牲畜喂食装置及系统

1.本说明书涉及智能化养殖技术领域，尤其涉及牲畜喂食装置及系统。


背景技术：

2.目前，中小型养殖企业在养殖生猪的过程中一般采用圈养以及人工喂养的模式，每一圈猪只有一个食槽110。当需要喂食时，工人根据猪圈内的生猪的情况，确定喂食的量，然后，工人将确定好的食物投放到各个猪圈的食槽110中，每一圈内的生猪从食槽110内进行进食。
3.然而，即时合理搭配了进食的量，但由于猪圈内的多头猪是在同一个食槽110进食，存在抢食的问题，造成部分生猪进食的量多，部分生猪进食的量少，导致生猪进食不合理，从而出现生猪生长状态良莠不齐的情况，同时，由于需要人工进行喂养，导致喂养效率低。


技术实现要素：

4.为克服相关技术中存在的问题，本说明书提供了一种牲畜喂食装置及系统。以解决生猪生长状态良莠不齐，以及喂养效率低的技术问题。
5.根据本技术实施例的第一方面，提供一种牲畜喂养装置，所述装置包括投食器和进食通道；所述投食器包括食槽110、储食设备120和感应器130；
6.所述进食通道的预设出口与所述食槽110的第一侧相对；所述进食通道可供一个目标牲畜通过；
7.所述感应器130，用于采集进食通道内的目标牲畜的脸部图像，并对所述脸部图像进行识别，得到所述目标牲畜的身份信息；以及根据所述目标牲畜的身份信息获取所述目标牲畜的进食信息；
8.所述感应器130，还用于根据所述目标牲畜的进食信息确定所述目标牲畜对应的目标投放量，并控制所述储食设备120投放重量为所述目标投放量的食物至所述食槽110。
9.在一种可能的设计中，所述储食设备120包括储食件、导管和第一控制阀门；所述导管的一端与所述储食件连通，另一端处于所述食槽110的上方或者位于所述食槽110内；所述第一控制阀门置于所述导管上；
10.所述感应器130，还用于开启所述第一控制阀门，以使所述储食件内的食物通过所述导管进入所述食槽110，并在所述储食件投放重量为所述目标投放量的食物的情况下，关闭所述第一控制阀门。
11.在一种可能的设计中，所述储食设备120包括储食件，所述储食件设有出食口，所述出食口上设有第二控制阀门；所述出食口处于所述食槽110的上方；
12.所述感应器130，还用于开启所述第二控制阀门，以使所述储食件内的食物通过所述出食口进入所述食槽110，并在所述储食件投放重量为所述目标投放量的食物的情况下，关闭所述第二控制阀门。
13.在一种可能的设计中，所述目标牲畜喂养装置还包括第一感应门；所述第一感应门设置在所述进食通道的预设入口处
14.所述第一感应门，用于在所述目标牲畜进入所述进食通道的预设入口的情况下，进行开启，并在通过所述预设入口进入所述进食通道内的情况下，进行关闭。
15.在一种可能的设计中，所述目标牲畜喂养装置还包括离开通道和第二感应门；所述第二感应门设置在所述离开通道的预设入口处；所述离开通道的预设入口与所述食槽110的第二侧相对；
16.所述感应器130，还用于获取所述食槽110内的食物的剩余重量，并在所述剩余重量小于或等于预设剩余重量值的情况下，开启所述第二感应门。
17.在一种可能的设计中，所述投食器还包括称重传感器；
18.所述称重传感器，用于确定所述食槽110内的食物的重量，并将所述重量发送至所述感应器130。
19.在一种可能的设计中，所述目标牲畜的进食信息包括所述目标牲畜的年龄和所述目标牲畜当天的已进食量；
20.所述感应器130，还用于获取与所述目标牲畜的年龄对应的日投放量，并计算所述日投放量与所述已进食量的差值，得到剩余投放量；
21.所述感应器130，还用于根据当前时间确定剩余投放次数，并计算所述剩余投放量与所述剩余投放次数的比值，得到所述目标投放量。
22.在一种可能的设计中，所述目标牲畜包括目标生猪；
23.所述感应器130，还用于基于目标网络模型，将所述目标生猪的脸部图像与预设存储位置中的生猪的预设脸部图像进行比对，得到所述目标生猪的身份信息；
24.其中，所述目标网络模型包括centernet网络模型，所述centernet网络模型中的特征提取网络为resnet18网络。
25.在一种可能的设计中，所述resnet18网络为改进后的resnet18网络；
