TW202242352A

TW202242352A - 自動化動物體重測量系統及方法

Info

Publication number: TW202242352A
Application number: TW110115423A
Authority: TW
Inventors: 蔡燿全; 謝廣文; 諶瑞彬; 賴姵語
Original assignee: 國立中興大學
Priority date: 2021-04-28
Filing date: 2021-04-28
Publication date: 2022-11-01
Also published as: TWI792290B

Abstract

本發明提供一種自動化動物體重測量系統及方法，該系統包括：一中間平台；一秤重平台，與該中間平台相連接；一重量感測器，用於感測該秤重平台上的至少一目標動物的總重量；一影像偵測器，用於偵測該秤重平台上的該至少一目標動物的圖像；一監測系統，用於接收該至少一目標動物的總重量及該至少一目標動物的圖像，並顯示該至少一目標動物的一第一重量參數的數據；以及一遠端監控系統，用於遠端監控該至少一目標動物的圖像及該第一重量參數的數據。因此，可對目標場域內的該目標動物的健康與生理狀態進行有效管理及控制。

Description

自動化動物體重測量系統及方法

本發明係關於一種自動化動物體重測量系統及方法，特別係關於一種用於家禽類動物的自動化動物體重測量系統及方法。

在家禽養殖場中，飼養人員通常是透過觀察家禽的體重來評估家禽的健康及生理狀況。傳統的吊掛式秤重工具需要依賴人工進行檢測、紀錄及評估，這不僅耗費人力還須付出許多時間成本；而平台式秤重工具雖然可利用雞隻喜歡站在高處的習性來直接透過秤重感測器測量平台上的雞隻的體重，但在執行測量前，需先收集大量的雞隻體重數據以定義出標準體重範圍，接著將量測到的體重與標準體重範圍相比以獲得平台上的雞隻數量，並換算出雞隻的平均體重，然而，這樣的方式無法精確判斷平台上的雞隻的數量，也需要人工事先收集大量已知的雞隻的體重數據。

中華民國專利公告第TWI674552B號公開一種畜禽重量判斷系統，此種系統結合一RFID感測膜組、一秤重單元及一處理單元來量測一目標動物的體重，其中該RFID感測膜組透過感測一辨識標籤來得知該目標動物的身分，並記錄該目標動物的體重。然而，這種畜禽重量判斷系統無法適用於飼養數量龐大的家禽養殖場。

因此，需要開發一種具有自動辨識動物數量功能的動物體重測量系統，以便在降低人力與時間成本的情況下取得準確的平均體重數據，且使用者可不受限於所在位置來即時查看與分析取得的平均體重數據，這將有助於對目標場域內的動物的健康與生理狀態進行有效的管理及控制。

本發明之主要目的在於提供一種自動化動物體重測量系統，該系統結合影像偵測器、重量感測器及監測系統來自動且有效地辨識動物數量，如此可在降低人力與時間成本的情況下取得準確的平均體重數據，從而對目標場域內的動物的健康與生理狀態進行有效的管理及控制。

為達上述之目的，本發明提供一種自動化動物體重測量系統，該系統包括：一中間平台；一秤重平台，透過至少兩個柱體與該中間平台相連接；一重量感測器，用於感測該秤重平台上的至少一目標動物的總重量；一影像偵測器，設置在該中間平台下方，並用於偵測該秤重平台上的該至少一目標動物的圖像；一監測系統，包括一微處理器及一近端顯示器，其中該微處理器被設置在該中間平台上，並接收該至少一目標動物的總重量及該至少一目標動物的圖像，而該近端顯示器用於顯示該至少一目標動物的一第一重量參數的數據；以及一遠端監控系統，與該監控系統進行無線傳輸，以便遠端監控該至少一目標動物的圖像以及該第一重量參數的數據。

在本發明的一實施例中，該微處理器包括：一辨識模組，內建一座標辨識系統，並用於辨識從該影像偵測器接收到的該圖像中的該至少一目標動物的數量；及一運算模組，內建一運算法則，並用於運算該至少一目標動物的該第一重量參數。

