CN115968813A - 家禽健康监测系统及其方法 - Google Patents
家禽健康监测系统及其方法 Download PDFInfo
- Publication number
- CN115968813A CN115968813A CN202111203859.9A CN202111203859A CN115968813A CN 115968813 A CN115968813 A CN 115968813A CN 202111203859 A CN202111203859 A CN 202111203859A CN 115968813 A CN115968813 A CN 115968813A
- Authority
- CN
- China
- Prior art keywords
- poultry
- image
- weight
- module
- monitoring system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 244000144977 poultry Species 0.000 title claims abstract description 159
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 230000036541 health Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000010295 mobile communication Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 6
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 235000013594 poultry meat Nutrition 0.000 description 120
- 241000287828 Gallus gallus Species 0.000 description 44
- 235000013330 chicken meat Nutrition 0.000 description 44
- 238000010801 machine learning Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 244000144972 livestock Species 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 210000003746 feather Anatomy 0.000 description 3
- 230000008642 heat stress Effects 0.000 description 3
- 230000037081 physical activity Effects 0.000 description 3
- 238000009374 poultry farming Methods 0.000 description 3
- 241000282887 Suidae Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000020595 eating behavior Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- 230000008646 thermal stress Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 235000021067 refined food Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious 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
Abstract
一种家禽健康监测系统包括：云端模块、学习校正模块以及监控模块。其中学习校正模块用以感测所承载的至少一家禽的重量值以及第一家禽图像，以分析第一家禽图像中的家禽的数量，且产生家禽图像特征以及图像重量关系式。监控模块用以产生包括至少一家禽的第二家禽图像。云端模块依据第二家禽图像，而获得各家禽的单位重量、活动力数值。本发明更包括一种家禽健康监测方法。
Description
技术领域
本发明有关一种健康监测系统及其方法，尤指针对家禽且可自动化校正与 监测以节约人力的一种家禽健康监测系统及其方法。
背景技术
家禽中的鸡只与家畜中的猪只一直是我们生活饮食中蛋白质的主要摄取 来源，不仅营养价值高，也是许多加工食品的主要原料。鸡肉商品是重要的农 产品。鸡只健康状态与鸡只的饮食行为常有紧密关联，目前禽畜舍的饮食行为 检测则多以人工方式为主；然而禽畜舍鸡只数量庞大，以传统管理方式相当耗 时、劳力密集且仰赖饲主经验，容易在成本控制以及品质管控上出现问题。
