CN113632749B - 一种基于动物行为的猪身体状态监测方法 - Google Patents

Abstract

本发明适用于畜牧养殖技术领域，提供一种基于动物行为的猪身体状态监测方法，包括：安装若干摄像头；对猪舍内的猪进行编号；建立猪状态评价模型；根据印制的标识定位出每头猪在猪舍内的位置；在采样时间内根据所述猪状态评价模型的参数进行对应动物行为数据采集；根据采集到的数据以及猪状态评价模型，计算得到猪舍内每头猪的身体状态指标。本发明无需在猪的身上佩戴各种传感器，避免对猪造成不适感，本发明实现成本低，对猪没有伤害，可以准确评价出猪舍内各猪的身体状态，可尽快预警养殖户进行检查；同时养殖户也可以对猪舍的温度、湿度、风速、气体浓度等参数进行合理调整，尽量提高猪的环境参数。

Description

一种基于动物行为的猪身体状态监测方法

技术领域

本发明属于畜牧养殖技术领域，尤其涉及一种基于动物行为的猪身体状态监测方法。

背景技术

目前养猪场对于猪舍环境一般都会有简单的监测方案，主要监测的环境参数有温度、湿度、气体浓度(包括氨气浓度、二氧化碳浓度等)等进行调控。这种监测方案比较常规，都是按照经验设置一些参数阈值和预警阈值，并通过简单的调节方案控制猪舍内环境参数，包括设置加湿器、风机、冷暖装置等。这些参数并不能完全反应动物的需求，也不一定是最符合动物需求的控制，也不清楚猪舍内的猪当前的身体状态。如果能够对猪个体进行单独监测、够知晓每头猪的身体状态，这样明显能够提高养殖效果。

对于猪的身体监测方案，目前也有一些专利公开，比如通过再猪的身体上安装一些指标传感器来监测，包括心跳传感器、呼吸传感器、声音传感器等，但是这些方案明显过于复杂，成本较高，在中小型猪场得不到应用。另外，这些传感器也只能监测到一些身体指标参数，对于猪的行为动作无法监测，使得无法准确了解每只猪当前状态情况。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于动物行为的猪身体状态监测方法，旨在解决现有监测方法成本高、监测数据有限的技术问题。

本发明采用如下技术方案：

所述基于动物行为的猪身体状态监测方法，包括下述步骤：

步骤S1、在猪舍不同方位安装若干摄像头，所有摄像头均朝向猪舍内部布置；

步骤S2、对猪舍内的猪进行编号，且在猪身体上至少一个位置印制标识，不同猪的标识不同；

步骤S3、建立猪状态评价模型，所述猪状态评价模型的参数包括猪的进食时间、饮水次数、躺卧次数、睡觉时间、行走距离；

步骤S4、各摄像头采集猪舍视频图像，根据印制的标识定位出每头猪在猪舍内的位置，定位出的猪在视频图像中以外包矩形框形式标记；

步骤S5、以预设时间段为采样时间，在采样时间内根据所述猪状态评价模型的参数进行对应动物行为数据采集；

步骤S6、根据采集到的数据以及猪状态评价模型，计算得到猪舍内每头猪的身体状态指标。

进一步的，步骤S4具体包括：

针对每个摄像头采集到的视频图像，首先摄像头识别出视频图像中的各标识的位置；

然后以标识为中心向外轮廓识别出猪轮廓，且以猪轮廓的外包矩形框形式标记出猪的位置，猪身上所有的标识均在其外包矩形框内；

如果同一头猪在不同的摄像头中均被定为出外包矩形框，则将面积最大的外包矩形框作为当前猪的外包矩形框。

进一步的，步骤S5中采集的数据包括各头猪的进食时间数据、饮水次数数据、躺卧次数数据、睡觉时间数据、行走距离数据。

进一步的，所述进食时间数据的采集过程如下：

当猪的外包矩形框与饲料槽所在区域相交，且相交面积大于第一设定值时，则认定当前猪正在进食；

统计在所述采样时间内各头猪的进食总时间为所述进食时间数据。

进一步的，所述饮水次数数据的采集过程如下：

当猪的外包矩形框与饮水槽所在区域相交，且相交面积大于第二设定值时，则认定当前猪正在饮水，饮水过程中，当外包矩形框完全脱离饮水槽且保持一定时间，则完成一次饮水计数；