在本發明的一實施例中，該遠端監控系統包括：一雲端資料庫，用於儲存該至少一目標動物的圖像以及該第一重量參數的數據；一遠端處理器，用於根據儲存在該雲端資料庫中的該第一重量參數的多個數據計算出該至少一目標動物的一第二重量參數；及一遠端顯示器，用於顯示該至少一目標動物的圖像以及該第一重量參數與該第二重量參數的數據。

在本發明的一實施例中，該第一重量參數為該至少一目標動物的平均重量，以及該第二重量參數為該至少一目標動物的平均重量的標準差。

在本發明的一實施例中，該自動化動物體重測量系統進一步包括至少一LED燈條，該至少一LED燈條設置在該中間平台下方。

為達上述目的，本發明還提供一種自動化動物體重測量方法，該方法包括以下步驟：S10、在一目標場域內設置至少一自動化動物體重測量系統；S20、透過一重量感測器感測一秤重平台上的至少一目標動物的總重量，並將該至少一目標動物的總重量傳送至一監測系統的一微處理器；S30、透過一影像偵測器偵測該秤重平台上的該至少一目標動物的圖像，並將該至少一目標動物的圖像傳送至該監測系統的該微處理器；S40、該微處理器的一辨識模組利用一座標辨識系統辨識步驟S30接收到的該圖像中的該至少一目標動物的數量；S50、該微處理器的一運算模組利用一運算法則將步驟S20感測到的該至少一目標動物的總重量與步驟S40辨識出的該至少一目標動物的數量結合，以計算出該至少一目標動物的一第一重量參數；及S60、透過該監測系統的一近端顯示器顯示出該至少一目標動物的該第一重量參數的數據。

在本發明的一實施例中，該自動化動物體重測量方法進一步包括：將該至少一目標動物的圖像及該第一重量參數的數據儲存在一遠端監控系統的一雲端資料庫中。

在本發明的一實施例中，該自動化動物體重測量方法進一步包括：該遠端監控系統的一遠端處理器根據儲存在該雲端資料庫中的該第一重量參數的多個數據，計算出該至少一目標動物的一第二重量參數。

在本發明的一實施例中，該自動化動物體重測量方法進一步包括：透過該遠端監控系統的一遠端顯示器顯示出該至少一目標動物的圖像以及該第一重量參數與該第二重量參數的數據。

在本發明的一實施例中，在步驟S40中，該座標辨識系統定義出該秤重平台的中心及該至少一目標動物中每一隻的重心，以便根據兩點之間的距離辨識該秤重平台上的該至少一目標動物的數量。

在本發明的一實施例中，在步驟S10之前，對該微處理器進行該目標動物的深度辨識學習，並利用一混淆矩陣法評估該自動化動物體重測量系統對位在該秤重平台上的該至少一目標動物的數量的辨識準確率。

在詳細說明本發明的至少一實施例之前，應當理解的是本發明並非必要受限於其應用在以下描述中的多個示例所舉例說明的多個細節，且多個附圖及所附的描述僅用於使本發明的該多個示例更容易及更清楚被理解。本發明能夠爲其他的實施例或者以各種方式被實施或實現。

本文中所揭露的大小和數值不應意圖被理解為嚴格限於所述精確數值，除非另外指明，各種大小旨在表示所引用的數值以及功能上與所述數值相同的範圍。

請參照圖1及圖2所示，本發明提供一種自動化動物體重測量系統10，該系統包括：一中間平台100；一秤重平台102，透過至少兩個柱體104與該中間平台100相連接；一重量感測器106，設置在該中間平台100上方，並用於感測該秤重平台102上的至少一目標動物的總重量；一影像偵測器108，設置在該中間平台100下方，並用於偵測該秤重平台102上的該至少一目標動物的圖像；一監測系統200，包括一微處理器202及一近端顯示器204，其中該微處理器202被設置在該中間平台100上，並接收該至少一目標動物的總重量及該至少一目標動物的圖像，而該近端顯示器204用於顯示該至少一目標動物的一第一重量參數WP1的數據；以及一遠端監控系統300，包括一雲端資料庫302、一遠端處理器304及一遠端顯示器306，其中該遠端監控系統300與該監測系統200進行無線傳輸(圖中虛線箭頭)，以便遠端監控該至少一目標動物的圖像以及該第一重量參數WP1的數據。

