CN114569129A - 畜禽的情绪监控方法以及畜禽的情绪监控装置 - Google Patents

畜禽的情绪监控方法以及畜禽的情绪监控装置 Download PDF

Info

Publication number
CN114569129A
CN114569129A CN202210084116.2A CN202210084116A CN114569129A CN 114569129 A CN114569129 A CN 114569129A CN 202210084116 A CN202210084116 A CN 202210084116A CN 114569129 A CN114569129 A CN 114569129A
Authority
CN
China
Prior art keywords
livestock
information
monitoring
poultry
emotion
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
Application number
CN202210084116.2A
Other languages
English (en)
Inventor
房建东
王宇
赵于东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inner Mongolia University of Technology
Original Assignee
Inner Mongolia University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inner Mongolia University of Technology filed Critical Inner Mongolia University of Technology
Priority to CN202210084116.2A priority Critical patent/CN114569129A/zh
Publication of CN114569129A publication Critical patent/CN114569129A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Dentistry (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开一种畜禽的情绪监控方法以及畜禽的情绪监控装置，所述方法包括：实时获取畜禽的行为姿态监控信息；对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息；基于所述感兴趣部位信息获得对应的部位跟踪信息；获取预设情绪识别模型；基于所述预设情绪识别模型对所述部位跟踪信息进行分析，生成针对所述畜禽的情绪监控信息。通过对畜禽的行为姿态进行实时监控，并为畜禽创建专用的情绪智能识别模型，通过该智能识别模型对畜禽的情绪进行分析和识别，有效减少畜禽情绪监控过程中的人力资源消耗，降低人力成本；同时及时有效地发现畜禽的情绪变化并对畜禽的异常情况进行处理，提高了畜禽的养殖福利，提高了畜禽的产出。

