CN113762113A - 一种牲畜分娩行为监控方法及装置 - Google Patents
一种牲畜分娩行为监控方法及装置 Download PDFInfo
- Publication number
- CN113762113A CN113762113A CN202110987808.3A CN202110987808A CN113762113A CN 113762113 A CN113762113 A CN 113762113A CN 202110987808 A CN202110987808 A CN 202110987808A CN 113762113 A CN113762113 A CN 113762113A
- Authority
- CN
- China
- Prior art keywords
- livestock
- young
- area
- target
- delivery
- 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
- 244000144972 livestock Species 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000032696 parturition Effects 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 230000006399 behavior Effects 0.000 claims abstract description 120
- 241001465754 Metazoa Species 0.000 claims abstract description 117
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 230000035606 childbirth Effects 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 230000033001 locomotion Effects 0.000 claims abstract description 16
- 230000002093 peripheral effect Effects 0.000 claims description 19
- 206010055690 Foetal death Diseases 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 208000010515 dystocia Diseases 0.000 claims description 6
- 238000009395 breeding Methods 0.000 abstract description 9
- 230000001488 breeding effect Effects 0.000 abstract description 9
- 230000004927 fusion Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 6
- 210000001624 hip Anatomy 0.000 description 25
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000036760 body temperature Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000004634 feeding behavior Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010003497 Asphyxia Diseases 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000002254 stillbirth Diseases 0.000 description 1
- 231100000537 stillbirth Toxicity 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (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
本发明提供一种牲畜分娩行为监控方法及装置,所述方法包括:获取热红外图像和彩色图像;将彩色图像输入至目标检测模型,以获取幼仔识别结果;若根据幼仔识别结果,确定牲畜臀部区域存在幼仔,则获取幼仔目标框位于彩色图像中的区域坐标;将该区域坐标换算成热红外图像上的第区域坐标,以确定幼仔在热红外图像中的幼仔目标框区域;根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。本发明提供的牲畜分娩行为监控方法及装置,采用彩色图像与热红外图像的多数据融合技术,通过融合温度与目标运动量检测,监测牲畜分娩行为,识别准确率高,有效地提升了牲畜养殖的自动化程度。
Description
技术领域
本发明涉及畜牧养殖领域,尤其涉及一种牲畜分娩行为监控方法及装置。
背景技术
目前,在畜牧养殖行业中,牲畜分娩繁育环节需大量人力、物力的投入。
以生猪养殖为例,需依赖多名猪场管理人员巡检母猪圈舍,及时做好仔猪幼体的接生工作。尤其在冬季,刚分娩的仔猪幼体若未发现及时,容易出现窒息、冻死等现象,对猪场造成较大经济损失。
特别地,在主流的批次化管理模式下的中大型猪场,同一产房内母猪分娩基本在1~2天内完成,在母猪分娩管理工作中,管理人员难以判断母猪是否发生难产状况。
当前国内牲畜分娩环节尚未应用相关智能设备及系统,在此背景下,牲畜分娩环节的智能化实时监测方法及装置亟需研发。
发明内容
本发明提供一种牲畜分娩行为监控方法及装置,用以解决现有技术中需人工对牲畜分娩行为进行监测,耗时费力的缺陷,实现对牲畜分娩行为监测的自动化管理。
