CN114994299A - 反刍动物碳排放气体检测方法、装置及系统 - Google Patents

反刍动物碳排放气体检测方法、装置及系统 Download PDF

Info

Publication number
CN114994299A
CN114994299A CN202210942086.4A CN202210942086A CN114994299A CN 114994299 A CN114994299 A CN 114994299A CN 202210942086 A CN202210942086 A CN 202210942086A CN 114994299 A CN114994299 A CN 114994299A
Authority
CN
China
Prior art keywords
ruminant
gas
carbon emission
emission
bait
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
Application number
CN202210942086.4A
Other languages
English (en)
Other versions
CN114994299B (zh
Inventor
李斌
赵文文
王海峰
赵宇亮
朱君
陈泽锦
梁雪文
姜林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intelligent Equipment Technology Research Center of Beijing Academy of Agricultural and Forestry Sciences
Original Assignee
Intelligent Equipment Technology Research Center of Beijing Academy of Agricultural and Forestry Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Intelligent Equipment Technology Research Center of Beijing Academy of Agricultural and Forestry Sciences filed Critical Intelligent Equipment Technology Research Center of Beijing Academy of Agricultural and Forestry Sciences
Priority to CN202210942086.4A priority Critical patent/CN114994299B/zh
Publication of CN114994299A publication Critical patent/CN114994299A/zh
Application granted granted Critical
Publication of CN114994299B publication Critical patent/CN114994299B/zh
Priority to US18/195,397 priority patent/US20240040995A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
    • A01K5/02—Automatic devices
    • A01K5/0275—Automatic devices with mechanisms for delivery of measured doses
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • 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
    • A01K11/00—Marking of animals
    • A01K11/001—Ear-tags
    • A01K11/004—Ear-tags with electronic identification means, e.g. transponders
    • 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
    • A01K11/00—Marking of animals
    • A01K11/006—Automatic identification systems for animals, e.g. electronic devices, transponders for animals
    • 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
    • A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
    • A01K5/02—Automatic devices
    • A01K5/0291—Automatic devices with timing mechanisms, e.g. pet feeders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
    • G01N21/3518—Devices using gas filter correlation techniques; Devices using gas pressure modulation techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0006—Calibrating gas analysers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/497—Physical analysis of biological material of gaseous biological material, e.g. breath
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/84—Greenhouse gas [GHG] management systems

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Animal Husbandry (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Birds (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Zoology (AREA)
  • Medicinal Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Combustion & Propulsion (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Toxicology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

本发明提供一种反刍动物碳排放气体检测方法、装置及系统，属于智能检测技术领域，包括：持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；基于所述耳标信息，决策饵料补给系统的运行状态；在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率。本发明提供的反刍动物碳排放气体检测方法、装置及系统，通过检测反刍动物的耳标信息，以判断检测区域内是否存在反刍动物以及反刍动物的进食信息，进而控制饵料补给系统的运行状态，采用智能化、信息化技术，获取与反刍动物的身份相匹配的碳排放气体的排放率，可实现少人化反刍动物碳排放气体量检测。

