CN114118755A - 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质 - Google Patents

基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114118755A
CN114118755A CN202111374886.2A CN202111374886A CN114118755A CN 114118755 A CN114118755 A CN 114118755A CN 202111374886 A CN202111374886 A CN 202111374886A CN 114118755 A CN114118755 A CN 114118755A
Authority
CN
China
Prior art keywords
livestock
information
animal
meat
rpa
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
Application number
CN202111374886.2A
Other languages
English (en)
Inventor
杨明
汪冠春
胡一川
褚瑞
李玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Laiye Network Technology Co Ltd
Laiye Technology Beijing Co Ltd
Original Assignee
Beijing Laiye Network Technology Co Ltd
Laiye Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Laiye Network Technology Co Ltd, Laiye Technology Beijing Co Ltd filed Critical Beijing Laiye Network Technology Co Ltd
Priority to CN202111374886.2A priority Critical patent/CN114118755A/zh
Publication of CN114118755A publication Critical patent/CN114118755A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Environmental Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Animal Husbandry (AREA)
  • Biophysics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提出一种基于RPA和AI的牲畜养殖管理方法、装置、设备及存储介质，应用于服务器的方法包括：获取至少一个传感器检测的原始牲畜信息；利用计算机视觉算法和/或机器学习算法对所述原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息；将所述牲畜录入信息发送给机器人流程自动化RPA机器人，以便所述RPA机器人将所述牲畜录入信息录入所述牲畜信息管理系统。本申请不仅可以利用AI技术自动获取牲畜录入信息，还可以利用RPA技术将牲畜录入信息自动录入牲畜信息管理系统，而无需雇佣人力定期检测并分析养殖场中各牲畜信息来获得牲畜录入信息，更无需人工将这些牲畜录入信息录入牲畜信息管理系统，从而提高了牲畜录入信息获取和录入的效率。

Description

基于RPA和AI的牲畜养殖管理方法、装置、设备及存储介质
技术领域
本申请涉及流程自动化技术领域，尤其涉及一种基于RPA和AI的牲畜养殖管理方法、装置、设备及存储介质。
背景技术
机器人流程自动化(Robotic Process Automation，简称RPA)，是通过特定的“机器人软件”，模拟人在计算机上的操作，按规则自动执行流程任务。
人工智能(Artificial Intelligence，简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。
牲畜养殖从家庭养殖到个体户养殖，再到企业养殖，规模越来越大，竞争越来越激烈。牲畜养殖过程比较复杂，包括选种、配种、分娩、观察行为是否正常、环境是否舒适以及牲畜肉质评估等等。相关技术中，为了提高养殖质量、养殖效率以及养殖收益统计效率等，对于大型个体户养殖和企业养殖，常常需要雇佣较多人力定期检测并分析养殖场中各牲畜的行为、牲畜所处于的环境、鉴别肉品质量等，然后将分析出的信息录入到牲畜信息管理系统，以便再通过牲畜信息管理系统对牲畜养殖情况进行管理和统计。因此，虽然上述牲畜养殖管理体系中已经使用了能够电子化管理和统计的牲畜信息管理系统，但是获取并录入牲畜信息管理系统所需的信息时，却需要消耗大量人力和时间。
发明内容
本申请实施例提供一种基于RPA和AI的牲畜养殖管理方法、装置、设备及存储介质，以解决相关技术中需要消耗大量人力和时间来获取并录入牲畜信息管理系统所需信息的问题，技术方案如下：
第一方面，本申请实施例提供了一种基于RPA和AI的牲畜养殖管理方法，方法应用于服务器，方法包括：
S1、获取至少一个传感器检测的原始牲畜信息；
S2、利用计算机视觉CV算法和/或机器学习ML算法对原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息；
S3、将牲畜录入信息发送给机器人流程自动化RPA机器人，以便RPA机器人将牲畜录入信息录入牲畜信息管理系统。
在一种实施方式中，牲畜录入信息包括以下任一项或多项的组合：
牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
在一种实施方式中，当牲畜录入信息包括牲畜的个体行为信息，原始牲畜信息包括牲畜视频时，S2包括：
S21、利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并对牲畜进行跟踪和个体行为识别，获得每只牲畜的个体行为信息，其中，个体行为信息包括正常个体行为和/或异常个体行为，正常个体行为包括进食、饮水、躺卧、走动、排泄中至少一项，异常个体行为包括体表颜色异常、精神异常、拉稀中至少一项。
在一种实施方式中，当识别出的述个体行为信息中包括异常个体行为时，方法还包括：
S4、将包含异常个体行为的预警提示信息发送给RPA机器人，以便RPA机器人将预警提示信息录入牲畜异常预警系统。
在一种实施方式中，当牲畜录入信息包括牲畜间的攻击行为信息，原始牲畜信息包括牲畜视频时，S2包括：
S22、利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并将识别出的牲畜所在的区域分割成多个牲畜肢体区域；
S23、针对待识别的两只牲畜，若一只牲畜的多个牲畜肢体区域中第一牲畜肢体区域与另一只牲畜的多个牲畜肢体区域中第二牲畜肢体区域存在重叠，则确定待识别的两只牲畜存在牲畜间的攻击行为。
在一种实施方式中，当牲畜录入信息包括牲畜分娩信息，原始牲畜信息包括牲畜视频时，S2包括：
S24、利用计算机视觉CV算法识别牲畜视频中包含母性牲畜限位栏的牲畜图像中的牲畜；
S25、判断识别出的牲畜所在的区域中预设区域的半径是否大于预设半径阈值，若大于预设半径阈值，则确定识别出的牲畜为母性牲畜，其中，预设区域为能够区分牲畜性别的区域；
