发情检测方法、发情检测装置和发情检测系统.pdf

《发情检测方法、发情检测装置和发情检测系统.pdf》由会员分享，可在线阅读，更多相关《发情检测方法、发情检测装置和发情检测系统.pdf（34页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910317979.8 (22)申请日 2019.04.19 (71)申请人 广州影子科技有限公司 地址 510000 广东省广州市天河区粤垦路 607号1701房 （自主申报） (72)发明人 杨翔高云刘峰卢军童宇 管石胜 (74)专利代理机构 北京清亦华知识产权代理事 务所(普通合伙) 11201 代理人 张润 (51)Int.Cl. A01K 29/00(2006.01) (54)发明名称 发情检测方法、 发情检测装置和发情检测系 统 (57)摘要 本申请提供了一种发。

2、情检测方法、 发情检测 装置和发情检测系统。 发情检测方法包括： 获取 待检测的母猪的信息以确定母猪的预测发情时 间； 根据当前时间和预测发情时间生成预测指 标； 获取母猪的运动信息以生成母猪的静立指标 和躁动指标； 根据静立指标、 躁动指标和预测指 标生成发情概率； 及在发情概率大于或等于预定 阈值时确定母猪已发情。 本申请的发情检测方 法、 发情检测装置和发情检测系统综合考虑预测 指标、 静立指标和躁动指标生成发情概率， 在发 情概率大于预定阈值时确定母猪已发情， 无需经 验丰富的员工去人为查情， 节省了人力成本， 可 实现自动化查情以提高查情效率。 且可实时查 情， 可及时发现母猪是否发。

3、情， 防止错过母猪发 情期， 从而提高生产效率。 权利要求书4页 说明书13页 附图16页 CN 109984054 A 2019.07.09 CN 109984054 A 1.一种发情检测方法， 其特征在于， 所述发情检测方法包括： 获取待检测的母猪的信息以确定所述母猪的预测发情时间； 根据当前时间和所述预测发情时间生成预测指标； 获取所述母猪的运动信息以生成所述母猪的静立指标和躁动指标； 根据所述预测指标、 所述静立指标和所述躁动指标生成发情概率； 及 在所述发情概率大于或等于预定阈值时确定所述母猪已发情。 2.根据权利要求1所述的发情检测方法， 其特征在于， 所述获取待检测的母猪的信息以。

4、 确定所述母猪的预测发情时间， 包括： 根据多头已发情的所述母猪的发情信息生成发情时间预测模型； 及 根据所述发情时间预测模型处理待检测的所述母猪的信息以确定所述预测发情时间。 3.根据权利要求1所述的发情检测方法， 其特征在于， 所述根据当前时间和预测发情时 间生成预测指标， 包括： 根据当前时间和所述预测发情时间的时间差生成所述预测指标。 4.根据权利要求1所述的发情检测方法， 其特征在于， 所述运动信息包括测距数据和活 动数据， 所述获取所述母猪的运动信息以生成所述母猪的静立指标和躁动指标， 包括： 获取所述测距数据和所述活动数据的时域特征值和频域特征值； 根据所述时域特征值和所述频域特。

5、征值生成母猪状态数据； 及 根据所述母猪状态数据生成所述静立指标和所述躁动指标。 5.根据权利要求1所述的发情检测方法， 其特征在于， 所述运动信息包括运动视频图 像， 所述获取所述母猪的运动信息以生成所述母猪的静立指标和躁动指标， 包括： 根据母猪动作识别算法处理所述运动视频图像以生成运动指标； 及 根据所述运动指标生成所述静立指标和所述躁动指标。 6.根据权利要求5所述的发情检测方法， 其特征在于， 所述获取所述母猪的运动信息以 生成所述母猪的静立指标和躁动指标， 还包括： 检测是否存在猪栏参数； 在不存在所述猪栏参数时初始化所述猪栏参数； 初始化运动模型； 所述根据母猪动作识别算法处理所。

6、述运动视频图像以生成运动指标， 包括： 根据所述运动模型处理所述运动视频图像以生成所述运动指标。 7.根据权利要求6所述的发情检测方法， 其特征在于， 所述获取所述母猪的运动信息以 生成所述母猪的静立指标和躁动指标， 还包括： 每隔第一预定时间根据所述运动视频图像更新所述运动模型。 8.根据权利要求1所述的发情检测方法， 其特征在于， 所述运动信息包括运动视频图 像， 所述获取所述母猪的运动信息以生成所述母猪的静立指标和躁动指标， 包括： 根据基于深度神经网络的猪耳自动检测与姿态分类模型处理所述运动视频图像以获 取猪耳的姿态信息； 根据所述姿态信息确定静立指数、 竖耳指数和躁动指数； 根据所述。

