CN113554644B - 一种基于卷积神经网络的农产品身份识别及数量盘点系统 - Google Patents
一种基于卷积神经网络的农产品身份识别及数量盘点系统 Download PDFInfo
- Publication number
- CN113554644B CN113554644B CN202110940980.3A CN202110940980A CN113554644B CN 113554644 B CN113554644 B CN 113554644B CN 202110940980 A CN202110940980 A CN 202110940980A CN 113554644 B CN113554644 B CN 113554644B
- Authority
- CN
- China
- Prior art keywords
- laying rate
- inspection
- module
- unit
- data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/34—User authentication involving the use of external additional devices, e.g. dongles or smart cards
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/36—User authentication by graphic or iconic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开的基于卷积神经网络的农产品身份识别及数量盘点系统,与现有技术相比,包括:设置于鸡场笼架上的信息电子标识,信息电子标识用以为每个鸡笼配置编号信息数据以及储存鸡笼基础数据;设于鸡场中的巡检机器人;巡检机器人包括:巡检控制器;与巡检控制器连接的信息采集模块以及身份识别模块;信息采集模块连接摄像头,获取农产品视频图像数据;与巡检控制器连接,用以获取每个鸡笼产蛋数量以及实际产蛋率的视觉算法分析模块;与视觉算法分析模块连接的无线传输模块;与巡检机器人通信连接的监控服务器。本发明涉及的技术方案,相较于现有技术而言,其能够智能化进行产品数量盘点,检测出养殖场中产蛋率低的鸡,避免饲料空耗,节约成本。
Description
技术领域
本申请涉及身份识别及数量盘点系统技术领域,更具体地说,尤其涉及一种基于卷积神经网络的农产品身份识别及数量盘点系统。
背景技术
随着科技的发展,智能化养殖农场已经逐步普及,其中越来越多鸡蛋养殖场趋向于规模化、集约化,导致科学专业的养鸡指导至关重要。
目前,在现如今的鸡蛋养殖场中,基本包括笼架、喂料系统、清粪系统、集蛋系统以及饮水系统等。每个笼架中养殖适量母鸡,在生产过程中,养殖鸡在笼架中下蛋,随后由集蛋系统集中收集鸡蛋,最后人工进行数量盘点、计算产蛋率,当鸡蛋养殖场中的产蛋率达不到预设要求时,难以知道养殖场中哪些鸡产蛋率低,甚至只能淘汰鸡场中整批鸡,以致能够及时止损。
因此,如何提供一种基于卷积神经网络的农产品身份识别及数量盘点系统,其能够智能化进行产品数量盘点,检测出养殖场中产蛋率低的鸡,避免饲料空耗,节约成本,已经成为本领域技术人员亟待解决的技术问题。
发明内容
为解决上述技术问题,本申请提供一种基于卷积神经网络的农产品身份识别及数量盘点系统,其能够智能化进行产品数量盘点,检测出养殖场中产蛋率低的鸡,避免饲料空耗,节约成本。
本申请提供的技术方案如下:
本申请提供一种基于卷积神经网络的农产品身份识别及数量盘点系统,包括:设置于鸡场笼架上的信息电子标识,所述信息电子标识用以为每个鸡笼配置编号信息数据以及储存鸡笼基础数据;设于鸡场中用以识别信息电子标识以及采集农产品信息的巡检机器人;所述巡检机器人包括:巡检控制器;与所述巡检控制器连接的信息采集模块以及身份识别模块;所述信息采集模块连接摄像头,获取农产品视频图像数据;所述身份识别模块连接标识感应终端,用以与所述信息电子标识实现数据交互;与所述巡检控制器连接,用以获取每个鸡笼产蛋数量以及实际产蛋率的视觉算法分析模块;与所述视觉算法分析模块连接的无线传输模块;所述视觉算法分析模块基于卷积神经网络构建分析模型获取所述产蛋数量以及产蛋率;所述视觉算法分析模块包括:参数特征输入单元,所述参数特征输入单元获取所述鸡笼基础数据以及所述视频图像数据,并将所述视频图像数据作为参数特征输入至分析模型;模型分析提取单元,所述模型分析提取单元基于分析模型识别并提取视频图像中农产品的图像特征,并结合边缘计算器视觉算法算出每个鸡笼产蛋数量;产蛋率计算单元,所述产蛋率计算单元结合所述鸡笼基础数据以及所述鸡笼产蛋数量,计算得出每个鸡笼的实际产蛋率;数据汇总传输单元,所述数据汇总传输单元集中鸡场中每个鸡笼的实际产蛋率,并将所述实际产蛋率传输至所述监控服务器;以及与所述巡检机器人通信连接的监控服务器,所述监控服务器用以基于所述实际产蛋率进行分析,判断鸡笼所述实际产蛋率是否达标。
