TWI766747B - 牛隻異常警示系統及方法 - Google Patents

Abstract

一種牛隻異常警示系統及方法，用以解決習知牛隻體溫量測方式費時費力及執行不易的問題。該方法包含：偵測是否有一牛隻進入一感應區域，以產生一阻斷訊號；朝進入該感應區域的該牛隻拍攝，以產生一熱影像；由該熱影像中獲得該牛隻的一待檢測部位的當下體溫；及比對該牛隻的當下體溫是否大於該牛隻的正常體溫，且該當下體溫與該正常體溫的溫差是否超出一溫差門檻，若比對結果為是，則發送包含該識別碼的一體溫異常訊號至一行動裝置，使該行動裝置的飼養員得知該牛隻的體溫出現異常。本發明一併揭示應用於該牛隻異常警示方法的系統。

Description

牛隻異常警示系統及方法

本發明係關於一種自動化體溫異常警示系統及方法，尤其是一種非接觸方式量測牛隻體溫的牛隻異常警示系統及方法。

按，牛隻為恆溫動物，在正常情況下，其體溫是在恆定的範圍內產生細微變化，然而研究指出，牛隻在身體出現不適或疾病時，其體溫會出現異常升高，因此，習知養殖場人員為了能監測並實時記錄牛隻的體溫變化，一般是使用水銀溫度計***牛隻直腸以獲取牛隻溫度，以即時發現、預防和診斷牛隻相關疾病。

然而，以水銀溫度計***牛隻直腸的牛隻體溫量測方式，該習知養殖場人員必須先行將牛隻綁定，以避免牛隻產生激烈反應，方可將水銀溫度計***牛隻肛門，以獲取牛隻體溫，目前，是採用養殖場的飲食區域的頭部柵欄將牛隻固定後，再進行直腸體溫量測，該量測方式具有費時費力及執行不易等問題；再且，該量測方式還可能因為水銀溫度計的消毒不確實，而造成牛隻疾病交叉感染的問題。

有鑑於此，有必要提供一種牛隻異常警示系統及方法，以解決上述的問題。

為解決上述問題，本發明的目的是提供一種牛隻異常警示系統，係可以透過非接觸方式量測牛隻體溫者。

本發明的次一目的是提供一種牛隻異常警示系統，係可以將體溫異常的牛隻通報飼養員者。

本發明的又一目的是提供一種牛隻異常警示系統，係可以將體溫異常的牛隻與體溫正常的牛隻分群者。

本發明的再一目的是提供一種牛隻異常警示方法，係可以達到縮短檢測時間及避免疾病交互感染者。

本發明全文所述方向性或其近似用語，例如「前」、「後」、「左」、「右」、「上(頂)」、「下(底)」、「內」、「外」、「側面」等，主要係參考附加圖式的方向，各方向性或其近似用語僅用以輔助說明及理解本發明的各實施例，非用以限制本發明。

本發明全文所記載的元件及構件使用「一」或「一個」之量詞，僅是為了方便使用且提供本發明範圍的通常意義；於本發明中應被解讀為包括一個或至少一個，且單一的概念也包括複數的情況，除非其明顯意指其他意思。

本發明全文所述之「資料庫單元(Database Unit)」，係指將一群相關的電子資料集合並儲存在硬碟、記憶體或上述之組合，且可藉由資料庫管理系統(DBSMS)所提供的語法功能，例如新增、讀取、搜尋、更新及刪除等，對電子資料進行相關處理；該資料庫管理系統可以藉由不同資料結構方式管理電子資料，例如可以為關聯式、階層式、網狀式或物件導向式等，本發明係以關聯式資料庫管理系統為例進行以下說明，惟非用以限制本發明。

本發明全文所述之「耦接(Coupling)」，係指二裝置之間可 藉由任何直接或間接的連接手段，以相互傳遞資料。舉例而言，第一裝置耦接第二裝置，於本發明中應被解讀為該第一裝置可以直接連接該第二裝置，例如可以藉由有線實體(如：電線、排線、走線、雙絞線)連接；或者該第一裝置可以透過其他裝置或某種連接手段而間接地連接該第二裝置，例如可以藉由無線媒介(如：WiFi、藍芽)或異質網路(Heterogeneous Network)連接，本領域中具有通常知識者可以依據欲相連之裝置的常態連接手段予以選擇者。

