本發(fā)明屬于養(yǎng)豬健康評(píng)估領(lǐng)域，具體涉及一種基于軌道式巡檢機(jī)器人的豬只健康評(píng)估方法。

背景技術(shù)：

1、為保證豬肉正常供給、提高生豬養(yǎng)殖抗風(fēng)險(xiǎn)能力和降低養(yǎng)殖成本，生豬養(yǎng)殖逐步向集約化、規(guī)?；约白詣?dòng)化的方向發(fā)展，數(shù)據(jù)顯示個(gè)體養(yǎng)殖戶正逐漸減少，目前我國(guó)生豬集約化養(yǎng)殖模式發(fā)展迅速，但由于起步較晚，智能化程度低，生產(chǎn)基礎(chǔ)薄弱，對(duì)于疫病的防護(hù)存在不足。同時(shí)集約化養(yǎng)殖模式下空間小且個(gè)體基數(shù)大的特點(diǎn)使豬只更容易交叉感染導(dǎo)致疫病大規(guī)模爆發(fā)，造成養(yǎng)殖場(chǎng)損失慘重。因此，在集約化養(yǎng)殖模式下生豬養(yǎng)殖的過(guò)程中，及時(shí)有效地評(píng)估并反饋豬只的健康情況并進(jìn)行健康預(yù)警，有助于養(yǎng)殖場(chǎng)快速地做出決策減少損失。生豬的健康狀況基于其各項(xiàng)健康指標(biāo)進(jìn)行判斷，對(duì)生豬養(yǎng)殖來(lái)說(shuō)，通過(guò)獲取豬只的各項(xiàng)生理及行為特征進(jìn)而提取其中蘊(yùn)含的健康指標(biāo)等可較為全面地評(píng)估其健康狀況，并針對(duì)性地調(diào)整飼喂方案，對(duì)精準(zhǔn)畜牧養(yǎng)殖發(fā)展、動(dòng)物福利評(píng)估都有重要意義。

2、生豬健康監(jiān)測(cè)對(duì)生豬養(yǎng)殖管理具有重要意義。目前，實(shí)際生產(chǎn)中仍然依賴人工巡查的方式監(jiān)測(cè)豬的健康狀態(tài)。豬場(chǎng)工作人員通過(guò)觀察豬只行為以及采集部分生理指標(biāo)進(jìn)行判斷，但人工巡查方法不僅耗時(shí)長(zhǎng)、成本高、效率低，且依賴于工作人員個(gè)人經(jīng)驗(yàn)，缺乏統(tǒng)一標(biāo)準(zhǔn)無(wú)法實(shí)現(xiàn)工業(yè)化推廣。此外，當(dāng)豬只出現(xiàn)較為明顯的異常時(shí)通常已處于患病晚期，而處于亞健康狀態(tài)或患病初期階段的豬只難以及時(shí)發(fā)現(xiàn)。

3、近年來(lái)研究人員探索采用各類穿戴式傳感器、攝像頭采集豬只數(shù)據(jù)以進(jìn)行豬只健康異常生理及行為特征提取，取得了一定進(jìn)展。例如蒼巖等采用respeaker?core?v2.0開發(fā)板和mobilenetv2網(wǎng)絡(luò)技術(shù)對(duì)豬只聲音分類，識(shí)別率可達(dá)97.3％；李菊霞等通過(guò)yolov4網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)不同視角圖像中的豬只飲水行為識(shí)別；薛月菊等針對(duì)哺乳母豬高危動(dòng)作識(shí)別困難的問(wèn)題，提出了一種基于隱馬爾科夫模型的深度視頻識(shí)別算法；周麗萍等基于熱紅外圖像提出改進(jìn)ostu算法檢測(cè)生豬耳根區(qū)域；趙海濤借鑒人臉關(guān)鍵點(diǎn)檢測(cè)技術(shù)對(duì)豬臉的紅外圖像進(jìn)行關(guān)鍵部位自動(dòng)識(shí)別。但以上研究只是獲取某一項(xiàng)豬只生理或行為特征，并未從豬只整體狀況的角度去考慮其健康狀況，同時(shí)固定式設(shè)備易損壞及掉落的問(wèn)題使得在成本上與人工并無(wú)明顯優(yōu)勢(shì)，難以進(jìn)行推廣應(yīng)用，而通過(guò)巡檢機(jī)器人搭載多種檢測(cè)設(shè)備對(duì)豬舍中所有豬只進(jìn)行巡查并提取其特征信息進(jìn)行分析能有效解決成本及評(píng)估角度單一的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的一種基于軌道式巡檢機(jī)器人的豬只健康評(píng)估方法解決了現(xiàn)有技術(shù)的豬只健康狀況評(píng)估依賴人工巡檢進(jìn)行判斷的問(wèn)題。

