CN114980011B - 穿戴式传感器与红外相机协同的畜禽体温监测方法 - Google Patents

Abstract

本发明公开了一种穿戴式传感器与红外相机协同的畜禽体温监测系统及方法。畜禽舍在自身的立体空间内设置不同养殖区域块，每个养殖区域块内有畜禽个体，按固定比例随机佩戴上穿戴式温度传感器形成哨兵畜禽个体，红外相机以养殖区域块获取群体红外图像，穿戴式温度传感器和红外相机均通过通讯终端和本地服务器通讯连接，本地服务器经云服务器和客户端通讯连接；方法包括数据获取、数据传输与预处理、数据库构建与模型训练、状态判定与数据复核等步骤。本发明综合穿戴式温度传感器个体连续精确监测与红外相机巡检广域大范围灵活监测的优势，实现无人化养殖场景下较低成本畜禽舍内群体的体温监测与健康评估。

Description

穿戴式传感器与红外相机协同的畜禽体温监测方法

技术领域

本发明涉及畜禽体温监控领域，具体涉及基于穿戴式温度传感器哨兵个体连续监测与红外相机广域灵活巡检相结合的多源体温监控以及用以评估畜禽体温健康状况与异常预警的监测系统及方法。

背景技术

畜禽属于恒温动物，体温作为表征畜禽生理机能的重要指标，在很大程度上可以反映畜禽的健康状况，在实际养殖生产过程中越能更早地感知和发现个体的异常状态并及时采取行动，越能减少生产损失。

传统养殖场针对畜禽个体体温的监测常常采用人工随机巡检的方式，测量肛门的温度来表征畜禽的核心体温，耗费人力且容易造成畜禽的应激反应，不能够实现连续监测。目前，出现了一些基于温度传感器和红外相机的体温监测方式，这些方法都能较好地检测个体的体温，但是对基于温度数据的监测都只采用单一阈值的方式进行判定，这种方法较为粗糙，忽略了由于生长阶段及作息节律的带来的体温变化，没有考虑体温变化的时序特征，存在判别结果单一，鲁棒性差等问题，不利于精细化养殖的要求(例如对于日间体温高的动物，夜晚仍然保持日间的温度实际上已经处于异常，但单一阈值的方式无法在这一维度上进行分类)。此外，在无人化规模化养殖的背景下，采用单一温度传感器监测方式存在脱落、失灵等影响数据稳定性的状况，而采用红外相机监测单一应用成本较高，巡检的方式又不能实现连续监测，获得较好的时序特征。

发明内容

为了解决背景技术中存在的问题，本发明的目的在于提供了一种穿戴式温度传感器监测与红外相机巡检协同的畜禽体温监测系统及方法，将哨兵个体穿戴式温度传感器数据连续高精度监测与红外相机广域灵活巡检多源温度数据融合，引入时序特征构建体温变化模型，能够实现畜禽体温监控、健康状况反馈与异常预警。

本发明解决其技术问题所采用的技术方案是：

一、一种穿戴式传感器与红外相机协同的畜禽体温监测系统：

包括穿戴式温度传感器、红外相机、通讯终端、本地服务器、云服务器和客户端；

畜禽舍在自身的立体空间内设置不同养殖区域块，每个养殖区域块内有畜禽个体，每个养殖区域块内的所有畜禽个体按固定比例随机佩戴上穿戴式温度传感器，形成哨兵畜禽个体，红外相机以养殖区域块为单位获取群体红外图像，通讯终端安装在畜禽舍内，穿戴式温度传感器和红外相机均通过通讯终端和本地服务器通讯连接，本地服务器经云服务器和客户端通讯连接。