进一步地,在本发明一种优选方式中,所述巡检机器人还包括:与所述巡检控制器连接的巡检配置模块、巡检数据库、数据屏显模块;以及与所述数据屏显模块连接的触控显示屏。
进一步地,在本发明一种优选方式中,所述巡检配置模块包括:与所述巡检控制器连接的巡检路线配置单元;与所述信息采集模块连接,分别用以为所述摄像头预设采集时间点以及采集周期的巡检节点配置单元、巡检周期配置单元;以及与所述巡检路线配置单元、巡检节点配置单元以及巡检周期配置单元连接的配置数据输入单元,所述配置数据输入单元与所述数据屏显模块通信连接。
进一步地,在本发明一种优选方式中,所述信息采集模块包括:与所述摄像头连接的视频图像采集单元;用以获取鸡场养殖环境的温度采集单元以及湿度采集单元。
进一步地,在本发明一种优选方式中,所述监控服务器包括:监控控制器;用以与所述无线传输模块实现数据交互的通讯模块;与所述监控控制器连接的数据对比模块以及配置预设模块。
进一步地,在本发明一种优选方式中,所述配置预设模块包括:
生产阈值预设单元,所述生产阈值预设单元用以预设标准产蛋率阈值;
巡检参数预设单元,所述巡检参数预设单元用以发送配置指令,远程无线预设所述巡检机器人的巡检路线、巡检周期以及巡检节点。
进一步地,在本发明一种优选方式中,所述数据对比模块包括:与所述监控控制器连接的初级对比单元;以及与所述初级对比单元连接的对比核验单元;
所述初级对比单元用以将鸡笼实际产蛋率与所述标准产蛋率阈值进行对比,获取第一对比结果;
所述对比核验单元获取鸡笼近期3个巡检周期的所述实际产蛋率,并与所述标准产蛋率阈值进行对比,获取第二对比结果。
进一步地,在本发明一种优选方式中,所述数据对比模块进行阈值对比的规则具体为:
若所述第一对比结果为鸡笼实际产蛋率大于等于所述标准产蛋率阈值,则说明此鸡笼产蛋率达到产蛋标准要求;
若所述第一对比结果为鸡笼实际产蛋率小于所述标准产蛋率阈值,则所述对比核验单元调取此鸡笼近期3个巡检周期的所述实际产蛋率,与所述标准产蛋率阈值进行对比:
若此鸡笼近期3个巡检周期的所述实际产蛋率的平均值小于所述标准产蛋率阈值,说明此鸡笼产蛋率不符合要求,否则符合产蛋要求;
若此鸡笼近期3个巡检周期的所述实际产蛋率均小于所述标准产蛋率阈值,说明此鸡笼产蛋率不符合要求,否则符合产蛋要求。
进一步地,在本发明一种优选方式中,所述监控服务器还包括:与所述监控控制器连接的监控数据库;以及与所述数据对比模块连接的报警模块。
本发明提供的一种基于卷积神经网络的农产品身份识别及数量盘点系统,与现有技术相比,包括:设置于鸡场笼架上的信息电子标识,所述信息电子标识用以为每个鸡笼配置编号信息数据以及储存鸡笼基础数据;设于鸡场中用以识别信息电子标识以及采集农产品信息的巡检机器人;所述巡检机器人包括:巡检控制器;与所述巡检控制器连接的信息采集模块以及身份识别模块;所述信息采集模块连接摄像头,获取农产品视频图像数据;所述身份识别模块连接标识感应终端,用以与所述信息电子标识实现数据交互;与所述巡检控制器连接,用以获取每个鸡笼产蛋数量以及实际产蛋率的视觉算法分析模块;与所述视觉算法分析模块连接的无线传输模块;所述视觉算法分析模块基于卷积神经网络构建分析模型获取所述产蛋数量以及产蛋率;所述视觉算法分析模块包括:参数特征输入单元,所述参数特征输入单元获取所述鸡笼基础数据以及所述视频图像数据,并将所述视频图像数据作为参数特征输入至分析模型;模型分析提取单元,所述模型分析提取单元基于分析模型识别并提取视频图像中农产品的图像特征,并结合边缘计算器视觉算法算出每个鸡笼产蛋数量;产蛋率计算单元,所述产蛋率计算单元结合所述鸡笼基础数据以及所述鸡笼产蛋数量,计算得出每个鸡笼的实际产蛋率;数据汇总传输单元,所述数据汇总传输单元集中鸡场中每个鸡笼的实际产蛋率,并将所述实际产蛋率传输至所述监控服务器;以及与所述巡检机器人通信连接的监控服务器,所述监控服务器用以基于所述实际产蛋率进行分析,判断鸡笼所述实际产蛋率是否达标。