一种基于物联网的家畜智能称重系统技术方案

本发明专利技术公开了一种基于物联网的家畜智能称重系统，涉及家畜智能管理技术领域，公开了包括信息采集模块、健康预警模块，通过设置信息采集模块，可以对家畜每次称重信息的准确性进行判断，并将判断后正常的体重发送至对应电子耳标中存储，对判断后异常的体重进行具体分析，分析出家畜的体重异常是否是因为自身生病导致的，当判断出是因为生病导致的体重异常后，按检查优先级对家畜进行检查，当判断出不是因为生病导致的体重异常后，则确定体重的检测是错误的，直接取消该次体重，避免错误的体重数据对后续的家畜健康预警判断造成影响。重数据对后续的家畜健康预警判断造成影响。重数据对后续的家畜健康预警判断造成影响。

【技术实现步骤摘要】
一种基于物联网的家畜智能称重系统


[0001]本专利技术涉及家畜智能管理
，更具体地说，它涉及一种基于物联网的家畜智能称重系统。

技术介绍

[0002]猪、牛、羊只养殖作为我国重要的畜牧产业，对于经济的发展具有不可估量的作用。为了实现对养殖场内的猪、牛、羊日常体重及其变化的快速精准检测，分析猪、牛、羊只体重变化趋势，提高养殖场工作率和为养殖场集约化科学养殖提供数据支撑，需要对猪、牛、羊的体重进行频繁测量。
[0003]然而频繁的测量最容易导致的就是异常体重数据的增加，然而目前的智能称重系统无法识别异常体重数据是否正确，所以需要人工对异常体重数据进行复合，这样导致人工成本的提高。并且目前的智能称重系统最多只能对家畜明显的体重下降或者明显上升进行报警，并不能对家畜的健康状况进行预警，难以避免家畜真正出现生病的情况。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术的目的在于提供一种基于物联网的家畜智能称重系统。
[0005]为实现上述目的，本专利技术提供了如下技术方案：
[0006]一种基于物联网的家畜智能称重系统，包括信息采集模块、健康预警模块；
[0007]所述信息采集模块用于采集家畜的体重,并对家畜的体重进行判断，并将判断后正常的体重通过物联网发送至对应家畜的电子耳标中存储，对判断后异常的体重进行具体分析，将分析后错误异常的体重取消，将分析后准确异常的家畜按顺序进行检查，具体为：
[0008]当家畜在称重平台时获取家畜的体重并标记为Wj，并对称重状态下的家畜拍摄照片，识读器对家畜的电子耳标进行识别，识别到该家畜的年龄，设置该年龄家畜的体重超量阈值为Wa、体重低量阈值为Wz，当体重低量阈值Wz≤该家畜的体重Wj≤体重超量阈值Wa时,则将该家畜标记为称重正常家畜,并将称重正常家畜的该次体重通过物联网发送至该家畜的电子耳标中存储；
[0009]当该家畜的体重Wj＜体重低量阈值Wz或该家畜的体重Wj＞体重超量阈值Wa时，则将该家畜标记为称重异常家畜；
[0010]获取同年龄且健康状态的s张其余家畜的素材照片，将素材照片标记为训练图像，对训练图像赋予图像标签，所述图像标签的取值范围为[0
‑
5]，制作图像分析模型，将称重状态下该家畜的拍摄照片作为图像分析模型的输入数据获取图像分析模型的输出数据，将输出数据标记为目标标签；获取目标标签对应拍摄照片的拍摄位置并标记为目标位置，形成家畜的健康状态图；在家畜的健康状态图中将目标位置按照目标标签进行颜色标记；当家畜的健康状态图中不存在红色标记时,则将该家畜的该次体重取消,当家畜的健康状态图中存在红色标记时,则将该家畜的该次体重通过物联网发送至该家畜的电子耳标中存
储，获取得到该家畜的异常检查值Gt，将家畜按异常检查值的数值由大至小依次进行排序，按排序依次对家畜进行检查；
[0011]所述健康预警模块用于对家畜的称重数据进行分析，分析家畜的健康情况是否需要预警，并对存在预警信号的家畜依次进行体检观察。
[0012]进一步的，图像标签的取值越大，表示素材照片的生病系数越高。
[0013]进一步的，图像分析模型通过下述方法制得：将训练图像获取按照设定比例划分成训练集和验证集；构建神经网络模型；通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为图像分析模型。
[0014]进一步的，将目标标签标记为Ty，当目标标签Ty∈[0,2]时，则将目标位置标记为绿色，当目标标签Ty∈(2,5]时，则将目标位置标记为红色。
[0015]进一步的，家畜的异常检查值Gt通过下述步骤获取得到：并将红色标记总数标记为异常总数，将异常总数标记为Zs，将红色标记对应的目标标签值进行求和处理得到标签总值并标记为Pi，利用公式Gt＝Zs
×
m1+Pi
×
m2获取得到该家畜的异常检查值Gt，其中，m1、m2均为预设比例系数。
[0016]进一步的，所述健康预警模块用于对家畜的称重数据进行分析，分析家畜的健康情况是否需要预警，并对存在预警信号的家畜依次进行体检观察，具体为：
[0017]步骤一:获取得到系统前15次家畜每次称重时的体重，将家畜每次称重时的体重标记为实测体重，设置每个实测体重均对应一个合理体重，将实测体重与合理体重进行对比,当实测体重小于合理体重时,将该实测体重标记为低测体重,获取得到家畜的低测体重总值Gp,将低测体重按照称重时间进行先后进行排序，将相邻两个低测体重所对应的时间进行差值计算获取得到低测时间差，将所有的低测时间差进行求和处理并取均值获取得到低测时间均差并标记为Tt；
[0018]步骤二：当实测体重大于合理体重时,将该实测体重标记为高测体重,获取得到家畜的低测体重总值Gp，将高测体重按照称重时间进行先后进行排序，将相邻两个高测体重所对应的时间进行差值计算获取得到高测时间差，将所有的高测时间差进行求和处理并取均值获取得到高测时间均差并标记为Tb；
[0019]步骤三:获取得到家畜测出低测体重的次数并标记为Cm，获取得到家畜测出高测体重的次数并标记为Cx；
[0020]步骤四：利用公式获取得到该家畜的低测特标值Lz；其中，a1、a2、a3均为预设比例系数，利用公式获取得到该家畜的高测特标值Or；其中，b1、b2、b3均为预设比例系数；利用公式获取得到该家畜的健康预警值Nx，其中，c1、c2均为预设比例系数，c1＞c2，设置健康预警值阈值为Vj，当家畜的健康预警值Nx≥健康预警值阈值Vj时，则将该家畜标记为健康预警家畜，并在该健康预警家畜的健康预警次数上增加一次，获取得到该健康预警家畜的健康预警次数并标记为
Fc，利用公式获取得到该健康预警家畜的优先体察值Mk，其中，d1、d2均为预设比例系数，将健康预警家畜按优先体察值的数值由大至小依次进行排序，按排序顺序依次对健康预警家畜进行体检观察。
[0021]进一步的，家畜的低测体重总值Gp通过下述步骤获取得到：将合理体重与低测体重进行差值计算,获取得到低测体重差值并标记为Pg,设置低测体重差值系数为Dk,利用公式获取得到家畜的低测体重总值Gp，i＝1、2
…
n，n为出现低测体重的家畜称重次数。
[0022]进一步的，家畜的高测体重总值Cw通过下述步骤获取得到：将高测体重与合理体重进行差值计算,获取得到高测体重差值并标记为Re,利用公式获取得到家畜的高测体重总值Cw，i＝1、2
…
n，n为出现高测体重的家畜称重次数。
[0023]与现有技术相比，本专利技术具备以下有益效果：
[0024]1、设置信息采集模块，可以对家畜每次称重信息的准确性进行判断，并将判断后正常的体重发送至对应电子耳标中存储，对判断后异常的体重进行具体分析，分析出家畜的体重异常是否是因为自身生病导致的，当判断出是因为生病导致的体重异常后，按检查优先级对家畜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的家畜智能称重系统，其特征在于，包括信息采集模块、健康预警模块；所述信息采集模块用于采集家畜的体重,并对家畜的体重进行判断，并将判断后正常的体重通过物联网发送至对应家畜的电子耳标中存储，对判断后异常的体重进行具体分析，将分析后错误异常的体重取消，将分析后准确异常的家畜按顺序进行检查，具体为：当家畜在称重平台时获取家畜的体重并标记为Wj，并对称重状态下的家畜拍摄照片，识读器对家畜的电子耳标进行识别，识别到该家畜的年龄，设置该年龄家畜的体重超量阈值为Wa、体重低量阈值为Wz，当体重低量阈值Wz≤该家畜的体重Wj≤体重超量阈值Wa时,则将该家畜标记为称重正常家畜,并将称重正常家畜的该次体重通过物联网发送至该家畜的电子耳标中存储；当该家畜的体重Wj＜体重低量阈值Wz或该家畜的体重Wj＞体重超量阈值Wa时，则将该家畜标记为称重异常家畜；获取同年龄且健康状态的s张其余家畜的素材照片，将素材照片标记为训练图像，对训练图像赋予图像标签，所述图像标签的取值范围为[0
‑
5]，制作图像分析模型，将称重状态下该家畜的拍摄照片作为图像分析模型的输入数据获取图像分析模型的输出数据，将输出数据标记为目标标签；获取目标标签对应拍摄照片的拍摄位置并标记为目标位置，形成家畜的健康状态图；在家畜的健康状态图中将目标位置按照目标标签进行颜色标记；当家畜的健康状态图中不存在红色标记时,则将该家畜的该次体重取消,当家畜的健康状态图中存在红色标记时,则将该家畜的该次体重通过物联网发送至该家畜的电子耳标中存储，获取得到该家畜的异常检查值Gt，将家畜按异常检查值的数值由大至小依次进行排序，按排序依次对家畜进行检查；所述健康预警模块用于对家畜的称重数据进行分析，分析家畜的健康情况是否需要预警，并对存在预警信号的家畜依次进行体检观察。2.根据权利要求1所述的一种基于物联网的家畜智能称重系统，其特征在于，图像标签的取值越大，表示素材照片的生病系数越高。3.根据权利要求2所述的一种基于物联网的家畜智能称重系统，其特征在于，图像分析模型通过下述方法制得：将训练图像获取按照设定比例划分成训练集和验证集；构建神经网络模型；通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为图像分析模型。4.根据权利要求3所述的一种基于物联网的家畜智能称重系统，其特征在于，将目标标签标记为Ty，当目标标签Ty∈[0,2]时，则将目标位置标记为绿色，当目标标签Ty∈(2,5]时，则将目标位置标记为红色。5.根据权利要求4所述的一种基于物联网的家畜智能称重系统，其特征在于，家畜的异常检查值Gt通过下述步骤获取得到：并将红色标记总数标记为异常总数，将异常总数标记为Zs，将红色标记对应的目标标签值进行求和处理得到标签总值并标记为P...

【专利技术属性】
技术研发人员：钱蓉，蔡家柱，请求不公布姓名，
申请(专利权)人：安徽哈泰智能科技有限公司，
类型：发明
国别省市：