Description

反刍动物碳排放气体检测方法、装置及系统
技术领域
本发明涉及智能检测技术领域，尤其涉及一种反刍动物碳排放气体检测方法、装置及系统。
背景技术
农牧业中牲畜排放的CO2和CH4等气体，成为温室气体的重要排放源之一。尤其是反刍动物因具有复杂的复胃系统，其瘤胃发酵会产生大量的CH4气体（造成温室效应的能力是CO2的28倍）。根据统计，全球反刍动物每年约产生CH4 8000万吨，占全球人类活动释放CH4量的28%。因此，进行反刍动物的CO2和CH4精准监测具有重要意义。
目前，业内主要利用SF6示踪法、CO2示踪法、呼吸室代谢法、嗅探器等传统方法以及相关装置，来监测反刍动物的碳排放气体的排放量，普遍存在劳动强度大、操作复杂、自动化程度低等问题，严重影响了碳排放的有效测量。
因此，提供一种用于规模化养殖条件下的反刍动物碳排放量监测方法，可服务于有效筛选低碳排放畜禽品种、遴选低碳排放饲料组合，可为实现畜牧业绿色发展提供支撑。
发明内容
本发明提供一种反刍动物碳排放气体检测方法、装置及系统，用以解决现有技术中在监测反刍动物的碳排放气体的排放量的过程中，普遍存在劳动强度大、操作复杂、自动化程度及检测精度低等问题的缺陷，实现准确对于反刍动物碳排放气体的全自动化检测。
第一方面，本发明提供一种反刍动物碳排放气体检测方法，包括：
持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；
基于所述耳标信息，决策饵料补给系统的运行状态；
在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率。
根据本发明提供的一种反刍动物碳排放气体检测方法，所述基于所述耳标信息，决策饵料补给系统的运行状态，包括：
基于所述耳标信息，确定所述反刍动物的身份信息；
根据所述身份信息，从目标数据库中查询所述反刍动物的历史就食记录；
若根据所述历史就食记录确定所述反刍动物在当前时刻前的第一预设时长内未进食，则控制所述饵料补给系统由停止动作状态切换至持续动作状态，以向食槽中投食；
统计所述饵料补给系统的动作时长；
在确定所述动作时长达到第二预设时长，和/或所述身份信息识别模块未采集到所述耳标信息，则控制所述饵料补给系统由持续动作状态切换至停止动作状态；
若根据所述历史就食记录确定所述反刍动物在当前时刻前的第一预设时长内已进食，控制所述饵料补给系统保持停止动作状态。
根据本发明提供的一种反刍动物碳排放气体检测方法，在根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率之前，还包括：
获取由深感相机采集的所述反刍动物在就食时的多帧头部深度图像；
将每帧所述头部深度图像输入至预先训练好的目标检测模型，以获取由所述目标检测模型输出的特征点的分布特征图；
确定每张所述特征点的分布特征图中的每个特征点的图像坐标，并将每个所述特征点的图像坐标，转换成以所述深感相机为坐标原点的空间坐标，以获取特征点空间坐标数据集；
所述特征点包括所述反刍动物的双耳特征点、双眼特征点和嘴部特征点；
基于支持向量机，对所述特征点空间坐标数据集中的所有空间坐标与所述食槽上透气孔的空间位置关系进行分类，确定所述反刍动物相对于所述食槽的头部姿态类别；
根据所述头部姿态类别，标注所采集的所述排放气体的有效性；
所述透气孔是设置在所述食槽上的用于采集所述排放气体的。
根据本发明提供的一种反刍动物碳排放气体检测方法，所述目标检测模型是利用多个头部深度图像样本以及与每个所述头部深度图像样本对应的分布特征图标签，分别对基础网络模型进行训练后获取的；
所述基础网络模型是以ResNet作为基础网络结构，并利用反卷积层替换所述ResNet的分类层后生成的。
根据本发明提供的一种反刍动物碳排放气体检测方法，在确定每张所述特征点的分布特征图中的每个特征点的图像坐标之后，还包括：
根据每个特征点的图像坐标，判断所述反刍动物在就食时嘴部位于所述食槽的当前采样区域；
所述当前采样区域包括第一采样区域和第二采样区域，所述第一采样区域与所述透气孔之间的距离小于所述第二采样区域与所述透气孔之间的距离；
根据所确定的采样区域以及所述头部姿态类别，标注所采集的所述排放气体的有效性。
根据本发明提供的一种反刍动物碳排放气体检测方法，所述头部姿态类别包括正向面对透气孔、侧向面对透气孔和低头就食；
所述根据所确定的采样区域以及所述头部姿态类别，标注所采集的所述排放气体的有效性，包括：
在所述当前采样区域为第一采样区域的情况下，均标注所述排放气体为有效；
在所述当前采样区域为第二采样区域的情况下，若所述头部姿态类别为正向面对透气孔，则标注所述排放气体为有效；若所述头部姿态类别为侧向面对透气孔或低头就食，则标注所述排放气体为无效。
根据本发明提供的一种反刍动物碳排放气体检测方法，所述根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率，包括：
获取设置在主通风管路中的风速值、所述主通风管路的横截面积以及所述主通风管路中的气体温度，并获取设置在主通风管路中的气体浓度值；所述气体浓度值是由气体传感器检测的；
基于所述风速值、所述横截面积、所述气体温度和所述气体浓度值，计算所述排放气体中的碳排放气体的排放率。
根据本发明提供的一种反刍动物碳排放气体检测方法，所述基于所述风速值、所述横截面积、所述气体温度和所述气体浓度值，计算所述排放气体中的碳排放气体的排放率的计算公式为：
Figure 548205DEST_PATH_IMAGE001
其中，m为所述排放率；
Figure 55409DEST_PATH_IMAGE002
为所述风速值；
Figure 986325DEST_PATH_IMAGE003
为标准大气压强；
Figure 957692DEST_PATH_IMAGE004
为所述横截面积；
Figure 558438DEST_PATH_IMAGE005
为所述气体浓度值；
Figure 618185DEST_PATH_IMAGE006
为所述碳排放气体的气体摩尔常数；
Figure 759317DEST_PATH_IMAGE007
为所述气体温度对应的绝对 温度；
Figure 647507DEST_PATH_IMAGE008
为所述碳排放气体的气体摩尔质量。
根据本发明提供的一种反刍动物碳排放气体检测方法，在确定所述排放气体中的碳排放气体的排放率之后，还包括：
获取第三预设时长内多个采样时刻所采集到的排放率；
以每个采样时刻和在每个采样时刻所采集到的排放率构成一个坐标点；
根据所有坐标点，确定对应的Bezier曲线；
对所述Bezier曲线在所述第三预设时长内的排放率进行积分，获取所述排放气体中的碳排放气体在所述第三预设时长内的排放量。
根据本发明提供的一种反刍动物碳排放气体检测方法，还包括：
获取多个历史采样时长内所获取到的碳排放气体的排放量，并同时获取在每个所述历史采样时长内所采集到的影响碳排放量的参量；
以每个历史采样时长所采集到的排放量作为因变量，对应历史采样时长的参量作为自变量，训练预先构建的多元回归预测模型，获取碳排放量预测模型；
获取任一采样时长内所获取到的影响碳排放量的参量，将所述参量输入至所述碳排放量预测模型，预测所述采样时长内的排放量；
其中，所述影响碳排放量的参量包括反刍动物品种信息、饲料类型信息、饲料营养成分信息、反刍动物体征及体况信息。
根据本发明提供的一种反刍动物碳排放气体检测方法，在获取任一采样时长内所获取到的影响碳排放量的参量，将所述参量输入至所述碳排放量预测模型，预测所述采样时长内的排放量之后，还包括：
若确定所述采样时长内的排放量大于预设排放量阈值，则调整饲料类型和/或饲料营养成分，并将调整后的饲料类型信息以及饲料营养成分信息与所述反刍动物品种信息和反刍动物体征及体况信息再次输入至所述碳排放量预测模型，预测调整后的所述采样时长内的排放量；迭代执行上述步骤，直至确定调整后的所述采样时长内的排放量小于或等于所述预设排放量阈值。
根据本发明提供的一种反刍动物碳排放气体检测方法，在确定所述排放气体中的碳排放气体的排放率之前，还包括：
设置鲁棒滤波器的参数，以利用没有反刍动物就食时所采集的空气对所述气体传感器进行校准。
第二方面，本发明还提供一种反刍动物碳排放气体检测装置，包括：
数据采集单元，用于持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；
运行控制单元，用于基于所述耳标信息，决策饵料补给系统的运行状态；
排放率检测单元，用于在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率。
第三方面，本发明提供一种反刍动物碳排放气体检测系统，包括：身份信息识别模块、饵料补给系统、气体引导系统和气体分析系统；
所述饵料补给系统包括食槽和定量下料器，所述定量下料器输出端通过排料管连接至所述食槽，在所述食槽的侧边开设有透气孔；
所述气体引导系统包括主通风管路和抽样管路；所述主通风管路的进气端连接于所述食槽的透气孔处，在所述主通风管路中设置有风机；所述风机运行后，在所述主通风管路中形成负压，以将所述食槽的透气孔处的气体导入至所述主通风管路；
所述抽样管路导通连接所述主通风管路与所述气体分析系统，以将所述主通风管路中的气体抽样至所述气体分析系统；
所述气体分析系统包括气体传感器；
还包括处理器；所述处理器包括如第二方面所述的反刍动物碳排放气体检测装置。
第四方面，本发明提供一种电子设备，包括存储器、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，所述处理器执行所述程序时实现如上述任一种所述反刍动物碳排放气体检测方法的步骤。
第五方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述反刍动物碳排放气体检测方法的步骤。
本发明提供的反刍动物碳排放气体检测方法、装置及系统，通过检测反刍动物的耳标信息，以判断检测区域内是否存在反刍动物以及反刍动物的进食信息，进而控制饵料补给系统的运行状态，采用智能化、信息化技术，获取与反刍动物的身份相匹配的碳排放气体的排放率，可实现少人化反刍动物碳排放气体量检测。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的反刍动物碳排放气体检测方法的流程示意图之一；
图2是本发明提供的反刍动物碳排放气体检测方法的流程示意图之二；
图3是本发明提供的食槽的区域划分示意图；
图4是本发明提供的反刍动物碳排放气体检测方法的流程示意图之三；
图5是本发明提供的根据三个采样时刻所采集到的排放率确定Bezier曲线的示意图；
图6是本发明提供的根据四个采样时刻所采集到的排放率确定Bezier曲线的示意图；
图7是本发明提供的反刍动物碳排放量监测装置的结构示意图；
图8是本发明提供的反刍动物碳排放量监测装置的正视图；
图9是本发明提供的反刍动物碳排放量监测装置的左视图；
图10是本发明提供的气体引导系统中主通风管路的相关部件的结构示意图；
图11是本发明提供的定量下料器的部分结构示意图；
图12是本发明提供的排料器的结构示意图；
图13是本发明提供的电源系统的结构示意图；
图14是本发明提供的主控模块与其它部件的连接示意图；
图15是本发明提供的反刍动物碳排放量监测系统的结构示意图；
图16是本发明提供的电子设备的结构示意图；
其中，附图标记为：
