CN114022302A - 一种基于视频监控的孕期山羊智能管理系统及管理方法 - Google Patents
一种基于视频监控的孕期山羊智能管理系统及管理方法 Download PDFInfo
- Publication number
- CN114022302A CN114022302A CN202111356530.6A CN202111356530A CN114022302A CN 114022302 A CN114022302 A CN 114022302A CN 202111356530 A CN202111356530 A CN 202111356530A CN 114022302 A CN114022302 A CN 114022302A
- Authority
- CN
- China
- Prior art keywords
- goats
- video monitoring
- goat
- lamb
- lambs
- 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.)
- Withdrawn
Links
- 241000283707 Capra Species 0.000 title claims abstract description 121
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000007726 management method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 85
- 230000035935 pregnancy Effects 0.000 claims abstract description 56
- 238000009395 breeding Methods 0.000 claims abstract description 11
- 230000001488 breeding effect Effects 0.000 claims abstract description 11
- 241000283903 Ovis aries Species 0.000 claims description 69
- 235000019687 Lamb Nutrition 0.000 claims description 65
- 230000008859 change Effects 0.000 claims description 31
- 238000003062 neural network model Methods 0.000 claims description 24
- 238000003307 slaughter Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 6
- 230000032696 parturition Effects 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 2
- 241001494479 Pecora Species 0.000 claims 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 241000283898 Ovis Species 0.000 description 27
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 235000020251 goat milk Nutrition 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (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
本发明公开了一种基于视频监控的孕期山羊智能管理系统及管理方法,包括视频监控系统、目标检测系统、数量统计预警系统和距离计算预警系统,所述视频监控系统连接于所述目标检测系统的输入端,所述目标检测系统的输出端分别连接于数量统计预警系统和距离计算预警系统,所述数量统计预警系统的输出端连接于所述距离计算预警系统的输入端,且所述视频监控系统、目标检测系统、数量统计预警系统和距离计算预警系统均电性连接于控制系统。本发明可以实时统计多个羊舍的内部状况,并显示出来,方便养殖者及时管理。本发明摒弃了传统的人工管理和传感器检测,将机器视觉和人工智能应用于山羊养殖业,极大地节省了养殖成本,提高了养殖户的经济效益。
Description
技术领域
本发明涉及养殖技术领域,具体为一种基于视频监控的孕期山羊智能管理系统及管理方法。
背景技术
山羊养殖业作为我国畜牧业重要组成产业之一,是维持羊肉、羊奶产业持续健康发展、优化农业结构、建设现代化农业的需要,是促进产业进步、提高农民收入的需要,在国家经济和发展中起到了不可替代的作用。山羊的分娩产仔是山羊养殖中非常重要的一环,直接影响养殖户的经济效益。
