鸡群计数方法、装置、系统、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种鸡群计数方法、装置、系统、计算机设备及存储介质，所述方法包括：获取鸡群图像数据集；对所述鸡群图像数据集进行第一预处理以得到多张鸡群真实分布密度图；构建Transformer网络模型，所述Transformer网络模型包括带有通道注意力机制的池化数据预处理层，所述池化数据预处理层，用于对输入数据进行第二预处理以降低数据规模和加强数据中不同通道的注意力；根据多张所述鸡群真实分布密度图训练所述Transformer网络模型以得到鸡群计数网络模型；根据所述鸡群计数网络模型对待计数的鸡群图像进行识别，进而完成计数。本发明专利技术实施例旨在有效解决现有鸡群计数方式精度较低、人工耗费大等问题，可以提高对鸡群图像的计数精度及节省人力资源。的计数精度及节省人力资源。的计数精度及节省人力资源。

【技术实现步骤摘要】
鸡群计数方法、装置、系统、计算机设备及存储介质


[0001]本专利技术涉及一种鸡群计数方法、装置、系统、计算机设备及存储介质，属于禽类自动计数领域。

技术介绍

[0002]目前，通常采用人工计数方法统计鸡只数量，而人工计数方法需要技术人员通过肉眼进行实地计数，虽可以确保计数的准确性，但非常繁琐、昂贵和耗时；还有采用基于深度学习的鸡群计数方法统计鸡只数量，而现有的基于深度学习的鸡群计数方法虽可以在一定程度上解决上述问题，但还存在着一定不足，如应对光线变化和鸡群拥挤的场景的能力不足导致计数精度的下降。

