[发明专利]基于人工智能的畜类异常活动检测实时成像系统

说明书

本发明提供了一种基于人工智能的畜类异常活动检测实时成像系统，该系统包括：用于利用放牧时长和反刍行为以外其他行为的时长间接获取反刍动物群中离群个体的实际反刍时长的反刍时长统计模块、用于对预测反刍时长和实际反刍时长进行分析检测所述离群个体是否反刍异常的反刍异常检测模块以及用于对反刍异常的离群个体进行实时追踪成像的实时成像模块；本发明通过统计反刍行为以外其他行为的时长间接得到反刍时长，并结合预测反刍时长和统计得到的反刍时长进行畜类异常活动的判断,不需要动物佩戴有传感器，节约了成本。

技术领域

本发明涉及畜牧领域，具体为一种基于人工智能的畜类异常活动检测实时成像系统。

背景技术

现有根据反刍时长检测畜类异常活动的方法中一般是在动物嘴部附近放置传感器采集声音信号，根据声音特征在声音信号中提取出反刍时的声音信号，从而获取反刍时长；这种方法需要每只动物都佩戴有传感器，成本高且会影响动物进食的积极性。

发明内容

为了解决上述问题，本发明提出一种基于人工智能的畜类异常活动检测实时成像系统，该系统包括：

反刍时长统计模块，用于利用放牧时长和反刍行为以外其他行为的时长间接获取反刍动物群中离群个体的实际反刍时长；所述其他行为包括进食行为，则进食时长的获取步骤为：基于离群个体头部状态的出现概率在离群个体图像序列中截取离群个体进食图像序列，根据离群个体进食图像序列获取进食时长；

反刍异常检测模块，用于对预测反刍时长和实际反刍时长进行分析检测所述离群个体是否反刍异常；

实时成像模块，用于对反刍异常的离群个体进行实时追踪成像。

优选地，所述系统还包括识别所述离群个体：

对反刍动物个体的移动轨迹进行连通域分析获取主连通域和离散连通域；

根据离散连通域移动方向偏离主连通域移动方向的偏离程度识别出离散连通域对应的离群个体。

优选地，利用神经网络对所述离群个体的年龄、牧草质量进行拟合处理获取离群个体的预测反刍时长。

优选地，所述其他行为还包括正常站立行为、正常卧息行为、正常游走行为、饮水行为。

优选地，所述在离群个体图像序列中截取离群个体进食图像序列，具体为：

根据离群个体的头部状态确定低头起始帧；

从低头起始帧开始，在离群个体图像序列中顺序取离群个体图像加入分析子序列，每次加入后，根据每帧离群个体图像中离群个体头部状态的出现概率计算分析子序列出现的可能性，当可能性满足预设条件时，在分析子序列中截取离群个体进食图像序列。

优选地，所述头部状态的出现概率的获取过程为：

根据当前帧离群个体图像中离群个体周围牧草存在情况、当前帧离群个体图像对应的离群个体的累计移动距离、当前帧与前一个离群个体进食图像序列结束帧间的累计时间差，利用出现概率计算模型计算当前帧离群个体图像中头部状态的出现概率。

优选地，根据离群个体的头部状态判断离群个体是否处于进食状态；基于当前帧和所属分析子序列低头起始帧获取当前帧中离群个体的累计实际移动距离以及当前帧与前一个离群个体进食图像序列结束帧间的累计实际时间差；

根据所属分析子序列中当前帧之前处于进食状态的离群个体图像帧数、一帧进食行为获取的能量所能抵消的移动距离对所述累计实际移动距离进行距离抵扣得到累计移动距离；

根据所属分析子序列中当前帧之前处于进食状态的离群个体图像帧数、一帧进食行为获取的能量所能抵消的时间差对所述累计实际时间差进行时间差抵扣得到累计时间差。

优选地，基于图像中离群个体的头颈、躯干长度判断该帧中离群个体的头部状态。