一种太行鸡雏鸡雌雄鉴别的方法技术

本发明专利技术公开了一种太行鸡雏鸡雌雄鉴别的方法，包括：采集若干太行鸡雏鸡肛门处的图像，形成太行鸡雏鸡图像数据集并对其进行预处理；根据预处理后的太行鸡雏鸡图像数据集建立太行鸡雏鸡雌雄分类模型；对太行鸡雏鸡雌雄分类模型进行训练；通过混淆矩阵评价训练后的太行鸡雏鸡雌雄分类模型的好坏。本发明专利技术的模型通过对数据的预处理、模型的加载、模型的训练、结果的检验实现了太行鸡雏鸡雌雄鉴别的功能。该方法可以在保障太行鸡雌雄鉴别正确率基础上，利用图像识别的方式，降低对人工技术的要求，减轻人工劳动的强度，使太行鸡雌雄鉴别可以快速、便捷、高效的进行。高效的进行。高效的进行。

【技术实现步骤摘要】
一种太行鸡雏鸡雌雄鉴别的方法


[0001]本专利技术涉及智能检测
，特别涉及一种太行鸡雏鸡雌雄鉴别的方法。

技术介绍

[0002]在目前，针对太行鸡的性别，雌鸡和雄鸡有着不同的用途。为满足不同行业对太行鸡的性别需求，我国大部分养殖基地都会进行太行鸡雏鸡雌雄鉴别的工作，但养殖基地大多采用纯人工鉴别的方法，这会出现对工人鉴别能力的要求高、劳动强度大等问题。现有技术中针对其他品种的鸡，有采用基于视觉的鸡雏公母智能鉴别方法，如专利技术专利申请公开号为CN113191201A，名称为基于视觉的鸡雏公母智能鉴别方法及系统。但是针对太行鸡，目前行业内学术上或者养殖场中，没有采用类似图像分类算法来代替人工进行太行鸡雏鸡雌雄鉴别的，其中主要存在的技术问题是如何构建准确的数据库并如何构建合适的太行鸡雌雄鉴别分类模型的技术问题。
[0003]对比养殖基地传统的人工太行鸡雏鸡雌雄鉴别方法，即对1日龄雏鸡进行翻肛来鉴别雏鸡性别，如果能通过图像展示的方式来鉴别太行鸡的雌雄，就可以降低对工人鉴别能力的要求、减少鉴别环节的技术难度和工作强度、提高鉴别的准确率。因此，本申请技术解决的主要技术问题就是如何构建合适的数据库模型来对太行鸡雏鸡的性别进行有效鉴别，实现理想的鉴别准确率。

