CN114037552B - 一种肉鸭生理生长信息巡检方法及系统 - Google Patents
一种肉鸭生理生长信息巡检方法及系统 Download PDFInfo
- Publication number
- CN114037552B CN114037552B CN202210011141.8A CN202210011141A CN114037552B CN 114037552 B CN114037552 B CN 114037552B CN 202210011141 A CN202210011141 A CN 202210011141A CN 114037552 B CN114037552 B CN 114037552B
- Authority
- CN
- China
- Prior art keywords
- meat duck
- meat
- information
- duck
- head
- 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
- 235000013372 meat Nutrition 0.000 title claims abstract description 446
- 238000000034 method Methods 0.000 title claims abstract description 36
- 241000272517 Anseriformes Species 0.000 title abstract description 107
- 241000272525 Anas platyrhynchos Species 0.000 claims abstract description 377
- 238000007689 inspection Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000001931 thermography Methods 0.000 claims abstract description 45
- 238000004891 communication Methods 0.000 claims abstract description 33
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 13
- 230000036760 body temperature Effects 0.000 claims abstract description 11
- 230000037396 body weight Effects 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 45
- 235000021050 feed intake Nutrition 0.000 claims description 39
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 35
- 230000036541 health Effects 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000009529 body temperature measurement Methods 0.000 claims description 12
- 230000035622 drinking Effects 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 10
- 239000000725 suspension Substances 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 241000272522 Anas Species 0.000 claims 10
- 238000012544 monitoring process Methods 0.000 abstract description 17
- 238000009395 breeding Methods 0.000 abstract description 12
- 230000001488 breeding effect Effects 0.000 abstract description 12
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000008560 physiological behavior Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 51
- 238000012549 training Methods 0.000 description 16
- 239000003651 drinking water Substances 0.000 description 11
- 235000020188 drinking water Nutrition 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 10
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000004962 physiological condition Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 229910021529 ammonia Inorganic materials 0.000 description 3
- 230000036528 appetite Effects 0.000 description 3
- 235000019789 appetite Nutrition 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000006996 mental state Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003307 slaughter Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 244000144977 poultry Species 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000272834 Cairina moschata Species 0.000 description 1
