一种基于体温和运动量数据的奶牛发情预测装置

1.本发明涉及奶牛发情预测装置，特别是涉及一种基于体温和运动量数据的奶牛发情预测装置。


背景技术：

2.现如今，大量的国内牧场仍旧依靠经验这种粗放的方式来管理，不仅造成我国奶牛的平均产奶量低于乳业发达国家，其乳产品质量也存在较大差距。随着物联网技术的发展，一些企业纷纷提出万头牧场计划，实现从传统农业向现代农业的发展，在现代牧场管理中，利用传感器进行环境信息、体征信息的实时监控变得越来越普遍，利用这种精细化和信息化的管理能够大大提高牧场效率。
3.近年来，规模化、标准化养殖成为我国奶业生产的主体。在奶牛养殖中，奶牛发情的及时准确鉴定可以使奶牛适时受孕，提高奶牛的受孕率，缩短产犊间隔，提升奶牛养殖的经济效益。传统奶牛发情检测主要依靠人工巡检，观察记录，根据管理人员的经验进行判断，费时费力，容易造成漏检。而奶牛发情时由于激素调节，会出现兴奋，躁动，运动量明显增加。因此普遍采用计步器进行发情期预测。但是有一部分奶牛在发情期外表征候不明显，称为“隐性发情”。如冬季舍饲期间长期不运动、营养不良或者光线较差等原因，仅通过计步仍然无法准确判断奶牛发情状况。这种情况下，如果不注意观察，容易导致隐性发情的奶牛错过配种时期，造成人为的经济损失。此外，也有方案采用体温传感器并结合神经网络算法实现预测发情，但是体内植入式传感器异物感明显，会造成奶牛的不适应，且发情预测准确率较低。
4.综上所述，如何能够实现精确的奶牛发情预测，已经成为智能畜牧应用的关键问题。


