CN116277073A - 一种鸡的养殖巡检机器人设备、控制系统及方法 - Google Patents

Abstract

本发明涉及一种养鸡巡检机器人设备、控制系统及方法。本巡检系统与方法针对多种鸡的养殖实际应用场景，自动完成对鸡的健康生存状态的日常巡检工作、异常判断、数据采集存储；其技术特点是：从硬件角度看，本系统，包括巡检机器人和计算中心。巡检机器人，主要由运动底盘、升降模块与伸缩模块、传感器模块和控制系统等构成；从控制系统和实现方法角度，可以适用于多种养殖场景，多种巡检模式，针对养鸡场不同的工作模式实现手动或自动化巡检；采集的数据与计算中心的数据双向通信、存储；本发明设计合理，能够控制多种养殖场景的巡检过程，可以准确检测识别复杂背景情况下的鸡的状态，减少人力巡检，提高了经济效益。

Description

一种鸡的养殖巡检机器人设备、控制系统及方法

技术领域

本发明属于动物养殖领域，尤其涉及一种鸡的养殖巡检机器人设备、控制系统及方法。

背景技术

目前禽类养殖模式逐渐向着集约化、规模化趋势发展，养殖场的饲养方式多为规模散养和采用阶梯式或叠层笼养。

规模散养中，由于养殖地域较大，多为林间或山地的平坦区域。人工需要不停地大范围巡检，时间长工作量大。

笼养方式中，笼层可高达5层以上，饲养密度大幅提高，给人工管理带来了诸多不便，如在日常管理中，需对逐层、逐个鸡笼的鸡群进行巡视，以了解鸡群动态。若鸡笼超过3层，则巡视时费时、费力。

而采用巡检机器人代替管理人员的方式，可以使缓慢、重复和枯燥的巡检方式转变为自动化处理，使管理人员能够专注于养殖场的其他事务，减少劳动力成本与时间成本，提高了农业生产效率。鸡养殖巡检作业的一项重点工作就是死鸡、病鸡的巡检，目前大部分鸡养殖场仍然采用人工巡检的方式。无论是大规模肉鸡养殖生产还是个体养殖户，上述人工巡检方式多采用木棍敲击、肉眼查看等传统方式巡检，存在主观性强、劳动强度大、生产效率低的特点，同时会带来漏检问题，往往病鸡在大密度养殖中传染几率高，死亡率高。病、死鸡不及时处理，则会出现传染、腐败、自溶现象，产生大量的细菌，增加了其它鸡的患病或死亡率。

从应用需求上可以借鉴的巡检机器人存在两种，一是传统行业的巡检机器人，如电力、制造业、水利等，它们的机器人大多应用在各自行业，无论是硬件设计还是巡检模式，都无法满足肉鸡养殖场的实际场景；二是已经开发出来的畜禽养殖的巡检机器人存在普适性不足的问题，各个养鸡场的笼养设施不同，如笼尺寸、笼养层数、间距等，都会导致巡检机器人无法应用，而且普通单一性的巡检方式无法按照实际不同的养殖环境而采取不同巡检方案。

由于上述方案中都不具有针对性，所以误报率较高。因此，如何实现适用不同场景的通用禽类养殖设备、控制系统及方法具有重要的现实意义。

发明内容

本发明目的在于提供一种一种鸡的养殖巡检机器人设备、控制系统及方法,以解决原有巡查设备使用场景适用中误报率高的技术问题。

为解决上述技术问题，本发明的具体技术方案如下：

一种鸡的养殖巡检机器人设备，主要由运动底盘、升降模块与伸缩模块、传感器模块和控制系统构成；

运动底盘，实现巡检机器人根据指令或信号移动到的采集、判断位置；

升降模块与伸缩模块，实现安装在其上的传感器的垂直与水平的自动运行；

传感器模块，实现对鸡的定位、鸡和养殖环境的状态信息采集；

控制系统，对上述子模块统一控制，并将数据集中采集汇总，进行数据存储与传输，与计算中心进行数据交互。

进一步，升降模块与伸缩模块由导轨丝杠模组与电机组成，电机输出轴与丝杠通过联轴器连接，电机轴转动带动丝杠转动以使升降模块与伸缩模块运动；

传感器模块，包括目标识别平台、状态采集模块、气体分析模块，激励装置；

目标识别平台，用于捕捉识别的目标，反馈给控制系统进行定位。

进一步，状态采集模块安装在升降模块与伸缩模块，状态采集模块，包括视觉摄像采集器和红外采集器，视觉摄像采集器采集鸡的体态、活跃程度、趴伏态、站立态、进食状态图像，红外采集器采集鸡的红外热成像图，

接受人工指令，控制各模块运行。

进一步，激励装置与状态采集模块集成在升降模块与伸缩模块上，激励装置刺激养殖的鸡产生警觉，状态采集模块将采集激励之后的图像传回计算中心，与激励之前的图像进行比对，判断鸡的健康状态。

进一步，激励装置采用声音激励、光激励或热激励；

声音激励，采用爆炸声、天敌的声音；

光激励，采用直射强光，频闪强光的方式；

热激励，采用红外发光短时照射，微波短时照射。

进一步，气体分析模块安装在运动底盘的上，包含腐胺类物质气体的采集分析装置。

进一步，控制系统通过系统中预设的运行模式信息，经过管理员的模式选择来调用，选择应用场景模式，针对各个子系统分发指令进行巡检操作；同时将传感器收集的信息与网络中心进行数据传输和调用；接收计算中心中的判断结果，进一步根据预设场景模式对各个子模块进行操作，管理员可以通过控制系统向机器人进行指令操作。

进一步，计算中心接收控制系统汇总的传感器模块采集的传输信息，采用数据与历史经验数据库的模型数据比对的方式进行比对计算，当触发阈值时，报警反馈管理员并记录在数据库中；比对计算的采用成熟的YOLOV5模型计算；

利用状态推理模型和/或热成像对比模型，识别视觉摄像采集器、红外采集器采集的图像，与历史经验数据库中的模型数据进行对比，根据模型学习后得到的分别针对健康、异常、病或死的阈值进行比较，最终判断各个状态的目标的是否存在、目标数量及位置，并进行统计记录，存储；

判断为健康记录健康数据库；

判断为异常的，启动激励装置进行激励，对异常鸡施加激励后再次采集图像和红外成像与激励前的数据一起再次进行模型的比较，做双向对比判断；如判断为健康记录健康数据库，并记录曾异常；如果判定病或死，则记录到病或死数据库中，反馈给管理员进行处理；

判断为死亡的记录到死亡数据库中，反馈给管理员进行处理；

收到的气体分析模块采集的腐胺的浓度数据，预先调用风速采集装置得到的数据，计量空气流动状态，调取与历史经验数据库中的场景对比曲线，进行对比来判定腐胺的浓度是否符合养殖要求，当达到一定阈值时判定鸡的死亡和/或环境中堆积的鸡的粪便或其他影响鸡的生活环境中的有机物的腐败超过要求，记录并反馈给管理员处理。

一种巡检机器人设备的控制系统和方法，包括：

步骤1，选择使用场景，管理员输入场景状态数据，如没有数据输入则由控制系统调用预设场景库中的参数进行设备运行状态参数预设，同时反馈给计算中心，选择对应的计算比对模型；

步骤2，控制系统对机械运动部分发送指令，机械运动部分按照指令运动到使用场景初始位置；

步骤3，传感器模块各个模块启动进入准备采集模式；

步骤4，各传感器开始按照控制系统发送的指令进行数据采集，并将数据传输给控制系统；

步骤5，控制系统将各个传感器的采集数据汇总，传输给计算中心，由计算中心采用计算模型进行比对计算，计算结果进行存储，并根据判断程序按照预设程序记性判断，进行结果记录反馈管理员或进行阈值触发比较操作；