該微處理器202包括一辨識模組2022及一運算模組2026，該辨識模組2022內建一座標辨識系統2024，並用於辨識從該影像偵測器108接收到的該圖像中的該至少一目標動物的數量N，而該運算模組2026內建一運算法則2028，並用於運算該至少一目標動物的該第一重量參數WP1。

在該遠端監控系統300中，該雲端資料庫302用於儲存該至少一目標動物的圖像及該第一重量參數WP1的數據，該遠端處理器304用於根據儲存在該雲端資料庫302中的該第一重量參數WP1的多個數據計算出該至少一目標動物的一第二重量參數WP2，而該遠端顯示器306用於顯示該至少一目標動物的圖像，以及顯示該至少一目標動物的該第一重量參數WP1與該第二重量參數WP2的數據。

在本發明的一實施例中，該至少一目標動物為家禽類，例如，雞、鴨或鵝。

在本發明的一實施例中，該第一重量參數WP1為該至少一目標動物的平均重量，以及該第二重量參數WP2為該至少一目標動物的平均重量的標準差，其中該第二重量參數WP2依照測量條件或分析目的可為日標準差、週標準差或月標準差等。

在本發明的一實施例中，該中間平台100與該秤重平台102之間的距離介於120公分至140公分，優選為130公分，該距離防止該至少一目標動物跳至該中間平台100上，從而避免該重量感測器106感測到該至少一目標動物的重量，而該影像偵測器108未偵測到該至少一目標動物的圖像。

在本發明的一實施例中，該自動化動物體重測量系統10進一步包括至少一LED燈條110，該至少一LED燈條110設置在該中間平台100下方。

在本發明的一優選的實施例中，該影像偵測器108被設置在該中間平台100下方的中心處，兩個該LED燈條110等距地設置在該影像偵測器108的兩側，如此使該影像偵測器108的拍攝範圍內具有足夠且均勻的光線，從而提高該辨識模組2022對於接收到的該圖像中的該至少一目標動物的有效辨識。

請參照圖3所示，本發明提供另一種自動化動物體重測量系統20，該系統包括：一秤重平台102；一底部平台112，透過至少兩個柱體104與該秤重平台102相連接；一重量感測器106，設置在該底部平台112下方；一影像偵測器108，設置在該底部平台112上；至少一LED燈條110，設置在該秤重平台102上，並用於為該影像偵測器108提供足夠的光線；該一監測系統200，包括一微處理器202及一近端顯示器204，其中該微處理器202及該近端顯示器204可設置在該系統周圍的任何平面處；以及一遠端監控系統300，與該監測系統200進行無線連接，並包括一雲端資料庫302、一遠端處理器304及一遠端顯示器306。在一實施例中，該秤重平台102由透明材料製成，如壓克力，以便該影像偵測器108透過該秤重平台102偵測該至少一目標動物的圖像。以上各種系統及元件的功能已於上文詳細描述，故在此將不再贅述。

請參照圖4所示，本發明提供另一種自動化動物體重測量系統30，該系統包括：一秤重平台102；一重量感測器106，設置在該秤重平台102下方；一影像偵測器108，設置在該秤重平台102上方；一監測系統200，包括一微處理器202及一近端顯示器204，其中該微處理器202及該近端顯示器204可設置在該系統周圍的任何平面處；以及一遠端監控系統300，與該監測系統200進行無線連接，並包括一雲端資料庫302、一遠端處理器304及一遠端顯示器306。以上各種系統及元件的功能已於上文詳細描述，故在此將不再贅述。