1：饵料补给系统；2：气体引导系统；3：气体分析系统；4：电源系统；5：RFID读取器；6：超声波测距模块；7：主体结构；8：视觉系统；9、体重采集平台；10、体征采集检测单元；11：食槽；12：定量下料器；13：排料管；14：透气孔；21主通风管路；22：抽样管路；23：风机；24：第一空气过滤器；25：多孔板；26：风速传感器；121：料箱；122：排料器；1221：排料器外壳；1222：分料轮齿；41：蓄电池；42：开关电源；43：电源切换模块；44：电源转换模块；45：各用电单元；46：太阳能充电控制器；47：太阳能电池板。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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发明一部分实施例，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，都属于本发明保护的范围。
需要说明的是，在本发明实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本申请中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合图1-图16描述本发明实施例所提供的反刍动物碳排放气体检测方法、装置及系统。
图1是本发明提供的反刍动物碳排放气体检测方法的流程示意图之一，如图1所示，执行主体可以是反刍动物碳排放气体检测装置的控制器，包括但不限于执行以下步骤：
步骤101：控制器持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息。
其中，反刍动物可以包括奶/肉牛、羊等动物，在进行这一类动物的养殖过程中，一般会在每个反刍动物的身上（如耳朵）装设耳标，以存储每个反刍动物的耳标信息，例如：动物品种、身份信息（如唯一身份编号）、养殖过程中的养殖信息等，对此本发明不作具体地限定。
本发明通过设置在固定设置的射频识别传感器（Radio FrequencyIdentification，RFID）对进入其监测范围内的反刍动物的耳标进行读取，以获取到对应的耳标信息。
步骤102：控制器基于所述耳标信息，决策饵料补给系统的运行状态。
为便于说明本发明所提供的反刍动物碳排放气体检测方法，后续与牛作为反刍动物的一种进行表述。
控制器在获取到进入至其监测范围内的任一牛（以下记作：目标牛）的耳标信息之后，可以获知有牛进入至反刍动物碳排放气体检测装置的周围。
进一步地，可以根据耳标信息判断出目标牛是否在一定时间内（饲喂周期）已经就食过，进而决策饵料补给系统的运行状态。
可选地，饵料补给系统，包括食槽和定量下料器，定量下料器的输出端通过排料管连接至食槽。
饵料补给系统的运行状态主要包括停止动作状态和持续动作状态。其中，停止动作状态是指定量下料器停止，此时不会将料箱中的饵料投放到食槽中的状态；持续动作状态，是指利用定量下料器按照预设方式将料箱中的饵料投放到食槽中的状态。
例如：在目标牛进入至RFID传感器的监测范围内（相当于反刍动物碳排放气体检测装置的周围），RFID传感器将检测到的耳标信息反馈给控制器；控制器根据耳标信息决策出可以向目标牛投喂，此时控制饵料补给系统处于持续动作状态。
可选地，饵料补给系统可以持续将料箱中的饵料投放到食槽中，也可以按照每下料t 1 （如20S）秒，后再停止t 2 （如30S）这一预设方式进行持续动作。需要说明的是，上述预设方式可以根据实际需要由控制器控制饵料补给系统的驱动（如步进电机）来实现。
步骤103：在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率。
在上述食槽的侧边开设有透气孔，本发明在确定饵料补给系统处于持续动作状态后，通过控制气体引导系统动作，从透气孔处采集目标牛在就食时的排放气体。
可选地，上述气体引导系统主要包括主通风管路和抽样管路；主通风管路的进气端连接于食槽的透气孔处，在主通风管路中设置有风机；在该风机运行后，在主通风管路中形成负压，就可以将食槽的透气孔处的目标牛在就食时的排放气体导入至主通风管路中；由于抽样管路导通连接主通风管路与气体分析系统，就可以将主通风管路中的气体抽样至气体分析系统（主要包括气体传感器）；最后，由气体分析系统测量出排放气体中的碳排放气体的浓度，进而换算出排放气体中的碳排放气体的排放率。
需要说明的是，若RFID传感器未检测到的耳标信息，那么控制器就不会驱动饵料补给系统动作，即饵料补给系统处于停止动作状态，此时不会对采集到的排放气体进行碳排放气体含量的检测，或者即使进行碳排放气体的含量检测，也不对检测到的结果进行记录。
本发明提供的反刍动物碳排放气体检测方法，通过检测反刍动物的耳标信息，以判断检测区域内是否存在反刍动物以及反刍动物的进食信息，进而控制饵料补给系统的运行状态，采用智能化、信息化技术，获取与反刍动物的身份相匹配的碳排放气体的排放率，可实现少人化反刍动物碳排放气体量检测。
基于上述实施例的内容，作为一种可选实施例，所述基于所述耳标信息，决策饵料补给系统的运行状态，包括：
基于所述耳标信息，确定所述反刍动物的身份信息；
根据所述身份信息，从目标数据库中查询所述反刍动物的历史就食记录；
若根据所述历史就食记录确定所述反刍动物在当前时刻前的第一预设时长内未进食，则控制所述饵料补给系统由停止动作状态切换至持续动作状态，以向食槽中投食；
统计所述饵料补给系统的动作时长；
在确定所述动作时长达到第二预设时长，和/或所述身份信息识别模块未采集到所述耳标信息，则控制所述饵料补给系统由持续动作状态切换至停止动作状态；
若根据所述历史就食记录确定所述反刍动物在当前时刻前的第一预设时长内已进食，控制所述饵料补给系统保持停止动作状态。
具体来说，本发明提供了一种基于所述耳标信息，决策饵料补给系统的运行状态的具体实施方式，包括：
首先，根据RFID传感器所采集到的目标牛的耳标信息，以确定出目标牛的身份信息，该身份信息可以是该目标牛的唯一身份编号（如：XX001）。
进一步地，本发明预先构建有目标数据库，该目标数据库中预先存储有每一头牛的身份编号，并对应每一身份编号记录有该牛的历史进食信息，例如：“XX002、20220715、8:20、12：30、15:10”，该进食信息表示身份编号为XX002的牛，于2022年07月15日供进食三次，进食时间分别是：8:20、12：30、15:10。
需要说明的是，上述构建目标数据库的过程，是通过RFID传感器采集到任一牛靠近反刍动物碳排放气体检测装置进食时的耳标信息，并同时记录其进食时间，新生成一条进食信息。然后，利用新生成的进食信息目标数据库中该任一牛的身份信息所对应的原进食信息进行更新后生成的。
需要说明的是，上述第一预设时长可以由用户根据实际情况参考牛的投喂周期要求以及牛的进食规律进行综合设定。
本发明在获取到目标牛的身份信息之后，从目标数据库中进行信息查询，若基于该身份信息从目标数据库中查询到目标牛在距离当前时刻前的一端时长内均未进食，则由控制器控制饵料补给系统从停止动作状态切换至持续动作状态，即控制饵料补给系统的驱动动作（如步进电机）。
本发明所提供的反刍动物碳排放气体检测方法，为避免单只牛在第一预设时长内多次到达食槽前进食的情况发生，从目标数据库中查询到该目标牛在第一预设时长内已经进食，那么保持控制饵料补给系统继续保持停止动作状态，即不向食槽中投放饵料。这样，目标牛在没有饵料投放时，会离开反刍动物碳排放气体检测装置，别的牛就可以继续进入至监测范围内。
进一步地，若从目标数据库中不能查询到该目标牛的身份信息，则可以直接在目标数据库中为目标牛新建一个身份信息，并将当前时刻设置为目标牛首次进食的时间。
进一步地，本发明所提供的反刍动物碳排放气体检测方法，为避免单只牛单次在食槽前长时间持续进食的情况发生，在持续第二预设时长内均检测到目标牛的身份信息，即饵料补给系统的持续动作时长达到第二预设时长，则控制饵料补给系统由持续动作状态切换至停止动作状态，即停止向食槽中下料，目标牛在没有饵料投放时，会离开反刍动物碳排放气体检测装置，别的牛就可以继续进入至监测范围内。
进一步地，本发明所提供的反刍动物碳排放气体检测方法，在饵料补给系统持续发动作进行下料的过程，若RFID传感器丢失了所检测的目标牛的身份信息，则说明目标牛已经离开了，此时控制饵料补给系统由持续动作状态切换至停止动作状态，即停止向食槽下料。
本发明提供的反刍动物碳排放气体检测方法，能够结合RFID传感器所检测到的耳标信息中的身份信息，决策饵料补给系统的下料状态，能够自动诱使不同牛的来进食，并通过饵料的投放时长，控制牛的进食时长，进而实现对于每一头牛的检测时长的设定。由于检测对象的多样性、全面性，故可以有效提升对于排放气体中的碳排放气体的排放率的检测精度。
基于上述实施例的内容，作为一种可选实施例，在根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率之前，还包括：
获取由深感相机采集的所述反刍动物在就食时的多帧头部深度图像；
将每帧所述头部深度图像输入至预先训练好的目标检测模型，以获取由所述目标检测模型输出的特征点的分布特征图；
确定每张所述特征点的分布特征图中的每个特征点的图像坐标，并将每个所述特征点的图像坐标，转换成以所述深感相机为坐标原点的空间坐标，以获取特征点空间坐标数据集；
所述特征点包括所述反刍动物的双耳特征点、双眼特征点和嘴部特征点；
基于支持向量机，对所述特征点空间坐标数据集中的所有空间坐标与所述食槽上透气孔的空间位置关系进行分类，确定所述反刍动物相对于所述食槽的头部姿态类别；
根据所述头部姿态类别，标注所采集的所述排放气体的有效性；
所述透气孔是设置在所述食槽上的用于采集所述排放气体的。
目标牛在进食时，其头部位姿是检测其就食时产生的排放气体中的碳排放气体含量的重要因素。一般来说，根据目标牛的头部位姿，确定其排放气体的嘴部（口鼻部）越靠近位于食槽上的透气孔，那么从透气孔出所采集到的排放气体中的碳排放气体含量越接近真实值；在确定其排放气体的嘴部越远离透气孔，则所检测到的排放气体中的碳排放气体含量的误差越大，甚至可以作为无效数据。
图2是本发明提供的反刍动物碳排放气体检测方法的流程示意图之二，如图2所示，本发明在利用气体引导系统从食槽上的透气孔处采集目标牛的排放气体的同时，利用设置在周边的深感相机实时采集目标牛的头部深度图像，以根据头部深度图像判断出目标牛的头部位姿，其中头部位姿主要是采用多个头部关键点的空间位置三维坐标来进行定位的。
具体地，本发明预先运用DeepLabCut算法模型作为目标检测模型，获取目标牛的头部关键点的空间位置三维坐标。
作为一种可选实施例，所述目标检测模型是利用多个头部深度图像样本以及与每个所述头部深度图像样本对应的分布特征图标签，分别对基础网络模型进行训练后获取的；
所述基础网络模型是以ResNet作为基础网络结构，并利用反卷积层替换所述ResNet的分类层后生成的。
具体来说，DeepLabCut算法模型是一个结合了对象识别和语义分割算法的深度卷积网络结构。本申请以ResNet作为DeepLabCut算法模型的基础网络结构为例进行说明：
在原有的基础网络结构ResNet上去除ResNet的网络结构的分类层之后，利用反卷积层替换ResNet的分类层进行上采样。
本发明通过将任一帧深度图像输入至目标检测模型中之后，通过在ResNet上接入反卷积层进行上采样，就可以获得载有特征点分布情况的分布特征图。
作为牛的头部位姿检测来说，上述特征点可以选择为：双耳特征点、双眼特征点和嘴部特征点，即本发明所提供的目标检测模型是以头部深度图像作为输入，通过去除分类层后的ResNet模型进行特征提取，进而利用反卷积层进行上采样，就可以获取到上述5个特征点在分布特征图上的分布。
进一步地，以上述特征点在分布特征图中的概率密度状况及向量趋势，进而确定特征点在分布特征图中的具体位置，得到该特征点的图像坐标。
在通过上述步骤获取到的特征点在分布特征图上的图像坐标之后，通过将分布特征图上的图像坐标转换成世界坐标之后，就可以获取到每个特征点的三维空间坐标（以下可以称作：三维坐标或者空间坐标）。
