CN112447295A - 一种实现大鲵行为监测的健康指数评价方法及系统 - Google Patents

一种实现大鲵行为监测的健康指数评价方法及系统 Download PDF

Info

Publication number
CN112447295A
CN112447295A CN202011415816.2A CN202011415816A CN112447295A CN 112447295 A CN112447295 A CN 112447295A CN 202011415816 A CN202011415816 A CN 202011415816A CN 112447295 A CN112447295 A CN 112447295A
Authority
CN
China
Prior art keywords
giant salamander
health
giant
rfid
model
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.)
Withdrawn
Application number
CN202011415816.2A
Other languages
English (en)
Inventor
杨正华
罗庆华
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.)
Jishou University
Original Assignee
Jishou University
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 Jishou University filed Critical Jishou University
Priority to CN202011415816.2A priority Critical patent/CN112447295A/zh
Publication of CN112447295A publication Critical patent/CN112447295A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures

Abstract

本发明公开了一种实现大鲵行为监测的健康指数评价方法及系统，涉及数据监测技术领域。本发明包括如下步骤：收集大鲵相关数据信息；给每只大鲵佩戴RFID标签，并在饲养池安装RFID采集器和高清摄像机；根据采集的数据建立健康生理数据集和病症异常数据集；训练得到健康生理模型和异常病症模型；根据大鲵的生活习性以及生长环境数据建立健康评价等级判定表；将RFID采集器和高清摄像机采集的信息录入到健康生理模型和异常病症模型中，并结合健康评价等级判定表，对大鲵的健康指数进行评价。本发明通过训练的数据模型结合健康评价判定表来快速判定大鲵的健康等级，提高了大鲵养殖的监管力度，减少养殖事故出现的概率。