26.其中，所述改进后的resnet18网络中的卷积层指示空洞卷积层。
27.根据本技术实施例的第二方面，提供一种牲畜喂养系统，所述系统包括一个或多个如上第一方面以及第一方面各种可能的设计所述的牲畜喂养装置。
28.本技术的实施例提供的技术方案可以包括以下有益效果：
29.本技术实施例中，本技术通过提供一种牲畜喂养装置，牲畜喂养装置包括投食器和进食通道，投食器包括食槽110、储食设备120和感应器130，牲畜可以通过进食通道到达食槽110，为了避免出现牲畜抢食的情况，进食通道的尺寸仅可以容纳一个牲畜。在牲畜通过进食通道的过程中，感应器130采集进食通道内的牲畜(即目标牲畜)的脸部图像，并对该脸部图像进行识别，以确定目标牲畜的身份信息。感应器130利用目标牲畜的身份信息查找该目标牲畜的进食情况，以供利用该目标牲畜的进食情况确定目标牲畜当前需喂养的食物量，即需投放的食物的重量，也即目标牲畜对应的目标投放量，实现目标牲畜所需的食物的准确确定。在确定目标投放量后，感应器130控制储食设备120开始向食槽110投放食物，当投放的食物的重量达到目标投放量后，表明食槽110内的食物量为目标牲畜所需的量，则控制储食设备120停止投放食物，实现牲畜的自动合理喂养，无需人工进行喂养，可以有效提高喂养效率。同时由于食槽110内的食物仅供目标牲畜进食，不存在抢食的问题，以及目标
牲畜对应的目标投放量是根据目标牲畜的进食情况确定的，当目标牲畜为生猪时，可以保证生猪进食的合理性，避免生猪生长状态良莠不齐，以及可以避免投放食物过多，造成食物的浪费。
30.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
31.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
32.图1是本技术根据一示例性实施例示出的一种牲畜喂养装置的结构示意图。
33.图2是本技术根据一示例性实施例示出的一种图像处理的过程示意图。
34.图3是本技术根据一示例性实施例示出的另一种图像处理的过程示意图。
35.图4是本技术根据一示例性实施例示出的又一种图像处理的过程示意图。
36.图5是本技术根据一示例性实施例示出的模型检测结果的示意图。
37.图6是本技术根据一示例性实施例示出的一种储食设备120的结构示意图。
38.图7是本技术根据一示例性实施例示出的另一种储食设备120的结构示意图。
39.图8是本技术根据一示例性实施例示出的一种通道示意图。
40.图9是本技术根据一示例性实施例示出的一种牲畜喂养系统的结构示意图。
41.附图标记：
42.110：食槽；
43.120：储食设备；
44.121：储食件；
45.122：导管；
46.123：第一控制阀门；
47.124：出食口；
48.125：第二控制阀门；
49.130：感应器；
50.200：进食通道；
51.210：第一感应门；
52.300：离开通道；
53.310：第二感应门；
54.400：食物储存器；
55.500：控制器；
56.510：总阀门。
具体实施方式
57.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与本说
明书的一些方面相一致的装置和方法的例子。
58.在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
59.应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
60.如图1所示，图1是本技术根据一示例性实施例示出的一种牲畜喂养装置的结构示意图。牲畜喂养装置包括投食器和进食通道200。投食器包括食槽110、储食设备120和感应器130。
61.进食通道200的预设出口与食槽110的第一侧相对。进食通道200可供一个牲畜通过。
62.感应器130，用于采集进食通道200内的目标牲畜的脸部图像，并对脸部图像进行识别，得到目标牲畜的身份信息。以及根据目标牲畜的身份信息获取目标牲畜的进食信息。
63.感应器130，还用于根据目标牲畜的进食信息确定目标牲畜对应的目标投放量，并控制储食设备120投放重量为目标投放量的食物至食槽110。