孕期山羊在怀孕分娩中经常出现多种问题,山羊产仔时间不定,需要养殖户全程跟踪观察,甚至经常在夜间轮换值守,费时费力;新生羔羊无人照料,将常被冻死或者被其他山羊踩踏致死,因此急需一种智能信息化的成年孕期孕期山羊管理系统。现阶段的孕期山羊管理主要是在动物身上佩戴传感器来检测动物的运动、声音等重要信息并加以分析,确定山羊的身体情况和分娩状态,实现预警通知。然而传统的传感器检测方法不仅有成本高、易脱落、易污染等弊端,而且无法满足孕期山羊孕期管理。
发明内容
本发明的目的在于提供一种基于视频监控的孕期山羊智能管理系统及管理方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于视频监控的孕期山羊智能管理系统,包括:
视频监控系统,用于采集饲养羊舍内孕期山羊和小羊羔的图片;
目标检测系统,用于检测所述图片中的孕期山羊和小羊羔;
数量统计预警系统,用于根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为,以确定是否发生母羊分娩或小羊羔出栏,并在确定发生母羊分娩或小羊羔出栏时发出报警信息;
距离计算预警系统,用于在所述数量统计预警系统确定小羊羔数量减少时,根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为确定是否发生踩踏事故,并在确定发生踩踏事故时发出告警信息。
进一步而言,所述目标检测系统包括图像处理模块和神经网络模型;
所述神经网络模型为YOLO目标检测模型,YOLO目标检测模型建立包括以下步骤:
S1、数据集图片预处理,视频监控直接采集的图片存在部分问题,需要进行处理和调整;
S2、神经网络训练,将处理后的待识别数据集送入神经网络模型,根据具体的需要设置训练参数;
S3、初步生成目标检测模型:生成能够准确检测和识别母羊和小羊羔的神经网络模型,输入图片可实现母羊和小羊羔的分类识别;
S4、验证目标检测模型:初步生成的神经网络模型可能效果并不稳定,需要用验证集验证其性能;
S5、调整目标检测模型:由以上验证结果分析得出需要调整的参数,并重新训练得到检测模型;
S6、确定最终模型:重复以上操作,直至模型检测性能良好,保存并应用该模型。
所述图像处理模块对图像采集模块采集的图片进行处理,在采集的所有的图片中挑选出目标羊只清晰、无遮挡、山羊特征明显的部分作为训练图片;将选出的图片进行乱序,按照特定比例分成训练集和验证集;设置孕期山羊和小羊羔两种标签,并将图片中的所有孕期山羊和小羊羔进行标记,制作成数据集;
所述神经网络模型根据数据集的大小、检测类别的多少、需要的精确度大小设置神经神经网络模型的各项参数,进行训练神经网络模型。
应用训练得到的神经网络权重到检测模块,实现目标检测任务,并分析检测速度、检测精度、检测准确率等技术指标,确定该权重的缺陷和优势,分析得出下一步需要改进的参数设置;
根据上一步分析的结果,修改神经网络中的相应参数,修改后再次进行训练,得出训练权重,再验证、分析、改进,直至网络训练权重检测性能良好。
进一步而言,所述数量统计预警系统包括数量变化统计模块和数量比较预测模块;
所述数量变化统计模块用于对目标检测系统检测的结果进行分类统计并按时间段进行储存;
所述数量比较预测模块用于对数量变化统计模块统计的数据进行比较预测母羊分娩、发生踩踏或小羊羔出栏等情况。
所述数量统计预警系统通过分类数量统计分别统计羊舍中的所有孕期山羊和小羊羔的总数量并存储每一时刻羊舍中孕期山羊和小羊羔的具体数量,实时检测羊舍中的所有孕期山羊和小羊羔数量,并与原始数量和上一时间段的统计数量进行比较,根据具体数量变化测定羊舍内部状况,根据数量判断得出羊舍内孕期山羊和小羊羔的具体状况,并适时提出预警,及时通知养殖者。
分类数量统计是在目标检测的基础上实现的,根据目标检测系统分别统计羊舍中的孕期山羊和小羊羔的具体数量;
由于孕期山羊生产、小羊羔出栏等原因会造成羊只数量的变化,为了及时掌握羊舍内孕期山羊和小羊羔数量的变化,需要按照一定的时间间隔存储羊舍中的孕期山羊和小羊羔的数量;
将当前检测到的羊舍中孕期山羊和小羊羔数量分别与原始数量和上一时刻的检测数量进行比较,得到两个比较结果并对其进行分析;
当小羊羔数量分别大于原始小羊羔数量和上一时刻小羊羔数量时有可能是孕期山羊新生了小羊羔,给养殖者发出警报,养殖者查看是否有孕期山羊正在分娩,是否需要人工辅助,并确认羊舍中小羊羔具体数量,重新设置初始数量;
当小羊羔数量分别小于原始小羊羔数量和上一时刻小羊羔数量时有可能是小羊羔从羊舍栅栏出栏或者被其他母羊踩踏遮挡,给养殖者发出警报,养殖者查看并确认羊舍中小羊羔是否出栏或被踩踏,并重新设置初始数量;
重复以上检测操作,实时检测羊舍内得孕期山羊和小羊羔数量动态变化。
进一步而言,所述距离计算预警系统包括距离检测模块和告警模块;
