CN105091938A - 畜禽健康状况监测方法及*** - Google Patents

Abstract

本发明公开了一种畜禽健康状况监测方法及***，所述方法包括：S1：数据采集单元中的三轴加速度传感器根据预设采样频率采集N个畜禽的三轴加速度数据，其中N为大于0的整数；S2：数据处理单元通过聚类算法对所述三轴加速度数据进行聚类分析，得到每个畜禽各类基本行为的时序数据；S3：数据处理单元将所述时序数据与预设的阈值参数进行比较分析，得出每个畜禽的健康状况信息。所述***包括：数据采集单元、微型存储单元、无线传输单元及数据处理单元。本发明具有适应性强、受外界环境状况影响小，准确率高的特点，对判断畜禽行为与健康状态、畜禽分类养殖及全程质量监管发挥有利的作用。

Description

畜禽健康状况监测方法及***

技术领域

本发明涉及信息网络技术在畜禽养殖管理领域的应用，特别涉及畜禽健康状况监测方法及***。

背景技术

随着信息网络技术的不断发展，将信息网络技术用于传统的畜禽养殖管理日益受到了人们的重视。畜禽养殖管理朝着自动化、信息化和智能化的方向前进。近年来，我国对畜禽健康养殖及全程质量监管的要求非常严格，所以就要求利用先进的传感器技术和信息网络技术对畜禽养殖全程进行数字化安全监控，并对其进行分类优化养殖。

目前公开的一种实现畜禽健康状况监测的方案主要依靠实时监测畜禽的心电、脑电、体温和血压等生理参数以及测量畜禽行走距离、运动频率和行走速度等行为参数，然后根据所得参数与预设参数的比较结果确定所测量畜禽的行为和健康状态，进行分类养殖。

由于畜禽日常生产活动中的运动状态相似性较大，仅通过上述方法作出畜禽行为及健康状况判断会存在很大误差，分类养殖的准确率并不理想，而且判断结果受外界环境状况和畜禽个体差异等因素影响。因此，现有的技术问题是如何提供一种适用性强、受环境状况影响小且准确率高的畜禽健康状况监测方法。

发明内容

为了解决上述技术问题，本发明一方面提出了一种畜禽健康状况监测方法，包括以下步骤：

S1：数据采集单元中的三轴加速度传感器根据预设采样频率采集N个畜禽的三轴加速度数据，其中N为大于0的整数；

S2：数据处理单元通过聚类算法对所述三轴加速度数据进行聚类分析，得到每个畜禽各类基本行为的时序数据；

S3：数据处理单元将所述时序数据与预设的阈值参数进行比较分析，得出每个畜禽的健康状况信息。

优选地，所述步骤S3中所述数据处理单元得出每个畜禽的健康状况信息的同时，指示出每个畜禽的身份信息；

其中，所述身份信息为所述数据采集单元中的身份识别单元识别出的电子标签的信息；所述电子标签位于每个畜禽身体的外表面上。

优选地，所述步骤S2中，所述数据处理单元通过聚类算法对所述行为加速度数据进行聚类分析，具体包括以下步骤：

S21：将所述N个畜禽的各类基本行为划分为K个类别，预设所述K个类别的聚类中心，其中K为大于0的整数；

S22：分别计算所述N个畜禽中每个畜禽的行为加速度数据与所述K个聚类中心的欧氏距离，将所述每个畜禽的行为加速度数据分配到与其欧式距离最小的聚类中心所代表的类别中；

S23：分别对所述K个类别中每个类别包含的所有行为加速度数据求均值，将所述均值作为该类别新的聚类中心，计算该类别中所有行为加速度数据到该类别的所述新的聚类中心的距离平方和；

