[发明专利]一种基于深度学习的智能投饲系统

摘要

本发明公开了一种基于深度学习的智能投饲系统，主要包括机械投饲部分、养殖槽数据采集部分、深度学习服务器、投饲控制部分；养殖槽数据采集部分采集养殖槽水体温度、环境温度以及鱼群行为数据、养殖槽集污数据等传送到深度学习服务器中，深度学习服务器进行分析整合及训练学习，判断当前是否投喂、投喂量及时长，并将相应指令发送至投饲控制部分，投饲控制部分根据指令控制相关机械投饲部分动作。本发明的系统针对性强，可不断自我学习、自我完善，可使其判断结果更加精准、更加合理。最终实现功能相当于培养一个具有丰富投饲经验的工人，使其具有人的判断能力，但是比人工更加稳定、投入成本更加低廉。

主权项

1.一种基于深度学习的智能投饲系统，其特征在于，包括：机械投饲部分，用于将饲料输送到养殖槽中；养殖槽数据采集部分，用于采集养殖槽水体温度、养殖外围环境温度以及鱼群行为数据、养殖槽集污数据，并将这些数据传送到深度学习服务器中；深度学习服务器，实时分析数据采集装置获取到的数据，判断是否进行投喂，并向投饲控制部分发送投喂指令；投饲控制部分，根据深度学习服务器发送的指令对机械投饲部分进行控制，执行投喂；所述的深度学习服务器具有如下功能：鱼群目标前景分割、鱼群摄食欲望程度判别、鱼群摄食活跃程度量化，深度学习服务器随着获取的数据的积累不断训练学习，判别是否需要投喂、投喂量及投喂时长；所述的鱼群目标前景分割具体步骤如下：1)将鱼群行为数据中采集的鱼群画面分为全背景图片和非全背景图片，继而将上述全背景图片和非全背景图片输入密集连接卷积神经网络进行全监督训练，同时将该神经网络损失函数定义为：L₁＝‑tlog P₁(T＝1|M)‑(1‑t)log P₁(T＝0|M)        (1)式中，M为输入的图像，t为输入图像标记，t∈{0,1}，t为1是表示当前图片含非背景信息，t为0时表示当前图片为全背景信息；P₁(T＝i|M)为当前图片的归属于标记信息属性的概率；进行优化训练；2)在已训练网络基础上，利用类激活映射(class activation mappings)技术将鱼群前景目标以无监督的方式分割出。