CN103475736A - 一种传感器通信***及其利用该***进行监控的方法 - Google Patents
一种传感器通信***及其利用该***进行监控的方法 Download PDFInfo
- Publication number
- CN103475736A CN103475736A CN2013104413738A CN201310441373A CN103475736A CN 103475736 A CN103475736 A CN 103475736A CN 2013104413738 A CN2013104413738 A CN 2013104413738A CN 201310441373 A CN201310441373 A CN 201310441373A CN 103475736 A CN103475736 A CN 103475736A
- Authority
- CN
- China
- Prior art keywords
- data
- domestic animal
- video
- monitoring center
- remote monitoring
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 16
- 241001465754 Metazoa Species 0.000 claims description 79
- 230000037213 diet Effects 0.000 claims description 15
- 235000005911 diet Nutrition 0.000 claims description 15
- 230000036541 health Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 7
- 230000036760 body temperature Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 4
- 206010011224 Cough Diseases 0.000 claims description 3
- 201000009240 nasopharyngitis Diseases 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000005236 sound signal Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 50
- 241000283690 Bos taurus Species 0.000 abstract description 28
- 238000005516 engineering process Methods 0.000 abstract description 21
- 238000004458 analytical method Methods 0.000 abstract description 14
- 230000000007 visual effect Effects 0.000 abstract description 8
- 230000002159 abnormal effect Effects 0.000 abstract description 7
- 238000009434 installation Methods 0.000 abstract description 4
- 244000144972 livestock Species 0.000 abstract description 4
- 235000013365 dairy product Nutrition 0.000 abstract 1
- 239000008267 milk Substances 0.000 description 25
- 210000004080 milk Anatomy 0.000 description 25
- 235000013336 milk Nutrition 0.000 description 25
- 239000000523 sample Substances 0.000 description 9
- 230000009466 transformation Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 4
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 238000012258 culturing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 230000029142 excretion Effects 0.000 description 2
- 208000018522 Gastrointestinal disease Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000010643 digestive system disease Diseases 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000012173 estrus Effects 0.000 description 1
- 208000018685 gastrointestinal system disease Diseases 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 208000027866 inflammatory disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011430 maximum method Methods 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000001228 trophic effect Effects 0.000 description 1