2、為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：一種基于軌道式巡檢機(jī)器人的豬只健康評(píng)估方法，包括以下步驟：

3、s1、通過(guò)軌道式巡檢機(jī)器人采集豬只的rgb圖像、紅外圖像和深度圖像，并記錄豬只健康狀況；

4、s2、通過(guò)深度學(xué)習(xí)模型根據(jù)rgb圖像、紅外圖像和深度圖像提取豬只的生理及行為特征，包括豬只體重特征、豬只體溫特征、豬只體表特征和豬只行為特征；

5、s3、根據(jù)豬只的生理及行為特征得到豬只的健康指標(biāo)，包括豬只體重健康指標(biāo)、豬只體溫健康指標(biāo)、豬只體表健康指標(biāo)和豬只行為健康指標(biāo)；

6、s4、將豬只的健康指標(biāo)通過(guò)z-score標(biāo)準(zhǔn)化，得到豬只的健康指標(biāo)的評(píng)分，包括豬只體重健康指標(biāo)的評(píng)分、豬只體溫健康指標(biāo)的評(píng)分、豬只體表健康指標(biāo)的評(píng)分和豬只行為健康指標(biāo)的評(píng)分；

7、s5、根據(jù)豬只健康狀況構(gòu)建隨機(jī)森林模型，將豬只的健康指標(biāo)的評(píng)分作為自變量，通過(guò)隨機(jī)森林模型訓(xùn)練得到健康指標(biāo)的權(quán)重，根據(jù)健康指標(biāo)的權(quán)重建立豬只健康評(píng)分模型，計(jì)算豬只的健康評(píng)分。

8、進(jìn)一步地：所述s2中，提取豬只體重特征的方法具體為：

9、將rgb圖像輸入rgb分支，生成rgb特征圖；

10、將深度圖像輸入深度分支，生成深度特征圖；

11、通過(guò)置信度分支生成與深度圖像尺寸一致的置信度圖；

12、通過(guò)融合模塊將置信度圖與對(duì)應(yīng)比例的深度特征圖相乘，生成增強(qiáng)的深度特征圖，將增強(qiáng)的深度特征圖與rgb特征圖合并，通過(guò)1×1卷積操作生成融合特征圖，通過(guò)融合特征圖提取豬只體重特征。

13、進(jìn)一步地：所述rgb分支與深度分支的結(jié)構(gòu)相同，均為resnet，其中，resnet處理輸入圖像的方法具體為：

14、將輸入圖像依次輸入resnet中的conv1至conv4卷積層進(jìn)行卷積操作，生成輸出特征圖。

15、進(jìn)一步地：生成置信度圖的方法具體為：

16、生成矩陣，在矩陣中標(biāo)識(shí)出深度圖像中深度值可靠的區(qū)域，并在矩陣中用0表示深度圖中深度值為0的位置，根據(jù)標(biāo)識(shí)后的矩陣生成有效性掩膜特征圖，將有效性掩膜特征圖輸入置信度圖估算器，經(jīng)過(guò)五次卷積操作生成置信度圖。

