【技术实现步骤摘要】
本专利技术涉及农业数据分析，尤其涉及一种基于机器视觉的蛋鸡体重预估系统及方法。
技术介绍
1、农业数据分析
涉及使用数据处理方法和算法来提高农业生产的效率和效果。在该领域中，通过收集和分析各种类型的农业数据，如作物生长情况、土壤状况、畜牧体重等，可以优化农业生产过程，提高作物产量，改善动物健康，甚至预测农业市场趋势。该领域的应用广泛，包括精准农业、作物病虫害监测、土地管理等多个方面。
2、其中，基于机器视觉的蛋鸡体重预估系统是一种利用机器视觉技术来估算蛋鸡体重的系统。该系统的目的是通过对蛋鸡的外观图像进行分析来预测蛋鸡的体重，从而避免使用侵入式的体重测量方法。该系统要达成的目的包括减少人工测量误差，提高数据收集的频率和准确性，使养殖者能够更好地监控和管理蛋鸡的生长状况，进而提高整体的养殖效率和蛋鸡的健康状况。
3、传统的蛋鸡体重预估系统在处理多样化种类的蛋鸡时存在局限性，缺乏足够的适应性和准确性。系统依赖于简单的算法和较少的数据维度，导致在体重估算上的误差较大，特别是在长期和多环境条件下。传统系统缺乏有效的时间序列分析和体重变化趋势预测，使得养殖管理者难以进行有效的长期规划和管理。三维体型的深入分析不可行，限制了对蛋鸡健康状况和生长发育的了解。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的一种基于机器视觉的蛋鸡体重预估系统及方法。
2、为了实现上述目的，本专利技术采用了如下技术方案：一种基于机器视觉的蛋鸡体重预估系
3、所述模型训练模块基于蛋鸡图像数据集，采用残差网络，对图像特征进行学习分析，建立初始的体重预估模型，并对模型进行训练，生成基础预估模型；
4、所述模型微调模块基于基础预估模型，采用迁移学习算法，调整网络参数匹配至多种类蛋鸡的特性，并对模型进行迭代训练，优化模型对目标环境的匹配性，生成微调后的预估模型；
5、所述物理建模估算模块基于微调后的预估模型，运用图像分割和几何建模方法，计算蛋鸡的体积和形状参数，并根据物理模型估算蛋鸡体重，生成物理特性估算结果；
6、所述时间差分分析模块基于物理特性估算结果，采用长短期记忆网络，分析蛋鸡体重随时间变化的序列数据，并对体重变化趋势进行预测，生成体重变化分析记录；
7、所述三维重建分析模块基于体重变化分析记录，利用立体视觉匹配算法，从多角度图像中合成蛋鸡的三维模型，并进行三维结构分析，生成三维体型分析结果；
8、所述光场图像处理模块基于三维体型分析结果，利用光场相机技术，捕捉蛋鸡图像，采用卷积神经网络，对图像空间和图像深度信息进行分析，提取蛋鸡体型的关键特征，生成三维光场特征数据；
9、所述优化反馈调整模块基于三维光场特征数据，应用反向传播算法，对模型的预估能力进行持续优化，并根据反馈数据调整模型参数，提升模型准确度和稳定性，生成优化的蛋鸡体重预估模型。
10、作为本专利技术的进一步方案，所述基础预估模型包括蛋鸡体型数据集、初步体重估算公式，所述微调后的预估模型包括匹配差异蛋鸡种类的调整参数、优化的图像识别能力、调整的体重预测公式，所述物理特性估算结果包括蛋鸡体积计算数据、形状识别参数、体重估算值，所述体重变化分析记录包括时间序列数据、体重趋势预测模型、历史与预测体重对比分析，所述三维体型分析结果包括三维建模数据、蛋鸡体型的空间坐标、三维结构分析记录，所述三维光场特征数据包括空间深度信息、光场图像特征点、三维形状特征分析。
11、作为本专利技术的进一步方案，所述模型训练模块包括网络结构设计子模块、训练数据准备子模块、第一特征提取子模块；
12、所述网络结构设计子模块基于蛋鸡图像数据集，采用残差网络，分析图像数据特征，设计网络结构，并对网络层进行配置，生成网络结构设计方案；
13、所述训练数据准备子模块基于网络结构设计方案，采用数据增强和归一化处理方法，筛选匹配的图像样本，并对图像样本进行处理，包括调整图像大小和颜色平衡，生成优化训练数据集；
14、所述第一特征提取子模块基于优化训练数据集，采用自编码器，分析图像中的关键视觉特征，包括形状和纹理，并构建用于体重预测的特征集，生成基础预估模型。
15、作为本专利技术的进一步方案，所述模型微调模块包括参数调整子模块、环境适应性调整子模块、模型验证子模块；
16、所述参数调整子模块基于基础预估模型，采用迁移学习算法，对模型的网络参数进行分析，根据差异化蛋鸡种类的体型和体质特征，对网络层权重和激活函数进行调整，生成参数调整模型；
17、所述环境适应性调整子模块基于参数调整模型，采用梯度提升机，分析差异养殖环境的影响因素，根据环境因素调整模型参数，验证模型在多种养殖环境下的可行性，生成环境适应性模型；
18、所述模型验证子模块基于环境适应性模型，采用交叉验证，分析模型在数据上的表现，根据测试结果，对模型的层结构、参数进行调整和优化，生成微调后的预估模型。
19、作为本专利技术的进一步方案，所述物理建模估算模块包括体积计算子模块、形状分析子模块、物理模型应用子模块；
20、所述体积计算子模块基于微调后的预估模型，采用三维重建技术，对蛋鸡的图像进行分析，重建蛋鸡三维模型，通过计算模型的几何体积，对蛋鸡体积进行估算，生成蛋鸡体积数据；
21、所述形状分析子模块基于蛋鸡体积数据，使用形状识别算法，对三维模型进行边缘检测和轮廓分析，测量蛋鸡长度、宽度和高度的形状参数，生成蛋鸡形状参数；
22、所述物理模型应用子模块基于蛋鸡形状参数，应用密度估算法，结合蛋鸡体积和已知密度参数，计算蛋鸡的预估体重，生成物理特性估算结果。
23、作为本专利技术的进一步方案，所述时间差分分析模块包括时间序列分析子模块、lstm建模子模块、变化预测子模块；
24、所述时间序列分析子模块基于物理特性估算结果，采用时间序列分析技术，处理蛋鸡体重随时间变化的历史数据，构建用于分析的时间序列模型，生成时间序列数据；
25、所述lstm建模子模块基于时间序列数据，采用长短期记忆网络，对时间序列进行学习，捕捉蛋鸡体重随时间的变化趋势，生成lstm预测模型；
26、所述变化预测子模块基于lstm预测模型，利用趋势分析算法，对蛋鸡体重的未来变化进行预测分析，并根据差异化时间尺度上的体重变化，生成体重变化分析记录。
27、作为本专利技术的进一步方案，所述三维重建分析模块包括多视角采集子模块、图像融合子模块、三维建模子模块；
28、所述多视角采集子模块基于体重变化分析记录，采用多视角立体摄影技术，捕捉蛋鸡图像，从多个角度和差异化焦距获取图像数据，生成多视角图像集；
29、所述图像融合子模块基于多视角图像集，利本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的蛋鸡体重预估系统，其特征在于：所述系统包括模型训练模块、模型微调模块、物理建模估算模块、时间差分分析模块、三维重建分析模块、光场图像处理模块、优化反馈调整模块；
2.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述基础预估模型包括蛋鸡体型数据集、初步体重估算公式，所述微调后的预估模型包括匹配差异蛋鸡种类的调整参数、优化的图像识别能力、调整的体重预测公式，所述物理特性估算结果包括蛋鸡体积计算数据、形状识别参数、体重估算值，所述体重变化分析记录包括时间序列数据、体重趋势预测模型、历史与预测体重对比分析，所述三维体型分析结果包括三维建模数据、蛋鸡体型的空间坐标、三维结构分析记录，所述三维光场特征数据包括空间深度信息、光场图像特征点、三维形状特征分析。
3.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述模型训练模块包括网络结构设计子模块、训练数据准备子模块、第一特征提取子模块；
4.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述模型微调模块包括参数调整子模块、环境适应
5.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述物理建模估算模块包括体积计算子模块、形状分析子模块、物理模型应用子模块；
6.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述时间差分分析模块包括时间序列分析子模块、LSTM建模子模块、变化预测子模块；
7.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述三维重建分析模块包括多视角采集子模块、图像融合子模块、三维建模子模块；
8.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述光场图像处理模块包括光场数据采集子模块、深度分析子模块、第二特征提取子模块；
9.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述优化反馈调整模块包括数据反馈子模块、模型调整子模块、性能评估子模块；
10.一种基于机器视觉的蛋鸡体重预估方法，其特征在于，根据权利要求1-9任一项所述的基于机器视觉的蛋鸡体重预估系统执行，包括以下步骤：
...【技术特征摘要】
1.一种基于机器视觉的蛋鸡体重预估系统，其特征在于：所述系统包括模型训练模块、模型微调模块、物理建模估算模块、时间差分分析模块、三维重建分析模块、光场图像处理模块、优化反馈调整模块；
2.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述基础预估模型包括蛋鸡体型数据集、初步体重估算公式，所述微调后的预估模型包括匹配差异蛋鸡种类的调整参数、优化的图像识别能力、调整的体重预测公式，所述物理特性估算结果包括蛋鸡体积计算数据、形状识别参数、体重估算值，所述体重变化分析记录包括时间序列数据、体重趋势预测模型、历史与预测体重对比分析，所述三维体型分析结果包括三维建模数据、蛋鸡体型的空间坐标、三维结构分析记录，所述三维光场特征数据包括空间深度信息、光场图像特征点、三维形状特征分析。
3.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述模型训练模块包括网络结构设计子模块、训练数据准备子模块、第一特征提取子模块；
4.根据权利要求1所述的基于机器视觉的蛋鸡体重预估系统，其特征在于：所述模型微调模块包括参数调整子模...
【专利技术属性】
技术研发人员：李可强，王玉清，于剑楠，李祥龙，
申请(专利权)人：河北科技师范学院，
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。