CN114896441A - 一种奶牛信息化智能养殖方法及系统 - Google Patents
一种奶牛信息化智能养殖方法及系统 Download PDFInfo
- Publication number
- CN114896441A CN114896441A CN202210639442.5A CN202210639442A CN114896441A CN 114896441 A CN114896441 A CN 114896441A CN 202210639442 A CN202210639442 A CN 202210639442A CN 114896441 A CN114896441 A CN 114896441A
- Authority
- CN
- China
- Prior art keywords
- cow
- evaluation
- breeding
- cows
- clustering
- 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
- 238000009395 breeding Methods 0.000 title claims abstract description 135
- 241000283690 Bos taurus Species 0.000 claims abstract description 452
- 238000011156 evaluation Methods 0.000 claims abstract description 154
- 235000013365 dairy product Nutrition 0.000 claims abstract description 137
- 230000001488 breeding effect Effects 0.000 claims abstract description 116
- 239000008267 milk Substances 0.000 claims abstract description 80
- 235000013336 milk Nutrition 0.000 claims abstract description 80
- 210000004080 milk Anatomy 0.000 claims abstract description 80
- 230000000694 effects Effects 0.000 claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 17
- 241001247116 Sebastes levis Species 0.000 claims abstract description 7
- 238000011002 quantification Methods 0.000 claims description 76
- 230000036541 health Effects 0.000 claims description 45
- 238000013139 quantization Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 7
- 238000009400 out breeding Methods 0.000 claims description 7
- 238000004445 quantitative analysis Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 6
- 230000037406 food intake Effects 0.000 claims description 5
- 235000012631 food intake Nutrition 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003977 dairy farming Methods 0.000 claims 1
- 238000011158 quantitative evaluation Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 12
- 230000006996 mental state Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009344 polyculture Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012840 feeding operation Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Biophysics (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Housing For Livestock And Birds (AREA)
Abstract
本发明提供了一种奶牛信息化智能养殖方法及系统，涉及智能养殖技术领域，通过图像采集设备对奶牛活动状态进行图像采集建立奶牛图像库包括编码、活动状态图像；利用奶牛养殖经验数据库构建奶牛评估体系模型；奶牛信息依次输入奶牛评估体系模型得到奶牛评估结果；基于奶牛评估结果进行数据聚类，按照数据聚类分析结果将奶牛进行状态分类建立奶牛分类集群，分别对集群进行养殖特征标记,将标记与奶牛编码绑定；利用奶牛编码信息对奶牛养殖特征标记进行识别,确定养殖信息对奶牛进行信息化养殖监管。解决缺乏智能化的奶牛养殖方法会影响养殖水平而影响产奶量的技术问题。达到利用信息化指导进行针对性喂养，提升养殖效率确保产奶量的技术效果。
Description
技术领域
本发明涉及智能养殖技术领域，具体涉及一种奶牛信息化智能养殖方法及系统。
背景技术