Description

畜禽的情绪监控方法以及畜禽的情绪监控装置
技术领域
本发明涉及畜禽管理技术领域，具体地涉及一种畜禽的情绪监控方法、一种畜禽的情绪监控装置以及一种计算机可读存储介质。
背景技术
随着科技的不断发展，人们对农产品的需求也在不断提高，这样也对应提高了在畜牧业中对畜禽的福利需求，而评估畜禽福利是提高畜禽福利的基础，因此需要精确评估畜禽的福利。
在现有的评价方法中，由于畜禽的行为能够表现该畜禽的情绪，因此畜禽的行为往往作为对畜禽的进行福利评价的指标之一。现有的评价方法是通过人工来进行的，例如通过兽医给与奶牛诊断或者饲养人员通过观察奶牛的异常行为，来判断奶牛的情绪健康状态。
然而在实际应用过程中，一方面，由于这些方法是基于人类对动物感受的解释，虽然在部分情况下有用，但由于观察者的预期偏差，因此对动物情绪的判断的可靠性较低；
另一方面，传统的人工评估方法往往对判断者的经验要求较高，然而这极大的提高了判断人员的人工成本，且由于人工经验的局限性，动物的一些不经常出现的行为可能依然无法识别，因此无法满足实际需求。
发明内容
为了克服现有技术中存在的上述技术问题，本发明实施例提供一种畜禽的情绪监控方法，通过对传统的畜禽情绪管理方式进行改进，采用基于视频采集的智能化监控和识别方法，对畜禽的行为姿态信息进行实时监控并分析其情绪变化信息，从而有效减少人力资源的消耗，提高畜禽情绪监控准确性。
为了实现上述目的，本发明实施例提供一种畜禽的情绪监控方法，所述方法包括：实时获取畜禽的行为姿态监控信息；对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息；基于所述感兴趣部位信息获得对应的部位跟踪信息；获取预设情绪识别模型；基于所述预设情绪识别模型对所述部位跟踪信息进行分析，生成针对所述畜禽的情绪监控信息。
优选地，所述实时获取畜禽的行为姿态监控信息，包括：实时获取所述畜禽周围的环境监控信息；基于所述环境监控信息确定所述畜禽周围的可监控区域；计算在所述可监控区域中的最佳监控位置；在所述最佳监控位置获取所述畜禽的行为姿态监控信息。
优选地，所述行为姿态监控信息包括日常姿态监控信息和主动激励监控信息，所述获取畜禽的行为姿态监控信息，还包括：确定针对所述畜禽的主动激励规则；获取所述畜禽在所述主动激励规则的激励下的主动激励监控信息。
优选地，所述行为姿态监控信息为行为姿态监控视频，所述对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息，包括：提取所述行为姿态监控视频中的每一帧监控图像；基于预设图像增强规则对所述监控图像执行图像增强操作，获得第一处理后图像；对所述第一处理后图像执行滤波处理，获得第二处理后图像；对所述第二处理后图像进行特征提取，获得针对所述畜禽的感兴趣部位信息。
优选地，所述基于所述感兴趣部位信息获得对应的部位跟踪信息，包括：确定预设待跟踪部位；确定与所述预设待跟踪部位对应的跟踪标记点；基于所述感兴趣部位信息获取与每个跟踪标记点对应的跟踪信息；基于所述跟踪信息生成所述预设待跟踪部位对应的部位跟踪信息。
优选地，所述获取预设情绪识别模型，包括：获取历史监控信息；确定与每个预设待跟踪部位对应的积极情绪参数和消极情绪参数；基于所述积极情绪参数和所述消极情绪参数创建初始深度学习模型；基于所述历史监控信息对所述初始深度学习模型进行训练，获得优化后积极情绪参数和优化后消极情绪参数；基于所述优化后积极情绪参数和所述优化后消极情绪参数创建所述预设情绪识别模型。
