本发明涉及家禽状态监测，尤其涉及一种基于机器视觉的家禽状态实时监测系统及方法。
背景技术：
1、随着现代畜禽养殖业规模化和集约化快速发展，动物福利化养殖及畜禽群体健康受到广泛关注。在畜禽养殖生产中，形态、体温、进食是衡量畜禽健康状况的重要生理指标，其变化直接反映着动物的健康状况。
2、在大部分传染性疾病中，体温异常往往是重要警示，家禽的体感温度是指其对环境冷热变化的行为反应与理想环境状态下行为反应所对应的温度，对猪、牛、鸡等农场动物进行体温监测和分析能有效发现疾病早期症状，可及时通知养殖人员处理，减少养殖企业的经济损失。除此之外，猪、牛、鸡等农场动物在生病时会做出异常的进食行为，如果早点发现可以提前预防疾病的发生，同时还可以尽快检查饲料是否有问题，因此对家禽形态、体温、进食的过程进行监测，以及时判断异常行为是很重要的。
3、现有的传统监控方式中摄像头捕捉到的画面往往是群影像，由于长相类似，从视频中难以分辨出特定一只，利用图像识别的方法来分析图像中家禽进食的次数以及进食时间，但是进食的次数和时间并不能很好的判断家禽的进食状态是否异常；同时采用传统的人工识别的方式进行识别的主观性较强，并也难以实时的和大范围的进行监测，因此，在识别时难度非常大，如何快速准确的对家禽状态进行实时监测仍是难点。
4、因此，提出一种基于机器视觉的家禽状态实时监测系统及方法，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本发明提供了一种基于机器视觉的家禽状态实时监测系统及方法，实现了对家禽状态情况的实时评估，有利于对家禽疾病及时预防和诊疗，减少财产损失。
2、为了实现上述目的，本发明采用如下技术方案：
3、一种基于机器视觉的家禽状态实时监测系统，包括：依次连接的红外摄像机、监测模块、判断评估模块、报警模块；
4、红外摄像机，用于收集家禽视频数据；
5、监测模块，用于对家禽异常行为姿态、温度、进食状态进行监测；
6、判断评估模块，用于根据家禽姿态、温度、进食状态对家禽进行判断评估；
7、报警模块，用于根据判断评估结果对存在异常的家禽进行报警。
8、一种基于机器视觉的家禽状态实时监测方法，应用上述的一种基于机器视觉的家禽状态实时监测系统，包括以下步骤：
9、s1.获取数据：获取家禽视频数据，得到目标时间段内的图像数据；
10、s2.数据处理：对获取的图像数据进行预处理，将预处理后的图像数据划分为训练集和测试集；
11、s3.模型训练：将训练集输入状态监测模型，通过损失函数更新模型权重参数，经过若干次训练后，得到训练好的状态监测模型；
12、s4.判断评估：将测试集输入训练好的状态监测模型，判断评估家禽状态；
13、s5.结果报警：根据判断评估结果对存在异常的家禽进行报警。
14、可选的，s1中利用红外摄像机获取家禽视频数据，选取目标时间段内的待分析视频片段，得到各时刻对应的图像数据。
15、可选的，s2中利用多个矩形框将图像数据中的所有家禽的位置标出；再标注出每只家禽的多个关键点；再对每只家禽定义一个动作类别；
16、并通过旋转、裁剪和镜像操作对图像数据进行处理以使得每个矩形框完整地包含每只家禽，且矩形框的边与家禽的轮廓边缘相切。
17、可选的，s2中将预处理后得到的图像数据划分为70％训练集和30％测试集。
18、可选的，s3中状态监测模型以yolov4目标识别网络为基础，引入深度可分离卷积网络，并融入混合域注意力机制优化模型，从而构建家禽目标状态监测模型。
19、可选的，s3中通过交叉熵损失函数更新模型权重参数。
20、经由上述的技术方案可知，与现有技术相比，本发明提供了一种基于机器视觉的家禽状态实时监测系统及方法，具有以下有益效果：通过视频数据中的多帧图像中家禽的形态、温度、进食变化情况，利用状态监测模型对家禽状态进行判断，实现了对家禽状态情况的实时评估，有利于对家禽疾病及时预防和诊疗，减少财产损失。
1.一种基于机器视觉的家禽状态实时监测系统，其特征在于，包括：依次连接的红外摄像机、监测模块、判断评估模块、报警模块；
2.一种基于机器视觉的家禽状态实时监测方法，其特征在于，应用权利要求1所述的一种基于机器视觉的家禽状态实时监测系统，包括以下步骤：
3.根据权利要求2所述的一种基于机器视觉的家禽状态实时监测方法，其特征在于，
4.根据权利要求2所述的一种基于机器视觉的家禽状态实时监测方法，其特征在于，
5.根据权利要求2所述的一种基于机器视觉的家禽状态实时监测方法，其特征在于，
6.根据权利要求2所述的一种基于机器视觉的家禽状态实时监测方法，其特征在于，
7.根据权利要求2所述的一种基于机器视觉的家禽状态实时监测方法，其特征在于，
