[发明专利]基于机器学习的活禽检测方法、装置、设备及可读介质

说明书

本发明实施例公开了一种基于机器学习的活禽检测方法，所述方法包括：获取与待检测区域对应的目标检测数据，所述目标检测数据包括目标红外图像、目标RGB图像、目标声音数据中的至少两项；将所述目标检测数据输入预设的机器学习模型，获取所述机器学习模型的输出结果；根据所述输出结果确定所述待检测区域对应的目标活禽信息。本发明提高了活禽检测的效率和准确率。

技术领域

本发明涉及禽类活体检测技术领域，尤其涉及一种基于机器学习的活禽检测方法、装置、设备及可读介质。

背景技术

包括鸡、鸭、鹅、鸽等在内的禽类作为重要的经济物种，在现代的各种生活场景中都扮演了重要的角色。在如家禽养殖业、生态监测工程以及动物保护项目等场景中，都需要对目标范围内可能存在的活禽进行检测，并识别所存在的禽体的类别，以对各种禽类的具体数目进行统计，从而基于这个识别与统计结果进行进一步的禽类资源的管理和利用。

现有技术中在上述场景下针对活禽的检测与识别，一般是通过传统的人工专家进行肉眼识别和计数的方法，这样做的实施和运营成本很高，并且检测和检测的准确率都较低，达不到对禽类检测与管理的要求。

发明内容

基于此，有必要针对上述问题，提出一种基于机器学习的活禽检测方法、装置、计算机设备及可读介质。

一种基于机器学习的活禽检测方法，其特征在于，所述方法包括：

获取与待检测区域对应的目标检测数据，所述目标检测数据包括目标红外图像、目标RGB图像、目标声音数据中的至少两项；

将所述目标检测数据输入预设的机器学习模型，获取所述机器学习模型的输出结果；

根据所述输出结果确定所述待检测区域对应的目标活禽信息。

一种基于机器学习的活禽检测装置，其特征在于，所述装置包括：

获取单元：获取与待检测区域对应的目标检测数据，所述目标检测数据包括目标红外图像、目标RGB图像、目标声音数据中的至少两项；

输出单元：将所述目标检测数据输入预设的机器学习模型，获取所述机器学习模型的输出结果；

第一确定单元：用于根据所述输出结果确定所述待检测区域对应的目标活禽信息。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

获取与待检测区域对应的目标检测数据，所述目标检测数据包括目标红外图像、目标RGB图像、目标声音数据中的至少两项；

将所述目标检测数据输入预设的机器学习模型，获取所述机器学习模型的输出结果；

根据所述输出结果确定所述待检测区域对应的目标活禽信息。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

获取与待检测区域对应的目标检测数据，所述目标检测数据包括目标红外图像、目标RGB图像、目标声音数据中的至少两项；

将所述目标检测数据输入预设的机器学习模型，获取所述机器学习模型的输出结果；

根据所述输出结果确定所述待检测区域对应的目标活禽信息。

在本发明实施例中，先获取与待检测区域对应的包括目标红外图像、目标RGB图像、目标声音数据中的至少两项的目标检测数据，将这些目标检测数据输入预先训练好的对应种类的机器学习模型(包括活体检测模型、禽形检测模型、禽声检测模型这三种模型)，最后根据机器学习模型输出的判断出待检测区域内包含的目标活禽种类以及各种类对应的活禽数目。