CN114743219B - 一种奶牛运动评分方法及系统,计算机可读存储介质 - Google Patents
一种奶牛运动评分方法及系统,计算机可读存储介质 Download PDFInfo
- Publication number
- CN114743219B CN114743219B CN202210381219.5A CN202210381219A CN114743219B CN 114743219 B CN114743219 B CN 114743219B CN 202210381219 A CN202210381219 A CN 202210381219A CN 114743219 B CN114743219 B CN 114743219B
- Authority
- CN
- China
- Prior art keywords
- dairy cow
- target
- average slope
- cow
- dairy
- 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.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000013077 scoring method Methods 0.000 title claims abstract description 19
- 241000283690 Bos taurus Species 0.000 claims abstract description 245
- 235000013365 dairy product Nutrition 0.000 claims abstract description 190
- 230000033001 locomotion Effects 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000002089 crippling effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 208000030175 lameness Diseases 0.000 abstract description 7
- 230000003068 static effect Effects 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000036541 health Effects 0.000 abstract description 4
- 210000000003 hoof Anatomy 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000009395 breeding Methods 0.000 description 6
- 230000001488 breeding effect Effects 0.000 description 6
- 239000008267 milk Substances 0.000 description 5
- 235000013336 milk Nutrition 0.000 description 5
- 210000004080 milk Anatomy 0.000 description 5
- 230000036544 posture Effects 0.000 description 5
- 101100545272 Caenorhabditis elegans zif-1 gene Proteins 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical group [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000011087 paperboard Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种奶牛运动评分方法及系统,计算机可读存储介质。该方法包括:获取目标奶牛的影像数据和姿态角;根据影像数据,计算目标奶牛的背部平均斜率,其中,背部平均斜率包括行走平均斜率和静立平均斜率;根据行走平均斜率、静立平均斜率和目标奶牛的姿态角,确定目标奶牛的运动评分。本发明提供的方案能够对奶牛的跛行状况进行准确识别,合理控制牛群的体况、加强肢蹄健康管理,对提升奶牛的生产性能具有重要意义。
