ES2655544A1 - Método y sistema para la monitorización de seres vivos - Google Patents
Método y sistema para la monitorización de seres vivos Download PDFInfo
- Publication number
- ES2655544A1 ES2655544A1 ES201700316A ES201700316A ES2655544A1 ES 2655544 A1 ES2655544 A1 ES 2655544A1 ES 201700316 A ES201700316 A ES 201700316A ES 201700316 A ES201700316 A ES 201700316A ES 2655544 A1 ES2655544 A1 ES 2655544A1
- Authority
- ES
- Spain
- Prior art keywords
- information
- monitoring device
- monitoring
- devices
- living
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Telephonic Communication Services (AREA)
- Alarm Systems (AREA)
Abstract
Método y sistema para la monitorización de seres vivos. La presente invención propone un método y sistema para la monitorización de personas o animales de forma eficiente. Para ellos se usan sensores en dispositivos electrónicos de internet de las cosas (1) que procesan y envían la información de forma óptima desde el punto de vista del consumo energético del dispositivo a un servidor central (3) que analiza la información procedente de los dispositivos (1) y la información de fuentes externas de datos, abiertas o propietarias (5). A partir de esta información el servidor genera patrones de comportamiento individual, colectivo y social (6), genera notificaciones (7) cuando alguno de los patrones no se cumple y genera indicadores (8) que faciliten la comprensión de la información al usuario final de la solución.
Description
Mediante el método y sistema propuestos, la presente invención puede:
Generar patrones en base al análisis conjunto de la información procedente de 10 diferentes fuentes de datos como son dispositivos IoT y datos de fuentes externas de datos. A diferencia de otras soluciones que analizan la información procedente de los dispositivos de forma individual, el presente método puede analizar los datos de los diferentes dispositivos IoT asociados a diferentes cuerpos de forma conjunta e incluyendo información procedente de otras fuentes de datos. En función de los datos 15 recopilados, determina patrones de comportamiento social e individual entre los dispositivos IoT. El método establece un mecanismo de “inteligencia colectiva” que consiste en establecer patrones de comportamiento teniendo en cuenta todos los dispositivos en el mismo entorno y la información adicional que pueda afectar a esos dispositivos como puede ser el estado de la meteorología, el estado del tráfico, etc. 20
Generar unos indicadores amigables en base a la información recopilada para informar a los posibles usuarios de la solución del estado del elemento monitorizado. A diferencia de otras soluciones que muestran los datos en bruto al usuario de la solución, el presente método genera, en base a la información analizada una serie de indicadores que son presentados a dichos usuarios de forma amigable, como por 25 ejemplo, con código de colores (verde/amarillo/rojo), con una escala numérica (del 1 al 5, o del 1 al 10 o del 1 al 100), entre otros. De forma simultánea a la generación de estos indicadores, el método genera notificaciones cuando el estado de uno o varios indicadores supera o baja por debajo de un umbral establecido de forma automática o por el usuario de la solución. 30
Optimización de la energía consumida en los dispositivos IoT. Los dos elementos con mayor consumo de energía en cualquier dispositivo de internet de las cosas son el sensor GPS y el modem de comunicaciones. Con el método propuesto se optimiza el consumo de energía mediante varios procedimientos:
o A diferencia de otras soluciones, el método propuesto minimiza la cantidad de información enviada al servidor mediante el módem de comunicaciones. Otras soluciones envían la información recopilada por el sensor/es disponibles en los dispositivos de monitorización de forma bruta, es decir, la señal completa. Esto tiene una serie de ventajas ya que la capacidad de cálculo y la cantidad de 5 información disponible en el procesador del dispositivo IoT es menor que la capacidad de cálculo y la cantidad de información disponible en un servidor en la nube. Sin embargo, para determinadas aplicaciones, la optimización de la batería es un factor crítico y por tanto es necesario limitar la cantidad de información a enviar. En el presente método se propone un mecanismo de pre-10 procesado de información de forma básica mediante el cálculo de unos parámetros estadísticos básicos de cada variable monitorizada y su comparación con unos umbrales adaptativos básicos calculados en el mismo procesador. De esta forma, el dispositivo solo envía la información cuando alguno de los parámetros estadísticos supera el umbral. Además, en lugar de 15 enviar la información completa de la señal monitorizada, solo se envía la información asociada a los estadísticos calculados.
o Adicionalmente, para minimizar el consumo de energía en la información transmitida por el modem del dispositivo IoT, la información es comprimida.
o De la misma forma, cuando el dispositivo de internet de las cosas 20 disponga de un sensor GPS, la adquisición de la información procedente de dicho sensor se realiza de forma temporizada o a eventos para optimizar el balance energético en el dispositivo.
En concreto, en un primer aspecto, la presente invención propone un método para la 25 monitorización (generando patrones de comportamiento y notificando anomalías de comportamiento) de seres vivos (generalmente un grupo de personas o animales que se quiere monitorizar), donde cada ser vivo monitorizado porta un dispositivo de monitorización electrónico, donde el método comprende los siguientes pasos realizados por cada dispositivo de monitorización: 30
DESCRIPCIÓN DE LOS DIBUJOS
30
Para complementar la descripción que se está realizando y con objeto de ayudar a una mejor comprensión de las características de la invención, de acuerdo con unos ejemplos preferentes de realizaciones prácticas de la misma, se acompaña como parte integrante de esta descripción un juego de dibujos en donde, con carácter ilustrativo y no limitativo, se ha representado lo siguiente: 35
La Figura 1 muestra de manera esquemática la arquitectura básica del método y sistema propuesto de acuerdo a una realización de la invención.
La Figura 2 muestra de manera esquemática el funcionamiento del método y sistema propuesto en la parte del dispositivo (de internet de las cosas) de acuerdo a una realización 5 de la invención.
La Figura 3 muestra de manera esquemática el funcionamiento del método y sistema propuesto en la parte del servidor de acuerdo a una realización de la invención.
10
La presente invención propone un método y sistema para la generación de patrones en función de la información recopilada por dispositivos electrónicos (optimizando la energía consumida por dichos dispositivos) y en función de la información recopilada a través de fuentes externas 15 de datos, abiertas o propietarias, como pueden ser datos procedentes de servicios meteorológicos, de información de tráfico, procedente de imágenes satelitales, de redes sociales, etc.
