CN112931289A - 猪只采食监测方法及装置 - Google Patents

Abstract

本发明提供一种猪只采食监测方法及装置，该方法包括：获取猪只头部位于采食槽内的视频，构建数据集；对所述数据集进行数据增强和预处理，并分为采食状态数据集和非采食状态数据集；采用卷积神经网络和长短期记忆网络对所述采食状态数据集和所述非采食状态数据集进行训练，并形成猪只采食量估测模型；将实时采集的猪只位于采食槽内的视频输入至所述猪只采食量估测模型中获取猪只采食结果。通过上述方式，将猪只在采食槽内的视频信息进行处理，猪只位于采食槽的状态分为采食状态和非采食状态，进而可以避免将非采食状态归于采食状态而造成的对采食量的误差，由此可以提高对于猪只采食估测的精度，进而对猪只实际生产效率得到提升。

Description

猪只采食监测方法及装置

技术领域

本发明涉及猪养殖设备技术领域，尤其涉及一种猪只采食监测方法及装置。

背景技术

目前主流的监测猪只采食行为及采食量的方法主要是依靠人工观察和射频识别技术(RFID)。然而，在实际生产中为了确保监测的客观性和一致性，人为观察记录猪只采食行为需要付出巨大劳动力。另一方面，射频识别是一种侵入式的装置，每个动物都需要配备一个带有侵入性的发射器，所以射频识别设备不仅昂贵而且难以使用。随着光电技术和计算机技术的发展，计算机视觉技术提供了一种非侵入性、低成本、客观和可持续的方法来监测猪只采食行为及采食量。

目前使用计算机技术在猪只采食行为上的应用往往都局限于根据猪只在猪圈中的位置判断猪只是否处于采食状态或确定猪只采食时间，未有根据采食动作估测采食量的应用。基于猪只位置判断采食行为较为简单，但是若是猪只是在采食槽玩耍也会被纳入采食，这种方法有本质上的缺陷。