奶牛是用于进行产奶的牛，经过高度选育繁殖的优良品种，奶牛以产奶量来衡量奶牛的好坏，但除了品种的关系，产奶量还受到奶牛周期、养殖、健康状态、体重等因素的影响。奶牛的产奶期主要分为高峰期、淡奶期，其中高峰期为产奶黄金期，一天的产奶量在25-40公斤左右，淡奶期一天的产奶量在5-20公斤左右。产奶量的多少不同的牛也存在差异性，总体来说体型越大产奶量越多，食量越大产奶量也越多，当然也受到奶牛年龄、胎次、遗传等因素的影响，如何把握好奶牛的养殖,提升产奶量是养殖人员追求的目标，当今的养殖方法主要靠经验积累的，对于养殖量大或人力资源有限或者经验不足时，对于奶牛的养殖管理水平会产生影响，从而影响到产奶量，进而关系到养殖收益。
发明内容
为了解决上述问题，本申请通过提供了一种奶牛信息化智能养殖方法及系统，解决了现有技术中缺乏智能化的奶牛养殖方法，对于量大无法保证每头奶牛都能进行周全照顾，或人力资源有限或者经验不足时，对于奶牛的养殖管理水平会产生影响，从而影响产奶量的技术问题。
鉴于上述问题，本申请提供了一种奶牛信息化智能养殖方法及系统。
第一方面，本申请提供了一种奶牛信息化智能养殖方法，所述方法包括：通过图像采集设备，对奶牛活动状态进行图像采集，建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合；利用奶牛养殖经验数据库，构建奶牛评估体系模型；将所述奶牛图像库中所有奶牛信息，依次输入所述奶牛评估体系模型中，进行预设内容评估，得到各奶牛评估结果；基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果，将所有奶牛进行状态分类，建立奶牛分类集群，所述奶牛分类集群包括多个分类集群；分别对所述奶牛分类集群，进行养殖特征标记，将所述养殖特征标记与所述奶牛编码信息进行绑定；利用所述奶牛编码信息，对奶牛所述养殖特征标记进行识别，确定养殖信息，按照所述养殖信息，对奶牛进行信息化养殖监管。
优选的，所述通过图像采集设备，对奶牛活动状态进行图像采集，建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合，包括：对奶牛进行预设角度及预设内容要求的图像采集，获得奶牛图像集合，基于所述奶牛图像集合进行图像特征识别，得到图像特征集，所述图像特征集包括编码特征、奶牛外观特征、奶牛活动状态特征；从所述图像特征集中进行编码特征遍历，确定编码特征，并基于确定的所述编码特征进行奶牛外观特征匹配，得到匹配奶牛外观特征图；基于所述匹配奶牛外观特征，进行奶牛活动状态特征识别匹配，得到奶牛活动状态特征图；将所述奶牛活动状态特征图、所述匹配奶牛外观特征图与所述编码特征建立映射关系，得到各编码对应的特征图像集，利用所有编码特征图像集，构建所述奶牛图像库。
优选的，所述利用奶牛养殖经验数据库构建奶牛评估体系模型，包括：根据所述奶牛养殖经验数据库，进行奶牛品种特征分类，得到分类数据集，所述分类数据集为多个，分别对应多个奶牛品种，基于分类特征构建分类处理层；对所述分类数据集，进行年龄信息与活跃度、进食量的等级评估关系分析，利用历史养殖数据进行训练学习，构建状态评估层；基于所述分类处理层、所述状态评估层构建所述奶牛评估体系模型。
优选的，基于所有奶牛评估结果，进行数据聚类分析，按照数据聚类分析结果，将所有奶牛进行状态分类，建立奶牛分类集群，包括：获得奶牛健康监测数据，所述奶牛健康监测数据包括奶牛体重、健康指标数据；基于所有奶牛体重确定平均体重，将所述平均体重设为体重聚类中心，分别计算各奶牛体重与所述体重聚类中心的距离，按照聚类将所述奶牛体重按照预设聚类数量，确定体重聚类结果；基于所有健康指标数据确定健康指标分级节点，分别将所述健康指标分级节点作为指标聚类中心，分别计算所有奶牛的健康指标数据与指标聚类中心的距离，选择距离最近的指标聚类中心作为聚类结果，获得指标聚类结果；基于所有奶牛评估结果确定评估等级生成评估聚类中心，计算所有奶牛评估结果与所述评估聚类中心的聚类，确定评估聚类结果；根据所述体重聚类结果、所述指标聚类结果、所述评估聚类结果进行统一量化分析，确定量化聚类结果，基于所述量化聚类结果生成所述奶牛分类集群。
优选的，根据所述体重聚类结果、所述指标聚类结果、所述评估聚类结果进行统一量化分析，确定量化聚类结果，基于所述量化聚类结果生成所述奶牛分类集群，包括：根据所述体重聚类结果的预设聚类数量，确定体重量化信息，基于所述体重量化信息将所述体重聚类结果进行量化，生成体重量化值并与奶牛编码关联；根据所述指标聚类结果的健康指标分级节点，确定指标量化信息，基于所述指标量化信息对所述指标聚类结果进行量化，生成指标量化值与所述奶牛编码关联；根据所述评估聚类结果的评估等级，确定评估量化信息，基于所述评估量化信息将所述评估聚类结果进行量化，生成评估量化值与所述奶牛编码关联；其中，所述体重量化信息、所述指标量化信息、所述评估量化信息为同一量级，根据所述体重量化值、指标量化值、评估量化值确定所述奶牛分类集群。
优选的，所述根据所述体重量化值、指标量化值、评估量化值确定所述奶牛分类集群，包括：当所述根据所述体重量化值、指标量化值、评估量化值匹配多个奶牛分类集群时，以所述根据所述体重量化值、指标量化值、评估量化值中最低量化值确定所述奶牛分类集群。
优选的，所述方法包括：根据所述奶牛养殖经验数据库，构建产奶量走势波动图；基于所述产奶量走势波动图进行产奶量与各数据参数的关系拟合，构建各关系拟合函数；基于所述拟合函数的系数，确定数据参数影响关系，基于所述数据参数影响关系对数据参数进行标注。
第二方面，本申请提供了一种奶牛信息化智能养殖系统，所述系统包括：图像处理模块，所述图像处理模块用于与图像采集设备连接，接收所述图像采集设备对奶牛活动状态进行图像采集建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合；模型构建模块，所述模型构建模块，用于利用奶牛养殖经验数据库构建奶牛评估体系模型；数据分析模块，所述数据分析模块，用于将所述奶牛图像库中所有奶牛信息依次输入所述奶牛评估体系模型中，进行预设内容评估，得到各奶牛评估结果；聚类模块，所述聚类模块用于基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果将所有奶牛进行状态分类，建立奶牛分类集群，所述奶牛分类集群包括多个分类集群；特征标记绑定模块，所述特征标记绑定模块用于分别对所述奶牛分类集群进行养殖特征标记，将所述养殖特征标记与所述奶牛编码信息进行绑定；养殖监管模块，所述养殖监管模块用于利用所述奶牛编码信息对奶牛所述养殖特征标记进行识别，确定养殖信息，按照所述养殖信息对奶牛进行信息化养殖监管。