請參照圖2及圖5所示，本發明提供使用上述自動化動物體重測量系統的一種自動化動物體重測量方法，該方法主要包括以下步驟：S10、在一目標場域內設置至少一自動化動物體重測量系統10；S20、透過一重量感測器106感測一秤重平台102上的至少一目標動物的總重量，並將該至少一目標動物的總重量傳送至一監測系統200的一微處理器202；S30、透過一影像偵測器108偵測該秤重平台102上的該至少一目標動物的圖像，並將該至少一目標動物的圖像傳送至該監測系統200的該微處理器202；S40、該微處理器202的一辨識模組2022利用一座標辨識系統2024辨識步驟S30所接收到的該圖像中的該至少一目標動物的數量N；S50、該微處理器202的一運算模組2026利用一運算法則2028將步驟S20所感測到的該至少一目標動物的總重量與步驟S40所辨識出的該至少一目標動物的數量N結合，以計算出該至少一目標動物的一第一重量參數WP1；及S60、透過該監測系統200的一近端顯示器204顯示出該至少一目標動物的該第一重量參數WP1的數據。

本發明提供之自動化動物體重測量方法首先係：S10、在一目標場域內設置至少一自動化動物體重測量系統10。在此步驟中，使用者可根據一目標飼養場域的面積大小、目標動物的成長階段等因素來調整該自動化動物體重測量系統10的設置數量。在本發明的一實施例中，在長度約70至90公尺、寬度約20至30公尺的飼養場域中，使用者可設置兩個該自動化動物體重測量系統10。

本發明提供之自動化動物體重測量方法接著係：S20、透過一重量感測器106感測一秤重平台102上的至少一目標動物的總重量，並將該至少一目標動物的總重量傳送至一監測系統200的一微處理器202。在此步驟中，使用者可依照需求事先在該微處理器202中設定該重量感測器106的一感測頻率。例如，該感測頻率可為每天3次、每天6次、每小時2次或每小時6次，優選為每小時4次。

本發明提供之自動化動物體重測量方法接著係：S30、透過一影像偵測器108偵測該秤重平台102上的該至少一目標動物的圖像，並將該至少一目標動物的圖像傳送至該監測系統200的該微處理器202。在此步驟中，該影像偵測器108是依照步驟S20所述之該重量感測器106的該感測頻率來偵測該秤重平台102上的該至少一目標動物的圖像，如此同步取得該至少一目標動物的圖像及總重量。

本發明提供之自動化動物體重測量方法接著係：S40、該微處理器202的一辨識模組2022利用一座標辨識系統2024辨識步驟S30所接收到的該圖像中的該至少一目標動物的數量N。在此步驟中，該座標辨識系統2024定義出該圖像中的該秤重平台102的中心及該至少一目標動物中每一隻的重心，接著計算該秤重平台102的中心與該目標動物的重心之間的距離，然後比較該兩點之間的距離與一預先設定的平台半徑的關係，若某目標動物的重心與該秤重平台102的中心之間的距離大於該預先設定的平台半徑，則判定此目標動物沒有站在該秤重平台102上(例如，僅有身體前半部位於該秤重平台102內，但腳未站在該秤重平台102上)，如此可辨識與該重量感測器106感測到的總重量相關的該至少一目標動物的數量。

在本發明的一實施例中，該預先設定的平台半徑小於或等於該秤重平台102的實際半徑。

本發明提供之自動化動物體重測量方法接著係：S50、該微處理器202的一運算模組2026利用一運算法則2028將步驟S20所感測到的該至少一目標動物的總重量與步驟S40所辨識出的該至少一目標動物的數量N結合，以計算出該至少一目標動物的一第一重量參數WP1。在此步驟中，該運算模組2026將該重量感測器106感測到的該至少一目標動物的總重量除以該辨識模組2022辨識到的該至少一目標動物的數量N，以計算出該至少一目標動物的該第一重量參數WP1，即平均重量。

本發明提供之自動化動物體重測量方法最後係：S60、透過該監測系統200的一近端顯示器204顯示出該至少一目標動物的該第一重量參數WP1的數據。在此步驟中，該微處理器202將步驟S50計算出的該至少一目標動物的平均重量傳送至在目標飼養場域內的該近端顯示器204，以便使用者直接於該目標飼養場域觀察到該平均重量的數值。

本發明提供之自動化動物體重測量方法進一步包括：S71、將該至少一目標動物的圖像以及該第一重量參數WP1的數據儲存在一遠端監控系統300的一雲端資料庫302中。在此步驟中，該微處理器202透過無線傳輸將該至少一目標動物的平均重量傳送至該雲端資料庫302進行儲存。

