畜禽采食量检测及投料方法、装置、机器人、介质

1.本发明涉及畜禽养殖技术领域，尤其涉及一种畜禽采食量检测及投料方法、装置、机器人、介质。


背景技术：

2.在现代畜牧业中，畜禽的个体饲料摄入量是养殖管理的重要因素之一。以牛羊为例，精确定位每头牛羊并了解其采食量不仅有助于优化饲养管理，还能通过采食量判断牛羊的健康水平。因此，实现对饲料通道中饲料剩余量的监测以实现智能决策撒料量对于畜牧养殖来说，具有很强的现实意义。
3.在牛羊养殖过程中，准确了解牛羊每日的采食状况是养殖工作的关键部分，现有方式，是通过人工观察饲喂通道一侧的饲料剩余量，间接判断牛羊的采食量。然而，人工观察采食量受限于人力成本，仅能大致判断饲喂通道内是否还有剩余饲料，无法量化饲料剩余量，缺乏准确的数据支持。随着精准畜牧业概念在牛羊产业中的不断深入，人工观察饲料剩余量的方式，阻碍了畜禽个体采食量分析和养殖情况判断等后续工作的顺利开展。


技术实现要素：

4.本发明提供一种畜禽采食量检测及投料方法、装置、机器人、介质，用以解决现有技术采用人工观察的方式，对畜禽采食量估计不准确的缺陷。
5.本发明提供一种畜禽采食量检测方法，包括：获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量。
6.根据本发明提供的畜禽采食量检测方法，所述基于所述点云数据计算所述目标饲料堆的饲料余量，包括：将所述点云数据的表面区域划分为多个目标小区域；对所述目标小区域所在的空间区域进行体素划分，并计算划分出的各体素的体积之和，得到所述目标小区域对应的区域体积；计算各所述目标小区域对应的区域体积之和，得到所述目标饲料堆的饲料余量；所述目标饲料堆的饲料余量为：；其中，，；
表示划分出的体素的体积，表示所述体素的边长，为所述目标小区域的数量，为第个所述目标小区域的体积，表示第个所述目标小区域所在的空间区域。
7.根据本发明提供的畜禽采食量检测方法，所述获取畜禽饲喂通道中的目标饲料堆的点云数据，包括：采集畜禽饲喂通道在各目标栏位处的饲料堆图像，并获取所述目标栏位的栏位信息；所述饲料堆图像包括彩色图像和深度图像，所述目标栏位为所述畜禽饲喂通道对应的多个栏位中的任意一个；基于预设转换算法对所述饲料堆图像进行点云转换，得到所述畜禽饲喂通道在所述目标栏位处的饲料堆的点云数据；根据所述栏位信息对各所述目标栏位对应的点云数据进行点云拼接，得到所述畜禽饲喂通道中的目标饲料堆的点云数据；所述预设转换算法为：；；；其中，为所述深度图像中的像素点的深度值；为所述深度值的缩放倍数；为像素点坐标，为所述点云数据中的像素点的坐标值；为用于采集所述深度图像的深度相机的焦距，为所述深度相机的光学中心。
8.根据本发明提供的畜禽采食量检测方法，所述饲料堆图像包括在畜禽进食前采集的第一饲料堆图像和在畜禽进食后采集的第二饲料堆图像；所述彩色图像包括所述第一饲料堆图像中的第一彩色图像和所述第二饲料堆图像中的第二彩色图像；所述深度图像包括所述第一饲料堆图像中的第一深度图像和所述第二饲料堆图像中的第二深度图像；所述采集畜禽饲喂通道在各目标栏位处的饲料堆图像，包括：监测畜禽饲喂通道对应的被测畜禽对象的进食状态；根据所述进食状态，在所述被测畜禽对象进食前，采集所述畜禽饲喂通道在各目标栏位处的第一饲料堆图像；根据所述进食状态，在所述被测畜禽对象进食后，采集所述畜禽饲喂通道在各所述目标栏位处的第二饲料堆图像。
9.根据本发明提供的畜禽采食量检测方法，所述基于所述点云数据计算所述目标饲料堆的饲料余量之后，还包括：根据所述饲料余量生成所述畜禽饲喂通道的饲料余量分布图；所述饲料余量分布图中用于表征所述畜禽饲喂通道中的剩余饲料在所述畜禽饲喂通道对应的多个栏位处的分布情况。
10.根据本发明提供的畜禽采食量检测方法，所述根据所述饲料余量生成所述畜禽饲喂通道的饲料余量分布图之后，还包括：
根据所述饲料余量分布图，确定所述被测畜禽对象在所述畜禽饲喂通道中的习惯采食区域，以指示投料设备在所述畜禽饲喂通道中的投料位置。
11.本发明还提供一种畜禽投料方法，包括：获取畜禽饲喂通道的投料设备的出料参数；所述出料参数包括单位时间内的出料量；根据所述出料参数和畜禽采食量，确定所述投料设备的投料参数，并指示所述投料设备根据所述投料参数进行投料；所述投料参数包括出料时间和所述投料设备的移动速度，所述畜禽采食量是基于如上述任一种所述的畜禽采食量检测方法进行检测得到的。
