本發(fā)明涉及農(nóng)業(yè)信息，尤其涉及一種種豬行為智能巡查監(jiān)測方法、裝置、電子設備、計算機可讀存儲介質和計算機程序產(chǎn)品。

背景技術：

1、在家畜育種養(yǎng)殖技術領域中，種豬的選留與培育、淘汰更新是育種過程中最關鍵的環(huán)節(jié)。豬的很多行為與其基因之間有潛在關聯(lián)，如果將行為遺傳效應一并考慮，豬生長性能的遺傳力將會提高。因此，識別種豬行為有助于對良品豬進行篩選，提高育種效率，良品豬例如是生長性能強的豬，不僅包括母豬高的哺乳/采食能力，還包括仔豬較高的社交能力，即攻擊性較低。豬的行為監(jiān)測最早是飼養(yǎng)員直接對其行為進行監(jiān)測，這種方式增加了人畜接觸的時間，具有人畜共患病的風險，同時也會受到飼養(yǎng)員主觀經(jīng)驗的影響。隨著集約化養(yǎng)殖規(guī)模的擴大，人工監(jiān)測的方式必然難以滿足大量的豬行為監(jiān)測需求，因此需要通過自動化的監(jiān)測系統(tǒng)來高通量且及時地掌握種豬行為、遺傳習性等情況，減少人與豬只接觸，降低傳染性疾病發(fā)生概率。這對種豬選育管理、提高種豬場生產(chǎn)效率具有重要意義。

2、現(xiàn)有的豬行為自動監(jiān)測方法主要采用單一圈欄固定位置監(jiān)測或是單一豬舍鋪設固定軌道巡查等方式監(jiān)測豬的行為。然而，這些方式存在一些不足。固定位置的方式無法實現(xiàn)不同豬圈的種豬行為監(jiān)測，需要舍內(nèi)每個圈欄都安裝監(jiān)測設備，投入成本較大、設備資源利用率不高。固定軌道的方式需要在使用前鋪設導軌，安裝成本較高，且僅能在單個豬舍內(nèi)使用，無法在不同豬舍間共享使用。可見，現(xiàn)有方案均難以滿足不同生長周期不同豬舍場景下的種豬行為監(jiān)測需求，通用性和靈活性較差。此外，現(xiàn)有豬行為監(jiān)測方法和系統(tǒng)往往未關聯(lián)所監(jiān)測豬的身份信息，僅僅是識別圖像中豬的行為類別，但沒有關聯(lián)發(fā)生行為的豬的身份信息，比如，處于哪個欄、哪個圈、父母是誰等豬遺傳選育過程需要的信息，導致系統(tǒng)雖然監(jiān)測到豬的某些行為，但卻無法準確定位種豬身份，進而令管理人員不能及時做出針對性的遺傳選育管理措施。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種種豬行為智能巡查監(jiān)測方法及系統(tǒng)，以解決上述背景技術中提出的安裝成本投入大，無法多豬舍場景共享造成資源浪費，以及未關聯(lián)所監(jiān)測豬的身份信息而無法準確定位種豬身份的問題。

2、為了實現(xiàn)上述技術效果，本發(fā)明包括如下核心發(fā)明點：

3、1、現(xiàn)有技術缺乏“種豬選育場景的移動式巡查監(jiān)測+行為識別+身份識別”的整體解決方案，針對此情況本發(fā)明提供了整體的移動巡查結合行為監(jiān)測的方案；

4、2、不同于現(xiàn)有的基于純視頻分類的行為識別方法和基于單幀圖片檢測的行為識別方法，本發(fā)明首次將深度學習視頻動作檢測模型（種豬行為識別模型）應用于多豬舍場景的種豬行為實時識別，該動作檢測模型不僅可以檢測到視頻中種豬的行為（即可以把這些豬選育相關的行為自動框選出來并呈現(xiàn)在視頻中），同時模型通過綜合考慮當前視頻幀及鄰近視頻幀中豬只行為的連續(xù)光流特征，來推理出檢測到的種豬行為的具體類別，這種綜合考慮當前視頻幀及鄰近視頻幀的方式相對于單幀檢測來識別行為類別的效果更好。另外，值得一提的方面是，不同于現(xiàn)有技術多階段識別模型（即先用一個檢測模型檢測并框選出圖中所有豬的位置，再用另一個模型分析圖中兩兩豬只間的相互關系，如用頭尾間距來判斷兩只豬是否存在咬尾的情況等等），本發(fā)明提出的動作檢測模型是一個端到端的單階段識別模型，僅用動作檢測模型這一個模型即可來完成視頻中行為檢測及類別識別任務，因此效率更高，識別準確度也更高。本發(fā)明動作檢測模型在原有yolov2的基礎上進行改進，使得更適合在邊緣計算終端部署，進而實現(xiàn)精準高效的種豬行為巡查監(jiān)測。

