一种智能养殖系统的数据远程共享方法及装置制造方法及图纸

本发明专利技术公开了一种智能养殖系统的数据远程共享方法及装置，通过获取拍摄的养殖图像并对养殖图像进行图像预处理得到图像数据，对图像进行特征提取养殖图像中的特征，将分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，对异源数据集的相似性进行共享特征选择以构建共享数据集，解决了复杂背景下图像的识别能力，提升了养殖检测和识别的整体效果，对智能养殖系统的数据进行有效填充，从而提高了系统数据的完整性和工作可靠性

【技术实现步骤摘要】
一种智能养殖系统的数据远程共享方法及装置


[0001]本专利技术涉及智慧养殖
，尤其涉及一种智能养殖系统的数据远程共享方法及装置
。

技术介绍

[0002]在养殖领域，越来越多的人意识到养殖检测的重要性，并对智能化养殖检测所面临的困难提出了各种方法进行解决
。
例如：传统的水产检测方法主要有以下两种：利用声呐系统收集水下图像并对图像中水产目标进行识别，该方法具有一定的抗干扰能力，但在真实养殖场景下，通过声呐系统拍摄的图像分辨率不高
、
语义信息不准确，导致水下水产目标检测准确率较低；另外，通过图像中水产的轮廓特征评估一个阈值对鱼群进行检测，该方法的检测准确率较高，但需要有经验的专家总结有效的水产特征，检测效果依赖于专家的经验，随着水产种类和数量的增多，难免在智能养殖系统上的数据出现遗漏，从而影响了系统的数据可用性
。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种提高养殖图像采集的准确性和系统数据的完整性的智能养殖系统的数据远程共享方法及装置，来解决上述存在的技术问题，具体采用以下技术方案
。
[0004]第一方面，本专利技术提供了一种智能养殖系统的数据远程共享方法，包括以下步骤：
[0005]获取拍摄的养殖图像并对养殖图像进行图像预处理得到图像数据，其中，图像预处理包括图像增强和图像修复，养殖图像包括水产
、
家禽和牲畜养殖图像；
[0006]对图像进行特征提取图像中养殖的特征，并将图像划分为多个网格完成图像中养殖的检测得到分类结果，其中，每个网格默认输出预测三个边界框；
[0007]将分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，其中，数据相似度度量包括数值型数据相似度度量
、
语义型数据相似度度量和共享相似度度量；
[0008]对异源数据集的相似性进行共享特征选择以构建共享数据集，其中，共享特征选择包括保留异源相似完整数据集中与缺失数据集相似性的属性维度作为可共享完整数据集
、
确定缺失数据集中不需要填充的数据集和需要填充的数据集以及用来填充的相似完整数据集
。
[0009]作为上述技术方案的进一步优选，对异源数据集的相似性进行共享特征选择以构建共享数据集，包括：
[0010]从异源相似完整数据集中找到与缺失数据集中缺失对象最相似的完整对象，采用相似的异源完整对象对缺失独享加以填补完整，具体的填补过程包括：
[0011]将缺失性数据集
L
＝
(U,A,V,f)
和异源相似完整数据集
Z
＝
(R,B,M,f)
作为输入
、
填充后数据集
L'
＝
(U,A,V,f)
，对收集的数据集进行数据预处理，对所有数值型数据进行归一
化处理；
[0012]度量两个数据集各维度间的相似性并进行共享特征选择，即保留异源相似完整数据集中与缺失数据集相似的属性维度作为可共享完整数据集
R'
以组成共享数据集；
[0013]确定缺失数据集
U
中不需要填充的数据集
U
f
，需要填充的数据集
U
p
和用于填充的相似完整数据集
R'
，并根据智能养殖系统建立各自的数据矩阵，设立缺失数据集合
U
p
有
N
个对象和
M
个属性，用来填充的完整数据集
R'
有
H
个对象和
M
个属性，将所有缺失数据采用
*
标记，则标记，则和
[0014]计算在异源相似完整数据集
R'
中与缺失对象
i
相似度最高的完整对象
j
，第所有的缺失数据对象采用表达式为填补得到完整的数据，其中表示对象
j
将属性
q
填充给相似对象
i
的属性
q
，以此类推把每个缺失对象填充完整，将填充好的数据集
U'
p
和未填充数据集
U
T
合并得到完整的数据集
L'
＝
(U,A,V,f)。
[0015]作为上述技术方案的进一步优选，将水产分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，包括：
[0016]采用标准化欧氏距离的表达式为对数值型属性进行相似度度量，其中，
M
表示样本均值，
S
表示样本标准差，即标准化后的值＝
(
标准化前的值
‑
分量的均值
)/
分量的标准差，标准化各维度数据的表达式为其中其中表示缺失数据集中
n
个缺失对象在属性
m
下的均值，表示相似完整数据集中缺失对象在属性
m
下的标准差，表示相似性完整数据集中
l
个相似完整对象在属性
m
下的标准差，
f'(x
i
‑
a
m
)
表示缺失数据对象
i
在
m
属性值上的标准化结果，
f'(y
i
‑
a
m
)
表示相似性完整数据对象
j
在
m
属性值上的标准化
结果，标准化后的距离表达式为结果，标准化后的距离表达式为其中
d(n,l)
表示对象
n
和
l
间的局部欧式距离，且缺失对象中的缺失属性不参与它们之间的距离计算
。
[0017]作为上述技术方案的进一步优选，采用本体的概念对两个相似度数据集的多源数据加以描述，使用表达式为其中
P(c)、P(c
n
)
和
P(c
l
)
分别表示位于本体对象
n
中其子孙数目的占有率；
[0018]采用混合相似度度量算法对两个数据对象进行数值属性与语义属性的综合计算，先使用标准化欧式距离计算共享数据集各维度数值型属性值的相似性，对语义属性进行相似度判断得到混合相似度，对应的表达式为
D(n,l)
＝
d(n,l)+(1
‑
a)sim(cn,cl)
，其中
d(n,l)
和
sim(c
n
,c
l
)
分别由获得，
0≤a≤1
，用来衡量数值属性和语义属性在共享数据集相似性度量中所占的比重，
P(c)
＝
count/sum
，
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智能养殖系统的数据远程共享方法，其特征在于，包括以下步骤：获取拍摄的养殖图像并对养殖图像进行图像预处理得到图像数据，其中，图像预处理包括图像增强和图像修复，养殖图像包括水产
、
家禽和牲畜养殖图像；对图像进行特征提取图像中养殖的特征，并将图像划分为多个网格完成图像中养殖的检测得到分类结果，其中，每个网格默认输出预测三个边界框；将分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，其中，数据相似度度量包括数值型数据相似度度量
、
语义型数据相似度度量和共享相似度度量；对异源数据集的相似性进行共享特征选择以构建共享数据集，其中，共享特征选择包括保留异源相似完整数据集中与缺失数据集相似性的属性维度作为可共享完整数据集
、
确定缺失数据集中不需要填充的数据集和需要填充的数据集以及用来填充的相似完整数据集
。2.
根据权利要求1所述的智能养殖系统的数据远程共享方法，其特征在于，对异源数据集的相似性进行共享特征选择以构建共享数据集，包括：从异源相似完整数据集中找到与缺失数据集中缺失对象最相似的完整对象，采用相似的异源完整对象对缺失独享加以填补完整，具体的填补过程包括：将缺失性数据集
L
＝
(U,A,V,f)
和异源相似完整数据集
Z
＝
(R,B,M,f)
作为输入
、
填充后数据集
L'
＝
(U,A,V,f)
，对收集的数据集进行数据预处理，对所有数值型数据进行归一化处理；度量两个数据集各维度间的相似性并进行共享特征选择，即保留异源相似完整数据集中与缺失数据集相似的属性维度作为可共享完整数据集
R'
以组成共享数据集；确定缺失数据集
U
中不需要填充的数据集
U
f
，需要填充的数据集
U
p
和用于填充的相似完整数据集
R'
，并根据智能养殖系统建立各自的数据矩阵，设立缺失数据集合
U
p
有
N
个对象和
M
个属性，用来填充的完整数据集
R'
有
H
个对象和
M
个属性，将所有缺失数据采用
*
标记，则标记，则和计算在异源相似完整数据集
R'
中与缺失对象
i
相似度最高的完整对象
j
，第所有的缺失数据对象采用表达式为填补得到完整的数据，其中表示对象
j
将属性
q
填充给相似对象
i
的属性
q
，以此类推把每个缺失对象填充完整，将填充好的数据集
U'
p
和未填充数据集
U
T
合并得到完整的数据集
L'
＝
(U,A,V,f)。3.
根据权利要求1所述的智能养殖系统的数据远程共享方法，其特征在于，将分类结果发送至智能养殖系统中进行数据相似度度量以构建异源数据集，包括：采用标准化欧氏距离的表达式为对数值型属性进行相似度度量，其中，
M
表示样本均值，
S
表示样本标准差，即标准化后的值＝
(
标准化前的值
‑
分量的均值
)/
分量的标准
差，标准化各维度数据的表达式为其中其中表示缺失数据集中
n
个缺失对象在属性
m
下的均值，表示相似完整数据集中缺失对象在属性
m
下的标准差，表示相似性完整数据集中
l
个相似完整对象在属性
m
下的标准差，
f'(x
i
‑
a
m
)
表示缺失数据对象
i
在
m
属性值上的标准化结果，
f'(y
i
‑
a
m
)
表示相似性完整数据对象
j
在
m
属性值上的标准化结果，标准化后的距离表达式为
d(n,l)
＝其中
d(n,l)
表示对象
n
和
l
间的局部欧式距离，且缺失对象中的缺失属性不参与它们之间的距离计算
。4.
根据权利要求3所述的智能养殖系统的数据远程共享方法，其特征在于，还包括：采用本体的概念对两个相似度数据集的多源数据加以描述，使用表达式为其中
P(c)、P(c
n
)
和
P(c
l
)
分别表示位于本体对象
n
中其子孙数目的占有率；采用混合相似度度量算法对两个数据对象进行数值属性与语义属性的综合计算，先使用标准化欧式距离计算共享数据集各维度数值型属性值的相似性，对语义属性进行相似度判断得到混合相似度，对应的表达式为
D(n,l)
＝
d(n,l)+(1
‑
a)sin(c
n
,c
l
)
，其中
d(n,l)
和
sim(c
n
,c
l
)
分别由和获得，
0≤a≤1
，用来衡量数值属性和语义属性在共享数据集相似性度量中所占的比重，
P(c)
＝
...

【专利技术属性】
技术研发人员：冯国尧，冯巧愉，
申请(专利权)人：深圳天内尔科技有限公司，
类型：发明
国别省市：