Description
技术领域
本发明涉及畜牧信息化技术领域,尤其涉及一种奶牛运动评分方法及系统,计算机可读存储介质。
背景技术
奶牛养殖业是畜牧业的重要组成部分,近几年,我国畜牧业不断改革、整顿和发展,奶牛养殖业稳步推进,升级转型取得了显著效果。随着信息化技术的不断发展,畜牧业信息化的程度也决定了我国畜牧业发展的广度和深度。信息化技术在养殖业的应用使得养殖场决策人员可更加精准地把握奶牛各生产环节的各项重要指标,加速奶牛养殖业向精细化、流程化、智能化方向的稳步发展。
奶牛坡行是一种常见疾病,不管是机械损伤还是营养不足,坡行都会造成奶牛产奶量的下降,影响经济效益。运动评分是评定牛群坡行率的一种新概念,根据评分的结果可以表明奶牛坡行的严重程度,因此,通过运动评分可以选择性地检查奶牛状况,及早发现病因,减少经济损失。
传统的运动评分方法每个月都需要对牛群进行一次评分,评定时不能让奶牛出现应激反应,而且每次都要由同一个人来进行评定,以保证评定的一致性。然而,这种方法只能通过工作人员现场观察和记录,人工成本以及人为因素较大、效率较低、误报率较高,无法达到智能化检测的目的。
发明内容
为解决上述技术问题,本发明实施例期望提供一种奶牛运动评分方法及系统,计算机可读存储介质,能够对奶牛的跛行状况进行准确识别,合理控制牛群的体况、加强肢蹄健康管理,对提升奶牛的生产性能具有重要意义。
本发明的技术方案是这样实现的:
第一方面,本发明实施例提供一种奶牛运动评分方法,应用于服务器,包括:
获取目标奶牛的影像数据和姿态角;
根据影像数据,计算目标奶牛的背部平均斜率,其中,背部平均斜率包括行走平均斜率和静立平均斜率;
根据行走平均斜率、静立平均斜率和目标奶牛的姿态角,确定目标奶牛的运动评分。
可选的,获取目标奶牛的影像数据,包括:
接收摄像机发送的每头奶牛的视频流,其中,摄像机拍摄的视频流与奶牛的编号关联,奶牛的编号与固定在奶牛背部的移动设备关联;
根据目标奶牛的编号,从所有视频流中查找到目标奶牛的视频流;
对目标奶牛的视频流进行处理,得到影像数据。
可选的,对目标奶牛的视频流进行处理,得到影像数据,包括:
获取预先训练好的第一权重模型和第二权重模型;
将目标奶牛的视频流输入第一权重模型,得到目标奶牛的行走视频和静立视频,并从行走视频中提取行走图片、从静立视频中提取静立图片;
分别将行走图片和静立图片输入第二权重模型,得到目标奶牛背部的行走图片和背部的静立图片。
可选的,获取目标奶牛的姿态角,包括:
接收每个移动设备发送的奶牛的姿态角,其中,一头奶牛背部固定有一个移动设备,奶牛的编号与固定在奶牛背部的移动设备关联,姿态角是移动设备根据奶牛的旋转角速率和奶牛在固定平台相对地球表面的运动方向计算得到的;
根据目标奶牛的编号,从所有姿态角中查找到目标奶牛的姿态角。
其中,n表示影像数据中像素点数量,i表示当前像素点,Yi代表像素点i的Y轴数值,Xi代表像素点i的X轴数值,Yi-1代表与像素点i相邻的上一个像素点的Y轴数值,Xi-1代表与像素点i相邻的上一个像素点的X轴数值。
可选的,根据行走平均斜率、静立平均斜率和目标奶牛的姿态角,确定目标奶牛的运动评分,包括:
若目标奶牛的姿态角小于15°、行走平均斜率小于或者等于0.2、静立平均斜率小于或者等于0.2,确定目标奶牛的运动评分为正常;
若目标奶牛的姿态角大于或者等于15°、行走平均斜率大于0.2且小于或者等于0.4、静立平均斜率小于或者等于0.2,确定目标奶牛的运动评分为微瘸;
若目标奶牛的姿态角大于或者等于15°、行走平均斜率大于0.4、静立平均斜率大于0.2且小于或者等于0.4,确定目标奶牛的运动评分为轻度瘸;
若目标奶牛的姿态角大于或者等于15°、行走平均斜率大于0.4、静立平均斜率大于0.4,确定目标奶牛的运动评分为瘸症。
第二方面,本发明实施例提供一种奶牛运动评分系统,包括服务器、摄像机,以及多个移动设备;其中,
一头奶牛背部固定有一个移动设备,摄像机和多个移动设备分别和服务器电连接;
摄像机,用于向服务器发送每头奶牛的视频流;
移动设备,用于向服务器发送每头奶牛的姿态角;
服务器,用于在执行计算机程序时实现上述任一实施例的奶牛运动评分方法。
可选的,移动设备包括:处理器、无线通信设备、陀螺仪、加速度计和射频识别RFID标签;其中,
RFID标签中存储有奶牛的编号;
