[发明专利]一种动物热红外图像的处理方法及装置在审

专利信息
申请号: 202210387431.2 申请日: 2022-04-13
公开(公告)号: CN114708507A 公开(公告)日: 2022-07-05
发明(设计)人: 杨颖;张倩;刘刚 申请(专利权)人: 中国农业大学
主分类号: G06V20/10 分类号: G06V20/10;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 吴勇涛
地址: 100193 *** 国省代码: 北京;11
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 动物 红外 图像 处理 方法 装置
【权利要求书】:

1.一种动物热红外图像的处理方法,其特征在于,包括:

获取目标动物的热红外图像;

对原始ResNet34网络模型进行改进,获取改进型ResNet34网络模型;

将所述热红外图像输入至所述改进型ResNet34网络模型,得到所述热红外图像的图像处理结果,所述图像处理结果包括不同明亮程度的颜色信息。

2.根据权利要求1所述的动物热红外图像的处理方法,其特征在于,所述获取目标动物的热红外图像,包括:

获取所述目标动物的热红外视频;

从所述热红外视频中提取包含预设部位的局部热红外图像,所述预设部位为一个或多个;

对包含不同预设部位的所述局部热红外图像进行拼接处理,得到所述热红外图像。

3.根据权利要求1所述的动物热红外图像的处理方法,其特征在于,所述对原始ResNet34网络模型进行改进,获取改进型ResNet34网络模型,包括:

通过删减第一预设数量的中间网络层,简化所述原始ResNet34网络模型中的残差单元。

4.根据权利要求3所述的动物热红外图像的处理方法,其特征在于,所述对原始ResNet34网络模型进行改进,获取改进型ResNet34网络模型,还包括:

获取预设的最大池化层和平均池化层;

融合所述最大池化层和所述平均池化层,得到目标池化层。

5.根据权利要求4所述的动物热红外图像的处理方法,其特征在于,所述对原始ResNet34网络模型进行改进,获取改进型ResNet34网络模型,还包括:

在所述原始ResNet34网络模型的预设位置处设置第二预设数量的辅助分类器,所述辅助分类器由所述目标池化层和全连接层构成。

6.根据权利要求5所述的动物热红外图像的处理方法,其特征在于,所述辅助分类器的损失表达式如下:

其中,N为样本个数,yi为样本i的标签,为第j个辅助分类器将样本i预测为正类的概率,Lj为第j个辅助分类器的损失值。

7.一种动物热红外图像的处理装置,其特征在于,包括:

热红外图像获取模块,用于获取目标动物的热红外图像;

改进网络模型获取模块,用于对原始ResNet34网络模型进行改进,获取改进型ResNet34网络模型;

图像处理结果获取模块,用于将所述热红外图像输入至所述改进型ResNet34网络模型,得到所述热红外图像的图像处理结果,所述图像处理结果包括不同明亮程度的颜色信息。

8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述动物热红外图像的处理方法的步骤。

9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述动物热红外图像的处理方法的步骤。

10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述动物热红外图像的处理方法的步骤。

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中国农业大学,未经中国农业大学许可,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/202210387431.2/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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