一种家蚕生命状态智能识别方法和识别系统技术方案

本发明专利技术公开一种家蚕生命状态智能识别方法和识别系统，所述方法包括：获取家蚕的生长视频，所述家蚕处于真实养殖环境和密集养殖条件下；从生长视频中获取每只家蚕在预设时间段内的活动轨迹；根据活动轨迹确定每只家蚕的行为数据，所述行为数据包括家蚕在该预设时间段内的相对爬行距离、头部晃动频率、身体晃动频率以及身体活跃程度；将每只家蚕的行为数据分配到行为向量中与预先获得的健康家蚕标准值进行对比，从而识别出家蚕的生命状态。本发明专利技术主要根据家蚕患病后或发育不良时表现出异常行为特征，例如：狂躁爬行、拒食桑叶和不及时休眠等，使用深度学习获取并量化家蚕行为，而后通过与标准值对照，智能识别出家蚕的生命状态。态。态。

【技术实现步骤摘要】
一种家蚕生命状态智能识别方法和识别系统


[0001]本专利技术属于行为识别
，具体来说，涉及一种家蚕生命状态智能识别方法和识别系统。

技术介绍

[0002]家蚕属于一种密集养殖的昆虫，十分容易遭受病原侵袭，家蚕病害通常具有较强的传染性，且家蚕生命周期短，病蚕很难使用药物治愈，通常会直接饲养或不结茧，每年造成大量的蚕茧损失。同时，由于饲养方法不当容易导致家蚕发育不良，造成病害滋生，影响蚕茧质量。
[0003]现有部分文献使用深度学习开展家蚕病害识别的方法主要基于家蚕患病后的形态特征开展，需要在人工识别的基础上开展数据标注，无法实现病害的早期识别，也无法在密集养殖条件下奏效。

技术实现思路

[0004]针对现有家蚕养殖过程中无法有效识别家蚕病害的问题，本专利技术依据家蚕染病或其他异常状态下会表现出异常的行为特征，从而提取出相应的行为数据，并通过分析行为数据从而对家蚕生命状态进行识别的一种的家蚕生命状态智能识别方法和识别系统。
[0005]为实现上述技术目的，本专利技术采用的技术方案如下：
[0006]第一方面，本申请提供了一种家蚕生命状态智能识别方法，包括：
[0007]获取家蚕的生长视频，所述家蚕处于真实养殖环境和密集养殖条件下；
[0008]从生长视频中获取每只家蚕在预设时间段内的活动轨迹；
[0009]根据活动轨迹确定每只家蚕的行为数据，所述行为数据包括家蚕在该预设时间段内的相对爬行距离、头部晃动频率、身体晃动频率以及身体活跃程度；
[0010]将每只家蚕的行为数据分配到行为向量中与预先获得的健康家蚕标准值进行对比，从而识别出家蚕的生命状态。
[0011]优选地，所述从生长视频中获取每只家蚕在预设时间段内的活动轨迹，具体包括：
[0012]将生长视频按照时间序列转换成帧图像并对其进行预处理；
[0013]从第一帧图像开始，按照时间序列对每一只家蚕进行关键点检测，从而获取每只家蚕的关键点坐标，所述关键点包括家蚕的头部、尾部以及背部三个斑纹共五个关键点；
[0014]根据时间序列获得的每只家蚕的关键点坐标，从而获得每只家蚕每个关键点的活动轨迹。
[0015]优选地，所述从第一帧图像开始，按照时间序列对每一只家蚕进行关键点检测，从而获取每只家蚕的关键点坐标，具体包括：
[0016]从第一帧图像对每只家蚕进行编号；
[0017]在每一帧图像中对已编号的家蚕进行特征提取获得关键点坐标。
[0018]优选地，所述在每一帧图像中对已编号的家蚕进行特征提取获得关键点坐标，具
体包括：
[0019]使用卷积神经网络对家蚕每一帧图像进行特征运算获得每个像素点属于每只家蚕的每个关键点概率；
[0020]选取概率值最大的像素点作为家蚕的关键点坐标。
[0021]优选地，所述在每一帧图像中对已编号的家蚕进行特征提取获得关键点坐标，具体包括：通过序列模型对家蚕每一帧图像进行特征提取，从而获得每一类关键点的关键点坐标。
[0022]优选地，所述根据时间序列获得的每只家蚕的关键点坐标，从而获得每只家蚕每个关键点的活动轨迹，具体包括：
[0023]在第一帧图像上对单只家蚕的每个关键点相连成线条；
[0024]在下一帧图像上选择相邻最近的家蚕，并将其每个关键点与前一帧的每个关键点进行相互匹配，直至最后一帧图像；
[0025]将每只家蚕从第一帧到最后一帧的关键点坐标依次连线，获得家蚕每个关键点的活动轨迹。
[0026]优选地，根据活动轨迹确定每只家蚕的行为数据具体包括：
[0027]根据家蚕头部和尾部共两个关键点的行为向量获取家蚕在预设时间段内的相对爬行距离；
[0028]根据家蚕头部和背部两个斑纹共三个关键点的行为向量获取家蚕在预设时间段内的头部晃动频率；
[0029]根据家蚕头部、尾部和背部其中一个斑纹共三个关键点的行为向量获取家蚕在预设时间段内的身体晃动频率；以及
[0030]根据家蚕头部、尾部、背部以及两个斑纹关键点的行为向量获取家蚕在预设时间段内的身体活跃程度。
[0031]优选地，所述预先获得的健康家蚕行为数据包括：健康家蚕在预设周期内每个日龄的行为数据。
[0032]第二方面，本申请还提供了一种家蚕生命状态智能识别系统，包括：
[0033]图像采集模块，用于获取家蚕的生长视频，所述家蚕处于真实养殖环境和密集养殖条件下；
[0034]活动轨迹获取模块，用于从生长视频中获取每只家蚕在预设时间段内的活动轨迹；
[0035]行为数据获取模块，其根据活动轨迹确定每只家蚕的行为数据，所述行为数据包括家蚕在该预设时间段内的相对爬行距离、头部晃动频率、身体晃动频率以及身体活跃程度；
[0036]识别模块，其将每只家蚕的行为数据分配到行为向量中与预先获得的健康家蚕标准值进行对比，从而识别出家蚕的生命状态。
[0037]第三方面，本申请还提供了一种家蚕生命状态智能识别系统，包括摄像装置、处理器和存储器，所述处理器分别与摄像装置和存储器相互连接，其中，所述摄像装置用于采集家蚕的生长视频，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1至8中任一项所述的方法。
[0038]本专利技术相比现有技术，具有如下有益效果：
[0039]根据家蚕患病或异常状态时，会表现出不同的行为特征，通过深度学习量化家蚕行为的方式开展生命状态智能识别，无需人工开展数据标注，识别更加客观准确，且能够实现病害的早期识别。
附图说明
[0040]图1为本专利技术实施例一种家蚕生命状态智能识别方法流程图；
[0041]图2为从生长视频中获取每只家蚕在预设时间段内的活动轨迹的流程图；
[0042]图3为家蚕的关键点坐标获取方法流程图；
[0043]图4为根据关键点坐标获得每只家蚕每个关键点的活动轨迹流程图；
[0044]图5为一种家蚕生命状态智能识别系统的实施例结构示意图；
[0045]图6为一种家蚕生命状态智能识别系统的另一种实施例结构示意图。
具体实施方式
[0046]为了便于本领域技术人员的理解，下面结合实施例与附图对本专利技术作进一步的说明，实施方式提及的内容并非对本专利技术的限定。
[0047]本申请实施例提供一种家蚕生命状态智能识别方法，用于真实养殖环境下家蚕生命状态识别，包括染病和发育不良。识别原理是根据家蚕患病或发育不良时，会表现出异常的行为特征，例如：狂躁爬行，拒食桑叶和不及时就眠等，并根据实际养殖环境下，家蚕不会始终被桑叶遮挡，也不会始终相互重叠的现象，利用相应算法获取家蚕量化的行为特征，再通过与预先建立的标准值进行对比，标准值是预先获取的健康家蚕行为数据，根据对比结果识别家蚕的生命状态。
[0048]如图1所示，所述家蚕生命状态智能识别方法具体包括如下步骤：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种家蚕生命状态智能识别方法，其特征在于，包括：获取家蚕的生长视频，所述家蚕处于真实养殖环境和密集养殖条件下；从生长视频中获取每只家蚕在预设时间段内的活动轨迹；根据活动轨迹确定每只家蚕的行为数据，所述行为数据包括家蚕在该预设时间段内的相对爬行距离、头部晃动频率、身体晃动频率以及身体活跃程度；将每只家蚕的行为数据分配到行为向量中与预先获得的健康家蚕标准值进行对比，从而识别出家蚕的生命状态。2.根据权利要求1所述的一种家蚕生命状态智能识别方法，其特征在于，所述从生长视频中获取每只家蚕在预设时间段内的活动轨迹，具体包括：将生长视频按照时间序列转换成帧图像并对其进行预处理；从第一帧图像开始，按照时间序列对每一只家蚕进行关键点检测，从而获取每只家蚕的关键点坐标，所述关键点包括家蚕的头部、尾部以及背部三个斑纹共五个关键点；根据时间序列获得的每只家蚕的关键点坐标，从而获得每只家蚕每个关键点的活动轨迹。3.根据权利要求2所述的一种家蚕生命状态智能识别方法，其特征在于，所述从第一帧图像开始，按照时间序列对每一只家蚕进行关键点检测，从而获取每只家蚕的关键点坐标，具体包括：从第一帧图像对每只家蚕进行编号；在每一帧图像中对已编号的家蚕进行特征提取获得关键点坐标。4.根据权利要求3所述的一种家蚕生命状态智能识别方法，其特征在于，所述在每一帧图像中对已编号的家蚕进行特征提取获得关键点坐标，具体包括：使用卷积神经网络对家蚕每一帧图像进行特征运算获得每个像素点属于每只家蚕的每个关键点概率；选取概率值最大的像素点作为家蚕的关键点坐标。5.根据权利要求3所述的一种家蚕生命状态智能识别方法，其特征在于，所述在每一帧图像中对已编号的家蚕进行特征提取获得关键点坐标，具体包括：通过序列模型对家蚕每一帧图像进行特征提取，从而获得每一类关键点的关键点坐标。6.根据权利要求2或3所述的一种家蚕生命状态智能识别方法，其特征在于，所述根据时间序列获得的每只家蚕的关键点坐标，从而获得每只...

【专利技术属性】
技术研发人员：石洪康，李林波，祝诗平，陈肖，胡光荣，张剑飞，
申请(专利权)人：西南大学，
类型：发明
国别省市：