Estos dispositivos pueden ser dispositivos de internet de las cosas (IoT). Es decir, dispositivos 20 con conexión a internet (con conexión directa, sin pasarelas residenciales intermedias, ni de ningún otro tipo) a través de una red de comunicaciones. Estas redes de comunicaciones pueden ser de cualquier tipo pero suelen ser redes que usan bandas de frecuencias para la conexión que limitan el flujo de datos a enviar (como pueden ser las redes que usan protocolos de comunicación Sigfox, Lora, NB-IoT u otras tecnologías de comunicación de este tipo). 25
El método propuesto por la presente invención se puede decir que tiene dos etapas claramente diferenciadas, la parte que se ejecuta en el dispositivo de monitorización y la parte que se ejecuta en el servidor.
30
Por parte del dispositivo de monitorización IoT, existen en la actualidad y de manera creciente un mayor número de dispositivos que permiten la monitorización de variables físicas relativas al cuerpo que porta el dispositivo así como su geo-localización. Estos dispositivos, suelen operar en bandas libres como ISM (del Inglés “Industrial, Scientific, Medicals”, Industriales, Científicas o Médicas) o propietarias, y pueden enviar la información 35 directamente a un servidor sin necesidad de pasarelas (residenciales o de otro tipo)
intermedias. Además, estos dispositivos cuentan con diferentes sensores asociados a los mismos como pueden ser, entre otros, sensores de localización (por ejemplo, GPS, del inglés “Global Positioning System”), acelerómetros, giróscopos, sensores de temperatura que midan la temperatura superficial del cuerpo o la temperatura ambiental, sensores de humedad, de gases, de ritmo cardiaco, de bioimpedancia, etc. El mayor reto de estos 5 dispositivos es, en todos los casos, la optimización de la vida útil de la batería y en algunos casos también, el propio envío de la información dadas las restricciones presentes en algunas bandas de frecuencia. El método de la presente invención, en el lado del dispositivo, es ejecutado en el microcontrolador (también llamado procesador o microprocesador) que dispone el dispositivo y en una realización puede comprender los 10 siguientes pasos (esto es sólo un ejemplo y no todos estos pasos son obligatorios en el método propuesto):
La figura 1 muestra la arquitectura global del sistema propuesto, que se compone de varios elementos: 15
Dispositivos que recopilan y procesan información de personas, animales u objetos que el usuario desea monitorizar. Normalmente, cada uno de estos dispositivos recogen información (por ejemplo, mediante sensores) sobre un ente (un objeto o seres vivos como animales, personas o plantas) concreto. Los dispositivos suelen ser dispositivos de Internet de las Cosas (IoT) (1) que trabajan en bandas de frecuencia donde la 20 cantidad máxima de información a transmitir viene limitada por restricciones en el uso del espectro radioeléctrico (como pueden ser, por ejemplo, los protocolos de comunicación Sigfox, Lora, NB-IoT o LTE-M o cualquier otra de las conocidas), y donde la optimización del consumo energético es fundamental por su uso en aplicaciones que pueden ser remotas o porque no es posible el reemplazo habitual o recarga de la 25 batería. Estos dispositivos IoT están diseñados para trabajar tanto en entornos rurales como en urbanos y que no requieren de la instalación de ningún elemento adicional. El dispositivo está conectado directamente a internet.
Sobre este dispositivo IoT, se ejecuta una de las dos partes del método descrito en la presente invención. El dispositivo ejecuta (2) el método propuesto (la parte del 30 dispositivo) analizando la información procedente de los sensores que miden variables fisiológicas del cuerpo que están monitorizando o ambientales, y calculando una serie de parámetros estadísticos básicos como pueden ser la media, varianza, moda, máximo, mínimo o cualquier otro parámetro estadístico. Mediante estos parámetros, el dispositivo genera unos umbrales, que en caso de superarse, o de forma temporizada 35
(es decir, si no se ha transmitido información al servidor en un determinado periodo de tiempo), envía la información, previamente comprimida, hacia el servidor (3) de la solución.
El servidor (3) ejecuta (4) la parte del método del servidor. Para ello, el servidor analiza los datos, procedentes de los dispositivos asociados a un mismo tipo de cuerpo, de 5 forma conjunta mediante técnicas de análisis de datos como pueden ser, entre otras, series temporales, árboles de decisión, agrupamientos, máquinas de vectores de soporte, etc. de forma que se generan patrones individuales, colectivos y/o sociales entre los dispositivos. Los patrones individuales afectan al comportamiento de un ser vivo monitorizado y tiene en cuenta, entre otras cosas, la información recibida del 10 dispositivo que porta dicho ser vivo. Los patrones colectivos afectan al comportamiento de un grupo determinado de seres vivos y tiene en cuenta, entre otras cosas, la información recibida de los dispositivos que portan cada uno de los seres vivos del grupo. Los patrones sociales dicho ser vivo afectan al comportamiento de interacción entre los seres vivos de un grupo determinado de 15 seres vivos y tiene en cuenta, entre otras cosas, la información recibida de los dispositivos que portan cada uno de los seres vivos del grupo.
Además, el servidor emplea, para la generación de dichos patrones, información procedente de fuentes externas de datos (5), abiertas o propietarias, como pueden ser información meteorológica, imágenes satelitales, estado del tráfico, bases de datos 20 externas, información procedente de las redes sociales, etc.
Una vez analizada la información procedente de los dispositivos IoT (1) y de las fuentes externas de datos (5), el servidor genera una serie de patrones de comportamiento (6) individual, colectivo o social de cada uno de los dispositivos que forman parte de la solución, o más concretamente patrones de comportamiento de los entes a los que 25 monitoriza cada dispositivo. Sobre estos patrones se puede comparar la información actual recogida por los dispositivos IoT (1) y cuando uno o más patrones no se verifican se genera una notificación (7) al usuario del sistema. Esta notificación se puede realizar usando cualquier red de comunicación conocida. En el caso de personas este usuario notificado puede ser el mismo usuario al que monitoriza el dispositivo; pero en general 30 será un usuario externo que usa el sistema propuesto para monitorizar a distintos entes (por ejemplo, el dueño de una explotación ganadera si los seres monitorizados son el ganado de dicha explotación). La no verificación de los patrones se establece de forma automática o manual por el usuario de la solución. Adicionalmente, y para la compresión de la solución por parte del usuario de la misma, el servidor puede generar 35
unos indicadores (8), que pueden representarse en una escala numérica comprensible o mediante código de color entre otros, asociados a cada una de las magnitudes físicas, ambientales y sociales de cada uno de los dispositivos presentes en la solución.
