【技术实现步骤摘要】
一种基于卷积神经网路的生猪常见病害识别方法
[0001]一、
:本专利技术涉及畜禽养殖
中病害防治技术,具体涉及的是一种基于卷积神经网路的生猪常见病害识别方法。
[0002]二、
技术介绍
:新时期下,随着我国市场经济体制的不断完善,居民的生活质量获得显著改善,市场对猪肉产品的需求量持续增加,带动了生猪养殖行业的快速发展,行业逐渐趋于规模化和现代化,常见病害是危害养殖经济效益的重要因素,养殖户需要采取有效的措施进行防治。近年来,随着食品安全事件的频发,如何保证养殖业健康发展,避免及预防畜禽发生疾病,并在发生疾病时及时防治十分关键。
[0003]三、
技术实现思路
:本专利技术的目的是提供一种基于卷积神经网路的生猪常见病害识别方法,这种基于卷积神经网路的生猪常见病害识别方法用于为生猪病害的快速智能诊断提供技术支持。
[0004]本专利技术解决其技术问题所采用的技术方案是:这种基于卷积神经网路的生猪常见病害识别方法包括如下步骤:步骤一、采集常见生猪病害图像和生猪无病害图像,常见生猪病害包括口蹄疫、蓝耳病、非洲猪瘟、猪链球菌病、猪巴氏杆菌病,口蹄疫、蓝耳病、非洲猪瘟、猪链球菌病、猪巴氏杆菌病,每种生猪病害图像至少100张,生猪无病害图像至少100张;步骤二、建立生猪常见病害数据库;选择每种生猪病害图像100张,结合生猪日常生活环境中存在的不确定因素对病害数据进行随机扩充,不确定因素包括光照条件、卫生条件、生猪状态;扩充后的每种生猪病害图像达到1000张,并将每种病害分别进行标签标记,标签名称分别依次为0、1、2、3、4;另选择无 ...
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网路的生猪常见病害识别方法,其特征在于:步骤一、采集常见生猪病害图像和生猪无病害图像,常见生猪病害包括口蹄疫、蓝耳病、非洲猪瘟、猪链球菌病、猪巴氏杆菌病,口蹄疫、蓝耳病、非洲猪瘟、猪链球菌病、猪巴氏杆菌病,每种生猪病害图像至少100张,生猪无病害图像至少100张;步骤二、建立生猪常见病害数据库;选择每种生猪病害图像100张,结合生猪日常生活环境中存在的不确定因素对病害数据进行随机扩充,不确定因素包括光照条件、卫生条件、生猪状态;扩充后的每种生猪病害图像达到1000张,并将每种病害分别进行标签标记,标签名称分别依次为0、1、2、3、4;另选择无病害图像100张,使用上述相同数据扩充方法进行数据扩充,扩充后的无病害图像总量达到1000张,并对无病害图像进行标签标注,标签名称为5,最终建立完善生猪病害数据集swine epidemics
‑
6000;步骤三、建立用于生猪常见病害识别的卷积神经网络swine epidemics net
‑
5;swine epidemics net
‑
5由特征提取网络和分类网络组成,同时还使用上采用、全局最大池化和合并技术,分类网络采用开源softmax分类器进行分类;特征提取网络包括CBR特征提取模块、Resunitn特征提取模块、ZCRn特征提取模块;CBR特征提取模块由2D卷积层、批归一化层和激活函数层组成;Resunitn特征提取模块由若干个CBR特征提取模块和残差边组成,其中残差边由2D卷积层和批归一化层组成;ZCRn特征提取模块由Zeropadding补零、CBR特征提取模块和Resunitn特征提取模块组成;3.1、利用串行分支单独进行通道特征信息提取,并结合后续合并、全局最大池化和卷积技术,将所提取的空间特征信息和通道特征信息进行充分融合,从而有效提高模型特征提取能力;通过分支Ⅰ进行,输入图像A尺寸为224*224*3,经过CBR特征提取模块、ZCR2特征提取模块和ZCR3特征提取模块进行下采样后输出图像D,输出图像D的尺寸为28*28*64,再经全局最大池化层充分提取通道特征信息后输出图像E,输出图像E的尺寸为1*1*64;因经过全局最大池化层后每一个特征层中仅保留1个有效权重,即每个特征层中仅包含1*1个特征信息,将输出图像E作为1*1卷积层使用,并将其与其他串行空间特征提取分支所得输出图像进行卷积操作,来实现通道特征信息与空间特征信息的充分融合;3.2、其他串行空间特征提取分支,通过分支Ⅱ和分支Ⅲ进行;分支Ⅱ,所述输入图像A尺寸为224*224*3,经过CBR特征提取模块、ZCR2特征提取模块和ZCR3特征提取模...
【专利技术属性】
技术研发人员:谭峰,崔佳鹏,王亚轩,李伟,
申请(专利权)人:黑龙江省农业机械工程科学研究院,
类型:发明
国别省市:
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。