[發明專利]幼禽孵化期生物特征預測裝置及方法

有效

• 申請號: 201911171966.0
• 申請日: 2019-11-26
• 公開（公告）號: CN111241907B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 楊光華;蔡洽凱;鄧長興;陳奕宏;馬少丹
• 申請（專利權）人: 暨南大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/22;G06V10/20;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G06Q50/02
• 代理公司: 北京偉思知識產權代理事務所(普通合伙) 11725
• 代理人: 聶寧樂;張莉

本發明提供一種基于深度卷積神經網絡的幼禽生物特征識別裝置，包括：幼禽定位模塊，包括級聯的多個卷積神經網絡子模塊和至少一個全連接層子模塊，幼禽定位模塊輸入包含有幼禽的原圖像，經運算后輸出幼禽在原圖像中的預測的位置信息；剪裁模塊，根據位置信息對原圖像執行裁剪處理，輸出裁剪大部分背景后的幼禽外觀圖像；以及識別模塊，包括級聯的至少由第一卷積神經網絡子模塊、擴展卷積子模塊以及第二卷積神經網絡子模塊級聯構成的識別子模塊，和至少一個全連接層子模塊，所述識別模塊輸入所述幼禽外觀圖像，經運算后輸出識別結果。如此，本通過卷積層的遞增完成由粗到細的特征提取過程，能夠高精度地完成識別。

技術領域

本發明涉及一種幼禽孵化期生物特征預測裝置及方法，具體涉及一種基于深度卷積神經網絡對幼禽孵化期進行生物特征識別的方法。

背景技術

目前針對幼禽特別是雛雞進行性別分類的工作絕大部分還是依靠工人通過觀察雛雞肛門來分類。雖然準確率尚能滿足需求，但是分類速度較慢，對工人經驗要求高。對于大型孵化場希望能通過機器來分辨，實現全自動流水線工作，以降低成本和提高生產效率。

此外，初生雛雞抵抗力弱，處于集中化孵化環境中病變雛雞容易造成雛雞群大量感染，且有些孵化中發育不全或畸形的雛雞很難存活，如不早期發現并及時處理，在運輸或養殖過程中死亡極易造成細菌滋生，威脅雛雞群健康。

為解決上述問題，目前有一種觀察孵化期蛋輪廓或是透視內部結構而在孵化前進行性別識別，以進行相應的分別處理的方法。孵化前識別的優勢是對于不需要的性別可以立即中止孵化而不影響作為雞蛋使用。但目前的人工觀察輪廓的方法準確率較低，達不到應用標準。

因此孵化場希望能通過機器來對孵化期單進行識別并進行相應的處理，提高生產效率。

深度神經網絡是近幾年來發展迅速，在自然語言處理和計算機視覺的發展中起到了至關重要的推動作用，并且也應用到了許多實際生活、工業生產當中，幫人們解決了許多難題。深度神經網絡相對于SVM等傳統的淺層機器學習架構，在一些復雜的場景模式中具有更加好的性能。在計算機視覺的自然圖像分類方向中，深度神經網絡已經可以達到95％以上的準確率，已經幾乎超過了人類的分辨能力。它還有許多應用的領域、潛在價值等著人們去開發、挖掘。但是對于深度神經網絡在孵化期蛋性別分類、病變識別的應用上，依然存在著識別速度慢，準確率極低，甚至無法識別的情況，難以滿足實際生產需求。這導致了目前為止依然是依靠人工來進行雛雞性別分類。

發明內容

本發明的目的在于提供一種幼禽孵化期生物特征預測裝置及方法，旨在至少解決現有技術或相關技術中存在的技術問題之一。

為解決上述技術問題，本發明提供一種基于深度卷積神經網絡的幼禽孵化期生物特征預測裝置，包括：結構定位模塊，包括級聯的多個卷積神經網絡子模塊和至少一

發明效果

本發明通過搭建深度卷積神經網絡，通過大量的實驗不斷優化調節，獲得一個兼具識別速度快、準確率高適用于多種品種雛雞的深度卷積神經網絡模型。通過本發明所提供的技術方案，實時采集孵化期雞蛋內部外觀圖像，經過圖像預處理后輸入神經網絡模型自動將雞蛋內部圖像與背景分離出來之后，進行性別識別，能夠提高識別效率和精度，以便雞蛋孵化后，將雛雞按照性別分開養殖，進而能夠降低成本、提高生產效率。

附圖說明

圖1為本發明的幼禽孵化期生物特征識別系統的一個實施例的示意圖。

圖2為本發明的深度卷積神經網絡模型之一例的整體結構示意圖。

圖3為圖2所示的深度卷積神經網絡模型的運算模塊的說明圖。

圖4為本發明的幼禽孵化期生物特征識別方法的一個實施例的示意圖。

圖5為本發明的深度卷積神經網絡模型之一例的整體結構示意圖。

附圖標記說明