CN113516139A - 数据处理方法、装置、设备和存储介质 - Google Patents
数据处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113516139A CN113516139A CN202010276018.XA CN202010276018A CN113516139A CN 113516139 A CN113516139 A CN 113516139A CN 202010276018 A CN202010276018 A CN 202010276018A CN 113516139 A CN113516139 A CN 113516139A
- Authority
- CN
- China
- Prior art keywords
- information
- target object
- determining
- tracking
- monitoring
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种数据处理方法、装置、设备和存储介质,以解决养殖过程中面临的问题。所述方法包括:采集对象的监控信息;从所述监控信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息;依据所述状态信息,预估所述目标对象的生长状况信息;依据所述生长状况信息,确定所述目标对象对应的等级信息。能够结合监控等数据了解每个养殖对象的生长等情况并进行品类等级的评估,使得能够基于大数据的分析进行科学养殖,节省人力成本,提升养殖效率和品质。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种数据处理方法和装置、一种电子设备和一种存储介质。
背景技术
养殖是指培育和繁殖动植物,养殖包括家畜养殖、家禽养殖、水产养殖和特种养殖等种类。
随着科学技术的发展,越来越多的用户使用科学的养殖方法进行动植物的培育和繁殖。但是,目前的动植物养殖往往是靠人工实现,基于工作制度保证饲养方式,对于养殖过程缺少精细化监督和数据累积,并且,有些养殖方式需要专业人员的观察和指导。
发明内容
本申请实施例提供了一种数据处理方法,以解决养殖过程中面临的问题。
相应的,本申请实施例还提供了一种数据处理装置、一种电子设备以及一种存储介质,用以保证上述方法的实现及应用。
为了解决上述问题,本申请实施例公开了一种数据处理方法,所述方法包括:采集对象的监控信息;从所述监控信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息;依据所述状态信息,预估所述目标对象的生长状况信息;依据所述生长状况信息,确定所述目标对象对应的等级信息。
本申请实施例还公开了一种数据处理方法,所述方法包括:依据监控信息识别并追踪目标对象,确定所述目标对象的状态信息;确定所述目标对象所处的生命周期;依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息;依据所述疾病预警信息进行预警并反馈相应的预警建议。
本申请实施例还公开了一种数据处理方法,所述方法包括:依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息;确定所述目标对象所处的生命周期;依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
本申请实施例还公开了一种数据处理方法,所述方法包括:采集对象的监控信息,并从所述监控信息中识别目标对象;依据所述监控信息对所述目标对象进行追踪,并结合所述目标对象的关联信息确定所述目标对象的状态信息;依据所述状态信息,预估所述目标对象的生长状况信息;依据所述生长状况信息,确定所述目标对象对应的等级信息。
本申请实施例还公开了一种数据处理装置,所述装置包括:采集模块,用于采集对象的养殖信息;状态追踪模块,用于从所述养殖信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息;生长状况预估模块,用于依据所述状态信息,预估所述目标对象的生长状况信息;等级确定模块,用于依据所述生长状况信息,确定所述目标对象对应的等级信息。
本申请实施例还公开了一种数据处理装置,所述装置包括:追踪模块,用于依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息;预警模块,用于确定所述目标对象所处的生命周期;依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息;预警建议模块,用于依据所述疾病预警信息进行预警并反馈相应的预警建议。
本申请实施例还公开了一种数据处理装置,所述装置包括:识别追踪模块,用于依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息;生长模块,用于确定所述目标对象所处的生命周期;依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
本申请实施例还公开了一种数据处理装置,所述装置包括:采集追踪模块,用于采集对象的监控信息,并从所述监控信息中识别目标对象;状态确定模块,用于依据所述监控信息对所述目标对象进行追踪,并结合所述目标对象的关联信息确定所述目标对象的状态信息;生长预估模块,用于依据所述状态信息,预估所述目标对象的生长状况信息;等级分析模块,用于依据所述生长状况信息,确定所述目标对象对应的等级信息。
本申请实施例还公开了一种电子设备,包括:处理器;和存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如本申请实施例中一个或多个所述的数据处理方法。
本申请实施例还公开了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如本申请实施例中一个或多个所述的数据处理方法。
与现有技术相比,本申请实施例包括以下优点:
在本申请实施例中,可采集对象的监控信息,并从监控信息中识别目标对象,从而能够对每个目标对象进行追踪,确定状态信息,实现对每个目标对象的识别追踪管理,然后可依据状态信息预估所述目标对象的生长状况信息,再依据所述生长状况信息,确定所述目标对象对应的等级信息,能够结合监控等数据了解每个养殖对象的生长等情况并进行品类等级的评估,使得能够基于大数据的分析进行科学养殖,节省人力成本,提升养殖效率和品质。
附图说明
图1A是本申请实施例的一种养殖场景的数据处理示意图;
图1B是本申请实施例的另一种基于养殖的数据处理示意图;
图2是本申请的一种数据处理方法实施例的步骤流程图;
图3是本申请的另一种数据处理方法实施例的步骤流程图;
图4是本申请的再一种数据处理方法实施例的步骤流程图;
图5是本申请的又一种数据处理方法实施例的步骤流程图;
图6是本申请的一种数据处理装置实施例的结构框图;
图7是本申请的一种数据处理装置可选实施例的结构框图;
图8是本申请的另一种数据处理装置实施例的结构框图;
图9是本申请的再一种数据处理装置可选实施例的结构框图;
图10是本申请的又一种数据处理装置可选实施例的结构框图;
图11是本申请一实施例提供的装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请实施例中可应用于各种动植物的培育、繁殖等养殖场景下。以动物养殖场景为例,可应用于鸡、鸭等禽类的养殖,以猪、牛、羊等畜类的养殖场景中。可通过监控摄像头、传感器等采集各种养殖对象的监控信息并进行追踪,从而分析养殖对象的生长周期和生长状态等,进而能够基于养殖对象的生长情况对养殖对象进行品类划分以及提供养殖建议等,使得能够基于大数据的分析进行科学养殖,节省人力成本,提升养殖效率和品质。