- 206010011409 Cross infection Diseases 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012706 support-vector machine 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D45/00—Harvesting of standing crops
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/02—Breeding vertebrates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
- G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- 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
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Animal Husbandry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Marketing (AREA)
- Agronomy & Crop Science (AREA)
- Evolutionary Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Animal Behavior & Ethology (AREA)
- Zoology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
本发明涉及肉鸭养殖技术领域,公开了一种肉鸭生理生长信息巡检方法,通过实时采集的彩色图像、红外热成像图像等数据,利用计算机视觉技术,可实时分析肉鸭的多种生理行为、肉鸭的体温、体重等,融合其它肉鸭生理参数,对肉鸭当前的生理状态进行异常预警和生长状况评分,是集合肉鸭生理生长参数采集、计算机通信、数据处理与管理、分析与决策、网络传输的一体化设计,实现整个肉鸭监测流程数据采集以及分析的实时化、自动化、连续化、高效化,有利于管理人员实时掌握肉鸭的生长状况。且本发明还公开一种用于采集上述数据的巡检机器人,巡检机器人搭载了RGB摄像机、红外热成像摄像机、双目立体摄像机、RFID接收器、鸭脚环基站、环境传感模块。
Description
技术领域
本发明涉及肉鸭养殖技术领域,特别是涉及一种肉鸭生理生长信息巡检方法及系统。
背景技术
随着我国家禽养殖产业技术和装备不断完善,肉鸭的养殖规模不断地扩大,相当多肉鸭养殖场的养殖量达十万只以上。国内规模化的养鸭舍的单位范围内养殖密度大、肉鸭活动范围有限,一旦因疾病突发死亡后,存在无法及时清理病鸭、极易引起个体间交叉感染,导致大规模的个体死亡的问题。因此,定时地巡检、观察肉鸭的生长生理状态有着十分重要的意义。传统的方法是工作人员定时地对鸭舍进行巡查逐一判别,但人工巡查存在实时性差、耗费人力、鸭舍内刺激气味有害于人体健康等缺点。同时鸭是敏感的家禽,工作人员巡检时容易引起肉鸭的应激反应,不满足动物福利的需求。因此,目前,出现了通过机器采集信息对肉鸭进行监控的技术,但是目前的监测方法只能根据鸭舍的环境状况来监控肉鸭的养殖,无法对肉鸭实际的生长生理状况进行监控。
中国专利申请CN201610246433.4(公开号为CN105867488A)公开了一种白番鸭舍在线智能监测系统,包括环境指标监测模块、环境活动视频监测模块、一号无线传输模块、中央处理器、二号无线传输模块、智能管理模块和智能控制模块,智能管理模块包括服务器、台式电脑、笔记本和手机APP,智能控制模块包括除湿机、风机、取暖设备、光照调节装置、水泵控制装置和声光报警器,环境指标监测模块、环境活动视频监测模块通过一号无线传输模块与中央处理器连接,中央处理器通过二号无线传输模块与服务器、智能控制模块连接,服务器与台式电脑、笔记本和手机APP连接。该专利只能监控鸭舌的环境状况,无法监测肉鸭的实际生长生理状况。
发明内容
本发明的目的是提供一种可全面监测且健康评价情况准确性高的肉鸭生理生长信息巡检方法及系统。
为了实现上述目的,本发明提供了一种肉鸭生理生长信息巡检方法,包括如下步骤:
S1、获取对应肉鸭的生长周期和性别;
S2、通过巡检机器人采集肉鸭的生理信息、行为信息、运动量信息、采食量及饮水量信息;肉鸭的生理信息包括体温和体重;其中,肉鸭的体温信息采集及处理如下:获取肉鸭的红外热成像图像,将得到的红外热成像图像输入肉鸭测温模型,肉鸭测温模型为卷积神经网络模型,肉鸭测温模型先确定热成像图像中肉鸭头部的位置,再将红外热成像图像中肉鸭头部位置与该红外热成像图像的温度矩阵联立,取出当前鸭头区域的温度矩阵数值,将当前区域中温度最高值作为肉鸭头部的温度值;肉鸭测温模型包括热红外肉鸭头部检测模型和肉鸭头部温度确定模型,采集到的红外热成像图像输入热红外肉鸭头部检测模型中,热红外肉鸭头部检测模型输出该图像中的肉鸭头部位置信息,确定肉鸭头部在该图像中的位置,热红外肉鸭头部检测模型具体输出肉鸭头部ROI区域,肉鸭头部温度确定模型提取该图像中肉鸭头部温度矩阵数据,并输出其中的最高温度,作为肉鸭的头部温度;其中,肉鸭头部温度确定模型的温度矩阵信息的具体转化步骤包括:1、对红外热图像及其温宽条进行灰度化处理,获取红外热图像及其温宽条的灰度图,其中温宽条包括各像素的R分量、G分量和B分量;2、由于温宽条的灰度图中各像素对应的温度值是已知的,从而可根据该对应的温度值,经过对红外热图像上每一个像素的插值处理,进一步得到红外热图像上各像素的温度值。然后,肉鸭头部温度确定模型将肉鸭头部ROI区域与该红外热成像图像的温度矩阵联立,提取肉鸭头部ROI区域中的温度矩阵中最高温度数值作为该肉鸭的温度;
S3、将步骤S1获得的生长周期和性别信息以及步骤S2采集的信息输入健康评价模型,对肉鸭当前的生理状态进行异常预警和生长状况评分。
作为优选方案,肉鸭的体重信息采集及处理如下:获取肉鸭的RGB-D图像,将得到的RGB-D图像输入肉鸭估重模型,肉鸭估重模型为卷积神经网络模型,肉鸭估重模型先确定肉鸭在RGB-D图像中的投影面积,根据神经网络模型内的肉鸭投影面积与肉鸭重量的映射关系,输出肉鸭的重量估计值。
作为优选方案,肉鸭的行为信息采集及处理如下:获取肉鸭彩色图像,将得到的彩色图像分别输入肉鸭检测模型和肉鸭行为模型,肉鸭检测模型和肉鸭行为模型均为神经网络模型,通过肉鸭检测模型输出肉鸭在彩色图像中的目标位置信息,将肉鸭在彩色图像中的目标位置信息输入至肉鸭行为模型中,通过肉鸭行为模型输出对应目标位置的肉鸭行为信息。