7、静立指数和竖耳指数确定所述静立指标； 及 根据所述躁动指数确定所述躁动指标。 9.根据权利要求1所述的发情检测方法， 其特征在于， 所述运动信息包括测距数据、 活 权利要求书 1/4 页 2 CN 109984054 A 2 动数据和运动视频图像， 所述静立指标包括第一静立指标、 第二静立指标和第三静立指标， 所述躁动指标包括第一躁动指标、 第二躁动指标和第三躁动指标， 所述获取所述母猪的运 动信息以生成所述母猪的静立指标和躁动指标， 包括： 获取所述测距数据和所述活动数据的时域特征值和频域特征值； 根据所述时域特征值和所述频域特征值生成母猪状态数据； 根据所述母猪状态数据生成所述第一静立指标。

8、和所述第一躁动指标； 根据母猪动作识别算法处理所述运动视频图像以生成运动指标； 根据所述运动指标计算所述第二静立指标和所述第二躁动指标； 根据基于深度神经网络的猪耳自动检测与姿态分类模型处理所述运动视频图像以获 取猪耳的姿态信息； 根据所述姿态信息确定静立指数、 竖耳指数和躁动指数； 根据所述静立指数和竖耳指数确定所述第三静立指标； 根据所述躁动指数确定所述第三躁动指标； 根据所述第一静立指标、 所述第二静立指标和所述第三静立指标计算所述静立指标； 及 根据第一躁动指标、 第二躁动指标和第三躁动指标计算所述躁动指标。 10.根据权利要求8或9所述的发情检测方法， 其特征在于， 所述猪耳自动检测。

9、与姿态分 类模型根据多个已检测的所述母猪的所述姿态信息和对应的所述运动信息生成。 11.根据权利要求1所述的发情检测方法， 其特征在于， 所述根据所述预测指标、 所述静 立指标和所述躁动指标生成发情概率， 包括： 根据模糊决策模型处理所述预测指标、 所述静立指标和所述躁动指标以生成所述发情 概率。 12.根据权利要求1所述的发情检测方法， 其特征在于， 所述根据所述预测指标、 所述静 立指标和所述躁动指标生成发情概率， 还包括： 每隔第二预定时间计算一次待检测的所述 母猪的发情概率。 13.根据权利要求1所述的发情检测方法， 其特征在于， 所述发情检测方法还包括： 在所 述母猪已发情时， 发出。

10、提示信息。 14.一种发情检测装置， 其特征在于， 所述发情检测装置包括： 第一获取模块， 用于获取待检测的母猪的信息以确定所述母猪的预测发情时间； 第一生成模块， 用于根据当前时间和所述预测发情时间生成预测指标； 第二获取模块， 用于获取所述母猪的运动信息以生成所述母猪的静立指标和躁动指 标； 第二生成模块， 用于根据所述预测指标、 所述静立指标和所述躁动指标生成发情概率； 及 确定模块， 用于在所述发情概率大于或等于预定阈值时确定所述母猪已发情。 15.一种发情检测系统， 其特征在于， 所述发情检测系统包括处理器， 所述处理器用于： 获取待检测的母猪的信息以确定所述母猪的预测发情时间； 根。

11、据当前时间和所述预测发情时间生成预测指标； 获取所述母猪的运动信息以生成所述母猪的静立指标和躁动指标； 权利要求书 2/4 页 3 CN 109984054 A 3 根据所述预测指标、 所述静立指标和所述躁动指标生成发情概率； 及 在所述发情概率大于或等于预定阈值时确定所述母猪已发情。 16.根据权利要求15所述的发情检测系统， 其特征在于， 所述处理器还用于： 根据多头 已发情的所述母猪的发情信息生成发情时间预测模型； 及根据所述发情时间预测模型处理 待检测的所述母猪的信息以确定所述预测发情时间。 17.根据权利要求15所述的发情检测系统， 其特征在于， 所述处理器还用于： 根据当前 时间和。

12、所述预测发情时间的时间差生成所述预测指标。 18.根据权利要求15所述的发情检测系统， 其特征在于， 所述的发情检测系统还包括测 距传感器和活动传感器， 所述测距传感器用于测量所述母猪离地面的距离数据； 所述活动 传感器用于采集所述母猪的活动数据； 所述运动信息包括所述测距数据和所述活动数据， 所述处理器还用于： 获取所述测距数据和所述活动数据的时域特征值和频域特征值； 根据 所述时域特征值和所述频域特征值生成母猪状态数据； 及根据所述母猪状态数据生成所述 静立指标和所述躁动指标。 19.根据权利要求15所述的发情检测系统， 其特征在于， 所述的发情检测系统还包括摄 像头， 所述摄像头用于采集。

