具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

本发明的目的是针对现有技术的缺陷，提供了一种基于Lora协议的牧羊协助方法及系统。

实施例一

本实施例提供一种基于Lora协议的牧羊协助系统，如图1所示，包括：

检测模块11，用于检测羊的活动数据信息以及体征数据信息；

Lora通信模块12，与检测模块连接，用于将检测模块检测到的数据信息发送至主控模块中；

主控模块13，与Lora通信模块连接，用于接收Lora通信模块发送的数据信息，并对接收到的数据信息进行处理，将处理结果发送至终端模块中；

终端模块14，与主控模块连接，用于接收主控模块发送的处理结果，并显示处理结果。

在检测模块11中，检测羊的活动数据信息以及体征数据信息。

具体包括：计步器、加速传感器、蜂鸣计数器；计步器和加速传感器设置于羊腿上，蜂鸣计数器设置于羊喉咙部位，分别用于采集羊的活动数据和体征数据，进而根据采集的数据分析出羊的状态，健康状况，是否处于发情期，是否处于备孕期等等。

其中，计步器用于获取羊活动的步数信息；加速传感器用于测量羊活动的步速信息；蜂鸣计数器用于基于样的喉部振动对羊的鸣叫进行计数。

在本实施例中，加速度传感器为三轴加速度传感器，采用MPU-6000芯片，该芯片自身带了温度传感器，除了可以监测羊群的活动状态，也可以测量羊的体温；蜂鸣计数器包括音频采集器，用于采集羊的音频数据，并将采集到的音频数据发送至主控模块中。

在本实施例中，每只羊还有一个其独有的id记录在系统中，是为了防止羊群走丢和混入别人的羊群。

在Lora通信模块12中，将检测模块检测到的数据信息发送至主控模块中。Lora通信模块采用SX1278芯片；包括Lora控制单元和Lora扩频单元；

Lora控制单元，分别与计步器、加速传感器、温度传感器、蜂鸣计数器连接，用于接收计步器、加速传感器、温度传感器、蜂鸣计数器传输的信息，并将接收到的信息发送至Lora扩频单元；

Lora扩频单元，与Lora控制单元连接，用于将Lora控制单元发送的信息传输至主控模块。

在本实施例中，一个Lora扩频单元可以和多个Lora控制单元通信，即一个Lora扩频单元可实现对多个检测模块进行控制。

在主控模块13中，接收Lora通信模块发送的数据信息，并对接收到的数据信息进行处理，将处理结果发送至终端模块中。

主控模块采用nodeMCU模块，主控模块的主控芯片采用ESP8266；nodeMCU模块有简单的运算能力，足够处理所述Lora通信模块发来的数据。所述nodeMCU模块还有WiFi通信功能，通过WIFI与Lora通信模块、终端模块通信，并将数据传输到所述的终端模块。

在羊的生长周期中，发情期是十分重要的阶段，母羊的发情外观察征兆有：精神兴奋，情绪不安，大声鸣叫，爬墙、抵门、摇尾，食欲减退，采食减少，现有的母羊发情鉴定多是以试情为主，需要选择身体健壮、性欲旺盛、没有疾病、年龄3至4岁、生产性能较好的公羊去寻找发情的母羊，不仅需要对公羊进行复杂的处理，试情中还要依靠人来观察确定，浪费了大量的时间和人力。

本实施例通过主控模块来判断羊是否处于发情期，具体为：接收计步器获取的羊活动的步数信息、加速度传感器测量的羊活动的步速信息、蜂鸣计数器计数的鸣叫数值，判断接收到的步数信息是否大于预设步数阈值、步速信息是否超过预设步速阈值以及鸣叫数值是否大于预设数值，若是，则表示羊处于发情状态，，随即将羊的id发送给终端模块，供管理人员快速确认发情的羊。

在本实施例中，主控模块还包括接收羊的音频数据，由于羊的声音频率通常位于一个固定的范围内，因此，在该固定的范围以外的音频为噪声，为了避免噪声的干扰，主控模块可以滤除噪声。例如，母羊的声音(音频)频率范围为10-20kHz，则预设频率段为10-20kHz，超过该范围的音频就删除。

主控模块将音频信息输入到网络模型中进行预测，得到预测结果。其中，该预测结果用于描述该目标羊的生理状态，该生理状态包括正常状态或异常状态，正常状态是指不需要饲养员或兽医额外的关注的生理状态；异常状态是指需要饲养员或兽医额外的关注的生理状态，例如，该异常状态包括打斗，为了防止母羊或其他羊受伤，则需要饲养员阻止打斗。

其中，该网络模型的网络参数可以是指通过多个目标羊的音频特征信息训练得到的，即该网络模型可以是指优化训练得到的，该网络模型的预测误差小于预设阈值，该网络模型可以为深度神经网络模型、卷积神经网络模型及递归神经网络模型等等中的任一种。在一个实施例中，该网络模型为卷积神经网络模型，如图3所示，该卷积神经网络模型由编码器、固定的编码层、解码器、全连接层、分类器组成。编码器：由3层组成，分别包括由128个神经元组成的双向循环层、由64个神经元组成的2个双向循环层、由32个循环神经元组成的单向层。编码器被设置为处理任意长度的任意序列，编码器里所有的循环神经元都是门控触发单元(Gated Recurrent Unit，GRU)，它结构比较简单，通过更新门和重置门来决定对之前状态的依赖程度，从而可以很好解决远距离依赖的问题；所以通过编码器可以识别出目标羊的音频数据。固定的编码层：由具有固定参数的32个神经元的激活层组成，被用来初始化解码器。解码器：由一个单独的循环层构成，它具有64个长短时记忆单元(Long Short-Term Memory，LSTM)，且结合了注意力机制；注意力机制使该网络模型主要关注输入的目标羊的音频特征中的显著部分，以提高分类性能。全连接层：由256个线性整流函数(Rectified Linear Unit，ReLU)的神经元构成，用于将目标羊的显著特征映射到样本标记空间，组合学习到的目标羊的三个阶段的声音特征，三个阶段包括初始爆破、中间阶段和最后爆发，从而得到目标母羊的整体声音特征。分类器：由支持向量机(Support VectorMachine，SVM)构成，用于输出预测结果。

本实施例中，通过对采集到的羊的音频数据进行格式或过滤等处理，得到目标音频数据，可避免非羊音频数据对后续处理过程的干扰，并可提高处理效率。另外，通过将目标音频数据的特征信息输入到网络模型中进行预测，得到目标羊的生理状态，以便于管理员可以根据目标羊的生理状态对目标羊进行有效的管理，降低羊群的伤亡，提高牧羊的产量。

在终端模块14中，接收主控模块发送的处理结果，并显示处理结果。

终端模块包括APP和后端，后端接收主控模块发送的数据信息，将该数据信息显示于APP界面中，供用户及时查看羊的状态。如图2为APP端界面显示示意图。

本实施例的后端采用贝壳物联，只传输简单的JSON格式的数据，其优点在于开发简单，免费。APP采用MCU开发，基于JavaScript、CSS、HTML编程，其优点在于开发简单。

本系统使用工作过程如下：

在每只羊身上戴上检测模块和Lora控制单元，一个Lora扩频单元接收来自多个控制单元发过来的数据，通过Lora扩频单元将羊群的活动状态和体温数据发送给主控模块，主控模块根据羊群的体征数据计算出每只羊的状态，健康状况，是否处于发情期，是否处于备孕期等等信息。并将这一信息通过WiFi发送给后端，后端再发送给APP，使用户接收到信息。这样用户就可以了解每只羊的状态。每只羊还有一个其独有的id记录在设备中，防止羊群走丢和混入别人的羊群。

本实施例可以帮助牧羊人进行更加智能化的管理羊群，让放羊变得更加简单和轻松。该设备的应用可以帮助牧羊人更好的牧羊，让牧羊往物联化，智能化，规模化发展。让牧羊更加轻松和简单。为牧场节省下大量的开支。

实施例二

本实施例提供一种基于Lora协议的牧羊协助方法，包括：

S1.检测模块检测羊的活动数据信息以及体征数据信息；

S2.Lora通信模块将检测模块检测到的数据信息发送至主控模块中；

S3.主控模块接收Lora通信模块发送的数据信息，并对接收到的数据信息进行处理，将处理结果发送至终端模块中；

S4.终端模块接收主控模块发送的处理结果，并显示处理结果。

需要说明的是，本实施例提供一种基于Lora协议的牧羊协助方法与实施例一类似，在此不多做赘述。

与现有技术相比，本实施例可以帮助牧羊人进行更加智能化的管理羊群，让放羊变得更加简单和轻松。该设备的应用可以帮助牧民更好的牧羊，让牧羊往物联化，智能化，规模化发展。让牧羊更加轻松和简单。为牧场节省下大量的开支。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。