[发明专利]一种羊只产期预警的方法

权利要求书

1.一种羊只产期预警的方法，其特征在于：包括以下步骤：

S1、通过摄像头对羊舍内的羊只进行监测，获取流媒体视频图像；

S2、将流媒体视频图像输入深度学习网络中；

S3、利用步骤S2中所述的深度学习网络进行图像识别，识别出孕羊的站立和趴伏行为，并分别对从站立到趴伏这一行为和从趴伏到站立这一行为进行实时计数；

S4、基于步骤S3中的实时计数结果，计算孕羊的起卧频率：

其中，f为起卧频率，N_up为从趴伏到站立这一动作的次数，N_down为从站立到趴伏这一动作的次数，t为时间段；

S5、判断孕羊的起卧频率是否达到预警值，当达到预警值时，进行报警；否则返回步骤S3；

步骤S2中的深度学习网络为由Backbone模块、Neck模块和Out模块组成的YOLO-S系统，其具体包括以下步骤：

S21、流媒体视频图像输入Backbone模块的Focus单元进行预处理，流媒体视频图像为RGB图像；

S22、将经过步骤S21预处理的图像导入Backbone模块的第一Conv卷积单元进行处理；

S23、将经过步骤S22处理的图像导入Backbone模块的第一BottleneckCSP单元进行处理；

S24、将经过步骤S23处理的图像，导入Backbone模块的第二Conv卷积单元进行处理；

S25、将经过步骤S24处理的图像，导入Backbone模块的第二BottleneckCSP单元进行处理；

S26、将经过步骤S25处理的图像，导入Neck模块的第二BottleneckCSP单元进行处理；

S27、将经过步骤S26处理的图像，导入Out模块的Detect单元，生成输出矩阵，获取最终识别结果；

步骤S21具体包括以下步骤：首先Focus单元将媒体视频图像的大小转换为640*640，然后分别提取媒体视频图像的奇数行、偶数行、奇数列、偶数列生成4个3*320*320的子图像，再将4个子图像堆叠成12*320*320的矩阵，最后通过核个数为32的卷积操作，生成32*320*320的输出矩阵。

2.根据权利要求1所述的一种羊只产期预警的方法，其特征在于：步骤S22具体包括以下步骤：通过核个数为64，步长为2的卷积操作，生成64*160*160的输出矩阵。

3.根据权利要求1所述的一种羊只产期预警的方法，其特征在于：步骤S23具体包括以下步骤：在第一BottleneckCSP单元中进行两路并行操作，一路输入矩阵通过卷积核为32的1*1卷积生成32*160*160的第一矩阵；另一路输入矩阵先通过卷积核为32的1*1卷积层生成32*160*160的第一矩阵，然后进行Bottleneck操作，Bottleneck操作结束后，将数据进行卷积核为32的1*1卷积层生成32*160*160的第二矩阵，最后将第一矩阵和第二矩阵进行堆叠生成64*160*160的输出矩阵。

4.根据权利要求1所述的一种羊只产期预警的方法，其特征在于：步骤S24具体包括以下步骤：通过核个数为128，步长为2的卷积操作，生成128*80*80的输出矩阵。

5.根据权利要求1所述的一种羊只产期预警的方法，其特征在于：步骤S25和步骤S26均具体包括以下步骤：在第二BottleneckCSP单元中进行两路并行操作，一路输入矩阵通过卷积核为64的1*1卷积生成64*80*80的第三矩阵；另一路输入矩阵先通过卷积核为64的1*1卷积层生成64*80*80的第三矩阵，然后进行Bottleneck操作，Bottleneck操作结束后，将数据进行卷积核为64的1*1卷积层生成64*80*80的第四矩阵，最后将第三矩阵和第四矩阵进行堆叠生成128*80*80的输出矩阵。

6.根据权利要求1所述的一种羊只产期预警的方法，其特征在于：步骤S27具体包括以下步骤：通过卷积核个数为5的1*1卷积层生成5*80*80的输出矩阵。