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种传感器通信***及其利用该***进行监控的方法,通过融合物联网和计算机视觉技术实现对真实养殖场景的家畜的行为进行监测分析,首次构建基于无线WiFi技术的视频监控及传感器网络软硬件***,克服传统电缆安装成本高、耗时长、扩展困难的问题,通过融合物联网和计算机视觉技术实现对真实养殖场景的奶牛的行为进行监测分析,实现对几大类日常行为的监测分析,同时监测异常事件的发生,对异常行为进行自动报警。
Description
技术领域
本发明涉及无限传感器网络和智慧农业技术领域,特别涉及一种利用物联网、计算机视觉技术和无线传感器网络对家畜行为进行监控的无线传感器网络通信***。
背景技术
在家畜的生长过程中,采食、饮水、反刍、***、探究、应激等行为贯穿整个过程,并可以反映出生长发育过程中的不同阶段和不同生理状态。这些行为又可表现为正常行为和异常行为。其中,正常行为是遗传、本能以及后天对环境适应的反映,是家畜自我维护福利和健康成长的表现;而异常行为通常是在接受不良刺激或者生活在恶劣条件下所表现出的有悖于其生物学***都有十分重要的经济意义,这也是当前农业信息化及精准化研究的主要方向。
现阶段国内主要采用传统的人工观察方法对家畜的行为进行观察判断,由于人的时间、精力限制,养殖效率不高,且由于奶牛等家畜的养殖对环境的要求较高,工作人员无法频繁的进入养殖区域,因而很容易忽视养殖过程中的一些异常行为及事件,从而造成严重的经济损失。有些养殖场虽然安装有摄像装置,但也只是用于事后查验,未发挥预警监督的作用。随着智能视频分析与自动识别技术的发展,视频感知将成为最重要的感知技术,成为物联网信息感知层最重要的技术之一,视频物联网技术将成为最重要的物联网感知技术,而物联网也将因其智能、灵活、易于扩展和管理等优点而引起视频监控***的重大变革。通过物联网技术及智能视频分析技术应用于家畜养殖领域,可以自动发现监控场景中的异常情况,及时发出警报并提供有用信息,从而更加有效地协助工作人员处理异常,提高家畜养殖的智能化、自动化水平。
发明内容
本发明首次通过融合物联网和计算机视觉技术实现对真实养殖场景的家畜的行为进行监测分析,首次构建基于无线WiFi技术的视频监控及传感器网络软硬件***,克服传统电缆安装成本高、耗时长、扩展困难的问题,通过融合物联网、计算机视觉技术和无线传感器网络实现对真实养殖场景的奶牛的行为进行监测分析,实现对几大类日常行为的监测分析,包括采食、饮水、反刍、***、运动、休息、探究等行为,对异常行为进行自动报警。同时,本发明还采用了zigbee无线通信技术以降低手持终端的功耗,简化通信结构;并采用GPRS/3G/WIFI三种通信方式相互补充的通信结构,以提高通信成功率;采用NFC近场通信技术简化数据存取过程,提高易操作程度。
本发明提供了一种传感器通信***,包括:数据采集装置、无线传输模块、远程监控中心和信息中心数据库;其中,数据采集装置将采样得到的数据通过无线传输模块传送到远程监控中心,远程监控中心对采样数据进行分析处理,信息中心数据库用于存储采集到的数据。
更进一步的,所述无线传输模块为WIFI传输模块;所述数据采集装置包括多台摄像机、多个传感器、多台非接触式红外测温仪和无源RFID标签;所述多台摄像机之间间隔30度角并呈圆周布置,架设于畜舍的顶部,所述每台摄像机配置有WIFI通信单元,从而使多台摄像机之间构成高速无线局域网,所述多台摄像机的WIFI通信单元分别与智能监控***的WIFI传输模块链接,从而使每台摄像机构成一个WIFI网络节点,并向远程监控中心传输视频数据;所述多个传感器包括布置于家畜身体特定部位的运动传感器、地磁传感器、声音传感器,以及布置于畜舍的温湿度传感器,***通过运动传感器定时采集家畜的运动数据,通过地磁传感器定时采集家畜站立或爬卧的姿态数据,通过声音传感器检测家畜咳嗽的音频信号以进行感冒症状的报警,通过温湿度传感器采集畜舍的环境数据;所述每个传感器配置有WIFI通信单元,并与智能监控***的WIFI传输模块链接,从而使每个传感器构成一个WIFI网络节点,传感器之间构成高速无线局域网;所述多台非接触式红外测温仪被分别固定在每台摄像机上,并与摄像机共享WIFI通信,以实现在视频监控的同时检测家畜的体温;所述无源RFID标签位于项圈上并安装于家畜颈部,该无源RFID标签与家畜食槽上的RFID识别终端相对应,RFID识别终端读取标签数据后通过WIFI网络将该家畜的饮食数据信息传送到远程监控中心,提供给工作人员进行判断;当非接触式红外测温仪测量到家畜身体部位体温达到或超过正常值时,非接触式红外测温仪上的报警器自动发出报警信息,远程监控中心接收报警信息并通过所述摄像机保存测温时的当前视频图片,报警信息和视频图片信息由无线WIFI网络传输到信息中心数据库,工作人员可通过视频图片上家畜的身份标识确定具体个体;所述声音传感器采用项圈式声音传感器,其与无源RFID标签设置于同一项圈上;所述传感器通信***还包括远程手持终端,该远程手持终端包括zigbee无线遥控模块、GPRS/3G无线通信模块和NFC近场通信模块;其中该zigbee无线遥控模块与设置在多台摄像机上的zigbee遥控单元进行无线通信,以及时发送遥控数据,远程控制摄像机的拍摄角度;该远程手持终端中的GPRS/3G无线通信模块与设置于远程监控中心的GPRS/3G无线通信单元进行无线通信,以使远程手持终端在无WIFI信号时能够与远程监控中心及时通讯;远程手持终端中的NFC近场通信模块读取和/或写入设置于家畜身体上的NFC近场通信单元中的记录数据,以使管理人员及时获取和记录家畜个体的信息。
本发明还提供了一种利用上述传感器通信***对家畜行为进行监控的方法,包括如下步骤:步骤一:通过所述多台摄像机、多个传感器、多台非接触式红外测温仪和无源RFID标签定时采集家畜的运动数据、姿态数据、体温数据、声音数据、环境数据、饮食数据和视频信息,并将上述采集到的数据信息通过WIFI网络传送到远程监控中心;步骤二:远程监控中心对上述采集到的运动数据、姿态数据、体温数据、声音数据、环境数据、饮食数据和视频信息进行数据融合,并建立视频信息和运动数据、姿态数据、体温数据、声音数据、环境数据、饮食数据之间的对应关系,对家畜的静态行为特征和动态行为特征进行识别;步骤三:远程监控中心根据识别出的家畜的静态行为特征和动态行为特征,来确定家畜的日常行为特征;步骤四:远程监控中心在家畜的日常行为特征的基础上,通过提取家畜的某一行为特征的频率和传感器获取的运动数据、姿态数据、体温数据、声音数据、来获得家畜的异常行为特征,并对异常行为特征进行实时的监控,及时发出报警信息,提供给工作人员参考;步骤五:远程监控中心将监控视频和报警信息通过GPRS/3G无线通信单元发送至远程手持终端的GPRS/3G无线通信模块,管理人员通过该远程手持终端中的zigbee无线遥控模块将摄像机的遥控数据发送至设置于摄像机的zigbee遥控单元,以控制摄像机的拍摄角度,来获取特定家畜的视频信息。
更进一步的,步骤二还包括:
通过对视频中家畜的外形边缘轮廓、个体外部形状、颜色进行匹配判断,识别家畜的静态行为特征;
通过提取视频内容中的关键场景对象和提取运动传感器、地磁传感器采集数据中的时域特征、频域特征来识别动态行为特征。
更进一步的,方法还包括步骤六:管理人员将远程手持终端中存储的家畜个体的数据信息通过NFC近场通信模块写入设置于家畜身体上的NFC近场通信单元,并通过NFC近场通信模块读取设置于家畜身体上的NFC近场通信单元中的相关信息。
附图说明:
图1是***硬件结构图;
图2监控摄像机布置示意图;
图3***传感器示意图;
图4是智能监控方法流程图。
具体实施方式
以下具体实施例中的家畜以奶牛为例,但不限于奶牛。
传感器通信***主要包括搭建面向真实养殖场景的行为监测***及开发软件平台。传感器通信***硬件部分如图1所示,具体如下:
(1)通过架设在牛舍顶部的无线高清摄像机采集实时录制的监控视频资源,获得视觉信息,通过控制高清摄像机的摆放位置,获得最佳的可视效果,每台摄像机上安装高性能无线通信单元,优选为WIFI通信单元,使每台摄像机作为一个WIFI网络节点与***的WIFI传输模块相连,从而构成高速无线局域监控网,在牛舍中的任何地方都可以建立连接,便于快速安装使用。同时通过无线访问节点与信息中心网络无缝链接,实现视频信息的双向传播,达到无线网和有线网的互联。优选的是,若将牛场表示成360度圆,则每隔30度架设一个无线摄像头,对奶牛进行全方位监控,此时监控死角最小,目标识别效果最佳(如图2所示);
(2)将非接触红外测温仪固定在每台摄像机上,并与摄像机共享WIFI通信单元以减少成本。在视频监控的同时检测奶牛的体温,当测量到奶牛身体部位体温达到或超过正常值时,非接触红外测温仪上的报警器发出报警信息,***则会认为奶牛在发烧或者身体某部位有炎症病变,并通过高清摄像机保存测温时的当前视频图片。报警和图片信息由无线WIFI网络传输到信息中心,工作人员可通过高清图片上奶牛的身份标识确定具体个体;实践中,通过该方式对奶牛乳腺炎检测效果良好。
(3)通过在牛颈上安装RFID标签,优选为无源RFID标签,若将该无源RFID标签制作为项圈式,则使用拆卸方便且不易脱落,效果最佳。该RFID标签与奶牛食槽上的RFID识别终端相对应,从而对每头牛进行身份识别,以便跟踪每头牛的饮食情况和规律,当某头奶牛饮食过于频繁或者长期不来饮食时,可推断该牛可能发生异常情况,RFID识别终端通过无线网络将该奶牛的饮食数据信息传送到监控中心,并进行报警,提供给工作人员进行二次判断;通过采用RFID技术识别牛的饮食状况,从而判断牛的肠胃疾病。
(3)通过安装于牛体或牛舍附近的各类传感器,包括运动传感器、地磁传感器、声音传感器、温湿度传感器,其布放位置可以根据家畜身体特征或养殖环境而具体确定,其中运动传感器用于监测奶牛的运动;地磁传感器用于监测奶牛站立或爬卧的姿态;声音传感器优选的采用项圈式声音传感器,其可与RFID挂在同一项圈上,声音传感器可检测奶牛咳嗽声音,进行感冒症状报警;在牛舍安装温湿度传感器采集奶牛生活环境数据,获取环境信息;此外,上述各类传感器配置有WIFI无线通信单元用于传输传感器数据或报警信息,同时也使每个传感器成为一个WIFI网络节点。各类传感器如图3所示。
(4)配备无线WiFi传输模块,用来传输摄像机和传感器采集到的数据,由于WiFi具有更好的可扩展性和安全性,因而能够实现电信级的多媒体通信服务。
(5)开发基于计算机视觉和微传感器信息的日常行为识别分析及异常事件的自动预警技术,在监控中心通过对各摄像机传回来的视频及各类传感器回传的个体信息进行定时的目标检测、行为识别等智能分析技术,对可能发生的异常行为或事件进行报警。监控中心可将感知到的多媒体信息自动存储到后台信息中心数据库,并可与信息中心交互操作,既减轻存储空间压力,也可保证数据的实时保存。
所述***还包括远程手持终端,该远程手持终端包括zigbee无线遥控模块、GPRS/3G无线通信模块和NFC近场通信模块;其中该zigbee无线遥控模块与设置在多台摄像机上的zigbee遥控单元进行无线通信,以及时发送遥控数据,远程控制摄像机的拍摄角度;该远程手持终端中的GPRS/3G无线通信模块与设置于远程监控中心的GPRS/3G无线通信单元进行无线通信,以使远程手持终端在无WIFI信号时能够与远程监控中心及时通讯;远程手持终端中的NFC近场通信模块读取和/或写入设置于家畜身体上的NFC近场通信单元中的记录数据,以使管理人员及时获取和记录家畜个体的信息。
智能监控方法如图4所示,具体如下:
(1)面向行为识别的特征提取和选择
构造牛舍的背景模型,实现对奶牛个体的检测、跟踪和识别。针对奶牛的不同行为其行为表现和特征不同,开发针对不同类型行为识别的关键特征的选择和提取方法。
