CN110866559A - 一种家禽的行为分析方法及装置 - Google Patents
一种家禽的行为分析方法及装置 Download PDFInfo
- Publication number
- CN110866559A CN110866559A CN201911112349.3A CN201911112349A CN110866559A CN 110866559 A CN110866559 A CN 110866559A CN 201911112349 A CN201911112349 A CN 201911112349A CN 110866559 A CN110866559 A CN 110866559A
- Authority
- CN
- China
- Prior art keywords
- clustering
- poultry
- points
- behavior
- cluster
- 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
- 244000144977 poultry Species 0.000 title claims abstract description 132
- 238000004458 analytical method Methods 0.000 title claims abstract description 45
- 230000033001 locomotion Effects 0.000 claims abstract description 70
- 238000009395 breeding Methods 0.000 claims abstract description 13
- 230000001488 breeding effect Effects 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims description 73
- 238000000034 method Methods 0.000 claims description 36
- 238000001914 filtration Methods 0.000 claims description 11
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims 1
- 235000013594 poultry meat Nutrition 0.000 description 109
- 241000287828 Gallus gallus Species 0.000 description 23
- 235000013330 chicken meat Nutrition 0.000 description 23
- 230000000694 effects Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 244000144992 flock Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 241000272814 Anser sp. Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 230000017448 oviposition Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Birds (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种家禽的行为分析方法及装置,涉及智能养殖技术领域,该方法包括:接收设置于家禽身上的定位装置发送的定位信息;根据所述定位信息确定所述家禽的运动轨迹;对所述运动轨迹进行聚类分析并获取聚类结果;根据所述聚类结果对所述家禽的行为进行分析。根据定位信息确定的运动轨迹能够反映出家禽的运动区域,进而根据由运动轨迹聚类分析得到的聚类结果对家禽的行为进行分析可以有效的对家禽的行为状态进行分析,继而便于管理人员对家禽进行管理。
Description
技术领域
本申请涉及智能养殖技术领域,具体而言,涉及一种家禽的行为分析方法及装置。
背景技术
养殖业是农业的主要组成部分之一,为人们的日常生活提供丰富和优质的食品,同时也能带动经济的发展,养殖业一般包括散养、圈养或者二者结合的方式,其中,为了采用散养方式得到更优质的农副产品,目前常常通过收集家禽的运动信息和定位信息判断家禽的健康状态以便于管理,但是运动信息和定位信息的数据量十分大,管理人员无法有效的根据运动信息和定位信息对家禽的行为状态进行分析,从而导致管理成本大。
发明内容
本申请实施例的目的在于提供一种家禽的行为分析方法及装置,用以改善现有技术中无法有效的根据运动信息和定位信息对家禽的行为状态进行分析的问题。
第一方面,本申请实施例提供了一种家禽的行为分析方法,所述方法包括:接收设置于家禽身上的定位装置发送的定位信息;根据所述定位信息确定所述家禽的运动轨迹;对所述运动轨迹进行聚类分析并获取聚类结果;根据所述聚类结果对所述家禽的行为进行分析。