在养殖场中鸡通常都是分笼饲养,在每个鸡笼上设置所述信息电子标识,所述信息电子标识为鸡笼进行编号并储存所述鸡笼基础数据,其中所述鸡笼基础数据包括此鸡笼养殖数量以及养殖年限;结合所述巡检机器人,识别所述信息电子标识,并采集鸡笼中农产品信息数据,随后分析计算出鸡笼产蛋数量以及产蛋率,其中所述标识感应终端结合所述身份识别模块,对鸡笼上的所述信息电子标识进行识别认证,获取编号数据以及鸡笼养殖数据;所述摄像头结合所述信息采集模块,获取鸡笼中农产品的视频图像数据;所述视觉算法分析模块基于所述视频图像数据,通过边缘计算器视觉算法算出每个鸡笼中的产蛋数量,并结合鸡笼养殖数量计算得出实际产蛋率,利用所述无线传输模块与所述监控服务器进行信息交互;所述监控服务器基于所述实际产蛋率进行分析,判断鸡笼所述实际产蛋率是否达标,根据判断结果淘汰不达标的鸡,节约成本。本发明涉及的技术方案,相较于现有技术而言,其能够智能化进行产品数量盘点,检测出养殖场中产蛋率低的鸡,避免饲料空耗,节约成本。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为本发明实施例提供的基于卷积神经网络的农产品身份识别及数量盘点系统的结构示意框图;
图2为本发明实施例提供的视觉算法分析模块的结构示意框图;
图3为本发明实施例提供的巡检配置模块的结构示意框图;
图4为本发明实施例提供的信息采集模块的结构示意框图;
图5为本发明实施例提供的监控服务器的结构示意框图;
图6为本发明实施例提供的配置预设模块的结构示意框图;
图7为本发明实施例提供的数据对比模块的结构示意框图。
附图标记说明:
信息电子标识1;RFID电子标签101;电磁感应二维码102;巡检机器人2;巡检控制器201;信息采集模块202;身份识别模块203;摄像头204;标识感应终端205;视觉算法分析模块206;无线传输模块207;巡检配置模块208;巡检数据库209;数据屏显模块210;触控显示屏211;监控服务器3;监控控制器301;通讯模块302;配置预设模块303;数据对比模块304;监控数据库305;报警模块306;参数特征输入单元4;模型分析提取单元5;产蛋率计算单元6;数据汇总传输单元7;巡检路线配置单元8;巡检节点配置单元9;巡检周期配置单元10;配置数据输入单元11;温度采集单元12;湿度采集单元13;视频图像采集单元14;生产阈值预设单元15;巡检参数预设单元16;初级对比单元17;对比核验单元18。
具体实施方式
为了使本领域的技术人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件上,它可以直接在另一个元件上或者间接设置在另一个元件上;当一个元件被称为是“连接于”另一个元件,它可以是直接连接到另一个元件或间接连接至另一个元件上。
需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“第一”、“第二”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”、“若干个”的含义是两个或两个以上,除非另有明确具体的限定。
须知,本说明书附图所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本申请可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本申请所能产生的功效及所能达成的目的下,均应仍落在本申请所揭示的技术内容得能涵盖的范围内。
请如图1至图7所示,本申请实施例提供的基于卷积神经网络的农产品身份识别及数量盘点系统,包括:设置于鸡场笼架上的信息电子标识1,所述信息电子标识1用以为每个鸡笼配置编号信息数据以及储存鸡笼基础数据;设于鸡场中用以识别信息电子标识1以及采集农产品信息的巡检机器人2;所述巡检机器人2包括:巡检控制器201;与所述巡检控制器201连接的信息采集模块202以及身份识别模块203;所述信息采集模块202连接摄像头204,获取农产品视频图像数据;所述身份识别模块203连接标识感应终端205,用以与所述信息电子标识1实现数据交互;与所述巡检控制器201连接,用以获取每个鸡笼产蛋数量以及实际产蛋率的视觉算法分析模块206;与所述视觉算法分析模块206连接的无线传输模块207;与所述巡检机器人2通信连接的监控服务器3,所述监控服务器3用以基于所述实际产蛋率进行分析,判断鸡笼所述实际产蛋率是否达标。
本发明提供一种基于卷积神经网络的农产品身份识别及数量盘点系统,具体包括:设置于鸡场笼架上的信息电子标识1,所述信息电子标识1用以为每个鸡笼配置编号信息数据以及储存鸡笼基础数据;设于鸡场中用以识别信息电子标识1以及采集农产品信息的巡检机器人2;所述巡检机器人2包括:巡检控制器201;与所述巡检控制器201连接的信息采集模块202以及身份识别模块203;所述信息采集模块202连接摄像头204,获取农产品视频图像数据;所述身份识别模块203连接标识感应终端205,用以与所述信息电子标识1实现数据交互;与所述巡检控制器201连接,用以获取每个鸡笼产蛋数量以及实际产蛋率的视觉算法分析模块206;与所述视觉算法分析模块206连接的无线传输模块207;与所述巡检机器人2通信连接的监控服务器3,所述监控服务器3用以基于所述实际产蛋率进行分析,判断鸡笼所述实际产蛋率是否达标。在养殖场中鸡通常都是分笼饲养,在每个鸡笼上设置所述信息电子标识1,所述信息电子标识1为鸡笼进行编号并储存所述鸡笼基础数据,其中所述鸡笼基础数据包括此鸡笼养殖数量以及养殖年限;结合所述巡检机器人2,识别所述信息电子标识1,并采集鸡笼中农产品信息数据,随后分析计算出鸡笼产蛋数量以及产蛋率,其中所述标识感应终端205结合所述身份识别模块203,对鸡笼上的所述信息电子标识1进行识别认证,获取编号数据以及鸡笼养殖数据;所述摄像头204结合所述信息采集模块202,获取鸡笼中农产品的视频图像数据;所述视觉算法分析模块206基于所述视频图像数据,通过边缘计算器视觉算法算出每个鸡笼中的产蛋数量,并结合鸡笼养殖数量计算得出实际产蛋率,利用所述无线传输模块207与所述监控服务器3进行信息交互;所述监控服务器3基于所述实际产蛋率进行分析,判断鸡笼所述实际产蛋率是否达标,根据判断结果淘汰不达标的鸡,节约成本。本发明涉及的技术方案,相较于现有技术而言,其能够智能化进行产品数量盘点,检测出养殖场中产蛋率低的鸡,避免饲料空耗,节约成本。
具体地,在本发明的实施例中,所述鸡笼基础数据包括:鸡笼养殖数量以及养殖年限数据。
具体地,在本发明的实施例中,所述信息电子标识1包括:RFID电子标签101或者电磁感应二维码102。
其中,在本发明的实施例中,所述信息电子标识1采用所述RFID电子标签101以及所述电磁感应二维码102进行安装测试,二者感应识别迅速,均能储存编号信息以及鸡笼基础数据。
具体地,在本发明的实施例中,所述视觉算法分析模块206基于卷积神经网络构建分析模型获取所述产蛋数量以及产蛋率;所述视觉算法分析模块206包括:
参数特征输入单元4,所述参数特征输入单元4获取所述鸡笼基础数据以及所述视频图像数据,并将所述视频图像数据作为参数特征输入至分析模型;
模型分析提取单元5,所述模型分析提取单元5基于分析模型识别并提取视频图像中农产品的图像特征,并结合边缘计算器视觉算法算出每个鸡笼产蛋数量;
产蛋率计算单元6,所述产蛋率计算单元6结合所述鸡笼基础数据以及所述鸡笼产蛋数量,计算得出每个鸡笼的实际产蛋率;
数据汇总传输单元7,所述数据汇总传输单元7集中鸡场中每个鸡笼的实际产蛋率,并将所述实际产蛋率传输至所述监控服务器3。
具体地,在本发明的实施例中,所述巡检配置模块208包括:与所述巡检控制器201连接的巡检路线配置单元8;与所述信息采集模块202连接,分别用以为所述摄像头204预设采集时间点以及采集周期的巡检节点配置单元9、巡检周期配置单元10;以及与所述巡检路线配置单元8、巡检节点配置单元9以及巡检周期配置单元10连接的配置数据输入单元11,所述配置数据输入单元11与所述数据屏显模块210通信连接。
其中,所述巡检路线配置单元8、所述巡检节点配置单元9以及所述巡检周期配置单元10分别对所述巡检机器人2预设巡检路线、巡检节点以及巡检周期;利用所述数据屏显模块210以及所述配置数据输入单元11,手动配置巡检数据。
具体地,在本发明的实施例中,所述信息采集模块202包括:与所述摄像头204连接的视频图像采集单元14;用以获取鸡场养殖环境的温度采集单元12以及湿度采集单元13。
其中,所述信息采集模块202获取鸡场中两大类型的数据,其一:利用所述摄像机,在实施例中采用红外摄像机,采集鸡笼中农产品的视频图像数据;其二:利用所述温度采集单元12以及所述湿度采集单元13,采集鸡场中温湿度数据,所述温湿度数据为环境温湿度。
具体地,在本发明的实施例中,所述监控服务器3包括:监控控制器301;用以与所述无线传输模块207实现数据交互的通讯模块302;与所述监控控制器301连接的数据对比模块304以及配置预设模块303。
具体地,在本发明的实施例中,所述配置预设模块303包括:
生产阈值预设单元15,所述生产阈值预设单元15用以预设标准产蛋率阈值;
巡检参数预设单元16,所述巡检参数预设单元16用以发送配置指令,远程无线预设所述巡检机器人2的巡检路线、巡检周期以及巡检节点。
具体地,在本发明的实施例中,所述巡检机器人2还包括:与所述巡检控制器201连接的巡检配置模块208、巡检数据库209、数据屏显模块210;以及与所述数据屏显模块210连接的触控显示屏211。
其中,所述巡检机器人2的巡检时间点、巡检周期以及巡检路线的设定存在两种方式:其一、在所述巡检机器人2中,利用所述巡检路线配置单元8、所述巡检节点配置单元9以及所述巡检周期配置单元10分别对所述巡检机器人2预设巡检路线、巡检节点以及巡检周期;其二,在所述监控服务器3中,利用所述巡检参数预设单元16,远程配置巡检路线、巡检周期以及巡检时间点。
具体地,在本发明的实施例中,所述数据对比模块304包括:与所述监控控制器301连接的初级对比单元17;以及与所述初级对比单元17连接的对比核验单元18;
所述初级对比单元17用以将鸡笼实际产蛋率与所述标准产蛋率阈值进行对比,获取第一对比结果;
所述对比核验单元18获取鸡笼近期3个巡检周期的所述实际产蛋率,并与所述标准产蛋率阈值进行对比,获取第二对比结果。
具体地,在本发明的实施例中,所述数据对比模块304进行阈值对比的规则具体为:
若所述第一对比结果为鸡笼实际产蛋率大于等于所述标准产蛋率阈值,则说明此鸡笼产蛋率达到产蛋标准要求;
若所述第一对比结果为鸡笼实际产蛋率小于所述标准产蛋率阈值,则所述对比核验单元18调取此鸡笼近期3个巡检周期的所述实际产蛋率,与所述标准产蛋率阈值进行对比:
若此鸡笼近期3个巡检周期的所述实际产蛋率的平均值小于所述标准产蛋率阈值,说明此鸡笼产蛋率不符合要求,否则符合产蛋要求;
其次若此鸡笼近期3个巡检周期的所述实际产蛋率均小于所述标准产蛋率阈值,说明此鸡笼产蛋率不符合要求,否则符合产蛋要求。
其中,在鸡笼所述实际产蛋率与所述标准产蛋率阈值进行对比过程中,所述初级对比单元17进行单次巡检周期的实际产蛋率的数值对比;当鸡笼单次巡检周期的所述实际产蛋率不达标时,并不会直接判断该鸡笼养殖的鸡为空耗鸡;而是利用所述对比核验单元18,调取此鸡笼近期3个巡检周期的所述实际产蛋率进行数值对比,最终确定此鸡笼养殖的鸡是否达到产蛋标准。
具体地,在本发明的实施例中,所述监控服务器3还包括:与所述监控控制器301连接的监控数据库305;所述数据对比模块304连接所述数据库,用以调取所述实际产蛋率;以及与所述数据对比模块304连接的报警模块306。
具体地,在本发明的实施例中,所述巡检机器人2还包括:与所述巡检控制器201连接的巡检模式切换模块;所述巡检模块切换模块包括自动巡检单元以及手动巡检单元;所述手动巡检单元连接巡检控制终端;所述巡检控制终端与所述监控服务器3通信连接。
其中,所述巡检机器人2在系统默认状态下为自动巡检,按照系统设定的巡检节点、巡检周期以及巡检路线进行自动巡检;当出现特殊情况需要人工控制手动巡检时,利用所述巡检模块切换模块,将所述巡检机器人2切换至手动巡检模式,通过所述巡检控制终端,可人工手动控制所述巡检机器人2进行巡检作业。
更为具体地阐述,目前,在现如今的鸡蛋养殖场中,基本包括笼架、喂料系统、清粪系统、集蛋系统以及饮水系统等。每个笼架中养殖适量母鸡,在生产过程中,养殖鸡在笼架中下蛋,随后由集蛋系统集中收集鸡蛋,最后人工进行数量盘点、计算产蛋率,当鸡蛋养殖场中的产蛋率达不到预设要求时,难以知道养殖场中哪些鸡产蛋率低,甚至只能淘汰鸡场中整批鸡,以致能够及时止损。
由上所述,本发明实施例涉及的基于卷积神经网络的农产品身份识别及数量盘点系统,在每个鸡笼上设置所述信息电子标识1,所述信息电子标识1为鸡笼进行编号并储存所述鸡笼基础数据,其中所述鸡笼基础数据包括此鸡笼养殖数量以及养殖年限;结合所述巡检机器人2,识别所述信息电子标识1,并采集鸡笼中农产品信息数据,随后分析计算出鸡笼产蛋数量以及产蛋率,其中所述标识感应终端205结合所述身份识别模块203,对鸡笼上的所述信息电子标识1进行识别认证,获取编号数据以及鸡笼养殖数据;所述摄像头204结合所述信息采集模块202,获取鸡笼中农产品的视频图像数据;所述视觉算法分析模块206基于所述视频图像数据,其中利用参数特征输入单元4、所述模型分析提取单元5以及所述产蛋率计算单元6,基于分析模型识别并提取视频图像中农产品的图像特征,并结合边缘计算器视觉算法算出每个鸡笼产蛋数量,并结合鸡笼养殖数量计算得出实际产蛋率;利用所述无线传输模块207与所述监控服务器3进行信息交互,将所述鸡笼基础数据以及实际产蛋率传输至所述监控服务器3;所述监控服务器3基于所述实际产蛋率进行分析,判断鸡笼所述实际产蛋率是否达标,所述初级对比单元17进行单次巡检周期的实际产蛋率的数值对比;当鸡笼单次巡检周期的所述实际产蛋率不达标时,并不会直接判断该鸡笼养殖的鸡为空耗鸡;而是利用所述对比核验单元18,调取此鸡笼近期3个巡检周期的所述实际产蛋率进行数值对比,确定此鸡笼养殖的鸡是否达到产蛋标准,根据判断结果淘汰不达标的鸡,节约成本。本发明涉及的技术方案,相较于现有技术而言,其能够智能化进行产品数量盘点,检测出养殖场中产蛋率低的鸡,避免饲料空耗,节约成本。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,包括:设置于鸡场笼架上的信息电子标识,所述信息电子标识用以为每个鸡笼配置编号信息数据以及储存鸡笼基础数据;