5、針對現(xiàn)有技術的不足，如圖7所示，本發(fā)明提出一種種豬行為智能巡查監(jiān)測方法，其中包括：

6、標識構建步驟，根據(jù)待監(jiān)測的種豬身份，為種豬生成身份標識；

7、標識部署步驟，將該身份標識部署于豬舍內(nèi)該種豬所處圈欄的指定位置；

8、舍內(nèi)建圖步驟，采集該豬舍內(nèi)工作道的電子地圖；

9、自動巡查步驟，在該電子地圖中設置監(jiān)測系統(tǒng)硬件裝置在自動巡查時的目的地坐標點，將該監(jiān)測系統(tǒng)硬件裝置根據(jù)自身所處位置和該電子地圖，啟動自動導航，開始監(jiān)測系統(tǒng)的自動巡查，該監(jiān)測系統(tǒng)硬件裝置根據(jù)該目的地坐標點，在豬舍內(nèi)工作道上進行自動路徑規(guī)劃及移動巡查；

10、其中，自動巡查步驟中該移動巡查包括：

11、該監(jiān)測系統(tǒng)硬件裝置在移動巡查過程中，攝像頭開啟并采集沿路圈欄中該種豬的表型視頻，并掃描識別該身份標識，得到種豬身份信息；種豬行為識別模型讀取該豬表型視頻并識別包括行為發(fā)生位置及行為類別的種豬行為信息；將該種豬行為信息及其該種豬身份信息進行關聯(lián)作為豬行為巡查監(jiān)測結果。

12、所述種豬行為智能巡查監(jiān)測方法，其中該監(jiān)測系統(tǒng)硬件裝置包括：

13、輪式移動底盤、可伸縮式支架、至少一個攝像頭；

14、該四輪式移動底盤采用前置驅動輪、后置萬向輪的設計；

15、該可伸縮式支架安裝在四輪式移動底盤上方居中處，根據(jù)豬舍圈欄的高度進行豎向升降自由調整；

16、該攝像頭安裝于伸縮式支架；該攝像頭與該監(jiān)測系統(tǒng)硬件裝置的數(shù)據(jù)處理模塊電性連接，以將攝像頭采集的該表型視頻和該身份標識傳至該數(shù)據(jù)處理模塊進行處理，識別種豬的該種豬行為信息和該種豬身份信息。

17、所述種豬行為智能巡查監(jiān)測方法，其中該種豬行為信息包括：哺乳行為、采食行為、仔豬攻擊行為；

18、該種豬行為智能巡查監(jiān)測方法還包括：育種步驟，根據(jù)該巡查監(jiān)測結果，選擇各品種中符合育種要求的多個種豬，將一個品種的多個種豬，與另一個品種的多個種豬進行雜交，以選育攜帶優(yōu)秀基因的品種。

19、所述種豬行為智能巡查監(jiān)測方法，其中該種豬行為識別模型的構建過程包括：

20、將yowov2的2d骨干網(wǎng)絡中的elan模塊替換為來自yolov9中的gelan模塊，并且在gelan模塊中使用卷積repconv，得到中間模型，使得網(wǎng)絡在提升特征表征學習能力的同時，不增加模型計算量；

21、將該中間模型的3d骨干網(wǎng)絡中fasternet的2d卷積轉化為3d卷積，將2d池化轉化為3d池化，得到該種豬行為識別模型。

22、本發(fā)明還提出一種種豬行為智能巡查監(jiān)測裝置，其中包括：

23、標識構建模塊，根據(jù)待監(jiān)測的種豬身份，為種豬生成身份標識；

24、標識部署模塊，將該身份標識部署于豬舍內(nèi)該種豬所處圈欄的指定位置；

25、舍內(nèi)建圖模塊，采集該豬舍內(nèi)工作道的電子地圖；

26、自動巡查模塊，在該電子地圖中設置監(jiān)測系統(tǒng)硬件裝置在自動巡查時的目的地坐標點，將該監(jiān)測系統(tǒng)硬件裝置根據(jù)自身所處位置和該電子地圖，啟動自動導航，開始監(jiān)測系統(tǒng)的自動巡查，該監(jiān)測系統(tǒng)硬件裝置根據(jù)該目的地坐標點，在豬舍內(nèi)工作道上進行自動路徑規(guī)劃及移動巡查；

