[发明专利]层叠式笼养模式下的鸡蛋计数及定位系统

权利要求书

1.一种层叠式笼养模式下的鸡蛋计数及定位系统，所述层叠式笼养模式下的笼具包括产蛋鸡笼、自动喂料系统、乳头供水系统、自动集蛋系统和自动清粪系统；蛋鸡所产鸡蛋自有一定角度的鸡笼底网滚动至丙纶编织袋鸡蛋收集系统上，根据养殖场的设置，间隔一定时间开启鸡蛋收集，丙纶编织袋作为蛋带开始传输，将丙纶编织袋上的鸡蛋相继传输至链式中央集蛋系统；其特征在于鸡蛋计数及定位系统包括以下模块：

速度传感模块：包括速度传感器和速度显示屏，速度传感器的计米轮紧贴于蛋带上的编织袋，速度传感器的检测结果连接速度显示屏显示；此模块安装在蛋带与链式中央集蛋系统交接处；

数据采集模块：获取蛋带及速度显示屏的彩色视频数据，此模块安装于蛋带与链式中央集蛋系统交接处，俯拍蛋带末端，获取蛋带上的鸡蛋运作图像；

数据预处理模块：对彩色视频数据进行预处理，获取4个用于模型训练的数据集，分别是：鸡蛋多类别目标检测数据集、鸡蛋目标跟踪ReID数据集、LED速度显示屏语义分割数据集及显示屏目标分类数据集；

鸡蛋目标跟踪计数模块：基于鸡蛋多类别目标检测模型和多目标跟踪DeepSORT算法实现鸡蛋的计数，并将不同类别的鸡蛋加以区分实现分别计数；

速度显示屏定位及示数识别模块：利用卷积神经网络设计并训练了基于UNet算法的速度显示屏语义分割模型及基于CNN算法的速度显示屏目标分类模型，两者搭配共同实现了速度显示屏示数的识别从而得到蛋带运作的速度。

2.根据权利要求1所述的系统，其特征在于数据采集模块包括支架、架设于支架顶端的摄像头、交换机及网络硬盘录像机NVR，摄像头俯拍蛋带及速度显示屏获得彩色视频数据。

3.根据权利要求1所述的系统，其特征在于将NVR中的视频导出为MP4格式视频文件，剔除部分蛋带倾斜角度过大的视频后进行截帧工作，对得到的大量图片进行筛选、数据标注及数据增强操作，获得相应的数据集。

4.根据权利要求1所述的系统，其特征在于鸡蛋多类别目标检测模型的获取步骤为：采用YOLOv5s进行鸡蛋多类别目标检测模型的训练，利用鸡蛋多类别目标检测数据集，在搭建好的深度卷积神经网络框架上利用YOLOv5s进行训练；YOLOv5s源码基于PyTorch框架，修改默认的训练参数为适宜本方法所需的参数，将数据集输入卷积网络中进行训练；YOLOv5s含有早停机制EarlyStopping，在模型评估阶段若模型效果没有提升，EarlyStopping通过设置model.stop_training＝True让模型提前停止训练，设置patience参数为100，当100个epoch模型效果仍未提升则停止训练；在训练结束后通过设置好的测试集评价模型的性能。

5.根据权利要求1所述的系统，其特征在于鸡蛋目标跟踪ReID数据集的获取步骤为：参照VeRi-776数据集重新制作鸡蛋重识别数据集，采用PyTorch版的DeepSORT训练跟踪特征，利用宽残差网络wide residual network重新训练提取外观特征的模型；在鸡蛋多类别目标检测数据集中对鸡蛋均进行了标注，在制作鸡蛋重识别数据集时共选取436个经过镜头下的鸡蛋并运行py脚本文件将每个鸡蛋截取保存为.png格式的图片，每个鸡蛋约对应13张截取后的图片分别放入436个文件夹中；对此数据集共迭代训练2000个epoch得到ReID重识别模型。