CN114403047A - 一种基于图像分析技术的老龄动物健康干预方法及系统 - Google Patents
一种基于图像分析技术的老龄动物健康干预方法及系统 Download PDFInfo
- Publication number
- CN114403047A CN114403047A CN202210154354.6A CN202210154354A CN114403047A CN 114403047 A CN114403047 A CN 114403047A CN 202210154354 A CN202210154354 A CN 202210154354A CN 114403047 A CN114403047 A CN 114403047A
- Authority
- CN
- China
- Prior art keywords
- nutrition
- animal
- analysis
- information
- health
- 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
- 241001465754 Metazoa Species 0.000 title claims abstract description 202
- 230000036541 health Effects 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010191 image analysis Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 235000016709 nutrition Nutrition 0.000 claims abstract description 198
- 230000035764 nutrition Effects 0.000 claims abstract description 173
- 238000004458 analytical method Methods 0.000 claims abstract description 134
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 235000005911 diet Nutrition 0.000 claims abstract description 40
- 230000037213 diet Effects 0.000 claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- 230000037406 food intake Effects 0.000 claims abstract description 22
- 235000012631 food intake Nutrition 0.000 claims abstract description 22
- 235000013305 food Nutrition 0.000 claims abstract description 18
- 238000009877 rendering Methods 0.000 claims abstract description 13
- 238000009826 distribution Methods 0.000 claims description 33
- 230000007958 sleep Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 12
- 235000015097 nutrients Nutrition 0.000 claims description 12
- 235000018343 nutrient deficiency Nutrition 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 10
- 230000032683 aging Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 208000002720 Malnutrition Diseases 0.000 claims description 7
- 230000007937 eating Effects 0.000 claims description 6
- 230000009469 supplementation Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 102000004169 proteins and genes Human genes 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 5
- 229910052791 calcium Inorganic materials 0.000 description 5
- 239000011575 calcium Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000013589 supplement Substances 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 235000013343 vitamin Nutrition 0.000 description 4
- 229940088594 vitamin Drugs 0.000 description 4
- 229930003231 vitamin Natural products 0.000 description 4
- 239000011782 vitamin Substances 0.000 description 4
- 241000282472 Canis lupus familiaris Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 235000006286 nutrient intake Nutrition 0.000 description 3
- 235000006180 nutrition needs Nutrition 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 239000006041 probiotic Substances 0.000 description 3
- 235000018291 probiotics Nutrition 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 235000001465 calcium Nutrition 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000013325 dietary fiber Nutrition 0.000 description 2
- 210000002249 digestive system Anatomy 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000018102 proteins Nutrition 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 241000938605 Crocodylia Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000270666 Testudines Species 0.000 description 1
- 235000019728 animal nutrition Nutrition 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 235000005289 dietary characteristics Nutrition 0.000 description 1
- 235000018823 dietary intake Nutrition 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
- 235000016344 vitamin rich food Nutrition 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
- G06F17/153—Multidimensional correlation or convolution
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Environmental Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Algebra (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于图像分析技术的老龄动物健康干预方法及系统，其中，所述方法包括：对第一监测视频信息进行遍历卷积计算，获得第一卷积计算结果；根据第一卷积计算结果，获得第一饮食特征信息；根据第一饮食特征信息，获得动物食品摄入信息；将动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得第一多维营养分析结果；将第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形；对第一营养评分特征图形进行营养达标解析，并基于营养达标解析结果，对所述第一动物进行健康干预。解决了现有技术存在对老龄动物的营养分析结果不够准确高效，导致老龄动物的营养摄入不够均衡，进而影响其健康的技术问题。
Description
技术领域
本发明涉及动物健康领域，尤其涉及一种基于图像分析技术的老龄动物健康干预方法及系统。
背景技术
随着动物到达晚年，它们的新陈代谢、消化系统、活动能力等都出现了降低，为了它们的健康状况，老年动物吃的食物要尽量选择易消化、低热量、含精制蛋白、富含维生素的食物，以保证满足老龄动物的每天营养所需，进而保证它们的健康。
然而，现有技术存在对老龄动物的营养分析结果不够准确高效，导致老龄动物的营养摄入不够均衡，进而影响其健康的技术问题。
发明内容
本申请通过提供一种基于图像分析技术的老龄动物健康干预方法及系统，解决了现有技术存在对老龄动物的营养分析结果不够准确高效，导致老龄动物的营养摄入不够均衡，进而影响其健康的技术问题，达到通过对老龄动物日常进行实时监控，并基于图像分析技术进行动物营养摄入状况分析，提高分析结果的准确性和分析效率，从而制定老龄动物健康干预方案，保证老龄动物的营养摄入均衡的技术效果。
鉴于上述问题，本发明提供了一种基于图像分析技术的老龄动物健康干预方法及系统。
第一方面，本申请提供了一种基于图像分析技术的老龄动物健康干预方法，所述方法包括：通过监控装置获得第一监测视频信息，所述第一监测视频信息包括第一动物的日常监测视频信息；按照第一预定卷积核对所述第一监测视频信息的每一帧图像信息进行遍历卷积计算，获得第一卷积计算结果；根据所述第一卷积计算结果，获得第一饮食特征信息；根据所述第一饮食特征信息，获得所述第一动物的动物食品摄入信息；将所述动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得第一多维营养分析结果；将所述第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形；对所述第一营养评分特征图形进行营养达标解析，获得营养达标解析结果，并基于所述营养达标解析结果，对所述第一动物进行健康干预。
另一方面，本申请还提供了一种基于图像分析技术的老龄动物健康干预系统，所述系统包括：第一获得单元，所述第一获得单元用于通过监控装置获得第一监测视频信息，所述第一监测视频信息包括第一动物的日常监测视频信息；第二获得单元，所述第二获得单元用于按照第一预定卷积核对所述第一监测视频信息的每一帧图像信息进行遍历卷积计算，获得第一卷积计算结果；第三获得单元，所述第三获得单元用于根据所述第一卷积计算结果，获得第一饮食特征信息；第四获得单元，所述第四获得单元用于根据所述第一饮食特征信息，获得所述第一动物的动物食品摄入信息；第五获得单元，所述第五获得单元用于将所述动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得第一多维营养分析结果；第一生成单元，所述第一生成单元用于将所述第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形；第一处理单元，所述第一处理单元用于对所述第一营养评分特征图形进行营养达标解析，获得营养达标解析结果，并基于所述营养达标解析结果，对所述第一动物进行健康干预。