Los dispositivos usados en la presente invención para recopilar (y procesar) datos de los entes 5 monitorizados, suelen ser dispositivos de internet de las cosas con unas determinadas características como son:
Son dispositivos que trabajan en bandas de frecuencia con limitación en cuanto a la cantidad de datos a enviar. A diferencia de otros dispositivos que emplean tecnologías como GSM, WiFi, Bluetooth, etc., donde no existe limitación en cuanto a la cantidad de 10 datos ni al tipo de datos (datos, imágenes, vídeo, etc.), los dispositivos empleados en el presente método sólo permiten el envío de pequeñas cantidades de datos brutos con altas latencias y en algunos casos sin confirmación de recepción de la información. Ejemplo de tecnologías existentes con dichas limitaciones de datos a enviar pueden ser: 15
o Sigfox. La tecnología Sigfox opera en las bandas de frecuencia ISM que en Europa se encuentra en 868MHz, mientras que en otras regiones se centra en la banda de 915MHz. La tecnología Sigfox permite el envío de hasta 70 bytes/hora.
o Lora (del inglés, “long range low power network”, red de largo alcance y baja 20 potencia). La tecnología Lora opera en las mismas bandas de frecuencia que la tecnología Sigfox. La limitación en cuanto al envío de datos por parte de la tecnología Lora se sitúa entre 8.3 a 208 bytes/hora.
o NB-IoT (del inglés “Narrow Band IoT”, “IoT de banda estrecha” en español), LTE-M (del inglés “Long Term Evolution for Machines”, “Evolución a largo plazo 25 para máquinas” en español), etc. La tecnología NB-IoT ofrece velocidades de hasta 250kbps (en subida y bajada) y una latencia entre 1,6 y 10 segundos. Limita el tamaño del paquete en subida a 1000 bytes.
Son dispositivos en los que la optimización de la energía es un elemento fundamental ya que se utilizan en aplicaciones donde no es posible el reemplazo habitual de la 30 batería o la carga de la misma. Por ejemplo, dispositivos de monitorización de ganado en extensivo donde no se tiene acceso a los animales en todo momento.
Son dispositivos que usan un módulo de comunicación (también llamado interfaz de comunicación) que les permite conectarse directamente a internet sin la necesidad de pasarelas intermedias. Por ello, los dispositivos, siempre que haya cobertura de la 35
tecnología de radiofrecuencia utilizada, envía la información directamente hacia un servidor central (mediante el módulo de comunicación) sin necesidad de pasarelas intermedias que recolecten la información. También se entiende como dispositivos que usan pasarelas intermedias a los dispositivos que empleando tecnologías como Bluetooth, RFID o NFC, entre otras, se conecten con un concentrador o teléfono móvil u 5 otro elemento para el envío de la información. Sobre este tipo de dispositivos, el método de la presente invención no tiene aplicación.
Son dispositivos que disponen de un localizador (por ejemplo, un sistema GPS o cualquier otro sistema de localización) para la obtención de la información de geo-localización. Esta información de geo-localización es fundamental para la extracción de 10 patrones de comportamiento.
La figura 2 muestra el esquema de funcionamiento del método en la parte del dispositivo de acuerdo a una realización de la invención. El dispositivo tiene uno o más sensores (en una realización alternativa algunos de estos sensores no están presentes pero comunican con el 15 mismo a través de una red de comunicación). Cada uno de estos sensores miden una o más variables físicas, fisiológicas o ambientales en relación con el cuerpo (animal, persona u objeto) que monitoriza el dispositivo IoT (1) (en una realización preferente el dispositivo se suele encontrar en dicho cuerpo monitorizado). Estos sensores proporcionan un flujo continuo de información (10) con las mediciones realizadas. 20
La primera parte del método consiste en generar ventanas temporales (11) solapadas o no solapadas, de forma que se obtiene un subconjunto menor de información (12). Sobre la información enventanada el método ejecuta un proceso de cálculo de estadísticos (13) que genera una serie de n (n>=1) parámetros estadísticos básicos (14a….14n) como pueden ser, 25 entre otros, media, mediana, desviación típica, varianza, moda, autocorrelación, componentes en frecuencia, etc. El siguiente paso consiste en el proceso de cálculo (15a….15n) de umbrales adaptativos por cada uno de los estadísticos anteriores. Estos umbrales adaptativos (16a…16n) para cada uno de los estadísticos anteriores, se calculan mediante el análisis temporal (histórico) de los estadísticos y se actualizan cada vez que se procesa una nueva 30 ventana. El proceso de comparación de umbrales (17) compara los valores estadísticos actuales (14a….14n) de cada una de las variables con los valores de los umbrales (16a…16n) y en caso de que algún valor supere el umbral o en el caso de que se supere la temporización mínima de envío de señal (es decir si ha pasado un determinado periodo de tiempo sin que se haya enviado información del dispositivo al servidor), se toma el valor de localización, por 35
ejemplo, procedente del sensor GPS (18). A continuación el proceso de integración (19) recopila los parámetros estadísticos a enviar (que pueden ser sólo los parámetros estadísticos que hayan superado el umbral o todos los parámetros estadísticos de ese momento) junto con la información de geolocalización (de ese momento). Posteriormente, la información se comprime (20) y opcionalmente se codifica y encripta para mejorar la seguridad de los datos. 5 Finalmente, el proceso de envío de datos (21), envía la información al servidor.
El objeto de la generación de ventanas temporales (11) es el de acotar el rango temporal de cálculo de los parámetros estadísticos asociados a cada variable. De esta forma se obtienen y estudian los estadísticos de cada variable en esa región temporal. Las regiones temporales son 10 diferentes entre sí aunque pueden solaparse. Para el cálculo de los umbrales adaptativos de cada uno de los estadísticos utilizados, el presente método utiliza técnicas como, entre otras, promediado móvil de las muestras anteriores o técnicas de selección de umbral mediante ordenación estadística de los valores de las muestras. Los umbrales adaptativos se actualizan con la aparición de cada nueva ventana temporal. De esta forma, los datos son analizados en 15 tiempo real.
El proceso de comparación de umbrales (17) puede presentar el siguiente funcionamiento:
Se compara el valor actual de cada estadístico resultado de la ventana actual con los valores de los umbrales, para detectar anomalías. 20
o Si algún parámetro supera o cae por debajo del umbral (según sea el caso, ya que para unos umbrales la anomalía es que esté por debajo del umbral y en otros por encima; también el umbral puede consistir en un rango de valores y la anomalía se notifica cuando el parámetro está fuera de ese rango de valores), se procede al envío de la información hacia el servidor central. Además se 25 actualizan los umbrales.
o Si ninguno de los parámetros supera o cae por debajo del umbral, se procede al recálculo de los valores de los umbrales.
