【技术实现步骤摘要】
投放操作的执行方法和装置、存储介质及电子装置
[0001]本申请实施例涉及计算机领域，具体而言，涉及一种投放操作的执行方法和装置、存储介质及电子装置。
技术介绍
[0002]目前，城市中已经存在一些喂食设备，通过定量投放食物对流浪动物进行喂食，但是，该定量投放的方式，在投放过多的情况下，会出现食物堆积，导致食物变质，一方面天气原因食物易腐败导致流浪动物生病，另一方面，变质的食物影响城市的卫生，在投放不足的情况下，不足以喂养流浪动物，使得喂养的效果较差。
[0003]针对相关技术中，在流浪动物的喂食过程中，食物的投放量与流浪动物的匹配度较低等问题，尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供了一种投放操作的执行方法和装置、存储介质及电子装置，以至少解决相关技术中，在流浪动物的喂食过程中，食物的投放量与流浪动物的匹配度较低等问题。
[0005]根据本申请实施例的一个实施例，提供了一种投放操作的执行方法，应用于目标自动投放设备，包括：
[0006]对目标场景中的目标动...
【技术保护点】
【技术特征摘要】
1.一种投放操作的执行方法，其特征在于，应用于目标自动投放设备，所述方法包括：对目标场景中的目标动物进行拍摄，得到目标动物图像，其中，所述目标动物为所述目标场景中目标类型的动物；对所述目标动物图像进行识别，得到目标图像信息，其中，所述目标图像信息包括所述目标动物的动物属性特征和空间深度特征，所述动物属性特征用于指示所述目标动物的数量信息和品种信息，所述空间深度特征用于指示所述目标动物图像中的所述目标动物与拍摄所述目标动物图像的设备之间的距离；根据所述目标图像信息执行目标投放操作，其中，所述目标投放操作用于为所述目标动物投放目标投放量的食物，所述目标投放量为与所述目标图像信息所指示的所述动物属性特征和所述空间深度特征相匹配的投放量。2.根据权利要求1所述的方法，其特征在于，所述对所述目标动物图像进行识别，得到目标图像信息，包括：将所述目标动物图像输入至目标识别模型，得到所述动物属性特征和所述空间深度特征，其中，所述目标识别模型是使用样本动物图像集合、对应的实际动物属性特征集合以及对应的实际空间深度特征集合对待训练识别模型进行训练得到的模型，所述实际动物属性特征集合中的每个实际动物属性特征用于指示所述样本动物图像集合中对应的样本动物图像中的样本动物的数量信息和品种信息，所述实际空间深度特征集合中的每个实际空间深度特征用于指示所述样本动物图像集合中对应的样本动物图像中的样本动物与拍摄所述样本动物图像的设备之间的距离，所述样本动物为所述目标类型的动物。3.根据权利要求2所述的方法，其特征在于，在所述将所述目标动物图像输入至所述目标识别模型之前，所述方法还包括：获取所述样本动物图像集合，获取对应的所述实际动物属性特征集合，以及获取对应的所述实际空间深度特征集合；使用所述样本动物图像集合、对应的所述实际动物属性特征集合以及对应的所述实际空间深度特征集合对所述待训练识别模型进行训练，直到所述待训练识别模型对应的目标损失值满足预设收敛条件，结束训练，并将训练结束时的待训练识别模型确定为所述目标识别模型，其中，在所述待训练识别模型对应的所述目标损失值不满足所述预设收敛条件的情况下，所述待训练识别模型中的识别参数被调整；所述目标损失值是根据第一损失值和第二损失值确定得到的损失值，所述第一损失值是预测动物属性特征和所述实际动物属性特征之间的损失值，所述预测动物属性特征是所述待训练识别模型根据输入的所述样本动物图像确定的动物属性特征，所述第二损失值是预测空间深度特征和所述实际空间深度特征之间的损失值，所述预测空间深度特征是所述待训练识别模型根据输入的所述样本动物图像确定的空间深度特征。4.根据权利要求3所述的方法，其特征在于，所述使用所述样本动物图像集合、对应的所述实际动物属性特征集合以及对应的所述实际空间深度特征集合对所述待训练识别模型进行训练，包括：通过以下步骤对所述待训练识别模型进行第p轮训练，其中，p为大于或等于1的正整数：将所述第p轮训练使用的样本动物图像输入第p
‑
1轮训练得到的待训练识别模型，得到
所述第p轮训练的所述预测动物属性特征和所述预测空间深度特征；其中，在p等于1时，所述第p
‑