参照图1A所示的一种养殖场景的处理示意图中,能够通过监控采集养殖对象的养殖信息,然后基于监控信息识别、追踪、分析目标对象的生长状况信息,进而进行目标对象的等级划分。在另外一些示例中,如图1B所示,还可通过各种方式采集各种类型的养殖信息,从而结合养殖信息识别养殖的目标对象,并分析目标对象的生长状况信息,从而进行目标对象的等级划分并给出养殖建议等。
步骤102,采集对象的监控信息。
本申请实施例可应用于养殖场、农场等养殖基地进行动植物养殖的场景中。其中,针对每个养殖基地可收集与对象养殖相关的各种关联信息,如养殖对象的品类、规模等。还可在养殖基地中设置摄像头等图像采集组件,从而能够采集养殖对象在养殖场内的监控图像、监控视频等监控信息。在另外的一些实施例中,养殖基地、养殖对象设置传感器、识别器等器件,从而能够采集所需的各种养殖信息。养殖信息可包括监控信息和关联信息。
其中,关联信息包括:品类信息、养殖方式、规模信息等。所述品类信息指的是养殖对象的品种、类别,如奶牛的品类可为荷斯坦牛、姗牛、爱尔夏牛等;养殖方式为养殖相应对象的方式,如禽类、畜类包括圈养、散养,鱼类包括池塘、网箱等,可依据对象的品类确定相应的养殖方式;规模信息为养殖环境的规模,如为畜禽养殖场、养殖小区等大型养殖基地,又如为农户的小规模养殖的基地等。
监控信息包括图像采集组件采集的监控图像、监控视频等信息,也可包括传感器、识别器等器件采集的环境参数等信息。例如,可通过设置在养殖基地的摄像头采集,该摄像头可基于养殖基地设置、安装,如为厂房养殖则设置在厂房内,如为农场养殖则设置在农场的相应位置,通过监控摄像头可获取各种养殖对象的监控视频,从而能够追踪对象在养殖基地内的活动、行为等各种数据。
在另外的一些实施例中,养殖基地也可设置传感器来采集环境参数,如温度传感器、湿度传感器等。环境参数为对象所处养殖环境的参数,如温度、湿度、阳光、整洁度等各种环境相关的参数;还可在养殖对象上设置识别器来区分不同的样式对象,如射频标签、无线发射器等。
本申请实施例可基于养殖基地的设备获取养殖的对象的品类信息、养殖方式、规模信息等关联信息,基于养殖基地的传感器确定环境参数,并通过监控摄像头采集监控信息,从而将关联信息、监控信息作为养殖信息上报到服务端,使得服务端能够确定养殖基地对应对象的养殖信息。便于基于养殖信息对对象的生长状况、疾病等进行识别,进一步评估对象的品质等级。
步骤104,从所述监控信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息。
采集到养殖基地中对象的监控信息等养殖信息后,可基于该监控信息识别在养殖基地的各个对象,并分别作为目标对象,然后针对每个目标对象进行追踪,从而确定每个目标对象的状态信息,能够对养殖基地的每个对象进行追踪分析,从而确定每个对象的生长状况并进行反馈。
其中,从所述采集信息中识别出目标对象,包括:从所述监控信息中提取监控图像;通过所述监控图像识别对象的个体特征,依据所述个体特征确定目标对象。可从监控信息中提取监控图像,例如对监控信息进行实时或周期性的进行提取和检测,其中,可基于计算机视觉算法等个体识别算法进行个人识别,从而监控视频的监控图像中识别出各监控对象的个体特征,如脸部特征,身体特征等,从而能够区分出每个对象,为了便于对象的区分,可以为每个对象分配对象标识,通过识别出的个体特征对应对象标识,从而将每个识别出的对象分别作为目标对象进行追踪,可以对养殖基地内的所有目标对象分别进行追踪和分析,从而提供每个对象的个性化数据,便于为养殖提供基础数据。在另外一些示例中,也可通过每个对象身上所携带的识别器进行个体识别,区分不同的目标对象。
一个可选实施例中,所述通过所述监控图像识别对象的个体特征,依据所述个体特征确定目标对象,包括:从监控图像中识别对象的脸部特征和体态特征;依据所述脸部特征和体态特征确定目标对象,并确定所述目标对象的对象标识。可以基于对监控图像中每个对象进行识别,可基于图像进行特征识别,从而确定每个对象的脸部特征和体态特征,脸部特征指的是对象的脸部的特征,包括五官特征、轮廓特征等,体态特征指的是对象的身体特征,如对象的身体花纹等,从而通过脸部特征、体态特征可唯一区分出一个对象,为每个对象配置相应的对象标识,将每个对象分别作为目标对象进行追踪。
在另外的一些实施例中,所述对所述目标对象进行追踪,确定所述目标对象的状态信息,包括:基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息。在监控信息中区分出每个目标对象后,可以对监控视频中的目标对象的活动行为进行追踪,例如活动轨迹、活动量、活动姿态等,然后可基于活动行为的追踪确定该目标对象的状态信息。其中,状态信息指的是体现目标对象的生长状态的信息,如活动量、活动行为等。
进一步的可选实施例中,所述基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息,包括:对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;确定所述目标对象的体征信息,所述体征信息包括体重信息;依据所述活动参数和体重信息,确定所述目标对象的状态信息。
可以对监控视频中各目标对象的运动状态进行分析,确定目标对象在预设时间段内的活动量和活动姿态,其中除了监控识别之外,如果对象携带有识别器、传感器等,也可将识别器、传感器的数据作为监控信息,从而确定出每个对象标识对应的活动参数,如活动轨迹、活动量等,再基于活动量、活动姿态、活动轨迹等活动参数可确定该目标对象的状态信息。如在一些示例中,可将活动量、活动姿态、活动轨迹等活动参数作为目标对象的状态信息,在另外一些示例中,也可基于活动量、活动姿态、活动轨迹等活动信息与对应活动标准范围进行比较,从而确定目标对象的各种互动是否处于标准范围内,进而确定目标对象的状态是否正常等。状态信息可依据需求确定。
还可确定所述目标对象的体征信息,体征信息指的是目标对象身体特征信息,包括体重信息,还可包括识别对象所检测的体态特征等,从而还能够了解目标对象各个体特征信息,便于进一步确定每个目标对象的状态。在一些可选实施例中,所述确定所述目标对象的体征信息,包括:测量所述目标对象的体重信息;依据所述监控信息对所述目标对象进行体征识别,确定所述目标对象的身体形态信息。可通过测量设备测量目标对象的体重信息,还可测量目标对象的高度、长度等信息。通过监控信息也可识别目标对象的体征信息,如通过目标对象上的传感器等器件测量目标对象的体温等参数,又如通过对监控信息中监控图像进行识别,可识别出目标对象的身体形态信息,包括花纹等体态特征,也可包括背部、正面、侧面的形态等信息,从而能够对目标对象的状态进行评估。
步骤106,依据所述状态信息,预估所述目标对象的生长状况信息。
在追踪得到目标对象的状态信息后,可基于该状态信息分析目标对象的身体状况,从而对目标对象进行分级,划分其所属的等级信息。例如对于养殖对象可划分其品质等级,不同的品质等级对应后续不同的养殖、处理方式等。其中,等级信息可依据对象的品类确定,不同品类的对象对应不同的等级划分方式,如肉牛对应不同肉类品质进行等级划分,奶牛对应不同的产奶品质进行等级划分等。
可以依据目标对象的状态信息来分析该目标对象的生长状况信息,其中,对于目标对象可对其整个生命周期进行追踪,从而确定各生命周期的状态信息,基于该状态信息可分析其在当前生命周期内的生长状况,如疾病情况、异常情况、生长情况等,还可预估在其后的生命周期的生长状况,如疾病情况、异常情况、生长情况等生长状况信息,从而基于该生长状况信息可对目标对象的品质等级进行估计,确定对应的等级信息。因此,一个可选实施例中,所述依据所述状态信息,预估所述目标对象的生长状况信息,包括:确定所述目标对象所处的生命周期;依据所述状态信息,预估所述目标对象在所处生命周期的生长状况信息。
所述依据所述状态信息,确定所述目标对象在所处生命周期以下至少一种生长状况信息,包括:依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息;依据所述目标对象所处生命周期和状态信息进行异常检测,确定对应的异常预警信息;依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
对于疾病检测,依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息:可结合目标对象的活动量和活动姿态执行,通过对预设时间范围如每日的活动量进行检测,活动姿态进行检测,从而确定该目标对象的活动状况,确定目标对象是否出现疾病,以及是否有出现疾病的风险,生成相应的疾病预警信息,还可基于患指定疾病的风险执行相应指定疾病的检测,将检测结果添加到疾病预警信息。
例如,在牛的养殖场景下,可通过对牛只在圈中的活动量和活动姿态,评估牛只的运动、健康状况,当运动量低时,加大对蹄病、跛足等行为的检测,并提供预警功能
对于异常检测,依据所述目标对象所处生命周期和状态信息进行异常检测,确定对应的异常预警信息:可追踪对象的活动量和体重信息等,如基于该目标对象的品类所处的生命周期对应的活动量标准范围、体重标准范围等,检测该目标对象的活动量、活动姿态等是否在相应的标准范围内,从而检测某些活动参数是否出现异常,并生成相应的异常预警信息。在一些可选实施例中,还可针对相应的活动参数通过深度学习等算法创建相应的模型(或称检测器),从而检测该目标对象的活动量、体重信息等活动参数是否出现异常,得到相应的异常预警信息。
例如,在牛的养殖场景下,可对牛只的运动量、体重等进行检测,采用深度学习的分割算法,当牛只的重量不及预期,或运动量低于预期等情况下,提供信息给用户,进行重点观察。
对于生长预估,依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息:可通过大数据分析目标对象所属品类的生长模型,从而得到生长分析器,基于所检测的活动量、活动姿态、体重等各种状态信息,通过生长分析器对该目标对象进行生长估计,实现生长情况的预估,得到相应的生长预估信息。
例如,在牛的养殖场景下,可结合历史大数据模型训练得到生长分析器,将状态信息输入到生长分析器中,对该品类的牛的生长情况进行预估,得到相应的生长预估信息,供用户和自己养殖的牛进行比较。
步骤108,依据所述生长状况信息,确定所述目标对象对应的等级信息。
在确定出目标对象的生长状况信息之后,可结合该生长状况信息对目标对象在生命周期内的生长活动进行预估,从而评估目标对象在所属品类的品质,确定相应的等级信息。
一个可选实施例中,所述依据所述生长状况信息,估计所述目标对象的等级信息,包括:依据所述目标对象的生长状况信息进行品质分析,估计目标对象的等级信息。可以根据该目标对象的生长状况信息,对目标对象进行性品质分析,如通过目标对象是否患有疾病的可能,所患疾病对该品类的影响,已出现或可能出现的异常情况,已出现的异常情况对品类的影响,生长预估等确定在该目标对象所属品类下对产出产品所造成的影响情况,从而确定该目标对象所属的品质等级,得到相应的等级信息。
以养殖牛类的场景为例,可结合摄像头的监控视频等信息,对牛只生长过程的全周期生命活动进行评估,包括运动量、养殖方式、疾病识别(跛足等),还可结合视觉图像的深度学习框架、算法,对牛只的异常的行为动作进行检测、识别,并结合生长预估模型,对牛的品质进行分级。
从而能够在养殖过程中,结合牛只所处的环境、养殖规模对每个牛只进行个体生长状况的识别,并且预估其所属的类别。
在另外的一些实施例中,依据历史数据确定生长状况信息和对象品类的产品状态之间的关联关系。可以收集每个品类下多个对象的生长状况信息作为历史数据,结合其养殖方式、养殖规模等关联信息,确定该对象品类对应的生长状况信息和品类的产品状态之间的关联关系,其中,产品状态指的是与该品类下养殖对象的产品状态相关的信息,如产品的品质、数量等,如奶牛的产奶质量,蛋鸡的产蛋量,肉禽、肉畜类的肉品质,体重增长情况等,从而结合历史数据进行分析,还可通过机器学习等方式进行建模,确定一种或多种生长状况信息和对象品类的产品状态之间的关联关系。
例如,对于奶牛,可结合历史数据中不同泌乳周期的体况数据进行分析,确定体况曲线与泌乳曲线之间的关联,如体况曲线为跟随泌乳曲线同步变化;对于肉牛,可以结合历史数据分析进食量和体况的相关性,通过机器学习等方式建模,评估出饲料与体重增长的关系等。
在另外的一些实施例中,依据所述等级信息和生长状况信息,生成对应的养殖建议信息。在估计出目标对象的等级信息后,还可结合生长状况信息确定该目标对象的养殖建议信息,例如基于关联关系确定所述生长状况信息下目标对象的品类养殖信息,再基于该等级信息确定提升或保持该目标对象的品类等级的建议,以及养殖目标对象的各种养殖建议。例如根据奶牛体况曲线为跟随泌乳曲线同步变化的关系,结合目标奶牛当前的体况曲线确定如何调整体况,以便调整该目标奶牛的泌乳曲线,从而提高产奶的质量,以及品质等级等。又如,根据肉牛的饲料与体重增长的关系,根据目标肉牛当前的体重调整饲料,还可结合该目标肉牛所估计的等级信息,确定对于饲料的调整,以便保持或提升肉牛的等级。
在另外的一些示例中,还可疾病预警信息确定目标对象患病的风险,以及防护建议等,从而更加科学的进行养殖。
本申请实施例可结合摄像头数据和个体识别算法,实现了对养殖对象的生长过程的全周期生命活动进行评估,包括运动量、养殖方式、疾病识别等,形成了多维度的评估标准,并结合生长预估模型进行对比参照,对目标对象的品质进行精准分级,提供科学的养殖建议。
综上,可采集对象的养殖信息,并从养殖信息中识别目标对象,从而能够对每个目标对象进行追踪,确定状态信息,实现对每个目标对象的识别追踪管理,然后可依据状态信息预估所述目标对象的生长状况信息,再依据所述生长状况信息,确定所述目标对象对应的等级信息,能够结合监控等数据了解每个养殖对象的生长等情况并进行品类等级的评估,使得能够基于大数据的分析进行科学养殖,节省人力成本,提升养殖效率和品质。
在上述实施例的基础上,本申请实施例还提供了一种数据处理方法,能够对养殖基地的各种养殖对象进行科学的追踪和评估,并提供科学的养殖建议。
参照图2,示出了本申请的另一种数据处理方法实施例的步骤流程图。
步骤202,采集对象的监控信息。
步骤204,从所述监控信息中提取监控图像。
步骤206,通过所述监控图像识别对象的个体特征,依据所述个体特征确定目标对象。
其中,所述通过所述监控图像识别对象的个体特征,依据所述个体特征确定目标对象,包括:从监控图像中识别对象的脸部特征和体态特征;依据所述脸部特征和体态特征确定目标对象,并确定所述目标对象的对象标识。
步骤208,基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息。
其中,所述基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息,包括:对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;确定所述目标对象的体征信息,所述体征信息包括体重信息;依据所述活动参数和体重信息,确定所述目标对象的状态信息。
其中,所述确定所述目标对象的体征信息,包括:测量所述目标对象的体重信息;依据所述监控信息对所述目标对象进行体征识别,确定所述目标对象的身体形态信息。
步骤210,确定所述目标对象所处的生命周期。
步骤212,依据所述状态信息,预估所述目标对象在所处生命周期的生长状况信息。
其中,所述依据所述状态信息,确定所述目标对象在所处生命周期以下至少一种生长状况信息,包括:依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息;依据所述目标对象所处生命周期和状态信息进行异常检测,确定对应的异常预警信息;依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
步骤214,依据所述目标对象的生长状况信息进行品质分析,估计所述目标对象的等级信息。
步骤216,依据所述等级信息和生长状况信息,生成对应的养殖建议信息。
其中,依据历史数据确定生长状况信息和品类养殖信息之间的关联关系。可根据所述关联关系,确定所述生长状况信息对应的品类养殖信息;依据所述品类养殖信息和等级信息,生成对应的养殖建议信息。
本实施例各步骤与上述实施例对应步骤描述类似,具体可参见上述实施例的描述。
可结合摄像头数据,对目标对象生长过程的全周期生命活动进行评估,包括运动量、养殖方式、疾病识别等,并结合生长预估模型,对牛的品质进行精准分级,还可在下一个饲养周期中进行修正和补充。
在上述实施例的基础上,本实施例还提供了一种数据处理方法,能够结合摄像头等采集组件的监控信息和养殖基地的关联信息等,追踪每个目标养殖对象的状态并进行疾病预警。
参照图3,示出了本申请的再一种数据处理方法实施例的步骤流程图。
步骤302,依据监控信息识别并追踪目标对象,确定所述目标对象的状态信息。
可通过养殖基地上报的关联信息,摄像头等图像采集组件,传感器、识别器等器件采集监控信息,从而得到养殖信息,基于该养殖信息中的监控信息可识别目标对象,并基于监控信息追踪目标对象的活动、生长等,确定目标对象的状态信息。
其中,可从所述监控信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息。从所述采集信息中识别出目标对象,包括:从所述监控信息中提取监控图像;通过所述监控图像识别对象的个体特征,依据所述个体特征确定目标对象。一个可选实施例中,所述通过所述监控图像识别对象的个体特征,依据所述个体特征确定目标对象,包括:从监控图像中识别对象的脸部特征和体态特征;依据所述脸部特征和体态特征确定目标对象,并确定所述目标对象的对象标识。
所述对所述目标对象进行追踪,确定所述目标对象的状态信息,包括:基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息。进一步的可选实施例中,所述基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息,包括:对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;确定所述目标对象的体征信息,所述体征信息包括体重信息;依据所述活动参数和体重信息,确定所述目标对象的状态信息。
步骤304,确定所述目标对象所处的生命周期。
步骤306,依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息。
对于目标对象可对其整个生命周期进行追踪,从而确定各生命周期的疾病情况等。按照出生日期等可确定目标对象所处的生命周期,然后依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息。可结合目标对象的活动量和活动姿态执行,通过对预设时间范围如每日的活动量进行检测,活动姿态进行检测,从而确定该目标对象的活动状况,确定目标对象是否出现疾病,以及是否有出现疾病的风险,生成相应的疾病预警信息,还可基于患指定疾病的风险执行相应指定疾病的检测,将检测结果添加到疾病预警信息。
步骤308,依据所述疾病预警信息进行预警并反馈相应的预警建议。
获取到疾病预警信息后,可基于该疾病预警信息进行预警,提供患指定疾病的风险,还可基于该疾病预警信息确定预警建议,包括如何减少患病风险,患病如何治疗等预警建议,并进行反馈。
在上述实施例的基础上,本实施例还提供了一种数据处理方法,能够结合摄像头等采集组件的监控信息和养殖基地的关联信息等,追踪每个目标养殖对象的生长状况,并进行相应的建议。
参照图4,示出了本申请的再一种数据处理方法实施例的步骤流程图。
步骤402,依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息。
可通过养殖基地上报的关联信息,摄像头等图像采集组件,传感器、识别器等器件采集监控信息,从而得到养殖信息,基于该养殖信息可识别目标对象,并基于监控信息追踪目标对象的活动、生长等,确定目标对象的状态信息。
其中,可从所述养殖信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息。从所述采集信息中识别出目标对象,包括:从所述养殖信息中提取监控信息;通过所述监控信息识别对象的个体特征,依据所述个体特征确定目标对象。一个可选实施例中,所述通过所述监控图像识别对象的个体特征,依据所述个体特征确定目标对象,包括:从监控图像中识别对象的脸部特征和体态特征;依据所述脸部特征和体态特征确定目标对象,并确定所述目标对象的对象标识。
所述对所述目标对象进行追踪,确定所述目标对象的状态信息,包括:基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息。进一步的可选实施例中,所述基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息,包括:对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;确定所述目标对象的体征信息,所述体征信息包括体重信息;依据所述活动参数和体重信息,确定所述目标对象的状态信息。
步骤404,确定所述目标对象所处的生命周期。
步骤406,依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
对于目标对象可对其整个生命周期进行追踪,从而确定各生命周期的疾病情况等。按照出生日期等可确定目标对象所处的生命周期,然后依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。可通过大数据分析目标对象所属品类的生长模型,从而得到生长分析器,基于所检测的活动量、活动姿态、体重等各种状态信息,通过生长分析器对该目标对象进行生长估计,实现生长情况的预估,得到相应的生长预估信息。
在上述实施例的基础上,对于对象的生长状况可结合对象的品类、养殖方式等养殖信息分析,从而能够针对各品类的对象进行预估。
参照图5,示出了本申请的再一种数据处理方法实施例的步骤流程图。
步骤502,采集对象的监控信息,并从所述监控信息中识别目标对象。
可通过养殖基地上报的关联信息,摄像头等图像采集组件,传感器、识别器等器件采集监控信息,从而得到各种养殖信息。其中,可基于该监控信息可识别目标对象,并基于监控信息追踪目标对象的活动、生长等,确定目标对象的状态信息。
其中,可从所述养殖信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息。从所述采集信息中识别出目标对象,包括:通过所述监控信息识别对象的个体特征,依据所述个体特征确定目标对象。一个可选实施例中,所述通过所述监控信息识别对象的个体特征,依据所述个体特征确定目标对象,包括:从监控图像中识别对象的脸部特征和体态特征;依据所述脸部特征和体态特征确定目标对象,并确定所述目标对象的对象标识。在另外一些示例中,每个监控对象也可佩戴识别器,从而通过识别器输出的对象标识来区分不同的目标对象。
在一些示例中,有些养殖对象是多品种混合养殖的情况,例如在牧场中混合养殖鸡、鸭等禽类。因此还可结合关联信息来识别品类,如通过关联信息确定养殖方式为混养、单类养殖,从而基于不同的养殖方式识别个体特征所属的品类,再确定该品类下的目标对象的,具体可依据需求确定。