统计在所述采样时间内各头猪的饮水次数总数为所述饮水次数数据。

进一步的，所述躺卧次数数据的采集过程如下：

分析猪的外包矩形框中猪腿部的位置形态，通过学习判断出猪的躺卧状态；

统计在所述采样时间内各头猪的躺卧次数总数为所述躺卧次数数据。

进一步的，所述睡觉时间数据的采集过程如下：

当判断出猪开始躺卧时进行计时；

统计出在所述采样时间内各头猪的睡觉总时间为所述睡觉时间数据。

进一步的，所述行走距离数据的采集过程如下：

对每个摄像头所拍摄图像的像素点与实际猪舍场地位置进行像素映射，保存图像像素坐标与实际位置坐标的映射关系；

取猪的外包矩形框的底边中点为当前猪的位置点；

计算当前猪的位置点在图像中的像素坐标，根据所述映射关系，得到猪的实际位置坐标，定时计算实际位置坐标并记录；

将所有记录的实际位置坐标按照时间顺序连直线，计算出在所述采样时间内总的直线距离为所述行走距离数据。

进一步的，所述猪状态评价模型具体为：P＝k·X(x)·Y(y)·F(f)·G(g)·H(h)；其中x为进食时间数据，y为饮水次数数据，f为躺卧次数数据，g为睡觉时间数据，h为行走距离数据，k为调节系数，X(x)为进食函数，Y(y)为饮水函数，F(f)为躺卧函数，G(g)为睡觉函数，H(h)为行走函数，P为身体状态指标。

进一步的，当猪的身体状态指标不在预设区间时，则判定当前猪的身体状态出现问题，预警养殖人员进行检查。

本发明的有益效果是：本发明仅通过摄像头即可对猪的行为进行监测，能够监测出猪的各种行为数据，包括进食时间、饮水次数、躺卧次数、睡觉时间、行走距离，无需在猪的身上安装各种传感器，避免对猪造成不适感，本发明实现成本低，对猪没有伤害，可以准确评价出猪舍内各猪的身体状态，可尽快预警养殖户进行检查；同时养殖户也可以对猪舍的温度、湿度、风速、气体浓度等参数进行合理调整，尽量提高猪的环境参数。

附图说明

图1是本发明实施例提供的基于动物行为的猪身体状态监测方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

图1示出了本发明实施例提供的基于动物行为的猪身体状态监测方法的流程，为了便于说明仅示出了与本发明实施例相关的部分。

如图1所示，本实施例提供的基于动物行为的猪身体状态监测方法包括下述步骤：

步骤S1、在猪舍不同方位安装若干摄像头，所有摄像头均朝向猪舍内部布置。

一般布置2-4个摄像头为宜，朝向猪舍内部各个方向布置，安装位置均不相同。理论上一个摄像头就可以识别到猪舍内所有猪的行为动作，但是考虑到猪的站立方位与摄像头有角度偏差，且猪之间也可能会有部分重叠，因此有必要在猪舍内设置多个方向不同的摄像头，具体数量与猪舍内猪的数量相关。另外摄像头的安装高度位于稍高位置，便于识别出站立重叠的猪。

步骤S2、对猪舍内的猪进行编号，且在猪身体上至少一个位置印制标识，不同猪的标识不同。

本实施例需要监测猪舍内所有猪的行为动作，首先需要对猪个体进行识别。目前的识别方案一般都是在猪的耳朵上打上射频标签，通过扫描枪扫描即可识别不同的猪，但是这个识别过程也非常繁琐。另外也有关于猪的脸部识别的技术方案，但是猪的脸部识别算法较为复杂，成本高，而且由于猪的成长周期不长，脸部形态变化较快，很容易出现无法识别的情况。

