一种饲养环境的信息提示方法、装置、介质及电子设备制造方法及图纸

本申请实施例公开了一种饲养环境的信息提示方法、装置、介质及电子设备。该方法包括：获取饲养环境视频数据；其中，所述环境视频数据覆盖饲养环境单元的所有范围；通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型；若所述拥挤程度和拥挤事件类型符合预设条件，则生成拥挤程度和拥挤事件类型提示信息。通过采用本申请所提供的技术方案，可以实现对于饲养环境中牲畜发生的特殊事件进行提醒，以提高牲畜的养殖质量。

【技术实现步骤摘要】
一种饲养环境的信息提示方法、装置、介质及电子设备
本申请实施例涉及大型牲畜养殖数字化辅助
领域，尤其涉及一种饲养环境的信息提示方法、装置、介质及电子设备。
技术介绍
随着科技水平的快速发展，互联网技术以及智能终端的应用已经涉及到社会生活的各个领域。在牲畜喂养的过程中，以猪只为例，饲养环境温度的变化，会在料肉比上面产生明显的变化。而且，由于牲畜在饲养环境下是自由移动的，如猪只有时会因为进食、饮水或者其他事件等，出现局部拥挤的情况，在这种情况下，如果不及时提醒工作人员，会影响牲畜的健康状态，以及会影响牲畜的体感温度的变化以及诱发潜在的猪只染病的可能，更有严重情况有猪只打架致死的情况。
技术实现思路
本申请实施例提供一种饲养环境的信息提示方法、装置、介质及电子设备，可以实现对于饲养环境中牲畜发生的特殊事件进行提醒，以提高牲畜的养殖质量。第一方面，本申请实施例提供了一种饲养环境的信息提示方法，该方法包括：获取饲养环境视频数据；其中，所述环境视频数据覆盖饲养环境单元的所有范围；通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型；若所述拥挤程度和拥挤事件类型符合预设条件，则生成拥挤程度和拥挤事件类型提示信息。进一步的，通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型，包括：确定所述饲养环境单元中牲畜的距离；根据所述距离，采用Delaunay三角剖分算法确定牲畜的拥挤度。进一步的，所述确定所述饲养环境单元中牲畜的距离，包括：使用目标检测模型，识别所述饲养环境单元中的牲畜，并得到牲畜的位置信息；根据所述饲养环境单元中的各牲畜的牲畜的位置信息，确定牲畜之间的距离，同时以每个牲畜作为一个点，两两连线，获得抽象几何图形，基于所述几何图形去预测拥挤事件类型。进一步的，通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型，包括：通过预先训练的神经网络模型，确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型，以及拥挤诱发事件；相应的，若所述拥挤程度和拥挤事件类型符合预设条件，则生成拥挤程度和拥挤事件类型提示信息，包括：若所述拥挤程度和拥挤事件类型符合预设条件，且根据所述拥挤诱发事件，确定拥挤程度和拥挤事件类型提示信息。第二方面，本申请实施例还提供了一种在线饲养环境的信息提示装置，该装置包括：视频获取模块，用于获取饲养环境视频数据；其中，所述环境视频数据覆盖饲养环境单元的所有范围；拥挤程度和拥挤事件类型确定模块，用于通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型；提示信息生成模块，用于若所述拥挤程度和拥挤事件类型符合预设条件，则生成拥挤程度和拥挤事件类型提示信息。进一步的，所述拥挤程度和拥挤事件类型确定模块，包括：距离确定单元，用于确定所述饲养环境单元中牲畜的距离；拥挤程度和拥挤事件类型计算单元，用于根据所述距离，采用Delaunay三角剖分算法确定牲畜的拥挤度。进一步的，所述距离确定单元，具体用于：使用目标检测模型，识别所述饲养环境单元中的牲畜，并得到牲畜的位置信息；根据所述饲养环境单元中的各牲畜的牲畜的位置信息，确定牲畜之间的距离。进一步的，所述拥挤程度和拥挤事件类型确定模块，包括：诱发事件确定单元，用于通过预先训练的神经网络模型，确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型，以及拥挤诱发事件；相应的，提示信息生成模块，包括：提示信息确定单元，用于若所述拥挤程度和拥挤事件类型符合预设条件，且根据所述拥挤诱发事件，确定拥挤程度和拥挤事件类型提示信息。第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的饲养环境的信息提示方法。第四方面，本申请实施例提供了一种移动电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的饲养环境的信息提示方法。本申请实施例所提供的技术方案，获取饲养环境视频数据；其中，所述环境视频数据覆盖饲养环境单元的所有范围；通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型；若所述拥挤程度和拥挤事件类型符合预设条件，则生成拥挤程度和拥挤事件类型提示信息。通过采用本申请所提供的技术方案，可以实现对于饲养环境中牲畜发生的特殊事件进行提醒，以提高牲畜的养殖质量。附图说明图1是本申请实施例一提供的饲养环境的信息提示方法的流程图；图2是本申请实施例二提供的饲养环境的信息提示装置的结构示意图；图3是本申请实施例四提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。实施例一图1是本申请实施例一提供的饲养环境的信息提示方法的流程图，本实施例可适用于牲畜饲养的情况，该方法可以由本申请实施例所提供的饲养环境的信息提示装置来执行，该装置可以由软件和/或硬件的方式来实现，并可集成于电子设备中。如图1所示，所述饲养环境的信息提示方法包括：S110、获取饲养环境视频数据；其中，所述环境视频数据覆盖饲养环境单元的所有范围。其中，牲畜可以包括牛、羊以及猪只等。在本方案中，可以是在正常猪栏场景栏位正上方悬挂摄像头，记录猪栏内猪群的情况。其中，摄像头专业人员安装在合理的位置，保证覆盖范围，使用摄像头拍猪只在猪栏里的活动。S120、通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型。预先训练的神经网络模型，可以是基于大量的猪栏中的图像来确定的，由于猪只在猪栏中是自由移动的，因此，可以通过猪只颜色与背景颜色的不同，或者运动状态检测的方式，确定猪只数量在单位面积内增加到一定程度，就会出现拥挤状态。拥挤程度和拥挤事件类型可以是使用单位面积内猪只的数量大小来体现。本方案中，可选的，通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型，包括：确定所述饲养环境单元中牲畜的距离；根据所述距离，采用Delau本文档来自技高网...

【技术保护点】
1.一种饲养环境的信息提示方法，其特征在于，包括：/n获取饲养环境视频数据；其中，所述环境视频数据覆盖饲养环境单元的所有范围；/n通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型；/n若所述拥挤程度和拥挤事件类型符合预设条件，则生成拥挤程度和拥挤事件类型提示信息。/n

【技术特征摘要】
1.一种饲养环境的信息提示方法，其特征在于，包括：
获取饲养环境视频数据；其中，所述环境视频数据覆盖饲养环境单元的所有范围；
通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型；
若所述拥挤程度和拥挤事件类型符合预设条件，则生成拥挤程度和拥挤事件类型提示信息。


2.根据权利要求1所述的方法，其特征在于，通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型，包括：
确定所述饲养环境单元中牲畜的距离；
根据所述距离，采用Delaunay三角剖分算法确定牲畜的拥挤度。


3.根据权利要求2所述的方法，其特征在于，所述确定所述饲养环境单元中牲畜的距离，包括：
使用目标检测模型，识别所述饲养环境单元中的牲畜，并得到牲畜的位置信息；
根据所述饲养环境单元中的各牲畜的牲畜的位置信息，确定牲畜之间的距离，同时以每个牲畜作为一个点，两两连线，获得抽象几何图形，基于所述几何图形去预测拥挤事件类型。


4.根据权利要求1所述的方法，其特征在于，通过预先训练的神经网络模型确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型，包括：
通过预先训练的神经网络模型，确定所述饲养环境单元中牲畜的拥挤程度和拥挤事件类型，以及拥挤诱发事件；
相应的，若所述拥挤程度和拥挤事件类型符合预设条件，则生成拥挤程度和拥挤事件类型提示信息，包括：
若所述拥挤程度和拥挤事件类型符合预设条件，且根据所述拥挤诱发事件，确定拥挤程度和拥挤事件类型提示信息。


5.一种饲养环境的信息提示装置，其特征在于，包括：
视频获取模块，用于获取饲养环境视频数据；其中，所述环境视频数据覆盖饲养环境单...

【专利技术属性】
技术研发人员：陈婷婷，黄金磊，
申请(专利权)人：成都睿畜电子科技有限公司，
类型：发明
国别省市：四川;51