-
公开(公告)号:CN116671899A
公开(公告)日:2023-09-01
申请号:CN202310516937.3
申请日:2023-05-09
Applicant: 中国农业科学院农业信息研究所
IPC: A61B5/11 , A61B5/00 , G06F18/241 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种基于时间序列异常检测的奶牛早期跛行识别方法及装置,该方法包括:获取基于可穿戴分析的奶牛步态数据;将奶牛步态数据输入训练好的半监督模型进行奶牛步态重构,实现异常步态识别;其中,半监督模型为根据奶牛步态训练集训练得到,奶牛步态训练集为通过数据预处理后得到的奶牛健康步态数据集和异常步态数据集;根据奶牛异常步态比例判断奶牛步态对称性,根据奶牛步态对称性进行奶牛跛行程度识别以及跛行肢蹄识别。本发明通过利用半监督的学习模型,解决了奶牛跛行样本不平衡的问题,减少了奶牛个体差异对跛行判定的影响,提高了可穿戴技术奶牛跛行判定的鲁棒性。
-
公开(公告)号:CN114926904A
公开(公告)日:2022-08-19
申请号:CN202210599519.0
申请日:2022-05-30
Applicant: 中国农业科学院农业信息研究所
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/30 , G06V10/84 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种步态时相识别方法及装置,所述方法包括:获取待识别的步态数据;根据所述待识别的步态数据获取第一特征值;将所述第一特征值输入训练好的无监督GMM‑HMM模型进行步态时相识别,获取步态时相序列。本发明通过利用无监督的学习模型,在模型训练好之后,不需要进行数据标注,对于在其他非约束条件下的长时间步态数据也适用,对长时间步态数据实现准确、自动识别步态时相。
-