”意欲包括复数形式，除非上下文另有明确指示。应进一步理解，术语“包括”、“包含”、和/或“具有”，当在本文中使用时，可以指定所述特征、整数、步骤、操作、元件和/或组件的存在，但不排除存在或增加一个或多个其他特征、整数、步骤、操作、元素、组件和/或其组。
以下权利要求书中的所有装置或步骤加上功能元件(如果有的话)的相应结构、材料、动作和等效物旨在包括用于结合如具体要求保护的其他要求保护的元件来执行功能的任何结构、材料或动作。本发明的描述是出于说明和描述的目的而呈现的，但不旨在是穷尽性的或限制以所披露的形式的本发明。在不脱离本发明的范围和精神的情况下，许多修改和变化对本领域的普通技术人员将是显而易见的。选择和描述实施例以便最好地解释本发明的原理和实际应用，并且使得本领域普通技术人员能够针对具有适合于所考虑的特定用途的不同修改的不同实施例理解本发明。

Claims (10)

1.一种计算机实现的方法，包括：
分析随着时间捕获的与多个牲畜动物相关联的传感器数据；
基于所述分析确定与所述多个牲畜动物相关联的健康状况；
基于所述分析确定所述牲畜动物的交互，所述交互至少指定所述牲畜动物之间的距离、所述距离的持续时间、以及所述交互的频率；
建立至少包括节点和边的健康图网络，所述健康图网络中的节点表示牲畜动物并且至少指定所表示的牲畜动物的健康状况，所述健康图网络中的边连接至少两个节点并且表示由所述至少两个节点表示的至少两个动物之间的交互；
基于所述健康图网络，预测所述牲畜动物的子组之间的潜在爆发。
2.根据权利要求1所述的方法，还包括推荐改善措施以防止潜在爆发扩散。
3.根据权利要求1所述的方法，其中所述健康状况至少基于检测动物行为随时间与正常健康行为的偏差确定。
4.根据权利要求1所述的方法，还包括随着时间回溯健康图网络中的边以识别已经与一个或多个涉及潜在爆发的动物接触的动物。
5.根据权利要求1所述的方法，还包括在时间尺度上预测至少一个牲畜动物的移动路径。
6.根据权利要求5所述的方法，还包括使用增强现实技术可视化预测的移动路径。
7.根据权利要求6所述的方法，还包括当偏差值高于预定义阈值时，通过发送触发事件触发增强现实眼镜以向牲畜农场主显示所述动物的当前状态，所述触发事件可以是警报、通知、消息代码中的一个或多个。
8.一种计算机实现的系统，包括：
硬件处理器；
与硬件处理器耦合的存储设备；
硬件处理器可以操作以至少执行根据权利要求1-7之一所述的任何方法的步骤。
9.一种计算机程序产品，包括计算机可读存储介质，该计算机可读存储介质具有其中包含的程序指令，该程序指令可由设备执行，以使该设备执行根据权利要求1-7之一所述的任何方法的步骤。
10.一种计算机实现的系统，包括用于执行根据权利要求1-7之一所述的任何方法的步骤的模块。
CN202010814936.3A 2019-08-14 2020-08-13 使用健康图网络检测和管理牲畜中的疾病爆发 Active CN112385569B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/540,211 US10993417B2 (en) 2019-08-14 2019-08-14 Detection and management of disease outbreaks in livestock using health graph networks
US16/540,211 2019-08-14

Publications (2)

Publication Number Publication Date
CN112385569A true CN112385569A (zh) 2021-02-23
CN112385569B CN112385569B (zh) 2022-08-09

Family

ID=74568554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010814936.3A Active CN112385569B (zh) 2019-08-14 2020-08-13 使用健康图网络检测和管理牲畜中的疾病爆发

Country Status (3)