技术实现思路

[0003]现有计数网络模型的特征提取能力较差，导致其计数结果与实际鸡群数量相差甚远，有鉴于此，本专利技术提供了一种鸡群计数方法、装置、系统、计算机设备及存储介质，其通过构建包括池化数据预处理层、金字塔型Transformer结构和多列扩展卷积回归头在内的Transformer网络模型，充分提取鸡群图像数据特征信息，使网络模型可以自动提取并学习图像特征，从而提高鸡群图像计数精度。
[0004]本专利技术的第一个目的在于提供一种鸡群计数方法。
[0005]本专利技术的第二个目的在于提供一种鸡群计数装置。
[0006]本专利技术的第三个目的在于提供一种鸡群计数系统
[0007]本专利技术的第四个目的在于提供一种计算机设备。
[0008]本专利技术的第五个目的在于提供一种存储介质。
[0009]本专利技术的第一个目的可以通过采取如下技术方案达到：/>[0010]一种鸡群计数方法，所述方法包括：
[0011]获取鸡群图像数据集；
[0012]对所述鸡群图像数据集进行第一预处理以得到多张鸡群真实分布密度图；
[0013]构建Transformer网络模型，所述Transformer网络模型包括带有通道注意力机制的池化数据预处理层，所述池化数据预处理层，用于对输入数据进行第二预处理以降低数据规模和加强数据中不同通道的注意力；
[0014]根据多张所述鸡群真实分布密度图训练所述Transformer网络模型以得到鸡群计数网络模型；
[0015]根据所述鸡群计数网络模型对待计数的鸡群图像进行识别，进而完成计数。
[0016]优选地，所述对所述鸡群图像数据集进行第一预处理以得到多张鸡群真实分布密度图，包括：
[0017]根据数据增强策略对所述鸡群图像数据集进行扩充和干扰；
[0018]根据点标注手段对每张图像中的鸡只进行标记；
[0019]根据高斯卷积核对点标注后的每张图像进行计算以得到多张鸡群真实分布密度图。
[0020]优选地，所述对输入数据进行第二预处理之前，包括：
[0021]对鸡群真实分布密度图进行分割，投影为固定长度的向量，得到输入张量；
[0022]所述对输入数据进行第二预处理，包括：
[0023]将所述输入张量重塑为三维数据；
[0024]根据深度卷积操作缩小三维数据的宽度和高度及增加三维数据的通道数；
[0025]对不同通道给予不同的权重注意并重塑回二维数据。
[0026]优选地，所述Transformer网络模型还包括金字塔型Transformer结构和多列扩展卷积回归头；
[0027]所述池化数据预处理层、金字塔型Transformer结构和多列扩展卷积回归头依次连接。
[0028]优选地，所述金字塔型Transformer结构包括多层Transformer层；
[0029]每层Transformer层，接收上一层的输出数据作为输入数据，输出数据规模为输入数据规模的一半；
[0030]所有Transformer层的输出数据经卷积操作之后进行拼接。
[0031]优选地，所述多列扩展卷积回归头包括至少三列并行的、具有不同扩展率的扩展卷积层。
[0032]本专利技术的第二个目的可以通过采取如下技术方案达到：
[0033]一种鸡群计数装置，所述装置包括：
[0034]获取模块，用于获取鸡群图像数据集；
[0035]第一预处理模块，用于对所述鸡群图像数据集进行第一预处理以得到多张鸡群真实分布密度图；
[0036]构建模块，用于构建Transformer网络模型，所述Transformer网络模型包括带有通道注意力机制的池化数据预处理层，所述池化数据预处理层，用于对输入数据进行第二预处理以降低数据规模和加强数据中不同通道的注意力；
[0037]训练模块，用于根据多张所述鸡群真实分布密度图训练所述Transformer网络模型以得到鸡群计数网络模型；
[0038]计数模块，用于根据所述鸡群计数网络模型对待计数的鸡群图像进行识别，进而完成计数。
[0039]本专利技术的第三个目的可以通过采取如下技术方案达到：
[0040]一种鸡群计数系统，所述系统包括：
[0041]移动平台/悬挂机构，相机单元和处理单元；
[0042]所述相机单元与处理单元连接，并搭载在移动平台的伸缩臂上/挂载在悬挂机构上，用于拍摄鸡群图像；
[0043]所述处理单元，用于实现上述的鸡群计数方法。
[0044]本专利技术的第四个目的可以通过采取如下技术方案达到：
[0045]一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的鸡群计数方法。
[0046]本专利技术的第五个目的可以通过采取如下技术方案达到：
[0047]一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的鸡群计数方法。
[0048]本专利技术相对于现有技术具有如下的有益效果：
[0049]本专利技术实施例在鸡群计数网络模型中采用带有通道注意力机制的池化数据预处理层，以加强数据的通道注意力并降低数据规模；引入金字塔型Transformer结构，以提高捕获全局图像不同层级信息的能力；引入扩展卷积回归头，以对不同结构特征进行融合，输出最终结果。该网络模型通过对图像数据不同层级特征的提取和聚合，可以自动学习到更多的语义特征信息，从而提高计数精度。因此本专利技术提出了一种快速、高效、精确度较高的鸡群计数方法，提高了计数效率，在一定程度上实现了养殖场的管理智能化、自动化。
附图说明
[0050]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0051]图1为本专利技术一实施例的鸡群计数系统的结构框图。
[0052]图2为本专利技术一实施例的鸡群计数系统的结构框图。
[0053]图3为本专利技术一实施例的鸡群计数方法的流程图。
[0054]图4为本专利技术一实施例的鸡群计数方法的流程图。
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鸡群计数方法，其特征在于，所述方法包括：获取鸡群图像数据集；对所述鸡群图像数据集进行第一预处理以得到多张鸡群真实分布密度图；构建Transformer网络模型，所述Transformer网络模型包括带有通道注意力机制的池化数据预处理层，所述池化数据预处理层，用于对输入数据进行第二预处理以降低数据规模和加强数据中不同通道的注意力；根据多张所述鸡群真实分布密度图训练所述Transformer网络模型以得到鸡群计数网络模型；根据所述鸡群计数网络模型对待计数的鸡群图像进行识别，进而完成计数。2.根据权利要求1所述方法，其特征在于，所述对所述鸡群图像数据集进行第一预处理以得到多张鸡群真实分布密度图，包括：根据数据增强策略对所述鸡群图像数据集进行扩充和干扰；根据点标注手段对每张图像中的鸡只进行标记；根据高斯卷积核对点标注后的每张图像进行计算以得到多张鸡群真实分布密度图。3.根据权利要求1所述方法，其特征在于，所述对输入数据进行第二预处理之前，包括：对鸡群真实分布密度图进行分割，投影为固定长度的向量，得到输入张量；所述对输入数据进行第二预处理，包括：将所述输入张量重塑为三维数据；根据深度卷积操作缩小三维数据的宽度和高度及增加三维数据的通道数；对不同通道给予不同的权重注意并重塑回二维数据。4.根据权利要求1所述方法，其特征在于，所述Transformer网络模型还包括金字塔型Transformer结构和多列扩展卷积回归头；所述池化数据预处理层、金字塔型Transformer结构和多列扩展卷积回归头依次连接。5.根据权利要求4所述方法，其特征在于，所述金字塔型Transformer结构包括多层Transformer层；每层Transformer层，接...

【专利技术属性】
技术研发人员：郭玉彬，苏志伟，李西明，张天晨，吴志鹏，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：