17、進(jìn)一步地：所述s2中，提取豬只體溫特征的方法具體為：

18、通過(guò)體溫提取模型在紅外圖像和rgb圖像上選取一組匹配的特征點(diǎn)，通過(guò)匹配的特征點(diǎn)坐標(biāo)信息計(jì)算仿射變換矩陣，仿射變換矩陣用于將rgb圖像上的坐標(biāo)轉(zhuǎn)化為紅外圖像上的坐標(biāo)；

19、通過(guò)rtmdet目標(biāo)檢測(cè)算法根據(jù)rgb圖像得到豬只個(gè)體及其耳根區(qū)域的位置信息，通過(guò)仿射變換矩陣將其轉(zhuǎn)換為紅外圖像上的位置信息，根據(jù)位置信息得到耳根處區(qū)域的紅外溫度矩陣，根據(jù)紅外溫度矩陣獲取豬只耳根處區(qū)域的最高溫度，將其作為豬只體溫特征。

20、進(jìn)一步地：所述s2中，提取豬只體表特征的方法具體為：

21、通過(guò)體表狀況提取模型根據(jù)rtmdet目標(biāo)檢測(cè)算法對(duì)rgb圖像中豬只體表出現(xiàn)的病變進(jìn)行識(shí)別，生成豬只體表特征。

22、進(jìn)一步地：所述s2中，提取豬只行為特征的方法具體為：

23、通過(guò)rtmpose關(guān)鍵點(diǎn)檢測(cè)算法根據(jù)rgb圖像的視頻幀獲取豬只的骨架關(guān)節(jié)點(diǎn)，生成豬只的骨架圖序列，將骨架圖序列與對(duì)應(yīng)的rgb視頻幀序列輸入到豬只行為識(shí)別模型中，得到豬只行為特征；

24、其中，豬只行為識(shí)別模型包括骨架圖處理分支和rgb處理分支，骨架圖處理分支和rgb處理分支均與特征融合模塊連接，特征融合模塊還與分類層連接，通過(guò)豬只行為識(shí)別模型得到豬只行為特征的方法具體為：

25、通過(guò)骨架圖處理分支根據(jù)時(shí)空?qǐng)D卷積網(wǎng)絡(luò)提取骨架圖序列的時(shí)空間特征，得到骨架特征，通過(guò)rgb處理分支根據(jù)r(2+1)d網(wǎng)絡(luò)提取rgb視頻幀序列的時(shí)空間特征，得到rgb特征；

26、將骨架特征和rgb特征輸入特征融合模塊，通過(guò)全局平均池化操作將骨架特征轉(zhuǎn)換為長(zhǎng)度為cs的向量，cs為骨架特征的通道數(shù)，將向量通過(guò)廣播操作調(diào)整為維度大小cs×w×h的的張量，w為張量的寬度，h為張量的長(zhǎng)度，將張量與rgb特征按照其序列從第一幀到第tr幀進(jìn)行拼接操作，tr為輸入的rgb視頻幀序列長(zhǎng)度，拼接后的張量輸入至1×1×1大小的卷積中調(diào)整其通道大小，得到融合特征；

27、將融合特征輸入分類層得到行為分類結(jié)果，通過(guò)統(tǒng)計(jì)得到豬只行為特征。

28、進(jìn)一步地：所述s3中，得到豬只體重健康指標(biāo)的方法具體為：

29、根據(jù)豬只當(dāng)前的生長(zhǎng)階段和品種選擇體重指標(biāo)模型，通過(guò)體重指標(biāo)模型根據(jù)豬只體重特征和豬只的日齡輸出豬只體重健康指標(biāo)；

30、得到豬只體溫健康指標(biāo)的方法具體為：

31、根據(jù)豬只所處的豬舍類型選擇對(duì)應(yīng)的溫度指標(biāo)模型，通過(guò)溫度指標(biāo)模型根據(jù)豬只體溫特征和環(huán)境溫濕度數(shù)據(jù)輸出豬只體溫健康指標(biāo)；