步骤6，将计算结果与预设的触发阈值进行比较，如达到出发阈值，将向控制系统发送进一步判断指令；其中所触发的阈值未通过学习模型通过前期在养殖场景中采集数据通过统计和模型学习后确定的触发数值；

步骤7，控制系统接收到进一步判断指令后，执行进一步判断程序；

步骤8，判断程序进行，再次采集状态数据，运行步骤3至步骤5，直至所有判断结果均符合最终结束条件，无需再次实行进一步判断程序，一次全流程巡检工作完成。

进一步，步骤5的具体比对内容有环境状态判断步骤5.1和鸡的状态判断步骤5.1；

步骤5.1，计算中心将气体分析模块采集环境中的腐胺的浓度数据，或采集抵近观察的异常记得周边腐胺的浓度数据， 同时调用风速采集装置得到的数据，计量空气流动状态，调取与历史经验数据库中的场景对比曲线，进行对比来判定腐胺的浓度是否符合养殖要求或有病死鸡的情况；当达到一定阈值时判定鸡的死亡和/或环境中堆积的鸡的粪便或其他影响鸡的生活环境中的有机物的腐败超过要求，记录并反馈给管理员处理；

步骤5.2，计算中心通过计算通过图像采集设备采集，利用状态推理模型和/或热成像对比模型，识别视觉摄像采集器、红外采集器采集的图像，与历史经验数据库中的模型数据进行对比，根据模型学习后得到的分别针对健康、异常、病或死的阈值进行比较，最终判断各个状态的目标的是否存在、目标数量及位置，并进行统计记录，存储；

步骤7中所述的进一步判断程序，当触发了阈值后，计算中心发送进一步判断指令给控制系统，控制系统指令出发激励装置，激励装置对出发阈值的鸡进行激励；激励之后，运行激励后状态采集，并回传数据与激励前状态进行比较就计算；

判断为异常的，启动激励装置进行激励，对异常鸡施加激励后再次采集图像和红外成像与激励前的数据一起再次进行模型的比较，做双向对比判断；如判断为健康记录健康数据库，并记录曾异常；如果判定病或死，则记录到病或死数据库中，反馈给管理员进行处理。

本发明的一种鸡的养殖巡检机器人设备、控制系统及方法具有以下优点：

1、适用不同的养殖场景，包括但不限于肉鸡、蛋鸡、观赏鸡的养殖巡检，场景适用性更广；

2、采用移动定点相结合的方式，广域采集和定点采集均可以进行模型比对，降低计算处理量的同时提高比对判断准确度；

3、通过采用运动底盘和升降模块与伸缩模块的配合，可以改变状态采集模块采样位置，实现机器人运行区域内的三维点位的任意点位摄像采集，实现大范围整体采集，逐层巡检，逐点位巡检。降低了在采用固定式图像采集或是整体范围采集的情况下，因拍摄角度或成像光线的影响造成的图像扭曲，需要对采集后的图像分区标注或成像处理进行分析中，增加计算模型负载同时由于对失真图像处理造成分析处理误判率高的问题；

4、将模型中的阈值判断中，异常状态采用激励机制进行前后状态对比检测，大大降低了误判和错判的概率，降低工作量，同时避免不必要的损失。

附图说明

下面结合附图对本发明做进一步说明：

图1为本发明的巡检机器人的整体结构示意图；

图2为本发明的系统的整体结构示意图；

图3为本发明的系统功能、数据交互示意图；

图4为本发明的巡检机器人的巡检模式示意图；

图中：1.运动底盘，2.升降模块与伸缩模块，3.传感器模块，31.目标识别平台，32.状态采集模块、33.气体分析模块34.激励装置；4.控制系统。

具体实施方式

为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种一种鸡的养殖巡检机器人设备、控制系统及方法做进一步详细的描述。

