【技术实现步骤摘要】
本专利技术涉及家禽养殖，尤其涉及一种雏鸡性别鉴定系统及方法。
技术介绍
1、居民普遍倾向于食用母鸡，故饲养母鸡带来的经济效益更大。然而，目前雏鸡性别的鉴定主要依赖于人工方法，这一过程耗时费力。在此背景下，能否利用人工智能技术实现雏鸡性别快速鉴定成为了一个值得研究的问题。对此，开展了项目研究。
2、尤其是集约化养鸡场，从业者通常更倾向于多养母鸡。一方面，成熟母鸡的体重通常在3-4斤左右，更符合我国目前以3-5口人为家庭单位的主要家庭结构。另一方面，母鸡的肉质相对较嫩，更适合用于制作如白切鸡、卤水鸡等广东名菜。此外，母鸡在出栏之前通常能够产出大量鸡蛋，既能满足市场需求，也为养殖场提供持续的收益来源。保留过多的小公鸡会增加饲料成本并造成养殖空间的浪费，从而影响生产效益。故公雏会被大量淘汰，它们的用途包括制成动物饲料、加工成鸡精和鸡粉等，也能为养殖场带来一定的经济收益。
3、性别鉴定技术可以帮助养殖户了解种群中雌雄比例，为遗传改良提供依据。通过调整雌雄比例，可以提高优良基因的传播速度，加快遗传改良进程。部分传染性疾病主要通过性传播途径进行传播，如禽流感等。通过对雏鸡进行性别鉴定，可以减少雄鸡的数量，从而降低疾病传播的风险。
4、在孵化后的几天内，雏鸡很难通过外观来鉴定性别。在这个时期，雏鸡外观相似，而且性腺尚未发育，因此很难凭借外观来判断其性别。工业界和生产生活中雏鸡性别鉴定的方法，如表1所示：
5、表1
6、
7、综上所述，工业界和生产生活中雏鸡性别鉴定的方法中翻
8、目前，利用人工智能技术来进行雏鸡性别鉴定的相关研究仍相当有限。基于lenet深度学习模型的雏鸡性别智能识别方法，依托于lenet深度学习模型的图像处理能力来实现雏鸡性别鉴定。lenet是一个结构简单的经典卷积神经网络模型，仅由两个卷积层和一个全连接层组成。然而，由于该网络结构较为简单，要在雏鸡性别鉴定任务上取得良好效果，需要对采集到的数据进行相当复杂的预处理。
9、综合考虑便携性、经济性和时效性，设计人工智能雏鸡性别鉴定模型时，需注意轻量化模型和简化数据预处理的重要性。
10、翻肛法是一种常用的雏鸡性别鉴定方法，其原理是根据雄雏和雌雏泄殖腔开口处是否有生殖突起来判断性别。在雏鸡早期，雄雏泄殖腔开口处可见生殖突起，长约2至4毫米，表面紧张，有弹性，手压不易变形，有光泽；而雌雏泄殖腔开口部一般无生殖突起，即使有残留生殖突起者，多呈萎缩状，柔软，无弹性，无光泽，手压易变形。
11、翻肛法准确率高，但是效率低，专业知识需求大，准确度很大程度上依赖于检测人员的经验，不容易推广。为了克服翻肛法存在的问题，设计一款雏鸡性别鉴定系统。
技术实现思路
1、为解决上述技术问题，本专利技术的目的是提供一种雏鸡性别鉴定系统及方法，
2、本专利技术的目的通过以下的技术方案来实现：
3、一种雏鸡性别鉴定系统，该系统基于神经网络与知识迁移实现雏鸡性别鉴定；包括输入模块、控制处理模块和输出模块；所述
4、输入模块，通过采集一定数量的雏鸡肛门图像样本，获取雏鸡翻肛图像数据；
5、控制处理模块，通过训练样本数据得到雏鸡性别鉴定模型，由鉴定模型对获取的雏鸡翻肛图像数据进行识别鉴定；
6、输出模块，用于输出并显示雏鸡的性别。
7、进一步的，通过训练样本数据得到雏鸡性别鉴定模型包括：
8、对获取的雏鸡翻肛图像数据进行预处理，包括增加训练样本的数量；
9、采用resnet-18网络作为基准网络对训练样本进行训练。
10、进一步的，雏鸡翻肛图像数据的预处理包括对图像进行裁剪、用数据增强的策略增加训练数据的多样性以及对图像进行数据标准化处理。
11、进一步的，数据增强包括随机裁剪、随机水平翻转、在-45度到45度之间随机旋转、随机颜色扭曲。
12、进一步的，对训练雏鸡性别鉴定网络模型进行迁移学习：修改resnet-18网络结构中线性层即将最后一层全连接层替换成一个级联的全连接层结构，依次包括一个输入维度为512、输出维度为256的全连接层，一个relu激活函数以及一个输入维度为256、输出维度为2的全连接层；模型的两个输出分别为输入图像为雄性雏的p1和输入图像为雌性雏的概率p2，采用交叉熵损失函数作为模型训练的损失函数，在雏鸡性别二分类问题中，交叉熵损失函数为：