在上述实现过程中,通过设置于家禽身上的定位装置收集定位信息,然后根据该定位信息确定出家禽的运动轨迹,运动轨迹能够反映出家禽的运动区域,进而根据由运动轨迹聚类分析得到的聚类结果对家禽的行为进行分析可以有效的对家禽的行为状态进行分析,继而便于管理人员对家禽进行管理。
可选地,所述根据所述定位信息确定所述家禽的运动轨迹,包括:对所述定位信息进行无效信息过滤处理;根据所述过滤后的定位信息绘制所述家禽的运动轨迹。定位信息中的无效信息无对家禽的行为分析产生影响,因此通过对定位信息进行过滤处理可以保证运动轨迹的可靠性,从而保证准确的对家禽的行为进行分析。
可选地,所述对所述运动轨迹进行聚类分析并获取聚类结果,包括:获取聚类半径以及邻域密度阈值;根据所述聚类半径以及所述邻域密度阈值对所述运动轨迹上的运动点进行聚类类型分析,以确定所述运动点的聚类类型,其中,所述运动点的聚类类型包括核心点、边界点以及噪声点;根据预设聚类规则以及所述运动点的聚类类型将所述运动点分为至少一个簇类,并将所述至少一个簇类确定为聚类结果,其中,所述至少一个簇类中不包括所述噪声点。
在上述实现过程中,通过设置聚类半径以及邻域密度阈值来分析出运动轨迹上的运动点的聚类类型,聚类类型包括核心点、边界点以及噪声点,继而根据预设聚类规则以及不同聚类类型的运动点准确的确定出聚类结果,进而能够保证准确的对家禽的行为进行分析。
可选地,所述根据预设聚类规则以及所述运动点的聚类类型将所述运动点分为至少一个簇类,包括:将符合密度可达聚类规则的至少两个核心点归为目标簇类,其中,所述至少两个核心点中任意两个核心点之间的距离不大于所述聚类半径;根据所述目标簇类中的核心点确定符合密度直达聚类规则的边界点,并将所述边界点归为所述目标簇类,其中,所述边界点与所述目标簇类中的至少一个核心点之间的距离不大于所述聚类半径,所述目标簇类属于所述至少一个簇类。
可选地,所述根据所述聚类结果对所述家禽的行为进行分析,包括:获取所述家禽的当前养殖期所属的生理阶段;根据所述生理阶段确定所述家禽的常规行为;根据所述常规行为以及所述聚类结果判断所述家禽的当前行为是否异常。根据生理阶段能够获取家禽在当前养殖期的常规行为,继而根据常规行为和聚类结果准确的判断家禽的当前行为是否异常,进而便于管理人员对家禽进行管理。
第二方面,本申请实施例提供了一种家禽行为分析装置,所述装置包括:信息接收模块,用于接收设置于家禽身上的定位装置发送的定位信息;运动轨迹绘制模块,用于根据所述定位信息确定所述家禽的运动轨迹;聚类模块,用于对所述运动轨迹进行聚类分析并获取聚类结果;行为分析模块,用于根据所述聚类结果对所述家禽的行为进行分析。
可选地,所述运动轨迹绘制模块包括:过滤单元,用于对所述定位信息进行无效信息过滤处理;运动轨迹绘制单元,用于根据所述过滤后的定位信息绘制所述家禽的运动轨迹。
可选地,所述聚类模块包括:聚类参数获取单元,用于获取聚类半径以及邻域密度阈值;聚类类型分析单元,用于根据所述聚类半径以及所述邻域密度阈值对所述运动轨迹上的运动点进行聚类类型分析,以确定所述运动点的聚类类型,其中,所述运动点的聚类类型包括核心点、边界点以及噪声点;聚类单元,用于根据预设聚类规则以及所述运动点的聚类类型将所述运动点分为至少一个簇类,并将所述至少一个簇类确定为聚类结果,其中,所述至少一个簇类中不包括所述噪声点。
可选地,所述聚类单元包括:核心点聚类子单元,用于将符合密度可达聚类规则的至少两个核心点归为目标簇类,其中,所述至少两个核心点中任意两个核心点之间的距离不大于所述聚类半径;
边界点聚类子单元,用于根据所述目标簇类中的核心点确定符合密度直达聚类规则的边界点,并将所述边界点归为所述目标簇类,其中,所述边界点与所述目标簇类中的至少一个核心点之间的距离不大于所述聚类半径,所述目标簇类属于所述至少一个簇类。
可选地,所述行为分析模块包括:生理阶段获取单元,用于获取所述家禽的当前养殖期所属的生理阶段;常规行为确定单元,用于根据所述生理阶段确定所述家禽的常规行为;行为判断单元,用于根据所述常规行为以及所述聚类结果判断所述家禽的当前行为是否异常。
第三方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的方法。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电子设备的结构框图;
图2为本申请实施例提供的一种家禽的行为分析方法的流程图;
图3为本申请实施例提供的一种聚类分析的示意图;
图4为本申请实施例提供的一种家禽一日活动轨迹展示的示意图;
图5为本申请实施例提供的一种家禽一周活动轨迹展示的示意图;
图6为本申请实施例提供的一种家禽行为分析装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
随着人们对养殖业的农副产品品质要求的提高,越来越多的人们对家禽采用散养的方式进行养殖,能够使家禽在散养区域自由活动,如,散养鸡只由于活动空间大,鸡只的整身肌肉都可以得到活动因此散养鸡只的肉质比普通大棚养鸡只更好,此外,散养鸡只所产的鸡蛋营养价值也比普通鸡蛋营养价值高。但是采用散养方式进行养殖时,有与活动范围的增大,且家禽的活动踪迹以及行为不易获取,对管理人员的管理带来一定的难度,因此,本申请提供了一种家禽的行为分析方法及装置,能够有效的对家禽的行为状态进行分析。