然而，在家禽养殖的期间，往往受限于监控装置的数量、范围或反应速度 等因素，而造成来不及挽回的损失。尤其是在热带和亚热带地区，由于夏季气 候炎热，热紧迫(heatstress)成为家禽养殖业者最具挑战性的问题之一。热紧迫 降低了家禽的生长速度且对鸡蛋质量产生不利影响，甚至与家禽的突然大量死 亡有关。早期的养殖经验发现，热紧迫是稳定家禽成长和鸡蛋品质的关键，通 常评估热紧迫是使用温湿度指数(temperaturehumidity index,THI)估计，也就是 同时测量温度以及湿度来进行评估。然而，温湿度指数是间接指标，而热紧迫 的标准也可能因鸡只品种和鸡只的膳食及饮水供应而有差异，容易造成热紧迫 或生长状况的评估错误，而致使家禽养殖上的损失。
且进一步而言，对于一般家禽饲养业者来说，其深知家禽的健康状况与其 个体重量以及活动力息息相关，若于家禽的饲养过程以及成长过程期间，个体 重量不足、或给予的活动空间或活动时间不足时，则会严重影响饲养家禽的健 康状况。传统上若要解决这个问题，通常需要投入大量人力来进行各家禽个体 的体重测量、现场观察评估各家禽的健康状况、以及人力纪录活动力以及活动 时间等等行为。如此一来不仅往往花费大量人力与时间成本，且处理速度亦无 法提升，造成家禽饲养业者的饲养维护成本难以降低、以及监控效率不明显的 技术问题。
为此，如何设计出一种家禽健康监测系统及其方法，来解决前述的技术问 题，乃为本案发明人所研究的重要课题。
发明内容
本发明的目的在于提供一种家禽健康监测系统，可以解决现有技术的饲养 维护成本难以降低、以及监控效率不明显的技术问题，达到低维护成本、可快 速反应且全时监控的目的。
为了达到前述目的，本发明所提出的所述家禽健康监测系统包括：云端模 块、运算核心、学习校正模块以及监控模块。其中，云端模块用以存储至少一 家禽图像特征、以及对应各家禽图像特征的一图像重量关系式。运算核心耦接 云端模块，该运算核心接收该重量值以及该第一家禽图像，以分析该第一家禽 图像中的该至少一家禽的数量，且产生该至少一家禽图像特征以及该图像重量 关系式，且该图像重量关系式包括图像特征值与重量的相对关系。学习校正模 块耦接该运算核心以及该云端模块，且包括一承重结构、一第一摄像机；其中， 该承重结构用以感测所承载的至少一家禽的重量值；该第一摄像机配置于该承 重结构中，且用以产生该承重结构所承载的该至少一家禽的一第一家禽图像。 监控模块耦接该云端模块，且包括一第二摄像机；其中，该第二摄像机用以产 生包括至少一该家禽的一第二家禽图像。其中，该云端模块依据该第二家禽图 像、该至少一家禽图像特征、以及该图像重量关系式，而获得各该家禽的一单 位重量。
进一步而言，本发明所述的家禽健康监测系统更包括预警分析模块，所述 预警分析模块耦接所述云端模块，且所述预警分析模块依据所述单位重量、所 述活动力数值以及均匀性的至少一者，以输出统计报告以及警示信息的至少一 者。
进一步而言，本发明所述的家禽健康监测系统更包括移动通信平台，所述 移动通信平台无线地耦接所述预警分析模块，且接收所述统计报告以及所述警 示信息的至少一者。
进一步而言，本发明所述的家禽健康监测系统中，所述移动通信平台包括 工作站、服务器、台式电脑、笔记本电脑、平板电脑、个人数字助理或智能手 机的其中一者。
进一步而言，本发明所述的家禽健康监测系统中，该运算核心为利用一物 件检测算法工具作为该运算核心辨识目标物的深度学习架构，所述物件检测算 法工具为深度学习或图像处理方式，该云端模块借由该至少一卷积层与该至少 一池化层以比对该第二家禽图像是否符合各该家禽图像特征，继而获得单位重 量、活动力、均匀性数值。
进一步而言，本发明所述的家禽健康监测系统中，该云端模块包括一服务 器以及一云端数据库；其中该服务器用以获得该单位重量、该活动力数值的至 少一者；该云端数据库耦接该服务器，且用以存储该至少一家禽图像特征、该 图像重量关系式、该单位重量、该活动力数值的至少一者
进一步而言，本发明所述的家禽健康监测系统中，所述服务器借由窄频物 联网(narrowband internet of things,NB-Iot)、LoRa WAN、LTE以及Wi-Fi的其 中一者耦接所述云端数据库。
进一步而言，本发明所述的家禽健康监测系统中，所述承重结构中包括承 重平台以及中间平台。其中所述承重平台用以承载至少一所述家禽，所述中间 平台配置于所述承重平台之上，且所述第一摄像机配置于所述中间平台之下。
进一步而言，本发明所述的家禽健康监测系统中，所述承重平台借由至少 两个柱体耦接所述中间平台。
在使用本发明所述的家禽健康监测系统及其方法时，所述家禽健康监测系 统之所述云端模块可预先存储有重量判断数据库。并且，首先由所述学习校正 模块先进行人工智能(artificial intelligence,AI)模型的机器学习(machine learning,ML)程序，所述学习校正模块先以所述承重结构感测所承载的至少一 家禽的重量值，且以所述第一摄像机产生所述承重结构所承载的所述至少一家 禽的所述第一家禽图像。最后学习校正模块再以所述运算核心接收所述重量值 以及所述第一家禽图像，以分析所述第一家禽图像中的所述至少一家禽的数量， 且产生所述至少一家禽图像特征以及所述图像重量关系式以存储于所述云端 模块，借此完成所述机器学习程序。使得所述云端模块存储至少一家禽图像特 征、图像重量关系式。相对于前述步骤可接续或同时进行地，所述监控模块借 由所述第二摄像机产生对应至少一所述家禽的所述第二家禽图像。最后，所述 云端模块可依据所述第二家禽图像、所述至少一家禽图像特征、以及所述图像 重量关系式，而获得各所述家禽的单位重量。或者，所述云端模块可依据所述 第二家禽图像、所述至少一家禽图像特征，而获得各所述家禽的活动力数值。 进一步而言，所述学习校正模块可以随时间不断地进行重复机器学习的动作， 以对于所述云端模块所存储的所述至少一家禽图像特征以及所述图像重量关 系式持续不断地进行校正，以使本发明所述的家禽健康监测系统更加灵敏精确。 由于前述学习、监测以及校正的动作均不需要多余的人力介入，且可以无人职 守地全时运作，不仅可节约人力成本，且不受时间早晚的限制，使得家禽饲养 维护更具效率。
