一种识别母猪怀孕的方法及装置与流程

本发明涉及计算机领域，尤其涉及识别母猪怀孕的方法及装置。

背景技术：

近十几年来，我国的养猪业的发展很快，但生产水平却始终不见提高，甚至还有所降低。在目前生产成本提高、利润空间下降的背景下，提高生产成绩是提高养猪效率的唯一出路。

鉴别母猪是否怀孕对于养殖人员来说是一个难题。对于母猪在配种后没有怀孕的情况，如果不能及时发现就很容易错过再次配种时期。一旦错过配种期，就要再等下一个发情周期的到来才能配种，这样就增加了母猪空怀的时间，也增加了猪场的饲养成本。

现有技术中，鉴定母猪是否怀孕通常采用以下两种方法：

一种方法是通过b超机鉴定，此方法的准确率高达98％以上，但该方法的缺点是：b超机最早在配种后18天才能查看是否怀孕，无法较早识别母猪大的怀孕情况；同时该方法需要耗费大量的人力物力资源以及时间成本。

另一种方法是养殖户根据养殖经验，通过观察母猪的行为变化判断是否怀孕。但该方法的缺点是：当养殖母猪数量非常多时，需要消耗大量的人力成本和时间成本；同时，该方法完全依赖于养殖人员的个人经验，准确率无法保证。

技术实现要素：

本申请所要解决的技术是提供一种识别母猪怀孕的方法及装置，可以提高母猪怀孕识别的准确性，减少人力物力成本和时间成本。

为了解决上述技术问题，本申请提供了一种识别母猪怀孕的方法，所述方法包括：

对于待检测的母猪，采集所述母猪的特征信息；

将所述特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果；

其中，所述特征信息包括以下信息中的一种或者多种：

母猪预定部位的图像信息、母猪的运动时间数据、母猪的进食量数据以及母猪的运动轨迹信息。

可选地，所述怀孕识别模型通过以下方式训练得出：

对于多个作为样本的母猪的特征信息进行标注，标注为怀孕或未怀孕；

将标注后的特征信息作为训练数据，对怀孕识别模型进行训练。

可选地，所述识别结果的形式包括怀孕概率、用于表示是否怀孕的标识信息。

可选地，所述将特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果包括：

将不同种类的特征信息分别输入训练好的怀孕识别模型，得到不同种类的特征信息各自对应的识别结果；

按照预定规则根据多个识别结果得到所述母猪是否怀孕的最终的识别结果。

可选地，所述方法还包括：

更新模型训练数据池；

当满足设定条件时，根据更新后的模型训练数据池中的训练数据对所述怀孕识别模型进行更新。

本申请还提供一种识别母猪怀孕的装置，所述装置包括：存储器和处理器；

所述存储器，用于保存用于识别母猪怀孕的程序；

所述处理器，用于读取执行所述用于识别母猪怀孕的程序，执行如下操作：

对于待检测的母猪，采集所述母猪的特征信息；

将所述特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果；

其中，所述特征信息包括以下信息中的一种或者多种：

母猪预定部位的图像信息、母猪的运动时间数据、母猪的进食量数据以及母猪的运动轨迹信息。

可选地，所述怀孕识别模型通过以下方式训练得出：

对于多个作为样本的母猪的特征信息进行标注，标注为怀孕或未怀孕；

将标注后的特征信息作为训练数据，对怀孕识别模型进行训练。

可选地，所述识别结果的形式包括怀孕概率、用于表示是否怀孕的标识信息。

可选地，所述将特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果包括：

将不同种类的特征信息分别输入训练好的怀孕识别模型，得到不同种类的特征信息各自对应的识别结果；

按照预定规则根据多个识别结果得到所述母猪是否怀孕的最终的识别结果。

可选地，所述处理器，用于读取执行所述用于识别母猪怀孕的程序，还执行如下操作：

更新模型训练数据池；

当满足设定条件时，根据更新后的模型训练数据池中的训练数据对所述怀孕识别模型进行更新。

本申请包括：对于待检测的母猪，采集所述母猪的特征信息；将所述特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果；其中，所述特征信息包括以下信息中的一种或者多种：母猪预定部位的图像信息、母猪的运动时间数据、母猪的进食量数据以及母猪的运动轨迹信息。上述技术方案可以提高母猪怀孕识别的准确性，减少人力物力成本和时间成本。

