[发明专利]一种基于神经网络的养殖场管理方法

摘要

一种基于神经网络的养殖场管理方法，采集养殖场的各种图像，处理形成图像数据集；采用YOLO网络形成目标检测器，所述目标检测器采用3个尺度；将图像数据集输入到YOLO网络中完成训练；将训练后的目标检测器用于对养殖场所养殖的目标进行检测和计数，并区分出其他类别物种；对检测出的人头部进行定位，控制摄像机对人头部自动调焦来提取清晰头像并存储记录。本发明提出的方法能准确判断出外侵有害物种种类，方便养殖户判断是否要做出防御措施；本发明提出的方法经过实验验证在检测像鸡这样的小目标时准确率更高；对进出养殖圈的人定位并控制摄像机自动调焦，提取清晰图像并记录存储，有效防盗、防破坏、防投毒。

主权项

1.一种基于神经网络的养殖场管理方法，其特征在于，具体包括以下步骤，步骤1：采集养殖场的各种图像，处理形成图像数据集；步骤1.1：采集养殖场各种场景下的包含目标类别的各种图像和无目标类别的各种图像；步骤1.2：将图像分割成固定大小的图片；步骤1.3：对图片的图像进行缩放、翻转、颜色抖动和Box纠正操作；步骤1.4：对图片进行标注，形成图像数据集；步骤2：采用YOLO网络形成目标检测器，所述目标检测器采用3个尺度，每个尺度预测3个box；所述YOLO网络包括特征交互层，特征交互层分为3个尺度，每个尺度内，通过卷积核的方式实现局部的特征交互；步骤3：将图像数据集输入到YOLO网络中完成训练；步骤3.1：对YOLO网络进行调整和参数优化；步骤3.2：在卷积层中输入图片，采用Batch Normalization算法进行归一化处理，再进行卷积操作后输出相应大小的feature map；步骤3.3：将所有卷积层分阶，用shortcut的连接方式使得每个阶对残差进行训练，输出13×13的feature map，一共有1024个通道；步骤3.4：将经过卷积后的数据输入到3个尺度的YOLO网络特征交互层，再输出相应大小的feature map，一共有75个通道，最后进行分类和位置回归；步骤4：将步骤3中训练后的目标检测器用于对养殖场所养殖的目标进行检测和计数，并区分出其他类别物种；步骤4.1：将步骤3中训练后的目标检测器用于对养殖场所养殖的目标进行检测；步骤4.2：对检测出的同类目标进行计数；步骤4.3：区分出其他类别物种，若检测到危害养殖场所安全的物种，则发出提示性报警；步骤5：判断步骤4中检测出的目标是否包括人，如果包括人，则对人头部进行定位，控制摄像机对人头部自动调焦来提取清晰头像并存储记录。