申请/专利权人：扬州大学

申请日：2020-02-23

公开（公告）日：2021-11-19

公开（公告）号：CN111238614B

主分类号：G01G17/08(20060101)

分类号：G01G17/08(20060101);G01G3/14(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.11.19#授权;2020.06.30#实质审查的生效;2020.06.05#公开

摘要：一种鹅的智能连续无应激称重系统和方法，通过采集种鹅通过通道门时在阵列式压阻薄膜传感器上的数据，进行数据处理拟合，得到种鹅的体重，避免了人工称重时对种鹅造成的应激反应，与其他智能称重相比，减少了称重时间，提高了称重的效率和准确性。采用智能网络模型识别鹅行走步态识别，通过种鹅的腿部进行运动目标检测，图像处理，生成步态周期图。引入残差网络思想，加快了网络的收敛速度，提高了个体的识别率。鹅体质量数据的动态连续无应激采集模块采用阵列式压阻薄膜传感器，可以实现种鹅行走过程中读取重量，避免发生应激反应，利用模拟开关芯片，对模拟信号选择性输出，切换速度快，提高了数据读取的效率和准确性。

主权项：1.一种鹅的智能连续无应激称重方法，其特征是，包括鹅的智能连续无应激称重系统，该系统包括自动称重装置以及智能动态无应激称重模块，所述自动称重装置包括由底部的底座、顶部的挡板以及左右两支架构成的通道门，以供鹅行走通过，所述底座设有阵列式压阻薄膜传感器、鹅体质量数据的动态连续无应激采集模块；所述智能动态无应激称重模块利用鹅体质量数据的动态连续无应激采集模块采集鹅通过通道门时在阵列式压阻薄膜传感器上的数据，通过阵列式压阻薄膜传感器进行称重，解算数据实现智能化称重；该智能连续无应激称重系统还设有基于机器视觉的鹅行走步态特征识别模块；其中，智能动态无应激称重模块的称重方法，包括如下步骤：第一步：种鹅在阵列式压阻薄膜传感器上行走，实现对压力数据的采集、存储和传递；第二步：利用曲线拟合法，对阵列式压阻薄膜传感器采集到的数据进行非线性自动校正；第三步：利用曲线拟合法，改善温度特性，对阵列式压阻薄膜传感器进行温度补偿，减少温度对传感器精度的影响；第四步：对采集到的数据进行数据处理，得到种鹅的压力数据；第五步：将种鹅行走过程中采集的压力值在进行拟合求解得到种鹅的体重；其中，基于机器视觉的鹅行走步态特征识别模块的识别方法基于两个过程，分别为识别方法模型的训练过程和测试过程，训练过程是对种鹅腿部行为特征进行图像处理，并搭建网络模型，构建腿部识别模型；测试过程主要是对训练过程得到的网络模型进行腿部个体识别；所述基于机器视觉的鹅行走步态特征识别模块的识别方法，其中，训练过程的具体步骤：第一步：采集种鹅行走的步态视频，利用背景减除进行目标运动检测，得到种鹅行走过程中的腿部轮廓图像；利用腐蚀、膨胀和开闭运算形态学处理，进行降噪和消除小空洞；第二步：从腿部轮廓图中获得种鹅腿部轮廓最小外接矩形框，并根据矩形框提取种鹅步态轮廓图；将种鹅步态轮廓图进行缩放并保证宽高比不变，计算出步态轮廓图的质心坐标；创建64×64的模板并计算质心，将缩放的轮廓图的质心与模板的质心对齐生成归一化图像Itx,y；第三步：选取种鹅步态数据集中的一个样本的步态轮廓图像序列，获得每帧图的最小外接矩形框，并计算宽高比，绘制步态周期曲线，种鹅行走两步视为一个周期，选取步态周期曲线三个极大值之间的帧数差作为步态周期；对归一化图像序列求平均值，得出步态能量图；第四步：将训练样本输入模型中进行训练模型，经过若干次迭代后模型收敛；第五步：将特征学习网络预测值和期望值进行对比，计算误差，并据此误差利用反向传播算法优化所述特征学习网络的网络参数；其中，测试过程具体步骤：第一步：采集种鹅行走的步态视频，通过背景减除进行目标运动检测，得到种鹅行走过程中的腿部轮廓图像；利用腐蚀、膨胀和开闭运算处理，进行降噪和消除小空洞；第二步：从腿部轮廓图中获得种鹅腿部轮廓最小外接矩形框，并根据矩形框提取种鹅步态轮廓图；将种鹅步态轮廓图进行缩放并保证宽高比不变，计算出步态轮廓图的质心坐标；创建64×64的模板并计算质心，将缩放的轮廓图的质心与模板的质心对齐生成归一化图像Itx,y；第三步：选取种鹅步态数据集中的一个样本的步态轮廓图像序列，获得每帧图的最小外接矩形框，并计算宽高比，绘制步态周期曲线，种鹅行走两步视为一个周期，选取步态周期曲线三个极大值之间的帧数差作为步态周期；对归一化图像序列求平均值，得出步态能量图；第四步：读取训练网络模型过程中保存的网络模型，然后把获取的测试样本输入到网络模型进行测试，最后得到测试样本的识别率。

全文数据：

权利要求：

百度查询： 扬州大学 一种鹅的智能连续无应激称重系统和方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD