CN110276336A - 一种本交笼种鸡个体行为识别***及其识别方法 - Google Patents
一种本交笼种鸡个体行为识别***及其识别方法 Download PDFInfo
- Publication number
- CN110276336A CN110276336A CN201910660200.2A CN201910660200A CN110276336A CN 110276336 A CN110276336 A CN 110276336A CN 201910660200 A CN201910660200 A CN 201910660200A CN 110276336 A CN110276336 A CN 110276336A
- Authority
- CN
- China
- Prior art keywords
- breeder
- behavior
- curve
- data
- curved section
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003542 behavioural effect Effects 0.000 claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims abstract description 4
- 241000287828 Gallus gallus Species 0.000 claims description 18
- 238000012217 deletion Methods 0.000 claims description 15
- 230000037430 deletion Effects 0.000 claims description 15
- 210000003781 tooth socket Anatomy 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 238000011049 filling Methods 0.000 claims description 6
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 230000007812 deficiency Effects 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 35
- 235000013330 chicken meat Nutrition 0.000 description 17
- 238000005070 sampling Methods 0.000 description 5
- 244000144977 poultry Species 0.000 description 4
- 235000013594 poultry meat Nutrition 0.000 description 4
- 241000286209 Phasianidae Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009329 sexual behaviour Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000035611 feeding Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- WTFXARWRTYJXII-UHFFFAOYSA-N iron(2+);iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[O-2].[Fe+2].[Fe+3].[Fe+3] WTFXARWRTYJXII-UHFFFAOYSA-N 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000017448 oviposition Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000384 rearing effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/02—Breeding vertebrates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Zoology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Vascular Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种本交笼种鸡个体行为识别***,包括九轴姿态加速度传感器,佩戴在种鸡颈部下方,用于监测种鸡的行为;摄像头,安装在本交笼上方,用于拍摄种鸡行为数据;上位机,与九轴姿态加速度传感器和摄像头通讯连接,用于对种鸡行为数据进行分析识别。本发明能够改进现有技术的不足,识别过程方便快捷准确,减少了人力成本的投入。
Description
技术领域
本发明涉及禽畜饲养技术领域,尤其是一种本交笼种鸡个体行为识别***及其识别方法。
背景技术