64.其中，进食通道200的尺寸可以实际需求进行设置，其仅可容纳一个牲畜通过。在实际应用中，当不同年龄段的牲畜的尺寸相差较大时，可以使不同年龄段的牲畜使用不同的进食通道200，该进食通道200的尺寸与相应年龄段的牲畜的尺寸对应。当不同年龄段的牲畜的尺寸相差较小时，无需区分年龄段。
65.在本技术实施例中，进食通道200的一端为入口，另一端为出口，牲畜通过入口进入进食通道200，并在经过出口后，离开进食通道200，而到达食槽110前面。感应器130可以采集到进食通道200内的牲畜(即目标牲畜)的脸部图像，并对脸部图像进行相关处理，以确定目标牲畜的身份信息。在得到目标牲畜的身份信息后，为了实现合理喂养，感应器130查找该目标牲畜的进食情况，以结合目标牲畜的进食情况确定本次目标牲畜需进食的实物量，即本次需投放给该目标牲畜的食物重量，也即确定目标牲畜对应的目标投放量。在确定目标牲畜对应的目标投放量后，控制储食设备120开始投放食物至食槽110，当投放的食物重量达到目标投放量后，控制储食设备120停止投放食物，目标牲畜可以使用食槽110内的食物，实现食物的自动精准投放，避免投放食物过少，导致目标牲畜营养不良，也避免投放食物过多，造成食物的浪费。
66.其中，感应器130的位置可以根据实际需求进行设置，只需可以捕捉到进食通道200内的牲畜的脸部图像即可。例如，感应器130正对进食通道200的入口处。
67.在一些实施例中，目标牲畜的身份信息包括目标牲畜的标识，该标识具有唯一性，例如，目标牲畜的标识为身份标识号(identity document，id)。在得到目标牲畜的身份信息后，可以从预设位置中查找与该身份信息对应的进食情况，即进食信息。
68.其中，预设位置指示能够存储数据的位置，例如，预设位置为数据库。
69.在一些实施例中，目标牲畜的进食信息包括目标牲畜的年龄和目标牲畜当天的已进食量。
70.感应器130，还用于获取与目标牲畜的年龄对应的日投放量，并计算日投放量与已进食量的差值，得到剩余投放量。
71.感应器130，还用于根据当前时间确定剩余投放次数，并计算剩余投放量与剩余投放次数的比值，得到目标投放量。
72.具体的，感应器130从预设年龄食物量映射表中查找与目标牲畜的年龄对应的日投放量，该日投放量表示该年龄的牲畜每天所需的食物重量。将目标牲畜对应的日放量量减去该目标牲畜当天的已进食量，确定该目标牲畜当天剩余应进食量，即得到剩余投放量。感应器130获取当前时间，并从预设时间次数映射表中查找该当前时间对应的剩余投放次数，剩余投放次数表示该目标牲畜当天可以进食的次数。感应器130在得到剩余投放量和剩余投放次数后，计算剩余投放量与剩余投放次数的比值，得到本次投放的食物量，即得到目标投放量。例如，剩余投放次数为2，则该目标牲畜还可以进食2次，剩余投放量为2kg，即当天还可以投放2kg的食物，则本次需投放的食物量，即目标牲畜对应的目标投放量为2k/2＝1kg。
73.其中，预设年龄食物量映射表包括至少一个年龄段及各个年龄段对应的日投放量。相应的，在根据预设年龄食物量映射表查找目标牲畜对应的日投放量时，先确定该目标牲畜的年龄所属的年龄段，并将该年龄段对应的日投放量作为该目标牲畜对应的日投放量。
74.其中，预设时间次数映射表包括至少一个时间段及各个时间段对应的剩余投放次数。相应的，在根据预设时间次数映射表查找目标牲畜对应的剩余投放次数时，先确定当前时间所属的时间段，并将该时间段对应的剩余投放次数作为该目标牲畜对应的剩余投放次数。
75.在一些实施例中，目标牲畜当天的已进食量可以直接根据目标牲畜当天对应的已投放量进行确定，即将目标牲畜对应的已投放量作为目标牲畜当天的已进食量。相应的，在食物投放完毕后，感应器130根据目标牲畜对应的目标投放量对目标牲畜当天的已进食量进行更新，即将该已进食量加上该目标投放量，目标牲畜的进食信息包括更新后的当天的已进食量，以便于下次确定目标牲畜的目标投放量。
