CN113488175A - 牲畜健康监控方法、装置、存储介质及电子设备 - Google Patents
牲畜健康监控方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113488175A CN113488175A CN202111044229.1A CN202111044229A CN113488175A CN 113488175 A CN113488175 A CN 113488175A CN 202111044229 A CN202111044229 A CN 202111044229A CN 113488175 A CN113488175 A CN 113488175A
- Authority
- CN
- China
- Prior art keywords
- data
- livestock
- target
- state data
- health 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.)
- Pending
Links
- 244000144972 livestock Species 0.000 title claims abstract description 347
- 230000036541 health Effects 0.000 title claims abstract description 270
- 238000012544 monitoring process Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 62
- 241001465754 Metazoa Species 0.000 claims abstract description 109
- 238000012549 training Methods 0.000 claims abstract description 28
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 28
- 239000008280 blood Substances 0.000 claims description 28
- 210000004369 blood Anatomy 0.000 claims description 28
- 229910052760 oxygen Inorganic materials 0.000 claims description 28
- 239000001301 oxygen Substances 0.000 claims description 28
- 230000033001 locomotion Effects 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 14
- 230000001502 supplementing effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012806 monitoring device Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 5
- 230000035611 feeding Effects 0.000 claims 6
- 210000002569 neuron Anatomy 0.000 description 23
- 230000008569 process Effects 0.000 description 18
- 238000009395 breeding Methods 0.000 description 11
- 230000001488 breeding effect Effects 0.000 description 11
- 230000003862 health status Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 244000144980 herd Species 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 235000012054 meals Nutrition 0.000 description 6
- 239000000523 sample Substances 0.000 description 5
- 239000012805 animal sample Substances 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000004634 feeding behavior Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 241000272525 Anas platyrhynchos Species 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 2
- 241000283073 Equus caballus Species 0.000 description 2
- 241000287828 Gallus gallus Species 0.000 description 2
- 241000282898 Sus scrofa Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005541 medical transmission Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000002496 oximetry Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000020595 eating behavior Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Human Resources & Organizations (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Tourism & Hospitality (AREA)
- Pathology (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Epidemiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请公开了一种牲畜健康监控方法、装置、存储介质及电子设备。该方法包括:确定待监控的目标牲畜;在当前时间段,获取目标牲畜的多种状态数据;将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;进而,当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。本申请实施例通过牲畜在当前时间段的多种状态数据得出牲畜的健康指数,与预设的健康指数阈值进行对比,可以确定牲畜当前是否健康,从而监控牲畜的健康状态。
Description
技术领域
本申请涉及牲畜养殖技术领域,尤其涉及一种牲畜健康监控方法、装置、存储介质及电子设备。
背景技术
在我国,畜牧养殖业已经成为一种具有很高经济效益的产业,其自身的高效性使其成为现代农业不可或缺的组成部分之一。随着肉类消费比例逐年提高,畜牧养殖也从散户向着规模化、集约化、智能化养殖转变。规模化养殖场牲畜数目庞大,容易爆发大面积病菌感染和疾病传播,存在较高的食品安全隐患。
因而,在养殖牲畜的过程中,为保证牲畜的健康,需要对牲畜的健康状况进行监控。
发明内容