13、母猪的运动视频图像； 所述运动信息包括所述运动视频图像， 所 述处理器还用于： 根据母猪动作识别算法处理所述运动视频图像以生成运动指标； 及根据 所述运动指标生成所述静立指标和所述躁动指标。 20.根据权利要求19所述的发情检测系统， 其特征在于， 所述处理器还用于： 检测是否 存在猪栏参数； 在存在所述猪栏参数时初始化所述猪栏参数； 初始化运动模型； 及根据所述 运动模型处理所述运动视频图像以生成所述运动指标。 21.根据权利要求20所述的发情检测系统， 其特征在于， 所述处理器还用于： 每隔第一 预定时间根据所述运动视频图像更新所述运动模型。 22.根据权利要求15所述的发情检测系统， 其。

14、特征在于， 所述的发情检测系统还包括摄 像头， 所述摄像头用于采集母猪的运动视频图像； 所述运动信息包括所述运动视频图像， 所 述处理器还用于： 根据基于深度神经网络的猪耳自动检测与姿态分类模型处理所述运动视 频图像以获取猪耳的姿态信息； 根据所述姿态信息确定静立指数、 竖耳指数和躁动指数； 根 据所述静立指数和竖耳指数确定所述静立指标； 及根据所述躁动指数确定所述躁动指标。 23.根据权利要求15所述的发情检测系统， 其特征在于， 所述的发情检测系统还包括测 距传感器、 活动传感器和摄像头， 所述测距传感器用于测量所述母猪离地面的距离数据； 所 述活动传感器用于采集所述母猪的活动数据； 所述。

15、摄像头用于采集母猪的运动视频图像； 所述运动信息包括测距数据、 活动数据和运动视频图像， 所述静立指标包括第一静立指标、 第二静立指标和第三静立指标， 所述躁动指标包括第一躁动指标、 第二躁动指标和第三躁 动指标， 所述处理器还用于： 获取所述测距数据和所述活动数据的时域特征值和频域特征 值； 根据所述时域特征值和所述频域特征值生成母猪状态数据； 根据所述母猪状态数据生 成所述第一静立指标和所述第一躁动指标； 根据母猪动作识别算法处理所述运动视频图像 以生成运动指标； 根据所述运动指标计算所述第二静立指标和所述第二躁动指标； 根据基 于深度神经网络的猪耳自动检测与姿态分类模型处理所述运动视频图。

16、像以获取猪耳的姿 态信息； 根据所述姿态信息确定静立指数、 竖耳指数和躁动指数； 根据所述静立指数和竖耳 指数确定所述第三静立指标； 根据所述躁动指数确定所述第三躁动指标； 根据所述第一静 权利要求书 3/4 页 4 CN 109984054 A 4 立指标、 所述第二静立指标和所述第三静立指标计算所述静立指标； 及根据第一躁动指标、 第二躁动指标和第三躁动指标计算所述躁动指标。 24.根据权利要求22或23所述的发情检测系统， 其特征在于， 所述猪耳自动检测与姿态 分类模型根据多个已检测的所述母猪的所述姿态信息和对应的所述运动信息生成。 25.根据权利要求15所述的发情检测系统， 其特征在于。

17、， 所述处理器还用于： 根据模糊 决策模型处理所述预测指标、 所述静立指标和所述躁动指标以生成所述发情概率。 26.根据权利要求15所述的发情检测系统， 其特征在于， 所述处理器还用于： 每隔第二 预定时间计算一次待检测的所述母猪的发情概率。 27.根据权利要求15所述的发情检测系统， 其特征在于， 所述发情检测系统还包括提示 器， 所述提示器用于在所述母猪已发情后发出提示信息。 权利要求书 4/4 页 5 CN 109984054 A 5 发情检测方法、 发情检测装置和发情检测系统 技术领域 0001 本申请涉及养殖技术领域， 特别涉及一种发情检测方法、 发情检测装置和发情检 测系统。 背景。

18、技术 0002 现有的养殖领域往往通过经验丰富的员工人为检测被养殖物(如母猪)的发情情 况， 这种方式不仅查情效率较低(需要员工对一头头母猪进行人为检测)， 而且人力成本也 较高。 发明内容 0003 本申请的实施方式提供了一种发情检测方法、 发情检测装置和发情检测系统。 0004 本申请的发情检测方法包括： 获取待检测的母猪的信息以确定所述母猪的预测发 情时间； 根据当前时间和所述预测发情时间生成预测指标； 获取所述母猪的运动信息以生 成所述母猪的静立指标和躁动指标； 根据所述预测指标、 所述静立指标和所述躁动指标生 成发情概率； 及在所述发情概率大于或等于预定阈值时确定所述母猪已发情。 0。

