一种母猪分娩智能预测系统及方法技术方案

本发明专利技术公开了一种母猪分娩智能预测系统及方法，涉及养猪业领域，系统包括

【技术实现步骤摘要】
一种母猪分娩智能预测系统及方法


[0001]本专利技术涉及养猪业领域，特别是涉及一种母猪分娩智能预测系统及方法
。

技术介绍

[0002]养猪业在中国经济中占据着非常重要的地位，随着养猪行业的发展，如何实现集约化
、
精细化
、
智能化的生产管理成为了行业面临的重要问题
。
母猪是生猪养殖业的主要育种对象之一，母猪的生产能力和生产效益对于整个养猪产业都具有重要的意义
。
母猪在产仔过程中会面临着极大的压力，这有可能威胁到母猪自身的健康，甚至导致仔猪的高死亡率
。
因此，精准掌握母猪的分娩时间对生猪养殖具有很重要的意义，通过预测母猪的分娩时间，可以帮助养殖人员及时进行分娩监控和干预，以避免难产和其他分娩并发症的发生，从而保证母猪和仔猪的安全和健康
。
对于需要手动援助或使用催产素帮助分娩的母猪，可以及时提供必要的支持和治疗，从而确保母猪产后健康以及降低仔猪死亡率，提高生猪生产效益
。
[0003]目前有众多研究者设计了多种基于现代科学技术的母猪分娩时间预测方法，但存在对设备和技术要求高，影响母猪健康，只针对姿态信息进行预测，检测范围较窄，无法对其他可能影响分娩时间的因素进行分析，稳定性和鲁棒性较低的问题
。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种母猪分娩智能预测系统及方法解决了现有技术存在对设备和技术要求高，影响母猪健康，只针对姿态信息进行预测，检测范围较窄，无法对其他可能影响分娩时间的因素进行分析，稳定性和鲁棒性较低的问题
。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种母猪分娩智能预测系统，包括
AI
边缘设备模块
、
环境因子采集模块
、
网络传输模块
、
视频图像数据存储模块
、
本地服务器
、
云服务器和终端实时显示模块，所述网络传输模块包括交换机和传感器网关，所述交换机通过网线分别与
AI
边缘设备模块
、
视频图像数据存储模块和本地服务器连接，所述传感器网关通过网线与本地服务器连接，所述环境因子采集模块与传感器网关通信连接，所述本地服务器与云服务器通信连接，所述云服务器与终端实时显示模块通信连接；所述
AI
边缘设备模块用于采集和处理母猪限位栏环境下的妊娠后期母猪的视频图像数据，所述环境因子采集模块用于采集猪舍的环境因子数据，所述网络传输模块用于
AI
边缘设备模块
、
环境因子采集模块
、
视频图像数据存储模块和本地服务器之间的数据传输，所述视频图像数据存储模块用于长期存储视频图像数据，所述本地服务器用于对传来的数据进行统筹管理和处理数据交互，所述云服务器用于部署母猪分娩时间预测模型，所述终端实时显示模块用于实时显示母猪分娩的预测时间，以及实时监测母猪生理健康状况
。
[0006]上述方案的有益效果是：本专利技术提供了一种母猪分娩智能预测系统，利用
AI
边缘设备模块
、
环境因子采集模块
、
网络传输模块
、
视频图像数据存储模块和本地服务器采集数
据
、
传输数据
、
存储数据以及处理数据，在采集数据时本专利技术还考虑了环境因子对分娩时间的影响，利用云服务器预测母猪分娩时间，利用终端设备实时显示和检测相关数据
。
本专利技术解决了现有技术存在对设备和技术要求高，影响母猪健康，只针对姿态信息进行预测，检测范围较窄，无法对其他可能影响分娩时间的因素进行分析，稳定性和鲁棒性较低的问题
。
[0007]进一步地，
AI
边缘设备模块包括多个
AI
边缘设备，所述
AI
边缘设备安装在每个母猪限位栏正上方的天花板上，所述
AI
边缘设备包括摄像头和
AI
计算核心单元，所述摄像头位于
AI
计算核心单元下方且二者活动连接，所述摄像头包括
RGB
摄像头模组
、
热红外成像模组和深度摄像头模组，且
RGB
摄像头模组
、
热红外成像模组和深度摄像头模组位于同一平面内；所述
AI
计算核心单元采用
Jetson Xavier NX
子模块，所述
Jetson Xavier NX
子模块集成在一个工控机壳内，并配置有电源单元和散热单元，所述
RGB
摄像头模组
、
热红外成像模组和深度摄像头模组均通过
MIPI CSI
接口与
Jetson Xavier NX
子模块连接
。
[0008]上述进一步方案的有益效果是：利用摄像头采集
RGB
图像数据和热红外数据，利用
AI
计算核心单元检测母猪姿态，
AI
计算核心单元采用的
Jetson Xavier NX
子模块，集成了8核
ARM CPU
和
384
核
NVIDIA GPU
，能提供
10TOPS
的
AI
计算能力，支持各种神经网络算法部署，同时，
MIPI CSI
接口是一种点到点的串行接口，支持高速图像数据传输
。
[0009]进一步地，环境因子采集模块包括环境传感器，所述环境传感器包括温湿度传感器
、
二氧化碳浓度传感器和氨气浓度传感器，每三个母猪限位栏设置一个环境传感器
。
[0010]上述进一步方案的有益效果是：通过上述技术方案，考虑温湿度
