[发明专利]猪只视频数据采集和基于视觉AI的猪只行为评测方法在审

专利信息
申请号: 202110625748.0 申请日: 2021-06-04
公开(公告)号: CN113283363A 公开(公告)日: 2021-08-20
发明(设计)人: 杨飞云;王浩;龙定彪;徐顺来;蒲施桦;曾雅琼;朱佳明;简悦;赖敏 申请(专利权)人: 重庆市畜牧科学院;重庆御芯微信息技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;A01K29/00
代理公司: 成都九鼎天元知识产权代理有限公司 51214 代理人: 封浪
地址: 402460 重庆*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 视频 数据 采集 基于 视觉 ai 行为 评测 方法
【说明书】:

发明公开了一种猪只视频数据采集和基于视觉AI的猪只行为评测方法。猪只视频数据采集方法使用若干视频采集设备采集猪场现场的猪只视频数据,各视频采集设备以相同的拍摄方向进行安装,且各视频采集设备配置的工作参数一致。猪只行为评测方法对猪只视频数据进行标签标注,得到训练的数据集;数据集按预设比例分为训练数据集和测试数据集;使用分类器模型对所述训练数据集进行学习,使用所述测试数据集对学习后的分类器模型进行评估修正,最终训练出用于识别猪只行为的判别模型;使用所述判别模型对待识别的猪只视频数据进行识别,输出识别的猪只行为信息。本发明规范化了采集的猪只视频数据,便于统一处理,评测方法具备较高的准确性。

技术领域

本发明涉及智慧畜牧业和智能养殖领域,尤其是一种猪只视频数据采集和基于视觉AI的猪只行为评测方法。

背景技术

我国是生猪肉的生产大国,出口和内销的量都非常大,所以生猪的产能和生猪的健康状况是关键因素,目前的规模养殖方式都还存在一些缺点。主要表现在于:1、需要大量的饲养人员现场或通过视频监控进行管理,人力监管的方式无法实时对所有猪只的状态进行反馈和处理。2、需要饲养人员凭借经验判断猪只状态,饲养人员虽有一定经验,但也并非专业技术人员,判断结果受主观影响较大。3、当前的远程猪只监控管理方法非常低效,虽然增加了24h的监控设备,无需管理人员到达现场,但依然需要管理人员长时间在视频前进行长时间监管。长时间监管视频容易产生倦怠,并且少量的管理人员无法同时对多路视频进行监控,并且人工容易产生疲劳容易出错。

对此,应用当下反馈较好的AI技术来对猪只养殖进行实时监控,能够有效改善上述全部或部分问题。而通过视频监控的前提,需要采集有效的视频数据。现有的猪只数据采集方法非常不规范,视频采集的设备只要能够工作,并且能够观察到所有猪只即可,所采集的视频数据格式、规范不一,导致后期AI识别的效果不佳。此外,目前的基于纯视觉的AI算法对猪只的行为识别准确率不高。

发明内容

本发明的发明目的在于:针对上述存在的问题,提供一种猪只视频数据采集方法,以为实时分析猪只状态提供良好的视频数据。

本发明采用的技术方案如下:

一种猪只视频数据采集方法,该方法使用若干视频采集设备采集猪场现场的猪只视频数据,各视频采集设备以相同的拍摄方向进行安装,且各视频采集设备配置的工作参数一致。

进一步的,所述相同的拍摄方向,为安装的高度、角度相同,且拍摄视角相同。

进一步的,对于各视频采集设备所采集的猪只视频数据,还存在筛选步骤。

为了解决通过视频实时快速分析猪只行为的问题,本发明还提供了一种基于视觉AI的猪只行为评测方法,该方法包括:

对上述的猪只视频数据采集方法所采集的猪只视频数据进行标签标注,得到训练的数据集,标注的标签为猪只行为信息;数据集按预设比例分为训练数据集和测试数据集;

使用分类器模型对所述训练数据集进行学习,使用所述测试数据集对学习后的分类器模型进行评估修正,最终训练出用于识别猪只行为的判别模型;

使用所述判别模型对待识别的猪只视频数据进行识别,输出识别的猪只行为信息。

进一步的,进行标签标注的猪只视频数据的格式相同。

进一步的,所述数据集按预设比例分为训练数据集和测试数据集,包括:

对猪只视频数据统一进行标签标注,在训练所述分类器模型时将所述数据集按预设比例随机分为训练数据集和测试数据集。

或者,进行标签标注的猪只视频数据的格式不相同。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆市畜牧科学院;重庆御芯微信息技术有限公司,未经重庆市畜牧科学院;重庆御芯微信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110625748.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top