本發明提供之自動化動物體重測量方法進一步包括：S72、該遠端監控系統300的一遠端處理器304根據儲存在該雲端資料庫302中的該第一重量參數WP1的多個數據，計算出該至少一目標動物的一第二重量參數WP2。在此步驟中，該遠端處理器304從該雲端資料庫302取得每日接收到的該至少一目標動物的平均重量的多個數據，並計算出該至少一目標動物的該第二重量參數WP2，即平均重量的日標準差。此外，該遠端處理器304可同時比較該至少一目標動物在一段時間內(例如，三個月內)的該平均重量的日標準差。

本發明提供之自動化動物體重測量方法進一步包括：S73、透過該遠端監控系統300的一遠端顯示器306顯示出該至少一目標動物的圖像以及該第一重量參數WP1與該第二重量參數WP2的數據。在此步驟中，該遠端顯示器306可顯示出與評估該至少一目標動物的重量相關的任何資訊，例如，步驟S30偵測到的該至少一目標動物的圖像、步驟S60計算出的該至少一目標動物的平均重量、步驟S72計算出的該至少一目標動物的平均重量的標準差等。

在進行步驟S10之前，本發明提供之自動化動物體重測量方法進一步包括：S01、對該微處理器202進行該目標動物的深度辨識學習，並利用一混淆矩陣法(Confusion Matrix)評估該自動化動物體重測量系統10對位在該秤重平台102上的該至少一目標動物的數量的辨識準確率。在此步驟中，利用一物件偵測演算工具(如Mask R-CNN)作為該微處理器202辨識該目標動物的深度學習架構，接著透過所述辨識模組2022中的該座標辨識系統2024辨識該秤重平台102上的該至少一目標動物的數量，最後利用該混淆矩陣法比較人工計數(實際)與深度學習計數(預測)的結果，進而評估該深度學習架構的可行性，下文將詳細說明該混淆矩陣法的分析方式。

以下為混淆矩陣法的四個判定指標及應用這些指標的分析方式：

	實際為真	實際為非
預測為真	真陽性(TP)	偽陽性(FP)
預測為非	偽陰性(FN)	真陰性(TN)

其中：真陽性(TP)意指人工計數「有」，深度學習計數「有」的個數；偽陽性(FP)意指人工計數「沒有」，深度學習計數「有」的個數；偽陰性(FN) 意指人工計數「有」，深度學習計數「沒有」的個數；及真陰性(TN) 意指人工計數「沒有」，深度學習計數「沒有」的個數。

在該混淆矩陣法中，以TP/(TP+FP)表示該深度學習架構的精確率(precision)，並且以TP/(TP+FN)表示該深度學習架構的召回率(recall)，精確率越高代表深度學習架構判斷為真且符合真實情況的數量越多，而召回率越高代表實際情況為真且深度學習架構正確判斷出來的數量越多。

以下提供將本發明所述之自動化動物體重測量系統及方法應用於測量一土雞飼養場中的紅羽公雞及紅羽母雞的重量的多個實驗結果。

1. 深度學習架構的可行性評估：根據下面表1及表2可知，無論是用於辨識紅羽公雞(表1)或紅羽母雞(表2)的深度學習架構，其精確率皆大於95%且召回率皆大於90%，如此證明所採用的深度學習架構能夠有效判斷位在該秤重平台上的雞隻的數量，從而提高本發明的自動化動物體重測量系統評估雞隻平均重量的適用性。

[表1] 針對紅羽公雞的深度學習架構的混合矩陣評估結果

隻數	實際為真	實際為非
預測為真	TP=426	FP=8
預測為非	FN=32	-
精確率 = 426/(426+8)100% = 98.2% 召回率 = 426/(426+32)100% = 93.0%

[表2] 針對紅羽母雞的深度學習架構的混合矩陣評估結果

隻數	實際為真	實際為非
預測為真	TP=396	FP=8
預測為非	FN=37	-
精確率 = 396/(396+8)100% = 98.0% 召回率 = 396/(396+37)100% = 91.5%