76.在另一些实施例中，目标牲畜可能由于某些原因，可能未吃完食槽110内的食物，因此，为了实现精准投放，目标牲畜当天的已进食量可以根据目标牲畜当天实际已进食量进行确定。在目标牲畜进食完毕后，获取食槽110内的剩余食物量，并计算本次对应的目标投放量与该剩余实物量之间的差值，得到目标牲畜本次实际已进行量，从而可以确定目标牲畜当天已进食量。
77.其中，为了实现对食槽110内的食物的称重，可以在食槽110上设置称重件，该称重件用于测量食槽110内的食物的重量，并将该重量传输至感应器130，以使感应器130可以确定食槽110内食物的重量。该称重件的位置可以根据实际需求进行设置，例如，称重机位于食槽110的底部。
78.在一些实施例中，称重件包括重量传感器、电子秤等。
79.在一些实施例中，感应器130，还用于基于目标网络模型，将目标牲畜的脸部图像
与预设存储位置中的牲畜的脸部图像进行比对，得到目标牲畜的身份信息。
80.其中，目标网络模型包括centernet网络模型，centernet网络模型中的特征提取网络为resnet18网络。
81.感应器130对目标牲畜的脸部图像识别和匹配，即在确定目标牲畜的特征数据后，将其与预设存储位置中的该类型的牲畜的预设脸部图像所对应的特征数据进行匹配，以确定与该目标牲畜的脸部图像相似的预设脸部图像，这一部分的工作通过centernet算法完成。具体的，如图2所示，感应器130中的红外线摄像头在采集到的目标牲畜的脸部图像后，将其输入到全卷积神经网络模型中，先通过resnet18网络进行特征提取，得到特征图。在得到特征图后，再利用两个池化层，即通过center pooling和cascade corner pooling分别得到角点热力图和中心点热力图用来预测关键点的位置。在得到角点的位置和类别后，通过offsets将角点的位置映射到输入脸部图像的对应位置，然后通过embedings判断哪两个角点属于同一个物体，以便组成一个检测框。对于每个目标框定义一个中心区域，通过判断每个目标框的中心区域是否含有中心点，若有，则保留该目标框，并且此时框的置信度分数为中心点、左上角点和右下角点的置信度分数的平均值；若无，则去除该目标框，使得网络具备感知目标区域内部信息的能力，能够有效去除错误的目标框。最终根据该中心点的图像特征回归得到目标的其他特征，比如目标尺寸、3d坐标方向、姿态信息等。
82.其中，目标框是由至少一个检测框组成。resnet18网络在进行特征提取时，先对脸部图像进行下采样，然后再通过几层反卷积上采样，得到高和宽分别为h/stride和w/stride的特征图。
83.其中，resnet18网络对脸部图像进行下采样是对脸部图像进行缩小，作用是生成对应图像的缩略图(即缩小后的图一个像素由缩小前图的多个像素组成)，缩略图的每个像素点的值是其对应的缩小前图片的组成像素点的均值。
84.在本实施例中，在采用centernet算法对目标牲畜的脸部图像识别和匹配时，可以保证图像处理的效率以及精度。
85.在一些实施例中，为了进一步提高精度，resnet18网络为改进后的resnet18网络，具体的，采用空洞卷积替换resnet18网络中残差结构中的常规卷积，即将空洞卷积层替换掉resnet18网络中的原有卷积层，并结合残差结构提取特征的方式，丰富浅层特征，使网络结构在具有相似计算复杂度的同时增强特征提取能力，在现有特征提取的基础上对特征的感知域进行扩大，减少计算量并保留细节系信息，进一步提升网络对图像目标的检测能力，最终输出一个更有效的特征图。利用此特征图预测热力图、中心坐标和宽高度。其中，利用改进后的resnet18网络生成特征图的过程如图3所示。
86.其中，resnet18网络中的原有卷积层，即常规卷积可视为求取脸部图像对应位置附近区域像素的权重之和，并赋值到输出特征中心像素的过程。常规卷积主要通过下采样操作获取特征图，如极大值池化方法，这使得采样得到的特征图尺寸越来越小，最后特征图上的每一像素点对应的原图是一个较大区域，这也意味着整张图像的特征响应变得非常稀疏。而空洞卷积通过在卷积层引入一个新参数——扩张率来定义卷积操作时卷积核处理数据值的间距，能获得密集的空间响应。如图4所示，当利用3*3卷积核进行操作时，常规卷积只能对5*5的区域进行响应，而扩张率为2的空洞卷积则能对7*7的区域进行响应，因此，可以得到空洞卷积相较于常规卷积来说感受野更大，精度更高。