第一方面,本发明提供一种牲畜分娩行为监控方法,包括:
获取包含目标牲畜臀部区域的热红外图像和彩色图像;
将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;
若根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔,则获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;
将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;
根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
根据本发明提供的一种牲畜分娩行为监控方法,所述根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果,包括:
若所述幼仔目标框区域内的最高温度大于刚分娩幼仔温度阈值,则确定所述牲畜分娩行为判断结果为分娩,否则确定所述牲畜分娩行为判断结果为其它分娩状态。
根据本发明提供的一种牲畜分娩行为监控方法,所述根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果,包括:
计算所述幼仔目标框区域内的温度中位数,作为所述幼仔目标框区域的平均温度;
确定所述幼仔目标框区域外预设范围内的周边区域,并计算所述周边区域的温度中位数,作为所述周边区域的平均温度;
若所述幼仔目标框区域的平均温度与所述周边区域的平均温度之间的差值大于预先设定的温度差阈值,则确定所述牲畜分娩行为判断结果为分娩,否则确定所述牲畜分娩行为判断结果为其它分娩状态。
根据本发明提供的一种牲畜分娩行为监控方法,在确定所述牲畜分娩行为判断结果为其它分娩状态之后,还包括:
获取所述彩色图像相关的预设时长内的连续多帧彩色图像;
将所述连续多帧彩色图像依次输入至所述训练好的目标检测模型,并根据所述目标检测模型输出的每帧彩色图像所对应的幼仔识别结果,确定每帧彩色图像所对应的幼仔目标框;
利用目标跟踪模型对所有仔猪目标框进行跟踪,获取所述幼仔在所述预设时长内的活动轨迹;
若根据所述活动轨迹确定所述幼仔在所述预设时长内持续活动,则确定所述其它分娩状态为分娩完成;
若根据所述活动轨迹确定所述幼仔在所述预设时长内静止,且所述幼仔目标框区域内的最高温度小于死胎温度阈值,则确定所述其它分娩状态为死胎。
根据本发明提供的一种牲畜分娩行为监控方法,若根据所述幼仔识别结果,确定所述目标牲畜臀部区域不存在幼仔,还包括:
获取所述彩色图像相关的预设时长内的连续多帧彩色图像;
将所述连续多帧彩色图像依次输入至所述训练好的目标检测模型,并根据所述目标检测模型输出的每帧彩色图像所对应的幼仔识别结果;
若根据每个所述幼仔识别结果,均确定所述目标牲畜臀部区域不存在幼仔,则确定所述牲畜分娩行为判断结果为难产。
根据本发明提供的一种牲畜分娩行为监控方法,还包括:
根据不同的牲畜分娩行为判断结果,生成对应的状态指令,并利用所述状态指令驱动可编程信号灯发出对应的状态提示;
所述状态提示包括灯光提示、声音提示和灯光闪烁频率提示中的至少一种。
根据本发明提供的一种牲畜分娩行为监控方法,还包括:
对所述预设时长内所采集的连续多帧彩色图像、与每帧所述彩色图像对应的热红外图像、所述预设时长内的牲畜分娩行为判断结果,进行存储,以供猪场管理员调用获并供触控显示屏展示。
第二方面,本发明还提供一种牲畜分娩行为监控装置,包括:
图像采集单元,用于获取包含目标牲畜臀部区域的热红外图像和彩色图像;
模型识别单元,用于将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;
幼仔判断单元,在根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔的情况下,获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;
图像匹配单元,用于将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;
结果判定单元,用于根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述牲畜分娩行为监控方法的步骤。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述牲畜分娩行为监控方法的步骤。
本发明提供的牲畜分娩行为监控方法及装置,采用彩色图像与热红外图像的多数据融合技术,通过融合温度与目标运动量检测,监测牲畜分娩行为,识别准确率高,有效地提升了牲畜养殖的自动化程度。
附图说明
为了更清楚地说明本发明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是本发明提供的牲畜分娩行为监控方法的流程示意图之一;
图2是本发明提供的牲畜分娩行为监控装置的结构示意图之一;
图3是本发明提供的一种YOLOv5s网络模型的网络结构示意图;
图4是本发明提供的Mosaic数据增强方法的流程示意图;
图5是本发明提供的Focus结构切片操作的示意图;
图6是本发明提供的牲畜分娩行为监控方法的流程示意图之二;
图7是本发明提供的牲畜分娩行为监控装置的结构示意图之二
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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。
需要说明的是,在本发明实施例的描述中,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、物品或者设备中还存在另外的相同要素。术语“上”、“下”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发明和简化描述,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发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合图1-图8描述本发明实施例所提供的牲畜分娩行为监控方法和装置。