发明内容

本发明实施例提供一种猪只采食监测方法及装置，用以解决现有技术中猪只采食量估测结果不准确的技术问题。

本发明实施例提供一种猪只采食监测方法，包括：获取猪只头部位于采食槽内的视频，构建数据集；

对所述数据集进行数据增强和预处理，并分为采食状态数据集和非采食状态数据集；

采用卷积神经网络和长短期记忆网络对所述采食状态数据集和所述非采食状态数据集进行训练，并形成训练模型；

将实时采集的猪只位于采食槽内的视频输入至所述训练模型中获取猪只采食结果。

根据本发明一个实施例的猪只采食监测方法，

所述对所述数据集进行数据增强和预处理，并分为采食状态数据集和非采食状态数据集，进一步包括：

将猪只头部处于采食槽内且嘴部有采食动作作为猪只采食状态，所述采食状态数据集包括人工标记的多个采食动作视频；

将无猪只嘴部的采食动作作为猪只非采食状态，所述非采食状态数据集包括多个非采食动作视频。

根据本发明一个实施例的猪只采食监测方法，还包括：

将猪只嘴部开始采食至嘴部停止采食作为一次采食行为，并记录所述采食行为的起止时间、每次所述采食行为持续的时间以及预设时间内所述采食行为的次数。

根据本发明一个实施例的猪只采食监测方法，还包括：

对每次所述采食行为所消耗的饲料量进行计算并记录，通过多次计算并记录以获得猪只每次咀嚼所消耗的饲料量均值。

根据本发明一个实施例的猪只采食监测方法，所述获取猪只头部位于采食槽内的视频，进一步包括：

通过猪只的图像信息，获得猪只的身份ID信息，并建立采食量估测模型，并将所述采食量估测模型存入养殖场的网络服务器中。

根据本发明一个实施例的猪只采食监测方法，在得到所述采食量估测模型后，建立猪只的采食生产曲线，通过所述网络服务器对下料程序进行调用以供猪只采食。

本发明实施例还提供一种猪只采食监测装置，包括：

支架，顶部设有采食箱，所述采食箱下方设有挡料板；

采食槽，设于所述挡料板的下方且与所述采食箱相连通，所述挡料板与所述采食槽之间形成图像采集区；

图像采集器，设于所述图像采集区内并与所述支架相连接，所述图像采集器用于采集猪只头部位于所述图像采集区的视频信息；

网络服务器，与所述图像采集器相耦接，用于构建猪只采食视频的数据集，并通过卷积神经网络和长短期记忆网络进行训练以得出猪只的采食模型。

根据本发明一个实施例的猪只采食监测装置，所述图像采集器为摄像机构，所述摄像机构的出光侧设有自动清洁机构，所述自动清洁机构与所述网络服务器相耦接。

根据本发明一个实施例的猪只采食监测装置，所述摄像机构与所述网络服务器之间通过无线传输数据。

根据本发明一个实施例的猪只采食监测装置，

所述网络服务器内设有下料程序；

还包括料线，所述料线一端设于所述采食槽内，所述料线与所述下料程序相连接。

本发明实施例提供的猪只采食监测方法及装置，通过将猪只在采食槽内的视频信息进行处理，将猪只位于采食槽的状态分为采食状态和非采食状态，进而可以避免将非采食状态归于采食状态而造成的对采食量的误差，由此可以提高对于猪只采食估测的精度，进而对猪只实际生产效率得到提升。

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一简单地介绍，显而易见地，下面描述中的附图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为本发明猪只采食监测装置一实施例的结构示意图；

图2为图1所示的图像采集器的图像采集示意图；

图3为图1所示的图像采集器的结构示意图；

图4为本发明猪只采食监测方法一实施例的方法流程图；

附图标记：

10、支架； 110、采食箱； 120、挡料板；

130、料线； 20、采食槽； 210、图像采集区；

30、图像采集器； 310、自动清洁机构； 3110、喷头；

3120、清洁刷； 3130、转动机构； 3140、驱动电机；

3150、储液仓； 3160、继电器； 40、网络服务器。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。

请参照图1至图3，本发明提供一种猪只采食监测装置，包括：支架10、采食槽20、图像采集器30和网络服务器40，支架10顶部设有采食箱110，采食箱110下方设有挡料板120；采食槽20设于挡料板120的下方且与采食箱110相连通，挡料板120与采食槽20之间形成图像采集区210；图像采集器30设于图像采集区210内并与支架10相连接，图像采集器30用于采集猪只头部位于图像采集区210的视频信息；网络服务器40与图像采集器30相耦接，用于构建猪只采食视频的数据集，并通过卷积神经网络和长短期记忆网络进行训练以得出猪只的采食模型。多个猪只可以设置并排的多个采食监测装置，可以通过设置限位栏放置猪只采食时收到干扰。

需要说明的是，图像采集器30距离采食槽20槽底的距离可以为35cm-40cm，图像采集器30的拍摄方向朝向猪只头侧部，进而图像采集器30可以更加清晰获得猪只嘴部在采食槽20内的动作。而且图像采集器30距离槽底有一定的距离，所以采食槽20内的饲料不会住遮挡图像采集器30。挡料板120的设置为了避免采食箱110的料落入采食槽20时落到猪只的头部，进而影响到猪只的正常采食，饲料经挡料板120向采食槽20内输送，挡料板120可以避免饲料局部堆积，而使得猪只的头部伸入至饲料内而影响图像采集器30获得清晰的图像信息。