相应的，本发明还提供一种畜禽的情绪监控装置，所述装置包括：监控单元，用于实时获取畜禽的行为姿态监控信息；信息处理单元，用于对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息；跟踪信息获取单元，用于基于所述感兴趣部位信息获得对应的部位跟踪信息；模型获取单元，用于获取预设情绪识别模型；情绪分析单元，用于基于所述预设情绪识别模型对所述部位跟踪信息进行分析，生成针对所述畜禽的情绪监控信息。
优选地，所述监控单元包括：环境监控模块，用于实时获取所述畜禽周围的环境监控信息；监控区域确定模块，用于基于所述环境监控信息确定所述畜禽周围的可监控区域；监控位置计算模块，用于计算在所述可监控区域中的最佳监控位置；监控模块，用于在所述最佳监控位置获取所述畜禽的行为姿态监控信息。
优选地，所述行为姿态监控信息包括日常姿态监控信息和主动激励监控信息，所述装置还包括主动激励单元，所述主动激励单元用于：确定针对所述畜禽的主动激励规则；所述监控模块还用于：获取所述畜禽在所述主动激励规则的激励下的主动激励监控信息。
优选地，所述行为姿态监控信息为行为姿态监控视频，所述信息处理单元包括：图像提取模块，用于提取所述行为姿态监控视频中的每一帧监控图像；第一处理模块，用于基于预设图像增强规则对所述监控图像执行图像增强操作，获得第一处理后图像；第二处理模块，用于对所述第一处理后图像执行滤波处理，获得第二处理后图像；特征提取模块，用于对所述第二处理后图像进行特征提取，获得针对所述畜禽的感兴趣部位信息。
优选地，所述跟踪信息获取单元包括：跟踪部位确定模块，用于确定预设待跟踪部位；标记点确定模块，用于确定与所述预设待跟踪部位对应的跟踪标记点；跟踪信息获取模块，用于基于所述感兴趣部位信息获取与每个跟踪标记点对应的跟踪信息；信息生成模块，用于基于所述跟踪信息生成所述预设待跟踪部位对应的部位跟踪信息。
优选地，所述模型获取单元包括：历史信息获取模块，用于获取历史监控信息；参数确定模块，用于确定与每个预设待跟踪部位对应的积极情绪参数和消极情绪参数；初始模型确定模块，用于基于所述积极情绪参数和所述消极情绪参数创建初始深度学习模型；模型训练模块，用于基于所述历史监控信息对所述初始深度学习模型进行训练，获得优化后积极情绪参数和优化后消极情绪参数；模型创建模块，用于基于所述优化后积极情绪参数和所述优化后消极情绪参数创建所述预设情绪识别模型。
另一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明提供的方法。
通过本发明提供的技术方案，本发明至少具有如下技术效果：
通过对传统的人工畜禽监控方法进行改进，通过对畜禽的行为姿态进行实时监控，以实时获取畜禽的行为状态，进一步地，为畜禽创建专用的情绪智能识别模型，并通过该智能识别模型实时自动对畜禽的情绪进行分析和识别，从而有效减少对畜禽进行情绪监控过程中的人力资源消耗，降低企业的人力成本；同时能够及时、有效地发现畜禽的情绪变化，及时对畜禽的异常情况进行处理，提高了畜禽的养殖福利，提高了畜禽的产出。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明实施例提供的畜禽的情绪监控方法的具体实现流程图；
图2是本发明实施例提供的畜禽的情绪监控方法中获取行为姿态监控信息的具体实现流程图；
图3是本发明实施例提供的畜禽的情绪监控方法中获取感兴趣部位信息的具体实现流程图；
图4是本发明实施例提供的畜禽的情绪监控方法中获得跟踪部位信息的具体实现流程图；
图5是本发明实施例提供的畜禽的情绪监控装置的结构示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
本发明实施例中的术语“***”和“网络”可被互换使用。“多个”是指两个或两个以上，鉴于此，本发明实施例中也可以将“多个”理解为“至少两个”。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。另外，需要理解的是，在本发明实施例的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