19、005 本申请的发情检测装置包括第一获取模块、 第一生成模块、 第二获取模块、 第二生 成模块和确定模块。 第一获取模块用于获取待检测的母猪的信息以确定所述母猪的预测发 情时间； 第一生成模块用于根据当前时间和所述预测发情时间生成预测指标； 第二获取模 块用于获取所述母猪的运动信息以生成所述母猪的静立指标和躁动指标； 第二生成模块用 于根据所述预测指标、 所述静立指标和所述躁动指标生成发情概率； 确定模块用于在所述 发情概率大于或等于预定阈值时确定所述母猪已发情。 0006 本申请的发情检测系统包括处理器。 所述处理器用于： 获取待检测的母猪的信息 以确定所述母猪的预测发情时间； 根据当前时间。

20、和所述预测发情时间生成预测指标； 获取 所述母猪的运动信息以生成所述母猪的静立指标和躁动指标； 根据所述预测指标、 所述静 立指标和所述躁动指标生成发情概率； 及在所述发情概率大于或等于预定阈值时确定所述 母猪已发情。 0007 本申请的发情检测方法、 发情检测装置和发情检测系统通过当前时间和预测发情 时间生成预测指标， 根据母猪的运动信息生成静立指标和躁动指标， 最后综合考虑预测指 标、 静立指标和躁动指标生成发情概率， 从而在发情概率大于预定阈值时确定母猪已发情， 无需经验丰富的员工去人为查情， 节省了人力成本， 并能够实现自动化查情以提高查情效 率。 且发情检测方法可实现实时查情， 能够。

21、及时发现母猪是否发情， 防止错过母猪发情期， 从而提高生产效率。 0008 本申请的附加方面和优点将在下面的描述中部分给出， 部分将从下面的描述中变 得明显， 或通过本申请的实践了解到。 说明书 1/13 页 6 CN 109984054 A 6 附图说明 0009 为了更清楚地说明本申请实施方式或现有技术中的技术方案， 下面将对实施方式 或现有技术描述中所需要使用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅 是本申请的一些实施方式， 对于本领域普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以根据这些附图获得其他的附图。 0010 图1是本申请某些实施方式的发情检测方法的流。

22、程示意图； 0011 图2是本申请某些实施方式的发情检测装置的模块示意图； 0012 图3是本申请某些实施方式的发情检测系统的结构示意图； 0013 图4是本申请某些实施方式的发情检测方法的流程示意图； 0014 图5是本申请某些实施方式的发情检测装置的模块示意图； 0015 图6是本申请某些实施方式的发情检测方法的流程示意图； 0016 图7是本申请某些实施方式的发情检测装置的模块示意图； 0017 图8是本申请某些实施方式的发情检测方法的流程示意图； 0018 图9是本申请某些实施方式的发情检测装置的模块示意图； 0019 图10是本申请某些实施方式的发情检测方法的原理示意图； 0020 。

23、图11是本申请某些实施方式的发情检测方法的流程示意图； 0021 图12是本申请某些实施方式的发情检测装置的模块示意图； 0022 图13是本申请某些实施方式的发情检测方法的流程示意图； 0023 图14是本申请某些实施方式的发情检测装置的模块示意图； 0024 图15是本申请某些实施方式的发情检测方法的原理示意图； 0025 图16是本申请某些实施方式的发情检测方法的流程示意图； 0026 图17是本申请某些实施方式的发情检测装置的模块示意图； 0027 图18是本申请某些实施方式的发情检测方法的流程示意图； 0028 图19是本申请某些实施方式的发情检测装置的模块示意图； 0029 图20。

24、是本申请某些实施方式的发情检测方法的原理示意图； 0030 图21是本申请某些实施方式的发情检测装置的模块示意图； 0031 图22是本申请某些实施方式的发情检测方法的原理示意图； 0032 图23是本申请某些实施方式的发情检测方法的原理示意图； 0033 图24是本申请某些实施方式的发情检测装置的模块示意图； 0034 图25是本申请某些实施方式的发情检测方法的原理示意图； 0035 图26是本申请某些实施方式的发情检测方法的原理示意图； 0036 图27是本申请某些实施方式的发情检测装置的模块示意图； 0037 图28是本申请某些实施方式的发情检测方法的原理示意图； 0038 图29是本申。

25、请某些实施方式的发情检测装置的模块示意图； 0039 图30是本申请某些实施方式的发情检测方法的原理示意图； 0040 图31是本申请某些实施方式的发情检测方法的场景示意图； 0041 图32是本申请某些实施方式的发情检测系统的结构示意图。 说明书 2/13 页 7 CN 109984054 A 7 具体实施方式 0042 以下结合附图对本申请的实施方式作进一步说明。 附图中相同或类似的标号自始 至终表示相同或类似的元件或具有相同或类似功能的元件。 另外， 下面结合附图描述的本 申请的实施方式是示例性的， 仅用于解释本申请的实施方式， 而不能理解为对本申请的限 制。 0043 请参阅图1， 本。