本发明的巡检机器人系统，包括巡检机器人和计算中心。

巡检机器人，主要由运动底盘1、升降模块与伸缩模块2、传感器模块3和控制系统4等构成；

运动底盘1，实现巡检机器人根据指令或信号移动到采集、判断位置；

升降模块与伸缩模块2，实现安装在其上的传感器的垂直与水平的自动运行；

传感器模块3，实现对鸡的定位、鸡和养殖环境的状态信息采集；

控制系统4，对上述子模块统一控制，并将数据集中采集汇总，进行数据存储与传输，与计算中心进行数据交互。

升降模块与伸缩模块2主要由导轨丝杠模组与电机组成。电机输出轴与丝杠通过联轴器连接，电机轴转动带动丝杠转动以使升降模块与伸缩模块2运动。实现安装在其上的传感器的垂直与水平的自动运行。

传感器模块3，包括目标识别平台31、状态采集模块32、气体分析模块33，激励装置34。

目标识别平台31，用于捕捉识别的目标，反馈给控制系统4进行定位。

状态采集模块32，包含视觉摄像采集器、红外采集器中的一种或两种，视觉摄像采集器用来对鸡的体态、活跃程度、趴伏态、站立态、进食状态图像进行采集，红外采集器对鸡的各状态下的红外热成像图进行采集。状态采集模块32安装在升降模块与伸缩模块2，可以使成像装置进行更好的对准对焦，使得拍摄更准确，成像更清晰，进一步降低算法负载，提高判断精度。

激励装置34与状态采集模块32一起集成在升降模块与伸缩模块2上，因为大多肉鸡和蛋鸡的养殖方式采用笼养方式，多数时间采取趴伏态，并不会完全站立，所以会与倒伏或者是不进食时候的体态相近，有可能会产生图像误判。

采用激励装置34刺激养殖的鸡产生警觉，这个时候会通过激励机促使鸡的状态发生改变。再通过采集激励之后的图像，与激励之前的图像进行比对，判断鸡的健康状态等。

激励装置34可以采用声音激励、光激励或热激励。

声音激励，可以采用一定分贝数的声音或是爆炸声、天敌的声音等；

光激励，可以采用直射强光，频闪强光的方式；

热激励，可以采用红外发光短时照射，微波短时照射。

气体分析模块33安装在运动底盘1的上，包含一个气体的采集分析装置，具体的说是针对腐胺类物质进行检测的组件，其作用是采集鸡舍或抵近观察鸡的周边环境中腐胺的浓度。为进一步增加准确性，在运动底盘1上设置风速采集装置，计算通风状态。

采集分析装置将环境气体采集进入样品收集器，将采集的气体溶于基液形成待检腐胺溶液，通过电化学检测方法可以间接测定环境空气中的腐胺浓度。

应用于快速检测的电化学检测方法有基于腐胺对Ru(bpy)32+电化学发光的增强效果的电化学发光值检测法和基于测定腐胺的工作电极在腐胺溶液中产生的还原峰电流值随腐胺浓度的增加而增大的原理设计的电化学生物传感器测定法；两种方法均适用于本发明的检测要求。

控制系统4，通过系统中预设的运行模式信息，经过管理员的模式选择来调用，选择应用场景模式，针对各个子系统分发指令进行巡检操作。同时将传感器收集的信息与网络中心进行数据传输和调用。接收计算中心中的判断结果，进一步根据预设场景模式对各个子模块进行操作，管理员可以通过控制系统4向机器人进行指令操作；

计算中心，接收控制系统4汇总传输的传感器模块3采集的信息，采用数据与历史经验数据库的模型数据比对的方式进行比对计算，当触发阈值时，报警反馈管理员并记录在数据库中。比对计算的采用成熟的YOLOV5模型计算。

利用状态推理模型和/或热成像对比模型，识别视觉摄像采集器、红外采集器采集的图像，与历史经验数据库中的模型数据进行对比，根据模型学习后得到的分别针对健康、异常、病或死的阈值进行比较，最终判断各个状态的目标的是否存在、目标数量及位置，并进行统计记录，存储。