请参照图1,图1为本发明实施例提供的一种电子设备的结构示意图,本申请提供的家禽的行为分析方法能够由该电子设备运行,所述电子设备可以包括:至少一个处理器110,例如CPU,至少一个通信接口120,至少一个存储器130和至少一个通信总线140。其中,通信总线140用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器,也可以是非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器110执行时,电子设备执行下述图2所示方法过程。
请参看图2,图2为本申请提供的本申请实施例提供的一种家禽的行为分析方法,该方法包括如下步骤:
步骤S110:接收设置于家禽身上的定位装置发送的定位信息。
为了对家禽的位置进行监测,可以在家禽身上设置定位装置,以采用定位技术获取家禽的位置信息,例如,全球卫星定位技术(Global Positioning System,GPS)定位技术、基站定位技术、无线定位技术以及射频定位技术等,其中,不同的定位技术有不同的优点,为了得到准确的定位信息,可以根据实际情况选择不同的定位技术。
其中,定位装置发送的定位信息可以包括多种类型的数据,例如,字符型数据、数值型数据以及日期型数据等,其中,字符型数据可以表示家禽的编码信息,用于标识家禽的身份,数值型数据可以用于表示家禽的位置,日期型数据可以用于表示数据产生的时间,如,某一时刻获取的定位信息包括字符型数据A0010、数值型数据100200以及日期型数据190101130000,可以表示编号为A0010的家禽为鸡只,在19年01月01日13时00分00秒位于散养区域内的(100,50)处,而另一时刻获取的定位信息包括字符型数据B0010、数值型数据100200以及日期型数据190101130000,可以表示编号为B0010的家禽为鹅,在19年01月01日13时00分00秒位于散养区域内的(100,50)处,当然定位信息中的数据类型可以根据实际情况进行设定,不限于上述类型。
步骤S120:根据定位信息确定家禽的运动轨迹。
在根据定位信息确定家禽的运动轨迹时,可以先对定位信息进行无效信息过滤处理,然后根据过滤后的定位信息绘制家禽的运动轨迹。
由于定位信息中可能会存在重复的数据或缺失的数据,因此,可以筛选并清除掉重复的数据,或者筛选并补全缺失的数据,也可以称为数据清洗。在对数据进行过滤处理后还可以进行数据抽取、数据分组、数据标准化等数据处理过程,便于后续开展数据分析。定位信息中的无效信息无对家禽的行为分析产生影响,因此通过对定位信息进行过滤处理可以保证运动轨迹的可靠性,从而保证准确的对家禽的行为进行分析。
作为一种实施方式,根据过滤后的定位信息绘制某一家禽的运动轨迹时,可以根据定位信息中的时间顺序,将位置数据在地图上表示的点连接起来,从而形成运动轨迹。
步骤S130:对运动轨迹进行聚类分析并获取聚类结果。
聚类分析是能够研究样品分类问题的一种统计分析方法,也是数据挖掘的一个重要算法,为了能够根据家禽的运动轨迹分析出家禽的热点活动区域,本申请可以采用基于密度的DBSCAN算法。
步骤S140:根据聚类结果对家禽的行为进行分析。
聚类结果能够分析出家禽的热点活动区域,从而根据聚类结果能够对家禽的行为进行分析,例如,根据聚类结果分析出家禽的热点活动区域之后,可以进一步分析出家禽的状态以及部分行为,此外,还可以通过聚类结果找到家禽的热点活动区域,并进一步分析该热点活动区域内是否有较多的饲料等资源。
在上述实现过程中,通过设置于家禽身上的定位装置收集定位信息,然后根据该定位信息确定出家禽的运动轨迹,运动轨迹能够反映出家禽的运动区域,进而根据由运动轨迹聚类分析得到的聚类结果对家禽的行为进行分析可以有效的对家禽的行为状态进行分析,继而便于管理人员对家禽进行管理。
作为一种实施方式,在对运动轨迹进行聚类分析并获取聚类结果时,包括如下过程:首先获取聚类半径以及邻域密度阈值,然后根据聚类半径以及邻域密度阈值对运动轨迹上的运动点进行聚类类型分析,以确定运动点的聚类类型,其中,运动点的聚类类型包括核心点、边界点以及噪声点,接着根据预设聚类规则以及运动点的聚类类型将运动点分为至少一个簇类,并将至少一个簇类确定为聚类结果,其中,至少一个簇类中不包括噪声点。
例如,首先获取聚类半径R以及邻域密度阈值MinPts,聚类半径R表示距离阈值,R邻域指半径为R内的区域,邻域密度阈值MinPts是指形成一个核心点所需要最小的直接可达点数。然后根据聚类半径R以及邻域密度阈值MinPts对运动轨迹上的运动点进行聚类类型分析,以确定运动点的聚类类型。
具体地,对于某一数据集D,样本P属于数据集D,若样本P的R邻域内包含至少MinPts个样本(其中包括样本P),那么样本P为核心点,例如,假设MinPts=6,R=3,那么核心点形成的条件是以该核心点为圆心半径为3的范围内至少还有6-1个点,如下表达式所示:
对于非核心点样本B,样本B属于数据集D,若B在任意核心点P的R邻域内,那么样本B称为边界点,如下表达式所示:
对于非核心点样本N,若N不在任意核心点P的R邻域内,那么样本N称为噪声点,如下表达式所示:
确定了运动点的聚类类型后,根据预设聚类规则以及运动点的聚类类型将运动点分为至少一个簇类,具体的预设聚类规则包括密度可达聚类规则、密度直达聚类规则以及密度相连聚类规则。请参看图3,样本O为噪声点,样本M和样本N为边界点,样本P、样本Q以及未标注的样本点为核心点,对于样本Q,若样本Q处于样本P的R邻域内,且样本P、样本Q均为核心点,则称样本Q的邻域点由样本P密度可达,符合密度可达聚类规则;若样本Q处于样本P的R邻域内,且样本P为核心点,则称样本Q由样本P密度直达,符合密度直达聚类规则;若样本P、样本Q均为非核心点,且样本P、样本Q属于同一簇类,则称样本Q与样本P密度相连,符合密度相连聚类规则。
根据预设聚类规则以及运动点的聚类类型将运动点分为至少一个簇类时,首先将符合密度可达聚类规则的至少两个核心点归为目标簇类,其中,至少两个核心点中任意两个核心点之间的距离不大于聚类半径,如图3中的样本P和样本Q,样本P和样本Q被分为一个目标簇类中。然后根据目标簇类中的核心点确定符合密度直达聚类规则的边界点,其中,边界点与目标簇类中的至少一个核心点之间的距离不大于聚类半径,如图3中所示的样本M和样本N,并将样本M和样本N归为目标簇类,如图3所示的目标簇类就包括样本M、样本N、样本P、样本Q以及未标注的样本点,且该目标簇类属于至少一个簇类。
在上述实现过程中,通过设置聚类半径以及邻域密度阈值来分析出运动轨迹上的运动点的聚类类型,聚类类型包括核心点、边界点以及噪声点,继而根据预设聚类规则以及不同聚类类型的运动点准确的确定出聚类结果,进而能够保证准确的对家禽的行为进行分析。
作为另一种实施方式,当家禽为鸡群时,采用上述DBSCAN算法对运动轨迹进行聚类分析时,可以依次调整参数聚类半径R为r1、r2、r3,同时依次调整参数邻域密度阈值MinPts为m1、m2、m3,经过三次计算后,得出鸡群一日内的热点活动区域有四处,如图4所示,热点活动区域可随着R和MinPts值不断调整而变得更为精确。从单日鸡群活动密集区域可以推断该区域可能存在食草肥美等适合鸡只活动的因素,因此管理人员可将更多的鸡只赶往上述更适合鸡只活动的区域。
可选地,在根据聚类结果对家禽的行为进行分析时,可以先获取家禽的当前养殖期所属的生理阶段,然后根据生理阶段确定家禽的常规行为,接着根据常规行为以及聚类结果判断家禽的当前行为是否异常,并根据生理阶段能够获取家禽在当前养殖期的常规行为,继而根据常规行为和聚类结果准确的判断家禽的当前行为是否异常,进而便于管理人员对家禽进行管理。
例如,上述实施例中,得到如图4所示鸡群在一日内的热点活动区域有四处,若此时鸡群的当前养殖期所属的生理阶段为生长发育期,则可以确定生长发育期的鸡群常规行为为觅食,则最终能够推定图4所示的四处区域有对鸡群生长发育的如食物多的因素,该区域更适合鸡只活动,因此管理人员可以在对鸡群进行管理时,将更多的鸡只赶往图4所示的四处区域内。
又如,当分析的家禽对象为鸡只时,请参看图5,图5中所示的为对家禽的一周运动轨迹曲线并进行聚类分析后得到的聚类结果,同样可以依次调整参数聚类半径R为r1、r2、r3,同时依次调整参数邻域密度阈值MinPts为m1、m2、m3,进行三次DBSCAN计算后迭加得出某只鸡一周内的热点活动区域。若该曲线对应的鸡只为母鸡,且该周处于繁殖期,则进一步可以推测图4中所示的区域则可能会出现下蛋点,因此管理人员可前往此区域寻蛋。此外,在上述实施例中的家禽可以为鸡、鸭以及鹅等,此处不对家禽作具体的限制。
在通过家禽的行为分析方法对家禽的行为进行分析后,可以通过显示装置将该方法中得到的运动轨迹、聚类结果以及分析结果采用图形或者书籍的方式展示出,该显示装置可以为专用计算机显示器、笔记本电脑显示器,还可以为手机显示器、平板显示器等移动显示器,以便于管理人员进行查看。
基于同一发明构思,本申请实施例中还提供一种家禽行为分析装置200,如图6所示,该装置可以是电子设备上的模块、程序段或代码。应理解,该家禽行为分析装置200与上述图2方法实施例对应,能够执行图2方法实施例涉及的各个步骤,该家禽行为分析装置200具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。
可选地,该家禽行为分析装置200包括:
信息接收模块210,用于接收设置于家禽身上的定位装置发送的定位信息。
运动轨迹绘制模块220,用于根据定位信息确定家禽的运动轨迹。
聚类模块230,用于对运动轨迹进行聚类分析并获取聚类结果。
行为分析模块240,用于根据聚类结果对家禽的行为进行分析。
可选地,运动轨迹绘制模块220包括:
过滤单元,用于对定位信息进行无效信息过滤处理。
运动轨迹绘制单元,用于根据过滤后的定位信息绘制家禽的运动轨迹。
可选地,聚类模块230包括:
聚类参数获取单元,用于获取聚类半径以及邻域密度阈值。
聚类类型分析单元,用于根据聚类半径以及邻域密度阈值对运动轨迹上的运动点进行聚类类型分析,以确定运动点的聚类类型,其中,运动点的聚类类型包括核心点、边界点以及噪声点。
聚类单元,用于根据预设聚类规则以及运动点的聚类类型将运动点分为至少一个簇类,并将至少一个簇类确定为聚类结果,其中,至少一个簇类中不包括噪声点。
可选地,聚类单元包括:
核心点聚类子单元,用于将符合密度可达聚类规则的至少两个核心点归为目标簇类,其中,至少两个核心点中任意两个核心点之间的距离不大于聚类半径。