26、申请实施方式的发情检测方法包括： 0044 011： 获取待检测的母猪的信息以确定母猪的预测发情时间； 0045 012： 根据当前时间和预测发情时间生成预测指标； 0046 013： 获取母猪的运动信息以生成母猪的静立指标和躁动指标； 0047 015： 根据预测指标、 静立指标和躁动指标生成发情概率； 及 0048 016： 在发情概率大于或等于预定阈值时确定母猪已发情。 0049 请参阅图2， 本申请实施方式的发情检测装置10包括第一获取模块11、 第一生成模 块12、 第二获取模块13、 第二生成模块15和确定模块16。 第一获取模块11用于获取待检测的 母猪的信息以确定母猪的预测发情。

27、时间； 第一生成模块12用于根据当前时间和预测发情时 间生成预测指标； 第二获取模块13用于获取母猪的运动信息以生成母猪的静立指标和躁动 指标； 第二生成模块15用于根据预测指标、 静立指标和躁动指标生成发情概率； 确定模块16 用于在发情概率大于或等于预定阈值时确定母猪已发情。 也即是说， 步骤011由第一获取模 块11实现， 步骤012由第一生成模块12实现， 步骤013由第二获取模块13实现， 步骤015由第 二生成模块15实现， 步骤016由确定模块16实现。 0050 请参阅图3， 本申请实施方式的发情检测系统100包括处理器20。 处理器20用于： 获 取待检测的母猪的信息以确定母。

28、猪的预测发情时间； 根据当前时间和预测发情时间生成预 测指标； 获取母猪的运动信息以生成母猪的静立指标和躁动指标； 根据预测指标、 静立指标 和躁动指标生成发情概率； 及在发情概率大于或等于预定阈值时确定母猪已发情。 也即是 说， 步骤011、 步骤012、 步骤013、 步骤014和步骤015可以由处理器20实现。 0051 具体地， 在对当前母猪进行查情(检测是否发情)时， 处理器20首先要获取当前母 猪的信息， 母猪的信息包括品种、 体重、 日龄、 当前生理阶段(如当前母猪处于初次发情阶 段、 妊娠阶段、 哺乳阶段等)等信息， 根据母猪的信息可确定当前母猪的预测发情时间， 例 如， 母猪。

29、一般在初次发情阶段(150-170日龄)初次发情或母猪在断奶(哺乳阶段结束时断 奶)后7天内可再次发情， 初次发情的时间一般为150-170日龄中的任意一天， 根据不同母猪 的品种， 预测发情时间可能存在差异， 如初次发情的时间可以是151天、 152天、 155天、 156 天、 159天、 160天、 162天、 165天、 168天或170天等等， 处理器20根据当前母猪的信息可确定 预测发情时间。 0052 在确定预测发情时间后， 处理器20根据当前时间和预测发情时间即可生成预测指 标， 例如当前时间越接近预测发情时间， 预测指标的值就越大。 0053 之后， 处理器20再获取母猪的运。

30、动信息来确定母猪的静立指标和躁动指标。 一般 的， 母猪在发情时会出现静立反应， 即母猪站在原地不动， 此时母猪若发情则在接收公猪的 爬跨时依旧会保持静立。 处理器20通过母猪的运动信息以判断母猪当前的运动状态： 躺卧、 静立或活动等， 从而确定静立指标和躁动指标， 例如， 母猪处于静立状态， 静立时长达到一 定时间(如2分钟)后静立指标为最大值1， 静立时间越短， 静立指标越小； 而母猪躺卧不活动 说明书 3/13 页 8 CN 109984054 A 8 时躁动指标为0， 母猪活动越剧烈， 持续活动的时间越长， 则躁动指标越大。 0054 在得到预测指标、 静立指标和躁动指标后， 处理器2。

31、0根据预测指标、 静立指标和躁 动指标生成发情概率， 例如， 在预测指标、 静立指标和躁动指标均较大时可确定当前母猪的 发情概率较高(例如为0.8)， 最后判断当前母猪的发情概率是否大于或等于预定阈值(例如 预定阈值设为0.8)， 可确定当前母猪已发情。 0055 本申请的发情检测方法、 发情检测装置10和发情检测系统100通过当前时间和预 测发情时间生成预测指标， 根据母猪的运动信息生成静立指标和躁动指标， 最后综合考虑 预测指标、 静立指标和躁动指标生成发情概率， 从而在发情概率大于预定阈值时确定母猪 已发情， 无需经验丰富的员工去人为查情， 节省了人力成本， 并能够实现自动化查情以提高 。

