CN114724067A - 一种养殖场饲料监控方法、装置、电子设备及存储介质 - Google Patents
一种养殖场饲料监控方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114724067A CN114724067A CN202210356331.3A CN202210356331A CN114724067A CN 114724067 A CN114724067 A CN 114724067A CN 202210356331 A CN202210356331 A CN 202210356331A CN 114724067 A CN114724067 A CN 114724067A
- Authority
- CN
- China
- Prior art keywords
- animal
- trough
- determining
- eat
- feed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims description 21
- 241001465754 Metazoa Species 0.000 claims abstract description 267
- 238000010586 diagram Methods 0.000 claims description 38
- 238000003708 edge detection Methods 0.000 claims description 31
- 235000013305 food Nutrition 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 15
- 238000012806 monitoring device Methods 0.000 claims description 7
- 230000037406 food intake Effects 0.000 claims description 6
- 235000012631 food intake Nutrition 0.000 claims description 6
- 235000012054 meals Nutrition 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000036541 health Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000002699 waste material Substances 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
-
- 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
- A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Mining & Mineral Resources (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Birds (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Biophysics (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种养殖场饲料监控方法、装置、电子设备及存储介质,涉及畜牧养殖的领域,该方法包括获取料槽对应的料槽图像信息,当检测到料槽内存在饲料时,对圈栏内的动物进行目标跟踪,判断是否存在动物开始进食,若存在动物开始进食,则确定开始进食动物的开始进食时间以及停止进食时间,基于开始进食时间以及停止进食时间确定开始进食动物的进食时长,输出开始进食动物的进食时长。本申请具有便于工作人员得知动物的进食时长的效果。
Description
技术领域
本申请涉及畜牧养殖的领域,尤其是涉及一种养殖场饲料监控方法、装置、电子设备及存储介质。
背景技术
随着人们物质生活水平的提高,对肉类的需求也随之提高。为了得到更高品质的肉类,目前通过养殖场对猪牛羊等动物进行集中养殖。
养殖场中通常分成多个圈栏,每个圈栏中养殖多个同种类动物。为了便于饲养动物,通常在圈栏周围设置料槽。工作人员将饲料添加至料槽中即可达到对动物进行饲养的目的。
由于养殖场中动物较多,目前工作人员通常只将饲料添加至料槽中,而不便于对动物的进食情况进行监控,从而不便于得知动物的进食时长,进而不便于掌握动物的生长情况。
发明内容
为了便于工作人员得知动物的进食时长,本申请提供一种养殖场饲料监控方法、装置、电子设备及存储介质。
第一方面,本申请提供一种养殖场饲料监控方法,采用如下的技术方案:
一种养殖场饲料监控方法,包括:
获取料槽对应的料槽图像信息;
当检测到所述料槽内存在饲料时,对圈栏内的动物进行目标跟踪;
判断是否存在动物开始进食;
若存在动物开始进食,则确定开始进食动物的开始进食时间以及停止进食时间;
基于所述开始进食时间以及停止进食时间确定所述开始进食动物的进食时长;
输出所述开始进食动物的进食时长。
通过采用上述技术方案,获取料槽的料槽图像信息,从而便于得知料槽内是否存在饲料。当检测到料槽中存在饲料时,说明开始圈栏内的动物可能将要进行进食。此时对圈栏内的动物进行目标追踪,从而便于判断圈栏内的动物是否开始进食,若有动物开始进食,则确定开始进食动物的开始进食时间以及停止进食时间。通过开始进食时间以及停止进食时间,从而便于得知开始进食动物的进食时长,最后输出动物的进食时长,从而便于工作人员得知动物的进食时长等情况。