判断为健康记录健康数据库。

判断为异常的，启动激励装置34进行激励，对异常鸡施加激励后再次采集图像和红外成像与激励前的数据一起再次进行模型的比较，做双向对比判断。如判断为健康记录健康数据库，并记录曾异常。如果判定病或死，则记录到病或死数据库中，反馈给管理员进行处理。

判断为死亡的记录到死亡数据库中，反馈给管理员进行处理。

收到的气体分析模块33采集的腐胺的浓度数据，预先调用风速采集装置得到的数据，计量空气流动状态，调取与历史经验数据库中的场景对比曲线，进行对比来判定腐胺的浓度是否符合养殖要求。当达到一定阈值时判定鸡的死亡和/或环境中堆积的鸡的粪便或其他影响鸡的生活环境中的有机物的腐败超过要求，记录并反馈给管理员处理。

除了这个正常自动化巡检，管理员可以通过手工设定，通过计算中心向控制系统4发送指令，进行人工巡检，针对记录中异常的鸡数量较多的鸡架单独施加更多的关注，获取判断的信息。也可以才通过操控机器人的运行路径，进行人工巡检，或者针对所获取数据的或报警有所怀疑，进行人工发送指令，通过传感器模块3对多种或一种状态参数尽进行采集，并通过模型对比，人工确认。

所有已经采集的数据记录再数据库中作为模型比对的历史数据库，增大学习样本，进一步提高所使用场景下的基础数据量，通过不断学习优化，提高使用场景下的判断准确度。

规模散养养殖场景举例：

规模散养养殖状态下，首先选择散养模式，整机系统和各个子系统根据所选择的模式进行状态参数预设，同时反馈给计算中心个，选择对应的计算比对模型。首先可以升高图像采集设备采用大范围捕捉，整体判断养殖鸡的状态，计算中心通过计算通过图像采集设备采集，利用状态推理模型和/或热成像对比模型，识别视觉摄像采集器、红外采集器采集的图像，与历史经验数据库中的模型数据进行对比，根据模型学习后得到的分别针对健康、异常、病或死的阈值进行比较，最终判断各个状态的目标的是否存在、目标数量及位置，并进行统计记录，存储。

控制系统4传回的图像中发现与场景预设计算模型的状态比对达到触发阈值时，向机器人发出异常指令，机器人将向异常鸡移动进行抵近观察进行体态、活跃度、红外成像的确认，可同时增加激励装置34的作用，采用激励装置34刺激养殖的鸡产生警觉，这个时候会通过激励机促使鸡的状态发生改变。再通过采集激励之后的图像，与激励之前的图像进行比对，判断鸡的健康状态。

判断为健康记录健康数据库。

判断为异常的，启动激励装置34进行激励，对异常鸡施加激励后再次采集图像和红外成像与激励前的数据一起再次进行模型的比较，做双向对比判断。如判断为健康记录健康数据库，并记录曾异常。如果判定病或死，则记录到病或死数据库中，反馈给管理员进行处理。

判断为死亡的记录到死亡数据库中，反馈给管理员进行处理。

在巡检过程中，气体分析模块33采集环境中的腐胺的浓度数据，或采集抵近观察的异常记得周边腐胺的浓度数据， 同时调用风速采集装置得到的数据，计量空气流动状态，调取与历史经验数据库中的场景对比曲线，进行对比来判定腐胺的浓度是否符合养殖要求或有病死鸡的情况。当达到一定阈值时判定鸡的死亡和/或环境中堆积的鸡的粪便或其他影响鸡的生活环境中的有机物的腐败超过要求，记录并反馈给管理员处理。

实际应用场景的统计数据对比：

笼养养殖场景举例：

在笼养鸡状态下，为提高养殖密度多采用多排多层、阶梯式笼养肉鸡场环境。在这样的环境中，采用固定式图像采集或是整体范围采集，之后通过图像分区标注或成像处理进行分析，容易因拍摄角度或成像光线的影响造成的图像扭曲，造成分析处理的误判率高。

