CN114097628A - 后备母猪发情监测管理方法 - Google Patents
后备母猪发情监测管理方法 Download PDFInfo
- Publication number
- CN114097628A CN114097628A CN202111648034.8A CN202111648034A CN114097628A CN 114097628 A CN114097628 A CN 114097628A CN 202111648034 A CN202111648034 A CN 202111648034A CN 114097628 A CN114097628 A CN 114097628A
- Authority
- CN
- China
- Prior art keywords
- replacement
- estrus
- gilt
- oestrus
- sow
- 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
- 230000012173 estrus Effects 0.000 title claims abstract description 140
- 238000007726 management method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000009395 breeding Methods 0.000 claims abstract description 13
- 230000001488 breeding effect Effects 0.000 claims abstract description 13
- 230000033001 locomotion Effects 0.000 claims abstract description 11
- 241000282887 Suidae Species 0.000 claims abstract description 9
- 230000001939 inductive effect Effects 0.000 claims abstract description 8
- 210000001364 upper extremity Anatomy 0.000 claims abstract description 8
- 238000006073 displacement reaction Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 30
- 230000009194 climbing Effects 0.000 claims description 27
- 238000013527 convolutional neural network Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 10
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 244000144972 livestock Species 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 44
- 238000009396 hybridization Methods 0.000 description 5
- 208000003028 Stuttering Diseases 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- A01K1/00—Housing animals; Equipment therefor
- A01K1/02—Pigsties; Dog-kennels; Rabbit-hutches or the like
- A01K1/0209—Feeding pens for pigs or cattle
-
- 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
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biophysics (AREA)
- Zoology (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及畜牧养殖管理技术领域,为了解决现有的后备母猪管理方法管理效率低的问题,提供了一种后备母猪发情监测管理方法,包括以下内容:圈养:将诱情公猪与后备母猪相间圈养;运动判定:采集后备母猪右侧前腿部的运动量信息,并与预先采集的发情后备母猪的位移运动量信息进行比较,判定后备母猪是否出现发情行为;图像采集:在判定出后备母猪有发情行为时,采集猪舍内后备母猪的图像信息;发情判定:根据图像信息判定后备母猪是否发情,在判定后备母猪发情后对相应的后备母猪进行标识跟踪并发送发情信号。
Description
技术领域