在另一种可能实现的方式中,所述对圈栏内的动物进行目标跟踪,包括:
获取圈栏对应的圈栏图像信息;
将所述圈栏图像信息输入至训练好的第一网络模型中动物特征提取,得到提取结果;
基于所述提取结果以及预设视频进行目标跟踪。
通过采用上述技术方案,获取圈栏处的圈栏图像信息,从而便于对圈栏中的动物进行观察。将圈栏图像信息输入到训练好的第一网络模型中,进行动物特征提取,从而识别到圈栏中的动物的特征。根据获取的预设视频以及动物特征对动物进行目标跟踪,从而便于得知动物的行踪。
在另一种可能实现的方式中,所述判断所述动物是否开始进食,包括:
对所述料槽图像信息输入至训练好的第二网络模型中进行动物部位识别,得到动物部位识别结果;
若所述识别结果中存在动物部位,则确定所述动物部位对应的动物开始进食。
通过采用上述技术方案,将料槽图像信息输入到训练好的第二网络模型中进行动物部位识别,从而得到动物部位识别结果。如果料槽图像信息中存在动物部位,则说明开始有动物进行进食。通过识别到的动物部位,从而确定该动物部位对应的动物正在进行进食。
在另一种可能实现的方式中,所述判断所述动物是否开始进食,包括:
对所述动物通过预设框图进行框选;
对所述料槽图像信息进行边缘检测,得到所述料槽的料槽轮廓信息;
判断所述预设框图是否与所述料槽轮廓信息产生重叠;
若产生重叠,则确定所述预设框图对应的动物开始进食;
若未产生重叠,则确定所述预设框图对应的动物未开始进食。
通过采用上述技术方案,通过预设框图对动物进行框选,从而便于得知动物所在的区域。对料槽图像信息进行边缘检测,从而得到料槽轮廓信息。通过判断预设框图是否与料槽轮廓信息产生重叠,从而便于得知动物是否移动到料槽区域进行进食。若产生重叠,则说明动物移动到料槽处,即动物开始进食,若未产生重叠,则说明动物通过未移动至料槽处,即动物未进行进食。
在另一种可能实现的方式中,所述方法还包括:
获取当前料槽图像信息;
若所述当前料槽图像信息中不存在动物,则对所述当前料槽图像信息进行边缘检测,得到当前饲料区域的第一边缘图像;
对初始检测到所述料槽内存在饲料是的料槽图像信息进行边缘检测,得到初始饲料区域的第二边缘图像;
基于预设像素位置信息、所述第一边缘图像以及所述第二边缘图像确定食用饲料占比,所述预设像素点位置信息用于表征料槽底部的位置。
通过采用上述技术方案,获取当前料槽图像信息,检测到当前料槽图像信息中不存在动物,则说明动物进食完毕。对当前料槽图像信息进行边缘检测,得到当前料槽中饲料区域的第一边缘图像。对初始料槽图像信息进行边缘检测,即刚添加饲料时的料槽图像信息进行边缘检测,得到初始饲料区域的第二边缘信息。通过料槽底部的预设像素点位置信息、第一边缘图像以及第二边缘图像,从而能够确定出食用饲料的占比。
在另一种可能实现的方式中,所述基于预设像素位置、所述第一边缘图像以及所述第二边缘图像确定食用饲料占比,包括:
确定所述第一边缘图像中与料槽分界处的第一像素点位置信息;
确定所述第二边缘图像中与料槽分界处的第二像素点位置信息;
确定所述预设像素点位置信息与第二像素点位置信息之间的第一距离信息;
确定所述第一像素点位置信息与第二像素点位置信息之间的第二距离信息;
基于所述第一距离信息以及第二距离信息确定食用饲料占比。
通过采用上述技术方案,通过确定第一边缘图像中料槽与饲料分界处的第一像素点位置信息,从而便于得知动物进食完毕后饲料表面的位置。确定第二边缘图像中料槽与饲料分界处的第二像素点位置信息,从而便于得到初始刚加入饲料时的饲料位置。预设像素点位置信息与第二像素点位置之间的距离用于表征饲料总量。第二像素点位置信息与第一像素点位置信息之间的距离,用于表征食用饲料总量。通过饲料总量与食用饲料总量从而确定出使用饲料的占比,进而便于工作人员得知动物食用饲料占添加饲料的比值。
在另一种可能实现的方式中,所述对圈栏内的动物进行目标跟踪,之后包括:
若任一动物在预设时间内未进食,则输出提示信息。
通过采用上述技术方案,若任一动物预设时间内没有进食,则说明该动物健康状况存在异常。输出提示信息,从而便于工作人员及时得知该动物未进食,并且健康状况异常。
第二方面,本申请提供一种养殖场饲料监控装置,采用如下的技术方案:
一种养殖场饲料监控装置,包括:
第一获取模块,用于获取料槽对应的料槽图像信息;
目标跟踪模块,用于当检测到所述料槽内存在饲料时,对圈栏内的动物进行目标跟踪;
进食判断模块,用于判断是否存在动物开始进食;
第一确定模块,用于当存在动物开始进食时,确定开始进食动物的开始进食时间以及停止进食时间;
第二确定模块,用于基于所述开始进食时间以及停止进食时间确定所述开始进食动物的进食时长;
第一输出模块,用于输出所述开始进食动物的进食时长。
通过采用上述技术方案,第一获取模块获取料槽的料槽图像信息,从而便于得知料槽内是否存在饲料。当检测到料槽中存在饲料时,说明开始圈栏内的动物可能将要进行进食。此时目标跟踪模块对圈栏内的动物进行目标追踪,从而便于进食判断模块判断圈栏内的动物是否开始进食,若有动物开始进食,则第一确定模块确定开始进食动物的开始进食时间以及停止进食时间。通过开始进食时间以及停止进食时间,从而便于第二确定模块得知开始进食动物的进食时长,最后第一输出模块输出动物的进食时长,从而便于工作人员得知动物的进食时长等情况。
在另一种可能的实现方式中,所述目标跟踪模块在对圈栏内的动物进行目标跟踪时,具体用于:
获取圈栏对应的圈栏图像信息;
将所述圈栏图像信息输入至训练好的第一网络模型中动物特征提取,得到提取结果;
基于所述提取结果以及预设视频进行目标跟踪。
在另一种可能的实现方式中,所述进食判断模块在判断所述动物是否开始进食时,具体用于:
对所述料槽图像信息输入至训练好的第二网络模型中进行动物部位识别,得到动物部位识别结果;
若所述识别结果中存在动物部位,则确定所述动物部位对应的动物开始进食。
在另一种可能的实现方式中,所述进食判断模块在判断所述动物是否开始进食时,还具体用于:
对所述动物通过预设框图进行框选;
对所述料槽图像信息进行边缘检测,得到所述料槽的料槽轮廓信息;
判断所述预设框图是否与所述料槽轮廓信息产生重叠;
若产生重叠,则确定所述预设框图对应的动物开始进食;
若未产生重叠,则确定所述预设框图对应的动物未开始进食。
在另一种可能的实现方式中,所述装置还包括:
第二获取模块,用于获取当前料槽图像信息;
第一边缘检测模块,用于当所述当前料槽图像信息中不存在动物时,对所述当前料槽图像信息进行边缘检测,得到当前饲料区域的第一边缘图像;
第二边缘检测模块,用于对初始检测到所述料槽内存在饲料是的料槽图像信息进行边缘检测,得到初始饲料区域的第二边缘图像;
第三确定模块,用于基于预设像素点位置信息、所述第一边缘图像以及所述第二边缘图像确定食用饲料占比,所述预设像素点位置信息用于表征料槽底部的位置。
在另一种可能的实现方式中,所述第三确定模块在基于预设像素点位置信息、所述第一边缘图像以及所述第二边缘图像确定食用饲料占比时,具体用于:
确定所述第一边缘图像中与料槽分界处的第一像素点位置信息;
确定所述第二边缘图像中与料槽分界处的第二像素点位置信息;
确定所述预设像素点位置信息与第二像素点位置信息之间的第一距离信息;
确定所述第一像素点位置信息与第二像素点位置信息之间的第二距离信息;
基于所述第一距离信息以及第二距离信息确定食用饲料占比。
在另一种可能的实现方式中,所述装置还包括:
第二输出模块,用于当任一动物在预设时间内未进食时,输出提示信息。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于:执行根据第一方面任一种可能的实现方式所示的一种养殖场饲料监控方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,当所述计算机程序在计算机中执行时,令所述计算机执行第一方面任一项所述的一种养殖场饲料监控方法。
综上所述,本申请包括以下至少一种有益技术效果:
1. 获取料槽的料槽图像信息,从而便于得知料槽内是否存在饲料。当检测到料槽中存在饲料时,说明开始圈栏内的动物可能将要进行进食。此时对圈栏内的动物进行目标追踪,从而便于判断圈栏内的动物是否开始进食,若有动物开始进食,则确定开始进食动物的开始进食时间以及停止进食时间。通过开始进食时间以及停止进食时间,从而便于得知开始进食动物的进食时长,最后输出动物的进食时长,从而便于工作人员得知动物的进食时长等情况;
2. 通过确定第一边缘图像中料槽与饲料分界处的第一像素点位置信息,从而便于得知动物进食完毕后饲料表面的位置。确定第二边缘图像中料槽与饲料分界处的第二像素点位置信息,从而便于得到初始刚加入饲料时的饲料位置。预设像素点位置信息与第二像素点位置之间的距离用于表征饲料总量。第二像素点位置信息与第一像素点位置信息之间的距离,用于表征食用饲料总量。通过饲料总量与食用饲料总量从而确定出使用饲料的占比,进而便于工作人员得知动物食用饲料占添加饲料的比值。
附图说明
图1是本申请实施例的一种养殖场饲料监控方法的流程示意图。
图2是本申请实施例中步骤S1101、步骤S1102以及步骤S1103的示例图。
图3是本申请实施例的一种养殖场饲料监控装置的结构示意图。
图4是本申请实施例中一种电子设备的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种养殖场饲料监控方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101、步骤S102、步骤S103、步骤S104、步骤S105以及步骤S106,其中,
S101,获取料槽对应的料槽图像信息。
对于本申请实施例,料槽图像信息为料槽处的图像,通过料槽图像信息能够得知料槽内是否存在饲料以及料槽处是否有动物进行进食。
工作人员可事先在料槽处设置摄像头装置,通过摄像头装置采集料槽的料槽图像信息,以使得电子设备获取料槽图像信息。工作人员还可在养殖场的墙壁上设置摄像头装置,摄像头装置采集包括圈栏和料槽的总图像信息,电子设备获取到包括圈栏和料槽的总图像信息后,对总图像信息进行分割后得到料槽图像信息,工作人员还可将摄像头装置设置在其他能够采集到料槽处的图像信息的位置。
S102,当检测到料槽内存在饲料时,对圈栏内的动物进行目标跟踪。
对于本申请实施例,电子设备对料槽图像信息进行检测,从而判断是否存在饲料,当检测到料槽中存在饲料时,说明工作人员在料槽中添加饲料,此时电子设备对圈栏内的动物进行目标跟踪,从而便于得知动物的行踪,进而便于得知动物是否移动到料槽处进行进食。
检测料槽中是否存在饲料可将料槽图像信息输入至训练好的神经网络模型中进行饲料识别,训练好的神经网络输出识别结果,从而得知料槽内是否存在饲料。
对初始的该神经网络进行训练学习之前先确定训练样本集,训练样本集中包括多个料槽图像以及多个料槽图像各自对应的是否存在饲料的状态。例如两个训练样本为“料槽图像1,有饲料”以及“料槽图像2,无饲料”。将训练样本集输入至初始神经网络中进行训练学习得到训练好的神经网络。
还可通过识别料槽图像中的颜色来判断料槽中是否存在饲料。例如饲料颜色为黄色,电子设备对料槽图像信息进行颜色识别,识别到黄色则说明料槽中存在饲料。通过颜色识别的方式检测料槽中是否存在饲料时,可将料槽设置成与饲料颜色相差较大的颜色,例如黑色。
S103,判断是否存在动物开始进食。