技术实现要素：

5.有鉴于此，本发明的目的在于提供一种基于体温和运动量数据的奶牛发情预测装置，用以解决仅依赖计步功能无法实现对隐性发情奶牛的及时鉴别。设备端采集体温和运动量数据后，通过滑动窗口进行预处理并提取特征向量，其中标签值需要牧场工作人员采用直肠检验法或其他检验方法进行发情鉴别。并通过监督学习模型预测发情，这种融合体征信息构建的发情预测模型能够极大地提高预测准确率。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种基于体温和运动量数据的奶牛发情预测装置，所述预测装置包括：
8.数据集构建模块，其包括：针对多头奶牛，在一定时间段内，持续获取其温度以及步数数据，再确定该多头奶牛在该时间段内的发情情况，所述的发情情况为发情或者不发情；
9.数据集预处理模块，其包括：首先对每头奶牛的数据集进行归一化操作，然后再针对归一化后的数据集，采用滑动窗口生成特征向量，该特征向量包括：一个间情期的平均活
动因子、上一个间情期的平均温度因子、上一个发情期的平均活动因子、上一个发情期的平均温度因子、本时间段活动因子、本时间段温度因子、标签值为是否发情；
10.预测模型训练模块，其包括：采用机器学习方法，针对一分类模型，以数据集预处理模块得到的训练样本集为模型输入，以当前发情状况为模型输出，进行迭代训练，待模型收敛获得发情预测模型；
11.发情预测模块，其包括：将预测样本集输入模型训练模块中得到的发情预测模型中，对预测样本集的发情状况进行预测和评估。
12.进一步的，所述数据集构建模块还包括：牛耳标设备、蓝牙网关以及中继网关；
13.所述牛耳标设备被设置在牛耳朵上，用于持续采集温度和步数数据，采集之后定时向蓝牙网关发送，其中，牛耳标设备通过ble低功耗蓝牙与蓝牙网关进行通信；
14.所述蓝牙网关通过扫描覆盖范围内的所有设备的广播信号，再接收到数据后，通过lora实现远距离传输，发送给所述中继网关；
15.所述中继网关汇总所有蓝牙网关上接收的数据，并通过wifi模块上传至服务器中。
16.进一步的，所述数据集预处理模块、所述预测模型训练模块以及所述发情预测模块被配置在所述服务器中。
17.进一步的，所述的一定时间段为2个月，所述奶牛具体为：4～5的成年岁，体重在500～600kg之间，且未受孕的奶牛。
18.进一步的，通过直肠检验法来确定该多头奶牛在该时间段内的发情情况。
19.进一步的，在所述数据集预处理模块中，所述滑动窗口时长为4小时，对应不同设备，每4小时数据会对数据队列进行一次预处理，得到总步数和平均体温值；相应的，每四小时，确定奶牛的发情情况。
20.进一步的，在所述预测模型训练模块中，在模型训练时，首先将数据集中标签为发情和未发情的特征向量单独提取出来，然后通过随机函数从发情和未发情的数据集中各抽取66％的数据集合并作为训练集，剩余的33％作为测试集。
21.进一步的，所述预测模型训练模块中，所述分类模型采用：k最近邻、支持向量机、决策树、随机森林或者学习向量量化。
22.进一步的，所述牛耳标设备包括加速度计和测温模块。
23.本发明的有益效果是：
24.1、本发明通过融合体温和运动量来构建准确的奶牛发情预测模型，能够实现对奶牛发情期的及时预测，能够有效提高牧场的经济效益。
25.2、本发明设计的一套体征监测设备，也能够实现对其他动物的实时监测，在物联网领域具有很高的适用性与推广性。
附图说明
26.图1表示为实施例1中提供的一种基于体温和运动量数据的奶牛发情预测装置的传输方案架构图；
27.图2表示为实施例1中获取奶牛发情预测模型的流程示意图；
28.图3表示为实施例1中提供的一种基于体温和运动量数据的奶牛发情预测装置的
各模块示意图。
具体实施方式
29.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.实施例1
31.参见图1-图3，本实施提供一种基于体温和运动量数据的奶牛发情预测装置，该装置的数据传输的具体架构如图1所示，该预测装置具体包括：
32.1、数据集构建模块，其包括：
33.牛耳标设备、蓝牙网关以及中继网关；具体的说，在本实施例中，通过在牛耳朵上设置牛耳标设备，持续采集温度和步数数据，采集之后定时向蓝牙网关发送，其中，牛耳标设备通过ble低功耗蓝牙与蓝牙网关进行通信；
34.蓝牙网关会扫描该覆盖范围内的所有设备的广播信号，蓝牙网关接收到数据后，通过lora实现远距离传输，发送给中继网关；
35.中继网关汇总所有蓝牙网关上接收的数据，并通过wifi模块上传至服务器，其中，该服务器上设置有其他模块用于后续的发情预测。
36.具体的说，在本实施例中，针对多头奶牛在一定时间内，通过该数据集构建模块持续获取其温度以及步数数据，再确定相应的奶牛在该时间段内发情的情况，其中，以发情或者不发情作为标签。
37.更具体的说，在本实施例中，采集持续时间为2个月。对于生理周期正常的奶牛，两个月内能够连续测量2-3个发情期，汇总的数据集足够进行模型预测。实验动物选择成年4～5岁，体重在500～600kg之间，且未受孕的奶牛，因为奶牛一旦受孕，在孕期便不再进行发情，因此也无法采集到发情的数据集，因此，在本实施例中，总共选择还未受孕的奶牛30头次。
38.更具体的说，在本实施例中，该数据集构建模块持续采集数据并实现计步和测温功能。在线下，工作人员采用直肠检验法或其他检验方法进行发情鉴定；考虑到仅通过运动量来预测发情，难以实现对隐性发情、运动量不明显的奶牛预测，而奶牛的体温也会伴随着发情期变化，因此融合体温和运动量实现发情期预测能够有效提高预测的准确率，采用直肠检验法通过判断卵巢上卵泡发育情况来确认奶牛的发情阶段是目前最准确的鉴别方法，能够保证标签值的正确，发情鉴别包括但不限于直肠检验法。
39.2、数据集预处理模块，其包括：
40.首先对每头奶牛的数据集进行归一化操作，以将总步数和体温值归一化至区间[0,1]，将归一化后的总步数称为活动因子，归一化后的体温称为体温因子。再从处理后的数据集中，基于滑动窗口预处理生成特征向量，该特征向量包括：一个间情期的平均活动因子commonstep、上一个间情期的平均温度因子commontemp、上一个发情期的平均活动因子oestrusstep、上一个发情期的平均温度因子oestrustemp、本时间段活动因子curstep、本时间段温度因子curtemp，标签值flag为是否发情、
[0041]
具体的说，在本实施例中，其采用的滑动窗口时长为4小时，因此对应不同设备，每4小时数据会对数据队列进行一次预处理，得到总步数和平均体温值。也相应的，牧场工作人员也每4小时进行一次直肠检验法或其他检测方法，用于判断奶牛是否发情。
[0042]
具体地说，在这一过程中，对特征向量选取的时间窗口有较高的要求。如果特征向量选取的时间窗口较短时，容易受到奶牛短期内不规律运动的干扰，进而影响模型预测的精度。而如果选取的时间窗口过长，则会导致该方案退化成发情期鉴定模型而不是发情期预测模型，时效性不高，容易错过奶牛的发情期，进而影响牧场的经济效益。通过对国内外研究现状的调研，奶牛发情预测的滑动窗口设置成4小时，较为合理。
[0043]
更具体的说，在得到总步数和平均体温值后还会进行归一化处理，此处是对每一头奶牛采集的数据集单独进行归一化，而不是将所有奶牛的数据集汇总进行归一化。将归一化后的步数称为活动因子，归一化后的温度称为温度因子。如果将所有数据集合并处理，会极大地增加预测的难度。因此为了抵消不同奶牛行为的差异性对预测结果的影响，没有选取奶牛群体的特征，定制化对每一头奶牛单独提取特征，这样能够大大提升预测的准确率。
[0044]
3、模型训练模块，其包括：
[0045]
采用机器学习方法构建以数据集预处理模块得到的训练样本集为输入，以当前发情状况为输出的模型，并采用训练样本集训练该模型以获取能够预测发情状况的经验模型；
[0046]
具体地说，在模型训练时，首先将数据集中标签为发情和未发情的特征向量单独提取出来，然后通过随机函数从发情和未发情的数据集中各抽取66％的数据集合并作为训练集，剩余的33％作为测试集。这样能够确保一定比例的发情期和间情期数据都能得到训练，提高预测的准确率。由于发情预测是一个二分类问题，因此只需要采用监督学习分类模型即可，分类模型包括但不限于k最近邻、支持向量机、决策树、随机森林，学习向量量化。
[0047]
4、发情预测模块，其包括：
[0048]
将预测样本集输入模型训练模块中得到的发情预测模型中，对预测样本集的发情状况进行预测和评估。
[0049]
综上所述，本发明提供的一种基于体温和运动量数据的奶牛发情预测装置，其通过融合体温和运动量来构建准确的奶牛发情预测模型，能够实现对奶牛发情期的及时预测，能够有效提高牧场的经济效益；并且其还提供了一套体征监测设备，也能够实现对其他动物的实时监测，在物联网领域具有很高的适用性与推广性。
[0050]
本发明未详述之处，均为本领域技术人员的公知技术。
[0051]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。