首先选择笼养模式，整机系统和各个子系统根据所选择的模式进行状态参数预设，同时反馈给计算中心，选择对应的笼养计算比对模型。

本系统首先调用笼养运行模式，管理人员可以输入笼高笼长盒层数，也可通过目标识别平台31自动判断笼高笼长和层数，通过配备可升降的状态采集模块32，可以采用由低到高或由高到低逐层逐笼采集鸡的体态、活跃度、红外等图像，由于采用了此种设计摄像头可以正对每只鸡笼的正面在来进行图像采集。计算中心通过计算通过图像采集设备采集，利用状态推理模型和/或热成像对比模型，识别视觉摄像采集器、红外采集器采集的图像，与历史经验数据库中的模型数据进行对比，根据模型学习后得到的分别针对健康、异常、病或死的阈值进行比较，最终判断各个状态的目标的是否存在、目标数量及位置，并进行统计记录，存储。

控制系统4传回的图像中发现与场景预设计算模型的状态比对达到触发阈值时，向机器人发出异常指令启动激励装置34，激励装置34刺激养殖的鸡产生警觉，这个时候会通过激励促使鸡的状态发生改变。再通过采集激励之后的图像，与激励之前的图像进行比对，判断鸡的健康状态。

判断为健康记录健康数据库。

判断为异常的，启动激励装置34进行激励，对异常鸡施加激励后再次采集图像和红外成像与激励前的数据一起再次进行模型的比较，做双向对比判断。如判断为健康记录健康数据库，并记录曾异常。

如果判定病或死，则记录到病或死数据库中，反馈给管理员进行处理。

判断为死亡的记录到死亡数据库中，反馈给管理员进行处理。

这样的采集方式即将低了后期图像处理的负载，同时也提高了成像质量，由于每一个图像的成像角度均一致，比对学习模型的计算将更加有针对性，判断的准确率得到大幅提高。

在巡检过程中，气体分析模块33采集环境中的腐胺的浓度数据，同时调用风速采集装置得到的数据，计量空气流动状态，调取与历史经验数据库中的场景对比曲线，进行对比来判定腐胺的浓度是否符合养殖要求或有病死鸡的情况。当达到一定阈值时判定鸡的死亡和/或环境中堆积的鸡的粪便或其他影响鸡的生活环境中的有机物的腐败超过要求，记录并反馈给管理员处理。

进一步的在蛋鸡养殖中，可以增加产蛋量作为一个参比值，可对每只鸡或一个整体鸡架作为一个判断单元在产当量出现超出均值方差之后，单只鸡或整个鸡架的鸡进行增加频度的巡检，以求及时发现状态异常的鸡。或做清理处置或进行淘汰。

实际应用场景的数据对比：

从上述数据对比中，可以看出，采用本系统比以往的固定广角采集和移动广角采集系统，准确的得到明显提高，误判比率和漏判比率都有很大改善。从病死率上看也明显降低了，分析原因应该是由于漏判比率的明显降低，使得病死鸡对健康鸡的传染和影响都得到有效控制所起的功效。

本文中提到的历史经验数据库和使用场景数据库，以及状态对比模型和推理模型，均为前期养殖场跟踪研究中，大量积累的养殖鸡的各种状态和环境数据，经过整理、分类、标记、汇总、分析、模型构建、模型学习，最终建立的经验和场景数据库和模型库。所采用的学习模型为已经成熟的YOLOv5网络结构。

具体方法为采集鸡的各种状态图像；对收集的数据集进行标注，鸡的位置坐标信息、鸡尺寸长宽信息以及鸡类别信息和各种状态对应标注。选定YOLOv5网络结构作为基准网络，该基础网络的Backbone主要包括Focus结构将数据分为训练验证集和测试集，且将训练验证集划分为训练集和验证集，即可完成图像输入前的所有预处理。设置模型训练参数，对目标检测模型进行训练及优化：在GPU服务器上搭建训练模型所用的虚拟环境，完成后将训练集输入YOLOv5网络结构进行目标检测模型训练，训练完成后即可得到用于鸡的状态识别检测的推理模型。根据验证得到的效果，对模型进行优化，最后得到效果相对最好的模型。

