【技术实现步骤摘要】
一种基于毫米波雷达的猪只疾病检测方法
[0001]本专利技术涉及人工智能
，尤其是涉及一种基于毫米波雷达的猪只疾病检测方法。
技术介绍
[0002]智能化养殖技术的发展，主要体现在养殖设备的智能化、大数据管理系统的建立以及数字化分析等方面。智能化养殖设备可以实现自动投料投药，自动采集环境参数，自动清洁等功能，确保猪只的健康，并且可以大大减少人工成本。而大数据管理系统可以实时监控猪只的健康状况，进行实时分析，及时发现猪只的疾病，并制定出最佳护理方案；数字化分析可以根据猪只的状况，分析出最佳的养殖条件，从而提高养殖效率。
[0003]现有的技术中，一般通过声音采集设备持续采集栏位内猪只声音信息，通过声音信息判断猪只疾病情况。
[0004]上述中的现有技术方案存在以下缺陷：
[0005]1.声音采集设备采集信息稳定性较差，采集到的声音信息中干扰因素较多。
[0006]2.声音采集设备采集信息精准度较差，仅能反应是否存在疾病情况，具体情况需要人工辅助排查，费时费力。
[0007]3.声音...
【技术保护点】
【技术特征摘要】
1.一种基于毫米波雷达的猪只疾病检测方法，其特征在于，包括以下步骤：S1：采集猪只栏位图像信息，对样本图像中猪只进行标注；S2：根据所述样本图像的所述猪只信息训练猪只检测模型；S3：利用所述猪只检测模型确定双目相机图像中猪只位置；S4：使用毫米波雷达设备配合双目相机采集猪只振动数据；S5：对所述猪只振动数据进行预处理；S6：将猪只振动数据输入到猪只疾病检测模型中；S7：将猪只疾病检测模型结果反馈到用户终端上。2.根据权利要求1所述的一种基于毫米波雷达的猪只疾病检测方法，其特征在于，通过猪只识别定位模块实现步骤S1至步骤S3，具体包括以下步骤：(1)获取所述样本图像中所述猪只的候选区域；(2)利用多层卷积神经网络提取所述候选区域的特征信息；(3)根据提取的特征确定所述猪只候选区域；(4)对所述猪只候选区域利用soft
‑
nms进行筛选，得到所述猪只区域信息。3.根据权利要求1
‑
2任一项所述的一种基于毫米波雷达的猪只疾病检测方法，其特征在于，将获取的样本图像输入到目标检测网络，所述目标检测网络包含Backbone模块、Neck模块、Prediction模块；所述Backbone模块为Focus结构加CSP1_X结构特征提取框架，用于对图像的特征进行提取；所述Neck模块为空间金字塔池化SPP、路径聚合网络PANet加CSP2_X结构，用于增加感受野以及收集组合目标特征；所述Prediction模块使用了CIOU_Loss做边界框的损失函数，并在Prediction模块中预测目标框中心坐标x、y与长宽w、h。4.根据权利要求3所述的一种基于毫米波雷达的猪只疾病检测方法，其特征在于，所述Focus结构包括切片操作以及32卷积核，切片操作即将图像层分成多片小块操作，方便后续特征提取；所述CSP1_X结构包含多个CBM模块与多个残差组件，CBM包含卷积层、批量标准化层以及MIsh激活函数；所述CIOU_Loss是在DIOU_Loss使用真实框与预测框的欧氏距离作为惩罚项，进行改进，添加了相对比例，用于对预测的矩形形状和真实框不一致的结果进行惩罚，如公式(1)所示使得检测效果更进一步；5.根据权利要求4所述的一种基于毫米波雷达的猪只疾病检测方法，其特征在于，其中IOU是预测框与真实框的交集与并集之比，v作为新加的惩罚因子包含了要预测的框宽w和框高h，Distance_C是两个框中心点的距离，Distance_C是覆盖两个框的最小封闭矩形的对角线长度。6.根据权利要求3所述的一种基于毫米波雷达的猪只疾病检测方法，其特征在于，在所述目标检测网络中，图像经过第一backbone模块处理后，得到输入图像的特征信息；
经过Neck模块处理后，对所述第一backbone模块获取的特征进行提取融合；经过Prediction模块处理后，根据特征最终确定检测目标候选区域分类为猪只候选区域；在经过所述目标检测网络处理后，对所述猪只候选区域利用soft
‑
nms软式非极大抑制方法进行筛选。7.根据权利要求2所述的一种基于毫米波雷达的猪只疾病检测方法...
【专利技术属性】
技术研发人员：邵远超，郗晓龙，刘战启，于青云，李朋飞，嵇宇，鲁慧文，南建国，王旭明，
申请(专利权)人：新疆天康饲料有限公司，
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。