本发明涉及畜牧养殖管理技术领域,具体为一种后备母猪发情监测管理方法。
背景技术
后备小母猪驯化诱情猪舍是现代配种猪舍中保证公猪和母猪良好配种所必备的重要生产猪舍,公猪接触诱情是影响后备母猪发情的重要手段。为了提高仔猪的生长条件,同时也是为后备小母猪群提供尽可能好的机会来提高遗传潜力和整体产量,公猪诱情的主要目标是为后备母猪在较小的年龄进入种群,并具有较高的生育能力做准备。
在后备母猪的管理过程中,需要及时将发情的后备母猪挑选出来进行育种。目前,挑选发情的后备母猪仍然采用的是人工观察的方式,即由饲养员在一群后备母猪中观察是否有出现发情特征的后备母猪,这个观察过程将会花费饲养员大量的时间,降低了后备母猪的管理效率。而且,由于人力看管后备母猪的数量有限,将会难以同时管理大量的后备母猪。再由,由于后备小母猪的发情特征挺不明显,饲养员难以判定发情,也就不能及时挑选出发情的后备母猪进行配种,还会降低后备母猪的配种率。
发明内容
本发明意在提供一种后备母猪发情监测管理方法,以解决现有的后备母猪管理方法配种率低的问题。
本发明提供基础方案是:后备母猪发情监测管理方法,包括以下内容:
圈养:将诱情公猪与后备母猪相间圈养;
运动判定:采集后备母猪右侧前腿部的运动量信息,并与预先采集的发情后备母猪的位移运动量信息进行比较,判定后备母猪是否出现发情行为;
图像采集:在判定出后备母猪有发情行为时,采集猪舍内后备母猪的图像信息;
发情判定:根据图像信息判定后备母猪是否发情,在判定后备母猪发情后对相应的后备母猪进行标识跟踪并发送发情信号。
基础方案的有益效果是:本方案中,将诱情公猪和后备母猪相间圈养,有利于引诱后备母亲发情;由于后备母猪发情时,通常会有运动特征上的表现,因此会先采集后备母猪的运动量信息,根据运动量信息来判定后备母猪是否有出现发情的运动特征。
为了减小误判的情况,本方案中,在判定出后备母猪出现发情特征后,还设置有图像采集和发情判定的步骤,通过采集猪舍内后备母猪的图像信息后进行是否发情的二次判定,一方面通过二次判定的方式能够提高判定结果的准确性,另一方面确定为发情的后备母猪的图像信息也能够作为后续判定后备母猪发情的材料使用,还能够进一步提高发情判定结果的准确性。而在判定后备母猪出现发情后,发情信号的发送能够提醒饲养员及时将发情的后备母猪送去进行配种,能够提高配种率,而且管理过程中,采用运动判定和发情判定的方式取代现有的人工判定方式,提高了后备母猪的管理效率,还减少了饲养员的工作量。
进一步,运动判定中,判定后备母猪是否出现竖耳行为和/或爬跨行为。考虑到爬跨行为和/或竖耳行为的后备母猪与正常站立的后备母猪相比有明显特征的变化,因此采用竖耳行为和爬跨行为作为判定标准有利于提高判定的准确性。
进一步,发情判定中,根据预先设置的后备母猪发情状态监测模型对图像信息进行后备母猪是否发情的判定。
进一步,发情判定中,先引入后备母猪发情特征,形成目标训练集;将目标训练集输入卷积神经网络中进行训练,得到后备母猪发情状态检测模型。
进一步,发情判定中,根据后备母猪发情状态监测模型进行判定时,利用后备母猪发情状态监测模型从采集到的图形信息中识别出具有发情状态的图像帧,然后进行存储,形成发情训练集;利用发情训练集对残差网络进行训练后,利用训练后的残差网络对后备母猪是否发情进行识别。
进一步,引入的后备母猪发情特征包括饲料、后备母猪的活动水平和/或环境数据。
进一步,卷积神经网络采用faster r-cnn。
进一步,发情判定中,采用支持向量机检测后备母猪的爬跨行为和/或竖耳行为,在检测到后备母猪有爬跨行为和/或竖耳行为时判定发情。
进一步,图像采集中,采集的图像信息为采用2K/60Hz的制式记录的连续图像信号。
进一步,发情判定中,同时通过互联网以及以太网推送发情信号。
附图说明
图1为本发明后备母猪发情监测管理方法实施例一的流程图;
图2为后备母猪管理猪舍的结构示意图;
图3为后备母猪管理猪舍的另一种结构示意图。
具体实施方式
下面通过具体实施方式进一步详细说明:
说明书附图中的附图标记包括:识别系统1、母猪栏2、公猪栏3、摄像头4、RFID接收器5。
实施例一
基本如附图1和图2所示:后备母猪发情监测管理方法,包括以下内容:
圈养:将诱情公猪与后备母猪相间圈养;公猪需要选择雄性特征明显的公猪,以达到更好的诱情效果。本实施例中,以两只公猪和一只后备母猪为一个圈养单元,后备母猪圈养在两只公猪之间。多个圈养单元可以依次并排设置或并列设置。在本实施例中,设置有并列的两个圈养单元,在其他实施例中,还可以设置有两排两列的四个圈养单元,如图3所示。
运动判定:采集后备母猪右侧前腿部的运动量信息,并与预先采集的发情后备母猪的位移运动量信息进行比较,判定后备母猪是否出现发情行为,本实施例中,具体为判定后备母猪是否出现竖耳行为和爬跨行为,可以在后备母猪的右侧前腿处设置三轴感应器,在判定出现发情行为时,通过三轴感应器发出固定信号,如闪烁、蜂鸣等,或通过三轴感应器通知其他信号接收设备,如声频感应器、光纤感应器等,将爬跨行为和/或竖耳行为开始的信号传递给图像采集步骤,从而触发图像采集开始。在其他实施例中,也可以为其他发情特征行为,如拱地、跳栏等。在三轴加速器检测后备母猪的发情行为包括爬跨行为与竖耳行为时,竖耳的检测通常伴有后备母猪站立原地发呆,当发呆状态超过五分钟后,三轴加速器通过对运动状态的感应判断后备母猪是否因发情竖耳。
