公开(公告)号：CN115563286B

公开(公告)日：2023-12-01

申请号：CN202211404120.9

申请日：2022-11-10

Applicant: 东北农业大学

Inventor： 高萌 ,  沈维政 ,  王浩栋 ,  阿晓辉 ,  杜海涛 ,  韩笑 ,  甘文平 ,  李洋 ,  熊本海

IPC: G06F16/35 ,  G06F16/36 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于知识驱动的奶牛疾病文本分类方法，包括以下步骤：获取奶牛病情描述文本的疾病特征，并将所述疾病特征转化为词向量；基于卷积神经网络和长短期记忆网络，构建疾病文本分类模型；将所述词向量输入到所述疾病文本分类模型中进行处理，获得奶牛疾病文本的最终疾病特征；基于所述最终疾病特征对奶牛疾病文本进行分类。本发明捕捉了奶牛疾病文本的隐性特征和显性特征，为奶牛疾病文本分类提供了更多的鉴别性特征。(56)对比文件Xiaomeng Li 等.Self-SupervisedFeature Learning via Expoiting Multi-Modal Data for Retinal DiseaseDiagnosis.IEEE Transactions on MedicalImaging.2020,第39卷(第12期),4023-4033.董丽丽 等.融合知识图谱与深度学习的疾病诊断方法研究.计算机科学与探索.2019,第14卷(第05期),815-824.

公开(公告)号：CN114677322B

公开(公告)日：2023-04-07

申请号：CN202111649615.3

申请日：2021-12-30

Applicant: 东北农业大学

Inventor： 戴百生 ,  沈维政 ,  史伟 ,  阿晓辉 ,  李洋 ,  孙雨坤 ,  张永根 ,  熊本海

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/40

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：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

Inventor： 戴百生 ,  沈维政 ,  史伟 ,  阿晓辉 ,  李洋 ,  孙雨坤 ,  张永根 ,  熊本海

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/40

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：CN116795952A

公开(公告)日：2023-09-22

申请号：CN202310792256.X

申请日：2023-06-30

Applicant: 东北农业大学

Inventor： 高萌 ,  沈维政 ,  韩笑 ,  刘慧环 ,  阿晓辉 ,  甘文平 ,  孙雨坤 ,  熊本海

IPC: G06F16/33 ,  G06F16/338 ,  G06F16/35 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/0455

Abstract: DHI解读报告中异常分析文本的自动生成方法、系统及设备，属于养殖技术与数据文本生成技术交叉领域。为了解决目前DHI解读报告中人工撰写异常分析文本存在的工作量大、效率低的问题，本发明首先获取DHI关键性能指标数据，定位本月数据值在对应的异常程度类型数组中的位置，将性能指标名称与其对应的异常程度值直接拼接，得到性能指标静态异常的描述文本；同时对本月数据和历史数据进行全局移动、局部移动和标准化处理，采用一个单层双向GRU网络作为编码器进行处理，并利用注意力层对输出的所有时间步的隐藏状态、解码器第t‑1步的隐藏状态进行处理，同时采用一个LSTM长短期记忆网络作为解码器生成性能指标动态趋势检测的描述文本。

公开(公告)号：CN115563286A

公开(公告)日：2023-01-03

申请号：CN202211404120.9

申请日：2022-11-10

Applicant: 东北农业大学

Inventor： 高萌 ,  沈维政 ,  王浩栋 ,  阿晓辉 ,  杜海涛 ,  韩笑 ,  甘文平 ,  李洋 ,  熊本海

IPC: G06F16/35 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于知识驱动的奶牛疾病文本分类方法，包括以下步骤：获取奶牛病情描述文本的疾病特征，并将所述疾病特征转化为词向量；基于卷积神经网络和长短期记忆网络，构建疾病文本分类模型；将所述词向量输入到所述疾病文本分类模型中进行处理，获得奶牛疾病文本的最终疾病特征；基于所述最终疾病特征对奶牛疾病文本进行分类。本发明捕捉了奶牛疾病文本的隐性特征和显性特征，为奶牛疾病文本分类提供了更多的鉴别性特征。