12.本发明还提供一种畜禽采食量检测装置，包括：数据采集模块，用于获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；余量监测模块，用于基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；采食量检测模块，用于根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量。
13.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述畜禽采食量检测方法。
14.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述畜禽采食量检测方法，或者如上述任一种所述畜禽投料方法。
15.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述畜禽采食量检测方法，或者如上述任一种所述畜禽投料方法。
16.本发明还提供一种巡检机器人，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，还包括监控设备，所述监控设备包括深度相机；所述处理器执行所述程序时实现如上述任一种所述畜禽采食量检测方法，或者如上述任一种所述畜禽投料方法。
17.本发明提供的畜禽采食量检测及投料方法、装置、机器人、介质，通过获取畜禽饲喂通道中的目标饲料堆的点云数据，并基于获取的点云数据计算目标饲料堆在畜禽进食前后的饲料余量；根据畜禽进食前后的饲料余量的差值，确定畜禽饲喂通道对应的被测畜禽对象的饲料采食量。通过饲料堆的点云数据可以准确量化饲喂通道内的饲料余量，从而确定畜禽的饲料采食量，实现对饲喂通道内饲料余量的监测，以及对畜禽饲料采食量的准确检测，减少了牧场的人力成本，且相比于人工观察饲料余量进行采食量估计，提高了对畜禽饲料采食量的预估准确性，有利于实现牧场的科学健康养殖，提高畜禽的养殖质量。
附图说明
18.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
19.图1是本发明实施例提供的畜禽采食量检测方法的流程示意图；图2是本发明实施例提供的图像采集场景示意图；图3是本发明实施例提供的奶牛进食前后的饲料堆图像的采集流程示意图；图4是本发明实施例提供的饲料堆示意图；图5是本发明实施例提供的饲料堆体素化示意图；图6是本发明实施例提供的饲料余量分布图；图7是本发明实施例提供的畜禽采食量检测装置的结构示意图；图8是本发明提供的电子设备的结构示意图。
具体实施方式
20.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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作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。
21.为了准确量化饲喂通道的饲料剩余量、节约人力成本，本发明实施例提出了一种畜禽采食量检测方法，通过监测饲喂通道内饲料剩余量确定畜禽采食量，可以实现对饲料量的科学投放，进而提高畜禽饲养质量和产量。
22.具体地，参照图1，图1为本发明实施例提供的畜禽采食量检测方法的流程示意图，基于图1，本发明实施例提供的畜禽采食量检测方法，包括：步骤100，获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；需要说明的是，本发明提供的畜禽采食量检测方法，应用于养殖场内的巡检机器人，通过巡检机器人实现对养殖场内各畜禽的采食量的检测，以及饲喂通道内的饲料剩余量的监测。
23.首先，获取畜禽饲喂通道中的饲料堆的点云数据，该点云数据包括饲料堆在畜禽进食前的第一点云数据，以及饲料堆在畜禽进食后的第二点云数据。饲喂通道中的饲料堆的点云数据是由巡检机器人对饲料堆进行图像采集得到的，参照图2，图2是本实施例提供的奶牛养殖场背景下的巡检机器人采集图像的场景示意图，在图2中，1为奶牛饲喂通道，2为巡检机器人，3为巡检机器人采集图像时的拍摄角度示意图。巡检机器人在畜禽进食前后，分别对饲喂通道内的饲料堆进行图像采集，得到饲喂通道内的饲料堆的点云数据。
24.步骤200，基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；点云数据中的每个点都具有三维坐标信息，能够反应饲料的实际空间情况，从而