第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了对老龄动物的日常监测视频信息进行遍历卷积计算，并根据卷积计算结果，获取相应的饮食特征信息进而获得老龄动物的食品摄入信息；将动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得相应的多维营养分析结果，再将多维营养分析结果渲染至多维评估雷达图，生成营养评分特征图形，进而营养评分特征图形进行营养达标解析，并基于营养达标解析结果，对老龄动物进行相关健康干预的技术方案。进而达到通过对老龄动物日常进行实时监控，并基于图像分析技术进行动物营养摄入状况分析，提高分析结果的准确性和分析效率，从而制定老龄动物健康干预方案，保证老龄动物的营养摄入均衡的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请一种基于图像分析技术的老龄动物健康干预方法的流程示意图；
图2为本申请一种基于图像分析技术的老龄动物健康干预方法中生成第一营养评分特征图形的流程示意图；
图3为本申请一种基于图像分析技术的老龄动物健康干预方法中构建多维评估雷达图的流程示意图；
图4为本申请一种基于图像分析技术的老龄动物健康干预方法中获得营养达标解析结果的流程示意图；
图5为本申请一种基于图像分析技术的老龄动物健康干预系统的结构示意图；
图6为本申请示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一生成单元16，第一处理单元17，总线1110，处理器1120，收发器1130，总线接口1140，存储器1150，操作系统1151，应用程序1152和用户接口1160。
具体实施方式
在本申请的描述中，所属技术领域的技术人员应当知道，本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本申请可以具体实现为以下形式：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1所示，本申请提供了一种基于图像分析技术的老龄动物健康干预方法，所述方法应用于一老龄动物健康干预系统，所述系统包括一监控装置，所述方法包括：
步骤S100：通过所述监控装置获得第一监测视频信息，所述第一监测视频信息包括第一动物的日常监测视频信息；
具体而言，随着动物到达晚年，它们的新陈代谢、消化系统、活动能力等都出现了降低，为了它们的健康状况，老年动物吃的食物要尽量选择易消化、低热量、含精制蛋白、富含维生素的食物，以保证满足老龄动物的每天营养所需，进而保证它们的健康。所述监控装置可为任一摄像装置，例如高清摄像头，用于对老龄动物的日常生活状况进行视频图像信息采集。
通过所述监控装置对第一动物的日常监测视频信息进行采集，所述第一动物为老龄动物，包括老龄猫狗、龟类、鸟类、爬行动物类等，是需要进行健康干预的老龄动物。所述第一监测视频信息包括老龄动物的日常进食、活动、消化状况等的图像采集结果，为后续老龄动物的营养摄取状况提供图像基础。
步骤S200：按照第一预定卷积核对所述第一监测视频信息的每一帧图像信息进行遍历卷积计算，获得第一卷积计算结果；
步骤S300：根据所述第一卷积计算结果，获得第一饮食特征信息；
具体而言，按照第一预定卷积核对所述第一监测视频信息的每一帧图像信息进行遍历卷积计算，卷积核就是图像处理时，给定输入图像，输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核。卷积核关注的是局部特征，即设定的标准特征，根据局部特征部位的卷积核的数值大小，对特征的匹配度进行采集评估。所述第一预定卷积核为老龄动物的饮食特征信息，例如饮食规律、饮食种类、饮食时间等图像特征。
通过所述第一预定卷积核对所述第一监测视频信息的每一帧图像信息进行遍历卷积计算，即进行逐帧遍历计算，从而获得所述第一卷积计算结果即匹配度评估结果。根据所述第一卷积计算结果，获得符合该特征卷积数值范围的所述第一饮食特征信息，所述第一饮食特征信息表明了老龄动物的饮食状况。通过对老龄动物的日常饮食进行实时监控分析，准确完整的获取其饮食特征，为后续的营养摄取分析提供数据基础。
步骤S400：根据所述第一饮食特征信息，获得所述第一动物的动物食品摄入信息；
具体而言，通过对所述第一饮食特征信息进行计算分析，获取所述第一动物的动物食品摄入信息，包括摄入营养类别以及各营养类别对应的含量。例如老年犬需要摄入的蛋白质、脂肪、矿物质、维生素等营养物质，老年动物的食物要尽量选择易消化、低热量、含精制蛋白、富含维生素的食物，以保证老龄动物的日常营养所需。
步骤S500：将所述动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得第一多维营养分析结果；
具体而言，将所述动物食品摄入信息输入食品营养分析模型中进行多维度分析，所述食品营养分析模型为神经网络模型，用于对老龄动物的食品摄入进行营养分析，获得所述模型的训练输出结果即第一多维营养分析结果，所述第一多维营养分析结果包括老龄动物营养摄入结果是否达标，以及各营养摄入含量等级等。
步骤S600：将所述第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形；
如图2所示，进一步而言，所述将所述第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形，本申请步骤S600还包括：
步骤S610：构建所述多维评估雷达图；
步骤S620：将所述第一多维营养分析结果渲染至所述多维评估雷达图，获得对应的径向长度分布集合；
步骤S630：对所述径向长度分布集合中的各径向长度数据进行标记，生成径向分布标记点集合；
步骤S640：将所述径向分布标记点集合中的各标记点进行连接，生成所述第一营养评分特征图形。
具体而言，构建所述多维评估雷达图，所述多维评估雷达图是包括各营养评估标签的雷达图，雷达图是以从同一点开始的轴上表示的多个变量的二维图表的形式显示多变量数据的图形方法。轴的相对位置和角度通常是无信息的，雷达图也称为网络图，星图，不规则多边形，相当于平行坐标图，轴径向排列。例如维生素、蛋白质、钙质、膳食纤维、益生菌和卡路里等。
将所述第一多维营养分析结果渲染至所述多维评估雷达图，获得对应的径向长度分布集合，所述径向长度分布集合是老龄动物的各维度营养分析结果集合，通过对摄取的营养含量进行等级划分确定，摄取的该营养含量等级越高，该维度评估指标的径向长度越长。对所述径向长度分布集合中的各径向长度数据进行标记，即对各维度营养指标进行标记，生成径向分布标记点集合。将所述径向分布标记点集合中的各标记点进行线段连接，生成所述第一营养评分特征图形，即为该老龄动物的营养评分雷达图。通过雷达图对营养分析结果进行图形展现，直观全面的展现老龄动物的多维营养数据特征，为后续老龄动物的健康干预提供数据基础。
步骤S700：对所述第一营养评分特征图形进行营养达标解析，获得营养达标解析结果，并基于所述营养达标解析结果，对所述第一动物进行健康干预。
