家禽养殖的自动投喂控制系统及方法技术方案

技术编号:39903037 阅读:7 留言:0更新日期:2023-12-30 13:17
本申请涉及智能控制领域,其具体地公开了一种家禽养殖的自动投喂控制系统及方法,其采用基于机器视觉的人工智能控制技术,通过对预定时间段的家禽行为视频进行特征提取,以得到家禽饲料摄取的频率

【技术实现步骤摘要】
家禽养殖的自动投喂控制系统及方法


[0001]本申请涉及智能控制领域,且更为具体地,涉及一种家禽养殖的自动投喂控制系统及方法


技术介绍

[0002]家禽养殖中需要给家禽提供合适的饲料和营养物质,以满足它们的生长和发育需求

家禽养殖中可以使用自动投喂机来实现自动化的饲喂管理

自动投喂机可以帮助养殖者提高工作效率,减轻劳动负担,并确保家禽得到合理的饲料供应

[0003]自动投喂机可以根据预设的时间和投喂量自动给家禽投放饲料

这种方式可以提高投喂的准确性和效率,并减少人工投喂的劳动成本

但是自动投喂机的投喂量通常是预设的,难以根据家禽的实际需求进行实时调节,这可能导致过度投喂或投喂不足的问题

[0004]因此,需要一种优化的家禽养殖的自动投喂控制方案


技术实现思路

[0005]为了解决上述技术问题,提出了本申请

本申请的实施例提供了一种家禽养殖的自动投喂控制系统及方法,其采用基于机器视觉的人工智能控制技术,通过对预定时间段的家禽行为视频进行特征提取,以得到家禽饲料摄取的频率

强度等相关信息

基于这些信息,调整自动投喂机,使其更加符合家禽摄食的需求

[0006]根据本申请的一个方面,提供了一种家禽养殖的自动投喂控制系统,其包括:
[0007]行为数据获取模块,用于获取预定时间段的家禽行为监控视频;
[0008]采样模块,用于从所述预定时间段的家禽行为监控视频提取多个家禽行为监控关键帧;
[0009]摄食行为特征提取模块,用于将所述多个家禽行为监控关键帧通过使用时间注意力的卷积神经网络模型以得到家禽摄食行为跟踪特征图;
[0010]优化模块,用于对所述家禽摄食行为跟踪特征图进行秩序先验化以得到优化家禽摄食行为跟踪特征图;
[0011]控制结果生成模块,用于将所述优化家禽摄食行为跟踪特征图通过分类器以得到分类结果,所述分类结果用于表示是否需要开启自动投喂机进行饲料的投喂

[0012]在上述家禽养殖的自动投喂控制系统中,所述采样模块,包括:以预定采样频率从所述预定时间段的家禽行为监控视频提取所述多个家禽行为监控关键帧

[0013]在上述家禽养殖的自动投喂控制系统中,所述摄食行为特征提取模块,包括:相邻帧提取单元,用于从所述多个家禽行为监控关键帧中提取相邻的第一家禽行为监控关键帧和第二家禽行为监控关键帧;第一卷积编码单元,用于将所述第一家禽行为监控关键帧和所述第二家禽行为监控关键帧分别通过所述卷积神经网络模型的第一卷积层和第二卷积层以得到第一卷积特征图和第二卷积特征图;时间注意力单元,用于计算所述第一卷积特征图和所述第二卷积特征图之间的按位置点乘以得到时间注意力图;注意力激活单元,用
于将所述时间注意力图输入
Softmax
激活函数以得到时间注意力特征图;第二卷积编码单元,用于将所述第二家禽行为监控关键帧通过所述卷积神经网络模型的第三卷积层以得到第三卷积特征图;注意力施加单元,用于计算所述第三卷积特征图和所述时间注意力特征图之间的按位置点乘以得到对应于所述第二家禽行为监控关键帧的时间注意力特征图

[0014]在上述家禽养殖的自动投喂控制系统中,所述优化模块,包括:特征解耦单元,用于沿着通道维度对所述家禽摄食行为跟踪特征图进行特征解耦以得到特征矩阵的序列;按位置均值矩阵计算单元,用于计算所述特征矩阵的序列中所有特征矩阵的按位置均值矩阵以得到伪先验中心特征矩阵;信息熵计算单元,用于计算所述伪先验中心特征矩阵与所述特征矩阵的序列中各个特征矩阵之间的信息熵以得到多个信息熵;秩序先验化掩码特征向量生成单元,用于基于所述多个信息熵与预定阈值之间的比较,生成秩序先验化掩码特征向量;优化家禽摄食行为跟踪特征图生成单元,用于基于所述秩序先验化掩码特征向量,对所述家禽摄食行为跟踪特征图进行处理以得到所述优化家禽摄食行为跟踪特征图

[0015]在上述家禽养殖的自动投喂控制系统中,所述控制结果生成模块,包括:展开单元,用于将所述优化家禽摄食行为跟踪特征图基于行向量或列向量的展开为分类特征向量;全连接编码单元,用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量;分类结果生成单元,用于将所述编码分类特征向量通过所述分类器的
Softmax
分类函数以得到所述分类结果

[0016]根据本申请的另一方面,提供了一种家禽养殖的自动投喂控制方法,其包括:
[0017]获取预定时间段的家禽行为监控视频;
[0018]从所述预定时间段的家禽行为监控视频提取多个家禽行为监控关键帧;
[0019]将所述多个家禽行为监控关键帧通过使用时间注意力的卷积神经网络模型以得到家禽摄食行为跟踪特征图;
[0020]对所述家禽摄食行为跟踪特征图进行秩序先验化以得到优化家禽摄食行为跟踪特征图;
[0021]将所述优化家禽摄食行为跟踪特征图通过分类器以得到分类结果,所述分类结果用于表示是否需要开启自动投喂机进行饲料的投喂

