CN117745036A - 一种基于特征识别及近场通信的牲畜信息管理方法及*** - Google Patents
一种基于特征识别及近场通信的牲畜信息管理方法及*** Download PDFInfo
- Publication number
- CN117745036A CN117745036A CN202410179254.8A CN202410179254A CN117745036A CN 117745036 A CN117745036 A CN 117745036A CN 202410179254 A CN202410179254 A CN 202410179254A CN 117745036 A CN117745036 A CN 117745036A
- Authority
- CN
- China
- Prior art keywords
- livestock
- information
- identified
- cluster
- candidate
- 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.)
- Granted
Links
- 244000144972 livestock Species 0.000 title claims abstract description 465
- 238000004891 communication Methods 0.000 title claims abstract description 38
- 238000007726 management method Methods 0.000 title claims abstract description 26
- 238000009395 breeding Methods 0.000 claims abstract description 33
- 230000001488 breeding effect Effects 0.000 claims abstract description 33
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 230000003993 interaction Effects 0.000 claims abstract description 6
- 241001465754 Metazoa Species 0.000 claims description 50
- 230000001815 facial effect Effects 0.000 claims description 39
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 230000037213 diet Effects 0.000 claims description 15
- 235000005911 diet Nutrition 0.000 claims description 15
- 239000003651 drinking water Substances 0.000 claims description 14
- 235000020188 drinking water Nutrition 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 28
- 230000035622 drinking Effects 0.000 description 16
- 238000000034 method Methods 0.000 description 13
- 241000283690 Bos taurus Species 0.000 description 12
- 210000001015 abdomen Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 241000894007 species Species 0.000 description 1
Classifications
-
- 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
- Image Analysis (AREA)
Abstract
本发明提供一种基于特征识别及近场通信的牲畜信息管理方法及***,涉及数据处理领域,其中,该***包括:信息获取模块,用于获取牲畜的养殖信息,并建立牲畜信息数据库;牲畜识别模块,用于基于身份识别请求,获取待识别牲畜的图像信息,识别待识别牲畜的第一身份信息,通过近场通信技术与待识别牲畜的耳标进行交互,获取待识别牲畜的第二身份信息;信息交互模块,用于基于第一身份信息和第二身份信息,确定待识别牲畜的身份识别结果是否具备真实性,当确定具备真实性时,从牲畜信息数据库获取牲畜的养殖信息并发送至用户终端,当确定不具备真实性时,发送警示信息至用户终端,具有提高牲畜信息管理的智能化水平的优点。
Description
技术领域
本发明涉及数据处理领域,特别涉及一种基于特征识别及近场通信的牲畜信息管理方法及***。
背景技术
牲畜个体识别对于精准畜牧业具有重要意义,因为它是现代牲畜管理和自动行为分析的先决条件。目前各繁育基地、养殖场因选种、选配、免疫等需要,均需要记载牲畜个体的品种、来源、生产性能、免疫状况、健康状况、畜主等信息。对不同种群及其后代要进行个体编号标识。
现有的牛个体识别方法,主要是在牛身上增加识别标志,如烙印、耳纹、耳标等等,然后通过人工方式来识别这些标志,从而对牛个体进行识别,因采用了人工来识别,并且也存在标记欺诈的情况,因此此类方法识别效率低,精度也不高,并需要花费大量的人力物力,不足以适应现代需求。同时,工作人员需要拿着事先印制好的工作清单做数据记录,数据记录速度缓慢且识别记录工作量大,且容易出现数据录入错误。
因此,需要提供一种基于特征识别及近场通信的牲畜信息管理方法及***,用于提高牲畜信息管理的智能化水平。
发明内容
