-
公开(公告)号：CN117133014A
公开(公告)日：2023-11-28
申请号：CN202310663816.1
申请日：2023-06-06
Applicant: 浙江农林大学 , 中润农牧科技(浙江)有限公司
IPC: G06V40/10 , G06V10/46 , G06V10/22 , G06V10/82 , G06N3/0464 , G06V10/764
Abstract: 本发明公开了一种生猪面部关键点检测方法，包括以下步骤，构建生猪面部图像的数据集；使用Labelme工具对所述数据集进行目标框和关键点标注，其中目标框标注范围为猪只面部；基于YOLOv5Face模型，将原有的YOLOv5s模型骨干替换为MobileOne重参数化骨干网络，然后融合解耦全连接注意力模块构成MOB‑DFC模块，再将特征金字塔中的上采样替换为轻量化上采样算子CARAFE，将YOLOv5s‑Face模型改进为YOLO‑MOB‑DFC模型；利用所述YOLO‑MOB‑DFC模型对图像进行预测，生成目标的类别、边界框的坐标、五个关键点的位置信息以及置信度完成生猪面部关键点检测。本发明的有益效果：平均检测精度达到了99％，比YOLOv5s模型提高了2.48个百分点，同时参数量降低了18％，NME为0.02344，检测速度为153FPS，实现了低参数量、快速和高精度的猪脸关键点的检测。
-
公开(公告)号：CN115346043A
公开(公告)日：2022-11-15
申请号：CN202210807287.3
申请日：2022-07-11
Applicant: 浙江农林大学
IPC: G06V10/25 , G06V10/46 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种猪群的运动自动量化和评估方法，包括以下步骤，采集群猪的数据集并进行数据预处理；利用YOLOv5s模型对群猪的位置进行检测获取位置信息；所述位置信息输入到mean‑shift模型中确定群猪的运动中心；追踪规定时间间隔内所述运动中心的移动距离并量化；量化后的运动轨迹利用XGBoost模型分组猪运动量化和运动水平分类，完成对群猪不同运动水平的分类和评估。本发明的有益效果：本发明利用YOLOV5s对群猪的位置进行检测，利用mean‑shift聚类算法找到群猪运中心并对其运动中心的轨迹进行跟踪、量化和统计，最后利用XGBoost分类模型进行群猪的活动评估，从而实现自动对群猪的运动进行较长时间自动量化与评估，为群猪的健康检测提供技术支持。
-
公开(公告)号：CN114419674A
公开(公告)日：2022-04-29
申请号：CN202210081495.X
申请日：2022-01-24
Applicant: 浙江农林大学
IPC: G06V40/10 , G06V10/26 , G06V10/28 , G06V10/30 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于无监督聚类和深度学习的群猪躺模式识别方法，包括以下步骤，采集初始数据集并对图像进行统一裁剪；利用Grabcut图像分割的方法提取出目标图像；通过动态阈值分割，使所述目标图像二值化，利用无监督聚类算法Mean‑shift找到聚类中心，通过各个椭圆拟合中心到聚类中心的距离并输出其方差和标准差；对所述标准差进行处理，使其数据的值映射到[0,1]之间，利用训练完成的所述CNN‑SVM模型对群猪躺模式进行识别。本发明的有益效果：基于CNN‑SVM分类模型对群猪5种躺卧模式进行高精度分类识别，识别准确率为97.09％，平衡准确率为96.59％，平衡准确率加权为97.07％。
-
公开(公告)号：CN119810015A
公开(公告)日：2025-04-11
申请号：CN202411668345.4
申请日：2024-11-21
Applicant: 浙江农林大学
IPC: G06T7/00 , G06N3/045 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06V10/766
Abstract: 本发明公开了一种猪只计数方法，包括以下步骤，构建基于点标注的猪只计数数据集；在所述P2Pnet的主干网络VGG16中的每个body后面加入高效通道注意力的ECA模块；在所述P2Pnet的特征金字塔FPN结构加入坐标通道混洗注意力的CSA模块；将所述P2Pnet中的分类损失使用的交叉熵损失函数替换为Focal Dice loss提升模型的分类准确性；对点回归任务中的匈牙利匹配算法进行改进，包括引入不确定性成本处理机制、加权距离处理机制和自适应密度惩罚机制提高匹配精度；最终得到改进后模型为PIG‑P2PNet，将所述PIG‑P2PNet应用于猪只计数。本发明的有益效果：在各种实际环境中具有适应性和泛化能力，计数精度和鲁棒性方面表现优异，尤其在高密度、遮挡复杂的饲养环境中效果十分突出。
-
公开(公告)号：CN115147463B
公开(公告)日：2024-10-29
申请号：CN202210350267.8
申请日：2022-04-04
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于旋转台的多视角点云自主配准方法及应用，包括以下步骤，采集模块采集目标图像；生成3D点云；确定旋转盘上带有不同颜色的标签数量，以及所述标签与所述旋转盘直径的比例；进行所述旋转盘的点云标定，得出所述旋转盘连续旋转前后点云片的刚性变换矩阵集R；将目标对象放置于所述旋转盘上，在相同条件下，将所述旋转盘有序旋转360°，所述目标对象与转盘点云片具有相同的变换矩阵集R，依次有序输入后完成目标点云自主配准。本发明的有益效果：仅需一次旋转盘标定，即可实现多个目标物的点云自主配准，大大提高了点云数据处理效率；二是基于特制旋转台实现点云配准方法不需经过多个坐标系的转换和角度计算，减少了累计误差。
-
Patent Agency Ranking
公开(公告)号：CN116772853A
公开(公告)日：2023-09-19
申请号：CN202310726002.8
申请日：2023-06-19
Applicant: 浙江农林大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于行人导航的协同航向估计方法，包括以下步骤：S1、处理智能手机内部MEMS传感器的测量值，以获得标题：S11、使用旋转矩阵将智能手机的身体坐标系转换为导航坐标系；S12、通过加速度计和磁力计的测量值来计算智能手机的航向；S2、结合陀螺仪的集成角度和初始方向来估计智能手机的航向；S3、使用互补滤波器计算智能手机的标题；S4、结合相机图像和深度的航向识别学习。本发明采用上述基于行人导航的协同航向估计方法，结合了智能手机的内部嵌入式结构传感器，如陀螺仪、加速度计、磁力计和相机测量，提高了航向估计精度。
-
公开(公告)号：CN114419673A
公开(公告)日：2022-04-29
申请号：CN202210081491.1
申请日：2022-01-24
Applicant: 浙江农林大学
IPC: G06V40/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/62 , G06T7/64
Abstract: 本发明公开了一种利用深度图像和CNN‑SVM的群猪多姿态识别方法，包括以下步骤，采集初始数据集；定义和描述生猪的各姿态；对所述初始数据集进行深度图像处理，获取各姿态下目标猪只的肩臀部深度距离、肩臀部深度距离比值、凸包的面积与边界的比值和凸包的周长与边界的比值作为输入数据；构建CNN‑SVM检测器，将所述输入数据作为检测器的训练数据；待识别目标群猪的图像数据由CNN模型的第一个全连接层获取特征向量，把其送入SVM分类进行数据分类完成姿态识别。本发明的有益效果：本文模型与传统SVM、CNN识别姿态的差异，在相同的训练数据和测试数据下，姿态识别的准确率分别为94.6368％、92.2175％和90.5396％，很明显在识别准确率上有了一个较大提升。
-
公开(公告)号：CN112906719A
公开(公告)日：2021-06-04
申请号：CN202110258863.9
申请日：2021-03-09
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于消费级深度相机的立木因子测量方法，包括以下步骤：(1)采用消费级深度相机多视角采集立木场景点云数据，对立木场景点云数据进行感兴趣区域提取和去噪处理，得到立木点云数据；(2)从立木点云数据中分割出立木主干点云数据和树冠点云数据，配准立木主干点云，依据立木主干点云数据确定刚性变换矩阵；(3)基于刚性变换矩阵对树冠点云数据进行处理，填充树冠点云以重建立木三维模型；(4)从立木三维模型中提取立木关键点信息，分析各关键点信息的空间几何关系，最终实现立木因子的测量。该方法能够实现对立木因子的准确快速测量。
-
公开(公告)号：CN107990934B
公开(公告)日：2020-01-07
申请号：CN201711167286.2
申请日：2017-11-21
Applicant: 浙江农林大学
IPC: G01D21/02
Abstract: 本发明公开了一种生猪养殖业污水排放的智慧监管系统，包括数据采集系统、GPRS模块、云服务器、PC端监管平台、移动端监管平台，数据采集系统采集猪养殖场污水的沼液池液位、污水排放流量、排污泵状态、污水排放时间、降雨量、水质参数以及槽罐车的GPS定位信息，形成实时采集数据，并发送数据至云服务器以存储；云服务器接收实时数据后，基于预先设定的预警策略对接收的实时采集数据进行预警判断和处理生成预警信息并存储，并转发实时数据和预警信息至PC端监管平台，转发实时数据和预警信息至移动端监管平台；PC端监管平台显示从云服务器获取的实时数据和预警信息，移动端监管平台显示从云服务器获取的实时数据和预警信息。
-
公开(公告)号：CN109345539A
公开(公告)日：2019-02-15
申请号：CN201811169347.3
申请日：2018-10-08
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于图像抽象的自适应Mean-Shift立木图像分割方法，包括如下步骤：步骤一,对采集的立木图像进行多角度图像抽象,采用双边滤波法进行平滑处理，采用图像金字塔方法作进一步平滑模糊；步骤二,将步骤一抽象的立木图像的位置特征采用步长探测法获得自适应空域带宽hs、颜色特征采用插入规则法获得值域带宽hr，结合高斯核函数自适应Mean-Shift聚类，得到立木聚类图像；采用FloodFill方法填充，并过滤噪声提取感兴趣区且进行数学形态学处理，得到立木分割图像。本发明的分割方法，能够减少立木图像背景信息和冠层间隙对聚类的影响，使立木图像聚类更为完整、平滑，大大提高了立木图像分割精度。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.026 seconds)