如图4所示，进一步而言，所述获得营养达标解析结果，本申请步骤S700还包括：
步骤S710：根据所述第一动物的基本属性，确定所述营养标签信息集中各标签对应的预设径向长度；
步骤S720：基于所述预设径向长度，对所述径向长度分布集合中的各径向长度数据进行数据截取，获得营养数据达标结果；
步骤S730：根据所述营养数据达标结果，获得所述营养达标解析结果。
具体而言，对所述第一营养评分特征图形进行营养达标解析，所述第一动物的基本属性为该老龄动物的品种、年龄、衰老程度、身体状况等，不同状况的老龄动物需要摄入的营养所需也不同。通过所述第一动物的基本属性确定所述营养标签信息集中各标签对应的预设径向长度，所述预设径向长度对应所述多维评估雷达图中各营养指标对应的合格等级范围。基于所述预设径向长度，对所述径向长度分布集合中的各径向长度数据进行数据截取，将达标的数据进行记录。
根据所述营养数据达标结果，生成所述营养达标解析结果，所述营养达标解析结果是对老龄动物营养摄入情况是否达标进行分析的结果。并基于所述营养达标解析结果，对所述第一动物进行健康干预，举例而言，该老龄动物的钙质营养指标不达标，则认定该老龄动物需要进行钙质营养补充，即需要对该老龄动物进行营养膏喂食或增加钙片补充。通过雷达图直观全面的对老龄动物的营养摄取状况进行达标分析，提高营养达标分析的准确性和分析效率，从而制定老龄动物健康干预方案，保证老龄动物的营养摄入均衡。
如图3所示，进一步而言，所述构建所述多维评估雷达图，本申请步骤S610还包括：
步骤S611：对所述第一多维营养分析结果进行归一化处理，获得标准多维营养分析结果；
步骤S612：获得预定营养分析属性，基于所述预定营养分析属性对所述标准多维营养分析结果进行标签分类，获得营养标签信息集；
步骤S613：基于所述营养标签信息集，构建所述多维评估雷达图。
具体而言，对所述第一多维营养分析结果中的各数据进行归一化处理，归一化处理是为了数据处理方便，将有量纲数据变为无量纲数据，使处理后的数据标准化。所述预定营养分析属性即对该老龄动物进行营养摄入的评价指标，例如维生素、蛋白质、钙质、膳食纤维、益生菌和卡路里等老龄犬评价指标。
基于所述预定营养分析属性对标准化后的所述标准多维营养分析结果进行标签分类，获得营养标签信息集，所述营养标签信息集为营养评价指标对应的各标签信息。基于所述营养标签信息集，构建包括各营养评估标签的所述多维评估雷达图，用于对所述第一多维营养分析结果进行展现分析。通过雷达图对营养分析结果进行图形展现，直观全面的展现老龄动物的多维营养数据特征，为老龄动物的健康干预提供数据基础。
进一步而言，本申请步骤S730还包括：
步骤S731：如果所述第一营养评分特征图形的面积信息未达到预设面积值，获得第一提醒指令；
步骤S732：根据所述第一提醒指令对所述营养达标解析结果进行营养缺失分析，获得营养数据未达标结果；
步骤S733：基于所述营养数据未达标结果和所述预设径向长度的差值，获得营养缺失值信息；
步骤S734：根据所述营养缺失值信息制定营养补充方案，并基于所述营养补充方案对所述第一动物进行健康干预。
具体而言，为对老龄动物进行进一步的健康干预，需制定相应的干预方案，所述预设面积值为该老龄动物的各营养评价指标达到标准时在所述多维评估雷达图上组成面积值。如果所述第一营养评分特征图形的面积信息未达到预设面积值，即该老龄动物的营养摄入值未达到标准需求。根据所述第一提醒指令对所述营养达标解析结果进行营养缺失分析，分析未达标的营养指标，所述营养数据未达标结果包括未达到标准的营养标签。所述营养缺失值信息是该营养指标的摄入缺失值，通过所述营养数据未达标结果和所述预设径向长度的差值进行计算获取。
根据所述营养缺失值信息制定营养补充方案，所述营养补充方案是根据该老龄动物的营养缺失数据进行个性化制定的，例如在狗粮中加入蛋白质粉、定期喂食营养膏、添加蔬菜水果、适量纤维摄入、益生菌添加等。基于所述营养补充方案对所述第一动物进行健康干预，通过对老龄动物的营养摄取状况进行达标分析，提高营养达标分析的准确性和分析效率，从而制定个性化的老龄动物健康干预方案，为购买老龄动物营养食品提供准确、科学的方案，进而保证老龄动物的营养摄入均衡。
进一步而言，本申请步骤还包括：
步骤S810：构建老龄动物健康指标集合，所述老龄动物健康指标集合包括睡眠状况、饮食规律、运动状况；
步骤S820：按照所述老龄动物健康指标对所述第一动物进行监测，依次获得睡眠状况曲线、饮食规律曲线、运动状况曲线；
步骤S830：对所述睡眠状况曲线、所述饮食规律曲线、所述运动状况曲线进行曲线拟合，获得第一动物健康曲线；
步骤S840：基于所述第一动物健康曲线的曲率分析结果，获得健康修正因子，并根据所述健康修正因子制定动物健康干预方案。
具体而言，构建老龄动物健康指标集合，所述老龄动物健康指标集合用于对老龄动物的其它日常状况进行全方面分析，包括睡眠状况，老龄动物需要进行充足的睡眠和良好的作息习惯；饮食规律，老龄动物的食欲降低，需要进行规律进食，避免消化不良；运动状况，需要进行适量的运动，延缓其衰老速度。按照所述老龄动物健康指标对老龄动物进行全方位监测，依次获得对应的睡眠状况曲线、饮食规律曲线、运动状况曲线。
对所述睡眠状况曲线、所述饮食规律曲线、所述运动状况曲线进行曲线拟合，即在相同的时间段对老龄动物的睡眠、饮食、运动进行状况趋势分析，获得第一动物健康曲线，所述第一动物健康曲线表明老龄动物的健康状况变化。基于所述第一动物健康曲线的曲率分析结果，曲率分析是对曲线的变化状况进行分析，曲率越大，表明健康曲线的波动越大。所述健康修正因子由所述第一动物健康曲线的曲率决定，用于并根据所述健康修正因子制定动物健康干预方案，例如增加锻炼、保证饮食规律、提高睡眠时间等。通过睡眠、饮食规律、运动状况对老龄动物进行全方位监测，从而个性化制定老龄动物健康干预方案，保证老龄动物身体健康状况。
进一步而言，所述获得第一动物健康曲线，本申请步骤S830还包括：
步骤S831：获得第一权重分配结果，所述第一权重分配结果为所述老龄动物健康指标集合中各指标的权重信息；
步骤S832：根据所述第一权重分配结果对所述睡眠状况曲线、所述饮食规律曲线、所述运动状况曲线中各目标点的值进行加权计算，获得所述各目标点的加权计算信息；
步骤S833：对所述各目标点的加权计算信息进行曲线拟合，获得所述第一动物健康曲线。
具体而言，对所述第一动物健康曲线进行拟合，所述第一权重分配结果为所述老龄动物健康指标集合中各指标的权重信息，可通过主观评价、熵权法、历史数据量等方法进行权重分配，所占权重比越大，表明该指标的重要性越大，其中权重分配结果之和为1。根据所述第一权重分配结果对所述睡眠状况曲线、所述饮食规律曲线、所述运动状况曲线中各目标点的值进行加权计算，即对相同时间段的老龄动物状况进行加权计算，获得各时间目标点对应的加权计算信息。