优选的，所述图像处理模块包括：图像特征提取单元，所述图像特征提取单元用于对奶牛进行预设角度及预设内容要求的图像采集获得奶牛图像集合，基于所述奶牛图像集合进行图像特征识别，得到图像特征集，所述图像特征集包括编码特征、奶牛外观特征、奶牛活动状态特征；编码特征确定单元，所述编码特征确定单元用于从所述图像特征集中进行编码特征遍历，确定编码特征，并基于确定的所述编码特征进行奶牛外观特征匹配，得到匹配奶牛外观特征图；活动特征匹配单元，所述活动特征匹配单元，用于基于所述匹配奶牛外观特征，进行奶牛活动状态特征识别匹配，得到奶牛活动状态特征图；图库建立单元，所述图库建立单元用于将所述奶牛活动状态特征图、所述匹配奶牛外观特征图与所述编码特征建立映射关系，得到各编码对应的特征图像集，利用所有编码特征图像集构建所述奶牛图像库。
本申请中提供的技术方案，至少具有如下技术效果：
本申请提供了一种奶牛信息化智能养殖方法及系统，通过图像采集设备，对奶牛活动状态进行图像采集，建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合；利用奶牛养殖经验数据库，构建奶牛评估体系模型；将所述奶牛图像库中所有奶牛信息依次输入所述奶牛评估体系模型中，进行预设内容评估，得到各奶牛评估结果；基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果，将所有奶牛进行状态分类，建立奶牛分类集群，所述奶牛分类集群包括多个分类集群；分别对所述奶牛分类集群进行养殖特征标记，将所述养殖特征标记与所述奶牛编码信息进行绑定；利用所述奶牛编码信息，对奶牛所述养殖特征标记进行识别，确定养殖信息，按照所述养殖信息对奶牛进行信息化养殖监管。达到了通过监控的奶牛信息，进行实时分析处理得到奶牛的状态，可以自主进行喂养调整，满足不同奶牛的状态需求，确保每只奶牛都能够得到对应的照顾，避免量大造成疏忽的状况发生，利用信息化的资料，为养殖提供精准化、科学化的指导和管理，确保奶牛健康养殖，从而保证产奶量的稳定增长的技术效果，从而解决了现有技术中缺乏智能化的奶牛养殖方法，对于量大无法保证每头奶牛都能进行周全照顾，或人力资源有限或者经验不足时，对于奶牛的养殖管理水平会产生影响，从而影响产奶量的技术问题。
附图说明
图1为本申请实施例的一种奶牛信息化智能养殖方法的流程示意图；
图2为本申请实施例的一种奶牛信息化智能养殖方法中建立奶牛图像库的流程示意图；
图3为本申请实施例的一种奶牛信息化智能养殖系统的结构示意图。
具体实施方式
本申请通过提供了一种奶牛信息化智能养殖方法及系统，用以解决现有技术中缺乏智能化的奶牛养殖方法，对于量大无法保证每头奶牛都能进行周全照顾，或人力资源有限或者经验不足时，对于奶牛的养殖管理水平会产生影响，从而影响产奶量的技术问题。
下面结合具体的实施例进行本发明方案的详细介绍。
实施例一
如图1所示，本申请实施例提供了一种奶牛信息化智能养殖方法，所述方法包括：
步骤1：通过图像采集设备，对奶牛活动状态进行图像采集，建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合。
进一步的，如图2所示，所述通过图像采集设备，对奶牛活动状态进行图像采集，建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合，包括：步骤101：对奶牛进行预设角度及预设内容要求的图像采集获得奶牛图像集合，基于所述奶牛图像集合进行图像特征识别，得到图像特征集，所述图像特征集包括编码特征、奶牛外观特征、奶牛活动状态特征；步骤102：从所述图像特征集中进行编码特征遍历，确定编码特征，并基于确定的所述编码特征进行奶牛外观特征匹配，得到匹配奶牛外观特征图；步骤103：基于所述匹配奶牛外观特征进行奶牛活动状态特征识别匹配，得到奶牛活动状态特征图；步骤104：将所述奶牛活动状态特征图、所述匹配奶牛外观特征图与所述编码特征建立映射关系，得到各编码对应的特征图像集，利用所有编码特征图像集构建所述奶牛图像库。
具体的，图像采集设备可以为监控系统或者任一具有图像采集功能的设备，对奶牛日常的状态进行监控采集，图像采集设备应分布于农场养殖区域的任一角度，实现对农场的可视化覆盖，通过不同角度的图像采集设备对奶牛的生活状态、进食状态、精神状态等进行直观监控和图像采集，得到奶牛的图像信息。
通过对所有奶牛的图像信息的采集构建图像集合，每个奶牛会在身体固定位置带有编码牌，可选的还可以在编码牌处生成奶牛专有的二维码或者其他形式的识别码，能够快速对奶牛进行身份识别，同时可以快速调取该奶牛的数据库内容，实现信息的快速处理和识别，利用图像中的编码信息与采集到的外形的体型、花纹等图像信息进行结合对奶牛进行快速锁定，便于对奶牛进行跟踪管理。
奶牛图像库包括了所有奶牛的图像信息，分别按照不同的奶牛的编码进行独立存档，编码为奶牛的独有身份信息，可以通过编码实现对奶牛的一对一信息化管理。在进行图像库的建立时，利用图像识别技术，针对编码对应的奶牛的特征，进行快速识别和绑定，如外形特征、编码特征、体态特征等，利用不同场景不同角度的特征对奶牛进行快速识别，除了利用编码特征进行识别外，在没有直接拍摄到编码的图像时，利用外形特征与编码特征之间的映射关系直接进行获取，对应到该奶牛的图像集，在进行外形特征的识别时，可以进行特征相似性分析，找到相似度最低的特征作为第一位外形识别特征，以提高对奶牛的快速定位，将奶牛的所有状态采集的图像进行汇总，建立对应的图像集。除了按照外型图案颜色和体态特征等外观进行特征识别，还可以利用活动时的状态与外观特征进行结合的方法，以提高识别的精准度。
步骤2：利用奶牛养殖经验数据库构建奶牛评估体系模型。
步骤3：将所述奶牛图像库中所有奶牛信息依次输入所述奶牛评估体系模型中，进行预设内容评估，得到各奶牛评估结果。
进一步的，所述利用奶牛养殖经验数据库构建奶牛评估体系模型，包括：根据所述奶牛养殖经验数据库，进行奶牛品种特征分类，得到分类数据集，所述分类数据集为多个，分别对应多个奶牛品种，基于分类特征构建分类处理层；对所述分类数据集进行年龄信息与活跃度、进食量的等级评估关系分析，利用历史养殖数据进行训练学习，构建状态评估层；基于所述分类处理层、所述状态评估层，构建所述奶牛评估体系模型。