本发明还提供一种基于上述肉鸭生理生长信息巡检方法的巡检系统,包括大数据平台、巡检机器人、数据处理装置、通信装置和多个信息采集装置,所述信息采集装置、所述通信装置和所述数据处理装置搭载于所述巡检机器人上,所述巡检机器人用于在养殖区域移动,所述信息采集装置与所述数据处理装置通讯连接,所述数据处理装置用于对所述信息采集装置采集到的信息进行分析并决策,所述信息采集装置、所述数据处理装置和所述大数据平台与所述通信装置通讯连接,所述通信装置用于将所述信息采集装置、所述数据处理装置的数据传输至所述大数据平台;所述数据处理装置包括肉鸭定位模块、肉鸭头部位置确定模块、肉鸭头部温度确定模块、掩膜分割模块、估重模块、肉鸭行为模块、运动量信息采集模块、采食量及饮水量信息模块,肉鸭定位模块用于接收获取的肉鸭图像并通过肉鸭检测模型得到图像中的肉鸭位置;肉鸭头部位置确定模块用于接收肉鸭定位模块输出的肉鸭位置信息并通过肉鸭头部检测模型得到图像中肉鸭头部位置;肉鸭头部温度确定模块用于接收肉鸭头部位置确定模块输出的肉鸭头部位置并通过肉鸭头部温度确定模型得到肉鸭头部的最高温;掩膜分割模块用于接收获取的图像并通过掩膜分割子模型确定图像中的肉鸭轮廓信息;估重模块用于接收掩膜分割模块输出的肉鸭轮廓信息并通过估重子模型得到对应的肉鸭重量信息;肉鸭行为模块用于接收肉鸭定位模块输出的肉鸭位置并通过肉鸭行为模型标注该肉鸭的行为;运动量信息采集模块用于统计肉鸭每小时的步数;采食量及饮水量信息模块用于统计肉鸭的平均采食量和平均饮水量。
作为优选方案,所述巡检机器人包括机身、移动轮和悬架,所述移动轮通过所述悬架与所述机身连接,所述机身内设有供电装置、驱动装置和控制装置,所述驱动装置和所述控制装置与所述供电装置连接,所述驱动装置与所述移动轮连接以带动所述移动轮,所述机身的上方连接有激光雷达,所述机身的周向均匀地设置有防撞雷达,所述激光雷达和所述防撞雷达与所述控制装置通讯连接,所述控制装置与所述驱动装置通讯连接。
作为优选方案,所述信息采集装置包括RGB摄像机、红外热成像摄像机和双目立体摄像机,所述巡检机器人的上方设有云台,所述云台通过可伸缩的支撑杆与所述巡检机器人连接,所述云台与所述支撑杆转动连接,所述双目立体摄像机连接在所述云台的上方,所述RGB摄像机和所述红外热成像摄像机分别连接于所述云台的两侧。
作为优选方案,所述巡检机器人上还设有鸭脚环基站、RFID接收器和环境传感器,所述鸭脚环基站用于接收安装在肉鸭上的鸭脚环的信息,所述RFID接收器用于接收饲料桶和饮水桶的监控装置的信息以及作业点的标签信息,所述环境传感器用于检测环境,所述鸭脚环基站、所述RFID接收器和所述环境传感器分别与所述数据处理装置通讯连接。
与现有技术相比,本发明的有益效果在于:
本发明通过选取肉鸭的生理信息、行为信息、运动量信息、采食量及饮水量信息进行监测,可及时察觉肉鸭的各种异常情况,对肉鸭的生长有全面的监控,保证肉鸭养殖的健康,提高出栏率。在监测时,通过生长周期和性别信息,可获得健康肉鸭应该具备的生理指标,若采集到的生理信息不在指标范围内,则为异常;同时,若肉鸭有伤病,会直接影响到肉鸭的精神状态、食欲和行为表现,因此,可通过行为信息、运动量信息、采食量及饮水量信息来判断肉鸭是否有异常。本发明根据肉鸭的生长周期和性别,健康评价模型具有健康肉鸭的各项指标,可与采集到的信息进行对比,给予评分,同时在分数过低时进行预警,可让工作人员更简单直观地掌握肉鸭的生长情况。
附图说明
图1是本发明实施例的肉鸭生理生长信息巡检方法的流程图。
图2是本发明实施例的步骤S2信息获取的流程图。
图3是本发明实施例的步骤S2中信息处理的流程图。
图4是本发明实施例的步骤S3中健康评价的流程图。
图5是本发明实施例的巡检机器人的作业流程图。
图6是本发明实施例的巡检机器人的第一视角结构示意图。
图7是本发明实施例的巡检机器人的第二视角结构示意图。
图中,1-机身;2-移动轮;3-悬架;4-激光雷达;5-防撞雷达;6-RGB摄像机;7-红外热成像摄像机;8-双目立体摄像机;9-云台;10-支撑杆;11-鸭脚环基站;12-RFID接收器;13-环境传感器;14-状态显示屏;15-数据显示屏;16-照明灯;17-数据处理装置;18-天线。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
在本发明的描述中,需要说明的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“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。
在本发明的描述中,需要说明的是,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,可以具体情况理解上述术语在本发明中的具体含义。
此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
实施例一
如图1至图7所示,本发明优选实施例的一种肉鸭生理生长信息巡检方法,包括如下步骤:
S1、获取对应肉鸭的生长周期和性别;
S2、通过巡检机器人采集肉鸭的生理信息、行为信息、运动量信息、采食量及饮水量信息;
S3、将步骤S1获得的生长周期和性别信息以及步骤S2采集的信息输入健康评价模型,对肉鸭当前的生理状态进行异常预警和生长状况评分。
本实施例通过选取肉鸭的生理信息、行为信息、运动量信息、采食量及饮水量信息进行监测,可及时察觉肉鸭的各种异常情况,对肉鸭的生长有全面的监控,保证肉鸭养殖的健康,提高出栏率。在监测时,通过生长周期和性别信息,可获得健康肉鸭应该具备的生理指标,若采集到的生理信息不在指标范围内,则为异常;同时,若肉鸭有伤病,会直接影响到肉鸭的精神状态、食欲和行为表现,因此,可通过行为信息、运动量信息、采食量及饮水量信息来判断肉鸭是否有异常。本实施例根据肉鸭的生长周期和性别,健康评价模型具有健康肉鸭的各项指标,可与采集到的信息进行对比,给予评分,同时在分数过低时进行预警,可让工作人员更简单直观地掌握肉鸭的生长情况。
具体地,在步骤S2中,肉鸭的生理信息包括体温和体重。