32、查情效率。 且发情检测方法可实现实时查情， 能够及时发现母猪是否发情， 防止错过母猪发 情期， 从而提高生产效率。 0056 请参阅图4， 在某些实施方式中， 步骤011包括： 0057 0112： 根据多头已发情的母猪的发情信息生成发情时间预测模型； 及 0058 0114： 根据发情时间预测模型处理待检测的母猪的信息以确定预测发情时间。 0059 请参阅图5， 在某些实施方式中， 第一获取模块11包括第一生成单元112和第一处 理单元114。 第一生成单元112用于根据多头已发情的母猪的发情信息生成发情时间预测模 型。 第一处理单元114用于根据发情时间预测模型处理待检测的母猪的信息以确定。

33、预测发 情时间。 也即是说， 步骤0112可以由第一生成单元112实现， 步骤0114可以由第一处理单元 114实现。 0060 请再次参阅图3， 在某些实施方式中， 处理器20还用于根据多头已发情的母猪的发 情信息生成发情时间预测模型； 及根据发情时间预测模型处理待检测的母猪的信息以确定 预测发情时间。 也即是说， 步骤0112和步骤0114可以由处理器20实现。 0061 具体地， 处理器20可预先获取猪场所有的已发情的母猪的发情信息， 其中， 发情信 息包括母猪的品种、 发情时间、 发情时所处的生理阶段等， 例如处理器20根据所有品种A的 母猪的发情信息生成针对品种A的发情时间预测模型，。

34、 根据所有品种B的母猪的发情信息生 成针对品种B的发情时间预测模型， 从而为不同品种的母猪建立不同的发情时间预测模型。 0062 在一个例子中， 处理器20先获取每个品种的母猪发情时处于相同生理阶段(如初 次发情阶段或断奶后)的母猪的发情时间， 然后取平均值以作为当前品种的母猪当前生理 阶段对应的预测发情时间， 例如品种A的所有母猪初次发情阶段的平均发情时间为165日 龄， 那么在对处于初次发情阶段的品种A的母猪进行发情时间预测时， 可预测该母猪的预测 发情时间为165日龄； 再例如， 品种A的所有断奶后的母猪的平均发情时间为断奶后的第七 天， 那么在对断奶后的品种A的母猪进行发情时间预测时，。

35、 可预测品种A的母猪的预测发情 时间为断奶后的第七天。 0063 在另一个例子中， 处理器20可统计每个品种的所有母猪处于初次发情阶段和断奶 后的发情时间(如发情时间具体到某一天)， 并统计每个发情时间内对应的发情的母猪的数 量。 处理器20可设定初次发情阶段中发情的母猪数量最多的发情时间作为当前品种的母猪 的初次发情阶段的预测发情时间， 设定断奶后发情的母猪数量最多的发情时间作为当前品 种的母猪的断奶后的预测发情时间。 例如品种B的初次发情阶段中发情母猪数量最多的发 情时间为164日龄， 那么可设定品种B的母猪初次发情阶段的预测发情时间为164日龄； 再例 说明书 4/13 页 9 CN 1。

36、09984054 A 9 如， 断奶后发情的母猪数量最多的发情时间为断奶后第7天， 那么可设定品种B的母猪断奶 后的预测发情时间为断奶后第七天。 0064 如此， 处理器20可根据发情时间预测模型处理当前母猪的信息以得到准确的预测 发情时间。 0065 请参阅图6， 在某些实施方式中， 步骤012包括： 0066 0122： 根据当前时间和预测发情时间的时间差生成预测指标。 0067 请参阅图7， 在某些实施方式中， 第一生成模块12包括第二生成单元122。 第二生成 单元122用于根据当前时间和预测发情时间的时间差生成预测指标。 也即是说， 步骤0122可 以由第二生成单元122实现。 00。

37、68 请再次参阅图3， 在某些实施方式中， 处理器20还用于根据当前时间和预测发情时 间的时间差生成预测指标。 也即是说， 步骤0122可以由处理器20实现。 0069 具体地， 处理器20在根据预测发情时间模型处理当前母猪的信息以确定预测发情 时间后， 处理器20获取当前时间， 并计算当前时间和预测发情时间的时间差， 可以理解， 当 前时间越接近预测发情时间(即， 时间差越小)， 则发情的几率越高。 在一个例子中， 预测指 标越大， 发情几率越高， 则处理器20计算得到的时间差越小， 预测指标越大。 在另一个例子 中， 预测指标越大， 发情几率越低， 则处理器20计算得到的时间差越小， 预测。

38、指标越小。 如 此， 处理器20可根据时间差准确地确定预测指标。 0070 请参阅图8， 在某些实施方式中， 运动信息包括测距数据和活动数据， 步骤013包 括： 0071 0131： 获取测距数据和活动数据的时域特征值和频域特征值； 0072 0132： 根据时域特征值和频域特征值生成母猪状态数据； 及 0073 0133： 根据母猪状态数据生成静立指标和躁动指标。 0074 请参阅图9， 在某些实施方式中， 第二获取模块13包括第一获取单元131、 第三生成 单元132和第四生成单元133。 第一获取单元131用于获取测距数据和活动数据的时域特征 值和频域特征值。 第三生成单元132用于根。

