公开(公告)号：CN111881718A

公开(公告)日：2020-11-03

申请号：CN202010512155.9

申请日：2020-06-08

Applicant: 东北农业大学

Inventor： 孙庆轩 ,  张宇 ,  张宏瑄 ,  胡少鹏 ,  陈志琦 ,  孙浩然 ,  姚安逸

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于Yolo v3目标检测网络的奶牛体态识别方法，通过对VGG网络进行改进，修改第一层全连接层的结点数目，将第一层全连接层的结点数目由4096改为512；在每一层的池化之前都加入残差网络在每一层的池化之前都加入了两层卷积核为3×3的残差网络，如果深层网络的后面层是恒等映射，则模型退化为一个浅层网络；更换VGG网络中的激活函数为ELU函数(Exponential Linear Units)；同时将最后一层的类别数改为数据集对应的类别数3。在卷积层之后，用GAP替代FC全连接层，使得在特征图与最终的分类间转换更加简单自然，通过该方法，提高了检测精度，减少计算量并缩短该算法的训练时间，克服奶牛行为视频分析系统的复杂情况和成本的问题，在实现预测情况下提高检测能力。

公开(公告)号：CN111860132A

公开(公告)日：2020-10-30

申请号：CN202010511708.9

申请日：2020-06-08

Applicant: 东北农业大学

Inventor： 孙庆轩 ,  张宇 ,  胡少鹏 ,  孙浩然 ,  张宏瑄 ,  陈志琦 ,  姚安逸

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于VGG-16卷积神经网络的家鸡个体识别方法。使用移动摄像采集家鸡影影像资料并使用Open CV将每个个体对应的视频按帧率截取成图片；使用Python的PIL工具包将图片尺寸改为100px×100px，林甸鸡输出图片增加前缀1_，白羽鸡输出图片增加前缀2_，青脚麻鸡输出图片增加前缀3_，将获得的家鸡个体图片的80％作为训练集，15％作为测试集，5％供后续测试用，搭建Keras卷积神经网络模型，编写相应VGG卷积神经网络，将训练集与测试集加入到神经网络中，进行迭代训练，迭代10000次后得到权重文件；输入图片，根据权重文件进行家鸡种类的预测，有效提高了家鸡的检测精度，表明该方法能够准确、高效、鲁棒地检测在复杂的鸡场环境下的家鸡品种。

公开(公告)号：CN110781870A

公开(公告)日：2020-02-11

申请号：CN201911197011.2

申请日：2019-11-29

Applicant: 东北农业大学

Inventor： 张宇 ,  孙庆轩 ,  陈志琦 ,  孙浩然 ,  胡少鹏 ,  张宏瑄 ,  姚安逸

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明本发明涉及畜牧养殖领域，运用计算机视觉与智能识别技术，更具体的，涉及一种基于卷积神经网络的奶牛反刍行为识别方法。用摄像头记录牛平静、采食、反刍等状态时牛嘴部分运动数据，利用本地硬件储存技术备份数据，使用移动热点、云数据传输技术和服务器数据库技术将数据储存到云端服务器。对采集到的影像数据和牛嘴部分运动数据进行处理，标注出视频图像中牛的状态，将运动数据与影像数据一一对应。再利用Python编程语言以及TensorFlow开源软件库，建立卷积神经网络SSD模型，识别影像中牛的面部以及状态。将数据输入训练网络模型中进行训练，输出识别结果，提高识别准确度。结果表明该方法能有效地识别牛嘴的状态，识别准确率高达98％以上。