本發明的牛隻異常警示系統，包含：一資料庫單元，用以儲存數頭牛隻各自的識別碼及正常體溫；一物體偵測單元，用以產生一感應區域，並偵測是否有一牛隻進入該感應區域，以產生一阻斷訊號；一成像模組，用以朝進入該感應區域的該牛隻拍攝，以產生一可見光影像及一熱影像，該可見光影像及該熱影像分別包含該牛隻身上的一待檢測部位，該成像模組將該可見光影像與該熱影像執行影像融合，以獲得一融合影像，且由該融合影像中獲得該牛隻的待檢測部位的當下體溫；及一檢驗平台，耦接該資料庫單元、該物體偵測單元及該成像模組，該檢驗平台接收到該阻斷訊號後，控制該成像模組作動，以獲得該可見光影像，以及該牛隻的待檢測部位的當下體溫，該檢驗平台將該可見光影像輸入至一牛臉辨識模組，以辨識出該牛隻的一識別碼，並根據該識別碼由該資料庫單元中取得該牛隻的待檢測部位的正常體溫，該檢驗平台比對該當下體溫是否大於該正常體溫，且該當下體溫與該正常體溫的溫差是否超出一溫差門檻，若比對結果為是，該檢驗平台發出一體溫異常訊號至一行動裝置，使持有該行動裝置的飼養員得知該牛隻的體溫出現異常。

本發明的牛隻異常警示方法，包含：偵測是否有一牛隻進入一感應區域，以產生一阻斷訊號；在接收到該阻斷訊號後，朝進入該感應區域 的該牛隻拍攝，以產生一可見光影像及一熱影像，該可見光影像及該熱影像分別包含該牛隻身上的一待檢測部位；將該可見光影像與該熱影像執行影像融合，以獲得一融合影像；由該融合影像中獲得該牛隻的待檢測部位的當下體溫；透過深度學習技術辨識該可見光影像，以辨識出該牛隻的一識別碼；根據該識別碼由一資料庫中取得該牛隻的待檢測部位的正常體溫；及比對該當下體溫是否大於該正常體溫，且該當下體溫與該正常體溫的溫差是否超出一溫差門檻，若比對結果為是，則發送包含該識別碼的一體溫異常訊號至一行動裝置，使持有該行動裝置的飼養員得知該牛隻的體溫出現異常。

據此，本發明的牛隻異常警示系統及方法，係可以透過熱成像儀，以非接觸方式朝牛隻的待檢測部位拍攝，以獲得該牛隻的待檢測部位的當下體溫，並將該當下體溫與該牛隻在未感染疾病時的正常體溫互相比對，若該當下體溫大於該正常體溫且溫差超出一溫差門檻時，則發送一體溫異常訊號至飼養員的行動裝置，使該飼養員可以得知該牛隻的體溫出現異常。如此，本發明的牛隻異常警示系統及方法，係可以達到縮短檢測時間、降低檢測難度及避免疾病交互感染的功效。

其中，該成像模組由該可見光影像中取得一感興趣區域，該感興趣區域內具有該待檢測部位的影像，該成像模組根據一變換矩陣，以由該熱影像中取得相對應該感興趣區域相對位置的影像資料，再將該相對位置的影像資料與該可見光影像的該感興趣區域進行重疊，以獲得該融合影像。如此，係具有簡單運算以避免增加系統運算負擔的功效。

其中，該牛臉辨識模組係可以採用卷積神經網路，該牛臉辨識模型的訓練資料係可以包含數頭牛隻各自的臉部影像，該臉部影像係可以包含該牛隻的眼睛、鼻子及耳朵等身體部位，以及釘掛於該牛隻耳朵上的耳標。如此，係具有自動辨識出牛隻身分的功效。

其中，該訓練資料係可以具有該數頭牛隻各自身上的花紋影像。如此，係具有提升辨識出牛隻身分準確率的功效。

本發明的牛隻異常警示系統，還可以另包含一分群設備，該分群設備具有一分群通道，該分群通道具有一入口端及一出口端，該分群通道用以限制該牛隻由該入口端往該出口端的方向移動，該出口端可以具有一第一柵門及一第二柵門，該第一柵門與該第二柵門分別耦接該檢驗平台，當該檢驗平台的比對結果為是時，係可以控制該第一柵門開啟，使該牛隻通過該第一柵門來到一體溫異常區域，反之，係可以控制該第二柵門開啟，使該牛隻通過該第二柵門來到一體溫正常區域，該體溫異常區域與該體溫正常區域互不連通。如此，係可以將體溫異常的牛隻與體溫正常的牛隻分群，係具有避免牛隻疾病交互感染的功效。