Country Link
US (1) US10993417B2 (zh)
CN (1) CN112385569B (zh)
ZA (1) ZA202004673B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220006394A (ko) * 2020-07-08 2022-01-17 한국전자통신연구원 가축의 이상징후 감지가 가능한 스마트 축사 시스템 및 제어 방법
US20220028557A1 (en) * 2020-07-22 2022-01-27 Pandemic Insights, Inc. Natural-language text generation with pandemic-bio-surveillance multi pathogen systems
EP4124241B1 (en) * 2021-07-30 2023-11-08 Tata Consultancy Services Limited Method and system for monitoring and measuring the behaviour of a plurality of animals
NO20211199A1 (en) * 2021-10-06 2023-04-07 Realtimeid As Automatic matching process for wandering livestock
DE202022104011U1 (de) 2022-07-15 2022-08-19 Uttaranchal University Bildverarbeitendes Edge-Gerät zur Überwachung der Nahrungsaufnahme von Rindern
CN117558026A (zh) * 2023-10-17 2024-02-13 东方联鸣(宁夏)科技发展有限公司 一种规模化牧场基于ai眼镜识别牛只的方法及系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080312511A1 (en) * 2007-06-14 2008-12-18 Alberta Research Council Inc. Animal health monitoring system and method
US20080314325A1 (en) * 2007-06-22 2008-12-25 Hempstead David W Method and apparatus for improved monitoring and managing of livestock
CN101530067A (zh) * 2008-03-13 2009-09-16 林卫 一种畜牧养殖过程的疾病预防方法
US20090265106A1 (en) * 2006-05-12 2009-10-22 Michael Bearman Method and System for Determining a Potential Relationship between Entities and Relevance Thereof
CN203376855U (zh) * 2013-06-08 2014-01-01 山东大学 一种反刍动物监测系统
CN103593802A (zh) * 2013-11-28 2014-02-19 南宁市深仕数码科技有限公司 基于物联网技术的动物疾病检测预警系统和方法
CN105939654A (zh) * 2013-12-31 2016-09-14 i4c创新公司 配对温度计温度确定
US20170006121A1 (en) * 2015-06-30 2017-01-05 International Business Machines Corporation Identification of collaborating and gathering entities
CN106455521A (zh) * 2014-06-05 2017-02-22 斯马特博有限公司 用于监测动物的数据网络
CN107358172A (zh) * 2017-06-22 2017-11-17 华南理工大学 一种基于人脸朝向分类的人脸特征点初始化方法
CN107924579A (zh) * 2015-08-14 2018-04-17 麦特尔有限公司 生成个性化3d头部模型或3d身体模型的方法
CN108937885A (zh) * 2017-05-19 2018-12-07 马克西姆综合产品公司 生理状况确定系统
US20190045274A1 (en) * 2017-10-10 2019-02-07 Charley Michael Parks System and method for providing an alert on delivering digital content
CN109615703A (zh) * 2018-09-28 2019-04-12 阿里巴巴集团控股有限公司 增强现实的图像展示方法、装置及设备
CN109963460A (zh) * 2016-11-24 2019-07-02 夏普株式会社 动物识别装置、动物识别装置的控制方法以及程序

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006078943A2 (en) 2005-01-19 2006-07-27 Micro Beef Technologies, Ltd. Method and system for tracking and managing animals and/or food products
CA2493331C (en) 2005-01-19 2013-11-12 Micro Beef Technologies, Ltd. Method and system for tracking and managing animal health and food quality
WO2007076426A1 (en) * 2005-12-21 2007-07-05 Tokman Michael G Method of identifying clusters and connectivity between clusters
US7830815B1 (en) * 2006-10-25 2010-11-09 At&T Intellectual Property Ii Method and apparatus for measuring and extracting proximity in networks
US11138864B2 (en) 2011-06-22 2021-10-05 Hana Micron Inc. Early alert system for livestock disease detection with a feedlot fence crossbar-embedded RFID antenna
US20150245167A1 (en) * 2011-12-19 2015-08-27 Empath Technologies Patent Holdings, LLC Proximity-related device determinations
CN105229582B (zh) * 2013-03-14 2020-04-28 视力移动科技公司 基于近距离传感器和图像传感器的手势检测
US9265015B2 (en) 2013-03-15 2016-02-16 Whistle Labs, Inc. Detecting interaction among entities via proximity
US11243976B2 (en) 2015-05-01 2022-02-08 The Government of the United States of America, as represented by the Secretary of Homeland Security System and method for monitoring and analyzing animal related data
CA2936876A1 (en) * 2015-07-22 2017-01-22 Radicalogic Technologies, Inc. Dba Rl Solutions Systems and methods for near-real or real-time contact tracing
DE102016107624A1 (de) 2016-03-22 2017-09-28 Förster Technik GmbH Verfahren zur Informationsanzeige an einem Tier und zum Auffinden eines Tieres
CN105615854A (zh) 2016-03-31 2016-06-01 宁夏意洋节能科技有限公司 一种畜禽疫情体征参数的智能多模传感集成电路装置
US10912283B2 (en) 2016-04-02 2021-02-09 Intel Corporation Technologies for managing the health of livestock