请参见图1，本发明实施例提供一种畜禽的情绪监控方法，所述方法包括：
S10)实时获取畜禽的行为姿态监控信息；
S20)对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息；
S30)基于所述感兴趣部位信息获得对应的部位跟踪信息；
S40)获取预设情绪识别模型；
S50)基于所述预设情绪识别模型对所述部位跟踪信息进行分析，生成针对所述畜禽的情绪监控信息。
在一种可能的实施方式中，在对畜禽的情绪监控过程中，实时获取畜禽的行为姿态监控信息，例如可以通过摄像头对畜禽进行拍摄以实时获取该畜禽的行为姿态监控信息。
然而在实际应用过程中，一方面，畜禽为活物，因此会时长四处走动，因此采用固定的拍摄方法无法准确获取到畜禽的实时监控信息；另一方面，在一些应用场景，例如畜禽的养殖农场中，可能存在障碍物或其他活动物体，因此在对畜禽的监控过程中，也不能随意移动以对畜禽进行实时监控。
因此在本发明实施例中，请参见图2，所述实时获取畜禽的行为姿态监控信息，包括：
S11)实时获取所述畜禽周围的环境监控信息；
S12)基于所述环境监控信息确定所述畜禽周围的可监控区域；
S13)计算在所述可监控区域中的最佳监控位置；
S14)在所述最佳监控位置获取所述畜禽的行为姿态监控信息。
具体的，首先实时获取在畜禽周围的环境监控信息，例如在本发明实施例中，可以采用配置有摄像头的移动机器人对畜禽进行活动监控，在活动过程中，首先实时获取畜禽周围的环境监控信息，该环境监控信息可以为畜禽周围的红外扫描信息、声波扫描信息等信息，然后根据上述环境监控信息确定畜禽周围的可监控区域，例如将该畜禽周围存在障碍物或活物的位置标记为非监控区域，并将该畜禽周围的预设范围内除了上述非监控区域以外的区域标记为可监控区域，此时进一步计算在该可监控区域中的最佳监控位置，例如可以根据上述可监控区域中地面的平整度、周围障碍物的大小和距离等参数，计算出最佳监控位置，然后驱动机器人前往该最佳监控位置驻停，并获取畜禽的行为姿态监控信息。
在本发明实施例中，通过根据畜禽监控过程中的实际情况，采用活动位置的监控方法，并基于畜禽周围的环境信息对监控位置进行优化，以稳定、有效地对畜禽进行监控，从而获得可靠的行为姿态监控信息，提高了畜禽监控准确性，为后续的畜禽分析提供了精确的数据基础。此时可以进一步对畜禽的行为姿态监控信息进行处理。
在实际应用过程中，由于现有的畜禽情绪分析方法一般是直接对畜禽的行为状态进行观测，并基于人类的类比进行分析的，然而畜禽存在一些非常规的情绪变化信息，在未受到干扰或影响的情况下，一般情况很难观察到，因此在后续的监控分析过程中，针对此类情绪变化信息无法准确进行分析和确定。
因此为了进一步提高对畜禽的情绪监控的精确性和全面性，在本发明实施例中，所述行为姿态监控信息包括日常姿态监控信息和主动激励监控信息，所述获取畜禽的行为姿态监控信息，还包括：确定针对所述畜禽的主动激励规则；获取所述畜禽在所述主动激励规则的激励下的主动激励监控信息。
例如在一种可能的实施方式中，可以在一个时间周期，例如可以在一天中的某个特定时间，确定针对畜禽的主动激励规则，例如该主动激励规则包括但不限于喂食、播放音乐、播放噪音、抚摸等，然后通过机器人获取该畜禽在上述主动激励规则下的主动激励监控信息，即获取该畜禽的全面的行为姿态监控信息。
在本发明实施例中，通过在传统的被动监控的基础上，为畜禽提供额外的主动激励，并采集畜禽在该主动激励下的监控信息，能够有效捕捉和监控到畜禽的隐性可量测的情绪特征所对应的姿态行为特征，从而有效提高了监控信息的全面性和准确性，进一步提高了后续的畜禽情绪分析所采用数据的全面性和准确性。此时可以对上述行为姿态监控信息进行处理。