本实施例为了简化识别过程，对猪舍内的猪进行编号。具体的，在猪的身体上至少一个位置印制标识，不同的标识对应不同的猪。比如，最简单的用数字印记、图形印记等。摄像头识别数字、图形形状轮廓的识别效率非常高。当然也可以用颜色印记等等，只要是能做区分且能被摄像头识别的标识均可。

对于标识位置，本实施例不限定。为了便于识别效率，最优方案是在猪的背部、头部和臀部均打上标识。即便是有猪之间有一定重叠，由于摄像头位置相对较高，仍然能够识别到被遮挡的猪。

步骤S3、建立猪状态评价模型，所述猪状态评价模型的参数包括猪的进食时间、饮水次数、躺卧次数、睡觉时间、行走距离。

猪状态评价模型的各个参数是通过摄像头识别获取，虽然心跳、呼吸、血脂等参数能够得到猪的状态情况，但是这些参数更多是需要使用特殊的传感器佩戴在猪的身上，传感器具有无线联网功能，使得实现成本较高。而且也会增加猪的不适感。另外，猪之间的相互摩擦挤压，也会增加传感器的故障率。

此外，虽然有技术公开通过图像识别猪腹部的变化频率来测定猪的呼吸频率的方案，但是这只是在实验室中完成，且需要定制特殊摄像头，成本高昂，也无法实现在猪舍内同时对多头猪进行呼吸监测。

因此本实施例只获取通过摄像头就能够简单识别出的数据作为猪状态评价模型的参数。在后续步骤再具体描述参数内容以及获取方法。

步骤S4、各摄像头采集猪舍视频图像，根据印制的标识定位出每头猪在猪舍内的位置，定位出的猪在视频图像中以外包矩形框形式标记。

由于每头猪身上都有标识，通过摄像头定位到标识即可知道猪在猪舍内的位置。为了便于后续的数据采集，本步骤以外包矩形框的形式定位猪的轮廓。由于一个头猪身上有多个标识，同一头的猪标识均包含在外包矩形框内。如果没有标志，直接进行图像识别，会增加识别难度和降低准确率。本步骤是先定位出能够识别到的标识，然后根据猪的体型形态基本可以预测猪体型轮廓位置，然后在相应位置进行搜索和轮廓识别，即可找到猪的位置，然后通过外包矩形框标记。具体的，本步骤具体实现过程如下：

S41、针对每个摄像头采集到的视频图像，首先摄像头识别出视频图像中的各标识的位置；

S42、然后以标识为中心向外轮廓识别出猪轮廓，且以猪轮廓的外包矩形框形式标记出猪的位置，猪身上所有的标识均在其外包矩形框内；

S43、如果同一头猪在不同的摄像头中均被定为出外包矩形框，则将面积最大的外包矩形框作为当前猪的外包矩形框。

由于安装有多个摄像头，实际中可能一头猪在多个摄像头都被识别出，这是因为猪的站立方向不确定，存在标识被多个摄像头识别的情况。本实施例将一头猪的在各个摄像头识别出的外包矩形框中，取面积最大的外包矩形框作为当前的猪的外包矩形框。便于后续猪的位置准确定位以及动作识别。

如果所有摄像头拍摄的图像中，猪的下部分均被遮挡住，也可以根据图像中标识的位置以及猪的常规形态预测出下部分位置，也能够得到外包矩形框。如果还是无法识别出外包矩形框，也可以不做处理。

步骤S5、以预设时间段为采样时间，在采样时间内根据所述猪状态评价模型的参数进行对应动物行为数据采集。

本实施例需要统计出预设时间段内的猪的身体状态，比如一周或者半个月为采样时间。在采样时间内进行猪的行为数据采集。具体采集的数据包括各头猪的进食时间数据、饮水次数数据、躺卧次数数据、睡觉时间数据、行走距离数据。

其中，所述进食时间数据的采集过程如下：

S501、当猪的外包矩形框与饲料槽所在区域相交，且相交面积大于第一设定值时，则认定当前猪正在进食；

S502、统计在所述采样时间内各头猪的进食总时间为所述进食时间数据。

分析猪的体型，猪一般后腿位置与臀部基本平齐，猪头位置伸出前腿较多，当猪进食时候，头部需要伸入至饲料槽内，因此外包矩形框与饲料槽所在区域必然会相交，如果相交面积大于第一设定值，那么即可判定猪在进食，这种方式简单高效。而猪在其他状态下，比如臀部朝向饲料槽，但是外包矩形框与饲料槽不会有很大的相交面积，因此本方案可以排出这些情况。