设于鸡场中用以识别信息电子标识以及采集农产品信息的巡检机器人;
所述巡检机器人包括:巡检控制器;与所述巡检控制器连接的信息采集模块以及身份识别模块;所述信息采集模块连接摄像头,获取农产品视频图像数据;所述身份识别模块连接标识感应终端,用以与所述信息电子标识实现数据交互;与所述巡检控制器连接,用以获取每个鸡笼产蛋数量以及实际产蛋率的视觉算法分析模块;与所述视觉算法分析模块连接的无线传输模块;
所述视觉算法分析模块基于卷积神经网络构建分析模型获取所述产蛋数量以及产蛋率;所述视觉算法分析模块包括:
参数特征输入单元,所述参数特征输入单元获取所述鸡笼基础数据以及所述视频图像数据,并将所述视频图像数据作为参数特征输入至分析模型;
模型分析提取单元,所述模型分析提取单元基于分析模型识别并提取视频图像中农产品的图像特征,并结合边缘计算器视觉算法算出每个鸡笼产蛋数量;
产蛋率计算单元,所述产蛋率计算单元结合所述鸡笼基础数据以及所述鸡笼产蛋数量,计算得出每个鸡笼的实际产蛋率;
数据汇总传输单元,所述数据汇总传输单元集中鸡场中每个鸡笼的实际产蛋率,并将所述实际产蛋率传输至监控服务器;
以及与所述巡检机器人通信连接的监控服务器,所述监控服务器用以基于所述实际产蛋率进行分析,判断鸡笼所述实际产蛋率是否达标。
2.根据权利要求1所述的基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,所述巡检机器人还包括:与所述巡检控制器连接的巡检配置模块、巡检数据库、数据屏显模块;以及与所述数据屏显模块连接的触控显示屏。
3.根据权利要求2所述的基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,所述巡检配置模块包括:与所述巡检控制器连接的巡检路线配置单元;与所述信息采集模块连接,分别用以为所述摄像头预设采集时间点以及采集周期的巡检节点配置单元、巡检周期配置单元;以及与所述巡检路线配置单元、巡检节点配置单元以及巡检周期配置单元连接的配置数据输入单元,所述配置数据输入单元与所述数据屏显模块通信连接。
4.根据权利要求1所述的基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,所述信息采集模块包括:与所述摄像头连接的视频图像采集单元;用以获取鸡场养殖环境的温度采集单元以及湿度采集单元。
5.根据权利要求2所述的基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,所述监控服务器包括:监控控制器;用以与所述无线传输模块实现数据交互的通讯模块;与所述监控控制器连接的数据对比模块以及配置预设模块。
6.根据权利要求5所述的基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,所述配置预设模块包括:
生产阈值预设单元,所述生产阈值预设单元用以预设标准产蛋率阈值;
巡检参数预设单元,所述巡检参数预设单元用以发送配置指令,远程无线预设所述巡检机器人的巡检路线、巡检周期以及巡检节点。
7.根据权利要求6所述的基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,所述数据对比模块包括:与所述监控控制器连接的初级对比单元;以及与所述初级对比单元连接的对比核验单元;
所述初级对比单元用以将鸡笼实际产蛋率与所述标准产蛋率阈值进行对比,获取第一对比结果;
所述对比核验单元获取鸡笼近期3个巡检周期的所述实际产蛋率,并与所述标准产蛋率阈值进行对比,获取第二对比结果。
8.根据权利要求7所述的基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,所述数据对比模块进行阈值对比的规则具体为:
若所述第一对比结果为鸡笼实际产蛋率大于等于所述标准产蛋率阈值,则说明此鸡笼产蛋率达到产蛋标准要求;
若所述第一对比结果为鸡笼实际产蛋率小于所述标准产蛋率阈值,则所述对比核验单元调取此鸡笼近期3个巡检周期的所述实际产蛋率,与所述标准产蛋率阈值进行对比:
若此鸡笼近期3个巡检周期的所述实际产蛋率的平均值小于所述标准产蛋率阈值,说明此鸡笼产蛋率不符合要求,否则符合产蛋要求;
并且若此鸡笼近期3个巡检周期的所述实际产蛋率均小于所述标准产蛋率阈值,说明此鸡笼产蛋率不符合要求,否则符合产蛋要求。
