本发明专利技术提供了一种基于生物资产阴影区盘点计数的图像识别方法及系统，包括如下步骤：图像分割学习步骤：采集养殖场景的待分析图像，并对待分析图像进行分割学习，确定待分析图像的上下文；图像训练学习步骤：从确定上下文的待分析图像中进行图像训练学习，并判断是否有阴影，若无阴影则得到第一结果；边缘装置补充训练步骤：在图像训练学习步骤中若判断有阴影，则进行补光拍照，得到补充拍照后的待分析图片，进行图像分割学习和训练学习，得到第二结果。本发明专利技术通过采用图像AI识别算法，就阴影等场景产生的计数干扰，基于图像分割的卷积网络神经学习和边缘侧终端辅助，解决大型生物资产在复杂场景(阴影)等计数盘点的偏差问题。资产在复杂场景(阴影)等计数盘点的偏差问题。资产在复杂场景(阴影)等计数盘点的偏差问题。
【技术实现步骤摘要】
基于生物资产阴影区盘点计数的图像识别方法及系统
[0001]本专利技术涉及人工智能
，具体地，涉及一种基于生物资产阴影区盘点计数的图像识别方法及系统，尤其是，优选的涉及一种基于生物资产阴影区盘点计数的图像识别方法和边缘侧装置流程。
技术介绍
[0002]随着对农业金融发展的促进和扶持，物流、冷链、金融等领域对于农业和畜牧业的支持力度也在加大。经济价值比较高的生物比如牛、羊、马等除了消费属性外也会带上金融属性，如何通过技术手段高效可信地把生物资产数字化，成了农业金融发展的一个问题。养殖产业一直以来都面临着“活体资产”价值认定难、抵押难、监管难所带来的融资难问题，这在很大程度上制约了养殖户，养殖企业的规模化发展。
[0003]公开号为CN112330107A的中国专利技术专利文献公开了一种基于区块链的养殖业生物资产管理系统及方法。系统包括：区块链平台、采购模块、养殖模块、运输模块、屠宰模块、销售模块、保险模块、融资模块；方法包括：采购养殖对象以及原料，将原料信息保存在区块链平台上；对养殖对象进行养殖，将养殖数据以及出栏数据保存在区块链平台上；将养殖对象进行运输，并将车辆信息、运输信息保存在区块链平台上；将养殖对象经过检疫登记后进行屠宰，并将检疫数据、屠宰数据保存在区块链平台上；将养殖对象进行销售，通过包装上的标签，查询全周期信息；为养殖户提供保险业务；为养殖户、屠宰企业、销售公司提供融资业务。
[0004]针对上述中的相关技术，专利技术人认为阴影等场景会产生计数干扰，在大型生物资产在复杂场景(阴影)等计数盘点会产生偏差。
技术实现思路
[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种基于生物资产阴影区盘点计数的图像识别方法及系统。
[0006]根据本专利技术提供的一种基于生物资产阴影区盘点计数的图像识别方法，包括如下步骤：
[0007]图像分割学习步骤：采集养殖场景的待分析图像，并对待分析图像进行分割学习，确定待分析图像的上下文；
[0008]图像训练学习步骤：从确定上下文的待分析图像中进行图像训练学习，并判断是否有阴影，若无阴影则得到第一结果；
[0009]边缘装置补充训练步骤：在图像训练学习步骤中若判断有阴影，则进行补光拍照，得到补充拍照后的待分析图片，进行图像分割学习和训练学习，得到第二结果。
[0010]优选的，所述图像分割学习步骤包括如下步骤：
[0011]步骤S1：在畜牧规模化养殖部署面向养殖场景的摄像头；
[0012]步骤S2：通过摄像头采集待分析图片，将待分析图片传输给处理服务器；
[0013]步骤S3：处理服务器将待分析图片进行使用多任务卷积神经网络进行图像分割，将分割后图像的色斑作为输入，输入给卷积神经网络，卷积神经网络对像素进行标记；
[0014]步骤S4：像素标记后的图片划分成a*b个矩形块，提取n个边角矩形块中的所有像素点的RGB值，统计得到n个边角矩形块中的所有像素点的RGB值中相同RGB值的像素点的数量，将预定数量对应的RGB值确定为阈值，其中a表示长边，b表示宽边；
[0015]步骤S5：计算剩余a*b
‑
n个矩形块的RGB均值，将RGB均值中大于等于阈值的进行保留，得到C个均值对应的C个矩形块，将C个矩形块的像素点的RGB值形成输入数据，传给卷积层对每个像素进行分类，确定待分析图像的上下文。
[0016]优选的，所述图像训练学习步骤包括如下步骤：
[0017]步骤S6：每个像素数据由二维转成一维，对转成一维的通道求出协方差矩阵，求出协方差矩阵的特征向量p和特征值λ，按照公式进行转换，完成颜色随机抖动判断；
[0018]步骤S7：色域调整，颜色判断后生成阴影判断模型；
[0019]步骤S8：若阴影判断模型判断没有阴影，滑窗判断是否有生物，网络从原图片随机截取边框，进行正负样本学习，进入输出网络，得到第一结果。
[0020]优选的，所述边缘装置补充训练步骤包括如下步骤：
[0021]步骤S9：提供边缘装置；
[0022]步骤S10：通过边缘装置中的处理器进行语义分析，对于步骤S7若阴影判断模型判断有阴影后通过补光灯进行补光拍照，继续步骤S2～步骤S6，滑窗判断是否有生物，网络从补光后的图片随机截取边框，进行正负样本学习，进入输出网络，得到第二结果。
[0023]5、根据权利要求4所述的基于生物资产阴影区盘点计数的图像识别方法，其特征在于，所述边缘装置补充训练步骤还包括如下步骤：
[0024]步骤S11：对第一结果和第二结果进行比对，进行卷积网络学习，后续采用T时刻内求平均值；
[0025]步骤S12：根据平均值确定a*b内的生物数量求和。
[0026]根据本专利技术提供的一种基于生物资产阴影区盘点计数的图像识别系统，包括如下模块：
[0027]图像分割学习模块：采集养殖场景的待分析图像，并对待分析图像进行分割学习，确定待分析图像的上下文；
[0028]图像训练学习模块：从确定上下文的待分析图像中进行图像训练学习，并判断是否有阴影，若无阴影则得到第一结果；
[0029]边缘装置补充训练模块：在图像训练学习模块中若判断有阴影，则进行补光拍照，得到补充拍照后的待分析图片，进行图像分割学习和训练学习，得到第二结果。
[0030]优选的，所述图像分割学习模块包括如下模块：
[0031]模块M1：在畜牧规模化养殖部署面向养殖场景的摄像头；
[0032]模块M2：通过摄像头采集待分析图片，将待分析图片传输给处理服务器；
[0033]模块M3：处理服务器将待分析图片进行使用多任务卷积神经网络进行图像分割，将分割后图像的色斑作为输入，输入给卷积神经网络，卷积神经网络对像素进行标记；
[0034]模块M4：像素标记后的图片划分成a*b个矩形块，提取n个边角矩形块中的所有像素点的RGB值，统计得到n个边角矩形块中的所有像素点的RGB值中相同RGB值的像素点的数
量，将预定数量对应的RGB值确定为阈值，其中a表示长边，b表示宽边；
[0035]模块M5：计算剩余a*b
‑
n个矩形块的RGB均值，将RGB均值中大于等于阈值的进行保留，得到C个均值对应的C个矩形块，将C个矩形块的像素点的RGB值形成输入数据，传给卷积层对每个像素进行分类，确定待分析图像的上下文。
[0036]优选的，所述图像训练学习模块包括如下模块：
[0037]模块M6：每个像素数据由二维转成一维，对转成一维的通道求出协方差矩阵，求出协方差矩阵的特征向量p和特征值λ，按照公式进行转换，完成颜色随机抖动判断；
[0038]模块M7：色域调整，颜色判断后生成阴影判断模型；
[0039]模块M8：若阴影判断模型判断没有阴影，滑窗判断是否有生物，网络从原图片随机截取边框，进行正负样本学习，进入输出网络，得到第一结果。
[0040]优选的，所述边缘本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于生物资产阴影区盘点计数的图像识别方法，其特征在于，包括如下步骤：图像分割学习步骤：采集养殖场景的待分析图像，并对待分析图像进行分割学习，确定待分析图像的上下文；图像训练学习步骤：从确定上下文的待分析图像中进行图像训练学习，并判断是否有阴影，若无阴影则得到第一结果；边缘装置补充训练步骤：在图像训练学习步骤中若判断有阴影，则进行补光拍照，得到补充拍照后的待分析图片，进行图像分割学习和训练学习，得到第二结果。2.根据权利要求1所述的基于生物资产阴影区盘点计数的图像识别方法，其特征在于，所述图像分割学习步骤包括如下步骤：步骤S1：在畜牧规模化养殖部署面向养殖场景的摄像头；步骤S2：通过摄像头采集待分析图片，将待分析图片传输给处理服务器；步骤S3：处理服务器将待分析图片进行使用多任务卷积神经网络进行图像分割，将分割后图像的色斑作为输入，输入给卷积神经网络，卷积神经网络对像素进行标记；步骤S4：像素标记后的图片划分成a*b个矩形块，提取n个边角矩形块中的所有像素点的RGB值，统计得到n个边角矩形块中的所有像素点的RGB值中相同RGB值的像素点的数量，将预定数量对应的RGB值确定为阈值，其中a表示长边，b表示宽边；步骤S5：计算剩余a*b
‑
n个矩形块的RGB均值，将RGB均值中大于等于阈值的进行保留，得到C个均值对应的C个矩形块，将C个矩形块的像素点的RGB值形成输入数据，传给卷积层对每个像素进行分类，确定待分析图像的上下文。3.根据权利要求2所述的基于生物资产阴影区盘点计数的图像识别方法，其特征在于，所述图像训练学习步骤包括如下步骤：步骤S6：每个像素数据由二维转成一维，对转成一维的通道求出协方差矩阵，求出协方差矩阵的特征向量p和特征值λ，按照公式进行转换，完成颜色随机抖动判断；步骤S7：色域调整，颜色判断后生成阴影判断模型；步骤S8：若阴影判断模型判断没有阴影，滑窗判断是否有生物，网络从原图片随机截取边框，进行正负样本学习，进入输出网络，得到第一结果。4.根据权利要求3所述的基于生物资产阴影区盘点计数的图像识别方法，其特征在于，所述边缘装置补充训练步骤包括如下步骤：步骤S9：提供边缘装置；步骤S10：通过边缘装置中的处理器进行语义分析，对于步骤S7若阴影判断模型判断有阴影后通过补光灯进行补光拍照，继续步骤S2～步骤S6，滑窗判断是否有生物，网络从补光后的图片随机截取边框，进行正负样本学习，进入输出网络，得到第二结果。5.根据权利要求4所述的基于生物资产阴影区盘点计数的图像识别方法，其特征在于，所述边缘装置补充训练步骤还包括如下步骤：步骤S11：对第一结果和第二结果进行比对，进行卷积网络学习，后续采用T时刻内求平均值；步骤S12：根据平均值确定a*b内的生物数量求和。6.一种基于生...
【专利技术属性】
技术研发人员：钱超，李烨星，郭濮瑞，
申请(专利权)人：上海万向区块链股份公司，
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。