猪仔健康监控方法及系统及存储介质技术方案

本发明专利技术提供了一种猪仔健康监控方法及系统及存储介质。所述猪仔健康监控方法，包括：S1，获取多张猪仔粪便图形；S2，将所述猪仔粪便图形按照“正常”、“红痢粪便”、“黄痢粪便”、“白痢粪便”进行标注，并进行大数据的训练；S3，输出基于猪仔粪便的图像识别模型；S4，对养殖场中的猪仔即时粪便图像进行实时采集，并根据所述图像识别模型，判断所述即时粪便图像是否正常。上述方法通过对猪仔粪便图像进行采集、然后标注及训练，从而输出基于猪仔粪便的图像识别模型，通过该基于猪仔粪便的图像识别模型可以对养殖场中的猪仔即时粪便图像进行识别，从而大大的降低人工成本，并提高猪仔健康监控的准确性及即时性。准确性及即时性。准确性及即时性。

【技术实现步骤摘要】
猪仔健康监控方法及系统及存储介质


[0001]本专利技术涉及一种猪仔健康监控方法及系统及存储介质，尤其涉及图像识别的猪仔健康监控方法及系统及存储介质。

技术介绍

[0002]猪瘟等疫情对养猪行业产生巨大冲击，大面积扑杀及超低猪价导致生猪产能严重下降，生猪供应缺口尤为突出，屠宰企业收猪困难，提价收猪，猪价涨幅明显。目前仔猪价猛增，猪仔供不应求。猪仔是疫情最容易感染的对象，一些养猪人无法承受压力，清栏弃养的猪场仍在持续增多。
[0003]然而，目前，对于最直接可以反馈猪仔健康状况的排泄物，则没有现行有效的监控方法，故，无法对猪仔的健康状况进行无人值守的有效监控。