9.根据权利要求8所述的基于卷积神经网络的农产品身份识别及数量盘点系统,其特征在于,所述监控服务器还包括:与所述监控控制器连接的监控数据库;以及与所述数据对比模块连接的报警模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110940980.3A CN113554644B (zh) | 2021-08-17 | 2021-08-17 | 一种基于卷积神经网络的农产品身份识别及数量盘点系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110940980.3A CN113554644B (zh) | 2021-08-17 | 2021-08-17 | 一种基于卷积神经网络的农产品身份识别及数量盘点系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554644A CN113554644A (zh) | 2021-10-26 |
CN113554644B true CN113554644B (zh) | 2022-08-09 |
Family
ID=78133935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110940980.3A Active CN113554644B (zh) | 2021-08-17 | 2021-08-17 | 一种基于卷积神经网络的农产品身份识别及数量盘点系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554644B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116530438B (zh) * | 2023-07-04 | 2023-10-13 | 华南农业大学 | 一种笼养种蛋鸭个体产蛋性能巡检测定装置、方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680080A (zh) * | 2017-09-05 | 2018-02-09 | 翔创科技(北京)有限公司 | 牲畜的样本库建立方法和清点方法、存储介质和电子设备 |
CN111401386A (zh) * | 2020-03-30 | 2020-07-10 | 深圳前海微众银行股份有限公司 | 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质 |
CN111696139A (zh) * | 2020-06-01 | 2020-09-22 | 南京农业大学 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
KR20210066616A (ko) * | 2019-11-28 | 2021-06-07 | 영농조합법인킹스파머스 | 스마트팜을 통한 가축 사육 관리 방법 및 서비스 서버 |
CN113223035A (zh) * | 2021-06-07 | 2021-08-06 | 南京农业大学 | 笼养鸡智能巡检系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9533418B2 (en) * | 2009-05-29 | 2017-01-03 | Cognex Corporation | Methods and apparatus for practical 3D vision system |
US9936670B2 (en) * | 2016-08-17 | 2018-04-10 | Technologies Holdings Corp. | Vision system with teat detection |
CN211604191U (zh) * | 2020-03-20 | 2020-09-29 | 东莞市凯杰自动化科技有限公司 | 一种养殖场智能巡检系统 |
CN111780811A (zh) * | 2020-07-27 | 2020-10-16 | 福州木鸡郎智能科技有限公司 | 鸡群状态巡检监测系统及方法 |
CN112775970A (zh) * | 2021-01-06 | 2021-05-11 | 嘉兴学院 | 一种巡检机器人多传感器系统及巡检方法 |
-
2021
- 2021-08-17 CN CN202110940980.3A patent/CN113554644B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680080A (zh) * | 2017-09-05 | 2018-02-09 | 翔创科技(北京)有限公司 | 牲畜的样本库建立方法和清点方法、存储介质和电子设备 |