图像采集:在判定出后备母猪有发情行为时,采集猪舍内后备母猪的图像信息;本实施例中,具体为利用8个授权的PTZ摄像头采集猪舍内的2K/60Hz的制式记录的连续图像信号。8个摄像头分别为设置于猪舍中间向猪舍两端短边监视的4个PTZ摄像头和设置于猪舍短边两端向猪舍中心监视的4个PTZ摄像头。
发情判定:根据图像信息判定后备母猪是否发情,在判定后备母猪发情后对相应的后备母猪进行标识跟踪并发送发情信号。具体的,本实施例中,先引入后备母猪发情特征,形成目标训练集,引入的后备母猪发情特征包括饲料、后备母猪的活动水平和/或环境数据;
将目标训练集输入卷积神经网络中进行训练,得到所述后备母猪发情状态检测模型;在卷积神经网络中,采用faster r-cnn,首先需要将目标训练集中的后备母猪发情特征进行归一化,使得在卷积神经网络中可以对后备母猪的边框进行判断。由于有爬跨行为和/或竖耳行为的后备母猪的边框与正常站立的后备母猪的边框相比,边框范围有显著特征的变化。在大量捕获发情的后备母猪爬跨行为特征和竖耳行为特征的图像信息后,输入faster r-cnn网络进行深度学习,通过参考边框,学习预测偏移量,得到后备母猪发情状态监测模型,以区分出具有爬跨行为和/或竖耳行为的后备母猪。
利用后备母猪发情状态监测模型从采集到的图形信息中识别出具有发情状态的图像帧,然后进行存储,形成发情训练集;
利用发情训练集对残差网络进行训练后,利用训练后的残差网络对后备母猪是否发情进行识别。残差网络属于卷积神经网络的经典训练模型,训练之后,即能够对出现爬跨行为和/或竖耳行为的后备母猪进行识别。
还可以采用支持向量机检测后备母猪的爬跨行为和/或竖耳行为,在检测到后备母猪有爬跨行为和/或竖耳行为时判定发情;支持向量机这一算法主要是用于检测母猪的爬跨行为或者竖耳行为。爬跨与竖耳为典型的母猪发情行为,因猪舍饲养的后备母猪数量比人工检测的多,可以在有限的猪舍内饲养更多的后备母猪,因此后备母猪发情后更容易产生爬跨行为,从而便于支持向量机算法判断母猪是否发情。
采用支持向量机算法,需要对图像进行分类,将爬跨后备母猪的图像信号与正常站立的后备母猪分的图像信号输入至母猪识别系统1,通过归一化与线性或非线性映射,使支持向量机主要对两类图像的形状进行分类识别,爬跨的后备母猪为一类,非爬跨的后备母猪为另一类。
基于上述的管理方法,本实施例中还公开了一种后备母猪管理猪舍,包括设置在猪舍中央的猪栏,猪栏包括公猪栏3和母猪栏2;其中,公猪栏3和母猪栏2相间设置,具体的,本实施例中,公猪栏3设置4个,母猪栏2设置2个。
识别系统1,设于猪舍长边一侧,接入互联网,通过互联网以及以太网与终端进行通信。终端为监控机房和饲养员的手持终端。
包括三轴加速器,位于后备母猪前腿部,预先采集发情后备母猪爬跨行为和/或竖耳行为时的位移运动量信息,用于采集后备母猪的运动量信息并判定后备母猪是否有发情行为;本实施例中,三轴加速器配置有可读写RFID标签和写入模组,在三轴加速器检测到后备母猪发情行为时,如检测到后备母猪出现爬跨行为后,写入模组向可读写RFID标签写入发情信息,发情信息包括爬跨信号和相应的识别ID;
RFID接收器5,用于接收并识别出写入发情信息的可读写RFID标签;
摄像模块,位于猪舍上方,在授权后,用于在后备母猪有发情行为时采集猪舍图像;本实施例中,摄像模块为猪舍中间设置的朝向猪舍两端短边监视的4个摄像头4和猪舍短边两端设置向猪舍中心监视的4个摄像头4,8个摄像头4均为PTZ摄像头4,以俯视角度观察后备母猪。PTZ摄像头4可以通过水平360度、垂直120度旋转以及缩放等,能够以最佳角度获得后备母猪的图像信息,同时云台也可以作为PTZ摄像头4。设于猪舍中间的PTZ摄像头4与公猪栏3的垂直距离不超过1米,使其靠近诱情公猪。PTZ摄像头4距离母猪的距离越近,则获取到的图像资源越清晰,而设置于短边的PTZ摄像头4的设置高度需视猪舍的高度决定,但最高不超过猪舍漏粪沟2米。PTZ摄像头4是采用2K/60Hz的制式记录连续的图像信号。
识别模块,用于在接收到至少一个写入发情信息的可读写RFID标签和猪舍图像后根据猪舍图像识别后备母猪是否发情;本实施例中,识别模块通过卷积神经网络识别后备母猪是否发情,具体的,识别模块先引入后备母猪发情特征,形成目标训练集,引入的后备母猪发情特征包括饲料、后备母猪的活动水平和/或环境数据;
将目标训练集输入卷积神经网络中进行训练,得到所述后备母猪发情状态检测模型;在卷积神经网络中,采用faster r-cnn,首先需要将目标训练集中的后备母猪发情特征进行归一化,使得在卷积神经网络中可以对后备母猪的边框进行判断。由于有爬跨行为和/或竖耳行为的后备母猪的边框与正常站立的后备母猪的边框相比,边框范围有显著特征的变化。在大量捕获发情的后备母猪爬跨行为特征和竖耳行为特征的图像信息后,输入faster r-cnn网络进行深度学习,通过参考边框,学习预测偏移量,得到后备母猪发情状态监测模型,以区分出具有爬跨行为和/或竖耳行为的后备母猪。