对于本申请实施例,电子设备对动物进行目标追踪后,判断是否存在动物开始进食,从而便于的得知动物开始进食时的时间。
S104,若存在动物开始进食,则确定开始进食动物的开始进食时间以及停止进食时间。
对于本申请实施例,电子设备检测到动物开始进食时,确定开始进食的开始进食时间,当检测到开始进食的动物停止进食时,确定停止进食的时间。电子设备可实时从云端获取时间,也可通过设置在本地的时钟芯片获取时间,在此不做限定。例如,电子设备检测到动物开始进食时的时间为8:00。电子设备将8:00确定为开始进食时间。电子设备检测到动物停止进食的时间为8:15,电子设备将8:15确定为停止进食时间。
S105,基于开始进食时间以及停止进食时间确定开始进食动物的进食时长。
对于本申请实施例,以步骤S104为例,电子设备基于开始进食时间8:00以及停止进食时间8:15计算进食时长,进食时长为停止进食时间减去开始进食时间=8:15-8:00=15min。
S106,输出开始进食动物的进食时长。
对于本申请实施例,以步骤S105中确定出的进食时长15min为例。电子设备可将15min以短信的形式发送至工作人员对应的终端设备,也可通过控制显示屏等显示装置显示“进食时长15min”文字信息,还可通过控制扬声器装置输出“进食时长15min”的语音信息。
本申请实施例的一种可能的实现方式,步骤S102中对圈栏内的动物进行目标跟踪,具体包括步骤S1021(图中未示出)、步骤S1022(图中未示出)以及步骤S1023(图中未示出),其中,
S1021,获取圈栏对应的圈栏图像信息。
对于本申请实施例,圈栏图像信息为圈栏对应的图像,通过圈栏图像信息能够得知圈栏内动物的活动情况。
工作人员可事先在圈栏处设置摄像头装置,通过摄像头装置采集圈栏的圈栏图像信息,以使得电子设备获取圈栏图像信息。工作人员还可在养殖场的墙壁上设置摄像头装置,摄像头装置采集包括圈栏和料槽的总图像信息,电子设备获取到包括圈栏和料槽的总图像信息后,对总图像信息进行分割后得到圈栏图像信息,工作人员还可将摄像头装置设置在其他能够采集到圈栏处的图像信息的位置。
S1022,将圈栏图像信息输入至训练好的第一网络模型中动物特征提取,得到提取结果。
对于本申请实施例,第一网络模型为神经网络模型,第一网络模型可以是卷积神经网络,也可以是循环神经网络,第一网络模型的种类在此不做限定。对初始第一网络模型进行训练学习之前先确定训练样本集,训练样本集中包括多个圈栏图像信息、多个圈栏图像信息各自对应的动物特征。动物特征可以是动物的肤色、体型以及种类等。例如其中两个训练样本为“圈栏图像信息1,动物种类为猪”以及“圈栏图像信息2,动物种类为猪”将训练样本集输入至第一网络模型中进行训练学习得到训练好的第一网络模型。
将圈栏图像信息输入训练好的第一网络模型中进行动物特征提取,第一网络模型输出的识别结果即为圈栏中的动物特征。
例如,将圈栏图像信息3输入训练好的第一网络模型输出动物特征为“猪”。
S1023,基于提取结果以及预设视频进行目标跟踪。
对于本申请实施例,以步骤S1022为例,电子设备提取到圈栏图像信息中的动物特征为“猪”后,则说明电子设备识别到圈栏中的动物“猪”。预设视频即电子设备通过摄像头装置采集到的圈栏对应的视频,通过预设视频识别到预设视频中的动物,并对预设视频中的动物进行目标跟踪。目标跟踪可通过卡尔曼滤波进行跟踪,卡尔曼滤波对动物的运动模型建模,通过不断迭代纠正目标的运动状态,以此来预测目标下一帧的位置。还可通过目标相似性度量进行跟踪,对相邻帧或滑窗时间段内的对象,计算两者之间的相似性并加以匹配,计算两者之间的欧式距离、巴氏距离、棋盘距离等进行跟踪,还可通过其他方式进行跟踪,在此不做限定。
本申请实施例的一种可能的实现方式,步骤S103中判断动物是否开始进食,具体包括步骤S1031(图中未示出)以及步骤S1032(图中未示出),其中,
S1031,对料槽图像信息输入至训练好的第二网络模型中进行动物部位识别,得到动物部位识别结果。
对于本申请实施例,第二网络模型为神经网络模型,第二网络模型可以是卷积神经网络,也可以是循环神经网络,第二网络模型的种类在此不做限定。对初始第二网络模型进行训练学习之前先确定训练样本集,训练样本集中包括多个料槽图像信息、多个料槽图像信息各自对应的是否存在动物部位的状态。动物部位可以是动物嘴部、动物面部以及动物耳朵等。以动物部位为“嘴部”为例,其中两个训练样本为“料槽图像信息1,存在嘴部”以及“料槽图像信息2,不存在嘴部”将训练样本集输入至第二网络模型中进行训练学习得到训练好的第二网络模型。
将料槽图像信息输入训练好的第二网络模型中进行动物部位识别,第二网络模型输出的识别结果即为料槽中是否存在动物嘴部。
例如,将料槽图像信息3输入训练好的第二网络模型输出动物部位识别结果为“存在动物嘴部”。
S1032,若识别结果中存在动物部位,则确定动物部位对应的动物开始进食。
对于本申请实施例,以步骤S1031为例,电子设备识别出料槽中存在动物嘴部,从而说明该动物的嘴部位于料槽中,进而说明该动物开始进食。
识别到该动物的嘴部后,通过此时的圈栏图像信息以及料槽图像信息找到该嘴部对应的动物,进而便于跟踪该动物的进食。
本申请实施例的一种可能的实现方式,步骤S103中判断动物是否开始进食,具体还包括步骤S1033(图中未示出)、步骤S1034(图中未示出)、步骤S1035(图中未示出)、步骤S1036(图中未示出)以及步骤S1037(图中未示出),其中,
S1033,对动物通过预设框图进行框选。
对于本申请实施例,预设框图可以是矩形框,也可以是圆形框,还可以是其他形状的框图,只要能够框选住动物即可。通过预设框图对动物进行选中,从而便于对动物进行跟踪,能够清楚地得知动物所在的区域。预设框图的大小能够刚好选中动物的轮廓即可。