De forma periódica e independientemente de que se detecte anomalía en algún parámetro, el proceso de generación de umbrales (17) genera, a través del histórico de 30 valores, una recopilación de parámetros estadísticos para su envío hacia el servidor. Esta recopilación puede consistir en los valores correspondientes a los parámetros estadísticos que coincidan con ese instante temporal o un promediado de todos los valores posteriores al último envío de información.
35
El proceso de integración de la información (19) tiene como objetivo la obtención y la integración de la información GPS. El motivo de no utilizar la información procedente del GPS de forma continua es el de minimizar el consumo energético del dispositivo. En condiciones de seguimiento u obtención de la posición, el dispositivo GPS consume entre 25-40mA lo que implica una parte muy significativa de energía para dispositivos de internet de las cosas de 5 pequeño tamaño y dónde la duración de la batería es un elemento crítico. Para optimizar el tiempo hasta la obtención de la localización, que en condiciones normales puede suponer en torno a 30 segundos, el presente método podrá utilizar técnicas software o mecanismos de encendido del tipo “hot start” que puede reducir el tiempo de adquisición de la información hasta 3-5 segundos lo cual implica una reducción del consumo de hasta el 85%. 10
El módulo de compresión de la información (20) compacta la información previamente al envío con el objeto de minimizar el consumo de energía de la transmisión de la información. Esta compresión de la información puede resultar en una pérdida de la precisión de la medida pero que desde el punto de vista energético y teniendo en cuenta la limitación de la transmisión de 15 datos que supone la utilización de determinadas bandas del espectro radioeléctrico como por ejemplo el usado por las tecnologías Sigfox, Lora o NB-IoT, entre otras, es asumible. A modo de ejemplo, el método de la presente invención, comprimiría el valor medio de la temperatura con una resolución de 0.3º utilizando 8 bits de información. Otras soluciones utilizan 32 o 64 bits para el envío de la misma información, sin pérdidas, pero obviando que en muchos casos 20 la precisión del sensor es inferior que la precisión de la medida. Con este ejemplo, se reduciría por un factor de 4 la cantidad de información a enviar con el consiguiente ahorro energético.
Adicionalmente el dispositivo, previo al envío de la información, podrá encriptar y codificar la información previamente comprimida con el objetivo de aumentar la seguridad de la 25 información enviada. El método aplicará técnicas básicas de encriptación, dadas las limitaciones de capacidad de cálculo de los microcontroladores presentes en los dispositivos de internet de las cosas.
La figura 3 muestra de manera esquemática el funcionamiento del método y sistema 30 propuesto en la parte del servidor de acuerdo a una realización de la invención. La información procedente de los dispositivos de internet de las cosas (1) previamente analizada, procesada y comprimida en el dispositivo (1), tal como se ha explicado anteriormente, llega al servidor (3) de la solución propuesta. El servidor también puede recopilar información procedente de fuentes de datos externas, abiertas o propietarias (5) que pueden tener relación 35 con los dispositivos empleados (estas fuentes o bases de datos externas pueden estar por
ejemplos en servidores externos al sistema con los que se comunica el servidor (3) para obtener los datos que necesite). Esta información de las fuentes de datos externas puede ser por ejemplo: información meteorológica, imágenes satelitales, estado del tráfico, horarios/planificación de actividades etc. o cualquier otro tipo de información de interés.
La información procedente de los dispositivos de monitorización IoT (1) (la información de los 5 sensores asociados al dispositivo) es recopilada por el proceso de recopilación de datos de los dispositivos IoT (22), mientras que la información procedente de las fuentes externas de datos (5) es recopilada por el proceso de recopilación de datos de las fuentes externas (23) que además adecúa la información para su posterior procesado. Para comunicarse con las fuentes de datos externas el servidor usa una red de comunicación que puede usar cualquiera de las 10 tecnologías de comunicación conocidas. Toda esta información es enviada a un procesador del servidor que, mediante un algoritmo de análisis de información (24), recopila la información de todas las fuentes de datos y ejecuta un procesado estadístico sobre los mismos aplicando técnicas como (este listado sólo se da a modo de ejemplo y no pretende tener ningún efecto limitativo): 15
Series temporales. El método aplica técnicas de series temporales como por ejemplo ARIMA (modelo auto-regresivo integrado de promedio móvil, del inglés “Autoregressive integrated moving average”) o cualquier otra, sobre los valores estadísticos procedentes de los sensores de los dispositivos. Mediante este análisis se 20 obtiene una relación tiempo-valor de cada uno de los parámetros y permite una predicción de valores futuros en el corto plazo. A modo de ejemplo, la temperatura superficial de un animal tiene un comportamiento temporal muy marcado dado que la temperatura nocturna es inferior a la diurna, mediante el análisis temporal de la temperatura superficial, se pueden inferir comportamientos como pérdida del dispositivo 25 de monitorización (1) entre otros.
Regresiones logísticas. A través de regresiones logísticas se podrán predecir valores a corto plazo de los parámetros estadísticos de las variables en función de los valores de otras variables. Este tipo de técnicas resulta de utilidad para predecir el valor de una 30 variable en función del estado de otras variables.
Algoritmos de inteligencia colectiva que permiten la obtención de comportamientos sociales de los dispositivos (en concreto de los entes que los portan). Este tipo de información de comportamiento social permite la obtención de unos patrones de 35
comportamiento que son muy útiles en determinadas ocasiones como por ejemplo, las relaciones de afinidad en los animales de ganaderías en extensivo.
Máquinas de vectores de soporte (SVM, del inglés “Support Vector Machine”). Mediante el entrenamiento previo o mediante el entrenamiento a través de una aplicación de 5 usuario, el método podrá utilizar técnicas SVM para inferir patrones en base a los valores de los parámetros de las diferentes variables.
Agrupamientos. El método podrá realizar agrupamientos de variables y asociarlos a determinados comportamientos presentes en los individuos que están siendo 10 monitorizados.
Después de este procesado estadístico, el módulo de generación de patrones (25) producirá patrones de comportamientos individuales y/o colectivos y/o sociales (6) de todos los dispositivos de monitorización del sistema (que corresponderán a patrones de 15 comportamientos individuales y/o colectivos y/o sociales del ser vivo asociado a dicho dispositivo), basándose en el histórico de los datos recibidos y de información de las bases de datos externas (además también puede tener en cuenta aparte de parámetros de diseño ajustables por el usuario del sistema).
