[發明專利]基于妊娠后期姿態轉化特性的母豬分娩時間預測系統在審
| 申請號: | 202010768129.2 | 申請日: | 2020-08-03 |
| 公開(公告)號: | CN112131927A | 公開(公告)日: | 2020-12-25 |
| 發明(設計)人: | 沈明霞;太猛;劉龍申;姚文;趙茹茜;陳佳;丁奇安 | 申請(專利權)人: | 南京農業大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06N3/04;G06N3/08;G06T5/00;G06T5/20;G06T5/40;G06T7/136;G06T7/90 |
| 代理公司: | 南京天華專利代理有限責任公司 32218 | 代理人: | 劉暢;徐冬濤 |
| 地址: | 211225 江蘇省南京市*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 妊娠 后期 姿態 轉化 特性 母豬 分娩 時間 預測 系統 | ||
1.一種基于妊娠后期姿態轉化特性的母豬分娩時間預測系統,其特征在于它包括圖像采集模塊、網絡傳輸模塊、視頻存儲單元、本地服務器、中心計算模塊以及移動端接收模塊,圖像采集模塊采集妊娠后期限位欄環境下的母豬視頻,采集的數據存儲至視頻存儲單元;本地服務器截圖圖像幀通過網絡傳輸模塊上傳至中心計算模塊,所述中心計算模塊執行以下步驟:
S1、姿態識別:識別母豬側臥、腹臥、胸臥、過渡姿態、坐臥、站立6類姿態;
S2、姿態轉化特性空間特征與時序特征的提取:對6類姿態檢測結果進行深入挖掘,提取不同時間分窗下的姿態變化相關的多類空間分布與時序統計特征,并采用嵌入式特征選擇方法篩選高方差低耦合的特征;
S3、分娩時間預測:基于提取的高權重特征和集成學習方法,對多個基學習器進行加權決策,獲得最終的分娩預測時間T:
Q表示基模型的個數,αq表示第q個模型的權重,Pq表示第q個模型的預測結果;
S4、將分娩預測時間T存儲至云服務器,管理人員通過移動端接收模塊及時獲知預測結果。
2.根據權利要求1所述的系統,其特征在于所述圖像采集模塊為紅外攝像機,紅外攝像機固定于產床正上方2.2米,24小時不間斷采集妊娠后期母豬限位欄下行為。
3.根據權利要求1所述的系統,其特征在于所述視頻存儲單元與圖像采集模塊共處于局域網內,本地服務器對多路視頻數據多線程同步等間隔截幀,通過高帶寬無線通信,將圖像上傳至中心計算模塊。
4.根據權利要求1所述的系統,其特征在于S1具體包括以下步驟:
S1-1、圖像預處理:對無損圖像進行篩選,低光照圖像去模糊,對6類姿態圖像實現類別和場景的均衡化,整體進行數據增強;所述6類姿態圖像分別為側臥、腹臥、胸臥、過渡姿態、坐臥、站立;
S1-2、數據標注:對母豬側臥、腹臥、胸臥、過渡姿態、坐臥、站立6類圖像各取M張進行人工標注,訓練基模型后,采用模型標注;訓練集、測試集、驗證集按照比例隨機劃分;
S1-3、姿態識別卷積神經網絡設計與訓練:選擇YOLOv3為母豬姿態識別的網絡架構,以Darknet53在ImageNet數據集進行訓練的模型權重為預訓練權重,采用mini-batch SGD方法進行訓練,配合Early-Stopping的策略監視模型在驗證集的精度,降低模型的過擬合風險;
S1-4、將實時數據輸入姿態識別卷積神經網絡,識別母豬側臥、腹臥、胸臥、過渡姿態、坐臥、站立6類姿態。
5.根據權利要求4所述的系統,其特征在于S1-1中低光照圖像采用YUV或RGB直方圖均衡化兩種圖像去模糊方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京農業大學,未經南京農業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010768129.2/1.html,轉載請聲明來源鉆瓜專利網。