图1是本发明提供的牲畜分娩行为监控方法的流程示意图之一,如图1所示,包括但不限于以下步骤:
步骤101:获取包含目标牲畜臀部区域的热红外图像和彩色图像;
步骤102:将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;
步骤103:若根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔,则获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;
步骤104:将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;
步骤105:根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
需要预先说明的是,本发明提供的牲畜分娩行为监测装置可以用于对牛舍、猪舍、羊舍等牲畜的分娩行为进行监测,为更清楚、简洁的阐述本发明的具体方案,在后续实施例中,均以对母猪分娩仔猪为例进行说明,其不视为对本发明保护范围的具体限定。
图2是本发明提供的牲畜分娩行为监控装置的结构示意图之一,如图2所示,所述牲畜分娩行为监控装置集成边缘计算技术,主要包括但不限于边缘计算单元、热红外传感器、全彩摄像头、信号灯、触控显示屏、电源模块等。
可选地,边缘计算单元内置多个USB接口、多媒体接口(High DefinitionMultimedia Interface,HDMI)、Wi-Fi通信模块、大容量内存卡(如64G存储卡),主要用于对热红外图像和彩色图像的读取与处理工作。
其中,热红外传感器可以选用如红外测温分辨率为0.25℃,测温范围为-20℃~80℃的高分辨率传感器,主要用于获取热红外图像,以监测母猪臀部区域的温度及仔猪体温。
全彩摄像头可以选用全彩自动对焦USB接口摄像头,以满足不同距离、全天候高清的彩色图像采集的需求。
显示屏可以选用触控显示屏,能够实现预设参数的调节、当前数据显示、历史数据回放等功能。
作为一种可选的方案,在步骤101中,可以牲畜分娩行为监控装置安装在母猪产床后方,并将热红外传感器与全彩摄像头调整为至少能够拍摄到母猪臀部区域(最好是正视母猪臀部区域),以全天候采集包含母猪臀部区域的热红外图像和彩色图像。
作为另一可选实施例,可以将牲畜分娩行为监控装置搭设在一可移动平台上,该可移动平台可以是一种电驱动的可移动底盘。另外,也可以预先在牲畜舍顶部上装设轨道,可移动平台能够通过电动滑轮运行在这一轨道上。
需要说明的是,本发明通过将牲畜分娩行为监控装置装设在可移动平台上能够根据实际监控需要,自动在牲畜舍中巡检。
可选地,上述可移动平台能够接收远程的操控指令,以根据操控指令运行至预先设置的任一目标位置。例如:预先在每个牲畜舍顶部上设置一个目标位置,在可移动平台巡检的过程中,在每次抵达一个目标位置后,停留预设时间,并在这一预设时间内执行上述实施例中所述的牲畜分娩行为监控,若确定牲畜分娩行为判断结果为未发生分娩行为,则继续对下一目标位置进行监控,并循环完成对所有目标位置的循环监测;若确定牲畜分娩行为判断结果为分娩或者其它分娩状态,则持续对在一目标位置进行牲畜分娩行为监控,直至分娩完成后,自动运行至下一目标位置。
作为另一可选实施例,可移动平台也可以接收用户远程发送的操控指令,直接运行至任一目标位置。
在本发明中热红外传感器与全彩摄像头是协同工作的,及在全彩摄像头每拍摄一帧彩色图像的同时,驱动热红外图像拍摄一帧热红外图像。或者,此时拍摄热红外图像和彩色图像,并按照拍摄时间,将每个时间点所拍摄的热红外图像和彩色图像进行一一对应,以为后期的彩色图像与热红外图像的多数据融合提供基础。
在步骤102中,将连续时间段内所采集的彩色图像依次输入至预先训练好的目标检测模型,以获取由目标检测模型输出的幼仔识别结果。
现有的YOLOv5算法中主要存在四个目标检测模型,分别为YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x网络模型。其中,YOLOv5s网络是深度最小、特征图的宽度最小的一种网络模型,其余的3种都是在此基础上不断加深,不断加宽,即YOLOv5s网络模型最为轻量化。
有鉴于此,在本发明所提供的牲畜分娩行为监测装置中所内置的目标检测模型可以选用YOLOv5s网络模型,以将仔猪目标检测的各个过程整合在一个神经网络模型中,通过对每帧彩色图像进行尺寸缩放处理后,输入至预先训练好的YOLOv5s网络模型,能够初步判断每帧彩色图像中是否存在刚分娩的仔猪幼体相关的图像信息,若存在,就能够准确预测仔猪所在的幼仔目标框。
图3是本发明提供的一种YOLOv5s网络模型的网络结构示意图,如图3所示,主要由四部分组成,分为:输入端、主干网络Backbone、Neck、Predicition四个部分。
可选地,其输入端主要包含以下功能模块:Mosaic数据增强、自适应锚框计算、自适应图片缩放操作模块;Backbone主要包含Focus结构和CSP结构;Neck主要包括FPN结构和PAN结构;Prediction主要包括边框优化损失函数(GIOU_Loss损失函数)。
图4是本发明提供的Mosaic数据增强方法的流程示意图,如图4所示,Mosaic数据增强方法主要是:可以将每4帧输入的彩色图像,通过随机缩放、随机剪裁、随机排布的方式进行拼接,生成一帧待检测图像,这样能够有效的丰富待检测目标的背景以及一些小目标,并且在进行批标准化Batch Normalization的时候,能够一次性计算四张彩色图片的数据,,使得mini-batch的大小不需要很大,一个GPU就可以达到比较好的效果,因此能有效地提升模型识别的效率,满足轻量化的要求。