作为一种可选实施例，本发明提供了一种以深感相机作为原点，实现将分布特征图上的图像坐标转换成世界坐标的方法，其变换公式为：
Figure 215892DEST_PATH_IMAGE009
其中，（u，v）是任一特征点在分布特征图上的图像坐标；
Figure 760006DEST_PATH_IMAGE010
和
Figure 908090DEST_PATH_IMAGE011
分别代表分布特 征图上的中心X轴向像素数和中心Y轴向像素数；
Figure 322891DEST_PATH_IMAGE012
、
Figure 584546DEST_PATH_IMAGE013
分别是深感相机的感光芯片上像 素的实际物理大小；
Figure 412694DEST_PATH_IMAGE014
为所述任一特征点的深度值；
Figure 895628DEST_PATH_IMAGE015
、
Figure 696093DEST_PATH_IMAGE016
为深感相机的像素焦距；
Figure 809543DEST_PATH_IMAGE017
为深感相机的物理焦距。
这样，通过将目标牛的每一帧头部深度图像输入至训练好的目标检测模型，获取到分布于分布特征图中每个特征点的图像坐标，再通过坐标转换，获取到每个特征点的空间坐标之后，就可以根据所有特征点的空间分布情况，确定出目标牛相对于食槽的头部姿态类别，进而可以根据目标牛相对于食槽的头部姿态类别判断该时刻所采集到的排放气体是否有效。
具体地，本发明通过查阅资料以及对反刍动物进食过程中头部姿态的相关调研，根据头部深度图像对其头部姿态类别的区分主要包括三种，分别为正向面对食槽的进气口、侧向面对食槽的进气口、低头进食。
三种头部姿态，其特点分别如按上述表1所示：
表1 三种头部姿态类别的定义
Figure 797091DEST_PATH_IMAGE018
其中，耳部、眼部、嘴部与食槽侧壁上所开设的透气孔之间的相对位置关系，是可以通过双耳特征点、双眼特征点和嘴部特征点等5个特征点的空间坐标与食槽所在区域的空间区域坐标以及透气孔所在位置的空间坐标进行综合确定的。
为实现对目标牛排放气体中碳排放气体的精准检测，需在目标牛正向面对食槽的进气口姿态状态下进行测量。但在实际情况下发现由于目标牛的头部姿态类别各异，部分类别下进行测量会产生较大误差。
为解决头部姿态类别对检测结果造成的影响，本发明通过采集目标牛在同一进食过程中，某一极短时长内（如1秒内）所得到的多帧头部深度图像，进而获取到多组特征点空间坐标数据构建特征点空间坐标数据集，再运用支持向量（Support VectorClassification，SVC）作为分类器，对特征点空间坐标数据集中的所有特征点的空间坐标与所述食槽上透气孔的空间位置关系，进行头部姿态分类。
特征点空间坐标数据集的头部姿态分类结果主要分成三类：头部正向面对食槽的进气口、侧向面对食槽的进气口和低头进食。
需要说明的是，在利用支持向量机进行头部姿态分类之前，可以通过确定惩罚参数以及核函数，完成对支持向量机的预训练。
最后，由于根据每一采样时刻所采集到的目标牛的多帧头部深度图像能够确定出其头部姿态类别，就可以根据头部姿态类别标注该采样时刻所采集到的目标牛所排放的排放气体的有效性。
本发明提供的反刍动物碳排放气体检测方法，在采集反刍动物在进食时的排放气体的同时采集其头部深度图像，进而基于图像识别技术，对其就食时的头部位姿进行分类，以从所有采样时刻所采集的排放气体中筛选出真实反映反刍动物实际碳排放气体排放量的有效排放气体，通过对抽样气体数据进行有效筛选能够有效地提升检测的精度。
基于上述实施例的内容，作为一种可选实施例，本发明在确定每张所述特征点的分布特征图中的每个特征点的图像坐标之后，还包括：
根据每个特征点的图像坐标，判断所述反刍动物在就食时嘴部位于所述食槽的当前采样区域；
所述当前采样区域包括第一采样区域和第二采样区域，所述第一采样区域与所述透气孔之间的距离小于所述第二采样区域与所述透气孔之间的距离；
根据所确定的采样区域以及所述头部姿态类别，标注所采集的所述排放气体的有效性。
图3是本发明提供的食槽的区域划分示意图，如图3所示，本发明根据食槽内距离设置于侧壁上的透气孔的距离大小，将整个食槽所在区域划分为两个区域：第一采样区域（a区域）和第二采样区域（b区域），其中透气孔的位置开设在食槽靠近a区域一侧的侧壁上。
基于上述对于整个食槽所在区域的划分结果，上述头部姿态类别包括正向面对透气孔、侧向面对透气孔和低头就食三种的情况下，上述根据所确定的采样区域以及头部姿态类别，标注所采集的排放气体的有效性，主要包括：
在当前采样区域为第一采样区域（a区域）的情况下，均标注排放气体为有效；在当前采样区域为第二采样区域（b区域）的情况下，若头部姿态类别为正向面对透气孔，则标注排放气体为有效；若头部姿态类别为侧向面对透气孔或低头就食，则标注排放气体为无效。
作为一种可选实施例，在判断当前采样区域为第一采样区域还是第二区域采样区域时，主要是根据5个特征点中的嘴部特征点的空间坐标与第一采样区域的空间坐标重合还是与第二采样区域的空间坐标重合来进行区分。设高度为空间坐标的Z轴，在判断嘴部特征点的空间坐标与第一采样区域或第二采样区域的空间坐标重合时，主要是根据嘴部特征点的X轴以及Y轴二维坐标是处于第一采样区域或第二采样区域所在的X轴以及Y轴二维坐标区域内。
总结来说，在判断到当前采样区域为第一采样区域的情况下，将当前时刻所采集到的所有排放气体均标注为有效（此时不考虑头部姿态类别）；在判断到当前采样区域为第二采样区域的情况下，则仅将头部姿态类别为正向面对透气孔时所采集到的排放气体标注为有效，而将头部姿态类别为侧向面对透气孔或低头就食时所采集的排放气体均标注为无效。
本发明提供的反刍动物碳排放气体检测方法，在利用视觉系统采用目标检测模型识别判定反刍动物头部位姿类别的基础上，结合当前采集排放气体时的当前采样时刻反刍动物的头部位于食槽中的不同区域，对排放气体进行更为有效的筛选，能进一步提升检测的精度。
基于上述实施例的内容，作为一种可选实施例，上述根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率，包括：
获取设置在主通风管路中的风速值、所述主通风管路的横截面积以及所述主通风管路中的气体温度，并获取设置在主通风管路中的气体浓度值；所述气体浓度值是由气体传感器检测的；
基于所述风速值、所述横截面积、所述气体温度和所述气体浓度值，计算所述排放气体中的碳排放气体的排放率。
图4是本发明提供的反刍动物碳排放气体检测方法的流程示意图之三，如图4所示，本发明通过饵料供给系统吸引符合采样要求的目标牛进食，并在其就食时采集其呼出的排放气体。
与此同时，开启深感相机采集的其在就食时的多帧头部深度图像，以基于图像识别技术，利用目标检测模型识别出其进食时的头部姿态类别，进而标注所采集的排放气体的有效性。
进一步地，在进行排放气体采集时，利用预先布设在气体引导系统的主通风管路中的风速传感器（又称风速计），测量主通风管路中在采集排放气体时的风速。
同时，利用气体分析系统（主要包括多种类型的气体传感器）检测出排放气体中的碳排放气体的浓度。
碳排放气体可以是CO2或CH4，在进行不同类型的碳排放气体的检测时，所采用的气体传感器的类型也就不同。当然，也可以通过将排放气体同时输入至多种类型的气体传感器中，就可以同时获取到该排放气体中多种类型的碳排放气体的含量。
其中，符合采样要求的目标牛，是指该目标牛在第一预设时长内未进食，且位于饵料供给系统的食槽内就食的总时长小于第二预设时长的牛。
本发明提供了一种反刍动物碳排放量监测模型，该反刍动物碳排放量监测模型可以基于上述步骤中所获取到的主通风管路中的风速值、主通风管路的横截面积、主通风管路中的气体温度和气体传感器所检测到的某类型碳排放气体的气体浓度值，计算出排放气体中的该类型的碳排放气体的排放率。
作为一种可选实施例，上述反刍动物碳排放量监测模型的表达式具体为：
Figure 349295DEST_PATH_IMAGE019
其中，m为所述排放率；
Figure 741617DEST_PATH_IMAGE020
为所述风速值；
Figure 416181DEST_PATH_IMAGE021
为标准大气压强；
Figure 156604DEST_PATH_IMAGE022
为所述横截面积；
Figure 981341DEST_PATH_IMAGE005
为所述气体浓度值；
Figure 428503DEST_PATH_IMAGE023
为所述碳排放气体的气体摩尔常数；
Figure 946072DEST_PATH_IMAGE024
为所述气体温度对应的绝对 温度；
Figure 173791DEST_PATH_IMAGE025
为所述碳排放气体的气体摩尔质量。
下面提供一种推导上述反刍动物碳排放量监测模型的表达式的推导方式。
首先，利用理想气体状态方程及摩尔质量公式获取反刍动物产出碳排放气体的质量：
Figure 133044DEST_PATH_IMAGE026
其中，P为主通风管路内的空气压强；V为通风管路内的气体体积；n为通风管路内 气体物质的量；
Figure 231450DEST_PATH_IMAGE027
为气体摩尔常数；T为主通风管路内的绝对温度；m为碳排放气体的气体质 量；
Figure 185499DEST_PATH_IMAGE028
为碳排放气体的气体摩尔质量。
进一步地，上述碳排放气体的气体质量就可以表达为：
Figure 838198DEST_PATH_IMAGE029
由于主通风管路内的流量可根据温度进行自动补偿，但不能根据压力进行校正， 故需要利用压力校正主通风管路内的气体流量，获取主通风管路内的实际流量
Figure 270316DEST_PATH_IMAGE030
，则可以 推导排放气体中的碳排放气体的排放率的计算公式，即反刍动物碳排放量监测模型的表达 式。
在构建出反刍动物碳排放量监测模型之后，就可以根据所检测到的排放气体中的碳排放气体的气体质量与通风管路内气体物质的量n之间的比值，确定排放气体中的碳排放气体的排放率。
本发明提供的反刍动物碳排放气体检测方法，采用智能化、信息化技术，能有效、快速地获取与反刍动物的身份信息相匹配的碳排放气体的排放率，实现少人化反刍动物碳排放气体量的检测。
基于上述实施例的内容，作为一种可选实施例，在确定所述排放气体中的碳排放气体的排放率之后，还包括：
获取第三预设时长内多个采样时刻所采集到的排放率；
以每个采样时刻和在每个采样时刻所采集到的排放率构成一个坐标点；
根据所有坐标点，确定对应的Bezier曲线；
对所述Bezier曲线在所述第三预设时长内的排放率进行积分，获取所述排放气体中的碳排放气体在所述第三预设时长内的排放量。
以获取到碳排放气体CO2的排放率为例，对某一连续时间段（如第三预设时长）获 取的离散的CO2有效排放率（
Figure 816704DEST_PATH_IMAGE031
为时间点，y为该时间点对应的CO2有效排放率），对获取的离 散的CO2有效排放率利用Bezier曲线进行拟合，并获取该连续时间段内实际CO2排放量。
Bezier曲线包括起始点、终止点和控制点，通过调整控制点，致使曲线的形状发生变化，相应的曲线方程发生改变。
图5是本发明提供的根据三个采样时刻所采集到的排放率确定Bezier曲线的示意 图，如图5所示，以
Figure 944584DEST_PATH_IMAGE032
、
Figure 818999DEST_PATH_IMAGE033
、
Figure 54809DEST_PATH_IMAGE034
为获取的三个不同的采样时刻所采集到的CO2有效排放率拟合 Bezier曲线为例，则拟合的Bezier曲线进一步可表达为：
Figure 393386DEST_PATH_IMAGE035