所述的红外相机在畜禽舍内在养殖区域块之间沿预设的红外相机巡检路线进行巡检。

将畜禽舍根据立体空间结构划分成特定数量的养殖区域块并编号，养殖区域块内按特定比例随机选取个体作为哨兵，佩戴穿戴式温度传感器监控该区域内群体的体温健康状态。

所述的穿戴式温度传感器有用于电池更换提示的电池电压采集电路及无线通讯模块，采集的数据通过无线数据传输协议将数据传输到通讯终端。

二、穿戴式传感器与红外相机协同的畜禽体温监测方法，方法包括以下步骤：

S1：数据获取

分别通过穿戴式温度传感器获取养殖区域块合适数量的哨兵畜禽个体的连续体温数据，通过红外相机巡检采集各个养殖区域块内的所有畜禽个体的红外热成像图像及养殖区域块的位置；

S2：数据传输与预处理

通讯终端分别将步骤S1采集的连续体温数据和红外热成像数据传输到本地服务器，本地服务器对数据分别进行筛选、图像分割的预处理获得体温值，以预处理后的体温值处理得到每个畜禽个体的随时序变化的体温监测曲线；

S3：数据库构建与模型训练

在不同品种、不同生长阶段、不同监测方式下利用步骤S2获得的随时序变化的体温监测曲线构建生长阶段-温度数据库，通过生长阶段-温度数据库处理获得正常体温变化带(体温时序变化模型)；

S4：状态判定与数据复核

对实时采集的温度值结合正常体温变化带采用时序匹配、离群判别的方式确定体温状态是否异常，并确定体温状态异常的畜禽所在的养殖区域块作为异常区域，调动红外相机移动到异常区域复检，实现完整的监测。

所述步骤S2具体为：

将穿戴式温度传感器采集的连续温度数据和波动区间阈值进行比较判定出异常值，对个体出现的异常值予以剔除但是保留连续出现的异常值，保留获得的每个温度值作为畜禽个体的体温值；

将红外相机采集的红外热成像图像，对每一养殖区域块的红外热成像图像采用深度学习方法进行实例分割识别出每个畜禽个体，对养殖区域块内每个畜禽个体重新编号，提取每个畜禽个体所在图像中的关键像素点及其温度信息，作为畜禽个体的体温值；

穿戴式温度传感器与红外相机直接监测到的体温值T_s和T_c分别按照以下公式处理获得核心体温值T_sc、T_cc，具体公式如下：

T_sc＝a_sT_s+b_s

T_cc＝a_cT_c+b_c

其中，a_s、b_s分别为穿戴式温度传感器的权重和修正常数，a_c、b_c分别为红外相机的权重和修正常数。

所述步骤S3具体为：在不同品种、不同生长阶段、不同监测方式的情况下，通过穿戴式温度传感器和红外相机采集获得体温值，建立同一品种、各种监测方式下不同生长阶段的正常体温变化带。

在监测时，将对应时序的体温同时利用机器学习方法分别建立对应，区别于单一阈值的设定方式构建正常体温变化带。

所述的监测方式是指穿戴式温度传感器佩戴的位置。

所述步骤S3中，异常判定主要有两步骤：

步骤一，将实时采集的温度值和正常体温变化带进行比较，判断温度值是否落入正常体温变化带：

若未落入，则温度值对应的畜禽的体温状态异常，进行步骤二；

若落入，则温度值对应的畜禽的体温状态不异常，进行步骤三；

步骤二，将温度值和以下公式确定的范围[μ-3σ，μ+3σ]进行比较：

其中，μ为群体温度平均值，σ为群体温度标准差，T_cci为群体通过穿戴式温度传感器与红外相机监测到的体温值，n为群体的数量；

所述的群体分为单个养殖区域块内的所有畜禽个体、所有养殖区域块内的所有畜禽个体的两种情况，分别针对畜禽个体的温度值和由单个养殖区域块内的所有畜禽个体构成的群体之间、畜禽个体的温度值和由所有养殖区域块内的所有畜禽个体构成的群体之间进行比较判断：