32、得到豬只體表健康指標(biāo)的方法具體為：

33、通過(guò)體表健康指標(biāo)模型根據(jù)豬只體表特征檢測(cè)豬只體表異常癥狀及其嚴(yán)重程度，輸出豬只體表健康指標(biāo)；

34、得到豬只行為健康指標(biāo)的方法具體為：

35、根據(jù)豬只當(dāng)前生長(zhǎng)階段選擇行為指標(biāo)模型，通過(guò)行為指標(biāo)模根據(jù)豬只行為特征提取的豬只行為類型及出現(xiàn)頻次，輸出豬只行為健康指標(biāo)。

36、進(jìn)一步地：所述s5中，健康指標(biāo)的權(quán)重包括豬只體重健康指標(biāo)的權(quán)重wweight、豬只體溫健康指標(biāo)的權(quán)重wtemp、豬只體表健康指標(biāo)的權(quán)重wskin和豬只行為健康指標(biāo)的權(quán)重wbehavior；

37、通過(guò)豬只健康評(píng)分模型計(jì)算豬只的健康評(píng)分的表達(dá)具體為：

38、h＝wweight·sweight+wtemp·stemp+wskin·sskin+wbehavior·sbehavior

39、式中，sweight為豬只體重健康指標(biāo)的評(píng)分，stemp為豬只體溫健康指標(biāo)的評(píng)分，sskin為豬只體表健康指標(biāo)的評(píng)分，sbehavior為豬只行為健康指標(biāo)的評(píng)分。

40、本發(fā)明的有益效果為：

41、(1)本發(fā)明提供了一種基于軌道式巡檢機(jī)器人的豬只健康評(píng)估方法，通過(guò)設(shè)計(jì)搭載多種采集設(shè)備的軌道式巡檢機(jī)器人采集豬只視頻圖像及豬舍環(huán)境數(shù)據(jù)，并通過(guò)構(gòu)建深度學(xué)習(xí)模型提取豬只的生理及行為特征，基于上述特征構(gòu)建豬只的健康指標(biāo)，進(jìn)而實(shí)現(xiàn)豬只的健康評(píng)分，以此實(shí)現(xiàn)一種自動(dòng)化的豬只健康評(píng)估。

42、(2)本發(fā)明采用搭載了多種數(shù)據(jù)采集設(shè)備的軌道式巡檢機(jī)器人，對(duì)整個(gè)豬舍進(jìn)行數(shù)據(jù)采集及巡查。相比傳統(tǒng)的固定式攝像頭采集策略，軌道式巡檢機(jī)器人具備更高的靈活性，能夠覆蓋更廣的區(qū)域，并且可以根據(jù)需要調(diào)整巡查路線及時(shí)間，從而確保數(shù)據(jù)采集的全面性和準(zhǔn)確性。此外，移動(dòng)設(shè)備的使用使得系統(tǒng)部署和維護(hù)成本更為可控。

43、(3)精準(zhǔn)體重監(jiān)測(cè)與健康評(píng)估：本發(fā)明設(shè)計(jì)了一個(gè)結(jié)合rgb和深度圖像的體重估測(cè)模型用于監(jiān)測(cè)豬只每日體重變化，通過(guò)融合兩種模態(tài)的數(shù)據(jù)實(shí)現(xiàn)了更精準(zhǔn)的豬只體重估測(cè)。同時(shí)還設(shè)計(jì)了一個(gè)用于反映豬只生長(zhǎng)狀態(tài)和健康狀況的健康評(píng)估指標(biāo)，該指標(biāo)結(jié)合算法估測(cè)得到的豬只體重與目標(biāo)豬只的日齡及類型，為養(yǎng)殖人員提供科學(xué)的健康管理依據(jù)，有助于及時(shí)發(fā)現(xiàn)生長(zhǎng)異常，優(yōu)化飼養(yǎng)策略。

