-
公开(公告)号：CN115294181B
公开(公告)日：2023-06-30
申请号：CN202210995052.1
申请日：2022-08-18
Applicant: 东北农业大学
IPC: G06T7/30 , G06T7/80 , G06T5/00 , G06T7/11 , G06T5/20 , G06N3/0464 , G06N3/08 , G06Q10/0639
Abstract: 本发明公开了一种基于两阶段关键点定位的奶牛体型评定指标测量方法，包括以下步骤：采集奶牛背部深度图像数据，对深度图像数据进行预处理，获得目标深度图像数据；基于目标深度图像数据，构建体型关键区域检测模型，获得体型关键区域；基于体型关键区域，构建三维点云模型，获得体型关键区域的点云数据；基于点云数据，采用z轴最值定位法、曲率定位法获取体型关键点；基于体型关键点间的相对距离，获得体型评定指标；基于所述z轴最值定位法、曲率定位法对体型评定指标自动测量，获得测量结果；通过对测量结果对比分析，获得目标测量方法。本发明可在实际养殖环境下实现奶牛体型评定指标的精准测量，对生产实际具有一定的现实意义。
-
公开(公告)号：CN115270929A
公开(公告)日：2022-11-01
申请号：CN202210760548.0
申请日：2022-06-29
Applicant: 东北农业大学
Abstract: 本发明公开了一种奶牛冷应激多级模糊综合评估方法，包括以下步骤：步骤(1)：采用层次分析法，从温热环境(温度、相对湿度、风速以及光照)、生理因素(呼吸频率、体表温度)和空气质量(NH3、CO2、PM10)3个维度构建奶牛冷应激评价指标体系；步骤(2)：建立各指标层的判断矩阵，并作一致性检验，若满足一致性要求则确定各指标层权重；步骤(3)：若不满足一致性检验，采用遗传算法用于检验和修正判断矩阵，通过交叉、变异等操作计算各指标层的权重；步骤(4)：通过多级模糊综合评判得出奶牛的冷应激程度；本发明将环境参数与奶牛生理参数相结合，能够实现对奶牛冷应激的全面、精准评估。
-
公开(公告)号：CN115265732A
公开(公告)日：2022-11-01
申请号：CN202210916491.9
申请日：2022-08-01
Applicant: 东北农业大学
Abstract: 本发明提出了一种奶牛自动化检测装置，属于奶牛检测领域。解决了奶牛参数收集困难的问题。一种奶牛自动化检测装置，包括底部平台、前门、前门开关组件、框架组件、检测单元、升降组件、后门开关组件、后门、温度检测单元、行走平台、重量检测传感器、第五连接杆、检测雷达、耳标读卡器、控制器和云端处理器，底部平台的上端设有框架组件，若干重量检测传感器上端连接行走平台，后门上方的框架组件对应位置设置耳标读卡器，检测单元包括深度视觉传感器和采集深度视觉传感器数据的边缘计算设备，控制器与检测单元、温度检测单元、重量检测传感器和耳标读卡器均电连接，控制器与云端处理器电连接。它主要用于奶牛的信息采集。
-
公开(公告)号：CN114677322A
公开(公告)日：2022-06-28
申请号：CN202111649615.3
申请日：2021-12-30
Applicant: 东北农业大学
Abstract: 本发明涉及奶牛体况自动评分方法技术领域，具体为基于注意力引导点云特征学习的奶牛体况自动评分方法，在数据采集过程中，从两个牧场随机选取奶牛进行背部数据的采集，采集背部深度图像，利用采集到的深度图像中所包含的深度信息，即深度帧数据，结合相机内置参数，生成奶牛背部点云。该基于注意力引导点云特征学习的奶牛体况自动评分方法，将奶牛背部后躯区域作为感兴趣区域进行提取，进行归一化、降采样与特征放大处理，最后，利用注意力引导的点云特征提取网络进行感兴趣区域的特征提取，并完成奶牛的体况评分，本发明能够更好的提取作为奶牛体况评分感兴趣区域的三维特征，并提升奶牛体况评分的精度。
-
公开(公告)号：CN114358163A
公开(公告)日：2022-04-15
申请号：CN202111622223.8
申请日：2021-12-28
Applicant: 东北农业大学
Abstract: 本发明公开了一种基于孪生网络与深度数据的采食量监测方法及系统，包括：采集奶牛若干次采食的进食前图像和进食后图像；将进食前图像和进食后图像输入孪生网络，分别经过特征提取网络映射到同一向量空间，获得进食前多维特征向量和进食后多维特征向量，并将两个多维特征向量平铺；对平铺后的两个多维特征向量做差，获得新的特征向量；将新的特征向量经由一次全连接计算得到采食量。本发明无需对采食前后的饲料堆图像进行预处理即可实现奶牛单次采食量预测，且受光照影响小，在不同光照条件下预测性能差异不大，提高了稳定性与准确性。此外此方法可直接与基于计算机视觉的其他方法结合，实现完全非接触式的个体奶牛单次采食量监测。
-
Patent Agency Ranking
公开(公告)号：CN112613688A
公开(公告)日：2021-04-06
申请号：CN202110033003.5
申请日：2021-01-11
Applicant: 东北农业大学
Abstract: 本发明公开了一种基于PSO‑BP神经网络的TMR日粮瘤胃发酵甲烷产量的预测方法，属于甲烷产量的预测领域。构建PSO‑BP神经网络，对输入样本的数据进行归一化处理；建立数据集；根据所述数据集对BP神经网络进行初始化，得到权值和阈值；种群经过初始化后，得到粒子群适应度值；确定个体极值和群体极值；更新粒子速度位置，判断迭代数是否达到初始化设置的结束条件，若达到结束条件，获得最优权值阈值，计算更新权值阈值，判断迭代数是否达到初始化设置的结束条件，若满足则开始仿真，得到预测结果；本发明用以解决目前已有的瘤胃发酵产甲烷预测系统出现了许多数据预处理不理想，导致预测误差较大的问题。
-
公开(公告)号：CN112116145A
公开(公告)日：2020-12-22
申请号：CN202010968896.8
申请日：2020-09-15
Applicant: 东北农业大学
Abstract: 本发明公开了一种基于遗传算法优化BP神经网络的奶牛采食量评估方法，所述方法包括如下步骤：步骤一、确定BP神经网络的拓扑结构；步骤二、样本数据的预处理；步骤三、种群初始化；步骤四、计算种群适应度值；步骤五、选择、交叉、变异操作；步骤六、判断进化是否完成；步骤七、模型构建；步骤八、模型验证。该方法采用遗传算法优化BP神经网络权值阈值的方法建立采食量评估模型，为准确评估奶牛采食量变化，合理掌控奶牛采食量变化规律提供科学依据与理论指导。本发明克服了BP神经网络可能陷入局部最优的缺点，提高了模型的收敛速度且具有较高的评估效果。
-
公开(公告)号：CN111259978A
公开(公告)日：2020-06-09
申请号：CN202010078375.5
申请日：2020-02-03
Applicant: 东北农业大学
Abstract: 本发明公开了一种融合多区域深度特征的奶牛个体身份识别方法，所述方法首先通过图像采集设备采集奶牛通过挤奶通道的侧视图像序列，然后对YOLO目标检测模型进行了微调，提取每一帧图像中的奶牛整体区域作为待检测图像。接下来，提出一个区域划分方法，将检测到的奶牛目标划分为头部，躯干和腿部三个区域，并训练了三个独立的卷积神经网络(CNNs)，以从这三个区域分别提取深度特征。最后，设计了一个特征融合策略将提取到的特征进行融合，并使用融合特征训练SVM模型，完成奶牛的个体识别。本发明能够更好地利用奶牛侧视目标图像的各个区域的深度特征，并更好地探索每个区域和多区域组合对奶牛个体识别的影响。
-
公开(公告)号：CN110052148A
公开(公告)日：2019-07-26
申请号：CN201910474360.8
申请日：2019-06-03
Applicant: 东北农业大学
Abstract: 本发明涉及氨气回收技术领域，且公开了一种寒地冬季畜禽舍外排氨气处理方法，该方法包括外壳、位于外壳两侧相互连通于外壳内侧的进风口与出风口。本发明还公开了一种寒地冬季畜禽舍外排氨气处理的使用方法。该一种寒地冬季畜禽舍外排氨气处理方法，依据氨气高度溶于水、液氨与硫酸溶液反应能生成物理性质稳定的固态硫酸铵两种典型的特点，通过水蒸气进行大量氨气吸收，之后对水蒸气进行收集，在不影响舍内空气的流畅排出前提下，将洁净后的空气通过出风道经排风口排入大气中，同时，又将生成的液氨与硫酸溶液进行中和反应，生成的硫酸铵作为肥料再次利用，防止二次污染的产生。
-
公开(公告)号：CN107143952B
公开(公告)日：2019-05-21
申请号：CN201710354618.1
申请日：2017-05-19
Applicant: 东北农业大学
Abstract: 本发明设计了一种非能动自动调温系统，该系统由非能动自动调温单元组成，以阵列的形式布置在畜禽舍墙壁上；非能动自动调温单元主要包括压力自动调节阀、齿轮、传动杆、调节腔、前板和后板等组件。本发明主要利用自然风流经空气调节腔时带来的畜禽舍内外空气压差，通过渐缩喷管的增速降压效果，达到自动降温的目的，同时提高空气流速，加强通风效果，有效节约能源。该系统最大的特点是(1)有效利用畜禽舍内外空气压差，使流入畜禽舍内的空气温度降低，达到自动降温的效果；(2)当畜禽舍内外压力发生变化时，该系统可自动调节空气调节腔的出口面积，从而最有效的利用空气的压力能，最大限度的利用自然风的能量，达到自动调温的效果。该系统可以提高自然风的能源利用效率。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.032 seconds)