基于传感器信息的幅值、方差等时域特征,采用类平均距离算法对时域特征进行分类,以两类样本距离的最大值与最小值作为划分静态和动态行为的阈值,并以此阈值将行为初步分为静态和动态两大类。
对于一些静态行为,如休息、反刍等由于其不属于运动状态,从视觉角度出发,本***选择和提取包括奶牛个体的外形边缘轮廓、个体外部形状、颜色等图像特征进行匹配判断,用于静态行为的监测分析。
为了得到足够稳定的特征点,需要提取在较大程度投影变换、光照变化、图像模糊以及噪声存在情况下仍然稳定的特征点。因此通过计算三个尺度上的Laplacian算子的极大值方法对基准图像Io进行特征点提取后,需要对提取的关键点进一步处筛选,以使最终得到的关键点k在上述干扰存在的情况下仍然具有较高的被检测概率P(k)。
当摄像头距离目标较远时,目标上的局部区域可被视为平面,则通过对当前视角下的目标图像进行仿射变换能够模拟目标在其他视角条件下的情况,设仿射变换矩阵为A,可被分解为如下形式:
A=RθRφ-1SRφ (1)
式中Rθ和R□是两个角度参数分别为θ和□的旋转矩阵,S=diag[λ1,λ2]为尺度矩阵。分别在[-π,+π]范围内随机选取θ和□,在[0.6,1.5]范围内随机选取λ1和λ2即可构造出随机的仿射变换矩阵Arand,则与基准图像Io具有随机的图像尺度、旋转角和视角差异的模拟图像Irand为:
Irand=ArandIo (2)
因此,随机产生Ntotal幅模拟图像,通过对是否在当前模拟图像Ii中提取到关键点k所对应的关键点进行计数,即可求得特征点k的被检测概率为:
式中Ndetected为在Ntoral幅模拟图像中成功提取到与特征点k所对应的特征点的总图像数。对图片集的每个图片类ai(i=1,2,…,A)中的每张图片分别作上述处理,对每张图片取被检测概率P(k)最高的H个特征点作为下一节分类器的初始类进行训练。假设共有A个图片类,每个图片类中有Ao张图片,则每个图片类提取出AoH个特征区域,各特征区域所属的类ci,j(i=1,2,…,A;j=1,2,…,AoH)即对应于分类器的初始类。
而对于动态行为,针对采食、饮水、***等行为的发生区域固定,采用基于SIFT特征粒子滤波跟踪算法和粗糙集分析算法提取视频内容中的关键场景对象作为语义知识特征,如食盆、饮水器、***区、围栏等,对于运动传感器和地磁传感器输出的信息,提取时域的信号幅值、方差等特征,同时通过小波变换技术提取频域特征。
(2)融合计算机视觉和传感器信息的奶牛日常行为自动识别模块。
针对奶牛的几类常见日常行为,如采食、饮水、反刍、***、运动、休息、探究等。采用融合视觉和无线传感器信息的分析理解,通过采用贝叶斯推理框架统一自下而上的图像特征组合和自上而下的基于规则和统计的知识引导方法,对各类行为的特征进行分类识别,实现对奶牛几类日常行为的自动分析识别。在求得训练集合Btrain和分类器初始类ci,j之后,对所有关键点在L×L范围内,按照均匀分布随机选取M×S对像素和的位置。
设组合特征为:Fk=(f1,f2,...,fM×S)。为降低存储量,并保证fj之间具有足够的相关性,将求得的M×S个二元特征随机分为M组,每组包含S=N/M个二元特征,并假设不同组的二元特征之间相互独立,组内二元特征之间具有相关性,将这些组定义为初始行为特征集F。
计算类ci,j的M个F特征中的S个二元特征的值,记一个F特征为Fk,m=[fσ(m,1)fσ(m,2),...,fσ(m,S)],m=1,2,…,M,表示当前关键点的第m个蕨,σ(m,s)(s=1,…,S)表示范围是1,2,…,S的随机数。则F特征可表示为:Fk=(Fk,1,Fk,2,...,Fk,M)。据此对每个随机F特征Fk,m和类ci,j的类条件概率P(Fk,m/ci,j)进行估计。
设Fk,m中二元特征序列转化为十进制数的值为x,则Fk,m能取到的最大值为xmax=2S,将P(Fk,m/ci,j)记为:
这样就得到贝叶斯推理分类器,即特征分类器,从而进行不同行为识别。
(3)基于统计的异常行为自动报警模块。
针对奶牛养殖中的几类常见异常行为,如踩踏、爬跨、病态、发情、应激等,研发位于总控***端的异常行为报警子***。该***通过视频智能分析为这几类行为建立AdaBoost样本统计模型,在奶牛个体的检日常行为识别的基础上,提取其行为频率及微传感器获取的运动等特征作为异常行为分析的基础,确定输入AdaBoost判别器的各参数,并对模型进行训练识别。首先通过SIFT点检测得到关键点:{k1,k2,...,kN},然后利用AdaBoost训练框架得到N个强分类器{C1,C2,...,CN}用于分别检测关键样本点。在建模和多目标跟踪的基础上,用层次结构语法表示监控场景中不同区域的语义和时空关联性,通过自动学习和因果推理实现对动态场景的高层语义理解和语义融合实现对几类异常行为的检测和预警,并结合非接触红外测温仪、声音传感器、RFID饮食数据等信息及时为工作人员提供牛舍的异常情况。
设获取的信息随机向量集合x=(xυ)υ∈V,及相应图G=(V,E)。集合V带有针对任意两个节点υ和u定义的常见图解指标d(u,v)。
从虚假设Ho得到基准数据x=(xυ)υ∈V:
Ho:x~f0(x) (8)
把异常行为分布看成是具***置和标度条件下的异常似然函数混合模型。考虑固定标度s条件下的具***置混合模型,同时可以推广到各种标度(H1:x~∑s∑υ∈VPυ,sfυ,s(x),其中,Pυ,s,fυ,s(x)是位置v和标度s条件下的似然函数和先验概率)。为此,设fυ(x),Pυ分别是位置υ和标度s条件下的似然函数和先验概率。于是,
引入一些数学符号来描述局部模型。设ωυ,s是以υ为圆心、s为半径的球体:ωυ□ωυ,s={u|d(u,υ)≤s}进一步假设ωυ表示以υ为圆心、s为固定半径的球体。用ωυ,ε表示ωυ半径ε范围内所有点的集合,即:ωυ,ε={u∈V|d(u,υ)≤ε,υ∈ωυ}
因此,有给定的图G=(V,E)和关联特征xυ且υ∈V。异常检测器就是将观测量x=(x)υ∈V映射为{0,1}的决策规则π,其中0表示无异常,1表示异常。设最优异常检测器π可以实现“贝叶斯”Neyman-Pearson目标函数最小化。