本申请实施例提供一种牲畜健康监控方法、装置、存储介质及电子设备,能够对牲畜的健康状况进行监控。
第一方面,本申请实施例提供一种牲畜健康监控方法,包括:
确定待监控的目标牲畜;
在当前时间段,获取目标牲畜的多种状态数据;
将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;
当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。
第二方面,本申请实施例提供一种牲畜健康监控装置,包括:
第一确定模块,用于确定待监控的目标牲畜;
获取模块,用于在当前时间段,获取目标牲畜的多种状态数据;
输入模块,用于将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;
第二确定模块,用于当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。
第三方面,本申请实施例提供一种存储介质,其上存储有计算机程序,当计算机程序在计算机上执行时,使得计算机执行本申请实施例提供的方法中的流程。
第四方面,本申请实施例还提供一种电子设备,包括存储器和处理器,存储器中存储有计算机程序,处理器通过调用存储器中存储的计算机程序,用于执行本申请实施例提供的方法中的流程。
本申请实施例中,首先确定待监控的目标牲畜;在当前时间段,获取目标牲畜的多种状态数据;然后将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;进而,当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。本申请实施例通过牲畜在当前时间段的多种状态数据得出牲畜的健康指数,与预设的健康指数阈值进行对比,可以确定牲畜当前是否健康,从而监控牲畜的健康状态。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其有益效果显而易见。
图1是本申请实施例提供的牲畜健康监控方法的场景示意图。
图2是本申请实施例提供的牲畜健康监控方法的第一种流程示意图。
图3是本申请实施例提供的数据采集流程示意图。
图4是本申请实施例提供的健康监控模型的训练示意图。
图5是本申请实施例提供的牲畜健康监控方法的第二种流程示意图。
图6是本申请实施例提供的数据处理流程示意图。
图7是申请实施例提供的牲畜健康监控装置的第一种结构示意图。
图8是申请实施例提供的牲畜健康监控装置的第二种结构示意图。
图9是申请实施例提供的电子设备的第一种结构示意图。
图10是本申请实施例提供的电子设备的第二种结构示意图。
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。基于本申请中的实施例,本领域技术人员在没有付出创造性劳动前提下所获得的所有实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应当理解,这样描述的对象在适当情况下可以互换。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤的过程、方法或包含了一系列模块或单元的装置、终端、***不必限于清楚地列出的那些步骤或模块和单元,还可以包括没有清楚地列出的步骤或模块或单元,也可以包括对于这些过程、方法、装置、终端或***固有的其它步骤或模块或单元。
请参阅图1,图1为本申请实施例提供的牲畜健康监控方法的场景示意图。
该场景可以包括牲畜群100、电子标签200、读写器300、电子设备400和用户500。
在畜牧养殖业,为了及时了解牲畜群的健康状况,常要用户亲自去观测牲畜群的健康状态。畜牧人员需要进入围栏给牲畜进行健康检查,如测量牲畜的体温,不仅环境脏乱,而且对于拥有大量牲畜的规模化养殖场而言,一个个检查牲畜的健康状况效率十分低。
在一实施例中,牲畜群100中的每一个牲畜都佩戴有电子标签200,该电子标签200可用于采集牲畜的状态数据,其中,状态数据可以包括温度数据、运动数据、声纹数据、心率数据、血氧数据和/进食数据等。例如,该电子标签200可以佩戴在牲畜的耳朵上,作为一种电子耳标,周期性地采集牲畜的温度数据、运动数据、声纹数据、心率数据和血氧数据。牲畜的进食区域可以设置有读写器,当牲畜携带电子标签200进入到读写器的读写范围时,将该牲畜的进食次数加一,从而更新牲畜的进食数据。电子标签200和读写器300预先建立有通信连接,读写器300可接收电子标签200采集到的状态数据,通过读写器300与电子设备400之间预先建立的通信连接,将这些状态数据传递给电子设备400,从而反馈给用户500。并且,还可以根据采集到的状态数据计算牲畜的健康指数,以反映牲畜的健康状况。
其中,电子设备400可以是计算机设备,该计算机设备可以是诸如智能手机、平板电脑、个人计算机之类的终端设备,也可以是服务器。电子设备400还可与其他互联网设备,如养殖人员或其他相关人员的手机、电脑等设备建立通信连接,从而可将采集到的状态数据以及计算出的健康指数发送至养殖人员或其他相关人员的手机、电脑等设备,实时地汇报各牲畜的健康状况。通过实时监控牲畜的健康状况,养殖户可以根据牲畜的健康状况来决定是否进围栏对牲畜进行检查,以及对不健康的牲畜进行治疗,以免影响到农产品和农副产品的质量,也便于控制疾病传播。本申请实施例提供的牲畜健康监控方法是一种非接触式的健康监控方法,自动监测牲畜生命体征、实时预警牲畜健康状况,可以节省很多人力物力,解决用户长期面临的养殖痛点。
请参阅图2,图2是本申请实施例提供的牲畜健康监控方法的第一种流程示意图,该牲畜健康监控方法可以包括:
101、确定待监控的目标牲畜。
其中,牲畜可以为马、牛、猪、鸡、鸭等。由于牲畜的健康状况影响到农产品和农副产品的产出质量,因而,需要对牲畜的健康状况进行监控。将牲畜群中的某个牲畜确定为目标牲畜,对其健康状况进行监控。需要说明的是,该目标牲畜可以是牲畜群中的任意一个牲畜,本申请对目标牲畜的选择不做限制。
102、在当前时间段,获取目标牲畜的多种状态数据。
其中,当前时间段指的是包括当前时刻在内的一段时间。
为了观测目标牲畜的健康状态,需要获取目标牲畜的多种状态数据。状态数据指能够反映身体状态的数据,状态数据可以包括身体状态数据和进食数据,其中身体状态数据例如可以是温度数据、运动数据、声纹数据、心率数据、血氧数据,进食数据例如可以是当前时间段的进食次数。本申请所指的多种状态数据,可以包括但不限于上述举例的所有状态数据、或者上述举例的一些状态数据的组合。
在一实施例中,包括目标牲畜在内,牲畜群中的每个牲畜均佩戴有电子标签,电子标签中包括各种用于采集数据的传感器,例如温度传感器、加速度传感器、麦克风以及心率血氧传感器。在获取目标牲畜的多种状态数据时,可以通过各种传感器获取对应的状态数据。
例如,获取目标牲畜的多种状态数据的步骤,可以包括:
通过温度传感器获取目标牲畜的温度数据;
通过加速度传感器获取目标牲畜的运动数据;
通过麦克风获取目标牲畜的声纹数据;
通过心率血氧传感器获取目标牲畜的心率数据和血氧数据。
其中,温度数据可以为目标牲畜在采集时刻的体温,运动数据可以为目标牲畜在采集时刻的加速度(可以包括x、y、z三个空间方向上的加速度),声纹数据可以为目标牲畜在采集时刻的声音,心率数据可以为目标牲畜在采集时刻的心率,血氧数据可以为目标牲畜在采集时刻的血氧浓度。
除多种身体状态数据外,还可以获取目标牲畜在当前时间段内的进食次数。牲畜的进食区域可以设置有读写器,读写器具有读写范围,当电子标签进入到读写器的读写范围时,电子标签可以被读写器读取到,从而可以确定是哪只牲畜在进食。
在一实施例中,电子标签包括相互区别的标识符(也称标签ID),当目标牲畜携带其佩戴的电子标签进入到读写器的读写范围时,读写器自动读取该目标牲畜佩戴的电子标签的标识符,并将该标识符上报至服务器,服务器即可以根据接收到的标识符确定出目标牲畜在进食,进而将记录的目标牲畜的进食次数加一,实现计数。
