[實用新型]基于反芻檢測的動物疾病監測預警系統

有效

• 申請號: 201721333585.4
• 申請日: 2017-10-17
• 公開（公告）號: CN207281968U
• 公開（公告）日: 2018-04-27
• 發明（設計）人: 王祖良;張婷
• 申請（專利權）人: 西京學院
• 主分類號: G08B21/00
• 分類號: G08B21/00;G08B31/00;A61B5/00
• 代理公司: 西安智大知識產權代理事務所61215
• 代理人: 何會俠

技術領域

本實用新型屬于智能電子應用領域，具體特別涉及一種基于反芻檢測的動物疾病監測預警系統。

背景技術

隨著精準化現代養殖業的大力發展，養殖業呈現集約化、規模化養殖的發展趨勢。對于大規模的養殖場，傳染性疾病的爆發是對養殖戶的最大危害。依靠人工觀察很難預先發現牲畜體征變化，因此通過傳感器實時監測牲畜體征變化具有重要的意義。對于牛、羊等反芻類動物，反芻具有一定的規律性，通過監測反芻頻率、時間長短的變化可以及時發現牲畜的體征變化，達到早發現早預防早隔離的目的。目前尚沒有成熟的反芻檢測裝置，主要依靠人工觀察反芻現象，然而，對于大規模的養殖場，人工監測每只牲畜的反芻，工作量太大，且無法實現全天候觀察。

發明內容

為了克服現有技術的不足，本實用新型的目的是提供一種基于反芻檢測的動物疾病監測預警系統，具有實現早發現、早預防、早隔離、早治療的目的，提高養殖場的管理效率，減小傳染病暴發風險的特點。

為了實現上述目的，本實用新型采用的技術方案是：

一種基于反芻檢測的動物疾病監測預警系統，包括用于佩戴的項圈1，項圈1的內側設置有反芻感應器2，項圈1外側設置有物聯網終端3，反芻感應器2的信號輸出端連接物聯網終端3的信號輸入端，物聯網終端3的信號輸出端通過無線網連接LoRa網關5的信號輸入端，LoRa網關5的信號輸出端雙向連接公網6的信號輸入端，公網6輸出端雙向連接數據平臺7的信號輸入端。

所述的項圈1上設置有穩定佩戴位置的掛墜4。

所述的反芻感應器2包括壓電陶瓷片和信號調理電路，信號調理電路包括電荷放大器和濾波器；壓電陶瓷片采用直徑為3厘米的圓形壓電陶瓷蜂鳴片。

所述的物聯網終端3采用F8L10。

所述的LoRa網關5采用F8916-L。

所述公網6采用是運行TCP/IP協議的互聯網或者2G/3G/4G移動網絡。

本實用新型的有益效果是：

1)本實用新型能夠實時采集奶牛反芻信息，并將反芻信息與歷史數據和經驗數據進行比對，發現反芻特征異常的奶牛，通過LoRa終端地址的唯一性，可以定位反芻異常的奶牛，并及時采取進一步診斷、隔離和治療措施，防止病情惡化，達到早發現、早預防的目的，尤其對傳染性疾病的預防和隔離起著重要作用。

2)本實用新型采用LoRa+公網將反芻信息靈活接入數據平臺，數據平臺的部署不受地理位置、環境的影響，方便管理，可以顯著提高奶牛養殖業的管理效率。

附圖說明

圖1為本實用新型的原理框圖。

具體實施方式

以下結合附圖對本實用新型進一步敘述。

參照圖1所示，一種基于反芻檢測的動物疾病監測預警系統，包括用于佩戴的項圈1，項圈1的內側設置有反芻感應器2，項圈1外側設置有物聯網終端3，反芻感應器2的信號輸出端連接物聯網終端3的信號輸入端，物聯網終端3的信號輸出端通過無線網連接LoRa網關5的信號輸入端，LoRa網關5的信號輸出端雙向連接公網6的信號輸入端，公網6輸出端雙向連接數據平臺7的信號輸入端。

所述的項圈1上設置有穩定佩戴位置的掛墜4，確保反芻感應器處于最佳反芻信息采集位置。

所述的反芻感應器2包括壓電陶瓷片和信號調理電路，信號調理電路包括電荷放大器和濾波器；壓電陶瓷片采用直徑為3厘米的圓形壓電陶瓷蜂鳴片，這種壓電陶瓷蜂鳴片靈敏度高、隔噪性能強、成本低廉、市場保有量大，便于大規模生產和部署。

所述的物聯網終端3采用F8L10，通信距離可以達到10公里左右，滿足大型奶牛養殖場的覆蓋要求，該型號LoRa終端采用新型擴頻技術，具有抗干擾能力強、接收靈敏度高、可解調低于20dB的噪聲、易于建設和部署，同時具有低功耗、多級休眠、發射功率多級可調等優良特性。

所述的LoRa網關5采用F8916-L，F8916-L兼容三大運營蜂窩網絡，支持2G/3G/4G網絡傳輸，集成Modbus標準通訊協議，支持LoRa轉WIFI網絡。

所述公網6采用是運行TCP/IP協議的互聯網或者2G/3G/4G移動網絡，利用公網6可以方便地將奶牛反芻信息傳輸到公網覆蓋的任何區域，方便數據平臺7的部署。

本實用新型的工作原理：

使用時，將反芻傳感器2貼于奶牛項圈的里外表面，采集奶牛反芻信息，物聯網終端3將采集到反芻信息通過LoRa網關5發送至公網6，公網6的信息接入到數據平臺7，數據平臺7里存儲有每只奶牛的歷史數據和各年齡段奶牛反芻經驗特征參數，通過將實時反芻信息與其歷史數據進行對比，并參照相同年齡段奶牛反芻經驗特征參數，判斷被監測奶牛的健康狀況，當反芻頻率或日反芻次數低于健康標準，則發出預警。