附图说明

附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1是本发明实施例一的识别母猪怀孕的方法的流程图；

图2是本发明实施例一的识别母猪怀孕的装置的结构示意图。

具体实施方式

本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。

本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。

此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。

实施例一

如图1所示，本实施例提供一种识别母猪怀孕的方法，所述方法包括：

步骤s101、对于待检测的母猪，采集所述母猪的特征信息；

步骤s102、将所述特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果；

其中，所述特征信息包括以下信息中的一种或者多种：

母猪预定部位的图像信息、母猪的运动时间数据、母猪的进食量数据以及母猪的运动轨迹信息。

可选地，所述怀孕识别模型可以通过以下方式训练得出：

对于多个作为样本的母猪的特征信息进行标注，标注为怀孕或未怀孕；

将标注后的特征信息作为训练数据，对怀孕识别模型进行训练。

本实施例中，可以在养猪场内设置多个自动巡逻摄像头以及若干固定摄像头，将配种后的母猪作为待检测的母猪。采集待检测母猪的预定部位的图像信息、母猪的运动时间数据、母猪的进食量数据以及母猪的运动轨迹信息。预定部位可以是以下部位中的一种或者多种：面部、乳房、腰部、背部、尾巴和生殖器。

本实施例中，可以通过相机或者巡逻摄像头获取母猪眼睛图像信息，通过眼睛图像信息识别母猪眼神的变化。通常情况下，母猪怀孕后眼神会变亮，可以通过和历史眼睛图像信息进行比对，标注母猪是否怀孕。

本实施例中，可以获取母猪的体毛图像信息，通过母猪的体毛图像信息识别体毛亮度的变化。通常情况下，母猪怀孕后体毛亮度提高，可以通过和历史图像信息中体毛亮度进行比对，标注母猪是否怀孕。

本实施例中，可以在母猪进食状态或者睡觉状态时获取母猪的屁股图像信息，并从该图像信息中识别母猪生殖器的形状。通常情况下，母猪怀孕后生殖器会收缩成一条线，因此可以根据通过和历史图像信息中生殖器形状进行比对，标注母猪是否怀孕。

本实施例中，可以获取含有母猪乳房图像信息，通过乳房图像信息识别乳头颜色的变化。通常情况下，母猪配种后30天乳头发黑，乳头附着部位呈黑紫色晕轮，则表示已受孕，因此，可以通过母猪乳房图像信息和历史图像信息进行比对，标注母猪是否怀孕。

本实施例中，可以获取母猪腰部图像信息和背部图像信息，通常情况下，母猪怀孕后腹部下垂，背部塌陷，因此可以根据腰部及背部图像信息和历史图像信息进行比对，识别母猪是否怀孕。

本实施例中，还可以获取母猪尾巴图像信息，通常情况下，母猪怀孕后尾巴处于下垂状态，因此，可以根据尾巴图像信息与历史图像信息进行比对，识别母猪是否怀孕。

本实施例中，可以获取母猪进食状态的行为数据、睡觉状态的行为数据、母猪的运动时间数据、母猪的进食量，根据和历史数据进行比对，标注母猪是否怀孕。

本实施例中，可以采集上述特征信息中的一种或者多种，并根据采集的特征信息进行怀孕模型的训练。

可选地，所述识别结果的形式可以包括怀孕概率、用于表示是否怀孕的标识信息。

本实施例中，识别结果可以是概率形式展示，例如：“怀孕概率为78.1％”。识别结果还可以是表示是否怀孕的标识信息，例如：“未怀孕”、“怀孕”、“阳性”、“阴性”、“+”、“-”、“怀孕概率大”或者“怀孕概率小”等，还可以是其它可以标识是否怀孕的信息。

可选地，所述将特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果可以包括：

将不同种类的特征信息分别输入训练好的怀孕识别模型，得到不同种类的特征信息各自对应的识别结果；

按照预定规则根据多个识别结果得到所述母猪是否怀孕的最终的识别结果。

本实施例中，可以采集待检测母猪的多个特征信息，然后分别根据多个特征信息得出识别结果。

假设，采集了待检测母猪的3个特征信息：该母猪的进食量、该母猪的睡觉时长、该母猪的尾巴图像，可以将上述3个特征信息分别输入怀孕识别模型，得出3个识别结果。

例如，根据该母猪的进食量得出的识别结果是“未怀孕”，根据该母猪的睡觉时长得出的识别结果是“怀孕”，根据该母猪的尾巴图像得出的识别结果是“怀孕”，然后按照设定规则，根据3个识别结果中得出该母猪的最终的识别结果是“怀孕”或者“怀孕概率为66.7％”。