27、其中，自動巡查模塊中該移動巡查包括：

28、該監(jiān)測系統(tǒng)硬件裝置在移動巡查過程中，攝像頭開啟并采集沿路圈欄中該種豬的表型視頻，并掃描識別該身份標識，得到種豬身份信息；種豬行為識別模型讀取該豬表型視頻并識別包括行為發(fā)生位置及行為類別的種豬行為信息；將該種豬行為信息及其該種豬身份信息進行關聯(lián)作為豬行為巡查監(jiān)測結果。

29、所述種豬行為智能巡查監(jiān)測裝置，其中該監(jiān)測系統(tǒng)硬件裝置包括：

30、輪式移動底盤、可伸縮式支架、至少一個攝像頭；

31、該四輪式移動底盤采用前置驅動輪、后置萬向輪的設計；

32、該可伸縮式支架安裝在四輪式移動底盤上方居中處，根據(jù)豬舍圈欄的高度進行豎向升降自由調整；

33、該攝像頭安裝于伸縮式支架；該攝像頭與該監(jiān)測系統(tǒng)硬件裝置的數(shù)據(jù)處理模塊電性連接，以將攝像頭采集的該表型視頻和該身份標識傳至該數(shù)據(jù)處理模塊進行處理，識別種豬的該種豬行為信息和該種豬身份信息。

34、所述種豬行為智能巡查監(jiān)測裝置，其中該種豬行為信息包括：哺乳行為、采食行為、仔豬攻擊行為；

35、該種豬行為智能巡查監(jiān)測裝置還包括：育種模塊，根據(jù)該巡查監(jiān)測結果，選擇各品種中符合育種要求的多個種豬，將一個品種的多個種豬，與另一個品種的多個種豬進行雜交，以選育攜帶優(yōu)秀基因的品種；

36、該種豬行為識別模型的構建過程包括：

37、將yowov2的2d骨干網(wǎng)絡中的elan模塊替換為來自yolov9中的gelan模塊，并且在gelan模塊中使用卷積repconv，得到中間模型，使得網(wǎng)絡在提升特征表征學習能力的同時，不增加模型計算量；

38、將該中間模型的3d骨干網(wǎng)絡中fasternet的2d卷積轉化為3d卷積，將2d池化轉化為3d池化，得到該種豬行為識別模型。

39、本發(fā)明還提出了一種電子設備，其中包括所述的一種種豬行為智能巡查監(jiān)測裝置，該電子設備或連接有信息顯示設備，該信息顯示設備用于以用戶設置的顯示參數(shù)、屬性或通過人工智能模型，顯示該豬行為巡查監(jiān)測結果。

40、本發(fā)明還提出了一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)所述種豬行為智能巡查監(jiān)測方法的步驟。

41、本發(fā)明還提出了一種計算機程序產(chǎn)品，包括計算機程序，其中該計算機程序被處理器執(zhí)行時實現(xiàn)所述種豬行為智能巡查監(jiān)測方法的步驟。

42、需要說明的是，本發(fā)明提供的一種種豬行為智能巡查監(jiān)測方法及系統(tǒng)，可以適用于多豬舍場景，比如，含有限位欄母豬的分娩舍場景，或是含有分圈群養(yǎng)仔豬的保育舍場景。

43、綜上所述，由以上方案可知，本發(fā)明的優(yōu)點在于：

44、1．首次將深度學習視頻動作檢測的yowov2算法應用于多豬舍場景的種豬行為實時識別，同時對yowov2算法進行改進，使得更適合在邊緣計算終端部署，進而實現(xiàn)更精準高效的種豬行為巡查監(jiān)測。

45、2．通過在豬欄圈前擋板設置專門的身份二維碼標識，進一步識別二維碼來關聯(lián)所監(jiān)測種豬的行為及其身份信息，有助于管理者做出更加有針對性的育種管理措施。

46、3．本發(fā)明提供的種豬行為智能監(jiān)測方法及系統(tǒng)，采用的四輪式移動底盤的驅動方式，無需對現(xiàn)場進行增加導軌的改造，具有更好的機動性，且部署靈活，可以監(jiān)測單個豬舍內(nèi)不同圈欄的種豬行為，也可以在不同階段的多個豬舍間共享使用，滿足一套系統(tǒng)多豬舍場景適用的種豬行為監(jiān)測實際需求，避免資源浪費，達到節(jié)本增效的目的。

47、4．本發(fā)明通過采用帶有防抖云臺的攝像頭，可以較大程度減輕攝像頭在四輪式移動底盤自動移動時顛簸晃動產(chǎn)生的圖像虛影問題，從而增強種豬行為監(jiān)測的穩(wěn)定性。