另外,在本发明提供的目标检测模型中,自适应锚框计算是自动按照新的数据集标签labels自动学习锚点anchors的尺寸。采用k均值和遗传学习算法对自定义数据集进行分析,获得适合自定义数据集中对象边界框预测的预设锚定框。
上述涉及到自适应图像操作,主要是根据在常用的目标检测算法中,不同的图片长宽都不相同,因此常用的方式是将原始图片统一缩放到一个标准尺寸,再送入检测网络中,这样不改变原图像的长宽比,其他缺失区域用黑色补全,采用这种图像预处理方法能够在模型训练过程中,减少计算量,提高目标检测速度。
上述所提到的Focus模块,是指在目标检测模型中将彩色图片进入至backbone前,对图片进行切片操作。
图5是本发明提供的Focus结构切片操作的示意图,具体操作可以包括:
在一帧彩色图像中每隔一个像素提取到一个值,类似于邻近下采样,这样就可以针对每帧彩色图像确定四张待分析图像,且四张待分析图像互补,图像特征也相近,但不存在图像信息的丢失。
如图5所示,将一帧彩色图像中的左上角的(0,0),(0,1),(1,0),(1,1)四个像素坐标分别进行隔点抽样,然后进行拼接,则能够将每帧彩色图像下采样为四幅彩色图像。
这样一来,将待分析图像的宽度信息和高度信息集中到了通道空间,相当于输入通道扩充了4倍,即将四张待分析图像拼接起来的新图像,相对于原先的彩色图像的三通道模式变成了12个通道模式。
最后,再将得到的新的彩色图像经过卷积操作,最终得到了没有信息丢失情况下的二倍下采样特征图。
以YOLOv5s为例,原始的640*640*3的图像输入Focus结构,采用切片操作,先变成320*320*12的特征图,再经过一次卷积操作,最终变成320*320*32的特征图。
进一步地,上述所涉及到的CSP结构,包括:CSP1_X结构和CSP2_X结构。
在YOLOV5s中设计了两种CSP结构,以YOLOv5s网络为例,CSP1_X结构应用于Backbone主干网络,另一种CSP2_X结构则应用于Neck中。CSP结构通过将梯度的变化从头到尾地集成到特征图中,在减少了计算量的同时可以保证准确率。
本发明所采用的目标检测模型Yolov5s中,采用其中的边框优化损失GIOU_Loss做Bounding box的损失函数。
GIOU_Loss损失函数的表达式为:
其中,Ac为预测框和真实框最小框外接矩形的面积;U为预测框和真实框的并集;IoU为预测框和真实框的交并比。
作为一种解释,上述GIOU_Loss损失函数的实际运算原理,包括:先计算预测框和真实框的最小闭包区域面积Ac(同时包含了预测框和真实框的最小外接矩形框的面积);再计算出IoU后,计算闭包区域中不属于两个框的区域占闭包区域的比重;最后,用IoU减去这个比重则得到GIoU。
通过将每一帧彩色图像输入至上述YOLOv5目标检测模型,获取到其输出的每一帧彩色图像所对应的幼仔识别结果。
在步骤103中,若根据幼仔识别结果确定在确定某一帧彩色图像存在仔猪的情况下,该目标检测模型能够确定幼仔在该彩色图像中所对应的幼仔目标框。
由于母猪在实际分娩的过程中,刚分娩出来的仔猪幼体比其他仔猪体温高1~2℃,根据这一原理,本发明所提供的牲畜分娩行为监控方法,在步骤104中,在利用目标检测模型获取到的每帧彩色图像中的仔猪目标框之后,记录其在彩色图像中的坐标,记为第一区域坐标。
然后,获取热红外传感器1与摄像头2之间的坐标换算关系,再根据这一坐标换算关系,先将第一区域坐标换算成所述热红外图像上的第二区域坐标,以实现将彩色图像中的仔猪目标框的尺度缩放及平移转换等操作,映射至热红外图像中相对应的幼仔目标框区域。
然后,将热红外图像中的幼仔目标框区域,再映射至热红外数据矩阵中,则能够获取到述幼仔目标框区域内的温度分布。
其中,获取热红外传感器1与摄像头2之间的坐标换算关系的步骤,可以包括:
在进行坐标换算过程之前,利用摄像头和热红外相机同时拍摄一个点状热源,记录点状热源在彩色图像的坐标以及其在热红外图像的坐标。在多次测量之后,则可以采用线性回归方式,获得两者间坐标的转化方程。
在步骤105中,在根据热红外图像中,获取到幼仔目标框区域内的温度分布之后,则可以根据温度分布所提供的信息,确定牲畜分娩行为判断结果,对此本实施例不作具体的限定,例如:可以根据幼仔目标框区域内的温度最高值是否大于仔猪刚分娩时的最低温度要求(即刚分娩幼仔温度阈值),判断是否发生分娩。
本发明提供的牲畜分娩行为监控方法,采用彩色图像与热红外图像的多数据融合技术,通过融合温度与目标运动量检测,监测牲畜分娩行为,识别准确率高,有效地提升了牲畜养殖的自动化程度。
基于上述实施例的内容,作为一种可选实施例,所述根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果,包括:
若所述幼仔目标框区域内的最高温度大于刚分娩幼仔温度阈值,则确定所述牲畜分娩行为判断结果为分娩,否则确定所述牲畜分娩行为判断结果为其它分娩状态。
一般来说,母猪分娩行为状态可以分为:死胎、分娩(分娩还可以细分为分娩前期、分娩中期、分娩后期和分娩完成)、难产等状态。
图6是本发明提供的牲畜分娩行为监控方法的流程示意图之二,结合图6所示,将获取到的目标牲畜臀部区域的任一帧彩色图像输入至YOLOv5s目标检测模型后,按照上述实施例的方法,获取到该彩色图像所对应的热红外图像中的幼仔目标框区域,并获取该幼仔目标框区域内的温度分布。
在本实施例中,比较幼仔目标框区域内的最高温度与刚分娩幼仔温度阈值,假设幼仔目标框区域内的最高温度是36摄氏度,而刚分娩幼仔温度阈值是34摄氏度,则能够确定牲畜分娩行为判断结果为分娩;假设幼仔目标框区域内的最高温度仅为33摄氏度,小于娩幼仔温度阈值,则说明牲畜分娩行为结果不是处于分娩状态,如:处于死胎或者分娩完成一段时间(此时统称为其它分娩状态)。
作为另一可选实施例,上述根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果,还可以包括:
计算所述幼仔目标框区域内的温度中位数,作为所述幼仔目标框区域的平均温度;
确定所述幼仔目标框区域外预设范围内的周边区域,并计算所述周边区域的温度中位数,作为所述周边区域的平均温度;