若温度值在范围[μ-3σ，μ+3σ]内，则温度值对应的畜禽的体温状态不异常；

若温度值不在范围[μ-3σ，μ+3σ]内，则温度值对应的畜禽的体温状态异常；

步骤三：选取处体温状态异常的畜禽，调动红外相机移动到体温状态异常的畜禽所在的养殖区域块对该畜禽进行复检，对异常情况进行进一步监测。

与现有发明相比，本发明具有的有益效果是：

1.该方法与系统采用两种方式监测和评估畜禽舍个体和群体的温度状况，对多源采集到的温度数据进行预处理，能够稳定地表征和监测其核心温度；

2.该方法优化了体温监测和异常判定的方法，引入时序特征，构建了基于品种-生长阶段-监测方式的体温时序变化模型，区别单一阈值判定方式，更准确甄别异常个体；

3.该方法优化了体温监测和异常判定的方法，提出一种基于大数据的离群点异常判定方法，能够有效甄别可能存在的异常个体；

4.该方法与系统采用养殖区域块和哨兵个体解决方案，通过监测哨兵状态评估个体和群体状态，养殖区域块的划分有助于数据分析处理和快速定位；

5.通过该方法与系统，穿戴式传感器和红外相机协同的多源数据采集大大减少了系统误判的可能性，能够获取更加稳定准确的体温数据；

6.实时体温监测可以及时了解畜禽异常，提早预防避免大规模损失发生。

附图说明

图1是本发明实施例的方法步骤图。

图2是本发明实施例的系统结构示意图。

图中：1-畜禽舍、2-红外相机巡检路线、3-红外相机、4-养殖区域块、5-畜禽个体、6-穿戴式温度传感器、7-通讯终端、8-本地服务器、9-云服务器、10-客户端。

图3是本发明实施例的体温综合评估工作流示意图。

图4是本发明实施例与传统体温监测方法对比图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图2所示，系统包括穿戴式温度传感器6、红外相机3、通讯终端7、本地服务器8、云服务器9和客户端10；

畜禽舍1在自身的立体空间内设置不同养殖区域块4，每个养殖区域块4内有畜禽个体5，每个养殖区域块4内的所有畜禽个体5按固定比例随机佩戴上穿戴式温度传感器6，形成哨兵畜禽个体，红外相机3以养殖区域块为单位获取群体红外图像，通讯终端7安装在畜禽舍1内，穿戴式温度传感器6和红外相机3均通过通讯终端7和本地服务器8通讯连接，本地服务器8经云服务器9和客户端10通讯连接。

红外相机3在畜禽舍1内在养殖区域块4之间沿预设的红外相机巡检路线2进行巡检。

将穿戴式温度传感器6和红外相机3采集的数据上传到本地服务器8，本地服务器8或云服务器9对数据进行预处理后输入正常体温变化带进行畜禽体温的状态判定，快速定位畜禽体温异常的养殖区域块，再由红外相机3对畜禽体温异常的养殖区域块进行拍摄复核，完成监测。

复核后还可以综合根据温度数据评估个体与群体体温健康状况，结果与预警信息通过客户端10传输到用户手中。

将畜禽舍根据立体空间结构划分成特定数量的养殖区域块，每一养殖区域块对应特定的编号，每一养殖区域块内的特定数量的畜禽个体被定义为哨兵畜禽个体，哨兵畜禽个体佩戴穿戴式温度传感器连续监测个体体温变化情况，直接和间接反映群体状况，起到该区域内体温监测预警的作用。

红外巡检相机沿畜禽舍内预置的滑轨或轨迹在畜禽舍移动，每块养殖区域块拍摄一张以上热像图以采集畜禽的体温数据，图片信息还包含养殖区域块定位数据与时序信息。

穿戴式温度传感器5有用于电池更换提示的电池电压采集电路及无线通讯模块，采集的数据通过无线数据传输协议将数据传输到通讯终端7。

穿戴式温度传感器5的形状为硬币形，采用模块化设计，可以搭配硅胶表带、硅胶耳钉等定制化配件稳定佩戴于畜禽方便穿戴并可以稳定表征该个体体温的位置，包括但不限于鸡的翼下、猪的耳朵等。