其中，由該可見光影像中取得一感興趣區域，該感興趣區域內具有該待檢測部位的影像，根據一變換矩陣由該熱影像中取得相對應該感興趣區域相對位置的影像資料，再將該相對位置的影像資料與該可見光影像的該感興趣區域進行重疊，以獲得該融合影像。如此，係具有簡單運算以避免增加系統運算負擔的功效。

其中，係可以透過深度學習技術建立一牛臉辨識模型，該牛臉辨識模型的訓練資料係可以包含數頭牛隻各自的臉部影像，該臉部影像包含該牛隻的眼睛、鼻子及耳朵等身體部位，以及釘掛於該牛隻耳朵上的耳標。如此，係具有自動辨識出牛隻身分的功效。

其中，該訓練資料係可以具有該數頭牛隻各自身上的花紋影像。如此，係具有提升辨識出牛隻身分準確率的功效。

其中，係可以使該牛隻位於一分群通道中，該分群通道的出口端設置二閘門，根據比對結果係可以發送相對應控制指令到一控制器，並透 過該控制器驅動相對應的閘門開啟，以將該牛隻送入到相對應的區域，該二區域互不連通。如此，係可以將體溫異常的牛隻與體溫正常的牛隻分群，係具有避免牛隻疾病交互感染的功效。

〔本發明〕

1:資料庫單元

2:物體偵測單元

3:成像模組

31:可見光攝影機

32:熱成像儀

4:檢驗平台

41:牛臉辨識模組

5:分群設備

51:分群通道

52:第一柵門

53:第二柵門

A1:體溫異常區域

A2:體溫正常區域

C:牛隻

E1:入口端

E2:出口端

S1:偵測步驟

S2:成像步驟

S21:拍攝步驟

S22:融合步驟

S3:數據比對步驟

S4:分群步驟

〔第1圖〕本發明一較佳實施例的系統方塊圖。

〔第2圖〕本發明一較佳實施例的系統架構圖。

〔第3圖〕本發明一較佳實施例的方法流程圖。

為讓本發明之上述及其他目的、特徵及優點能更明顯易懂，下文特舉本發明之較佳實施例，並配合所附圖式，作詳細說明如下：

請參照第1圖所示，其係本發明牛隻異常警示系統的一較佳實施例，係包含一資料庫單元1、一物體偵測單元2、一成像模組3及一檢驗平台4，該資料庫單元1、該物體偵測單元2及該成像模組3耦接該檢驗平台4。

該資料庫單元1用以儲存數頭牛隻各自的識別碼及正常體溫，該識別碼用以作為各該牛隻的身分證明，在本實施例中，該識別碼可以為該牛隻的耳標號碼(ear tag)或隨機產生的流水號(serial number)；該正常體溫為各該牛隻在未感染疾病時，其身上的一待檢測部位的歷史平均體溫，在本實施例中，該待檢測部位可以分別為牛隻的眼窩周圍、***或蹄部，並用以作為評估是否警示獸醫師牛隻可能罹患流行熱、***炎及蹄病等疾病的要件之一。

該物體偵測單元2用以產生一感應區域，並偵測是否有一牛隻進入該感應區域，以產生一阻斷訊號，在本實施例中，該物體偵測單元2可以為一阻斷式紅外線感應器，該阻斷式紅外線感應器具有一發射器及一接收器。該發射器與該接收器對位設置，且由該發射器朝該接收器發送一紅外線。當該牛隻位於該發射器與該接收器之間時，該紅外線被該牛隻阻斷，使該接收器無法接收到該紅外線，進而使該物體偵測單元2產生該阻斷訊號。

該成像模組3用以朝進入該感應區域的該牛隻拍攝，以產生一可見光影像(visible image)及一熱影像(thermal image)，該可見光影像及該熱影像分別包含該牛隻身上的一待檢測部位，在本實施例中，係可以透過一可見光攝影機31及一熱成像儀32分別朝該牛隻拍攝，以產生該可見光影像及該熱影像，例如但不限制地，該可見光影像與該熱影像的影像尺寸可以皆為640X480。值得一提的是，當該待檢測部位為該牛隻的***或蹄部時，該可見光攝影機31的數量可以為兩台，以分別拍攝該牛隻的臉部及***/蹄部，為本領域具有通常知識者可以理解。該成像模組3將該可見光影像與該熱影像執行影像融合(Image Fusion)，以獲得一融合影像，且由該融合影像中獲得該牛隻的待檢測部位的當下體溫，在本實施例中，該當下體溫可以為該融合影像的影像陣列中的當下最高溫度。