87.在本实施例中，在确定与目标牲畜的脸部图像相似的预设脸部图像后，将与该预设脸部图像绑定的身份信息作为该目标牲畜对应的身份信息。
88.其中，预设存储位置包括数据库等能够存储数据的位置。
89.上述描述可以从预设存储位置中预设脸部图像中确定与目标牲畜的脸部图像相似，即匹配的预设脸部图像的过程，当然，也有可能出现无法找到与目标牲畜的脸部图像相似的预设脸部图像的情况，此时，可以语音输出类似“无法匹配”的提示信息，以使相关工作人员人工控制储食设备120投放食物。
90.在一些实施例中，以目标牲畜为生猪为例，为了验证基于centernet算法的猪脸检测算法的可行性与有效性，相关研发人员进行了一系列的实验验证。将改进的centernet算法与多种被广泛使用的计算机视觉目标检测算法在速度和识别精确度上进行对比，该目标检测算法包括centernet算法、fast rcnn算法以及yolo v3算法。作为目前主流的目标检测算法，这些算法均已经验证了其在目标识别与检测中的有效性和准确性，并得到了广泛的应用。
91.在评价指标上，通常将样本图像分为正例(positives)与负例(negatives)，其中，正例代表与目标相关的样本，负例代表与目标无关的样本。此外，真正(true positives，tp)表示被正确划分为正例的个数，假正(false positives，fp)表示被错误划分为正例的个数，真负(true negatives，tn)表示被正确划分为负例的个数，假负(false negatives，fn)表示被错误划分为负例的个数。本技术使用目标检测领域中的常见评价指标，该指标主要包括精确率(precision)、召回率(recall)、平均精度均值(mean average precision)和检测时间(time)这四类。并且在iou阈值θ＝0.5设定下的计算结果。具体计算公式为：
92.pr＝[tp/(tp+fp)]
×
100％
[0093]
re＝[tp/(tp+fn)]
×
100％
[0094][0095]
其中，四种检测算法的检测效果对比情况如下表1所示。
[0096]
表1检测算法效果对比表
[0097][0098]
由实验结果可知，本技术所使用改进型centernet算法的检测效果不仅准确率最高，使用的检测时间相较其余算法也大为缩短。fast rcnn算法的检测准确率仅次于centernet算法，但是检测时间需要的是centernet算法的8倍左右，检测时间最慢，难以满足实时性要求。yolo v3算法虽然检测时间只需centernet的1.6倍左右，但是检测准确率却是最差的。值得注意的是，通过对改进后的centernet网络模型和centernet网络模型对比中，在所有维度中均有不错的提升。
[0099]
在本实施例中，为了提高改进后的centernet网络模型的适应性，研发人员基于pytorch深度学习框架，搭建python＝3.7，pytorch 1.5.0，cuda
tm
(compute unified device architecture)10.1的环境，使用改进后的centernet网络模型进行网络训练。训练和测试均在windows
tm
操作系统下进行。同时，在实验训练的过程中，批量处理图片数量设置为4，网络优化器选择随机梯度下降方法，并设置学习率为0.02。训练后的模型检测结果如图5所示，其中检测到的猪脸区域均由方框框出。由图5可知，即使不同的图片存在角度差异和环境因素的影响，改进后的centernet网络模型依旧可以有效地对猪脸和猪身进行检测，并具有良好的检测效果。
[0100]
在本实施例中，由于改进后的centernet网络模型对采集到的目标牲畜的识别速率较快，以及识别精度较高，从而在目标牲畜在进食通道200内行走的过程中，感应器130便可以完成目标牲畜的脸部图像的采集，以及完成利用脸部图像对食物的投放，即在目标牲畜到达食槽110前，便可以完成食物的投放，方便目标牲畜进食。
[0101]
在一些实施例中，储食设备120的结构可以为以下两种结构中的任一种，一种利用导管122进行投放食物至食槽110，另一种直接投放食物至食槽110。