具体的，在对图像监控到的奶牛状态进行精神状态评估时，单从图像中的活动状态可以确定奶牛的精神状态好或者不佳，但无法进行识别表现程度的多少，需要借助于养殖经验数据进行智能化评估，精神状态的等级表现程度，利用奶牛养殖经验数据库中奶牛的精神状态表现特征和神经状态等级之间的对应关系，及其神经状态的等级划分标准，训练评估模型，所述评估模型包括分类处理层，先根据品种的区别特征将奶牛进行品种划分，按照不同的品种的精神活跃度和表现经验数据集，进行状态评估层的训练，将两个层进行叠加，构建奶牛评估体系模型，奶牛评估体系模型的总模型框架可以使用网络模型输入层、网络层、输出层的架构，在输入层后前嵌入分类处理层，先通过经过训练的分类处理层对输入的奶牛图像数据进行品种特征的划分，确定了品种后，针对品种进行活跃度状态等级的评估，得到评估等级结果，通过奶牛评估系统模型进行输出，对奶牛的精神状态进行精准化等级评估，以对奶牛的状态进行把握，便于进行后续精准的养殖管理。
步骤4：基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果将所有奶牛进行状态分类，建立奶牛分类集群，所述奶牛分类集群包括多个分类集群。
进一步的，基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果将所有奶牛进行状态分类，建立奶牛分类集群，包括：获得奶牛健康监测数据，所述奶牛健康监测数据包括奶牛体重、健康指标数据；基于所有奶牛体重确定平均体重，将所述平均体重设为体重聚类中心，分别计算各奶牛体重与所述体重聚类中心的距离，按照聚类将所述奶牛体重按照预设聚类数量，确定体重聚类结果；基于所有健康指标数据，确定健康指标分级节点，分别将所述健康指标分级节点作为指标聚类中心，分别计算所有奶牛的健康指标数据与指标聚类中心的距离，选择距离最近的指标聚类中心作为聚类结果，获得指标聚类结果；基于所有奶牛评估结果确定评估等级生成评估聚类中心，计算所有奶牛评估结果与所述评估聚类中心的聚类，确定评估聚类结果；根据所述体重聚类结果、所述指标聚类结果、所述评估聚类结果进行统一量化分析，确定量化聚类结果，基于所述量化聚类结果生成所述奶牛分类集群。
进一步的，根据所述体重聚类结果、所述指标聚类结果、所述评估聚类结果进行统一量化分析，确定量化聚类结果，基于所述量化聚类结果生成所述奶牛分类集群，包括：根据所述体重聚类结果的预设聚类数量，确定体重量化信息，基于所述体重量化信息，将所述体重聚类结果进行量化，生成体重量化值并与奶牛编码关联；根据所述指标聚类结果的健康指标分级节点，确定指标量化信息，基于所述指标量化信息，对所述指标聚类结果进行量化，生成指标量化值与所述奶牛编码关联；根据所述评估聚类结果的评估等级，确定评估量化信息，基于所述评估量化信息，将所述评估聚类结果进行量化，生成评估量化值与所述奶牛编码关联；其中，所述体重量化信息、所述指标量化信息、所述评估量化信息为同一量级，根据所述体重量化值、指标量化值、评估量化值确定所述奶牛分类集群。
进一步的，所述根据所述体重量化值、指标量化值、评估量化值确定所述奶牛分类集群，包括：当所述根据所述体重量化值、指标量化值、评估量化值匹配多个奶牛分类集群时，以所述根据所述体重量化值、指标量化值、评估量化值中最低量化值确定所述奶牛分类集群。
具体的，按照评估得到的精神状态的评估等级结果，结合该奶牛的健康数据，健康数据为通过对奶牛的健康检查确定的，将检查的健康数据结果按照奶牛的编码录入其对应的数据库中，可以对奶牛进行数据提取和分析查询。综合采集到的精神状态信息和健康状态信息结合年龄、体重等对奶牛进行分类，按照信息聚类，确定不同的奶牛属性，将具有相同表现特征的奶牛划为一类，针对相同状态的奶牛进行统一化养殖，针对他们的状态进行针对性的养殖管理，以提升养殖水平，提高养殖效益。
可选的，本申请利用体重、健康指标、精神状态评估的奶牛评估结果进行分别聚类，体重按照奶牛的体重分区状态进行等级的划分，如分为3级、5级或者更多等，利用平均体重为一个中心，在平均体重的上下几个区间进行体重聚类，找到数据与聚类中心的距离差，将数据的集中程度来进行等级的划分，如使用k-means聚类法，通过不断修正聚类中心，实现对数据的聚类分析，同样的对健康指标数据按照健康的等级划分要求，对所有奶牛的数据进行等级划分。奶牛评估信息同样通过聚类算法，结合等级划分的情况来对数据进行聚类分析，找到属于同一类的数据，进行归类。
最终按照三个方向的聚类结果进行综合，得到三个结果最为一致的奶牛，划为一个集群即为相同的类型，需要进行同样的喂养管理。其中当存在部分指标匹配的，则选择其中指标最低的进行匹配，这样针对最低的值进行针对补给，以确保提升奶牛的养殖状态，将最低值通过喂养进行调节后，可以整体提升奶牛的状态。
为了便于对奶牛进行聚类划分，本申请将三个聚类结果进行了量化，采用同一量级的转换标准进行转换，如体重分为五级，等级一级为最高的，量化为5，第五级量化为1，同样的健康指标、评估结果也是采用最高级为最高值，如评估结果分为4级，最高的等级量化为4，这样各量化结果为同一量级，能够进行统一划分等级，便于对奶牛的状态进行评估。
步骤5：分别对所述奶牛分类集群进行养殖特征标记，将所述养殖特征标记与所述奶牛编码信息进行绑定。
具体的，针对集群中的特征针对性进行养殖，如体重低的通过增强营养和喂养量，精神状态不佳的进行音乐、抚摸等辅助调节，具体养殖方法和要求按照历史养殖经验或者专家平台给出养殖方案信息集，针对特征与养殖方案信息集，进行特征匹配，找到对应的养殖要求，或者通过专家平台按照给出的集群的状态特征对应给出养殖要求，按照养殖要求确定养殖特征，养殖特征为具体养殖要求转换的数值标识，计算机系统能够对养殖要求转换的养殖特征进行自主识别和执行，将每个奶牛确定的养殖特征标记与独有的奶牛编码进行绑定，通过识别奶牛的编码可以快速确定该奶牛的养殖特征要求。
可选的，在进行养殖时，可以将相同集群的放置在一起，方便进行统一喂养，也可以进行混养以避免相互影响，通过混养利用好的状态的牛，可以带动状态不好的奶牛，在进行混养时，则可以通过编码确定养殖特征进行具体的养殖。对于分类养殖的，则通过编码识别奶牛的类型和养殖要求，判断是否进错养殖区域，按照编码进行识别和管理。