贝叶斯:
最优决策规则可被描述为:
异常
正常
其中,似然比函数Lυ定义为Lυ=fυ(x)/f0(x),选择ξ使虚警概率小于α。
(4)手持终端的操作
远程监控中心将监控视频和报警信息通过GPRS/3G无线通信单元发送至远程手持终端的GPRS/3G无线通信模块,管理人员通过该远程手持终端中的zigbee无线遥控模块将摄像机的遥控数据发送至设置于摄像机的zigbee遥控单元,以控制摄像机的拍摄角度,来获取特定家畜的视频信息。管理人员将远程手持终端中存储的家畜个体的数据信息通过NFC近场通信模块写入设置于家畜身体上的NFC近场通信单元,并通过NFC近场通信模块读取设置于家畜身体上的NFC近场通信单元中的相关信息。
本发明提供的智能***和智能分析方法有效的解决了人工观察的低效和主观性,提高家畜养殖管理的自动化、科学化水平,并以此促进家畜精准养殖业的信息化技术发展,从而推动家畜产品生产效率的提高。此外,本发明的***采用物联网架构,即采用无线网络结合多类传感器和摄像机终端,即省去了传统的布线和线路维护费用,降低了安装成本,也使得监控***易于扩展,不受时间、地点限制,实现即插即用即看的便携的按需监控。此外,通过采用zigbee无线通信技术以降低手持终端的功耗,简化通信结构;并采用GPRS/3G/WIFI三种通信方式相互补充的通信结构,以提高通信成功率;采用NFC近场通信技术简化数据存取过程,提高易操作程度。
基于本发明中的实施例,本领域普通技术人员在没有做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。
Claims (5)
1.一种传感器通信***,包括:数据采集装置、无线传输模块、远程监控中心和信息中心数据库;其中,数据采集装置将采样得到的数据通过无线传输模块传送到远程监控中心,远程监控中心对采样数据进行分析处理,信息中心数据库用于存储采集到的数据。
2.如权利要求1所述的一种传感器通信***,其特征在于:
所述无线传输模块为WIFI传输模块;
所述数据采集装置包括多台摄像机、多个传感器、多台非接触式红外测温仪和无源RFID标签;
所述多台摄像机之间间隔30度角并呈圆周布置,架设于畜舍的顶部,所述每台摄像机配置有WIFI通信单元,从而使多台摄像机之间构成高速无线局域网,所述多台摄像机的WIFI通信单元分别与智能监控***的WIFI传输模块链接,从而使每台摄像机构成一个WIFI网络节点,并向远程监控中心传输视频数据;
所述多个传感器包括布置于家畜身体特定部位的运动传感器、地磁传感器、声音传感器,以及布置于畜舍的温湿度传感器,***通过运动传感器定时采集家畜的运动数据,通过地磁传感器定时采集家畜站立或爬卧的姿态数据,通过声音传感器检测家畜咳嗽的音频信号以进行感冒症状的报警,通过温湿度传感器采集畜舍的环境数据;所述每个传感器配置有WIFI通信单元,并与智能监控***的WIFI传输模块链接,从而使每个传感器构成一个WIFI网络节点,传感器之间构成高速无线局域网;
所述多台非接触式红外测温仪被分别固定在每台摄像机上,并与摄像机共享WIFI通信,以实现在视频监控的同时检测家畜的体温;
所述无源RFID标签位于项圈上并安装于家畜颈部,该无源RFID标签与家畜食槽上的RFID识别终端相对应,RFID识别终端读取标签数据后通过WIFI网络将该家畜的饮食数据信息传送到远程监控中心,提供给工作人员进行判断;
当非接触式红外测温仪测量到家畜身体部位体温达到或超过正常值时,非接触式红外测温仪上的报警器自动发出报警信息,远程监控中心接收报警信息并通过所述摄像机保存测温时的当前视频图片,报警信息和视频图片信息由无线WIFI网络传输到信息中心数据库,工作人员可通过视频图片上家畜的身份标识确定具体个体;
所述声音传感器采用项圈式声音传感器,其与无源RFID标签设置于同一项圈上;
所述传感器通信***还包括远程手持终端,该远程手持终端包括zigbee无线遥控模块、GPRS/3G无线通信模块和NFC近场通信模块;其中该zigbee无线遥控模块与设置在多台摄像机上的zigbee遥控单元进行无线通信,以及时发送遥控数据,远程控制摄像机的拍摄角度;该远程手持终端中的GPRS/3G无线通信模块与设置于远程监控中心的GPRS/3G无线通信单元进行无线通信,以使远程手持终端在无WIFI信号时能够与远程监控中心及时通讯;远程手持终端中的NFC近场通信模块读取和/或写入设置于家畜身体上的NFC近场通信单元中的记录数据,以使管理人员及时获取和记录家畜个体的信息。
3.一种利用权利要求1-2任意一项所述的传感器通信***对家畜行为进行监控的方法,包括如下步骤:
步骤一:通过所述多台摄像机、多个传感器、多台非接触式红外测温仪和无源RFID标签定时采集家畜的运动数据、姿态数据、体温数据、声音数据、环境数据、饮食数据和视频信息,并将上述采集到的数据信息通过WIFI网络传送到远程监控中心;
步骤二:远程监控中心对上述采集到的运动数据、姿态数据、体温数据、境数据、饮食数据和视频信息,并将上述采集到的数据信息通过WIFI网络传送到远程监控中心;
步骤二:远程监控中心对上述采集到的运动数据、姿态数据、体温数据、声音数据、环境数据、饮食数据和视频信息进行数据融合,并建立视频信息和运动数据、姿态数据、体温数据、声音数据、环境数据、饮食数据之间的对应关系,对家畜的静态行为特征和动态行为特征进行识别;
步骤三:远程监控中心根据识别出的家畜的静态行为特征和动态行为特征,来确定家畜的日常行为特征;
步骤四:远程监控中心在家畜的日常行为特征的基础上,通过提取家畜的某一行为特征的频率和传感器获取的运动数据、姿态数据、体温数据、声音数据、来获得家畜的异常行为特征,并对异常行为特征进行实时的监控,及时发出报警信息,提供给工作人员参考;
步骤五:远程监控中心将监控视频和报警信息通过GPRS/3G无线通信单元发送至远程手持终端的GPRS/3G无线通信模块,管理人员通过该远程手持终端中的zigbee无线遥控模块将摄像机的遥控数据发送至设置于摄像机的zigbee遥控单元,以控制摄像机的拍摄角度,来获取特定家畜的视频信息。