所述距离检测模块在数量比较预测模块检测到小羊羔数量减少时预测羊舍内所有检测目标中心点之间的距离,当存在目标之间距离小于安全距离,画出目标中心点连线,若无连线则推断可能小羊羔出栏;若有连接线,进一步测量两个目标中心点的横纵距离,横向距离小于安全值而纵向距离大于安全值,可判定为出现踩踏;横向距离小于安全值,而纵向距离也小于安全值,则判定山羊之间出现拥挤但无踩踏;
所述告警模块根据距离检测模块判定结果发出告警信息。
进一步而言,所述数量变化统计模块还根据数量变化的值生成一段时间内羊舍数量的变化曲线图。
进一步而言,还包括显示装置,用于显示所述报警信息和告警信息。
一种基于视频监控的孕期山羊智能管理方法,包括:
采集饲养羊舍内孕期山羊和小羊羔的图片;
检测所述图片中的孕期山羊和小羊羔;
根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为,以确定是否发生母羊分娩或小羊羔出栏,并在确定发生母羊分娩或小羊羔出栏时发出报警信息;
根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为确定是否发生踩踏事故,并在确定发生踩踏事故时发出告警信息。
与现有技术相比,本发明的有益效果是:
本发明可以实时统计多个羊舍的内部状况,并显示出来,方便养殖者及时管理。
本发明摒弃了传统的人工管理和传感器检测,将机器视觉和人工智能应用于山羊养殖业,极大地节省了养殖成本,提高了养殖户的经济效益。
本发明采用的是无接触式养殖管理模式,极大地减少了养殖人员与山羊的直接接触,消除了养殖者对山羊的影响,提供了更加良好的山羊生长环境。
本发明中采用的YOLO目标检测模型,检测识别率高、检测经速度快,实时性效果优良,非常适合母羊产后智能信息化管理。
附图说明
图1为本发明的整体系统结构示意图;
图2为本发明的整体系统结构流程图;
图3为本发明的目标检测系统模型训练流程图;
图4为本发明的数量统计预警系统工作流程图;
图5为本发明的距离计算预警系统工作流程图;
图中:视频监控系统1、目标检测系统2、数量统计预警系统3、距离计算预警系统4。
具体实施方式
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,所描述的实施例仅仅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,都属于本发明保护的范围。
请参阅图1-5,本发明提供一种技术方案:
一种基于视频监控的孕期山羊智能管理系统,包括视频监控系统1,用于采集饲养羊舍内孕期山羊和小羊羔的图片;
目标检测系统2,用于检测所述图片中的孕期山羊和小羊羔;
数量统计预警系统3,用于根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为,以确定是否发生母羊分娩或小羊羔出栏,并在确定发生母羊分娩或小羊羔出栏时发出报警信息;
距离计算预警系统4,用于在所述数量统计预警系统3确定小羊羔数量减少时,根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为确定是否发生踩踏事故,并在确定发生踩踏事故时发出告警信息。
本发明中,所述视频监控系统1包括图像采集模块,且所述图像采集模块由多个安装于孕期山羊集中饲养羊舍内部的摄像头组成,
图像采集模块采集的图片为大量的母羊和小羊羔图片。
本发明中,所述目标检测系统2包括图像处理模块和神经网络模型;
所述神经网络模型为YOLO目标检测模型,YOLO目标检测模型建立包括以下步骤:
S1、数据集图片预处理,视频监控直接采集的图片存在部分问题,需要进行处理和调整;
S2、神经网络训练,将处理后的待识别数据集送入神经网络模型,根据具体的需要设置训练参数;
S3、初步生成目标检测模型:生成能够准确检测和识别母羊和小羊羔的神经网络模型,输入图片可实现母羊和小羊羔的分类识别;
S4、验证目标检测模型:初步生成的神经网络模型可能效果并不稳定,需要用验证集验证其性能;
S5、调整目标检测模型:由以上验证结果分析得出需要调整的参数,并重新训练得到检测模型;
S6、确定最终模型:重复以上操作,直至模型检测性能良好,保存并应用该模型。
所述图像处理模块对图像采集模块采集的图片进行处理,在采集的所有的图片中挑选出目标羊只清晰、无遮挡、山羊特征明显的部分作为训练图片;将选出的图片进行乱序,按照特定比例分成训练集和验证集;设置孕期山羊和小羊羔两种标签,并将图片中的所有孕期山羊和小羊羔进行标记,制作成数据集;
所述神经网络模型根据数据集的大小、检测类别的多少、需要的精确度大小设置神经神经网络模型的各项参数,进行训练神经网络模型。
应用训练得到的神经网络权重到检测模块,实现目标检测任务,并分析检测速度、检测精度、检测准确率等技术指标,确定该权重的缺陷和优势,分析得出下一步需要改进的参数设置;
根据上一步分析的结果,修改神经网络中的相应参数,修改后再次进行训练,得出训练权重,再验证、分析、改进,直至网络训练权重检测性能良好。