具體而言，該成像模組3係可以由該可見光影像中取得一感興趣區域(ROI)，該感興趣區域內具有該待檢測部位的影像；該成像模組3係可以根據一變換矩陣(Perspective Transformation)，以由該熱影像中取得相對應該感興趣區域相對位置的影像資料；該成像模組3再將該相對位置的影像資料與該可見光影像的該感興趣區域進行重疊，以獲得該融合影像。該變換矩陣的公式係可以如下式(1)~(3)所示：

其中，(x1,y1)、(x2,y2)、(x3,y3)及(x4,y4)為形成該感興趣區域的矩形的四個位置座標；1：係指Z軸座標的常數；l：係指該可見光影像的橫向像素數量；w：係指該可見光影像的縱向像素數量；x',y',z'：係指該熱影像中相對應該感興趣區域的相對位置座標；

：係為線性變換；[a7 a8]：係為平移；

：係為產生透視變換；[a9]：係等於1。

該檢驗平台4耦接該資料庫單元1、該物體偵測單元2及該成像模組3，在本實施例中，該檢驗平台4係可以採用一樹莓派(Raspberry Pi 3/4)作為控制平台。該檢驗平台4接收到該阻斷訊號後，控制該成像模組3作動，以獲得該可見光影像，以及該牛隻的待檢測部位的當下體溫；該檢驗平台4將該可見光影像輸入至一牛臉辨識模組41，以辨識出該牛隻的一識別碼，並根據該識別碼由該資料庫單元1中取得該牛隻的待檢測部位的正常體溫；該檢驗平台4比對該當下體溫是否大於該正常體溫，且該當下體溫與該正常體溫的溫差是否超出一溫差門檻(例如：該溫差門檻可以為2℃)，若比對結果為是，該檢驗平台4發出一體溫異常訊號至一行動裝置，使持有該行動裝置的飼養員得知該牛隻的體溫出現異常；若比對結果為否，則可以不需執行額外作動。

承上述，係可以透過卷積神經網路(CNN)建立該牛臉辨識模型41，並將該可見光影像輸入至該牛臉辨識模型41中，以辨識出該識別碼。具體而言，係可以透過卷積神經網路建立一基礎模型，該基礎模型具有一輸 入層(Input Layer)、一隱藏層(Hidden Layer)及一輸出層(Output Layer)。其中，該隱藏層係可以由連續6組卷積層(Convolution Layer)與池化層(Pooling Layer)，以及另外7個卷積層所組成，該基礎模型係可以採用YOLOv3-tiny網路架構完成，在本實施例中，該輸入層及該輸出層的神經元(Neuron)數量，可以分別為1及15個，該輸出層的輸出結果係為數頭牛隻各自的識別碼的機率值，並以具有最高機率值者作為最終的輸出結果。舉例而言，耳標號碼為1的機率值為0.913，耳標號碼為2的機率值為0.693，則最終的輸出結果即為該牛隻的識別碼為1。

其中，該基礎模型的訓練方式可以為監督式學習，且其訓練影像的來源可以包含數頭牛隻各自的臉部影像，該臉部影像包含該牛隻的眼睛、鼻子及耳朵等身體部位，以及釘掛於該牛隻耳朵上的耳標，較佳地，該訓練影像的來源還可以具有該數頭牛隻各自身上的花紋影像；再且，在該基礎模型的初次訓練時，該數頭牛隻的數量可以為15頭，各該牛隻的臉部影像及花紋影像的影像數量至少需要3152張，以輔助辨識出各該牛隻的識別碼。藉此，該基礎模型可以自動學習如何辨識出牛隻的耳標號碼。上述影像張數僅為範例，而非作為本發明的限制。值得一提的是，當牛隻耳朵上未釘掛耳標時，係可以設定該輸出層的輸出結果的機率值若均小於一機率門檻時，則可以自動產生一流水號作為該牛隻的識別碼，係本發明所屬技術領域中具有通常知識者可以理解。