在本实施例中,肉鸭的体温信息采集及处理如下:获取肉鸭的红外热成像图像,将得到的红外热成像图像输入肉鸭测温模型,肉鸭测温模型为卷积神经网络模型,肉鸭测温模型先确定热成像图像中肉鸭头部的位置,再将红外热成像图像中肉鸭头部位置与该红外热成像图像的温度矩阵联立,取出当前鸭头区域的温度矩阵数值,将当前区域中温度最高值作为肉鸭头部的温度值。本实施例通过红外热成像摄像机获取肉鸭的红外热成像图像。肉鸭测温模型包括热红外肉鸭头部检测模型和肉鸭头部温度确定模型,采集到的红外热成像图像输入热红外肉鸭头部检测模型中,热红外肉鸭头部检测模型输出该图像中的肉鸭头部位置信息,确定肉鸭头部在该图像中的位置,本实施例的热红外肉鸭头部检测模型具体输出肉鸭头部ROI区域。肉鸭头部温度确定模型提取该图像中肉鸭头部温度矩阵数据,并输出其中的最高温度,作为肉鸭的头部温度。具体地,肉鸭头部温度确定模型的温度矩阵信息的具体转化步骤包括:1、对红外热图像及其温宽条进行灰度化处理,获取红外热图像及其温宽条的灰度图,其中温宽条包括各像素的R分量、G分量和B分量;2、由于温宽条的灰度图中各像素对应的温度值是已知的,从而可根据该对应的温度值,经过对红外热图像上每一个像素的插值处理,进一步得到红外热图像上各像素的温度值。然后,肉鸭头部温度确定模型将肉鸭头部ROI区域与该红外热成像图像的温度矩阵联立,提取肉鸭头部ROI区域中的温度矩阵中最高温度数值作为该肉鸭的温度。
其中,热红外肉鸭头部检测模型的建立是通过肉鸭检测模型再训练得到的。肉鸭检测模型用于在图像中确定肉鸭的位置。肉鸭检测模型的建立方法包括:1、采集训练数据,所述训练数据包括限位栏的肉鸭群RGB彩色图像;2、人工标注肉鸭位置信息;3、将训练数据作为模型输入,将对应目标肉鸭位置作为模型输出,基于深度学习的方法对初始的模型进行训练,得到所述的肉鸭检测模型。在肉鸭检测模型的基础上,热红外肉鸭头部检测模型对已知位置的肉鸭进行其头部的确定。热红外肉鸭头部检测模型的建立方法如下:1、采集热红外肉鸭图像训练集;2、人工标注热红外肉鸭图像数据的肉鸭头部位置;3、标注好的热红外肉鸭训练数据集作为热红外肉鸭头部检测模型的输入,对热红外肉鸭头部检测模型进行训练,进而得出训练好的热红外肉鸭头部检测模型。
本实施例的肉鸭的体重信息采集及处理如下:肉鸭的体重信息采集及处理如下:获取肉鸭的RGB-D图像,将得到的RGB-D图像输入肉鸭估重模型,肉鸭估重模型为卷积神经网络模型,肉鸭估重模型先确定肉鸭在RGB-D图像中的投影面积,根据神经网络模型内的肉鸭投影面积与肉鸭重量的映射关系,输出肉鸭的重量估计值。本实施例的肉鸭的RGB-D图像是通过双目立体摄像机采集的。肉鸭估重模型包括掩膜分割子模型和估重子模型,掩膜分割子模型用于确定图像中的肉鸭轮廓信息,估重子模型用于根据肉鸭轮廓信息输出对应的肉鸭重量信息。采集到的RGB-D图像输入至掩膜分割子模型得出被分割的肉鸭RGB-D掩模图像,再将掩模图像其输入估重子模型,得出肉鸭重量的估计值。掩膜分割子模型的建立方法如下:1、采集RGB-D图像以及该图像下对应肉鸭的重量值共同构成数据集;2、人工标记RGB-D图像中肉鸭轮廓信息;3、将标注的数据输入卷积神经网络模型进行训练,得到掩膜分割子模型。估重子模型的建立方法如下:将标注肉鸭轮廓信息与对应的肉鸭重量输信息入估重子模型进行训练,最后得出训练好的肉鸭估重模型。
另外,本实施例的肉鸭的行为信息采集及处理如下:获取肉鸭彩色图像,将得到的彩色图像分别输入肉鸭检测模型和肉鸭行为模型,肉鸭检测模型和肉鸭行为模型均为神经网络模型,通过肉鸭检测模型输出肉鸭在彩色图像中的目标位置信息,将肉鸭在彩色图像中的目标位置信息输入至肉鸭行为模型中,通过肉鸭行为模型输出对应目标位置的肉鸭行为信息。肉鸭行为模型的建立是基于对肉鸭检测模型的二次训练,包括:1、采集训练数据,训练数据包括限位栏的肉鸭行为彩色图像;2、标注肉鸭行为信息,包括采食、饮水、站立、躺下、啄羽等。3、基于准备的训练样本数据,基于深度卷积循环神经网络的方法对预训练的肉鸭行为模型进行训练,得出肉鸭行为模型。需要说明的是,在模型训练阶段,采集肉鸭行为图像样本信息需涵括肉鸭采食、饮水、站立、躺下的行为,进而将这些较为完备的行为信息作为训练样本,从而可以得到预测效果较好的模型,进而在利用训练好的模型和实时采集的肉鸭行为图像进行肉鸭行为预测时,可以得到较为准确的预测效果。
此外,本实施例的运动量信息采集主要是采集肉鸭的行走步数。获取肉鸭运动量数据后,统计肉鸭每小时步数,计算并分析单只肉鸭的运动量数据,主要是分析每个小时的步数是否过少或过多,和分析在白天时的步数和晚上时的步数,以及分析在白天各个时间段的步数,最后输出肉鸭该天的运动量数据。肉鸭的行走步数是通过穿戴在肉鸭上的鸭脚环进行采集的,其中鸭脚环不间断记录肉鸭的步数信息,步数信息以小时为单位,即以“每小时多少步”传输到健康评价模型。鸭脚环与鸡脚环相同。
进一步地,鸭脚环上设置该肉鸭的身份标识,在获取肉鸭的生长周期和性别信息时,根据个体肉鸭携带的身份标识对该肉鸭进行定位,以获取单只肉鸭相应的生长周期和性别。在生理信息、行为信息和运动量信息采集时,可与肉鸭相对应,该肉鸭的身份标识包括其定位信息,使RGB彩色图像、热红外肉鸭图像和RGB-D图像获取时,对同一位置进行获取,进而可获得同一肉鸭的相应图像,从而将该肉鸭的生理信息和行为信息联系起来,并且身份标识包括肉鸭的生长周期和性别,获取图像可与肉鸭的生长周期和性别相对应,在健康评价时,能对单只肉鸭的生长周期、性别、生理信息、行为信息和运动量信息进行全面的分析,实现精准评价。在本实施例在鸭脚环设置有蓝牙模块,可在信息采集时进行数据通信,并且,鸭脚环上还可设置GPS定位模块并在图像获取时发送位置信息,实现单只肉鸭的定位。
本实施例的采食量及饮水量信息采集是通过肉鸭所处的鸭笼中的饲料桶和饮水桶的重量进行确定的,是用于确定该鸭笼中的肉鸭的平均采食量和平均饮水量。饲料桶和饮水桶的重量由设置在饲料桶和饮水桶上传感器进行测量,并通过RFID进行通信,在信息获取时,通过RFID接收器读取传感器的数据。在采食量及饮水量确定时,具体地,获取此时的饲料桶和饮水桶的重量,得到肉鸭采食量和饮水量数据;接着统计该鸭笼的鸭群的采食量和饮水量,主要是将本次饲料桶和饮水桶的重量与上次获取的饲料桶和饮水桶的重量相减;之后计算并分析鸭群采食量和饮水量数据,主要是计算平均采食量和平均饮水量,具体如下:平均采食量=(本次饲料桶重量–上次饲料桶重量)÷肉鸭数量;平均饮水量=(本次饮水桶重量–上次饮水桶重量)÷肉鸭数量,并分析采食量和饮水量与上次相比,是否增加或减少以及变化幅度;最后输出肉鸭平均采食量和饮水量数据到健康评价模型进行评价。
综合地,步骤S2信息采集流程如下:S2.1、实时拍摄肉鸭彩色图像,图像传输至肉鸭检测模型中,该模型输出对应的肉鸭目标位置信息;S2.2、根据得出的肉鸭目标位置信息,输入至肉鸭行为模型中,该模型输出对应目标位置的肉鸭行为信息;S2.3、实时采集红外热成像图像数据,红外热成像图像传输至热红外肉鸭头部检测模型,该模型输出对应的肉鸭头部ROI区域;S2.4、将肉鸭头部ROI区域与该红外热成像图像的温度矩阵联立,提取肉鸭头部ROI区域中的温度矩阵中最高温度数值作为该肉鸭的温度;S2.5、实时采集肉鸭的RGB-D图像,输入至掩膜分割子模块得出被分割的肉鸭RGB-D掩模图像,再将掩模图像其输入估重子模型,得出肉鸭重量的估计值;S2.6、获取鸭脚环步数信息并进行均值计算,得到该鸭群的肉鸭的运动量情况,对群体肉鸭的运动进行打分,打分准则为:日均步数8000步及以上划为S级,日均步数6000-7999步划为A级,日均步数4000-5999步划为B级,日均步数3999步及以下划为C级;S2.7、获饲料桶和饮水桶重量信息,得出与初始重量的差值信息,根据肉鸭的个数,计算出该鸭群中肉鸭的平均采食量和平均饮水量。其中,平均采食量=(本次饲料桶重量–上次饲料桶重量)÷肉鸭数量;平均饮水量=(本次饮水桶重量–上次饮水桶重量)÷肉鸭数量。