可以根据获取的点云数据计算出饲料堆的体积，最终得到计算出饲喂通道内的饲料堆的饲料余量。可知地，获取的饲喂通道内饲料堆的点云数据包括畜禽进食前的第一点云数据，以及畜禽进食后的第二点云数据，因此，得到的饲料余量包括基于第一点云数据进行计算得到的第一饲料余量，以及基于第二点云数据进行计算得到的第二饲料余量。第一饲料余量即畜禽进食前饲喂通道内的饲料堆的体积，第二饲料余量即畜禽进食后饲喂通道内的饲料堆的体积。
25.步骤300，根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量。
26.根据计算出的第一饲料余量和第二饲料余量的差值，确定饲喂通道对应的被测畜禽对象的饲料采食量。可以理解的是，饲喂通道对应的被测畜禽对象包括一个或多个，当饲喂通道对应的被测畜禽对象为一个时，根据饲喂通道中饲料余量在畜禽进食前后的差值，可以确定饲喂通道对应的该畜禽的饲料采食量。当饲喂通道对应的被测畜禽对象为多个时，通过设置多个栏位将内侧畜禽对象进行隔离，每个栏位中可以有一个或多个畜禽，根据饲喂通道中饲料余量在畜禽进食前后的差值，可以确定饲喂通道对应的多个被测畜禽对象的总体饲料采食量；以及，根据饲喂通道在每个栏位处的饲料余量在畜禽进食前后的差值，可以确定该栏位中的被测畜禽对象的饲料采食量。进一步地，还可以通过对被测畜禽对象进行个体识别，确定每一个被测畜禽对象的饲料采食量。
27.可知地，结合饲喂通道的添料情况，可以通过获取饲喂通道中的饲料堆的点云数据，可以计算出被测畜禽对象在任意时间段内的饲料采食量，并确定被测畜禽对象习惯的采食时间段，从而形成被测畜禽对象的采食规律，用于指导健康养殖。
28.在本实施例中，通过获取畜禽饲喂通道中的目标饲料堆的点云数据，并基于获取的点云数据计算目标饲料堆在畜禽进食前后的饲料余量；根据畜禽进食前后的饲料余量的差值，确定畜禽饲喂通道对应的被测畜禽对象的饲料采食量。通过饲料堆的点云数据可以准确量化饲喂通道内的饲料余量，从而确定畜禽的饲料采食量，实现对饲喂通道内饲料余量的监测，以及对畜禽饲料采食量的准确检测，减少了牧场的人力成本，且相比于人工观察饲料余量进行采食量估计，提高了对畜禽饲料采食量的预估准确性，有利于实现牧场的科学健康养殖，提高畜禽的养殖质量。
29.为便于描述，以下以奶牛作为被测畜禽对象为例进行说明。优选地，获取的饲喂通道中的饲料堆的点云数据是通过图像转换得到的，巡检机器人采集的饲喂通道中的饲料堆图像包括彩色图像和深度图像。基于此，步骤100中，获取畜禽饲喂通道中的目标饲料堆的点云数据，具体包括：步骤101，采集畜禽饲喂通道在各目标栏位处的饲料堆图像，并获取所述目标栏位的栏位信息；所述饲料堆图像包括彩色图像和深度图像，所述目标栏位为所述畜禽饲喂通道对应的多个栏位中的任意一个；步骤102，基于预设转换算法对所述饲料堆图像进行点云转换，得到所述畜禽饲喂通道在所述目标栏位处的饲料堆的点云数据；步骤103，根据所述栏位信息对各所述目标栏位对应的点云数据进行点云拼接，得到所述畜禽饲喂通道中的目标饲料堆的点云数据；所述预设转换算法为：
；；；其中，为所述深度图像中的像素点的深度值；为所述深度值的缩放倍数；为像素点坐标，为所述点云数据中的像素点的坐标值；为用于采集所述深度图像的深度相机的焦距，为所述深度相机的光学中心。
30.采集畜禽饲喂通道在各目标栏位处的饲料堆图像，并获取该目标栏位的栏位信息，其中，采集的饲料堆图像包括彩色图像和深度图像，目标栏位为饲喂通道对应的多个栏位中的任意一个。基于预设转换算法对采集的饲料堆图像进行点云转换，得到畜禽饲喂通道在目标栏位处的饲料堆的点云数据，根据获取的栏位信息，对畜禽饲喂通道在各目标栏位处的饲料堆的点云数据进行点云拼接，得到整个饲喂通道中的饲料堆的点云数据。
31.进一步地，采集的饲料堆图像包括在奶牛进食前采集的第一饲料堆图像，以及在奶牛进食后采集的第二饲料堆图像，彩色图像包括第一饲料堆图像中的第一彩色图像，以及第二饲料堆图像中的第二彩色图像，同样地，深度图像包括第一饲料堆图像中的第一深度图像，以及第二饲料堆图像中的第二深度图像。步骤101中，采集畜禽饲喂通道在各目标栏位处的饲料堆图像，还可以包括：步骤1011，监测畜禽饲喂通道对应的被测畜禽对象的进食状态；步骤1012，根据所述进食状态，在所述被测畜禽对象进食前，采集所述畜禽饲喂通道在各目标栏位处的第一饲料堆图像；步骤1013，根据所述进食状态，在所述被测畜禽对象进食后，采集所述畜禽饲喂通道在各所述目标栏位处的第二饲料堆图像。