对所述各目标点的加权计算信息进行曲线拟合，以此拟合制定所述第一动物健康曲线，所述第一动物健康曲线用于表明老龄动物的健康状况变化。通过睡眠状况、饮食规律、运动状况对老龄动物进行全方位监测，拟合老龄动物健康曲线，从而制定个性化老龄动物健康干预方案，以保证老龄动物身体健康。
综上所述，本申请所提供的一种基于图像分析技术的老龄动物健康干预方法及系统具有如下技术效果：
由于采用了对老龄动物的日常监测视频信息进行遍历卷积计算，并根据卷积计算结果，获取相应的饮食特征信息进而获得老龄动物的食品摄入信息；将动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得相应的多维营养分析结果，再将多维营养分析结果渲染至多维评估雷达图，生成营养评分特征图形，进而营养评分特征图形进行营养达标解析，并基于营养达标解析结果，对老龄动物进行相关健康干预的技术方案。进而达到通过对老龄动物日常进行实时监控，并基于图像分析技术进行动物营养摄入状况分析，提高分析结果的准确性和分析效率，从而制定老龄动物健康干预方案，保证老龄动物的营养摄入均衡的技术效果。
实施例二
基于与前述实施例中一种基于图像分析技术的老龄动物健康干预方法同样发明构思，本发明还提供了一种基于图像分析技术的老龄动物健康干预系统，如图5所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于通过监控装置获得第一监测视频信息，所述第一监测视频信息包括第一动物的日常监测视频信息；
第二获得单元12，所述第二获得单元12用于按照第一预定卷积核对所述第一监测视频信息的每一帧图像信息进行遍历卷积计算，获得第一卷积计算结果；
第三获得单元13，所述第三获得单元13用于根据所述第一卷积计算结果，获得第一饮食特征信息；
第四获得单元14，所述第四获得单元14用于根据所述第一饮食特征信息，获得所述第一动物的动物食品摄入信息；
第五获得单元15，所述第五获得单元15用于将所述动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得第一多维营养分析结果；
第一生成单元16，所述第一生成单元16用于将所述第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形；
第一处理单元17，所述第一处理单元17用于对所述第一营养评分特征图形进行营养达标解析，获得营养达标解析结果，并基于所述营养达标解析结果，对所述第一动物进行健康干预。
进一步的，所述系统还包括：
第一构建单元，所述第一构建单元用于构建所述多维评估雷达图；
第六获得单元，所述第六获得单元用于将所述第一多维营养分析结果渲染至所述多维评估雷达图，获得对应的径向长度分布集合；
第二生成单元，所述第二生成单元用于对所述径向长度分布集合中的各径向长度数据进行标记，生成径向分布标记点集合；
第三生成单元，所述第三生成单元用于将所述径向分布标记点集合中的各标记点进行连接，生成所述第一营养评分特征图形。
进一步的，所述系统还包括：
第七获得单元，所述第七获得单元用于对所述第一多维营养分析结果进行归一化处理，获得标准多维营养分析结果；
第八获得单元，所述第八获得单元用于获得预定营养分析属性，基于所述预定营养分析属性对所述标准多维营养分析结果进行标签分类，获得营养标签信息集；
第二构建单元，所述第二构建单元用于基于所述营养标签信息集，构建所述多维评估雷达图。
进一步的，所述系统还包括：
第一确定单元，所述第一确定单元用于根据所述第一动物的基本属性，确定所述营养标签信息集中各标签对应的预设径向长度；
第九获得单元，所述第九获得单元用于基于所述预设径向长度，对所述径向长度分布集合中的各径向长度数据进行数据截取，获得营养数据达标结果；
第十获得单元，所述第十获得单元用于根据所述营养数据达标结果，获得所述营养达标解析结果。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于如果所述第一营养评分特征图形的面积信息未达到预设面积值，获得第一提醒指令；
第十二获得单元，所述第十二获得单元用于根据所述第一提醒指令对所述营养达标解析结果进行营养缺失分析，获得营养数据未达标结果；
第十三获得单元，所述第十三获得单元用于基于所述营养数据未达标结果和所述预设径向长度的差值，获得营养缺失值信息；
第二处理单元，所述第二处理单元用于根据所述营养缺失值信息制定营养补充方案，并基于所述营养补充方案对所述第一动物进行健康干预。
进一步的，所述系统还包括：
第三构建单元，所述第三构建单元用于构建老龄动物健康指标集合，所述老龄动物健康指标集合包括睡眠状况、饮食规律、运动状况；
第十四获得单元，所述第十四获得单元用于按照所述老龄动物健康指标对所述第一动物进行监测，依次获得睡眠状况曲线、饮食规律曲线、运动状况曲线；
第十五获得单元，所述第十五获得单元用于对所述睡眠状况曲线、所述饮食规律曲线、所述运动状况曲线进行曲线拟合，获得第一动物健康曲线；
第三处理单元，所述第三处理单元用于基于所述第一动物健康曲线的曲率分析结果，获得健康修正因子，并根据所述健康修正因子制定动物健康干预方案。
进一步的，所述系统还包括：
第十六获得单元，所述第十六获得单元用于获得第一权重分配结果，所述第一权重分配结果为所述老龄动物健康指标集合中各指标的权重信息；
第十七获得单元，所述第十七获得单元用于根据所述第一权重分配结果对所述睡眠状况曲线、所述饮食规律曲线、所述运动状况曲线中各目标点的值进行加权计算，获得所述各目标点的加权计算信息；
第十八获得单元，所述第十八获得单元用于对所述各目标点的加权计算信息进行曲线拟合，获得所述第一动物健康曲线。
前述图1实施例一中的一种基于图像分析技术的老龄动物健康干预方法的各种变化方式和具体实例同样适用于本实施例的一种基于图像分析技术的老龄动物健康干预系统，通过前述对一种基于图像分析技术的老龄动物健康干预方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于图像分析技术的老龄动物健康干预系统的实施方法，所以为了说明书的简洁，在此不再详述。
此外，本申请还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
示例性电子设备
具体的，参见图6所示，本申请还提供了一种电子设备，该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本申请中，该电子设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130，用于在处理器1120的控制下接收和发送数据。
