CN114070862A - 基于物联网的畜牧控制方法、系统和可读存储介质 - Google Patents
基于物联网的畜牧控制方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN114070862A CN114070862A CN202111203930.3A CN202111203930A CN114070862A CN 114070862 A CN114070862 A CN 114070862A CN 202111203930 A CN202111203930 A CN 202111203930A CN 114070862 A CN114070862 A CN 114070862A
- Authority
- CN
- China
- Prior art keywords
- livestock
- data
- grazing
- information
- monitoring device
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
- G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/60—Positioning; Navigation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种基于物联网的畜牧控制方法、系统和可读存储介质,其中方法包括:获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息;比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记;获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域;控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制。本发明利用物联网将畜牧场中的监控装置以及户外传感器进行互联,建立畜牧圈地内外全方位的监测体系以完成畜牧控制,可定向标记牲畜并自动规划放牧路径。
Description
技术领域
本发明涉及畜牧控制技术领域,更具体的,涉及一种基于物联网的畜牧控制方法、系统和可读存储介质。
背景技术
畜牧作为重要的农业组成部分,包括农区畜牧、牧区畜牧以及草地畜牧,其中,利用草地直接放牧牲畜,或将草地作为饲草刈割地以饲养牲畜的畜牧业即草地畜牧业,从草地分布情况,可分为北方草场和南方草山草坡两类,中国草地畜牧业存在的问题是:草地资源退化,畜牧业生产力水平低。
目前,发展草地畜牧业的主要途径是:改良草地,有条件的地方扩大人工种草,建设牲畜棚圈,加强服务体系建设,改革不合理的流通体制,随着科技互联的不断发展与进步,应用大数据或者物联网开始进入到畜牧控制领域。
发明内容
鉴于上述问题,本发明的目的是提供一种基于物联网的畜牧控制方法、系统和可读存储介质,利用物联网将畜牧场中的监控装置以及户外传感器进行互联,建立畜牧圈地内外全方位的监测体系以完成畜牧控制,可定向标记牲畜并自动规划放牧路径。
本发明第一方面提供了一种基于物联网的畜牧控制方法,包括以下步骤:
基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息;
比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记;
获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域;
控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制。
本方案中,所述基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息,具体为:
建立与所述图像采集设备以及所述监测装置的通信连接,
基于所述图像采集设备获取所述圈地内的所述牲畜数据并提取对应的所述数量级;
基于所述监测装置获取所述反馈信息并提取所述数量信息。
本方案中,所述比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记,具体为:
待提取到所述数量级与数量信息后,进行对等比较,以识别未佩戴所述监测装置或所述监测装置失效的牲畜群作为所述目标牲畜群;
对所述目标牲畜群进行电子标记,并控制所述图像采集设备获取所述目标牲畜群的图像信息。
本方案中,所述获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域,具体为:
建立与所述传感器组的通信连接,并基于预设周期获取所述传感器组各传感器采集的数据信息;
将采集到的所述数据信息与所述牲畜数据输入到训练好的所述放牧神经网络模型中得到模拟输出值;
基于所述模拟输出值进行分析得到所述放牧路径与所述放牧区域。
本方案中,所述放牧神经网络模型训练方法为:
获取历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域;
将所述历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述放牧神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述放牧神经网络模型。
本方案中,所述控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制,具体为:
建立与预设无人机的通信连接,并控制所述无人机识别所述监测装置并连接;
基于所述监测装置获取所述牲畜的定位信息,以获取所述畜牧图像信息;
