[发明专利]基于妊娠后期姿态转化特性的母猪分娩时间预测系统

权利要求书

1.一种基于妊娠后期姿态转化特性的母猪分娩时间预测系统，其特征在于它包括图像采集模块、网络传输模块、视频存储单元、本地服务器、中心计算模块以及移动端接收模块，图像采集模块采集妊娠后期限位栏环境下的母猪视频，采集的数据存储至视频存储单元；本地服务器截图图像帧通过网络传输模块上传至中心计算模块，所述中心计算模块执行以下步骤：

S1、姿态识别：识别母猪侧卧、腹卧、胸卧、过渡姿态、坐卧、站立6类姿态；

S2、姿态转化特性空间特征与时序特征的提取：对6类姿态检测结果进行深入挖掘，提取不同时间分窗下的姿态变化相关的多类空间分布与时序统计特征，并采用嵌入式特征选择方法筛选高方差低耦合的特征；

S3、分娩时间预测：基于提取的高权重特征和集成学习方法，对多个基学习器进行加权决策，获得最终的分娩预测时间T：

Q表示基模型的个数，α_q表示第q个模型的权重，P_q表示第q个模型的预测结果；

S4、将分娩预测时间T存储至云服务器，管理人员通过移动端接收模块及时获知预测结果。

2.根据权利要求1所述的系统，其特征在于所述图像采集模块为红外摄像机，红外摄像机固定于产床正上方2.2米，24小时不间断采集妊娠后期母猪限位栏下行为。

3.根据权利要求1所述的系统，其特征在于所述视频存储单元与图像采集模块共处于局域网内，本地服务器对多路视频数据多线程同步等间隔截帧，通过高带宽无线通信，将图像上传至中心计算模块。

4.根据权利要求1所述的系统，其特征在于S1具体包括以下步骤：

S1-1、图像预处理：对无损图像进行筛选，低光照图像去模糊，对6类姿态图像实现类别和场景的均衡化，整体进行数据增强；所述6类姿态图像分别为侧卧、腹卧、胸卧、过渡姿态、坐卧、站立；

S1-2、数据标注：对母猪侧卧、腹卧、胸卧、过渡姿态、坐卧、站立6类图像各取M张进行人工标注，训练基模型后，采用模型标注；训练集、测试集、验证集按照比例随机划分；

S1-3、姿态识别卷积神经网络设计与训练：选择YOLOv3为母猪姿态识别的网络架构，以Darknet53在ImageNet数据集进行训练的模型权重为预训练权重，采用mini-batch SGD方法进行训练，配合Early-Stopping的策略监视模型在验证集的精度，降低模型的过拟合风险；

S1-4、将实时数据输入姿态识别卷积神经网络，识别母猪侧卧、腹卧、胸卧、过渡姿态、坐卧、站立6类姿态。

5.根据权利要求4所述的系统，其特征在于S1-1中低光照图像采用YUV或RGB直方图均衡化两种图像去模糊方法。