32.巡检机器人监测饲喂通道对应的被测畜禽对象的进食状态，根据该进食状态，在被测畜禽对象进食前，采集饲喂通道在各目标栏位处的彩色图像和深度图像；在被测畜禽对象进食后，采集饲喂通道在各目标栏位处的彩色图像和深度图像。需要说明的是，当饲喂通道对应的被测畜禽对象有多个时，不同的被测畜禽对象进食时间可能不同，巡检机器人通过对各个被测畜禽对象的进食状态进行监测，在被测畜禽对象进食前后，分别采集饲喂通道在各栏位处的饲料堆的彩色图像和深度图像，在采集图像的同时，记录栏位信息并将其与采集的图像进行关联，在后续的处理过程中，可以按照栏位信息确定同一栏位对应的饲料堆图像。
33.在奶牛进食前，巡检机器人启动，对饲喂通道的饲料堆进行拍照并记录对应的栏位信息，该栏位信息包括饲料堆的位置、栏位编号等。在奶牛进食完毕之后，巡检机器人再次对饲喂通道的饲料进行拍照并记录相应的栏位信息，完成饲料堆图像的采集。采集的饲料堆图像包括饲料堆的彩色图像和深度图像，可以生成点云数据，用于计算进食前和进食后的饲料余量。
34.在一个实施例中，对于饲料堆图像的采集，具体地，可以参照图3所示的奶牛进食
前后的图像采集流程示意图，基于图3，首先，巡检机器人在正常启动后，获取奶牛的监控图像以监测奶牛的进食状态，判断奶牛是否进食，若奶牛已进食，则继续监测奶牛的进食状态，若奶牛未进食，采集奶牛进食前的饲料堆图像，并记录栏位信息；然后继续获取奶牛的监控图像监测奶牛的进食状态，判断奶牛是否完成进食，若完成进食，采集奶牛进食后的饲料堆图像，并记录栏位信息；循环执行上述步骤，当奶牛多次进食时，可以根据采集的奶牛进食前后的饲料堆图像，计算出奶牛每次进食时的饲料采食量，以及采食时长。
35.在一个实施例中，饲料堆如图4所示，对于饲料堆图像的点云转换，具体地，深度图像是利用深度相机采集的，深度相机测量每个像素的深度，生成每个像素点的3d相机坐标，生成点云数据。巡检机器人获取饲喂通道奶牛进食前、后的饲料堆的彩色图像和深度图像，生成点云数据，通过栏位信息进行点云拼接，生成整个饲喂通道的奶牛进食前、后饲料堆的点云数据。点云数据中的每个点都具有三维坐标信息，能够反应饲料的实际空间情况。基于预设转换算法对彩色图像和深度图像进行点云转换，生成点云数据，预设转换算法具体如下列公式1至3所示：；（1）；（2）；（3）其中，为根据深度图像得到的像素点的深度值；为深度值的缩放倍数；为彩色图像中的像素点坐标，为点云数据中的像素点对应的3d点云坐标值；为采集深度图像的深度相机的焦距，为采集深度图像的深度相机的光学中心，也即深度相机的内参。
36.优选地，在一个实施例中，基于获取的点云数据，采用体素法根据点云数据计算畜禽饲喂通道内的饲料余量。具体地，步骤200中，基于获取的点云数据计算饲喂通道中的饲料堆的饲料余量，还可以包括：步骤201，将所述点云数据的表面区域划分为多个目标小区域；步骤202，对所述目标小区域所在的空间区域进行体素划分，并计算划分出的各体素的体积之和，得到所述目标小区域对应的区域体积；步骤203，计算各所述目标小区域对应的区域体积之和，得到所述目标饲料堆的饲料余量；所述目标饲料堆的饲料余量为：；其中，，；表示划分出的体素的体积，表示所述体素的边长，为所述目标小区域的数量，为第个所述目标小区域的体积，表示第个所述目标小区域所在的空间区域。
37.将点云数据的表面区域划分为多个目标小区域，对各目标小区域所在的空间进行体素划分，并计算划分出的各体素的体积之和，得到目标小区域对应的区域体积，计算各目标小区域对应的区域体积之和，得到饲喂通道内的饲料堆体积，从而得到饲料余量。
38.如图5所示的饲料堆的三维体素化模型示意图，将饲料堆的点云数据的表面区域分割成多个目标小区域，对于每个目标小区域，可以使用体素化计算其体积。体素法是通过将空间划分为若干个小立方体，计算这些小立方体中被曲面模型覆盖的体积之和，最终得到整个饲料堆区域的体积。
39.整个饲喂通道内的饲料余量的体积计算公式如下所示：；（4）其中，表示整个饲喂通道中的饲料余量的体积，表示饲喂通道中的饲料区域数量，即目标小区域的数量，表示第个饲料区域的体积。对于每一个饲料区域的体积，其计算公式如下所示：；（5）在公式5中，表示第个饲料区域所覆盖的空间区域，表示空间中的微小体积。对于使用体素法计算的体积，可以将立方体的体积表示为，表示立方体的边长。在计算时，为便于计算，可以将立方体的边长设为与体素大小相同的值，以获得更加精确的体积值，此时立方体的体积即为体素的体积。对于整个饲喂通道内的饲料堆的点云数据，累加所有目标小区域对应的区域体积，得到饲喂通道在奶牛进食前、后饲料余量的体积，根据奶牛进食前、后饲料余量的体积差，即可得到奶牛的饲料采食量。奶牛饲料采食量的计算公式为：；（6）为奶牛饲料采食量，和分别表示奶牛进食前、后的饲料余量体积。
