CN112560336A - 畜牧物联网采集体温校准方法 - Google Patents
畜牧物联网采集体温校准方法 Download PDFInfo
- Publication number
- CN112560336A CN112560336A CN202011430142.3A CN202011430142A CN112560336A CN 112560336 A CN112560336 A CN 112560336A CN 202011430142 A CN202011430142 A CN 202011430142A CN 112560336 A CN112560336 A CN 112560336A
- Authority
- CN
- China
- Prior art keywords
- temperature
- pig
- data
- ear tag
- regression
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000036760 body temperature Effects 0.000 title claims abstract description 20
- 244000144972 livestock Species 0.000 title claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 10
- 241000282898 Sus scrofa Species 0.000 claims description 57
- 238000007637 random forest analysis Methods 0.000 claims description 17
- 238000003066 decision tree Methods 0.000 claims description 15
- 241000282887 Suidae Species 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 210000000664 rectum Anatomy 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims 1
- 238000009529 body temperature measurement Methods 0.000 abstract description 3
- 238000013480 data collection Methods 0.000 abstract 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 5
- 229910052753 mercury Inorganic materials 0.000 description 5
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种畜牧物联网采集体温校准方法，通过数据采集、模型训练、部署应用的方法，将耳标采集的温度数据传输至模型，通过模型输出无限接近直肠温度的温度数据，使输出的温度数据更加准确、减小误差。同时通过耳标，使得温度的测量更加方便，每一个耳标对应一个猪，每一个耳标传输的数据代表这一个猪的温度数据，实现点对点的测量，单一的精准测量；另外通过将单个的耳标温度聚集，形成猪群的温度，实现整体温度的测量。
Description
技术领域
本发明涉及畜牧养殖领域，尤其涉及一种畜牧物联网采集体温校准方法。
背景技术
目前，在猪的养殖场内，对猪的体温或者运动状态的分析，主要采用人的肉眼去观察，饲养员在长期的养殖过程中，积累养殖的经验，然后将这些经验记忆分析，例如健康猪的状态，其在外部表现上为运动状态、进食情况、猪的叫声、排泄情况等，这些都是外部可以观察到的情况，但是如果涉及到猪的体温，肉眼是无法直接观测出来，需要借助仪器设备，例如红外测温仪(利用红外热像仪测量猪体温)、水银温度计，水银温度计测量体温的方法如下，首先需要将水银温度计插入猪的直肠，再让水银温度计在直肠内停留5-10分钟，这样才能测出准确的体温，但这种测温时间长、效率低，容易引起猪的应激反应，很有可能损坏水银温度计，因此这种方法，在养殖猪的场所根本无法实现，也无法进行大数据量的统计分析；另一种利用红外热像仪测量猪体温的测量方法，一般是针对一个猪栏进行猪群的体温测量，很难定位到猪的个体，不利于个体猪的健康状态追踪监控。
因此有必要设计一种新的畜牧物联网采集体温校准方法，以克服上述问题。
发明内容
本发明的目的在于克服现有技术之缺陷，提供了一种畜牧物联网采集体温校准方法，以保证温度数据输出的准确性。
本发明是这样实现的：一种畜牧物联网采集体温校准方法，其包括以下步骤：
第一步，数据采集，采集猪耳标温度、猪运动数据、环境温度、环境湿度、猪直肠温度，并记录；
第二步，模型选择与训练，采用随机森林回归算法，将耳标温度、运动数据、环境温度、环境湿度、猪种这五个参数作为回归自变量，将猪的直肠温度作为回归因变量，并建立模型，
定义T＝f(tp；ex；ts；hs；b)，其中T是根据随机森林回归模型校准后的接近猪的真实体温的计算数据；f是训练出的模型；tp是耳标温度；ex是运动数据；ts是环境温度；hs是环境湿度；b是猪种；
第三步，将训练好的模型部署在服务器上，将实时测得的耳标温度、运动数据、环境温度、环境湿度和猪种数据，通过训练出的模型输出温度数据。
模型选择与训练包括以下步骤，a、数据预处理，回归自变量共有五个：
(1)耳标温度，量纲：摄氏度，范围：36–42；
(2)运动数据，原始数据是每个测量时刻(X，Y，Z)的位置信息，规范化为一维的活跃度数据，量纲：无，范围：0.0-1.0；
(3)环境温度，量纲：摄氏度，范围：5–35；
(4)环境湿度，量纲：无，范围：0.0-1.0；
(5)猪种，共六个猪种：分仔猪、后备母猪、育肥猪、经产母猪、妊娠母猪、公猪。将每个猪种特征值做one-hot处理；
仔猪表示为[1,0,0,0,0,0]，
后备母猪表示为[0,1,0,0,0,0]，
育肥猪表示为[0,0,1,0,0,0]，
经产母猪表示为[0,0,0,1,0,0]，