对鸡行为记录主要有传统观察法、图像处理技术、传感器技术等。人工观察法是通过肉眼观察鸡:啄食、饮水、沙浴、觅食、打斗、取食、梳羽、运动等行为。它的取样方法有焦点取样法、瞬时扫描取样法以及全事件取样法。该方法需要人不停的观察,费时费力,缺乏科学性。比如:果林下养鸡,观察时间区间为8∶00~16∶00,以1h为一个时间段。观察者在每次试验开始前20min进入观察点,在观察期间,每15秒采样一次,同时记录事件性行为和状态性行为。用立体笼养、山地散养饲养方式,通过人工观察方法获取鸡的各种行为,不仅耗费大量人力,而且缺乏准确性。图像识别使用摄像机对目标鸡进行连续拍摄。经过影像文件的转换在计算机上由多媒体播放目标鸡行为信息的影像文件。这种图像采集方法虽然比人工观察法更方便,但是也存在很多问题。观察出鸡的个体行为的精确度也不是很高。鸡行为包括取食、游走、静息、琢羽、土浴、攻击、求偶和其他。高速旋转自动监控仪摄像和人工记录相结合。不仅要人为观察记录。而且还得大量的计算。人工观察法引起饲养员视觉疲劳,增加了人工观察难度,劳动量大增大了人和鸡群共患病的概率,不管是对鸡群还是对饲养员都存在危险性也会配备图像录像设备,饲养员可通过观察图像中鸡行为进行分析判断,这虽然减少了饲养员与鸡群的接触机会,但仍耗时耗力,主观性强。人工观察法显然无法满足养鸡业规模化及自动化的要求。射频识别技术,嵌入式***设备及各种传感器等精细定量地记录鸡群行为体征,提高行为监测的自动化水平。相关技术人员对雉鸡行为进行了3年的观察,才发现人工驯养使雉鸡的警卫和逃避行为减弱,取食和产卵行为加强,雉鸡对人工环境的适应逐代加强,所以RFID技术对鸡行为识别还不是特别成熟。
发明内容
本发明要解决的技术问题是提供一种本交笼种鸡个体行为识别***及其识别方法,能够解决现有技术的不足,识别过程方便快捷准确,减少了人力成本的投入。
为解决上述技术问题,本发明所采取的技术方案如下。
一种本交笼种鸡个体行为识别***,包括,
九轴姿态加速度传感器,佩戴在种鸡颈部下方,用于监测种鸡的行为数据;
摄像头,安装在本交笼上方,用于拍摄种鸡行为;
上位机,与九轴姿态加速度传感器和摄像头通讯连接,用于对种鸡行为数据进行分析识别。
作为优选,所述摄像头固定安装在基座上,本交笼上方固定有支撑杆,基座的一侧固定有与支撑杆滑动套接的套管,套管内固定安装有驱动电机,驱动电机的驱动轴上安装有齿轮,支撑杆的一侧固定有齿条,齿轮和齿条相互啮合;齿条的齿槽底部固定有磁石,齿条的齿槽两侧对称设置有限位槽,齿轮的齿槽两侧固定有与限位槽相配合的橡胶块。
作为优选,所述齿轮的齿槽两侧设置有容纳橡胶块的容纳槽,橡胶块的边缘设置有圆角,橡胶块通过弹簧与容纳槽的底部连接,橡胶块的顶面及侧面分别设置有相互连通的凹槽。
一种上述的本交笼种鸡个体行为识别***的识别方法,包括以下步骤:
A、九轴姿态加速度传感器对种鸡的行为数据进行监测;
B、摄像头对种鸡的行为数据进行拍摄;
C、上位机将九轴姿态加速度传感器监测到的种鸡行为数据与数据库中存储的种鸡标准行为数据进行比对,对种鸡行为进行识别;
D、上位机将识别出的种鸡行为与摄像头拍摄的图像数据进行二次比对,若比对失败,则对数据库中存储的种鸡标准行为数据进行更新。
作为优选,步骤C中,在进行数据比对之前,对数据进行预处理包括以下步骤,
C1、上位机根据九轴姿态加速度传感器监测到的种鸡行为数据绘制每只种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线;
C2、将统一种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线放入统一时间坐标系内进行比对,若出现上述三条曲线不匹配的时间区间,则将上述时间区间内的曲线段删除,然后对删除的曲线段进行拟合填充。
作为优选,步骤C2中,对删除的曲线段进行拟合填充包括以下步骤,
C21、对删除的曲线段以及与删除曲线段相邻的曲线段进行傅里叶分解;
C22、对分解出的不同频段的分量进行对比,保留相似度最高的三个频段分量;
C23、对同一时间区间内的三个曲线段分别进行上述步骤C21和C22的处理;
C24、对保留的九个频段进行去重,得到拟合频段,取每个删除曲线段中拟合频段的分量,进行傅里叶逆变换,然后对生成的曲线段两端与元曲线的连接处进行平滑处理。
作为优选,步骤D中,进行二次比对包括以下步骤,
D1、根据步骤C1中获得的种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线,确定图像数据中待处理的种鸡个体,进行标记;
D2、提取若干幅识别出的种鸡行为的时间区间内的图像数据;
D3、将提取图像数据时刻对应的曲线数据合成种鸡的行为状态,将合成的种鸡行为状态与图像数据上标记的种鸡行为状态进行对比,若出现任意一副图像数据标记的种鸡行为状态与合成的种鸡行为状态不同,则判定为比对失败。
采用上述技术方案所带来的有益效果在于:本发明通过九轴姿态加速度传感器获取种鸡的行为数据,并通过摄像头对识别过程进行二次比对,不仅数据获取、分析速度快,而且能保证较高的识别准确度。在数据分析过程中,通过对不同类别数据进行匹配,快速定位干扰信号。然后通过不同类别数据之间的相互比对,删除干扰分量,这种间接式的去噪方法可以大大降低运算量。同时将图像比对引入识别过程,保证了数据比对的准确性。另外,图像处理过程不使用繁琐的的图像处理方法,避免导致运算量的大幅度增加。本发明为了提高摄像头的拍摄成像效果,专门设计了可上下移动的调节装置。从而在对特定区域进行拍摄时,可以灵活调整。齿条齿槽底部的磁石对齿轮起到了吸引定位作用,在摄像头静止拍摄过程中,提高齿条与齿轮啮合的稳定性。限位槽与橡胶块的配合关系可以在摄像头移动拍摄过程中,减少齿条和齿轮之间相互摩擦挤压产生的震动,提高运动拍摄的图像清晰度。橡胶块上的凹槽用来及时排出橡胶块表面的润滑油脂和杂质,从而提高橡胶块与限位槽插接配合的顺畅度。
附图说明
图1是本发明一个具体实施方式的原理图。