陀螺仪与处理器电连接,用于获取奶牛的旋转角速率;
加速度计与处理器电连接,用于获取奶牛在固定平台相对地球表面的运动方向;
处理器与无线通信设备串口连接,用于采用卡尔曼姿态融合滤波算法,根据奶牛的旋转角速率和奶牛在固定平台相对地球表面的运动方向,计算奶牛的姿态角,并通过无线通信设备将奶牛的姿态角发送至服务器。
可选的,陀螺仪和加速度计采用MPU6050芯片实现;无线通信设备为ESP8266芯片;处理器为STM32芯片。
第三方面,本发明实施例提供一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例的奶牛运动评分方法。
本发明实施例提供了一种奶牛运动评分方法及系统,计算机可读存储介质,服务器通过摄像机拍摄的每头奶牛的视频流获取目标奶牛的影像数据,以及通过固定在每头奶牛背部的移动设备发送的每头奶牛的姿态角获取目标奶牛的姿态角,利用目标奶牛的影像数据和姿态角,确定目标奶牛的运动评分。与传统的人工评分的方式相比,实现了智能化、标准化的运动评分,能够对奶牛的跛行状况进行准确识别,合理控制牛群的体况、加强肢蹄健康管理,对提升奶牛的生产性能具有重要意义。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例一提供的一种奶牛运动评分系统的结构示意图;
图2为本发明实施例一提供的一种移动设备的结构示意图;
图3为本发明实施例二提供的一种奶牛运动评分方法的流程示意图;
图4为本发明实施例二提供的一种评分结果汇总图;
图5为本发明实施例三提供的一种服务器的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明中术语“系统”和“网络”在本文中常被可互换使用。本发明实施例中提到的“和/或”是指包括一个或更多个相关所列项目的任何和所有组合。本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。
还需要说明是,本发明下述各个实施例可以单独执行,各个实施例之间也可以相互结合执行,本发明实施例对此不作具体限制。
实施例一
图1为本发明实施例一提供的一种奶牛运动评分系统的结构示意图。如图1所示,奶牛运动评分系统包括:服务器10,摄像机20和多个移动设备,摄像机20和多个移动设备分别和服务器10电连接。示例性的,图1中以3个移动设备为例进行绘制,分别记为移动设备30a、移动设备30b和移动设备30c。
摄像机20设置在检测区域(通常为检测通道)内,用于对奶牛进行拍摄,并向服务器10发送每头奶牛的视频流。例如,一个摄像机20被固定在检测通道中,拍摄奶牛侧面图像,当一头奶牛拍完后,该奶牛走出通道,下一头奶牛进入检测通道,继续进行拍摄,以此类推。
具体的,视频流可以是实时流传输协议(Real Time Streaming Protocol,RTSP)视频流,RTSP是传输控制协议/网际协议(Transmission Control Protocol/InternetProtocol,TCP/IP)体系中的一个应用层协议,该协议定义了一对多应用程序如何有效地通过网际互连协议(Internet Protocol,IP)网络传送多媒体数据。
检测区域内设置有射频识别(Radio Frequency Identification,RFID)识别器,RFID识别器用于识别移动设备中的RFID标签,从而识别奶牛的编号。可选的,RFID识别器可以集成在摄像机20中,也可以独立于摄像机20设置,本发明实施例对此不作具体限制。
摄像机20的主要参数为:最高分辨率可达1920×1080@25fps,该分辨率下可输出实时图像,支持背光补偿,强光抑制,3D数字降噪,120dB宽动态,适应不同监控环境,白光距离最远可达30米,支持白光灯补光,最大光圈数F1.6,使用IP66防尘防水设计。通过该摄像机20抓取的画面,可对目标精准框选定位。
图2为本发明实施例一提供的一种移动设备的结构示意图。如图2所示,移动设备包括:处理器4、无线通信设备5、RFID标签6和陀螺仪与加速度计7。其中,处理器4、无线通信设备5、RFID标签6和陀螺仪与加速度计7被设置在壳体(包括壳体正面1和壳体背面8)中,移动设备通过电池3供电,电池3设置在电池仓9中。另外,壳体上还包括设备绳扣2,松紧带/绳子可以穿过设备绳扣2,将移动设备固定在奶牛的背部。具体的,一头奶牛背部固定有一个移动设备。