为此，本发明所述的家禽健康监测系统，可以解决现有技术的饲养维护成 本难以降低、以及监控效率不明显的技术问题，达到低维护成本、可快速反应 且全时监控的目的。
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的 限定。
附图说明
图1为本发明家禽健康监测系统的第一实施例的架构示意图；
图2为本发明家禽健康监测系统的所述第一实施例的配置示意图；
图3为本发明家禽健康监测系统的第二实施例的架构示意图；以及
图4为本发明家禽健康监测方法的方法流程图。
其中，附图标记：
10:云端模块
11:服务器
12:云端数据库
20:学习校正模块
21:承重结构
22:第一摄像机
23:运算核心
30:监控模块
31:第二摄像机
40:预警分析模块
50:移动通信平台
100:鸡只
210:重量感测器
211:承重平台
212:中间平台
S1～S5:步骤
具体实施方式
以下借由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可 由本说明书所提供的内容轻易地了解本发明的其他优点及功效。本发明亦可借 由其他不同的具体实例加以施行或应用，本发明说明书中的各项细节亦可基于 不同观点与应用在不悖离本发明的精神下进行各种修饰与变更。
须知，本说明书所附图示出的结构、比例、大小、元件数量等，均仅用以 配合说明书所提供的内容，以供熟悉此技术的人士了解与阅读，并非用以限定 本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例 关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的 下，均应落在本发明所提供的技术内容得能涵盖的范围内。
兹有关本发明的技术内容及详细说明，配合附图说明如下。
请参阅图1至图2所示，其中，图1为本发明家禽健康监测系统的第一实 施例的架构示意图；图2为本发明家禽健康监测系统的所述第一实施例的配置 示意图。在本发明所述的第一实施例中，本发明所提出的所述家禽健康监测系 统包括：云端模块10、运算核心23、学习校正模块20以及监控模块30。其 中，所述云端模块10用以存储至少一家禽图像特征、对应各家禽图像特征的 图像重量关系式。在本发明所述的第一实施例中，所述云端模块10包括一服 务器11以及一云端数据库12。其中所述服务器11用以获得各家禽的单位重量(即任一鸡只100的个别重量)、活动力数值的至少一者。并且，所述云端数 据库12耦接服务器11，且用以存储至少一家禽图像特征、图像重量关系式、 单位重量、活动力数值的至少一者。进一步而言，所述服务器11借由窄频物 联网(narrowband internet of things,NB-Iot)、LoRa WAN、LTE以及Wi-Fi的其 中一者耦接所述云端数据库12。所述运算核心23耦接所述云端模块10。
所述学习校正模块20耦接所述运算核心23以及所述云端模块10，且所 述学习校正模块20包括承重结构21、第一摄像机22。其中，所述承重结构 21用以感测所承载的至少一家禽(如图2所示的至少一鸡只100)的重量值。所 述第一摄像机22配置于所述承重结构21中，且用以产生所述承重结构21所 承载的所述至少一家禽的第一家禽图像。所述运算核心23配置于所述承重结 构21，所述运算核心23接收所述重量值以及所述第一家禽图像，以分析所述 第一家禽图像中的所述至少一家禽的数量，且产生所述至少一家禽图像特征以及所述图像重量关系式。在本发明所述的第一实施例中，所述承重结构21中 包括一重量感测器210、一承重平台211以及一中间平台212。其中，所述承 重平台211用以承载至少一家禽，所述中间平台212配置于所述承重平台211 之上，且所述第一摄像机22配置于所述中间平台212之下，用以俯拍至少一 鸡只100。其中，所述承重平台211借由至少两个柱体213耦接所述中间平台 212，以使所述承重平台211与所述中间平台212一起连动。在本发明所述的 第一实施例中，所述运算核心23为利用一物件检测算法工具作为所述运算核 心23辨识目标物的深度学习架构，所述物件检测算法工具为深度学习或图像 处理方式例如包含至少一卷积层(convolution layer)以及至少一池化层(pooling layer)的一区域卷积神经网络(mask region-based convolutional neural networks, mask R-CNN)。