边界点聚类子单元,用于根据目标簇类中的核心点确定符合密度直达聚类规则的边界点,并将边界点归为目标簇类,其中,边界点与目标簇类中的至少一个核心点之间的距离不大于聚类半径,目标簇类属于至少一个簇类。
可选地,行为分析模块240包括:
生理阶段获取单元,用于获取家禽的当前养殖期所属的生理阶段。
常规行为确定单元,用于根据生理阶段确定家禽的常规行为。
行为判断单元,用于根据常规行为以及聚类结果判断家禽的当前行为是否异常。
本申请实施例提供一种可读取存储介质,计算机程序被处理器执行时,执行如图2所示方法实施例中电子设备所执行的方法过程。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本申请提供了一种家禽的行为分析方法及装置,该方法通过设置于家禽身上的定位装置收集定位信息,然后根据该定位信息确定出家禽的运动轨迹,运动轨迹能够反映出家禽的运动区域,进而根据由运动轨迹聚类分析得到的聚类结果对家禽的行为进行分析可以有效的对家禽的行为状态进行分析,继而便于管理人员对家禽进行管理。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种家禽的行为分析方法,其特征在于,所述方法包括:
接收设置于家禽身上的定位装置发送的定位信息;
根据所述定位信息确定所述家禽的运动轨迹;
对所述运动轨迹进行聚类分析并获取聚类结果;
根据所述聚类结果对所述家禽的行为进行分析。
2.根据权利要求1所述的方法,其特征在于,所述根据所述定位信息确定所述家禽的运动轨迹,包括:
对所述定位信息进行无效信息过滤处理;
根据所述过滤后的定位信息绘制所述家禽的运动轨迹。
3.根据权利要求1所述的方法,其特征在于,所述对所述运动轨迹进行聚类分析并获取聚类结果,包括:
获取聚类半径以及邻域密度阈值;
根据所述聚类半径以及所述邻域密度阈值对所述运动轨迹上的运动点进行聚类类型分析,以确定所述运动点的聚类类型,其中,所述运动点的聚类类型包括核心点、边界点以及噪声点;
根据预设聚类规则以及所述运动点的聚类类型将所述运动点分为至少一个簇类,并将所述至少一个簇类确定为聚类结果,其中,所述至少一个簇类中不包括所述噪声点。
4.根据权利要求3所述的方法,其特征在于,所述根据预设聚类规则以及所述运动点的聚类类型将所述运动点分为至少一个簇类,包括:
将符合密度可达聚类规则的至少两个核心点归为目标簇类,其中,所述至少两个核心点中任意两个核心点之间的距离不大于所述聚类半径;
根据所述目标簇类中的核心点确定符合密度直达聚类规则的边界点,并将所述边界点归为所述目标簇类,其中,所述边界点与所述目标簇类中的至少一个核心点之间的距离不大于所述聚类半径,所述目标簇类属于所述至少一个簇类。
5.根据权利要求1所述的方法,其特征在于,所述根据所述聚类结果对所述家禽的行为进行分析,包括:
获取所述家禽的当前养殖期所属的生理阶段;
根据所述生理阶段确定所述家禽的常规行为;
根据所述常规行为以及所述聚类结果判断所述家禽的当前行为是否异常。
6.一种家禽行为分析装置,其特征在于,所述装置包括:
信息接收模块,用于接收设置于家禽身上的定位装置发送的定位信息;
运动轨迹绘制模块,用于根据所述定位信息确定所述家禽的运动轨迹;
聚类模块,用于对所述运动轨迹进行聚类分析并获取聚类结果;
行为分析模块,用于根据所述聚类结果对所述家禽的行为进行分析。
7.根据权利要求6所述的装置,其特征在于,所述运动轨迹绘制模块包括:
过滤单元,用于对所述定位信息进行无效信息过滤处理;
运动轨迹绘制单元,用于根据所述过滤后的定位信息绘制所述家禽的运动轨迹。
8.根据权利要求6所述的装置,其特征在于,所述聚类模块包括:
聚类参数获取单元,用于获取聚类半径以及邻域密度阈值;
聚类类型分析单元,用于根据所述聚类半径以及所述邻域密度阈值对所述运动轨迹上的运动点进行聚类类型分析,以确定所述运动点的聚类类型,其中,所述运动点的聚类类型包括核心点、边界点以及噪声点;
聚类单元,用于根据预设聚类规则以及所述运动点的聚类类型将所述运动点分为至少一个簇类,并将所述至少一个簇类确定为聚类结果,其中,所述至少一个簇类中不包括所述噪声点。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1至5中任一项所述的方法。
10.一种可读取存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,运行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911112349.3A CN110866559A (zh) | 2019-11-14 | 2019-11-14 | 一种家禽的行为分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911112349.3A CN110866559A (zh) | 2019-11-14 | 2019-11-14 | 一种家禽的行为分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110866559A true CN110866559A (zh) | 2020-03-06 |
Family