请参见图3，在本发明实施例中，所述行为姿态监控信息为行为姿态监控视频，所述对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息，包括：
S21)提取所述行为姿态监控视频中的每一帧监控图像；
S22)基于预设图像增强规则对所述监控图像执行图像增强操作，获得第一处理后图像；
S23)对所述第一处理后图像执行滤波处理，获得第二处理后图像；
S24)对所述第二处理后图像进行特征提取，获得针对所述畜禽的感兴趣部位信息。
在一种可能的实施方式中，该行为姿态监控信息为姿态监控视频，当然，也可以为红外扫描信息、声波扫描信息等信息，在本发明实施例中，在获取到上述姿态监控视频后，提取其中的每一帧监控图像，此时为了消除每帧图像中的干扰，首先为每帧监控图像进行图像增强操作，例如图像增强操作包括但不限于色域调整，亮度增强，色度增强，对比度增强，锐度增强等，以获得第一处理后图像，然后进一步对第一处理后图像进行滤波处理，以获得对应的第二处理后图像，此时进一步对第二处理后图像进行特征提取，例如可以针对第二处理后图像中的预设感兴趣部位的特征进行提取，以获得该畜禽的感兴趣部位信息。此时进一步对上述感兴趣部位信息进行跟踪分析，以获得对应的部位跟踪信息。
请参见图4，在本发明实施例中，所述基于所述感兴趣部位信息获得对应的部位跟踪信息，包括：
S31)确定预设待跟踪部位；
S32)确定与所述预设待跟踪部位对应的跟踪标记点；
S33)基于所述感兴趣部位信息获取与每个跟踪标记点对应的跟踪信息；
S34)基于所述跟踪信息生成所述预设待跟踪部位对应的部位跟踪信息。
在一种可能的实施方式中，首先确定预设待跟踪部位，该预设待跟踪部位包括但不限于畜禽的耳朵、眼睛、尾巴等可以展现其行为姿态的部位，然后确定每个感兴趣部位的跟踪标记点，例如针对耳朵，可以将耳朵的耳尖(包括左耳尖和右耳尖)作为跟踪标记点；针对眼睛，可以将眼睛所在的区域作为眼部标定出来；针对尾巴，可以将尾巴的中部、上部和下部的点分别作为跟踪标记点；另外，还可以在牛头部的中抽线与两耳根中间部位的连线的交点处标记一个点，并可以标记为额中点，以及在畜禽的鼻子中部标记一个点，可以标记为鼻部点等。此时进一步根据上述感兴趣部位信息确定每个跟踪点对应的跟踪信息，例如可以将左耳点与额中点连线，右耳点与额中点连线，额中点与鼻部点连线，并获取上述4个点的跟踪变化信息；同理可以对畜禽的尾巴和眼睛进行跟踪信息的获取，基于上述跟踪信息可以生成对所有预设待跟踪部位的部位跟踪信息。此时进一步进行畜禽的情绪分析，在本发明实施例中，通过构建针对畜禽的情绪识别模型来自动进行识别。
在本发明实施例中，所述获取预设情绪识别模型，包括：获取历史监控信息；确定与每个预设待跟踪部位对应的积极情绪参数和消极情绪参数；基于所述积极情绪参数和所述消极情绪参数创建初始深度学习模型；基于所述历史监控信息对所述初始深度学习模型进行训练，获得优化后积极情绪参数和优化后消极情绪参数；基于所述优化后积极情绪参数和所述优化后消极情绪参数创建所述预设情绪识别模型。
在一种可能的实施方式中，在创建预设情绪识别模型的过程中，首先获取历史监控信息，然后确定与每个预设待跟踪部位对应的积极情绪参数和消极情绪参数，例如根据畜禽两个耳朵与中轴线所形成的两个夹角，当夹角的度数大于90度则表示奶牛的情绪为消极的，若夹角的度数小于等于90度则表示奶牛的情绪为积极的；针对畜禽眼睛中的眼白比例，可以定义眼白几乎不可见、眼白不可见以及眼睛为半闭眼状态为积极情绪，以及定义眼白清晰可见与为消极情绪；针对畜禽的尾巴，可以定义牛尾向一侧弯曲尾巴或者摇尾巴则定义为积极情绪，否则为消极情绪。