若所述幼仔目标框区域的温度中位数(相当于幼仔目标框区域的温度中位数的平均温度)与所述周边区域的温度中位数(相当于周边区域的平均温度)之间的差值大于预先设定的温度差阈值,则确定所述牲畜分娩行为判断结果为分娩,否则确定所述牲畜分娩行为判断结果为其它分娩状态。
由于母猪分娩时,仔猪所在位置的温度会高于周边区域的温度,故在本实施例中,根据将幼仔目标框区域的温度中位数与周边区域的温度中位数进行对比,以确定牲畜分娩行为判断结果。
需要说明的是,幼仔目标框区域是将目标检测模型所识别的幼仔目标框,映射至热红外图像中所确定的。幼仔目标框区域所对应的周边区域的大小可以根据牲畜的种类确定,一般来说牲畜的体型越大,该周边区域相对较大。
将所述幼仔目标框区域的平均温度与周边区域的平均温度进行相减,假设幼仔目标框区域的平均温度为38摄氏度,周边区域的平均温度为35摄氏度,则两者之间的差值为3摄氏度,大于预先设定的温度差阈值(假设为1.5摄氏度),则说明所述牲畜分娩行为判断结果为分娩。相应地,若两者之间的差值小于或等于1.5摄氏度,则说明牲畜分娩行为判断结果为其它分娩状态。
本发明提供的牲畜分娩行为监控方法,通过彩色图像与热红外图像的多数据融合技术,确定出仔猪所在区域的平均温度,并将该温度与周边区域进行比较,能够准确的判断出母猪是否正处于分娩状态,检测精度高。
基于上述实施例的内容,作为一种可选实施例,在确定所述牲畜分娩行为判断结果为其它分娩状态之后,还包括:
获取所述彩色图像相关的预设时长内的连续多帧彩色图像;
将所述连续多帧彩色图像依次输入至所述训练好的目标检测模型,并根据所述目标检测模型输出的每帧彩色图像所对应的幼仔识别结果,确定每帧彩色图像所对应的幼仔目标框;
利用目标跟踪模型对所有仔猪目标框进行跟踪,获取所述幼仔在所述预设时长内的活动轨迹;
若根据所述活动轨迹确定所述幼仔在所述预设时长内持续活动,则确定所述其它分娩状态为分娩完成;
若根据所述活动轨迹确定所述幼仔在所述预设时长内静止,且所述幼仔目标框区域内的最高温度小于死胎温度阈值,则确定所述其它分娩状态为死胎。
可选地,本发明还通过预先装载目标跟踪模型,如采用IoU多帧关联算法,通过分析目标检测模型实时获取的仔猪目标框,在图像中的像素坐标,对比上一帧仔猪目标框的像素坐标与当前帧目标框的像素坐标的交集以及并集的比值,若连续多帧IoU大于预设值,即可判断该目标框的内容为同一仔猪,从而实现目标的精准跟踪。
其中,IoU算法计算公式如下:
其中:C为当前帧仔猪目标框;G为上一帧仔猪目标框。
结合图6所示,在根据获取到的幼仔目标框区域的温度分布,确定母猪处于其它分娩状态的情况下,需进一步判断是具体处于死胎、难产或其它状态。
首先,需要将连续预设时长(如2小时)内所采集的连续多帧彩色图像,依次输入至预先训练好的目标检测模型,以分别识别出每帧彩色图像中的幼仔目标框。
然后,通过对连续多帧彩色图像中的幼仔目标框的活动轨迹进行分析,以此预测仔猪的动作情况。
若根据仔猪在预设时长内的活动轨迹,确定仔猪一直处于运动状态,则说明分娩出的仔猪发生了在产床进行自由采食行为,故能够确定牲畜分娩行为判断结果具体为分娩完成。
作为另一可能性,若获取仔猪在预设时长内的活动轨迹的距离几乎为零,即说明分娩出的仔猪在预设时长内几乎是处于静止状态;再结合上述实施例中所采用的方法,确定到幼仔目标框区域内的最高温度(或者温度中位值)小于死胎温度阈值,那么就可以断定所分娩出来的仔猪是处于死胎状态。
其中,死胎温度阈值是指幼仔处于活体情况下的最低温度,低于这一温度,则基本可以判断出仔猪是处于死胎状态,例如:
假设死胎温度阈值为28摄氏度,实时获取2个小时内的彩色图像和热红外图像。
边缘计算模块获取仔猪幼体目标框在图像中坐标位置,将彩色图像中的第一区域坐标进行坐标,换算成对应热红外图像的第二区域坐标;然后将其映射到热红外温度矩阵中,求幼仔目标框区域内的最高温度。
若最高温度为36摄氏度大于刚分娩幼仔温度阈值34摄氏度,即可判断母猪发生分娩行为。
反之,若最高温度为26摄氏度,小于刚分娩幼仔温度阈值34摄氏度,则说明牲畜分娩行为判断结果为其它分娩状态。
此时,将连续2小时内的每一帧彩色图像(假设采样频率为每5分钟采集一帧彩色图像)依次输入至目标检测模型,能够确定每帧彩色图像中的幼仔目标框;
利用目标跟踪模型对所有仔猪目标框进行跟踪,则能够获取到仔猪在这两个小时内的活动轨迹。
若根据活动轨迹确定仔猪在这两个小时内基本保持静止状态,且最高温度小于死胎温度阈值28摄氏度,则可以确定仔猪是死胎。
若根据活动轨迹确定仔猪在这两个小时内一直处于运动状态,则可以确定仔猪在产床进行自由采食行为。
基于上述实施例的内容,作为另一可选实施例,若根据所述幼仔识别结果,确定所述目标牲畜臀部区域不存在幼仔,还包括:
获取所述彩色图像相关的预设时长内的连续多帧彩色图像;
将所述连续多帧彩色图像依次输入至所述训练好的目标检测模型,并根据所述目标检测模型输出的每帧彩色图像所对应的幼仔识别结果;
若根据每个所述幼仔识别结果,均确定所述目标牲畜臀部区域不存在幼仔,则确定所述牲畜分娩行为判断结果为难产。
结合图6所示,若在上述步骤中,通过目标检测模型对2小时内所采集的连续多帧彩色图像进行识别,但根据每帧彩色图像所对应的幼仔识别结果,确定目标牲畜臀部区域一直不存在幼仔,则说明母猪发生了难产。
本发明提供的牲畜分娩行为监控方法,采用目标检测模型与目标跟踪模型相结合以对识别出的幼仔所在的目标框进行活动轨迹模拟,再融合幼仔所在目标框内的温度分布情况,综合对牲畜分娩状态进行判断,自动化程度、和识别的精度均获得了极大的提高。
基于上述实施例的内容,作为一种可选实施例,本发明提供的牲畜分娩行为监控方法,还包括:根据不同的牲畜分娩行为判断结果,生成对应的状态指令,并利用所述状态指令驱动可编程信号灯发出对应的状态提示;所述状态提示包括灯光提示、声音提示和灯光闪烁频率提示中的至少一种。
以图6所示为例,由于牲畜分娩行为判断结果主要包括死胎、分娩、难产等,预先设定在牲畜分娩行为判断结果为死胎的情况下,将状态提示为红色信号灯闪烁;在牲畜分娩行为判断结果为分娩的情况下,状态提示为绿色信号灯闪烁;在牲畜分娩行为判断结果为难产的情况下,状态提示为黄色信号灯闪烁。