基于所述畜牧图像信息识别所述牲畜的草群喜好信息,以完成对所述牲畜户外的畜牧控制。
本发明第二方面还提供一种基于物联网的畜牧控制系统,包括存储器和处理器,所述存储器中包括基于物联网的畜牧控制方法程序,所述基于物联网的畜牧控制方法程序被所述处理器执行时实现如下步骤:
基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息;
比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记;
获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域;
控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制。
本方案中,所述基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息,具体为:
建立与所述图像采集设备以及所述监测装置的通信连接,
基于所述图像采集设备获取所述圈地内的所述牲畜数据并提取对应的所述数量级;
基于所述监测装置获取所述反馈信息并提取所述数量信息。
本方案中,所述比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记,具体为:
待提取到所述数量级与数量信息后,进行对等比较,以识别未佩戴所述监测装置或所述监测装置失效的牲畜群作为所述目标牲畜群;
对所述目标牲畜群进行电子标记,并控制所述图像采集设备获取所述目标牲畜群的图像信息。
本方案中,所述获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域,具体为:
建立与所述传感器组的通信连接,并基于预设周期获取所述传感器组各传感器采集的数据信息;
将采集到的所述数据信息与所述牲畜数据输入到训练好的所述放牧神经网络模型中得到模拟输出值;
基于所述模拟输出值进行分析得到所述放牧路径与所述放牧区域。
本方案中,所述放牧神经网络模型训练方法为:
获取历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域;
将所述历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述放牧神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述放牧神经网络模型。
本方案中,所述控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制,具体为:
建立与预设无人机的通信连接,并控制所述无人机识别所述监测装置并连接;
基于所述监测装置获取所述牲畜的定位信息,以获取所述畜牧图像信息;
基于所述畜牧图像信息识别所述牲畜的草群喜好信息,以完成对所述牲畜户外的畜牧控制。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种基于物联网的畜牧控制方法程序,所述基于物联网的畜牧控制方法程序被处理器执行时,实现如上述任一项所述的一种基于物联网的畜牧控制方法的步骤。
本发明公开的一种基于物联网的畜牧控制方法、系统和可读存储介质,利用物联网将畜牧场中的监控装置以及户外传感器进行互联,同时还基于CNN神经网络模型进行自动化训练,同时可以建立与无人机的互联,获取畜牧场的图像信息,以建立畜牧圈地内外全方位的监测体系以完成畜牧控制,本发明可定向标记牲畜并自动规划放牧路径,提升畜牧作业效率的同时可以降低牲畜自由进食的危险。
附图说明
图1示出了本发明一种基于物联网的畜牧控制方法的流程图;
图2示出了本发明一种基于物联网的畜牧控制系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种基于物联网的畜牧控制方法的流程图。
如图1所示,本申请公开了一种基于物联网的畜牧控制方法,包括以下步骤:
S102,基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息;
S104,比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记;
S106,获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域;
S108,控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制。
需要说明的是,以羊群为例,为了实现羊群中每头绵羊的监测数据,可在每头绵羊身上设置所述监测装置,本实施例中,利用设置在羊圈的所述图像采集设备,例如监控摄像头可以获取所述羊圈内绵羊的数量数据,并同时通过所述监测装置获取绵羊的数量级,进行比较,可以将未佩戴所述监测装置或者所述监测装置失效的绵羊筛选出来,作为所述目标牲畜群,即目标羊群进行电子标记,所述电子标记即利用所述监控摄像头对所述目标羊群中的绵羊进行追踪定位;此外,获取畜牧草场预设传感器组采集的数据信息,结合羊群数据输入到训练好的所述放牧神经网络模型中,可以得到放牧路径与放牧区域,以实现合理化放牧,在羊群户外放牧时,控制预设无人机识别所述羊群佩戴的所述监测装置,并得到所述无人机采集到的羊群图像信息完成对所述羊群户外的畜牧控制。
根据本发明实施例,所述基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息,具体为:
建立与所述图像采集设备以及所述监测装置的通信连接,
基于所述图像采集设备获取所述圈地内的所述牲畜数据并提取对应的所述数量级;
基于所述监测装置获取所述反馈信息并提取所述数量信息。