S1034,对料槽图像信息进行边缘检测,得到料槽的料槽轮廓信息。
对于本申请实施例,得到料槽图像信息后,通过边缘检测的形式将料槽的轮廓从料槽图像信息中分割出,从而得到料槽轮廓信息。将料槽图像信息进行灰度处理得到料槽图像对应的灰度图,通过检测灰度图中相邻像素灰度值变化大的区域即可得到料槽轮廓信息。
S1035,判断预设框图是否与料槽轮廓信息产生重叠。
对于本申请实施例,料槽轮廓信息同样以框图的形式表示,料槽轮廓信息固定,因此在对动物进行目标跟踪过程中,动物对应的预设框图跟随动物移动,通过检测动物的预设框图是否与料槽轮廓信息产生重叠即可得判断出动物是否进行进食。
例如,获取到总的包括料槽图像和圈栏图像的总图像信息,针对总图像信息绘制坐标系,进而确定出料槽轮廓信息中每个像素的位置坐标,并且能够确定出动物预设框图对应像素的位置坐标。从而预设框图对应像素的位置坐标与料槽轮廓信息中像素的位置坐标进行比较,从而判断预设框图与料槽轮廓信息是否发生重叠。还可计算预设框图中靠近料槽处的像素点的位置坐标,与料槽轮廓信息中靠近动物处的像素点位置信息之间的距离判断是否发生重叠,为发生重叠的距离为正值,发生重叠的距离为0或负值。
S1036,若产生重叠,则确定预设框图对应的动物开始进食。
对于本申请实施例,电子设备检测到动物的预设框图与料槽轮廓信息产生重叠,则说明动物移动至料槽处,从而说明动物正在进行进食。
S1037,若未产生重叠,则确定预设框图对应的动物未开始进食。
对于本申请实施例,电子设备检测到动物的预设框图与料槽轮廓信息未产生重叠,则说明动物未移动至料槽处,进而说明动物未进行进食。
本申请实施例的一种可能的实现方式,方法还包括步骤S107(图中未示出)、步骤S108(图中未示出)、步骤S109(图中未示出)以及步骤S110(图中未示出),其中,步骤S107可在步骤S106之后执行,其中,
S107,获取当前料槽图像信息。
对于本申请实施例,电子设备在动物进食过程中实时获取料槽图像信息,从而便于及时得知动物停止进食。
S108,若当前料槽图像信息中不存在动物,则对当前料槽图像信息进行边缘检测,得到当前饲料区域的第一边缘图像。
对于本申请实施例,电子设备检测到当前料槽图像信息中不存在动物,则说明动物已经进食完毕停止进食。电子设备对当前料槽图像信息进行边缘检测,得到当前饲料区域的第一边缘图像。动物停止进食后,料槽中通常存在剩余饲料。电子设备可通过颜色识别得到当前料槽中饲料的区域,再通过边缘检测得到饲料区域与料槽分界处的轮廓,从而得到当前饲料区域的第一边缘图像。
S109,对初始检测到料槽内存在饲料是的料槽图像信息进行边缘检测,得到初始饲料区域的第二边缘图像。
对于本申请实施例,电子设备在初始检测到料槽内存在饲料时,对初始的料槽图像信息进行存储。电子设备对初始料槽图像信息进行颜色识别得到工作人员刚添加完毕饲料时的饲料区域。在通过边缘检测得到初始饲料区域与料槽分界处的轮廓,并得到初始饲料区域的第二边缘图像。
在本申请实施例中,步骤S109可在步骤S108之后执行,也可与步骤S108同时执行,还可在步骤S108之前、步骤S102之后执行,在此不做限定。
S110,基于预设像素点位置信息、第一边缘图像以及第二边缘图像确定食用饲料占比。
其中,预设像素点位置信息用于表征料槽底部的位置。
对于本申请实施例,电子设备得到第一边缘图像以及第二边缘图像,从而能够便于得知饲料的消耗情况,预设像素点位置信息为预先确定好的料槽底部的像素点的位置,通过预设像素点位置信息以及第二边缘图像便于确定工作人员添加饲料总量,通过预设像素点位置信息以及第一边缘图像信息便于确定剩余饲料总量。通过预设像素点位置信息、第一边缘图像以及第二边缘图像便于确定动物所食用的饲料占添加的饲料总量的比值。
本申请实施例的一种可能的实现方式,步骤S110中基于预设像素点位置信息、第一边缘图像以及第二边缘图像确定食用饲料占比,具体包括步骤S1101(图中未示出)、步骤S1102(图中未示出)、步骤S1103(图中未示出)、步骤S1104(图中未示出)以及步骤S1105(图中未示出),其中,
S1101,确定第一边缘图像中与料槽分界处的第一像素点位置信息。
对于本申请实施例,电子设备可针对料槽图像信息绘制坐标系,从而确定出第一像素点位置信息,第一边缘图像即为饲料与料槽分界处的边缘图像,第一像素点位置信息可以以料槽两个相邻侧面的拐角处对应的像素点位置信息为例,参照图2,料槽由标号2表示,建立如图2所示的平面坐标系。图2中标号A的点即为第一像素点,第一像素点位置信息对应的坐标为(9,40)。
S1102,确定第二边缘图像中与料槽分界处的第二像素点位置信息。
对于本申请实施例,电子设备还可通过图2中的平面坐标系确定第二像素点位置信息。参照图2,图2中标号B的点即为第二像素点,第二像素点位置信息对应的坐标为(5,44)。
S1103,确定预设像素点位置信息与第二像素点位置信息之间的第一距离信息。
对于本申请实施例,参照图2,标号C的点为料槽2底部的像素点,即为预设像素点,预设像素点位置信息即为(10,39)。电子设备根据预设像素点位置信息、第二像素点位置信息以及两点间距离公式即可算出第一距离信息。经计算,第一距离信息约等于7.1。即工作人员添加饲料总量可用7.1表示。
S1104,确定第一像素点位置信息与第二像素点位置信息之间的第二距离信息。
对于本申请实施例,电子设备根据第一像素点位置信息、第二像素点位置信息以及两点间距离公式即可算出第二距离信息。经计算,第二距离信息约等于5.7。即动物食用饲料总量可用5.7表示。
S1105,基于第一距离信息以及第二距离信息确定食用饲料占比。
