具体实施方式

下面结合图1至图3，对本发明做进一步详细叙述。

参阅图1和图2，一种肉牛健康自动监测系统，包括采集通道和处理模块，所述的采集通道供牛单个进入，采集通道内设置有摄像头500用于拍摄牛脸照片或视频，采集通道内还设置有传感器用于采集牛的体重和体温，处理模块接收牛脸照片或视频后对牛进行识别并将传感器采集到的数据与识别的牛的身份信息相关联，处理模块还对牛的体重和体温数据进行处理得到牛的健康状况并输出。采集通道每次只能一头牛进入采集其相关数据，确保了牛场中所有牛的数据都是独立的；同时，本发明通过拍摄牛场中每头牛的脸来对其身份进行识别，无需在耳朵上安装耳标，避免了背景技术中述及的诸多不足，并且这里是通过在牛进食的时候，对牛脸进行拍摄和识别，摄像头500的位置正好位于牛脸的正前方，所以拍摄到的牛脸照片更加清晰，后期识别得到的牛的身份信息更准确。

采集通道的结构有很多种，这里优选地，所述采集通道设置在牛栏内，采集通道包括围栏100、地磅200以及食槽300，食槽300位于牛栏一侧边缘设置，围栏100平行设置有两块且与牛栏放置食槽300的边缘垂直；两块围栏100之间的间距和食槽300的宽度相吻合，该间距大于一头牛的体宽且小于两头牛的体宽；两个围栏100之间的地面上设置有地磅200用于采集牛的体重。采用这种结构，方便安装和拆卸，并且，地磅200的设置，可以方便的采集牛的体重信息。

进一步地，所述的食槽300整体呈方形，其上端面向下开设有凹口用于容纳水或食料，食槽300远离围栏100的一侧设置有摄像头500、红外测温探头600以及驱动单元400，摄像头500用于拍摄牛脸照片，红外测温探头600用于检测牛的体温，驱动单元400用于带动摄像头500和红外测温探头600运动至牛脸的正前方。摄像头500的设置，可以方便的采集牛脸的照片和视频，以方便后续的牛脸识别，进而可以将所采集的数据与牛的身份进行关联。红外测温探头600的设置，可以方便的检测牛的体温。这里拍摄过程和测温过程都是安静的，避免对牛造成恐吓，影响其进食。

进一步地，所述的处理模块包括安装在牛栏内的微处理器和安装在牛栏外的计算机，这样设置以后，将数据采集和处理区分开，这样在大的养殖场，可以在每个采集通道上都设置一个微处理器，所有微处理器采集的数据均通过有线或无线的方式传输至计算机，计算机对所有数据做统一处理，由于微处理器只进行数据的采集和打包存储，故成本可以做的很低。

更进一步地，微处理器按如下步骤进行数据采集：A、微处理器每隔一段时间T1采集地磅200的输出数据，若地磅200的数据大于0，说明有牛进入，实际操作时，可以设定一个大于0的值，避免地磅200数据浮动时带来误判，则执行下一步，否则重复本步骤；B、微处理器控制摄像头500启动并拍摄一张照片，微处理器对照片进行处理得到牛脸位置；C、微处理器根据摄像头500的当前位置和牛脸位置控制驱动单元400启动；D、驱动单元400带动摄像头500和红外测温探头600运动至牛脸正前方，步骤B、C、D是在牛进入采集通道的过程中执行的，即检测到有牛进入，立刻预估其脸部大致位置，然后调整摄像头500和红外测温探头600的位置到牛脸的正前方，这里牛脸的位置处理可以是简单的处理，无需特别准确；E、微处理器每隔一段时间T2采集地磅200的输出数据，若地磅200的数据为0，说明牛已离开，执行步骤F，否则，说明牛还在采集通道内，重复步骤E；重复执行步骤E的过程中，微处理器每隔一段时间T3控制摄像头500拍摄一张照片、控制红外测温探头600采集牛的体温并将所有数据保存；F、微处理器将所有保存的数据打包发送至计算机并返回步骤A。

进一步地，将所述的步骤E中“重复执行步骤E的过程中，微处理器每隔一段时间T3控制摄像头500拍摄一张照片并保存”替换为：重复执行步骤E的过程中微处理器控制摄像头500拍摄视频并保存。也即，在牛通过采集通道时，除去拍摄牛脸照片，还可以直接拍摄视频进行处理，照片是间断式采集的，视频可以理解为高频采集的相片，其数据量更多，解析牛的身份信息时更为准确，但其传输时所消耗流量也更多。步骤E中，红外测温探头600采集的是牛的红外图像并将红外图像保存，这里的红外测温探头不直接采集牛的体温，因为测温点的不同会导致测得的温度误差较大，通过采集牛的红外图像，然后在计算机中对红外图像进行处理，可以得到更为准确的牛的体温。

计算机可以是工控机或其他处理单元，一般都是在计算机上安装具有相应功能的软件来实现数据存储、分析等功能。所述的计算机按如下步骤对接收的数据进行处理：S100、对一个数据包中的牛脸照片或视频进行识别，得到牛的身份信息；S200、根据采集到的离散的牛体重数据计算牛的体重和该次采食量；S300、对采集到的多张牛的红外图像进行处理得到牛的体温；S400、根据数据采集时间、牛的身份信息、牛的体重、牛该次采食量、牛的体温绘制牛的体重曲线、采食量曲线以及体温曲线；S500、将牛的体重曲线和体温曲线和标准曲线进行比对，当差值超过设定阈值时发出健康预警；根据牛的体重和采食量计算肉料比，当肉料比数据异常时发出健康预警。这里只对牛的体重、体温和肉料比进行监控并预警，操作人员可以根据需要，设置更多的传感器，采集更多的牛的其他数据，分析更多的数据，以实现更全面的预警。

为了准确的计算牛的体重和进食量，本发明中优选地，所述的步骤S200中，包括如下步骤：S201、建立如下方程：

式中，a、b为待求解体重常数，t_a、t_b为待求解时间常数，之所以建立这样的方程，是因为牛刚进入和吃饱离开时，其体重理论上是不变的，进食过程中牛的体重理论上是均匀增加的；S202、记离散的牛体重数据为{y1,t1，y2,t2，…，yn,tn}；现在只需要根据这些数据拟合出最佳的方程即可，具体可采用如下步骤：S203、按如下公式做嵌套循环计算S_ij，其中外循环的i取值为{1、2、…、n-1}，内循环的j取值为{i+1、i+2、…、n}，

S204、求解S_ij取最小值时对应的a和b，a即为牛的体重，b即为牛该次采食量。采用嵌套循环计算，计算机可以快速的求解出最优的a、b值，且计算过程较为简单，实际计算时非常的迅速。

进一步地，为了更加准确的对牛的体温进行测量，所述的步骤300中，包括如下步骤：S301、设定牛额头的参考最低温度为T1、最高温度为T2，参考面积下限为A1、上限为A2，这些阈值根据经验预先设定好；S302、对每帧红外图像进行阈值分割和连通域分析，当一块连通区域的温度大于T1小于T2，且面积大于A1小于A2时，判定为牛额头区域，取区域内温度最大值作为本帧红外图像牛体温T_n，其中n是帧数；这样可以较为精准的挑选出牛额头区域，牛额头区域的最大温度值较为接近其真实的体温；S303、将所有帧红外图像进行分析获得多个牛头体温数据{T₁，T₂，…，T_N}，取最大值T_MAX作为牛的体温。这样就能较为准确的获取到牛的体温数据。

参阅图3，进一步地，所述的步骤S100中，采用MTCNN脸部识别技术搭建深度学习网络模型，具体包括：S101、分别使用P net和R net进行牛脸目标粗定位、精确定位；S102、使用O net定位牛的五官重心；S103、根据牛的五官特征进行牛脸识别，确认牛的身份信息。MTCNN主要是用于人脸识别的模型，由于牛的脸部也可以通过五官定位来构成五官特征，因此本案中直接采用该算法来进行牛脸识别。

进一步地，所述的步骤S500中，牛的标准体重曲线和标准体温曲线是对健康牛的体重数据、体温数据求平均后得到的，这个可以事先采集好，然后存储在计算机中。肉料比按如下公式计算：P＝ΔW/ΔM，其中ΔW为指定时间内系统记录的牛体重的变化值，ΔW为指定时间内系统记录的牛采食量的总和，通过计算肉料比，可以根据方便对牛的进食数据进行统计和异常监控。

进一步地，所述的围栏100为方形网格状，这样可以减轻围栏100重量，方便安装和拆卸。驱动单元400的结构有多种，这里优选地，驱动单元400包括第一电机401、丝杆402、滑杆403、移动支杆404、第二电机405、皮带406以及安装座407，所述的丝杆402和滑杆403沿竖直方向布置且两者的轴芯分别位于两个围栏100所在的面内，丝杆402和滑杆403的上端固定安装在围栏100上端伸出的突出部、下端固定安装在食槽300上，移动支杆404水平安装在丝杆402和滑杆403上，第一电机401驱动丝杆402转动时移动支杆404沿丝杆402长度方向上下移动，移动支杆404的一端安装有第二电机405，第二电机405通过皮带406驱动安装座407沿移动支杆404长度方向平移，摄像头500和红外测温探头600均安装在安装座407上。安装座407的上下运动就是靠丝杆402和移动支杆404之间的螺纹配合实现的，其左右移动是通过皮带406实现的，就是一个简单的二维移动平台。通过以上装置，可以方便的对摄像头500和红外测温探头600进行移动。