步骤6：利用所述奶牛编码信息，对奶牛所述养殖特征标记进行识别，确定养殖信息，按照所述养殖信息对奶牛进行信息化养殖监管。
具体的，在进行养殖时，通过奶牛编码信息识别到养殖特征标记，按照标记的内容生成养殖指令，进行智能养殖，如到时间放音乐了，通过播放指令进行音乐播放，到了喂水时间按照养殖特征的水量和次数、间隔时间要求进行定时定量喂水操作，通过监控的奶牛信息进行实时分析，处理得到奶牛的状态，可以自主进行喂养调整，满足不同奶牛的状态需求，确保每只奶牛都能够得到对应的照顾，避免量大造成疏忽的状况发生，利用信息化的资料，为养殖提供精准化、科学化的指导和管理，确保奶牛监控养殖，从而保证产奶量的稳定增长的技术效果，从而解决了现有技术中缺乏智能化的奶牛养殖方法，对于量大无法保证每头奶牛都能进行周全照顾，或人力资源有限或者经验不足时，对于奶牛的养殖管理水平会产生影响，从而影响产奶量的技术问题。
进一步的，所述方法包括：根据所述奶牛养殖经验数据库，构建产奶量走势波动图；基于所述产奶量走势波动图，进行产奶量与各数据参数的关系拟合，构建各关系拟合函数；基于所述拟合函数的系数，确定数据参数影响关系，基于所述数据参数影响关系，对数据参数进行标注。
具体的，为了确保养殖效果和产奶量，通过对经验数据中各奶牛的体重、监控指标、评估结果等数据与产奶量的影响关系，构建起产奶量走势波动图，针对不同数据参数与产奶量之间走势关系和数据关系拟合各参数与产奶量的线性回归函数，通过代价函数对回归线进行优化，确定线性回归函数的系数，即对于产奶量的影响程度，系数越大则影响越大，针对影响系数生成影响关系，对数据参数进行标注，根据标注在进行信息处理时，可以按照数据参数对产奶量的影响程度进行重点标记，针对该参数进行重点分析，或者进行养殖特征的确定时，针对该参数进行重点的匹配养殖要求，以便提升奶牛的产奶量。
实施例二
基于与前述实施例中一种奶牛信息化智能养殖方法相同的发明构思，本申请实施例提供了一种奶牛信息化智能养殖系统，如图3所示，所述系统包括：
图像处理模块，所述图像处理模块用于与图像采集设备连接，接收所述图像采集设备对奶牛活动状态进行图像采集，建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合；
模型构建模块，所述模型构建模块用于利用奶牛养殖经验数据库，构建奶牛评估体系模型；
数据分析模块，所述数据分析模块，用于将所述奶牛图像库中所有奶牛信息依次输入所述奶牛评估体系模型中进行预设内容评估，得到各奶牛评估结果；
聚类模块，所述聚类模块，用于基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果，将所有奶牛进行状态分类，建立奶牛分类集群，所述奶牛分类集群包括多个分类集群；
特征标记绑定模块，所述特征标记绑定模块用于分别对所述奶牛分类集群进行养殖特征标记，将所述养殖特征标记与所述奶牛编码信息进行绑定；
养殖监管模块，所述养殖监管模块用于利用所述奶牛编码信息对奶牛所述养殖特征标记进行识别，确定养殖信息，按照所述养殖信息对奶牛进行信息化养殖监管。
进一步的，所述图像处理模块包括：
图像特征提取单元，所述图像特征提取单元用于对奶牛进行预设角度及预设内容要求的图像采集，获得奶牛图像集合，基于所述奶牛图像集合进行图像特征识别，得到图像特征集，所述图像特征集包括编码特征、奶牛外观特征、奶牛活动状态特征；
编码特征确定单元，所述编码特征确定单元用于从所述图像特征集中进行编码特征遍历，确定编码特征，并基于确定的所述编码特征进行奶牛外观特征匹配，得到匹配奶牛外观特征图；
活动特征匹配单元，所述活动特征匹配单元，用于基于所述匹配奶牛外观特征进行奶牛活动状态特征识别匹配，得到奶牛活动状态特征图；
图库建立单元，所述图库建立单元，用于将所述奶牛活动状态特征图、所述匹配奶牛外观特征图与所述编码特征建立映射关系，得到各编码对应的特征图像集，利用所有编码特征图像集构建所述奶牛图像库。
进一步的，所述模型构建模块包括：
分类处理层构建单元，所述分类处理层构建单元用于根据所述奶牛养殖经验数据库，进行奶牛品种特征分类，得到分类数据集，所述分类数据集为多个，分别对应多个奶牛品种，基于分类特征构建分类处理层；
状态评估层构建单元，所述状态评估层构建单元，用于对所述分类数据集进行年龄信息与活跃度、进食量的等级评估关系分析，利用历史养殖数据进行训练学习，构建状态评估层；
评估体系模型构建单元，所述评估体系模型构建单元，用于基于所述分类处理层、所述状态评估层构建所述奶牛评估体系模型。
进一步的，聚类模块包括：
监测数据获得单元，所述监测数据获得单元，用于获得奶牛健康监测数据，所述奶牛健康监测数据包括奶牛体重、健康指标数据；
体重聚类单元，所述体重聚类单元用于基于所有奶牛体重确定平均体重，将所述平均体重设为体重聚类中心，分别计算各奶牛体重与所述体重聚类中心的距离，按照聚类将所述奶牛体重按照预设聚类数量，确定体重聚类结果；
指标数据聚类单元，所述指标数据聚类单元，用于基于所有健康指标数据确定健康指标分级节点，分别将所述健康指标分级节点作为指标聚类中心，分别计算所有奶牛的健康指标数据与指标聚类中心的距离，选择距离最近的指标聚类中心作为聚类结果，获得指标聚类结果；
评估数据聚类单元，所述评估数据聚类单元，用于基于所有奶牛评估结果确定评估等级生成评估聚类中心，计算所有奶牛评估结果与所述评估聚类中心的聚类，确定评估聚类结果；
分类集群确定单元，所述分类集群确定单元用于根据所述体重聚类结果、所述指标聚类结果、所述评估聚类结果进行统一量化分析，确定量化聚类结果，基于所述量化聚类结果生成所述奶牛分类集群。
进一步的，所述分类集群确定单元包括：
体重量化单元，所述体重量化单元，用于根据所述体重聚类结果的预设聚类数量，确定体重量化信息，基于所述体重量化信息将所述体重聚类结果进行量化，生成体重量化值并与奶牛编码关联；
健康指标量化单元，所述健康指标量化单元，用于根据所述指标聚类结果的健康指标分级节点，确定指标量化信息，基于所述指标量化信息对所述指标聚类结果进行量化，生成指标量化值与所述奶牛编码关联；
评估结果量化单元，所述评估结果量化单元，用于根据所述评估聚类结果的评估等级，确定评估量化信息，基于所述评估量化信息将所述评估聚类结果进行量化，生成评估量化值与所述奶牛编码关联；
