肉牛养殖的疾病监测系统及其方法技术方案

本发明专利技术涉及智能化监测技术领域，其具体地公开了一种肉牛养殖的疾病监测系统及其方法，其获取被监控肉牛对象的粪便图像；对所述粪便图像进行图像特征提取以得到粪便多尺度融合特征图；以及，基于所述粪便多尺度融合特征图，确定所述被监控肉牛对象的身体状态是否正常。这样，通过粪便图像分析可以自动化地获取数据，并通过人工智能算法进行高效准确的分析，大大节省了时间和人力成本。大大节省了时间和人力成本。大大节省了时间和人力成本。

【技术实现步骤摘要】
肉牛养殖的疾病监测系统及其方法


[0001]本专利技术涉及智能化监测
，尤其涉及一种肉牛养殖的疾病监测系统及其方法。

技术介绍

[0002]肉牛养殖是一种重要的畜牧业，但是肉牛的疾病往往难以及时发现和治疗，给养殖者带来了巨大的损失。传统的肉牛疾病监测方法主要依赖于人工观察和检测，费时费力且不准确。
[0003]随着人工智能技术的快速发展，它在养殖业中的应用正在逐渐扩大，为养殖业带来了许多新的机遇和挑战。在智能养殖业中，人工智能可以应用于多个方面，包括疾病监测与预警、饲料管理、环境监测与控制、动物行为分析、生产预测与优化以及养殖过程可视化等。智能养殖业的发展将为养殖业带来更高的效率、更低的成本，提升动物福利，并为决策者提供科学依据，推动养殖业的可持续发展。
[0004]基于此，期待一种优化的肉牛养殖的疾病监测方案。

技术实现思路

[0005]本专利技术实施例提供一种肉牛养殖的疾病监测系统及其方法，其获取被监控肉牛对象的粪便图像；对所述粪便图像进行图像特征提取以得到粪便多尺度融合特征图；以及，基于所述粪便多尺度融合特征图，确定所述被监控肉牛对象的身体状态是否正常。这样，通过粪便图像分析可以自动化地获取数据，并通过人工智能算法进行高效准确的分析，大大节省了时间和人力成本。
[0006]本专利技术实施例还提供了一种肉牛养殖的疾病监测方法，其包括：获取被监控肉牛对象的粪便图像；对所述粪便图像进行图像特征提取以得到粪便多尺度融合特征图；以及，基于所述粪便多尺度融合特征图，确定所述被监控肉牛对象的身体状态是否正常。
[0007]本专利技术实施例还提供了一种肉牛养殖的疾病监测系统，其包括：图像获取模块，用于获取被监控肉牛对象的粪便图像；图像特征提取模块，用于对所述粪便图像进行图像特征提取以得到粪便多尺度融合特征图；以及身体状态确定模块，用于基于所述粪便多尺度融合特征图，确定所述被监控肉牛对象的身体状态是否正常。
[0008]与现有技术相比，本专利技术提供的肉牛养殖的疾病监测系统及其方法，其获取被监控肉牛对象的粪便图像；对所述粪便图像进行图像特征提取以得到粪便多尺度融合特征图；以及，基于所述粪便多尺度融合特征图，确定所述被监控肉牛对象的身体状态是否正常。这样，通过粪便图像分析可以自动化地获取数据，并通过人工智能算法进行高效准确的
分析，大大节省了时间和人力成本。
附图说明
[0009]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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的附图。在附图中：图1为本专利技术实施例中提供的一种肉牛养殖的疾病监测方法的流程图。
[0010]图2为本专利技术实施例中提供的一种肉牛养殖的疾病监测方法的系统架构的示意图。
[0011]图3为本专利技术实施例中提供的一种肉牛养殖的疾病监测方法中步骤120的子步骤的流程图。
[0012]图4为本专利技术实施例中提供的一种肉牛养殖的疾病监测方法中训练步骤的子步骤的流程图。
[0013]图5为本专利技术实施例中提供的一种肉牛养殖的疾病监测系统的框图。
[0014]图6为本专利技术实施例中提供的一种肉牛养殖的疾病监测方法的应用场景图。
具体实施方式
[0015]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0016]如本专利技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
[0017]本专利技术中使用了流程图用来说明根据本专利技术的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0018]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0019]在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
[0020]肉牛养殖是指为了生产肉类而饲养牛的农业活动，肉牛养殖通常涉及育种、饲养和管理等方面，旨在提高肉牛的生长速度和肉质品质。常见的肉牛品种包括安格斯牛、黑白花牛、赛里木湖牛等，不同品种具有不同的生长速度、肉质特性和适应环境能力。
[0021]肉牛饲养通常在农场、牧场或养殖场进行，饲养环境应提供适宜的气候条件、饲料供应、水源和舒适的居住空间。肉牛的饲料通常包括粗饲料（如草、青贮料）和浓缩饲料（如
谷物、豆粕），饲料的组成和配比应根据肉牛的生长阶段和营养需求进行调整，以确保其获得足够的能量、蛋白质、维生素和矿物质。肉牛的健康管理是养殖过程中的重要环节，包括定期的兽医检查、疫苗接种、疾病预防和控制、寄生虫防治等。同时，良好的卫生条件和饮水管理也对肉牛的健康起着重要作用。肉牛的生长管理旨在提高其生长速度和肉质品质，包括合理的饲养计划、定期称重和测量体型、控制肉牛的生长环境（如温度、湿度）等。
[0022]肉牛养殖的疾病监测对于养殖业的可持续发展和经济效益具有重要的必要性。疾病是肉牛养殖过程中的常见问题，可能导致生长受限、死亡率增加和肉质品质下降等严重后果。通过定期监测肉牛的健康状况，可以及早发现潜在的疾病问题，采取相应的预防和控制措施，减少疾病对养殖业的影响。
[0023]疾病对肉牛的生长速度、饲料利用率和肉质品质都会产生负面影响，通过及时监测疾病，可以采取相应的治疗和管理措施，保持肉牛的健康状态，提高生产效益。疾病可能对肉牛的肉类产品质量和安全性产生影响，通过监测疾病，可以确保肉牛的健康状况符合食品安全标准，保障消费者的健康。某些疾病可能具有传染性，可以通过监测疾病及早发现感染病例，采取隔离和防控措施，避免疫病在养殖场内的传播，维护养殖场的稳定和安全。通过疾病监测数据的收集和分析，可以为养殖场提供重要的决策支持。例如，根据疾病监测结果调整饲养计划、改进饲料配方、优化兽医保健措施等，提高养殖效率和经济效益。
[0024]肉牛养殖的疾病监测是维护养殖业健康发展和确保食品安全的重要手段。通过及时监测和预防疾病，可以减少经济损失，提高生产效益，保障肉牛的健康和消费者的安全。本申请的技术构思为使用人工智能技术和图像处理方法，实现对肉牛养殖中被监控肉牛对象的身体状态进行智能化监测。具体而言，是基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肉牛养殖的疾病监测方法，其特征在于，包括：获取被监控肉牛对象的粪便图像；对所述粪便图像进行图像特征提取以得到粪便多尺度融合特征图；以及，基于所述粪便多尺度融合特征图，确定所述被监控肉牛对象的身体状态是否正常。2.根据权利要求1所述的肉牛养殖的疾病监测方法，其特征在于，对所述粪便图像进行图像特征提取以得到粪便多尺度融合特征图，包括：对所述粪便图像进行图像预处理以得到缩放后粪便图像；从所述缩放后粪便图像中提取浅层特征、中层特征和深层特征以得到粪便浅层特征图、粪便中层特征图和粪便深层特征图；以及，融合所述粪便浅层特征图、所述粪便中层特征图和所述粪便深层特征图以得到所述粪便多尺度融合特征图。3.根据权利要求2所述的肉牛养殖的疾病监测方法，其特征在于，对所述粪便图像进行图像预处理以得到缩放后粪便图像，包括：对所述粪便图像进行自适应图片缩放以得到所述缩放后粪便图像。4.根据权利要求3所述的肉牛养殖的疾病监测方法，其特征在于，从所述缩放后粪便图像中提取浅层特征、中层特征和深层特征以得到粪便浅层特征图、粪便中层特征图和粪便深层特征图，包括：将所述缩放后粪便图像通过基于第一卷积神经网络模型的粪便浅层图像特征提取器以得到所述粪便浅层特征图；将所述粪便浅层特征图通过基于第二卷积神经网络模型的粪便中层图像特征提取器以得到所述粪便中层特征图；以及，将所述粪便中层特征图通过基于第三卷积神经网络模型的粪便深层图像特征提取器以得到所述粪便深层特征图。5.根据权利要求4所述的肉牛养殖的疾病监测方法，其特征在于，融合所述粪便浅层特征图、所述粪便中层特征图和所述粪便深层特征图以得到所述粪便多尺度融合特征图，包括：将所述粪便浅层特征图、所述粪便中层特征图和所述粪便深层特征图沿着通道维度进行聚合并进行通道混洗以得到所述粪便多尺度融合特征图。6.根据权利要求5所述的肉牛养殖的疾病监测方法，其特征在于，基于所述粪便多尺度融合特征图，确定所述被监控肉牛对象的身体状态是否正常，包括：将所述粪便多尺度融合特征图通过分类器以得到分类结果，所述分类结果用于表示所述被监控肉牛对象的身体状态是否正常。7.根据权利要求6所述的肉牛养殖的疾病监测方法，其特征在于，还包括训练步骤：对所述基于第一卷积神经网络模型的粪便浅层图像特征提取器、所述基于第二卷积神经网络模型的粪便中层图像特征提取器、所述基于第三卷积神经网络模型的粪便深层图像特征提取器和所述分类器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括被监控肉牛对象的训练粪便图像，以及，...

【专利技术属性】
技术研发人员：李扬，刘开明，
申请(专利权)人：吉林省牛人网络科技股份有限公司，
类型：发明
国别省市：