Description

一种实现大鲵行为监测的健康指数评价方法及系统
技术领域
本发明属于数据监测技术领域，特别是涉及一种实现大鲵行为监测的健康指数评价方法及系统。
背景技术
大鲵(Andrias davidinus)是中国大鲵(Chinese Giant Salamander)的简称，俗称娃娃鱼，是现存个体最大的两栖食肉性动物，有生物界活化石之称，是中国珍稀名贵特产，属于国家二级保护动物，已被列入CITES公约附录I中。大鲵在野生环境中，一般多喜栖居与石灰岩层的阴河、暗泉及有水流的山溪穴洞内。成鲵多为单独栖居和活动，不集群。野生大鲵好静、怕光、慑声、喜清水畏浊水。大鲵分布最多的是石灰岩地层，海拔一般300～1500m左右，最高可达3000m，气候温凉湿润，日照少，云雾多，降水充沛，年平均气温12～17℃，大鲵生活的地区，河水一般不结冰，pH值常在5～7.5。大鲵性成熟晚，到六至七周龄才开始第一次繁殖，大鲵为卵生，体外受精，一年产卵一次。
目前，大鲵的养殖方法有二种，一种是利用自然溪流放养，即在溪流的下游筑坝，在上游自然放养，这种方法一旦有一条大鲵发病，会影响一大批，导致大鲵大量死亡，而且种鱼交配是无序进行，发情期间会同类残杀，使种鱼伤残较大，因此，养殖的成活率很低；二是人工建设地下室养殖，并采用人工催精、受精的方式，这种方法的不足之处在于种鱼的寿命短，2～3年就退化，消耗大。
针对上诉问题，人工养殖大鲵时需要时刻关注大鲵的生长状况，一旦大鲵出现病症倾向、发情倾向等异常状况时，都需要及时将异常状况的大鲵单独拿出进行饲养，而现有的人工饲养都是通过人眼直接进行观察辨别大鲵的健康状况，经常会出现发现不及时、判断错误的情况出现，一旦稍有疏漏，都会导致大量大鲵损伤，甚至直接死亡，带来巨大的经济财产损失。因此，亟需一种大鲵的健康指数评价方法，代替人工快速找出行为异常的大鲵，避免造成重大损失。
发明内容
本发明的目的在于提供一种实现大鲵行为监测的健康指数评价方法及系统，通过在每只大鲵身上安装RFID标签，利用RFID采集器和多个高清摄像机进行大鲵数据进行采集，根据训练的数据模型结合健康评价判定表来快速判定大鲵的健康等级，解决了现有的大鲵养殖健康状况需要肉眼判定、容易造成病症发现不及时、病症判断错误的问题。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明为一种实现大鲵行为监测的健康指数评价方法，包括如下步骤：
步骤S1：收集大鲵相关数据信息，包括大鲵体貌特征、病症信息、生成环境、生活习性相关数据信息；
步骤S2：给每只大鲵佩戴RFID标签，并在饲养池的活动点安装相应的RFID采集器和多个高清摄像机；
步骤S3：根据大鲵的体貌特征和病症信息分别形成健康生理数据集和病症异常数据集；
步骤S4：根据健康生理数据集和病症异常数据集训练得到健康生理模型和异常病症模型；
步骤S5：根据大鲵的生活习性以及生长环境数据建立健康评价等级判定表；
步骤S6：将RFID采集器和高清摄像机采集的信息录入到健康生理模型和异常病症模型中，并结合健康评价等级判定表，对大鲵的健康指数进行评价。
优选地，所述步骤S1中，根据收集大鲵相关数据信息建立大鲵健康评价指标体系；所述评价指标体系包括目标层、功能层和指标层；所述目标层为大鲵健康状况；所述功能层包括族群大鲵的健康状况、栖息地重要性、栖息地适宜性和栖息地环境风险共四项；所述指标层包括食物供应指数、人为干扰指数、重金属风险、有机污染风险和生物入侵风险。
优选地，所述步骤S2中，养殖池内的RFID采集器用于记录每只大鲵的运动速度、活动频率和逗留时间，并将所有的大鲵的运动速度、活动频率和逗留时间基于归一化处理，获得每只大鲵的运动速度加权值、活动频率加权值和逗留时间加权值，并计算每只大鲵的综合加权值；所述综合加权值为每只大鲵的运动速度加权值、活动频率加权值和逗留时间加权值之和。
优选地，所述步骤S2中，高清摄像机进行防水处理并安装在养殖池底，在Matlab环境下编写连拍程序，进行多组图像的拍摄；拍摄的高清图像需要先经过预处理；所述预处理用于将原始图像由RGB转化为HSV，通过Hue分量对图像进行分割，将大鲵的主体与图像背景进行分离，分离后再对图像进行二值化、开运算、中值滤波处理。
优选地，所述预处理后，使用二段通道选择预训练方法得到病症识别网络模型；所述病症识别网络模型为TSM网络模型或ECO网络模型。
优选地，所述步骤S4中，异常病症模型工作原理如下：
步骤S41：将预处理后的图像输入到异常病症模型中；
步骤S42：选取号相邻的两张图像进行差分运算，得到大鲵运动行为的差图；
步骤S43：选一张用于差分运算的对应图像作为特征识别图像，以鱼眼作为识别特征，结合特征识别图像找出鱼眼并计算大鲵眼圆形坐标；
步骤S44：通过鱼眼坐标对鱼类行为差图进行剪裁，并获取鱼身皮肤的目标图像；
步骤S45：计算目标图像中代表大鲵身体皮肤状态的区域面积；
步骤S46：计算目标图像中皮肤病态区域的面积和数量；
步骤S47：皮肤病态区域的面积和数量与健康评价等级判定表进行比对，超过限定的阀值，则进行报警处理。
优选地，所述步骤S5中，健康评价等级判定表根据大鲵的健康生理模型和异常病症模型输出的结果，按等差规律分为五级，由低到高分辨赋值为1、2、3、4和5。
本发明为一种实现大鲵行为监测的健康指数评价系统，包括RFID单元、采集单元和服务器单元；
所述RFID单元包括安装在大鲵身上的RFID标签模块和安装在养殖池各处的RFID采集器；所述RFID采集器通过数据线与服务器单元连接；
所述采集单元包括安装在养殖池底的高清摄像头和安装在养殖池内的各类环境采集传感器；所述高清摄像头用于采集池内大鲵的图片；所述采集传感器包括水温传感器、含氧量传感器、水流传感器、藻类传感器；