所述云端模块10借由至少一卷积层与至少一池化层以比对第 一家禽图像是否符合各家禽图像特征，继而依据图像重量关系式获得单位重量 (即任一鸡只100的个别重量)、或获得活动力或均匀性数值。如图2所示，第 一摄像机22可获取至少一鸡只100(例如，如图示的两只鸡只)的俯视图像， 并将图像数据传送至运算核心23，使运算核心23可计算出在承重平台211上 的鸡只数量。承重平台211将在其上的鸡只总重量传送至运算核心23，借此 运算核心23可计算出在承重平台211上的鸡只平均重量。依据本发明一实施 方式，若运算核心23判断在承重平台211仅有一只鸡只，则可建立鸡只的俯 视图像特征(例如身长，俯视面积等)与重量的对应关系，亦即图像重量关系 式(weight formula)，但上述实施方式非限定本案范围。例如运算核心23也可 计算承重平台211上鸡只的俯视图像特征平均值(例如平均身长)及重量平均值， 也可以建立图像重量关系式。
依据本发明的一实施方式，运算核心23也可以借由单一鸡只图像相对应 于时间关系，判断鸡只是否活动。例如若在日间运算核心23在一预定时间内 (例如10分钟)判断一鸡只图像为静止或是没有移动范围在一预定数值之内 (例如移动距离不超出1公尺)，则可判断该鸡只活动力不足。运算核心23可 统合第一摄像机22及第二摄像机31的图像数据，并判断鸡只中活动力不足的 比例。若鸡只中活动力不足比例超出一门槛值，代表该养鸡场的鸡只可能有传 染病发生，运算核心23可发出警示通知。
进一步而言，本发明所述的学习校正模块20针对红羽土鸡的机器学习的 混淆矩阵法(Confusion Matrix)评估结果如下表：
其中：真阳性(TP)意指人工计数「有」，深度学习计数「有」的个数；伪 阳性(FP)意指人工计数「没有」，深度学习计数「有」的个数；伪阴性(FN)意 指人工计数「有」，深度学习计数「没有」的个数；及真阴性(TN)意指人工 计数「没有」，深度学习计数「没有」的个数。前述结果为在三个月的饲养周 期中，分别利用机器学习计数方式与人工计数方式而获得。可证明本发明的机 器学习计数可取代人工计数来有效评估鸡只平均重量。将每天收集到的多个平 均重量的数据进一步换算成日标准差。无论是在红羽公鸡或红羽母鸡的实验结 果中，皆可观察到饲养后期的鸡只平均体重的日标准差越来越大，推断可能是 因为成年的鸡只相较于幼年的鸡只较容易发生斗争，如此在进食时，瘦弱的鸡 只无法与强壮的鸡只竞争食物，进而导致鸡只间显著的体型差异。由此可知， 平均重量的标准差有助于监控鸡只整体的健康状态，若平均体重的标准差越来 越大，则可考虑分区饲养以稳定鸡只的平均体重。
所述监控模块30耦接所述云端模块10，且所述监控模块30包括第二摄 像机31。进一步而言，所述监控模块30可利用先前建立的图像重量关系式快 速判断鸡只重量是否有异常状况。其中，所述第二摄像机31用以产生包括至 少一所述家禽的第二家禽图像(可以是承载于承重结构21之外的任何其他鸡只 100)。或者，所述云端模块10依据所述第二家禽图像、所述至少一家禽图像 特征，而获得各所述家禽的活动力数值。进一步而言，所述活动力数值，可以 是所述云端模块10依据所述第二家禽图像中的个别鸡只100的活动距离、活动频率、静止周期时间等判断条件，来作为云端模块10判断所述活动力数值 的依据，例如活动距离短且活动频率低则判断为活动力不佳，可更设定有阀值 来作为群体分类。
请参阅图3所示，为本发明家禽健康监测系统的第二实施例的架构示意图。 在本发明所述的第二实施例中，其与前述第一实施例大致相同，但更包括一预 警分析模块40、一移动通信平台50。其中，所述预警分析模块40耦接所述云 端模块10，且所述预警分析模块40依据单位重量、活动力数值的至少一者， 以输出一统计报告以及一警示信息的至少一者。所述移动通信平台50无线地 耦接所述预警分析模块40，且接收所述统计报告以及所述警示信息的至少一 者，以供家禽的饲养业者可提前预知鸡只100的健康状况或者鸡只100的生长 趋势，使得家禽饲养业者可以提早进行应变或提早采取防范措施，以降低饲养 家禽的风险以及成本。在本发明的所述第二实施例中，所述移动通信平台50 包括工作站、服务器、台式电脑、笔记本电脑、平板电脑、个人数字助理或智 能手机的其中一者。然而，本发明不受此限制。
请参阅图4所示，为本发明家禽健康监测方法的方法流程图。并且，首先 由所述学习校正模块20先进行人工智能(artificial intelligence,AI)模型的机器 学习(machinelearning,ML)程序，所述学习校正模块20先以所述承重结构21 感测所承载的至少一家禽的重量值，且以所述第一摄像机22产生所述承重结 构21所承载的所述至少一家禽的所述第一家禽图像。最后学习校正模块再以 所述运算核心23接收所述重量值以及所述第一家禽图像，以分析所述第一家 禽图像中的所述至少一家禽的数量，且产生所述至少一家禽图像特征以及所述 图像重量关系式以存储于所述云端模块10(步骤S1)，借此完成所述机器学习 程序。使得所述云端模块10存储至少一家禽图像特征、图像重量关系式(步 骤S2)。相对于前述步骤可接续或同时进行地，所述监控模块30借由所述第 二摄像机31产生对应至少一所述家禽的所述第二家禽图像(步骤S3)。最后， 所述云端模块10可依据所述第二家禽图像、所述至少一家禽图像特征、以及 所述图像重量关系式，而获得各所述家禽的单位重量(步骤S4)。或者，所述云 端模块10可依据所述第二家禽图像、所述至少一家禽图像特征，而获得各所 述家禽的活动力数值(步骤S5)。进一步而言，所述学习校正模块20可以随时间不断地进行重复机器学习的动作，以对于所述云端模块10所存储的所述至 少一家禽图像特征以及所述图像重量关系式持续不断地进行校正，以使本发明 所述的家禽健康监测系统更加灵敏精确。由于前述学习、监测以及校正的动作 均不需要多余的人力介入，且可以无人职守地全时运作，不仅可节约人力成本， 且不受时间早晚的限制，使得家禽饲养维护更具效率。