通过上述公式，就可以获取到反刍动物在第三预设时长内实际产出的CO2的排放量。
图6是本发明提供的根据四个采样时刻所采集到的排放率确定Bezier曲线的示意 图，如图6所示，以
Figure 751555DEST_PATH_IMAGE036
、
Figure 175583DEST_PATH_IMAGE037
、
Figure 887187DEST_PATH_IMAGE038
、
Figure 360499DEST_PATH_IMAGE039
为获取的四个不同的采样时刻所采集到的CO2有效排放率 拟合Bezier曲线为例，则拟合的Bezier曲线进一步可表达为：
Figure 561673DEST_PATH_IMAGE040
由此，也可以计算出反刍动物在第三预设时长内实际产出的CO2的排放量。
按照上述实施例的内容，在采样时刻为多个时，也可以借鉴上述方法，通过对第二预设时长内的多个采样点所采集到的排放率拟合Bezier曲线的方式，计算在整个第二预设时长内的碳排放气体的排放量。
本发明提供的反刍动物碳排放气体检测方法，采用Bezier曲线模拟的方式，仅需对一段时长内多个采样时刻所采集的反刍动物排放气体中碳排放气体的排放率进行检测，以根据线性拟合后的Bezier曲线推导出反刍动物在这一段时长内总的碳排放气体的排放量，检测方法简单，易于操作。
基于上述实施例的内容，作为一种可选实施例，本发明提供的反刍动物碳排放气体检测方法，还包括：
获取多个历史采样时长内所获取到的碳排放气体的排放量，并同时获取在每个所述历史采样时长内所采集到的影响碳排放量的参量；
以每个历史采样时长所采集到的排放量作为因变量，对应历史采样时长的参量作为自变量，训练预先构建的多元回归预测模型，获取碳排放量预测模型；
获取任一采样时长内所获取到的影响碳排放量的参量，将所述参量输入至所述碳排放量预测模型，预测所述采样时长内的排放量。
其中，所述影响碳排放量的参量包括反刍动物品种信息、饲料类型信息、饲料营养成分信息、反刍动物体征及体况信息。总的来说，本发明通过对构建的多元回归预测模型进行预训练，获取到碳排放量预测模型之后，在进行反刍动物碳排放气体检测时，仅仅需要采集影响排放量的相关参量输入至碳排放量预测模型，就可以直接获取到由该碳排放量预测模型输出的对于反刍动物碳排放气体的排放量的预测。
多元回归预测模型是描述一个因变量与多个自变量之间的相关关系的模型。本发明预先构建用于多元回归预测模型预训练的测试集，包括每个历史采样时长所采集到的反刍动物品种、饲料类型、饲料营养成分、反刍动物体征及体况（包括个体反刍动物的体重、体尺等）等多元指标的参量作为自变量，该历史采样时长内获取的CO2排放量、CH4排放量等作为因变量，每个历史采样时长内所采集的所有自变量和因变量作为一组数据，迭代对多元回归预测模型进行预训练，直至通过F检验或t检验，判断多元回归预测模型的回归方程是否具有显著性。若显著性满足阈值要求，则表明训练后多元回归预测模型显著性较高，并将此时所获得的多元回归预测模型作为碳排放量预测模型，保存至模型管理平台。
作为一种可选实施例，本发明以根据反刍动物饲料中不同的成分预测反刍动物CH4排放量的多元回归预测模型的表达式：
Figure 535314DEST_PATH_IMAGE041
其中，
Figure 847347DEST_PATH_IMAGE042
表示
Figure 160516DEST_PATH_IMAGE043
的排放量
Figure 735854DEST_PATH_IMAGE044
，
Figure 868895DEST_PATH_IMAGE045
至
Figure 253128DEST_PATH_IMAGE046
表示m个自变量，
Figure 483121DEST_PATH_IMAGE047
表示每个 自变量的模型偏回归系数，
Figure 291677DEST_PATH_IMAGE048
表示随机误差。
进一步地，利用最小二乘法，实现参数估计：
Figure 646435DEST_PATH_IMAGE049
其中，
Figure 769112DEST_PATH_IMAGE050
表示回归系数，
Figure 791294DEST_PATH_IMAGE051
表示自变量的矩阵，
Figure 505172DEST_PATH_IMAGE052
表示因变量
则因变量y的估计值为：
Figure 943631DEST_PATH_IMAGE053
最终，碳排放量预测模型的残差可以表示为：
Figure 666737DEST_PATH_IMAGE054
。
需要补充说明的是，在利用每个历史采样时长内所采集的所有自变量和因变量作为一组训练数据对构建的多元回归预测模型进行预训练时，若通过F检验或t检验所获取显著性不满足阈值要求，则表明训练后的多元回归预测模型显著性较低，此时可以利用自校正模块，对多元回归预测模型重新进行构建、训练、检验，以确保所获取到的碳排放量预测模型的准确性。
本发明提供的反刍动物碳排放气体检测方法，可以按照正常饲喂计划，自动记录反刍动物的种类、饲料营养配方、个体身份、体重等多元信息，构建多元指标下的反刍动物的碳排放量监测模型和碳排放量预测模型，基于碳排放量监测模型获得任一时间段内反刍动物的排放气体的排放量，并基于预测某段时间内反刍动物的碳排放气体的总排放量。
基于上述实施例的内容，作为一种可选实施例，在获取任一采样时长内所获取到的影响碳排放量的参量，将所述参量输入至所述碳排放量预测模型，预测所述采样时长内的排放量之后，还包括：
若确定所述采样时长内的排放量大于预设排放量阈值，则调整饲料类型和/或饲料营养成分，并将调整后的饲料类型信息以及饲料营养成分信息与所述反刍动物品种信息和反刍动物体征及体况信息再次输入至所述碳排放量预测模型，预测调整后的所述采样时长内的排放量；迭代执行上述步骤，直至确定调整后的所述采样时长内的排放量小于或等于所述预设排放量阈值。
需要说明的是，本发明提供的反刍动物碳排放气体检测方法中所涉及的饵料补给系统所投放的饵料可以是引诱剂（是区别于用于反刍动物正常饲喂的饲料），主要用于引诱反刍动物在正常进食饲料后，来到饵料补给系统的食槽进食引诱剂，并在其进行引诱剂进食时，检测出排放气体中的碳排放气体的排放率。
进而，可以根据碳排放气体的排放率与预设排放量阈值的比对，来判断出其在之前进食饲料的饲料类型和/或饲料营养成分以及其自身的品种信息、体征及体况信息这些影响碳排放量参量的影响下，所产生的碳排放气体的是否超标。
若判断出碳排放气体已经超标了，那么就可以指导适当地调整正常饲喂的饲料类型和/或饲料营养成分（品种信息、体征及体况信息是不能调整的），以降低碳排放气体排放率。
因此，本发明所提供的反刍动物碳排放气体检测方法，可以通过大数据采集的方式，准确地测试出各种饲料类型和/或饲料营养成分，用于饲喂不同品种、不同体征及体况的反刍动物下的碳排放气体排放率，为辅助低碳品种和低碳饲料的筛选提供依据。
基于上述实施例的内容，作为一种可选实施例，在确定所述排放气体中的碳排放气体的排放率之前，还包括：
设置鲁棒滤波器的参数，以利用没有反刍动物就食时所采集的空气对所述气体传感器进行校准。
结合图4所示，由于空气中含有的CO2、CH4气体，对检测由反刍动物产出的CO2、CH4气体的排放量存在一定的影响，需通过构建空气背景去噪方法，获取反刍动物实际产出的CO2、CH4，为后续数据分析提供基础。
在保证反刍动物碳排放气体监测装备周围不存在牛、羊等反刍动物的基础上（此时未检测到耳标信息），首先采用标准气体对气体分析系统（亦可以称作气体分析模块）中的气体传感器进行校准，将完成校准后的气体传感器利用传感器技术将空气中的CO2气体、CH4气体等参数经过信号的调离、采样、量化、编码等步骤，传输至控制器进行数据处理、分析，获取气体采集值。
由于无反刍动物背景下获取的气体采集值具有复杂离线无规律性，可利用鲁棒滤波算法进行处理，其具体实现算法是：
在动态系统中，将系统噪声和观测噪声分别作为能量有限的随机信号，其中系统 噪声
Figure 746688DEST_PATH_IMAGE055
看作能量有限的随机信号，即：
Figure 897047DEST_PATH_IMAGE056
观测噪声
Figure 819872DEST_PATH_IMAGE057
作为能量有限的随机信号，即：
Figure 815510DEST_PATH_IMAGE058
鲁棒滤波核心即设置滤波器，使系统干扰到估计误差的闭环传递函数中范数小于给定的正数，滤波误差系统逐渐稳定，满足要求，此时滤波后的平均值即空气背景平均值。
本发明提供的反刍动物碳排放气体检测方法，根据气体传感器检测舍内环境和反刍动物呼出的气体浓度，并通过空气背景去噪方法，实时记录反刍动物实际呼出排放气体中的碳排放气体的排放率，检测结果更精确。
图7是本发明提供的反刍动物碳排放量监测装置的结构示意图，如图7所示，主要包括数据采集单元701、运行控制单元702和排放率检测单元703，其中：
数据采集单元701，主要用于持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；
运行控制单元702，主要用于基于所述耳标信息，决策饵料补给系统的运行状态；
排放率检测单元703，主要用于在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率。
本发明提供的反刍动物碳排放气体检测装置，通过检测反刍动物的耳标信息，以判断检测区域内是否存在反刍动物以及反刍动物的进食信息，进而控制饵料补给系统的运行状态，采用智能化、信息化技术，获取与反刍动物的身份相匹配的碳排放气体的排放率，可实现少人化反刍动物碳排放气体量检测。
需要说明的是，本发明实施例提供的反刍动物碳排放气体检测装置，在具体运行时，可以执行上述任一实施例所述的反刍动物碳排放气体检测方法，对此本实施例不作赘述。
图8是本发明提供的反刍动物碳排放量监测装置的正视图，如图8所示，主要包括：
身份信息识别模块（如RFID读取器5）、饵料补给系统1、气体引导系统2和气体分析系统3。
其中，饵料补给系统1包括食槽11和定量下料器12，定量下料器12输出端通过排料管13连接至食槽11，在食槽11的侧边开设有透气孔14。气体引导系统2主要包括主通风管路21和抽样管路22；主通风管路21的进气端连接于食槽11的透气孔处，在主通风管路中设置有风机23；风机23运行后，在主通风管路中形成负压，以将食槽11的透气孔处的气体导入至主通风管路21。抽样管路22导通连接主通风管路21与气体分析系统3，以将主通风管路21中的气体抽样至气体分析系统3。其中，所述气体分析系统3主要包括气体传感器。
还包括处理器，所述处理器包括如上述实施例所提供的反刍动物碳排放气体检测装置。
图9是本发明提供的反刍动物碳排放量监测装置的左视图，如图9所示，本发明提供的反刍动物碳排放量监测装置还包括一个主体结构7，食槽11固定放置在主体结构7的内部空间。在进行碳排放量监测时，通过定量下料器12将料箱中的饵料投放到食槽11，反刍动物会被饵料吸引至监测装置以从食槽11中就食。
本发明并不对食槽11的这一盛装饵料的器皿的形状作具体限定，但在食槽11的侧边上开设有很多透气孔14。
可选地，食槽11可以制作成纵切面为梯形的锥斗型结构，并在食槽11位于主体结构7的内部空间靠内侧边开设很多透气孔14，同时定量下料器12的输出端通过排料管13连接至食槽11的这一内侧边。在进行饵料投喂时，大部分饵料会位于这一内侧边附近。考虑到饵料可能会堵塞透气孔14，故仅在该内侧边的上半部分区域开设透气孔14，这样在饵料投喂速度较低，且反刍动物持续就食的情况下，就能保证开设在该侧边的上半部分区的透气孔14不会被饵料堵塞。