根据采集和处理完毕的数据,健康评价模型进行多数据融合分析,对肉鸭的生理生长状况做预警及评估处理。
本实施例的健康评价模型包括生理状态预警模型和生长状况评分模型。生理状态预警模型和生长状况评分模型的建立方法包括但不限于决策树、随机森林、支持向量机和BP神经网络。
生理状态预警模型对生理状态异常的肉鸭进行预警。将采集到的肉鸭头部温度数据、肉鸭行为信息、运动量信息、采食量及饮水量数据输入到生理状态预警模型,生理状态预警模型先检测肉鸭头部的温度是否处于健康的范围值,当肉鸭头部的温度为异常值时,生理状态预警模型再根据肉鸭头部温度的偏差程度,以及当前肉鸭的行为、运动量、采食量、饮水量等数据,对健康不达标如体温异常、运动量等异常的肉鸭做出“健康异常”预警。
生长状况评分模型对肉鸭生长状况进行评分,分为A、B、C、D四个等级。将肉鸭的生长周期、性别、体重数据、采食量及饮水量数据输入至生长状况评分模型,生长状况评分模型结合肉鸭当前的体重、生长周期、性别、采食量、饮水量等,对肉鸭当前生长状况进行评分。以同样生长周期和性别的肉鸭为模板,对采集到数据进行对比,超过一定的体重范围、采食量和饮水量范围,在变化幅度进行等差加减分,本实施例在体重健康范围值内可以采取增分,超过健康范围值采取减分,比如体重超过0.1kg,加上5分,体重超过0.2kg,加上10分;体重轻于0.1kg则扣除5分,体重轻于0.2kg,则扣除10分。根据肉鸭的分数进行评级。本实施例在鸭舍巡检中实时显示肉鸭生理生长状态,以便工作人员现场处理,同时将预警和评分结果上传至物联网平台,方便远程监控,有利于工作人员进一步监督排查,对数据进一步的处理,以供相关人员对肉鸭的生长生理状况做出进一步分析与决策。
可选地,本实施例的肉鸭检测模型、肉鸭行为模型和热红外肉鸭头部检测模型基于Faster R-CNN、SSD和YOLO等卷积神经网络模型训练实现;肉鸭估重模型为Mask R-CNN卷积神经网络模型。
此外,本实施例还对鸭舍的环境信息进行采集,包括当前环境温度、湿度、二氧化碳浓度、氨气浓度、光照强度,以为肉鸭的生长提供舒适的环境。
本实施在步骤S2中,通过巡检机器人采集肉鸭的生理信息、行为信息、运动量信息、采食量及饮水量信息。
巡检机器人上搭载RGB摄像机、红外热成像摄像机、双目立体摄像机、鸭脚环基座、RFID接收器和环境传感模块。RGB摄像机用于采集肉鸭彩色图像;红外热成像摄像机用于采集肉鸭红外热成像图像;双目立体摄像机用于采集RGB-D图像;鸭脚环基站用于接收鸭脚环的信息,采集肉鸭的运动量数据;RFID接收器用于接收饲料桶和饮水桶的传感器数据,用于采集肉鸭采食量与饮水量数据;环境传感模块用于采集环境温湿度、氨气浓度、CO2浓度等数据。
本实施例的巡检步骤如下:在鸭舍中设置巡检机器人移动的通道,通道的两侧设置限位栏,限位栏上安装RFID标签,用于标记各个停留检测作业点。巡检机器人依靠其上设置的激光雷达摄像机对周围环境进行地图建模,形成平面地图后,用户设定机器人的巡检路径,在巡检路径上规划机器人需要停留的作业点以及巡检机器人的充电点,作业点通常为通道两侧的某限位栏的中心点。在限位栏处设置有该限位栏的RFID标签,机器人在采集数据前首先读取该限位栏的标签信息,对应该限位栏信息后开始采集位于该限位栏内的肉鸭数据。
具体地,巡检机器人上的激光雷达可发射激光束,当激光光束向前传播遇到障碍物后会折返,激光雷达接收到折返的光束,根据折返的时间计算目标与激光雷达的相对距离,用以准确测量视场中物体轮廓边沿与设备间的相对距离,并根据轮廓信息组成点云图像并绘制成环境地图,形成建模地图,进一步建立巡检路径。建模地图利用激光雷达在特定客户端与巡检机器人的工控机进行地图建模,后根据建好的地图规划路径,设置路径停留点,巡检机器人根据设定的路径与停留点进行采集数据。巡检机器人根据预设路径可以规划充电点,可在巡检机器人电量不足时自动返回充电点进行充电。在巡检中,将充电点设为起始点和终点,巡检机器人每两个小时执行一次巡检作业,每经过一个栏位停留一段时间,进行数据采集和分析,当完成最后一个限位栏巡检后,巡检机器人自动返回充电点,等待下一次巡检。
本实施例的巡检机器人搭载了RGB摄像机、红外热成像摄像机、双目立体摄像机、RFID接收器、鸭脚环基站、环境传感模块能够对肉鸭的生理行为、体温、体重、运动量、平均采食量以及环境参数实时监测,是监测最为全面的肉鸭巡检机器人。
实施例二
本实施例提供一种基于实施例一的肉鸭生理生长信息巡检方法的系统,包括大数据平台、巡检机器人、数据处理装置17、通信装置和多个信息采集装置,信息采集装置、通信装置和数据处理装置17搭载于巡检机器人上,巡检机器人用于在养殖区域移动,信息采集装置与数据处理装置17通讯连接,数据处理装置17用于对信息采集装置采集到的信息进行分析并决策,信息采集装置、数据处理装置17和大数据平台与通信装置通讯连接,通信装置用于将信息采集装置、数据处理装置17的数据传输至大数据平台。数据处理装置17可将采集的所有数据打包传回至大数据平台,可对数据进一步的处理,以供相关人员对肉鸭的生长生理状况做出进一步分析与决策。
本实施例的数据处理装置17包括肉鸭定位模块、肉鸭头部位置确定模块、肉鸭头部温度确定模块、掩膜分割模块、估重模块、肉鸭行为模块、运动量信息采集模块、采食量及饮水量信息模块,肉鸭定位模块用于接收获取的肉鸭图像并通过肉鸭检测模型得到图像中的肉鸭位置;肉鸭头部位置确定模块用于接收肉鸭定位模块输出的肉鸭位置信息并通过肉鸭头部检测模型得到图像中肉鸭头部位置;肉鸭头部温度确定模块用于接收肉鸭头部位置确定模块输出的肉鸭头部位置并通过肉鸭头部温度确定模型得到肉鸭头部的最高温;掩膜分割模块用于接收获取的图像并通过掩膜分割子模型确定图像中的肉鸭轮廓信息;估重模块用于接收掩膜分割模块输出的肉鸭轮廓信息并通过估重子模型得到对应的肉鸭重量信息;肉鸭行为模块用于接收肉鸭定位模块输出的肉鸭位置并通过肉鸭行为模型标注该肉鸭的行为;运动量信息采集模块用于统计肉鸭每小时的步数;采食量及饮水量信息模块用于统计肉鸭的平均采食量和平均饮水量。因此,本实施例在巡检机器人上搭载数据处理装置17,可实时实地输出数据分析结果,便于工作人员及时收悉相应情况并方便排查。
