[發(fā)明專(zhuān)利]基于人工智能的妊娠檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備和介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011303285.8
• 申請(qǐng)日: 2020-11-19
• 公開(kāi)（公告）號(hào): CN112587089A
• 公開(kāi)（公告）日: 2021-04-02
• 發(fā)明（設(shè)計(jì)）人: 何丹;藺永;劉旭;李萬(wàn)林;萬(wàn)方;陳剛;李飛;賴旭
• 申請(qǐng)（專(zhuān)利權(quán)）人: 新希望六和股份有限公司;山東新希望六和集團(tuán)有限公司
• 主分類(lèi)號(hào): A61B5/00
• 分類(lèi)號(hào): A61B5/00;A01K29/00
• 代理公司: 廣州華進(jìn)聯(lián)合專(zhuān)利商標(biāo)代理有限公司 44224
• 代理人: 陳金普

1.一種基于人工智能的妊娠檢測(cè)方法，所述方法應(yīng)用于服務(wù)器，其特征在于，所述方法包括：

采集牲畜預(yù)設(shè)部位的待檢測(cè)視頻流；其中，所述預(yù)設(shè)部位的待檢測(cè)視頻流包括：在所述預(yù)設(shè)部位按照順時(shí)針?lè)较虿杉囊曨l流，或者，在所述預(yù)設(shè)部位按照逆時(shí)針?lè)较虿杉囊曨l流；

將所述待檢測(cè)視頻流輸入至預(yù)先構(gòu)建的懷孕狀態(tài)分類(lèi)模型，以使所述懷孕狀態(tài)分類(lèi)模型基于所述待檢測(cè)視頻流輸出不同懷孕狀態(tài)對(duì)應(yīng)的概率值；所述懷孕狀態(tài)分類(lèi)模型采用基于時(shí)序的神經(jīng)網(wǎng)絡(luò)模型；所述懷孕狀態(tài)分類(lèi)模型為針對(duì)特定的待檢測(cè)牲畜的孕囊或子宮形態(tài)進(jìn)行深度學(xué)習(xí)后得到的能夠識(shí)別妊娠圖像的神經(jīng)網(wǎng)絡(luò)模型；

根據(jù)所述不同懷孕狀態(tài)對(duì)應(yīng)的概率值的相對(duì)大小，確定所述牲畜的孕檢結(jié)果；

所述采集牲畜預(yù)設(shè)部位的待檢測(cè)視頻流之前，所述方法還包括：

獲取樣本視頻流；所述樣本視頻流包括懷孕樣本視頻流和空懷樣本視頻流；

利用所述懷孕樣本視頻流和所述空懷樣本視頻流對(duì)待訓(xùn)練懷孕狀態(tài)分類(lèi)模型進(jìn)行調(diào)參訓(xùn)練，通過(guò)所述調(diào)參訓(xùn)練得到所述懷孕樣本視頻流和所述空懷樣本視頻流在順時(shí)針和逆時(shí)針?lè)较虻牟町?，?gòu)建所述懷孕狀態(tài)分類(lèi)模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述待檢測(cè)視頻流輸入至預(yù)先構(gòu)建的懷孕狀態(tài)分類(lèi)模型，以使所述懷孕狀態(tài)分類(lèi)模型基于所述待檢測(cè)視頻流輸出不同懷孕狀態(tài)對(duì)應(yīng)的概率值，包括：

通過(guò)所述懷孕狀態(tài)分類(lèi)模型以預(yù)設(shè)的頻率采集所述待檢測(cè)視頻流中的多個(gè)視頻幀，識(shí)別各個(gè)視頻幀中的孕囊部位的圖像，根據(jù)所述各個(gè)視頻幀中的孕囊部位的圖像計(jì)算所述各個(gè)視頻幀中的孕囊的特征值，根據(jù)所述各個(gè)視頻幀中的孕囊的特征值預(yù)測(cè)得到所述概率值。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過(guò)所述懷孕狀態(tài)分類(lèi)模型以預(yù)設(shè)的頻率采集所述待檢測(cè)視頻流中的多個(gè)視頻幀之后，還包括：

通過(guò)所述懷孕狀態(tài)分類(lèi)模型中的濾波器對(duì)各個(gè)視頻幀進(jìn)行濾波處理得到降噪后的視頻幀。

4.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的方法，其特征在于，所述采集牲畜預(yù)設(shè)部位的待檢測(cè)視頻流之后，所述方法還包括：

針對(duì)所述待檢測(cè)視頻流進(jìn)行視頻流預(yù)處理；所述視頻流預(yù)處理包括對(duì)比度增強(qiáng)和/或抖動(dòng)調(diào)節(jié)。

5.一種基于人工智能的妊娠檢測(cè)裝置，其特征在于，所述裝置包括：

視頻流采集模塊，用于采集牲畜預(yù)設(shè)部位的待檢測(cè)視頻流；其中，所述預(yù)設(shè)部位的待檢測(cè)視頻流包括：在所述預(yù)設(shè)部位按照順時(shí)針?lè)较虿杉囊曨l流，或者，在所述預(yù)設(shè)部位按照逆時(shí)針?lè)较虿杉囊曨l流；

概率值輸出模塊，用于將所述待檢測(cè)視頻流輸入至預(yù)先構(gòu)建的懷孕狀態(tài)分類(lèi)模型，以使所述懷孕狀態(tài)分類(lèi)模型基于所述待檢測(cè)視頻流輸出不同懷孕狀態(tài)對(duì)應(yīng)的概率值；所述懷孕狀態(tài)分類(lèi)模型采用基于時(shí)序的神經(jīng)網(wǎng)絡(luò)模型；所述懷孕狀態(tài)分類(lèi)模型為針對(duì)特定的待檢測(cè)牲畜的孕囊或子宮形態(tài)進(jìn)行深度學(xué)習(xí)后得到的能夠識(shí)別妊娠圖像的神經(jīng)網(wǎng)絡(luò)模型；

孕檢結(jié)果確定模塊，用于根據(jù)所述不同懷孕狀態(tài)對(duì)應(yīng)的概率值的相對(duì)大小，確定所述牲畜的孕檢結(jié)果；

所述視頻流采集模塊，還用于獲取樣本視頻流；所述樣本視頻流包括懷孕樣本視頻流和空懷樣本視頻流；

所述概率值輸出模塊，還用于利用所述懷孕樣本視頻流和所述空懷樣本視頻流對(duì)待訓(xùn)練懷孕狀態(tài)分類(lèi)模型進(jìn)行調(diào)參訓(xùn)練，通過(guò)所述調(diào)參訓(xùn)練得到所述懷孕樣本視頻流和所述空懷樣本視頻流在順時(shí)針和逆時(shí)針?lè)较虻牟町?，?gòu)建所述懷孕狀態(tài)分類(lèi)模型。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述概率值輸出模塊進(jìn)一步用于通過(guò)所述懷孕狀態(tài)分類(lèi)模型以預(yù)設(shè)的頻率采集所述待檢測(cè)視頻流中的多個(gè)視頻幀，識(shí)別各個(gè)視頻幀中的孕囊部位的圖像，根據(jù)所述各個(gè)視頻幀中的孕囊部位的圖像計(jì)算所述各個(gè)視頻幀中的孕囊的特征值，根據(jù)所述各個(gè)視頻幀中的孕囊的特征值預(yù)測(cè)得到所述概率值。

7.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括：

濾波處理單元，用于通過(guò)所述懷孕狀態(tài)分類(lèi)模型中的濾波器對(duì)各個(gè)視頻幀進(jìn)行濾波處理得到降噪后的視頻幀。