S26、若一个母性牲畜限位栏所包含的区域内包含母性牲畜和体型小于母性牲畜的其他牲畜，则确定母性牲畜已分娩。
在一种实施方式中，当牲畜录入信息包括牲畜温度体感信息，原始牲畜信息包括牲畜视频时，S2包括：
S27、利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并利用卧姿识别模型识别出处于躺卧状态的牲畜的卧姿，其中，卧姿包括侧卧、胸骨卧，卧姿识别模型为根据多张添加牲畜卧姿标记的牲畜图像训练得到的神经网络模型；
S28、分别统计侧卧和胸骨卧的牲畜比例；
S29、若侧卧的牲畜比例大于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度高；
S210、若胸骨卧的牲畜比例大于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度低；
S211、若侧卧的牲畜比例小于或者等于预设比例阈值，且和胸骨卧的牲畜比例小于或者等于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度适宜。
在一种实施方式中，当牲畜录入信息包括牲畜肉质信息，原始牲畜信息包括牲畜肉块图像时，S2包括：
S214、通过将牲畜肉块图像输入肉质识别模型，识别牲畜肉块图像所包含的牲畜肉块的牲畜肉质级别，其中，牲畜肉质信息包括牲畜肉质级别，肉质识别模型为根据多张添加牲畜肉质级别标记的牲畜肉块图像训练得到的神经网络模型。
在一种实施方式中，牲畜肉质级别包括牲畜肉组织纹理级别，且肉质识别模型包括肉组织纹理识别模型；
和/或，牲畜肉质级别包括牲畜肉色级别，且肉质识别模型包括肉色识别模型。
第二方面，本申请实施例提供了一种基于RPA和AI的牲畜养殖管理方法，方法应用于机器人流程自动化RPA机器人，方法包括：
S4、接收服务器发送的牲畜录入信息，其中，牲畜录入信息为服务器利用计算机视觉CV算法和/或机器学习ML算法对至少一个传感器检测的原始牲畜信息进行分析得到的；
S5、将牲畜录入信息录入到牲畜信息管理系统中。
在一种实施方式中，牲畜录入信息包括以下任一项或多项的组合：
牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
第三方面，本申请实施例提供了一种基于RPA和AI的牲畜养殖管理装置，装置应用于服务器，装置包括：
获取单元，用于获取至少一个传感器检测的原始牲畜信息；
分析单元，用于利用计算机视觉CV算法和/或机器学习ML算法对原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息；
发送单元，用于将牲畜录入信息发送给机器人流程自动化RPA机器人，以便RPA机器人将牲畜录入信息录入牲畜信息管理系统。
在一种实施方式中，牲畜录入信息包括以下任一项或多项的组合：
牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
在一种实施方式中，分析单元包括：
个体行为分析模块，用于当牲畜录入信息包括牲畜的个体行为信息，原始牲畜信息包括牲畜视频时，利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并对牲畜进行跟踪和个体行为识别，获得每只牲畜的个体行为信息，其中，个体行为信息包括正常个体行为和/或异常个体行为，正常个体行为包括进食、饮水、躺卧、走动、排泄中至少一项，异常个体行为包括体表颜色异常、精神异常、拉稀中至少一项。
在一种实施方式中，发送单元，还用于当识别出的述个体行为信息中包括异常个体行为时，将包含异常个体行为的预警提示信息发送给RPA机器人，以便RPA机器人将预警提示信息录入牲畜异常预警系统。
在一种实施方式中，分析单元包括：
攻击行为分析模块，用于当牲畜录入信息包括牲畜间的攻击行为信息，原始牲畜信息包括牲畜视频时，利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并将识别出的牲畜所在的区域分割成多个牲畜肢体区域；针对待识别的两只牲畜，若一只牲畜的多个牲畜肢体区域中第一牲畜肢体区域与另一只牲畜的多个牲畜肢体区域中第二牲畜肢体区域存在重叠，则确定待识别的两只牲畜存在牲畜间的攻击行为。
在一种实施方式中，分析单元包括：
分娩分析模块，用于当牲畜录入信息包括牲畜分娩信息，原始牲畜信息包括牲畜视频时，利用计算机视觉CV算法识别牲畜视频中包含母性牲畜限位栏的牲畜图像中的牲畜；判断识别出的牲畜所在的区域中预设区域的半径是否大于预设半径阈值，若大于预设半径阈值，则确定识别出的牲畜为母性牲畜，其中，预设区域为能够区分牲畜性别的区域；若一个母性牲畜限位栏所包含的区域内包含母性牲畜和体型小于母性牲畜的其他牲畜，则确定母性牲畜已分娩。
在一种实施方式中，分析单元包括：
温度体感分析模块，用于当牲畜录入信息包括牲畜温度体感信息，原始牲畜信息包括牲畜视频时，利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并利用卧姿识别模型识别出处于躺卧状态的牲畜的卧姿，其中，卧姿包括侧卧、胸骨卧，卧姿识别模型为根据多张添加牲畜卧姿标记的牲畜图像训练得到的神经网络模型；分别统计侧卧和胸骨卧的牲畜比例；若侧卧的牲畜比例大于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度高；若胸骨卧的牲畜比例大于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度低；若侧卧的牲畜比例小于或者等于预设比例阈值，且和胸骨卧的牲畜比例小于或者等于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度适宜。
在一种实施方式中，分析单元包括：
肉质分析模块，用于当牲畜录入信息包括牲畜肉质信息，原始牲畜信息包括牲畜肉块图像时，通过将牲畜肉块图像输入肉质识别模型，识别牲畜肉块图像所包含的牲畜肉块的牲畜肉质级别，其中，牲畜肉质信息包括牲畜肉质级别，肉质识别模型为根据多张添加牲畜肉质级别标记的牲畜肉块图像训练得到的神经网络模型。
在一种实施方式中，牲畜肉质级别包括牲畜肉组织纹理级别，且肉质识别模型包括肉组织纹理识别模型；和/或，牲畜肉质级别包括牲畜肉色级别，且肉质识别模型包括肉色识别模型。
第四方面，本申请实施例提供了一种基于RPA和AI的牲畜养殖管理装置，装置应用于机器人流程自动化RPA机器人，装置包括：
接收单元，用于接收服务器发送的牲畜录入信息，其中，牲畜录入信息为服务器利用计算机视觉CV算法和机器学习ML算法对至少一个传感器检测的原始牲畜信息进行分析得到的；
录入单元，用于将牲畜录入信息录入到牲畜信息管理系统中。
在一种实施方式中，牲畜录入信息包括以下任一项或多项的组合：
牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
在一种实施方式中，接收单元，还用于当个体行为信息包括异常个体行为时，接收服务器发送的包含异常个体行为的预警提示信息；
录入单元，还用于将预警提示信息录入牲畜异常预警系统。
第五方面，本申请实施例提供了一种服务器，包括：处理器和存储器，存储器中存储指令，指令由处理器加载并执行，以实现上述第一方面任一种实施方式中的方法。
第六方面，本申请实施例提供了一种终端，包括：处理器和存储器，存储器中存储指令，指令由处理器加载并执行，以实现上述第二方面任一种实施方式中的方法。
