一种用于动物养殖的监测方法
【专利摘要】本发明实施例提出了一种用于动物养殖的监控方法，以提高对动物活动监测的准确率。该方法包括：监测动物活动各方向的加速度向量数据；判断加速度向量数据是否呈周期特性变化；如果所述加速度向量数据呈现周期特征变化，判定所述动物处于行走状态。
【专利说明】一种用于动物养殖的监测方法
【技术领域】
[0001]本发明涉及动物养殖技术，特别涉及一种用于动物养殖的监控方法。
技术背景
[0002]近年来，我国动物养殖业取得了快速发展，但由于大多数动物牧场缺乏有效的疾病监控管理体制，各种疾病频频发生，严重影响畜牧业的正常发展，使得奶量年均产量不高。建立动物发情与疾病检测途径，对动物常见疾病的及时发现、正确诊治、预防控制，提高牧场经济效益具有十分重要的意义。
【发明内容】
[0003]本发明实施例提出了一种用于动物养殖的监控方法，以提高对动物活动监测的准确率。
[0004]本发明实施例提供的一种用于动物养殖的监控方法，包括:
[0005]监测动物活动各方向的加速度向量数据；
[0006]判断加速度向量数据是否呈周期特性变化；
[0007]如果所述加速度向量数据呈现周期特征变化，判定所述动物处于行走状态。
[0008]其中，进一步包括: [0009]如果所述加速度向量数据不呈现周期特征变化，并且所述加速度向量数据在X轴和Y轴上产生随机波动，而在Z轴波动较小，判定所述动物处于直立状态。
[0010]其中，进一步包括:
[0011]如果所述加速度向量数据不呈现周期特征变化，并且所述加速度向量数据在X轴和Y轴上产生的加速度较小，在Z轴上产生明显波动，则判定所述动物处于静卧状态。
[0012]其中，进一步包括:
[0013]根据每个周期出现的加速度向量数据频度判断动物行走的快慢。
[0014]其中，所述根据每个周期出现的加速度向量数据频度判断动物行走的快慢包括:
[0015]当周期出现的频度在1-2.5Hz，每个周期内的趋势具有明显的上升和下降阶段，则判定动物处于正常行走状态；和/或
[0016]当周期出现的频度为3-5Hz，每个周期内有幅度较大的加速度向量波峰出现，且在同一周期内出现多个加速度波峰，则判定动物处于跑动状态；和/或
[0017]当周期出现的频度不一致，在两个行走周期之间要经历一段空闲时间，则判定动物处于间歇性行走状态。
[0018]其中，进一步包括:
[0019]设置两个阈值来确定所述动物行走状态移动步数；其中，设置一个最低阈值，以剔除了传感器精度而产生的极微小波动和极小幅度的运动，设置一个最高阈值，以剔除特殊情况对统计的干扰。
[0020]其中，所述设置两个阈值来确定动物的移动步数包括:[0021]将超过最低阈值的加速度向量数据作为有效运动数据，从前一个运动结束时采集到的有效运动数据开始，向后扫描运动加速度波形的波峰；
[0022]对于正常行走状态，在一个有效波峰后，若数据呈现明显的下降趋势，并且在降到最低阈值后连续出现二十个以上低阈值，即判定动物移动了一步；
[0023]对于跑动状态，在产生的明显运动特征后，若扫描到的波峰数据大于最高阈值，且在数据回落到最低阈值附近并持续出现五个低阈值即可判定动物移动了一步。
[0024]其中，所述最高阈值为动物跑动时捕获的最大加速度值的一半。
[0025]其中，进一步包括:
[0026]根据检测到的动物各方向的加速度值，计算得出每个周期内动物的活动量Sn;
[0027]根据之前的周期活动量数据，按照设定的预测算法，预测当前未完成周期的活动量数据；
[0028]判断当前周期数据Sn后与预测数据S/的值大小，如果当前周期数据3,相比预测数据S/发生偏移，则记录偏移情况。
[0029]其中，所述按照设定的预测算法，预测当前未完成周期的活动量数据为:
[0030]结合前N-1个周期预定采取移动平均法来计算预测值S/
[0031]
【权利要求】
1.一种用于动物养殖的监控方法，其特征在于，包括: 监测动物活动各方向的加速度向量数据； 判断加速度向量数据是否呈周期特性变化； 如果所述加速度向量数据呈现周期特征变化，判定所述动物处于行走状态。