穿戴式温度传感器5连续采集数据，采样频率可根据实际需要进行设定，采集的信息包含时序特征和位置信息，红外相机3采集的数据包含区域信息并且与穿戴式温度传感器5采集数据的时序特征相对应。

穿戴式温度传感器按照一定的采样频率24h不间断监测，采样数据还包含时序特征和位置信息；穿戴式温度传感器加装配件佩戴在对应畜禽可以用以稳定表征该个体体温的位置，包括但不限于鸡的翼下、猪的耳朵等部位；

在畜禽舍内为巡检红外相机预设轨道，按前期划分的区域设定巡检红外相机巡检程序，巡检时在相应区域停留，在该区域拍摄1张以上符合要求的红外热图像，拍摄角度尽量减少遮挡；

穿戴式温度传感器和红外相机将采集的数据通过无线数据传输协议将数据传输到通讯终端，数据包含时序特征和位置信息，通讯终端以一定的时间频率将数据上传到服务器；采集的数据可以选择本地部署的服务器进行处理，也可以直接上传云服务器处理，可以根据实际情况灵活布置。

系统在实际部署时，可以灵活布置本地服务器和云服务器以方便实现本地化处理及离线处理，灵活选择提高运算效率和降低成本的方案。在本地服务器8算力充足的情况下，可直接离线对采集的数据进行处理，否则数据同样可以直接在云服务器9上处理。

系统实际应用时，根据温度传感器与红外相机与多源的温度数据，经过预处理后，基于两种异常判定方法追踪异常个体，利用红外相机数据核验，综合专家系统对异常对象进行进一步诊断并反馈给用户；

系统可以在实际应用过程中不断根据采集到的数据优化体温模型，以提高系统使用的稳定性。

本发明的实施过程如下：

S1：数据获取

分别通过穿戴式温度传感器6获取养殖区域块4合适数量的哨兵畜禽个体的连续高精度体温数据，通过红外相机3巡检采集各个养殖区域块4内的所有畜禽个体的红外热成像图像及养殖区域块4的位置，从而覆盖更多畜禽动物的红外热成像数据及其定位数据；

S2：数据传输与预处理

通讯终端7分别将步骤S1采集的连续体温数据和红外热成像数据传输到本地服务器8，本地服务器8对数据分别进行筛选、图像分割的预处理获得体温值，图像分割具体是分割出畜禽的头部，以预处理后的体温值处理得到每个畜禽个体的随时序变化的体温监测曲线；

S3：数据库构建与模型训练

在不同品种、不同生长阶段、不同监测方式下利用步骤S2获得的随时序变化的体温监测曲线构建生长阶段-温度数据库，通过生长阶段-温度数据库处理获得正常体温变化带；

S4：状态判定与数据复核

对实时采集的温度值结合正常体温变化带采用时序匹配、离群判别的方式确定体温状态是否异常，并确定体温状态异常的畜禽所在的养殖区域块4作为异常区域，调动红外相机3移动到异常区域复检，实现完整的监测。

最后还可以综合温度数据，对畜禽舍每一块养殖区域块的群体体温健康状态给予评估与反馈。

步骤S2具体为：将穿戴式温度传感器采集的连续温度数据和波动区间阈值进行比较判定出异常值，对个体出现的异常值予以剔除但是保留连续出现的异常值，保留获得的每个温度值作为畜禽个体的体温值；保留连续出现的异常值是指异常值连续出现5次或15min以上。

将红外相机采集的红外热成像图像，对每一养殖区域块的红外热成像图像采用深度学习方法进行实例分割识别出每个畜禽个体，对养殖区域块内每个畜禽个体重新编号，提取每个畜禽个体所在图像中的关键像素点及其温度信息，作为畜禽个体的体温值；