为此，本发明所述的家禽健康监测系统，可以解决现有技术的饲养维护成 本难以降低、以及监控效率不明显的技术问题，达到低维护成本、可快速反应 且全时监控的目的。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情 况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但 这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (9)
1.一种家禽健康监测系统，其特征在于，包括：
一云端模块，用以存储至少一家禽图像特征、以及对应各家禽图像特征的一图像重量关系式；
一运算核心，耦接该云端模块，该运算核心接收该重量值以及该第一家禽图像，以分析该第一家禽图像中的该至少一家禽的数量，且产生该至少一家禽图像特征以及该图像重量关系式，且该图像重量关系式包括图像特征值与重量的相对关系；
一学习校正模块，耦接该运算核心以及该云端模块，且包括一承重结构、一第一摄像机；其中，该承重结构用以感测所承载的至少一家禽的重量值；该第一摄像机配置于该承重结构中，且用以产生该承重结构所承载的该至少一家禽的一第一家禽图像；以及
一监控模块，耦接该云端模块，且包括一第二摄像机；其中，该第二摄像机用以产生包括至少一该家禽的一第二家禽图像；
其中，该云端模块依据该第二家禽图像、该至少一家禽图像特征、以及该图像重量关系式，而获得各该家禽的一单位重量。
2.如权利要求1所述的家禽健康监测系统，其特征在于，更包括一预警分析模块，该预警分析模块耦接该云端模块，且该预警分析模块依据该单位重量、该活动力数值以及均匀性的至少一者，以输出一统计报告以及一警示信息的至少一者。
3.如权利要求2所述的家禽健康监测系统，其特征在于，更包括一移动通信平台，该移动通信平台无线地耦接该预警分析模块，且接收该统计报告以及该警示信息的至少一者。
4.如权利要求3所述的家禽健康监测系统，其特征在于，该移动通信平台包括工作站、服务器、台式电脑、笔记本电脑、平板电脑、个人数字助理或智能手机的其中一者。
5.如权利要求1所述的家禽健康监测系统，其特征在于，该运算核心为利用一物件检测算法工具作为该运算核心辨识目标物的深度学习架构，所述物件检测算法工具为深度学习或图像处理方式，该云端模块借由该至少一卷积层与该至少一池化层以比对该第二家禽图像是否符合各该家禽图像特征，继而获得该单位重量、活动力、均匀性数值。
6.如权利要求1所述的家禽健康监测系统，其特征在于，该云端模块包括一服务器以及一云端数据库；其中该服务器用以获得该单位重量、该活动力数值的至少一者；该云端数据库耦接该服务器，且用以存储该至少一家禽图像特征、该图像重量关系式、该单位重量、该活动力数值的至少一者。
7.如权利要求6所述的家禽健康监测系统，其特征在于，该服务器借由窄频物联网(narrowband internet of things,NB-Iot)、LoRa WAN、LTE以及Wi-Fi的其中一者耦接该云端数据库。
8.如权利要求1所述的家禽健康监测系统，其特征在于，该承重结构中包括一承重平台以及一中间平台；其中该承重平台用以承载至少一该家禽，该中间平台配置于该承重平台之上，且该第一摄像机配置于该中间平台之下。
9.如权利要求8所述的家禽健康监测系统，其特征在于，该承重平台借由至少两个柱体耦接该中间平台。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111203859.9A CN115968813A (zh) | 2021-10-15 | 2021-10-15 | 家禽健康监测系统及其方法 |
| PCT/CN2022/124676 WO2023061375A1 (zh) | 2021-10-15 | 2022-10-11 | 家禽健康监测系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111203859.9A CN115968813A (zh) | 2021-10-15 | 2021-10-15 | 家禽健康监测系统及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115968813A true CN115968813A (zh) | 2023-04-18 |
Family
ID=85956772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111203859.9A Pending CN115968813A (zh) | 2021-10-15 | 2021-10-15 | 家禽健康监测系统及其方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115968813A (zh) |
