[发明专利]基于计算机视觉识别的养殖对象进食量估算方法及系统在审
申请号: | 202210751283.8 | 申请日: | 2022-06-28 |
公开(公告)号: | CN115100513A | 公开(公告)日: | 2022-09-23 |
发明(设计)人: | 杨军超;贾璐璐;齐高相;周月明;张冰;申渝 | 申请(专利权)人: | 重庆工商大学;重庆南向泰斯环保技术研究院有限公司 |
主分类号: | G06V20/05 | 分类号: | G06V20/05;G06V20/40;G06V20/70;G06V10/774;G06V10/44;G06V10/26;G06Q50/02 |
代理公司: | 重庆强大凯创专利代理事务所(普通合伙) 50217 | 代理人: | 赵玉乾 |
地址: | 400060 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 计算机 视觉 识别 养殖 对象 进食 估算 方法 系统 | ||
1.基于计算机视觉识别的养殖对象进食量估算方法,其特征在于:包括以下步骤:
影像采集步骤:采集养殖区域内的养殖对象的影像数据;
影像处理步骤:对影像数据进行预处理,得到分析数据集;
影像分析步骤:以分析数据集作为样本数据训练模型,将实时获取到的影像数据输入训练好的模型,输出养殖对象的数量和体型特征;
数据处理步骤:根据养殖对象的数量以及体型特征,对养殖对象的进食量进行分析,生成养殖对象进食量估算结果。
2.根据权利要求1所述的基于计算机视觉识别的养殖对象进食量估算方法,其特征在于:所述影像处理步骤具体包括以下步骤:
S110:获取养殖区域的深度,并根据养殖区域的深度设置分析区域;
S120:根据分析区域范围以及影像数据,分析养殖对象的非沉底时段,根据影像数据分析养殖对象的非进食时段;
S130:提取养殖对象非沉底时段和非进食时段的交集中的关键帧,作为分析数据集。
3.根据权利要求2所述的基于计算机视觉识别的养殖对象进食量估算方法,其特征在于:所述影像分析步骤具体包括以下步骤:
S210:对分析数据集进行标记,训练图像分割模型;
S220:将实时获取到的影像数据输入图像分割模型,图像分割模型对影像数据进行分割,得到养殖对象影像;
S230:根据养殖对象影像确定养殖对象的数量;
S240:获取参照目标参数,根据参照目标参数以及养殖对象影像,判断养殖对象的体型特征,所述体型特征包括体长和体宽。
4.根据权利要求3所述的基于计算机视觉识别的养殖对象进食量估算方法,其特征在于:所述S220具体包括以下步骤:
S221:判断养殖对象影像养殖对象中是否存在多个养殖对象重叠,若未重叠则标记为第一影像,若重叠则标记为第二影像;
S222:根据第一影像数量,计算第一养殖对象数量;
S223:获取第二影像中养殖对象头部数量以及尾部数量,根据头部数量以及尾部数量计算第二养殖对象数量;
S224:根据第一养殖对象数量和第二养殖对象数量,计算养殖对象总数量。
5.根据权利要求4所述的基于计算机视觉识别的养殖对象进食量估算方法,其特征在于:所述数据处理步骤具体包括以下步骤:
S310:将养殖对象的体型特征输入已训练好的体重分析模型,得到养殖对象的体重数据;
S320:将养殖对象的体重数据以及养殖对象的数量输入已训练好的进食量分析模型,输出养殖对象进食量。
6.根据权利要求5所述的基于计算机视觉识别的养殖对象进食量估算方法,其特征在于:所述数据处理步骤还包括以下步骤:
S311:获取外界影响因素;
所述S320中的进食量分析模型还根据养殖对象的体重数据、养殖对象数量以及外界影响因素分析养殖对象进食量。
7.根据权利要求6所述的基于计算机视觉识别的养殖对象进食量估算方法,其特征在于:还包括投喂分析步骤,投喂分析步骤包括以下步骤:
S410:获取养殖对象进食时段后的影像数据;
S420:根据养殖对象进食时段后的影像数据,分析残饵量;
还包括投喂策略步骤:根据残饵量以及养殖对象进食量,制定投喂策略。
8.基于计算机视觉识别的养殖对象进食量估算系统,其特征在于:使用了权利要求1-7任一项所述的基于计算机视觉识别的养殖对象进食量估算方法。
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重庆工商大学;重庆南向泰斯环保技术研究院有限公司,未经重庆工商大学;重庆南向泰斯环保技术研究院有限公司许可,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/202210751283.8/1.html,转载请声明来源钻瓜专利网。