本发明提供一种基于特征识别及近场通信的牲畜信息管理***,包括:信息获取模块,用于获取牲畜的养殖信息,并建立牲畜信息数据库用于存储牲畜的养殖信息;牲畜识别模块,用于基于身份识别请求,获取待识别牲畜的图像信息,并基于所述待识别牲畜的图像信息,获取所述待识别牲畜的第一身份信息,还用于基于身份识别请求,通过近场通信技术与所述待识别牲畜的耳标进行交互,获取所述待识别牲畜的第二身份信息;信息交互模块,用于基于所述待识别牲畜的第一身份信息和第二身份信息,确定所述待识别牲畜的身份识别结果是否具备真实性,当确定所述待识别牲畜的身份识别结果具备真实性时,从所述牲畜信息数据库获取所述牲畜的养殖信息并发送至用户终端,当确定所述待识别牲畜的身份识别结果不具备真实性时,发送警示信息至用户终端。
进一步地,所述牲畜识别模块获取待识别牲畜的图像信息,并基于所述待识别牲畜的图像信息,获取所述待识别牲畜的第一身份信息,包括:对于每种品种的牲畜,获取所述品种的多个牲畜的脸部对比图像,基于所述品种的多个牲畜的脸部对比图像对所述品种的多个牲畜进行聚类,确定所述品种的多个牲畜聚类簇,对于每个所述品种的牲畜聚类簇,获取所述牲畜聚类簇包括的每个牲畜的身体对比图像,基于所述牲畜聚类簇包括的每个牲畜的身体对比图像,确定所述牲畜聚类簇包括的每个牲畜的身体特征;获取所述待识别牲畜的脸部图像信息,基于所述待识别牲畜的脸部图像信息,确定所述待识别牲畜的品种信息,基于所述待识别牲畜的品种信息确定多个候选牲畜聚类簇,基于所述待识别牲畜的脸部图像信息及每个所述候选牲畜聚类簇的聚类中心的脸部对比图像,从所述多个候选牲畜聚类簇中确定目标候选牲畜聚类簇,获取所述待识别牲畜的身体图像信息,基于所述待识别牲畜的身体图像信息及所述目标候选牲畜聚类簇包括的每个牲畜的身体特征,获取所述待识别牲畜的第一身份信息。
进一步地,所述牲畜识别模块基于所述品种的多个牲畜的脸部对比图像对所述品种的多个牲畜进行聚类,包括:建立品种特征关联图谱,其中,所述品种特征关联图谱用于记载每种所述品种对应的目标特征类型;基于所述品种特征关联图谱,确定所述品种对应的目标特征类型;基于所述品种的多个牲畜的脸部对比图像,提取所述品种的每个牲畜在目标特征类型的特征信息;对于所述品种的任意两个牲畜,基于所述两个牲畜在目标特征类型的特征信息,计算所述两个牲畜的特征相似度;基于所述品种的任意两个牲畜的特征相似度,对所述品种的多个牲畜进行聚类。
进一步地,所述牲畜识别模块基于所述待识别牲畜的脸部图像信息及每个所述候选牲畜聚类簇的聚类中心的脸部对比图像,从所述多个候选牲畜聚类簇中确定目标候选牲畜聚类簇,包括:基于所述待识别牲畜的第二身份信息,确定所述待识别牲畜的当前生长周期;通过所述品种对应的特征预测模型,基于所述待识别牲畜的当前生长周期及每个所述候选牲畜聚类簇的聚类中心的脸部对比图像,生成每个所述候选牲畜聚类簇的聚类中心对应所述当前生长周期的当前脸部对比图像;对于每个所述候选牲畜聚类簇,基于所述候选牲畜聚类簇的聚类中心对应所述当前生长周期的当前脸部对比图像,提取所述候选牲畜聚类簇的聚类中心对应所述当前生长周期的在目标特征类型的特征信息;基于所述待识别牲畜的脸部图像信息,提取所述待识别牲畜在目标特征类型的特征信息;对于每个所述候选牲畜聚类簇,基于所述候选牲畜聚类簇的聚类中心对应所述当前生长周期的在目标特征类型的特征信息及所述待识别牲畜在目标特征类型的特征信息,计算所述候选牲畜聚类簇的匹配值;基于每个所述候选牲畜聚类簇的匹配值,从所述多个候选牲畜聚类簇中确定目标候选牲畜聚类簇。
进一步地,所述信息获取模块获取所述待识别牲畜的身体图像信息,包括:基于所述目标候选牲畜聚类簇包括的每个牲畜的身体特征,确定多个图像采集位置;基于所述多个图像采集位置,获取所述待识别牲畜的身体图像信息。
进一步地,所述信息获取模块基于所述多个图像采集位置,获取所述待识别牲畜的身体图像信息,包括:基于所述多个图像采集位置,生成多种候选图像采集轨迹;基于多个轨迹筛选指标,对所述多种候选图像采集轨迹进行筛选,确定目标图像采集轨迹;基于所述目标图像采集轨迹,在每个所述图像采集位置,采集所述待识别牲畜的身体图像信息。
进一步地,所述牲畜识别模块基于所述待识别牲畜的脸部图像信息,提取所述待识别牲畜在目标特征类型的特征信息,包括:基于所述待识别牲畜的脸部图像信息,提取所述待识别牲畜在目标特征类型的颜色信息;基于所述待识别牲畜的脸部图像信息,获取所述待识别牲畜的脸部点云特征,基于所述所述待识别牲畜的脸部点云特征对所述待识别牲畜进行脸部建模,提取所述待识别牲畜在目标特征类型的尺寸信息。
进一步地,所述信息获取模块包括:生理信息获取单元,用于获取牲畜的健康状态信息;饮食信息获取单元,用于获取牲畜的饮食信息;运动信息获取单元,用于获取牲畜的运动信息。
进一步地,所述饮食信息获取单元包括采食信息获取组件及饮水信息获取组件;所述采食信息获取组件包括设置在食槽的食槽区域图像采集装置;所述饮水信息获取组件包括设置在水槽的液位传感器。
本发明提供一种基于特征识别及近场通信的牲畜信息管理方法,包括:获取牲畜的养殖信息,并建立牲畜信息数据库用于存储牲畜的养殖信息;基于身份识别请求,获取待识别牲畜的图像信息,并基于所述待识别牲畜的图像信息,获取所述待识别牲畜的第一身份信息;基于所述身份识别请求,通过近场通信技术与所述待识别牲畜的耳标进行交互,获取所述待识别牲畜的第二身份信息;基于所述待识别牲畜的第一身份信息和第二身份信息,确定所述待识别牲畜的身份识别结果是否具备真实性;确定所述待识别牲畜的身份识别结果具备真实性时,从所述牲畜信息数据库获取所述牲畜的养殖信息并发送至用户终端;当确定所述待识别牲畜的身份识别结果不具备真实性时,发送警示信息至用户终端。
相比于现有技术,本发明提供的一种基于特征识别及近场通信的牲畜信息管理方法及***,至少具备以下有益效果:
1、自动获取牲畜的养殖信息并进行存储,并且基于待识别牲畜的图像信息,获取待识别牲畜的第一身份信息,通过近场通信技术与待识别牲畜的耳标进行交互,获取待识别牲畜的第二身份信息,在此基础之上,基于待识别牲畜的第一身份信息和第二身份信息,确定待识别牲畜的身份识别结果是否具备真实性,当确定待识别牲畜的身份识别结果不具备真实性时,发送警示信息至用户终端,实现了牲畜的养殖数据的自动记录、存储及查询,并且,通过两种数据源进行数据真实性校验,有效减少了标记欺诈的行为,提高了牲畜信息管理的智能化水平。