40.优选地，当饲喂通道对应多个栏位时，每个栏位处又可以有一个或多个饲料堆，在计算饲喂通道内的饲料余量时，可以基于采集的饲料堆图像对应的点云数据，按照上述方式先分别计算饲喂通道在每个栏位处的每个饲料堆对应的饲料余量，然后对各栏位处的饲料余量进行求和，得到饲喂通道内总的饲料余量。
41.在本实施例中，利用巡检机器人采集饲喂通道进食前、后的饲料余量彩色图和深度图，转换成点云图之后，按照相应的栏位进行点云拼接，将点云分割成多个小区域，将小区域的表面积和距离地面的相对高度相乘得到该小区域的体积，所有小区域的体积进行累加，最终得到饲料余量进食前、后的体积。将两个体积做差得到采食量，完成对饲料剩余量的监测以及饲料剩余量的量化。
42.进一步地，利用巡检机器人实现饲喂通道饲料剩余量的监测，实现了对饲喂通道饲料剩余量的自动监测和计算，节省了大量的人力物力成本，提高了生产效率和经济效益。
43.优选地，通过计算奶牛的饲料采食量，可以实现对饲喂通道内饲料余量的动态监测，进而实现智能投料。具体地，步骤200中，在计算出畜禽进食前后饲喂通道内的饲料余量之后，还可以包括：步骤210，根据所述饲料余量生成所述畜禽饲喂通道的饲料余量分布图；所述饲料
余量分布图中用于表征所述畜禽饲喂通道中的剩余饲料在所述畜禽饲喂通道对应的多个栏位处的分布情况。
44.根据计算出的畜禽进食前后饲喂通道内的饲料余量，畜禽饲喂通道内饲料余量分布图，该饲料余量分布图用于表征畜禽饲喂通道内剩余饲料在畜禽饲喂通道对饮的多个栏位处的分布情况，显示了每个栏位处的饲料余量及其分布情况。优选地，生成的饲料余量分布图如图6所示，在图6中，l1为畜禽进食前饲喂通道内的饲料余量，l2为畜禽进食后饲喂通道内的饲料余量。图6中是以饲喂通道对应的多个栏位为例生成的饲料余量分布图，多个栏位分别为x1至x
11
，以栏位为饲料余量分布图的横坐标，可以显示出饲料堆在饲喂通道内所在的位置，以饲料余量作为纵坐标，可以显示出各栏位处的饲料余量。
45.进一步地，基于生成的饲料余量分布图，不仅可以确定每个栏位处的畜禽的饲料采食量，还可以确定畜禽习惯的采食区域。步骤210中，在生成饲料余量分布图之后，还可以包括：步骤220，根据所述饲料余量分布图，确定所述被测畜禽对象在所述畜禽饲喂通道中的习惯采食区域，以指示投料设备在所述畜禽饲喂通道中的投料位置。
46.可知地，大多数畜禽，如牛羊等，具有领地意识，这一行为特性对于饲料的投料具有重要影响，因为牛羊更倾向于在其领地范围内采食，结合牛羊的领地意识，实现智能决策撒料量，将极大地改善牧场管理决策，并提高牧场的整体生产力。因此，在投料的过程中，除了根据饲料剩余料判断整体的采食情况外，还需要结合牛羊的领地意识，将饲料投放到牛羊习惯的采食区域，以确保他们充分摄取所需营养，实现智能投料。根据饲料余量分布图，可以确定饲喂通道内在每个栏位处饲料采食量最多的区域，从而确定畜禽习惯的采食区域，用于指示投料设备在畜禽饲喂通道中可选择的投料位置，以指导投料设备投料。
47.在本实施例中，通过对彩色图像和深度图像进行点云转换，并采用体素法，基于转换后的点云数据对畜禽采食前后的饲料余量进行估计，可以准确估计出畜禽采食量。
48.进一步地，通过生成饲料余量分布图，将对饲喂通道内饲料余量的动态监测结果可视化，以直观的方式展现每个栏位的饲料剩余量，可以为牧场管理人员提供决策依据。
49.本技术实施例还提供一种畜禽投料方法，包括：s1，获取所述饲喂通道的投料设备的出料参数；所述出料参数包括单位时间内的出料量；s2，根据所述出料参数和畜禽采食量，确定所述投料设备的投料参数，并指示所述投料设备根据所述投料参数进行投料；所述投料参数包括出料时间和所述投料设备的移动速度，所述畜禽采食量是基于如上述各实施例所提供的畜禽采食量检测方法进行检测得到的。
50.获取饲喂通道的投料设备的出料参数，该出料参数包括单位时间内的出料量，根据出料参数、畜禽的饲料采食量以及饲喂通道内的饲料余量，确定出料设备的投料参数，该投料参数包括出料时间和投料时的移动速度。