在一实施例中,每当目标牲畜从读写器的读写范围外进入到读写范围内时,说明目标牲畜过来进食了,服务器将记录的目标牲畜的进食次数加一;而当目标牲畜一直在读写器的读写范围内,说明目标牲畜仍在进食,持续的进食不重复计入目标牲畜的进食次数。
在当前时间段内获取的目标牲畜的进食次数由目标牲畜的进食行为决定,而在当前时间段内获取的各种身体状态数据的数量则可以通过预先设置的采集周期决定。
例如,当前时间段的时长为1分钟,各身体状态数据的采集周期可以设置为当前时间段的时长,即每个时间段内(每隔1分钟)采集一次各种身体状态数据,同时在上一次采集与本次采集之间的1分钟内,对目标牲畜的进食次数进行计数。
或者,对于每种身体状态数据,每个时间段内也可以采集多次数据。例如,将各身体状态数据的采集周期设置为10秒,每隔10秒钟,电子标签采集目标牲畜的各种身体状态数据并上报至读写器,每隔1分钟,读写器将这1分钟内读取到的所有身体状态数据上报给服务器,同时在这1分钟内,服务器对目标牲畜的进食次数进行计数。服务器端的身体状态数据每隔1分钟更新一次,服务器端的进食次数随目标牲畜的进食行为实时更新。
需要说明的是,本申请中电子标签的采集周期的时长可以根据实际需求设置,可以设置得更长,也可以设置得更短,本申请对此不作限制,例如,为了在当前时间段获取更多的数据,采集周期可以设置为3秒。
请参阅图3,图3为本申请实施例提供的数据采集流程示意图。如图3所示,诸如温度数据、运动数据、声纹数据、心率数据、血氧数据等的多种身体状态数据由目标牲畜佩戴的电子标签周期性地采集和上报至读写器,再由读写器周期性地上报至服务器。而进食次数这项数据则借助电子标签和读写器之间的通信连接,由读写器在每次进食行为发生时实时读取电子标签的标识符,并将电子标签的标识符上报至服务器进行进食次数的计数。
103、将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到。
本申请的健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到。多个牲畜样本与目标牲畜可以属于同一个牲畜群。多个牲畜样本中可以包括健康牲畜和不健康牲畜。
为了根据目标牲畜的多种状态数据确定牲畜的健康状况,在历史时间段内,分别采集牲畜群内多个健康牲畜的多种状态数据,以及牲畜群内多个不健康牲畜的多种状态数据,根据这些健康牲畜和不健康牲畜的多种状态数据,得出多种状态数据和健康与否之间的规律。
在一实施例中,该健康监控模型是一种神经网络模型,可以对输入其中的每一个维度的数据(例如,每一种状态数据作为一个维度)进行分类,以及对各维度的数据赋予不同的权重。例如,为突显运动数据和进食次数的重要性,可以为运动数据和进食次数这两个维度赋予较大的权重。
请参阅图4,图4为本申请实施例提供的健康监控模型的训练示意图。图4中共示出有四列,第一列为输入神经网络的数据集,第二列为7个神经元,第三列为另外7个神经元,第四列为1个神经元。其中,通过数据集训练神经网络,输入神经网络的数据集中可以包括多个牲畜样本在历史时间段的多种状态数据,例如温度数据、运动数据、声纹数据、心率数据、血氧数据、进食数据等。输入神经网络的多种状态数据首先被输入多个神经元(neurons),如图中所示,多种状态数据首先被输入到7个神经元。这7个神经元中,每一个神经元都得到数个输出,将每个神经元的每个输出与对应的权重混合后输入至另外的多个神经元,如图中所示,第二列的7个神经元的输出与对应的权重混合后输入至第三列的7个神经元,每个输出混合不同的权重可以不同。最终,第三列的7个神经元将输出输入至第四列的1个神经元,得到该神经网络的输出,该输出可以是模型为各牲畜样本预测的健康指数。
通过模型为各牲畜样本预测健康指数后,可以通过与各牲畜样本预先设置的标签(如健康、不健康)进行对比,确定该健康监控模型的准确率。例如,可以通过人员辅助,确定该健康监控模型的准确率,在该健康监控模型的准确率大于或等于90%时结束训练,得到训练好的健康监控模型。
例如,根据健康监控模型得出牲畜群中各牲畜的健康指数后,通过与预设的健康指数进行对比,可以确定出牲畜群中的不健康牲畜,并通过电子标签的标识符,准确地指示给用户。用户可以进入围栏查看这些被模型判定为不健康的牲畜是否真的不健康,进而可以得出模型判断的准确率,同时,若模型对某个牲畜的判断结果不准确,可以将该牲畜的判断结果由不健康修改为健康,并将该牲畜重新作为样本,将其相关数据重新投入到模型训练中,以此类推,反复训练,直至该健康监控模型的准确率大于或等于预设的比例阈值,如90%。
当健康监控模型的准确率大于或等于预设的比例阈值时,即可以认为该健康监控模型已经比较准确,不再进行人员的辅助校准,可以结束训练,得到训练好的健康监控模型,用该训练好的健康监控模型来监控牲畜群中各个牲畜的健康状况。
在使用训练好的健康监控模型来监控牲畜群中各个牲畜的健康状况时,将目标牲畜的多种状态数据输入到该训练好的健康监控模型中,通过该训练好的健康监控模型获取该目标牲畜的健康指数。
其中,通过该训练好的健康监控模型获取该目标牲畜的健康指数的过程,可以参见前述健康监控模型在训练时为牲畜样本预测健康指出的过程。继续参阅图4,将目标牲畜在历史时间段的多种状态数据,例如温度数据、运动数据、声纹数据、心率数据、血氧数据、进食数据等输入神经网络,这多种状态数据进入神经网络后,首先被输入至多个神经元(neurons)。这多个神经元中,每一个神经元都对所有的状态数据进行处理,每个神经元处理过后都得到数个输出,将每个神经元的每个输出与对应的权重混合后输入至另外的多个神经元,如图中所示,第二列的7个神经元的输出与对应的权重混合后输入至第三列的7个神经元,每个输出混合不同的权重可以不同。最终,第三列的7个神经元将输出输入至第四列的1个神经元,得到该神经网络的输出,也即该目标牲畜健康指数。
健康指数的取值范围可以为:0<健康指数≤1。该健康指数可以反映目标牲畜在当前时间段的健康状况。
104、当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。
确定出目标牲畜的健康指数后,将目标牲畜的健康指数与预设的健康指数阈值进行对比,判断目标牲畜的健康指数是否低于牲畜群的健康指数阈值。
若目标牲畜的健康指数高于或等于预设的健康指数阈值,则确定目标牲畜处于健康状态;若目标牲畜的健康指数低于预设的健康指数阈值,则确定目标牲畜处于非健康状态,对目标牲畜的非健康状态进行提示,以使得用户可以及时了解到目标牲畜的非健康状态以采取相关措施。
例如,预设的健康指数阈值可以为0.41,若当前时间段得出的目标牲畜的健康指数高于或等于0.41,则可以确定该目标牲畜目前处于健康状态;若当前时间段得出的目标牲畜的健康指数小于0.41,则可以确定该目标牲畜目前处于非健康状态,对目标牲畜的非健康状态进行提示并展示该目标牲畜的电子标签标识符。用户在看到电子标签标识符后,可以根据预先存储的各牲畜与佩戴的电子标签的标识符的对应关系,找到对应的目标牲畜。
在一实施例中,对目标牲畜的非健康状态进行提示之后,若接收到目标牲畜处于健康状态的指示信息,则确定目标牲畜处于健康状态,将该目标牲畜在当前时间段的多种状态数据输入至健康监控模型,以对健康监控模型进行优化,提高健康监控模型的准确率。
即,本申请中不仅可以由设备判断目标牲畜的健康状况,也可以由用户判断目标牲畜的健康状况,通过指示信息反馈给设备,并且,用户指示信息的优先级高于设备的判断。例如,当设备根据健康监控模型判断出目标牲畜处于非健康状态并提醒用户后,用户检查出该目标牲畜实际是健康的,则可以反馈一个目标牲畜处于健康状态的指示信息给设备,设备接收到该指示信息,则以该指示信息为准,确定该目标牲畜是健康的,并将该目标牲畜作为健康牲畜样本,将该目标牲畜在当前时间段的多种状态数据输入至健康监控模型,以对健康监控模型进行优化。从而,一方面,设备可以对牲畜的健康状况进行监控,减轻用户的工作量,另一方面,用户也可以通过人工检查对设备的判断基准进行不断的更新和修正,使得设备能够更加准确地判断牲畜的健康状况。
