一种种猪性能测定系统

1.本发明属于动物性能测定领域，特别是涉及一种种猪性能测定系统。


背景技术：

2.种猪生产性能测定是在相对一致的环境条件和营养水平下，将被测猪饲养到目标体重，并测定其目标性能的全过程。生产性能测定是种猪育种和遗传育种的基础。其中，对于种猪的生长性能的测定，主要集中在种猪的体重以及采食量的控制上。
3.目前，对于种猪体重以及采食量的控制多依靠手工测定模式，手工测定模式是一个繁琐和费力的过程，并且存在客观误差。已有的智能的测定站虽然能够实时获取种猪的体重和采食量，但是不能对种猪的体重变化进行预测，并且不能依据种猪的日龄，对种猪的采食量进行预测，从而造成饲料的浪费。对于种猪的生长性能进行实时的监测，对种猪的选育工作中意义重大。因此，亟需一种种猪性能测定系统，获得种猪的性能测定数据，并在此基础上开展种猪的选育。


技术实现要素：

4.本发明的目的是提供一种种猪性能测定系统，以解决上述现有技术存在的问题。
5.为实现上述目的，本发明提供了一种种猪性能测定系统，包括依次连接的测定站、测定模块、通讯模块、监测模块和预警模块；
6.所述测定站用于获取种猪的真实体重和真实采食量；
7.所述测定模块用于基于种猪的全身视频图像和采食视频图像，分别获取种猪的预测体重和预测采食量；
8.所述通讯模块用于将全部种猪的真实数据和预测数据上传至监测模块进行分析；
9.所述监测模块用于对种猪的真实体重和真实采食量进行实时监测，并获取种猪的体重对比值和采食量对比值；
10.所述预警模块用于当种猪的体重对比值和采食量对比值超出对应的阈值范围时进行预警。
11.优选地，所述测定站包括：
12.体重获取单元，用于获取每只种猪的真实体重；
13.采食量获取单元，用于基于种猪每次的采食开始时间、采食持续时间和采食结束时间，获取种猪的真实采食量；
14.种猪图像获取单元，用于获取每只种猪的全身视频图像和采食视频图像。
15.优选地，所述测定模块包括：
16.模型构建单元，用于基于种猪的全身视频图像和采食视频图像，构建对应的关键点检测模型和采食量预测模型；
17.体重预测单元，用于基于所述关键点检测模型，获得种猪的预测体重；
18.采食量预测单元，用于基于所述采食量预测模型，获得种猪的预测采食量。
19.优选地，所述模型构建单元包括：
20.第一模型构建单元，用于基于若干个连接的沙漏网络构建初始关键点检测模型，将种猪的全身视频图像输入到所述初始关键点检测模型中进行训练，获得目标关键点检测模型；
21.第二模型构建单元，用于基于卷积神经网络构建初始采食量预测模型，将种猪的日龄信息和种猪的采食量输入到所述初始采食量预测模型中进行训练，获得目标采食量预测模型。
22.优选地，所述体重预测单元包括：
23.信息获取单元，用于基于所述关键点检测模型，获取种猪的全身关键点，进而获取种猪的臀宽、臀高、体积和身长；
24.预测单元，用于基于种猪的臀宽、臀高、体积和身长，对种猪的体重进行预测。
25.优选地，所述种猪的全身关键点包括：嘴、头、颈、左前肘、左前脚尖、右前脚尖、左后肘、左后脚尖、右后肘、右后脚尖、脊前部、脊中部、尾、肚中部和肚后部。
26.优选地，所述监测模块包括：
27.第一监测单元，用于将种猪的真实采食量与种猪的预测采食量进行对比，获取采食量对比图，基于所述采食量对比图对种猪采食情况进行实时监测；
28.第二监测单元，用于将种猪的真实体重与种猪的预测体重进行对比，获得体重对比图，基于所述体重对比图对种猪的体重情况进行实时的监测。
29.优选地，所述预警模块包括：
30.第一预警单元，用于获取测定站的运行状态，当运行状态异常时进行预警；
31.第二预警单元，用于当种猪的采食对比量超出采食阈值时，进行预警；
32.第三预警单元，用于当种猪的体重对比量超出体重阈值时，进行预警。
33.本发明的技术效果为：
34.本发明中的采食量预测模型能够结合种猪的日龄，准确预测和记录种猪采食行为，可以更好的控制种猪的采食量。
35.本发明的测定系统能够获取种猪的真实体重，真实采食量、预测体重和预测采食量，通过对真实数据进行实时监测，并对真实数据和预测数据进行对比，能够实时了解种猪的体重变化及采食情况，若体重对比值或者采食量对比值超出预设的阈值，则进行预警，提醒工作人员对目标种猪的异常情况进行确认，实时掌握种猪的健康情况。
36.本发明通过对每只种猪的体重变化曲线和采食量变化曲线进行实时监测，能够尽快了解每只种猪在采食量和增重方面的差异，依据这些可靠的数据尽早完成选育工作，不断地来优化种猪基因品质。
附图说明
37.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
38.图1为本发明实施例中的测定系统结构示意图。
具体实施方式
39.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
40.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
41.实施例一