ID=69653887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911112349.3A Pending CN110866559A (zh) | 2019-11-14 | 2019-11-14 | 一种家禽的行为分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110866559A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113456063A (zh) * | 2021-06-30 | 2021-10-01 | 南京晓庄学院 | 一种基于人工智能的死鸡病鸡检测***及检测方法 |
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 (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4025404A1 (de) * | 1990-08-10 | 1992-02-13 | Guenter Fendt | Frueherkennung von krankheiten in der tierhaltung |
US20070175406A1 (en) * | 2000-11-24 | 2007-08-02 | Clever Sys, Inc. | Unified system and method for animal behavior characterization in home cages using video analysis |
CN101507658A (zh) * | 2009-03-10 | 2009-08-19 | 江苏大学 | 一种基于行为监测的病猪识别方法及*** |
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 |
CN103248703A (zh) * | 2013-05-16 | 2013-08-14 | 中国农业大学 | 生猪行为自动监测***及方法 |
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*** |
CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析***及方法 |
CN104167092A (zh) * | 2014-07-30 | 2014-11-26 | 北京市交通信息中心 | 一种确定出租车上下客热点区域中心的方法以及装置 |
CN104463688A (zh) * | 2014-12-05 | 2015-03-25 | 中国农业大学 | 一种散养肉牛定位预警*** |
CN104899263A (zh) * | 2015-05-22 | 2015-09-09 | 华中师范大学 | 一种基于特定区域的船舶轨迹挖掘分析与监控方法 |
CN105404648A (zh) * | 2015-10-29 | 2016-03-16 | 东北大学 | 一种基于密度与紧密度聚类的用户移动行为确定方法 |
CN105825672A (zh) * | 2016-04-11 | 2016-08-03 | 中山大学 | 一种基于浮动车数据的城市指引区域提取方法 |
CN105843919A (zh) * | 2016-03-24 | 2016-08-10 | 云南大学 | 一种基于多特征融合与聚类集成的移动对象轨迹聚类方法 |
CN106295558A (zh) * | 2016-08-08 | 2017-01-04 | 华南农业大学 | 一种猪只行为节律分析方法 |
CN107071719A (zh) * | 2016-12-12 | 2017-08-18 | 浙江大学 | 一种基于室内移动对象轨迹分析的热点区域热度分析方法 |
CN108052964A (zh) * | 2017-12-05 | 2018-05-18 | 翔创科技(北京)有限公司 | 牲畜状态检测方法、计算机程序、存储介质及电子设备 |
CN108427965A (zh) * | 2018-03-05 | 2018-08-21 | 重庆邮电大学 | 一种基于路网聚类的热点区域挖掘方法 |
CN108959466A (zh) * | 2018-06-20 | 2018-12-07 | 淮阴工学院 | 基于bcs-dbscan的出租车载客热点可视化方法及*** |
CN109171748A (zh) * | 2018-09-12 | 2019-01-11 | 内蒙古大学 | 一种草原放牧绵羊运动行为的检测识别方法及其装置 |
CN109359682A (zh) * | 2018-10-11 | 2019-02-19 | 北京市交通信息中心 | 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法 |
CN109376810A (zh) * | 2018-08-29 | 2019-02-22 | 内蒙古智牧溯源技术开发有限公司 | 基于聚类分析的牲畜分期过牧预警方法 |
CN109558889A (zh) * | 2018-09-27 | 2019-04-02 | 中国农业大学 | 生猪舒适度分析方法及装置 |
