买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种低产蛋鸡高光谱检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119832602B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510316364.9，技术领域涉及：G06V40/10；该发明授权一种低产蛋鸡高光谱检测方法及系统是由泮进明;邸梦醉;林宏建;何书朋;蒋云霄;王政;张金辉;陈斌锋设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本一种低产蛋鸡高光谱检测方法及系统在说明书摘要公布了：本发明公开了一种低产蛋鸡高光谱检测方法及系统。系统的数据采集处理单元采集养鸡场的每个鸡笼中的蛋鸡的高光谱图像并进行图像处理；图像检测单元中安装有目标检测分割模型、超像素分割算法和超像素块识别模型，对处理后的图像根据超像素块阈值进行检测；结果显示单元将获得的蛋鸡的类别检测结果进行显示。本发明可以通过蛋鸡的鸡冠部位被识别为低产与高产超像素块的类别比例，设定比例阈值对低产蛋鸡进行识别分类，能够通过自动化的低产蛋鸡数据采集平台和深度学习模型，实现对低产蛋鸡个体的精准识别。

本发明授权一种低产蛋鸡高光谱检测方法及系统在权利要求书中公布了：1.一种低产蛋鸡高光谱检测方法，其特征在于，包括：S1：搭建低产蛋鸡数据采集平台，通过低产蛋鸡数据采集平台采集养鸡场的每个鸡笼中的蛋鸡的高光谱图像，基于高光谱图像生成静态图像，将各张静态图像进行预处理后构建为第一训练集；S2：将目标检测分割模型安装在低产蛋鸡数据采集平台中，将第一训练集输入目标检测分割模型中进行训练，获得训练完成的目标检测分割模型以及掩码；S3：在低产蛋鸡数据采集平台中构建包含改进的残差模块组的超像素块识别模型，将第一训练集根据掩码进行处理后构建为第二训练集，将第二训练集进行超像素分割算法处理后输入超像素块识别模型中进行训练，获得训练完成的超像素块识别模型；S4：通过低产蛋鸡数据采集平台获取待检测的各个蛋鸡的高光谱图像并进行步骤S1中相同的处理后获得待检测的静态图像，然后依次通过训练完成的目标检测分割模型、超像素分割算法和训练完成的超像素块识别模型进行处理，最终进行超像素块阈值检测后获得各个蛋鸡的类别检测结果并在显示器上进行显示，实现低产蛋鸡的检测；所述的步骤S3中，超像素块识别模型由依次连接的初始卷积模块、改进的残差模块组、多头注意力3D模块和全局平均池化模块构成；所述的步骤S3中，改进的残差模块组包括若干依次连接的三维改进残差块，三维改进残差块包括依次连接的主干网络和注意力模块CBAM3D，主干网络包括依次连接的第二三维卷积层、第一批归一化层、第一激活函数ReLU、第一随机失活操作、第三三维卷积层、第二批归一化层和第二随机失活操作；所述的步骤S4中，待检测的静态图像首先通过训练完成的目标检测分割模型进行处理后分割出鸡冠部位，然后通过超像素分割算法SLIC对鸡冠部位的各个像素块进行分割，然后通过训练完成的超像素块识别模型进行处理，识别出鸡冠部位内每个像素块的类别，从而获取识别为低产类别和正常类别的像素块的数量，再进行超像素块阈值检测，获得识别为低产类别的像素块占总像素块的数量比例，当数量比例高于预设比例阈值时，则当前鸡冠所属的蛋鸡为正常蛋鸡，否则为低产蛋鸡。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。