The invention discloses a bird behavior recognition method based on the deep convolution neural network. Step (1) collect all the animal behavior images that need to be monitored; step (2) preprocess the captured images; step (3) design a deep convolution neural network structure with the characteristics of the identified poultry animal behavior images; Step (4) take the image obtained in step (2) as the training data, use the deep convolution neural network structure in (3) to train the animal behavior recognition model. Step (5) test the accuracy of the poultry animal behavior recognition model trained in step (4), and return to the step (3) if the test precision does not reach the standard. To the application standard; step (6) to deploy the identification model and apply it to the poultry breeding process. It can effectively improve the recognition efficiency and accuracy of avian behavior, and is conducive to simplify the management of aquaculture industry.
【技术实现步骤摘要】
一种基于深度卷积神经网络的禽类动物行为识别方法
本专利技术涉及禽类动物行为识别
,尤其涉及一种基于深度卷积神经网络的禽类动物行为识别方法。
技术介绍
近几年来,深度学习尤其是深度卷积神经网络被广泛应用在图像处理与分析任务当中,包括:图像配准、图像分类与图像分类等。而且,伴随人类社会的高速发展和产业自动化程度的逐步深入,通过计算机辅助技术实现农业生产管理,不但可以降低人力维护所需的各项资源,同时也可以提高管理水平。在现代化养殖业管理过程中,需要对禽类动物的行为进行持续的监控与检测,以考察禽类动物生长行动能力的跑动、直立和动作协调性等指标以及动物间记忆及社交行为的指标。而禽类动物行为识别工作中存在以下难点,如禽类动物间相似度高,禽类动物间遮挡严重,不易实现区分。目前,养殖业中主要是通过工人实现禽类动物行为的监测,这就要求工人不但需要对大量的监控视频影像数据进行分析,同时还需要一定的熟练程度和专业水平。另外,在禽类动物行为监测的过程中,一方面工人的工作效率会影响监测管理工作的整体效率;另一方面在管理成本和开支方面也会带来浪费。因此。期望一种可以解决上述问题及难点的技术。
技术实现思路
本专利技术的目的就是为了解决上述问题,提供一种基于深度卷积神经网络的禽类动物行为识别方法,利用计算机对监控视频影像文件中的禽类动物图像进行训练学习,得到可以快速、准确识别不同动物行为的深度学习模型,并且将此模型用于指导养殖业管理,提高生产效率,节约生产成本。为了实现上述目的,本专利技术采用如下技术方案:一种基于深度卷积神经网络的禽类动物行为识别方法,包括:步骤(1)、采集禽类动物 ...
【技术保护点】
1.一种基于深度卷积神经网络的禽类动物行为识别方法,其特征是,包括:步骤(1)、采集禽类动物养殖业管理过程中需要监测的所有禽类动物行为图像;步骤(2)、对采集到的禽类动物行为图像进行预处理;步骤(3)、结合待识别的禽类动物行为图像的特点设计深度卷积神经网络结构;步骤(4)、将步骤(2)中得到的禽类动物行为图像作为训练数据,利用(3)中的深度卷积神经网络结构,训练禽类动物行为识别模型;步骤(5)、对步骤(4)中训练好的禽类动物行为识别模型进行精度测试,若测试精度未达到养殖业管理应用标准,则返回步骤(3),直至达到应用标准;步骤(6)、将识别模型进行部署,应用于禽类动物养殖过程当中,结束。
【技术特征摘要】
1.一种基于深度卷积神经网络的禽类动物行为识别方法,其特征是,包括:步骤(1)、采集禽类动物养殖业管理过程中需要监测的所有禽类动物行为图像;步骤(2)、对采集到的禽类动物行为图像进行预处理;步骤(3)、结合待识别的禽类动物行为图像的特点设计深度卷积神经网络结构;步骤(4)、将步骤(2)中得到的禽类动物行为图像作为训练数据,利用(3)中的深度卷积神经网络结构,训练禽类动物行为识别模型;步骤(5)、对步骤(4)中训练好的禽类动物行为识别模型进行精度测试,若测试精度未达到养殖业管理应用标准,则返回步骤(3),直至达到应用标准;步骤(6)、将识别模型进行部署,应用于禽类动物养殖过程当中,结束。2.如权利要求1所述一种基于深度卷积神经网络的禽类动物行为识别方法,其特征是,所述步骤(1)中采集禽类动物行为图像时采用人工设置灯光,排除养殖场地中其它光源的干扰。3.如权利要求1或2所述一种基于深度卷积神经网络的禽类动物行为识别方法,其特征是,所述步骤(1)中拍摄时使用高速摄像机和深度图像摄像机。4.如权利要求1所述一种基于深度卷积神经网络的禽类动物行为识别方法,其特征是,所述步骤(2)中图像预处理包括:对采集到的禽类动物行为图像按照对应类型进行分类整理、数据清洗以及图像数据扩充。5.如权利要求4所述一种基于深度卷积神经网络的禽类动物...
【专利技术属性】
技术研发人员:蒲海涛,连剑,杨金梁,樊铭渠,张国栋,宋锐,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。