此时根据上述积极情绪参数和消极情绪参数创建初始深度学习模型，在该初始深度学习模型中结合了上述所有预设待跟踪部位的积极情绪参数和消极情绪参数，然后基于上述历史监控信息对该初始深度学习模型进行训练，并获得对应的优化后积极情绪参数和优化后消极情绪参数，此时根据上述优化积极情绪参数和优化后消极情绪参数可以创建预设情绪识别模型。
在后续的畜禽情绪监控的过程中，直接调用该预先创建的预设情绪识别模型，并对实时获取的上述部位跟踪信息进行分析，从而生成对畜禽的准确情绪监控信息。
在本发明实施例中，通过根据畜禽的情绪变化情况与其行为姿态信息之间的关联关系创建对应的智能识别模型，并通过该智能识别模型自动对畜禽的情绪进行实时监控和分析，以实时、准确地获取到畜禽的情绪状态，能有效减少人工监控所占用的人力资源，降低人力成本，同时有助于提高畜禽的养殖福利，能够及时对畜禽的消极情况或病患情况进行处理，提高了畜禽的健康度，提高了畜禽的产出效率。
下面结合附图对本发明实施例所提供的畜禽的情绪监控装置进行说明。
请参见图5，基于同一发明构思，本发明实施例提供一种畜禽的情绪监控装置，所述装置包括：监控单元，用于实时获取畜禽的行为姿态监控信息；信息处理单元，用于对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息；跟踪信息获取单元，用于基于所述感兴趣部位信息获得对应的部位跟踪信息；模型获取单元，用于获取预设情绪识别模型；情绪分析单元，用于基于所述预设情绪识别模型对所述部位跟踪信息进行分析，生成针对所述畜禽的情绪监控信息。
在本发明实施例中，所述监控单元包括：环境监控模块，用于实时获取所述畜禽周围的环境监控信息；监控区域确定模块，用于基于所述环境监控信息确定所述畜禽周围的可监控区域；监控位置计算模块，用于计算在所述可监控区域中的最佳监控位置；监控模块，用于在所述最佳监控位置获取所述畜禽的行为姿态监控信息。
在本发明实施例中，所述行为姿态监控信息包括日常姿态监控信息和主动激励监控信息，所述装置还包括主动激励单元，所述主动激励单元用于：确定针对所述畜禽的主动激励规则；所述监控模块还用于：获取所述畜禽在所述主动激励规则的激励下的主动激励监控信息。
在本发明实施例中，所述行为姿态监控信息为行为姿态监控视频，所述信息处理单元包括：图像提取模块，用于提取所述行为姿态监控视频中的每一帧监控图像；第一处理模块，用于基于预设图像增强规则对所述监控图像执行图像增强操作，获得第一处理后图像；第二处理模块，用于对所述第一处理后图像执行滤波处理，获得第二处理后图像；特征提取模块，用于对所述第二处理后图像进行特征提取，获得针对所述畜禽的感兴趣部位信息。
在本发明实施例中，所述跟踪信息获取单元包括：跟踪部位确定模块，用于确定预设待跟踪部位；标记点确定模块，用于确定与所述预设待跟踪部位对应的跟踪标记点；跟踪信息获取模块，用于基于所述感兴趣部位信息获取与每个跟踪标记点对应的跟踪信息；信息生成模块，用于基于所述跟踪信息生成所述预设待跟踪部位对应的部位跟踪信息。
在本发明实施例中，所述模型获取单元包括：历史信息获取模块，用于获取历史监控信息；参数确定模块，用于确定与每个预设待跟踪部位对应的积极情绪参数和消极情绪参数；初始模型确定模块，用于基于所述积极情绪参数和所述消极情绪参数创建初始深度学习模型；模型训练模块，用于基于所述历史监控信息对所述初始深度学习模型进行训练，获得优化后积极情绪参数和优化后消极情绪参数；模型创建模块，用于基于所述优化后积极情绪参数和所述优化后消极情绪参数创建所述预设情绪识别模型。
进一步地，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明所述的方法。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (13)