需要说明的是,以羊群为例,为了识别出所述监测装置的羊群数量信息以及所述图像采集设备的数量级,通过建立与所述图像采集设备以及所述监测装置的通信连接,可以获取到所述羊圈内的羊群数据并提取到绵羊的数量级,同时基于所述监测装置同步可以提取到所述数量信息。
根据本发明实施例,所述比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记,具体为:
待提取到所述数量级与数量信息后,进行对等比较,以识别未佩戴所述监测装置或所述监测装置失效的牲畜群作为所述目标牲畜群;
对所述目标牲畜群进行电子标记,并控制所述图像采集设备获取所述目标牲畜群的图像信息。
需要说明的是,所述对等比较即为在所述图像采集设备识别绵羊数量级的同时,提取对应绵羊身上所述监测装置的数量信息,即,所述图像采集设备识别到一个绵羊,数量级加一,同时对应的绵羊身上的数量信息也同步被提取,若提取失败,说明所述绵羊未佩戴所述监测装置或所述监测装置失效,此时,所述图像采集设备对该所述绵羊进行追踪定位以完成电子标记。
根据本发明实施例,所述获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域,具体为:
建立与所述传感器组的通信连接,并基于预设周期获取所述传感器组各传感器采集的数据信息;
将采集到的所述数据信息与所述牲畜数据输入到训练好的所述放牧神经网络模型中得到模拟输出值;
基于所述模拟输出值进行分析得到所述放牧路径与所述放牧区域。
需要说明的是,利用CNN神经网络模型训练可以降低偶然性,得到合理的所述放牧路径与所述放牧区域,提取所述传感器组采集的数据信息加上所述图像采集设备采集的所述牲畜数据输入到训练好的所述放牧神经网络模型中得到模拟输出值,并从中得到所述放牧路径与所述放牧区域。
值得一提的是,所述传感器包括但不仅限于土壤传感器、空气湿度传感器以及空气流速传感器。
根据本发明实施例,所述放牧神经网络模型训练方法为:
获取历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域;
将所述历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述放牧神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述放牧神经网络模型。
需要说明的是,所述放牧神经网络模型需要大量的历史数据进行训练,数据量越大,则结果越准确,本申请中的放牧神经网络模型可以通过历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域作为输入进行训练,当然,在进行神经网络模型训练时,不仅要通过历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域进行训练,还需要结合确定的牧场类型进行训练,通过大量试验数据与真实数据比对,得到的结果也会更加准确,进而使得异常原因神经网络的输出结果更加准确。优选地,所述准确率阈值一般设置为80%。
根据本发明实施例,所述控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制,具体为:
建立与预设无人机的通信连接,并控制所述无人机识别所述监测装置并连接;
基于所述监测装置获取所述牲畜的定位信息,以获取所述畜牧图像信息;
基于所述畜牧图像信息识别所述牲畜的草群喜好信息,以完成对所述牲畜户外的畜牧控制。
需要说明的是,畜牧过程中,往往会出现部分个体的绵羊走丢走失,造成绵羊伤亡给牧场牧民带来损失,可以通过控制所述无人机识别所述监测装置并连接所述监测装置,来获取所述牲畜的定位信息,完成对每个绵羊的位置跟踪,同时可以获取所述畜牧图像信息,并基于所述畜牧图像信息识别所述羊群进食的草群喜好信息,以完成对所述牲畜户外的畜牧控制。
值得一提的是,所述方法还包括识别牲畜身体状况信息,具体为:
基于所述监测装置获取预设的识别因子;
基于所述识别因子判断当前所述牲畜的身体状况,其中,
若所述身体状况不达标,则控制所述监测装置进行报警;
若所述身体状况达标,则记录异常数据以更新牧养数据库。
需要说明的是,所述监测装置反馈信息不仅包括数量信息还包括体温信息,心率信息以及其他监测信息,基于所述监测装置的反馈信息提取所述识别因子,进行判断,例如,绵羊的正常体温是“38.5—40.5”℃,脉搏每分钟“70—80”次,所述识别因子包括但不仅限于体温,脉搏,其中,若体温因子在正常体温值外和/或脉搏因子在脉搏正常值外,代表若所述身体状况不达标,则需要控制所述监测装置进行报警,以第一时间解决问题,报警的方式可以为声音和光亮,若所述识别因子都正常,即表明所述身体状况达标,则记录异常数据以更新牧养数据库。
值得一提的是,所述方法还包括对所述图像采集设备的输出页面进行分屏,具体为:
获取所述数量级与所述数量信息的差值;
基于所述差值调用预设算法获取分屏数量值;
并控制所述输出页面进行分屏显示。
需要说明的是,获取所述数量级N1与所述数量信息N2的差值ΔN,基于所述预设算法获取的所述分屏数量值,其中,所述预设算法的计算公式为:
Nd=α(N1-N2)+β*ΔN2;
图2示出了本发明一种基于物联网的畜牧控制系统的框图。
如图2所示,本发明公开了一种基于物联网的畜牧控制系统,包括存储器和处理器,所述存储器中包括基于物联网的畜牧控制方法程序,所述基于物联网的畜牧控制方法程序被所述处理器执行时实现如下步骤:
基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息;
比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记;
获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域;