进一步地，将气体引导系统2中的主通风管路21的进气口连接至食槽11的上述开设有透气孔14的侧边，并最好使得所有透气孔14均被主通风管路21的进气口所包覆。在通过投喂饵料吸引反刍动物从食槽11中就食时，由于饵料主要是分布于靠近开设有透气孔14的一侧，那么反刍动物的口鼻部位就会尽量靠近透气孔14。同时，由于主通风管路中设置的风机23处于开启状态，并在主通风管路中形成了负压，这样就会将反刍动物呼出的气体从透气孔14导入至主通风管路21中。
如图8所述，抽样管路22的一端导通连接到主通风管路21，另一端连接至气体分析系统3的输入端，这样就可以通过抽样管路22将主通风管路21中的气体导入至气体分析系统进行碳排放量检测。
作为一种可选实施例，本发明所采用的气体分析系统主要是利用气体传感器进行碳排放量检测。具体地，可以将抽样管路22导入的气体先注入至检测盒内，再分流至各并联管路，以通过各并联管路分别导入至不同类型的气体传感器，进行不同气体浓度的检测，主要包括CH4、CO2等气体。
作为一种可选实施例，上述气体传感器可以采用基于太赫兹传感阵列构建的气体传感器，各气体传感器与并联管路之间采用可插拔连接，方便根据实际检测需要自主更换。
本发明提供的反刍动物碳排放量监测系统，可通过饵料补给系统诱导反刍动物每天多次访问，在其进食的过程中通过气体引导系统采集其呼出的代谢气体，将采集到的代谢气体输送到气体分析系统，以利用气体分析系统检测到代谢气体中的碳排放量，能实现对反刍动物的代谢气体地有效监测和准确测量。
基于上述实施例的内容，作为一种可选实施例，在所述主通风管路中设置有第一空气过滤器24；第一空气过滤器位于主通风管路的进气端与风机23之间；在第一空气过滤器24的输出端与主通风管路21的连接处铺设有一多孔板25。
结合图8所示，由于从食槽11中抽取到的反刍动物所呼出的气体必然含有较多的细小饵料、水汽等杂质，会一定程度上影响监测精度。有鉴于此，本发明通过在主通风管路中增设第一空气过滤器24，对流经的气体进行过滤。
作为一种可选实施例，第一空气过滤器24可以设置在靠近主通风管路的进气端。
进一步地，由于风机的作用会导致主通风管路21中的气体流速不稳定，同时第一空气过滤器24也会影响气体在主通风管路21中的流速，均不利于抽样管路将其顺利抽样至气体分析系统3中。有鉴于此，本发明通过在第一空气过滤器24的输出端设置一片多孔板25，这样就可以对流经多孔板25的气体进行稳流。
进一步地，本发明提供的反刍动物碳排放量监测系统，还可以包括风速传感器26，该风速传感器26的探头内设于主通风管路21中，具体可以设置在第一空气过滤器24与风机23之间，以用于实时监测主通风管路21中的气体流速。
本发明通过在第一空气过滤器24的输出端设置一片多孔板25，对流经的气体进行稳流，也能够确保风速传感器26所监测到的气体流速的准确性。
进一步地，本发明可以在抽样管路22中增设一抽样气泵，这样能够是便于将主通风管路中的气体，通过抽样管路抽样至气体传感器3，能进一步提升监测的精度。
为了更进一步地滤除抽样气体中所存在的饵料残渣或者水汽等对于监测结果的干扰，可以在抽样管路22中设置第二空气过滤器。
图10是本发明提供的气体引导系统中主通风管路的相关部件的结构示意图，如图10所示，在上述各个部件在主通风管路21中沿气体的流向依次连接后，所采集到的反刍动物呼吸出的气体的流向为：
通过将主通风管路21的进气端连接于食槽11的透气孔14处，位于主通风管路21的排气端设置的风机23开启后，实反刍动物呼出的气体经由透气孔14进入主通风管路21中，然后流经第一空气过滤器24进行初步过滤，再通过多孔板25进行稳流后，流经风速传感器26的探头，以尤其检测到气体在主通风管路21中的流速；然后，一部分气体通过抽样管路22抽样至气体分析系统，以通过气体传感器检测出抽样气体中的目标气体（如CH4、CO2等气体）的含量，其余的气体通过风机排出。
图11是本发明提供的定量下料器的部分结构示意图，如图11所示，本发明提供的定量下料器12主要包括料箱121，以及连接在所述料箱121下部开口处的排料器122，料箱121中用于集中存放待投喂的饵料，排料器122的出料口与排料管13导通连接，以将排料器122输出的饵料通过排料管13导入至食槽11中。
图12是本发明提供的排料器的结构示意图，如图12所示，排料器122主要包括排料器外壳1221，以及位于排料器外壳1221内部的分料轮齿1222。
排料器外壳1221的上端开设有下料孔，料箱121固设在所述排料器外壳1221上，且料箱121的下部开口处与排料器外壳1221上开设的下料孔导通。
进一步地，分料轮齿1222的外侧圆周阵列设置有多个物料容置槽，如图12所示的分料轮齿1222中具有6个物料容置槽，所述分料轮齿的外侧圆周与所述排料器外壳间隙配合。分料轮齿1222由步进电机驱动旋转，料箱121中的饵料会在任一物料容置槽转动至下料孔时流进，并在物料容置槽转动至与排料管13相连接的出料口时，将已注入的饵料通过排料管13注入至食槽11中。
需要说明的是，可以通过控制步进电机的启停，以控制是否向食槽11中投放饵料，同时也可以通过控制步进电机的转速，控制每个时长内向食槽11中投放饵料的投放量。
图13是本发明提供的电源系统的结构示意图，如图13所示，本发明提供的反刍动物碳排放量监测系统，其所采用的电源系统4主要包括蓄电池41、开关电源42、电源切换模块43和电源转换模块44。
其中，可以将蓄电池41连接至太阳能充电模组，太阳能充电模组主要包括太阳能充电控制器46和太阳能电池板47。其中太阳能电池板47用于件太阳能转换成电能由太阳能充电控制器46控制，将获取到的电能存储至蓄电池41中。
进一步地，所述电源切换模块43切换所述蓄电池41和所述开关电源42的接入；所述电源转换模块44对所述蓄电池41和所述开关电源42的接入的电压进行调整。
本发明提供的电源系统4可以通过蓄电池41提供电源，还可以通过开关电源42（如工业开关电源）提供，两种供电方式能够保证所提供的反刍动物碳排放量监测系统，即使被投用至户外也能够具有长时间的续航能力。
基于上述实施例的内容，作为一种可选实施例，结合图8所示，本发明提供的反刍动物碳排放量监测系统，还增设有主控模块、RFID读取器5和超声波测距模块6。
图14是本发明提供的主控模块与其它部件的连接示意图，如图14所示，所述RFID读取器5的信号输出端和所述超声波测距模块6的信号输出端与所述主控模块的信号输入端相连接；
所述主控模块的信号输出端与步进电机的控制器、风机的控制器、抽样气泵的控制器相连接。
作为一种可选实施例，本发明提供的反刍动物碳排放量监测装置，主要包括控制模块、RFID读取器5、超声波测距模块6、气体引导系统2、气体分析系统3，以及外部输出模块、本地控制模块、远程控制模块等。
其中，RFID读取器5主要是利用RFID技术通过识别反刍动物的耳标信息以获取反刍动物的身份信息。RFID读取器5可以布设在主体结构7的内部空间，其采集范围覆盖了食槽所在区域。若RFID读取器5能够检测到耳标信息，则表示此时反刍动物碳排放量监测系统周围存在反刍动物；若RFID读取器5未检测到耳标信息，则表明此时反刍动物碳排放量监测系统周围不存在反刍动物。RFID读取器5的检测结果上传至控制模块，控制模块就可以根据反刍动物碳排放量监测系统周围是否存在反刍动物，来控制外部输出模块，包括步进电机、风机以及抽样气泵的工作状态（包括启停和/或转速）。
超声波测距模块主要用于实时检测反刍动物的头部距离超声波测距传感器的距离，并将所检测到的距离信息上传至控制模块；控制模块判断若该距离过大（大于预设阈值），则认为根据当前所采集的气体所得到的检测结果是无效的检测结果，而仅将反刍动物的头部距离超声波测距传感器的距离在预设范围内所采集到的气体检测结果作为有效的检测结果。
作为一种可选实施例，本发明提供的反刍动物碳排放量监测系统，还可以增设头部位姿判断模块，头部位姿判断模块的信号输出端连接主控模块的信号输入端。
其中，头部位姿判断模块主要包括深感相机，通过深感相机拍摄反刍动物的头部彩色深度图像，并通过将头部彩色深度图像输入至预先训练好的目标检测模型中，就可以获取到反刍动物的头部几个关键点（如：耳部、眼部、嘴部）在食槽11内的三维空间坐标。进而，主控模块可以根据三维空间坐标判断出反刍动物的头部位姿是否满足有效采集呼出气体的需要。
基于上述实施例的内容，作为一种可选实施例，结合图8所示，本发明提供的反刍动物碳排放量监测系统，还可以包括体重采集平台9，体重采集平台9设置在所述饵料补给系统1的前方，反刍动物站立在所述体重采集平台9上从所述食槽11中进食时，就可以采集到该反刍动物的体重信息。
结合图14所示，体重采集平台9的信号输出端连接主控模块的信号输入端，以实时的将采集到的反刍动物的体重信息发送给主控模块。主控模块就可以结合所检测到的体重信息，判断是否有反刍动物在所提供的反刍动物碳排放量监测系统周围。
同时，用户也可以通过主控模块展示的体重信息以及由气体分析系统3所检测到的气体中CO2以及CH4的含量，为精确分析反刍动物碳排放量提供数据支撑。
基于上述实施例的内容，作为一种可选实施例，结合图8所示，本发明提供的反刍动物碳排放量监测系统，还可以包括体征采集检测单元10，所述体征采集检测单元设置在所述体重采集平台的一侧，采集所述反刍动物的体征信息。
结合图14所示，所述体征采集检测单元10的信号输出端连接所述主控模块的信号输入端。
相应地，用户也可以通过主控模块展示的体征信息以及由气体分析系统3所检测到的气体中CO2以及CH4的含量，为精确分析反刍动物碳排放量提供数据支撑。
图15是本发明提供的反刍动物碳排放量监测系统的结构示意图，结合图14和图15所示的内容，本发明提供的反刍动物碳排放量监测系统中，每个主控模块分别与一本地控制模块，以及与一远程通信模块通信连接。
其中，本地控制模块，主要用于实时显示气体分析系统3所检测到的CO2、CH4等气体的浓度值以及气体引导系统的主通风管路内的风速、温度值等，并将所有检测结果存储至本地数据库。
进一步地，每一台反刍动物碳排放量监测系统的远程通信模块利用LORA物联网网关技术，将所采集到的检测结果分别传输至PC机上的信息管理平台，以便于用户远程控制各反刍动物碳排放量监测系统，并将传输的检测结果保存云端。
图16是本发明提供的电子设备的结构示意图，如图16所示，该电子设备可以包括：处理器（processor）1610、通信接口（Communications Interface）1620、存储器（memory）1630和通信总线1640，其中，处理器1610，通信接口1620，存储器1630通过通信总线1640完成相互间的通信。处理器1610可以调用存储器1630中的逻辑指令，以执行反刍动物碳排放气体检测方法，该方法包括：持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；基于所述耳标信息，决策饵料补给系统的运行状态；在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率。
此外，上述的存储器1630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的反刍动物碳排放气体检测方法，该方法包括：持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；基于所述耳标信息，决策饵料补给系统的运行状态；在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的反刍动物碳排放气体检测方法，该方法包括：持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；基于所述耳标信息，决策饵料补给系统的运行状态；在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (15)