[0022]在上述家禽养殖的自动投喂控制方法中,所述从所述预定时间段的家禽行为监控视频提取多个家禽行为监控关键帧,包括:以预定采样频率从所述预定时间段的家禽行为监控视频提取所述多个家禽行为监控关键帧

[0023]在上述家禽养殖的自动投喂控制方法中,所述将所述多个家禽行为监控关键帧通过使用时间注意力的卷积神经网络模型以得到家禽摄食行为跟踪特征图,包括:从所述多个家禽行为监控关键帧中提取相邻的第一家禽行为监控关键帧和第二家禽行为监控关键帧;将所述第一家禽行为监控关键帧和所述第二家禽行为监控关键帧分别通过所述卷积神经网络模型的第一卷积层和第二卷积层以得到第一卷积特征图和第二卷积特征图;计算所述第一卷积特征图和所述第二卷积特征图之间的按位置点乘以得到时间注意力图;将所述时间注意力图输入
Softmax
激活函数以得到时间注意力特征图;将所述第二家禽行为监控关键帧通过所述卷积神经网络模型的第三卷积层以得到第三卷积特征图;计算所述第三卷积特征图和所述时间注意力特征图之间的按位置点乘以得到对应于所述第二家禽行为监控关键帧的时间注意力特征图

[0024]在上述家禽养殖的自动投喂控制方法中,所述对所述家禽摄食行为跟踪特征图进行秩序先验化以得到优化家禽摄食行为跟踪特征图,包括:沿着通道维度对所述家禽摄食行为跟踪特征图进行特征解耦以得到特征矩阵的序列;计算所述特征矩阵的序列中所有特征矩阵的按位置均值矩阵以得到伪先验中心特征矩阵;计算所述伪先验中心特征矩阵与所述特征矩阵的序列中各个特征矩阵之间的信息熵以得到多个信息熵;基于所述多个信息熵与预定阈值之间的比较,生成秩序先验化本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.
一种家禽养殖的自动投喂控制系统,其特征在于,包括:行为数据获取模块,用于获取预定时间段的家禽行为监控视频;采样模块,用于从所述预定时间段的家禽行为监控视频提取多个家禽行为监控关键帧;摄食行为特征提取模块,用于将所述多个家禽行为监控关键帧通过使用时间注意力的卷积神经网络模型以得到家禽摄食行为跟踪特征图;优化模块,用于对所述家禽摄食行为跟踪特征图进行秩序先验化以得到优化家禽摄食行为跟踪特征图;控制结果生成模块,用于将所述优化家禽摄食行为跟踪特征图通过分类器以得到分类结果,所述分类结果用于表示是否需要开启自动投喂机进行饲料的投喂
。2.
根据权利要求1所述的家禽养殖的自动投喂控制系统,其特征在于,所述采样模块,包括:以预定采样频率从所述预定时间段的家禽行为监控视频提取所述多个家禽行为监控关键帧
。3.
根据权利要求2所述的家禽养殖的自动投喂控制系统,其特征在于,所述摄食行为特征提取模块,包括:相邻帧提取单元,用于从所述多个家禽行为监控关键帧中提取相邻的第一家禽行为监控关键帧和第二家禽行为监控关键帧;第一卷积编码单元,用于将所述第一家禽行为监控关键帧和所述第二家禽行为监控关键帧分别通过所述卷积神经网络模型的第一卷积层和第二卷积层以得到第一卷积特征图和第二卷积特征图;时间注意力单元,用于计算所述第一卷积特征图和所述第二卷积特征图之间的按位置点乘以得到时间注意力图;注意力激活单元,用于将所述时间注意力图输入
Softmax
激活函数以得到时间注意力特征图;第二卷积编码单元,用于将所述第二家禽行为监控关键帧通过所述卷积神经网络模型的第三卷积层以得到第三卷积特征图;注意力施加单元,用于计算所述第三卷积特征图和所述时间注意力特征图之间的按位置点乘以得到对应于所述第二家禽行为监控关键帧的时间注意力特征图
。4.
根据权利要求3所述的家禽养殖的自动投喂控制系统,其特征在于,所述优化模块,包括:特征解耦单元,用于沿着通道维度对所述家禽摄食行为跟踪特征图进行特征解耦以得到特征矩阵的序列;按位置均值矩阵计算单元,用于计算所述特征矩阵的序列中所有特征矩阵的按位置均值矩阵以得到伪先验中心特征矩阵;信息熵计算单元,用于计算所述伪先验中心特征矩阵与所述特征矩阵的序列中各个特征矩阵之间的信息熵以得到多个信息熵;秩序先验化掩码特征向量生成单元,用于基于所述多个信息熵与预定阈值之间的比较,生成秩序先验化掩码特征向量;优化家禽摄食行为跟踪特征图生成单元,用于基于所述秩序先验化掩码特征向量,对
所述家禽摄食行为跟踪特征图进行处理以得到所述优化家禽摄食行为跟踪特征图
。5.
根据权利要求4所述的家禽养殖的自动投喂控制系统,其特征在于,所述控制结果生成模块,包括:展开单元,用于将所述优化家禽摄食行为跟踪特征图基于行向量或列向量的展开为分类特征向量;全连接编码单元,用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量;分类结果生成单元,用于将所述编码分类特征向量通过所述分类器的
So...

【专利技术属性】
技术研发人员:丁星雨马灿辉
申请(专利权)人:丰城市极土禽业有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1