第七方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述各方面任一种实施方式中的方法。
上述技术方案中的优点或有益效果至少包括：
1、服务器可以先从至少一个传感器获取检测的原始牲畜信息，再利用计算机视觉(Computer Vision，简称CV)算法和/或机器学习(Machine Learning，简称ML)算法对这些原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息，最后将牲畜录入信息发送给机器人流程自动化(Robotic Process Automation，简称RPA)机器人，由RPA机器人将牲畜录入信息录入该牲畜信息管理系统。由此可知，本申请实施例不仅可以利用人工智能(Artificial Intelligence，简称AI)技术自动获取牲畜信息管理系统所需的牲畜录入信息，还可以利用RPA技术将牲畜录入信息自动录入牲畜信息管理系统，而无需雇佣人力定期检测并分析养殖场中各牲畜信息来获得牲畜录入信息，更无需人工将这些牲畜录入信息录入牲畜信息管理系统，并且本申请通过传感器、服务器和RPA机器人构成的自动化牲畜养殖管理方法的工作效率远远高于人工效率。
2、本申请实施例可以利用传感器(例如视频传感器)拍摄牲畜视频，并利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，识别出每只牲畜的个体行为信息、牲畜间是否存在攻击行为、母性牲畜是否分娩等，而无需人工去养殖场一一记录这些信息，进而不仅节省了人力，还提高了获取这些牲畜录入信息的效率。
3、本申请实施例可以利用传感器(例如视频传感器)拍摄牲畜视频，并利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，利用卧姿识别模型识别出处于躺卧状态的牲畜的卧姿，通过统计每种卧姿比例来确定牲畜温度体感信息，而无需人工去养殖场一一记录牲畜温度体感信息，进而不仅节省了人力，还提高了获取牲畜温度体感信息的效率。
4、本申请实施例可以利用传感器(如图像传感器)拍摄牲畜肉块图像，并利用肉质识别模型(包括肉组织纹理识别模型和/或肉色识别模型)识别，牲畜肉质级别，而无需人工通过经验一一对每块肉进行识别，进而不仅节省了人力，还提高了获取牲畜肉质信息的效率。
5、当利用计算机视觉CV算法识别出的牲畜个体行为信息包括异常行为时，可以将包含异常个体行为的预警提示信息发送给RPA机器人，以便RPA机器人将预警提示信息录入牲畜异常预警系统，从而可以使得管理员通过牲畜异常预警系统及时发现并处理牲畜的异常行为，避免造成无法挽回的损失。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。
图1为本申请实施例提供的一种基于RPA和AI的牲畜养殖管理方法的流程示意图；
图2为本申请实施例提供的另一种基于RPA和AI的牲畜养殖管理方法的流程示意图；
图3为本申请实施例提供的一种基于RPA机器人将牲畜分娩信息录入牲畜信息管理系统的界面示意图；
图4为本申请实施例提供的一种基于RPA和AI的牲畜养殖管理系统的架构图；
图5为本申请实施例提供的一种基于RPA和AI的牲畜养殖管理装置的组成框图；
图6为本申请实施例提供的另一种基于RPA和AI的牲畜养殖管理装置的组成框图；
图7为本申请实施例提供的一种服务器的架构图；
图8为本申请实施例提供的另一种服务器的架构图；
图9为本申请实施例提供的一种终端的架构图；
图10为本申请实施例提供的另一种终端的架构图。
具体实施方式
下面详细描述本申请的各个实施例，各实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
在本申请实施例的描述中，术语“传感器”是用于检测牲畜本身、牲畜环境的装置，包括视频传感器、图像传感器等，传感器检测获得的原始数据可以称为“原始牲畜信息”。术语“服务器”是对传感器检测的原始牲畜信息进行处理并获得牲畜录入信息的后台设备，可以为一台服务器，也可以为服务器集群。术语“终端”是指用户终端，包括台式电脑、笔记本、手机等，终端上可以安装RPA机器人和牲畜信息管理系统。
在本申请实施例的描述中，术语“牲畜”指由人类饲养使之繁殖而利用，有利于农业生产的畜类，包括猪、牛、羊、鸡、鸭、鹅等。“牲畜录入信息”是指需要录入到牲畜信息管理系统，由管理员进行查看并进一步统计操作的信息，包括但不限于以下任一项或多项的组合：牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。其中，术语“个体行为信息”是指牲畜单独活动过程中所产生的行为信息，“牲畜间的攻击行为信息”是指至少两个牲畜活动过程中产生的相互攻击的行为，“牲畜分娩信息”是指母性牲畜分娩的相关信息，“牲畜温度体感信息”是指牲畜体感温度是否适宜的信息，“牲畜肉质信息”是指牲畜肉质级别信息。
在本申请实施例的描述中，术语“牲畜信息管理系统”是指用于存储并管理牲畜录入信息的系统，术语“牲畜异常预警系统”是指用于存储并输出预警提示信息的系统。牲畜异常预警系统可以为牲畜信息管理系统的子系统，也可以为独立于牲畜信息管理系统的其他系统。
在本申请实施例的描述中，术语“计算机视觉CV”是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使计算机处理成为更适合人眼观察或传送给仪器检测的信息。
在本申请实施例的描述中，术语“机器学习ML”是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。术语“卧姿识别模型”、“肉质识别模型”、“肉组织纹理识别模型”、“肉色识别模型”分别为利用机器学习ML算法训练出的用于分类的神经网络模型。其中，卧姿识别模型为根据多张添加牲畜卧姿标记的牲畜图像训练得到的神经网络模型，用于识别牲畜卧姿；肉质识别模型为根据多张添加牲畜肉质级别标记的牲畜肉块图像训练得到的神经网络模型，用于识别牲畜肉质级别，且肉质识别模型包括肉组织纹理识别模型和/或肉色识别模型；肉组织纹理识别模型为根据多张包括牲畜肉组织纹理级别标记的牲畜肉块图像进行模型训练得到的神经网络模型，用于识别牲畜肉组织纹理级别；肉色识别模型为根据多张包括牲畜肉色级别标记的牲畜肉块图像进行模型训练得到的神经网络模型，用于识别牲畜肉色级别。
在本申请实施例的描述中，术语“OCR”是指光学字符识别(Optical CharacterRecognition)，具体是指电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。
在牲畜养殖过程中，常常需要先进行人工采集并分析获得牲畜录入信息，然后人工将牲畜录入信息录入牲畜信息管理系统，该工作不仅重复性强、难度低，还十分消耗人力和时间。而RPA技术可以通过用户使用界面，智能理解所在电子设备的已有应用，将重复的、基于规则、大批量的常规操作自动化，如自动重复读取邮件、读取Office组件、操作数据库及网页、客户端软件等，采集数据并进行繁琐的计算，并批量生成所需的文件和报告，从而通过RPA技术能够大幅降低人力成本的投入，有效提高办公效率。AI技术可以突破固定规则，模拟人的思维、意识来自动化处理一些更复杂的应用场景。RPA具有独特的优势：低代码、非侵入。低代码是说，RPA不需要很高的IT水平就能操作，不懂编程的业务人员也能开发流程；非侵入是说，RPA可以模拟人的操作，不用软件系统开放接口。但是传统的RPA具有一定的局限性：只能基于固定的规则，并且应用场景受限。随着AI技术的不断发展，RPA与AI深度融合克服了传统RPA的局限，RPA+AI＝Hand work+Head work，正在极大的改变劳动力的价值。基于此，本申请实施例提供了一种结合RPA和AI两种技术来进行自动化实现牲畜养殖管理的方法，从而不仅可以省去人力，还可以提高获取并录入牲畜录入信息的效率。