、
二氧化碳和氨气等环境因子对母猪分娩时间的影响因素，提高预测精度和鲁棒性
。
[0011]除此之外，本专利技术还采用的技术方案为：一种母猪分娩智能预测方法，包括以下步骤：
S1
：利用
AI
边缘设备模块和环境因子采集模块全天不间断的采集母猪限位栏下妊娠后期母猪的
RGB
视频数据
、
热红外数据和环境因子数据；
S2
：对采集的
RGB
视频数据进行视频图像预处理，将预处理后的
RGB
视频数据输入至
AI
计算核心单元中部署的基于关键点检测的母猪姿态检测算法中，对母猪姿态进行检测；
S3
：当检测到母猪姿态为侧卧时，记录本帧检测结果，并根据检测结果提取母猪侧卧时的
RGB
视频数据，同时从采集的热红外数据中提取对应时间点的母猪侧卧时的热红本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种母猪分娩智能预测系统，其特征在于，包括
AI
边缘设备模块
、
环境因子采集模块
、
网络传输模块
、
视频图像数据存储模块
、
本地服务器
、
云服务器和终端实时显示模块，所述网络传输模块包括交换机和传感器网关，所述交换机通过网线分别与
AI
边缘设备模块
、
视频图像数据存储模块和本地服务器连接，所述传感器网关通过网线与本地服务器连接，所述环境因子采集模块与传感器网关通信连接，所述本地服务器与云服务器通信连接，所述云服务器与终端实时显示模块通信连接；所述
AI
边缘设备模块用于采集和处理母猪限位栏环境下的妊娠后期母猪的视频图像数据，所述环境因子采集模块用于采集猪舍的环境因子数据，所述网络传输模块用于
AI
边缘设备模块
、
环境因子采集模块
、
视频图像数据存储模块和本地服务器之间的数据传输，所述视频图像数据存储模块用于长期存储视频图像数据，所述本地服务器用于对传来的数据进行统筹管理和处理数据交互，所述云服务器用于部署母猪分娩时间预测模型，所述终端实时显示模块用于实时显示母猪分娩的预测时间，以及实时监测母猪生理健康状况
。2.
根据权利要求1所述的母猪分娩智能预测系统，其特征在于，所述
AI
边缘设备模块包括多个
AI
边缘设备，所述
AI
边缘设备安装在每个母猪限位栏正上方的天花板上，所述
AI
边缘设备包括摄像头和
AI
计算核心单元，所述摄像头位于
AI
计算核心单元下方且二者活动连接，所述摄像头包括
RGB
摄像头模组
、
热红外成像模组和深度摄像头模组，且
RGB
摄像头模组
、
热红外成像模组和深度摄像头模组位于同一平面内；所述
AI
计算核心单元采用
Jetson Xavier NX
子模块，所述
Jetson Xavier NX
子模块集成在一个工控机壳内，并配置有电源单元和散热单元，所述
RGB
摄像头模组
、
热红外成像模组和深度摄像头模组均通过
MIPI CSI
接口与
Jetson Xavier NX
子模块连接
。3.
根据权利要求1所述的母猪分娩智能预测系统，其特征在于，所述环境因子采集模块包括环境传感器，所述环境传感器包括温湿度传感器
、
二氧化碳浓度传感器和氨气浓度传感器，每三个母猪限位栏设置一个环境传感器
。4.
一种母猪分娩智能预测方法，其特征在于，包括以下步骤：
S1
：利用
AI
边缘设备模块和环境因子采集模块全天不间断的采集母猪限位栏下妊娠后期母猪的
RGB
视频数据
、
热红外数据和环境因子数据；
S2
：对采集的
RGB
视频数据进行视频图像预处理，将预处理后的
RGB
视频数据输入至
AI
计算核心单元中部署的基于关键点检测的母猪姿态检测算法中，对母猪姿态进行检测；
S3
：当检测到母猪姿态为侧卧时，记录本帧检测结果，并根据检测结果提取母猪侧卧时的
RGB
视频数据，同时从采集的热红外数据中提取对应时间点的母猪侧卧时的热红外数据；
S4
：将母猪侧卧时的
RGB
视频数据和母猪侧卧时的热红外数据进行视频分帧和图像增强预处理；
S5
：将预处理后的母猪侧卧时的
RGB
视频数据输入至云服务器中的基于光流法的母猪躯体抖动检测算法中，提取母猪躯体抖动的时间序列数据；
S6
：将预处理后的母猪侧卧时的热红外数据输入至云服务器中的基于实例分割与
PCA
的母猪体温提取算法中，提取母猪体温的时间序列数据；
S7
：对采集的环境因子数据通过特征工程进行降维处理，获得环境因子的时间序列数据，对环境因子的时间序列数据
、
母猪躯体抖动的时间序列数据和母猪体温的时间序列数据进行数据预处理；
S8
：将预处理后的各个时间序列数据输入至云服务器中的基于
LSTM
‑
KF
的分娩时间预测算法中，获得母猪分娩时间预测结果，完成母猪分娩智能预测
。5.
根据权利要求4所述的母猪分娩智能预测方法，其特征在于，所述
S2
中基于关键点检测的母猪姿态检测算法采用改进的
GS
‑
yolov7
，所述改进的
GS
‑
yolov7
为将原始
yolov7
的颈部网络中的
CBS
模块替换成
GSConv
...

【专利技术属性】
技术研发人员：肖德琴，刘克坚，黄一桂，闫志广，康俊琪，陈芳玲，周圣杰，陈淼彬，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：