妊娠母猪表示为[0,0,0,0,1,0]，
公猪表示为[0,0,0,0,0,1]。
随机森林回归模型包含多个回归决策树的回归算法，其输出值是由多个回归决策树输出值的平均值，b、参数选择，通过多次测试，选择随机森林决策树数量的最优值。
猪配置的耳标为智能耳标，智能耳标采用2.4G无线通信技术，其配置有高精度的温度传感器、高灵敏度的运动传感器、唯一身份识别码。
本发明通过数据采集、模型训练、部署应用，根据实时测得的耳标温度、运动数据、环境温度、环境湿度和猪种数据，通过训练出的模型输出温度数据，输出的温度数据更准确，输出的温度数据比耳标温度更加接近直肠温度。同时通过耳标，使得温度的测量更加方便，每一个耳标对应一个猪，每一个耳标传输的数据代表这一个猪的温度数据，实现点对点的测量，单一的精准测量；另外通过将单个的耳标温度聚集，形成猪群的温度，实现整体温度的测量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的畜牧物联网采集体温校准的方法流程图；
图2为本发明实施例提供的随机森林构建和预测流程图。
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做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。
如图1-2，本发明提供一种畜牧物联网采集体温校准方法，其包括以下步骤：
第一步，数据采集，采集猪耳标温度、猪运动数据、环境温度、环境湿度、猪直肠温度，并记录；
第二步，模型选择与训练，采用随机森林回归算法，将耳标温度、运动数据、环境温度、环境湿度、猪种这五个参数作为回归自变量，将猪的直肠温度作为回归因变量，并建立模型，
定义T＝f(tp；ex；ts；hs；b)，其中T是根据随机森林回归模型校准后的接近猪的真实体温的计算数据；f是训练出的模型；tp是耳标温度；ex是运动数据；ts是环境温度；hs是环境湿度；b是猪种；
第三步，将训练好的模型部署在服务器上，将实时测得的耳标温度、运动数据、环境温度、环境湿度和猪种数据，通过训练出的模型输出温度数据。
首先介绍一下数据采集。测量数据的采集需要注意，尽量保持数据均衡。在测量猪的直肠温度时，每个猪种测量10头左右，一个测量周期是一个昼夜，约一个小时测量一次，一头猪测3-5个周期。测量过程中尽量避免引起猪的应激反应，影响测量数据的准确性。以10月-11月采集的山东某地某养猪场93头猪的5091个样本数据为例。数据分布如下：
仔猪12头，共采集数据1158个样本；
后备母猪9头，共采集数据924个样本；
育肥猪15头，共采集数据1611个样本；
经产母猪8头，共采集数据756个样本；
妊娠母猪4头，共采集数据315个样本；
公猪，3头，共采集数据327个样本。
模型选择与训练
以开源通用机器学习库scikit-learn为工具，进行模型选择与训练。
通过比较线性回归、二次多项式回归和随机森林回归，随机森林回归效果更佳。
随机森林回归算法是一个包含多个回归决策树的回归算法，其输出值是由多个回归决策树输出值的平均值。
模型选择与训练包括以下步骤，a、数据预处理，回归自变量共有五个：
(1)耳标温度，量纲：摄氏度，范围：36–42；
(2)运动数据，原始数据是每个测量时刻(X，Y，Z)的位置信息，规范化为一维的活跃度数据，量纲：无，范围：0.0-1.0；
(3)环境温度，量纲：摄氏度，范围：5–35；
(4)环境湿度，量纲：无，范围：0.0-1.0；
(5)猪种，共六个猪种：分仔猪、后备母猪、育肥猪、经产母猪、妊娠母猪、公猪。将每个猪种特征值做one-hot处理；
仔猪表示为[1,0,0,0,0,0]，
后备母猪表示为[0,1,0,0,0,0]，
育肥猪表示为[0,0,1,0,0,0]，
经产母猪表示为[0,0,0,1,0,0]，
妊娠母猪表示为[0,0,0,0,1,0]，
公猪表示为[0,0,0,0,0,1]。
参数选择
1.通过多次测试，随机森林决策树数量取12效果最好；
2.不限制决策树的深度；
3.每棵决策树最大特征数不做限制。
随机森林回归模型包含多个回归决策树的回归算法，其输出值是由多个回归决策树输出值的平均值，b、参数选择，通过多次测试，选择随机森林决策树数量的最优值。
猪配置的耳标为智能耳标，智能耳标采用2.4G无线通信技术，其配置有高精度的温度传感器、高灵敏度的运动传感器、唯一身份识别码，支持灯光告警和定点查找。智能耳标可以对耳温测量，对耳温进行大数据模型处理，判断动物的生理状态。将测量的数据发给基站，基站在再将数据发给服务器。
模型部署
模型在算法研发平台上训练好以后，经序列化、上传到生产服务环境、反序列化、部署到生产服务系统后，方可使用。
校准举例
| 耳标温度 | 环境温度 | 环境湿度 | 运动数据 | 猪种 | 校准温度 | 肛温 | 差异 |
| 35.6 | 21.2 | 68％ | 0.52 | 育肥猪 | 38.2 | 38.5 | 0.3 |
| 36.3 | 20.6 | 67％ | 0.46 | 后备母猪 | 38.4 | 38.6 | 0.2 |
| 37.8 | 29.3 | 71％ | 0.7 | 仔猪 | 38.8 | 38.7 | -0.1 |
| 36.8 | 19.7 | 62％ | 0.6 | 公猪 | 38.3 | 38.4 | 0.1 |
| 37.1 | 20.4 | 72％ | 0.47 | 育肥猪 | 38.5 | 38.6 | 0.1 |
注：差异＝肛温-校准温度
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种畜牧物联网采集体温校准方法，其特征在于，包括以下步骤：
第一步，数据采集，采集猪的耳标温度、猪的运动数据、环境温度、环境湿度、猪的直肠温度，并记录，猪配置的耳标为智能耳标，智能耳标采用2.4G无线通信技术，其配置有高精度的温度传感器、高灵敏度的运动传感器、唯一身份识别码；
第二步，模型选择与训练，采用随机森林回归算法，将耳标温度、运动数据、环境温度、环境湿度、猪种这五个参数作为回归自变量，将猪的直肠温度作为回归因变量，并建立模型，
T＝f(tp；ex；ts；hs；b)，其中T是根据随机森林回归模型校准后的接近猪的真实体温的计算数据、f是训练出的模型、tp是耳标温度、ex是运动数据、ts是环境温度、hs是环境湿度、b是猪种；
