[发明专利]一种养殖监测方法和装置

权利要求书

1.一种养殖监测方法，其特征在于，包括如下步骤：

获取来自两个或多个位置相邻的图像采集设备的当前时刻的图像信息，所述图像信息可由其来源的图像采集设备提供监测区域特征标识；

建立网络模型，具体包括：对来自每一图像采集设备的图像信息进行预处理，然后基于经过预处理的图像信息获取该区域的拼接特征数据；对来自相邻区域的拼接特征数据做加权求和，获得空间融合特征数据；基于空间融合特征数据输出对应检测结果；

每隔预设时间间隔，以上述网络模型进行检测计算，并优化检测结果。

2.如权利要求1所述的养殖监测方法，其特征在于，还包括步骤：当一时间范围内的检测结果满足预设条件时，发出通讯信息。

3.如权利要求1或2所述的养殖监测方法，其特征在于，所述“建立网络模型”中，以Darknet-53模型为原型构建图像分类模型，其中，模型骨架包括Conv2D卷积块、ResidualBlock卷积块、UpSampling2D层和Fully Connected层。

4.如权利要求3所述的养殖监测方法，其特征在于，建立网络模型时，对Darknet-53模型做如下变更：将卷积块中Batch Normalization层替换为Group Nomalization层；并以激活函数SegReLU取代原激活函数Leaky ReLU function。

5.如权利要求4所述的养殖监测方法，其特征在于，建立网络模型时，对Darknet-53模型做如下变更：舍弃Darknet-53模型中1×1大小的卷积层，并增加SegReLU激活函数层，用于作用于Residual残差块的输出特征。

6.如权利要求5所述的养殖监测方法，其特征在于，步骤“基于经过预处理的图像信息获取该区域的拼接特征数据”具体包括：获取第一增加输出特征和第二增加输出特征；所述第一增加输出特征的获取为：对模型骨架中第二个Residual Block层提取输出特征，得到的维度为64*64*128；所述第二增加输出特征的获取为：对模型骨架中第四个ResidualBlock层提取输出特征，得到的维度为16*16*512，然后采用线性插值法对该层输出做上采样操作，获得第二增加输出特征，特征维度为64*64*512；对所述第一增加输出特征和第二增加输出特征做特征拼接处理，得到维度为64*64*640的多尺度特征。

7.如权利要求6所述的养殖监测方法，其特征在于，所述“对来自相邻区域的拼接特征数据做加权求和，获得空间融合特征数据”步骤中加权求和公式为：

其中，n为相邻区域的区域个数，V为多尺度特征。

8.如权利要求7所述的养殖监测方法，其特征在于，步骤“基于空间融合特征数据输出对应检测结果”具体包括：构造大小为(640，256)的Fully Connected层、GroupNomalization层与大小为(256，5)的Fully Connected层，并以所述空间融合特征数据为输入，获取的输出结果为0、1、2、3、4之一。

9.如权利要求8所述的养殖监测方法，其特征在于，所述步骤“每隔预设时间间隔，以上述网络模型进行检测计算，并优化检测结果”具体包括：每隔10-60秒时间，以上述网络模型进行检测计算；

统计3-12小时内的检测计算结果并基于该统计结果获取最终检测结果，所述统计方法如下式：

其中，x_n表示第n个时刻网格模型的分类结果中某个类别的概率。