【技术实现步骤摘要】
食料的投喂方法、装置、系统和计算机可读存储介质
本公开涉及人工智能
，特别涉及一种食料的投喂方法、食料的投喂装置、食料的投喂系统和计算机可读存储介质。
技术介绍
家畜、家禽等的饲养是人民生活水平的保障。例如，中国是世界养猪业和猪肉消费大国，国内养猪业的发展直接影响到国家经济和人民生活水平的提高。因此，科学合理地投喂方法就显得尤为重要。在相关技术中，一般采用人工定时定量的方式进行投喂；或者采用识别猪只等投喂对象身上的耳标等传感器，获取投喂对象的进食记录来决定是否投喂。
技术实现思路
本公开的专利技术人发现上述相关技术中存在如下问题：实时性差或者易导致投喂对象的应激反应，影响投喂对象健康，从而导致投喂效果差。鉴于此，本公开提出了一种食料的投喂技术方案，能够在无需于投喂对象身上安装传感器的情况下，及时进行合理投喂，提高投喂效果。根据本公开的一些实施例，提供了一种食料的投喂方法，包括：利用第一神经网络，检测待处理图像中的食槽，以确定所述待处理图像中的食槽区域；利用第二神经网络，检测食...
【技术保护点】
1.一种食料的投喂方法，包括：/n利用第一神经网络，检测待处理图像中的食槽，以确定所述待处理图像中的食槽区域；/n利用第二神经网络，检测食槽区域中的食料和投喂对象，以确定食料区域和投喂对象区域；/n根据所述食料区域在所述食槽区域中的占比，以及所述投喂对象区域在所述食槽区域中的占比，确定是否进行投喂。/n
【技术特征摘要】
1.一种食料的投喂方法，包括：
利用第一神经网络，检测待处理图像中的食槽，以确定所述待处理图像中的食槽区域；
利用第二神经网络，检测食槽区域中的食料和投喂对象，以确定食料区域和投喂对象区域；
根据所述食料区域在所述食槽区域中的占比，以及所述投喂对象区域在所述食槽区域中的占比，确定是否进行投喂。
2.根据权利要求1所述的投喂方法，其中，所述利用第一神经网络，检测待处理图像中的食槽，以确定所述待处理图像中的食槽区域包括：
利用所述第一神经网络，获取所述食槽的多个关键点，所述多个关键点能够表征所述食槽的位置信息；
根据所述多个关键点，确定所述待处理图像中的食槽区域。
3.根据权利要求2所述的投喂方法，其中，
所述多个关键点为所述食槽的4个顶点，
所述根据所述多个关键点，确定所述待处理图像中的食槽区域包括：
根据所述4个顶点的最小外接矩形，确定所述待处理图像中的食槽区域。
4.根据权利要求2所述的投喂方法，其中，所述第一神经网络根据如下步骤训练：
根据训练图像的标注结果和所述第一神经网络对所述训练图像的检测结果，计算多种候选损失函数，所述候选损失函数包括所述食槽区域的位置损失函数和各像素点的分类结果损失函数，所述各像素点的分类结果包括是食槽或不是食槽；
根据所述多个候选损失函数的加权和，确定综合损失函数；
利用所述综合损失函数，训练所述第一神经网络。
5.根据权利要求4所述的投喂方法，其中，
所述多种候选函数包括分类损失函数、中心点损失函数、目标大小损失函数、相对位置损失函数、关键点匹配损失函数或关键点损失函数中的多项，
所述分类损失函数根据标注的各像素点分类结果和检测的各像素点分类结果计算，
所述中心点损失函数根据标注的食槽中心点和检测的食槽中心点计算，所述检测的食槽中心点根据检测的多个关键点确定，
所述目标大小损失函数根据标注的食槽宽高和检测的食槽宽高计算，所述检测的食槽宽高根据检测的多个关键点确定，
所述相对位置损失函数根据标注的食槽中心点与标注的多个关键点的相对位置，以及检测的食槽中心点与检测的多个关键点的相对位置计算，
所述关键点匹配损失函数根据标注的多个关键点和检测的多个关键点之间的对应情况计算，
所述关键点损失函数根据标注的多个关键点，以及检测的多个关键点计算。
6.根据权利要求1所述的投喂方法，其中，所述利用第一神经网络，检测待处理图像中的食槽，以确定所述待处理图像中的食槽区域包括：
对所述待处理图像进行多次下采样处理，获取多幅下采样图像；
提取各下采样图像的图像特征；
根据融合后的各图像特征，确定所述食槽区域。
7.根据权利要求6所述的投喂方法，其中，
所述多幅下采样图像包括第一...
【专利技术属性】
技术研发人员：张为明，
申请(专利权)人：北京海益同展信息科技有限公司，
类型：发明
国别省市：北京;11
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。