技术实现思路

[0004]本专利技术提供了一种基于图像识别的猪仔健康监控方法及系统及存储介质，可以有效解决上述问题。
[0005]本专利技术是这样实现的：
[0006]本专利技术提供一种基于图像识别的猪仔健康监控方法，包括：
[0007]S1，获取多张猪仔粪便图形；
[0008]S2，将所述猪仔粪便图形按照“正常”、“红痢粪便”、“黄痢粪便”、“白痢粪便”进行标注，并进行大数据的训练；
[0009]S3，输出基于猪仔粪便的图像识别模型；
[0010]S4，对养殖场中的猪仔即时粪便图像进行实时采集，并根据所述图像识别模型，判断所述即时粪便图像是否正常。
[0011]本专利技术还进一步提供一种基于图像识别的猪仔健康监控系统，包括：
[0012]图像获取模块，用于获取多张猪仔粪便图形；
[0013]标注及训练模块，用于将所述猪仔粪便图形按照“正常”、“红痢粪便”、“黄痢粪便”、“白痢粪便”进行标注，并进行大数据的训练；
[0014]输出模块，用于输出基于猪仔粪便的图像识别模型；
[0015]图像采集模块，用于对养殖场中的猪仔即时粪便图像进行实时采集；
[0016]监控模块，用于根据所述图像识别模型，判断所述即时粪便图像是否正常。
[0017]本专利技术还进一步提供一种计算机可读存储介质，其上存储有程序文件，所述程序文件在被处理器执行时，执行上述的方法。
[0018]本专利技术的有益效果是：本专利技术提供的基于图像识别的猪仔健康监控方法及系统及存储介质，通过对猪仔粪便图像进行采集、然后标注及训练，从而输出基于猪仔粪便的图像识别模型，通过该基于猪仔粪便的图像识别模型可以对养殖场中的猪仔即时粪便图像进行识别，从而大大的降低人工成本，并提高猪仔健康监控的准确性及即时性。
附图说明
[0019]为了更清楚地说明本专利技术实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0020]图1是本专利技术实施例提供的基于猪仔粪便的图像识别模型的构建方法的流程图。
[0021]图2是本专利技术实施例提供的基于猪仔粪便的图像识别模型的构建方法中收集的不同粪便的照片图。
[0022]图3是本专利技术实施例提供的基于图像识别的猪仔健康监控方法的流程图。
具体实施方式
[0023]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。因此，以下对在附图中提供的本专利技术的实施方式的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0024]在本专利技术的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0025]参照图1所示，本专利技术提供一种基于神经网络的猪仔粪便识别模型的构建方法，包括以下步骤：
[0026]S1，获取多张猪仔粪便图形；
[0027]S2，将所述猪仔粪便图形按照“正常”、“红痢粪便”、“黄痢粪便”、“白痢粪便”进行标注，并进行大数据的训练；
[0028]S3，输出基于猪仔粪便的图像识别模型。
[0029]在步骤S1中，所述猪仔粪便图形可以通过各地饲养的过程中采集具体猪仔粪便图形获得。这是由于，全国各地的饲养地饲养猪仔的品种、食物以及饲养习惯完全不同，如果采用统一的标准图片，可能会导致后期的识别不准确。
[0030]作为进一步改进的，所述获取多张猪仔粪便图形的可以通过深度摄像机获取。在其中一个实施例中个，可采用Kinect深度摄像机，所述Kinect深度摄像机采用的是红外线发射器、彩色RGB摄像头、红外CMOS摄像机构成的3D结构光深度感应器。所述红外发射器主动投射经调制的近红外光线，红外光线照到视野里的物体上就会发生反射，红外相机接收反射回来的红外线，采用TOF技术测量深度，计算光的时间差，根据可得物体的深度，进而获得猪仔粪便的深度图像。之所以采用深度摄像机获取，这是由于正常的猪仔粪便都是松散结团状的结构，需要通过深度摄像机获取其深度结构；而生病的猪仔的粪便，都是稀状或糊
状(平面状结构)，难以获得其深度结构，因此可以快速的进行分辨及训练，大大的提高训练的效率。
[0031]在步骤S2中，所述将猪仔粪便图形按照“正常”、“红痢粪便”、“黄痢粪便”、“白痢粪便”进行标注的步骤，主要由人工进行。作为进一步改进的，在其中一个实施例中，在标注的过程中，将不同痢病下的拉稀或糊状对应标注为“非正常
‑
红痢粪便”、“非正常
‑
黄痢粪便”、“非正常
‑
白痢粪便”；而团状标注为“正常”。
[0032]将所述猪仔粪便图形在大数据处理单元中进行大数据训练。在本实施例中利用的Halcon软件进行处理，Halcon软件的优点在于其支持2D和3D图像采集设备数量的5倍，提供更高的位深度图像处理。在其中一个实施例中，调用Halcon中的预训练网络：pretrained_dl_classifier_compact.hdl。参照图2所示，在本实施例中上述的图像共采集到114张图像，其中“normal”图像57张，“innormal
‑
Red dysentery”图像15张,如图2a所示，“innormal
‑
Yellow dysentery”图像18张,如图2b所示，“innormal
‑
white dysente本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的猪仔健康监控方法，其特征在于，包括：S1，获取多张猪仔粪便图形；S2，将所述猪仔粪便图形按照“正常”、“红痢粪便”、“黄痢粪便”、“白痢粪便”进行标注，并进行大数据的训练；S3，输出基于猪仔粪便的图像识别模型；S4，对养殖场中的猪仔即时粪便图像进行实时采集，并根据所述图像识别模型，判断所述即时粪便图像是否正常。2.如权利要求1所述的基于图像识别的猪仔健康监控方法，其特征在于，所述将猪仔粪便图形按照“正常”、“红痢粪便”、“黄痢粪便”、“白痢粪便”进行标注由人工进行。3.如权利要求1所述的基于图像识别的猪仔健康监控方法，其特征在于，在步骤S3中，在输出基于猪仔粪便的图像识别模型前还进一步包括：对所述基于猪仔粪便的图像识别模型进行验证的步骤。4.如权利要求1所述的基于图像识别的猪仔健康监控方法，其特征在于，在步骤S1中，所述猪仔粪便图形通过各地饲养的过程中采集具体猪仔粪便图形获得。5.如权利要求1所述的基于图像识别的猪仔健康监控方法，其特征在于，在步骤S1中，所述获取多张猪仔粪便图形的通过深度摄像机获取。6.如权利要求1所述的基于图像识别的猪仔健康监控方法，其特征在于，在步骤S4中，如果其中一个栏位内的识别的图像被标注为“innormal
‑
Red dysentery”、“innormal
‑
Yel low dysentery”、“innormal
‑
white dysentery”之一时，则，进一步包括：获取该栏位内单位时间内的所有即时粪便图像，判断被标注为“innormal
‑
Red dysentery”、“innormal
...

【专利技术属性】
技术研发人员：薛素金，刘宗宁，林立群，
申请(专利权)人：厦门农芯数字科技有限公司，
类型：发明
国别省市：