穿戴式温度传感器与红外相机直接监测到的体温值T_s和T_c分别按照以下公式处理获得核心体温值T_sc、T_cc，具体公式如下：

T_sc＝a_sT_s+b_s

T_cc＝a_cT_c+b_c

其中，a_s、b_s分别为穿戴式温度传感器的权重和修正常数，a_c、b_c分别为红外相机的权重和修正常数，a和b的值具体根据监测的对象与监测的方式预先设定。

步骤S3具体为：在不同品种、不同生长阶段、不同监测方式的情况下，通过穿戴式温度传感器6和红外相机3采集获得体温值，通过统计学处理建立同一品种、各种监测方式下不同生长阶段的正常体温变化带，正常体温变化带包含上曲线与下曲线，作为体温时序变化模型。

具体是：

步骤一，将实时采集的温度值和正常体温变化带进行比较，判断温度值是否落入正常体温变化带：

若未落入，则温度值对应的畜禽的体温状态异常，进行步骤二；

若落入，则温度值对应的畜禽的体温状态不异常，进行步骤三；

步骤二，将温度值和以下公式确定的范围[μ-3σ，μ+3σ]进行比较，实现离群点判定：

其中，μ为群体温度平均值，σ为群体温度标准差，T_cci为群体通过穿戴式温度传感器与红外相机监测到的体温值，n为群体的数量；

群体分为单个养殖区域块内的所有畜禽个体、所有养殖区域块内的所有畜禽个体的两种情况，分别针对畜禽个体的温度值和由单个养殖区域块内的所有畜禽个体构成的群体之间、畜禽个体的温度值和由所有养殖区域块内的所有畜禽个体构成的群体之间按照上述范围[μ-3σ，μ+3σ]进行比较判断：

若温度值在范围[μ-3σ，μ+3σ]内，则温度值对应的畜禽的体温状态不异常；

若温度值不在范围[μ-3σ，μ+3σ]内，则温度值对应的畜禽的体温状态异常；

如图4中的实施例所示，对比设定固定阈值的传统体温监测方法，本方法可以至少提前10h判定出异常个体。

步骤三：选取处体温状态异常的畜禽，调动红外相机移动到体温状态异常的畜禽所在的养殖区域块4对该畜禽进行复检，对异常情况进行进一步监测。

由此可见，本发明设置了养殖区域块和哨兵畜禽个体，采用两种方式监测和评估畜禽舍个体和群体的体温状态，能够稳定地表征和监测其核心温度，有助于快速稳定定位和分析群体状况；优化了体温监测和异常判定的方法，引入时序特征，构建了生长阶段-温度的体温时序变化模型，同时提出一种基于大数据的离群点异常判定方法，能够有效锁定可能存在的异常个体；多源数据采集及红外相机复核能够获取更加稳定准确的体温数据，大大减少了系统误判的可能性；实时体温监测可以及时了解畜禽异常，提早预防避免大规模损失发生。

Claims (4)

1.一种穿戴式传感器与红外相机协同的畜禽体温监测方法，

方法采用畜禽体温监测系统，畜禽体温监测系统包括穿戴式温度传感器(6)、红外相机(3)、通讯终端(7)、本地服务器(8)、云服务器(9)和客户端(10)；畜禽舍(1)在自身的立体空间内设置不同养殖区域块(4)，每个养殖区域块(4)内有畜禽个体(5)，每个养殖区域块(4)内的所有畜禽个体(5)按固定比例随机佩戴上穿戴式温度传感器(6)，形成哨兵畜禽个体，红外相机(3)以养殖区域块为单位获取群体红外图像，通讯终端(7)安装在畜禽舍(1)内，穿戴式温度传感器(6)和红外相机(3)均通过通讯终端(7)和本地服务器(8)通讯连接，本地服务器(8)经云服务器(9)和客户端(10)通讯连接；

其特征在于方法包括以下步骤：

S1：数据获取

分别通过穿戴式温度传感器(6)获取养殖区域块(4)合适数量的哨兵畜禽个体的连续体温数据，通过红外相机(3)巡检采集各个养殖区域块(4)内的所有畜禽个体的红外热成像图像及养殖区域块(4)的位置；