S24：判断聚类中心和所述距离平方和的值是否发生改变，若未发生改变，则聚类结束；若发生改变，则重复步骤S22。

优选地，所述步骤S21中将所述N个畜禽的各类基本行为划分为K个类别具体为：

将所述N个畜禽的各类基本行为划分为K＝4个类别，所述4个类别包括躺卧行为、站立或慢走行为、采食行为和跨跳行为。

优选地，所述步骤S21中预设所述K个类别的聚类中心具体为：根据周围环境数据预设所述K个类别的聚类中心；

其中，所述周围环境数据为所述数据采集单元中的温度传感器、气压传感器及相对湿度传感器分别采集到的畜禽所在的周围环境的温度、气压及相对湿度。

优选地，所述步骤S1还包括微型存储单元存储所述数据采集单元采集到的数据信息。

优选地，所述步骤S1还包括利用无线传输单元将所述数据采集单元采集的数据信息经过转换处理并传输至所述数据处理单元。

优选地，所述数据采集单元中的红外视频采集设备采集每个畜禽行为的全程监控视频；利用所述监控视频核实所述健康状况信息。

优选地，数据处理单元根据所述每个畜禽的健康状况信息给出对每个畜禽的管理建议；所述管理建议包括分群、隔离或维持原圈养方式。

本发明另一方面提出了一种畜禽健康状况监测***，包括数据采集单元、微型存储单元、无线传输单元及数据处理单元；

所述数据采集单元包括：三轴加速度传感器、身份识别单元、温度传感器、气压传感器、相对湿度传感器以及红外视频采集设备；

所述三轴加速度传感器、温度传感器、气压传感器及相对湿度传感器集成为微型传感器单元，设置在每个畜禽身体的外表面上；

所述身份识别单元与所述红外视频采集设备分别设置在畜禽所在环境的预设位置；

所述三轴加速度传感器用于根据预设采样频率采集N个畜禽的三轴加速度数据，其中N为大于0的整数；

所述身份识别单元用于识别电子标签的信息；所述电子标签位于每个畜禽身体的外表面上；

所述温度传感器、气压传感器、相对湿度传感器用于采集畜禽所在的周围环境的温度、气压及相对湿度；

所述红外视频采集设备用于采集每个畜禽行为的全程监控视频；

所述微型存储单元用于存储所述数据采集单元采集到的数据和信息；

所述无线传输单元用于将所述数据采集单元采集的数据和信息经过转换处理并传输至所述数据处理单元；

所述数据处理单元，通过聚类算法对所述三轴加速度数据进行聚类分析，得到每个畜禽各类基本行为的时序数据；将所述时序数据与预设的阈值参数进行比较分析，得出每个畜禽的健康状况信息；根据所述每个畜禽的健康状况信息给出对每个畜禽的管理建议；所述管理建议包括分群、隔离或维持原圈养方式。

本发明通过聚类算法对畜禽的行为加速度数据进行聚类分析，与识别的电子标签识别信息相结合，得到畜禽行为与健康状态的异常信息。本发明适应性强、受外界环境状况影响小，准确率高，对判断畜禽行为与健康状态、畜禽分类养殖及全程质量监管发挥有利的作用。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本发明实施例提供的畜禽健康状况监测方法流程图；

图2示出了本发明实施例提供的畜禽健康状况监测***的结构示意图；

图3示出了本发明实施例提供的畜禽健康状况监测方法中步骤S2的流程图；

图4示出了本发明实施例提供的畜禽4种日常行为的三轴加速度曲线图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1示出了本发明实施例提供的畜禽健康状况监测方法流程图。如图1所示，本发明所提供的畜禽健康状况监测方法，具体包括以下步骤：

S1：数据采集单元中的三轴加速度传感器根据预设采样频率采集N个畜禽的三轴加速度数据，其中N为大于0的整数；

S2：数据处理单元通过聚类算法对所述三轴加速度数据进行聚类分析，得到每个畜禽各类基本行为的时序数据；

S3：数据处理单元将所述时序数据与预设的阈值参数进行比较分析，得出每个畜禽的健康状况信息。

本发明所提供的畜禽健康状况监测方法具有适应性强、受外界环境状况影响小，准确率高的特点，可对判断畜禽行为与健康状态、畜禽分类养殖及全程质量监管发挥有利的作用，在对畜禽的行为进行长期实时监测的过程中，不影响畜禽的日常生产活动，基本无应激反应。