CN110134673A (zh) * | 2019-04-23 | 2019-08-16 | 内蒙古智牧溯源技术开发有限公司 | 一种基于轨迹数据的放牧强度估算方法 |
-
2019
- 2019-11-14 CN CN201911112349.3A patent/CN110866559A/zh active Pending
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4025404A1 (de) * | 1990-08-10 | 1992-02-13 | Guenter Fendt | Frueherkennung von krankheiten in der tierhaltung |
US20070175406A1 (en) * | 2000-11-24 | 2007-08-02 | Clever Sys, Inc. | Unified system and method for animal behavior characterization in home cages using video analysis |
CN101507658A (zh) * | 2009-03-10 | 2009-08-19 | 江苏大学 | 一种基于行为监测的病猪识别方法及*** |
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 |
CN103248703A (zh) * | 2013-05-16 | 2013-08-14 | 中国农业大学 | 生猪行为自动监测***及方法 |
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*** |
CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析***及方法 |
CN104167092A (zh) * | 2014-07-30 | 2014-11-26 | 北京市交通信息中心 | 一种确定出租车上下客热点区域中心的方法以及装置 |
CN104463688A (zh) * | 2014-12-05 | 2015-03-25 | 中国农业大学 | 一种散养肉牛定位预警*** |
CN104899263A (zh) * | 2015-05-22 | 2015-09-09 | 华中师范大学 | 一种基于特定区域的船舶轨迹挖掘分析与监控方法 |
CN105404648A (zh) * | 2015-10-29 | 2016-03-16 | 东北大学 | 一种基于密度与紧密度聚类的用户移动行为确定方法 |
CN105843919A (zh) * | 2016-03-24 | 2016-08-10 | 云南大学 | 一种基于多特征融合与聚类集成的移动对象轨迹聚类方法 |
CN105825672A (zh) * | 2016-04-11 | 2016-08-03 | 中山大学 | 一种基于浮动车数据的城市指引区域提取方法 |
CN106295558A (zh) * | 2016-08-08 | 2017-01-04 | 华南农业大学 | 一种猪只行为节律分析方法 |
CN107071719A (zh) * | 2016-12-12 | 2017-08-18 | 浙江大学 | 一种基于室内移动对象轨迹分析的热点区域热度分析方法 |
CN108052964A (zh) * | 2017-12-05 | 2018-05-18 | 翔创科技(北京)有限公司 | 牲畜状态检测方法、计算机程序、存储介质及电子设备 |
CN108427965A (zh) * | 2018-03-05 | 2018-08-21 | 重庆邮电大学 | 一种基于路网聚类的热点区域挖掘方法 |
CN108959466A (zh) * | 2018-06-20 | 2018-12-07 | 淮阴工学院 | 基于bcs-dbscan的出租车载客热点可视化方法及*** |
CN109376810A (zh) * | 2018-08-29 | 2019-02-22 | 内蒙古智牧溯源技术开发有限公司 | 基于聚类分析的牲畜分期过牧预警方法 |
CN109171748A (zh) * | 2018-09-12 | 2019-01-11 | 内蒙古大学 | 一种草原放牧绵羊运动行为的检测识别方法及其装置 |
CN109558889A (zh) * | 2018-09-27 | 2019-04-02 | 中国农业大学 | 生猪舒适度分析方法及装置 |
CN109359682A (zh) * | 2018-10-11 | 2019-02-19 | 北京市交通信息中心 | 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法 |
CN110134673A (zh) * | 2019-04-23 | 2019-08-16 | 内蒙古智牧溯源技术开发有限公司 | 一种基于轨迹数据的放牧强度估算方法 |
Non-Patent Citations (2)
Title |
---|
江玉玲等: "《基于轨迹段DBSCAN 的船舶轨迹聚类算法》", 《中国航海》 * |