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090265106A1 (en) * 2006-05-12 2009-10-22 Michael Bearman Method and System for Determining a Potential Relationship between Entities and Relevance Thereof
US20080312511A1 (en) * 2007-06-14 2008-12-18 Alberta Research Council Inc. Animal health monitoring system and method
US20080314325A1 (en) * 2007-06-22 2008-12-25 Hempstead David W Method and apparatus for improved monitoring and managing of livestock
CN101530067A (zh) * 2008-03-13 2009-09-16 林卫 一种畜牧养殖过程的疾病预防方法
CN203376855U (zh) * 2013-06-08 2014-01-01 山东大学 一种反刍动物监测系统
CN103593802A (zh) * 2013-11-28 2014-02-19 南宁市深仕数码科技有限公司 基于物联网技术的动物疾病检测预警系统和方法
CN105939654A (zh) * 2013-12-31 2016-09-14 i4c创新公司 配对温度计温度确定
CN106455521A (zh) * 2014-06-05 2017-02-22 斯马特博有限公司 用于监测动物的数据网络
US20170006121A1 (en) * 2015-06-30 2017-01-05 International Business Machines Corporation Identification of collaborating and gathering entities
CN107924579A (zh) * 2015-08-14 2018-04-17 麦特尔有限公司 生成个性化3d头部模型或3d身体模型的方法
CN109963460A (zh) * 2016-11-24 2019-07-02 夏普株式会社 动物识别装置、动物识别装置的控制方法以及程序
CN108937885A (zh) * 2017-05-19 2018-12-07 马克西姆综合产品公司 生理状况确定系统
CN107358172A (zh) * 2017-06-22 2017-11-17 华南理工大学 一种基于人脸朝向分类的人脸特征点初始化方法
US20190045274A1 (en) * 2017-10-10 2019-02-07 Charley Michael Parks System and method for providing an alert on delivering digital content
CN109615703A (zh) * 2018-09-28 2019-04-12 阿里巴巴集团控股有限公司 增强现实的图像展示方法、装置及设备

Also Published As

Publication number Publication date
CN112385569B (zh) 2022-08-09
US10993417B2 (en) 2021-05-04
US20210045362A1 (en) 2021-02-18
ZA202004673B (en) 2021-08-25

Similar Documents

Publication Publication Date Title
CN112385569B (zh) 使用健康图网络检测和管理牲畜中的疾病爆发
US11889818B2 (en) Social group management system and method therefor
US7918185B2 (en) Animal-herd management using distributed sensor networks
Pandey et al. Behavioral monitoring tool for pig farmers: Ear tag sensors, machine intelligence, and technology adoption roadmap
BE1026887B1 (nl) Werkwijze voor intelligente monitoring van een of meerdere commerciële sites voor veeteeltdieren
KR20190020513A (ko) 반려동물 케어 방법 및 이를 이용하는 시스템
US11145174B2 (en) Methods and system for monitoring an environment
CN111246730A (zh) 用于追踪动物群体的健康的方法和系统
US20160267254A1 (en) System and method for classifying respiratory and overall health status of an animal
US20230289540A1 (en) Animal motion and temperature monitoring
Ubina et al. Digital twin-based intelligent fish farming with Artificial Intelligence Internet of Things (AIoT)
Shakeel et al. A deep learning-based cow behavior recognition scheme for improving cattle behavior modeling in smart farming
JP7081606B2 (ja) 対象の転倒応答を決定する方法、システム、及び、コンピュータプログラム
Mishra Internet of things enabled deep learning methods using unmanned aerial vehicles enabled integrated farm management
Achour et al. Classification of dairy cows’ behavior by energy-efficient sensor
US20230019190A1 (en) Poultry health benchmarking system and method
Doulgerakis et al. An Animal Welfare Platform for Extensive Livestock Production Systems.
Eagan et al. Behaviour Real-Time spatial tracking identification (BeRSTID) used for cat behaviour monitoring in an animal shelter
CA3215537A1 (en) System, method, and apparatus for pet condition detection
KR102341715B1 (ko) 가축 모니터링 장치 및 방법
Kandepan et al. A Novel Approach to Diagnose the Animal Health Continuous Monitoring Using IoT Based Sensory Data.
Batla et al. Real Time Cattle Health Monitoring Using IoT, ThingSpeak, and a Mobile Application
WO2023113008A1 (ja) 情報管理装置、システム、方法、及びプログラム
Eagan et al. BeRSTID: A Behaviour Real-Time Spatial Tracking Identification System used for Cat Behaviour Monitoring in an Animal Shelter
US20240099265A1 (en) Device and method for the automated identification of a pig that is ready for onward transfer

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