对于本申请实施例,以步骤S1103以及步骤S1104为例,电子设备计算5.7以及7.1的比值即可确定出使用饲料占比,经计算,食用饲料占比约等于80.3%。即本次动物进食总量占添加饲料总量的80.3%,下次工作人员可根据本次添加饲料总量的80.3%添加饲料,从而减少饲料的浪费。
本申请实施例的一种可能的实现方式,步骤S102之后包括步骤S111(图中未示出),其中,
S111,若任一动物在预设时间内未进食,则输出提示信息。
对于本申请实施例,假设预设时间为10min,电子设备对动物进行目标跟踪,并根据检测到工作人员添加饲料的时间开始的10min内未进食,则说明该动物健康状况异常。电子设备输出提示信息以提醒工作人员及时对该动物的健康状况进行查看。电子设备可通过向工作人员对应的终端设备发送“该圈栏内动物存在异常,请及时查看”的短信文字信息,也可控制显示屏等显示设备显示“该圈栏内动物存在异常,请及时查看”的文字信息,还可通过扬声器装置输出“该圈栏内动物存在异常,请及时查看”的语音提示信息,在此不做限定。在其他实施例中,电子设备还可从圈栏图像信息中将未进食的动物图像进行分割,得到该动物的图像信息,并控制显示屏对该动物的图像信息进行显示。
上述实施例从方法流程的角度介绍一种养殖场饲料监控方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种养殖场饲料监控装置,具体详见下述实施例。
本申请实施例提供一种养殖场饲料监控装置30,如图3所示,该养殖场饲料监控装置30具体可以包括:
第一获取模块301,用于获取料槽对应的料槽图像信息;
目标跟踪模块302,用于当检测到料槽内存在饲料时,对圈栏内的动物进行目标跟踪;
进食判断模块303,用于判断是否存在动物开始进食;
第一确定模块304,用于当存在动物开始进食时,确定开始进食动物的开始进食时间以及停止进食时间;
第二确定模块305,用于基于开始进食时间以及停止进食时间确定开始进食动物的进食时长;
第一输出模块306,用于输出开始进食动物的进食时长。
对于本申请实施例,第一获取模块301获取料槽的料槽图像信息,从而便于得知料槽内是否存在饲料。当检测到料槽中存在饲料时,说明开始圈栏内的动物可能将要进行进食。此时目标跟踪模块302对圈栏内的动物进行目标追踪,从而便于进食判断模块303判断圈栏内的动物是否开始进食,若有动物开始进食,则第一确定模块304确定开始进食动物的开始进食时间以及停止进食时间。通过开始进食时间以及停止进食时间,从而便于第二确定模块305得知开始进食动物的进食时长,最后第一输出模块306输出动物的进食时长,从而便于工作人员得知动物的进食时长等情况。
本申请实施例的一种可能的实现方式,目标跟踪模块302在对圈栏内的动物进行目标跟踪时,具体用于:
获取圈栏对应的圈栏图像信息;
将圈栏图像信息输入至训练好的第一网络模型中动物特征提取,得到提取结果;
基于提取结果以及预设视频进行目标跟踪。
本申请实施例的一种可能的实现方式,进食判断模块303在判断动物是否开始进食时,具体用于:
对料槽图像信息输入至训练好的第二网络模型中进行动物部位识别,得到动物部位识别结果;
若识别结果中存在动物部位,则确定动物部位对应的动物开始进食。
本申请实施例的一种可能的实现方式,进食判断模块303在判断动物是否开始进食时,还具体用于:
对动物通过预设框图进行框选;
对料槽图像信息进行边缘检测,得到料槽的料槽轮廓信息;
判断预设框图是否与料槽轮廓信息产生重叠;
若产生重叠,则确定预设框图对应的动物开始进食;
若未产生重叠,则确定预设框图对应的动物未开始进食。
本申请实施例的一种可能的实现方式,装置30还包括:
第二获取模块,用于获取当前料槽图像信息;
第一边缘检测模块,用于当当前料槽图像信息中不存在动物时,对当前料槽图像信息进行边缘检测,得到当前饲料区域的第一边缘图像;
第二边缘检测模块,用于对初始检测到料槽内存在饲料是的料槽图像信息进行边缘检测,得到初始饲料区域的第二边缘图像;
第三确定模块,用于基于预设像素点位置信息、第一边缘图像以及第二边缘图像确定食用饲料占比,预设像素点位置信息用于表征料槽底部的位置。
本申请实施例的一种可能的实现方式,第三确定模块在基于预设像素点位置信息、第一边缘图像以及第二边缘图像确定食用饲料占比时,具体用于:
确定第一边缘图像中与料槽分界处的第一像素点位置信息;
确定第二边缘图像中与料槽分界处的第二像素点位置信息;
确定预设像素点位置信息与第二像素点位置信息之间的第一距离信息;
确定第一像素点位置信息与第二像素点位置信息之间的第二距离信息;
基于第一距离信息以及第二距离信息确定食用饲料占比。
本申请实施例的一种可能的实现方式,装置30还包括:
第二输出模块,用于当任一动物在预设时间内未进食时,输出提示信息。
在本申请实施例中,第一获取模块301以及第二获取模块302可以是相同的获取模块,也可以是不同的获取模块。第一确定模块304、第二确定模块305以及第三确定模块可以是相同的确定模块,也可以是不同的确定模块,还可以是部分相同的确定模块。第一边缘检测模块以及第二边缘检测模块可以是相同的边缘检测模块,也可以是不同的边缘检测模块。第一输出模块306以及第二输出模块可以是相同的输出模块,也可以是不同的输出模块,在此不做限定。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的一种养殖场饲料监控装置30的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图4所示,图4所示的电子设备40包括:处理器401和存储器403。其中,处理器401和存储器403相连,如通过总线402相连。可选地,电子设备40还可以包括收发器404。需要说明的是,实际应用中收发器404不限于一个,该电子设备40的结构并不构成对本申请实施例的限定。
