公开(公告)号：CN113887868B

公开(公告)日：2024-09-06

申请号：CN202111013269.X

申请日：2021-08-31

Applicant: 华南农业大学

Inventor： 柯海萍 ,  毛宜军 ,  古万荣 ,  梁早清 ,  黄锦涛 ,  李观明 ,  陈蔚钊

IPC: G06Q10/0635 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于改进的神经网络实现食品风险评估的方法，包括步骤：1)获取样本食品数据集；2)对样本食品数据集进行预处理，将预处理后的样本数据集分为训练集和测试集；3)将训练集输入到改进的DCN网络模型中进行训练，训练完成后得到最优的改进DCN网络模型；4)将测试集输入到最优的改进DCN网络模型中进行测试，测试后得到样本食品的最终预测值，是每个样本食品所对应的风险评估预测分数。本发明将神经网络的特征提取技术和食品风险评估结合起来，通过决策树的残差计算方法和深度交叉网络中的特征交叉计算方法来挖掘数据特征，利用模型实现样本食品风险评估的预测，从而有效缓解食品风险预测耗费人工的问题。

公开(公告)号：CN117218718A

公开(公告)日：2023-12-12

申请号：CN202311025461.X

申请日：2023-08-15

Applicant: 华南农业大学

Inventor： 古万荣 ,  陈蔚钊 ,  黄锦涛

IPC: G06V40/20 ,  G06V40/10 ,  G06V20/40 ,  G06V10/764 ,  G06V10/62 ,  G06V10/44 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于改进FairMOT的猪只实时运动量异常检测方法，包括：S1、获取猪只的初始视频，对视频进行裁剪后使用DarkLabel软件对视频中的猪只进行标注，得到猪只的MOT格式数据集，并划分为训练集、验证集和测试集；S2、将训练集和验证集输入到改进FairMOT算法模型中进行训练和验证，最终得到一个最优的算法模型；S3、使用最优的算法模型对测试集中的猪只进行实时多目标跟踪，计算每只猪只的跟踪轨迹得出猪只的运动量，设置猪只的运动量阈值，当猪只的运动量超过阈值时发出警告。本发明解决了由于猪场环境干扰和目标重叠导致的猪只视频跟踪精度低和ID switch频繁的问题，有效实现对猪只实时运动量的异常检测。

公开(公告)号：CN117475368A

公开(公告)日：2024-01-30

申请号：CN202311022590.3

申请日：2023-08-14

Applicant: 华南农业大学

Inventor： 古万荣 ,  黄锦涛 ,  陈尉钊

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06T7/246 ,  G06T7/194

Abstract: 本发明公开了一种基于多目标跟踪与分割的群养生猪体重动态监测方法，包括：S1、构建猪只实例分割数据集、猪只多目标跟踪与分割数据集和猪只体重估计数据集；S2、设计了一个基于上下文感知的实例嵌入编码器，将该编码器与YOLOv8s‑seg模型结合构成多目标跟踪与分割模型，并进行参数训练。对ResNet50模型进行改进，使其能输出猪只体重的估测值，并进行参数训练；S3、输入待测试视频，多目标跟踪与分割模型能自动对输入视频中的每头猪只进行分割和跟踪，同时，将产生的掩模输入到猪只体重估计模型，得到猪只不同时间的体重，实现猪只体重的动态监测。本发明实现了群养猪快速准确的跟踪和实时体重监测，为分析猪只生长发育情况和猪只健康情况提供科学指导。

公开(公告)号：CN113887868A

公开(公告)日：2022-01-04

申请号：CN202111013269.X

申请日：2021-08-31

Applicant: 华南农业大学

Inventor： 柯海萍 ,  毛宜军 ,  古万荣 ,  梁早清 ,  黄锦涛 ,  李观明 ,  陈蔚钊

IPC: G06Q10/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进的神经网络实现食品风险评估的方法，包括步骤：1)获取样本食品数据集；2)对样本食品数据集进行预处理，将预处理后的样本数据集分为训练集和测试集；3)将训练集输入到改进的DCN网络模型中进行训练，训练完成后得到最优的改进DCN网络模型；4)将测试集输入到最优的改进DCN网络模型中进行测试，测试后得到样本食品的最终预测值，是每个样本食品所对应的风险评估预测分数。本发明将神经网络的特征提取技术和食品风险评估结合起来，通过决策树的残差计算方法和深度交叉网络中的特征交叉计算方法来挖掘数据特征，利用模型实现样本食品风险评估的预测，从而有效缓解食品风险预测耗费人工的问题。

公开(公告)号：CN117218379A

公开(公告)日：2023-12-12

申请号：CN202311030798.X

申请日：2023-08-15

Applicant: 华南农业大学

Inventor： 李建裕 ,  田绪红 ,  古万荣 ,  毛宜军 ,  李观明 ,  黄锦涛 ,  朱奕鑫 ,  陈蔚钊

IPC: G06V10/62 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G16H80/00 ,  G16H50/30

Abstract: 本发明公开了一种猪只跟踪与检测健康状态的方法，包括：S1、获取猪只的初始图像并处理，得到带有标注框的猪只图像数据，再对猪只图像数据进行数据增强处理后划分训练集、验证集和测试集；S2、将训练集和验证集输入改进YOLOv5网络进行训练和验证，得到一个能够自动对图像中的猪只进行目标检测和行为检测的最优网络；S3、将测试集输入到最优网络中，得到带有检测信息的猪只视频，再将其输入到改进OCSort多目标跟踪算法中；S4、在跟踪过程中会获得一系列的猪只行走、饮食和躺卧信息作为跟踪结果，对跟踪结果进行健康判断，最终实现猪只的实时健康检测。本发明提高了猪只识别跟踪过程中识别率和跟踪效果，并且能够检测猪只健康状态，具有一定的实用性。