其中，該訓練影像可以切割成訓練資料及測試資料，更進一步地，該訓練資料還可以切割出驗證資料，以對該基礎模型進行訓練與驗證，以調整該基礎模型的神經網路的權重。

該基礎模型以該訓練資料進行訓練時，係可以由該訓練資料中隨機取得一批量大小(BatchSize)的資料，以決定該基礎模型中的每個神經 元的權重值，以建立一候選神經元路徑。隨後，該輸入層由該訓練資料中，隨機取得另一批量大小的資料，以建立另一候選神經元路徑，直到該訓練資料中的所有資料都已輸入至該基礎模型中，或是該候選神經元路徑的數量達到一預設門檻即可停止。再者，重覆執行上述程序500,200次(Iteration)，並評估該數個候選神經元路徑各自的預測能力，並以具有最好預測能力的候選神經元路徑作為該牛臉辨識模型41實際使用的深度神經元路徑，據此，該牛臉辨識模型41的準確度可以來到89.5%。

本發明牛隻異常警示系統，還可以具有一分群設備5，該分群設備5具有一分群通道51，該分群通道51具有一入口端E1及一出口端E2，該分群通道51用以限制該牛隻僅能由該入口端E1往該出口端E2的方向移動，在本實施例中，該分群通道51的寬度無法同時提供二頭牛並排行走；又，該物體偵測單元2及該成像模組3係分別位於該分群通道51旁，且相較於該出口端E2，係較鄰近該入口端E1設置。該出口端E2具有一第一柵門52及一第二柵門53，該第一柵門52與該第二柵門53分別耦接該檢驗平台4，當該檢驗平台4的比對結果為是時，控制該第一柵門52開啟，使該牛隻通過該第一柵門52來到一體溫異常區域A1，並將該牛隻歸類為體溫異常對象；反之，控制該第二柵門53開啟，使該牛隻通過該第二柵門53來到一體溫正常區域A2，並將該牛隻歸類為體溫正常對象，該體溫異常區域A1與該體溫正常區域A2互不連通，舉例而言，係可以透過圍籬各自圈繞出該體溫異常區域A1與該體溫正常區域A2，惟不以此為限。

請參照第2圖所示，本發明的牛隻疾病系統應用於檢測牛隻的流行熱疾病時，牛隻的待檢測部位係為其眼窩周圍；位於牧場的數頭牛隻C分別被引導進入該分群通道51內，當進入至該分群通道51內的牛隻C遮斷由該物體偵測單元2所發出的紅外線時，該物體偵測單元2產生一阻斷訊號 至該檢驗平台4，使該檢驗平台4驅動該成像模組3的可見光攝影機31及熱成像儀32，分別對該牛隻C的眼窩周圍進行拍攝，以產生一可見光影像及一熱影像。該成像模組3將該可見光影像與該熱影像執行影像融合，以獲得一融合影像，且由該融合影像中獲得該牛隻C的眼窩周圍的當下體溫。

該檢驗平台4將該可見光影像輸入至該牛臉辨識模組41，以辨識出該牛隻C的一識別碼，並根據該識別碼由該資料庫單元1中取得該牛隻C在未感染流行熱疾病時，其眼窩周圍的正常體溫；該檢驗平台4比對該當下體溫是否大於該正常體溫，且該當下體溫與該正常體溫的溫差超出2℃，若比對結果為是，該檢驗平台4控制該第一柵門52開啟，使該牛隻C通過該第一柵門52來到一體溫異常區域A1，並將該牛隻C歸類為體溫異常對象，且發出一體溫異常訊號至一行動裝置，使持有該行動裝置的飼養員得知該牛隻C的體溫出現異常；反之，該檢驗平台4控制該第二柵門53開啟，使該牛隻C通過該第二柵門53來到一體溫正常區域A2，並將該牛隻C歸類為體溫正常對象。

