[發明專利]基于多層徑向基網絡的大型動物體重自動評估方法、系統及介質

在審

• 申請號: 202110854716.8
• 申請日: 2021-07-28
• 公開（公告）號: CN113487107A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 梁云;陳浩銘;劉財興;田緒紅
• 申請（專利權）人: 華南農業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種基于多層徑向基網絡的大型動物體重自動評估方法、系統及介質，該方法包括：每層首先隨機生成徑向基函數中心點，再生成徑向基神經元以組成徑向基層，最后連接徑向基層和全連接層以構建多層徑向基網絡模型；輸入歸一化的大型動物體況參數以訓練多層徑向基網絡模型，采用損失函數優化模型的參數；利用訓練好的多層徑向基網絡模型進行體重自動估計。本發明采用一維的大型動物體況參數進行預測其體重，基本不受動物姿態以及運動的影響，對于估計動物生重的魯棒性較大；本發明將多層徑向基網絡層通過全連接層進行連接，擬合能力更高，僅在輸入一維體況的情況下有較高的估計精度。

技術領域

本發明屬于深度學習的技術領域，具體涉及一種基于多層徑向基網絡的大型動物體重自動評估方法、系統及介質。

背景技術

活重是大型動物的重要指標，及時準確的獲取大型動物的體重，即可馬上評價大型動物的生長狀況和健康狀況，并據此檢測大型動物的飼料吸收率，或者對營養狀況不同的大型動物分別飼養，以達到飼料的最大利用率和最佳生長控制。如何對大型動物體重進行自動精準測量，是當前智能農業的研究重點之一。傳統的大型動物體重檢測往往都需要與大型動物進行直接接觸，需要將大型動物移動至電子秤等稱重設備上，整個過程不僅費時而且費力，人工測量的誤差較大，需要人畜接觸容易造成疫病傳播；有時候還需要使用鎮靜劑等藥物輔助，給大型動物帶來極大的壓力，影響諸如進食，交配等日常活動，甚至會造成大型動物猝死，造成極大的經濟損失。

近來多種大型動物體重評估方法被提出，主要分為2大類，即直接測量法和間接測量法。在直接測量法中，大型動物移動等造成的除了體重之外向下的力很難得到解決。而在間接測量法中，目前的方法都需要得到大型動物的二維面積，這個參數的獲取對于捕獲的圖像有較高的精度要求，需要大型動物處于相對固定位置，且極易受到大型動物姿勢的影響。根據動物飼養學原理，大型動物體況和體重存在潛在關系，當大型動物品種確定后，可以通過構建體況和體重的推演模型，實現大型動物體重的自動估計。同時，若可以僅僅需要獲取大型動物中其中幾個一維的體況特征，如體高，圍長等，那么對于捕獲大型動物的圖像要求便會降低很多，對于捕獲得到的圖像便有較大的魯棒性，本發明以此角度，通過對大量體況和體重數據進行學習和訓練，構造多層徑向基網絡模型，得到兩者間的非線性關系，進而實現大型動物體重的精準計算。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種基于多層徑向基網絡的大型動物體重自動評估方法、系統及介質，通過對大型動物的體長、體高、體寬、腹圍、腰圍的5種體況參數進行規則化預處理并輸入至多層徑向基網絡模型中進行訓練學習，通過輸出的數據與標準數據的差值對多層徑向基網絡模型的參數進行更新，直至多層徑向基網絡模型預測穩定且預測精度較好，最終自動計算出體重數據。

為了達到上述目的，本發明采用以下技術方案：

本發明一方面提供了一種基于多層徑向基網絡的大型動物體重自動評估方法，包括下述步驟：

根據設定的各徑向基層中心點的個數，以位置隨機的方式生成中心點，基于中心點生成對應的徑向基核函數以及徑向基神經元，通過連接全連接層調整維度以連接下一層，重復上述步驟以構造多層徑向基網絡模型；

訓練多層徑向基網絡模型，首先將分別歸一化處理后的體況參數輸入多層徑向基網絡模型得到輸出數據，將輸出數據和標準數據作為損失函數的參數輸入計算損失值，然后利用損失函數優化多層徑向基網絡模型的參數，當損失值穩定達到預期某一極小值時，即得到訓練好的多層徑向基網絡模型；

將待預測的大型動物的歸一化后的體況參數結果作為輸入數據，輸入到訓練好的多層徑向基網絡模型，所述多層徑向基網絡模型的輸出即為待預測的大型動物體重估計值。

作為優選的技術方案，所述中心點是和輸入數據相同維度的向量，表示在該維度空間中的一個點，初始位置隨機，后續通過損失函數求導進行更新調整；