在一实施例中,陀螺仪和加速度计7为3轴陀螺仪、3轴加速度计,采用MPU6050芯片实现,具有良好的动态响应特性,自带数字运动处理器硬件加速引擎,可方便的实现姿态解算;无线通信设备5为ESP8266芯片,具有性能稳定、功耗低、高度集成的优点,集成32位Tensilica处理器、标准数字外设接口、天线开关、射频balun、功率放大器、低噪放大器、过滤器和电源管理模块,为移动设备提供数据上传、时间同步服务;处理器4为STM32芯片,具有高性能、低成本、低功耗的特点,为移动设备提供姿态数据采集、姿态解算、A\D转换、数据转发服务。RFID标签6采用柔性抗金属RFID电标签,工作频率860MHz-960MHz,存储容量EPC96bit,识别距离5-8米,材质工艺为铜纸板。
移动设备启动后,由于RFID标签6中存储有奶牛的编号,可以实现奶牛与采集数据的一一对应。陀螺仪与处理器4电连接,用于获取奶牛的旋转角速率;加速度计与处理器4电连接,用于获取奶牛在固定平台相对地球表面的运动方向;处理器4与无线通信设备5串口连接,用于采用卡尔曼姿态融合滤波算法,根据奶牛的旋转角速率和奶牛在固定平台相对地球表面的运动方向,计算奶牛的姿态角,并通过无线通信设备5将奶牛的姿态角发送至服务器10。如此,实现了对奶牛的背部姿态的实时记录。
可以理解的是,陀螺仪测量的是角速度而非角度,所以需要积分计算才能得到角度值,在积分计算的过程中若有固定的、某一个方向的数据,会在积分计算的过程中不断加大影响导致角度偏差,加速度计采集的数据同样有零漂和尺度因子的误差,由于单一传感器不能兼顾动态、静态角度的获取,有的动态精度高,有的静态精度高,所以本发明采用卡尔曼姿态融合滤波算法对角度进行优化,以达到更高的精度。
服务器10,用于实现下述实施例中描述的奶牛运动评分方法。
实施例二
图3为本发明实施例二提供的一种奶牛运动评分方法的流程示意图,该方法可以由奶牛运动评分装置来执行,该奶牛运动评分装置可以采用硬件和/或软件的形式实现,该奶牛运动评分装置可配置于服务器中。如图3所示,该方法包括如下步骤:
S110、获取目标奶牛的影像数据和姿态角。
具体的,在步骤S110中,获取目标奶牛的影像数据和获取目标奶牛的姿态角这两个动作可以并行执行,也可以按照先后顺序依次执行,本发明对执行先后顺序不做限定。
在一实施例中,获取目标奶牛的影像数据可以包括步骤a1-a3:
步骤a1、接收摄像机发送的每头奶牛的视频流,其中,摄像机拍摄的视频流与奶牛的编号关联,奶牛的编号与固定在奶牛背部的移动设备关联。
当奶牛进入检测区域时,RFID识别器自动识别奶牛背部安装的移动设备中的RFID标签,从而获取奶牛的编号。随后摄像机采集每头奶牛的视频流,并将每头奶牛的视频流发送至服务器。
步骤a2、根据目标奶牛的编号,从所有视频流中查找到目标奶牛的视频流。
步骤a3、对目标奶牛的视频流进行处理,得到影像数据。
首先,服务器中采用Ubuntu20.04系统搭建SlowFast视频行为分析框架,对一定数量(如120个)的奶牛静立以及行走时的视频进行分类训练,得到第一权重模型;以及,服务器中采用Ubuntu20.04系统部署Mask-RCNN环境,用样本标注软件手工标注一定数量(如6000张)的奶牛图片的轮廓及矩形框,使用Mask-RCNN算法对样本进行训练,得到第二权重模型。将训练好的第一权重模型和第二权重模型存储在服务器中。
其次,在对目标奶牛的视频流进行处理时,服务器获取预先训练好的第一权重模型和第二权重模型;将目标奶牛的视频流输入第一权重模型,以进行行为分析,得到目标奶牛的行走视频和静立视频,并从行走视频中提取行走图片、从静立视频中提取静立图片,提取到的图片可以以视频录制时间命名;最后分别将行走图片和静立图片输入第二权重模型,以对行走图片和静立图片进行筛选,仅保留目标置信度85%以上、图像清晰、曝光正常且出现完整奶牛的图片,然后对图像进行降噪、增强处理,最后对奶牛进行框选和轮廓定位,即根据奶牛识别后矩形框的像素长度,将像素长度转换为奶牛的体尺长度,不同体尺采用不同的预设值来计算奶牛背部区域范围,最终得到目标奶牛背部的行走图片和背部的静立图片。
在本发明中,摄像机可以使用目标检测算法实时监控画面内容,当画面中出现奶牛目标时开始录制视频,当画面中不存在奶牛时即停止录制。
在一实施例中,获取目标奶牛的姿态角可以包括步骤b1-b2:
步骤b1、接收每个移动设备发送的奶牛的姿态角,其中,一头奶牛背部固定有一个移动设备,奶牛的编号与固定在奶牛背部的移动设备关联,姿态角是移动设备根据奶牛的旋转角速率和奶牛在固定平台相对地球表面的运动方向计算得到的。
移动设备固定在奶牛背部,且以奶牛脊柱中段作为坐标原点,沿着传感器的方向建立设备主体坐标系,设备X轴垂直朝向奶牛身体;设备Y轴与奶牛头部朝向一致;设备Z轴朝向地面。在确立初始坐标系后,传感器采集到的新坐标数值与初始坐标系之间出现的夹角称为欧拉角(即姿态角),根据欧拉角的角度可以对奶牛背部的状态进行判断,当X轴欧拉角趋近于0时,背部为扁平状态;当欧拉角不断的增加时,奶牛背部出现微弓、弓起、弓背姿态。通过长时间测试及统计,得到了最优卡尔曼姿态融合滤波算法,其中:
使用卡尔曼姿态融合滤波算法解算得到的姿态角数据以及奶牛的编号,会通过移动设备的无线通信设备发送给服务端,存储到服务端数据库。
步骤b2、根据目标奶牛的编号,从所有姿态角中查找到目标奶牛的姿态角。
S120、根据影像数据,计算目标奶牛的背部平均斜率,其中,背部平均斜率包括行走平均斜率和静立平均斜率。
在本发明中,通过计算背部区域范围内每个像素点与上一个像素点连线的直线斜率,然后计算平均斜率,平均斜率可反应背部姿态,斜率趋近于0,背部越平整(斜率对应奶牛背部的姿态,斜率越大表明奶牛的背部弓起越严重,按照弓起的程度分为:微弓、弓起、弓背)。
其中,n表示影像数据中像素点数量,i表示当前像素点,Yi代表像素点i的Y轴数值,Xi代表像素点i的X轴数值,Yi-1代表与像素点i相邻的上一个像素点的Y轴数值,Xi-1代表与像素点i相邻的上一个像素点的X轴数值。
S130、根据行走平均斜率、静立平均斜率和目标奶牛的姿态角,确定目标奶牛的运动评分。
行走平均斜率、静立平均斜率和目标奶牛的姿态角和运动评分之间的关系近似函数方程,其中:
即若目标奶牛的姿态角小于15°、行走平均斜率小于或者等于0.2、静立平均斜率小于或者等于0.2,确定目标奶牛的运动评分为正常;
若目标奶牛的姿态角大于或者等于15°、行走平均斜率大于0.2且小于或者等于0.4、静立平均斜率小于或者等于0.2,确定目标奶牛的运动评分为微瘸;
若目标奶牛的姿态角大于或者等于15°、行走平均斜率大于0.4、静立平均斜率大于0.2且小于或者等于0.4,确定目标奶牛的运动评分为轻度瘸;
若目标奶牛的姿态角大于或者等于15°、行走平均斜率大于0.4、静立平均斜率大于0.4,确定目标奶牛的运动评分为瘸症。
示例性的,运动评分标准如表1所示。
表1
评分 | 背部姿态 | 描述 | 评估 |
1 | 扁平 | 正常 | 站立时背部扁平,走路时背部扁平 |
2 | 扁平或者微弓 | 微瘸 | 站立时背部扁平,走路时背部微弓 |
3 | 弓起 | 轻度瘸 | 站立时背部弓起,走路时背部弓起 |
4 | 弓背 | 瘸症 | 经常性弓背,步伐异常 |
通过上述方法,养殖场工作人员定时将奶牛赶到检测区域,服务器自动对奶牛进行运动评分,并自动汇总当日评分结果,养殖决策人员可精准把握奶牛群体跛行率,及时发现病因并做出调整。图4为本发明实施例二提供的一种评分结果汇总图。
本发明实施例提供了一种奶牛运动评分方法,包括:获取目标奶牛的影像数据和姿态角;根据影像数据,计算目标奶牛的背部平均斜率,其中,背部平均斜率包括行走平均斜率和静立平均斜率;根据行走平均斜率、静立平均斜率和目标奶牛的姿态角,确定目标奶牛的运动评分。服务器通过摄像机拍摄的每头奶牛的视频流获取目标奶牛的影像数据,以及通过固定在每头奶牛背部的移动设备发送的每头奶牛的姿态角获取目标奶牛的姿态角,利用目标奶牛的影像数据和姿态角,确定目标奶牛的运动评分。与传统的人工评分的方式相比,实现了智能化、标准化的运动评分,能够对奶牛的跛行状况进行准确识别,合理控制牛群的体况、加强肢蹄健康管理,对提升奶牛的生产性能具有重要意义。
实施例三
本发明实施例还提供了一种服务器,包括:处理器,处理器用于在执行计算机程序时实现具有上述实施例任一特征的方法。
图5示出了可以用来实施本发明的实施例的服务器10的结构示意图。服务器旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。服务器还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,服务器10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储服务器10操作所需的各种程序和数据。处理器11、ROM12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