請參照第3圖所示，其係本發明牛隻異常警示方法的一較佳實施例，係包含一偵測步驟S1、一成像步驟S2及一數據比對步驟S3。

該偵測步驟S1係偵測是否有牛隻進入一感應區域，以產生一阻斷訊號，在本實施例中，係可以透過上述物體偵測單元2，以產生該感應區域。

該成像步驟S2可以分為一拍攝步驟S21及一融合步驟S22，該拍攝步驟S21係在接收到該阻斷訊號後，朝進入該感應區域的該牛隻拍攝，以產生一可見光影像及一熱影像，該可見光影像及該熱影像分別包含該牛隻身上的一待檢測部位，在本實施例中，係可以透過上述可見光攝影機31及上述熱成像儀32分別朝該牛隻拍攝，以產生該可見光影像及該熱影像；此外， 該待檢測部位可以為該牛隻的眼窩周圍、***及蹄部，並用以作為評估是否警示獸醫師牛隻可能罹患流行熱、***炎及蹄病等疾病的要件之一。

該融合步驟S22係將該可見光影像與該熱影像執行影像融合，以獲得一融合影像，且由該融合影像中獲得該牛隻的待檢測部位的當下體溫。具體而言，該融合步驟S22係可以由該可見光影像中取得一感興趣區域，該感興趣區域內具有該待檢測部位的影像；根據一變換矩陣由該熱影像中取得相對應該感興趣區域相對位置的影像資料，再將該相對位置的影像資料與該可見光影像的該感興趣區域進行重疊，以獲得該融合影像，該變換矩陣係可以如上述公式(1)~(3)所示。

該數據比對步驟S3係透過深度學習技術(Deep Learning)產生上述牛臉辨識模型41辨識該可見光影像，以辨識出該牛隻的一識別碼，該識別碼用以作為該牛隻的身分證明，在本實施例中，該識別碼可以為該牛隻的耳標號碼或隨機產生的流水號。再者，根據該識別碼由一資料庫中取得該牛隻的待檢測部位的正常體溫，在本實施例中，該正常體溫可以為該牛隻在未感染疾病時，其身上的待檢測部位的歷史平均體溫。隨後，比對該當下體溫是否大於該正常體溫，且該當下體溫與該正常體溫的溫差是否超出一溫差門檻(例如：該溫差門檻可以為2℃)，若比對結果為是，則發送包含該識別碼的一體溫異常訊號至一行動裝置，使持有該行動裝置的飼養員得知該牛隻的體溫出現異常；若比對結果為否，則可以不需執行額外作動。

本發明牛隻異常警示方法，還可以具有一分群步驟S4，該分群步驟S4係使該牛隻位於一分群通道中，該分群通道的出口端係可以設置二閘門；根據比對結果發送相對應控制指令到一控制器，並透過該控制器驅動相對應的閘門開啟，以將該牛隻送入到相對應的區域，該二區域互不連通，在本實施例中，其中一閘門所對應的區域係供體溫正常的牛隻停留，另一閘 門所對應的區域係供體溫異常的牛隻停留。值得一提的是，例如可以透過一圍籬圈繞出該二區域，惟不以此為限。

綜上所述，本發明的牛隻異常警示系統及方法，係可以透過熱成像儀，以非接觸方式朝牛隻的待檢測部位拍攝，以獲得該牛隻的待檢測部位的當下體溫，並將該當下體溫與該牛隻在未感染疾病時的正常體溫互相比對，若該當下體溫大於該正常體溫且溫差超出一溫差門檻時，則發送一體溫異常訊號至飼養員的行動裝置，使持有該飼養員可以得知該牛隻的體溫出現異常。如此，本發明的牛隻異常警示系統及方法，係可以達到縮短檢測時間、降低檢測難度及避免疾病交互感染的功效。

雖然本發明已利用上述較佳實施例揭示，然其並非用以限定本發明，任何熟習此技藝者在不脫離本發明之精神和範圍之內，相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

1:資料庫單元

2:物體偵測單元

3:成像模組

31:可見光攝影機

32:熱成像儀

4:檢驗平台

41:牛臉辨識模組

5:分群設備

52:第一柵門

53:第二柵門

Claims (10)

1. 一種牛隻異常警示系統，包含：

   一資料庫單元，用以儲存數頭牛隻各自的識別碼及正常體溫；

   一物體偵測單元，用以產生一感應區域，並偵測是否有一牛隻進入該感應區域，以產生一阻斷訊號；

   一成像模組，用以朝進入該感應區域的該牛隻拍攝，以產生一可見光影像及一熱影像，該可見光影像及該熱影像分別包含該牛隻身上的一待檢測部位，該成像模組將該可見光影像與該熱影像執行影像融合，以獲得一融合影像，且由該融合影像中獲得該牛隻的待檢測部位的當下體溫；及