51.具体地，投料设备如撒料车，若设定其出料率为a，单位为立方米/秒（），对于每个栏位，根据其对应的奶牛的饲料采食量（单位为立方米，即），以及该栏位处奶牛进食后的饲料余量（单位为立方米，即），可以计算得到栏位的出料时间t（单位
是秒，即s）：；（7）然后根据出料时间和撒料车的出料率来确定行进速度：；（8）根据公式7和8可得：；（9）在下一次撒料时，可以根据每个栏位的饲料剩余量以及奶牛的采食量确定撒料车的移动速度，以及在每个栏位处的出料时间，对于饲料剩余量少的栏位减速，对于饲料剩余量多的栏位则加速，并根据确定的奶牛习惯采食区域，将饲料投放至习惯采食区域内，从而实现精确投料。将每个栏位的奶牛采食量，作为撒料车的投料参考和撒料车行进速度的决策依据，以保证每个栏位都能及时得到适量的饲料供应。
52.在本实施例中，基于畜禽的饲料采食量进行智能决策，通过分析畜禽采食量，结合饲喂通道内的饲料余量，控制投料设备的出料时间和移动速度，实现对投料设备的智能控制，进而实现了饲喂的自动化，提高了投料效率，同时减少了饲料浪费和对环境的污染，进一步提高了畜禽的饲养质量。
53.下面对本发明提供的畜禽采食量检测装置进行描述，下文描述的畜禽采食量检测装置与上文描述的畜禽采食量检测方法可相互对应参照。
54.参照图7，本发明实施例提供的畜禽采食量检测装置，包括：数据采集模块10，用于获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；余量监测模块20，用于基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；采食量检测模块30，用于根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量。
55.在一个实施例中，所述余量监测模块20，还用于：将所述点云数据的表面区域划分为多个目标小区域；对所述目标小区域所在的空间区域进行体素划分，并计算划分出的各体素的体积之和，得到所述目标小区域对应的区域体积；计算各所述目标小区域对应的区域体积之和，得到所述目标饲料堆的饲料余量；所述目标饲料堆的饲料余量为：；其中，，；表示划分出的体素的体积，表示所述体素的边长，为所述目标小区域的数
量，为第个所述目标小区域的体积，表示第个所述目标小区域所在的空间区域。
56.在一个实施例中，所述数据采集模块10，还用于：采集畜禽饲喂通道在各目标栏位处的饲料堆图像，并获取所述目标栏位的栏位信息；所述饲料堆图像包括彩色图像和深度图像，所述目标栏位为所述畜禽饲喂通道对应的多个栏位中的任意一个；基于预设转换算法对所述饲料堆图像进行点云转换，得到所述畜禽饲喂通道在所述目标栏位处的饲料堆的点云数据；根据所述栏位信息对各所述目标栏位对应的点云数据进行点云拼接，得到所述畜禽饲喂通道中的目标饲料堆的点云数据；所述预设转换算法为：；；；其中，为所述深度图像中的像素点的深度值；为所述深度值的缩放倍数；为像素点坐标，为所述点云数据中的像素点的坐标值；为用于采集所述深度图像的深度相机的焦距，为所述深度相机的光学中心。
57.在一个实施例中，所述饲料堆图像包括在畜禽进食前采集的第一饲料堆图像和在畜禽进食后采集的第二饲料堆图像；所述彩色图像包括所述第一饲料堆图像中的第一彩色图像和所述第二饲料堆图像中的第二彩色图像；所述深度图像包括所述第一饲料堆图像中的第一深度图像和所述第二饲料堆图像中的第二深度图像；所述数据采集模块10，还用于：监测畜禽饲喂通道对应的被测畜禽对象的进食状态；根据所述进食状态，在所述被测畜禽对象进食前，采集所述畜禽饲喂通道在各目标栏位处的第一饲料堆图像；根据所述进食状态，在所述被测畜禽对象进食后，采集所述畜禽饲喂通道在各所述目标栏位处的第二饲料堆图像。
58.在一个实施例中，所述畜禽采食量检测装置还包括可视化模块，用于：根据所述饲料余量生成所述畜禽饲喂通道的饲料余量分布图；所述饲料余量分布图中用于表征所述畜禽饲喂通道中的剩余饲料在所述畜禽饲喂通道对应的多个栏位处的分布情况。
59.在一个实施例中，所述畜禽采食量检测装置还包括可视化分析模块，用于：根据所述饲料余量分布图，确定所述被测畜禽对象在所述畜禽饲喂通道中的习惯采食区域，以指示投料设备在所述畜禽饲喂通道中的投料位置。
60.图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和