1.一种畜禽的情绪监控方法，其特征在于，所述方法包括：
实时获取畜禽的行为姿态监控信息；
对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息；
基于所述感兴趣部位信息获得对应的部位跟踪信息；
获取预设情绪识别模型；
基于所述预设情绪识别模型对所述部位跟踪信息进行分析，生成针对所述畜禽的情绪监控信息。
2.根据权利要求1所述的方法，其特征在于，所述实时获取畜禽的行为姿态监控信息，包括：
实时获取所述畜禽周围的环境监控信息；
基于所述环境监控信息确定所述畜禽周围的可监控区域；
计算在所述可监控区域中的最佳监控位置；
在所述最佳监控位置获取所述畜禽的行为姿态监控信息。
3.根据权利要求1所述的方法，其特征在于，所述行为姿态监控信息包括日常姿态监控信息和主动激励监控信息，所述获取畜禽的行为姿态监控信息，还包括：
确定针对所述畜禽的主动激励规则；
获取所述畜禽在所述主动激励规则的激励下的主动激励监控信息。
4.根据权利要求1所述的方法，其特征在于，所述行为姿态监控信息为行为姿态监控视频，所述对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息，包括：
提取所述行为姿态监控视频中的每一帧监控图像；
基于预设图像增强规则对所述监控图像执行图像增强操作，获得第一处理后图像；
对所述第一处理后图像执行滤波处理，获得第二处理后图像；
对所述第二处理后图像进行特征提取，获得针对所述畜禽的感兴趣部位信息。
5.根据权利要求1所述的方法，其特征在于，所述基于所述感兴趣部位信息获得对应的部位跟踪信息，包括：
确定预设待跟踪部位；
确定与所述预设待跟踪部位对应的跟踪标记点；
基于所述感兴趣部位信息获取与每个跟踪标记点对应的跟踪信息；
基于所述跟踪信息生成所述预设待跟踪部位对应的部位跟踪信息。
6.根据权利要求5所述的方法，其特征在于，所述获取预设情绪识别模型，包括：
获取历史监控信息；
确定与每个预设待跟踪部位对应的积极情绪参数和消极情绪参数；
基于所述积极情绪参数和所述消极情绪参数创建初始深度学习模型；
基于所述历史监控信息对所述初始深度学习模型进行训练，获得优化后积极情绪参数和优化后消极情绪参数；
基于所述优化后积极情绪参数和所述优化后消极情绪参数创建所述预设情绪识别模型。
7.一种畜禽的情绪监控装置，其特征在于，所述装置包括：
监控单元，用于实时获取畜禽的行为姿态监控信息；
信息处理单元，用于对所述行为姿态监控信息进行处理，获得针对所述畜禽的感兴趣部位信息；
跟踪信息获取单元，用于基于所述感兴趣部位信息获得对应的部位跟踪信息；
模型获取单元，用于获取预设情绪识别模型；
情绪分析单元，用于基于所述预设情绪识别模型对所述部位跟踪信息进行分析，生成针对所述畜禽的情绪监控信息。
8.根据权利要求7所述的装置，其特征在于，所述监控单元包括：
环境监控模块，用于实时获取所述畜禽周围的环境监控信息；
监控区域确定模块，用于基于所述环境监控信息确定所述畜禽周围的可监控区域；
监控位置计算模块，用于计算在所述可监控区域中的最佳监控位置；
监控模块，用于在所述最佳监控位置获取所述畜禽的行为姿态监控信息。
9.根据权利要求7所述的装置，其特征在于，所述行为姿态监控信息包括日常姿态监控信息和主动激励监控信息，所述装置还包括主动激励单元，所述主动激励单元用于：
确定针对所述畜禽的主动激励规则；
所述监控模块还用于：
获取所述畜禽在所述主动激励规则的激励下的主动激励监控信息。
10.根据权利要求7所述的装置，其特征在于，所述行为姿态监控信息为行为姿态监控视频，所述信息处理单元包括：
图像提取模块，用于提取所述行为姿态监控视频中的每一帧监控图像；
第一处理模块，用于基于预设图像增强规则对所述监控图像执行图像增强操作，获得第一处理后图像；
第二处理模块，用于对所述第一处理后图像执行滤波处理，获得第二处理后图像；
特征提取模块，用于对所述第二处理后图像进行特征提取，获得针对所述畜禽的感兴趣部位信息。
11.根据权利要求7所述的装置，其特征在于，所述跟踪信息获取单元包括：
跟踪部位确定模块，用于确定预设待跟踪部位；
标记点确定模块，用于确定与所述预设待跟踪部位对应的跟踪标记点；
跟踪信息获取模块，用于基于所述感兴趣部位信息获取与每个跟踪标记点对应的跟踪信息；
信息生成模块，用于基于所述跟踪信息生成所述预设待跟踪部位对应的部位跟踪信息。
12.根据权利要求11所述的装置，其特征在于，所述模型获取单元包括：
历史信息获取模块，用于获取历史监控信息；
参数确定模块，用于确定与每个预设待跟踪部位对应的积极情绪参数和消极情绪参数；
初始模型确定模块，用于基于所述积极情绪参数和所述消极情绪参数创建初始深度学习模型；
模型训练模块，用于基于所述历史监控信息对所述初始深度学习模型进行训练，获得优化后积极情绪参数和优化后消极情绪参数；
模型创建模块，用于基于所述优化后积极情绪参数和所述优化后消极情绪参数创建所述预设情绪识别模型。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项权利要求所述的方法。
CN202210084116.2A 2022-01-20 2022-01-20 畜禽的情绪监控方法以及畜禽的情绪监控装置 Pending CN114569129A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210084116.2A CN114569129A (zh) 2022-01-20 2022-01-20 畜禽的情绪监控方法以及畜禽的情绪监控装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210084116.2A CN114569129A (zh) 2022-01-20 2022-01-20 畜禽的情绪监控方法以及畜禽的情绪监控装置