4.如权利要求3所述的对家畜行为进行监控的方法,其特征在于,步骤二还包括:
通过对视频中家畜的外形边缘轮廓、个体外部形状、颜色进行匹配判断,识别家畜的静态行为特征;
通过提取视频内容中的关键场景对象和提取运动传感器、地磁传感器采集数据中的时域特征、频域特征来识别动态行为特征。
5.如权利要求4所述的对家畜行为进行监控的方法,其特征在于,还包括步骤六:
管理人员将远程手持终端中存储的家畜个体的数据信息通过NFC近场通信模块写入设置于家畜身体上的NFC近场通信单元,并通过NFC近场通信模块读取设置于家畜身体上的NFC近场通信单元中的相关信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310441373.8A CN103475736B (zh) | 2013-09-26 | 2013-09-26 | 一种传感器通信***及其利用该***进行监控的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310441373.8A CN103475736B (zh) | 2013-09-26 | 2013-09-26 | 一种传感器通信***及其利用该***进行监控的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103475736A true CN103475736A (zh) | 2013-12-25 |
CN103475736B CN103475736B (zh) | 2017-02-01 |
Family
ID=49800429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310441373.8A Expired - Fee Related CN103475736B (zh) | 2013-09-26 | 2013-09-26 | 一种传感器通信***及其利用该***进行监控的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103475736B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103815983A (zh) * | 2014-03-07 | 2014-05-28 | 东北农业大学 | 奶牛个体反刍行为检测设备 |
CN103905558A (zh) * | 2014-04-11 | 2014-07-02 | 中国农业科学院农业信息研究所 | 基于物联网的奶牛场无线监测*** |
CN104573761A (zh) * | 2014-11-24 | 2015-04-29 | 中国农业大学 | 一种肉牛定位***以及方法 |
WO2015165054A1 (zh) * | 2014-04-30 | 2015-11-05 | 中国科学院自动化研究所 | 基于机器视觉分析的牧业智能管理*** |
CN105243492A (zh) * | 2015-10-12 | 2016-01-13 | 青岛量谷无线科技有限公司 | 一种物联网信息化智能养殖***平台 |
CN105427279A (zh) * | 2015-11-02 | 2016-03-23 | 中国农业大学 | 一种基于计算机视觉及物联网的草原旱情监测***和方法 |
CN105488714A (zh) * | 2015-12-04 | 2016-04-13 | 青岛工学院 | 一种基于物联网的家畜养殖销售平台 |
CN106383537A (zh) * | 2016-11-24 | 2017-02-08 | 李慧杰 | 一种家畜养殖智能*** |
CN106454270A (zh) * | 2016-11-17 | 2017-02-22 | 安徽云匠信息科技有限公司 | 一种网络视频监控*** |
CN106453529A (zh) * | 2016-09-28 | 2017-02-22 | 浙江大学 | 基于wifi的鸡舍物联网传感器节点数据采集、监测及控制设备 |
CN106506848A (zh) * | 2016-11-24 | 2017-03-15 | 王勇 | 一种基于ZigBee的家畜养殖控制*** |
CN106614071A (zh) * | 2016-09-28 | 2017-05-10 | 南京农业大学 | 一种母猪产前行为监测***以及方法 |
CN108175389A (zh) * | 2017-12-22 | 2018-06-19 | 北京农业信息技术研究中心 | 一种多源信息融合奶牛行为监测***及方法 |
CN108600706A (zh) * | 2018-06-15 | 2018-09-28 | 云南电网有限责任公司文山供电局 | 手持式测温仪扩展无人远程监控***及监控方法 |
CN111524318A (zh) * | 2020-04-26 | 2020-08-11 | 中控华运(厦门)集成电路有限公司 | 一种基于行为识别的健康状况智能监控方法和*** |
CN112348135A (zh) * | 2020-11-26 | 2021-02-09 | 中国科学院空天信息创新研究院 | 一种基于无线传感器网络的个体行为数据识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894220A (zh) * | 2010-07-28 | 2010-11-24 | 江南大学 | 一种畜禽健康状况数据采集*** |
US20100302004A1 (en) * | 2009-06-02 | 2010-12-02 | Utah State University | Device and Method for Remotely Monitoring Animal Behavior |