可选地,本实施例的数据处理装置17为计算机,数据处理装置17安装在巡检机器人上。通信装置包括天线18,天线18连接在巡检机器人上。
具体地,本实施例的巡检机器人包括机身1、移动轮2和悬架3,移动轮2通过悬架3与机身1连接,机身1内设有供电装置、驱动装置和控制装置,驱动装置和控制装置与供电装置连接,驱动装置与移动轮2连接以带动移动轮2,机身1的上方连接有激光雷达4,机身1的周向均匀地设置有防撞雷达5,激光雷达4和防撞雷达5与控制装置通讯连接,控制装置与驱动装置通讯连接。悬架3包括减震器,可为巡检机器人起到减震作用。激光雷达4发射激光束,当激光光束向前传播遇到障碍物后会折返,激光雷达4接收到折返的光束,根据折返的时间计算目标与激光雷达4的相对距离,用以准确测量视场中物体轮廓边沿与巡检机器人的相对距离,并根据轮廓信息组成点云图像并绘制成环境地图,形成建模地图,进一步建立巡检路径。建模地图利用激光雷达4在特定客户端与控制装置进行地图建模,后根据建好的地图规划路径,设置路径停留点,巡检机器人根据设定的路径与停留点进行采集数据。巡检机器人根据预设路径可以规划充电点,可在巡检机器人电量不足时自动返回充电点进行充电。防撞雷达5用于机器人在巡航时探测四周是否存在障碍物,以及时调整巡检机器人的行走方向和路线。
进一步地,机身1包括外壳和底盘,外壳罩设在底盘上,使机身1成四棱台状,供电装置、驱动装置和控制均设置在外壳内。本实施例的控制装置为工控机。驱动装置包括伺服舵机、伺服电机和差速器,本实施例的机身1连接有四个移动轮2,每一个移动轮2都和与其相邻的一个伺服舵机用舵机支架和伺服电机用电机支架固定连接,每一个移动轮2都由与其相连一个伺服舵机负责控制转向,每一个移动轮2都由与其相连的一个伺服电机提供动力;四个伺服舵机与控制装置相连接,由控制装置控制伺服舵机的转向,从而实现四个车轮的独立转向。另外,本实施例在机身1的前、后、左、右四个方向上各安装了一个防撞雷达5,可全面探测障碍物。此外,本实施例的供电装置包括蓄电池和电源管理器,蓄电池与电源管理器通过线束连接,电源管理器与控制装置、驱动装置、数据处理装置17、通信装置和信息采集装置通过线束连接,蓄电池负责巡检机器人的整机供电。
本实施例的信息采集装置包括RGB摄像机6、红外热成像摄像机7和双目立体摄像机8,巡检机器人的上方设有云台9,云台9通过可伸缩的支撑杆10与巡检机器人连接,云台9与支撑杆10转动连接,双目立体摄像机8连接在云台9的上方,RGB摄像机6和红外热成像摄像机7分别连接于云台9的两侧。RGB摄像机6用于拍摄肉鸭的彩色图像;红外热成像摄像机7用于拍摄肉鸭的红外热成像图像,双目立体摄像机8用于拍摄肉鸭的RGB-D图像。RGB摄像机6、红外热成像摄像机7和双目立体摄像机8通过线束与数据处理装置17连接。云台9的内部安装有两个用于控制云台9四向转动的伺服舵机。支撑杆10为液压伸缩杆。
另外,巡检机器人上还设有鸭脚环基站11、RFID接收器12和环境传感器13,鸭脚环基站11用于接收安装在肉鸭上的鸭脚环的信息,RFID接收器12用于接收饲料桶和饮水桶的监控装置的信息以及作业点的标签信息,环境传感器13用于检测环境,鸭脚环基站11、RFID接收器12和环境传感器13分别与数据处理装置17通讯连接。本实施例的鸭脚环基站11、RFID接收器12和环境传感器13通过线束与数据处理装置17连接。RFID接收器12包括饲料桶RFID接收器、饮水桶RFID接收器和限位栏RFID接收器,饲料桶RFID接收器用于与饲料桶上的监控装置进行通信,饮水桶RFID接收器用于与饮水桶上的监控装置进行通信,限位栏RFID接收器用于读取设置在限位栏上的RFID标签信息。环境传感器13上集成了集成温度传感器、湿度传感器、二氧化碳传感器、氨气传感器和光强传感器。
本实施例的巡检机器人搭载了RGB摄像机6、红外热成像摄像机7、双目立体摄像机8、鸭脚环基站11、RFID接收器12、环境传感13,能够对肉鸭的生理行为、体温、体重、运动量、平均采食量以及环境参数实时监测,可对肉鸭的生长进行全面的监测。并且巡检机器人上设置数据处理装置17和通信装置,使本实施例的巡检机器人为集合肉鸭生理生长参数采集、计算机通信、数据处理与管理、分析与决策、网络传输的一体化设计,实现整个肉鸭监测流程数据采集以及分析的实时化、自动化、连续化、高效化,有利于管理人员实时掌握肉鸭的生长状况。
此外,本实施例的机身1的正前方还设有状态显示屏14,状态显示屏14用于显示巡检机器人当前的任务状态,比如鸭脚环数据接收完毕、环境传感器检测完毕、RGB图像拍摄完成等。机身1的正后方设有数据显示屏15,数据显示屏15用于数据收集分析结果展示以及肉鸭健康状态,比如肉鸭头部的温度数值,肉鸭的行走步数等。状态显示屏14通过线束与控制装置、RGB摄像机6、红外热成像摄像机7、双目立体摄像机8、鸭脚环基站11、RFID接收器12、环境传感器13连接和数据处理装置17连接,数据显示屏15通过线束与数据处理装置17连接。本实施例的机身1的前侧还设有照明灯16。
综上,本发明实施例提供一种肉鸭生理生长信息巡检方法,其通过选取肉鸭的生理信息、行为信息、运动量信息、采食量及饮水量信息进行监测,可及时察觉肉鸭的各种异常情况,对肉鸭的生长有全面的监控,保证肉鸭养殖的健康,提高出栏率。在监测时,通过生长周期和性别信息,可获得健康肉鸭应该具备的生理指标,若采集到的生理信息不在指标范围内,则为异常;同时,若肉鸭有伤病,会直接影响到肉鸭的精神状态、食欲和行为表现,因此,可通过行为信息、运动量信息、采食量及饮水量信息来判断肉鸭是否有异常。本实施例根据肉鸭的生长周期和性别,健康评价模型具有健康肉鸭的各项指标,可与采集到的信息进行对比,给予评分,同时在分数过低时进行预警,可让工作人员更简单直观地掌握肉鸭的生长情况。并且,本发明实施例还提供一种可采集上述信息并进行处理的巡检机器人,可实时采集的彩色图像、红外热成像图像等数据,利用计算机视觉技术,可实时分析肉鸭的多种生理行为、肉鸭的体温、体重等,融合其它肉鸭生理参数,对肉鸭当前的生理状态进行异常预警和生长状况评分。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (7)
1.一种肉鸭生理生长信息巡检方法,其特征在于,包括如下步骤:
S1、获取对应肉鸭的生长周期和性别;
S2、通过巡检机器人采集肉鸭的生理信息、行为信息、运动量信息、采食量及饮水量信息;肉鸭的生理信息包括体温和体重;其中,肉鸭的体温信息采集及处理如下:获取肉鸭的红外热成像图像,将得到的红外热成像图像输入肉鸭测温模型,肉鸭测温模型为卷积神经网络模型,肉鸭测温模型先确定热成像图像中肉鸭头部的位置,再将红外热成像图像中肉鸭头部位置与该红外热成像图像的温度矩阵联立,取出当前鸭头区域的温度矩阵数值,将当前区域中温度最高值作为肉鸭头部的温度值;肉鸭测温模型包括热红外肉鸭头部检测模型和肉鸭头部温度确定模型,采集到的红外热成像图像输入热红外肉鸭头部检测模型中,热红外肉鸭头部检测模型输出该图像中的肉鸭头部位置信息,确定肉鸭头部在该图像中的位置,热红外肉鸭头部检测模型具体输出肉鸭头部ROI区域,肉鸭头部温度确定模型提取该图像中肉鸭头部温度矩阵数据,并输出其中的最高温度,作为肉鸭的头部温度;其中,肉鸭头部温度确定模型的温度矩阵信息的具体转化步骤包括:1、对红外热图像及其温宽条进行灰度化处理,获取红外热图像及其温宽条的灰度图,其中温宽条包括各像素的R分量、G分量和B分量;2、由于温宽条的灰度图中各像素对应的温度值是已知的,从而可根据该对应的温度值,经过对红外热图像上每一个像素的插值处理,进一步得到红外热图像上各像素的温度值;然后,肉鸭头部温度确定模型将肉鸭头部ROI区域与该红外热成像图像的温度矩阵联立,提取肉鸭头部ROI区域中的温度矩阵中最高温度数值作为该肉鸭的温度;
S3、将步骤S1获得的生长周期和性别信息以及步骤S2采集的信息输入健康评价模型,对肉鸭当前的生理状态进行异常预警和生长状况评分。
2.根据权利要求1所述的肉鸭生理生长信息巡检方法,其特征在于,肉鸭的体重信息采集及处理如下:获取肉鸭的RGB-D图像,将得到的RGB-D图像输入肉鸭估重模型,肉鸭估重模型为卷积神经网络模型,肉鸭估重模型先确定肉鸭在RGB-D图像中的投影面积,根据神经网络模型内的肉鸭投影面积与肉鸭重量的映射关系,输出肉鸭的重量估计值。
3.根据权利要求1所述的肉鸭生理生长信息巡检方法,其特征在于,肉鸭的行为信息采集及处理如下:获取肉鸭彩色图像,将得到的彩色图像分别输入肉鸭检测模型和肉鸭行为模型,肉鸭检测模型和肉鸭行为模型均为神经网络模型,通过肉鸭检测模型输出肉鸭在彩色图像中的目标位置信息,将肉鸭在彩色图像中的目标位置信息输入至肉鸭行为模型中,通过肉鸭行为模型输出对应目标位置的肉鸭行为信息。
4.一种基于权利要求1-3任一项所述的肉鸭生理生长信息巡检方法的巡检系统,其特征在于,包括大数据平台、巡检机器人、数据处理装置、通信装置和多个信息采集装置,所述信息采集装置、所述通信装置和所述数据处理装置搭载于所述巡检机器人上,所述巡检机器人用于在养殖区域移动,所述信息采集装置与所述数据处理装置通讯连接,所述数据处理装置用于对所述信息采集装置采集到的信息进行分析并决策,所述信息采集装置、所述数据处理装置和所述大数据平台与所述通信装置通讯连接,所述通信装置用于将所述信息采集装置、所述数据处理装置的数据传输至所述大数据平台;
所述数据处理装置包括肉鸭定位模块、肉鸭头部位置确定模块、肉鸭头部温度确定模块、掩膜分割模块、估重模块、肉鸭行为模块、运动量信息采集模块、采食量及饮水量信息模块,肉鸭定位模块用于接收获取的肉鸭图像并通过肉鸭检测模型得到图像中的肉鸭位置;肉鸭头部位置确定模块用于接收肉鸭定位模块输出的肉鸭位置信息并通过肉鸭头部检测模型得到图像中肉鸭头部位置;肉鸭头部温度确定模块用于接收肉鸭头部位置确定模块输出的肉鸭头部位置并通过肉鸭头部温度确定模型得到肉鸭头部的最高温;掩膜分割模块用于接收获取的图像并通过掩膜分割子模型确定图像中的肉鸭轮廓信息;估重模块用于接收掩膜分割模块输出的肉鸭轮廓信息并通过估重子模型得到对应的肉鸭重量信息;肉鸭行为模块用于接收肉鸭定位模块输出的肉鸭位置并通过肉鸭行为模型标注该肉鸭的行为;运动量信息采集模块用于统计肉鸭每小时的步数;采食量及饮水量信息模块用于统计肉鸭的平均采食量和平均饮水量。
5.根据权利要求4所述的巡检系统,其特征在于,所述巡检机器人包括机身(1)、移动轮(2)和悬架(3),所述移动轮(2)通过所述悬架(3)与所述机身(1)连接,所述机身(1)内设有供电装置、驱动装置和控制装置,所述驱动装置和所述控制装置与所述供电装置连接,所述驱动装置与所述移动轮(2)连接以带动所述移动轮(2),所述机身(1)的上方连接有激光雷达(4),所述机身(1)的周向均匀地设置有防撞雷达(5),所述激光雷达(4)和所述防撞雷达(5)与所述控制装置通讯连接,所述控制装置与所述驱动装置通讯连接。
6.根据权利要求4所述的巡检系统,其特征在于,所述信息采集装置包括RGB摄像机(6)、红外热成像摄像机(7)和双目立体摄像机(8),所述巡检机器人的上方设有云台(9),所述云台(9)通过可伸缩的支撑杆(10)与所述巡检机器人连接,所述云台(9)与所述支撑杆(10)转动连接,所述双目立体摄像机(8)连接在所述云台(9)的上方,所述RGB摄像机(6)和所述红外热成像摄像机(7)分别连接于所述云台(9)的两侧。
7.根据权利要求4所述的巡检系统,其特征在于,所述巡检机器人上还设有鸭脚环基站(11)、RFID接收器(12)和环境传感器(13),所述鸭脚环基站(11)用于接收安装在肉鸭上的鸭脚环的信息,所述RFID接收器(12)用于接收饲料桶和饮水桶的监控装置的信息以及作业点的标签信息,所述环境传感器(13)用于检测环境,所述鸭脚环基站(11)、所述RFID接收器(12)和所述环境传感器(13)分别与所述数据处理装置通讯连接。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210011141.8A CN114037552B (zh) | 2022-01-06 | 2022-01-06 | 一种肉鸭生理生长信息巡检方法及系统 |
PCT/CN2022/126503 WO2023130804A1 (zh) | 2022-01-06 | 2022-10-20 | 一种肉鸭生理生长信息巡检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210011141.8A CN114037552B (zh) | 2022-01-06 | 2022-01-06 | 一种肉鸭生理生长信息巡检方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114037552A CN114037552A (zh) | 2022-02-11 |
CN114037552B true CN114037552B (zh) | 2022-05-06 |
Family
ID=80147282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210011141.8A Active CN114037552B (zh) | 2022-01-06 | 2022-01-06 | 一种肉鸭生理生长信息巡检方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114037552B (zh) |