控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制。
需要说明的是,以羊群为例,为了实现羊群中每头绵羊的监测数据,可在每头绵羊身上设置所述监测装置,本实施例中,利用设置在羊圈的所述图像采集设备,例如监控摄像头可以获取所述羊圈内绵羊的数量数据,并同时通过所述监测装置获取绵羊的数量级,进行比较,可以将未佩戴所述监测装置或者所述监测装置失效的绵羊筛选出来,作为所述目标牲畜群,即目标羊群进行电子标记,所述电子标记即利用所述监控摄像头对所述目标羊群中的绵羊进行追踪定位;此外,获取畜牧草场预设传感器组采集的数据信息,结合羊群数据输入到训练好的所述放牧神经网络模型中,可以得到放牧路径与放牧区域,以实现合理化放牧,在羊群户外放牧时,控制预设无人机识别所述羊群佩戴的所述监测装置,并得到所述无人机采集到的羊群图像信息完成对所述羊群户外的畜牧控制。
根据本发明实施例,所述基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息,具体为:
建立与所述图像采集设备以及所述监测装置的通信连接,
基于所述图像采集设备获取所述圈地内的所述牲畜数据并提取对应的所述数量级;
基于所述监测装置获取所述反馈信息并提取所述数量信息。
需要说明的是,以羊群为例,为了识别出所述监测装置的羊群数量信息以及所述图像采集设备的数量级,通过建立与所述图像采集设备以及所述监测装置的通信连接,可以获取到所述羊圈内的羊群数据并提取到绵羊的数量级,同时基于所述监测装置同步可以提取到所述数量信息。
根据本发明实施例,所述比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记,具体为:
待提取到所述数量级与数量信息后,进行对等比较,以识别未佩戴所述监测装置或所述监测装置失效的牲畜群作为所述目标牲畜群;
对所述目标牲畜群进行电子标记,并控制所述图像采集设备获取所述目标牲畜群的图像信息。
需要说明的是,所述对等比较即为在所述图像采集设备识别绵羊数量级的同时,提取对应绵羊身上所述监测装置的数量信息,即,所述图像采集设备识别到一个绵羊,数量级加一,同时对应的绵羊身上的数量信息也同步被提取,若提取失败,说明所述绵羊未佩戴所述监测装置或所述监测装置失效,此时,所述图像采集设备对该所述绵羊进行追踪定位以完成电子标记。
根据本发明实施例,所述获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域,具体为:
建立与所述传感器组的通信连接,并基于预设周期获取所述传感器组各传感器采集的数据信息;
将采集到的所述数据信息与所述牲畜数据输入到训练好的所述放牧神经网络模型中得到模拟输出值;
基于所述模拟输出值进行分析得到所述放牧路径与所述放牧区域。
需要说明的是,利用CNN神经网络模型训练可以降低偶然性,得到合理的所述放牧路径与所述放牧区域,提取所述传感器组采集的数据信息加上所述图像采集设备采集的所述牲畜数据输入到训练好的所述放牧神经网络模型中得到模拟输出值,并从中得到所述放牧路径与所述放牧区域。
值得一提的是,所述传感器包括但不仅限于土壤传感器、空气湿度传感器以及空气流速传感器。
根据本发明实施例,所述放牧神经网络模型训练方法为:
获取历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域;
将所述历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述放牧神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述放牧神经网络模型。
需要说明的是,所述放牧神经网络模型需要大量的历史数据进行训练,数据量越大,则结果越准确,本申请中的放牧神经网络模型可以通过历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域作为输入进行训练,当然,在进行神经网络模型训练时,不仅要通过历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域进行训练,还需要结合确定的牧场类型进行训练,通过大量试验数据与真实数据比对,得到的结果也会更加准确,进而使得异常原因神经网络的输出结果更加准确。优选地,所述准确率阈值一般设置为80%。
根据本发明实施例,所述控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制,具体为:
建立与预设无人机的通信连接,并控制所述无人机识别所述监测装置并连接;
基于所述监测装置获取所述牲畜的定位信息,以获取所述畜牧图像信息;
基于所述畜牧图像信息识别所述牲畜的草群喜好信息,以完成对所述牲畜户外的畜牧控制。
需要说明的是,畜牧过程中,往往会出现部分个体的绵羊走丢走失,造成绵羊伤亡给牧场牧民带来损失,可以通过控制所述无人机识别所述监测装置并连接所述监测装置,来获取所述牲畜的定位信息,完成对每个绵羊的位置跟踪,同时可以获取所述畜牧图像信息,并基于所述畜牧图像信息识别所述羊群进食的草群喜好信息,以完成对所述牲畜户外的畜牧控制。
值得一提的是,所述方法还包括识别牲畜身体状况信息,具体为:
基于所述监测装置获取预设的识别因子;
基于所述识别因子判断当前所述牲畜的身体状况,其中,
若所述身体状况不达标,则控制所述监测装置进行报警;
若所述身体状况达标,则记录异常数据以更新牧养数据库。
需要说明的是,所述监测装置反馈信息不仅包括数量信息还包括体温信息,心率信息以及其他监测信息,基于所述监测装置的反馈信息提取所述识别因子,进行判断,例如,绵羊的正常体温是“38.5—40.5”℃,脉搏每分钟“70—80”次,所述识别因子包括但不仅限于体温,脉搏,其中,若体温因子在正常体温值外和/或脉搏因子在脉搏正常值外,代表若所述身体状况不达标,则需要控制所述监测装置进行报警,以第一时间解决问题,报警的方式可以为声音和光亮,若所述识别因子都正常,即表明所述身体状况达标,则记录异常数据以更新牧养数据库。
值得一提的是,所述方法还包括对所述图像采集设备的输出页面进行分屏,具体为:
获取所述数量级与所述数量信息的差值;
基于所述差值调用预设算法获取分屏数量值;
并控制所述输出页面进行分屏显示。
需要说明的是,获取所述数量级N1与所述数量信息N2的差值ΔN,基于所述预设算法获取的所述分屏数量值,其中,所述预设算法的计算公式为:
Nd=α(N1-N2)+β*ΔN2;
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种基于物联网的畜牧控制方法程序,所述基于物联网的畜牧控制方法程序被处理器执行时,实现如上述任一项所述的一种基于物联网的畜牧控制方法的步骤。
本发明公开的一种基于物联网的畜牧控制方法、系统和可读存储介质,利用物联网将畜牧场中的监控装置以及户外传感器进行互联,同时还基于CNN神经网络模型进行自动化训练,同时可以建立与无人机的互联,获取畜牧场的图像信息,以建立畜牧圈地内外全方位的监测体系以完成畜牧控制,本发明可定向标记牲畜并自动规划放牧路径,提升畜牧作业效率的同时可以降低牲畜自由进食的危险。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的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。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于物联网的畜牧控制方法,其特征在于,包括以下步骤:
基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息;
比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记;
获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域;
控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制。
2.根据权利要求1所述的一种基于物联网的畜牧控制方法,其特征在于,所述基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息,具体为:
建立与所述图像采集设备以及所述监测装置的通信连接,
基于所述图像采集设备获取所述圈地内的所述牲畜数据并提取对应的所述数量级;
基于所述监测装置获取所述反馈信息并提取所述数量信息。
3.根据权利要求2所述的一种基于物联网的畜牧控制方法,其特征在于,所述比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记,具体为:
待提取到所述数量级与数量信息后,进行对等比较,以识别未佩戴所述监测装置或所述监测装置失效的牲畜群作为所述目标牲畜群;
对所述目标牲畜群进行电子标记,并控制所述图像采集设备获取所述目标牲畜群的图像信息。
4.根据权利要求1所述的一种基于物联网的畜牧控制方法,其特征在于,所述获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域,具体为:
建立与所述传感器组的通信连接,并基于预设周期获取所述传感器组各传感器采集的数据信息;
将采集到的所述数据信息与所述牲畜数据输入到训练好的所述放牧神经网络模型中得到模拟输出值;
基于所述模拟输出值进行分析得到所述放牧路径与所述放牧区域。
5.根据权利要求4所述的一种基于物联网的畜牧控制方法,其特征在于,所述放牧神经网络模型训练方法为:
获取历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域;
将所述历史检测数据的传感器、牲畜数据以及放牧路径与所述放牧区域进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述放牧神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述放牧神经网络模型。
6.根据权利要求1所述的一种基于物联网的畜牧控制方法,其特征在于,所述控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制,具体为:
建立与预设无人机的通信连接,并控制所述无人机识别所述监测装置并连接;
基于所述监测装置获取所述牲畜的定位信息,以获取所述畜牧图像信息;
基于所述畜牧图像信息识别所述牲畜的草群喜好信息,以完成对所述牲畜户外的畜牧控制。
7.一种基于物联网的畜牧控制系统,其特征在于,包括存储器和处理器,所述存储器中包括基于物联网的畜牧控制方法程序,所述基于物联网的畜牧控制方法程序被所述处理器执行时实现如下步骤:
基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息;
比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记;
获取畜牧草场预设传感器组采集的数据信息,结合所述牲畜数据输入到训练好的放牧神经网络模型中,得到放牧路径与放牧区域;
控制预设无人机识别所述牲畜佩戴的所述监测装置,并得到所述无人机采集到的畜牧图像信息完成对所述牲畜户外的畜牧控制。
8.根据权利要求7所述的一种基于物联网的畜牧控制系统,其特征在于,所述基于畜牧圈地预设的图像采集设备获取所述圈地内的牲畜数据,并获取佩戴在所述牲畜上监测装置的反馈信息,具体为:
建立与所述图像采集设备以及所述监测装置的通信连接,
基于所述图像采集设备获取所述圈地内的所述牲畜数据并提取对应的所述数量级;
基于所述监测装置获取所述反馈信息并提取所述数量信息。
9.根据权利要求8所述的一种基于物联网的畜牧控制系统,其特征在于,所述比较所述反馈信息中的数量信息与所述牲畜数据中的数量级,以识别目标牲畜群进行标记,具体为:
待提取到所述数量级与数量信息后,进行对等比较,以识别未佩戴所述监测装置或所述监测装置失效的牲畜群作为所述目标牲畜群;
对所述目标牲畜群进行电子标记,并控制所述图像采集设备获取所述目标牲畜群的图像信息。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括一种基于物联网的畜牧控制方法程序,所述基于物联网的畜牧控制方法程序被处理器执行时,实现如权利要求1至6中任一项所述的一种基于物联网的畜牧控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203930.3A CN114070862B (zh) | 2021-10-15 | 2021-10-15 | 基于物联网的畜牧控制方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203930.3A CN114070862B (zh) | 2021-10-15 | 2021-10-15 | 基于物联网的畜牧控制方法、系统和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114070862A true CN114070862A (zh) | 2022-02-18 |
CN114070862B CN114070862B (zh) | 2022-09-16 |
Family
ID=80234721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111203930.3A Active CN114070862B (zh) | 2021-10-15 | 2021-10-15 | 基于物联网的畜牧控制方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114070862B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114065801A (zh) * | 2021-10-14 | 2022-02-18 | 中国科学院地理科学与资源研究所 | 基于神经网络模型的土壤监测方法、系统和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180049407A1 (en) * | 2016-08-22 | 2018-02-22 | International Business Machines Corporation | Unmanned aerial vehicle for determining geolocation foraging zones |
CN109933083A (zh) * | 2017-12-15 | 2019-06-25 | 翔升(上海)电子技术有限公司 | 基于无人机的放牧方法、装置和系统 |
CN110398978A (zh) * | 2019-04-24 | 2019-11-01 | 内蒙古科技大学 | 一种基于草畜平衡模型度放牧路径规划系统 |
CN111783726A (zh) * | 2020-07-15 | 2020-10-16 | 郑州玛源网络科技有限公司 | 基于人工智能和bim的放牧牲畜离群视频采集方法 |
CN112527014A (zh) * | 2020-12-02 | 2021-03-19 | 电子科技大学 | 一种基于Flocking算法的无人机集群放牧方法 |
CN113038562A (zh) * | 2021-01-29 | 2021-06-25 | 中国地质环境监测院 | 地质灾害监测数据传输方法及系统、电子设备及存储介质 |
CN113052075A (zh) * | 2021-03-25 | 2021-06-29 | 京东数科海益信息科技有限公司 | 用于牧场的环境监测方法、装置、终端和介质 |
-
2021
- 2021-10-15 CN CN202111203930.3A patent/CN114070862B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180049407A1 (en) * | 2016-08-22 | 2018-02-22 | International Business Machines Corporation | Unmanned aerial vehicle for determining geolocation foraging zones |
CN109933083A (zh) * | 2017-12-15 | 2019-06-25 | 翔升(上海)电子技术有限公司 | 基于无人机的放牧方法、装置和系统 |
CN110398978A (zh) * | 2019-04-24 | 2019-11-01 | 内蒙古科技大学 | 一种基于草畜平衡模型度放牧路径规划系统 |
CN111783726A (zh) * | 2020-07-15 | 2020-10-16 | 郑州玛源网络科技有限公司 | 基于人工智能和bim的放牧牲畜离群视频采集方法 |
CN112527014A (zh) * | 2020-12-02 | 2021-03-19 | 电子科技大学 | 一种基于Flocking算法的无人机集群放牧方法 |
CN113038562A (zh) * | 2021-01-29 | 2021-06-25 | 中国地质环境监测院 | 地质灾害监测数据传输方法及系统、电子设备及存储介质 |
CN113052075A (zh) * | 2021-03-25 | 2021-06-29 | 京东数科海益信息科技有限公司 | 用于牧场的环境监测方法、装置、终端和介质 |
Non-Patent Citations (1)
Title |
---|
李奇: "基于机器学习的六旋翼高空畜牧喂养飞行器控制", 《科技通报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114065801A (zh) * | 2021-10-14 | 2022-02-18 | 中国科学院地理科学与资源研究所 | 基于神经网络模型的土壤监测方法、系统和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114070862B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aquilani et al. | Precision Livestock Farming technologies in pasture-based livestock systems | |
Tedeschi et al. | Advancements in sensor technology and decision support intelligent tools to assist smart livestock farming | |
Jingqiu et al. | Cow behavior recognition based on image analysis and activities | |
Laca | Precision livestock production: tools and concepts | |
CN111294565A (zh) | 一种智能化养猪监测方法和管理端 | |
Tzanidakis et al. | Precision livestock farming applications (PLF) for grazing animals | |
CN114065481B (zh) | 基于大数据的草地数据监测方法、系统和可读存储介质 | |
Rutter | Advanced livestock management solutions | |
CN114070862B (zh) | 基于物联网的畜牧控制方法、系统和可读存储介质 | |
Mugnier et al. | Why and how farmers manage mixed cattle–sheep farming systems and cope with economic, climatic and workforce-related hazards | |
CN112906734A (zh) | 牲畜智能选种方法、装置、计算机设备和存储介质 | |
CN113785783A (zh) | 一种牲畜分群系统及方法 | |
CN113516139A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN114065801B (zh) | 基于神经网络模型的土壤监测方法、系统和可读存储介质 | |
Ojukwu et al. | Development of a computer vision system to detect inactivity in group-housed pigs | |
CN116708522A (zh) | 一种远程牧场可视化管理系统 | |
Banhazi et al. | Development of precision livestock farming technologies | |
CN115759789A (zh) | 一种基于ai算法的智慧养殖智能管理系统 | |
CN113989745A (zh) | 一种反刍动物饲养状况的非接触式监测方法 | |
KR20230033068A (ko) | 축산 동물의 행동 패턴을 기반으로 한 스마트 축사 관리 시스템 및 방법 | |
CN113971227B (zh) | 基于大数据的牲畜监测方法、系统和可读存储介质 | |
Malhotra et al. | Application of AI/ML approaches for livestock improvement and management | |
Siegford et al. | Practical considerations for the use of precision livestock farming to improve animal welfare. | |
Tzanidakis et al. | Precision Livestock Farming Applications (PLF) for Grazing Animals. Agriculture 2023, 13, 288 | |
Trotter | Applications of Precision Agriculture to Cattle: Is it all just hype and will digital technologies ever deliver value to the beef industry? |
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 |