第三步，将训练好的模型部署在服务器上，根据实时测得的耳标温度、运动数据、环境温度、环境湿度和猪种数据，通过训练出的模型输出温度数据。
2.如权利要求1所述的畜牧物联网采集体温校准方法，其特征在于：模型选择与训练包括以下步骤，a、数据预处理，回归自变量共有五个：
(1)耳标温度，量纲：摄氏度，范围：36–42；
(2)运动数据，原始数据是每个测量时刻(X，Y，Z)的位置信息，规范化为一维的活跃度数据，量纲：无，范围：0.0-1.0；
(3)环境温度，量纲：摄氏度，范围：5–35；
(4)环境湿度，量纲：无，范围：0.0-1.0；
(5)猪种，共六个猪种：分仔猪、后备母猪、育肥猪、经产母猪、妊娠母猪、公猪。
3.如权利要求2所述的畜牧物联网采集体温校准方法，其特征在于：随机森林回归模型包含多个回归决策树的回归算法，其输出值是由多个回归决策树输出值的平均值，b、参数选择，通过多次测试，选择随机森林决策树数量的最优值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011430142.3A CN112560336A (zh) | 2020-12-09 | 2020-12-09 | 畜牧物联网采集体温校准方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011430142.3A CN112560336A (zh) | 2020-12-09 | 2020-12-09 | 畜牧物联网采集体温校准方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112560336A true CN112560336A (zh) | 2021-03-26 |
Family
ID=75059957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011430142.3A Pending CN112560336A (zh) | 2020-12-09 | 2020-12-09 | 畜牧物联网采集体温校准方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112560336A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113412794A (zh) * | 2021-07-21 | 2021-09-21 | 旷览视界(无锡)科技有限公司 | 一种轻便的长期测温耳标及测温方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140323820A1 (en) * | 2011-03-08 | 2014-10-30 | Campbridge Enterprise Limited | Method and apparatus for monitoring a subject during exercise |
| CN105125178A (zh) * | 2015-08-28 | 2015-12-09 | 中粮饲料有限公司 | 一种猪体温监测方法及装置 |
| CN107752987A (zh) * | 2017-09-18 | 2018-03-06 | 浙江利尔达物联网技术有限公司 | 一种牲畜健康情况自动分析方法及系统 |
| CN207201700U (zh) * | 2017-08-11 | 2018-04-10 | 深圳市宝凯仑科技有限公司 | 奶牛的可穿戴设备 |
| CN109060143A (zh) * | 2018-08-16 | 2018-12-21 | 南京农业大学 | 基于热红外技术的种猪体温监测系统及方法 |
| CN110251098A (zh) * | 2019-06-28 | 2019-09-20 | 深圳尚一互联技术有限公司 | 一种基于ble4.0的检测生猪健康状态的方法及系统 |
| CN209594530U (zh) * | 2019-01-31 | 2019-11-08 | 力盟生命科技(深圳)有限公司 | 一种家畜养殖排卵期监测系统 |
-
2020
- 2020-12-09 CN CN202011430142.3A patent/CN112560336A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140323820A1 (en) * | 2011-03-08 | 2014-10-30 | Campbridge Enterprise Limited | Method and apparatus for monitoring a subject during exercise |
| CN105125178A (zh) * | 2015-08-28 | 2015-12-09 | 中粮饲料有限公司 | 一种猪体温监测方法及装置 |
| CN207201700U (zh) * | 2017-08-11 | 2018-04-10 | 深圳市宝凯仑科技有限公司 | 奶牛的可穿戴设备 |
| CN107752987A (zh) * | 2017-09-18 | 2018-03-06 | 浙江利尔达物联网技术有限公司 | 一种牲畜健康情况自动分析方法及系统 |
| CN109060143A (zh) * | 2018-08-16 | 2018-12-21 | 南京农业大学 | 基于热红外技术的种猪体温监测系统及方法 |
| CN209594530U (zh) * | 2019-01-31 | 2019-11-08 | 力盟生命科技(深圳)有限公司 | 一种家畜养殖排卵期监测系统 |
| CN110251098A (zh) * | 2019-06-28 | 2019-09-20 | 深圳尚一互联技术有限公司 | 一种基于ble4.0的检测生猪健康状态的方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113412794A (zh) * | 2021-07-21 | 2021-09-21 | 旷览视界(无锡)科技有限公司 | 一种轻便的长期测温耳标及测温方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017276810B2 (en) | System for monitoring pasture intake | |