2.根据权利要求1所述的方法，其特征在于，进一步包括: 如果所述加速度向量数据不呈现周期特征变化，并且所述加速度向量数据在X轴和Y轴上产生随机波动，而在Z轴波动较小，判定所述动物处于直立状态。
3.根据权利要求1所述的方法，其特征在于，进一步包括: 如果所述加速度向量数据不呈现周期特征变化，并且所述加速度向量数据在X轴和Y轴上产生的加速度较小，在Z轴上产生明显波动，则判定所述动物处于静卧状态。
4.根据权利要求1所述的方法，其特征在于，进一步包括: 根据每个周期出现的加速度向量数据频度判断动物行走的快慢。
5.根据权利要求1所述的方法，其特征在于，所述根据每个周期出现的加速度向量数据频度判断动物行走的快慢包括: 当周期出现的频度在1-2.5Hz，每个周期内的趋势具有明显的上升和下降阶段，则判定动物处于正常行走状态；和/或· 当周期出现的频度为3-5Hz，每个周期内有幅度较大的加速度向量波峰出现，且在同一周期内出现多个加速度波峰，则判定动物处于跑动状态；和/或 当周期出现的频度不一致，在两个行走周期之间要经历一段空闲时间，则判定动物处于间歇性行走状态。
6.根据权利要求1所述的方法，其特征在于，进一步包括: 设置两个阈值来确定所述动物行走状态移动步数；其中，设置一个最低阈值，以剔除了传感器精度而产生的极微小波动和极小幅度的运动，设置一个最高阈值，以剔除特殊情况对统计的干扰。
7.根据权利要求6所述的方法，其特征在于，所述设置两个阈值来确定动物的移动步数包括: 将超过最低阈值的加速度向量数据作为有效运动数据，从前一个运动结束时采集到的有效运动数据开始，向后扫描运动加速度波形的波峰； 对于正常行走状态，在一个有效波峰后，若数据呈现明显的下降趋势，并且在降到最低阈值后连续出现二十个以上低阈值，即判定动物移动了一步； 对于跑动状态，在产生的明显运动特征后，若扫描到的波峰数据大于最高阈值，且在数据回落到最低阈值附近并持续出现五个低阈值即可判定动物移动了一步。
8.根据权利要求6或7所述的方法，其特征在于，所述最高阈值为动物跑动时捕获的最大加速度值的一半。
9.根据权利要求1所述的方法，其特征在于，进一步包括: 根据检测到的动物各方向的加速度值，计算得出每个周期内动物的活动量Sn; 根据之前的周期活动量数据，按照设定的预测算法，预测当前未完成周期的活动量数据； 判断当前周期数据Sn后与预测数据S/的值大小，如果当前周期数据Sn相比预测数据Sn'发生偏移，则记录偏移情况。
10.根据权利要求9所述的方法，其特征在于，所述按照设定的预测算法，预测当前未完成周期的活动量数据为: 结合前N-1个周期预定采取移动平均法来计算预测值S/
11.根据权利要求10所述的方法，其特征在于，所述N为6。
12.根据权利要求9所述的方法，其特征在于，进一步包括: 根据多个周期 实际的周期数据与预测数据的偏移统计量，确认所述动物的发情特征。
13.根据权利要求12所述的方法，其特征在于，所述根据多个周期实际的周期数据与预测数据的偏移统计量，确认所述动物的发情特征包括: 如果至少M个周期内持续向上偏离预测数据或围绕预测数据波动呈上升趋势，并在第L个周期后开始回落，有明显的下降趋势，判定动物出现有发情特征；其中，所述M和L为正整数。
14.根据权利要求13所述的方法，其特征在于，所述M为6;所述L为10至12。
15.根据权利要求9所述的方法，其特征在于，进一步包括: 对多个周期的活动量进行统计； 如果显示确定所述动物的活动量减少，确定动物的静卧时间是否变长； 当确定静卧时间变长，判定所述动物有患特定疾病的可能。
16.根据权利要求9所述的方法，其特征在于，所述动物的活动量为所述动物的运动步数。
17.根据权利要求1所述的方法，其特征在于，进一步包括: 考核z轴加速度向量数据； 如果每次落蹄时z轴上有较大幅度的加速度产生，并且产生的周期与行走周期一致，则判定所述动物得了蹄病。
【文档编号】A61B5/11GK103519823SQ201310487433
【公开日】2014年1月22日 申请日期:2013年10月17日 优先权日:2013年10月17日
【发明者】常志刚 申请人:天津闪联科技有限公司