| WO (1) | WO2023061375A1 (zh) |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205537893U (zh) * | 2016-04-05 | 2016-08-31 | 山东农业大学 | 全自动家禽平均体重称量系统 |
| CN205983268U (zh) * | 2016-08-04 | 2017-02-22 | 天津农学院 | 一种畜禽生长环境的实时监测系统 |
| CN107135983A (zh) * | 2017-05-05 | 2017-09-08 | 北京农业信息技术研究中心 | 家禽健康状况监测方法、运动脚环、服务器及系统 |
| CN107667903A (zh) * | 2017-07-27 | 2018-02-09 | 北京奥云牧数据科技有限公司 | 基于物联网的畜牧养殖活体体重监测方法 |
| CN109009228A (zh) * | 2018-08-28 | 2018-12-18 | 扬州大学 | 一种采用超声波技术测定家禽腹部脂肪含量的方法 |
| CN109241941A (zh) * | 2018-09-28 | 2019-01-18 | 天津大学 | 一种基于深度学习分析的养殖场监控家禽数量的方法 |
| KR20190030082A (ko) * | 2017-09-13 | 2019-03-21 | (주)제이케이데이터시스템즈 | 패턴인식 기반의 가금류 무게측정 시스템 및 방법 |
| TWM585345U (zh) * | 2018-07-25 | 2019-10-21 | 生禾禾科技實業股份有限公司 | 家禽重量監測系統 |
| CN110728259A (zh) * | 2019-10-23 | 2020-01-24 | 南京农业大学 | 一种基于深度图像的鸡群体重监测系统 |
| CN110956198A (zh) * | 2019-10-31 | 2020-04-03 | 东北大学 | 一种单目摄像机视觉测重方法 |
| CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理系统 |
| WO2020110616A1 (ja) * | 2018-11-29 | 2020-06-04 | パナソニックＩｐマネジメント株式会社 | 養鶏システム、養鶏方法、及び、プログラム |
| CN111539937A (zh) * | 2020-04-24 | 2020-08-14 | 北京海益同展信息科技有限公司 | 一种物体指标的检测方法、家畜重量的检测方法及装置 |
| CN111696139A (zh) * | 2020-06-01 | 2020-09-22 | 南京农业大学 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
| CN112265881A (zh) * | 2020-10-26 | 2021-01-26 | 广州广日电梯工业有限公司 | 家畜的电梯监控系统、监控方法、监控装置及存储介质 |
| WO2021019457A2 (en) * | 2019-07-31 | 2021-02-04 | Singh Mahender Pal | Weight estimation of broilers using 3d computer vision and artificial intelligence |
| CN112434851A (zh) * | 2020-11-19 | 2021-03-02 | 凤台县凤羽农业发展有限公司 | 一种基于大数据用于蛋禽的销售管理系统 |
| CN112947644A (zh) * | 2021-03-01 | 2021-06-11 | 山东农业大学 | 一种基于物联网的鸡只生长环境监测管理系统与方法 |
| KR102264281B1 (ko) * | 2020-12-31 | 2021-06-14 | 한국축산데이터 주식회사 농업회사법인 | 축사 영상을 이용한 가축 체중 추정 시스템 및 방법 |
| CN113273178A (zh) * | 2019-01-30 | 2021-08-17 | 松下知识产权经营株式会社 | 畜舍监视方法和畜舍监视系统 |
| CN113379561A (zh) * | 2021-05-28 | 2021-09-10 | 广州朗国电子科技有限公司 | 一种家禽数量的智能计算方法、设备及介质 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103763516A (zh) * | 2013-12-25 | 2014-04-30 | 镇江晶鑫电子科技有限公司 | 一种基于物联网高清摄像一体化网关的畜牧养殖智能管理系统 |
| US10912283B2 (en) * | 2016-04-02 | 2021-02-09 | Intel Corporation | Technologies for managing the health of livestock |
| CN107549049A (zh) * | 2017-09-28 | 2018-01-09 | 中北大学 | 一种笼养鸡健康状况自动化监测装置 |
| CN207201725U (zh) * | 2017-09-28 | 2018-04-10 | 中北大学 | 笼养鸡健康状况自动化监测装置 |
| CN111275452A (zh) * | 2018-12-03 | 2020-06-12 | 元进庄企业股份有限公司 | 家禽生产追溯系统及其方法 |
| KR102319823B1 (ko) * | 2019-09-11 | 2021-11-01 | 주)엠트리센 | 가축 활동량 모니터링 및 건강 예찰 시스템 및 방법 |
| US20210076644A1 (en) * | 2019-09-18 | 2021-03-18 | Fort Supply Ip, Llc | Animal health, behavior, and inventory monitoring |
| CN113029349A (zh) * | 2021-02-24 | 2021-06-25 | 浙江大华技术股份有限公司 | 一种温度监测方法、装置、存储介质及设备 |
| TWI784740B (zh) * | 2021-10-06 | 2022-11-21 | 智逐科技股份有限公司 | 家禽健康監測系統及其方法 |
-
2021
- 2021-10-15 CN CN202111203859.9A patent/CN115968813A/zh active Pending
-
2022
- 2022-10-11 WO PCT/CN2022/124676 patent/WO2023061375A1/zh unknown
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205537893U (zh) * | 2016-04-05 | 2016-08-31 | 山东农业大学 | 全自动家禽平均体重称量系统 |
| CN205983268U (zh) * | 2016-08-04 | 2017-02-22 | 天津农学院 | 一种畜禽生长环境的实时监测系统 |
| CN107135983A (zh) * | 2017-05-05 | 2017-09-08 | 北京农业信息技术研究中心 | 家禽健康状况监测方法、运动脚环、服务器及系统 |
| CN107667903A (zh) * | 2017-07-27 | 2018-02-09 | 北京奥云牧数据科技有限公司 | 基于物联网的畜牧养殖活体体重监测方法 |
| KR20190030082A (ko) * | 2017-09-13 | 2019-03-21 | (주)제이케이데이터시스템즈 | 패턴인식 기반의 가금류 무게측정 시스템 및 방법 |
| TWM585345U (zh) * | 2018-07-25 | 2019-10-21 | 生禾禾科技實業股份有限公司 | 家禽重量監測系統 |
| CN109009228A (zh) * | 2018-08-28 | 2018-12-18 | 扬州大学 | 一种采用超声波技术测定家禽腹部脂肪含量的方法 |
| CN109241941A (zh) * | 2018-09-28 | 2019-01-18 | 天津大学 | 一种基于深度学习分析的养殖场监控家禽数量的方法 |
| WO2020110616A1 (ja) * | 2018-11-29 | 2020-06-04 | パナソニックＩｐマネジメント株式会社 | 養鶏システム、養鶏方法、及び、プログラム |
| CN113056190A (zh) * | 2018-11-29 | 2021-06-29 | 松下知识产权经营株式会社 | 养鸡系统、养鸡方法以及程序 |
| CN113273178A (zh) * | 2019-01-30 | 2021-08-17 | 松下知识产权经营株式会社 | 畜舍监视方法和畜舍监视系统 |
| WO2021019457A2 (en) * | 2019-07-31 | 2021-02-04 | Singh Mahender Pal | Weight estimation of broilers using 3d computer vision and artificial intelligence |
| CN110728259A (zh) * | 2019-10-23 | 2020-01-24 | 南京农业大学 | 一种基于深度图像的鸡群体重监测系统 |
| CN110956198A (zh) * | 2019-10-31 | 2020-04-03 | 东北大学 | 一种单目摄像机视觉测重方法 |
| CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理系统 |
| CN111539937A (zh) * | 2020-04-24 | 2020-08-14 | 北京海益同展信息科技有限公司 | 一种物体指标的检测方法、家畜重量的检测方法及装置 |