请参阅图5,图5是本申请实施例提供的牲畜健康监控方法的第二种流程示意图,该牲畜健康监控方法可以包括:
201、确定待监控的目标牲畜。
其中,牲畜可以为马、牛、猪、鸡、鸭等。由于牲畜的健康状况影响到农产品和农副产品的产出质量,因而,需要对牲畜的健康状况进行监控。将牲畜群中的某个牲畜确定为目标牲畜,对其健康状况进行监控。需要说明的是,该目标牲畜可以是牲畜群中的任意一个牲畜,本申请对目标牲畜的选择不做限制。
202、在当前时间段,获取目标牲畜的多种状态数据,其中,状态数据包括多种身体状态数据和进食数据,多种身体状态数据包括温度数据、运动数据、声纹数据、心率数据和血氧数据,进食数据包括目标牲畜在当前时间段的进食次数。
为了观测目标牲畜的健康状态,需要获取目标牲畜的多种身体状态数据。身体状态数据指能够反映身体状态的数据,包括温度数据、运动数据、声纹数据、心率数据和血氧数据。
在一实施例中,包括目标牲畜在内,牲畜群中的每个牲畜均佩戴有电子标签,电子标签中包括各种用于采集数据的传感器,包括温度传感器、加速度传感器、麦克风以及心率血氧传感器。在获取目标牲畜的多种身体状态数据时,可以通过对应的传感器获取对应种类的身体状态数据。
例如,获取目标牲畜的多种身体状态数据的步骤,可以包括:
通过温度传感器获取目标牲畜的温度数据;
通过加速度传感器获取目标牲畜的运动数据;
通过麦克风获取目标牲畜的声纹数据;
通过心率血氧传感器获取目标牲畜的心率数据和血氧数据。
其中,温度数据可以为目标牲畜在采集时刻的体温,运动数据可以为目标牲畜在采集时刻的加速度(可以包括x、y、z三个空间方向上的加速度),声纹数据可以为目标牲畜在采集时刻的声音,心率数据可以为目标牲畜在采集时刻的心率,血氧数据可以为目标牲畜在采集时刻的血氧浓度。
除多种身体状态数据外,还可以获取目标牲畜在当前时间段内的进食次数。牲畜的进食区域可以设置有读写器,读写器具有读写范围,当电子标签进入到读写器的读写范围时,电子标签可以被读写器读取到,从而可以确定是哪只牲畜在进食。
在一实施例中,电子标签包括相互区别的标识符(也称标签ID),当目标牲畜携带其佩戴的电子标签进入到读写器的读写范围时,读写器自动读取该目标牲畜佩戴的电子标签的标识符,并将该标识符上报至服务器,服务器即可以根据接收到的标识符确定出目标牲畜在进食,进而将记录的目标牲畜的进食次数加一,实现计数。
在一实施例中,每当目标牲畜从读写器的读写范围外进入到读写范围内时,说明目标牲畜过来进食了,服务器将记录的目标牲畜的进食次数加一;而当目标牲畜一直在读写器的读写范围内,说明目标牲畜仍在进食,持续的进食不重复计入目标牲畜的进食次数。
在当前时间段内获取的目标牲畜的进食次数由目标牲畜的进食行为决定,而在当前时间段内获取的各种身体状态数据的数量则可以通过预先设置的采集周期决定。
例如,当前时间段的时长为1分钟,各身体状态数据的采集周期可以设置为当前时间段的时长,即每个时间段内(每隔1分钟)采集一次各种身体状态数据,同时在上一次采集与本次采集之间的1分钟内,对目标牲畜的进食次数进行计数。
或者,对于每种身体状态数据,每个时间段内也可以采集多次数据。例如,将各身体状态数据的采集周期设置为10秒,每隔10秒钟,电子标签采集目标牲畜的各种身体状态数据并上报至读写器,每隔1分钟,读写器将这1分钟内读取到的所有身体状态数据上报给服务器,同时在这1分钟内,服务器对目标牲畜的进食次数进行计数。服务器端的身体状态数据每隔1分钟更新一次,服务器端的进食次数随目标牲畜的进食行为实时更新。
需要说明的是,本申请中电子标签的采集周期的时长可以根据实际需求设置,可以设置得更长,也可以设置得更短,本申请对此不作限制,例如,为了在当前时间段获取更多的数据,采集周期可以设置为3秒。
203、获取每一种状态数据的预设数据区间。
204、剔除每一种状态数据中不属于预设数据区间的状态数据。
在一实施例中,在将目标牲畜的多种状态数据输入预先训练的健康监控模型中之前,对多种状态数据进行预处理,然后,将预处理后的多种状态数据输入预先训练的健康监控模型中。
请参阅图6,图6为本申请实施例提供的数据处理流程示意图。如图6所示,在获取当前时间段的多种状态数据后,可以对获取到的状态数据进行预处理。其中,预处理可以包括过滤无效数据的过滤,处理缺失数据(又分为剔除冗余数据和修复缺失数据),以及对多种状态数据的数据归一化,等等。
在一实施例中,在将多种状态数据输入至健康监控模型之前,先过滤其中的无效数据,包括:
获取每一种状态数据的预设数据区间;
剔除每一种状态数据中不属于预设数据区间的状态数据。
即,每一种状态数据的值虽然是由目标牲畜的身体状态决定的,但是,每种状态数据也仍然有有效范围。当状态数据未落入对应种类的预设数据区间时,可以认为该状态数据是一个无效数据,进而,过滤该无效数据。
例如,温度数据有其对应的预设温度区间,当某项温度数据的值位于该预设温度区间内,可以认为这是一个有效的温度数据,若某项温度数据的值位于该预设温度区间外,这可以认为这是一个无效的温度数据,该无效的温度数据在采集时可能受到了室温的影响,导致采集到的温度过高或过低,不能代表目标牲畜的真实体温,因而,在将多种状态数据输入健康监控模型之前,需要将该无效的温度数据过滤掉。
205、将每一种状态数据分别作为待处理数据类。
206、根据待处理数据类中的状态数据的数量,对待处理数据类中的状态数据进行清除或补充。
除错误的状态数据外,还可能出现状态数据缺失的情况。例如,在预设时长的当前时间段内,本应获取每种状态数据各20个,但由于各电子标签在上传数据给读写器时,可能发生诸如“碰撞”之类的意外情况,导致上传的数据没有被读写器接收到,从而出现数据的缺失。
为了确定各种状态数据中是否有数据缺失,首先,将每一种状态数据分别作为待处理数据类。待处理数据类是指归属于同一种类的所有状态数据的集合。当前时间段获取的多种状态数据中的任意一种都可以作为待处理数据类。
然后,获取待处理数据类中的状态数据的数量,根据待处理数据类中的状态数据的数量,对待处理数据类中的状态数据进行清除或补充。其中,包括:
若待处理数据类中的状态数据的数量小于数量阈值,则将待处理数据类中的所有状态数据清除;
若待处理数据类中的状态数据的数量大于或等于数量阈值,则将待处理数据类中的状态数据补充至预设数量。
即,若待处理数据类中的状态数据缺失不多,则将待处理数据类中的状态数据补齐,即“修复缺失数据”;若待处理数据类中的状态数据缺失过多,则清除该待处理数据类中的所有状态数据,即“剔除冗余数据”。
其中,将待处理数据类中的状态数据补充至预设数量时,可以确定待处理数据类中的所有状态数据的采集时序,根据采集时序,确定待处理数据类中的空缺位置以及与空缺位置相邻的状态数据,根据相邻的状态数据在空缺位置生成新的状态数据,直至待处理数据类中的状态数据的数量等于预设数量。
在一实施例中,在将目标牲畜的多种状态数据输入预先训练的健康监控模型之前,还可以对多种状态数据进行数据归一化,例如,确定待处理数据类所处的实际数据区间,获取目标数据区间,根据实际数据区间以及目标数据区间,确定缩放比例,根据缩放比例对待处理数据类中所有状态数据的值进行缩放。
207、将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到。
本申请的健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到。多个牲畜样本与目标牲畜可以属于同一个牲畜群。多个牲畜样本中可以包括健康牲畜和不健康牲畜。
为了根据目标牲畜的多种状态数据确定牲畜的健康状况,在历史时间段内,分别采集牲畜群内多个健康牲畜的多种状态数据,以及牲畜群内多个不健康牲畜的多种状态数据,根据这些健康牲畜和不健康牲畜的多种状态数据,得出多种状态数据和健康与否之间的规律。