服务器10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许服务器10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如奶牛运动评分方法。
在一些实施例中,奶牛运动评分方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到服务器10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的奶牛运动评分方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行奶牛运动评分方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在服务器上实施此处描述的系统和技术,该服务器具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给服务器。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种奶牛运动评分方法,其特征在于,应用于服务器,包括:
获取目标奶牛的影像数据和姿态角;姿态角是移动设备根据奶牛的旋转角速率和奶牛在固定平台相对地球表面的运动方向计算得到的;
根据所述影像数据,计算所述目标奶牛的背部平均斜率,其中,所述背部平均斜率包括行走平均斜率和静立平均斜率;
根据所述行走平均斜率、所述静立平均斜率和所述目标奶牛的姿态角,确定所述目标奶牛的运动评分;
通过计算背部区域范围内每个像素点与上一个像素点连线的直线斜率,然后计算平均斜率,所述背部平均斜率:
所述根据所述行走平均斜率、所述静立平均斜率和所述目标奶牛的姿态角,确定所述目标奶牛的运动评分,包括:
若所述目标奶牛的姿态角小于15°、所述行走平均斜率小于或者等于0.2、所述静立平均斜率小于或者等于0.2,确定所述目标奶牛的运动评分为正常;
若所述目标奶牛的姿态角大于或者等于15°、所述行走平均斜率大于0.2且小于或者等于0.4、所述静立平均斜率小于或者等于0.2,确定所述目标奶牛的运动评分为微瘸;
若所述目标奶牛的姿态角大于或者等于15°、所述行走平均斜率大于0.4、所述静立平均斜率大于0.2且小于或者等于0.4,确定所述目标奶牛的运动评分为轻度瘸;
若所述目标奶牛的姿态角大于或者等于15°、所述行走平均斜率大于0.4、所述静立平均斜率大于0.4,确定所述目标奶牛的运动评分为瘸症。
2.根据权利要求1所述的方法,其特征在于,所述获取目标奶牛的影像数据,包括:
接收摄像机发送的每头奶牛的视频流,其中,所述摄像机拍摄的视频流与奶牛的编号关联,奶牛的编号与固定在奶牛背部的移动设备关联;
根据所述目标奶牛的编号,从所有视频流中查找到所述目标奶牛的视频流;
对所述目标奶牛的视频流进行处理,得到所述影像数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述目标奶牛的视频流进行处理,得到所述影像数据,包括:
获取预先训练好的第一权重模型和第二权重模型;
将所述目标奶牛的视频流输入所述第一权重模型,得到所述目标奶牛的行走视频和静立视频,并从所述行走视频中提取行走图片、从所述静立视频中提取静立图片;
分别将所述行走图片和所述静立图片输入所述第二权重模型,得到所述目标奶牛背部的行走图片和背部的静立图片。
4.根据权利要求1所述的方法,其特征在于,所述获取目标奶牛的姿态角,包括:
接收每个移动设备发送的奶牛的姿态角,其中,一头奶牛背部固定有一个所述移动设备,奶牛的编号与固定在奶牛背部的移动设备关联,所述姿态角是所述移动设备根据奶牛的旋转角速率和奶牛在固定平台相对地球表面的运动方向计算得到的;
根据所述目标奶牛的编号,从所有姿态角中查找到所述目标奶牛的姿态角。
5.一种奶牛运动评分系统,其特征在于,包括服务器、摄像机,以及多个移动设备;其中,
一头奶牛背部固定有一个所述移动设备,所述摄像机和多个所述移动设备分别和所述服务器电连接;
所述摄像机,用于向所述服务器发送每头奶牛的视频流;
所述移动设备,用于向所述服务器发送每头奶牛的姿态角;