本申请中，总线架构(用总线1110来代表)，总线1110可以包括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
总线1110还可以将，例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本申请不再对其进行进一步描述。
收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解，在本申请中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解，本申请中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器，或闪存。
易失性存储器包括：随机存取存储器，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、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本申请中，存储器1150存储了操作系统1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。
具体而言，操作系统1151包含各种装置程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器、浏览器，用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
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披露的技术范围内，可轻易想到变化或替换，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 (10)
1.一种基于图像分析技术的老龄动物健康干预方法，其特征在于，所述方法应用于一老龄动物健康干预系统，所述系统包括一监控装置，所述方法包括：
通过所述监控装置获得第一监测视频信息，所述第一监测视频信息包括第一动物的日常监测视频信息；
按照第一预定卷积核对所述第一监测视频信息的每一帧图像信息进行遍历卷积计算，获得第一卷积计算结果；
根据所述第一卷积计算结果，获得第一饮食特征信息；
根据所述第一饮食特征信息，获得所述第一动物的动物食品摄入信息；
将所述动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得第一多维营养分析结果；
将所述第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形；
对所述第一营养评分特征图形进行营养达标解析，获得营养达标解析结果，并基于所述营养达标解析结果，对所述第一动物进行健康干预。
2.如权利要求1所述的方法，其特征在于，所述将所述第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形，包括：
构建所述多维评估雷达图；
将所述第一多维营养分析结果渲染至所述多维评估雷达图，获得对应的径向长度分布集合；
对所述径向长度分布集合中的各径向长度数据进行标记，生成径向分布标记点集合；
将所述径向分布标记点集合中的各标记点进行连接，生成所述第一营养评分特征图形。
3.如权利要求2所述的方法，其特征在于，所述构建所述多维评估雷达图，包括：
对所述第一多维营养分析结果进行归一化处理，获得标准多维营养分析结果；
获得预定营养分析属性，基于所述预定营养分析属性对所述标准多维营养分析结果进行标签分类，获得营养标签信息集；
基于所述营养标签信息集，构建所述多维评估雷达图。
4.如权利要求3所述的方法，其特征在于，所述获得营养达标解析结果，包括：
根据所述第一动物的基本属性，确定所述营养标签信息集中各标签对应的预设径向长度；
基于所述预设径向长度，对所述径向长度分布集合中的各径向长度数据进行数据截取，获得营养数据达标结果；
根据所述营养数据达标结果，获得所述营养达标解析结果。
5.如权利要求4所述的方法，其特征在于，所述方法包括：
如果所述第一营养评分特征图形的面积信息未达到预设面积值，获得第一提醒指令；
根据所述第一提醒指令对所述营养达标解析结果进行营养缺失分析，获得营养数据未达标结果；
基于所述营养数据未达标结果和所述预设径向长度的差值，获得营养缺失值信息；
根据所述营养缺失值信息制定营养补充方案，并基于所述营养补充方案对所述第一动物进行健康干预。
6.如权利要求1所述的方法，其特征在于，所述方法包括：
构建老龄动物健康指标集合，所述老龄动物健康指标集合包括睡眠状况、饮食规律、运动状况；
按照所述老龄动物健康指标对所述第一动物进行监测，依次获得睡眠状况曲线、饮食规律曲线、运动状况曲线；
对所述睡眠状况曲线、所述饮食规律曲线、所述运动状况曲线进行曲线拟合，获得第一动物健康曲线；
基于所述第一动物健康曲线的曲率分析结果，获得健康修正因子，并根据所述健康修正因子制定动物健康干预方案。
7.如权利要求6所述的方法，其特征在于，所述获得第一动物健康曲线，包括：
获得第一权重分配结果，所述第一权重分配结果为所述老龄动物健康指标集合中各指标的权重信息；
根据所述第一权重分配结果对所述睡眠状况曲线、所述饮食规律曲线、所述运动状况曲线中各目标点的值进行加权计算，获得所述各目标点的加权计算信息；
对所述各目标点的加权计算信息进行曲线拟合，获得所述第一动物健康曲线。
8.一种基于图像分析技术的老龄动物健康干预系统，其特征在于，所述系统包括：
第一获得单元，所述第一获得单元用于通过监控装置获得第一监测视频信息，所述第一监测视频信息包括第一动物的日常监测视频信息；
第二获得单元，所述第二获得单元用于按照第一预定卷积核对所述第一监测视频信息的每一帧图像信息进行遍历卷积计算，获得第一卷积计算结果；
第三获得单元，所述第三获得单元用于根据所述第一卷积计算结果，获得第一饮食特征信息；
第四获得单元，所述第四获得单元用于根据所述第一饮食特征信息，获得所述第一动物的动物食品摄入信息；
第五获得单元，所述第五获得单元用于将所述动物食品摄入信息输入食品营养分析模型中进行多维度分析，获得第一多维营养分析结果；
第一生成单元，所述第一生成单元用于将所述第一多维营养分析结果渲染至多维评估雷达图，生成第一营养评分特征图形；
第一处理单元，所述第一处理单元用于对所述第一营养评分特征图形进行营养达标解析，获得营养达标解析结果，并基于所述营养达标解析结果，对所述第一动物进行健康干预。