参照下面的描述和附图，将清楚本申请的实施例的这些和其他方面。在这些描述和附图中，具体公开了本申请的实施例中的一些特定实施方式，来表示实施本申请的实施例的原理的一些方式，但是应当理解，本申请的实施例的范围不受此限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本申请一个实施例提供的基于RPA和AI的牲畜养殖管理方法的流程图，该方法应用于服务器，如图1所示，该方法可包括以下步骤：
步骤S101：服务器获取至少一个传感器检测的原始牲畜信息。
为了对养殖场的牲畜进行监控，可以在养殖场安装至少一个传感器，用于测量原始牲畜信息，以便至少一个传感器将测量的原始牲畜信息定期上传至服务器，或者在接收到服务器下发的原始牲畜信息获取指令后，将原始牲畜信息获取指令所指示的时间段内的原始牲畜信息上传给服务器。至少一个传感器可以包括用于录制牲畜生活过程的视频传感器(或者摄像头)、用于采集牲畜肉块图像的图像传感器，且视频传感器和图像传感器的个数和安装位置可以根据养殖场的大小进行设置。当至少一个传感器包括视频传感器时，原始牲畜信息包括牲畜视频；当至少一个传感器包括图像传感器时，原始牲畜信息包括牲畜肉块图像。
步骤S102：服务器利用计算机视觉CV算法和/或机器学习ML算法对原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息。
其中，牲畜录入信息包括但不限于以下任一项或多项的组合：牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
下面分别针对每种牲畜录入信息获取方法进行阐述：
(一)当牲畜录入信息包括牲畜的个体行为信息，原始牲畜信息包括牲畜视频时，本申请实施例获得牲畜的个体行为信息的具体过程包括：利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并对牲畜进行跟踪和个体行为识别，获得每只牲畜的个体行为信息。
其中，个体行为信息包括正常个体行为和/或异常个体行为，正常个体行为包括进食、饮水、躺卧、走动、排泄中至少一项，异常个体行为包括体表颜色异常、精神异常、拉稀中至少一项。当本申请实施例获取的是在预设时间段内各牲畜的个体行为信息时，个体行为信息还可以包括正常个体行为中单个行为的行为时长和/或异常个体行为中单个行为的行为时长，例如，正常个体行为中单个行为的行为时长包括牲畜在预设时间段内的进食时长、饮水时长、躺卧时长、走动时长或排泄时长，此外还可以统计进食量和饮水量，异常个体行为中单个行为的行为时长包括牲畜在预设时间段内的体表颜色异常时长、精神异常时长或拉稀时长。
在利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜过程中，可以利用背景差分法区分牲畜图像中的背景区域和牲畜区域。养殖场可以设置采食区、饮水取、活动区，在识别出牲畜图像中的牲畜后，可以对牲畜进行追踪，当某只牲畜进入采食区并进行进食动作时，可以确定该牲畜的个体行为信息包括进食，同理，当某只牲畜进入饮水区并进行饮水动作时，可以确定该牲畜的个体行为信息包括饮水，当某只牲畜进入活动区并具有走动动作、躺卧动作或者排泄动作时，可以确定该牲畜的个体行为信息包括走动、躺卧或者排泄，且当排泄物的图像特征与预设的拉稀图像特征相匹配时，可以确定该牲畜的个体行为信息包括拉稀。对于体表颜色异常而言，可以通过判断牲畜的皮肤颜色值(例如皮肤发紫)是否在预设异常颜色值范围内，若在预设异常颜色值范围，则确定体表颜色异常；对于精神异常而言，可以通过综合判断牲畜的眼睛闭合度、皮肤颜色、肢体动作来确定牲畜是否发生精神异常。
综上所述，本申请实施例可以利用传感器拍摄牲畜视频，并利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，实现对牲畜的跟踪和个体行为识别，从而可以获得每只牲畜的进食、饮水、躺卧、走动、排泄等个体行为信息，而无需人工去养殖场一一记录每只牲畜的个体行为，进而不仅节省了人力，还提高了获取个体行为信息的效率。
在一种实施方式中，当识别出的个体行为信息中包括异常个体行为时，为了让管理员及时获知并处理牲畜异常行为，避免造成损失(如牲畜个体死亡、因瘟疫快速传播导致大量牲畜死亡等)，服务器还可以将包含异常个体行为的预警提示信息发送给RPA机器人，以便RPA机器人将预警提示信息录入牲畜异常预警系统。其中，牲畜异常预警系统可以为牲畜信息管理系统内部的子系统，也可以为独立于牲畜信息管理系统的系统。RPA机器人可以直接将预警提示信息录入牲畜异常预警系统，由牲畜异常预警系统输出语音、弹窗等格式的预警提示信息或者由牲畜异常预警系统自动触发预警提示信息的短信给指定管理员。RPA机器人还可以直接通过牲畜异常预警系统将预警提示信息以短信或者邮箱等形式发送给指定管理员。此外，牲畜异常预警系统中还可以包括网络医疗功能，将牲畜异常行为发送给远程的兽医进行远程诊断，以便尽快治愈异常的牲畜。
(二)当牲畜录入信息包括牲畜间的攻击行为信息，原始牲畜信息包括牲畜视频时，本申请实施例获得牲畜间的攻击行为信息的具体过程包括：利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并将识别出的牲畜所在的区域分割成多个牲畜肢体区域；针对待识别的两只牲畜，若一只牲畜的多个牲畜肢体区域中第一牲畜肢体区域与另一只牲畜的多个牲畜肢体区域中第二牲畜肢体区域存在重叠，则确定待识别的两只牲畜存在牲畜间的攻击行为。
其中，多个牲畜肢体区域包括头部区域、身体区域、四肢区域(一只腿对应一个区域)、尾巴区域。第一牲畜肢体区域与第二牲畜肢体区域可以为同一种区域相同，也可以为不同区域。例如，当一只牲畜的头部区域与另一只牲畜的身体区域发生重叠，则可以确定一只牲畜在用头部攻击另一只牲畜的身体，两者存在攻击行为。此外，当第一牲畜肢体区域和第二牲畜肢体区域为用于配种的牲畜肢体区域时，该攻击行为为配种行为。
综上所述，本申请实施例可以利用传感器拍摄牲畜视频，并利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，将识别出的牲畜所在的区域分割成多个牲畜肢体区域，通过不同牲畜间的牲畜肢体区域是否存在重叠来判断是否存在牲畜间的攻击行为，而无需人工去养殖场一一记录每两只牲畜间是否存在攻击行为，进而不仅节省了人力，还提高了获取牲畜间的攻击行为信息的效率。
(三)为了便于对母性牲畜进行分娩管理，一般会专门为母性牲畜设置限位栏，每个限位栏内养殖一只母性牲畜。因此，当牲畜录入信息包括牲畜分娩信息，原始牲畜信息包括牲畜视频时，本申请实施例获得牲畜分娩信息的具体过程包括：利用计算机视觉CV算法识别牲畜视频中包含母性牲畜限位栏的牲畜图像中的牲畜；判断识别出的牲畜所在的区域中预设区域的半径是否大于预设半径阈值，若大于预设半径阈值，则确定识别出的牲畜为母性牲畜；若一个母性牲畜限位栏所包含的区域内包含母性牲畜和体型小于母性牲畜的其他牲畜，则确定母性牲畜已分娩。
其中，预设区域为能够区分牲畜性别的区域，例如预设区域为乳房区域。预设半径阈值可以根据大量母性牲畜的预设区域的半径进行测量，并计算多个半径的均值得到。当首次识别出母性牲畜已分娩时，确定母性牲畜已分娩的图像的采集日期为该母性牲畜的分娩日期。还可以统计体型小于母性牲畜的其他牲畜个数，以确定牲畜仔的个数。
