一种基于深度学习的猪只体表测温装置及方法制造方法及图纸

本发明专利技术的一种基于深度学习的猪只体表测温装置及方法属于畜牧养殖领域动物体温测量装置及方法，利用猪只体表测温装置对舍内猪正脸和俯视方向的图像进行巡回拍摄并通过无线通信模块上传服务器，通过训练好的类YOLOv4模型对猪脸、脑门和耳根部位进行识别，然后提取脑门和耳根部位的温度并写入数据库。当检测到猪的体温出现异常时，给猪舍管理员发送报警提醒，进而实现生猪个体体温的实时性监测和预警，避免了传染性疾病在舍内大规模的传播与蔓延。延。延。

【技术实现步骤摘要】
一种基于深度学习的猪只体表测温装置及方法


[0001]本专利技术属于畜牧养殖领域动物体温测量装置及方法，特别是涉及到一种基于深度学习的猪只体表测温装置及方法。

技术介绍

[0002]随着规模化生猪养殖产业的不断建立和发展，个体的健康状况越来越引起人们的重视。在密集式养殖过程中，半封闭式的舍内环境很容易引起细菌的滋生、病毒的传播，给猪的身体健康带来极大的威胁和挑战。体温是衡量猪只健康的重要生理指标，通过测量体温可以辅助进行疾病诊断和健康检查。猪的体温一般恒定在38.0
‑
39.5℃之间，当某只猪的体温出现异常时，说明它身体某些部分很可能患有炎症。例如呼吸道综合征、呼吸道细菌传染病等，均会引起猪只体温的升高，如不及时发现并治疗，将会导致同舍内大规模猪的死亡，造成巨大的经济损失。因此，对猪的个体体温进行监测，可以有效降低猪只患病的风险，还可以增强猪只活力、提升猪肉品质。
[0003]使用直肠等传统接触式测温的方式不仅效率低下，而且重复使用的温度计很容易造成猪只之间的交叉感染，也不能满足规模化的养殖需求。近年来计算机技术不断向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的猪只体表测温方法，是通过下列步骤实现的：S1：数据采集通过猪只体表测温装置的Fotric红外热像仪，每日定时对舍内所有的M只猪的正脸和俯视方向进行拍摄，每次拍摄会同时得到一张猪的红外光谱图像和可见光谱图像；S2：数据集划分将S1步骤采集到的包含所有猪只的T张图像数据集进行打乱，使用Labelimg软件对所有图像中猪的脸部、脑门、耳根部位进行标注，然后按照8：1：1的比例将其划分为训练集、验证集和测试集；S3：生猪个体及关键测温部位识别模型采用了轻量级的类YOLOv4模型来对生猪个体及关键测温部位进行识别，该识别模型包括四层：输入、Backbone、Neck和Head；第一层：输入：在模型输入层，原图像经双三次插值方法处理后缩放到416
×
416大小；第二层：Backbone：将原Backbone网络中用于下采样的3
×
3普通卷积核替换为深度可分离卷积核，再利用1
×
1卷积来对特征层的通道数进行调整；第三层：Neck：Neck层包含空间金字塔池化（SPP）、特征金字塔（FPN）网络和PAN网络三部分；SPP通过多个不同尺度的池化核对特征图的相关信息进行提取，进而增大感受野并降低过拟合；FPN网络对特征图依次进行上采样，多维度获取空间特征信息；PAN网络会对要识别的猪脸和关键部位的低维特征信息依次进行下采样操作；第四层：Head，对于Neck层输出的特征图，Head会对其进行一个通道数的统一，并在通道中存储检测框的位置、置信度、类别信息；S4：模型训练及参数优选对初始学习率（lr）、学习率调整策略（F(lr)）、批处理大小（k），迭代次数epoch（n）、优化器、标签平滑系数超参数进行设置；在训练过程中，模型对迭代过程中训练集的损失函数值进行计算，并通过反向传播不断对超参数的数值进行优化调整；当达到迭代次数n后，模型训练结束，筛选出最优的模型并对其权值文件进行保存（final
‑
Model.h5）；S5：猪只体表温度的提取无线通信模块将拍摄的猪只图像上传至服务器，服务器端将训练好的猪只体表测温部位识别模型（final
‑
Model.h5）进行加载，将实时拍摄获取猪只可将光图像输入模型并进行快速检测，然后获取相应部位检测框的...

【专利技术属性】
技术研发人员：谢秋菊，吴梦茹，包军，杨牧宇，张子涵，刘学飞，刘洪贵，刘文洋，宗玉冰，李聪，于海明，郑萍，张继成，郑书朋，王晓晨，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：