黄孟选等: "《RFID技术在动物个体行为识别中的应用进展》", 《中国家禽》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113456063A (zh) * | 2021-06-30 | 2021-10-01 | 南京晓庄学院 | 一种基于人工智能的死鸡病鸡检测***及检测方法 |
CN113456063B (zh) * | 2021-06-30 | 2022-05-03 | 南京晓庄学院 | 一种基于人工智能的死鸡病鸡检测***及检测方法 |
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 |
---|---|---|
CN108990831B (zh) | 一种牲畜健康监控方法和*** | |
US20220183255A9 (en) | Systems, methods, and apparatuses for implementing real time beef cattle monitoring utilizing radio-frequency identification (rfid) based technologies | |
CN105091938B (zh) | 畜禽健康状况监测方法及*** | |
CN104008367A (zh) | 基于计算机视觉的育肥猪的自动行为分析***及方法 | |
CN110866559A (zh) | 一种家禽的行为分析方法及装置 | |
CN106295558A (zh) | 一种猪只行为节律分析方法 | |
CN108461110A (zh) | 医疗信息处理方法、装置及设备 | |
KR102315991B1 (ko) | 인공지능 기반 원격 가축 관리 장치 및 시스템 | |
CN113159244B (zh) | 一种基于物联网的禽类养殖管理*** | |
CN110046889A (zh) | 一种异常行为主体的检测方法、装置及服务器 | |
CN112233102A (zh) | 图像样本集中噪声的识别方法、装置、设备及存储介质 | |
CN108460370A (zh) | 一种固定式家禽生命信息报警装置 | |
CN114241270A (zh) | 一种家庭护理智能监督方法、***及装置 | |
CN114117053A (zh) | 病种分类模型训练方法、装置、存储介质及电子装置 | |
Haldar et al. | Application of information and electronic technology for best practice management in livestock production system | |
CN107194352A (zh) | 一种视频监控的行人计数方法、装置及*** | |
CN113516139A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN115311576A (zh) | 一种基于农房分布的自然村边界提取方法 | |
Bhuiyan et al. | Animal Behavior for Chicken Identification and Monitoring the Health Condition Using Computer Vision: A Systematic Review | |
CN212232650U (zh) | 一种母猪健康监测*** | |
CN109671503A (zh) | 健康方案评估方法及装置 | |
CN113221776B (zh) | 一种基于人工智能对反刍动物一般行为识别的方法 | |
Doulgerakis et al. | An Animal Welfare Platform for Extensive Livestock Production Systems. | |
CN113951168A (zh) | 一种母猪健康监测*** | |
O’Mahony et al. | Two-and three-dimensional computer vision techniques for more reliable body condition scoring |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 200040, room 710, 302 Changping Road, Shanghai, Jingan District Applicant after: Shanghai Xinlian Information Development Co.,Ltd. Address before: 200040, room 710, 302 Changping Road, Shanghai, Jingan District Applicant before: SHANGHAI ZHONGXIN INFORMATION DEVELOPMENT Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200306 |