所述服务器,用于在执行计算机程序时实现如权利要求1-4中任一所述的奶牛运动评分方法。
6.根据权利要求5所述的系统,其特征在于,所述移动设备包括:处理器、无线通信设备、陀螺仪、加速度计和射频识别RFID标签;其中,
所述RFID标签中存储有奶牛的编号;
所述陀螺仪与所述处理器电连接,用于获取奶牛的旋转角速率;
所述加速度计与所述处理器电连接,用于获取奶牛在固定平台相对地球表面的运动方向;
所述处理器与所述无线通信设备串口连接,用于采用卡尔曼姿态融合滤波算法,根据奶牛的旋转角速率和奶牛在固定平台相对地球表面的运动方向,计算奶牛的姿态角,并通过所述无线通信设备将奶牛的姿态角发送至所述服务器。
7.根据权利要求6所述的系统,其特征在于,所述陀螺仪和所述加速度计采用MPU6050芯片实现;所述无线通信设备为ESP8266芯片;所述处理器为STM32芯片。
8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被服务器执行时实现如权利要求1-4中任一所述的奶牛运动评分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210381219.5A CN114743219B (zh) | 2022-04-12 | 2022-04-12 | 一种奶牛运动评分方法及系统,计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210381219.5A CN114743219B (zh) | 2022-04-12 | 2022-04-12 | 一种奶牛运动评分方法及系统,计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114743219A CN114743219A (zh) | 2022-07-12 |
CN114743219B true CN114743219B (zh) | 2023-05-02 |
Family
ID=82282487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210381219.5A Active CN114743219B (zh) | 2022-04-12 | 2022-04-12 | 一种奶牛运动评分方法及系统,计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114743219B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434577A (zh) * | 2020-11-12 | 2021-03-02 | 中国农业大学 | 奶牛跛行检测方法及奶牛跛行检测装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9999823B2 (en) * | 2016-01-15 | 2018-06-19 | Inxpar Inc. | System for analyzing golf swing process and method thereof |
CN106725305A (zh) * | 2016-11-23 | 2017-05-31 | 深圳先进技术研究院 | 基于人体姿态角的疼痛程度评估方法及系统 |
US10743516B2 (en) * | 2017-02-10 | 2020-08-18 | Big Box Dairy Llc | Livestock structures and related methods |
US20190082654A1 (en) * | 2017-09-15 | 2019-03-21 | David S. Robbins | Systems, methods and apparatus for monitoring animal health conditions |
JP7062277B2 (ja) * | 2018-04-24 | 2022-05-06 | 国立大学法人 宮崎大学 | 牛のボディコンディションスコアの評価装置、評価方法及び評価プログラム |
CN110008881B (zh) * | 2019-03-28 | 2021-03-12 | 北京农业信息技术研究中心 | 多运动目标的奶牛行为的识别方法及装置 |