42.如图1所示，本实施例中提供一种种猪性能测定系统，包括依次连接的测定站、测定模块、通讯模块、监测模块和预警模块；测定站用于获取种猪的真实体重和真实采食量；测定模块用于基于种猪的全身视频图像和采食视频图像，分别获取种猪的预测体重和预测采食量；通讯模块用于将全部种猪的真实数据和预测数据上传至监测模块进行分析；监测模块用于对种猪的真实体重和真实采食量进行实时监测，并获取种猪的体重对比值和采食量对比值；预警模块用于当种猪的体重对比值和采食量对比值超出对应的阈值范围时进行预警。
43.可实施的，测定站包括：体重获取单元，用于获取每只种猪的真实体重；采食量获取单元，用于基于种猪每次的采食开始时间、采食持续时间和采食结束时间，获取种猪的真实采食量；种猪图像获取单元，用于获取每只种猪的全身视频图像和采食视频图像。
44.具体地，本实施例的测定站包括体重称重、料槽称重、射频读取、下料装置、采食通道等部分，在此不做具体限定。本实施例在从测定站的适当位置，布设kniect相机，实时采集种猪的全身视频图像。可以通过在测定站的采食槽的下方安装第一重量传感器来直接对每只种猪的采食量进行记录，通过在种猪采食区域的下方安装第二重量传感器来获得种猪的体重数据。进一步的，每只种猪的采食区域均设置有摄像头，摄像头可以拍摄到种猪的正面图像，通过摄像头可以拍摄到种猪的整个进食过程，包括种猪从外面进入种猪采食区域内并靠近采食设备的图像，以及种猪在采食设备的采食口进行观察的图像，以及种猪的嘴部伸入采食设备的图像，以及种猪采食完毕离开采食设备的图像等等。
45.可实施的，测定模块包括：模型构建单元，用于基于种猪的全身视频图像和采食视频图像，构建对应的关键点检测模型和采食量预测模型；体重预测单元，用于基于关键点检测模型，获得种猪的预测体重；采食量预测单元，用于基于采食量预测模型，获得种猪的预测采食量。
46.可实施的，模型构建单元包括：第一模型构建单元和第二模型构建单元，其中，第一模型构建单元用于基于若干个连接的沙漏网络构建初始关键点检测模型，将种猪的全身视频图像输入到初始关键点检测模型中进行训练，获得目标关键点检测模型。
47.具体的，本实施例通过采用种猪的全身视频图像作为输入，利用计算机视觉技术和深度神经网络技术，对种猪的全身关键点进行实时检测和跟踪，并同时计算出各关键点之间的距离，从而精确计算出关于种猪臀宽、臀高、身长及体积等物理参数，利用数据库中已知的种猪物理参数与体重之间的关系，对种猪的准确体重做出预测，提高视觉测量种猪体重的准确性。预设关键点包括嘴、头、颈、左前肘、左前脚尖、右前脚尖、左后肘、左后脚尖、右后肘、右后脚尖、脊前部、脊中部、尾、肚中部、肚后部；根据待测量种猪的预设关键点计算待测量种猪的臀宽、臀高、身长，包括：根据匹配得到的“头”关键点和“尾”关键点的位置信
息计算待测量种猪的身长；根据匹配得到的“脊中部”关键点和“肚中部”关键点的位置信息计算待测量种猪的臀高；根据匹配得到的“左后肘”关键点和“右后肘”关键点的位置信息计算待测量种猪的臀宽。
48.在将种猪全身视频图像输入预先训练的关键点检测模型之前，将视频图像中的所有的图像调整为预设像素；将调整后的视频图像输入到预先训练的关键点检测模型中。本实施例的关键点检测模型由四个密集连接的沙漏网络构成；利用预设的关键点对关键点检测模型进行训练，训练过程中采用最小均方误差损失函数使得沙漏网络收敛，得到训练好的关键点检测模型。
49.可实施的，体重预测单元包括：信息获取单元，用于基于关键点检测模型，获取种猪的全身关键点，进而获取种猪的臀宽、臀高、体积和身长；预测单元，用于基于种猪的臀宽、臀高、体积和身长，对种猪的体重进行预测。
50.可实施的，本实施例的第二模型构建单元，用于基于卷积神经网络构建初始采食量预测模型，将种猪的日龄信息和种猪的采食量输入到初始采食量预测模型中进行训练，获得目标采食量预测模型。
51.具体的，本实施例能够基于种猪的采食视频，获得种猪的采食状态，进而通过种猪采食量预测模型获得种猪的采食量。或者通过重量传感器直接获得种猪的采食量。本实施例通过将种猪日龄信息、种猪采食量导入神经网络算法中，可以训练获得种猪采食量预测模型。其中，种猪采食量数据包括但不限于各个极值点、拐点及最大值点。更具体地，本实施例的神经网络算法可以为bp(backpropagation)神经网络算法，还可以结合迁移学习。通过bp神经网络算法对种猪的采食量进行学习及预测，可以了解种猪的采食量。
52.可实施的，监测模块包括：第一监测单元，用于将种猪的真实采食量与种猪的预测采食量进行对比，获取采食量对比图，基于采食量对比图对种猪采食情况进行实时监测；第二监测单元，用于将种猪的真实体重与种猪的预测体重进行对比，获得体重对比图，基于体重对比图对种猪的体重情况进行实时的监测。
53.可实施的，预警模块包括：第一预警单元，用于获取测定站的运行状态，当运行状态异常时进行预警；第二预警单元，用于当种猪的采食对比量超出采食阈值时，进行预警；第三预警单元，用于当种猪的体重对比量超出体重阈值时，进行预警。
54.本实施例的测定系统能够获取种猪的真实体重，真实采食量、预测体重和预测采食量，通过对真实数据进行实时监测，并对真实数据和预测数据进行对比，能够实时了解种猪的体重变化及采食情况，若体重对比值或者采食量对比值超出预设的阈值，则进行预警，提醒工作人员对目标种猪的异常情况进行确认，实时掌握种猪的健康情况。
55.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。