1轮训练得到的待训练识别模型是未经过训练的所述待训练识别模型；确定所述第p轮训练的所述预测动物属性特征与所述第p轮训练使用的所述实际动物属性特征之间的损失值，得到所述第p轮训练的所述第一损失值，其中，所述第p轮训练使用的所述实际动物属性特征与所述第p轮训练使用的样本动物图像对应；确定所述第p轮训练的所述预测空间深度特征与所述第p轮训练使用的所述实际空间深度特征之间的损失值，得到所述第p轮训练的所述第二损失值，其中，所述第p轮训练使用的所述实际空间深度特征与所述第p轮训练使用的样本动物图像对应；根据所述第p轮训练的所述第一损失值和所述第p轮训练的所述第二损失值，确定所述第p轮训练的所述目标损失值；在所述第p轮训练的目标损失函数的取值不满足所述预设收敛条件的情况下，对所述第p
‑
1轮训练得到的待训练识别模型中的参数进行调整，以获得第p轮训练得到的待训练识别模型；在所述第p轮训练的所述目标损失函数的取值满足所述预设收敛条件的情况下，结束训练。5.根据权利要求3所述的方法，其特征在于，所述获取对应的所述实际空间深度特征集合，包括：通过以下步骤获取所述样本动物图像集合中的第i个样本动物图像中的样本动物的实际空间深度特征，其中，i和j均为大于或等于1的正整数：根据第i个动物点云，确定第i个样本动物图像中的样本动物的实际空间深度特征，其中，具有对应关系的所述第i个样本动物图像和所述第i个动物点云是分别使用摄像设备和激光雷达对同一个样本动物进行拍摄和扫描得到的。6.根据权利要求1所述的方法，其特征在于，所述根据所述目标图像信息执行目标投放操作，包括：根据所述目标图像信息所指示的所述动物属性特征和所述空间深度特征生成动物体型信息，其中，所述动物体型信息用于指示对应的目标图像信息中目标动物的体型大小；根据所述目标图像信息所指示的所述数量信息，所述品种信息和所述动物体型信息确定目标投放量；根据所述目标投放量执行所述目标投放操作。7.根据权利要求6所述的方法，其特征在于，所述根据所述目标图像信息所指示的所述数量信息，所述品种信息和所述动物体型信息确定目标投放量，包括：通过以下公式确定每个所述目标图像信息对应的目标投放量：其中，为所述目标投放量，为所述数量信息指示的待喂食的目标动物的总数量，为在第一目标时间段内目标类型的单个动物所需的平均的投放量，为个目标动物中第i个目标动物的品种信息对应的第一权重，为个目标动物中第i个目标动物的动物体型信息对应的第二权重。8.根据权利要求6所述的方法，其特征在于，所述根据所述目标投放量执行所述目标投
放操作，包括：将所述目标投放量转换为开启时间参数，其中，所述开启时间参数用于指示控制所述目标自动投放设备的控制杆处于开启状态下的时间，所述目标自动投放设备通过目标容器储存食物，所述目标容器在所述控制杆处于开启状态的情况下投放食物至目标位置区域；在所述开启时间参数所指示的时间执行所述目标投放操作。9.根据权利要求8所述的方法，其特征在于，所述在所述开启时间参数所指示的时间执行所述目标投放操作，包括：生成携带了所述开启时间参数的目标控制指令，其中，所述目标控制指令用于指示在所述开启时间参数所指示的时间执行所述目标投放操作；将所述目标控制指令发送至所述控制杆对应的控制器；在所述开启时间参数所指示的时间通过所述控制器控制所述控制杆开启，其中，所述目标投放操作包括控制所述控制杆开启。10.根据权利要求1所述的方法，其特征在于，在所述根据所述目标图像信息执行目标投放操作之后，所述方法还包括：在第二目标时间段内播放目标音频，和/或，释放目标气味，其中，所述目标音频和/或所述目标气味用于吸引目标动物靠近所述目标自动投放设备。11.根据权利要求1所述的方法，其特征在于，所述对目标场景中的目标动物进行拍摄，得到目标动物图像，包括：调用N个摄像设备在第三目标时间段内以目标拍摄频率对所述目标动物进行M轮拍摄，得到M组初始动物图像集合，其中，每组初始动物图像集合包括N张初始动物图像，所述N张初始动物图像为所述N个摄像设备在同一时刻拍摄的动物图像；N张初始动物图像的拍摄视野覆盖了所述目标场景，N为大于或者等于1的正整数，M为大于或...
【专利技术属性】
技术研发人员：卢晶雨，刘羽，边晴云，
申请(专利权)人：苏州浪潮智能科技有限公司，
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。