处理器401可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器401也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线402可包括一通路,在上述组件之间传送信息。总线402可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线402可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器403可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器403用于存储执行本申请方案的应用程序代码,并由处理器401来控制执行。处理器401用于执行存储器403中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图4示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例中获取料槽的料槽图像信息,从而便于得知料槽内是否存在饲料。当检测到料槽中存在饲料时,说明开始圈栏内的动物可能将要进行进食。此时对圈栏内的动物进行目标追踪,从而便于判断圈栏内的动物是否开始进食,若有动物开始进食,则确定开始进食动物的开始进食时间以及停止进食时间。通过开始进食时间以及停止进食时间,从而便于得知开始进食动物的进食时长,最后输出动物的进食时长,从而便于工作人员得知动物的进食时长等情况。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种养殖场饲料监控方法,其特征在于,包括:
获取料槽对应的料槽图像信息;
当检测到所述料槽内存在饲料时,对圈栏内的动物进行目标跟踪;
判断是否存在动物开始进食;
若存在动物开始进食,则确定开始进食动物的开始进食时间以及停止进食时间;
基于所述开始进食时间以及停止进食时间确定所述开始进食动物的进食时长;
输出所述开始进食动物的进食时长。
2.根据权利要求1所述的一种养殖场饲料监控方法,其特征在于,所述对圈栏内的动物进行目标跟踪,包括:
获取圈栏对应的圈栏图像信息;
将所述圈栏图像信息输入至训练好的第一网络模型中动物特征提取,得到提取结果;
基于所述提取结果以及预设视频进行目标跟踪。
3.根据权利要求1或2所述的一种养殖场饲料监控方法,其特征在于,所述判断所述动物是否开始进食,包括:
对所述料槽图像信息输入至训练好的第二网络模型中进行动物部位识别,得到动物部位识别结果;
若所述识别结果中存在动物部位,则确定所述动物部位对应的动物开始进食。
4.根据权利要求1所述的一种养殖场饲料监控方法,其特征在于,所述判断所述动物是否开始进食,包括:
对所述动物通过预设框图进行框选;
对所述料槽图像信息进行边缘检测,得到所述料槽的料槽轮廓信息;
判断所述预设框图是否与所述料槽轮廓信息产生重叠;
若产生重叠,则确定所述预设框图对应的动物开始进食;
若未产生重叠,则确定所述预设框图对应的动物未开始进食。
5.根据权利要求1所述的一种养殖场饲料监控方法,其特征在于,所述方法还包括:
获取当前料槽图像信息;
若所述当前料槽图像信息中不存在动物,则对所述当前料槽图像信息进行边缘检测,得到当前饲料区域的第一边缘图像;
对初始检测到所述料槽内存在饲料是的料槽图像信息进行边缘检测,得到初始饲料区域的第二边缘图像;
基于预设像素点位置信息、所述第一边缘图像以及所述第二边缘图像确定食用饲料占比,所述预设像素点位置信息用于表征料槽底部的位置。
6.根据权利要求5所述的一种养殖场饲料监控方法,其特征在于,所述基于预设像素点位置信息、所述第一边缘图像以及所述第二边缘图像确定食用饲料占比,包括:
确定所述第一边缘图像中与料槽分界处的第一像素点位置信息;
确定所述第二边缘图像中与料槽分界处的第二像素点位置信息;
确定所述预设像素点位置信息与第二像素点位置信息之间的第一距离信息;
确定所述第一像素点位置信息与第二像素点位置信息之间的第二距离信息;
基于所述第一距离信息以及第二距离信息确定食用饲料占比。
7.根据权利要求1所述的一种养殖场饲料监控方法,其特征在于,所述对圈栏内的动物进行目标跟踪,之后包括:
若任一动物在预设时间内未进食,则输出提示信息。
8.一种养殖场饲料监控装置,其特征在于,包括:
第一获取模块,用于获取料槽对应的料槽图像信息;
目标跟踪模块,用于当检测到所述料槽内存在饲料时,对圈栏内的动物进行目标跟踪;
进食判断模块,用于判断是否存在动物开始进食;
第一确定模块,用于当存在动物开始进食时,确定开始进食动物的开始进食时间以及停止进食时间;
第二确定模块,用于基于所述开始进食时间以及停止进食时间确定所述开始进食动物的进食时长;
第一输出模块,用于输出所述开始进食动物的进食时长。
9.一种电子设备,其特征在于,其包括:
一个或者多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于:执行根据权利要求1~7任一项所述的一种养殖场饲料监控方法。