[0102]
一种结构为，如图6所示，储食设备120包括储食件121、导管122和第一控制阀门123。导管122的一端与储食件121连通，另一端处于食槽110的上方或者位于食槽110内。第一控制阀门123置于导管122上。第一控制阀门123与感应器130电连接。
[0103]
感应器130，还用于开启第一控制阀门123，以使储食件121内的食物通过导管122进入食槽110，并在储食件121投放重量为目标投放量的食物的情况下，关闭第一控制阀门123。
[0104]
具体的，导管122的一端通过储食件121上的出食口深入储食件121内部，另一端位于食槽110的上方或者位于食槽110内，使得储食件121内的食物可以通过导管122进入食槽110内。导管122上存在控制阀门(即第一控制阀门123)，可以通过控制第一控制阀门123的开关来控制食物的投放。感应器130在确定目标牲畜对应的目标投放量后，发送启动信号至第一控制阀门123以使第一控制阀门123开启。当第一控制阀门123开启后，储食件121内的食物可以通过导管122进入食槽110。当储食件121投放的食物重量到达目标投放量后，表明食槽110内的食物已经足够，则感应器130发送关闭信号至第一控制阀门123以使第一控制阀门123关闭。当第一控制阀门123关闭后，储食件121内的食物无法通过导管122进入食槽110。
[0105]
另一种结构为，如图7所示，储食设备120包括储食件121，储食件121设有出食口124，出食口124上设有第二控制阀门125。出食口124处于食槽110的上方。第二控制阀门125与感应器130电连接。
[0106]
感应器130，还用于开启第二控制阀门125，以使储食件121内的食物通过出食口124进入食槽110，并在储食件121投放重量为目标投放量的食物的情况下，关闭第二控制阀门125。
[0107]
具体的，感应器130在确定目标牲畜对应的目标投放量后，发送启动信号至第二控制阀门125以使第二控制阀门125开启。当第二控制阀门125开启后，储食件121内的食物可以投放至食槽110。当储食件121投放的食物重量到达目标投放量后，表明食槽110内的食物已经足够，则感应器130发送关闭信号至第二控制阀门125以使第二控制阀门125关闭。当第
二控制阀门125关闭后，储食件121内的食物无法通过导管122进入食槽110。
[0108]
其中，储食件121包括储食箱、储食桶等能够盛放食物的容器。
[0109]
在一些实施例中，在确定储食件121投放的食物的重量是否达到目标投放量时，可以通过以下两种方式进行确定。
[0110]
一方面，食槽110底部可以安装称重装置，该称重装置可以对食槽110内的食物进行称重，即确定食槽110内的食物的重量，且该称重装置与感应器130连接。感应器130可以根据称重装置采集的食槽110内的食物的重量确定储食件121投放的食物重量与目标投放量之间差值是否小于或等于预设差值，在小于或等于预设差值的情况下，表明储食件121投放的食物重量到达目标投放量。
[0111]
另一方面，感应器130也可以通过储食件121的底部的称重装置确定储食件121投放的食物的重量是否到达目标投放量。
[0112]
在一些实施例中，如图8所示，目标牲畜喂养装置还包括第一感应门210。第一感应门210设置在进食通道200的预设入口处。
[0113]
第一感应门210，用于在目标牲畜进入进食通道200的预设入口的情况下，进行开启，并在通过预设入口进入进食通道200内的情况下，进行关闭。
[0114]
具体的，进食通道200的入口处设置了感应门(即第一感应门210)。第一感应门210在感应到牲畜后，进行开启，并在牲畜进入进食通道200后，第一感应门210关闭，从而进一步保证牲畜的单独进食。
[0115]
在一些实施例中，第一感应门210可以与感应器130电连接，感应器130也可以在上一个牲畜进食完毕后，控制第一感应门210开启。若感应器130采集到牲畜的脸部图像，表明牲畜已经进入进食通道200内，则控制感应门关闭，或者感应器130在控制第一感应门210开启后，经过设定时间，便认为牲畜已经进入进食通道200，则控制第一感应门210关闭。当然，第一感应门210在感应到牲畜通过后，自动进行关闭。