2、比較利用深度學習計數與人工計數所得隻數來換算出的雞隻的平均重量：如圖6及圖7所示，在三個月的飼養週期中，分別利用深度學習計數方式或人工計數方式，每天記錄紅羽公雞(圖6)或紅羽母雞(圖7)的平均重量，實線是透過人工計數出的隻數來換算雞隻的平均重量，虛線則是透過深度學習計數出的隻數來自動換算雞隻的平均重量。無論是在紅羽公雞或紅羽母雞的實驗結果中，皆可觀察到深度學習計數組別與人工計數組別在各個時間點呈現出的平均重量的數值均相近，且兩組別的平均重量趨勢線大致貼合，如此證明本發明的深度學習計數可取代人工計數來有效評估雞隻平均重量。

3、分析雞隻平均重量的日標準差：如圖8及圖9所示，在三個月的飼養週期中，透過本發明的自動化動物體重測量系統及方法，將紅羽公雞(圖8)或紅羽母雞(圖9)每天收集到的多個平均重量的數據進一步換算成日標準差。無論是在紅羽公雞或紅羽母雞的實驗結果中，皆可觀察到飼養後期的雞隻平均體重的日標準差越來越大，推斷可能是因為成年的雞隻相較於幼年的雞隻較容易發生鬥爭，如此在進食時，瘦弱的雞隻無法與強壯的雞隻競爭食物，進而導致雞隻間顯著的體型差異。由此可知，平均重量的標準差有助於監控雞隻整體的健康狀態，若平均體重的標準差越來越大，則可考慮分區飼養以穩定雞隻的平均體重。

綜上所述，本發明的自動化動物體重測量系統及方法可自動且有效地測量一目標場域內的目標動物的平均重量，並且可進一步將該目標動物的平均重量的多個數據換算成標準差，如此根據這些與目標動物的重量相關的資訊可分析季節氣候、環境狀況等因素對該目標場域內的該目標動物的健康與生理狀態的影響，以作為對該目標場域進行管理與控制的參考依據。

雖然本發明已以多個較佳實施例揭露，然其並非用以限制本發明，僅用以使具有通常知識者能夠清楚瞭解本說明書的實施內容。本領域中任何熟習此項技藝之人士，在不脫離本發明之精神和範圍內，當可作各種更動、替代與修飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

10、20、30:自動化動物體重測量系統 100:中間平台 102:秤重平台 104:柱體 106:重量感測器 108:影像偵測器 110:LED燈條 112:底部平台 200:監測系統 202:微處理器 204:近端顯示器 2022:辨識模組 2024:座標辨識系統 2026:運算模組 2028:運算法則 300:遠端監控系統 302:雲端資料庫 304:遠端處理器 306:遠端顯示器 N:數量 WP1:第一重量參數 WP2:第二重量參數 S01-S73:步驟

[圖1]為根據本發明的一實施例的一種自動化動物體重測量系統的裝置示意圖。 [圖2]為根據本發明的一實施例的一種自動化動物體重測量系統的運作方塊示意圖。 [圖3] 為根據本發明的一實施例的另一種自動化動物體重測量系統的示意圖。 [圖4] 為根據本發明的一實施例的另一種自動化動物體重測量系統的示意圖。 [圖5] 為根據本發明的一實施例的一種自動化動物體重測量方法的流程方塊圖。 [圖6] 顯示利用深度學習計數與人工計數所得隻數來運算出的紅羽公雞的平均重量。 [圖7] 顯示利用深度學習計數與人工計數所得隻數來運算出的紅羽母雞的平均重量。 [圖8] 顯示出紅羽公雞在一飼養週期中的平均重量的日標準差。 [圖9] 顯示出紅羽母雞在一飼養週期中的平均重量的日標準差。

