[发明专利]一种基于计算机视觉的蜂群群势精准测算方法及装备有效

专利信息
申请号: 202110056213.6 申请日: 2021-01-15
公开(公告)号: CN112734736B 公开(公告)日: 2022-10-04
发明(设计)人: 王红芳;孙晓勇;韩金玉;胥保华;刘振国 申请(专利权)人: 山东农业大学
主分类号: G06T7/00 分类号: G06T7/00;G06V10/774;G06V10/82;G06N3/04;G06N3/08
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 李圣梅
地址: 271018 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 计算机 视觉 蜂群 精准 测算 方法 装备
【权利要求书】:

1.一种基于计算机视觉的蜂群群势精准测算方法,其特征在于,包括以下步骤:

步骤(1):获取若干历史蜂脾图像,经过预处理后得到密度图;

步骤(2):将若干历史蜂脾图像与其相对应的密度图输入蜂群群势计数模型进行训练;

步骤(3):输出训练好的蜂群群势计数模型;

步骤(4):将待测的蜂脾图像输入训练好的蜂群群势计数模型,输出蜂群群势,在对蜜蜂进行计数时,采用统计计数统计蜜蜂头、尾、全身数目,最终取平均值的方法,以减少蜜蜂重叠带来的误差;

步骤(5):计算每个蜜蜂体积大小,估算不同体积的蜜蜂个数,计算整体蜜蜂年龄结构;

步骤(6):计算出的每个蜂箱中的蜜蜂个数,绑定各个蜂箱及其地理位置,统筹比较不同蜂箱蜜蜂数目以及评估不同蜂群蜜蜂体况的差异。

2.根据权利要求1所述的基于计算机视觉的蜂群群势精准测算方法,其特征在于,所述步骤(1)具体包括,获取若干历史蜂脾图像,经过标注后进行高斯卷积处理,得到密度图。

3.根据权利要求1所述的基于计算机视觉的蜂群群势精准测算方法,其特征在于,所述步骤(2)具体包括:

步骤(2-1):将蜂脾图像与其相对应的密度图输入卷积神经网络,输出多层进行卷积计算后的密度图;

步骤(2-2):将步骤(2-1)得到的多层进行卷积计算后的密度图用于计算蜜蜂的数量;

步骤(2-3):将步骤(2-2)得出的蜜蜂数量与历史数据进行比较,若两者之间差值的绝对值小于设定的阈值,则进入步骤(3),否则,调整参数,重复步骤(2-1)至步骤(2-3)。

4.根据权利要求3所述的基于计算机视觉的蜂群群势精准测算方法,其特征在于,所述卷积神经网络包括多层残差结构,残差结构内卷积核分别为1x1,3x3,1x1,去掉原网络结构的全连接层,改为直接输出卷积计算结果,即蜂脾图像密度图。

5.一种基于计算机视觉的蜂群群势精准测算装备,其特征在于,包括:

预处理装置,其被配置为:获取若干历史蜂脾图像,经过预处理后得到密度图;

蜂群群势计数模型训练装置,其被配置为:将若干历史蜂脾图像与其相对应的密度图输入蜂群群势计数模型进行训练;

蜂群群势计数模型生成装置,其被配置为:输出训练好的蜂群群势计数模型;

蜂群群势计算装置,其被配置为:将待测的蜂脾图像输入训练好的蜂群群势计数模型,输出蜂群群势;

蜜蜂年龄结构计算装置,其被配置为:计算每个蜜蜂体积大小,估算不同体积的蜜蜂个数,计算整体蜜蜂年龄结构;

蜂箱定位装置,其被配置为:计算出的每个蜂箱中的蜜蜂个数,绑定各个蜂箱及其地理位置,统筹比较不同蜂箱蜜蜂数目的差异;

在对蜜蜂进行计数时,采用统计计数统计蜜蜂头、尾、全身数目,最终取平均值的方法,以减少蜜蜂重叠带来的误差。

6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的基于计算机视觉的蜂群群势精准测算方法中的步骤。

7.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行所述程序时实现如权利要求1-4中任一项所述的基于计算机视觉的蜂群群势精准测算方法中的步骤。

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山东农业大学,未经山东农业大学许可,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/202110056213.6/1.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