具体地，在本发明一实施例中，图像采集器30为摄像机构，摄像机构的出光侧设有自动清洁机构310，自动清洁机构310与网络服务器40相耦接。需要说明的是，自动清洁机构310可以包括喷头3110、输液管道、清洁刷3120、转动机构3130、驱动电机3140、与输液管道相连接的储液仓3150和控制驱动电机3140的继电器3160。喷头3110与输液管道相连接，输液管道与储液仓3150相连接，储液仓3150用于存储清洁液。转动机构3130与清洁刷3120相连接，驱动电机3140的输出轴与转动机构3130相连接，以使得驱动电机3140可以带动转动机构3130转动，由此带动清洁刷3120转动以对摄像机构镜头表面进行刷洗。自动清洁机构310可以定时清洁，例如可以控制时间到0时，自动清洁机构310会自动启动，通过喷头3110喷出由输液管道输入的清洁液至摄像机构的镜头上，进而转动机构3130带动清洁刷3120从下往上转动对镜头进行刷洗，当清洁结束时，清洁刷3120会回到初始位置。

因为猪只也会在夜间觅食，所以可以在图像采集区210内设置感应灯，例如温感或者声感均可，在本发明一实施例中，采用声控灯，也即猪只头部位于采食槽20内发出采食的声音，则感应灯发亮，便于图像采集器30对猪只的采食图像信息进行采集。且一旦猪只采食结束后，声控灯便自动关闭，由此可以节省电能。

进一步地，摄像机构与网络服务器40之间通过无线传输数据。可以理解的是，无线传输数据可以为蓝牙或者WiFi等进行传输，在此不做限定。而且在其他实施例中，摄像机构与网络服务器40也可以通过电连接线传输数据，在此不对此进行限定。摄像机构可以为高清摄像头以获得更为清晰的图像信息。

猪只采食监测装置还包括料线130，料线130一端设于采食槽20内，料线130与网络服务器40相耦接。料线130的设置用于向采食槽20内输入饲料供猪只采食，且饲料从料线130中掉落时，通过挡料板120可以将饲料均匀地散落在采食槽20内，以防止饲料进行堆积在一起，挡住猪只的嘴部，影响测量准确值。因为料线130与网络服务器40耦接，所以可以通过网络服务器40向采食槽20内定量输送饲料。

下面结合图4，本发明还提供一种猪只采食监测方法，应用于上述的猪只采食监测装置，该方法包括：

S110、获取猪只头部位于采食槽内的视频，构建数据集。

S120、对数据集进行数据增强和预处理，并分为采食状态数据集和非采食状态数据集。

需要说明的是，将猪只头部处于采食槽内且嘴部有采食动作作为猪只采食状态，采食状态下的数据集包括人工标记的多个采食动作视频，无猪只嘴部的采食动作作为猪只非采食状态，非采食状态数据集包括多个非采食动作视频。也即，将猪只头部位于采食槽内的数据集进行分开处理，由此可以区分猪只处于非采食状态下的数据集以及处于采食状态的数据集。

S130、采用卷积神经网络和长短期记忆网络对采食状态数据集和非采食状态数据集进行训练，并形成训练模型。

S140、将实时采集的猪只位于采食槽内的视频输入至训练模型中获取猪只采食结果。

将猪只嘴部开始采食至嘴部停止采食作为一次采食行为，并记录采食行为的起止时间、每次采食行为持续的时间以及预设时间内采食行为的次数。例如，可以设定一天作为预设时间，也即可以记录一天内猪只的采食时间、每次猪只采食时持续的时间以及采食行为发生的次数，由此便可以得出猪只每天需要的饲料量。进而对每次采食行为所消耗的饲料量进行计算并记录，通过多次计算并记录以获得猪只每次咀嚼所消耗的饲料量均值，由此可以通过猪只咀嚼的次数估测猪只采食的量。

也即猪只在一次采食行为中消耗的饲料量除以猪只咀嚼的次数，并多次进行采集和求均值，可以得到猪只平均咀嚼一次所消耗的饲料量。需要说明的是，随着猪只的成长，猪只一口的采食量和预设时间内的咀嚼次数的变化，需要对模型进行更新。在本发明一实施例中，可以每隔一个月更新一次。