需要说明的是,上述可编程信号灯根据牲畜分娩行为判断结果作出不同的状态提示,可以根据对于可编程信号灯的实际编程情况进行更改和设置。
例如:还可以在确定牲畜分娩行为判断结果难产时,一方面控制可编程信号灯的黄色信号灯闪烁,并同时发出声音提示,该声音提示可以是语音播报,或者是预先录入的报警音。
进一步地,还可以根据难产的时长,提高黄色信号灯闪烁的频率,同时提高声音提示的响度或者音调。
另外,还可以在可编程信号灯上增设手动控制开关,以供猪场管理员控制其的运行状态,如当猪场管理人员介入时,通过手动控制开关解除信号灯闪烁警报。
另外,还可以将获取到牲畜分娩行为判断结果以及相关的分娩信息由Wi-Fi通信模块,采用无线通信的方式发送至场外管理人员。
本发明提供的牲畜分娩行为监控方法,通过设置信号灯,以实时的根据所识别的牲畜分娩行为判断结果,采用灯光、声音的方式进行展示,以便于猪场管理员直观的获取牲畜分娩状态,便于猪场管理人员对相应状况做出快速反应。
基于上述实施例的内容,作为一种可选实施例,本发明提供的牲畜分娩行为监控方法,还包括对所述预设时长内所采集的连续多帧彩色图像、与每帧所述彩色图像对应的热红外图像、所述预设时长内的牲畜分娩行为判断结果,进行存储,以供猪场管理员调用获并供触控显示屏展示。
触控显示屏用于接收猪场管理员的输入信息;所述输入信息包括所述目标检测模型及所述目标跟踪模型的预设参数、所述可编程信号灯的设置参数、分娩产床编号信息、耳标信息中的至少一项。
不同猪场母猪养殖环境存在差异性,母猪分娩监测装置的识别率会存在一定的差异,通过调节目标检测模型及目标跟踪模型的灵敏度可提高识别的准确率。
具体来说,在显示屏为触控显示屏的情况下,通过多点触控屏进行人机交互,主要可以用于实现预设参数(如目标检测模型及目标跟踪模型相关的参数)调节、各类阈值(如到达刚分娩仔猪温度阈值、预设难产时间间隔阈值等)设置、当前数据显示、历史数据回放等。
另外,猪场管理员通过触控显示屏输入分娩产床编号信息,并结结合预先记录的母猪耳标信息,便于母猪分娩过程的管理记录工作。
本发明提供的牲畜分娩行为监控方法,通过设置显示屏,尤其是触控显示屏,能满足猪场管理员对该监测装置的互动需求,如人工对预设参数进行设置调整、调取历史监测数据以实现大数据分析或者对任一母猪进行健康状态分析等,确保了监测装置的运用灵活性,提高猪场管理员的使用好感。
图7是本发明提供的牲畜分娩行为监控装置的结构示意图之二,如图7所示,主要包括但不限于图像采集单元1、模型识别单元2、幼仔判断单元3、图像匹配单元4和结果判定单元5,其中:
图像采集单元1主要用于获取包含目标牲畜臀部区域的热红外图像和彩色图像;
模型识别单元2主要用于将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;
幼仔判断单元3主要在根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔的情况下,获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;
图像匹配单元4主要用于将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;
结果判定单元5主要用于根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
可选地,本发明提供的牲畜分娩行为监控装置,首先通过调用模型识别单元2中的目标检测模型对图像采集单元1所采集的彩色图像进行识别,获取幼仔识别结果。幼仔判断单元3在根据幼仔识别结果,确定目标牲畜臀部区域存在幼仔的情况下,,获取仔猪目标框在彩色图像中坐标位置。
图像匹配单元4对仔猪目标框进行坐标变换以换算成对应热红外图像的坐标位置,映射到热红外温度矩阵中。
结果判定单元5在计算仔猪目标框区域的温度,或者获取仔猪目标框区域内的最高温度后,若确定上述温度大于刚分娩仔猪温度阈值,即可判断母猪发生分娩行为。
反之,若未达到刚分娩仔猪温度阈值,则进一步判断仔猪的体温与活动轨迹。所述刚分娩仔猪温度阈值是仔猪幼体的最低体温。
若监测仔猪体温降低至预设死胎温度阈值,并且通过目标跟踪模型确定目标检测模型所检测到仔猪目标框的中心点,在预设时间内其活动的轨迹距离几乎为0,则可判断为死胎。对应地,若监测仔猪体温在活体仔猪体温预设值范围内,且在预设时间内其活动的轨迹距离大于0,判断为仔猪发生在产床进行自由采食行为。
本发明提供的牲畜分娩行为监控装置,采用彩色图像与热红外图像的多数据融合技术,通过融合温度与目标运动量检测,监测牲畜分娩行为,识别准确率高,有效地提升了牲畜养殖的自动化程度。
需要说明的是,本发明实施例提供的牲畜分娩行为监控装置,在具体运行时,可以执行上述任一实施例所述的牲畜分娩行为监控方法,对此本实施例不作赘述。
图8是本发明提供的电子设备的结构示意图,如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行牲畜分娩行为监控方法,该方法包括:获取包含目标牲畜臀部区域的热红外图像和彩色图像;将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;若根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔,则获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的牲畜分娩行为监控方法,该方法包括:获取包含目标牲畜臀部区域的热红外图像和彩色图像;将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;若根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔,则获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的牲畜分娩行为监控方法,该方法包括:获取包含目标牲畜臀部区域的热红外图像和彩色图像;将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;若根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔,则获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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)