20
Si los datos recibidos de alguno de los dispositivos no se encuentran dentro del patrón de comportamiento (individual, colectivo o social), el módulo de generación de notificaciones (26) generará notificaciones (7) y las enviará a través de una red de comunicación (usando email, SMS, notificaciones push o cualquier otra tecnología de notificación conocida), al usuario (o usuarios) finales del sistema (el servidor normalmente tiene una lista con los usuarios a notificar 25 según el dispositivo cuyo comportamiento sea anómalo). Para ello, usará una red de comunicación que puede usar cualquiera de las tecnologías de comunicación conocidas (GSM, 3G, LTE, 4G. o cualquier otra). Si son varios los dispositivos cuyo comportamiento es anómalo, se puede enviar una sola notificación con el listado de los dispositivos cuyo comportamiento es anómalo. 30
Es decir que, en caso de que algún patrón de comportamiento no se verifique, el módulo de generación de notificaciones notifica al usuario. Por su parte, el módulo de generación de indicadores (27) genera una serie de indicadores (8) que se representan de forma amigable (por ejemplo, en forma de código de colores o escala numérica), en relación a las variables 35
monitorizadas para facilitar la comprensión de la información por parte del usuario de la solución.
Si el comportamiento del dispositivo no es anómalo (es decir, los datos correspondientes a dicho dispositivo se encuentran dentro del patrón de comportamiento previsto), se puede 5 proceder al recálculo de los patrones de comportamiento teniendo en cuenta los estadísticos correspondientes a dicho dispositivo.
El servidor también incluirá (aunque no están mostrados explícitamente en la figura 3) módulos de comunicación (también llamados interfaces de comunicación) que tienen la tecnología 10 necesaria para permitirle al servidor comunicarse tanto con los dispositivos de monitorización (usando por ejemplo tecnología Sigfox o Lora) como con los usuarios finales del sistema (para enviarles notificación de anomalías o presentarles información) y con las fuentes de datos externas.
15
El método y sistema propuesto podría, por ejemplo, generar, entre otros, los siguientes patrones de comportamiento (este listado sólo se da a modo de ejemplo y no pretende tener ningún efecto limitativo):
Patrón de comportamiento social en animales. Analizando la información de geo-20 localización de diferentes animales de forma conjunta se pueden establecer relaciones un marcador que indique las relaciones sociales de los animales entre sí. Cuando este patrón no se verifica, el presente método genera una notificación al ganadero indicándole de una posible anomalía en un determinado animal.
25
Patrón de rumia y de alimentación en animales de una determinada zona utilizando información procedente del conjunto de los dispositivos montados sobre animales (acelerométro y geo-localización), procedente de imágenes satelitales (imágenes de índice de vegetación normalizada, NVDI), información procedente de fuentes de datos meteorológicas (evolución de la temperatura, precipitaciones, etc) e incluso 30 información del uso del suelo donde se ubican los animales. A través de la generación de este patrón, se pueden optimizar el uso del terreno para una mejor alimentación animal.
Patrón de detección de intruso, ataque y/o robo en el territorio en el que se encuentra el grupo o manada basado en la variación, de entre otros, los siguientes patrones: variación repentina y sustancial de los niveles de actividad del grupo; disgregación o disolución del grupo en base a la información de geo-localización; aislamiento de determinados individuos del grupo; cese de actividad de algún o algunos individuos 5 del grupo; variación en los niveles de temperatura; localización de los individuos fuera de su territorio habitual geográficamente delimitado.
Una de las muchas novedades de la presente invención reside en la utilización de fuentes de datos externas que pueden ser abiertas o propietarias. Estas fuentes de datos pueden ser entre otras (este listado sólo se da a modo de ejemplo y no pretende tener ningún efecto limitativo):
5
Información meteorológica geolocalizada en la ubicación que se encuentra el dispositivo. Existen multitud de servicios en internet, gratuitos o de pago, que proporcionan la información meteorológica en función de una posición. Esta información, a modo de ejemplo, se puede utilizar en relación al comportamiento de personas mayores, ya que por ejemplo, si el tiempo meteorológico presenta fuertes 10 lluvias o bajas temperaturas, resultará normal que la persona cambie su patrón de comportamiento.
Información procedente de bases de datos propietarias. En determinadas ocasiones el uso de información procedente de bases de datos externas proporcionan información 15 fundamental para el sistema. A modo de ejemplo, en el caso de que los dispositivos de internet de las cosas sean llevados por operarios, resulta fundamental la información por ejemplo, de turnos de trabajo, de permisos de trabajo, etc.
Información procedente del estado del tráfico. Existen servicios de internet que 20 proporcionan información del estado del tráfico. En este caso, esta información resulta de utilidad, por ejemplo, cuando los dispositivos de internet de las cosas están asociados a flotas de vehículos.
Información procedente de imágenes satelitales. La información procedente de 25 imágenes satelitales proporciona información en diferentes bandas de frecuencia en relación al estado de la superficie terrestre. En este caso, el proceso de recopilación de datos de fuentes externas (23) procesa la información procedente de las imágenes satelitales para generar unos indicadores que afectan a los entes monitorizados por los dispositivos de internet de las cosas. A modo de ejemplo, procesando la información 30 procedente de las imágenes de índice de vegetación normalizada (NDVI) se puede estimar la calidad del pasto donde se encuentran los animales y se puede relacionar esta información con la información de localización y de otros sensores procedente de los dispositivos para inferir patrones de comportamiento; ya que por ejemplo, si analizando las imágenes NVDI se estima una calidad del pasto baja, es normal que los 35
animales presenten una mayor actividad para la búsqueda del alimento. Es, por tanto, fundamental el análisis de esta información satelital para la obtención de patrones de comportamiento.
Información procedente de redes sociales. Utilizando técnicas de minería de datos, se 5 podrán extraer patrones que puedan influir en los dispositivos de monitorización que estén monitorizando determinado ente.
Mediante los algoritmos de inteligencia colectiva se analizan las relaciones sociales entre los diferentes individuos que portan el dispositivo de internet de las cosas. Estos algoritmos 10 analizan la información individual de cada uno de los dispositivos y las relaciones que se establecen con la información procedente de otros dispositivos, estableciendo relaciones de afinidad. A modo de ejemplo, estudiando el valor de la localización individual y conjuntamente de cada uno de los animales de una explotación ganadera en extensivo se establecen relaciones de “amistad” entre diferentes animales de la explotación. Habitualmente, cuando 15 estas relaciones se rompen, es un indicativo de que se está produciendo una anomalía en el individuo o en la explotación.