步骤504,依据所述监控信息对所述目标对象进行追踪,并结合所述目标对象的关联信息确定所述目标对象的状态信息。
在通过监控信息识别出各目标对象后,可基于监控信息对目标对象进行追踪,追踪目标对象的活动行为等,再结合关联信息来分析目标对象的状态信息,例如基于目标对象的活动量等信息,结合目标对象所属的品类、养殖方式等,判断该活动量是否在相应的活动范围内,目标对象是否出现活动量过多、过少等问题,从而能够评估该目标对象的状态信息。
一个可选实施例中,所述依据所述监控信息对所述目标对象进行追踪,并结合所述目标对象的关联信息确定所述目标对象的状态信息,包括:确定所述目标对象的关联信息;基于监控信息对所述目标对象的活动行为进行追踪,确定对应的追踪结果;依据所述追踪结果和关联信息,确定所述目标对象的状态信息。可以获取目标对象的关联信息,如品类,所在养殖基地的养殖方式、养殖规模等,然后采用监控信息对目标对象的活动行为进行追踪,确定对应的追踪结果,如目标对象的活动参数、体征信息等,然后采用追踪结果和关联信息分析目标对象的状态,确定对应的状态信息。
进一步的可选实施例中,所述基于监控信息对所述目标对象的活动行为进行追踪,确定对应的追踪结果,包括:对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;确定所述目标对象的体征信息,所述体征信息包括体重信息。其中,所述确定所述目标对象的体征信息,包括:测量所述目标对象的体重信息;依据所述监控信息对所述目标对象进行体征识别,确定所述目标对象的身体形态信息。
所述依据所述追踪结果和关联信息,确定所述目标对象的状态信息,包括:依据关联信息确定目标对象所属品类对应的品类范围,所述品类范围包括:品类活动范围和/或品类体征范围;将所述追踪结果与所述品类范围进行比较,确定所述目标对象的状态信息。可以统计各品类对应的活动行为,确定相应的活动标准范围,作为品类活动范围,以及统计各品类对应的特征信息,如体重的平均范围,体温范围等,得到对应的品类体征范围,将品类活动范围、品类体征范围作为品类范围。另外活动、体征也与目标对象所处的生命周期相关,比如目标对象处于孕期等,相应会影响其品类活动范围、品类体征范围。
在追踪得到目标对象的追踪结果之后,可将追踪结果与对应的品类范围进行比较,例如将目标对象的活动参数与其所述品类的品类活动范围,确定是否在该范围内,如果在范围内则目标对象的活动处于正常状态,如果不在范围内,则目标对象的活动可能出现异常。也可将目标对象的体征信息与其所属品类的品类体征范围进行比较,如果在该范围内表征目标对象体征正常,如果不在该范围内表征目标对象体征异常,从而得到相应的状态信息,状态信息中可记录正常/异常的内容,以及相应的数值等信息,具体可依据需求确定。
步骤506,依据所述状态信息,预估所述目标对象的生长状况信息。
一个可选实施例中,所述依据所述状态信息,预估所述目标对象的生长状况信息,包括:确定所述目标对象所处的生命周期;依据所述状态信息,预估所述目标对象在所处生命周期的生长状况信息。
所述依据所述状态信息,确定所述目标对象在所处生命周期以下至少一种生长状况信息,包括:依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息;依据所述目标对象所处生命周期和状态信息进行异常检测,确定对应的异常预警信息;依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
步骤508,依据所述生长状况信息,确定所述目标对象对应的等级信息。
所述依据所述生长状况信息,确定所述目标对象的等级信息,包括:依据所述目标对象的生长状况信息进行品质分析,估计所述目标对象的等级信息。
本申请实施例中,还可依据历史数据确定生长状况信息和对象品类的产品状态之间的关联关系。以及,依据所述等级信息和生长状况信息,生成对应的养殖建议信息。
从而能够结合具体的对象品类、养殖方式、规模等追踪各养殖对象的状态,评估其生长状况,估计对象的品质等级,进而提供相应的养殖意见。
本申请实施例可应用于各种养殖基地,例如珍惜动物养殖基地等,从而结合监控等辅助养殖基地更加科学的培育动物。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
在上述实施例的基础上,本实施例还提供了一种数据处理装置,应用于终端设备、服务器等电子设备中。
参照图6,示出了本申请的一种数据处理装置实施例的结构框图,具体可以包括如下模块:
采集模块602,用于采集对象的养殖信息。
状态追踪模块604,用于从所述养殖信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息。
生长状况预估模块606,用于依据所述状态信息,预估所述目标对象的生长状况信息。
等级确定模块608,用于依据所述生长状况信息,确定所述目标对象对应的等级信息。
综上,可采集对象的养殖信息,并从养殖信息中识别目标对象,从而能够对每个目标对象进行追踪,确定状态信息,实现对每个目标对象的识别追踪管理,然后可依据状态信息预估所述目标对象的生长状况信息,再依据所述生长状况信息,确定所述目标对象对应的等级信息,能够结合监控等数据了解每个养殖对象的生长等情况并进行品类等级的评估,使得能够基于大数据的分析进行科学养殖,节省人力成本,提升养殖效率和品质。
参照图7,示出了本申请的一种数据处理装置可选实施例的结构框图,具体可以包括如下模块:
预处理模块610,用于依据历史数据确定生长状况信息和品类养殖信息之间的关联关系。
采集模块602,用于采集对象的养殖信息。
状态追踪模块604,用于从所述养殖信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息。
生长状况预估模块606,用于依据所述状态信息,预估所述目标对象的生长状况信息。
等级确定模块608,用于依据所述生长状况信息,确定所述目标对象对应的等级信息。
建议模块612,用于依据所述等级信息和生长状况信息,生成对应的养殖建议信息。
所述状态追踪模块604包括:识别子模块6042和追踪子模块6044,其中:
所述识别子模块6042,用于从所述养殖信息中提取监控信息;通过所述监控信息识别对象的个体特征,依据所述个体特征确定目标对象。
所述识别子模块6042,用于从监控图像中识别对象的脸部特征和体态特征;依据所述脸部特征和体态特征确定目标对象,并确定所述目标对象的对象标识。
所述追踪子模块6044,用于基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息。
所述追踪子模块6044,用于对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;确定所述目标对象的体征信息,所述体征信息包括体重信息;依据所述活动参数和体重信息,确定所述目标对象的状态信息。
所述追踪子模块6044,用于测量所述目标对象的体重信息;依据所述监控信息对所述目标对象进行体征识别,确定所述目标对象的身体形态信息。
生长状况预估模块606,用于确定所述目标对象所处的生命周期;依据所述状态信息,预估所述目标对象在所处生命周期的生长状况信息。
所述生长状况预估模块606,包括:疾病预警子模块6062、异常预警子模块6064和生长预估子模块6066,其中:
所述疾病预警子模块6062,用于依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息。
所述异常预警子模块6064,用于依据所述目标对象所处生命周期和状态信息进行异常检测,确定对应的异常预警信息。
所述生长预估子模块6066,用于依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
