一种基于深度学习模型的牲畜行为识别方法技术

本发明专利技术公开了一种基于深度学习模型的牲畜行为识别方法

【技术实现步骤摘要】
一种基于深度学习模型的牲畜行为识别方法、系统及设备


[0001]本专利技术涉及人工智能
，特别是涉及一种基于深度学习模型的牲畜行为识别方法
、
系统及设备
。

技术介绍

[0002]近年来，随着人工智能技术的快速发展，智能化的畜牧饲养成为了现实
。
基于可穿戴设备的智能农业物联网技术在牲畜健康监测
、
运动分析和智能管理等领域具有重要的应用价值
。
但是，由于受限于现有人工智能技术复杂度与农业物联网设备性能的瓶颈，使得牲畜的行为识别精确度不高
。

技术实现思路

[0003]本专利技术的目的是提供一种基于深度学习模型的牲畜行为识别方法
、
系统及设备，能够在降低模型参数和计算复杂度的同时有效提高牲畜行为识别精度
。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种基于深度学习模型的牲畜行为识别方法，包括：
[0006]通过传感器采集牲畜的行为数据并进行预处理，得到预处理数据；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习模型的牲畜行为识别方法，其特征在于，包括：通过传感器采集牲畜的行为数据并进行预处理，得到预处理数据；所述行为数据包括：加速度数据
、
陀螺仪数据以及温度数据；将预处理数据输入到第一深度可分卷积模块中，得到聚合特征图；利用时间流卷积模块提取聚合特征图的时间特征，得到时间流特征序列；利用空间流卷积模块提取聚合特征图的空间特征，得到空间流特征序列；将时间流特征序列和空间流特征序列进行融合，得到融合后的时空特征序列；利用时空特征序列对牲畜行为进行分类识别
。2.
根据权利要求1所述的基于深度学习模型的牲畜行为识别方法，其特征在于，所述通过传感器采集牲畜的行为数据并进行预处理，得到预处理数据，具体包括：通过加速度计
、
陀螺仪和
/
或温度计采集牲畜的行为数据并处理成卷积处理所需要的数据格式；利用滑动窗口技术将处理后的行为数据以固定的重叠率分割成多个滑动窗口样本数据作为预处理数据；所述滑动窗口样本数据包含窗口长度和传感器读数两个信息维度；所述预处理数据的尺寸为
R
(B
×
W
×
C
×
A)
；其中，
B
表示输入样本的批量大小；
W
表示输入样本的窗口长度；
A
表示输入样本中传感器读数的数量；
C
表示输出通道数
。3.
根据权利要求1所述的基于深度学习模型的牲畜行为识别方法，其特征在于，所述将预处理数据输入到第一深度可分卷积模块中，得到聚合特征图，具体包括：利用深度卷积运算分别对输入的预处理数据的每个通道进行卷积，得到多个深度信息图；将多个深度信息图连接起来得到中间特征图；采用点卷积运算对中间特征图的所有通道信息进行聚合，得到聚合特征图
。4.
根据权利要求1所述的基于深度学习模型的牲畜行为识别方法，其特征在于，所述利用时间流卷积模块提取聚合特征图的时间特征，得到时间流特征序列，具体包括：所述时间流卷积模块使用可变形卷积来提取聚合特征图的时间特征，得到时间流特征序列
F
T
；所述可变形卷积的公式表示为；所述可变形卷积的公式表示为其中，
r0为当前采样网格
Λ
中中心元素的坐标；
r
n
为当前采样网格
Λ
中其他元素相对于
r0的坐标；
Δ
r
n
为每个元素的偏移量；为可变形卷积核的权值；为偏移量后输入特征映射中元素的值；
y(r0)
为可变形卷积的输出
。5.
根据权利要求4所述的基于深度学习模型的牲畜行为识别方法，其特征在于，所述利用空间...

【专利技术属性】
技术研发人员：王娇，陈玉兰，庄家煜，马永仁，苏武峥，舒雅，赵达君，
申请(专利权)人：新疆农业大学，
类型：发明
国别省市：