一种基于卷积神经网络的野生动物优化的识别算法制造技术

本发明专利技术公开了一种基于卷积神经网络的野生动物优化的识别算法，包括计算模块、传输模块、定位模块和识别模块；所述计算模块用于数据的计算；所述传输模块用于高速低延时传输；所述定位模块用于卫星定位，形成位置定位；所述识别模块用于鸟类声纹识别，本发明专利技术结构科学合理，使用安全方便，通过计算模块用于数据的计算，传输模块用于高速低延时传输，定位模块用于卫星定位，形成位置定位，识别模块用于鸟类声纹识别，从而共同完成野生动物的精确监测，最终将空天地数据在一体化平台进行输出，全国多数保护区及野保机构的分析数据最终形成全国主要野生动物的数据统计和分析，实时监测物种的变化趋势。

【技术实现步骤摘要】
一种基于卷积神经网络的野生动物优化的识别算法
本专利技术涉及野生动物优化的识别
，具体为一种基于卷积神经网络的野生动物优化的识别算法。
技术介绍
野生动物，是指在大自然的环境下生长且未被驯化的动物，野生动物有广义和狭义之分，广义泛指兽类、鸟类、爬行类、两栖类、鱼类以及软体动物和昆虫类，狭义指除了鱼类和无脊椎动物以外的上述各类动物，即包括兽类、鸟类、爬行类和两栖类，按照野生动物与人类的密切联系程度，又可以将野生动物划分为野外环境的野生动物和人工繁殖的野生动物，《野生动物保护法》规定保护的野生动物，是指珍贵、濒危的陆生、水生野生动物和有益的或者有重要经济、科学研究价值的陆生野生动物；但是目前市场上的野生动物优化的识别算法不够全面，对于数据的接收与传输慢，且不能对于数据进行统计与分析，造成识别率低，且资料不齐全的现象。
技术实现思路
本专利技术提供一种基于卷积神经网络的野生动物优化的识别算法，可以有效解决上述
技术介绍
中提出目前市场上的野生动物优化的识别算法不够全面，对于数据的接收与传输慢，且不能对于数据进行统计与分析，造成识别率低，且资料不齐全的现象的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于卷积神经网络的野生动物优化的识别算法，包括计算模块、传输模块、定位模块和识别模块；所述计算模块用于数据的计算；所述传输模块用于高速低延时传输；所述定位模块用于卫星定位，形成位置定位；所述识别模块用于鸟类声纹识别。根据上述技术方案，所述计算模块依托高算力的GPU算力云，通过150多层的卷积神经网络架构搭建的深度学习算法模型可以对微小的野生动物进行精确的识别，同时依托于Nvidia、Rockchip和Bitmain芯片的联合开发，可以部署在他们集群环境和边缘盒式产品中，使得识别速度高且算力性价比高。根据上述技术方案，所述传输模块结合5G的高速低延时传输，传输中将信息通过以太网传输到数据采集服务器和含GPU显示电脑；所述数据采集服务器将数据通过以太网交换机传输到GPU识别服务器集群和业务分析服务器；所述GPU识别服务器集群和业务分析服务器将数据传输到鸟类信息提示系统和激光驱鸟系统。根据上述技术方案，所述传输模块传输中将数据进行加密，完全按照国密局要求的IPSECVPN标准实现，且按照内核级的加解密处理以及网络隔离，并以国密认证的TF32A09芯片为核心，硬件实时加密；其服务器采用双层网关，前置作为防火墙，后置作为安全通信服务器，防火墙用于过滤非法的业务数据，安全通信服务器用于与客户端建立安全信道，解析安全接入模块传输过来的数据，并将解析得到的数据分发到各个业务服务器上，最后再将处理的结果通过安全信道加密返回到各个安全接入模块中。根据上述技术方案，所述定位模块采用北斗卫星定位，并进行位置定位，计算出方位、高度和距离，接着通过传输模块传输到计模块。根据上述技术方案，所述识别模块对于鸟类声纹识别，并通过监控收集样本图片，利用标注工具对样本进行标注，将标注好的样本导入训练服务器进行训练，训练完成后将识别模型导入到识别服务器；将物种信息录入到管理分析平台，相关人员需要进一步了解物种的属性等专业信息时，只需将鼠标点击物种图片即可得到该物种详细的知识信息。根据上述技术方案，包括如下步骤：S1、通过识别模块和定位模块将采集到的数据通过传输模块发送到计算模块；S2、计算模块将数据进行计算，并将识别结果和相关信息发送到用户的业务服务器；S3、业务服务器根据收到的结果进行业务处理，并进行数据的比对判定。根据上述技术方案，所述S1中监控为前端数据采集服务器的摄像头。根据上述技术方案，所述S2中计算模块为云端识别服务器。与现有技术相比，本专利技术的有益效果：本专利技术结构科学合理，使用安全方便，通过计算模块用于数据的计算，传输模块用于高速低延时传输，定位模块用于卫星定位，形成位置定位，识别模块用于鸟类声纹识别，从而共同完成野生动物的精确监测，最终将空天地数据在一体化平台进行输出，全国多数保护区及野保机构的分析数据最终形成全国主要野生动物的数据统计和分析，实时监测物种的变化趋势。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1是本专利技术的系统结构示意图；图2是本专利技术的方法步骤结构示意图。具体实施方式以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。实施例：如图1-2所示，本专利技术提供技术方案，一种基于卷积神经网络的野生动物优化的识别算法，包括计算模块、传输模块、定位模块和识别模块；计算模块用于数据的计算；传输模块用于高速低延时传输；定位模块用于卫星定位，形成位置定位；识别模块用于鸟类声纹识别。根据上述技术方案，计算模块依托高算力的GPU算力云，通过150多层的卷积神经网络架构搭建的深度学习算法模型可以对微小的野生动物进行精确的识别，同时依托于Nvidia、Rockchip和Bitmain芯片的联合开发，可以部署在他们集群环境和边缘盒式产品中，使得识别速度高且算力性价比高。根据上述技术方案，传输模块结合5G的高速低延时传输，传输中将信息通过以太网传输到数据采集服务器和含GPU显示电脑；数据采集服务器将数据通过以太网交换机传输到GPU识别服务器集群和业务分析服务器；GPU识别服务器集群和业务分析服务器将数据传输到鸟类信息提示系统和激光驱鸟系统。根据上述技术方案，传输模块传输中将数据进行加密，完全按照国密局要求的IPSECVPN标准实现，且按照内核级的加解密处理以及网络隔离，并以国密认证的TF32A09芯片为核心，硬件实时加密；其服务器采用双层网关，前置作为防火墙，后置作为安全通信服务器，防火墙用于过滤非法的业务数据，安全通信服务器用于与客户端建立安全信道，解析安全接入模块传输过来的数据，并将解析得到的数据分发到各个业务服务器上，最后再将处理的结果通过安全信道加密返回到各个安全接入模块中。根据上述技术方案，定位模块采用北斗卫星定位，并进行位置定位，计算出方位、高度和距离，接着通过传输模块传输到计模块。根据上述技术方案，识别模块对于鸟类声纹识别，并通过监控收集样本图片，利用标注工具对样本进行标注，将标注好的样本导入训练服务器进行训练，训练完成后将识别模型导入到识别服务器；将物种信息录入到管理分析平台，相关人员需要进一步了解物种的属性等专业信息时，只需将鼠标点击物种图片即可得到该物种详细的知识信息。根据上述技术方案，包括如下步骤：S1、通过识别模块和定位模块将采集到的数据通过传输模块发送到计算模块；S2、计算模块将数据进行计算，并将识别结果和相关信息发送到用本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的野生动物优化的识别算法，其特征在于：包括计算模块、传输模块、定位模块和识别模块；/n所述计算模块用于数据的计算；/n所述传输模块用于高速低延时传输；/n所述定位模块用于卫星定位，形成位置定位；/n所述识别模块用于鸟类声纹识别。/n