所述等级确定模块608,用于依据所述目标对象的生长状况信息进行品质分析,估计所述目标对象的等级信息。
在上述实施例的基础上,本实施例还提供了一种数据处理装置,应用于终端设备、服务器等电子设备中。
参照图8,示出了本申请的另一种数据处理装置实施例的结构框图,具体可以包括如下模块:
追踪模块802,用于依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息。
预警模块804,用于确定所述目标对象所处的生命周期;依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息。
预警建议模块806,用于依据所述疾病预警信息进行预警并反馈相应的预警建议。
在上述实施例的基础上,本实施例还提供了一种数据处理装置,应用于终端设备、服务器等电子设备中。
参照图9,示出了本申请的再一种数据处理装置实施例的结构框图,具体可以包括如下模块:
识别追踪模块902,用于依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息。
生长模块904,用于确定所述目标对象所处的生命周期;依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
可结合摄像头数据,对目标对象生长过程的全周期生命活动进行评估,包括运动量、养殖方式、疾病识别等,并结合生长预估模型,对牛的品质进行精准分级,还可在下一个饲养周期中进行修正和补充。
在上述实施例的基础上,本实施例还提供了一种数据处理装置,应用于终端设备、服务器等电子设备中。
参照图10,示出了本申请的再一种数据处理装置实施例的结构框图,具体可以包括如下模块:
采集追踪模块1002,用于采集对象的监控信息,并从所述监控信息中识别目标对象。
状态确定模块1004,用于依据所述监控信息对所述目标对象进行追踪,并结合所述目标对象的关联信息确定所述目标对象的状态信息。
生长预估模块1006,用于依据所述状态信息,预估所述目标对象的生长状况信息。
等级分析模块1008,用于依据所述生长状况信息,确定所述目标对象对应的等级信息。
其中,所述状态确定模块1004,用于确定所述目标对象的关联信息;基于监控信息对所述目标对象的活动行为进行追踪,确定对应的追踪结果;依据所述追踪结果和关联信息,确定所述目标对象的状态信息。
所述状态确定模块1004,用于对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;确定所述目标对象的体征信息,所述体征信息包括体重信息。依据关联信息确定目标对象所属品类对应的品类范围,所述品类范围包括:品类活动范围和/或品类体征范围;将所述追踪结果与所述品类范围进行比较,确定所述目标对象的状态信息。
从而能够结合具体的对象品类、养殖方式、规模等追踪各养殖对象的状态,评估其生长状况,估计对象的品质等级,进而提供相应的养殖意见。
本申请实施例可应用于各种养殖基地,例如珍惜动物养殖基地等,从而结合监控等辅助养殖基地更加科学的培育动物。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。
本申请实施例提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的方法。本申请实施例中,所述电子设备包括终端设备、服务器(集群)等各类型的设备。
本公开的实施例可被实现为使用任意适当的硬件,固件,软件,或及其任意组合进行想要的配置的装置,该装置可包括终端设备、服务器(集群)等电子设备。图11示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置1100。
对于一个实施例,图11示出了示例性装置1100,该装置具有一个或多个处理器1102、被耦合到(一个或多个)处理器1102中的至少一个的控制模块(芯片组)1104、被耦合到控制模块1104的存储器1106、被耦合到控制模块1104的非易失性存储器(NVM)/存储设备1108、被耦合到控制模块1104的一个或多个输入/输出设备1110,以及被耦合到控制模块1104的网络接口1112。
处理器1102可包括一个或多个单核或多核处理器,处理器1102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中,装置1100能够作为本申请实施例中所述终端设备、服务器(集群)等设备。
在一些实施例中,装置1100可包括具有指令1114的一个或多个计算机可读介质(例如,存储器1106或NVM/存储设备1108)以及与该一个或多个计算机可读介质相合并被配置为执行指令1114以实现模块从而执行本公开中所述的动作的一个或多个处理器1102。
对于一个实施例,控制模块1104可包括任意适当的接口控制器,以向(一个或多个)处理器1102中的至少一个和/或与控制模块1104通信的任意适当的设备或组件提供任意适当的接口。
控制模块1104可包括存储器控制器模块,以向存储器1106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器1106可被用于例如为装置1100加载和存储数据和/或指令1114。对于一个实施例,存储器1106可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,存储器1106可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块1104可包括一个或多个输入/输出控制器,以向NVM/存储设备1108及(一个或多个)输入/输出设备1110提供接口。
例如,NVM/存储设备1108可被用于存储数据和/或指令1114。NVM/存储设备1108可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备1108可包括在物理上作为装置1100被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备1108可通过网络经由(一个或多个)输入/输出设备1110进行访问。
(一个或多个)输入/输出设备1110可为装置1100提供接口以与任意其他适当的设备通信,输入/输出设备1110可以包括通信组件、音频组件、传感器组件等。网络接口1112可为装置1100提供接口以通过一个或多个网络通信,装置1100可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入基于通信标准的无线网络,如WiFi、2G、3G、4G、5G等,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器1102中的至少一个可与控制模块1104的一个或多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(一个或多个)处理器1102中的至少一个可与控制模块1104的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例,(一个或多个)处理器1102中的至少一个可与控制模块1104的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器1102中的至少一个可与控制模块1104的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,装置1100可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,装置1100可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,装置1100包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中,检测装置中可采用主控芯片作为处理器或控制模块,传感器数据、位置信息等存储到存储器或NVM/存储设备中,传感器组可作为输入/输出设备,通信接口可包括包括网络接口。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种数据处理方法和装置,一种电子设备和一种存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (23)