进一步地，将猪只采食状态和非采食状态形成训练模型，进而将采集的猪只位于采食槽内的视频信息输入至训练模型中，便可以获得猪只采食结果，也即获得对应猪只的采食量的估测模型。每只猪只都有身份ID，可以通过猪只的身份ID信息建立对应的采食量估测模型，并将采食量估测模型存入养殖场的网络服务器，通过采食量模型可以进一步建立猪只的采食生长曲线，进而网络服务器可以通过对下料程序进行调用以向猪只供食。

在本发明一实施例中，猪只的身份ID可以通过猪脸识别系统进行实现，猪脸识别系统与图像采集系统原理一样，属于本领域技术人员已熟知的现有技术，在此不做过多阐述。对于所建立的采食量估测模型可以使用LabVIEW软件对其进行可视化，在LabVIEW中可以利用其python节点导入之前建立的ResNet50和LSTM模型以及猪脸识别模型，并将图像采集器所拍摄的视频实时显示在网络服务器的面板上。由此，网络服务器的面板上便可以显示猪只的身份ID、实时的视频信息、估测的采食量信息、采食的时间以及采食次数。

进一步地，猪只的身份ID、实时的视频信息、估测的采食量信息、采食的时间以及采食次数均可上传至网络服务器。当图像采集器检测到猪只处于采食槽内时，通过网络服务器对下料程序进行调用，网络服务器根据猪只的生长曲线将对应的饲料量下到采食槽内供猪只采食。

需要说明的是，网络服务器与图像采集器均处于开启的状态下，通过训练模型实时判断猪只是否有采食行为的发生。当训练模型检测到猪只当前处于采食状态时，此时通过猪只的图像信息获得猪只的身份ID信息。因为猪只采食的动作较快，因此对猪只图像采集视频的划分时间相对较短，例如以20kg-25kg的猪只为例，如下为多次试验得出的数据：

对应猪只的单位时间内的咀嚼次数，如下所示：

体重	10s咀嚼次数	20s内咀嚼次数	30s内咀嚼次数
				20.7KG	34	66	100
21.5KG	32	63	95
				22.0KG	31	63	94
25.2KG	31	62	94

也即，获取10s、20s以及30s内猪只消耗的饲料的量，便可以得出猪只每次咀嚼所消耗的饲料的量，进而可以通过多次测量以得出猪只每次咀嚼所消耗的饲料的量的均值。

进一步地，可以将每次的咀嚼动作的视频的时间调整为0.3秒至0.34秒之间，具体时间可以根据实际情况进行调整，并将这些视频标记为采食状态，对应采食状态数据集。相对应的非采食状态数据集，由多个与采食动作视频时长对应的视频构成，并将猪只非采食状态的视频标记为非采食状态。需要说明的是，非采食状态视频集的数量在采食状态视频集的两倍以内。

可以采用卷积神经网络和长短期记忆网络对采食状态数据集和非采食状态数据集进行训练，卷积神经网络模型可以选取预训练过的残差网络(ResNet)50，但是猪只的采食动作是一种运动的模式，只使用残差网络50无法对完成分类，因此利用长短期记忆网络(LSTM network)基于时间序列寻找帧与帧之间的联系，进而分析视频中的运动模式来对采食与非采食进行分类，即残差网络50提取视频的特征，长短期记忆网络进行分类与识别；其中残差网络50的网络架构去掉最后一个全连接层加上一层最大池化层，将提取的视频特征向量输入到长短期记忆网络中，进行计算后使用逻辑回归模型(Softmax)对数据进行二分类得到分类结果，以得到训练好的采食量估测模型。

基于上述的采食量估测模型，应用如下：可以通过网络服务器和图像采集器检测猪只采食行为。当采食量估测模型检测到猪只进行采食行为时，此时检测猪只的身份ID并将数据同步上传。网络服务器包括下料程序，网络服务器控制下料程序通过料线向采食槽内进行下料，图像采集器对猪只采食动作视频进行采集，采食量估测模型进行咀嚼次数与采食时间的计算和分析，当采食量估测模型检测到猪只嘴部停止咀嚼时，停止计算。将猪只此次采食行为中的咀嚼次数乘以平均每次咀嚼的采食量进行采食量估测，在实验室虚拟仪器工程平台(LabVIEW)上实时显示监测结果，进而将得到的采食量、停止采食时间、采食时间和猪只身份ID同步上传到网络服务器并保存数据。