优选地，所述步骤S3中所述数据处理单元得出每个畜禽的健康状况信息的同时，指示出每个畜禽的身份信息；其中，所述身份信息为所述数据采集单元中的身份识别单元识别出的电子标签的信息；所述电子标签位于每个畜禽身体的外表面上，如佩戴于畜禽的耳朵上。

图3示出了本发明实施例提供的畜禽健康状况监测方法中步骤S2的流程图。如图3所示，所述步骤S2中，所述数据处理单元通过聚类算法对所述行为加速度数据进行聚类分析，具体包括以下步骤：

S21：将所述N个畜禽的各类基本行为划分为K个类别，预设所述K个类别的聚类中心，其中K为大于0的整数；

S22：分别计算所述N个畜禽中每个畜禽的行为加速度数据与所述K个聚类中心的欧氏距离，将所述每个畜禽的行为加速度数据分配到与其欧式距离最小的聚类中心所代表的类别中；

S23：分别对所述K个类别中每个类别包含的所有行为加速度数据求均值，将所述均值作为该类别新的聚类中心，计算该类别中所有行为加速度数据到该类别的所述新的聚类中心的距离平方和；

S24：判断聚类中心和所述距离平方和的值是否发生改变，若未发生改变，则聚类结束；若发生改变，则重复步骤S22。

优选地，所述步骤S21中将所述N个畜禽的各类基本行为划分为K个类别具体为：

将所述N个畜禽的各类基本行为划分为K＝4个类别，所述4个类别包括躺卧行为、站立或慢走行为、采食行为和跨跳行为。

优选地，所述步骤S21中预设所述K个类别的聚类中心具体为：根据周围环境数据预设所述K个类别的聚类中心；

其中，所述周围环境数据为所述数据采集单元中的温度传感器、气压传感器及相对湿度传感器分别采集到的畜禽所在的周围环境的温度、气压及相对湿度。例如在不同季节的情况下，畜禽的日常行为所持续的时间会呈现不同的规律。因此，在判断畜禽健康状态时，应将畜禽所在的周围环境数据考虑进去，根据周围环境数据的不同，为各个类别预设不同的聚类中心。

优选地，所述步骤S1还包括微型存储单元存储所述数据采集单元采集到的数据信息，这样即可由PC机定时发送指令给微存储单元获取数据，也可防止断电等突发事件导致的数据丢失情况。

优选地，所述步骤S1还包括利用无线传输单元将所述数据采集单元采集的数据信息经过转换处理并传输至所述数据处理单元。

优选地，所述数据采集单元中的红外视频采集设备采集每个畜禽行为的全程监控视频；利用所述监控视频核实所述健康状况信息。例如在畜禽行为的全程监控视频经过转换处理并传输至PC机后，可由人工进行查看，起到进一步核实畜禽健康状况监测结果的作用，使监测的准确率更高。

优选地，数据处理单元根据所述每个畜禽的健康状况信息给出对每个畜禽的管理建议；所述管理建议包括分群、隔离或维持原圈养方式。

下面通过举例对所述畜禽健康状况监测方法及***的具体工作流程进行描述。

图2示出了本发明实施例提供的畜禽健康状况监测***的结构示意图。如图2所示，所述***包括：数据采集单元10、微型存储单元20、身份识别单元30、无线传输单元40、数据处理单元50。

本实施例中，数据采集单元10包括收集畜禽(例如奶牛)的行为加速度特征数据的三轴加速度传感器111和收集周围环境数据的温度传感器112、气压传感器113及湿度传感器114组成的微型传感器组成的微型传感器单元11，此微型传感器单元11可通过固定装置15(例如绑带)固定在奶牛的腿部，不会损害奶牛健康及影响奶牛的日常生产活动。将红外视频采集设备12以预设角度安放在奶牛的生活环境中，获取畜禽行为的监控视频。电源模块13采用电池为数据采集单元10进行供电。

身份识别单元30固定在奶牛的生活环境中的预设位置，例如饮水处、挤奶处等，以达到获取奶牛特定行为状态的目的。身份识别单元30还包括奶牛携带(例如佩戴于奶牛的耳朵上)的电子标签31、RFID读写设备32和识别控制模块33。电子标签31的作用是识别奶牛的身份信息，识别控制模块33控制RFID读写设备32读取电子标签31的电子标签识别信息。作为本实施例的优选，RFID读写设备32的型号为双天线的EPC电子标签固定读写器。

数据处理单元50可以选为PC机，其与RFID读写设备32通过无线传输通讯方式进行数据交互，实现对奶牛的个体身份的识别。数据处理单元50中安装有聚类算法软件，利用所述聚类算法软件对接收到的所述第二数据集进行分析处理，借助数据挖掘的聚类算法对所述数据集进行反复叠加训练得到较为稳定的聚类中心，建立基本行为模式架构，基本原理如下：

对于给定的一个包含n个d维数据点的数据集X＝{x₁，x₂，…，x_i，…，x_n}，其中x_i∈R^d，以及要生成的数据子集的数目K，将数据对象组织为K个划分C＝{c_k，i＝1，2，…K}。每个划分代表一个类c_k，每个类c_k有一个类别中心μ_i。选取欧氏距离作为相似性和距离判断准则，计算该类内各点到聚类中心μ_i的距离平方和

$J\left(c_k\right)=\underset{x_i\∈c_i}{\Σ}\left|\right|x_i-u_k|{|}^2,$

聚类目标是使各类总的距离平方和最小。

$J\left(c\right)=\underset{k=1}{\overset{k}{\Σ}}J\left(c_k\right)=\underset{k=1}{\overset{k}{\Σ}}\underset{x_i\∈c_i}{\Σ}\left|\right|x_i-u_k|{|}^2=\underset{k=1}{\overset{k}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{d}_{ki}||x_i-u_k|{|}^2.$

此算法从一个初始的K类别划分开始，然后将各数据点指派到各个类别中，以减小总的距离平方和。总的距离平方和随着类别个数K的增加而趋向于减小(当K＝n时，J(c)＝0)。是一个反复迭代过程，目的是使聚类域中所有的样品到聚类中心距离的平方和J(c)最小。

根据此聚类算法，畜禽个体的三轴加速度数据用ACC＝(ACC_x,ACC_y,ACC_z)表示。

应用于奶牛日常行为建模的具体计算过程如下：

首先，假定需要聚类的对象共有n个，样本集为X＝{x₁，x₂，…，x_n}，该算法的目的是把n个样本对象分成K＝4个簇，这里的K是指奶牛的四个主要的日常行为分类，使得簇内的样本对象具有较高的相似性，而簇间的样本对象相似性很低。

例如，将奶牛的日常行为划分为K＝4类，即躺卧行为、站立或慢走行为、采食行为及夸跳行为，划分描述如表1所示。

表1.奶牛的日常行为分类

一般情况下，奶牛每天用于采食和反刍的时间约13.5个小时；躺卧休息的时间约7个小时；其他的站立、跨跳等时间约3.5个小时。

图4示出了本发明实施例提供的奶牛4种日常行为的三轴加速度曲线图，其中，图(a)～(d)分别示出了奶牛的上下跨跳、躺卧、采食及站立或者慢走时的三轴加速度曲线。由图(a)可知，当奶牛处于上下跨跳行为时，三轴加速度传感器记录的数据曲线会出现大幅地急升急降，以及不规则的波动；图(b)中，奶牛躺卧时，三轴加速度传感器记录的加速度数据曲线基本保持稳定，且主要集中在采食行为之后；图(c)中，当奶牛处在采食阶段时，三轴加速度数据曲线波动比较剧烈且加速度数据没有明显的规律性；图(d)中，当奶牛站立或者慢走时，加速度数据曲线呈现比较规律地波动。因此利用三轴加速度传感器方向轴的响应差异，以及结合聚类分析算法对采集的数据样本集进行聚类，可以实现对4种主要日常行为特征类别的分类。

然后，借助数据挖掘的聚类算法对所述数据集进行反复叠加训练得到较为稳定的聚类中心，具体运算流程如下：

(1)随机选取K＝4个初始的聚类中心：C₁，C₂，…，C_K。

(2)将样本集X中的对象按照最小距离原则分配到K个聚类中的某一个中；最小距离原则：D_j＝min‖X-C_j‖，X＝{x₁，x₂，…，x_n}，j＝1，2，…，k。

(3)重新计算新的聚类中心位置，以便聚类中的每个样本对象的均值到新的聚类中心的距离之和最小；

X＝{x₁，x₂，…，x_n}，j＝1,2，…，K。式中：n_j是该聚类中所包含的样本数。

(4)如果聚类中心有变化，则重复2)，3)步，直到聚类中心不再变化位置，即使得聚类准则函数收敛。

$J_c=\underset{j=1}{\overset{k}{\Σ}}\underset{i=1}{\overset{n_j}{\Σ}}\left|\right|x_i^{\left(j\right)}-C_j|{|}^2,x_i^{\left(j\right)}\∈S_j.$ 式中：C_j是聚类S_j聚类中心。

在完成奶牛日常行为建模之后，数据处理单元根据生成的异常信息生成对异常的奶牛个体进行分类圈养的报表，可据此提升管理水平，极大地改善奶牛个体的优劣差异，具体过程如下：

PC机根据分析出的奶牛行为分类及持续时间，结合温度、湿度、气压等数据，得到当前奶牛的行为判别结果，正常还是异常，并自动指示异常个体的编号，例如，当前一定的环境温度、湿度、气压条件下，行为为站立，PC机将此数据判别为正常信息。

然后将判别结果以报表形式输出，再通过分类筛选，生成异常信息报表，如表2所示，其中备注栏中的详细信息示例如表3所示，奶牛的行为统计示例如表4所示。PC机根据输出的异常信息报表，给出针对性的奶牛管理方案，如分群、分圈或隔离饲养等，以表格形式输出分类圈养报表，如表5所示；若判别奶牛健康，则***不给出异常管理方案，维持原圈养方式。

表2.2015年06月01日异常信息报表

表3.1434号详细信息示例

表4.1434号20150601行为统计示例

一般正常情况下，奶牛每天用于采食和反刍的时间约13.5个小时；躺卧休息的时间约7个小时；其他的站立、跨跳等时间约3.5个小时，据此可以判断处奶牛行为是否异常，若奶牛的每种行为的时间不在正常范围内，即将其行为判断为异常。

表5.分类圈养报表

耳标号

温度

湿度

气压

行为

结果

方案

1434

30.7

40％

1004hPa

站立

健康

无

1435

30.6

42％

1006hPa

异常

异常

隔离

1334

30.5

44％

1005hPa

异常

异常

隔离

1335

30.6

42％

1006hPa

躺卧

健康

无

本实施例所提供的畜禽健康状况监测方法不影响畜禽的日常生产活动，对畜禽行为进行长期实时监测，在数据处理单元形成基本行为模式架构，将其与预设的阈值参数进行比较分析，自动指示出行为异常或健康状态异常的畜禽的身份信息，达到对异常的畜禽进行分类圈养的目的。本发明的畜禽健康状况监测方法对监测条件要求低，并且受外界环境状况影响小，畜禽本体基本无应激反应，为判定畜禽个体日常行为与疾病关系、畜禽福利养殖以及疾病预测模型的建立提供了基础。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种畜禽健康状况监测方法，其特征在于，包括以下步骤：

S1：数据采集单元中的三轴加速度传感器根据预设采样频率采集N个畜禽的三轴加速度数据，其中N为大于0的整数；

S2：数据处理单元通过聚类算法对所述三轴加速度数据进行聚类分析，得到每个畜禽各类基本行为的时序数据；

S3：数据处理单元将所述时序数据与预设的阈值参数进行比较分析，得出每个畜禽的健康状况信息。

2.根据权利要求1所述的畜禽健康状况监测方法，其特征在于，所述步骤S3中所述数据处理单元得出每个畜禽的健康状况信息的同时，指示出每个畜禽的身份信息；

其中，所述身份信息为所述数据采集单元中的身份识别单元识别出的电子标签的信息；所述电子标签位于每个畜禽身体的外表面上。

3.根据权利要求1所述的畜禽健康状况监测方法，其特征在于，所述步骤S2中，所述数据处理单元通过聚类算法对所述行为加速度数据进行聚类分析，具体包括以下步骤：

S21：将所述N个畜禽的各类基本行为划分为K个类别，预设所述K个类别的聚类中心，其中K为大于0的整数；

S22：分别计算所述N个畜禽中每个畜禽的行为加速度数据与所述K个聚类中心的欧氏距离，将所述每个畜禽的行为加速度数据分配到与其欧式距离最小的聚类中心所代表的类别中；

