牲畜身份识别方法、电子装置及可读存储介质制造方法及图纸

本发明专利技术涉及智能决策技术领域，揭露了一种牲畜身份识别方法，装置及存储介质。该方法通过获取待识别牲畜的身份标识和待识别的牲畜照片，将获取的牲畜照片分别输入多个预先训练的识别模型中，获得各个预先训练的识别模型对应的初始化识别结果，接着，将各个预先训练的识别模型对应的初始化识别结果生成预设格式向量，最后，将生成的预设格式向量输入预先训练的综合识别模型中进行综合识别，输出最终识别结果，该最终识别结果包括识别通过和识别失败。利用本发明专利技术揭露的技术方案，能更加快速、高效、精准地对牲畜的身份进行自动识别。

【技术实现步骤摘要】
牲畜身份识别方法、电子装置及可读存储介质
本专利技术涉及智能决策
，尤其涉及一种牲畜身份识别方法、电子装置及可读存储介质。
技术介绍
牲畜保险指的是以牛、马、骡、驴、牲畜等牲畜为保险标的的保险。牲畜保险是农业保险的一种，承担牲畜因疾病或其他意外事故(风、雨、水、火灾等)而死亡的损失。根据被保险人的需要，可加保各种附加险，如牲畜伤残和医疗费用险、屠宰险(屠宰后发现不符合卫生当局规定的要求)、产仔险、阉割险、流行性疾病险、流行性疾病的后果损失险、牲畜运输险、展览险等。对牲畜进行投保以及理赔时，需要准确确定每个牲畜的身份以进行理赔。然而，现存的对牲畜，如牲畜、牛、马等身份的识别基本都是通过人的肉眼，根据自己养殖的经验及牲畜的大小外形等进行判断。这样的人工判定方法存在很大的误差，无法准确地确定牲畜的身份，况且当牲畜的数量很多时，不仅人会很劳累而且效率极其低下，出错的概率也会大大增加。经过观察可知，牲畜的外貌特征从幼年到几个月后会发生巨大的变化，但几个月后，外貌将基本保持稳定，为解决牲畜的身份识别问题，亟需提出一种牲畜身份的学习方案，能够智能地对牲畜的身份进行识别。专利
技术实现思路
鉴于以上内本文档来自技高网...

【技术保护点】
1.一种牲畜身份识别方法，应用于电子装置，其特征在于，所述方法包括：获取初始化识别结果步骤：获取待识别牲畜的身份标识和待识别的牲畜照片，将获取的牲畜照片分别输入多个预先训练的识别模型中，获得各个预先训练的识别模型对应的初始化识别结果；生成向量步骤：将各个预先训练的识别模型对应的初始化识别结果生成预设格式向量；识别牲畜身份步骤：将生成的预设格式向量输入预先训练的综合识别模型中进行综合识别，输出最终识别结果，该最终识别结果包括识别通过和识别失败。

【技术特征摘要】
1.一种牲畜身份识别方法，应用于电子装置，其特征在于，所述方法包括：获取初始化识别结果步骤：获取待识别牲畜的身份标识和待识别的牲畜照片，将获取的牲畜照片分别输入多个预先训练的识别模型中，获得各个预先训练的识别模型对应的初始化识别结果；生成向量步骤：将各个预先训练的识别模型对应的初始化识别结果生成预设格式向量；识别牲畜身份步骤：将生成的预设格式向量输入预先训练的综合识别模型中进行综合识别，输出最终识别结果，该最终识别结果包括识别通过和识别失败。2.根据权利要求1所述的牲畜身份识别方法，其特征在于，所述预先训练的识别模型包括第一识别模型、第二识别模型、第三识别模型、第四识别模型，各个预先训练的识别模型的训练过程包括：在收到针对一个牲畜身份标识对应的牲畜的模型训练请求后，获取该牲畜的第一数量的样本照片，并对各个样本照片中的牲畜最小外接矩形图片进行识别和提取，提取出第二数量的牲畜最小外接矩形图片，所述第二数量小于或者等于第一数量；将提取的牲畜最小外接矩形图片进行随机分组，获得多个第一图片分组，并分别从各个第一图片分组中随机选择一个牲畜最小外接矩形图片作为第一训练图片，每个第一图片分组中包含第三数量的牲畜最小外接矩形图片，不同第一图片分组中的牲畜最小外接矩形图片不同，不同的牲畜最小外接矩形图片分到不同的第一图片分组；将提取的牲畜最小外接矩形图片进行随机分组，获得多个第二图片分组，并分别从各个第二图片分组中随机选择一个牲畜最小外接矩形图片作为第二训练图片，每个第二图片分组中包含第四数量的牲畜最小外接矩形图片，不同第二图片分组中的牲畜最小外接矩形图片不同，不同的牲畜最小外接矩形图片分到不同的第二图片分组；利用各个所述第一训练图片训练第一预设类型模型，生成训练好的与该牲畜身份标识对应的第一识别模型，并利用各个所述第一训练图片训练第二预设类型模型，生成训练好的与该牲畜身份标识对应的第二识别模型；利用各个所述第二训练图片训练第一预设类型模型，生成训练好的与该牲畜身份标识对应的第三识别模型，并利用各个所述第二训练图片训练第二预设类型模型，生成训练好的与该牲畜身份标识对应的第四识别模型。3.根据权利要求1所述的牲畜身份识别方法，其特征在于，所述预先训练的综合识别模型的训练过程包括：将提取的牲畜最小外接矩形图片进行随机分组，获得多个第三图片分组，并分别从各个第三图片分组中随机选择一个牲畜最小外接矩形图片作为第三训练图片，每个第三图片分组中包含第五数量的牲畜最小外接矩形图片，不同第三图片分组中的牲畜最小外接矩形图片不同，不同的牲畜最小外接矩形图片分到不同的第三图片分组；分别将每个第三训练图片输入各个多个预先训练的识别模型中，获得各个预先训练的识别模型对应的初始化识别结果，并将各个预先训练的识别模型对应的初始化识别结果生成预设格式向量；利用生成的各个所述预设格式向量训练所述综合识别模型，生成训练好的与该牲畜身份标识对应的综合识别模型。4.根据权利要求1所述的牲畜身份识别方法，其特征在于，所述第一预设类型模型为107层的双路径网络模型；所述第二预设类型模型为98层的双路径网络模型。5.根据权利要求1至4任一项所述的牲畜身份识别方法，其特征在于，所述综合识别模型为包含有两个隐藏层和一个输出层的全连接神经网络模型。6.一种电子装置，所述电子装置包括存储器和处理器，其特征在于，所述存储器上存储有可在所述处理器上运行的...

【专利技术属性】
技术研发人员：马进，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44