[发明专利]一种基于5G监控的养鸡场监管方法及系统

权利要求书

1.一种基于5G监控的养鸡场监管方法，其特征在于，包括：

采集养鸡场的养殖数据，通过5G网络将采集的养殖数据上传至服务器；

服务器将采集的养殖数据输入训练好的神经网络模型，神经网络模型输出鸡的健康状况；

数据库收集鸡的健康状况并报告给养鸡场用户端，用户通过用户端监管养鸡场。

2.根据权利要求2所述的一种基于5G监控的养鸡场监管方法，其特征在于，所述采集养鸡场的图像之后，还包括对图像进行增强，具体为：

使用多种图像增强技术的组合,对于单张图片,随机使用了调整亮度、对比度、色调、随机缩放、剪切、翻转、旋转以及随机擦除、随机隐藏和自增加噪声的算法；对于多张图片,保留单张图片图像增强后的效果,以0.5的概率使用马赛克增强；

随机擦除指用随机值或训练集的平均像素值替换图像的区域；随机隐藏指根据概率随机隐藏一些补丁,补丁值为黑色，自增加噪声指随机生成噪声添加到图像上。

3.根据权利要求3所述的一种基于5G监控的养鸡场监管方法，其特征在于，所述马赛克增强具体包括:

随机抽取4张图片,随机生成的不超过单张图片大小的一个裁剪点,对裁剪点进行水平切割和竖直切割,即该裁剪点的十字线裁剪；

取每张图片对应的部分进行拼接,同时图像的预测框也要相应改变。

4.根据权利要求1所述的一种基于5G监控的养鸡场监管方法，其特征在于，所述训练神经网络模型之前，还包括进行标签平滑，具体为；

对原交叉熵函数的y变量添加限制条件；

原交叉熵函数为:其中y表示真实样本的标签,而表示神经网络的输出,此时真实样本的标签为[0,1]；

添加限制条件设置∈的值为一个0到1之间比较小的常数,其中y表示真实样本的标签,而表示神经网络的输出,此时真实样本的标签从[0,1]变为[∈,1-∈]；

现交叉熵函数为:

,其中y表示真实样本的标签,而表示神经网络的输出。

5.根据权利要求1所述的一种基于5G监控的养鸡场监管方法，其特征在于，所述神经网络模型包括：

采用Darknet53网络作为特征提取网络；

卷积模块依次包含:卷积层,批归一化层和LeakyRelu激活函数层；

其中一个残差模块包含多个卷积层,这些卷积层对这个残差模块的输入数据进行变化,同时原始输入信息跳过这些卷积层直接传导至后面的层中,最终将它们的整体作为输入,用激活函数激活,得到这个残差模块的输出结果。

6.根据权利要求1所述的一种基于5G监控的养鸡场监管方法，其特征在于，所述用户端具体包括：

用户端包括：网页端和App端,用户能够实时读取信息层输入来的数据,并能够进行实时检测、预警功能、异常情况录像回放和录像回放；

所述网页端包括：视频流推流程序,使用了Opencv相机驱动程序和Flask生成器视图功能；

所述Opencv相机驱动程序的功能是读取养鸡场的5G监控；

所述Flask生成器视图功能是将Motion-JPEG流传输到Web浏览器。

7.根据权利要求1所述的一种基于5G监控的养鸡场监管方法，其特征在于，所述采集养鸡场的养殖数据包括：

采集养鸡场的氨气、硫化氢、一氧化碳、二氧化碳和氧气的浓度；

采集养鸡场的图像和声音信息。

8.一种基于5G监控的养鸡场监管系统，其特征在于，包括：

信息层包括：使用摄像头进行图像采集,通过5G网络将视频流传递给服务器,服务器再将视频流输入到训练好的神经网络模型,对视频流进行识别,实现病鸡检测；

服务器包括：数据库、后台处理程序,神经网络模型；

数据库将保存信息层传入过来的信息以及视频流输入神经网络模型后输出的信息；

后台处理程序包括图像增强程序、标签平滑程序、网页端视频流推流程序；

用户端：网页端和App端,用户实时读取信息层输入来的数据,并进行实时检测、预警功能、录像回放异常情况和录像回放。