S23：分别对所述K个类别中每个类别包含的所有行为加速度数据求均值，将所述均值作为该类别新的聚类中心，计算该类别中所有行为加速度数据到该类别的所述新的聚类中心的距离平方和；

S24：判断聚类中心和所述距离平方和的值是否发生改变，若未发生改变，则聚类结束；若发生改变，则重复步骤S22。

4.根据权利要求3所述的畜禽健康状况监测方法，其特征在于，所述步骤S21中将所述N个畜禽的各类基本行为划分为K个类别具体为：

将所述N个畜禽的各类基本行为划分为K＝4个类别，所述4个类别包括躺卧行为、站立或慢走行为、采食行为和跨跳行为。

5.根据权利要求3所述的畜禽健康状况监测方法，其特征在于，

所述步骤S21中预设所述K个类别的聚类中心具体为：根据周围环境数据预设所述K个类别的聚类中心；

其中，所述周围环境数据为所述数据采集单元中的温度传感器、气压传感器及相对湿度传感器分别采集到的畜禽所在的周围环境的温度、气压及相对湿度。

6.根据权利要求1、2、5中任一项所述的畜禽健康状况监测方法，其特征在于，所述步骤S1还包括微型存储单元存储所述数据采集单元采集到的数据信息。

7.根据权利要求1所述的畜禽健康状况监测方法，其特征在于，所述步骤S1还包括利用无线传输单元将所述数据采集单元采集的数据信息经过转换处理并传输至所述数据处理单元。

8.根据权利要求1-5或7中任意一项所述的畜禽健康状况监测方法，其特征在于，所述数据采集单元中的红外视频采集设备采集每个畜禽行为的全程监控视频；利用所述监控视频核实所述健康状况信息。

9.根据权利要求1所述的畜禽健康状况监测方法，其特征在于，数据处理单元根据所述每个畜禽的健康状况信息给出对每个畜禽的管理建议；所述管理建议包括分群、隔离或维持原圈养方式。

10.一种实施权利要求1-9中任一项畜禽健康状况监测方法的***，其特征在于，包括数据采集单元、微型存储单元、无线传输单元及数据处理单元；

所述数据采集单元包括：三轴加速度传感器、身份识别单元、温度传感器、气压传感器、相对湿度传感器以及红外视频采集设备；

所述三轴加速度传感器、温度传感器、气压传感器及相对湿度传感器集成为微型传感器单元，设置在每个畜禽身体的外表面上；

所述身份识别单元与所述红外视频采集设备分别设置在畜禽所在环境的预设位置；

所述三轴加速度传感器用于根据预设采样频率采集N个畜禽的三轴加速度数据，其中N为大于0的整数；

所述身份识别单元用于识别电子标签的信息；所述电子标签位于每个畜禽身体的外表面上；

所述温度传感器、气压传感器、相对湿度传感器用于采集畜禽所在的周围环境的温度、气压及相对湿度；

所述红外视频采集设备用于采集每个畜禽行为的全程监控视频；

所述微型存储单元用于存储所述数据采集单元采集到的数据和信息；

所述无线传输单元用于将所述数据采集单元采集的数据和信息经过转换处理并传输至所述数据处理单元；

所述数据处理单元，通过聚类算法对所述三轴加速度数据进行聚类分析，得到每个畜禽各类基本行为的时序数据；将所述时序数据与预设的阈值参数进行比较分析，得出每个畜禽的健康状况信息；根据所述每个畜禽的健康状况信息给出对每个畜禽的管理建议；所述管理建议包括分群、隔离或维持原圈养方式。