CN102647475A (zh) * | 2012-04-18 | 2012-08-22 | 浙江大学 | 一种畜禽场智能化的物联网***及物联网方法 |
CN103488148A (zh) * | 2013-09-24 | 2014-01-01 | 华北电力大学(保定) | 一种基于物联网和计算机视觉的家畜行为智能监控*** |
-
2013
- 2013-09-26 CN CN201310441373.8A patent/CN103475736B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100302004A1 (en) * | 2009-06-02 | 2010-12-02 | Utah State University | Device and Method for Remotely Monitoring Animal Behavior |
CN101894220A (zh) * | 2010-07-28 | 2010-11-24 | 江南大学 | 一种畜禽健康状况数据采集*** |
CN102647475A (zh) * | 2012-04-18 | 2012-08-22 | 浙江大学 | 一种畜禽场智能化的物联网***及物联网方法 |
CN103488148A (zh) * | 2013-09-24 | 2014-01-01 | 华北电力大学(保定) | 一种基于物联网和计算机视觉的家畜行为智能监控*** |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103815983A (zh) * | 2014-03-07 | 2014-05-28 | 东北农业大学 | 奶牛个体反刍行为检测设备 |
CN103905558A (zh) * | 2014-04-11 | 2014-07-02 | 中国农业科学院农业信息研究所 | 基于物联网的奶牛场无线监测*** |
WO2015165054A1 (zh) * | 2014-04-30 | 2015-11-05 | 中国科学院自动化研究所 | 基于机器视觉分析的牧业智能管理*** |
CN104573761A (zh) * | 2014-11-24 | 2015-04-29 | 中国农业大学 | 一种肉牛定位***以及方法 |
CN104573761B (zh) * | 2014-11-24 | 2017-10-31 | 中国农业大学 | 一种肉牛定位***以及方法 |
CN105243492A (zh) * | 2015-10-12 | 2016-01-13 | 青岛量谷无线科技有限公司 | 一种物联网信息化智能养殖***平台 |
CN105427279A (zh) * | 2015-11-02 | 2016-03-23 | 中国农业大学 | 一种基于计算机视觉及物联网的草原旱情监测***和方法 |
CN105427279B (zh) * | 2015-11-02 | 2018-06-26 | 中国农业大学 | 一种基于计算机视觉及物联网的草原旱情监测***和方法 |
CN105488714A (zh) * | 2015-12-04 | 2016-04-13 | 青岛工学院 | 一种基于物联网的家畜养殖销售平台 |
CN106453529A (zh) * | 2016-09-28 | 2017-02-22 | 浙江大学 | 基于wifi的鸡舍物联网传感器节点数据采集、监测及控制设备 |
CN106614071A (zh) * | 2016-09-28 | 2017-05-10 | 南京农业大学 | 一种母猪产前行为监测***以及方法 |
CN106614071B (zh) * | 2016-09-28 | 2020-06-23 | 南京农业大学 | 一种母猪产前行为监测***以及方法 |
CN106454270A (zh) * | 2016-11-17 | 2017-02-22 | 安徽云匠信息科技有限公司 | 一种网络视频监控*** |
CN106506848A (zh) * | 2016-11-24 | 2017-03-15 | 王勇 | 一种基于ZigBee的家畜养殖控制*** |
CN106383537A (zh) * | 2016-11-24 | 2017-02-08 | 李慧杰 | 一种家畜养殖智能*** |
CN108175389A (zh) * | 2017-12-22 | 2018-06-19 | 北京农业信息技术研究中心 | 一种多源信息融合奶牛行为监测***及方法 |
CN108600706A (zh) * | 2018-06-15 | 2018-09-28 | 云南电网有限责任公司文山供电局 | 手持式测温仪扩展无人远程监控***及监控方法 |
CN108600706B (zh) * | 2018-06-15 | 2023-12-15 | 云南电网有限责任公司文山供电局 | 手持式测温仪扩展无人远程监控***及监控方法 |
CN111524318A (zh) * | 2020-04-26 | 2020-08-11 | 中控华运(厦门)集成电路有限公司 | 一种基于行为识别的健康状况智能监控方法和*** |
CN111524318B (zh) * | 2020-04-26 | 2022-03-01 | 熵基华运(厦门)集成电路有限公司 | 一种基于行为识别的健康状况智能监控方法和*** |
CN112348135A (zh) * | 2020-11-26 | 2021-02-09 | 中国科学院空天信息创新研究院 | 一种基于无线传感器网络的个体行为数据识别方法 |
CN112348135B (zh) * | 2020-11-26 | 2021-08-10 | 中国科学院空天信息创新研究院 | 一种基于无线传感器网络的个体行为数据识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103475736B (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103488148A (zh) | 一种基于物联网和计算机视觉的家畜行为智能监控*** | |