综上所述，通过改变对猪只采食动作的获取方式，通过获取猪只头部位于采食槽内的视频，且将猪只头部位于采食槽内的视频分为采食状态数据集和非采食状态数据集，由此可以从源头提高对猪只采食量的监测精度。通过卷积神经网络和长短期记忆网络对采食状态数据集和非采食状态数据集进行训练后，形成的训练模型可以判断猪只的采食状态。进而将实时采集的猪只位于采食槽内的视频输入至训练模型中，便可以获得对应猪只的采食量估测模型，由此提高猪只采食量的监测结果。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种猪只采食监测方法，其特征在于，包括：

获取猪只头部位于采食槽内的视频，构建数据集；

对所述数据集进行数据增强和预处理，并分为采食状态数据集和非采食状态数据集；

采用卷积神经网络和长短期记忆网络对所述采食状态数据集和所述非采食状态数据集进行训练，并形成训练模型；

将实时采集的猪只位于采食槽内的视频输入至所述训练模型中获取猪只采食结果。

2.根据权利要求1所述的猪只采食监测方法，其特征在于，所述对所述数据集进行数据增强和预处理，并分为采食状态数据集和非采食状态数据集，进一步包括：

将猪只头部处于采食槽内且嘴部有采食动作作为猪只采食状态，所述采食状态数据集包括人工标记的多个采食动作视频；

将无猪只嘴部的采食动作作为猪只非采食状态，所述非采食状态数据集包括多个非采食动作视频。

3.根据权利要求2所述的猪只采食监测方法，其特征在于，还包括：

将猪只嘴部开始采食至嘴部停止采食作为一次采食行为，并记录所述采食行为的起止时间、每次所述采食行为持续的时间以及预设时间内所述采食行为的次数。

4.根据权利要求3所述的猪只采食监测方法，其特征在于，还包括：

对每次所述采食行为所消耗的饲料量进行计算并记录，通过多次计算并记录以获得猪只每次咀嚼所消耗的饲料量均值。

5.根据权利要求1所述的猪只采食监测方法，其特征在于，所述获取猪只头部位于采食槽内的视频，进一步包括：

通过猪只的图像信息，获得猪只的身份ID信息，并建立采食量估测模型，并将所述采食量估测模型存入养殖场的网络服务器中。

6.根据权利要求5所述的猪只采食监测方法，其特征在于，在得到所述采食量估测模型后，建立猪只的采食生产曲线，通过所述网络服务器对下料程序进行调用以供猪只采食。

7.一种猪只采食监测装置，其特征在于，包括：

支架，顶部设有采食箱，所述采食箱下方设有挡料板；

采食槽，设于所述挡料板的下方且与所述采食箱相连通，所述挡料板与所述采食槽之间形成图像采集区；

图像采集器，设于所述图像采集区内并与所述支架相连接，所述图像采集器用于采集猪只头部位于所述图像采集区的视频信息；

网络服务器，与所述图像采集器相耦接，用于构建猪只采食视频的数据集，并通过卷积神经网络和长短期记忆网络进行训练以得出猪只的采食模型。

8.根据权利要求7所述的猪只采食监测装置，其特征在于，所述图像采集器为摄像机构，所述摄像机构的出光侧设有自动清洁机构，所述自动清洁机构与所述网络服务器相耦接。

9.根据权利要求8所述的猪只采食监测装置，其特征在于，所述摄像机构与所述网络服务器之间通过无线传输数据。

10.根据权利要求7所述的猪只采食监测装置，其特征在于，所述网络服务器内设有下料程序；

还包括料线，所述料线一端设于所述采食槽内，所述料线与所述下料程序相连接。

Images