1.一种反刍动物碳排放气体检测方法，其特征在于，包括：
持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；
基于所述耳标信息，决策饵料补给系统的运行状态；
在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率；
所述基于所述耳标信息，决策饵料补给系统的运行状态，包括：
基于所述耳标信息，确定所述反刍动物的身份信息；
根据所述身份信息，从目标数据库中查询所述反刍动物的历史就食记录；
若根据所述历史就食记录确定所述反刍动物在当前时刻前的第一预设时长内未进食，则控制所述饵料补给系统由停止动作状态切换至持续动作状态，以向食槽中投食；
统计所述饵料补给系统的动作时长；
在确定所述动作时长达到第二预设时长，和/或所述身份信息识别模块未采集到所述耳标信息，则控制所述饵料补给系统由持续动作状态切换至停止动作状态；
若根据所述历史就食记录确定所述反刍动物在当前时刻前的第一预设时长内已进食，控制所述饵料补给系统保持停止动作状态；
其中，停止动作状态是指定量下料器停止，此时不会将料箱中的饵料投放到食槽中的状态；持续动作状态，是指利用定量下料器按照预设方式将料箱中的饵料投放到食槽中的状态。
2.根据权利要求1所述的反刍动物碳排放气体检测方法，其特征在于，在根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率之前，还包括：
获取由深感相机采集的所述反刍动物在就食时的多帧头部深度图像；
将每帧所述头部深度图像输入至预先训练好的目标检测模型，以获取由所述目标检测模型输出的特征点的分布特征图；
确定每张所述特征点的分布特征图中的每个特征点的图像坐标，并将每个所述特征点的图像坐标，转换成以所述深感相机为坐标原点的空间坐标，以获取特征点空间坐标数据集；
所述特征点包括所述反刍动物的双耳特征点、双眼特征点和嘴部特征点；
基于支持向量机，对所述特征点空间坐标数据集中的所有空间坐标与所述食槽上透气孔的空间位置关系进行分类，确定所述反刍动物相对于所述食槽的头部姿态类别；
根据所述头部姿态类别，标注所采集的所述排放气体的有效性；
所述透气孔是设置在所述食槽上的用于采集所述排放气体的。
3.根据权利要求2所述的反刍动物碳排放气体检测方法，其特征在于，所述目标检测模型是利用多个头部深度图像样本以及与每个所述头部深度图像样本对应的分布特征图标签，分别对基础网络模型进行训练后获取的；
所述基础网络模型是以ResNet作为基础网络结构，并利用反卷积层替换所述ResNet的分类层后生成的。
4.根据权利要求2所述的反刍动物碳排放气体检测方法，其特征在于，在确定每张所述特征点的分布特征图中的每个特征点的图像坐标之后，还包括：
根据每个特征点的图像坐标，判断所述反刍动物在就食时嘴部位于所述食槽的当前采样区域；
所述当前采样区域包括第一采样区域和第二采样区域，所述第一采样区域与所述透气孔之间的距离小于所述第二采样区域与所述透气孔之间的距离；
根据所确定的采样区域以及所述头部姿态类别，标注所采集的所述排放气体的有效性。
5.根据权利要求4所述的反刍动物碳排放气体检测方法，其特征在于，所述头部姿态类别包括正向面对透气孔、侧向面对透气孔和低头就食；
所述根据所确定的采样区域以及所述头部姿态类别，标注所采集的所述排放气体的有效性，包括：
在所述当前采样区域为第一采样区域的情况下，均标注所述排放气体为有效；
在所述当前采样区域为第二采样区域的情况下，若所述头部姿态类别为正向面对透气孔，则标注所述排放气体为有效；
若所述头部姿态类别为侧向面对透气孔或低头就食，则标注所述排放气体为无效。
6.根据权利要求1所述的反刍动物碳排放气体检测方法，其特征在于，所述根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率，包括：
获取设置在主通风管路中的风速值、所述主通风管路的横截面积以及所述主通风管路中的气体温度，并获取设置在主通风管路中的气体浓度值；所述气体浓度值是由气体传感器检测的；
基于所述风速值、所述横截面积、所述气体温度和所述气体浓度值，计算所述排放气体中的碳排放气体的排放率。
7.根据权利要求6所述的反刍动物碳排放气体检测方法，其特征在于，所述基于所述风速值、所述横截面积、所述气体温度和所述气体浓度值，计算所述排放气体中的碳排放气体的排放率的计算公式为：
Figure 692150DEST_PATH_IMAGE001
其中，
Figure 311350DEST_PATH_IMAGE002
为所述排放率；
Figure 640700DEST_PATH_IMAGE003
为所述风速值；
Figure 167496DEST_PATH_IMAGE004
为标准大气压强；
Figure 961009DEST_PATH_IMAGE005
为所述横截面积；
Figure 550778DEST_PATH_IMAGE006
为 所述气体浓度值；
Figure 570686DEST_PATH_IMAGE007
为所述碳排放气体的气体摩尔常数；
Figure 635594DEST_PATH_IMAGE008
为所述气体温度对应的绝对温 度；
Figure 549192DEST_PATH_IMAGE009
为所述碳排放气体的气体摩尔质量。
8.根据权利要求1-7任一项所述的反刍动物碳排放气体检测方法，其特征在于，在确定所述排放气体中的碳排放气体的排放率之后，还包括：
获取第三预设时长内多个采样时刻所采集到的排放率；
以每个采样时刻和在每个采样时刻所采集到的排放率构成一个坐标点；
根据所有坐标点，确定对应的Bezier曲线；
对所述Bezier曲线在所述第三预设时长内的排放率进行积分，获取所述排放气体中的碳排放气体在所述第三预设时长内的排放量。
9.根据权利要求8所述的反刍动物碳排放气体检测方法，其特征在于，还包括：
获取多个历史采样时长内所获取到的碳排放气体的排放量，并同时获取在每个所述历史采样时长内所采集到的影响碳排放量的参量；
以每个历史采样时长所采集到的排放量作为因变量，对应历史采样时长的参量作为自变量，训练预先构建的多元回归预测模型，获取碳排放量预测模型；
获取任一采样时长内所获取到的影响碳排放量的参量，将所述参量输入至所述碳排放量预测模型，预测所述采样时长内的排放量；
其中，所述影响碳排放量的参量包括反刍动物品种信息、饲料类型信息、饲料营养成分信息、反刍动物体征及体况信息。
10.根据权利要求9所述的反刍动物碳排放气体检测方法，其特征在于，在获取任一采样时长内所获取到的影响碳排放量的参量，将所述参量输入至所述碳排放量预测模型，预测所述采样时长内的排放量之后，还包括：
若确定所述采样时长内的排放量大于预设排放量阈值，则调整饲料类型和/或饲料营养成分，并将调整后的饲料类型信息以及饲料营养成分信息与所述反刍动物品种信息和反刍动物体征及体况信息再次输入至所述碳排放量预测模型，预测调整后的所述采样时长内的排放量；迭代执行直至确定调整后的所述采样时长内的排放量小于或等于所述预设排放量阈值。
11.根据权利要求6所述的反刍动物碳排放气体检测方法，其特征在于，在确定所述排放气体中的碳排放气体的排放率之前，还包括：
设置鲁棒滤波器的参数，以利用没有反刍动物就食时所采集的空气对所述气体传感器进行校准。
12.一种反刍动物碳排放气体检测装置，其特征在于，包括：
数据采集单元，用于持续接收由身份信息识别模块采集的监测范围内的反刍动物的耳标信息；
运行控制单元，用于基于所述耳标信息，决策饵料补给系统的运行状态；
排放率检测单元，用于在确定所述饵料补给系统处于持续动作状态的情况下，根据所采集的反刍动物在就食时的排放气体，确定所述排放气体中的碳排放气体的排放率；
其中，所述基于所述耳标信息，决策饵料补给系统的运行状态，包括：
基于所述耳标信息，确定所述反刍动物的身份信息；
根据所述身份信息，从目标数据库中查询所述反刍动物的历史就食记录；
若根据所述历史就食记录确定所述反刍动物在当前时刻前的第一预设时长内未进食，则控制所述饵料补给系统由停止动作状态切换至持续动作状态，以向食槽中投食；
统计所述饵料补给系统的动作时长；
在确定所述动作时长达到第二预设时长，和/或所述身份信息识别模块未采集到所述耳标信息，则控制所述饵料补给系统由持续动作状态切换至停止动作状态；
若根据所述历史就食记录确定所述反刍动物在当前时刻前的第一预设时长内已进食，控制所述饵料补给系统保持停止动作状态；
其中，停止动作状态是指定量下料器停止，此时不会将料箱中的饵料投放到食槽中的状态；持续动作状态，是指利用定量下料器按照预设方式将料箱中的饵料投放到食槽中的状态。
13.一种反刍动物碳排放气体检测系统，其特征在于，包括：身份信息识别模块、饵料补给系统、气体引导系统和气体分析系统；
所述饵料补给系统包括食槽和定量下料器，所述定量下料器输出端通过排料管连接至所述食槽，在所述食槽的侧边开设有透气孔；
所述气体引导系统包括主通风管路和抽样管路；所述主通风管路的进气端连接于所述食槽的透气孔处，在所述主通风管路中设置有风机；所述风机运行后，在所述主通风管路中形成负压，以将所述食槽的透气孔处的气体导入至所述主通风管路；
所述抽样管路导通连接所述主通风管路与所述气体分析系统，以将所述主通风管路中的气体抽样至所述气体分析系统；
所述气体分析系统包括气体传感器；
还包括处理器；所述处理器包括如权利要求12所述的反刍动物碳排放气体检测装置。
14.一种电子设备，包括存储器、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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至11任一项所述反刍动物碳排放气体检测方法。
15.一种非暂态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至11任一项所述反刍动物碳排放气体检测方法。
CN202210942086.4A 2022-08-08 2022-08-08 反刍动物碳排放气体检测方法、装置及系统 Active CN114994299B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210942086.4A CN114994299B (zh) 2022-08-08 2022-08-08 反刍动物碳排放气体检测方法、装置及系统
US18/195,397 US20240040995A1 (en) 2022-08-08 2023-05-10 Method, apparatus and system for detecting carbon emission-involved gas from ruminant