| Brehme et al. | ALT pedometer—New sensor-aided measurement system for improvement in oestrus detection | |
| US20210007330A1 (en) | System and method for determining animal behavioral phenotypes | |
| KR20200117610A (ko) | 전자식 모돈 관리 장치 | |
| Islam et al. | Automated monitoring of cattle heat stress and its mitigation | |
| Alipio et al. | Intelligent wearable devices and biosensors for monitoring cattle health conditions: A review and classification | |
| Visser et al. | Phenomics for sustainable production in the South African dairy and beef cattle industry | |
| CN112560336A (zh) | 畜牧物联网采集体温校准方法 | |
| Kim et al. | Real-time Temperature Monitoring to Enhance Estrus Detection in Cattle Utilizing Ingestible Bio-Sensors: Method & Case Studies: Method & Case Studies | |
| CN205593626U (zh) | 畜牧养殖自动称重对比系统 | |
| CN110779575A (zh) | 一种基于大数据平台的畜牧业监测系统 | |
| Haskell et al. | Is the response to humans consistent over productive life in dairy cows? | |
| Stajnko et al. | Non invasive estimating of cattle live weight using thermal imaging | |
| Nielsen | The role of Precision Livestock Farming technologies in animal welfare monitoring: a review. | |
| CN110728268A (zh) | 基于决策树分类器与鼻羁压力包络信号的奶牛反刍识别方法 | |
| CN113197117A (zh) | 一种自诱式牲畜信息采集系统及管理方法 | |
| CN108029584B (zh) | 一种通过检测牛阴道温度预警牛发情的方法 | |
| Campbell et al. | Poultry welfare monitoring: wearable technologies | |
| CN118020666A (zh) | 一种智能动物发情鉴定方法及系统 | |
| García-Ramírez et al. | Design of an intra-ruminal wireless communication sensing system for measuring temperature and pH of cattle | |
| Lakhoua et al. | Agricultural engineering based on system analysis and electronic imaging | |
| Pukrongta et al. | Cattle Collars with a Low-Cost LPWAN-Based System for Cattle Estrous Monitoring | |
| TÜRKER et al. | Precision Animal Husbandry Technologies And Applications | |
| Devi et al. | Application of Artificial Intelligence and IoT technologies in agriculture and animal farming | |
| de Souza et al. | Technologies Used for Animal Welfare Monitoring |
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 | ||
| CB02 | Change of applicant information |
Address after: 518000 1901, block a, sharing building, No. 78, Keyuan North Road, songpingshan community, Xili street, Nanshan District, Shenzhen, Guangdong Province Applicant after: Shenzhen Zhongrong Digital Technology Co.,Ltd. Address before: Room 306, building 8, songkeyuan, Songshanhu high tech Industrial Development Zone, Dongguan, Guangdong 523000 Applicant before: Dongguan Zhongrong Digital Technology Co.,Ltd. |
|
| CB02 | Change of applicant information |