10:自動化動物體重測量系統

100:中間平台

102:秤重平台

104:柱體

106:重量感測器

108:影像偵測器

110:LED燈條

202:微處理器

204:近端顯示器

300:遠端監控系統

302:雲端資料庫

304:遠端處理器

306:遠端顯示器

Claims

一種自動化動物體重測量系統，包含：一中間平台；一秤重平台，透過至少兩個柱體與該中間平台相連接；一重量感測器，用於感測該秤重平台上的至少一目標動物的總重量；一影像偵測器，設置在該中間平台下方，並用於偵測該秤重平台上的該至少一目標動物的圖像；一監測系統，包含：一微處理器，設置在該中間平台上，並接收該至少一目標動物的總重量及該至少一目標動物的圖像；及一近端顯示器，用於顯示該至少一目標動物的一第一重量參數的數據；以及一遠端監控系統，與該監控系統進行無線傳輸，以便遠端監控該至少一目標動物的圖像以及該第一重量參數的數據。
如請求項1所述之自動化動物體重測量系統，其中該微處理器包含：一辨識模組，內建一座標辨識系統，並用於辨識從該影像偵測器接收到的該圖像中的該至少一目標動物的數量；及一運算模組，內建一運算法則，並用於運算該至少一目標動物的該第一重量參數。
如請求項1所述之自動化動物體重測量系統，其中該遠端監控系統包含：一雲端資料庫，用於儲存該至少一目標動物的圖像及該第一重量參數的數據；一遠端處理器，用於根據儲存在該雲端資料庫中的該第一重量參數的多個數據計算出該至少一目標動物的一第二重量參數；及一遠端顯示器，用於顯示該至少一目標動物的圖像以及該第一重量參數與該第二重量參數的數據。
如請求項1或3所述之自動化動物體重測量系統，其中該第一重量參數為該至少一目標動物的平均重量，以及該第二重量參數為該至少一目標動物的平均重量的標準差。
如請求項1所述之自動化動物體重測量系統，其中該自動化動物體重測量系統進一步包含至少一LED燈條，該至少一LED燈條設置在該中間平台下方。
一種自動化動物體重測量方法，包含以下步驟： (S10) 在一目標場域內設置至少一自動化動物體重測量系統； (S20) 透過一重量感測器感測一秤重平台上的至少一目標動物的總重量，並將該至少一目標動物的總重量傳送至一監測系統的一微處理器； (S30) 透過一影像偵測器偵測該秤重平台上的該至少一目標動物的圖像，並將該至少一目標動物的圖像傳送至該監測系統的該微處理器； (S40) 該微處理器的一辨識模組利用一座標辨識系統辨識(S30)接收到的該圖像中的該至少一目標動物的數量； (S50) 該微處理器的一運算模組利用一運算法則將(S20)感測到的該至少一目標動物的總重量與(S40)辨識出的該至少一目標動物的數量結合，以計算出該至少一目標動物的一第一重量參數；及 (S60) 透過該監測系統的一近端顯示器顯示出該至少一目標動物的該第一重量參數的數據。
如請求項6所述之自動化動物體重測量方法，其中該自動化動物體重測量方法進一步包含：將該至少一目標動物的圖像及該第一重量參數的數據儲存在一遠端監控系統的一雲端資料庫中。
如請求項7所述之自動化動物體重測量方法，其中該系統進一步包含：該遠端監控系統的一遠端處理器根據儲存在該雲端資料庫中的該第一重量參數的多個數據，計算出該至少一目標動物的一第二重量參數。
如請求項8所述之自動化動物體重測量方法，其中該系統進一步包含：透過該遠端監控系統的一遠端顯示器顯示出該至少一目標動物的圖像以及該第一重量參數與該第二重量參數的數據。
如請求項6或8所述之自動化動物體重測量方法，其中該第一重量參數為該至少一目標動物的平均重量，以及該第二重量參數為該至少一目標動物的平均重量的標準差。
如請求項6所述之自動化動物體重測量方法，其中在步驟(S40)中，該座標辨識系統定義出該秤重平台的中心及該至少一目標動物中每一隻的重心，以便根據兩點之間的距離辨識該秤重平台上的該至少一目標動物的數量。
如請求項6所述之自動化動物體重測量方法，其中在步驟(S10)之前，對該微處理器進行該目標動物的深度辨識學習，並利用一混淆矩陣法評估該自動化動物體重測量系統對位在該秤重平台上的該至少一目標動物的數量的辨識準確率。