44、(4)精確體溫測(cè)量與健康評(píng)估：本發(fā)明設(shè)計(jì)了一個(gè)結(jié)合rgb圖像和紅外圖像的豬只體溫檢測(cè)模型，通過(guò)提高目標(biāo)區(qū)域的定位精度和溫度讀取的準(zhǔn)確性實(shí)現(xiàn)了對(duì)豬只耳根區(qū)域體溫的精確測(cè)量。進(jìn)一步結(jié)合體溫信息和環(huán)境溫濕度數(shù)據(jù)構(gòu)建豬只體溫健康指標(biāo)，增強(qiáng)了健康評(píng)估的全面性和可靠性。

45、(5)自動(dòng)化病變識(shí)別與健康評(píng)估：本發(fā)明通過(guò)目標(biāo)檢測(cè)與分類模型的結(jié)合，實(shí)現(xiàn)了對(duì)豬只體表病變的自動(dòng)識(shí)別與嚴(yán)重程度分類。并設(shè)計(jì)了根據(jù)豬只體表病變類型與嚴(yán)重程度構(gòu)建的豬只體表狀況健康評(píng)估指標(biāo)，能夠幫助養(yǎng)殖者快速識(shí)別豬只的體表問(wèn)題，有效提升了疾病防控的效率和準(zhǔn)確性。

46、(6)行為識(shí)別與健康監(jiān)測(cè)：本發(fā)明設(shè)計(jì)了一個(gè)結(jié)合時(shí)序豬只骨架信息和rgb視頻流的豬只行為識(shí)別模型，通過(guò)骨架特征指導(dǎo)rgb特征學(xué)習(xí)提高的豬只行為識(shí)別的精度。通過(guò)行為識(shí)別模型統(tǒng)計(jì)豬只各類行為發(fā)生的時(shí)間和頻次，結(jié)合豬只的日齡和類型構(gòu)建豬只行為健康評(píng)估指標(biāo)，使得健康監(jiān)測(cè)更加全面，有助于及時(shí)發(fā)現(xiàn)行為異常，預(yù)防潛在的健康問(wèn)題。

47、(7)健康指標(biāo)權(quán)重計(jì)算：本發(fā)明利用隨機(jī)森林模型計(jì)算各項(xiàng)健康指標(biāo)的權(quán)重。隨機(jī)森林模型通過(guò)分析各項(xiàng)健康指標(biāo)對(duì)豬只健康狀況的影響，確定不同健康指標(biāo)的權(quán)重，使得豬只健康狀況的評(píng)估結(jié)果更加科學(xué)和客觀。該方法不僅提升了評(píng)估的精準(zhǔn)性，還為健康管理提供了可靠的決策依據(jù)。

48、(8)多維度健康評(píng)估體系：本發(fā)明通過(guò)整合豬只體重、體溫、體表狀況及行為等多維度數(shù)據(jù)，構(gòu)建了全面的健康評(píng)估體系。這種多維度數(shù)據(jù)融合的方法有效避免了單一指標(biāo)評(píng)估的局限性，提高了健康狀況評(píng)估的全面性和準(zhǔn)確性。同時(shí)，也為疾病預(yù)防和管理提供了更加豐富的信息來(lái)源和決策依據(jù)

49、(9)多尺度健康監(jiān)測(cè)與預(yù)警：基于軌道式巡檢機(jī)器人，本發(fā)明可以實(shí)現(xiàn)從豬只個(gè)體、豬舍整體、單次巡查結(jié)果、全天巡查結(jié)果等多個(gè)時(shí)間空間尺度下進(jìn)行健康狀況評(píng)估。該系統(tǒng)方法能夠全面評(píng)估養(yǎng)殖場(chǎng)內(nèi)的健康狀況，提供從個(gè)體到整體的多層次健康監(jiān)測(cè)和預(yù)警。多角度的評(píng)估能夠及時(shí)發(fā)現(xiàn)潛在健康問(wèn)題，提升養(yǎng)殖場(chǎng)的管理水平和生產(chǎn)效率。