2、通过基于品种的多个牲畜的脸部对比图像对品种的多个牲畜进行聚类,在此基础之上,获取牲畜聚类簇包括的每个牲畜的身体对比图像,基于牲畜聚类簇包括的每个牲畜的身体对比图像,确定牲畜聚类簇包括的每个牲畜的独特的身体特征,提高了后续确定待识别牲畜的第一身份信息的效率及准确度。
3、基于待识别牲畜的脸部图像信息,提取待识别牲畜在目标特征类型的颜色信息和尺寸信息,提高了待识别牲畜的第一身份信息确定的效率及准确度。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的一种基于特征识别及近场通信的牲畜信息管理***的模块示意图;
图2是根据本说明书一些实施例所示的基于品种的多个牲畜的脸部对比图像对品种的多个牲畜进行聚类的流程示意图;
图3是根据本说明书一些实施例所示的从多个候选牲畜聚类簇中确定目标候选牲畜聚类簇的流程示意图;
图4是根据本说明书一些实施例所示的一种基于特征识别及近场通信的牲畜信息管理方法的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
图1是根据本说明书一些实施例所示的一种基于特征识别及近场通信的牲畜信息管理***的模块示意图,如图1所示,一种基于特征识别及近场通信的牲畜信息管理***可以包括信息获取模块、牲畜识别模块及信息交互模块。
信息获取模块可以用于获取牲畜的养殖信息,并建立牲畜信息数据库用于存储牲畜的养殖信息。
牲畜的养殖信息可以至少包括牲畜入栏日期、牲畜个体标识、牲畜品种、牲畜入栏渠道、牲畜围栏标识、牲畜出栏日期、牲畜出栏体重、牲畜销售渠道、疫病信息、治疗信息等。
在一些实施例中,信息获取模块包括:
生理信息获取单元,用于获取牲畜的健康状态信息,具体的,生理信息获取单元可以包括体温检测组件、呼吸检测组件、脉搏检测组件等,体温检测组件可以用于获取牲畜的体温,呼吸检测组件可以用于获取牲畜的呼吸频率,脉搏检测组件可以用于获取牲畜的脉搏数;
饮食信息获取单元,用于获取牲畜的饮食信息;
运动信息获取单元,用于获取牲畜的运动信息,具体的,牲畜的耳标内可以设置有定位组件,定位组件用于获取牲畜的实时位置,进而生成牲畜的运动信息。
在一些实施例中,饮食信息获取单元包括采食信息获取组件及饮水信息获取组件,采食信息获取组件包括设置在食槽的食槽区域图像采集装置,饮水信息获取组件包括设置在水槽的液位传感器。
具体的,食槽内还可以设置有至少一个红外热释电传感器,当至少一个红外热释电传感器输出高电平时,开启食槽区域图像采集装置,根据食槽区域图像采集装置采集的食槽区域的图像,识别是否存在牲畜进食,识别存在牲畜进食时,根据食槽区域图像采集装置采集的食槽区域的图像,识别牲畜的耳标上的编码信息,基于牲畜的耳标上的编码信息,确定牲畜的身份,并根据食槽区域图像采集装置采集的食槽区域的图像,确定该牲畜的进食时长,根据牲畜的身份,存储采集的牲畜的进食时长。
水槽区域还可以设置有水槽区域图像采集装置,可以先根据水槽的液位传感器在一个检测周期的输出信号,判断是否发生牲畜饮水,当判断发生牲畜饮水时,开启水槽区域图像采集装置,根据水槽区域图像采集装置采集的水槽区域的图像,识别牲畜的耳标上的编码信息,基于牲畜的耳标上的编码信息,确定牲畜的身份,根据牲畜完成饮水前后的液位信息,确定牲畜的饮水量,根据牲畜的身份,存储采集的牲畜的饮水量。
根据水槽的液位传感器在一个检测周期(例如,30S)的输出信号,确定在该检测周期的水位波动参数,当水位波动参数大于预设水位波动参数阈值时,判断发生牲畜饮水。例如,可以基于以下公式计算一个检测周期的水位波动参数:
其中,为第i个检测周期的水位波动参数,/>为第i个检测周期的第/>个时间点的水位,/>为离第i个检测周期最近的水位波动参数小于或等于预设水位波动参数阈值的历史检测周期的平均水位,/>为第i个检测周期的时间长度。
在一些实施例中,信息获取模块可以根据牲畜在一个养殖检测周期(例如,3天、5天等)的进食信息和饮水信息,确定该牲畜的饮食异常情况,其中,牲畜在一个养殖检测周期的进食信息可以至少包括牲畜在一个养殖检测周期的平均进食间隔、单次平均进食时长、进食间隔波动参数、单次进食时长波动参数,牲畜在一个养殖检测周期的饮水信息可以至少包括牲畜在一个养殖检测周期的平均饮水间隔、单次平均饮水时长、饮水间隔波动参数、单次饮水时长波动参数。
例如,可以基于以下公式计算进食间隔波动参数:
其中,为牲畜在第j个养殖检测周期的进食间隔波动参数,/>为牲畜在第j个养殖检测周期的第n次进食和第n-1次进食之间的时间间隔,N为牲畜在第j个养殖检测周期的进食总数。
可以基于以下公式计算单次进食时长波动参数:
其中,为牲畜在第j个养殖检测周期的单次进食时长波动参数,/>为牲畜在第j个养殖检测周期的第n次进食的单次进食时长。
饮水间隔波动参数的计算方式与进食间隔波动参数的计算方式相似,单次进食时长波动参数的计算方式与单次饮水时长波动参数的计算方式相似,此处不再赘述。
在一些实施例中,信息获取模块可以基于以下流程确定牲畜的饮食异常情况:
获取牲畜的基本信息,例如,品种、养殖环境、养殖食物等信息;
获取样本牲畜的基本信息;
确定与该牲畜的基本信息相似的样本牲畜作为目标样本牲畜;
获取目标样本牲畜在该牲畜的养殖检测周期所属的当前生长周期的平均进食间隔、单次平均进食时长、进食间隔波动参数、单次进食时长波动参数、平均饮水间隔、单次平均饮水时长、饮水间隔波动参数、单次饮水时长波动参数;
计算该牲畜在当前的养殖检测周期的平均进食间隔、单次平均进食时长、进食间隔波动参数、单次进食时长波动参数、平均饮水间隔、单次平均饮水时长、饮水间隔波动参数、单次饮水时长波动参数和目标样本牲畜在该牲畜的养殖检测周期所属的当前生长周期的平均进食间隔、单次平均进食时长、进食间隔波动参数、单次进食时长波动参数、平均饮水间隔、单次平均饮水时长、饮水间隔波动参数、单次饮水时长波动参数,确定牲畜的饮食异常情况,当判断牲畜的饮食发生异常时,生成警示信息至该牲畜的管理人员的用户终端。
牲畜识别模块可以用于基于身份识别请求,通过近场通信技术与待识别牲畜的耳标进行交互,获取待识别牲畜的第二身份信息。