Publications (1)

Publication Number Publication Date
CN114569129A true CN114569129A (zh) 2022-06-03

Family

ID=81771136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210084116.2A Pending CN114569129A (zh) 2022-01-20 2022-01-20 畜禽的情绪监控方法以及畜禽的情绪监控装置

Country Status (1)

Country Link
CN (1) CN114569129A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542956A (zh) * 2023-05-25 2023-08-04 广州机智云物联网科技有限公司 一种织物组分自动检测方法、***及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542956A (zh) * 2023-05-25 2023-08-04 广州机智云物联网科技有限公司 一种织物组分自动检测方法、***及可读存储介质
CN116542956B (zh) * 2023-05-25 2023-11-17 广州机智云物联网科技有限公司 一种织物组分自动检测方法、***及可读存储介质

Similar Documents

Publication Publication Date Title
Chen et al. Behaviour recognition of pigs and cattle: Journey from computer vision to deep learning
US11938614B2 (en) Control device for robot to tease pet and mobile robot
WO2015176637A1 (en) Non-invasive multimodal biometrical identification system of animals
CN112000051A (zh) 一种基于物联网的畜牧养殖管理***
CN116935327B (zh) 基于ai视觉的水产养殖监控方法、装置、设备及存储介质
TWI661770B (zh) 智慧深度學習農漁培養系統
CN109479746A (zh) 一种机器人逗宠控制方法及芯片
CN112288793B (zh) 畜类个体背膘检测方法、装置、电子设备及存储介质
CN111914951A (zh) 一种基于图像实时识别的农作物害虫智能诊断***及方法
CN111297367A (zh) 一种动物状态监测方法、装置、电子设备及存储介质
JP6346007B2 (ja) 動作認識装置及び動作認識方法
CN114569129A (zh) 畜禽的情绪监控方法以及畜禽的情绪监控装置
Witte et al. Evaluation of deep learning instance segmentation models for pig precision livestock farming
Itahara et al. " Corvid Tracking Studio": A custom-built motion capture system to track head movements of corvids.
CN111178172A (zh) 实验鼠嗅探动作识别方法、模块及***
CN110414369B (zh) 一种牛脸的训练方法及装置
CN115830078A (zh) 生猪多目标跟踪及行为识别方法、计算机设备与存储介质
CN114051951A (zh) 一种基于宠物识别的宠物照料方法及宠物照料机器人
CN113989538A (zh) 基于深度图像的鸡群均匀度估测方法、装置、***及介质
CN111652084B (zh) 一种异常蛋鸡识别方法及装置
Pistocchi et al. Kernelized Structural Classification for 3D dogs body parts detection
Yuan et al. Stress-free detection technologies for pig growth based on welfare farming: A review
Cohen et al. Axial encoding schematics of neural representations of 3D space in freely navigating goldfish
CN111476118A (zh) 一种动物行为自动识别方法及装置
CN118135500B (zh) 一种畜牧养殖用智能监测平台及监测方法

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