[0116]
在一些实施例中，如图8所示，目标牲畜喂养装置还包括离开通道300和第二感应门310。第二感应门310设置在离开通道300的预设入口处。离开通道300的预设入口与食槽110的第二侧相对。第二感应门310与感应器130电连接。
[0117]
感应器130，还用于获取食槽110内的食物的剩余重量，并在剩余重量小于或等于预设剩余重量值的情况下，开启第二感应门310。
[0118]
具体的，感应器130在食物投放完毕后，即在目标牲畜食用食槽110内的食物的过程中，每隔预设时间或实时通过食槽110底部的称重装置获取食槽110内的食物的重量，并将该重量作为剩余重量。当剩余重量小于或等于预设剩余重量值时，表明食槽110内的食物剩余较少，目标牲畜已经进食完成，可以控制离开通道300的入口处的第二感应门310开启，相关工作人员驱赶目标牲畜通过开第二感应门310进入离开通道300，以使目标牲畜离开。
[0119]
感应器130在控制第二感应门310开启后，经过设定时间，便认为牲畜已经进入离开通道300，则控制第二感应门310关闭。当然，第二感应门310在感应到牲畜通过后，自动进行关闭。
[0120]
其中，预设剩余重量值可以根据实际需求进行设置，例如，预设剩余重量值为0或者接近0的数值。
[0121]
在一些实施例中，感应器130还可以根据其它信息确定是否需要开启第二感应门
310。感应器130获取开门信息，并在确定开门信息满足预设开门条件的情况下，控制第二感应门310开启。例如，开门信息包括进食时长，该进食时长包括从食物投放完毕开始截止到当前时间。在确定进食时长大于或等于预设时长，表明目标牲畜进食时间过长，其可能是不想进食，则可以控制第二感应门310开启，以使相关工作人员驱赶目标牲畜离开。
[0122]
当然，预设开门条件还可以根据需求进行设置，在此，不对其进行限制。
[0123]
上述感应器130包括摄像头和处理器，该摄像头用于采集进食通道200内的牲畜的脸部图像，摄像头的位置可以根据实际需求进行设置。处理器用于对采集的图像进行处理，并进行其他数据处理(例如，控制食物的投放)。该处理器包括单片机(single-chip microcomputer)和/或中央处理器(central processing unit，cpu)。
[0124]
在一些实施例中，牲畜喂养装置还可以包括其它器件，例如，当储食件121放置在平面(例如，地面)上时，为了方便食物的投放，投食器还可以包括动力设备，感应器130可以利用动力设备(例如，抽泵机)从储食件121内抽取食物。
[0125]
在一些实施例中，本技术还提供一种牲畜喂养系统，该系统包括一个或多个如上的牲畜喂养装置。
[0126]
具体的，为了提高喂养效率，牲畜喂养系统可以包括多个牲畜喂养装置，该多个牲畜喂养装置并联构成，以实现多个牲畜的同时喂养，提高牲畜的喂养效率，满足大规模养殖的需求。
[0127]
为了降低成本，如图9所示，当牲畜喂养系统包括多个牲畜喂养装置时，牲畜喂养系统还包括食物储存器400，各个牲畜喂养装置中的储食件121内的食物来自该食物储存器400。
[0128]
可选的，如图9所示，牲畜喂养系统包括控制器500以及总阀门510，控制器500与总阀门510电连接。控制器500可以通过开启总阀门510来将食物储存器400内的食物输送至储食件121，并通过关闭总阀门510来停止食物的输送。
[0129]
可选的，感应器130也可以与总阀门510连接，以控制食物的输送。
[0130]
可选的，对于每个储食件121，该储食件121的上方还存在第三控制阀门，该第三控制阀门与控制器500电连接或该储食件121所属的投食器中感应器130电连接。当该第三控制阀门开启后，该储食件121可以接受来自食物储存器400中的食物；当该第三控制阀门关闭后，该储食件121无法接受来自食物储存器400中的食物。
[0131]