9.一种基于图像分析技术的老龄动物健康干预电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，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1-7中任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210154354.6A CN114403047B (zh) | 2022-02-09 | 2022-02-09 | 一种基于图像分析技术的老龄动物健康干预方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210154354.6A CN114403047B (zh) | 2022-02-09 | 2022-02-09 | 一种基于图像分析技术的老龄动物健康干预方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114403047A true CN114403047A (zh) | 2022-04-29 |
| CN114403047B CN114403047B (zh) | 2023-01-06 |
Family
ID=81261087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210154354.6A Active CN114403047B (zh) | 2022-02-09 | 2022-02-09 | 一种基于图像分析技术的老龄动物健康干预方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114403047B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2004203140A1 (en) * | 1999-09-02 | 2004-08-05 | Kristoffer Larsen Innovation A/S | Method for controlling breeding of free-range animals |
| WO2008052166A2 (en) * | 2006-10-26 | 2008-05-02 | Wicab, Inc. | Systems and methods for altering brain and body functions an treating conditions and diseases |
| CN106372401A (zh) * | 2016-08-29 | 2017-02-01 | 京东方科技集团股份有限公司 | 一种健康饮食管理方法及管理系统 |
| CN106716426A (zh) * | 2014-10-03 | 2017-05-24 | 雀巢产品技术援助有限公司 | 用于计算、显示、修改和使用个性化营养健康评分的系统和方法 |
| CN107707875A (zh) * | 2017-09-20 | 2018-02-16 | 翔创科技（北京）有限公司 | 牲畜监控方法、计算机程序、存储介质及电子设备 |
| CN109255297A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术（北京）有限公司 | 动物状态监测方法、终端设备、存储介质及电子设备 |
| WO2020151084A1 (zh) * | 2019-01-24 | 2020-07-30 | 北京明略软件系统有限公司 | 目标对象的监控方法、装置及系统 |
| WO2021195616A1 (en) * | 2020-03-27 | 2021-09-30 | West Virginia University Board of Governors on behalf of West Virginia University | Predicting wellness of a user with monitoring from portable monitoring devices |
-
2022
- 2022-02-09 CN CN202210154354.6A patent/CN114403047B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2004203140A1 (en) * | 1999-09-02 | 2004-08-05 | Kristoffer Larsen Innovation A/S | Method for controlling breeding of free-range animals |
| WO2008052166A2 (en) * | 2006-10-26 | 2008-05-02 | Wicab, Inc. | Systems and methods for altering brain and body functions an treating conditions and diseases |
| CN106716426A (zh) * | 2014-10-03 | 2017-05-24 | 雀巢产品技术援助有限公司 | 用于计算、显示、修改和使用个性化营养健康评分的系统和方法 |
| CN106372401A (zh) * | 2016-08-29 | 2017-02-01 | 京东方科技集团股份有限公司 | 一种健康饮食管理方法及管理系统 |
| CN107707875A (zh) * | 2017-09-20 | 2018-02-16 | 翔创科技（北京）有限公司 | 牲畜监控方法、计算机程序、存储介质及电子设备 |
| CN109255297A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术（北京）有限公司 | 动物状态监测方法、终端设备、存储介质及电子设备 |
| WO2020151084A1 (zh) * | 2019-01-24 | 2020-07-30 | 北京明略软件系统有限公司 | 目标对象的监控方法、装置及系统 |
| WO2021195616A1 (en) * | 2020-03-27 | 2021-09-30 | West Virginia University Board of Governors on behalf of West Virginia University | Predicting wellness of a user with monitoring from portable monitoring devices |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114403047B (zh) | 2023-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200272913A1 (en) | Recommendation Method and Apparatus | |