A modo de recapitulación, a continuación, resumiremos el método propuesto para la obtención de patrones basado en dispositivos de monitorización y análisis de datos, para una realización 20 preferida.
Como se ha indicado, el método en su realización preferida (Figura 1) se compone de dos etapas de proceso diferenciadas: el método en el dispositivo (2) se ejecuta sobre el dispositivo de monitorización (1) (normalmente dispositivos que usan tecnología de “internet de las cosas”) 25 y analiza los valores relativos a las variables físicas, fisiológicas (del animal u objeto que porta el dispositivo) o ambientales medidas por sensores instalados en dicho dispositivo. El dispositivo puede ser portado en un collar, tobillera, en la ropa que lleva puesta el portador, en un bolsillo, en un arnés o mediante cualquier otro medio o sistema conocido. En otra realización, algunos de dichos sensores pueden no estar instalados en el dispositivo sino ser 30 externos a él y comunicarse con él con cualquier tecnología de comunicación conocida. La información analizada es enviada a un servidor central (3) en función de que los parámetros estadísticos asociados a dichas variables superen un umbral o de forma temporizada.
En el servidor central (3), el servidor lleva a cabo un método (4) por el cual analiza la información procedente de los dispositivos de internet de las cosas y utilizando información procedente de fuentes de datos externas, abiertas o propietarias, (5), genera una serie de patrones de comportamiento individual, colectivo y social (6) utilizando técnicas estadísticas como series temporales, agrupamientos, técnicas bayesianas, entre otras. De la misma forma, 5 cuando alguno de los patrones no se cumple o supera un umbral fijado de forma automática o manual por el usuario de la solución, el método del servidor (4) genera notificaciones (7) a los usuarios de la herramienta. Finalmente, el servidor (4), tras el análisis de los datos, puede generar una serie de indicadores (8) para facilitar la compresión de la información a los usuarios finales de la solución. Estos indicadores (8), por ejemplo, muestran en una escala 10 numérica comprensible o en código de colores, el estado de la variable asociada al dispositivo de internet de las cosas asociado a una persona, animal u objeto.
En una realización, la presente invención se utiliza para la monitorización de animales no confinados. 15
En una realización, los dispositivos de monitorización de internet de las cosas (1) son instalados sobre ganado, por ejemplo sobre animales de ganaderías en extensivo.
En una realización, las variables monitorizadas por el dispositivo de monitorización de internet 20 de las cosas (1) pueden ser: temperatura superficial del cuerpo, aceleración en 3 ejes y localización GPS aunque por supuesto es posible monitorizar otras variables mediante los sensores adecuados.
En la realización, el envío de información, se realiza también de forma temporizada 25 independientemente de los valores de los umbrales fijados en el dispositivo.
En la realización, la información se comprime en 12 bytes de información (aunque cualquier otra comprensión es posible).
30
En la realización, el servidor central (3) genera patrones de comportamiento (6) individual, colectivo y social, mediante por ejemplo el empleo de técnicas bayesianas y series temporales en función de los datos recibidos por todos los dispositivos ubicados en una misma región.
En la realización, el servidor central (3) recopila información de fuentes de datos externas (5) 35 como son información meteorológica e información satelital.
En la realización, el servidor central (3) genera notificaciones (7) cuando los patrones de comportamiento (6) no se cumplen en función de unos parámetros fijados automáticamente en función de las preferencias del usuario final de la aplicación.
5
En la realización, toda la información procedente de cada dispositivos se presenta al usuario final de la información resumida en varios (por ejemplo seis) indicadores (8) con un código de colores para facilitar su comprensión.
En el presente texto, cuando se habla indistintamente de patrones de comportamiento de 10 dispositivos de monitorización o patrones de comportamiento de seres vivos (animales o personas) u objetos; ambas expresiones se refieren al mismo concepto, esto es a patrones de comportamiento del ser vivo u objeto que porta dicho dispositivo de monitorización (que se obtienen en base a, entre otros factores, la información sobre las variables fisiológicas y ambientales del ser vivo u objeto recogidas y enviadas al servidor por el dispositivo de 15 monitorización). En ningún caso, la presente invención, realiza ningún tipo de diagnóstico sobre los entes monitorizados.
Aunque en el presente texto, se habla normalmente de un servidor (3) (también llamado servidor central), esto sería en una realización preferente. En otras realizaciones, el sistema 20 puede tener más de un servidor con el que se comuniquen los dispositivos (por ejemplo, distintos grupos de dispositivos se pueden comunicar con distintos servidores, es decir, cada servidor puede gestionar distintos grupos de dispositivos); realizando todos estos servidores existentes en el sistema funciones análogas a las que se han descrito para el servidor central (3). 25
Claims (10)
- REIVINDICACIONES1. Método para la monitorización de un grupo de seres vivos, donde cada ser vivo del grupo es un animal de ganadería extensiva y porta un dispositivo de monitorización (1), donde el método comprende los siguientes pasos realizados por cada dispositivo de monitorización 5 (1):a) Recibir información de una o más variables físicas, fisiológicas y/o ambientales del ser vivo que porta el dispositivo de monitorización (1), medidas por uno o más sensores asociados al dispositivo de monitorización (1), donde las una o más variables son al menos una de las siguientes: temperatura superficial de un cuerpo del ser vivo, movimiento del ser 10 vivo, aceleración del ser vivo o giro del ser vivo;b) Obtener parámetros estadísticos para cada una de la una o más variables en ventanas de tiempo mediante el procesado de dicha información recibida, donde los parámetros estadísticos son al menos uno de los siguientes: media, varianza, desviación típica, máximo, mínimo o moda de los valores de cada variable en cada ventana de tiempo; 15c) Comparar el valor de cada parámetro estadístico en la ventana de tiempo actual con umbrales previamente calculados por el dispositivo de monitorización (1), a partir al menos de valores anteriores de dichos parámetros estadísticos;d) Si como resultado de dicha comparación, no se detecta ninguna anomalía en ninguno de los parámetros estadísticos, recalcular el valor de cada uno de los umbrales previamente 20 calculados teniendo en cuenta el valor actual de cada parámetro estadístico en la ventana de tiempo actual;e) Enviar información de uno o más parámetros estadísticos y una información