图2是本发明一个具体实施方式中摄像头安装位置的结构图。
图3是本发明一个具体实施方式中齿条与齿轮啮合部位的局部放大图。
图4是本发明一个具体实施方式中橡胶块的结构图。
具体实施方式
参照图1-4,本发明一个具体实施方式包括,
九轴姿态加速度传感器1,佩戴在种鸡颈部下方,用于监测种鸡的行为数据;
摄像头2,安装在本交笼上方,用于拍摄种鸡行为;
上位机3,与九轴姿态加速度传感器1和摄像头2通讯连接,用于对种鸡行为数据进行分析识别。
所述摄像头2固定安装在基座4上,本交笼上方固定有支撑杆7,基座4的一侧固定有与支撑杆7滑动套接的套管9,套管9内固定安装有驱动电机5,驱动电机5的驱动轴上安装有齿轮6,支撑杆7的一侧固定有齿条8,齿轮6和齿条8相互啮合;齿条8的齿槽底部固定有磁石10,齿条8的齿槽两侧对称设置有限位槽11,齿轮6的齿槽两侧固定有与限位槽11相配合的橡胶块12。所述齿轮6的齿槽两侧设置有容纳橡胶块12的容纳槽13,橡胶块12的边缘设置有圆角14,橡胶块12通过弹簧15与容纳槽13的底部连接,橡胶块12的顶面及侧面分别设置有相互连通的凹槽16。
另外,套管9内对称安装有两列导向轮17,导向轮17的轴向与齿轮6的轴向相互平行。导向轮17余齿轮6形成相互垂直的安装关系,可以在立体空间中对支撑杆7实现x轴y轴两个方向上的稳定限位,进一步调摄像头运动过程的平稳度。
一种上述的本交笼种鸡个体行为识别***的识别方法,包括以下步骤:
A、九轴姿态加速度传感器1对种鸡的行为数据进行监测;
B、摄像头2对种鸡的行为数据进行拍摄;
C、上位机3将九轴姿态加速度传感器1监测到的种鸡行为数据与数据库中存储的种鸡标准行为数据进行比对,对种鸡行为进行识别;
D、上位机3将识别出的种鸡行为与摄像头2拍摄的图像数据进行二次比对,若比对失败,则对数据库中存储的种鸡标准行为数据进行更新。
步骤C中,在进行数据比对之前,对数据进行预处理包括以下步骤,
C1、上位机3根据九轴姿态加速度传感器1监测到的种鸡行为数据绘制每只种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线;
C2、将统一种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线放入统一时间坐标系内进行比对,若出现上述三条曲线不匹配的时间区间,则将上述时间区间内的曲线段删除,然后对删除的曲线段进行拟合填充。
步骤C2中,对删除的曲线段进行拟合填充包括以下步骤,
C21、对删除的曲线段以及与删除曲线段相邻的曲线段进行傅里叶分解;
C22、对分解出的不同频段的分量进行对比,保留相似度最高的三个频段分量;
C23、对同一时间区间内的三个曲线段分别进行上述步骤C21和C22的处理;
C24、对保留的九个频段进行去重,得到拟合频段,取每个删除曲线段中拟合频段的分量,进行傅里叶逆变换,然后对生成的曲线段两端与元曲线的连接处进行平滑处理。
步骤D中,进行二次比对包括以下步骤,
D1、根据步骤C1中获得的种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线,确定图像数据中待处理的种鸡个体,进行标记;
D2、提取若干幅识别出的种鸡行为的时间区间内的图像数据;
D3、将提取图像数据时刻对应的曲线数据合成种鸡的行为状态,将合成的种鸡行为状态与图像数据上标记的种鸡行为状态进行对比,若出现任意一副图像数据标记的种鸡行为状态与合成的种鸡行为状态不同,则判定为比对失败。
步骤D3中,若提取的图像数据中标记的种鸡位置存在干扰,则对标记种鸡旁边的其他种鸡图像进行分析,获取其移动轨迹、运动状态和身体状态中特征最明显的一组数据,使用获取的数据与对应种鸡在步骤C1中获取的曲线数据进行比对。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种本交笼种鸡个体行为识别***,其特征在于:包括,
九轴姿态加速度传感器(1),佩戴在种鸡颈部下方,用于监测种鸡的行为数据;
摄像头(2),安装在本交笼上方,用于拍摄种鸡行为;
上位机(3),与九轴姿态加速度传感器(1)和摄像头(2)通讯连接,用于对种鸡行为数据进行分析识别。
2.根据权利要求1所述的本交笼种鸡个体行为识别***,其特征在于:所述摄像头(2)固定安装在基座(4)上,本交笼上方固定有支撑杆(7),基座(4)的一侧固定有与支撑杆(7)滑动套接的套管(9),套管(9)内固定安装有驱动电机(5),驱动电机(5)的驱动轴上安装有齿轮(6),支撑杆(7)的一侧固定有齿条(8),齿轮(6)和齿条(8)相互啮合;齿条(8)的齿槽底部固定有磁石(10),齿条(8)的齿槽两侧对称设置有限位槽(11),齿轮(6)的齿槽两侧固定有与限位槽(11)相配合的橡胶块(12)。
3.根据权利要求2所述的本交笼种鸡个体行为识别***,其特征在于:所述齿轮(6)的齿槽两侧设置有容纳橡胶块(12)的容纳槽(13),橡胶块(12)的边缘设置有圆角(14),橡胶块(12)通过弹簧(15)与容纳槽(13)的底部连接,橡胶块(12)的顶面及侧面分别设置有相互连通的凹槽(16)。
4.一种权利要求1~3任意一项所述的本交笼种鸡个体行为识别***的识别方法,其特征在于包括以下步骤:
A、九轴姿态加速度传感器(1)对种鸡的行为数据进行监测;
B、摄像头(2)对种鸡的行为数据进行拍摄;
C、上位机(3)将九轴姿态加速度传感器(1)监测到的种鸡行为数据与数据库中存储的种鸡标准行为数据进行比对,对种鸡行为进行识别;
D、上位机(3)将识别出的种鸡行为与摄像头(2)拍摄的图像数据进行二次比对,若比对失败,则对数据库中存储的种鸡标准行为数据进行更新。