综上所述，本申请实施例可以利用传感器拍摄牲畜视频，并利用计算机视觉CV算法识别牲畜视频母性牲畜以及该母性牲畜是否已分娩等分娩信息，而无需人工去养殖场定期观察母性牲畜是否分娩，从而不仅节省了人力，还提高了获取牲畜分娩信息的效率。
(四)当牲畜录入信息包括牲畜温度体感信息，原始牲畜信息包括牲畜视频时，本申请实施例获得牲畜温度体感信息的具体过程包括：利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并利用卧姿识别模型识别出处于躺卧状态的牲畜的卧姿；分别统计侧卧和胸骨卧的牲畜比例；若侧卧的牲畜比例大于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度高；若胸骨卧的牲畜比例大于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度低；若侧卧的牲畜比例小于或者等于预设比例阈值，且和胸骨卧的牲畜比例小于或者等于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度适宜。
其中，卧姿包括侧卧、胸骨卧。当牲畜侧卧时，牲畜身体与外界接触面积较大，可以加速散热，所以牲畜侧卧比例较多时，说明牲畜体感温度较高；当牲畜胸骨卧时，牲畜身体与外界接触面积较小，可以尽量防止散热，所以牲畜胸骨卧较多时，说明牲畜体感温度较低；而两种卧姿的牲畜数量差不多时，说明只是牲畜个体卧姿习惯，牲畜体感温度适宜。卧姿识别模型为根据多张添加牲畜卧姿标记的牲畜图像训练得到的神经网络模型，即可以先对采集的大量牲畜图像进行人工标记卧姿种类，然后利用神经网络模型进行机器学习ML，获得能够识别牲畜卧姿的卧姿识别模型。预设比例阈值可以根据实际经验而定，例如可以为80％。
综上所述，本申请实施例可以利用传感器拍摄牲畜视频，并利用计算机视觉CV算法和机器学习ML算法识别牲畜温度体感信息，而无需人工去养殖场一一观察并记录牲畜温度体感信息，从而不仅节省了人力，还提高了获取牲畜分娩信息的效率。
此外，为了便于管理员更好地调整环境温度和/或湿度，还可以在养殖场安装至少一个温度传感器和/或至少一个湿度传感器，以测量环境温度信息和/或环境湿度信息，并将环境温度信息和/或环境湿度信息上传给服务器，由服务器将环境温度信息和/或环境湿度信息发送给RPA机器人，并由RPA机器人将环境温度信息和/或环境湿度信息录入牲畜信息管理系统，以便管理员通过对比传感器测量的环境信息(包括环境温度信息和/或环境湿度信息)与牲畜温度体感信息，来确定如何对环境温度和/或湿度进行调整。
(五)当牲畜录入信息包括牲畜肉质信息，原始牲畜信息包括牲畜肉块图像时，通过将牲畜肉块图像输入肉质识别模型，识别牲畜肉块图像所包含的牲畜肉块的牲畜肉质级别。
其中，牲畜肉质信息包括牲畜肉质级别，肉质识别模型为根据多张添加牲畜肉质级别标记的牲畜肉块图像训练得到神经网络模型。牲畜肉质级别包括牲畜肉组织纹理级别，且肉质识别模型包括肉组织纹理识别模型；和/或，牲畜肉质级别包括牲畜肉色级别，且肉质识别模型包括肉色识别模型。肉组织纹理识别模型可以根据多张包括牲畜肉组织纹理级别标记的牲畜肉块图像进行模型训练得到，肉组织纹理识别模型可以为k最邻近(k-NearestNeighbor，简称kNN)模型，也可以为其他分类模型。肉色识别模型可以根据多张包括牲畜肉色级别标记的牲畜肉块图像进行模型训练得到，肉色识别模型可以为反向传播(Back Propagation，简称BP)模型、或者支持向量机(Support Vector Machine，简称SVM)模型，或者其他分类模型。
综上所述，本申请实施例可以利用传感器(如图像传感器)拍摄牲畜肉块图像，并利用肉质识别模型(包括肉组织纹理识别模型和/或肉色识别模型)识别，牲畜肉质级别，而无需人工通过经验一一对每块肉进行识别，进而不仅节省了人力，还提高了获取牲畜肉质信息的效率。
步骤S103：服务器将牲畜录入信息发送给RPA机器人，以便RPA机器人将牲畜录入信息录入牲畜信息管理系统。
其中，牲畜信息管理系统的个数可以为一个，也可以为多个。当牲畜信息管理系统为一个时，牲畜信息管理系统可以为一个综合管理系统；当牲畜信息管理系统为多个时，不同牲畜信息管理系统可以具有不同的管理侧重点，例如，有的牲畜信息管理系统侧重管理牲畜的个体行为信息，有的牲畜信息管理系统侧重管理牲畜的分娩信息等。
本申请实施例提供的基于RPA和AI的牲畜养殖管理方法，能够由服务器先从至少一个传感器获取检测的原始牲畜信息，再利用计算机视觉CV算法和/或机器学习ML算法对这些原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息，最后将牲畜录入信息发送给RPA机器人，以便由RPA机器人将牲畜录入信息录入该牲畜信息管理系统。由此可知，本申请实施例不仅可以利用AI技术自动获取牲畜信息管理系统所需的牲畜录入信息，还可以利用RPA技术将牲畜录入信息自动录入牲畜信息管理系统，而无需雇佣人力定期检测并分析养殖场中各牲畜信息来获得牲畜录入信息，更无需人工将这些牲畜录入信息录入牲畜信息管理系统，并且本申请通过传感器、服务器和RPA机器人构成的自动化牲畜养殖管理方法的工作效率远远高于人工效率。
图2是本申请另一个实施例提供的基于RPA和AI的牲畜养殖管理方法的流程图，该方法应用于RPA机器人，如图2所示，该方法可包括以下步骤：
步骤S201：RPA机器人接收服务器发送的牲畜录入信息。
其中，牲畜录入信息为服务器利用计算机视觉CV算法和/或机器学习ML算法对至少一个传感器检测的原始牲畜信息进行分析得到的。牲畜录入信息包括以下任一项或多项的组合：牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
步骤S202：RPA机器人将牲畜录入信息录入到牲畜信息管理系统中。
RPA机器人在登录牲畜信息管理系统时，牲畜信息管理系统可以弹出包含验证码图像的登录界面，这种情况下RPA机器人可以对验证码图像进行OCR识别，获得验证码图像中的验证码内容，并将验证码内容输入到对应的编辑框，从而成功登录相应的系统。其中，牲畜信息管理系统可以是应用软件，也可以是网站，本申请实施例对牲畜信息管理系统的形式不做限定。
示例性的，如图3所示，当养殖的牲畜为猪，牲畜录入信息包括牲畜分娩信息时，RPA机器人登录畜信息管理系统，并进入猪分娩记录界面后，可以将已分娩的母猪的标识(如预先设置的母猪编号)、分娩日期、仔猪个数等信息录入到该界面，其中，界面中配种相关信息是根据牲畜间攻击行为信息预先录入的信息。
本申请实施例提供的基于RPA和AI的牲畜养殖管理方法，能够由RPA机器人接收服务器利用计算机视觉CV算法和/或机器学习ML算法对至少一个传感器检测的原始牲畜信息进行分析得到的牲畜录入信息，并将牲畜录入信息自动录入牲畜信息管理系统。由此可知，本申请实施例不仅可以利用AI技术自动获取牲畜信息管理系统所需的牲畜录入信息，还可以利用RPA技术将牲畜录入信息自动录入牲畜信息管理系统，而无需雇佣人力定期检测并分析养殖场中各牲畜信息来获得牲畜录入信息，更无需人工将这些牲畜录入信息录入牲畜信息管理系统，并且本申请通过传感器、服务器和RPA机器人构成的自动化牲畜养殖管理方法的工作效率远远高于人工效率。
图4示出了本申请另一个实施例提供的一种基于RPA和AI的牲畜养殖管理系统，该系统包括服务器310、终端320、至少一个传感器330，终端包括RPA机器人321和牲畜信息管理系统322；