可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。

Claims (10)

1.一种鸡的养殖巡检机器人设备，其特征在于，主要由运动底盘(1)、升降模块与伸缩模块(2)、传感器模块(3)和控制系统(4)构成；

运动底盘(1)，实现巡检机器人根据指令或信号移动到采集、判断位置；

升降模块与伸缩模块(2)，实现安装在其上的传感器的垂直与水平的自动运行；

传感器模块(3)，实现对鸡的定位、鸡和养殖环境的状态信息采集；

控制系统(4)，对上述子模块统一控制，并将数据集中采集汇总，进行数据存储与传输，与计算中心进行数据交互。

2.根据权利要求1所述的鸡的养殖巡检机器人设备，其特征在于，

升降模块与伸缩模块(2)由导轨丝杠模组与电机组成，电机输出轴与丝杠通过联轴器连接，电机轴转动带动丝杠转动以使升降模块与伸缩模块(2)运动；

传感器模块(3)，包括目标识别平台(31)、状态采集模块(32)、气体分析模块(33)，激励装置(34)；

目标识别平台(31)，用于捕捉识别的目标，反馈给控制系统(4)进行定位。

3.根据权利要求2所述的鸡的养殖巡检机器人设备，其特征在于，

状态采集模块(32)安装在升降模块与伸缩模块(2)，状态采集模块(32)，包括视觉摄像采集器和红外采集器，视觉摄像采集器采集鸡的体态、活跃程度、趴伏态、站立态、进食状态图像，红外采集器采集鸡的红外热成像图，

控制系统(4)接受人工指令，控制各模块运行。

4.根据权利要求2所述的鸡的养殖巡检机器人设备，其特征在于，

激励装置(34)与状态采集模块(32)集成在升降模块与伸缩模块(2)上，激励装置(34)刺激养殖的鸡产生警觉，状态采集模块(32)将采集激励之后的图像传回计算中心，与激励之前的图像进行比对，判断鸡的健康状态。

5.根据权利要求4所述的鸡的养殖巡检机器人设备，其特征在于，

激励装置(34)采用声音激励、光激励或热激励；

声音激励，采用爆炸声、天敌的声音；

光激励，采用直射强光，频闪强光的方式；

热激励，采用红外发光短时照射，微波短时照射。

6.根据权利要求2所述的鸡的养殖巡检机器人设备，其特征在于，

气体分析模块(33)安装在运动底盘(1)的上，包含腐胺类物质气体的采集分析装置。

7.根据权利要求1-6任意一项所述的鸡的养殖巡检机器人设备，其特征在于，

控制系统(4)通过系统中预设的运行模式信息，经过管理员的模式选择来调用，选择应用场景模式，针对各个子系统分发指令进行巡检操作；同时将传感器收集的信息与网络中心进行数据传输和调用；接收计算中心中的判断结果，进一步根据预设场景模式对各个子模块进行操作，管理员可以通过控制系统(4)向机器人进行指令操作。

8.根据权利要求2-6任意一项所述的鸡的养殖巡检机器人设备，其特征在于，

计算中心接收控制系统(4)汇总的传感器模块(3)采集的传输信息，采用数据与历史经验数据库的模型数据比对的方式进行比对计算，当触发阈值时，报警反馈管理员并记录在数据库中；比对计算的采用成熟的YOLOV5模型计算；

利用状态推理模型和/或热成像对比模型，识别视觉摄像采集器、红外采集器采集的图像，与历史经验数据库中的模型数据进行对比，根据模型学习后得到的分别针对健康、异常、病或死的阈值进行比较，最终判断各个状态的目标的是否存在、目标数量及位置，并进行统计记录，存储；

判断为健康记录健康数据库；

判断为异常的，启动激励装置(34)进行激励，对异常鸡施加激励后再次采集图像和红外成像与激励前的数据一起再次进行模型的比较，做双向对比判断；如判断为健康记录健康数据库，并记录曾异常；如果判定病或死，则记录到病或死数据库中，反馈给管理员进行处理；