所述服务器单元包括加权值模块、图片处理模块、模型训练模块、健康等级判定模块和健康指数评价模块；所述加权值模块包括运动速度加权、活动频率加权和逗留时间加权。
优选地，所述运动速度加权是根据大鲵从一个RFID标签识别器游向另一个RFID标签识别器的时间来进行加权；所述活动频率加权是同一个RFID标签在一个RFID标签识别器前消失一段时间后，再次出现的时间来进行加权；所述逗留时间加权是同一个RFID标签进入和离开RFID标签识别器的有效识别区域的时间来进行加权。
本发明具有以下有益效果：
（1）本发明通过在每只大鲵身上安装RFID标签，利用RFID采集器和多个高清摄像机进行大鲵数据进行采集，建立大鲵健康评价指标体系，并计算每只大鲵经过RFID采集器的次数和频率，计算出大鲵的运动速度、活动频率和逗留时间，能够实时观察大鲵的活动规律，并为健康评估提供重要依据；
（2）本发明通过两步对大鲵的健康状况进行评定，一方面是通过RFID采集器采集大鲵的活动规律进行健康状况的评定，另一方是通过采集大鲵的高清图片，对图片中皮肤病症的面积和数量进行识别，并结合健康评价判定表来快速判定大鲵的健康等级，能够快速发现健康状况异常的大鲵，及时隔离，避免大鲵之间感染，提高了大鲵养殖的监管力度，减少养殖事故出现的概率。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种实现大鲵行为监测的健康指数评价方法步骤图；
图2为本发明的大鲵活动特征图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种实现大鲵行为监测的健康指数评价方法，包括如下步骤：
步骤S1：收集大鲵相关数据信息，包括大鲵体貌特征、病症信息、生成环境、生活习性相关数据信息；
步骤S2：给每只大鲵佩戴RFID标签，并在饲养池的活动点安装相应的RFID采集器和多个高清摄像机；
步骤S3：根据大鲵的体貌特征和病症信息分别形成健康生理数据集和病症异常数据集；
步骤S4：根据健康生理数据集和病症异常数据集训练得到健康生理模型和异常病症模型；
步骤S5：根据大鲵的生活习性以及生长环境数据建立健康评价等级判定表；
步骤S6：将RFID采集器和高清摄像机采集的信息录入到健康生理模型和异常病症模型中，并结合健康评价等级判定表，对大鲵的健康指数进行评价。
其中，步骤S1中，根据收集大鲵相关数据信息建立大鲵健康评价指标体系；评价指标体系包括目标层、功能层和指标层；目标层为大鲵健康状况；功能层包括族群大鲵的健康状况、栖息地重要性、栖息地适宜性和栖息地环境风险共四项；指标层包括食物供应指数、人为干扰指数、重金属风险、有机污染风险和生物入侵风险。
其中，步骤S2中，养殖池内的RFID采集器用于记录每只大鲵的运动速度、活动频率和逗留时间，并将所有的大鲵的运动速度、活动频率和逗留时间基于归一化处理，获得每只大鲵的运动速度加权值、活动频率加权值和逗留时间加权值，并计算每只大鲵的综合加权值；综合加权值为每只大鲵的运动速度加权值、活动频率加权值和逗留时间加权值之和。
其中，步骤S2中，高清摄像机进行防水处理并安装在养殖池底，在Matlab环境下编写连拍程序，进行多组图像的拍摄；拍摄的高清图像需要先经过预处理；预处理用于将原始图像由RGB转化为HSV，通过Hue分量对图像进行分割，将大鲵的主体与图像背景进行分离，分离后再对图像进行二值化、开运算、中值滤波处理。
其中，预处理后，使用二段通道选择预训练方法得到病症识别网络模型；病症识别网络模型为TSM网络模型或ECO网络模型。
其中，步骤S4中，异常病症模型工作原理如下：
步骤S41：将预处理后的图像输入到异常病症模型中；
步骤S42：选取号相邻的两张图像进行差分运算，得到大鲵运动行为的差图；
步骤S43：选一张用于差分运算的对应图像作为特征识别图像，以鱼眼作为识别特征，结合特征识别图像找出鱼眼并计算大鲵眼圆形坐标；
步骤S44：通过鱼眼坐标对鱼类行为差图进行剪裁，并获取鱼身皮肤的目标图像；
步骤S45：计算目标图像中代表大鲵身体皮肤状态的区域面积；
步骤S46：计算目标图像中皮肤病态区域的面积和数量；
步骤S47：皮肤病态区域的面积和数量与健康评价等级判定表进行比对，超过限定的阀值，则进行报警处理。
其中，步骤S5中，健康评价等级判定表根据大鲵的健康生理模型和异常病症模型输出的结果，按等差规律分为五级，由低到高分辨赋值为1、2、3、4和5。
如图2所示，本发明为一种实现大鲵行为监测的健康指数评价系统，包括RFID单元、采集单元和服务器单元；
RFID单元包括安装在大鲵身上的RFID标签模块和安装在养殖池各处的RFID采集器；RFID采集器通过数据线与服务器单元连接；
采集单元包括安装在养殖池底的高清摄像头和安装在养殖池内的各类环境采集传感器；高清摄像头用于采集池内大鲵的图片；采集传感器包括水温传感器、含氧量传感器、水流传感器、藻类传感器；
服务器单元包括加权值模块、图片处理模块、模型训练模块、健康等级判定模块和健康指数评价模块；加权值模块包括运动速度加权、活动频率加权和逗留时间加权。
其中，运动速度加权是根据大鲵从一个RFID标签识别器游向另一个RFID 标签识别器的时间来进行加权；活动频率加权是同一个RFID标签在一个RFID标签识别器前消失一段时间后，再次出现的时间来进行加权；逗留时间加权是同一个RFID标签进入和离开RFID标签识别器的有效识别区域的时间来进行加权。
值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (9)