利用后备母猪发情状态监测模型从采集到的图形信息中识别出具有发情状态的图像帧,然后进行存储,形成发情训练集;具体的,由于摄像模块的采集操作为视频采集,因此在识别过程中,需要以帧为单位进行图像帧的截取;
利用发情训练集对残差网络进行训练后,利用训练后的残差网络对后备母猪是否发情进行识别。具体的,通过设置在后备母猪的右侧前腿处的三轴感应器发出固定信号,如闪烁,蜂鸣等,或通过三轴感应器通知其他信号接收设备,如声频感应器、光纤感应器等,将爬跨开始的信号传递给识别系统1,随后识别系统1通知PTZ摄像头4采集具有爬跨行为的后备母猪。残差网络属于卷积神经网络的经典训练模型,训练之后,即能够对爬跨或竖耳的后备母猪进行识别;使用一个或多个卷积神经网络函数从视频设备中确定至少一个爬跨后备母猪。
通信模块,用于在识别到后备母猪发情时向终端发送信号。由于识别系统1接入了互联网,在向第三方服务商申请推送服务后,将信号推送至监控机房和饲养员的手持终端,这样无论饲养员在任何地方,都能及时得到后备母猪发情的信号,以太网的信息收发只需要定时向识别系统1轮询即可。由于饲养员收到的信号包括了RFID标签中的识别ID,通过手持RFID接收器,确认发情的后备母猪。
实施例二
本实施例中,识别系统1配置有两个ZigBee基站,三轴加速器配置有ZigBee节点,检测到后备母猪发情行为的三轴加速器通过ZigBee节点将发情信息发送至识别系统1。由于ZigBee节点自带有特征ID,因此ZigBee基站从节点接收特征ID和发情信息后,输入至识别系统1,由识别系统1负责发送信号。ZigBee节点平时处于待机状态,当三轴加速器检测到发情信息后,激活ZigBee节点,由ZigBee节点与ZigBee基站无线通讯,从而达到省电的目的。并且,由于饲养员收到的信号包括ZigBee节点的特征ID,通过ZigBee基站定位后,即可确认发情的后备母猪。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.后备母猪发情监测管理方法,其特征在于:包括以下内容:
圈养:将诱情公猪与后备母猪相间圈养;
运动判定:采集后备母猪右侧前腿部的运动量信息,并与预先采集的发情后备母猪的位移运动量信息进行比较,判定后备母猪是否出现发情行为;
图像采集:在判定出后备母猪有发情行为时,采集猪舍内后备母猪的图像信息;
发情判定:根据图像信息判定后备母猪是否发情,在判定后备母猪发情后对相应的后备母猪进行标识跟踪并发送发情信号。
2.根据权利要求1所述的后备母猪发情监测管理方法,其特征在于:所述运动判定中,判定后备母猪是否出现竖耳行为和/或爬跨行为。
3.根据权利要求2所述的后备母猪发情监测管理方法,其特征在于:所述发情判定中,根据预先设置的后备母猪发情状态监测模型对所述图像信息进行后备母猪是否发情的判定。
4.根据权利要求3所述的后备母猪发情监测管理方法,其特征在于:所述发情判定中,先引入后备母猪发情特征,形成目标训练集;
将目标训练集输入卷积神经网络中进行训练,得到所述后备母猪发情状态检测模型。
5.根据权利要求4所述的后备母猪发情监测管理方法,其特征在于:所述发情判定中,根据后备母猪发情状态监测模型进行判定时,利用后备母猪发情状态监测模型从采集到的图形信息中识别出具有发情状态的图像帧,然后进行存储,形成发情训练集;
利用发情训练集对残差网络进行训练后,利用训练后的残差网络对后备母猪是否发情进行识别。
6.根据权利要求5所述的后备母猪发情监测管理方法,其特征在于:引入的后备母猪发情特征包括饲料、后备母猪的活动水平和/或环境数据。
7.根据权利要求6所述的后备母猪发情监测管理方法,其特征在于:所述卷积神经网络采用faster r-cnn。
8.根据权利要求1或2所述的后备母猪发情监测管理方法,其特征在于:所述发情判定中,采用支持向量机检测后备母猪的爬跨行为和/或竖耳行为,在检测到后备母猪有爬跨行为和/或竖耳行为时判定发情。
9.根据权利要求1所述的后备母猪发情监测管理方法,其特征在于:所述图像采集中,采集的图像信息为采用2K/60Hz的制式记录的连续图像信号。
10.根据权利要求9所述的后备母猪发情监测管理方法,其特征在于:所述发情判定中,同时通过互联网以及以太网推送所述发情信号。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020116171759 | 2020-12-31 | ||
CN2020116297507 | 2020-12-31 | ||
CN202011617175.9A CN112586366A (zh) | 2020-12-31 | 2020-12-31 | 一种具有后备母猪监测的公猪诱情栏猪舍 |
CN2020116171922 | 2020-12-31 | ||
CN202011617192.2A CN112586367A (zh) | 2020-12-31 | 2020-12-31 | 一种母猪监测的公猪诱情栏猪舍 |