判断为死亡的记录到死亡数据库中，反馈给管理员进行处理；

收到的气体分析模块(33)采集的腐胺的浓度数据，预先调用风速采集装置得到的数据，计量空气流动状态，调取与历史经验数据库中的场景对比曲线，进行对比来判定腐胺的浓度是否符合养殖要求，当达到一定阈值时判定鸡的死亡和/或环境中堆积的鸡的粪便或其他影响鸡的生活环境中的有机物的腐败超过要求，记录并反馈给管理员处理。

9.一种基于权利要求1所述的鸡的养殖巡检机器人设备的控制系统(4)和方法，其特征在于，

步骤1，选择使用场景，管理员输入场景状态数据，如没有数据输入则由控制系统(4)调用预设场景库中的参数进行设备运行状态参数预设，同时反馈给计算中心，选择对应的计算比对模型；

步骤2，控制系统(4)对机械运动部分发送指令，机械运动部分按照指令运动到使用场景初始位置；

步骤3，传感器模块(3)各个模块启动进入准备采集模式；

步骤4，各传感器开始按照控制系统(4)发送的指令进行数据采集，并将数据传输给控制系统(4)；

步骤5，控制系统(4)将各个传感器的采集数据汇总，传输给计算中心，由计算中心采用计算模型进行比对计算，计算结果进行存储，并根据判断程序按照预设程序记性判断，进行结果记录反馈管理员或进行阈值触发比较操作；

步骤6，将计算结果与预设的触发阈值进行比较，如达到出发阈值，将向控制系统(4)发送进一步判断指令；其中所触发的阈值未通过学习模型通过前期在养殖场景中采集数据通过统计和模型学习后确定的触发数值；

步骤7，控制系统(4)接收到进一步判断指令后，执行进一步判断程序；

步骤8，判断程序进行，再次采集状态数据，运行步骤3至步骤5，直至所有判断结果均符合最终结束条件，无需再次实行进一步判断程序，一次全流程巡检工作完成。

10.根据权利要求9所述的鸡的养殖巡检机器人设备的控制系统(4)和方法，其特征在于，

步骤5的具体比对内容有环境状态判断步骤5.1和鸡的状态判断步骤5.1；

步骤5.1，计算中心将气体分析模块(33)采集环境中的腐胺的浓度数据，或采集抵近观察的异常记得周边腐胺的浓度数据，同时调用风速采集装置得到的数据，计量空气流动状态，调取与历史经验数据库中的场景对比曲线，进行对比来判定腐胺的浓度是否符合养殖要求或有病死鸡的情况；当达到一定阈值时判定鸡的死亡和/或环境中堆积的鸡的粪便或其他影响鸡的生活环境中的有机物的腐败超过要求，记录并反馈给管理员处理；

步骤5.2，计算中心通过计算通过图像采集设备采集，利用状态推理模型和/或热成像对比模型，识别视觉摄像采集器、红外采集器采集的图像，与历史经验数据库中的模型数据进行对比，根据模型学习后得到的分别针对健康、异常、病或死的阈值进行比较，最终判断各个状态的目标的是否存在、目标数量及位置，并进行统计记录，存储；

步骤7中所述的进一步判断程序，当触发了阈值后，计算中心发送进一步判断指令给控制系统(4)，控制系统(4)指令出发激励装置(34)，激励装置(34)对出发阈值的鸡进行激励；激励之后，运行激励后状态采集，并回传数据与激励前状态进行比较就计算；

判断为健康记录健康数据库；

判断为异常的，启动激励装置(34)进行激励，对异常鸡施加激励后再次采集图像和红外成像与激励前的数据一起再次进行模型的比较，做双向对比判断；如判断为健康记录健康数据库，并记录曾异常；如果判定病或死，则记录到病或死数据库中，反馈给管理员进行处理；

判断为死亡的记录到死亡数据库中，反馈给管理员进行处理。

Images