1.一种实现大鲵行为监测的健康指数评价方法，其特征在于，包括如下步骤：
步骤S1：收集大鲵相关数据信息，包括大鲵体貌特征、病症信息、生成环境、生活习性相关数据信息；
步骤S2：给每只大鲵佩戴RFID标签，并在饲养池的活动点安装相应的RFID采集器和多个高清摄像机；
步骤S3：根据大鲵的体貌特征和病症信息分别形成健康生理数据集和病症异常数据集；
步骤S4：根据健康生理数据集和病症异常数据集训练得到健康生理模型和异常病症模型；
步骤S5：根据大鲵的生活习性以及生长环境数据建立健康评价等级判定表；
步骤S6：将RFID采集器和高清摄像机采集的信息录入到健康生理模型和异常病症模型中，并结合健康评价等级判定表，对大鲵的健康指数进行评价。
2.根据权利要求1所述的一种实现大鲵行为监测的健康指数评价方法，其特征在于，所述步骤S1中，根据收集大鲵相关数据信息建立大鲵健康评价指标体系；所述评价指标体系包括目标层、功能层和指标层；所述目标层为大鲵健康状况；所述功能层包括族群大鲵的健康状况、栖息地重要性、栖息地适宜性和栖息地环境风险共四项；所述指标层包括食物供应指数、人为干扰指数、重金属风险、有机污染风险和生物入侵风险。
3.根据权利要求1所述的一种实现大鲵行为监测的健康指数评价方法，其特征在于，所述步骤S2中，养殖池内的RFID采集器用于记录每只大鲵的运动速度、活动频率和逗留时间，并将所有的大鲵的运动速度、活动频率和逗留时间基于归一化处理，获得每只大鲵的运动速度加权值、活动频率加权值和逗留时间加权值，并计算每只大鲵的综合加权值；所述综合加权值为每只大鲵的运动速度加权值、活动频率加权值和逗留时间加权值之和。
4.根据权利要求1所述的一种实现大鲵行为监测的健康指数评价方法，其特征在于，所述步骤S2中，高清摄像机进行防水处理并安装在养殖池底，在Matlab环境下编写连拍程序，进行多组图像的拍摄；拍摄的高清图像需要先经过预处理；所述预处理用于将原始图像由RGB转化为HSV，通过Hue分量对图像进行分割，将大鲵的主体与图像背景进行分离，分离后再对图像进行二值化、开运算、中值滤波处理。
5.根据权利要求4所述的一种实现大鲵行为监测的健康指数评价方法，其特征在于，所述预处理后，使用二段通道选择预训练方法得到病症识别网络模型；所述病症识别网络模型为TSM网络模型或ECO网络模型。
6.根据权利要求1所述的一种实现大鲵行为监测的健康指数评价方法，其特征在于，所述步骤S4中，异常病症模型工作原理如下：
步骤S41：将预处理后的图像输入到异常病症模型中；
步骤S42：选取号相邻的两张图像进行差分运算，得到大鲵运动行为的差图；
步骤S43：选一张用于差分运算的对应图像作为特征识别图像，以鱼眼作为识别特征，结合特征识别图像找出鱼眼并计算大鲵眼圆形坐标；
步骤S44：通过鱼眼坐标对鱼类行为差图进行剪裁，并获取鱼身皮肤的目标图像；
步骤S45：计算目标图像中代表大鲵身体皮肤状态的区域面积；
步骤S46：计算目标图像中皮肤病态区域的面积和数量；
步骤S47：皮肤病态区域的面积和数量与健康评价等级判定表进行比对，超过限定的阀值，则进行报警处理。
7.根据权利要求1所述的一种实现大鲵行为监测的健康指数评价方法，其特征在于，所述步骤S5中，健康评价等级判定表根据大鲵的健康生理模型和异常病症模型输出的结果，按等差规律分为五级，由低到高分辨赋值为1、2、3、4和5。
8.一种实现大鲵行为监测的健康指数评价系统，包括RFID单元、采集单元和服务器单元；其特征在于：
所述RFID单元包括安装在大鲵身上的RFID标签模块和安装在养殖池各处的RFID采集器；所述RFID采集器通过数据线与服务器单元连接；
所述采集单元包括安装在养殖池底的高清摄像头和安装在养殖池内的各类环境采集传感器；所述高清摄像头用于采集池内大鲵的图片；所述采集传感器包括水温传感器、含氧量传感器、水流传感器、藻类传感器；
所述服务器单元包括加权值模块、图片处理模块、模型训练模块、健康等级判定模块和健康指数评价模块；所述加权值模块包括运动速度加权、活动频率加权和逗留时间加权。
9.根据权利要求8所述的一种实现大鲵行为监测的健康指数评价系统，其特征在于，所述运动速度加权是根据大鲵从一个RFID标签识别器游向另一个RFID 标签识别器的时间来进行加权；所述活动频率加权是同一个RFID标签在一个RFID标签识别器前消失一段时间后，再次出现的时间来进行加权；所述逗留时间加权是同一个RFID标签进入和离开RFID标签识别器的有效识别区域的时间来进行加权。
CN202011415816.2A 2020-12-07 2020-12-07 一种实现大鲵行为监测的健康指数评价方法及系统 Withdrawn CN112447295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011415816.2A CN112447295A (zh) 2020-12-07 2020-12-07 一种实现大鲵行为监测的健康指数评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011415816.2A CN112447295A (zh) 2020-12-07 2020-12-07 一种实现大鲵行为监测的健康指数评价方法及系统

