一种家畜潜在发病预测方法技术

本发明专利技术公开一种家畜潜在发病预测方法，获取家畜饲养区域的视频集帧图；对家畜进行身份识别；获取家畜的轮廓信息和头部轮廓信息；根据家畜的轮廓信息和头部轮廓信息获取判断变量；利用判断变量进行家畜健康状态的分析。通过本发明专利技术，可以统计家畜的体重、体型、进食、精神状态，分析出可能是生病的家畜，及时通知饲养员对异常家畜进一步健康排查，减少巡检次数并尽早发现病家畜，同时通过数据数理统计的方法，减少对饲养员的经验依赖性。减少对饲养员的经验依赖性。减少对饲养员的经验依赖性。

【技术实现步骤摘要】
一种家畜潜在发病预测方法


[0001]本专利技术应用于人工智能领域，具体是一种家畜潜在发病预测方法。

技术介绍

[0002]养殖业正在向现代化、智能化发展，家畜尤其是猪只的养殖过程中如何进行潜在的发病预测直接关系到养殖户的切身利益，如何在早期迅速发现存在发病的生猪，尽早治疗、尽早与其他猪只隔离，成为养殖户、兽医以及相关研究者的难题。现有的生猪疾病诊断，主要依靠养殖户、兽医多年的养殖经验，根据对猪只饮食状态、体温诊断、精神状态等综合判断，给与预测，然而该方法过于依赖经验，且费神费力，对养殖户的要求较高，不利于及时发现病猪，导致病猪的病情加重，也传染给了其他健康的猪只。
[0003]专利申请号CN201810729269.1公开了一种基于猪只咳嗽声的猪只疾病诊断，然而该方法易受环境声的干扰，且猪只群体养殖不利于个体猪判断。专利申请号CN201810472197.7公开了一种猪疾病的监测方法，主要利用人工按周对猪进行健康巡查，按月对病死猪进行剖检，按季度对全场猪群进行采血检验，每半年对猪舍环境进行细菌样本采样分析，该方式可以提高生猪疾病防控能力，但是费时费力。专利申请号CN201910783813.5公开了一种基于深度学习的猪神经性疾病的智能测报方法，该专利主要提取生猪的步态特征，训练网络来实现对生猪共济失调、步态摇摆、震颤等神经性疾病，然该方式难提取到跛脚的样本视频，且对生猪的疾病预测较为特定。因此家畜的发病预测目前存在如下主要技术问题：1、过于依赖养殖户、兽医的经验；2、人工检验定期巡查家畜群健康状况，费时费力，且常因人工精力问题，无法及时巡检；3、家畜群群体养殖，环境嘈杂多变，不利于设备的信息采集。4、特定病种家畜样本少，难以获取，模型训练难度大。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种家畜潜在发病预测方法。
[0005]为解决上述技术问题，本专利技术的一种家畜潜在发病预测方法，具体包括如下步骤：
[0006]获取家畜饲养区域的视频集帧图；
[0007]对家畜进行身份识别；
[0008]获取家畜的轮廓信息和头部轮廓信息；
[0009]根据家畜的轮廓信息和头部轮廓信息获取判断变量；
[0010]利用判断变量进行家畜健康状态的分析。
[0011]作为一种可能的实施方式，进一步的，所述获取家畜的轮廓信息和头部轮廓信息步骤具体包括：
[0012]构建深度学习实例分割模型；
[0013]对样本集根据家畜全身和家畜头部打上两类不同的标签；
[0014]将带标签的样本集输入深度学习实例分割模型对其进行训练；
[0015]利用训练完成的深度学习实例分割模型获取视频集中的家畜的轮廓信息和头部轮廓信息。
[0016]作为一种可能的实施方式，进一步的，所述深度学习实例分割模型为yolact、maskRcnn、FasterRcnn或Fcis模型。
[0017]作为一种可能的实施方式，进一步的，所述根据家畜的轮廓信息和头部轮廓信息获取判断变量步骤具体包括：
[0018]获取家畜的体型信息；
[0019]预估家畜的体重信息；
[0020]获取家畜的进食情况；
[0021]预估家畜的状态信息并统计。
[0022]作为一种可能的实施方式，进一步的，所述获取家畜的体型信息步骤具体为：
[0023]利用家畜的轮廓信息获取家畜轮廓的最小外接矩形框；
[0024]将最小外接矩形框的长宽定义为家畜在图像里的体长L和体宽W；
[0025]利用家畜图像实例分割的像素点，获得家畜的轮廓面积S和轮廓周长C；
[0026]获得家畜的的体型信息P＝{L、W、S、C}。
[0027]作为一种可能的实施方式，进一步的，所述预估家畜的体重信息步骤具体为：
[0028]利用家畜的体型信息构建体重模型：weight＝w1*L+w2*W+w3*S+w4*C；
[0029]通过历史体重信息，估算出参数{w1、w2、w3、w4}；
[0030]将家畜的的体型信息P＝{L、W、S、C}输入体重模型进行家畜的体重信息预估。
[0031]作为一种可能的实施方式，进一步的，所述获取家畜的进食情况步骤具体为：
[0032]利用家畜的轮廓信息和头部轮廓信息获取其身体和头部位置信息；
[0033]在视频集帧图上标注饲料槽的位置区域；
[0034]将家畜的身体和头部位置信息与饲料槽位置信息进行比对判断，当头部位置信息与饲料槽位置信息位置重合、家畜的身体位置信息与饲料槽位置信息呈近九十度方向且停留超过预设时间阀值，则判断家畜在进行进食；
[0035]统计进食时长信息，统计家畜一天的进食时长T与进食次数N获得家畜进食情况E＝{T，N}。
[0036]作为一种可能的实施方式，进一步的，所述预估家畜的状态信息并统计步骤具体包括：
[0037]构建深度学习分类模型；
[0038]将家畜的轮廓信息打上站着和躺着两类标签作为训练集；
[0039]将训练集输入深度学习分类模型对其进行训练；
[0040]利用训练完成的深度学习分类模型对家畜的轮廓信息进行判断并输出预估的家畜的状态信息；
[0041]统计家畜躺着状态时长T_lie和站着状态时长T_stand，状态信息S＝{T_lie、T_stand}。
[0042]作为一种可能的实施方式，进一步的，所述利用判断变量进行家畜健康状态的分析步骤具体包括：
[0043]获取体重weight、体型信息P＝{L、W、S、C}，进食情况E＝{T、N}和状态信息S＝{T_
lie、T_stand}，共9个判断变量；
[0044]统计整个饲养区域的情况，采用相关离群点的计算方法，统计离群点；
[0045]利用离群点确定偏离正常的家畜。
[0046]作为一种可能的实施方式，进一步的，还包括步骤：对异常家畜进行告警。
[0047]本专利技术采用以上技术方案，具有以下有益效果：
[0048]1、基于视频监控分析的方式，可以24小时不间断对家畜进行监控，解决人工巡检的费时费力且不方便。
[0049]2、基于深度学习，采用实例分割技术，定位身体轮廓、头部轮廓信息，基于轮廓信息，估算家畜体型、体重，再结合饲料槽位置，判断家畜进食情况，结合体重信息与饲料进食情况，分析家畜的进食健康情况。
[0050]3、基于深度学习，采用分类算法，判断家畜是躺着、站着的状态信息，基于状态信息，判断家畜的精神状态。
[0051]4、基于进食情况与精神状态，结合整栏的家畜情况，预测家畜栏的整体健康情况，采用数理统计方法，找出异常家畜，对其进行预警。
[0052]通过本专利技术，可以统计猪只的体重、体型、进食、精神状态，分析出可能是生病的猪只，及时通知饲养员对异常猪只进一步健康排查，减少巡检次数并尽早发现病猪，同时通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种家畜潜在发病预测方法，其特征在于，具体包括如下步骤：获取家畜饲养区域的视频集帧图；对家畜进行身份识别；获取家畜的轮廓信息和头部轮廓信息；根据家畜的轮廓信息和头部轮廓信息获取判断变量；利用判断变量进行家畜健康状态的分析。2.根据权利要求1所述的一种家畜潜在发病预测方法，其特征在于：所述获取家畜的轮廓信息和头部轮廓信息步骤具体包括：构建深度学习实例分割模型；对样本集根据家畜全身和家畜头部打上两类不同的标签；将带标签的样本集输入深度学习实例分割模型对其进行训练；利用训练完成的深度学习实例分割模型获取视频集中的家畜的轮廓信息和头部轮廓信息。3.根据权利要求2所述的一种家畜潜在发病预测方法，其特征在于：所述深度学习实例分割模型为yolact、maskRcnn、FasterRcnn或Fcis模型。4.根据权利要求1所述的一种家畜潜在发病预测方法，其特征在于：所述根据家畜的轮廓信息和头部轮廓信息获取判断变量步骤具体包括：获取家畜的体型信息；预估家畜的体重信息；获取家畜的进食情况；预估家畜的状态信息并统计。5.根据权利要求4所述的一种家畜潜在发病预测方法，其特征在于：所述获取家畜的体型信息步骤具体为：利用家畜的轮廓信息获取家畜轮廓的最小外接矩形框；将最小外接矩形框的长宽定义为家畜在图像里的体长L和体宽W；利用家畜图像实例分割的像素点，获得家畜的轮廓面积S和轮廓周长C；获得家畜的的体型信息P＝{L、W、S、C}。6.根据权利要求5所述的一种家畜潜在发病预测方法，其特征在于：所述预估家畜的体重信息步骤具体为：利用家畜的体型信息构建体重模型：weight＝w1*L+w2*W+w3*S+w4*C；通过历史体重信息，估算出参数{w...

【专利技术属性】
技术研发人员：黄自力，王欢，林林，
申请(专利权)人：新大陆数字技术股份有限公司，
类型：发明
国别省市：