5.根据权利要求4所述的本交笼种鸡个体行为识别***的识别方法,其特征在于:步骤C中,在进行数据比对之前,对数据进行预处理包括以下步骤,
C1、上位机(3)根据九轴姿态加速度传感器(1)监测到的种鸡行为数据绘制每只种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线;
C2、将统一种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线放入统一时间坐标系内进行比对,若出现上述三条曲线不匹配的时间区间,则将上述时间区间内的曲线段删除,然后对删除的曲线段进行拟合填充。
6.根据权利要求5所述的本交笼种鸡个体行为识别***的识别方法,其特征在于:步骤C2中,对删除的曲线段进行拟合填充包括以下步骤,
C21、对删除的曲线段以及与删除曲线段相邻的曲线段进行傅里叶分解;
C22、对分解出的不同频段的分量进行对比,保留相似度最高的三个频段分量;
C23、对同一时间区间内的三个曲线段分别进行上述步骤C21和C22的处理;
C24、对保留的九个频段进行去重,得到拟合频段,取每个删除曲线段中拟合频段的分量,进行傅里叶逆变换,然后对生成的曲线段两端与元曲线的连接处进行平滑处理。
7.根据权利要求6所述的本交笼种鸡个体行为识别***的识别方法,其特征在于:步骤D中,进行二次比对包括以下步骤,
D1、根据步骤C1中获得的种鸡的移动轨迹曲线、运动状态曲线和身体状态曲线,确定图像数据中待处理的种鸡个体,进行标记;
D2、提取若干幅识别出的种鸡行为的时间区间内的图像数据;
D3、将提取图像数据时刻对应的曲线数据合成种鸡的行为状态,将合成的种鸡行为状态与图像数据上标记的种鸡行为状态进行对比,若出现任意一副图像数据标记的种鸡行为状态与合成的种鸡行为状态不同,则判定为比对失败。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910660200.2A CN110276336A (zh) | 2019-07-22 | 2019-07-22 | 一种本交笼种鸡个体行为识别***及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910660200.2A CN110276336A (zh) | 2019-07-22 | 2019-07-22 | 一种本交笼种鸡个体行为识别***及其识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110276336A true CN110276336A (zh) | 2019-09-24 |
Family
ID=67964912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910660200.2A Pending CN110276336A (zh) | 2019-07-22 | 2019-07-22 | 一种本交笼种鸡个体行为识别***及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276336A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861664A (zh) * | 2021-01-25 | 2021-05-28 | 华南农业大学 | 一种基于深度学习的家禽姿态检测方法和*** |
CN114282671A (zh) * | 2021-12-28 | 2022-04-05 | 河北农业大学 | 一种基于加速度传感器行为识别的种鸡群序确定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184267A (zh) * | 2011-04-14 | 2011-09-14 | 上海同岩土木工程科技有限公司 | 一种自动数据采集***消除干扰的异常数据过滤方法 |
CN107909771A (zh) * | 2017-10-08 | 2018-04-13 | 南京邮电大学 | 一种基于无线传感网络的人员跌倒报警***及其实现方法 |
CN109222909A (zh) * | 2018-09-30 | 2019-01-18 | 李莉 | 一种可穿戴式智能监测装置及监测运动、脊椎弯曲和关节磨损的方法 |
CN210072644U (zh) * | 2019-07-22 | 2020-02-14 | 河北农业大学 | 一种本交笼种鸡个体行为识别*** |
-
2019
- 2019-07-22 CN CN201910660200.2A patent/CN110276336A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184267A (zh) * | 2011-04-14 | 2011-09-14 | 上海同岩土木工程科技有限公司 | 一种自动数据采集***消除干扰的异常数据过滤方法 |
CN107909771A (zh) * | 2017-10-08 | 2018-04-13 | 南京邮电大学 | 一种基于无线传感网络的人员跌倒报警***及其实现方法 |
CN109222909A (zh) * | 2018-09-30 | 2019-01-18 | 李莉 | 一种可穿戴式智能监测装置及监测运动、脊椎弯曲和关节磨损的方法 |
CN210072644U (zh) * | 2019-07-22 | 2020-02-14 | 河北农业大学 | 一种本交笼种鸡个体行为识别*** |
Non-Patent Citations (1)
Title |
---|
王传哲: "生猪个体信息获取与行为识别方法研究", 中国优秀硕士论文集, 15 February 2018 (2018-02-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861664A (zh) * | 2021-01-25 | 2021-05-28 | 华南农业大学 | 一种基于深度学习的家禽姿态检测方法和*** |
CN112861664B (zh) * | 2021-01-25 | 2023-10-17 | 华南农业大学 | 一种基于深度学习的家禽姿态检测方法和*** |
CN114282671A (zh) * | 2021-12-28 | 2022-04-05 | 河北农业大学 | 一种基于加速度传感器行为识别的种鸡群序确定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cangar et al. | Automatic real-time monitoring of locomotion and posture behaviour of pregnant cows prior to calving using online image analysis | |
JP6587610B2 (ja) | 映像医療機器により取得した画像を処理するシステムおよびそのシステムの作動方法 | |
Chenouard et al. | Multiple hypothesis tracking for cluttered biological image sequences | |
US11367219B2 (en) | Video analysis apparatus, person retrieval system, and person retrieval method | |
CN106778687B (zh) | 基于局部评估和全局优化的注视点检测方法 | |
Leroy et al. | A computer vision method for on-line behavioral quantification of individually caged poultry | |
Tillett et al. | Using model-based image processing to track animal movements | |
Pediaditis et al. | Vision-based motion detection, analysis and recognition of epileptic seizures—a systematic review | |
CN112580552B (zh) | 一种鼠类行为分析方法及装置 | |
CN111476883B (zh) | 多视角无标记动物的三维姿态轨迹重建方法及装置 | |
CN110276336A (zh) | 一种本交笼种鸡个体行为识别***及其识别方法 | |
CN107292252A (zh) | 一种自主学习的身份识别方法 | |
CN112818883B (zh) | 基于眼动信号的感兴趣目标深度学习检测与定位方法 | |
CN112116635A (zh) | 一种基于快速人体移动的视觉跟踪方法及装置 | |
Lin et al. | Monitoring chicken heat stress using deep convolutional neural networks | |
US20190289202A1 (en) | Image sensor | |
Mittek et al. | Health monitoring of group-housed pigs using depth-enabled multi-object tracking | |
Catalano et al. | Exploiting 3D part-based analysis, description and indexing to support medical applications | |
CN112528823A (zh) | 一种基于关键帧检测和语义部件分割的条斑鲨运动行为分析方法及*** | |
JP2022043631A (ja) | 情報処理装置、情報処理方法及びプログラム | |
Liu et al. | MonkeyTrail: A scalable video-based method for tracking macaque movement trajectory in daily living cages | |
Hu et al. | Hot spot detection based on feature space representation of visual search | |
CN210072644U (zh) | 一种本交笼种鸡个体行为识别*** | |
Williams et al. | Detecting marine animals in underwater video: Let's start with salmon | |
Pistocchi et al. | Kernelized Structural Classification for 3D dogs body parts detection |
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 |