【技术特征摘要】
1.一种基于卷积神经网络的野生动物优化的识别算法，其特征在于：包括计算模块、传输模块、定位模块和识别模块；
所述计算模块用于数据的计算；
所述传输模块用于高速低延时传输；
所述定位模块用于卫星定位，形成位置定位；
所述识别模块用于鸟类声纹识别。


2.根据权利要求1所述的一种基于卷积神经网络的野生动物优化的识别算法，其特征在于，所述计算模块依托高算力的GPU算力云，通过150多层的卷积神经网络架构搭建的深度学习算法模型可以对微小的野生动物进行精确的识别，同时依托于Nvidia、Rockchip和Bitmain芯片的联合开发，可以部署在他们集群环境和边缘盒式产品中，使得识别速度高且算力性价比高。


3.根据权利要求1所述的一种基于卷积神经网络的野生动物优化的识别算法，其特征在于，所述传输模块结合5G的高速低延时传输，传输中将信息通过以太网传输到数据采集服务器和含GPU显示电脑；
所述数据采集服务器将数据通过以太网交换机传输到GPU识别服务器集群和业务分析服务器；
所述GPU识别服务器集群和业务分析服务器将数据传输到鸟类信息提示系统和激光驱鸟系统。


4.根据权利要求2所述的一种基于卷积神经网络的野生动物优化的识别算法，其特征在于，所述传输模块传输中将数据进行加密，
完全按照国密局要求的IPSECVPN标准实现，且按照内核级的加解密处理以及网络隔离，并以国密认证的TF32A09芯片为核心，硬件实时加密；
其服务器采用双层网关，前置作为防火墙，后置作为安全通信服务器，防火墙用于过滤非法的业务数据，...

【专利技术属性】
技术研发人员：卞石磊，
申请(专利权)人：江苏叁拾柒号仓智能科技有限公司，
类型：发明
国别省市：江苏;32