具体的,待识别牲畜的耳标内设置有NFC(Near Field Communication)标签,牲畜识别模块可以包括读卡器,该NFC标签可以基于近场通信技术与牲畜识别模块的读卡器进行数据交互,牲畜识别模块的读卡器可以读取牲畜的耳标的NFC标签记载的待识别牲畜的第二身份信息。其中,牲畜的耳标的NFC标签记载的待识别牲畜的第二身份信息可以至少包括待识别牲畜的唯一的牲畜个体标识。
牲畜识别模块还可以用于基于身份识别请求,获取待识别牲畜的图像信息,并基于待识别牲畜的图像信息,获取待识别牲畜的第一身份信息。
在一些实施例中,牲畜识别模块获取待识别牲畜的图像信息,并基于待识别牲畜的图像信息,获取待识别牲畜的第一身份信息,包括:
对于每种品种的牲畜,获取品种的多个牲畜的脸部对比图像,基于品种的多个牲畜的脸部对比图像对品种的多个牲畜进行聚类,确定品种的多个牲畜聚类簇,对于每个品种的牲畜聚类簇,获取牲畜聚类簇包括的每个牲畜的身体对比图像,基于牲畜聚类簇包括的每个牲畜的身体对比图像,确定牲畜聚类簇包括的每个牲畜的身体特征,其中,牲畜聚类簇包括的每个牲畜的身体特征是该牲畜区别于该牲畜聚类簇包括的其它任意一个牲畜的特征;
获取待识别牲畜的脸部图像信息,基于待识别牲畜的脸部图像信息,确定待识别牲畜的品种信息,基于待识别牲畜的品种信息确定多个候选牲畜聚类簇,基于待识别牲畜的脸部图像信息及每个候选牲畜聚类簇的聚类中心的脸部对比图像,从多个候选牲畜聚类簇中确定目标候选牲畜聚类簇,获取待识别牲畜的身体图像信息,基于待识别牲畜的身体图像信息及目标候选牲畜聚类簇包括的每个牲畜的身体特征,获取待识别牲畜的第一身份信息,具体的,可以获取目标候选牲畜聚类簇中与待识别牲畜的身体特征一致的牲畜的身份信息作为该待识别牲畜的第一身份信息。
图2是根据本说明书一些实施例所示的基于品种的多个牲畜的脸部对比图像对品种的多个牲畜进行聚类的流程示意图,如图2所示,在一些实施例中,牲畜识别模块基于品种的多个牲畜的脸部对比图像对品种的多个牲畜进行聚类,包括:
建立品种特征关联图谱,其中,品种特征关联图谱用于记载每种品种对应的目标特征类型,具体的,目标特征类型可以为便于对某一种品类的不同牲畜进行识别的特征,不同品种的牲畜对应的目标特征类型可以不同,例如,牛对应的目标特征类型至少包括牛脸上的牛漩、眼纹、毛发、纹理的分布和位置等,猪对应的目标特征类型至少包括两眼间的距离、嘴巴的位置、头骨的宽度等;
基于品种特征关联图谱,确定品种对应的目标特征类型;
基于品种的多个牲畜的脸部对比图像,提取品种的每个牲畜在目标特征类型的特征信息;
对于品种的任意两个牲畜,基于两个牲畜在目标特征类型的特征信息,计算两个牲畜的特征相似度;
基于品种的任意两个牲畜的特征相似度,对品种的多个牲畜进行聚类。
具体的,牲畜识别模块可以计算两个牲畜在目标特征类型的特征信息的余弦相似度作为该两个牲畜的特征相似度,再根据k均值聚类算法(k-means clusteringalgorithm)基于任意两个牲畜的特征相似度,对品种的多个牲畜进行聚类。当两个牲畜的特征相似度大于预设特征相似度阈值时,该两个牲畜可以被聚类至一个牲畜聚类簇中。
图3是根据本说明书一些实施例所示的从多个候选牲畜聚类簇中确定目标候选牲畜聚类簇的流程示意图,如图3所示,在一些实施例中,牲畜识别模块基于待识别牲畜的脸部图像信息及每个候选牲畜聚类簇的聚类中心的脸部对比图像,从多个候选牲畜聚类簇中确定目标候选牲畜聚类簇,包括:
基于待识别牲畜的第二身份信息,确定待识别牲畜的当前生长周期,具体的,可以先基于待识别牲畜的第二身份信息,确定待识别牲畜的第二身份信息对应的牲畜的入栏时间及入栏时的生长周期,计算当前时间与牲畜的入栏时间之间的时间差值,基于该时间差值和入栏时的生长周期,确定待识别牲畜的当前生长周期;
通过品种对应的特征预测模型,基于待识别牲畜的当前生长周期及每个候选牲畜聚类簇的聚类中心的脸部对比图像,生成每个候选牲畜聚类簇的聚类中心对应当前生长周期的当前脸部对比图像,其中,特征预测模型可以包括GAN(Generative AdversarialNetwork)模型;
对于每个候选牲畜聚类簇,基于候选牲畜聚类簇的聚类中心对应当前生长周期的当前脸部对比图像,提取候选牲畜聚类簇的聚类中心对应当前生长周期的在目标特征类型的特征信息,具体的,可以基于该品种对应的特征提取模型提取候选牲畜聚类簇的聚类中心对应当前生长周期的在目标特征类型的特征信息,其中,特征提取模型可以为CNN(Convolutional Neural Network)模型,候选牲畜聚类簇的聚类中心对应当前生长周期的在目标特征类型的特征信息至少包括目标特征类型的颜色信息及尺寸信息;
基于待识别牲畜的脸部图像信息,提取待识别牲畜在目标特征类型的特征信息,具体的,可以基于该品种对应的特征提取模型提取提取待识别牲畜在目标特征类型的特征信息;
对于每个候选牲畜聚类簇,基于候选牲畜聚类簇的聚类中心对应当前生长周期的在目标特征类型的特征信息及待识别牲畜在目标特征类型的特征信息,计算候选牲畜聚类簇的匹配值;
基于每个候选牲畜聚类簇的匹配值,从多个候选牲畜聚类簇中确定目标候选牲畜聚类簇。
具体的,牲畜识别模块可以通过匹配值确定模型基于候选牲畜聚类簇的聚类中心对应当前生长周期的在目标特征类型的特征信息及待识别牲畜在目标特征类型的特征信息,计算候选牲畜聚类簇的匹配值,其中,匹配值确定模型可以为人工神经网络(Artificial Neural Network,ANN)。目标候选牲畜聚类簇为匹配值最大的候选牲畜聚类簇。
在一些实施例中,信息获取模块获取待识别牲畜的身体图像信息,包括:
基于目标候选牲畜聚类簇包括的每个牲畜的身体特征,确定多个图像采集位置,例如,牛这一品种的第三个候选牲畜聚类簇为待识别牲畜对应的目标候选牲畜聚类簇,该目标候选牲畜聚类簇包括牛1、牛2和牛3,其中,牛1的身体特征为背部有个圆形的斑点,牛2的身体特征为左侧腹部有个不规则的斑点,牛3的身体特征为右侧腹部有个不规则的斑点,则多个图像采集位置包括待识别牲畜的背部、左侧腹部和右侧腹部;
基于多个图像采集位置,获取待识别牲畜的身体图像信息,具体的,在每个图像采集位置采集一张待识别牲畜的身体图像信息。
在一些实施例中,信息获取模块基于多个图像采集位置,获取待识别牲畜的身体图像信息,包括:
基于多个图像采集位置,生成多种候选图像采集轨迹,具体的,可以通过轨迹生成模型基于多个图像采集位置和待识别牲畜的体积信息,生成多种候选图像采集轨迹,其中,轨迹生成模型可以为GAN(Generative Adversarial Network)模型;
基于多个轨迹筛选指标,对多种候选图像采集轨迹进行筛选,确定目标图像采集轨迹,其中,多个轨迹筛选指标可以至少包括轨迹长度指标、轨迹所需时间指标、位姿过渡指标等,其中,位姿过渡指标可以表征轨迹中相邻两个轨迹点之间的位姿变化情况,候选图像采集轨迹中相邻两个轨迹点之间的位姿越相似,该候选图像采集轨迹在位姿过渡指标的得分越高,可以计算候选图像采集轨迹在多个轨迹筛选指标的得分,确定候选图像采集轨迹的优先值,将优先值最大的候选图像采集轨迹作为目标图像采集轨迹,候选图像采集轨迹的长度越短,候选图像采集轨迹在轨迹长度指标的得分越高,图像采集位置执行候选图像采集轨迹所需的时间越短,该候选图像采集轨迹在轨迹所需时间指标的得分越高;
基于目标图像采集轨迹,在每个图像采集位置,采集待识别牲畜的身体图像信息。
在一些实施例中,牲畜识别模块基于待识别牲畜的脸部图像信息,提取待识别牲畜在目标特征类型的特征信息,包括:
基于待识别牲畜的脸部图像信息,提取待识别牲畜在目标特征类型的颜色信息;
基于待识别牲畜的脸部图像信息,获取待识别牲畜的脸部点云特征,基于待识别牲畜的脸部点云特征对待识别牲畜进行脸部建模,提取待识别牲畜在目标特征类型的尺寸信息。
信息交互模块可以用于基于待识别牲畜的第一身份信息和第二身份信息,确定待识别牲畜的身份识别结果是否具备真实性。
当确定待识别牲畜的身份识别结果具备真实性时,从牲畜信息数据库获取牲畜的养殖信息并发送至用户终端,当确定待识别牲畜的身份识别结果不具备真实性时,发送警示信息至用户终端。
具体的,当待识别牲畜的第一身份信息和第二身份信息对应的牲畜为同一牲畜时,确定待识别牲畜的身份识别结果具备真实性。
图4是根据本说明书一些实施例所示的一种基于特征识别及近场通信的牲畜信息管理方法的流程示意图,如图4所示,一种基于特征识别及近场通信的牲畜信息管理方法可以包括以下步骤:
步骤410,获取牲畜的养殖信息,并建立牲畜信息数据库用于存储牲畜的养殖信息;
步骤420,基于身份识别请求,获取待识别牲畜的图像信息,并基于待识别牲畜的图像信息,获取待识别牲畜的第一身份信息;
步骤430,基于身份识别请求,通过近场通信技术与待识别牲畜的耳标进行交互,获取待识别牲畜的第二身份信息;
步骤440,基于待识别牲畜的第一身份信息和第二身份信息,确定待识别牲畜的身份识别结果是否具备真实性;
步骤450,确定待识别牲畜的身份识别结果具备真实性时,从牲畜信息数据库获取牲畜的养殖信息并发送至用户终端;
步骤460,当确定待识别牲畜的身份识别结果不具备真实性时,发送警示信息至用户终端。
在一些实施例中,一种基于特征识别及近场通信的牲畜信息管理方法可以由一种基于特征识别及近场通信的牲畜信息管理***执行,关于一种基于特征识别及近场通信的牲畜信息管理方法的更多描述可以参见一种基于特征识别及近场通信的牲畜信息管理***的相关描述,此处不再赘述。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,包括:
信息获取模块,用于获取牲畜的养殖信息,并建立牲畜信息数据库用于存储牲畜的养殖信息;
牲畜识别模块,用于基于身份识别请求,获取待识别牲畜的图像信息,并基于所述待识别牲畜的图像信息,获取所述待识别牲畜的第一身份信息,还用于基于身份识别请求,通过近场通信技术与所述待识别牲畜的耳标进行交互,获取所述待识别牲畜的第二身份信息;
信息交互模块,用于基于所述待识别牲畜的第一身份信息和第二身份信息,确定所述待识别牲畜的身份识别结果是否具备真实性,当确定所述待识别牲畜的身份识别结果具备真实性时,从所述牲畜信息数据库获取所述牲畜的养殖信息并发送至用户终端,当确定所述待识别牲畜的身份识别结果不具备真实性时,发送警示信息至用户终端。
2.根据权利要求1所述的一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,所述牲畜识别模块获取待识别牲畜的图像信息,并基于所述待识别牲畜的图像信息,获取所述待识别牲畜的第一身份信息,包括:
对于每种品种的牲畜,获取所述品种的多个牲畜的脸部对比图像,基于所述品种的多个牲畜的脸部对比图像对所述品种的多个牲畜进行聚类,确定所述品种的多个牲畜聚类簇,对于每个所述品种的牲畜聚类簇,获取所述牲畜聚类簇包括的每个牲畜的身体对比图像,基于所述牲畜聚类簇包括的每个牲畜的身体对比图像,确定所述牲畜聚类簇包括的每个牲畜的身体特征;
获取所述待识别牲畜的脸部图像信息,基于所述待识别牲畜的脸部图像信息,确定所述待识别牲畜的品种信息,基于所述待识别牲畜的品种信息确定多个候选牲畜聚类簇,基于所述待识别牲畜的脸部图像信息及每个所述候选牲畜聚类簇的聚类中心的脸部对比图像,从所述多个候选牲畜聚类簇中确定目标候选牲畜聚类簇,获取所述待识别牲畜的身体图像信息,基于所述待识别牲畜的身体图像信息及所述目标候选牲畜聚类簇包括的每个牲畜的身体特征,获取所述待识别牲畜的第一身份信息。
3.根据权利要求2所述的一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,所述牲畜识别模块基于所述品种的多个牲畜的脸部对比图像对所述品种的多个牲畜进行聚类,包括:
建立品种特征关联图谱,其中,所述品种特征关联图谱用于记载每种所述品种对应的目标特征类型;
基于所述品种特征关联图谱,确定所述品种对应的目标特征类型;
基于所述品种的多个牲畜的脸部对比图像,提取所述品种的每个牲畜在目标特征类型的特征信息;
对于所述品种的任意两个牲畜,基于所述两个牲畜在目标特征类型的特征信息,计算所述两个牲畜的特征相似度;
基于所述品种的任意两个牲畜的特征相似度,对所述品种的多个牲畜进行聚类。
4.根据权利要求3所述的一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,所述牲畜识别模块基于所述待识别牲畜的脸部图像信息及每个所述候选牲畜聚类簇的聚类中心的脸部对比图像,从所述多个候选牲畜聚类簇中确定目标候选牲畜聚类簇,包括:
基于所述待识别牲畜的第二身份信息,确定所述待识别牲畜的当前生长周期;
通过所述品种对应的特征预测模型,基于所述待识别牲畜的当前生长周期及每个所述候选牲畜聚类簇的聚类中心的脸部对比图像,生成每个所述候选牲畜聚类簇的聚类中心对应所述当前生长周期的当前脸部对比图像;
对于每个所述候选牲畜聚类簇,基于所述候选牲畜聚类簇的聚类中心对应所述当前生长周期的当前脸部对比图像,提取所述候选牲畜聚类簇的聚类中心对应所述当前生长周期的在目标特征类型的特征信息;
基于所述待识别牲畜的脸部图像信息,提取所述待识别牲畜在目标特征类型的特征信息;
对于每个所述候选牲畜聚类簇,基于所述候选牲畜聚类簇的聚类中心对应所述当前生长周期的在目标特征类型的特征信息及所述待识别牲畜在目标特征类型的特征信息,计算所述候选牲畜聚类簇的匹配值;
基于每个所述候选牲畜聚类簇的匹配值,从所述多个候选牲畜聚类簇中确定目标候选牲畜聚类簇。
5.根据权利要求2-4中任意一项所述的一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,所述信息获取模块获取所述待识别牲畜的身体图像信息,包括:
基于所述目标候选牲畜聚类簇包括的每个牲畜的身体特征,确定多个图像采集位置;
基于所述多个图像采集位置,获取所述待识别牲畜的身体图像信息。
6.根据权利要求5所述的一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,所述信息获取模块基于所述多个图像采集位置,获取所述待识别牲畜的身体图像信息,包括:
基于所述多个图像采集位置,生成多种候选图像采集轨迹;
基于多个轨迹筛选指标,对所述多种候选图像采集轨迹进行筛选,确定目标图像采集轨迹;
基于所述目标图像采集轨迹,在每个所述图像采集位置,采集所述待识别牲畜的身体图像信息。
7.根据权利要求5所述的一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,所述牲畜识别模块基于所述待识别牲畜的脸部图像信息,提取所述待识别牲畜在目标特征类型的特征信息,包括:
基于所述待识别牲畜的脸部图像信息,提取所述待识别牲畜在目标特征类型的颜色信息;
基于所述待识别牲畜的脸部图像信息,获取所述待识别牲畜的脸部点云特征,基于所述所述待识别牲畜的脸部点云特征对所述待识别牲畜进行脸部建模,提取所述待识别牲畜在目标特征类型的尺寸信息。
8.根据权利要求1-4中任意一项所述的一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,所述信息获取模块包括:
生理信息获取单元,用于获取牲畜的健康状态信息;
饮食信息获取单元,用于获取牲畜的饮食信息;
运动信息获取单元,用于获取牲畜的运动信息。
9.根据权利要求8所述的一种基于特征识别及近场通信的牲畜信息管理***,其特征在于,所述饮食信息获取单元包括采食信息获取组件及饮水信息获取组件;
所述采食信息获取组件包括设置在食槽的食槽区域图像采集装置;
所述饮水信息获取组件包括设置在水槽的液位传感器。
10.一种基于特征识别及近场通信的牲畜信息管理方法,其特征在于,包括:
获取牲畜的养殖信息,并建立牲畜信息数据库用于存储牲畜的养殖信息;
基于身份识别请求,获取待识别牲畜的图像信息,并基于所述待识别牲畜的图像信息,获取所述待识别牲畜的第一身份信息;
基于所述身份识别请求,通过近场通信技术与所述待识别牲畜的耳标进行交互,获取所述待识别牲畜的第二身份信息;
基于所述待识别牲畜的第一身份信息和第二身份信息,确定所述待识别牲畜的身份识别结果是否具备真实性;
确定所述待识别牲畜的身份识别结果具备真实性时,从所述牲畜信息数据库获取所述牲畜的养殖信息并发送至用户终端;
当确定所述待识别牲畜的身份识别结果不具备真实性时,发送警示信息至用户终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179254.8A CN117745036B (zh) | 2024-02-18 | 2024-02-18 | 一种基于特征识别及近场通信的牲畜信息管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179254.8A CN117745036B (zh) | 2024-02-18 | 2024-02-18 | 一种基于特征识别及近场通信的牲畜信息管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117745036A true CN117745036A (zh) | 2024-03-22 |
CN117745036B CN117745036B (zh) | 2024-04-30 |
Family
ID=90283516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410179254.8A Active CN117745036B (zh) | 2024-02-18 | 2024-02-18 | 一种基于特征识别及近场通信的牲畜信息管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745036B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1503194A (zh) * | 2002-11-26 | 2004-06-09 | 中国科学院计算技术研究所 | 利用身材信息辅助人脸信息的身份识别方法 |
US20140226896A1 (en) * | 2011-07-07 | 2014-08-14 | Kao Corporation | Face impression analyzing method, aesthetic counseling method, and face image generating method |
CN107229947A (zh) * | 2017-05-15 | 2017-10-03 | 邓昌顺 | 一种基于动物识别的金融保险方法及*** |