de localización actual del dispositivo de monitorización (1) al servidor (3):a intervalos regulares; y/o 25si como resultado de dicha comparación se detecta alguna anomalía en alguno de los parámetros estadísticos o si ha pasado más de un tiempo predeterminado desde el último envío de información,donde el dispositivo de monitorización (1) usa al menos una de las siguientes tecnologías de comunicación: Sigfox, Lora, NB-IoT o LTE-M para comunicarse con el servidor (3), y 30 donde el dispositivo de monitorización (1) activa de forma temporizada un sensor de localización asociado al dispositivo de monitorización (1) y obtiene información de la localización actual del dispositivo de monitorización (1) antes del envío de información al servidor (3);donde el método comprende además los siguientes pasos realizados por el servidor 35 (3):f) Recopilar información recibida de los parámetros estadísticos de los dispositivos de monitorización (1) del grupo de seres vivos;g) Recopilar información recibida de una o más fuentes de datos externas (5);h) Generar patrones de comportamiento para cada dispositivo de monitorización (1) basándose en un procesado estadístico de la información recopilada en los pasos f) y g), 5 donde la generación de patrones de comportamiento para cada dispositivo monitorizado (1), se hace en base al menos a la información recibida de más de un dispositivo de monitorización (1) de los seres vivos del grupo, y donde la generación de patrones se realiza aplicando al menos una de las siguientes técnicas sobre la información recopilada: Series temporales, Regresiones logísticas, Árboles de Decisión, Máquinas de Vectores de Soporte, 10 Análisis estadístico Bayesiano, Algoritmos de inteligencia colectiva o Agrupamientos;i) Al recibir información enviada por un dispositivo de monitorización (1), determinar si dicha información enviada verifica los patrones de comportamiento de dicho dispositivo de monitorización (1), previamente generados y almacenados por el servidor (3);j) Si se determina que la información recibida de alguno de los dispositivos de monitorización 15 (1), no verifica los patrones de comportamiento generados para dicho alguno de los dispositivos de monitorización (1) o la información recibida de dicho dispositivo de monitorización (1) no está dentro de un rango de valores definido previamente, notificar a al menos un usuario asociado a dicho alguno de los dispositivos de monitorización (1) a través de una red de comunicación de que se ha detectado una anomalía en el comportamiento de 20 dicho alguno de los dispositivos de monitorización (1).
- 2. Método según la reivindicación 1 donde el dispositivo de monitorización (1) de cada ser vivo es un dispositivo electrónico que usa Tecnología de Internet de las Cosas con limitación en la transferencia de datos. 25
- 3. Método según cualquiera de las reivindicaciones anteriores donde el sensor de localización es un sistema de localización GPS.
- 4. Método según cualquiera de las reivindicaciones anteriores que además comprende: 30k) Presentar al usuario asociado a cada dispositivo de monitorización (1) parte o toda la información recibida de cada dispositivo de monitorización (1) mediante un interfaz de usuario.
- 5. Método según cualquiera de las reivindicaciones anteriores donde la información a enviar en el paso e) además se codifica y/o encripta en el dispositivo de monitorización (1) antes de su envío al servidor (3).
- 6. Método según cualquiera de las reivindicaciones anteriores donde la información de la 5 una o más fuentes de datos externa (5) es al menos una de: información meteorológica e información procedente de imágenes satelitales.
- 7. Método según cualquiera de las reivindicaciones anteriores donde los patrones generados para cada dispositivo de monitorización (1) son patrones individuales, colectivos o sociales. 10
- 8. Método según cualquiera de las reivindicaciones anteriores donde para la generación de patrones comportamiento para cada dispositivo de monitorización (1) en el paso h), se hace en base a la información recibida de todos los dispositivos del grupo de seres vivos cuya localización se encuentre dentro de una región determinada. 15
- 9. Sistema para la monitorización de un grupo de seres vivos, donde cada ser vivo del grupo es un animal de ganadería extensiva, donde el sistema comprende:- Un dispositivo de monitorización (1) portado por cada ser vivo del grupo, donde cada dispositivo de monitorización (1) comprende: 20- Uno o varios sensores configurados para medir una o más variables físicas, fisiológicas y/o ambientales del ser vivo que porta el dispositivo de monitorización (1), donde las una o más variables son al menos una de las siguientes: temperatura superficial de un cuerpo del ser vivo, movimiento del ser vivo, aceleración del ser vivo o giro del ser vivo; 25- Un sensor de localización;- Un módulo de comunicación configurado para comunicarse con un servidor (3) usando al menos una de las siguientes tecnologías de comunicación: Sigfox, Lora, NB-IoT o LTE-M;- Un procesador configurado para: 30- Obtener parámetros estadísticos para cada variable mediante el procesado de la información recibida de los uno o más sensores en ventanas de tiempo, donde los parámetros estadísticos son al menos uno de los siguientes: media, varianza, desviación típica, máximo, mínimo o moda de los valores de cada variable en cada ventana de tiempo; 35- Comparar el valor de cada parámetro estadístico en la ventana de tiempo actual con umbrales previamente calculados por el dispositivo de monitorización (1), a partir al menos de valores anteriores de dichos parámetros estadísticos;- Si como resultado de dicha comparación, no se detecta ninguna anomalía 5 en ninguno de los parámetros estadísticos, recalcular el valor de cada uno de los umbrales previamente calculados teniendo en cuenta el valor de cada parámetro estadístico en la ventana de tiempo actual;- Activar de forma temporizada el sensor de localización y obtener información de una localización actual del dispositivo de monitorización (1); y 10- Enviar información de uno o más parámetros estadísticos y la información de localización actual al servidor (3) mediante el módulo de comunicación:- a intervalos regulares; y/o- si como resultado de dicha comparación, se detecta alguna anomalía en alguno de los parámetros estadísticos o, si ha pasado más de un tiempo 15 predeterminado desde el último envío de información;- El servidor (3) que comprende:- Un primer módulo de comunicación configurado para comunicarse con los dispositivos de monitorización (1), un segundo módulo de comunicación configurado para comunicarse con fuentes de datos externas (5) y un tercer módulo de 20 comunicación configurado para comunicarse con usuarios del sistema; y- Un procesador configurado para:- Recopilar información recibida a través del primer módulo de comunicación de uno o más de los dispositivos de monitorización (1) del