本发明中,所述数量统计预警系统3包括数量变化统计模块和数量比较预测模块;
所述数量变化统计模块用于对目标检测系统2检测的结果进行分类统计并按时间段进行储存;
所述数量比较预测模块用于对数量变化统计模块统计的数据进行比较预测母羊分娩、发生踩踏或小羊羔出栏等情况。
所述数量统计预警系统3通过分类数量统计分别统计羊舍中的所有孕期山羊和小羊羔的总数量并存储每一时刻羊舍中孕期山羊和小羊羔的具体数量,实时检测羊舍中的所有孕期山羊和小羊羔数量,并与原始数量和上一时间段的统计数量进行比较,根据具体数量变化测定羊舍内部状况,根据数量判断得出羊舍内孕期山羊和小羊羔的具体状况,并适时提出预警,及时通知养殖者。
分类数量统计是在目标检测的基础上实现的,根据目标检测系统2分别统计羊舍中的孕期山羊和小羊羔的具体数量;
由于孕期山羊生产、小羊羔出栏等原因会造成羊只数量的变化,为了及时掌握羊舍内孕期山羊和小羊羔数量的变化,需要按照一定的时间间隔存储羊舍中的孕期山羊和小羊羔的数量;
将当前检测到的羊舍中孕期山羊和小羊羔数量分别与原始数量和上一时刻的检测数量进行比较,得到两个比较结果并对其进行分析;
当小羊羔数量分别大于原始小羊羔数量和上一时刻小羊羔数量时有可能是孕期山羊新生了小羊羔,给养殖者发出警报,养殖者查看是否有孕期山羊正在分娩,是否需要人工辅助,并确认羊舍中小羊羔具体数量,重新设置初始数量;
当小羊羔数量分别小于原始小羊羔数量和上一时刻小羊羔数量时有可能是小羊羔从羊舍栅栏出栏或者被其他母羊踩踏遮挡,给养殖者发出警报,养殖者查看并确认羊舍中小羊羔是否出栏或被踩踏,并重新设置初始数量;
重复以上检测操作,实时检测羊舍内得孕期山羊和小羊羔数量动态变化。
本发明中,所述距离计算预警系统4包括距离检测模块和告警模块;
所述距离检测模块在数量比较预测模块检测到小羊羔数量减少时预测羊舍内所有检测目标中心点之间的距离,当存在目标之间距离小于安全距离,画出目标中心点连线,若无连线则推断可能小羊羔出栏;若有连接线,进一步测量两个目标中心点的横纵距离,横向距离小于安全值而纵向距离大于安全值,可判定为出现踩踏;横向距离小于安全值,而纵向距离也小于安全值,则判定山羊之间出现拥挤但无踩踏;
所述告警模块根据距离检测模块判定结果发出告警信息。
本发明中,所述数量变化统计模块还根据数量变化的值生成一段时间内羊舍数量的变化曲线图。
本发明中,还包括显示装置,用于显示所述报警信息和告警信息。
一种基于视频监控的孕期山羊智能管理方法,包括:
采集饲养羊舍内孕期山羊和小羊羔的图片;
检测所述图片中的孕期山羊和小羊羔;
根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为,以确定是否发生母羊分娩或小羊羔出栏,并在确定发生母羊分娩或小羊羔出栏时发出报警信息;
根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为确定是否发生踩踏事故,并在确定发生踩踏事故时发出告警信息。
工作原理:
首先将摄像头分布在整个羊舍中,构成图像采集模块实时监控羊舍中的情况,并远程发送至管理中心的电脑端。然后构建目标检测系统2,使用训练好的神经网络模型检测采集到的羊舍图片和视频,并将其中的孕期山羊和小羊羔分别检测用矩形框画面上框出来,实现目标检测功能。接着通过数量统计模块,分别统计所有框出来的孕期山羊和小羊羔的数量,并根据设定的间隔时间存储数量变化,如果数量值出现变化,进入下一步,预测变化原因并预警,最后根据数量变化的值生成一段时间内羊舍数量的变化曲线图。再通过数量比较预测模块预测数量变化原因,如果小羊羔数量增多,预测可能是孕期山羊产仔,及时预警通知;如果山羊数量减少有可能是羊群过于密集遮挡严重或者发生踩踏事件,进行下一步检测。通过距离检测模块进行距离检测,根据目标检测计算每个羊只的中心点,计算画面中所有羊只中心点之间的距离,距离过近时再次计算两目标中心点之间的横纵距离,确认是否出现踩踏事件,并预警通知。
图像采集模块是在每个孕期山羊羊舍内部安装摄像头,并保证摄像头的持续供电和联网,同时摄像头能够拍摄到羊舍内部的任意角落,并远程将监控视频和图片等数据传送至控制系统的电脑端和服务器上。
目标检测模块是将监控采集的视频资料送入训练好的神经网络模型中,神经网络模型检测出视频中的所有孕期山羊和小羊羔,并框出来。其中本实施例采用的神经网络模型是YOLO目标检测模型,该模型不仅检测速度快而且检测正确率高,非常适合应用于本发明的二分类检测。
数量统计模块是将目标检测的结果统计并分析,本实施例中目标检测的结果是将孕期山羊和小羊羔用矩形框出来,并打上类别标签,统计所有类别标签的矩形框数量,得到羊舍内部的孕期山羊和小羊羔的数量,并按时间段将数量存储。数量变化统计模块,本实施例中为了确保分析结果的准确性,分别进行了多次数据比较,分别是:原始数量与当前数量比较、前一个时间段数量与当前数量比较、前三个时间段数量与当前数量比较,经过多层的比较结果确认当前羊舍的孕期山羊和小羊羔的数量是增多还是减少,并根据不同时间段的统计数量结果画出数量变化曲线图。