1.一种数据处理方法,其特征在于,所述方法包括:
采集对象的监控信息;
从所述监控信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息;
依据所述状态信息,预估所述目标对象的生长状况信息;
依据所述生长状况信息,确定所述目标对象对应的等级信息。
2.根据权利要求1所述的方法,其特征在于,从所述监控信息中识别出目标对象,包括:
通过所述监控信息识别对象的个体特征,依据所述个体特征确定目标对象。
3.根据权利要求2所述的方法,其特征在于,所述通过所述监控信息识别对象的个体特征,依据所述个体特征确定目标对象,包括:
从监控信息的监控图像中识别对象的脸部特征和体态特征;
依据所述脸部特征和体态特征确定目标对象,并确定所述目标对象的对象标识。
4.根据权利要求1所述的方法,其特征在于,所述对所述目标对象进行追踪,确定所述目标对象的状态信息,包括:
基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息。
5.根据权利要求4所述的方法,其特征在于,所述基于监控信息对所述目标对象的活动行为进行追踪,确定所述目标对象的状态信息,包括:
对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;
确定所述目标对象的体征信息,所述体征信息包括体重信息;
依据所述活动参数和体重信息,确定所述目标对象的状态信息。
6.根据权利要求5所述的方法,其特征在于,所述依据所述状态信息,预估所述目标对象的生长状况信息,包括:
确定所述目标对象所处的生命周期;
依据所述状态信息,预估所述目标对象在所处生命周期的生长状况信息。
7.根据权利要求6所述的方法,其特征在于,所述依据所述状态信息,确定所述目标对象在所处生命周期以下至少一种生长状况信息,包括:
依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息;
依据所述目标对象所处生命周期和状态信息进行异常检测,确定对应的异常预警信息;
依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
8.根据权利要求7所述的方法,其特征在于,所述依据所述生长状况信息,确定所述目标对象的等级信息,包括:
依据所述目标对象的生长状况信息进行品质分析,估计所述目标对象的等级信息。
9.根据权利要求7所述的方法,其特征在于,所述确定所述目标对象的体征信息,包括:
测量所述目标对象的体重信息;
依据所述监控信息对所述目标对象进行体征识别,确定所述目标对象的身体形态信息。
10.根据权利要求1所述的方法,其特征在于,还包括:
依据历史数据确定生长状况信息和对象品类的产品状态之间的关联关系。
11.根据权利要求1所述的方法,其特征在于,还包括:
依据所述等级信息和生长状况信息,生成对应的养殖建议信息。
12.一种数据处理方法,其特征在于,所述方法包括:
依据监控信息识别并追踪目标对象,确定所述目标对象的状态信息;
确定所述目标对象所处的生命周期;
依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息;
依据所述疾病预警信息进行预警并反馈相应的预警建议。
13.一种数据处理方法,其特征在于,所述方法包括:
依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息;
确定所述目标对象所处的生命周期;
依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
14.一种数据处理方法,其特征在于,所述方法包括:
采集对象的监控信息,并从所述监控信息中识别目标对象;
依据所述监控信息对所述目标对象进行追踪,并结合所述目标对象的关联信息确定所述目标对象的状态信息;
依据所述状态信息,预估所述目标对象的生长状况信息;
依据所述生长状况信息,确定所述目标对象对应的等级信息。
15.根据权利要求14所述的方法,其特征在于,所述依据所述监控信息对所述目标对象进行追踪,并结合所述目标对象的关联信息确定所述目标对象的状态信息,包括:
确定所述目标对象的关联信息;
基于监控信息对所述目标对象的活动行为进行追踪,确定对应的追踪结果;
依据所述追踪结果和关联信息,确定所述目标对象的状态信息。
16.根据权利要求15所述的方法,其特征在于,所述基于监控信息对所述目标对象的活动行为进行追踪,确定对应的追踪结果,包括:
对监控信息中目标对象进行运动分析,确定所述目标对象的活动参数,所述活动参数包括以下至少一种:活动轨迹、活动量和活动姿态;
确定所述目标对象的体征信息,所述体征信息包括体重信息。
17.根据权利要求16所述的方法,其特征在于,所述依据所述追踪结果和关联信息,确定所述目标对象的状态信息,包括:
依据关联信息确定目标对象所属品类对应的品类范围,所述品类范围包括:品类活动范围和/或品类体征范围;
将所述追踪结果与所述品类范围进行比较,确定所述目标对象的状态信息。
18.一种数据处理装置,其特征在于,所述装置包括:
采集模块,用于采集对象的养殖信息;
状态追踪模块,用于从所述养殖信息中识别目标对象并对所述目标对象进行追踪,确定所述目标对象的状态信息;
生长状况预估模块,用于依据所述状态信息,预估所述目标对象的生长状况信息;
等级确定模块,用于依据所述生长状况信息,确定所述目标对象对应的等级信息。
19.一种数据处理装置,其特征在于,所述装置包括:
追踪模块,用于依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息;
预警模块,用于确定所述目标对象所处的生命周期;依据所述目标对象所处生命周期和活动参数进行疾病检测,确定对应的疾病预警信息;
预警建议模块,用于依据所述疾病预警信息进行预警并反馈相应的预警建议。
20.一种数据处理装置,其特征在于,所述装置包括:
识别追踪模块,用于依据养殖信息识别并追踪目标对象,确定所述目标对象的状态信息;
生长模块,用于确定所述目标对象所处的生命周期;依据所述目标对象所处生命周期和状态信息进行生长估计,确定对应的生长预估信息。
21.一种数据处理装置,其特征在于,所述装置包括:
采集追踪模块,用于采集对象的监控信息,并从所述监控信息中识别目标对象;
状态确定模块,用于依据所述监控信息对所述目标对象进行追踪,并结合所述目标对象的关联信息确定所述目标对象的状态信息;
生长预估模块,用于依据所述状态信息,预估所述目标对象的生长状况信息;
等级分析模块,用于依据所述生长状况信息,确定所述目标对象对应的等级信息。
22.一种电子设备,其特征在于,包括:处理器;和
存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求1-17中一个或多个所述的数据处理方法。