1.一种牲畜分娩行为监控方法,其特征在于,包括:
获取包含目标牲畜臀部区域的热红外图像和彩色图像;
将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;
若根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔,则获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;
将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;
根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
2.根据权利要求1所述的牲畜分娩行为监控方法,其特征在于,所述根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果,包括:
若所述幼仔目标框区域内的最高温度大于刚分娩幼仔温度阈值,则确定所述牲畜分娩行为判断结果为分娩,否则确定所述牲畜分娩行为判断结果为其它分娩状态。
3.根据权利要求1所述的牲畜分娩行为监控方法,其特征在于,所述根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果,包括:
计算所述幼仔目标框区域内的温度中位数,作为所述幼仔目标框区域的平均温度;
确定所述幼仔目标框区域外预设范围内的周边区域,并计算所述周边区域的温度中位数,作为所述周边区域的平均温度;
若所述幼仔目标框区域的平均温度与所述周边区域的平均温度之间的差值大于预先设定的温度差阈值,则确定所述牲畜分娩行为判断结果为分娩,否则确定所述牲畜分娩行为判断结果为其它分娩状态。
4.根据权利要求2或3任一所述的牲畜分娩行为监控方法,其特征在于,在确定所述牲畜分娩行为判断结果为其它分娩状态之后,还包括:
获取所述彩色图像相关的预设时长内的连续多帧彩色图像;
将所述连续多帧彩色图像依次输入至所述训练好的目标检测模型,并根据所述目标检测模型输出的每帧彩色图像所对应的幼仔识别结果,确定每帧彩色图像所对应的幼仔目标框;
利用目标跟踪模型对所有仔猪目标框进行跟踪,获取所述幼仔在所述预设时长内的活动轨迹;
若根据所述活动轨迹确定所述幼仔在所述预设时长内持续活动,则确定所述其它分娩状态为分娩完成;
若根据所述活动轨迹确定所述幼仔在所述预设时长内静止,且所述幼仔目标框区域内的最高温度小于死胎温度阈值,则确定所述其它分娩状态为死胎。
5.根据权利要求1所述的牲畜分娩行为监控方法,其特征在于,若根据所述幼仔识别结果,确定所述目标牲畜臀部区域不存在幼仔,还包括:
获取所述彩色图像相关的预设时长内的连续多帧彩色图像;
将所述连续多帧彩色图像依次输入至所述训练好的目标检测模型,并根据所述目标检测模型输出的每帧彩色图像所对应的幼仔识别结果;
若根据每个所述幼仔识别结果,均确定所述目标牲畜臀部区域不存在幼仔,则确定所述牲畜分娩行为判断结果为难产。
6.根据权利要求1所述的牲畜分娩行为监控方法,其特征在于,还包括:
根据不同的牲畜分娩行为判断结果,生成对应的状态指令,并利用所述状态指令驱动可编程信号灯发出对应的状态提示;
所述状态提示包括灯光提示、声音提示和灯光闪烁频率提示中的至少一种。
7.根据权利要求4所述的牲畜分娩行为监控方法,其特征在于,还包括:
对所述预设时长内所采集的连续多帧彩色图像、与每帧所述彩色图像对应的热红外图像、所述预设时长内的牲畜分娩行为判断结果,进行存储,以供猪场管理员调用获并供触控显示屏展示。
8.一种牲畜分娩行为监控装置,其特征在于,包括:
图像采集单元,用于获取包含目标牲畜臀部区域的热红外图像和彩色图像;
模型识别单元,用于将所述彩色图像输入至预先训练好的目标检测模型,以获取所述彩色图像的幼仔识别结果;
幼仔判断单元,在根据所述幼仔识别结果,确定所述目标牲畜臀部区域存在幼仔的情况下,获取所述幼仔所对应的幼仔目标框位于所述彩色图像中的第一区域坐标;
图像匹配单元,用于将所述第一区域坐标换算成所述热红外图像上的第二区域坐标,以确定所述幼仔在所述热红外图像中的幼仔目标框区域;
结果判定单元,用于根据所述幼仔目标框区域内的温度分布,确定牲畜分娩行为判断结果。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述牲畜分娩行为监控方法步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述牲畜分娩行为监控方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110987808.3A CN113762113A (zh) | 2021-08-26 | 2021-08-26 | 一种牲畜分娩行为监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110987808.3A CN113762113A (zh) | 2021-08-26 | 2021-08-26 | 一种牲畜分娩行为监控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113762113A true CN113762113A (zh) | 2021-12-07 |
Family