或者，根据该母猪的进食量得出的识别结果是“怀孕概率30％”，根据该母猪的睡觉时长得出的识别结果是“怀孕概率70％”，根据该母猪的尾巴图像得出的识别结果是“怀孕概率90％”，然后按照设定规则，根据3个识别结果中得出该母猪的最终的识别结果是“怀孕”或者“怀孕概率为63.3％”。

同样以上述假设的为例，在其它实施例中，还可以将3个特征信息一起输入怀孕识别模型，得出一个识别结果。例如，根据该母猪的进食量、睡觉时长以及尾巴图像得出识别结果为“怀孕”或者“怀孕概率为73.3％”。

可选地，所述方法还可以包括：

更新模型训练数据池；

当满足设定条件时，根据更新后的模型训练数据池中的训练数据对所述怀孕识别模型进行更新。

本实施例中，设定条件可以是设定周期性更新，例如每月更新一次、每半年更新一次，还可以是每年更新一次。

设定条件还可以是设定更新时刻，当更新时到达时，对怀孕识别模型进行更新。

设定条件还可以是设定更新条件，例如，可以设定训练数据量阈值，当模型训练数据池中的数据量大于或者等于设定的训练数据量阈值，则对怀孕识别模型进行更新。训练数据量阈值也可以进行更新。

设定条件还可以是接收到更新指令，当接收到更新指令后，对怀孕识别模型进行更新。

通过不断扩充模型训练数据池中的训练数据，并对怀孕识别模型进行更新，可以使怀孕识别模型不断优化，有效提高识别准确率。

上述技术方案可以提高母猪怀孕识别的准确性，减少人力物力成本和时间成本。同时，母猪怀孕识别的过程中还可以发现问题母猪，从而可以提醒养殖人员采取措施。

此外，由于机器学习的准确性与训练数据的数量存在一定关系，并且不同品种的猪习性也存在一定差异，因此，在训练怀孕识别模型的初期需要饲养员配合不断矫正模型得出的结论，同时增加训练数据的数量，这样通过不断循环训练和矫正，可以提高模型得出结论的准确率和稳定性。

如图2所示，本实施例还提供一种识别母猪怀孕的装置，所述装置包括：存储器10和处理器11；

所述存储器10，用于保存用于识别母猪怀孕的程序；

所述处理器11，用于读取执行所述用于识别母猪怀孕的程序，执行如下操作：

对于待检测的母猪，采集所述母猪的特征信息；

将所述特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果；

其中，所述特征信息包括以下信息中的一种或者多种：

母猪预定部位的图像信息、母猪的运动时间数据、母猪的进食量数据以及母猪的运动轨迹信息。

可选地，所述怀孕识别模型可以通过以下方式训练得出：

对于多个作为样本的母猪的特征信息进行标注，标注为怀孕或未怀孕；

将标注后的特征信息作为训练数据，对怀孕识别模型进行训练。

可选地，所述识别结果的形式可以包括怀孕概率、用于表示是否怀孕的标识信息。

可选地，所述将特征信息输入训练好的怀孕识别模型，得到所述母猪是否怀孕的识别结果可以包括：

将不同种类的特征信息分别输入训练好的怀孕识别模型，得到不同种类的特征信息各自对应的识别结果；

按照预定规则根据多个识别结果得到所述母猪是否怀孕的最终的识别结果。

可选地，所述处理器11，用于读取执行所述用于识别母猪怀孕的程序，还可以执行如下操作：

更新模型训练数据池；

当满足设定条件时，根据更新后的模型训练数据池中的训练数据对所述怀孕识别模型进行更新。

上述技术方案可以提高母猪怀孕识别的准确性，减少人力物力成本和时间成本。同时，母猪怀孕识别的过程中还可以发现问题母猪，从而可以提醒养殖人员采取措施。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。