CN110400310A (zh) * | 2019-07-31 | 2019-11-01 | 宁夏金宇智慧科技有限公司 | 一种奶牛体况自动评分系统 |
CN112293295B (zh) * | 2020-10-28 | 2022-03-18 | 内蒙古农业大学 | 一种奶牛早期跛行识别方法及装置 |
CN114299616A (zh) * | 2021-12-29 | 2022-04-08 | 内蒙古工业大学 | 一种基于机器视觉的奶牛步态评分方法和系统 |
-
2022
- 2022-04-12 CN CN202210381219.5A patent/CN114743219B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434577A (zh) * | 2020-11-12 | 2021-03-02 | 中国农业大学 | 奶牛跛行检测方法及奶牛跛行检测装置 |
Non-Patent Citations (1)
Title |
---|
基于自适应无参核密度估计算法的运动奶牛目标检测;宋怀波,等;农业机械学报(05);203-211 * |
Also Published As
Publication number | Publication date |
---|---|
CN114743219A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110457414B (zh) | 离线地图处理、虚拟对象显示方法、装置、介质和设备 | |
CN110941990B (zh) | 基于骨骼关键点进行人体动作评估的方法和装置 | |
WO2022094854A1 (zh) | 农作物的生长监测方法、设备及存储介质 | |
CN108229509B (zh) | 用于识别物体类别的方法及装置、电子设备 | |
CN111598900B (zh) | 一种图像区域分割模型训练方法、分割方法和装置 | |
CN110738154A (zh) | 一种基于人体姿态估计的行人摔倒检测方法 | |
CN110610181B (zh) | 医学影像识别方法及装置、电子设备及存储介质 | |
CN109801265B (zh) | 一种基于卷积神经网络的实时输电设备异物检测系统 | |
EP4072147A1 (en) | Video stream processing method, apparatus and device, and medium | |
CN111337037B (zh) | 移动激光雷达slam制图装置及数据处理方法 | |
WO2022228252A1 (zh) | 人体行为检测方法、装置、电子设备以及存储介质 | |
CN115568823B (zh) | 一种人体平衡能力评估的方法、系统和装置 | |
CN113362314B (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CN111611903A (zh) | 动作识别模型的训练方法、使用方法、装置、设备和介质 | |
CN113947742A (zh) | 一种基于人脸识别的人员轨迹追踪方法与装置 | |
CN114495169A (zh) | 一种人体姿态识别的训练数据处理方法、装置及设备 | |
CN113593707B (zh) | 胃早癌模型训练方法、装置、计算机设备及存储介质 | |
CN113505720A (zh) | 图像处理方法及装置、存储介质、电子装置 | |
CN114743219B (zh) | 一种奶牛运动评分方法及系统,计算机可读存储介质 | |
CN117831120A (zh) | 基于人体骨骼点运动特征的动作识别系统及方法 | |
CN116403285A (zh) | 动作识别方法、装置、电子设备以及存储介质 | |
CN114401446B (zh) | 人体姿态迁移方法、装置、系统、电子设备以及存储介质 | |
CN107566685B (zh) | 一种图像数据处理方法及电子设备 | |
CN110378241A (zh) | 作物生长状态监控方法、装置、计算机设备及存储介质 | |
CN105303182B (zh) | 一种长时间鱼类跟踪方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |