[发明专利]幼禽孵化期生物特征预测装置及方法

权利要求书

1.一种基于深度卷积神经网络的幼禽孵化期生物特征预测装置，其特征在于，包括：

结构定位模块，包括级联的多个卷积神经网络子模块和至少一个全连接层子模块，所述结构定位模块输入包含有孵化期蛋的原图像，经运算后输出孵化期蛋内部结构在原图像中的预测的位置信息，所述全连接层子模块；

剪裁模块，包括Crop层，根据所述位置信息对所述原图像执行裁剪处理，输出裁剪大部分背景后的孵化期蛋内部结构图像；以及

性别预测模块，包括级联的至少一个预测子模块和全连接层子模块，所述预测子模块包括至少一个第一卷积神经网络子模块，以及与该至少一个第一卷积神经网络子模块并联的防止梯度消失用扩展卷积子模块，所述性别预测模块输入所述孵化期蛋内部结构图像，经运算后输出性别预测结果，其中

所述结构定位模块采用由6个Conv layer级联即Conv layer 1～6和2个全连接层Fully connected layer组成的卷积神经网络，将Conv layer6输出的1024个feature map平均分成4份，每个部分都采用reshape函数转化成一维的数据，分别输入4个小全连接层；4个小全连接层输出的数据再合并起来最为总的输出，并传给下一层全连接层Fullyconnected layer2，最终运算后输出孵化期鸡蛋内部结构在原图像中的位置预测像素点信息，

所述预测子模块采用由5个Conv layer级联即Conv layer 7～11，3个用于防止梯度爆炸,梯度消失的短接层--Extend Conv layer，数个独立的池化层和1个全连接层Fullyconnected layer组成的卷积神经网络。

2.如权利要求1所述的基于深度卷积神经网络的幼禽孵化期生物特征预测装置，其特征在于：

所述性别预测模块还包括soft-max层。

3.如权利要求1所述的基于深度卷积神经网络的幼禽孵化期生物特征预测装置，其特征在于：

所述剪裁 模块还包括图像增强子模块，对裁剪了大部分背景后的孵化期蛋内部结构图像执行图像增强或归一化处理。

4.如权利要求1至3中任一项所述的基于深度卷积神经网络的幼禽孵化期生物特征预测装置，其特征在于：

所述生物特征包括幼禽的性别、发育状况及健康状况中的至少一种。

5.一种幼禽生物特征识别系统，其特征在于，包括如权利要求1至4中任一项所述的基于深度卷积神经网络的幼禽孵化期生物特征预测装置，还包括：

图像采集装置，采集作为识别对象的孵化期蛋的图像；

图像预处理装置，对所述图像采集装置所采集的图像进行预处理，所述预处理包括边框裁剪、缩放、图像增强中的至少一种。

6.如权利要求5所述的幼禽孵化期生物特征识别系统，其特征在于：

所述图像采集装置设有光照调整机构，以获取规定形态的图像。