在一实施例中,该健康监控模型是一种神经网络模型,可以对输入其中的每一个维度的数据(例如,每一种状态数据作为一个维度,进食次数作为一个维度)进行分类,以及对各维度的数据赋予不同的权重。例如,为突显运动数据和进食次数的重要性,可以为运动数据和进食次数这两个维度赋予较大的权重。
在训练健康监控模型的过程中,可以通过人员辅助,判断该健康监控模型的准确率,在该健康监控模型的准确率大于或等于90%时结束训练,得到训练好的健康监控模型。
例如,根据健康监控模型得出牲畜群中各牲畜的健康指数后,通过与预设的健康指数进行对比,可以确定出牲畜群中的不健康牲畜,并通过电子标签的标识符,准确地指示给用户。用户可以进入围栏查看这些被模型判定为不健康的牲畜是否真的不健康,进而可以得出模型判断的准确率,同时,若模型对某个牲畜的判断结果不准确,可以将该牲畜的判断结果由不健康修改为健康,并将该牲畜重新作为样本,将其相关数据重新投入到模型训练中,以此类推,反复训练,直至该健康监控模型的准确率大于或等于预设的比例阈值,如90%。
当健康监控模型的准确率大于或等于预设的比例阈值时,即可以认为该健康监控模型已经比较准确,不再进行人员的辅助校准,可以结束训练,得到训练好的健康监控模型,用该训练好的健康监控模型来监控牲畜群中各个牲畜的健康状况。
本申请中,可以将目标牲畜的在当前时间段获取的多种状态数据输入到该训练好的健康监控模型,该健康监控模型会输出该目标牲畜的健康指数,健康指数的取值范围可以为:0<健康指数≤1。该健康指数可以反映目标牲畜在当前时间段的健康状况。
208、当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。
确定出目标牲畜的健康指数后,将目标牲畜的健康指数与预设的健康指数阈值进行对比,判断目标牲畜的健康指数是否低于牲畜群的健康指数阈值。
若目标牲畜的健康指数高于或等于预设的健康指数阈值,则确定目标牲畜处于健康状态;若目标牲畜的健康指数低于预设的健康指数阈值,则确定目标牲畜处于非健康状态,对目标牲畜的非健康状态进行提示,以使得用户可以及时了解到目标牲畜的非健康状态以采取相关措施。
例如,预设的健康指数阈值可以为0.41,若当前时间段得出的目标牲畜的健康指数高于或等于0.41,则可以确定该目标牲畜目前处于健康状态;若当前时间段得出的目标牲畜的健康指数小于0.41,则可以确定该目标牲畜目前处于非健康状态,对目标牲畜的非健康状态进行提示并展示该目标牲畜的电子标签标识符。用户在看到电子标签标识符后,可以根据预先存储的各牲畜与佩戴的电子标签的标识符的对应关系,找到对应的目标牲畜。
在一实施例中,对目标牲畜的非健康状态进行提示之后,若接收到目标牲畜处于健康状态的指示信息,则确定目标牲畜处于健康状态,将该目标牲畜在当前时间段的多种状态数据输入至健康监控模型,以对健康监控模型进行优化,提高健康监控模型的准确率。
即,本申请中不仅可以由设备判断目标牲畜的健康状况,也可以由用户判断目标牲畜的健康状况,通过指示信息反馈给设备,并且,用户指示信息的优先级高于设备的判断。例如,当设备根据健康监控模型判断出目标牲畜处于非健康状态并提醒用户后,用户检查出该目标牲畜实际是健康的,则可以反馈一个目标牲畜处于健康状态的指示信息给设备,设备接收到该指示信息,则以该指示信息为准,确定该目标牲畜是健康的,并将该目标牲畜作为健康牲畜样本,将该目标牲畜在当前时间段的多种状态数据输入至健康监控模型,以对健康监控模型进行优化。从而,一方面,设备可以对牲畜的健康状况进行监控,减轻用户的工作量,另一方面,用户也可以通过人工检查对设备的判断基准进行不断的更新和修正,使得设备能够更加准确地判断牲畜的健康状况。
由上可知,本申请实施例所提供的牲畜健康监控方法首先确定待监控的目标牲畜;在当前时间段,获取目标牲畜的多种状态数据;然后将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;进而,当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。本申请实施例通过牲畜在当前时间段的多种状态数据得出牲畜的健康指数,与预设的健康指数阈值进行对比,可以确定牲畜当前是否健康,从而监控牲畜的健康状态。
请参阅图7,图7为本申请实施例提供的牲畜健康监控装置的第一种结构示意图。牲畜健康监控装置300可以包括:第一确定模块301,获取模块302、输入模块303及第二确定模块304。
第一确定模块301,用于确定待监控的目标牲畜;
获取模块302,用于在当前时间段,获取目标牲畜的多种状态数据;
输入模块303,用于将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;
第二确定模块304,用于当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。
请参阅图8,图8为本申请实施例提供的牲畜健康监控装置的第二种结构示意图。在一实施例中,牲畜健康监控装置300还可以包括预处理模块305,预处理模块305可以用于:
对多种状态数据进行预处理;
在将目标牲畜的多种状态数据输入预先训练的健康监控模型中时,输入模块303可以用于:将预处理后的多种状态数据输入预先训练的健康监控模型中。
在一实施例中,在对多种状态数据进行预处理时,预处理模块305可以用于:
获取每一种状态数据的预设数据区间;
剔除每一种状态数据中不属于预设数据区间的状态数据。
在一实施例中,在对多种状态数据进行预处理时,预处理模块305可以用于:
将每一种状态数据分别作为待处理数据类,获取待处理数据类中的状态数据的数量;
根据待处理数据类中的状态数据的数量,对待处理数据类中的状态数据进行清除或补充。
在一些实施例中,在根据待处理数据类中的状态数据的数量,对待处理数据类中的状态数据进行清除或补充时,预处理模块305可以用于:
若待处理数据类中的状态数据的数量小于数量阈值,则将待处理数据类中的所有状态数据清除;
若待处理数据类中的状态数据的数量大于或等于数量阈值,则将待处理数据类中的状态数据补充至预设数量。
在一实施例中,在将待处理数据类中的状态数据补充至预设数量时,预处理模块305可以用于:
确定待处理数据类中的所有状态数据的采集时序;
根据采集时序,确定待处理数据类中的空缺位置以及与空缺位置相邻的状态数据;
根据相邻的状态数据在空缺位置生成新的状态数据,直至待处理数据类中的状态数据的数量等于预设数量。
在一实施例中,在对多种状态数据进行预处理时,预处理模块305可以用于:
确定待处理数据类所处的实际数据区间;
获取目标数据区间;
根据实际数据区间以及目标数据区间,确定缩放比例;
根据缩放比例对待处理数据类中所有状态数据的值进行缩放。
在一实施例中,状态数据包括温度数据、运动数据、声纹数据、心率数据和血氧数据,目标牲畜佩戴有电子标签,电子标签包括温度传感器、加速度传感器、麦克风以及心率血氧传感器,在获取目标牲畜的多种状态数据时,获取模块302可以用于:
通过温度传感器获取目标牲畜的温度数据;
通过加速度传感器获取目标牲畜的运动数据;
通过麦克风获取目标牲畜的声纹数据;
通过心率血氧传感器获取目标牲畜的心率数据和血氧数据。
在一实施例中,目标牲畜的进食区域设置有读写器,在获取目标牲畜的进食次数时,获取模块302可以用于:
当目标牲畜携带电子标签进入到读写器的读写范围时,将记录的目标牲畜的进食次数加一。
由上可知,本申请实施例所提供的牲畜健康监控装置,首先第一确定模块301确定待监控的目标牲畜;获取模块302在当前时间段,获取目标牲畜的多种状态数据;然后输入模块303将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;进而,当目标牲畜的健康指数低于预设的健康指数阈值时,第二确定模块304确定目标牲畜处于非健康状态。本申请实施例通过牲畜在当前时间段的多种状态数据得出牲畜的健康指数,与预设的健康指数阈值进行对比,可以确定牲畜当前是否健康,从而监控牲畜的健康状态。
本申请实施例提供一种计算机可读的存储介质,其上存储有计算机程序,当计算机程序在计算机上执行时,使得计算机执行如本实施例提供的牲畜健康监控方法中的流程。