| CN111696139A (zh) * | 2020-06-01 | 2020-09-22 | 南京农业大学 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
| CN112265881A (zh) * | 2020-10-26 | 2021-01-26 | 广州广日电梯工业有限公司 | 家畜的电梯监控系统、监控方法、监控装置及存储介质 |
| CN112434851A (zh) * | 2020-11-19 | 2021-03-02 | 凤台县凤羽农业发展有限公司 | 一种基于大数据用于蛋禽的销售管理系统 |
| KR102264281B1 (ko) * | 2020-12-31 | 2021-06-14 | 한국축산데이터 주식회사 농업회사법인 | 축사 영상을 이용한 가축 체중 추정 시스템 및 방법 |
| CN112947644A (zh) * | 2021-03-01 | 2021-06-11 | 山东农业大学 | 一种基于物联网的鸡只生长环境监测管理系统与方法 |
| CN113379561A (zh) * | 2021-05-28 | 2021-09-10 | 广州朗国电子科技有限公司 | 一种家禽数量的智能计算方法、设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 李乃祥: "《现代农业技术概论 下》", 31 August 2005, 南开大学出版社, pages: 112 * |
| 王彪: "《雉鸡亚种种群的图像识别研究》", 野生动物学报, vol. 42, no. 2, 28 April 2021 (2021-04-28), pages 452 - 459 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023061375A1 (zh) | 2023-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101995755B1 (ko) | 가축 질병 예측 시스템 | |
| KR102653494B1 (ko) | 축산 자동 관리 시스템 | |
| WO2020133560A1 (zh) | 基于大数据技术的家畜智能化养殖管理系统及方法 | |
| CN113287140A (zh) | 昆虫养殖控制装置及方法 | |
| CN105091938A (zh) | 畜禽健康状况监测方法及系统 | |
| KR102117092B1 (ko) | 행동 패턴 인식을 이용한 소의 발정 탐지 시스템 | |
| KR102165891B1 (ko) | 축산 데이터 분석 기반 농가 상태 진단 시스템 | |
| CN114167922B (zh) | 一种基于多传感器数据采集的农牧智能分析的方法及系统 | |
| US20210007330A1 (en) | System and method for determining animal behavioral phenotypes | |
| TWI661770B (zh) | 智慧深度學習農漁培養系統 | |
| US20210298272A1 (en) | Methods and systems for using sound data to analyze health condition and welfare states in collections of farm animals | |
| Islam et al. | Automated monitoring of cattle heat stress and its mitigation | |
| CN114693077A (zh) | 一种基于物联网的养殖实时监控预警系统 | |
| CN116934088A (zh) | 一种基于分析模型的鸽子养殖智能管理方法及其系统 | |
| CN116627082A (zh) | 一种适用于存栏量盘点的生猪养殖智能管理系统 | |
| TWI784740B (zh) | 家禽健康監測系統及其方法 | |
| CN106614071A (zh) | 一种母猪产前行为监测系统以及方法 | |
| CN113516139A (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN116935439A (zh) | 一种孕羊分娩自动监测预警方法及自动监测预警系统 | |
| CN115968813A (zh) | 家禽健康监测系统及其方法 | |
| CN110779575A (zh) | 一种基于大数据平台的畜牧业监测系统 | |
| CN115777560A (zh) | 一种基于机器视觉分析技术的母猪智能化饲喂系统 | |
| CN114224287B (zh) | 一种动物健康监测系统 | |
| CN115349459A (zh) | 一种智能猪舍监控系统 | |
| CN111713427A (zh) | 一种乳猪卫生健康状况监控系统 |
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 |