【技术实现步骤摘要】
一种笼内病鸡的非接触式自动识别方法及系统
[0001]本专利技术涉及笼内鸡只非接触式检测领域，尤其涉及一种笼内病鸡的非接触式自动识别方法及系统。
技术介绍
[0002]养鸡场的鸡舍内鸡笼数量庞大且高密度叠层，每个鸡笼内鸡只数量较多，鸡只难免生病。病鸡的人工检查是一项琐碎而细致的工作，耗时耗力，且由于鸡笼内病鸡状态不明显，很难及时、全面地发现已生病的鸡只。
[0003]现有公开号为CN112562739A《一种规模化饲养型肉鸡呼吸道病症声音数据分析系统》，其公开的方案为采集声音数据，通过加强神经网络进行分析，发现病鸡。在实际应用中，鸡舍中采集到的声音类型繁多，有正常的鸡叫声、有病鸡的异常叫声，还有环境噪声等。将采集到的声音直接输入神经网络，神经网络输出匹配度最高的一个类别的声音，当采集音频中既包含正常鸡叫声，又包含鸡咳嗽声，由于鸡咳嗽声短且弱，且鸡咳嗽声的声纹特征没有明确标准，神经网络在识别时，鸡咳嗽声的匹配度就会明显低于正常鸡叫声的匹配度，因此，将采集到的声音数据直接交由神经网络识别，很容易将鸡咳嗽声忽略，仅输出匹配...
【技术保护点】
【技术特征摘要】
1.一种笼内病鸡的非接触式自动识别方法，其特征在于：包括声纹检测步骤：通过声学传感器在鸡笼附近采集音频数据，然后采用STFT将音频数据转换为频谱图；将所述频谱图输入训练好的第一目标检测网络，在频谱图中定位出叫声区域；将各个叫声区域从所述频谱图中逐一剪切出来，然后输入训练好的卷积神经网络进行声纹分类，输出各叫声区域对应的叫声类型，若包含鸡咳嗽声，则进行病鸡告警。2.根据权利要求1所述的一种笼内病鸡的非接触式自动识别方法，其特征在于：将剪切出来的叫声区域图像的大小匹配至所述频谱图的原始尺寸，然后再输入训练好的卷积神经网络。3.根据权利要求1所述的一种笼内病鸡的非接触式自动识别方法，其特征在于：还包括图像检测步骤：通过摄像头采集鸡笼上部图像和鸡笼底部图像，然后将其输入训练好的第二目标检测网络；所述第二目标检测网络从所述上部图像和底部图像中识别到鸡头和鸡冠，输出标记有鸡头和鸡冠边框位置的识别图像，根据鸡冠特征值判断鸡冠是否萎缩，若是，则发出病鸡告警；同时，所述第二目标检测网络还进一步识别鸡冠，若为带白斑的鸡冠，则发出告警；将所述底部图像输入训练好的第三目标检测网络，从所述底部图像中识别出包含鸡身的图像，并输出标记有鸡身位置的底部图像；提取该鸡笼的历史底部图像，若历史底部图像中存在鸡只，则进行鸡身位置比对，判断该鸡身是否发生移动，若否，则发出病鸡告警，若是，则判定为健康鸡；若历史底部图像中不存在鸡身，则判定为健康鸡。4.根据权利要求3所述的一种笼内病鸡的非接触式自动识别方法，其特征在于：所述根据鸡冠特征值判断鸡冠是否萎缩的具体过程为：分析所述识别图像，对所述鸡冠和鸡头进行一一绑定：判断同一鸡头位置下，与其相交的鸡冠位置是否大于一个，若否，则绑定该鸡头和鸡冠，若是，逐一计算每个鸡冠与该鸡头的相交值，再计算相交值与该鸡冠面积的比值，若比值小于预设相交阈值，则判定该鸡冠与鸡头无绑定关系，若比值大于预设的相交阈值，则取最高比值的鸡冠与该鸡头绑定；计算鸡冠特征值：所述鸡冠特征值为鸡冠大小与鸡头大小的比值，该比值若小于预设的特征阈值，则判定鸡冠萎缩，发出病鸡告警。5.根据权利要求4所述的一种笼内病鸡的非接触式自动识别方法，其特征在于：所述鸡冠特征值为多维数据，包括鸡冠大小与鸡头大小的比值和以下任意项的组合：鸡头大小、鸡冠大小、鸡冠长宽比、鸡头长宽比；对所述多维数据采用标准差标准化后，输入训练好的LSTM神经网络，所述LSTM神经网络分析数据，识别出鸡冠是否萎缩，若是，则发出病鸡告警。6.根据权利要求3所述的一种笼内病鸡的非接触式自动识别方法，其特征在于：将所述底部图像输入训练好的第三目标检测网络，从所述底部图像中识别出包含鸡身的图像，并定位出鸡身位置，所述鸡身位置比对，具体为：提取当前底部图像中鸡身的位置信息，...
【专利技术属性】
技术研发人员：曹鑫，余立扬，廖新炜，
申请(专利权)人：福州木鸡郎智能科技有限公司，
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。