传感器330，用于检测原始牲畜信息，并将原始牲畜信息发送给服务器310；
服务器310，用于接收至少一个传感器330发送的原始牲畜信息，利用计算机视觉CV算法和/或机器学习ML算法对原始牲畜信息进行分析，获得牲畜信息管理系统322所需的牲畜录入信息，将牲畜录入信息发送给RPA机器人321；
RPA机器人321，用于将牲畜录入信息录入牲畜信息管理系统322。
本申请实施例所提供的系统中服务器、RPA机器人、牲畜信息管理系统和至少一个传感器的具体功能可以参见上述方法中的对应描述，在此不再赘述。
图5示出了本申请另一个实施例提供的一种基于RPA和AI的牲畜养殖管理装置，该装置应用于服务器，该装置包括：
获取单元410，用于获取至少一个传感器检测的原始牲畜信息；
分析单元420，用于利用计算机视觉CV算法和/或机器学习ML算法对原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息；
发送单元430，用于将牲畜录入信息发送给机器人流程自动化RPA机器人，以便RPA机器人将牲畜录入信息录入牲畜信息管理系统。
在一种实施方式中，牲畜录入信息包括以下任一项或多项的组合：
牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
在一种实施方式中，分析单元420包括：
个体行为分析模块，用于当牲畜录入信息包括牲畜的个体行为信息，原始牲畜信息包括牲畜视频时，利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并对牲畜进行跟踪和个体行为识别，获得每只牲畜的个体行为信息，其中，个体行为信息包括正常个体行为和/或异常个体行为，正常个体行为包括进食、饮水、躺卧、走动、排泄中至少一项，异常个体行为包括体表颜色异常、精神异常、拉稀中至少一项。
发送单元430，还用于当识别出的述个体行为信息中包括异常个体行为时，将包含异常个体行为的预警提示信息发送给RPA机器人，以便RPA机器人将预警提示信息录入牲畜异常预警系统。
在一种实施方式中，分析单元420包括：
攻击行为分析模块，用于当牲畜录入信息包括牲畜间的攻击行为信息，原始牲畜信息包括牲畜视频时，利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并将识别出的牲畜所在的区域分割成多个牲畜肢体区域；针对待识别的两只牲畜，若一只牲畜的多个牲畜肢体区域中第一牲畜肢体区域与另一只牲畜的多个牲畜肢体区域中第二牲畜肢体区域存在重叠，则确定待识别的两只牲畜存在牲畜间的攻击行为。
在一种实施方式中，分析单元420包括：
分娩分析模块，用于当牲畜录入信息包括牲畜分娩信息，原始牲畜信息包括牲畜视频时，利用计算机视觉CV算法识别牲畜视频中包含母性牲畜限位栏的牲畜图像中的牲畜；判断识别出的牲畜所在的区域中预设区域的半径是否大于预设半径阈值，若大于预设半径阈值，则确定识别出的牲畜为母性牲畜，其中，预设区域为能够区分牲畜性别的区域；若一个母性牲畜限位栏所包含的区域内包含母性牲畜和体型小于母性牲畜的其他牲畜，则确定母性牲畜已分娩。
在一种实施方式中，分析单元420包括：
温度体感分析模块，用于当牲畜录入信息包括牲畜温度体感信息，原始牲畜信息包括牲畜视频时，利用计算机视觉CV算法识别牲畜视频的每帧牲畜图像中包含的牲畜，并利用卧姿识别模型识别出处于躺卧状态的牲畜的卧姿，其中，卧姿包括侧卧、胸骨卧，卧姿识别模型为根据多张添加牲畜卧姿标记的牲畜图像训练得到的神经网络模型；分别统计侧卧和胸骨卧的牲畜比例；若侧卧的牲畜比例大于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度高；若胸骨卧的牲畜比例大于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度低；若侧卧的牲畜比例小于或者等于预设比例阈值，且和胸骨卧的牲畜比例小于或者等于预设比例阈值，则确定牲畜温度体感信息为牲畜体感温度适宜。
在一种实施方式中，分析单元420包括：
肉质分析模块，用于当牲畜录入信息包括牲畜肉质信息，原始牲畜信息包括牲畜肉块图像时，通过将牲畜肉块图像输入肉质识别模型，识别牲畜肉块图像所包含的牲畜肉块的牲畜肉质级别，其中，牲畜肉质信息包括牲畜肉质级别，肉质识别模型为根据多张添加牲畜肉质级别标记的牲畜肉块图像训练得到的神经网络模型。
在一种实施方式中，牲畜肉质级别包括牲畜肉组织纹理级别，且肉质识别模型包括肉组织纹理识别模型；和/或，牲畜肉质级别包括牲畜肉色级别，且肉质识别模型包括肉色识别模型。
图6示出了本申请另一个实施例提供的一种基于RPA和AI的牲畜养殖管理装置，该装置应用于RPA机器人，该装置包括：
接收单元510，用于接收服务器发送的牲畜录入信息，其中，牲畜录入信息为服务器利用计算机视觉CV算法和机器学习ML算法对至少一个传感器检测的原始牲畜信息进行分析得到的；
录入单元520，用于将牲畜录入信息录入到牲畜信息管理系统中。
本申请实施例各装置中的各模块的功能和装置有益效果可以参见上述方法中的对应描述，在此不再赘述。
图7示出了本申请另一个实施例提供的一种服务器的结构框图。服务器包括：处理器610和存储器620，存储器620中存储指令，该指令由处理器610加载并执行，以实现如上述任一方法实施例中的方法。存储器620和处理器610的数量可以为一个或多个。
如图8所示，该服务器还包括：
通信接口630，用于与外界设备进行通信，进行数据交互传输。
如果存储器620、处理器610和通信接口630独立实现，则存储器620、处理器610和通信接口630可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
在具体实现上，如果存储器620、处理器610及通信接口630集成在一块芯片上，则存储器620、处理器610及通信接口630可以通过内部接口完成相互间的通信。
图9示出了本申请另一个实施例提供的一种终端的结构框图。终端包括：处理器710和存储器720，存储器720中存储指令，该指令由处理器710加载并执行，以实现如上述任一方法实施例中的方法。存储器720和处理器710的数量可以为一个或多个。
如图10所示，该终端还包括：
通信接口730，用于与外界设备进行通信，进行数据交互传输；
显示器740，用于输出显示牲畜信息管理系统和/或牲畜异常预警系统中各界面。
如果存储器720、处理器710、通信接口730和显示器740独立实现，则存储器720、处理器710、通信接口730和显示器740可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
在具体实现上，如果存储器720、处理器710及通信接口730集成在一块芯片上，则存储器720、处理器710及通信接口730可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现如上述任一方法实施例提供的方法。
本申请实施例还提供了一种芯片，该芯片包括，包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。
应理解的是，上述处理器可以是中央处理器(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(fieldprogrammablegate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced RISC machines，ARM)架构的处理器。
上述存储器可以包括只读存储器和随机存取存储器，还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以包括随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用。例如，静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic random access memory，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double datadate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块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存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (17)

1.一种基于RPA和AI的牲畜养殖管理方法，所述方法应用于服务器，其特征在于，所述方法包括：
S1、获取至少一个传感器检测的原始牲畜信息；
S2、利用计算机视觉CV算法和/或机器学习ML算法对所述原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息；
S3、将所述牲畜录入信息发送给机器人流程自动化RPA机器人，以便所述RPA机器人将所述牲畜录入信息录入所述牲畜信息管理系统。
2.根据权利要求1所述的方法，其特征在于，所述牲畜录入信息包括以下任一项或多项的组合：
牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
3.根据权利要求2所述的方法，其特征在于，当所述牲畜录入信息包括所述牲畜的个体行为信息，所述原始牲畜信息包括牲畜视频时，所述S2包括：
S21、利用所述计算机视觉CV算法识别所述牲畜视频的每帧牲畜图像中包含的牲畜，并对牲畜进行跟踪和个体行为识别，获得每只牲畜的个体行为信息，其中，所述个体行为信息包括正常个体行为和/或异常个体行为，所述正常个体行为包括进食、饮水、躺卧、走动、排泄中至少一项，所述异常个体行为包括体表颜色异常、精神异常、拉稀中至少一项。
4.根据权利要求3所述的方法，其特征在于，当识别出的所述个体行为信息中包括异常个体行为时，所述方法还包括：
S4、将包含异常个体行为的预警提示信息发送给所述RPA机器人，以便所述RPA机器人将所述预警提示信息录入牲畜异常预警系统。
5.根据权利要求2所述的方法，其特征在于，当所述牲畜录入信息包括所述牲畜间的攻击行为信息，所述原始牲畜信息包括牲畜视频时，所述S2包括：
S22、利用所述计算机视觉CV算法识别所述牲畜视频的每帧牲畜图像中包含的牲畜，并将识别出的牲畜所在的区域分割成多个牲畜肢体区域；
S23、针对待识别的两只牲畜，若一只牲畜的多个牲畜肢体区域中第一牲畜肢体区域与另一只牲畜的多个牲畜肢体区域中第二牲畜肢体区域存在重叠，则确定所述待识别的两只牲畜存在牲畜间的攻击行为。
6.根据权利要求2所述的方法，其特征在于，当所述牲畜录入信息包括所述牲畜分娩信息，所述原始牲畜信息包括牲畜视频时，所述S2包括：
S24、利用所述计算机视觉CV算法识别所述牲畜视频中包含母性牲畜限位栏的牲畜图像中的牲畜；
S25、判断识别出的牲畜所在的区域中预设区域的半径是否大于预设半径阈值，若大于所述预设半径阈值，则确定所述识别出的牲畜为母性牲畜，其中，所述预设区域为能够区分牲畜性别的区域；
S26、若一个母性牲畜限位栏所包含的区域内包含母性牲畜和体型小于所述母性牲畜的其他牲畜，则确定所述母性牲畜已分娩。
7.根据权利要求2所述的方法，其特征在于，当所述牲畜录入信息包括所述牲畜温度体感信息，所述原始牲畜信息包括牲畜视频时，所述S2包括：
S27、利用所述计算机视觉CV算法识别所述牲畜视频的每帧牲畜图像中包含的牲畜，并利用卧姿识别模型识别出处于躺卧状态的牲畜的卧姿，其中，所述卧姿包括侧卧、胸骨卧，所述卧姿识别模型为根据多张添加牲畜卧姿标记的牲畜图像训练得到的神经网络模型；
S28、分别统计侧卧和胸骨卧的牲畜比例；
S29、若侧卧的牲畜比例大于预设比例阈值，则确定所述牲畜温度体感信息为牲畜体感温度高；
S210、若胸骨卧的牲畜比例大于所述预设比例阈值，则确定所述牲畜温度体感信息为牲畜体感温度低；
S211、若侧卧的牲畜比例小于或者等于所述预设比例阈值，且胸骨卧的牲畜比例小于或者等于所述预设比例阈值，则确定所述牲畜温度体感信息为牲畜体感温度适宜。
8.根据权利要求2-7中任一项所述的方法，其特征在于，当所述牲畜录入信息包括所述牲畜肉质信息，所述原始牲畜信息包括牲畜肉块图像时，所述S2包括：
S212、通过将所述牲畜肉块图像输入肉质识别模型，识别所述牲畜肉块图像所包含的牲畜肉块的牲畜肉质级别，其中，所述牲畜肉质信息包括所述牲畜肉质级别，所述肉质识别模型为根据多张添加牲畜肉质级别标记的牲畜肉块图像训练得到的神经网络模型。
9.根据权利要求8所述的方法，其特征在于，所述牲畜肉质级别包括牲畜肉组织纹理级别，且所述肉质识别模型包括肉组织纹理识别模型；
和/或，所述牲畜肉质级别包括牲畜肉色级别，且所述肉质识别模型包括肉色识别模型。
10.一种基于RPA和AI的牲畜养殖管理方法，所述方法应用于机器人流程自动化RPA机器人，其特征在于，所述方法包括：
S5、接收服务器发送的牲畜录入信息，其中，所述牲畜录入信息为所述服务器利用计算机视觉CV算法和/或机器学习ML算法对至少一个传感器检测的原始牲畜信息进行分析得到的；
S6、将所述牲畜录入信息录入到牲畜信息管理系统中。
11.根据权利要求10所述的方法，其特征在于，所述牲畜录入信息包括以下任一项或多项的组合：
牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
12.一种基于RPA和AI的牲畜养殖管理装置，所述装置应用于服务器，其特征在于，所述装置包括：
获取单元，用于获取至少一个传感器检测的原始牲畜信息；
分析单元，用于利用计算机视觉CV算法和/或机器学习ML算法对所述原始牲畜信息进行分析，获得牲畜信息管理系统所需的牲畜录入信息；
发送单元，用于将所述牲畜录入信息发送给机器人流程自动化RPA机器人，以便所述RPA机器人将所述牲畜录入信息录入所述牲畜信息管理系统。
13.根据权利要求12所述的装置，其特征在于，所述牲畜录入信息包括以下任一项或多项的组合：
牲畜的个体行为信息、牲畜间的攻击行为信息、牲畜分娩信息、牲畜温度体感信息、牲畜肉质信息。
14.一种基于RPA和AI的牲畜养殖管理装置，所述装置应用于机器人流程自动化RPA机器人，其特征在于，所述装置包括：
接收单元，用于接收服务器发送的牲畜录入信息，其中，所述牲畜录入信息为所述服务器利用计算机视觉CV算法和机器学习ML算法对至少一个传感器检测的原始牲畜信息进行分析得到的；
录入单元，用于将所述牲畜录入信息录入到牲畜信息管理系统中。
15.一种服务器，其特征在于，包括：处理器和存储器，所述存储器中存储指令，所述指令由处理器加载并执行，以实现如权利要求1至9中任一项所述的方法。
16.一种终端，其特征在于，包括：处理器和存储器，所述存储器中存储指令，所述指令由处理器加载并执行，以实现如权利要求10或11所述的方法。
17.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，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1-11中任一项所述的方法。
CN202111374886.2A 2021-11-19 2021-11-19 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质 Pending CN114118755A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111374886.2A CN114118755A (zh) 2021-11-19 2021-11-19 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111374886.2A CN114118755A (zh) 2021-11-19 2021-11-19 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114118755A true CN114118755A (zh) 2022-03-01

Family

ID=80396778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111374886.2A Pending CN114118755A (zh) 2021-11-19 2021-11-19 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114118755A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596167A (zh) * 2023-07-17 2023-08-15 湖南华牧全安数字科技有限公司 一种基于数据深度融合处理的牲畜养殖方案优化方法
CN117875658A (zh) * 2024-01-16 2024-04-12 广东省六七八控股集团股份公司 基于物联网的农业数字化管理方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596167A (zh) * 2023-07-17 2023-08-15 湖南华牧全安数字科技有限公司 一种基于数据深度融合处理的牲畜养殖方案优化方法
CN116596167B (zh) * 2023-07-17 2023-09-19 湖南华牧全安数字科技有限公司 一种基于数据深度融合处理的牲畜养殖方案优化方法
CN117875658A (zh) * 2024-01-16 2024-04-12 广东省六七八控股集团股份公司 基于物联网的农业数字化管理方法

Similar Documents

Publication Publication Date Title
Neethirajan The role of sensors, big data and machine learning in modern animal farming
Bao et al. Artificial intelligence in animal farming: A systematic literature review
US11889818B2 (en) Social group management system and method therefor
US20220391757A1 (en) Disease prediction system, insurance fee calculation system, and disease prediction method
Grosso et al. On-farm Qualitative Behaviour Assessment of dairy goats in different housing conditions
Frost et al. A review of livestock monitoring and the need for integrated systems
Maselyne et al. Online warning systems for individual fattening pigs based on their feeding pattern
CN114118755A (zh) 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质
KR102078873B1 (ko) 반려견 행동분석을 이용한 반려견 관리서비스 방법
KR20190128589A (ko) 기계학습 예측 모델에 기초한 최적의 소 출하 시점 결정 방법
KR102307327B1 (ko) 전자식 모돈 관리 장치
WO2013122468A1 (en) Automated monitoring and controlling of undesired livestock behaviour
Siegford Multidisciplinary approaches and assessment techniques to better understand and enhance zoo nonhuman animal welfare
Tekin et al. Precision livestock farming technologies: Novel direction of information flow
KR102341715B1 (ko) 가축 모니터링 장치 및 방법
Makinde Investigating perceptions, motivations, and challenges in the adoption of precision livestock farming in the beef industry
Siegford Precision livestock farming and technology in pig husbandry
Siegford et al. Practical considerations for the use of precision livestock farming to improve animal welfare.
Roberts Socially responsible facial recognition of animals
JP7082647B2 (ja) 保険料算出システム及び保険料算出方法
Dwyer et al. Sheep welfare: a future perspective
WO2023190024A1 (ja) 放し飼い家畜の管理サーバ装置、システム、方法、及びプログラム
Taylor et al. The application of cost-benefit dominance analysis to the assessment of farm animal quality of life
WO2024104898A1 (en) Method for surveillance and analysis of farm animals and arrangements for such surveillance and analysis
GB2618780A (en) Health tracking method and system

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