39、据时域特征值和频域特征值生成母猪状态数据。 第四生成单元133用于根据母猪状态数据生成静立指标和躁动指标。 也即是说， 步骤0131可 以由第一获取单元131实现， 步骤0132可以由第三生成单元132实现， 步骤0133可以由第四 生成单元133实现。 0075 请再次参阅图3， 在某些实施方式中， 发情检测系统100还包括测距传感器30和活 动传感器40， 测距传感器30用于测量母猪离地面的距离数据； 活动传感器40用于采集母猪 的活动数据； 运动信息包括测距数据和活动数据， 处理器20还用于： 获取测距数据和活动数 据的时域特征值和频域特征值； 根据时域特征值和频域特征值生成母猪状态数据。

40、； 及根据 母猪状态数据生成静立指标和躁动指标。 也即是说， 步骤0131、 步骤0132和步骤0133可以由 处理器20实现。 0076 具体地， 在图3所示的例子中， 发情检测系统100还包括安装架60和猪栏70。 每个母 猪安置在一个猪栏70内。 安装架60设置在猪栏70的一端。 测距传感器30安装在安装架60上 并对准母猪。 测距传感器30的数量为两个， 其中一个测距传感器30对准母猪的头部以得到 母猪的头部的测距数据， 另一个测距传感器30对准母猪的背部以得到母猪的背部的测距数 据， 从而同时获取母猪头部和背部的测距数据。 若仅获取母猪头部的测距数据， 母猪背部站 说明书 5/13 。

41、页 10 CN 109984054 A 10 立但头部卧倒时和母猪卧倒时的测距数据基本相同， 导致对母猪的站立状态判断错误； 而 在仅获取母猪的背部的测距数据， 母猪头部站立而背部卧倒时的测距数据和母猪卧倒时的 测距数据基本相同， 导致对母猪的站立状态判断错误。 因此， 同时获取母猪头部和背部的测 距数据以综合判断母猪的站立状态， 可减少误判情况， 提高母猪站立状态的判断准确性。 在 另一个例子中， 测距传感器30数量为一个， 设置在猪栏70的上方对准母猪的背部以获取母 猪的背部的测距数据， 可减少设备使用量， 节省成本。 在其他实施方式中， 可设置大于两个 的测距传感器30获取母猪的测距数据。

42、， 进一步提高母猪站立状态的判断准确性。 0077 测距数据包括有效测距数据和无效测距数据， 有效测距数据为母猪的测距数据， 而无效的测距数据则是其他对象的测距数据， 例如， 人在对猪栏70进行操作时不小心遮挡 测距传感器30后产生的测距数据， 该数据和母猪的测距数据差异较大且会导致后续计算测 距数据的时域特征值和频域特征值时产生误差， 可将与绝大部分的测距数据差异较大的测 距数据当作无效测距数据去除， 从而防止其他对象的测距数据对母猪的测距数据的影响。 0078 活动传感器40也设置在安装架60上并对准母猪。 活动传感器40可采集到母猪的活 动数据， 处理器20可根据活动数据确定母猪是否在活。

43、动及活动的剧烈程度等信息。 活动传 感器40包括红外热释电传感器、 红外接近开关、 电容传感器中至少一个。 0079 如图10所示， 处理器20获取测距数据和活动数据后可首先进行降噪滤波处理， 去 除噪音数据， 提高数据的准确性。 然后处理器20处理降噪后的测距数据和活动数据以提取 测距数据的时域特征值和频域特征值、 和活动数据的时域特征值和频域特征值。 处理器20 可根据测距数据的时域特征值和频域特征值可判断母猪是否处于站立状态， 例如， 母猪站 立和躺卧时分别对应不同的时域特征值范围和频域特征值范围， 处理器20根据当前测距数 据的时域特征值和频域特征值即可确定当前母猪是否处于站立状态。 。

44、在判断母猪是否处于 站立状态后， 处理器20根据活动数据的时域特征值和频域特征值确定母猪活动的剧烈程 度， 例如， 在母猪处于活动状态时， 活动数据的时域特征值和频域特征值是不断波动的， 而 在母猪停止活动(如静立时)， 时域特征值和频域特征值的变化量较小， 因此， 处理器20根据 活动数据的时域特征值和频域特征值的变化情况即可确定母猪活动的剧烈程度。 0080 处理器20根据测距数据的时域特征值和频域特征值、 和活动数据的时域特征值和 频域特征值分别得到包含母猪是否处于站立状态及母猪的活动剧烈程度的母猪状态数据。 最后处理器20然后根据特定时间段内(如10分钟、 20分钟、 半小时等)的母猪。