KR20210066616A (ko) * | 2019-11-28 | 2021-06-07 | 영농조합법인킹스파머스 | 스마트팜을 통한 가축 사육 관리 방법 및 서비스 서버 |
CN111401386A (zh) * | 2020-03-30 | 2020-07-10 | 深圳前海微众银行股份有限公司 | 牲畜舍栏的监控方法、装置、智能巡航机器人及存储介质 |
CN111696139A (zh) * | 2020-06-01 | 2020-09-22 | 南京农业大学 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
CN113223035A (zh) * | 2021-06-07 | 2021-08-06 | 南京农业大学 | 笼养鸡智能巡检系统 |
Non-Patent Citations (2)
Title |
---|
From Smart Farming towards Unmanned Farms A New Mode of Agricultural Production;Tan Wang et al.;《agriculture》;20210210;第1-26页 * |
家禽生产智能巡检机器人的设计;连京华 等;《中国家禽》;20190930;第41卷(第18期);第72-75页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113554644A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020138526A1 (ko) | 곤충의 사육 제어 장치 및 방법 | |
CN104396865B (zh) | 母猪发情远程自动监测系统和方法 | |
CN103631241A (zh) | 基于物联网的家禽智能化养殖管理系统 | |
KR101749860B1 (ko) | 축사 환경 관리 방법 및 시스템 | |
CN206776432U (zh) | 一种猪只饲喂系统 | |
KR102011401B1 (ko) | 가축의 음식 섭취를 기반으로 하는 이상 징후 모니터링 시스템 및 방법 | |
CN107711576B (zh) | 一种母猪发情鉴定方法及系统 | |
CN113554644B (zh) | 一种基于卷积神经网络的农产品身份识别及数量盘点系统 | |
CN107148920A (zh) | 一种猪只健康智能监测方法及其系统 | |
CN103823437A (zh) | 一种具有便携式监控装置的水产养殖智能控制系统 | |
CN110991222A (zh) | 一种物体状态监测、母猪发情监测方法、装置及系统 | |
CN111274975A (zh) | 猪只采食行为预测方法及装置 | |
WO2018012870A1 (ko) | 축우농가에서 소의 운동량 검출 시스템 및 방법 | |
US20190012497A1 (en) | Monitoring and environmental control system for animal housing | |
CN106614071A (zh) | 一种母猪产前行为监测系统以及方法 | |
CN112150498A (zh) | 体态信息的确定方法、装置、存储介质及电子装置 | |
CN115349459A (zh) | 一种智能猪舍监控系统 | |
CN207234797U (zh) | 物联网网关 | |
CN215187398U (zh) | 养殖场电子围栏管理系统 | |
CN115362950A (zh) | 一种基于物联网平台的智慧养殖管控系统 | |
CN115238237A (zh) | 虫情监测方法、装置及系统 | |
KR20150146184A (ko) | 유비쿼터스 센서 네트워크 기반 축사 관리 시스템 및 방법 | |
CN211703267U (zh) | 生猪饲喂远程精准控制系统 | |
CN110673483B (zh) | 一种基于移动物联网技术的畜禽智能养殖系统及方法 | |
KR20230079969A (ko) | 축산업 비 전문가 생산성 증대를 위한 자동 제어 생육 분석 시스템 |
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 |