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,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的一种养殖场饲料监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356331.3A CN114724067A (zh) | 2022-04-06 | 2022-04-06 | 一种养殖场饲料监控方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356331.3A CN114724067A (zh) | 2022-04-06 | 2022-04-06 | 一种养殖场饲料监控方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114724067A true CN114724067A (zh) | 2022-07-08 |
Family
ID=82241888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210356331.3A Pending CN114724067A (zh) | 2022-04-06 | 2022-04-06 | 一种养殖场饲料监控方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114724067A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117528038A (zh) * | 2024-01-08 | 2024-02-06 | 中博农畜牧科技股份有限公司 | 一种基于深度学习的奶牛饲喂草料状态监测预警系统及方法 |
-
2022
- 2022-04-06 CN CN202210356331.3A patent/CN114724067A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117528038A (zh) * | 2024-01-08 | 2024-02-06 | 中博农畜牧科技股份有限公司 | 一种基于深度学习的奶牛饲喂草料状态监测预警系统及方法 |
CN117528038B (zh) * | 2024-01-08 | 2024-03-26 | 中博农畜牧科技股份有限公司 | 一种基于深度学习的奶牛饲喂草料状态监测预警系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147771B (zh) | 基于母猪关键部位与环境联合分区的母猪侧卧姿态实时检测系统 | |
CN107680080B (zh) | 牲畜的样本库建立方法和清点方法、存储介质和电子设备 | |
CN107992903A (zh) | 牲畜身份识别方法、装置、存储介质和电子设备 | |
CN108229351B (zh) | 一种动物养殖方法、动物养殖装置及电子设备 | |
WO2020078114A1 (zh) | 动物分娩的识别方法、装置和设备 | |
CN110532899B (zh) | 基于热成像的母猪产前行为分类方法及系统 | |
WO2020108125A1 (zh) | 一种信息推送方法、信息推送装置及终端设备 | |
CN110610125A (zh) | 基于神经网络的牛脸识别方法、装置、设备及存储介质 | |
Lu et al. | An automatic splitting method for the adhesive piglets’ gray scale image based on the ellipse shape feature | |
CN114724067A (zh) | 一种养殖场饲料监控方法、装置、电子设备及存储介质 | |
CN111325217A (zh) | 数据处理方法、装置、系统和介质 | |
CN115294185B (zh) | 猪只体重的估测方法以及相关设备 | |
CN113887447A (zh) | 对象分类模型的训练方法、对象分类预测方法及装置 | |
CN111080697B (zh) | 检测目标对象方向的方法、装置、计算机设备和存储介质 | |
CN113222889B (zh) | 高分辨率图像下水产养殖物的工厂化养殖计数方法及装置 | |
CN110928889A (zh) | 训练模型更新方法、设备以及计算机存储介质 | |
CN111405197B (zh) | 一种视频裁剪方法、图像处理方法及装置 | |
CN110956165B (zh) | 智慧社区未栓绳宠物预警方法及系统 | |
CN111191066A (zh) | 一种基于图像识别的宠物身份识别方法和装置 | |
US11854574B2 (en) | Interactive chatbot algorithm between human and companion animals through analysis of companion animal's emotions and states based on companion animal's voice and activity information | |
CN110991235B (zh) | 一种状态监测方法、装置、电子设备及存储介质 | |
US9317782B2 (en) | Incremental category embedding for categorization | |
CN112132064A (zh) | 基于人工智能的识别孕囊数量的方法、装置、设备和介质 | |
WO2022181131A1 (ja) | 体重推定システム、及び、体重推定方法 | |
WO2022181132A1 (ja) | 体重推定システム、及び、体重推定方法 |
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 |