Publications (1)

Publication Number Publication Date
CN112447295A true CN112447295A (zh) 2021-03-05

Family

ID=74739466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011415816.2A Withdrawn CN112447295A (zh) 2020-12-07 2020-12-07 一种实现大鲵行为监测的健康指数评价方法及系统

Country Status (1)

Country Link
CN (1) CN112447295A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114711181A (zh) * 2022-03-16 2022-07-08 四川农业大学 一种嵌入式草鱼病灶自动分流装置及检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114711181A (zh) * 2022-03-16 2022-07-08 四川农业大学 一种嵌入式草鱼病灶自动分流装置及检测方法

Similar Documents

Publication Publication Date Title
Meekan et al. Population size and structure of whale sharks Rhincodon typus at Ningaloo Reef, Western Australia
Kutz et al. The Arctic as a model for anticipating, preventing, and mitigating climate change impacts on host–parasite interactions
Jingqiu et al. Cow behavior recognition based on image analysis and activities
Dawson Kangaroos
Sharman Feeding, ranging and social organisation of the Guinea baboon
CN106295558A (zh) 一种猪只行为节律分析方法
CN104008367A (zh) 基于计算机视觉的育肥猪的自动行为分析系统及方法
Sanchez-Ortiz et al. Mosquito larva classification method based on convolutional neural networks
CN113938503A (zh) 一种通过生猪行为体征监测对疾病的预警系统及构建方法
CN112544491A (zh) 一种识别圈养动物腹泻的方法及系统
CN111666897A (zh) 基于卷积神经网络的斑石鲷个体识别方法
CN111507295B (zh) 一种水产养殖管理系统
Henschel The socio-ecology of a spotted hyaena Crocuta crocuta clan in the Kruger National Park
CN112447295A (zh) 一种实现大鲵行为监测的健康指数评价方法及系统
CN116778531A (zh) 一种基于Yolov5-ASFF的肉牛脸部识别方法
CN112906510A (zh) 一种渔业资源统计方法及系统
CN113326743A (zh) 一种养殖背景条件下鱼群运动行为参数提取和分析方法
Porter Winter ecology of Steller sea lions (Eumetopias jubatus) in Alaska
Sun et al. Behavior recognition and maternal ability evaluation for sows based on triaxial acceleration and video sensors
CN112446872B (zh) 一种基于图像识别的大鲵异常行为识别方法
Handeland et al. High winter loads of Oestrid larvae and Elaphostrongylus rangiferi are associated with emaciation in wild reindeer calves
Deng et al. Detection of behavior and posture of sheep based on YOLOv3.
Marques et al. Population structure of the broad-snouted caiman (Caiman latirostris) in natural and man-made water bodies associated with a silvicultural landscape
Hii Asian elephants' social structure and mineral lick usage in a Malaysian rainforest using camera traps
Zhao et al. Research on the correlation between breeding environment and activity of yellow feather broilers based on the multichromatic aberration model

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210305