45、状态数据生成 对应的静立指标和躁动指标， 例如， 母猪状态数据指示当前母猪处于站立状态且活动的剧 烈程度较小， 可认为当前母猪处于静立状态， 根据静立状态持续的时间越长， 静立指标的值 较大， 对应地， 由于活动的剧烈程度较小， 躁动指标的值则较小。 再例如， 在特定时间段内母 猪状态数据指示母猪的活动剧烈程度均较大， 则认为当前母猪处于躁动状态， 此时的躁动 指标较高， 且由于母猪一直处于躁动状态， 没有静立指标(静立指标需母猪处于静立状态， 并根据处于静立状态的时长来确定)。 又例如， 在特定时间段内， 前半段时间的母猪状态数 据指示母猪处于静立状态， 后半段时间的母猪状态数据指示母猪处于。

46、躁动状态， 从而分别 确定静立指标和躁动指标。 如此， 根据测距数据和活动数据可准确地得到当前母猪的静立 指标和躁动指标。 0081 请参阅图11， 在某些实施方式中， 步骤013还包括： 0082 0134： 根据母猪动作识别算法处理运动视频图像以生成运动指标； 及 说明书 6/13 页 11 CN 109984054 A 11 0083 0135： 根据运动指标生成静立指标和躁动指标。 0084 请参阅图12， 在某些实施方式中， 第二获取模块13包括第二处理单元134和第五生 成单元135。 第二处理单元134用于根据母猪动作识别算法处理运动视频图像以生成运动指 标。 第五生成单元135。

47、用于根据运动指标生成静立指标和躁动指标。 也即是说， 步骤0134可 以由第二处理单元134实现， 步骤0135可以由第五生成单元135实现。 0085 请再次参阅图3， 在某些实施方式中， 发情检测系统100还包括摄像头50， 摄像头50 用于采集母猪的运动视频图像； 处理器20还用于根据母猪动作识别算法处理运动视频图像 以生成运动指标； 及根据运动指标生成静立指标和躁动指标。 也即是说， 步骤0134和步骤 0135可以由处理器20实现。 0086 具体地， 如图3所示的例子中， 摄像头50安装在安装架60上以对准母猪， 使得母猪 位于摄像头50的视场范围内。 摄像头50可采集母猪的运动视。

48、频图像以生成运动视频图像， 处理器20根据母猪动作识别算法处理运动视频图像以生成运动指标。 0087 处理器20根据母猪动作识别算法处理运动视频图像， 具体可通过当前母猪的每一 帧的图像数据与数据库中的母猪的运动模板数据进行匹配， 从而确定当前母猪是否站立， 且可实现深度学习， 使得数据库中的母猪的运动模板数据不断更新和学习新的母猪的运动 模版数据， 提高母猪站立状态的判断准确性。 0088 同时， 处理器20根据连续多帧运动视频图像的多个像素的像素值的变化即可确定 母猪的活动剧烈程度， 例如运动视频图像的多个像素的像素值的变化越大， 表示母猪的活 动越剧烈， 从而处理器20可根据母猪是否站立。

49、及母猪活动剧烈程度确定运动指标。 而静立 指标和躁动指标可根据一段时间内(如10分钟内、 20分钟内等)的运动指标确定， 例如， 静立 指标和躁动指标根据10分钟内的运动指标生成， 在前6分钟内， 运动指标均指示母猪站立且 活动剧烈程度较低， 表示母猪处于静立状态， 可得到静立指标(假设静立10分钟达到最大值 1， 当前静立指标可为0.6)， 在后4分钟内， 运动指标指示母猪站立且活动剧烈程度较大， 那 么可得到对应的躁动指标(例如为0.6)。 处理器20可根据运动指标生成静立指标和躁动指 标。 如此， 仅需设置一个摄像头50即可获取静立指标和躁动指标。 0089 请参阅图13， 在某些实施方。

50、式中， 运动信息包括测距数据和活动数据， 步骤013还 包括： 0090 0136： 检测是否存在猪栏参数； 0091 0137： 在不存在猪栏参数时初始化猪栏参数； 及 0092 0138： 初始化运动模型； 0093 步骤0134包括： 0094 0139： 根据运动模型处理运动视频图像以生成运动指标。 0095 请参阅图14， 在某些实施方式中， 第二获取模块13还包括检测单元136、 第一初始 化单元137和第二初始化单元138。 检测单元136用于检测是否存在猪栏参数。 第一初始化单 元137用于在不存在猪栏参数时初始化猪栏参数。 第二初始化单元138用于初始化运动模 型。 第二处理。