其中，所述体重量化信息、所述指标量化信息、所述评估量化信息为同一量级，根据所述体重量化值、指标量化值、评估量化值确定所述奶牛分类集群。
进一步的，所述分类集群确定单元还用于：
当所述根据所述体重量化值、指标量化值、评估量化值匹配多个奶牛分类集群时，以所述根据所述体重量化值、指标量化值、评估量化值中最低量化值确定所述奶牛分类集群。
进一步的，所述系统还包括：
走势分析单元，所述走势分析单元，用于根据所述奶牛养殖经验数据库，构建产奶量走势波动图；
拟合函数单元，所述拟合函数单元，用于基于所述产奶量走势波动图进行产奶量与各数据参数的关系拟合，构建各关系拟合函数；
影响性分析标注单元，所述影响性分析标注单元，用于基于所述拟合函数的系数，确定数据参数影响关系，基于所述数据参数影响关系对数据参数进行标注。
本申请实施例提供的一种奶牛信息化智能养殖系统可实现实施例二的任一过程，请参照实施例二的详细内容，在此不再赘述。
本说明书和附图仅仅是本申请的示例性说明，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种奶牛信息化智能养殖方法，其特征在于，所述方法包括：
通过图像采集设备对奶牛活动状态进行图像采集,建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合；
利用奶牛养殖经验数据库构建奶牛评估体系模型；
将所述奶牛图像库中所有奶牛信息依次输入所述奶牛评估体系模型中进行预设内容评估，得到各奶牛评估结果；
基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果将所有奶牛进行状态分类，建立奶牛分类集群，所述奶牛分类集群包括多个分类集群；
分别对所述奶牛分类集群进行养殖特征标记，将所述养殖特征标记与所述奶牛编码信息进行绑定；
利用所述奶牛编码信息对奶牛所述养殖特征标记进行识别，确定养殖信息，按照所述养殖信息对奶牛进行信息化养殖监管。
2.如权利要求1所述的方法，其特征在于，所述通过图像采集设备对奶牛活动状态进行图像采集建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合，包括：
对奶牛进行预设角度及预设内容要求的图像采集获得奶牛图像集合，基于所述奶牛图像集合进行图像特征识别，得到图像特征集，所述图像特征集包括编码特征、奶牛外观特征、奶牛活动状态特征；
从所述图像特征集中进行编码特征遍历，确定编码特征，并基于确定的所述编码特征进行奶牛外观特征匹配，得到匹配奶牛外观特征图；
基于所述匹配奶牛外观特征进行奶牛活动状态特征识别匹配，得到奶牛活动状态特征图；
将所述奶牛活动状态特征图、所述匹配奶牛外观特征图与所述编码特征建立映射关系，得到各编码对应的特征图像集，利用所有编码特征图像集构建所述奶牛图像库。
3.如权利要求1所述的方法，其特征在于，所述利用奶牛养殖经验数据库构建奶牛评估体系模型，包括：
根据所述奶牛养殖经验数据库，进行奶牛品种特征分类，得到分类数据集，所述分类数据集为多个，分别对应多个奶牛品种，基于分类特征构建分类处理层；
对所述分类数据集进行年龄信息与活跃度、进食量的等级评估关系分析，利用历史养殖数据进行训练学习，构建状态评估层；
基于所述分类处理层、所述状态评估层构建所述奶牛评估体系模型。
4.如权利要求1所述的方法，其特征在于，基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果将所有奶牛进行状态分类，建立奶牛分类集群，包括：
获得奶牛健康监测数据，所述奶牛健康监测数据包括奶牛体重、健康指标数据；
基于所有奶牛体重确定平均体重，将所述平均体重设为体重聚类中心，分别计算各奶牛体重与所述体重聚类中心的距离，按照聚类将所述奶牛体重按照预设聚类数量，确定体重聚类结果；
基于所有健康指标数据确定健康指标分级节点，分别将所述健康指标分级节点作为指标聚类中心，分别计算所有奶牛的健康指标数据与指标聚类中心的距离，选择距离最近的指标聚类中心作为聚类结果，获得指标聚类结果；
基于所有奶牛评估结果确定评估等级生成评估聚类中心，计算所有奶牛评估结果与所述评估聚类中心的聚类，确定评估聚类结果；
根据所述体重聚类结果、所述指标聚类结果、所述评估聚类结果进行统一量化分析，确定量化聚类结果，基于所述量化聚类结果生成所述奶牛分类集群。
5.如权利要求4所述的方法，其特征在于，根据所述体重聚类结果、所述指标聚类结果、所述评估聚类结果进行统一量化分析，确定量化聚类结果，基于所述量化聚类结果生成所述奶牛分类集群，包括：
根据所述体重聚类结果的预设聚类数量，确定体重量化信息，基于所述体重量化信息将所述体重聚类结果进行量化，生成体重量化值并与奶牛编码关联；
根据所述指标聚类结果的健康指标分级节点，确定指标量化信息，基于所述指标量化信息对所述指标聚类结果进行量化，生成指标量化值与所述奶牛编码关联；
根据所述评估聚类结果的评估等级，确定评估量化信息，基于所述评估量化信息将所述评估聚类结果进行量化，生成评估量化值与所述奶牛编码关联；
其中，所述体重量化信息、所述指标量化信息、所述评估量化信息为同一量级，根据所述体重量化值、指标量化值、评估量化值确定所述奶牛分类集群。
6.如权利要求5所述的方法，其特征在于，所述根据所述体重量化值、指标量化值、评估量化值确定所述奶牛分类集群，包括：
当所述根据所述体重量化值、指标量化值、评估量化值匹配多个奶牛分类集群时，以所述根据所述体重量化值、指标量化值、评估量化值中最低量化值确定所述奶牛分类集群。
7.如权利要求3所述的方法，其特征在于，所述方法包括：
根据所述奶牛养殖经验数据库，构建产奶量走势波动图；
基于所述产奶量走势波动图进行产奶量与各数据参数的关系拟合，构建各关系拟合函数；
基于所述拟合函数的系数，确定数据参数影响关系，基于所述数据参数影响关系对数据参数进行标注。
8.一种奶牛信息化智能养殖系统，其特征在于，所述系统应用于权利要求1-7所述的方法，所述系统包括：
图像处理模块，所述图像处理模块用于与图像采集设备连接，接收所述图像采集设备对奶牛活动状态进行图像采集,建立奶牛图像库，所述奶牛图像库包括所有奶牛编码信息、奶牛不同时间活动状态图像集合；
模型构建模块，所述模型构建模块用于利用奶牛养殖经验数据库,构建奶牛评估体系模型；