grupo de seres vivos; 25- Recopilar información recibida de una o más fuentes de datos externas (5) a través del segundo módulo de comunicación;- Generar patrones de comportamiento para cada dispositivo de monitorización (1) basándose en un procesado estadístico de la información recopilada procedente de los dispositivos de monitorización (1) del grupo de 30 seres vivos y de las fuentes de datos externas; donde la generación de patrones de comportamiento para cada dispositivo monitorizado (1), se hace en base al menos a la información recibida de más de un dispositivo de monitorización (1) de los seres vivos del grupo, y donde la generación de patrones se realiza aplicando al menos una de las siguientes técnicas sobre 35 la información recopilada: Series temporales, Regresiones logísticas, Árbolesde Decisión, Máquinas de Vectores de Soporte, Análisis estadístico Bayesiano, Algoritmos de inteligencia colectiva o Agrupamientos;- Al recibir información enviada por un dispositivo de monitorización (1), determinar si dicha información enviada verifica los patrones de comportamiento de dicho dispositivo de monitorización (1), previamente 5 generados y almacenados por el servidor (3);- Si se determina que la información recibida de alguno de los dispositivos de monitorización (1), no verifica los patrones de comportamiento generados para dicho alguno de los dispositivos de monitorización (1) o la información recibida de dicho dispositivo de monitorización (1) no está dentro de un rango 10 de valores definido previamente, notificar a al menos un usuario asociado a dicho alguno de los dispositivos de monitorización (1) mediante el tercer módulo de comunicación de que se ha detectado una anomalía en el comportamiento de dicho alguno de los dispositivos de monitorización (1).15
- 10. Sistema según la reivindicación 9 donde los dispositivos de monitorización (1) son dispositivos electrónicos que usan Tecnología de Internet de las Cosas con limitación en la transferencia de datos.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES201700316A ES2655544B1 (es) | 2017-03-29 | 2017-03-29 | Método y sistema para la monitorización de seres vivos |
PCT/ES2018/070240 WO2018178461A1 (es) | 2017-03-29 | 2018-03-26 | Método y sistema para la monitorización de seres vivos |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES201700316A ES2655544B1 (es) | 2017-03-29 | 2017-03-29 | Método y sistema para la monitorización de seres vivos |
Publications (2)
Publication Number | Publication Date |
---|---|
ES2655544A1 true ES2655544A1 (es) | 2018-02-20 |
ES2655544B1 ES2655544B1 (es) | 2018-10-26 |
Family
ID=61189585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES201700316A Active ES2655544B1 (es) | 2017-03-29 | 2017-03-29 | Método y sistema para la monitorización de seres vivos |
Country Status (2)
Country | Link |
---|---|
ES (1) | ES2655544B1 (es) |
WO (1) | WO2018178461A1 (es) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5835901A (en) * | 1994-01-25 | 1998-11-10 | Martin Marietta Corporation | Perceptive system including a neural network |
US20030065409A1 (en) * | 2001-09-28 | 2003-04-03 | Raeth Peter G. | Adaptively detecting an event of interest |
WO2006087854A1 (ja) * | 2004-11-25 | 2006-08-24 | Sharp Kabushiki Kaisha | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
CA2940523A1 (en) * | 2014-02-24 | 2015-08-27 | Equus Global Holdings Llc | Mobile animal surveillance and distress monitoring |
WO2016118686A1 (en) * | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of targeted livestock feedstuff for determination of harvest windows using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states |
WO2017032873A2 (en) * | 2015-08-26 | 2017-03-02 | Resmed Sensor Technologies Limited | Systems and methods for monitoring and management of chronic desease |
-
2017
- 2017-03-29 ES ES201700316A patent/ES2655544B1/es active Active
-
2018
- 2018-03-26 WO PCT/ES2018/070240 patent/WO2018178461A1/es active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5835901A (en) * | 1994-01-25 | 1998-11-10 | Martin Marietta Corporation | Perceptive system including a neural network |
US20030065409A1 (en) * | 2001-09-28 | 2003-04-03 | Raeth Peter G. | Adaptively detecting an event of interest |
WO2006087854A1 (ja) * | 2004-11-25 | 2006-08-24 | Sharp Kabushiki Kaisha | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
CA2940523A1 (en) * | 2014-02-24 | 2015-08-27 | Equus Global Holdings Llc | Mobile animal surveillance and distress monitoring |
WO2016118686A1 (en) * | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of targeted livestock feedstuff for determination of harvest windows using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states |
WO2017032873A2 (en) * | 2015-08-26 | 2017-03-02 | Resmed Sensor Technologies Limited | Systems and methods for monitoring and management of chronic desease |
Also Published As
Publication number | Publication date |
---|---|
WO2018178461A1 (es) | 2018-10-04 |
ES2655544B1 (es) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11589559B2 (en) | Adaptive sensor performance based on risk assessment | |
US10187918B2 (en) | Secure pairing of devices via pairing facilitator-intermediary device | |
US20190167106A1 (en) | Multiple Sensors for Monitoring Health and Wellness of an Animal | |
Oppermann et al. | A decade of wireless sensing applications: Survey and taxonomy | |
WO2016189524A1 (en) | System and method for monitoring livestock | |
CN105559753B (zh) | 无线便携式生物计量设备同步 | |
CA3105572C (en) | Tracking device and system | |
US20170202180A1 (en) | A self learning system for identifying status and location of pet animals | |
US20140267299A1 (en) | Veterinarian User Interface for Monitoring Health and Wellness of an Animal | |
US11832584B2 (en) | Livestock management system and method | |
US20150182322A1 (en) | Paired Thermometer Temperature Determination | |
US20060202816A1 (en) | Mobile wireless customizable health and condition monitor | |
US20160249815A1 (en) | Safety system | |
JP4418873B2 (ja) | 生物管理システム | |
US20120044069A1 (en) | Wellbeing transponder system | |
Pandey et al. | Smart City Approaches Using Machine Learning and the IoT | |
ES2655544B1 (es) | Método y sistema para la monitorización de seres vivos | |
CN104523224A (zh) | 微守护监控*** | |
ES2378934A1 (es) | Adición a la patente p200201710 por "sistema portable para la monitorización del movimiento, estado postural y actividad física de humanos durante las 24 horas del dia". | |
JP6186097B1 (ja) | 監視対象実体情報処理システム | |
KR20190020428A (ko) | 가축 상태 정보 관리 시스템 | |
Bettini et al. | Safetrekker: towards automatic recognition of critical situations in mountain excursions | |
Iyekekpolo et al. | Wireless sensor networks: architecture, applications, and challenges |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG2A | Definitive protection |
Ref document number: 2655544 Country of ref document: ES Kind code of ref document: B1 Effective date: 20181026 |