[发明专利]一种基于物联网的养猪场体温监测系统

权利要求书

1.一种基于物联网的养猪场体温监测系统，其特征在于，包括坐标匹配模块、红外热成像模块、模型训练模块、物体识别模块、体温监测模块以及体温报警模块；其中，各个模块之间通过电气和/或无线网络方式连接；

所述坐标匹配模块用于为每头猪进行编号，并实时获取每头猪的位置；所述坐标匹配模块实时将每头猪的位置以及猪的编号发送至体温报警模块；

所述红外成像模块用于采用红外成像技术获取养猪场的热源图像；所述红外成像模块实时将热源图像发送至物体识别模块以及体温监测模块；

所述模型训练模块用于训练出根据热源图像，识别物体形态的神经网络模型；所述模型训练模块将CNN神经网络模型发送至物体识别模块；

所述物体识别模块用于使用CNN神经网络模型M识别热源图像中的猪；所述物体识别模块将该识别为猪的物体在热源图像中的位置发送至体温监测模块；

所述体温监测模块用于实时监测每头猪的体温；并在猪体温异常时发送体温过低信号或体温过高信号；

所述体温报警模块用于在猪体温异常时，向饲养员发送报警信息并通知饲养员异常猪的位置。

2.根据权利要求1所述的一种基于物联网的养猪场体温监测系统，其特征在于，所述坐标匹配模块通过人工标记的方式为每头猪设置一个唯一的编号；且所述坐标匹配模块在每头猪身上绑定一个定位装置；该定位装置预先存储每头猪的编号。

3.根据权利要求1所述的一种基于物联网的养猪场体温监测系统，其特征在于，所述红外热成像模块包括安装在养猪场不同位置的若干红外热成像仪；每个红外热成像仪实时生成养猪场检测范围内的热源图像。

4.根据权利要求1所述的一种基于物联网的养猪场体温监测系统，其特征在于，所述模型训练模块训练识别物体形态的神经网络模型包括以下步骤：

步骤S1：所述模型训练模块预先收集若干热源图像；并在热源图像中对具有热度的物体打上标签；

步骤S2：所述模型训练模块将收集到的打上标签的热源图像作为输入，输入至CNN神经网络模型中；所述CNN神经网络模型的输出为预测的热源图像中的热源是否为猪；若判断为猪，则输出1；否则输出0；所述CNN神经网络模型以输出的判断与热源图像的实际标记进行比较，以预测的准确率作为CNN神经网络的训练目标；所述CNN神经网络的训练参数根据实际经验进行设置以及调节；

步骤S3：CNN神经网络预测准确率达到95%时停止训练；将训练完成的CNN神经网络模型标记为M。

5.根据权利要求4所述的一种基于物联网的养猪场体温监测系统，其特征在于，所述对具有热度物体打标签的方式为将猪标记为1，将其余具有温度的物体标记为0。

6.根据权利要求1所述的一种基于物联网的养猪场体温监测系统，其特征在于，所述物体识别模块识别热源图像中的猪包括以下步骤：

步骤P1：所述物体识别模块接收来自所述红外成像模块发送的热源图像；并根据每台红外热成像仪的安装位置使用图像拼接技术，将热源图像拼接成完整的养猪场图像；

步骤P2：所述物体识别模块使用图像分析技术，根据热源图像中的颜色变化幅度，获取热源图像中的有温度物体的形状；

步骤P3：所述物体识别模块使用CNN神经网络模型M判断每个有温度的物体是否是猪。