S2：数据传输与预处理

通讯终端(7)分别将步骤S1采集的连续体温数据和红外热成像数据传输到本地服务器(8)，本地服务器(8)对数据分别进行筛选、图像分割的预处理获得体温值，以预处理后的体温值处理得到每个畜禽个体的随时序变化的体温监测曲线；

S3：数据库构建与模型训练

在不同品种、不同生长阶段和不同监测方式下利用步骤S2获得的随时序变化的体温监测曲线构建生长阶段-温度数据库，通过生长阶段-温度数据库处理获得正常体温变化带；

S4：状态判定与数据复核

对实时采集的温度值结合正常体温变化带采用时序匹配和离群判别的方式确定体温状态是否异常，并确定体温状态异常的畜禽所在的养殖区域块(4)作为异常区域，调动红外相机(3)移动到异常区域复检，实现完整的监测。

2.根据权利要求1所述的穿戴式传感器与红外相机协同的畜禽体温监测方法，其特征在于：所述步骤S2具体为：

将穿戴式温度传感器采集的连续温度数据和波动区间阈值进行比较判定出异常值，对个体出现的异常值予以剔除但是保留连续出现的异常值，保留获得的每个温度值作为畜禽个体的体温值；

将红外相机采集的红外热成像图像，对每一养殖区域块的红外热成像图像采用深度学习方法进行实例分割识别出每个畜禽个体，对养殖区域块内每个畜禽个体重新编号，提取每个畜禽个体所在图像中的关键像素点及其温度信息，作为畜禽个体的体温值；

穿戴式温度传感器与红外相机直接监测到的体温值T_s和T_c分别按照以下公式处理获得核心体温值T_sc、T_cc，具体公式如下：

T_sc＝a_sT_s+b_s

T_cc＝a_cT_c+b_c

其中，a_s、b_s分别为穿戴式温度传感器的权重和修正常数，a_c、b_c分别为红外相机的权重和修正常数。

3.根据权利要求1所述的穿戴式传感器与红外相机协同的畜禽体温监测方法，其特征在于：所述步骤S3具体为：在不同品种、不同生长阶段和不同监测方式的情况下，通过穿戴式温度传感器(6)和红外相机(3)采集获得体温值，建立同一品种和各种监测方式下不同生长阶段的正常体温变化带。

4.根据权利要求1所述的穿戴式传感器与红外相机协同的畜禽体温监测方法，其特征在于：所述步骤S4中，异常判定主要有两步骤：

步骤一，将实时采集的温度值和正常体温变化带进行比较，判断温度值是否落入正常体温变化带：

若未落入，则温度值对应的畜禽的体温状态异常，进行步骤二；

若落入，则温度值对应的畜禽的体温状态不异常，进行步骤三；

步骤二，将温度值和以下公式确定的范围[μ-3σ，μ+3σ]进行比较：

其中，μ为群体温度平均值，σ为群体温度标准差，T_cci为群体通过穿戴式温度传感器与红外相机监测到的体温值，n为群体的数量；

所述的群体分为单个养殖区域块内的所有畜禽个体、所有养殖区域块内的所有畜禽个体的两种情况，分别针对畜禽个体的温度值和由单个养殖区域块内的所有畜禽个体构成的群体之间、畜禽个体的温度值和由所有养殖区域块内的所有畜禽个体构成的群体之间进行比较判断：

若温度值在范围[μ-3σ，μ+3σ]内，则温度值对应的畜禽的体温状态不异常；

若温度值不在范围[μ-3σ，μ+3σ]内，则温度值对应的畜禽的体温状态异常；

步骤三：选取体温状态异常的畜禽，调动红外相机移动到体温状态异常的畜禽所在的养殖区域块(4)对该畜禽进行复检，对异常情况进行进一步监测。

Images