| Drewnowski et al. | Breakfast in the United States: food and nutrient intakes in relation to diet quality in National Health and Examination Survey 2011–2014. A study from the International Breakfast Research Initiative | |
| Senay et al. | Novel three-step pseudo-absence selection technique for improved species distribution modelling | |
| Cifelli et al. | Increasing plant based foods or dairy foods differentially affects nutrient intakes: dietary scenarios using NHANES 2007–2010 | |
| Jessri et al. | Adapting the healthy eating index 2010 for the Canadian population: evidence from the Canadian community health survey | |
| CN108597582B (zh) | 一种用于执行Faster R-CNN神经网络运算的方法和装置 | |
| JP7027070B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| Nunes et al. | Characterization and comparison of nutritional intake between preparatory and competitive phase of highly trained athletes | |
| KR102336839B1 (ko) | 반려 동물 정보를 기반으로 맞춤형 사료 레시피를 도출하는 방법 및 장치 | |
| EP3379544A1 (en) | Systems and methods for maintaining optimal growth in animals | |
| Pondor et al. | Higher dietary cost is associated with higher diet quality: A cross-sectional study among selected Malaysian adults | |
| Zin et al. | Body condition score estimation based on regression analysis using a 3D camera | |
| Kurka et al. | Validity of the rapid eating assessment for patients for assessing dietary patterns in NCAA athletes | |
| KR20190097861A (ko) | 유전자 분석에 기초한 개인 맞춤형 건강보조식품 제조 판매 시스템 및 이를 이용한 개인 맞춤형 건강보조식품 제조 판매 서비스 방법 | |
| US20200210754A1 (en) | Cloud device, terminal device, and method for classifyiing images | |
| Kuchakulla et al. | The association between plant-based content in diet and testosterone levels in US adults | |
| CN110706783A (zh) | 食谱推荐方法、装置、计算设备及计算机存储介质 | |
| CN114092963A (zh) | 关键点检测及模型训练方法、装置、设备和存储介质 | |
| Yang et al. | Blind image quality assessment of natural scenes based on entropy differences in the DCT domain | |
| Guiné et al. | Study of the influence of sociodemographic and lifestyle factors on consumption of dairy products: Preliminary study in Portugal and Brazil | |
| CN114403047B (zh) | 一种基于图像分析技术的老龄动物健康干预方法及系统 | |
| Niu et al. | A basic model to predict enteric methane emission from dairy cows and its application to update operational models for the national inventory in Norway | |
| Chiu et al. | Estimating somatotype from a single-camera 3D body scanning system | |
| Leão et al. | Nutritional intake and training load of professional female football players during a mid-season microcycle | |
| Onori et al. | An adaptation of the Food Insecurity Experience Scale (FIES) for measuring food insecurity among women in socially-backward communities |
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 |