-
公开(公告)号：CN118583053A
公开(公告)日：2024-09-03
申请号：CN202410682328.X
申请日：2024-05-29
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种鱼类体尺测量方法、装置和鱼类尺寸无损测量设备，该鱼类体尺测量方法包括：基于关键点检测模型对目标鱼类的关键点数据集进行检测，得到关键点检测结果；其中，关键点检测模型包括双层路由注意力结构和快速卷积模块；双层路由注意力结构用于从关键点数据集中提取多个关键点特征，快速卷积模块用于对多个关键点特征进行卷积计算，得到目标特征；关键点检测模型基于以目标特征为训练特征，以Focal EIoU函数为损失函数训练得到；根据关键点检测结果对鱼类姿态进行拟合，并根据拟合结果确定鱼类体尺数据。本发明所述方法提高了复杂环境下的鱼类体尺测量的稳定性和准确率。
-
公开(公告)号：CN118570464A
公开(公告)日：2024-08-30
申请号：CN202410597587.2
申请日：2024-05-14
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V10/26 , G06V10/764 , G06V10/80
Abstract: 本发明提供一种鱼类行为检测方法、装置、电子设备和存储介质，该方法包括：获取多任务鱼类行为数据集；构建多任务鱼类行为检测模型，所述多任务鱼类行为检测模型用于实现目标检测、姿态估计和语义分割三种任务；基于所述多任务鱼类行为数据集中含有鱼类目标检测，姿态估计和语义分割的标注信息，对所述多任务鱼类行为检测模型进行训练；使用训练完成的多任务鱼类行为检测模型对鱼类行为进行识别，得到鱼类目标检测、语义分割和姿态估计三种结果输出，可以解决基于轻量级骨干网络的多任务鱼类识别方法中缺乏统一的模型结构和学习方式问题，提高鱼类行为识别的准确性。
-
公开(公告)号：CN115861906A
公开(公告)日：2023-03-28
申请号：CN202310181994.0
申请日：2023-03-01
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V20/40 , G10L25/51 , G10L25/24 , G10L25/30 , A01K61/80 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种鱼群摄食强度识别方法、装置、系统及投饵机，属于水产养殖技术领域，所述方法包括：获取鱼群摄食信息，鱼群摄食信息包括鱼群摄食视频信息和对应视频时间段的水质信息；将鱼群摄食信息输入至鱼群摄食强度识别模型，获取鱼群摄食强度识别模型输出的鱼群摄食强度；鱼群摄食强度识别模型用于基于对鱼群摄食信息进行特征提取得到的视频帧特征、音频特征和水质特征进行融合，并基于融合所得的特征确定鱼群摄食强度；鱼群摄食强度识别模型是根据鱼群摄食信息的样本和对应的鱼群摄食强度标签训练得到的。本发明可以有效地提高鱼群摄食强度识别的精度和效果，在水质浑浊的场景下，也能实现高精度的鱼群摄食强度识别效果。
-
公开(公告)号：CN116311001B
公开(公告)日：2023-09-12
申请号：CN202310561907.4
申请日：2023-05-18
Applicant: 北京市农林科学院信息技术研究中心 , 中洋渔业(江门)有限公司
Abstract: 本发明提供一种鱼群行为识别方法、装置、系统、设备及介质，涉及图像识别领域，该方法包括：获取目标视频的目标影像特征、目标音频特征以及目标水质特征；输入所述目标影像特征、目标音频特征以及目标水质特征至多模态鱼群行为识别模型，获取目标视频对应的目标鱼群行为；多模态鱼群行为识别模型是根据每一样本视频的样本影像特征、样本音频特征以及样本水质特征，与每一样本视频的样本鱼群行为进行训练而确定的。本发明采用多模态融合的方法，将影像、音频和水质数据所对应的特征相互融合，从而提高了鱼群摄食行为识别的抗干扰能力，从多方位、多角度进行摄食行为分析，准确识别鱼群摄食行为状态，进而实现鱼群的精准投喂，减少饲料的浪费。
-
公开(公告)号：CN115880558A
公开(公告)日：2023-03-31
申请号：CN202310194084.6
申请日：2023-03-03
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种农事行为检测方法、装置、电子设备及存储介质，属于图像检测技术领域，所述方法包括：获取用户的农事行为图像；将所述农事行为图像输入至农事行为检测模型，获取所述农事行为检测模型输出的所述用户的农事行为类别；所述农事行为检测模型是根据农事行为图像样本和对应的农事行为类别标签训练得到的；所述农事行为检测模型用于基于对所述农事行为图像进行特征提取得到的所述用户的位置特征和行为特征进行融合，基于融合所得的特征确定所述用户的农事行为类别。本发明可以精确识别用户不同的行为动作，有效提高了农事行为检测的精度和效果，同时也大幅度提高了农事行为检测的效率。
-
Patent Agency Ranking
公开(公告)号：CN119693998A
公开(公告)日：2025-03-25
申请号：CN202411626991.4
申请日：2024-11-14
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种鱼类群体摄食行为识别方法、装置及存储介质。该鱼类群体摄食行为识别方法包括：获取待处理鱼类行为数据；将所述待处理鱼类行为数据输入至鱼类摄食行为识别模型中，得到目标鱼群的摄食行为识别结果；其中，所述鱼类摄食行为识别模型是通过以下步骤训练得到的：获取在养殖现场拍摄的原始视频，并根据所述原始视频获取鱼类摄食行为数据集；基于所述鱼类摄食行为数据集，利用坐标注意力机制和深度可分离卷积获取摄食行为识别结果；基于所述摄食行为识别结果训练所述鱼类摄食行为识别模型。通过训练得到学习能力及适应能力更强的识别模型，提高了对鱼类摄食行为识别的准确度。
-
公开(公告)号：CN115880558B
公开(公告)日：2023-05-26
申请号：CN202310194084.6
申请日：2023-03-03
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种农事行为检测方法、装置、电子设备及存储介质，属于图像检测技术领域，所述方法包括：获取用户的农事行为图像；将所述农事行为图像输入至农事行为检测模型，获取所述农事行为检测模型输出的所述用户的农事行为类别；所述农事行为检测模型是根据农事行为图像样本和对应的农事行为类别标签训练得到的；所述农事行为检测模型用于基于对所述农事行为图像进行特征提取得到的所述用户的位置特征和行为特征进行融合，基于融合所得的特征确定所述用户的农事行为类别。本发明可以精确识别用户不同的行为动作，有效提高了农事行为检测的精度和效果，同时也大幅度提高了农事行为检测的效率。
-
公开(公告)号：CN115861906B
公开(公告)日：2023-05-26
申请号：CN202310181994.0
申请日：2023-03-01
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V20/40 , G10L25/51 , G10L25/24 , G10L25/30 , A01K61/80 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种鱼群摄食强度识别方法、装置、系统及投饵机，属于水产养殖技术领域，所述方法包括：获取鱼群摄食信息，鱼群摄食信息包括鱼群摄食视频信息和对应视频时间段的水质信息；将鱼群摄食信息输入至鱼群摄食强度识别模型，获取鱼群摄食强度识别模型输出的鱼群摄食强度；鱼群摄食强度识别模型用于基于对鱼群摄食信息进行特征提取得到的视频帧特征、音频特征和水质特征进行融合，并基于融合所得的特征确定鱼群摄食强度；鱼群摄食强度识别模型是根据鱼群摄食信息的样本和对应的鱼群摄食强度标签训练得到的。本发明可以有效地提高鱼群摄食强度识别的精度和效果，在水质浑浊的场景下，也能实现高精度的鱼群摄食强度识别效果。
-
公开(公告)号：CN114451338B
公开(公告)日：2023-03-31
申请号：CN202111642230.4
申请日：2021-12-29
Applicant: 北京市农林科学院信息技术研究中心
IPC: A01K61/80 , A01K61/10 , G06N3/0464 , G06N3/08 , G06V20/40 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种鱼群的摄食强度分级方法、装置及智能调速投饲机，该方法包括：获取鱼群摄食视频数据，并根据所述视频数据提取固定帧数的短视频段；将所述短视频段输入训练后的3D RESNET‑GLORE网络模型，输出鱼群摄食行为等级的识别结果；其中，所述3D RESNET‑GLORE网络模型为包括多组残差网络的模型，每组残差网络包括RESIDUAL残差块和GLORE单元。该方法能够真实反应鱼群的动态特性，从而有利于提高识别结果的准确性，同时基于包括RESIDUAL残差块和GLORE单元的3D RESNET‑GLORE网络模型，使得检测模型较少容量的情况下，能够具有较高的准确度。
-
公开(公告)号：CN114463675A
公开(公告)日：2022-05-10
申请号：CN202210028850.7
申请日：2022-01-11
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种水下鱼类群组活动强度识别方法及装置，包括：获取目标鱼群在水下的多个目标鱼群图像；基于多个目标鱼群图像中的时间信息，将多个目标鱼群图像输入至行为识别模型，确定由行为识别模型输出的目标鱼群的个体行为信息和群组行为强度信息；行为识别模型是基于特征向量分布矫正模块构建的。本发明提供的水下鱼类群组活动强度识别方法及装置，通过基于特征向量分布矫正模块构建行为识别模型，能够使用少量的扩充数据样本特征和基础样本数据集特征来使得活动特征向量的纬度服从高斯分布，进而有效地解决使用少数样本学习的估计分布与真实分布之间的不匹配情况，从而提高鱼类群组行为的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.044 seconds)
