[发明专利]一种基于深度学习的室内养鸡场病鸡检测系统

权利要求书

1.一种基于深度学习的室内养鸡场病鸡检测系统，其特征在于，所述检测系统包括巡航机器人、服务器和用户端；

巡航机器人包括巡视机器人主体以及设置在巡视机器人主体上的信息采集模块、动力模块、通信控制模块，信息采集模块包括至少与鸡笼层数相同的一组图像采集器；动力模块驱动巡航机器人沿室内养鸡场地面上的导轨进行巡视；图像采集器能移动并自动伸缩，与所要采集数据的对应层鸡笼保持持平；信息采集模块用于实时采集鸡笼视频图像数据；通信控制模块利用网络将巡视机器人获取的鸡笼视频图像数据进行预处理之后发送至服务器，所述预处理是通过通信控制模块的预处理模块实现的，通信控制模块还接收相关远程指令，控制巡视机器人的运行与操作；

服务器包括后台处理程序和数据库，所述数据库用于存储经预处理后的鸡笼视频图像数据信息；后台处理程序包括深度网络训练模块和实时监测模块；深度网络训练模块：针对巡航机器人图像采集器采集的鸡笼中养殖鸡的历史数据，采用DenseNet结构来提高网络特征提取的能力，再经过训练，得到训练好的网络模型；

实时监测模块根据训练好的网络模型，将巡航机器人信息采集模块实时采集鸡笼视频图像作为输入，监测出鸡笼内是否存在病鸡，并通过用户端进行显示，并给出相应提示或报警；

所述预处理模块，用于对采集的视频图像数据进行数据增强与扩增，采用分通道补偿法进行数据增强，并通过几何变换和彩色调整相结合的方式进行数据扩增；

所述预处理模块中，分通道补偿法增强图像信息的步骤是：

(a)对于摄像头采集的鸡笼图像数据I_RGB，分离三个通道的图像分量，分别得到红色、绿色和蓝色通道图像分量I_R、I_G和I_B；

(b)计算红、绿、蓝三个通道图像分量的均值α_{R_AVER}、α_{G_AVER}、α_{B_AVER}；

(c)对三个通道图像分量采用引导滤波进行平滑处理，得到I_{R_gui}、I_{G_gui}和I_{B_gui}；

(d)计算三个通道图像分量的对数补偿系数，

β_R＝log(θ_R)/log(α_{R_AVER})；

β_G＝log(θ_G)/log(α_{G_AVER})；

β_B＝log(θ_B)/log(α_{B_AVER})，其中θ_R，θ_G和θ_B为经验参数，根据室内养鸡场光照情况调整；

(e)计算各个通道图像分量的补偿图像分量其中k＝R、G、B为红、绿、蓝三个通道标识符；

(f)融合三个通道补偿图像分量，得到补偿后的增强图像数据；

所述预处理模块中，数据扩增采用扩增字典法，构建扩增字典库，扩增字典库由几何变换和彩色调整构成，对采集到的鸡笼视频图像数据采用翻转、平移、旋转和缩放的图像几何扩充方法来实现不同鸡只目标形态的扩充，同时，采用调整图像的亮度、对比度以及饱和度来实现增强数据扩增的目的，并可以随时向扩增字典库中加入新的方法以增加数据扩增多样性；

所述深度网络训练模块，采用DenseNet作为特征提取网络，并设计4个Dense Block，特征提取网络结构如下表：

Dense Block内部以联级的方式进行连接，每两个Dense Block通过连接层进行通道降维，

采用如下公式进行感受野的扩大：

其中，u为特征图包围盒的个数，v∈[1,u]，s_min和s_max分别为包围盒尺度参数的最小值和最大值，损失函数采用交叉熵损失函数，其定义为：

其中，Θ为模型参数，n为样本批量大小，H为交叉熵，y⁽ⁱ⁾为样本i类别标签概率分布，为样本i类别的预测概率分布。

2.根据权利要求1所述的一种基于深度学习的室内养鸡场病鸡检测系统，其特征在于，所述信息采集模块还包括声音传感器、温度传感器和/或气体传感器。

3.根据权利要求1或2所述的一种基于深度学习的室内养鸡场病鸡检测系统，其特征在于，所述信息采集模块主要以图像信息采集为主，声音及其他相关禽类生物特征信息采集为辅，通过该模块实时获取相关信息，并通过该巡视机器人通信控制模块进行预处理并发送至服务器进行处理获得识别结果，识别过程主要以图像信息为主，声音及其他相关生物特征信息作为辅助备用信息。