数据分析模块，所述数据分析模块用于将所述奶牛图像库中所有奶牛信息依次输入所述奶牛评估体系模型中,进行预设内容评估，得到各奶牛评估结果；
聚类模块，所述聚类模块用于基于所有奶牛评估结果进行数据聚类分析，按照数据聚类分析结果将所有奶牛进行状态分类，建立奶牛分类集群，所述奶牛分类集群包括多个分类集群；
特征标记绑定模块，所述特征标记绑定模块用于分别对所述奶牛分类集群进行养殖特征标记，将所述养殖特征标记与所述奶牛编码信息进行绑定；
养殖监管模块，所述养殖监管模块用于利用所述奶牛编码信息对奶牛所述养殖特征标记进行识别，确定养殖信息，按照所述养殖信息对奶牛进行信息化养殖监管。
9.如权利要求8所述的系统，其特征在于，所述图像处理模块包括：
图像特征提取单元，所述图像特征提取单元用于对奶牛进行预设角度及预设内容要求的图像采集获得奶牛图像集合，基于所述奶牛图像集合进行图像特征识别，得到图像特征集，所述图像特征集包括编码特征、奶牛外观特征、奶牛活动状态特征；
编码特征确定单元，所述编码特征确定单元用于从所述图像特征集中进行编码特征遍历，确定编码特征，并基于确定的所述编码特征进行奶牛外观特征匹配，得到匹配奶牛外观特征图；
活动特征匹配单元，所述活动特征匹配单元用于基于所述匹配奶牛外观特征进行奶牛活动状态特征识别匹配，得到奶牛活动状态特征图；
图库建立单元，所述图库建立单元用于将所述奶牛活动状态特征图、所述匹配奶牛外观特征图与所述编码特征建立映射关系，得到各编码对应的特征图像集，利用所有编码特征图像集构建所述奶牛图像库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210639442.5A CN114896441B (zh) | 2022-06-07 | 2022-06-07 | 一种奶牛信息化智能养殖方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210639442.5A CN114896441B (zh) | 2022-06-07 | 2022-06-07 | 一种奶牛信息化智能养殖方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114896441A true CN114896441A (zh) | 2022-08-12 |
| CN114896441B CN114896441B (zh) | 2023-06-02 |
Family
ID=82727330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210639442.5A Active CN114896441B (zh) | 2022-06-07 | 2022-06-07 | 一种奶牛信息化智能养殖方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114896441B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117094836A (zh) * | 2023-10-17 | 2023-11-21 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
| CN117253170A (zh) * | 2023-09-27 | 2023-12-19 | 河北祥盛农业科技有限公司 | 一种批量识别方法、识别系统以及屠宰场信息管理系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243492A (zh) * | 2015-10-12 | 2016-01-13 | 青岛量谷无线科技有限公司 | 一种物联网信息化智能养殖系统平台 |
| CN105844534A (zh) * | 2016-04-08 | 2016-08-10 | 北京农业信息技术研究中心 | 奶牛体况自动评分方法及装置 |
| CN107103554A (zh) * | 2017-04-27 | 2017-08-29 | 中国农业科学院农业信息研究所 | 一种奶牛的智能监测方法及系统 |
| CN108175389A (zh) * | 2017-12-22 | 2018-06-19 | 北京农业信息技术研究中心 | 一种多源信息融合奶牛行为监测系统及方法 |
| CN108921397A (zh) * | 2018-06-13 | 2018-11-30 | 北京北交智行信息技术有限公司 | 基于全生命周期数据的复杂装备的健康评估方法 |
| CN109508907A (zh) * | 2018-12-24 | 2019-03-22 | 中国科学院合肥物质科学研究院 | 基于深度学习与远程视频的奶牛体况智能评分系统 |
| CN111611978A (zh) * | 2020-06-08 | 2020-09-01 | 绍兴文理学院 | 基于步态识别的奶牛健康监测系统及方法 |
| CN113516139A (zh) * | 2020-04-09 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、设备和存储介质 |
-
2022
- 2022-06-07 CN CN202210639442.5A patent/CN114896441B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243492A (zh) * | 2015-10-12 | 2016-01-13 | 青岛量谷无线科技有限公司 | 一种物联网信息化智能养殖系统平台 |
| CN105844534A (zh) * | 2016-04-08 | 2016-08-10 | 北京农业信息技术研究中心 | 奶牛体况自动评分方法及装置 |
| CN107103554A (zh) * | 2017-04-27 | 2017-08-29 | 中国农业科学院农业信息研究所 | 一种奶牛的智能监测方法及系统 |
| CN108175389A (zh) * | 2017-12-22 | 2018-06-19 | 北京农业信息技术研究中心 | 一种多源信息融合奶牛行为监测系统及方法 |