   一檢驗平台，耦接該資料庫單元、該物體偵測單元及該成像模組，該檢驗平台接收到該阻斷訊號後，控制該成像模組作動，以獲得該可見光影像，以及該牛隻的待檢測部位的當下體溫，該檢驗平台將該可見光影像輸入至一牛臉辨識模組，以辨識出該牛隻的一識別碼，並根據該識別碼由該資料庫單元中取得該牛隻的待檢測部位的正常體溫，該檢驗平台比對該當下體溫與該正常體溫的溫差是否超出一溫差門檻，若比對結果為是，該檢驗平台發出一體溫異常訊號至一行動裝置，使持有該行動裝置的飼養員得知該牛隻的體溫出現異常。
2. 如請求項1之牛隻異常警示系統，其中，該成像模組由該可見光影像中取得一感興趣區域，該感興趣區域內具有該待檢測部位的影像，該成像模組根據一變換矩陣，以由該熱影像中取得相對應該感興趣區域相對位置的影像資料，再將該相對位置的影像資料與該可見光影像的該感興趣區域進行重疊，以獲得該融合影像。
3. 如請求項1之牛隻異常警示系統，其中，該牛臉辨識模組係採用卷積神經網路，該牛臉辨識模型的訓練資料包含數頭牛隻各自的臉部影 像，該臉部影像包含該牛隻的眼睛、鼻子及耳朵等身體部位，以及釘掛於該牛隻耳朵上的耳標。
4. 如請求項3之牛隻異常警示系統，其中，該訓練資料具有該數頭牛隻各自身上的花紋影像。
5. 如請求項1至4中任一項之牛隻異常警示系統，另包含一分群設備，該分群設備具有一分群通道，該分群通道具有一入口端及一出口端，該分群通道用以限制該牛隻由該入口端往該出口端的方向移動，該出口端具有一第一柵門及一第二柵門，該第一柵門與該第二柵門分別耦接該檢驗平台，當該檢驗平台的比對結果為是時，控制該第一柵門開啟，使該牛隻通過該第一柵門來到一體溫異常區域，反之，控制該第二柵門開啟，使該牛隻通過該第二柵門來到一體溫正常區域，該體溫異常區域與該體溫正常區域互不連通。
6. 一種牛隻異常警示方法，包含：

   偵測是否有一牛隻進入一感應區域，以產生一阻斷訊號；

   在接收到該阻斷訊號後，朝進入該感應區域的該牛隻拍攝，以產生一可見光影像及一熱影像，該可見光影像及該熱影像分別包含該牛隻身上的一待檢測部位；

   將該可見光影像與該熱影像執行影像融合，以獲得一融合影像；

   由該融合影像中獲得該牛隻的待檢測部位的當下體溫；

   透過深度學習技術辨識該可見光影像，以辨識出該牛隻的一識別碼；

   根據該識別碼由一資料庫中取得該牛隻的待檢測部位的正常體溫；及

   比對該當下體溫與該正常體溫的溫差是否超出一溫差門檻，若比對結果為是，則發送包含該識別碼的一體溫異常訊號至一行動裝置，使持有該行動裝置的飼養員得知該牛隻的體溫出現異常。
7. 如請求項6之牛隻異常警示方法，其中，由該可見光影像中 取得一感興趣區域，該感興趣區域內具有該待檢測部位的影像，根據一變換矩陣由該熱影像中取得相對應該感興趣區域相對位置的影像資料，再將該相對位置的影像資料與該可見光影像的該感興趣區域進行重疊，以獲得該融合影像。
8. 如請求項6之牛隻異常警示方法，其中，透過深度學習技術建立一牛臉辨識模型，該牛臉辨識模型的訓練資料包含數頭牛隻各自的臉部影像，該臉部影像包含該牛隻的眼睛、鼻子及耳朵等身體部位，以及釘掛於該牛隻耳朵上的耳標。
9. 如請求項8之牛隻異常警示方法，其中，該訓練資料具有該數頭牛隻各自身上的花紋影像。
10. 如請求項6至9中任一項之牛隻異常警示方法，其中，使該牛隻位於一分群通道中，該分群通道的出口端設置二閘門，根據比對結果發送相對應控制指令到一控制器，並透過該控制器驅動相對應的閘門開啟，以將該牛隻送入到相對應的區域，該二區域互不連通。

Images