CN202011629750.7A CN112586368A (zh) | 2020-12-31 | 2020-12-31 | 一种具有母猪监测的公猪诱情栏猪舍 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114097628A true CN114097628A (zh) | 2022-03-01 |
Family
ID=80213620
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111648030.XA Pending CN114041426A (zh) | 2020-12-31 | 2021-12-30 | 后备母猪管理猪舍 |
CN202111648034.8A Pending CN114097628A (zh) | 2020-12-31 | 2021-12-30 | 后备母猪发情监测管理方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111648030.XA Pending CN114041426A (zh) | 2020-12-31 | 2021-12-30 | 后备母猪管理猪舍 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN114041426A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012146583A1 (en) * | 2011-04-26 | 2012-11-01 | Piglets Treatment System Bv | Method to predict an insemination interval of an animal and system to apply this method |
CN107027650A (zh) * | 2017-03-21 | 2017-08-11 | 中国农业大学 | 一种基于pso‑svm的种猪异常状态检测方法及装置 |
CN108717523A (zh) * | 2018-04-26 | 2018-10-30 | 华南农业大学 | 基于机器视觉的母猪发情行为检测方法 |
CN109984054A (zh) * | 2019-04-19 | 2019-07-09 | 广州影子科技有限公司 | 发情检测方法、发情检测装置和发情检测系统 |
CN110839557A (zh) * | 2019-10-16 | 2020-02-28 | 北京海益同展信息科技有限公司 | 母猪发情监测方法、装置、系统、电子设备及存储介质 |
CN111723785A (zh) * | 2020-01-13 | 2020-09-29 | 上海明略人工智能(集团)有限公司 | 一种动物发情确定方法及装置 |
CN212232650U (zh) * | 2020-07-16 | 2020-12-29 | 重庆市畜牧科学院 | 一种母猪健康监测系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011120529A1 (en) * | 2010-03-31 | 2011-10-06 | Københavns Universitet | Model for classifying an activity of an animal |
FR3024653A1 (fr) * | 2014-08-11 | 2016-02-12 | Evolution Nt | Dispositif et systeme de surveillance de la sante, de la fertilite et/ou du bien-etre d'un porcin |
CN106472347A (zh) * | 2015-08-29 | 2017-03-08 | 范石军 | 一种用于母猪健康监控的智能侦测系统 |
CN207600521U (zh) * | 2017-12-28 | 2018-07-10 | 重庆派森百橙汁有限公司 | 一种母猪发情自动监测系统 |
CN111248103B (zh) * | 2020-01-09 | 2022-11-01 | 洛阳语音云创新研究院 | 牲畜发情检测方法、装置以及设备 |
CN111914685B (zh) * | 2020-07-14 | 2024-04-09 | 北京小龙潜行科技有限公司 | 母猪发情检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-30 CN CN202111648030.XA patent/CN114041426A/zh active Pending
- 2021-12-30 CN CN202111648034.8A patent/CN114097628A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012146583A1 (en) * | 2011-04-26 | 2012-11-01 | Piglets Treatment System Bv | Method to predict an insemination interval of an animal and system to apply this method |
CN107027650A (zh) * | 2017-03-21 | 2017-08-11 | 中国农业大学 | 一种基于pso‑svm的种猪异常状态检测方法及装置 |
CN108717523A (zh) * | 2018-04-26 | 2018-10-30 | 华南农业大学 | 基于机器视觉的母猪发情行为检测方法 |
CN109984054A (zh) * | 2019-04-19 | 2019-07-09 | 广州影子科技有限公司 | 发情检测方法、发情检测装置和发情检测系统 |
CN110839557A (zh) * | 2019-10-16 | 2020-02-28 | 北京海益同展信息科技有限公司 | 母猪发情监测方法、装置、系统、电子设备及存储介质 |
CN111723785A (zh) * | 2020-01-13 | 2020-09-29 | 上海明略人工智能(集团)有限公司 | 一种动物发情确定方法及装置 |
CN212232650U (zh) * | 2020-07-16 | 2020-12-29 | 重庆市畜牧科学院 | 一种母猪健康监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114041426A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875647B (zh) | 一种基于牲畜身份的移动轨迹监测方法和系统 | |
CN109618961B (zh) | 一种家畜的智能投喂系统和方法 | |
AU2019399813A1 (en) | Intelligent pig group rearing weighing method and apparatus, electronic device and storage medium | |
WO2017003113A1 (ko) | 음향 및 영상분석을 통한 넙치 질병 예방 시스템 | |
KR20190033892A (ko) | 야생동물 모니터링 시스템 및 그 방법 | |
KR102296501B1 (ko) | 깊이 영상카메라 및 소리 센서를 활용한 모돈의 발정기 및 수정적기 판단 시스템 | |
CN106295558A (zh) | 一种猪只行为节律分析方法 | |
CN108399782A (zh) | 室外反向导车的方法、装置、系统、设备及存储介质 | |
CN107771706B (zh) | 一种母猪发情检测方法及系统 | |
KR102307327B1 (ko) | 전자식 모돈 관리 장치 | |
Kuźnicka et al. | Automatic detection of suckling events in lamb through accelerometer data classification | |
KR20130030615A (ko) | 가축의 승가정보 제공 시스템 | |
KR20200057405A (ko) | 사물인터넷 기반 소의 중요징후 탐지시스템 | |
CN113711944B (zh) | 一种母猪发情鉴定方法、装置及系统 | |
DE212011100188U1 (de) | Ortungssystem bzw. Informationssystem zum Anzeigen einer einem Tier zugeordneten Information | |
CN112751925A (zh) | 基于大数据与物联网的宠物狗管理系统、方法及智能设备 | |
CN116824626A (zh) | 一种动物异常状态人工智能识别的方法 | |
CN114097628A (zh) | 后备母猪发情监测管理方法 | |
CN112800837B (zh) | 一种鸟类识别系统及方法 | |
US20230413786A1 (en) | Pig rearing support apparatus, pig rearing support method, and non-volatile storage medium storing pig rearing support program | |
CN112586368A (zh) | 一种具有母猪监测的公猪诱情栏猪舍 | |
CN115349459B (zh) | 一种智能猪舍监控系统 | |
CN210075433U (zh) | 一种智能监测猪群圈内空间分布行为的装置 | |
CN215187398U (zh) | 养殖场电子围栏管理系统 | |
CN111372061A (zh) | 一种视频监控装置及监控方法 |
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 |