数量比较预测模块:若以上比较结果中有两个及以上显示小羊羔数量增多,则可能是有母羊新生小羊羔,立即预警通知养殖者当前状况;若以上有两个及其以上结果显示小羊羔数量减少,则有可能是发生踩踏或者小羊出栏等状况,则进入下一分析阶段。
距离检测模块:当数量预测结果确认小羊羔数量减少时,需要预测羊舍内所有检测目标中心点之间的距离,当存在目标之间距离小于安全距离,画出目标中心点连线,若无连线则推断可能小羊羔出栏。若有连接线,进一步测量两个目标中心点的横纵距离,横向距离小于安全值而纵向距离大于安全值,可判定为出现踩踏;横向距离小于安全值,而纵向距离也小于安全值,则判定山羊之间出现拥挤但无踩踏。最后根据以上判定结果发出预警通知。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于视频监控的孕期山羊智能管理系统,其特征在于:包括:
视频监控系统(1),用于采集饲养羊舍内孕期山羊和小羊羔的图片;
目标检测系统(2),用于检测所述图片中的孕期山羊和小羊羔;
数量统计预警系统(3),用于根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为,以确定是否发生母羊分娩或小羊羔出栏,并在确定发生母羊分娩或小羊羔出栏时发出报警信息;
距离计算预警系统(4),用于在所述数量统计预警系统(3)确定小羊羔数量减少时,根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为确定是否发生踩踏事故,并在确定发生踩踏事故时发出告警信息。
2.根据权利要求1所述的一种基于视频监控的孕期山羊智能管理系统,其特征在于:所述视频监控系统(1)包括图像采集模块,且所述图像采集模块由多个安装于孕期山羊集中饲养羊舍内部的摄像头组成。
3.根据权利要求2所述的一种基于视频监控的孕期山羊智能管理系统,其特征在于:所述目标检测系统(2)包括图像处理模块和神经网络模型;
所述图像处理模块用于对视频监控系统(1)采集的图片进行处理,在采集的图片中挑选出部分图片作为训练图片;将选出的图片进行乱序,分成训练集和验证集;将图片中的所有孕期山羊和小羊羔进行对应的标记,制作成数据集;
所述数据集用于对所述神经网络模型进行训练,训练完成的所述神经网络模型用于检测对所述视频监控系统(1)采集的图片进行目标检测。
4.根据权利要求3所述的一种基于视频监控的孕期山羊智能管理系统,其特征在于:所述神经网络模型为YOLO目标检测模型。
5.根据权利要求1所述的一种基于视频监控的孕期山羊智能管理系统,其特征在于:所述数量统计预警系统(3)包括数量变化统计模块和数量比较预测模块;
所述数量变化统计模块用于对目标检测系统(2)检测的结果进行分类统计并按时间段进行储存;
所述数量比较预测模块用于对数量变化统计模块统计的数据进行比较,并预测母羊分娩或小羊羔出栏的情况。
6.根据权利要求5所述的一种基于视频监控的孕期山羊智能管理系统,其特征在于:所述距离计算预警系统(4)包括距离检测模块和告警模块;
所述距离检测模块在数量比较预测模块检测到小羊羔数量减少时预测羊舍内所有检测目标中心点之间的距离,当存在目标之间距离小于安全距离,画出目标中心点连线,若无连线则推断可能小羊羔出栏;若有连接线,进一步测量两个目标中心点的横纵距离,横向距离小于安全值而纵向距离大于安全值,可判定为出现踩踏;横向距离小于安全值,而纵向距离也小于安全值,则判定山羊之间出现拥挤但无踩踏;
所述告警模块根据距离检测模块判定结果发出预警通知。
7.根据权利要求5所述的一种基于视频监控的孕期山羊智能管理系统,其特征在于:所述数量变化统计模块还根据数量变化的值生成一段时间内羊舍数量的变化曲线图。
8.根据权利要求1所述的一种基于视频监控的孕期山羊智能管理系统,其特征在于:还包括显示装置,用于显示所述报警信息和告警信息。
9.一种基于视频监控的孕期山羊智能管理方法,其特征在于,包括:
采集饲养羊舍内孕期山羊和小羊羔的图片;
检测所述图片中的孕期山羊和小羊羔;
根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为,以确定是否发生母羊分娩或小羊羔出栏,并在确定发生母羊分娩或小羊羔出栏时发出报警信息;
根据所述图片中的孕期山羊和小羊羔确定孕期山羊和小羊羔的行为确定是否发生踩踏事故,并在确定发生踩踏事故时发出告警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111356530.6A CN114022302A (zh) | 2021-11-16 | 2021-11-16 | 一种基于视频监控的孕期山羊智能管理系统及管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111356530.6A CN114022302A (zh) | 2021-11-16 | 2021-11-16 | 一种基于视频监控的孕期山羊智能管理系统及管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114022302A true CN114022302A (zh) | 2022-02-08 |