在本实施例中，当牲畜为生猪时，猪栏整体采用长方形设计，其内铺有一层20至30厘米厚的发酵垫料，能够吸收猪栏内的污水和排泄物，同时，利用猪群在猪栏中的运动踩踏，使得排泄物与垫料充分混合发酵，从而降低了清理猪栏的成本，可以使用水量降低百分之九十以上，当栏内猪达到出栏标准，对猪栏进行一次完全清理和消毒，获得的发酵物一部分可以用于肥料，另一部分混合新的垫料后重新填入猪栏。使用踩踏式发酵方案的猪栏不仅成本大大降低，对环境也更加友好。
[0132]
在本实施例中，当牲畜为生猪时，牲畜喂养系统还包括污水处理装置，用于养猪场排泄物的引导与处理。
[0133]
在本实施例中，在对网络模型进行训练时，根据标记图像，自主预训练生产特征点标记文件，提高复杂环境下牲畜的脸部检测的鲁棒性。
[0134]
在本实施例中，当预设存储位置为数据库时，可以建立规范的牲畜脸部图像数据
库，并且随着牲畜的生长，牲畜的脸部可能会发生变化，因此，可以每隔一段时间，便采集牲畜当前的脸部图像，并根据自主学习算法，对预设存储位置中的该牲畜的脸部数据进行更新。
[0135]
在本实施例中，当牲畜为生猪时，通过实现猪脸识别，可以解决粗放式养殖模式下的诸多问题，大大提高养殖效率和养殖户收益。比如可以实现智能化投喂，让每头生猪都能获得均衡的营养，以将同一栏猪出栏时体重差异缩小到5％之内；同时，可以利用猪脸识别技术，精准地确定每头病死猪的关键信息，就可以让每头病死猪都能精准快速确认，实现病死猪的身份的快速确认。
[0136]
在本实施例中，本技术利用改进后的centernet网络模型能有效实现猪脸识别和身份确认，且具有低成本和高准确度的优势，可以实现生猪的精准化喂养，避免由于喂食过少，导致生猪生长状态良莠不齐，也避免喂食过多，导致食物的浪费，以及避免生猪由于进食过多导致排污过多，保证生猪的生长状态良好。
[0137]
在本实施例中，通过牲畜的脸部识别技术，可以确定牲畜的年龄，从而可以精准确定该牲畜所需的日投放量，并且根据牲畜当天已进食量确定牲畜本次需喂养的实物量，实现饲料的精准投放，保证牲畜的定量进食，避免投放食物过多造成食物的浪费以及环境的污染，从而可以降低能源与投入品消耗，节约养殖成本，实现牲畜喂养方式的智能化及自动化，可以有效推动牲畜的养殖业向智能化、规模化、自动化和标准化方向发展，提升养殖场生产水平，提高其生产品质与效率，达到低投高产、绿色环保的目的。
[0138]
从上述描述可知，本技术提供一种牲畜喂养装置，牲畜喂养装置包括投食器和进食通道200，投食器包括食槽110、储食设备120和感应器130，牲畜可以通过进食通道200到达食槽110，为了避免出现牲畜抢食的情况，进食通道200的尺寸仅可以容纳一个牲畜。在牲畜通过进食通道200的过程中，感应器130采集进食通道200内的牲畜(即目标牲畜)的脸部图像，并对该脸部图像进行识别，以确定目标牲畜的身份信息。感应器130利用目标牲畜的身份信息查找该目标牲畜的进食情况，以供利用该目标牲畜的进食情况确定目标牲畜当前需喂养的食物量，即需投放的食物的重量，也即目标牲畜对应的目标投放量，实现目标牲畜所需的食物的准确确定。在确定目标投放量后，感应器130控制储食设备120开始向食槽110投放食物，当投放的食物的重量达到目标投放量后，表明食槽110内的食物量为目标牲畜所需的量，则控制储食设备120停止投放食物，实现牲畜的自动合理喂养，无需人工进行喂养，可以有效提高喂养效率。同时由于食槽110内的食物仅供目标牲畜进食，不存在抢食的问题，以及目标牲畜对应的目标投放量是根据目标牲畜的进食情况确定的，当目标牲畜为生猪时，可以保证生猪进食的合理性，避免生猪生长状态良莠不齐，以及可以避免投放食物过多，造成食物的浪费。
[0139]
上述对本说明书特定实施例进行了描述。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0140]
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和
精神由下面的权利要求指出。
[0141]
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
[0142]
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。