CN103475736A (zh) | 一种传感器通信***及其利用该***进行监控的方法 | |
Mahmud et al. | A systematic literature review on deep learning applications for precision cattle farming | |
Wu et al. | Using a CNN-LSTM for basic behaviors detection of a single dairy cow in a complex environment | |
Browning et al. | Predicting animal behaviour using deep learning: GPS data alone accurately predict diving in seabirds | |
Oczak et al. | Classification of aggressive behaviour in pigs by activity index and multilayer feed forward neural network | |
CN102508288B (zh) | 基于物联网技术的地震预测辅助*** | |
US10993417B2 (en) | Detection and management of disease outbreaks in livestock using health graph networks | |
KR102341715B1 (ko) | 가축 모니터링 장치 및 방법 | |
Ma et al. | Development of noncontact body temperature monitoring and prediction system for livestock cattle | |
Feiyang et al. | Monitoring behavior of poultry based on RFID radio frequency network | |
Arablouei et al. | Multimodal sensor data fusion for in-situ classification of animal behavior using accelerometry and GNSS data | |
CN111797831A (zh) | 基于bim和人工智能的家禽进食并行异常检测方法 | |
Faysal et al. | A Review of groundbreaking changes in the poultry industry in Bangladesh using the internet of things (IoT) and computer vision Technology | |
CN114898405A (zh) | 基于边缘计算的便携式肉鸡异常监测*** | |
Xu et al. | Automatic quantification and assessment of grouped pig movement using the XGBoost and YOLOv5s models | |
Tiwari et al. | Computer vision and deep learningbased framework for cattle monitoring | |
Koskela et al. | Deep learning image recognition of cow behavior and an open data set acquired near an automatic milking robot | |
CN113221776B (zh) | 一种基于人工智能对反刍动物一般行为识别的方法 | |
Gao et al. | Adaptive cow movement detection using evolving spiking neural network models | |
Wang et al. | Image detection system based on smart sensor network and ecological economy in the context of fine agriculture | |
Bati et al. | SHEEPFEARNET: Sheep fear test behaviors classification approach from video data based on optical flow and convolutional neural networks | |
Montout et al. | Accurate and interpretable prediction of poor health in small ruminants with accelerometers and machine learning | |
Roopa et al. | Data driven approach for farm re-modeling using prediction analytics | |
Sri et al. | Disease Detection using Region-Based Convolutional Neural Network and ResNet |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170201 |
|
CF01 | Termination of patent right due to non-payment of annual fee |