CN107992903A (zh) * | 2017-09-20 | 2018-05-04 | 翔创科技(北京)有限公司 | 牲畜身份识别方法、装置、存储介质和电子设备 |
JPWO2017069231A1 (ja) * | 2015-10-23 | 2018-10-04 | 国立大学法人大阪大学 | 人体における治療後の形態予測方法及びシステム |
CN108717464A (zh) * | 2018-05-31 | 2018-10-30 | 中国联合网络通信集团有限公司 | 照片处理方法、装置及终端设备 |
CN111243005A (zh) * | 2020-01-07 | 2020-06-05 | 洛阳语音云创新研究院 | 牲畜估重方法、装置、设备以及计算机可读存储介质 |
US20210067684A1 (en) * | 2019-08-27 | 2021-03-04 | Lg Electronics Inc. | Equipment utilizing human recognition and method for utilizing the same |
CN113128529A (zh) * | 2019-12-30 | 2021-07-16 | 中移(成都)信息通信科技有限公司 | 牲畜身份识别模型训练方法、识别方法、***及装置 |
CN113569895A (zh) * | 2021-02-20 | 2021-10-29 | 腾讯科技(北京)有限公司 | 图像处理模型训练方法、处理方法、装置、设备及介质 |
CN114092809A (zh) * | 2021-11-17 | 2022-02-25 | 杭州海康威视数字技术股份有限公司 | 对象识别方法、装置及电子设备 |
CN114581948A (zh) * | 2022-03-04 | 2022-06-03 | 吉林大学 | 一种畜脸识别方法 |
CN114627505A (zh) * | 2022-03-18 | 2022-06-14 | 中国农业大学 | 一种奶牛清洁度自动评分方法、***、存储介质及设备 |
CN114638536A (zh) * | 2022-03-31 | 2022-06-17 | 北京农业职业学院(中国***北京市委员会农村工作委员会党校) | 基于人工智能的畜牧健康监测方法与*** |
CN116258881A (zh) * | 2022-12-12 | 2023-06-13 | 浙江大华技术股份有限公司 | 一种图像聚类方法、装置、终端及计算机可读存储介质 |
CN116563040A (zh) * | 2023-07-07 | 2023-08-08 | 中国平安财产保险股份有限公司 | 基于牲畜识别的农险查勘方法、装置、设备及存储介质 |
CN117377988A (zh) * | 2021-05-14 | 2024-01-09 | 苹果公司 | 利用面部关联的身体特征的身份识别 |
-
2024
- 2024-02-18 CN CN202410179254.8A patent/CN117745036B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1503194A (zh) * | 2002-11-26 | 2004-06-09 | 中国科学院计算技术研究所 | 利用身材信息辅助人脸信息的身份识别方法 |
US20140226896A1 (en) * | 2011-07-07 | 2014-08-14 | Kao Corporation | Face impression analyzing method, aesthetic counseling method, and face image generating method |
JPWO2017069231A1 (ja) * | 2015-10-23 | 2018-10-04 | 国立大学法人大阪大学 | 人体における治療後の形態予測方法及びシステム |
CN107229947A (zh) * | 2017-05-15 | 2017-10-03 | 邓昌顺 | 一种基于动物识别的金融保险方法及*** |
CN107992903A (zh) * | 2017-09-20 | 2018-05-04 | 翔创科技(北京)有限公司 | 牲畜身份识别方法、装置、存储介质和电子设备 |
CN108717464A (zh) * | 2018-05-31 | 2018-10-30 | 中国联合网络通信集团有限公司 | 照片处理方法、装置及终端设备 |
US20210067684A1 (en) * | 2019-08-27 | 2021-03-04 | Lg Electronics Inc. | Equipment utilizing human recognition and method for utilizing the same |
CN113128529A (zh) * | 2019-12-30 | 2021-07-16 | 中移(成都)信息通信科技有限公司 | 牲畜身份识别模型训练方法、识别方法、***及装置 |
CN111243005A (zh) * | 2020-01-07 | 2020-06-05 | 洛阳语音云创新研究院 | 牲畜估重方法、装置、设备以及计算机可读存储介质 |
CN113569895A (zh) * | 2021-02-20 | 2021-10-29 | 腾讯科技(北京)有限公司 | 图像处理模型训练方法、处理方法、装置、设备及介质 |
CN117377988A (zh) * | 2021-05-14 | 2024-01-09 | 苹果公司 | 利用面部关联的身体特征的身份识别 |
CN114092809A (zh) * | 2021-11-17 | 2022-02-25 | 杭州海康威视数字技术股份有限公司 | 对象识别方法、装置及电子设备 |
CN114581948A (zh) * | 2022-03-04 | 2022-06-03 | 吉林大学 | 一种畜脸识别方法 |
CN114627505A (zh) * | 2022-03-18 | 2022-06-14 | 中国农业大学 | 一种奶牛清洁度自动评分方法、***、存储介质及设备 |
CN114638536A (zh) * | 2022-03-31 | 2022-06-17 | 北京农业职业学院(中国***北京市委员会农村工作委员会党校) | 基于人工智能的畜牧健康监测方法与*** |
CN116258881A (zh) * | 2022-12-12 | 2023-06-13 | 浙江大华技术股份有限公司 | 一种图像聚类方法、装置、终端及计算机可读存储介质 |
CN116563040A (zh) * | 2023-07-07 | 2023-08-08 | 中国平安财产保险股份有限公司 | 基于牲畜识别的农险查勘方法、装置、设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
ABHINAV SHARMA等: "Machine Learning Applications for Precision Agriculture: A Comprehensive Review", IEEE, vol. 9, 31 December 2020 (2020-12-31), pages 4843, XP011831332, DOI: 10.1109/ACCESS.2020.3048415 * |
沈明霞等: "生猪自动化养殖装备与技术研究进展与展望", 农业机械学报, vol. 53, no. 12, 25 December 2022 (2022-12-25), pages 1 * |
郭阳阳等: "基于坐标注意力机制和YOLO v5s模型的山羊脸部检测方法", 农业机械学报, vol. 54, no. 7, 22 May 2023 (2023-05-22), pages 313 * |
黄玳;蔡晓东;胡月琳;曹艺;刘玉柱;: "基于特征融合的目标动态身份识别方法", 电视技术, vol. 44, no. 06, 15 June 2020 (2020-06-15), pages 6 * |
齐咏生等: "基于自适应注意力机制的复杂场景下牛脸检测算法", 农业工程学报, vol. 39, no. 14, 16 August 2023 (2023-08-16), pages 173 * |
Also Published As
Publication number | Publication date |
---|---|
CN117745036B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Achour et al. | Image analysis for individual identification and feeding behaviour monitoring of dairy cows based on Convolutional Neural Networks (CNN) | |
CN110583550B (zh) | 基于目标检测与跟踪的鱼虾参养殖精准投喂***及装置 | |
CN110929650B (zh) | 豢养物身份识别方法、装置、计算设备、可读存储介质 | |
KR102307327B1 (ko) | 전자식 모돈 관리 장치 | |
CN111507302B (zh) | 一种基于图像识别的宠物搜寻方法及装置 | |
CN111274975A (zh) | 猪只采食行为预测方法及装置 | |
Tscharke et al. | Review of methods to determine weight and size of livestock from images | |
CN113420709A (zh) | 牛脸特征提取模型训练方法、***及牛的保险方法、*** | |
CN113159244A (zh) | 一种基于物联网的禽类养殖管理*** | |
CN113068657B (zh) | 一种智能化高效养猪方法及*** | |
CN117717006A (zh) | 养殖管理***和方法 | |
CN117745036B (zh) | 一种基于特征识别及近场通信的牲畜信息管理方法及*** | |
CN117351404A (zh) | 一种奶牛分娩应激程度判识方法及*** | |
CN113516139A (zh) | 数据处理方法、装置、设备和存储介质 | |
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 | |
CN114065801B (zh) | 基于神经网络模型的土壤监测方法、***和可读存储介质 | |
CN113989745A (zh) | 一种反刍动物饲养状况的非接触式监测方法 | |
KR20230033068A (ko) | 축산 동물의 행동 패턴을 기반으로 한 스마트 축사 관리 시스템 및 방법 | |
CN113221776A (zh) | 一种基于人工智能对反刍动物一般行为识别的方法 | |
Bastiaansen et al. | Continuous real-time cow identification by reading ear tags from live-stream video | |
Yeşil et al. | Recognition of Hereford and Simmental cattle breeds via computer vision. | |
CN113971227B (zh) | 基于大数据的牲畜监测方法、***和可读存储介质 | |
Paudel et al. | Individual pigs’ identification using deep learning. | |
Harris et al. | Improving the power of activity-based heat detection using additional automatically captured data | |
CN117934195B (zh) | 生猪全域数字智能育种*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |