【技术实现步骤摘要】
【国外来华专利技术】经由图像分割的饲喂槽体积估计
[0001]相关申请的交叉引用
[0002]本申请要求2021年2月10日提交的美国临时申请63/147,902号的权益,该临时申请全文以引用方式并入本文。
技术介绍
[0003]畜牧业是一个竞争激烈的行业。市场需要动物产品以非常有竞争力的成本并且在严格的健康和安全法规下递送。确保递送有竞争力的动物产品的一个方面是密切管理动物的饲喂。这不仅包括提供给动物的食物的类型,而且还包括饲料递送的量和时间。适当饲喂动物对于建立适当的体重和营养是至关重要的。通常经由使用饲喂槽来饲喂动物,该饲喂槽根据需要为动物食用的饲料提供储存位置。因此,需要改善管理动物饲喂槽的方法。
附图说明
[0004]图1示出了饲喂槽的示例性分割。
[0005]图2示出了实施所公开的实施方案中的一个或多个实施方案的系统的示例性部署。
[0006]图3是在所公开的实施方案中的一个或多个实施方案中实施的系统的概览图。
[0007]图4是示出示例性饲料可用性度量的表格。
[0008]图5是由所公开的实施方案中的一个或多个实施方案生成的示例性报告。
[0009]图6是由所公开的实施方案中的一个或多个实施方案实施的示例性报告。
[0010]图7是在所公开的实施方案中的一个或多个实施方案中实施的示例性报告。
[0011]图8是在所公开的实施方案中的一个或多个实施方案中生成的示例性报告。
[0012]图9是根据本公开的一些示例的示例性机器学习模块。
[0013]图 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,所述方法包括:建立饲喂槽的区段边界,所述区段边界包围所述饲喂槽的区域的一部分并且限定至少两个封闭区段;经由成像传感器获得表示所述饲喂槽的成像数据;基于所述成像数据并使用至少一个处理器电路:确定所述至少两个封闭区段中的相应封闭区段内的饲料的相应体积;确定所确定的相应体积是否满足对应的标准;以及基于所确定的体积中的至少一个体积是否满足所述对应的标准来生成到另一设备的输出信号。2.根据权利要求1所述的方法,其中建立所述区段边界包括限定封闭区段的相应行,所述行沿所述饲喂槽纵向延伸且基本上彼此平行。3.根据权利要求2所述的方法,其中所述相应行中的第一行中的相应封闭区段对应于所述相应行中的第二行中的相应封闭区段。4.根据权利要求1所述的方法,其中所述成像传感器是光检测和测距(LIDAR)传感器,所述成像数据是第一LIDAR点云,并且所述相应体积的确定基于所述第一LIDAR点云。5.根据权利要求4所述的方法,所述方法还包括:将所述第一LIDAR点云提供给机器学习模型;以及使用所述机器学习模型建立第一行封闭区段与第二行封闭区段之间的边界的位置。6.根据权利要求5所述的方法,所述方法还包括从所述机器学习模型获得所述第一行封闭区段的第二边界和所述第二行封闭区段的第三边界,其中确定饲料的所述相应体积包括:基于所述第一边界和所述第二边界确定所述第一行封闭区段中的饲料体积;以及基于所述第一边界和所述第三边界确定所述第二行封闭区段中的所述饲料体积。7.根据权利要求4所述的方法,其中确定所述相应体积确定了参考LIDAR点云与所述第一LIDAR点云之间的差异。8.根据权利要求1所述的方法,其中所述成像传感器是无源光学成像传感器,并且所述方法还包括将所述成像数据提供给机器学习模型,以及从所述机器学习模型接收标记数据,所述标记数据表示对相应封闭区段内的饲料的相应体积的估计。9.根据权利要求1所述的方法,所述方法还包括将所述成像数据提供给机器学习模型,以及从所述机器学习模型接收所述饲喂槽是否包括不可达饲料区域的指示,其中建立所述相应区段边界包括限定对应于不可达饲料区域的至少一个相应封闭区段。10.根据权利要求1所述的方法,所述方法还包括:使得在显示器上显示所述饲喂槽的图像;以及接收限定所述区段边界的输入,其中对相应封闭区段内的饲料的所述相应体积的确定基于所接收的输入。11.根据权利要求1所述的方法,所述方法还包括接收限定相应区段边界的至少一个维度的输入。12.根据权利要求1所述的方法,所述方法还包括基于第一封闭区段中的满足标准的确定饲料体积来确定饲料短缺状况,所述第一封闭区段由第一行封闭区段边界中的所述区段
边界限定,其中所述输出信号由所确定的饲料短缺状况触发。13.根据权利要求12所述的方法,所述方法还包括基于由另一行封闭区段中的所述区段边界限定的另一个封闭区段中的第二确定饲料体积来确定所述饲料短缺状况是由于不可达饲料。14.根据权利要求1所述的方法,其中所述区段边界限定第一行封闭区段和第二行封闭区段。15.根据权利要求14所述的方法,所述方法还包括:检测饲喂事件;以及基于所述第一行中的相应封闭区段中的剩余饲料的所确定的相应体积来确定所述第一行中的所述相应封闭区段的拒绝体积,其中所述输出信号的生成基于所确定的拒绝体积。16.根据权利要求15所述的方法,其中所述饲喂事件的检测基于一天中的时间。17.根据权利要求15所述的方法,所述方法还包括捕获所述饲喂槽的图像,其中所述饲喂事件的检测基于所述图像。18.根据权利要求14所述的方法,所述方法还包括:基于所述第二行区段中的相应封闭区段中的饲料的所确定的相应体积,确定所述第二行区段中的每个区段的不可达拒绝体积,其中所述输出信号的生成基于所确定的不可达拒绝体积。19.根据权利要求18所述的方法,所述方法还包括通过对所述第一行和所述第二行的对应封闭区段中的拒绝体积和不可达拒绝体积求和来确定测量的拒绝,其中所述输出信号的生成基于所确定的测量的拒绝体积。20.根据权利要求2所述的方法,所述方法还包括:接收来自传感器的输入;以及基于所述输入确定饲料的密度。21.根据权利要求20所述的方法,其中所述传感器包括秤。22.根据权利要求20所述的方法,其中所述传感器包括水分传感器。23.根据权利要求20所述的方法,所述方法还包括基于所确定的体积和所述饲料的密度来确定饲料重量,其中所述输出信号的生成基于所确定的饲料重量。24.根据权利要求1所述的方法,所述方法还包括基于所述输出信号生成警报。25.根据权利要求1所述的方法,所述方法还包括基于所述输出信号控制机械化喂料机的操作。26.根据权利要求25所述的方法,其中所述控制操作包括触发所述机械化喂料机以分配饲料。27.根据权利要求25所述的方法,其中所述控制操作包括建立待在由所述区段边界限定的相应封闭区段内分配的饲料量。28.根据权利要求25所述的方法,其中所述控制操作包括触发将饲料从不可达封闭区段上推到可达封闭区段。29.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质包括指令,所述指令在被执行时将硬件处理电路系统配置为执行操作,所述操作包括:
建立饲喂槽的区段边界,所述区段边界包围所述饲喂槽的区域的一部分并且限定至少两个封闭区段;经由成像传感器获得表示所述饲喂槽的成像数据;基于所述成像数据并使用至少一个处理器电路:确定所述至少两个封闭区段中的相应封闭区段内的饲料的相应体积;确定所确定的相应体积是否满足对应的标准;以及基于所确定的体积中的至少一个体积是否满足所述对应的标准来生成到另一设备的输出信号。30.根据权利要求29所述的非暂态计算机可读存储介质,其中建立所述区段边界包括限定封闭区段的相应行,所述行沿所述饲喂槽纵向延伸且基本上彼此平行。31.根据权利要求30所述的非暂态计算机可读存储介质,其中所述相应行中的第一行中的相应封闭区段对应于所述相应行中的第二行中的相应封闭区段。32.根据权利要求29所述的非暂态计算机可读存储介质,其中所述成像传感器是光检测和测距(LIDAR)传感器,所述成像数据是第一LIDAR点云,并且所述相应体积的确定基于所述第一LIDAR点云。33.根据权利要求32所述的非暂态计算机可读存储介质,所述操作还包括:将所述第一LIDAR点云提供给机器学习模型;以及使用所述机器学习模型建立第一行封闭区段与第二行封闭区段之间的边界的位置。34.根据权利要求33所述的非暂态计算机可读存储介质,所述操作还包括从所述机器学习模型获得所述第一行封闭区段的第二边界和所述第二行封闭区段的第三边界,其中确定饲料的所述相应体积包括:基于所述第一边界和所述第二边界确定所述第一行封闭区段中的饲料体积;以及基于所述第一边界和所述第三边界确定所述第二行封闭区段中的所述饲料体积。35.根据权利要求32所述的非暂态计算机可读存储介质,其中确定所述相应体积确定了参考LIDAR点云与所述第一LIDAR点云之间的差异。36.根据权利要求29所述的非暂态计算机可读存储介质,其中所述成像传感器是无源光学成像传感器,并且所述操作还包括将所述成像数据提供给机器学习模型,以及从所述机器学习模型接收标记数据,所述标记数据表示对相应封闭区段内的饲料的相应体积的估计。37.根据权利要求29所述的非暂态计算机可读存储介质,所述操作还包括将所述成像数据提供给机器学习模型,以及从所述机器学习模型接收所述饲喂槽是否包括不可达饲料区域的指示,其中建立所述相应区段边界包括限定对应于不可达饲料区域的至少一个相应封闭区段。38.根据权利要求29所述的非暂态计算机可读存储介质,所述操作还包括:使得在显示器上显示所述饲喂槽的图像;以及接收限定所述区段边界的输入,其中对相应封闭区段内的饲料的所述相应体积的确定基于所接收的输入。39.根据权利要求29所述的非暂态计算机可读存储介质,所述操作还包括接收限定相应区段边界的至少一个维度的输入。
40.根据权利要求29所述的非暂态计算机可读存储介质,所述操作还包括基于第一封闭区段中的满足标准的确定饲料体...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。