通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行畜禽采食量检测方法或畜禽投料方法，例如包括：获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量；或者：获取畜禽饲喂通道的投料设备的出料参数；所述出料参数包括单位时间内的出料量；根据所述出料参数和畜禽采食量，确定所述投料设备的投料参数，并指示所述投料设备根据所述投料参数进行投料；所述投料参数包括出料时间和所述投料设备的移动速度，所述畜禽采食量是基于如上述任一方面所述的畜禽采食量检测方法进行检测得到的。
61.此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
62.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的畜禽采食量检测方法或畜禽投料方法，例如包括：获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量；或者：获取畜禽饲喂通道的投料设备的出料参数；所述出料参数包括单位时间内的出料量；根据所述出料参数和畜禽采食量，确定所述投料设备的投料参数，并指示所述投料设备根据所述投料参数进行投料；所述投料参数包括出料时间和所述投料设备的移动速度，所述畜禽采食量是基于如上述任一方面所述的畜禽采食量检测方法进行检测得到的。
63.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程
序，该计算机程序被处理器执行时实现以执行上述各方法提供的畜禽采食量检测方法或畜禽投料方法，例如包括：获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量；或者：获取畜禽饲喂通道的投料设备的出料参数；所述出料参数包括单位时间内的出料量；根据所述出料参数和畜禽采食量，确定所述投料设备的投料参数，并指示所述投料设备根据所述投料参数进行投料；所述投料参数包括出料时间和所述投料设备的移动速度，所述畜禽采食量是基于如上述任一方面所述的畜禽采食量检测方法进行检测得到的。
64.另一方面，本发明还提供一种巡检机器人，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，还包括监控设备，该监控设备包括深度相机；处理器执行计算机程序时实现如上述各方法提供的畜禽采食量检测方法或畜禽投料方法，例如包括：获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量；或者：获取畜禽饲喂通道的投料设备的出料参数；所述出料参数包括单位时间内的出料量；根据所述出料参数和畜禽采食量，确定所述投料设备的投料参数，并指示所述投料设备根据所述投料参数进行投料；所述投料参数包括出料时间和所述投料设备的移动速度，所述畜禽采食量是基于如上述任一方面所述的畜禽采食量检测方法进行检测得到的。
65.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
66.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指
令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
67.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种畜禽采食量检测方法，其特征在于，包括：获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量。2.根据权利要求1所述的畜禽采食量检测方法，其特征在于，所述基于所述点云数据计算所述目标饲料堆的饲料余量，包括：将所述点云数据的表面区域划分为多个目标小区域；对所述目标小区域所在的空间区域进行体素划分，并计算划分出的各体素的体积之和，得到所述目标小区域对应的区域体积；计算各所述目标小区域对应的区域体积之和，得到所述目标饲料堆的饲料余量；所述目标饲料堆的饲料余量为：；其中，，；表示划分出的体素的体积，表示所述体素的边长，为所述目标小区域的数量，为第个所述目标小区域的体积，表示第个所述目标小区域所在的空间区域。3.根据权利要求1所述的畜禽采食量检测方法，其特征在于，所述获取畜禽饲喂通道中的目标饲料堆的点云数据，包括：采集畜禽饲喂通道在各目标栏位处的饲料堆图像，并获取所述目标栏位的栏位信息；所述饲料堆图像包括彩色图像和深度图像，所述目标栏位为所述畜禽饲喂通道对应的多个栏位中的任意一个；基于预设转换算法对所述饲料堆图像进行点云转换，得到所述畜禽饲喂通道在所述目标栏位处的饲料堆的点云数据；根据所述栏位信息对各所述目标栏位对应的点云数据进行点云拼接，得到所述畜禽饲喂通道中的目标饲料堆的点云数据；所述预设转换算法为：；；；其中，为所述深度图像中的像素点的深度值；为所述深度值的缩放倍数；为像素点坐标，为所述点云数据中的像素点的坐标值；为用于采集所
