欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024103985564
申请人: 中国农业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种羊只行为特征识别方法,其特征在于,包括以下步骤:S1、通过视频监控设备获取羊只行为特征的视频记录信息,并对视频记录信息进行处理,构建行为特征图像数据输入矩阵;

S2、获取羊只的行为特征多维度生物信号数据,并对多维度生物信号数据进行处理,构建羊只行为特征的多维度生物信号特征值输入矩阵;

S3、基于权值交叉融合运算和分层特征提取的多层学习分类模型,预设羊只行为特征识别模型;

S4、将行为特征图像数据输入矩阵和多维度生物信号特征值输入矩阵输入至预设羊只行为特征识别模型,进行训练、验证及测试,并根据验证结果调整权重矩阵与可变参数,根据测试结果进行模型评价,最终获得羊只行为特征识别模型;

S5、将羊只行为特征识别模型应用于现实场景中,分别构建行为特征图像数据待识别矩阵和多维度生物信号特征值待识别矩阵,并结合分级函数,构建分级输入矩阵;

S6、将获取的分级输入矩阵输入至羊只行为特征识别模型中,并输出对应的羊只行为特征结果,以完成羊只行为特征识别。

2.根据权利要求1所述的一种羊只行为特征识别方法,其特征在于,在所述步骤S1中,视频记录信息的处理包括:对所述羊只行为特征的视频记录信息进行抽帧处理,获取图像数据,并标注图像数据中羊只行为特征类别和羊只身份编号,随后对标注后的图像数据进行灰度化处理、图像增强和编码序列化,以构建行为特征图像数据输入矩阵;

对所述羊只行为特征的视频记录信息进行抽帧处理:对所获取的羊只行为特征视频记录信息进行裁剪挑选,以获取清晰度高的视频片段,返回羊只行为特征视频记录信息;将羊只行为特征视频记录信息按照组成视频的帧进行分割,并将每一帧视频提取图像信息保存为单独的图像数据;

所述灰度化处理的公式为:

其中,P

所述图像数据增强为:通过应用镜像翻转、随机旋转、随机裁剪、颜色变换、加噪声、平移变换、尺度变换和形变变换对原始图像进行变换和处理;

所述编码序列化为:将图像中的像素点进行编码,随后将编码后的像素点排列成序列数据;

所述编码序列化的公式为:

S

(L-1)/255),i,j=1,2,…,n;

其中,S

将灰度化处理、图像增强和编码序列化后的图像数据输入子矩阵进行堆叠,构建得到行为特征图像数据输入矩阵。

3.根据权利要求1所述的一种羊只行为特征识别方法,其特征在于,在所述步骤S2中,获取所述多维度生物信号数据之后,需对所述多维度生物信号数据进行预处理,包括剔除所述多维度生物信号数据中异常的多维度生物信号数据点,并补偿所述多维度生物信号数据中缺失的多维度生物信号数据点;

设获取三种不同的生物信号数据,分别记为x、y、z,对所述多维度生物信号数据中异常的数据点判断公式为:其中,P

对所述多维度生物信号数据中缺失的数据点进行补偿,具体为:判断与所需补偿数据点相似的多维度生物信号数据,相似度量公式为:其中,

通过相似度量公式,得到相似的多维度生物信号数据,并对其进行补偿值预测计算,公式如下:其中,μ表示补偿预测权重总参数期望值;

4.根据权利要求3所述的一种羊只行为特征识别方法,其特征在于,在所述步骤S2中,所述多维度生物信号数据的处理包括:行为标注及身份编号标注:将得到的多维度生物信号数据,结合羊只行为特征视频记录信息进行分类,并对分类后的多维度生物信号数据行为特征类别标注和羊只身份编号标注,得到包括但不限于采食行为特征多维度生物信号数据、反刍行为特征多维度生物信号数据、静立行为特征多维度生物信号数据、移动行为特征多维度生物信号数据以及卧息行为特征多维度生物信号数据;

数据分窗:将上述的多维度生物信号数据进行数据分窗,获得多维度生物信号数据集合;

信号调幅:对所述多维度生物信号数据集合中的多维度生物信号片段逐次进行信号调幅,并将调幅后的多维度生物信号片段返回至多维度生物信号数据集合中,所述信号调幅公式为:其中,H

特征提取:对多维度生物信号数据集合中的多维度生物信号片段逐次进行关键信息特征提取,并将关键特征信息提取后的数据保存至多维度生物信号数据集合中;

特征降维处理:基于条件概率分布随机领域嵌入方法,构建羊只行为特征的多维度生物信号特征输入值矩阵;

缩放规范化处理:对羊只行为特征的多维度生物信号特征值输入矩阵中的多维度生物信号特征数据进行缩放规范化处理,公式为:其中,a表示羊只行为特征的多维度生物信号特征值输入矩阵中任一个多维度生物信号特征数据点;a结合所述步骤S1和S2中的方法,即通过可穿戴传感技术采集个体的多维度生物信号和视频技术采集视频记录信息,经过数据处理,获得输入矩阵,定义如下:其中,Multidimensional Signal Data|

5.根据权利要求1所述的一种羊只行为特征识别方法,其特征在于,在所述步骤S3中,所述权值交叉融合运算和分层提取的多层学习分类模型由输入层、交叉融合层、激励函数层、采样层、密集连接层和输出层组成,且其用于处理时序数据和图像数据;

权值交叉融合运算公式为:

其中,Cov[P

激励函数公式为:

其中,f

采样函数公式为:

其中,f

6.根据权利要求1所述的一种羊只行为特征识别方法,其特征在于,在所述步骤S4中,对预设羊只行为特征识别模型包括:将多维度生物信号特征值输入矩阵和行为特征图像数据输入矩阵按照比例划分为训练集、验证集和测试集,并将所得训练集输入至预设羊只行为特征识别模型中进行训练,随后在获取网络权重后使用所得验证集对训练后的羊只行为特征识别模型进行验证,并根据验证结果调整权重矩阵与可变参数,根据测试结果进行模型评价,最终获得羊只行为特征识别模型;

其中,在训练过程中,所述羊只行为特征识别模型通过正向传播进行数据误差计算;

输出误差计算公式为:

式中,W

将所得的输出误差与期望值进行比较,若未达到预期效果,将所述羊只行为特征识别模型中的输入数据通过反向传播进行数据误差缩放,并通过修正多层学习分类模型中的权重矩阵与可变参数,不断迭代数据以减小误差,待达到预期效果后,获得羊只行为特征识别模型。

7.根据权利要求6所述的一种羊只行为特征识别方法,其特征在于,修正权重矩阵与可变参数,即输出误差的修正,误差公式为:式中,N表示所输入数据参数的数量;n

其中,误差公式E与权重矩阵和可变参数相关,所述权重矩阵公式与可变参数公式为:式中,N表示所输入数据参数的数量;W

通过调整权重矩阵与可变参数,多次重复更新模型和交叉验证,以此改善模型性能,直至达到预期效果;使用测试集对训练及验证后的模型进行测试,并计算模型的混淆矩阵,且根据混淆矩阵的性能指标主动更新羊只行为特征识别模型,调整模型参数,得到最优的羊只行为特征识别模型。

8.根据权利要求1所述的一种羊只行为特征识别方法,其特征在于,在所述步骤S5中,所述分级输入矩阵的构建公式为:设有三个不同的可穿戴传感器,生成三种不同的生物信号数据,分别记为x、y、z:式中,

其次,根据阈值判断机制输出判断结果,记五种不同行为特征为A、B、C、D、E,模型输出的五个节点向量为[P式中,P

最后,根据阈值判断机制输出判断结果μ;识别可信率即P

9.根据权利要求1所述的一种羊只行为特征识别方法,其特征在于,在所述步骤S6中,羊只行为特征结果包括但不限于行为特征类别标签、身份编号标签和识别可信率;

基于所述步骤S1-S6中的方法,即通过可穿戴传感技术采集个体的多维度生物信号和视频技术采集视频记录信息,经过数据处理,输入至羊只识别模型进一步输出羊只行为识别结果,整体步骤的定义如下:即通过上述过程实现羊只行为特征的预测。

10.一种羊只行为特征识别系统,其特征在于,包括:数据获取模块,具有数据信息采集、数据信息存储和数据信息传输的功能;

数据处理模块,具有数据信息修正、补偿和数据处理的功能;

行为特征识别模块,具有数据接收、数据储存、数据分析和数据判定的功能;

可视化输出模块,具有向饲养人员提供羊只行为特征和羊只身份编号的文字显示的功能。