其中，所述饮水次数数据的采集过程如下：

S511、当猪的外包矩形框与饮水槽所在区域相交，且相交面积大于第二设定值时，则认定当前猪正在饮水，饮水过程中，当外包矩形框完全脱离饮水槽且保持一定时间，则完成一次饮水计数；

S512、统计在所述采样时间内各头猪的饮水次数总数为所述饮水次数数据。

同样饮水也是通过外包矩形框与饮水槽所在区域相交面积判断。当大于第二设定面积，说明猪此时在饮水，然后外包矩形框完全脱离饮水槽，说明猪离开了饮水槽，但是如果猪马上又来饮水，说明猪当前饮水并未完成，仍统计是一次饮水，只要保证远离饮水槽一定时候后，完成一次计数。这样统计方式比较准确。

其中，所述躺卧次数数据的采集过程如下：

S521、分析猪的外包矩形框中猪腿部的位置形态，通过学习判断出猪的躺卧状态；

S522、统计在所述采样时间内各头猪的躺卧次数总数为所述躺卧次数数据。

猪的站立和躺下的姿势是完全不同的，通过简单学习算法即可判断出的是站立还是躺卧状态。统计各头猪的躺卧次数总数。

其中，所述睡觉时间数据的采集过程如下：

S531、当判断出猪开始躺卧时进行计时；

S532、统计出在所述采样时间内各头猪的睡觉总时间为所述睡觉时间数据。

前述步骤可以实现识别猪的躺卧状态，本步骤只需统计猪在躺卧状态下的时间总和即可。

其中，所述行走距离数据的采集过程如下：

S541、对每个摄像头所拍摄图像的像素点与实际猪舍场地位置进行像素映射，保存图像像素坐标与实际位置坐标的映射关系；

S542、取猪的外包矩形框的底边中点为当前猪的位置点；

S543、计算当前猪的位置点在图像中的像素坐标，根据所述映射关系，得到猪的实际位置坐标，定时计算实际位置坐标并记录；

S544、将所有记录的实际位置坐标按照时间顺序连直线，计算出在所述采样时间内总的直线距离为所述行走距离数据。

猪的行走距离也可以在照片内识别出。

首先需要对每个摄像头进行标定。由于摄像头位置和角度固定，因此拍摄的方向也是固定的。图像中各像素点的坐标和猪舍内地面的实际位置是有像素映射关系。因此通过定义外包矩形框的哪个像素点为猪的位置，即可找到猪在猪舍内的实际坐标。本实施例采用外包矩形框的底边中点为当前猪的位置点。外包矩形框的底边基本贴近地面，因此取底边中点更为准确。

然后定时更新猪在猪舍内的坐标。

根据坐标进行连线即认定是猪的行走轨迹，进而可以计算出猪的采用时间内的行走距离数据。

步骤S6、根据采集到的数据以及猪状态评价模型，计算得到猪舍内每头猪的身体状态指标。

所述猪状态评价模型具体为：P＝k·X(x)·Y(y)·F(f)·G(g)·H(h)；其中x为进食时间数据，y为饮水次数数据，f为躺卧次数数据，g为睡觉时间数据，h为行走距离数据，k为调节系数，X(x)为进食函数，Y(y)为饮水函数，F(f)为躺卧函数，G(g)为睡觉函数，H(h)为行走函数，P为身体状态指标。

这里，进食函数、饮水函数、躺卧函数、睡觉函数、行走函数都需要根据实际情况进行标定，一般是通过映射表格形式标定。比如对于进食函数，标定表格可以如下：

X	<5min	5-10min	10-30min	30-60min	>60min
						X	0.6	0.9	1.0	0.9	0.6

这些函数一般表现形式都是中间大，两头小，中间数字接近1，两头数值小于1。说明了模型中这些参数对应的数据只有在合适的数据范围内才是最佳，过多或者过少都不佳。其他的函数均可根据实际进行标定，包括猪的品种差异，使得具体的标定数据会有一定差异。因此整体上，最后得到的身体状态指标接近1，说明情况比较好。

