【技术实现步骤摘要】
本专利技术属于畜牧业养殖，尤其涉及一种基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法及系统。
技术介绍
1、深度学习的发展为计算机视觉技术提供了强大的支持，使得基于计算机视觉的监测方法在精度和稳定性方面都有了显著的提高，尤其是深度学习技术的广泛应用，为图像处理和目标检测等任务提供了更为精准和高效的方法，帮助减少人工的成本和监测误差，近些年来，有学者将计算机视觉技术应用到笼养蛋鸡产蛋量监测中，赵春江等人通过二维码标签和改进的yolo进行单层鸡笼定位和计数，但该方法存在一定的局限性；一方面，由于养殖过程中，二维码标签容易接触到鸡的粪便、食物残渣等异物而污损或者撕毁，导致无法扫描；另一方面，二维码里面的内容是固定的，是无法进行修改，若更改鸡笼信息只能重新制作，前后期维护需要大量人工成本，该方法只能应用于单层，检测效率较低。
2、专利文献cn114842470a公开一种层叠式笼养模式下的鸡蛋计数方法及定位系统，该方法包括：鸡蛋目标跟踪计数模块：基于鸡蛋多类别目标监测模型和多目标跟踪deepsort算法实现鸡蛋的计数，并将不同类别的鸡...
【技术保护点】
1.一种基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，在投放巡检设备前，需要对两个单目相机需要进行标定去畸变处理。
3.根据权利要求2所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，所述标定去畸变处理的表达式如下：
4.根据权利要求1所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，所述视频图像集的构建过程如下：
5.根据权利要求1所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法...
【技术特征摘要】
1.一种基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，在投放巡检设备前，需要对两个单目相机需要进行标定去畸变处理。
3.根据权利要求2所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，所述标定去畸变处理的表达式如下：
4.根据权利要求1所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，所述视频图像集的构建过程如下：
5.根据权利要求1所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，所述监测算法的目标检测模块引入了全局注意力模块，所述全局注意力模块用于将输入视频数据的每一帧视频图像进行多维度下的注意力机制操作，并将不同维度下的特征进行逐位相乘，以获得特征增强的图像数据输出。
6.根据权利要求1所述的基于计算机视觉的层叠式笼养蛋鸡区位产蛋监测方法，其特征在于，所述轨迹匹配模块采用匈牙利算法对代价矩阵进行求解以获得对应的线性...
【专利技术属性】
技术研发人员：林宏建，吴锐，何叶帆，贺鹏光，窦军，泮进明，应义斌，
申请(专利权)人：浙江大学，
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。