ID=78791260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110987808.3A Pending CN113762113A (zh) | 2021-08-26 | 2021-08-26 | 一种牲畜分娩行为监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762113A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114187128A (zh) * | 2021-12-23 | 2022-03-15 | 江苏华丽智能科技股份有限公司 | 一种家畜养殖行业的保温控制方法及系统 |
CN114403043A (zh) * | 2021-12-20 | 2022-04-29 | 北京市农林科学院智能装备技术研究中心 | 一种母猪查情方法、装置及系统 |
CN116747047A (zh) * | 2023-08-16 | 2023-09-15 | 北京市农林科学院智能装备技术研究中心 | 一种牲畜分娩监测方法、装置和系统 |
-
2021
- 2021-08-26 CN CN202110987808.3A patent/CN113762113A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114403043A (zh) * | 2021-12-20 | 2022-04-29 | 北京市农林科学院智能装备技术研究中心 | 一种母猪查情方法、装置及系统 |
CN114403043B (zh) * | 2021-12-20 | 2022-11-29 | 北京市农林科学院智能装备技术研究中心 | 一种母猪查情方法、装置及系统 |
CN114187128A (zh) * | 2021-12-23 | 2022-03-15 | 江苏华丽智能科技股份有限公司 | 一种家畜养殖行业的保温控制方法及系统 |
CN116747047A (zh) * | 2023-08-16 | 2023-09-15 | 北京市农林科学院智能装备技术研究中心 | 一种牲畜分娩监测方法、装置和系统 |
CN116747047B (zh) * | 2023-08-16 | 2023-12-22 | 北京市农林科学院智能装备技术研究中心 | 一种牲畜分娩监测方法、装置和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3644717B1 (en) | Data collection method for feeding aquatic animals | |
CN113762113A (zh) | 一种牲畜分娩行为监控方法及装置 | |
Wu et al. | Using a CNN-LSTM for basic behaviors detection of a single dairy cow in a complex environment | |
CN112655019A (zh) | 监控农业围栏中的牲畜 | |
KR102168641B1 (ko) | 가축 농가의 축사 관리 시스템 및 축사 관리 방법 | |
JP7382899B2 (ja) | 死亡鶏検知システム | |
CN110839557A (zh) | 母猪发情监测方法、装置、系统、电子设备及存储介质 | |
CN111723729A (zh) | 基于知识图谱的监控视频犬类姿态和行为智能识别方法 | |
CN112131927A (zh) | 基于妊娠后期姿态转化特性的母猪分娩时间预测系统 | |
CN110348349A (zh) | 一种收集、分析猪行为视频数据的方法和系统 | |
CN111797831A (zh) | 基于bim和人工智能的家禽进食并行异常检测方法 | |
Noe et al. | Automatic detection and tracking of mounting behavior in cattle using a deep learning-based instance segmentation model | |
CN114677624B (zh) | 基于云边协同的母猪分娩智能监测系统 | |
CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
CA3230401A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
CN112183487A (zh) | 基于5g的牲畜健康监测系统和方法 | |
CN116824626A (zh) | 一种动物异常状态人工智能识别的方法 | |
CN113989538A (zh) | 基于深度图像的鸡群均匀度估测方法、装置、系统及介质 | |
CN110991300B (zh) | 一种肉鸡腹部异常肿胀状态的自动识别方法 | |
CN117029904A (zh) | 一种智能化笼养家禽巡检系统 | |
Avanzato et al. | Dairy cow behavior recognition using computer vision techniques and CNN networks | |
Jeong et al. | A Monitoring System for Cattle Behavior Detection using YOLO-v8 in IoT Environments | |
CN110765930A (zh) | 水产养殖巡检系统、巡检方法和控制器 | |
KR102464539B1 (ko) | 영역별 개체 모니터링을 위한 유저 인터페이스 장치 | |
Silapachote et al. | An Embedded System Device to Monitor Farrowing |
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 |