这里所述调节系数k主要是根据不同猪的猪龄段进行调整，不同年龄的猪的生活行为差异比较大，需要根据实际用参数进行调整。

如果监测到猪的身体状态指标不在预设区间时，则判定当前猪的身体状态出现问题，预警养殖人员进行检查。特别是猪舍的猪的指标都有问题，更要引起饲养员注意。看是否是猪舍环境因素或者是否是猪整体染病，应及时进行调整和诊断，避免出现大面积事故。

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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于动物行为的猪身体状态监测方法，其特征在于，所述方法包括下述步骤：

步骤S1、在猪舍不同方位安装若干摄像头，所有摄像头均朝向猪舍内部布置；

步骤S2、对猪舍内的猪进行编号，且在猪身体上至少一个位置印制标识，不同猪的标识不同；

步骤S3、建立猪状态评价模型，所述猪状态评价模型的参数包括猪的进食时间、饮水次数、躺卧次数、睡觉时间、行走距离；

步骤S4、各摄像头采集猪舍视频图像，根据印制的标识定位出每头猪在猪舍内的位置，定位出的猪在视频图像中以外包矩形框形式标记；

步骤S5、以预设时间段为采样时间，在采样时间内根据所述猪状态评价模型的参数进行对应动物行为数据采集；

步骤S6、根据采集到的数据以及猪状态评价模型，计算得到猪舍内每头猪的身体状态指标；

步骤S4具体包括：

针对每个摄像头采集到的视频图像，首先摄像头识别出视频图像中的各标识的位置；

然后以标识为中心向外轮廓识别出猪轮廓，且以猪轮廓的外包矩形框形式标记出猪的位置，猪身上所有的标识均在其外包矩形框内；

如果同一头猪在不同的摄像头中均被定为出外包矩形框，则将面积最大的外包矩形框作为当前猪的外包矩形框；

步骤S5中采集的数据包括各头猪的进食时间数据、饮水次数数据、躺卧次数数据、睡觉时间数据、行走距离数据；

所述进食时间数据的采集过程如下：

当猪的外包矩形框与饲料槽所在区域相交，且相交面积大于第一设定值时，则认定当前猪正在进食；

统计在所述采样时间内各头猪的进食总时间为所述进食时间数据；

所述饮水次数数据的采集过程如下：

当猪的外包矩形框与饮水槽所在区域相交，且相交面积大于第二设定值时，则认定当前猪正在饮水，饮水过程中，当外包矩形框完全脱离饮水槽且保持一定时间，则完成一次饮水计数；

统计在所述采样时间内各头猪的饮水次数总数为所述饮水次数数据；

所述躺卧次数数据的采集过程如下：

分析猪的外包矩形框中猪腿部的位置形态，通过学习判断出猪的躺卧状态；

统计在所述采样时间内各头猪的躺卧次数总数为所述躺卧次数数据；

所述睡觉时间数据的采集过程如下：

当判断出猪开始躺卧时进行计时；

统计出在所述采样时间内各头猪的睡觉总时间为所述睡觉时间数据；

所述行走距离数据的采集过程如下：

对每个摄像头所拍摄图像的像素点与实际猪舍场地位置进行像素映射，保存图像像素坐标与实际位置坐标的映射关系；

取猪的外包矩形框的底边中点为当前猪的位置点；

计算当前猪的位置点在图像中的像素坐标，根据所述映射关系，得到猪的实际位置坐标，定时计算实际位置坐标并记录；

将所有记录的实际位置坐标按照时间顺序连直线，计算出在所述采样时间内总的直线距离为所述行走距离数据。

2.如权利要求1所述动物行为的猪身体状态监测方法，其特征在于，当猪的身体状态指标不在预设区间时，则判定当前猪的身体状态出现问题，预警养殖人员进行检查。

Images