Family
ID=80064573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111356530.6A Withdrawn CN114022302A (zh) | 2021-11-16 | 2021-11-16 | 一种基于视频监控的孕期山羊智能管理系统及管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022302A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935439A (zh) * | 2023-07-18 | 2023-10-24 | 河北农业大学 | 一种孕羊分娩自动监测预警方法及自动监测预警系统 |
-
2021
- 2021-11-16 CN CN202111356530.6A patent/CN114022302A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935439A (zh) * | 2023-07-18 | 2023-10-24 | 河北农业大学 | 一种孕羊分娩自动监测预警方法及自动监测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104008367A (zh) | 基于计算机视觉的育肥猪的自动行为分析系统及方法 | |
CN112000051A (zh) | 一种基于物联网的畜牧养殖管理系统 | |
CN111310596A (zh) | 一种动物患病状态监测系统及方法 | |
CN113662530B (zh) | 一种猪只生理生长状态监测预警方法 | |
CN114980011B (zh) | 穿戴式传感器与红外相机协同的畜禽体温监测方法 | |
CN115250950B (zh) | 一种基于人工智能的畜禽养猪场巡检方法及系统 | |
CN108460370B (zh) | 一种固定式家禽生命信息报警装置 | |
CN114022302A (zh) | 一种基于视频监控的孕期山羊智能管理系统及管理方法 | |
CN116824626A (zh) | 一种动物异常状态人工智能识别的方法 | |
CN111797831A (zh) | 基于bim和人工智能的家禽进食并行异常检测方法 | |
CN111611978A (zh) | 基于步态识别的奶牛健康监测系统及方法 | |
CN106128105B (zh) | 一种交通路口行人行为监测系统 | |
AT524715A1 (de) | Verfahren und Vorrichtung zur Nachverfolgung von Tieren | |
KR20210116183A (ko) | 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법 | |
CN116935439A (zh) | 一种孕羊分娩自动监测预警方法及自动监测预警系统 | |
CN115830078A (zh) | 生猪多目标跟踪及行为识别方法、计算机设备与存储介质 | |
CN115777560A (zh) | 一种基于机器视觉分析技术的母猪智能化饲喂系统 | |
CN117029904A (zh) | 一种智能化笼养家禽巡检系统 | |
CN115349459A (zh) | 一种智能猪舍监控系统 | |
KR102332252B1 (ko) | 영상 분석 기반의 반추 동물의 발정행동패턴 분석 장치 및 방법 | |
CN113392927A (zh) | 一种基于单阶深度神经网络的动物目标检测方法 | |
CN113743261A (zh) | 一种猪体外伤的检测方法、装置和可读存储介质 | |
CN111652084A (zh) | 一种异常蛋鸡识别方法及装置 | |
Li et al. | Study on the Detection of Dairy Cows’ Self‐Protective Behaviors Based on Vision Analysis | |
TWI789879B (zh) | 智慧型禽隻群聚圖像辨識分析系統及方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220208 |
|
WW01 | Invention patent application withdrawn after publication |