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210942086.4A CN114994299B (zh) 2022-08-08 2022-08-08 反刍动物碳排放气体检测方法、装置及系统

Publications (2)

Publication Number Publication Date
CN114994299A true CN114994299A (zh) 2022-09-02
CN114994299B CN114994299B (zh) 2022-11-29

Family

ID=83023025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210942086.4A Active CN114994299B (zh) 2022-08-08 2022-08-08 反刍动物碳排放气体检测方法、装置及系统

Country Status (2)

Country Link
US (1) US20240040995A1 (zh)
CN (1) CN114994299B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116699078A (zh) * 2023-08-03 2023-09-05 北京市农林科学院智能装备技术研究中心 畜禽舍碳排放监测方法、监测系统、电子设备和存储介质
CN117377142A (zh) * 2023-11-22 2024-01-09 中铁一局集团城市轨道交通工程有限公司 一种信息采集无线传感器网络网关
EP4336180A1 (en) * 2022-09-07 2024-03-13 Microfeeder A/S Apparatus for measuring aerial gas concentrations from specific sources, method therefore and use hereof

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102105050A (zh) * 2008-05-23 2011-06-22 帕特里克·R·齐默尔曼 监控和减少反刍动物甲烷产量的方法和系统
US20120294876A1 (en) * 2011-05-19 2012-11-22 C-Lock Inc. Vaccine and health-related applications for ruminant breath monitoring system
CN103340599A (zh) * 2013-06-08 2013-10-09 山东大学 一种对反刍动物进行实时监测的方法
CN104267127A (zh) * 2014-10-17 2015-01-07 中国科学院西北高原生物研究所 一种测定反刍家畜温室气体排放量的方法
CN107422303A (zh) * 2017-05-24 2017-12-01 青岛越洋水处理设备工程有限公司 基于声波定位及图像采集的全自动投饵方法
CN108614047A (zh) * 2018-04-27 2018-10-02 内蒙古自治区农牧业科学院 一种反刍动物甲烷排放的测定方法及系统
CN113989745A (zh) * 2021-11-02 2022-01-28 深耕股份(有限)公司 一种反刍动物饲养状况的非接触式监测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102105050A (zh) * 2008-05-23 2011-06-22 帕特里克·R·齐默尔曼 监控和减少反刍动物甲烷产量的方法和系统
US20120294876A1 (en) * 2011-05-19 2012-11-22 C-Lock Inc. Vaccine and health-related applications for ruminant breath monitoring system
CN103340599A (zh) * 2013-06-08 2013-10-09 山东大学 一种对反刍动物进行实时监测的方法
CN104267127A (zh) * 2014-10-17 2015-01-07 中国科学院西北高原生物研究所 一种测定反刍家畜温室气体排放量的方法
CN107422303A (zh) * 2017-05-24 2017-12-01 青岛越洋水处理设备工程有限公司 基于声波定位及图像采集的全自动投饵方法
CN108614047A (zh) * 2018-04-27 2018-10-02 内蒙古自治区农牧业科学院 一种反刍动物甲烷排放的测定方法及系统
CN113989745A (zh) * 2021-11-02 2022-01-28 深耕股份(有限)公司 一种反刍动物饲养状况的非接触式监测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4336180A1 (en) * 2022-09-07 2024-03-13 Microfeeder A/S Apparatus for measuring aerial gas concentrations from specific sources, method therefore and use hereof
CN116699078A (zh) * 2023-08-03 2023-09-05 北京市农林科学院智能装备技术研究中心 畜禽舍碳排放监测方法、监测系统、电子设备和存储介质
CN116699078B (zh) * 2023-08-03 2023-10-27 北京市农林科学院智能装备技术研究中心 畜禽舍碳排放监测方法、监测系统、电子设备和存储介质
CN117377142A (zh) * 2023-11-22 2024-01-09 中铁一局集团城市轨道交通工程有限公司 一种信息采集无线传感器网络网关

Also Published As

Publication number Publication date
CN114994299B (zh) 2022-11-29
US20240040995A1 (en) 2024-02-08

Similar Documents

Publication Publication Date Title
CN114994299B (zh) 反刍动物碳排放气体检测方法、装置及系统
CN107667904A (zh) 基于物联网技术的生猪大数据系统
JP6842100B1 (ja) 水棲動物検出装置、情報処理装置、端末装置、水棲動物検出システム、水棲動物検出方法、及び水棲動物検出プログラム
EP1510125B1 (en) Method for monitoring and controlling the non-consumed food in fish farms
CN114037552B (zh) 一种肉鸭生理生长信息巡检方法及系统
CN111198549A (zh) 一种基于大数据的家禽养殖监测管理系统
TWI661770B (zh) 智慧深度學習農漁培養系統
CN112861734A (zh) 一种料槽余食监测方法及系统
CN108733107A (zh) 一种基于无线传感器网络的禽畜饲养环境测控系统
CN111274975A (zh) 猪只采食行为预测方法及装置
CN112150498A (zh) 体态信息的确定方法、装置、存储介质及电子装置
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
CN107766908A (zh) 基于大数据平台的畜牧业环境监测系统
CN109122533B (zh) 养殖装置及其控制方法
CN113598081B (zh) 一种肉牛健康自动监测系统
CN117036820B (zh) 一种基于视觉图像的猪只分类模型及其方法
CN113516139A (zh) 数据处理方法、装置、设备和存储介质
CN115777560A (zh) 一种基于机器视觉分析技术的母猪智能化饲喂系统
CN115454177A (zh) 一种禽用通风降温湿帘的自动控制方法及系统
CN218389312U (zh) 一种反刍动物碳排放量监测装置
TWM614111U (zh) 具智慧型生長分析功能之黑水虻自動化養殖系統
Yuan et al. Stress-free detection technologies for pig growth based on welfare farming: A review
US20240245037A1 (en) Multi-use monitoring system
CN117934195B (zh) 生猪全域数字智能育种系统
CN118616370A (zh) 一种针对家禽羽色与健康状况的自动分拣设备及系统

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