养猪场生物安全管理系统、方法、介质、设备及终端技术方案

本发明专利技术涉及养殖安全管理技术领域，具体涉及一种养猪场生物安全管理系统、方法、介质、设备及终端。本发明专利技术包括位于养猪场的智能监测设备、AI边缘计算设备，以及位于后台的物联网服务器，智能监测设备，包括若干位于养猪场洗消通道的摄像头；AI边缘计算设备，为位于养猪场洗消通道的附近的Jeston Nano边缘设备，包括YOLOv5s目标检测模型、DeepSort跟踪模型、DeepStream框架模型；物联网服务器，其上搭载有生物安全管理平台；本发明专利技术实现对养殖场内出现的人员、车辆以及猪只实现记录并截取视频上传至物联网平台进行统一汇总监管和异常情况报警，实现猪场内外环境的相对隔离，减少场区间猪瘟传播风险。间猪瘟传播风险。

【技术实现步骤摘要】
养猪场生物安全管理系统、方法、介质、设备及终端


[0001]本专利技术涉及养殖安全管理
，具体涉及一种养猪场生物安全管理系统、方法、介质、设备及终端。

技术介绍

[0002]非洲猪瘟自2018年传入我国并大肆传播，使我国生猪出栏量锐减。不仅导致猪肉价格上涨，对于我国农业经济发展更是造成了严重影响。非洲猪瘟病毒具有迅疾、势猛、易传播和发病率致死率高的特点。虽然国际上很些研究机构针对非洲猪瘟疫苗开展研究，但存有各种问题，未真正地实现产业化。
[0003]建立严密安全的生物防控措施是当前对抗非洲猪瘟最有效的办法。猪场生物安全是指采取有效的疾病预防措施和防污染措施，有效地阻止传染病菌的传入以及猪场内的传播，维持养殖猪场的环境，为养殖猪群提供健康的环境，从而达到生猪养殖的最佳经济效益。目前，在落实生物安全管理措施的时候，国内大多数养殖场还是采用传统的人工监控手段。面对非洲猪瘟，我们必须从源头进行监控防范，传统手段对于严防监控力不从心。

技术实现思路

[0004]本专利技术要解决的技术问题是：克服现有技术的不足，提供一种养猪场本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种养猪场生物安全管理系统，其特征在于，包括位于养猪场的智能监测设备、AI边缘计算设备，以及位于后台的物联网服务器，其中：智能监测设备，包括若干位于养猪场洗消通道的摄像头，用于为AI边缘计算设备提供数据；AI边缘计算设备，为位于养猪场洗消通道的附近的Jeston Nano边缘设备，包括以下模型：YOLOv5s目标检测模型，包括Input模块、Backbone模块、Neck模块和Head模块，其中，Backbone模块内融入CBAM模块，用于实现对养猪场内检测目标的检测定位，检测目标包括进出养猪场的车辆、人员；DeepSort跟踪模型，包括轨迹处理和状态估计模块、相关性度量模块、级联匹配模块、深度特征描述器模块，用于对检测目标分配跟踪ID以及进行轨迹跟踪，并对检测目标进行记录，减少由于检测目标长时间逗留同一区域造成的重复上报；DeepStream框架模型，包括对DeepSort跟踪模型进行转解码从而实现模型计算加速的TensorRT模块，使用TensorRT模块进行推理或多流解码，推理插件与GPU或DLA交互使用实现加速推理，每个推理插件根据需要在管道中实例化若干次；物联网服务器，通过UDP与HTTP协议与AI边缘计算设备相连，其上搭载有生物安全管理平台；生物安全管理平台，通过AI边缘计算设备与智能监测设备相连，对摄像头采集的视频内待检目标使用目标检测网络进行一级类别的确定并检测目标坐标信息，从而进入闯入的判断以及后续逻辑判断，异常信息触发上报条件后开始录制视频；视频录制结束，打包视频以及异常信息上传至物联网服务器进行整合显示。2.如权利要求1所述的养猪场生物安全管理系统，其特征在于，所述AI边缘计算设备还包括审核机制模型和网络监测机制模型，其中：审核机制模型，是用户在平台端手动设置是否通过审核，即是否存在误上报的情况，当用户设置完后，针对上报情况进行归类划分，研发人员对上报情况的判断；当用户设置为不通过后，表明存在误上报情况，平台会自动截取视频图片添加到模型训练数据集中，增加现场数据集配合模型算法的改进，训练出适合养猪场的模型数据；网络监测机制模型，利用设备的重启来寻找网络，提高网络速度；设备重启清除设备缓存、消除程序运行卡顿。3.如权利要求1所述的养猪场生物安全管理系统，其特征在于，所述物联网服务器还包括数据中心、展示及信息中心，其中：数据中心，分为业务数据、工作人员管理数据、运行LOGO数据；展示及信息中心，分为猪场大屏展示系统、PC端展示系统、手机端展示系统。4.如权利要求1所述的养猪场生物安全管理系统，其特征在于，所述生物安全管理平台的异常信息包括摄像头安装位置、异常情况类型、上报时间、审核状态。5.一种养猪场生物安全管理方法，采用如权利要求1～4任意一项所述养猪场生物安全管理系统，其特征在于，包括如下步骤：S1：利用改进的YOLOv5s目标检测模型定位检测目标；S2：利用DeepSort跟踪模型跟踪目标对应在图像坐标中的运动信息；
S3：利用DeepStream框架模型灵活调用TensorRT模块对多路实时视频处理分析；S4：利用物联网平台实现物联网服务器与AI边缘计算设备交互通信，当物联网服务器需要给AI边缘计算设备发送报文指令时，先使用UDP协议与AI边缘计算设备进行三次握手，三次握手成功后将对应的报文内容传输给AI边缘计算设备，AI边缘计算设备解码后做出对应的响应，采用HTTP协议去向物联网服务器请求对应的响应内容；当AI边缘计算设备需要主动向物联网服务器发送文件时，携带传输内容采用HTTP协议主动向物联网服务器发送，物联网服务器接收传输内容并保存；S5：利用养猪场智能管理系统实现：AI边缘计算设备对视频流拼接输入后，对视频内待检目标使用目标检测网络进行一级类别的确定并检测位置坐标信息，从而进入闯入的判断以及后续逻辑判断，触发上报条件后开始录制视频，视频录制结束，打包视频以及异常信息上传至物联网服务器进行整合显示；S6：利用审...

【专利技术属性】
技术研发人员：王明甲，杜运亮，高帅，冯宇平，齐宝柱，杨旭睿，秦浩华，郭蓝天，张现军，赵波，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：