本申请实施例还提供一种电子设备,包括存储器,处理器,处理器通过调用存储器中存储的计算机程序,用于执行本实施例提供的牲畜健康监控方法中的流程。
例如,上述电子设备可以为终端或者服务器等设备。该终端可以为智能手机、平板电脑、笔记本电脑、个人计算机(PC,Personal Computer)、个人数字助理(PersonalDigital Assistant,PDA)等终端设备,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
请参阅图9,图9为本申请实施例提供的电子设备的结构示意图。
该电子设备400可以包括存储器401、处理器402等部件。本领域技术人员可以理解,图9中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储器401可用于存储应用程序和数据。存储器401存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器402通过运行存储在存储器401的应用程序,从而执行各种功能应用以及数据处理。
处理器402是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器401内的应用程序,以及调用存储在存储器401内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
在本实施例中,电子设备中的处理器402会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器401中,并由处理器402来运行存储在存储器401中的应用程序,从而实现流程:
确定待监控的目标牲畜;
在当前时间段,获取目标牲畜的多种状态数据;
将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;
当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。
请参阅图10,电子设备400可以包括存储器401、处理器402、输入单元403、输出单元404等部件。
存储器401可用于存储应用程序和数据。存储器401存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器402通过运行存储在存储器401的应用程序,从而执行各种功能应用以及数据处理。
处理器402是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器401内的应用程序,以及调用存储在存储器401内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
输入单元403可用于接收输入的数字、字符信息或用户特征信息(比如指纹),以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
输出单元404可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。输出单元可包括显示面板。
在本实施例中,电子设备中的处理器402会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器401中,并由处理器402来运行存储在存储器401中的应用程序,从而实现流程:
确定待监控的目标牲畜;
在当前时间段,获取目标牲畜的多种状态数据;
将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;
当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。
在一些实施例中,在将目标牲畜的多种状态数据输入预先训练的健康监控模型中之前,处理器402执行:
对多种状态数据进行预处理;
在将目标牲畜的多种状态数据输入预先训练的健康监控模型中时,处理器402执行:
将预处理后的多种状态数据输入预先训练的健康监控模型中。
在一些实施例中,在对多种状态数据进行预处理时,处理器402执行:
获取每一种状态数据的预设数据区间;
剔除每一种状态数据中不属于预设数据区间的状态数据。
在一实施例中,在对多种状态数据进行预处理时,处理器402执行:
将每一种状态数据分别作为待处理数据类,获取待处理数据类中的状态数据的数量;
根据待处理数据类中的状态数据的数量,对待处理数据类中的状态数据进行清除或补充。
在一实施例中,在根据待处理数据类中的状态数据的数量,对待处理数据类中的状态数据进行清除或补充时,处理器402执行:
若待处理数据类中的状态数据的数量小于数量阈值,则将待处理数据类中的所有状态数据清除;
若待处理数据类中的状态数据的数量大于或等于数量阈值,则将待处理数据类中的状态数据补充至预设数量。
在一实施例中,在将待处理数据类中的状态数据补充至预设数量时,处理器402执行:
确定待处理数据类中的所有状态数据的采集时序;
根据采集时序,确定待处理数据类中的空缺位置以及与空缺位置相邻的状态数据;
根据相邻的状态数据在空缺位置生成新的状态数据,直至待处理数据类中的状态数据的数量等于预设数量。
在一实施例中,在对多种状态数据进行预处理时,处理器402执行:
确定待处理数据类所处的实际数据区间;
获取目标数据区间;
根据实际数据区间以及目标数据区间,确定缩放比例;
根据缩放比例对待处理数据类中所有状态数据的值进行缩放。
在一实施例中,多种状态数据包括温度数据、运动数据、声纹数据、心率数据和血氧数据,目标牲畜佩戴有电子标签,电子标签包括温度传感器、加速度传感器、麦克风以及心率血氧传感器,在获取目标牲畜的多种状态数据时,处理器402执行:
通过温度传感器获取目标牲畜的温度数据;
通过加速度传感器获取目标牲畜的运动数据;
通过麦克风获取目标牲畜的声纹数据;
通过心率血氧传感器获取目标牲畜的心率数据和血氧数据。
在一实施例中,目标牲畜的进食区域设置有读写器,在获取目标牲畜的进食次数时,处理器402执行:
当目标牲畜携带电子标签进入到读写器的读写范围时,将记录的目标牲畜的进食次数加一。
由上可知,本申请实施例所提供的电子设备,首先确定待监控的目标牲畜;在当前时间段,获取目标牲畜的多种状态数据;然后将目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到目标牲畜的健康指数,健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;进而,当目标牲畜的健康指数低于预设的健康指数阈值时,确定目标牲畜处于非健康状态。本申请实施例通过牲畜在当前时间段的多种状态数据得出牲畜的健康指数,与预设的健康指数阈值进行对比,可以确定牲畜当前是否健康,从而监控牲畜的健康状态。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对牲畜健康监控方法的详细描述,此处不再赘述。
需要说明的是,对本申请实施例牲畜健康监控方法而言,本领域普通技术人员可以理解实现本申请实施例牲畜健康监控方法的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,计算机程序可存储于一计算机可读取存储介质中,如存储在存储器中,并被至少一个处理器执行,在执行过程中可包括如牲畜健康监控方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)等。
对本申请实施例的牲畜健康监控装置而言,其各功能模块可以集成在一个处理芯片中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中,存储介质譬如为只读存储器,磁盘或光盘等。