| CN108921397A (zh) * | 2018-06-13 | 2018-11-30 | 北京北交智行信息技术有限公司 | 基于全生命周期数据的复杂装备的健康评估方法 |
| CN109508907A (zh) * | 2018-12-24 | 2019-03-22 | 中国科学院合肥物质科学研究院 | 基于深度学习与远程视频的奶牛体况智能评分系统 |
| CN113516139A (zh) * | 2020-04-09 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、设备和存储介质 |
| CN111611978A (zh) * | 2020-06-08 | 2020-09-01 | 绍兴文理学院 | 基于步态识别的奶牛健康监测系统及方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117253170A (zh) * | 2023-09-27 | 2023-12-19 | 河北祥盛农业科技有限公司 | 一种批量识别方法、识别系统以及屠宰场信息管理系统 |
| CN117253170B (zh) * | 2023-09-27 | 2024-04-02 | 河北祥盛农业科技有限公司 | 一种批量识别方法、识别系统以及屠宰场信息管理系统 |
| CN117094836A (zh) * | 2023-10-17 | 2023-11-21 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
| CN117094836B (zh) * | 2023-10-17 | 2024-02-13 | 北京九牧星科技有限公司 | 一种奶牛状态的智能评估系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114896441B (zh) | 2023-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114896441A (zh) | 一种奶牛信息化智能养殖方法及系统 | |
| Ünal | Smart farming becomes even smarter with deep learning—a bibliographical analysis | |
| CN108241905B (zh) | 用于预测土壤和/或植物状况的方法 | |
| CN107027650B (zh) | 一种基于pso-svm的种猪异常状态检测方法及装置 | |
| JP2005502937A (ja) | 行動情報工学を監視するシステムおよび方法 | |
| Anderson et al. | Characterising the spatial and temporal activities of free-ranging cows from GPS data | |
| CN111259978A (zh) | 一种融合多区域深度特征的奶牛个体身份识别方法 | |
| CN107909046B (zh) | 动物智能分类系统及方法 | |
| CN113947734A (zh) | 一种猪只体征信息采集方法及系统 | |
| CN113785783B (zh) | 一种牲畜分群系统及方法 | |
| CN112116145A (zh) | 基于遗传算法优化bp神经网络的奶牛采食量评估方法 | |
| CN108157293A (zh) | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 | |
| CN109952974A (zh) | 一种鹅产蛋智能记录系统及利用其记录家系种鹅产蛋行为的方法 | |
| CN116543462A (zh) | 基于视频骨骼的奶牛行为识别判断奶牛健康状况的方法 | |
| Mota et al. | Fuzzy clustering methods applied to the evaluation of compost bedded pack barns | |
| CN117745036B (zh) | 一种基于特征识别及近场通信的牲畜信息管理方法及系统 | |
| CN115019162A (zh) | 一种基于深度学习的桑蚕检测方法 | |
| CN113989745A (zh) | 一种反刍动物饲养状况的非接触式监测方法 | |
| Yeşil et al. | Recognition of Hereford and Simmental cattle breeds via computer vision. | |
| Atıl et al. | Investigation of dairy cattle traits by using artificial neural networks and cluster analysis | |
| CN110728268A (zh) | 基于决策树分类器与鼻羁压力包络信号的奶牛反刍识别方法 | |
| García et al. | A meta-learning approach in a cattle weight identification system for anomaly detection | |
| Owalekar et al. | An agri vigilance system based on computer vision and deep learning | |
| CN113971227B (zh) | 基于大数据的牲畜监测方法、系统和可读存储介质 | |
| Dhariyal et al. | School of Computer Science, University College Dublin, Dublin, Ireland bhaskar. dhariyal@ ucdconnect. ie,{thach. lenguyen, georgiana. ifrim}@ ucd. ie |
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 |