技术实现思路

[0004]为了解决以上问题，本专利技术提供了一种太行鸡雏鸡雌雄鉴别的方法。
[0005]为实现上述目的，本专利技术所采用的技术方案如下：
[0006]一种太行鸡雏鸡雌雄鉴别的方法，包括以下步骤：
[0007]采集若干太行鸡雏鸡肛门处的图像，形成太行鸡雏鸡图像数据集并对其进行预处理；
[0008]根据预处理后的太行鸡雏鸡图像数据集建立太行鸡雏鸡雌雄分类模型；
[0009]对太行鸡雏鸡雌雄分类模型进行训练；
[0010]通过混淆矩阵评价训练后的太行鸡雏鸡雌雄分类模型的好坏。
[0011]进一步的：述形成太行鸡雏鸡图像数据集并对其进行预处理包括：
[0012]构成太行鸡雏鸡图像数据集；
[0013]重置数据图像的大小；
[0014]水平翻转给定的图像；
[0015]用均值和标准差归一化张量图像；
[0016]随机将数据集划分为训练集和验证集。
[0017]进一步的：所述重置数据图像的大小包括：重置数据尺寸长为128、宽为128；
[0018]所述水平翻转给定的图像包括：以给定概率p＝0.5随机翻转图像；
[0019]所述用均值和标准差归一化张量图像包括：将图像3个通道中的数据整理到规范
区间x中，使数据全部符合均值为0、标准差为1的标准正态分布，其中规范区间x的求取公式为：
[0020][0021]式中，mean为数据的均值，std为数据的标准差。
[0022]进一步的：所述根据预处理后的太行鸡雏鸡图像数据集建立太行鸡雏鸡雌雄分类模型包括：
[0023]使用ResNet50模型，所述ResNet50模型包括一个单独的卷积层、4组大block和全连接层，其中，4组大block内分别有3、4、6、3个小block，在ResNet50的结构中，首先将数据集输入7
×7×
64的卷积层，即{7
×
7，cony，64}，然后经过16个构建块，每个构建块为3层，即有16
×
3＝48层，其中，数据图像经过卷积层输出尺寸为N
×
N的图片，N的计算如下：
[0024][0025]式中，F为卷积核，S为步长，P为padding，W为输入数据集；
[0026]再经池化层后输出图像大小为W的图片，计算如下：
[0027][0028]式中，F为卷积核，S为步长，W为输入数据集。
[0029]进一步的：所述对太行鸡雏鸡雌雄分类模型进行训练包括：
[0030]将数据输入构建好的ResNet50模型中；
[0031]计算损失函数；
[0032]损失函数反向传播，更新参数；
[0033]重复上述步骤，直到损失函数收敛。
[0034]进一步的：所述将数据输入构建好的ResNet50模型中包括：将训练数据和测试数据同时输入到构建好的ResNet50模型中，在前向传播阶段，训练数据以小批量n送入模型，经过特征提取模块后，进入分类器，并在适应层和分类器最后一层有输出端，测试数据同样以小批量m送入模型，经过特征提取器后进入分类器，经适应层流出，此时不经过分类器最后一层，其中n：m＝8：2。
[0035]进一步的：所述计算损失函数包括：ResNet50的前馈计算净输入，根据构造的权重矩阵ω和偏置b，将输入数据x经过线性变换，得到神经元的净输入，净输入x的求取公式如下：
[0036]x＝ωa+b
ꢀꢀ
(4)
[0037]式中，a为神经元的净输入，即输入数据，ω为权重矩阵，b为偏置，其中权重矩阵ω初始化为0.005，偏置b初始化为0.1；
[0038]激活函数为Softmax函数，其函数表达式为：
[0039][0040]训练数据在分类器输出端计算分类交叉熵损失函数L：
[0041][0042]需要将输入的input向量进行softmax处理将input变成属于每个标签的概率值，对每个input[i]处理如下：
[0043][0044]在计算y时，即输入样本标签target，转换为张量后，得到交叉熵损失函数为：
[0045][0046]其中input代表模型预测输出序列,target代表的真实类别。
[0047]进一步的：所述损失函数反向传播，更新参数包括：损失函数如式(8)所示，其模型参数的更新规则如下式所示：
[0048][0049][0050]其中，α表示学习率，θ表示对应模块参数，m表示特征提取器，c表示分类器。
[0051]进一步的：所述通过混淆矩阵评价训练后的太行鸡雏鸡雌雄分类模型的好坏包括：使用混淆矩阵，混淆矩阵的每一列表示的是模型预测的样本情况，矩阵的每一行表示的样本的真实情况，混淆表格如下表所示：
[0052][0053][0054]其中，真正类(TP)即样本的真实类别是正类，并且模型识别的结果也是正类，假负类(FN)，即样本的真实类别是正类，但是模型将其识别成为负类，假正类(FP)，即样本的真实类别是负类，但是模型将其识别成为正类，真负类(TN)，即样本的真实类别是负类，并且模型将其识别成为负类；
[0055]模型精确率计算公式如下：
[0056][0057]雌鸡正确率FM计算公式如下：
[0058][0059]雄鸡正确率M计算公式如下：
[0060][0061]采用上述技术方案后，与现有技术相比，其所取得的技术进步在于：
[0062]针对太行鸡的雌雄鉴别，本专利技术根据太行鸡的特征构建了太行鸡雌雄鉴别分类模型，该模型通过对数据的预处理、模型的加载、模型的训练、结果的检验实现了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太行鸡雏鸡雌雄鉴别的方法，其特征在于，包括以下步骤：采集若干太行鸡雏鸡肛门处的图像，形成太行鸡雏鸡图像数据集并对其进行预处理；根据预处理后的太行鸡雏鸡图像数据集建立太行鸡雏鸡雌雄分类模型；对太行鸡雏鸡雌雄分类模型进行训练；通过混淆矩阵评价训练后的太行鸡雏鸡雌雄分类模型的好坏。2.根据权利要求1所述的一种太行鸡雏鸡雌雄鉴别的方法，其特征在于：所述形成太行鸡雏鸡图像数据集并对其进行预处理包括：构成太行鸡雏鸡图像数据集；重置数据图像的大小；水平翻转给定的图像；用均值和标准差归一化张量图像；随机将数据集划分为训练集和验证集。3.根据权利要求2所述的一种太行鸡雏鸡雌雄鉴别的方法，其特征在于：所述重置数据图像的大小包括：重置数据尺寸长为128、宽为128；所述水平翻转给定的图像包括：以给定概率p＝0.5随机翻转图像；所述用均值和标准差归一化张量图像包括：将图像3个通道中的数据整理到规范区间x中，使数据全部符合均值为0、标准差为1的标准正态分布，其中规范区间x的求取公式为：式中，mean为数据的均值，std为数据的标准差。4.根据权利要求2所述的一种太行鸡雏鸡雌雄鉴别的方法，其特征在于：所述根据预处理后的太行鸡雏鸡图像数据集建立太行鸡雏鸡雌雄分类模型包括：使用ResNet50模型，所述ResNet50模型包括一个单独的卷积层、4组大block和全连接层，其中，4组大block内分别有3、4、6、3个小block，在ResNet50的结构中，首先将数据集输入7
×7×
64的卷积层，即{7
×
7，cony，64}，然后经过16个构建块，每个构建块为3层，即有16
×
3＝48层，其中，数据图像经过卷积层输出尺寸为N
×
N的图片，N的计算如下：式中，F为卷积核，S为步长，P为padding，W为输入数据集；再经池化层后输出图像大小为W的图片，计算如下：式中，F为卷积核，S为步长，W为输入数据集。5.根据权利要求4所述的一种太行鸡雏鸡雌雄鉴别的方法，其特征在于：所述对太行鸡雏鸡雌雄分类模型进行训练包括：将数据输入构建好的ResNet50模型中；计算损失函数；损失函数反向传播，更新参数；重复上述步骤，直到损失函数收敛。
6.根据权利要求5所述的一种太行鸡雏鸡雌雄鉴别的方法...

【专利技术属性】
技术研发人员：褚素乔，秦佳莹，刘伯华，张磊，卢炜华，谢艳华，褚素欣，刘皓宇，李丽丽，张洁，
申请(专利权)人：河北舒隽科技有限公司，
类型：发明
国别省市：