WO (1) | WO2023130804A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114037552B (zh) * | 2022-01-06 | 2022-05-06 | 华南农业大学 | 一种肉鸭生理生长信息巡检方法及系统 |
CN115119766B (zh) * | 2022-06-16 | 2023-08-18 | 天津农学院 | 一种基于深度学习和红外热成像的母猪发情检测方法 |
CN115985502B (zh) * | 2023-03-16 | 2023-06-13 | 华南农业大学 | 一种基于多元感知的狮头鹅健康决策方法及装置 |
CN116110586B (zh) * | 2023-04-13 | 2023-11-21 | 南京市红山森林动物园管理处 | 基于YOLOv5以及SlowFast的大象健康管理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767794A (zh) * | 2020-05-28 | 2020-10-13 | 华南农业大学 | 基于机器视觉的笼养家禽异常行为检测方法及检测系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2525676A1 (en) * | 2003-05-30 | 2004-12-09 | Harrison, Harry J. S. | The use of infrared thermography in live animals to predict growth efficiency |
CN106289532A (zh) * | 2016-08-05 | 2017-01-04 | 西安西拓电气股份有限公司 | 一种红外热图像的温度提取方法及装置 |
CN109711507A (zh) * | 2019-02-21 | 2019-05-03 | 广西走山农牧开发有限公司 | 一种家禽养殖管理系统 |
CN210909999U (zh) * | 2019-09-09 | 2020-07-03 | 上海朗驰佰特智能技术有限公司 | 室内巡检轮式机器人 |
CN111626985A (zh) * | 2020-04-20 | 2020-09-04 | 北京农业信息技术研究中心 | 基于图像融合的家禽体温检测方法及禽舍巡检系统 |
CN113223035B (zh) * | 2021-06-07 | 2023-08-22 | 南京农业大学 | 笼养鸡智能巡检系统 |
CN113662530B (zh) * | 2021-07-02 | 2023-02-07 | 华南农业大学 | 一种猪只生理生长状态监测预警方法 |
CN114037552B (zh) * | 2022-01-06 | 2022-05-06 | 华南农业大学 | 一种肉鸭生理生长信息巡检方法及系统 |
-
2022
- 2022-01-06 CN CN202210011141.8A patent/CN114037552B/zh active Active
- 2022-10-20 WO PCT/CN2022/126503 patent/WO2023130804A1/zh unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767794A (zh) * | 2020-05-28 | 2020-10-13 | 华南农业大学 | 基于机器视觉的笼养家禽异常行为检测方法及检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114037552A (zh) | 2022-02-11 |
WO2023130804A1 (zh) | 2023-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114037552B (zh) | 一种肉鸭生理生长信息巡检方法及系统 | |
CN108693119B (zh) | 基于无人机高光谱遥感的病虫害智能察打系统 | |
CN111709333B (zh) | 基于笼养鸡异常粪便的溯源预警系统及健康监测方法 | |
CN110612921A (zh) | 一种定位栏母猪的监测系统及方法 | |
CN109145032A (zh) | 一种蜜蜂养殖智能监测方法与系统 | |
CN111626985A (zh) | 基于图像融合的家禽体温检测方法及禽舍巡检系统 | |
CN111582234B (zh) | 基于uav和深度学习的大范围油茶林果智能检测与计数方法 | |
CN113920474B (zh) | 一种智能监管柑橘种植态势的物联网系统及方法 | |
CN103489006A (zh) | 一种基于计算机视觉的水稻病虫草害诊断方法 | |
CN110728259A (zh) | 一种基于深度图像的鸡群体重监测系统 | |
CN109784200B (zh) | 基于双目视觉的奶牛行为图像获取与体况智能监测系统 | |
CN114407051A (zh) | 畜禽养殖场巡检方法及畜禽养殖场机器人 | |
CN116034904B (zh) | 基于轨道式巡检机器人的猪只健康监测系统及方法 | |
CN114980011B (zh) | 穿戴式传感器与红外相机协同的畜禽体温监测方法 | |
CN113326743B (zh) | 一种养殖背景条件下鱼群运动行为参数提取和分析方法 | |
CN108670256B (zh) | 一种奶牛呼吸频率监测系统及方法 | |
CN114898405A (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
CN117029904A (zh) | 一种智能化笼养家禽巡检系统 | |
CN210247950U (zh) | 智能检测装置和智能检测系统 | |
CN114931112B (zh) | 基于智能巡检机器人的母猪体尺检测系统 | |
CN211532340U (zh) | 一种定位栏母猪的监测系统 | |
CN111652084B (zh) | 一种异常蛋鸡识别方法及装置 | |
CN115756037A (zh) | 一种设施大棚蔬菜管控方法及系统 | |
CN115147736A (zh) | 一种基于视觉识别的奶牛全周期健康检测系统 | |
CN114022907A (zh) | 一种基于深度学习的猪只体表测温装置及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |