[发明专利]基于母猪关键部位与环境联合分区的母猪侧卧姿态实时检测系统

摘要

本发明公开了一种基于母猪关键部位与环境联合分区的母猪侧卧姿态实时检测系统，它包括分娩室、摄像头、视频存储单元、服务器，分娩室用于放置待产母猪；摄像头监控获得分娩室的视频数据，摄像头一方面连续存储视频数据到视频存储单元，另一方面直连服务器；服务器调用备份视频数据，同时实时分析监控数据；检测系统的工作步骤为实时监控母猪姿态，通过卷积神经网络区域识别模型同时检测认亲区、哺乳区、分娩区三个区域，当同时检测出2个以上区域时识别母猪为侧卧姿态，并将识别结果输出到数据库。与传感器技术识别母猪姿态方法相比，计算机视觉技术避免了与母猪的接触，减少应激反应，且具有成本低、效率高的特点。

主权项

1.一种基于母猪关键部位与环境联合分区的母猪侧卧姿态实时检测系统，其特征在于它包括分娩室、摄像头、视频存储单元、服务器，所述分娩室带有限位栏，分娩室用于放置待产母猪；所述摄像头设置在高度3m处；摄像头监控获得分娩室的视频数据，摄像头一方面连续存储视频数据到视频存储单元，另一方面直连服务器；服务器调用备份视频数据，同时实时分析监控数据；检测系统的工作步骤为实时监控母猪姿态，通过卷积神经网络区域识别模型同时检测认亲区、哺乳区、分娩区三个区域，当同时检测出2个以上区域时识别母猪为侧卧姿态，并将识别结果输出到数据库；所述模型的构建包括以下步骤：/nS1、数据采集：获得图像数据；/nS2、数据预处理；/nS3、数据标注：在母猪侧卧姿态的照片中按照认亲区、哺乳区、分娩区对每张图像进行标注；/nS4、数据划分：按比例划分训练集、测试集、验证集；/nS5、网络设计：平衡检测速度和检测精度，采用YOLOv3为检测网络模型；/nS6、主干网预训练：将主干网络进行预训练，预训练的权重模型作为母猪侧卧姿态识别的初始化网络权重；/nS7、网络模型训练：设置超参数，部署训练环境进行训练；/nS8、网络模型测试与优化：统计检测结果，评价指标是否达到阈值：若未达到阈值，则分析误检较多的图片属性，收集同类图像作为迭代训练的训练集，每次优化以最新模型权重进行网络训练初始化；若达到阈值，则迭代终止，获得模型。/n