以上对本申请实施例所提供的一种牲畜健康监控方法、装置、存储介质及电子设备进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种牲畜健康监控方法,其特征在于,包括:
确定待监控的目标牲畜;
在当前时间段,获取所述目标牲畜的多种状态数据;
将所述目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到所述目标牲畜的健康指数,所述健康监控模型根据多个牲畜样本在历史时间段的多种身体状态数据以及进食次数训练得到;
当所述目标牲畜的健康指数低于预设的健康指数阈值时,确定所述目标牲畜处于非健康状态。
2.根据权利要求1所述的牲畜健康监控方法,其特征在于,所述将所述目标牲畜的多种状态数据输入预先训练的健康监控模型中之前,还包括:
对所述多种状态数据进行预处理;
所述将所述目标牲畜的多种状态数据输入预先训练的健康监控模型中包括:
将预处理后的多种状态数据输入预先训练的健康监控模型中。
3.根据权利要求2所述的牲畜健康监控方法,其特征在于,所述对所述多种状态数据进行预处理包括:
获取每一种状态数据的预设数据区间;
剔除每一种状态数据中不属于预设数据区间的状态数据。
4.根据权利要求2所述的牲畜健康监控方法,其特征在于,所述对所述多种状态数据进行预处理包括:
将每一种状态数据分别作为待处理数据类,获取所述待处理数据类中的状态数据的数量;
根据所述待处理数据类中的状态数据的数量,对所述待处理数据类中的状态数据进行清除或补充。
5.根据权利要求4所述的牲畜健康监控方法,其特征在于,所述根据所述待处理数据类中的状态数据的数量,对所述待处理数据类中的状态数据进行清除或补充包括:
若所述待处理数据类中的状态数据的数量小于数量阈值,则将所述待处理数据类中的所有状态数据清除;
若所述待处理数据类中的状态数据的数量大于或等于数量阈值,则将所述待处理数据类中的状态数据补充至预设数量。
6.根据权利要求5所述的牲畜健康监控方法,其特征在于,所述将所述待处理数据类中的状态数据补充至预设数量包括:
确定所述待处理数据类中的所有状态数据的采集时序;
根据所述采集时序,确定所述待处理数据类中的空缺位置以及与所述空缺位置相邻的状态数据;
根据所述相邻的状态数据在所述空缺位置生成新的状态数据,直至所述待处理数据类中的状态数据的数量等于所述预设数量。
7.根据权利要求4所述的牲畜健康监控方法,其特征在于,所述对所述多种状态数据进行预处理包括:
确定所述待处理数据类所处的实际数据区间;
获取目标数据区间;
根据所述实际数据区间以及所述目标数据区间,确定缩放比例;
根据所述缩放比例对所述待处理数据类中所有状态数据的值进行缩放。
8.根据权利要求1-7任一项所述的牲畜健康监控方法,其特征在于,所述状态数据包括温度数据、运动数据、声纹数据、心率数据和血氧数据,所述目标牲畜佩戴有电子标签,所述电子标签包括温度传感器、加速度传感器、麦克风以及心率血氧传感器,所述获取所述目标牲畜的多种状态数据包括:
通过所述温度传感器获取所述目标牲畜的温度数据;
通过所述加速度传感器获取所述目标牲畜的运动数据;
通过所述麦克风获取所述目标牲畜的声纹数据;
通过所述心率血氧传感器获取所述目标牲畜的心率数据和血氧数据。
9.根据权利要求8所述的牲畜健康监控方法,其特征在于,所述状态数据还包括进食数据,所述进食数据包括在当前时间段的进食次数,所述目标牲畜的进食区域设置有读写器,所述获取目标牲畜的多种状态数据还包括:
当所述目标牲畜携带所述电子标签进入到所述读写器的读写范围时,将记录的目标牲畜的进食次数加一。
10.一种牲畜健康监控装置,其特征在于,包括:
第一确定模块,用于确定待监控的目标牲畜;
获取模块,用于在当前时间段,获取所述目标牲畜的多种状态数据;
输入模块,用于将所述目标牲畜的多种状态数据输入预先训练的健康监控模型中,得到所述目标牲畜的健康指数,所述健康监控模型根据多个牲畜样本在历史时间段的多种状态数据训练得到;
第二确定模块,用于当所述目标牲畜的健康指数低于预设的健康指数阈值时,确定所述目标牲畜处于非健康状态。
11.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,当计算机程序在计算机上运行时,使得计算机执行如权利要求1至9任一项所述的牲畜健康监控方法中的步骤。
12.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,执行权利要求1至9任一项所述的牲畜健康监控方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111044229.1A CN113488175A (zh) | 2021-09-07 | 2021-09-07 | 牲畜健康监控方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111044229.1A CN113488175A (zh) | 2021-09-07 | 2021-09-07 | 牲畜健康监控方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113488175A true CN113488175A (zh) | 2021-10-08 |
Family
ID=77946523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111044229.1A Pending CN113488175A (zh) | 2021-09-07 | 2021-09-07 | 牲畜健康监控方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113488175A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113972006A (zh) * | 2021-10-22 | 2022-01-25 | 中冶赛迪重庆信息技术有限公司 | 基于红外测温和图像识别的活畜健康检测方法及*** |
CN114883010A (zh) * | 2022-04-26 | 2022-08-09 | 深圳市中融数字科技有限公司 | 牲畜存亡状态判别方法、装置、存储介质及终端设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563577A (zh) * | 2017-10-26 | 2018-01-09 | 成都常明信息技术有限公司 | 一种牲畜健康管理*** |
CN107692980A (zh) * | 2017-09-18 | 2018-02-16 | 浙江利尔达物联网技术有限公司 | 一种牲畜健康情况自动监测分析方法及*** |
CN107752987A (zh) * | 2017-09-18 | 2018-03-06 | 浙江利尔达物联网技术有限公司 | 一种牲畜健康情况自动分析方法及*** |
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 |
CN109872011A (zh) * | 2019-03-18 | 2019-06-11 | 重庆邮电大学 | 基于多元逻辑回归模型的家畜类生理状态预测方法与*** |
-
2021
- 2021-09-07 CN CN202111044229.1A patent/CN113488175A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107692980A (zh) * | 2017-09-18 | 2018-02-16 | 浙江利尔达物联网技术有限公司 | 一种牲畜健康情况自动监测分析方法及*** |
CN107752987A (zh) * | 2017-09-18 | 2018-03-06 | 浙江利尔达物联网技术有限公司 | 一种牲畜健康情况自动分析方法及*** |