述深度图像的深度相机的焦距，为所述深度相机的光学中心。4.根据权利要求3所述的畜禽采食量检测方法，其特征在于，所述饲料堆图像包括在畜禽进食前采集的第一饲料堆图像和在畜禽进食后采集的第二饲料堆图像；所述彩色图像包括所述第一饲料堆图像中的第一彩色图像和所述第二饲料堆图像中的第二彩色图像；所述深度图像包括所述第一饲料堆图像中的第一深度图像和所述第二饲料堆图像中的第二深度图像；所述采集畜禽饲喂通道在各目标栏位处的饲料堆图像，包括：监测畜禽饲喂通道对应的被测畜禽对象的进食状态；根据所述进食状态，在所述被测畜禽对象进食前，采集所述畜禽饲喂通道在各目标栏位处的第一饲料堆图像；根据所述进食状态，在所述被测畜禽对象进食后，采集所述畜禽饲喂通道在各所述目标栏位处的第二饲料堆图像。5.根据权利要求1所述的畜禽采食量检测方法，其特征在于，所述基于所述点云数据计算所述目标饲料堆的饲料余量之后，还包括：根据所述饲料余量生成所述畜禽饲喂通道的饲料余量分布图；所述饲料余量分布图中用于表征所述畜禽饲喂通道中的剩余饲料在所述畜禽饲喂通道对应的多个栏位处的分布情况。6.根据权利要求5所述的畜禽采食量检测方法，其特征在于，所述根据所述饲料余量生成所述畜禽饲喂通道的饲料余量分布图之后，还包括：根据所述饲料余量分布图，确定所述被测畜禽对象在所述畜禽饲喂通道中的习惯采食区域，以指示投料设备在所述畜禽饲喂通道中的投料位置。7.一种畜禽投料方法，其特征在于，包括：获取畜禽饲喂通道的投料设备的出料参数；所述出料参数包括单位时间内的出料量；根据所述出料参数和畜禽采食量，确定所述投料设备的投料参数，并指示所述投料设备根据所述投料参数进行投料；所述投料参数包括出料时间和所述投料设备的移动速度，所述畜禽采食量是基于如权利要求1至6任一项所述的畜禽采食量检测方法进行检测得到的。8.一种畜禽采食量检测装置，其特征在于，包括：数据采集模块，用于获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括所述目标饲料堆在畜禽进食前的第一点云数据，以及所述目标饲料堆在畜禽进食后的第二点云数据；余量监测模块，用于基于所述点云数据计算所述目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；采食量检测模块，用于根据所述第一饲料余量与所述第二饲料余量的差值，确定所述畜禽饲喂通道对应的被测畜禽对象的饲料采食量。9.一种巡检机器人，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，还包括监控设备，所述监控设备包括深度相机；所述处理器执行所述程序时实现如权利要求1至6任一项所述畜禽采食量检测方法，或者如权利要求
7所述的畜禽投料方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述畜禽采食量检测方法，或者如权利要求7所述的畜禽投料方法。

技术总结
本发明涉及畜禽养殖技术领域，提供一种畜禽采食量检测及投料方法、装置、机器人、介质，所述方法包括：获取畜禽饲喂通道中的目标饲料堆的点云数据；所述点云数据包括目标饲料堆在畜禽进食前的第一点云数据，以及目标饲料堆在畜禽进食后的第二点云数据；基于所述点云数据计算目标饲料堆的饲料余量；所述饲料余量包括所述第一点云数据对应的第一饲料余量，以及所述第二点云数据对应的第二饲料余量；根据第一饲料余量与第二饲料余量的差值，确定畜禽饲喂通道对应的被测畜禽对象的饲料采食量。通过饲料堆的点云数据可以准确量化畜禽饲喂通道内的饲料余量，从而确定畜禽的饲料采食量，有利于实现牧场的科学健康养殖，提高畜禽的养殖质量。量。量。


技术研发人员：李斌 刘世锋 王海峰 朱君 赵宇亮 周孟创
受保护的技术使用者：北京市农林科学院智能装备技术研究中心
技术研发日：2023.08.11
技术公布日：2023/9/14