23.一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如权利要求1-17中一个或多个所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010276018.XA CN113516139A (zh) | 2020-04-09 | 2020-04-09 | 数据处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010276018.XA CN113516139A (zh) | 2020-04-09 | 2020-04-09 | 数据处理方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113516139A true CN113516139A (zh) | 2021-10-19 |
Family
ID=78060418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010276018.XA Pending CN113516139A (zh) | 2020-04-09 | 2020-04-09 | 数据处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516139A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114896441A (zh) * | 2022-06-07 | 2022-08-12 | 连云港东旺奶牛养殖有限公司 | 一种奶牛信息化智能养殖方法及系统 |
CN115015483A (zh) * | 2022-05-30 | 2022-09-06 | 仲恺农业工程学院 | 基于肉鸽生长数据的饲喂供给分析处理系统 |
-
2020
- 2020-04-09 CN CN202010276018.XA patent/CN113516139A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115015483A (zh) * | 2022-05-30 | 2022-09-06 | 仲恺农业工程学院 | 基于肉鸽生长数据的饲喂供给分析处理系统 |
CN114896441A (zh) * | 2022-06-07 | 2022-08-12 | 连云港东旺奶牛养殖有限公司 | 一种奶牛信息化智能养殖方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fernandes et al. | A novel automated system to acquire biometric and morphological measurements and predict body weight of pigs via 3D computer vision | |
Kashiha et al. | Automatic monitoring of pig locomotion using image analysis | |
CN114424206A (zh) | 在饲养场到达和风险评估中使用射频识别标签的uhf带询问的牲畜和饲养场数据采集和处理 | |
Wang et al. | ASAS-NANP SYMPOSIUM: Applications of machine learning for livestock body weight prediction from digital images | |
Jingqiu et al. | Cow behavior recognition based on image analysis and activities | |
Dohmen et al. | Computer vision-based weight estimation of livestock: a systematic literature review | |
Nielsen | Automatic registration of grazing behaviour in dairy cows using 3D activity loggers | |
US11568541B2 (en) | System for high performance, AI-based dairy herd management and disease detection | |
CN111294565A (zh) | 一种智能化养猪监测方法和管理端 | |
Molfino et al. | Evaluation of an activity and rumination monitor in dairy cattle grazing two types of forages | |
CN113516139A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN116019023A (zh) | 一种电子信息管理系统及管理方法 | |
Kuan et al. | An imaging system based on deep learning for monitoring the feeding behavior of dairy cows | |
JP2018170969A (ja) | 行動特定装置、行動特定方法、及びプログラム | |
Tzanidakis et al. | Precision Livestock Farming (PLF) systems: Improving sustainability and efficiency of animal production | |
Ojukwu et al. | Development of a computer vision system to detect inactivity in group-housed pigs | |
Doulgerakis et al. | An Animal Welfare Platform for Extensive Livestock Production Systems. | |
CN110779575A (zh) | 一种基于大数据平台的畜牧业监测系统 | |
Chen et al. | Developing an automatic warning system for anomalous chicken dispersion and movement using deep learning and machine learning | |
CN114065801B (zh) | 基于神经网络模型的土壤监测方法、系统和可读存储介质 | |
Cai et al. | A night-time anomaly detection system of hog activities based on passive infrared detector | |
Malhotra et al. | Application of AI/ML approaches for livestock improvement and management | |
Adriaens et al. | Detecting dairy cows' lying behaviour using noisy 3D ultra-wide band positioning data | |
CN113068657A (zh) | 一种智能化高效养猪方法及系统 | |
Azarpajouh et al. | Smart farming: A review of animal-based measuring technologies for broiler welfare assessment |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40060939 Country of ref document: HK |