CN107563577A (zh) * | 2017-10-26 | 2018-01-09 | 成都常明信息技术有限公司 | 一种牲畜健康管理*** |
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 |
CN109872011A (zh) * | 2019-03-18 | 2019-06-11 | 重庆邮电大学 | 基于多元逻辑回归模型的家畜类生理状态预测方法与*** |
Non-Patent Citations (1)
Title |
---|
刘军 等: "《基因芯片制备及数据分析技术》", 30 April 2015, 西安电子科技大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113972006A (zh) * | 2021-10-22 | 2022-01-25 | 中冶赛迪重庆信息技术有限公司 | 基于红外测温和图像识别的活畜健康检测方法及*** |
CN114883010A (zh) * | 2022-04-26 | 2022-08-09 | 深圳市中融数字科技有限公司 | 牲畜存亡状态判别方法、装置、存储介质及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Neethirajan | The role of sensors, big data and machine learning in modern animal farming | |
da Rosa Righi et al. | Towards combining data prediction and internet of things to manage milk production on dairy cows | |
Werkheiser | Technology and responsibility: a discussion of underexamined risks and concerns in precision livestock farming | |
EFSA Panel on Animal Health and Welfare (AHAW) | Statement on the use of animal‐based measures to assess the welfare of animals | |
WO2017159109A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Mishra et al. | Advanced contribution of IoT in agricultural production for the development of smart livestock environments | |
CN113488175A (zh) | 牲畜健康监控方法、装置、存储介质及电子设备 | |
KR102165891B1 (ko) | 축산 데이터 분석 기반 농가 상태 진단 시스템 | |
Roy et al. | Discussing the present, past, and future of Machine learning techniques in livestock farming: A systematic literature review | |
Moya et al. | Use of pattern recognition techniques for early detection of morbidity in receiving feedlot cattle | |
Liebe et al. | Analytics in sustainable precision animal nutrition | |
Mijwil et al. | Innovative livestock: A survey of artificial intelligence techniques in livestock farming management | |
CN109903856B (zh) | 一种线上咨询方法及*** | |
Ojukwu et al. | Development of a computer vision system to detect inactivity in group-housed pigs | |
CN116760719A (zh) | 构建智慧养殖多模态物联网信息搜集、预警模型的方法 | |
CN115035590A (zh) | 种牛状态的检测方法、装置及*** | |
Nigade et al. | Review Paper on IOT based Cattle Health Monitoring System | |
CN115211388B (zh) | 牲畜健康监控方法、装置、存储介质及电子设备 | |
Moutaouakil et al. | A comparative study on time series data-based artificial intelligence approaches for classifying cattle feeding behavior | |
CN113792702A (zh) | 一种基于计算机视觉的视频流家畜监测方法及*** | |
CN115211386B (zh) | 牲畜健康监控方法、装置、存储介质及电子设备 | |
VS et al. | Exploring the Potential of Machine Learning for Early Cattle Disease Diagnosis | |
Thakur et al. | Digitalization of livestock farms through blockchain, big data, artificial intelligence, and Internet of Things | |
Singhal et al. | Cattle Collar: An End-to-End Multi-Model Framework for Cattle Monitoring | |
Panda et al. | Development of a Decision Support System for Animal Health Management Using Geo-Information Technology: A Novel Approach to Precision Livestock Management |
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: 518000 1901, block a, sharing building, No. 78, Keyuan North Road, songpingshan community, Xili street, Nanshan District, Shenzhen, Guangdong Province Applicant after: Shenzhen Zhongrong Digital Technology Co.,Ltd. Address before: 523808 room 306, building 8, songkeyuan, Songshanhu high tech Industrial Development Zone, Dongguan City, Guangdong Province Applicant before: Dongguan Zhongrong Digital Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211008 |