13、loss＝-y1*log2(p1)-y2*log2(p2)
14、其中，(y1,y2)是真实的类别标签，具体的，雄性雏样本的真实类别标签是(1,0)，雌性雏样本的真实类别标签是(0,1)；
15、所述替换的级联全连接层之前的全部网络参数的学习率设置为0.01，替换的级联全连接层中的参数的学习率设置为0.1。
16、进一步的，控制处理模块采用rk3588处理器来处理摄像头获取的雏鸡肛门图片；所述rk3588处理器包括四核a76和四核a55的八核cpu、gpu和npu。
17、本实施例还提供了一种雏鸡性别鉴定方法，该方法基于神经网络与知识迁移实现雏鸡性别鉴定；包括：
18、采集雏鸡肛门图像样本，获取雏鸡翻肛图像数据；
19、通过训练样本数据得到雏鸡性别鉴定模型，由鉴定模型对获取的雏鸡翻肛图像数据进行识别鉴定；
20、输出并显示雏鸡的性别。
21、与现有技术相比，本专利技术的一个或多个实施例可以具有如下优点：
22、通过迁移学习先在常用的标准数据集上学习图像的共同特征，并将学到的知识迁移到小鸡样本数据，从而同时挖掘雏鸡肛门样本中的细粒度特征，即通过resnet-18模型，采用模型迁移、随训练周期指数衰减学习率的策略对深度学习模型进行训练，实现对雏鸡性别的高效鉴定，同时操作简便，具有广泛的推广价值。
本文档来自技高网...【技术保护点】
1.一种雏鸡性别鉴定系统，其特征在于，所述系统基于神经网络与知识迁移实现雏鸡性别鉴定；包括输入模块、控制处理模块和输出模块；所述
2.根据权利要求1所述的雏鸡性别鉴定系统，其特征在于，通过训练样本数据得到雏鸡性别鉴定模型包括：
3.根据权利要求2所述的雏鸡性别鉴定系统，其特征在于，所述雏鸡翻肛图像数据的预处理包括对图像进行裁剪、用数据增强的策略增加训练数据的多样性以及对图像进行数据标准化处理。
4.根据权利要求3所述的雏鸡性别鉴定系统，其特征在于，数据增强包括随机裁剪、随机水平翻转、在-45度到45度之间随机旋转、随机颜色扭曲。
5.根据权利要求2所述的雏鸡性别鉴定系统，其特征在于，对训练雏鸡性别鉴定网络模型进行迁移学习：修改ResNet-18网络结构中线性层即将最后一层全连接层替换成一个级联的全连接层结构，依次包括一个输入维度为512、输出维度为256的全连接层，一个ReLU激活函数以及一个输入维度为256、输出维度为2的全连接层；模型的两个输出分别为输入图像为雄性雏的p1和输入图像为雌性雏的概率p2，采用交叉熵损失函数作为模型训
6.根据权利要求1所述的雏鸡性别鉴定系统，其特征在于，所述控制处理模块采用RK3588处理器来处理摄像头获取的雏鸡肛门图片；所述RK3588处理器包括四核A76和四核A55的八核CPU、GPU和NPU。
7.一种雏鸡性别鉴定方法，其特征在于，所述方法基于神经网络与知识迁移实现雏鸡性别鉴定；包括：
8.根据权利要求7所述的雏鸡性别鉴定方法，其特征在于，所述雏鸡性别鉴定模型的训练包括：
9.根据权利要求8所述的雏鸡性别鉴定方法，其特征在于，
10.根据权利要求8所述的雏鸡性别鉴定方法，其特征在于，对训练雏鸡性别鉴定网络模型进行迁移学习：修改ResNet-18网络结构中线性层即将最后一层全连接层替换成一个级联的全连接层结构，依次包括一个输入维度为512、输出维度为256的全连接层，一个ReLU激活函数以及一个输入维度为256、输出维度为2的全连接层；模型的两个输出分别为输入图像为雄性雏的p1和输入图像为雌性雏的概率p2，采用交叉熵损失函数作为模型训练的损失函数，在雏鸡性别二分类问题中，交叉熵损失函数为：
...【技术特征摘要】
1.一种雏鸡性别鉴定系统，其特征在于，所述系统基于神经网络与知识迁移实现雏鸡性别鉴定；包括输入模块、控制处理模块和输出模块；所述
2.根据权利要求1所述的雏鸡性别鉴定系统，其特征在于，通过训练样本数据得到雏鸡性别鉴定模型包括：
3.根据权利要求2所述的雏鸡性别鉴定系统，其特征在于，所述雏鸡翻肛图像数据的预处理包括对图像进行裁剪、用数据增强的策略增加训练数据的多样性以及对图像进行数据标准化处理。
4.根据权利要求3所述的雏鸡性别鉴定系统，其特征在于，数据增强包括随机裁剪、随机水平翻转、在-45度到45度之间随机旋转、随机颜色扭曲。
5.根据权利要求2所述的雏鸡性别鉴定系统，其特征在于，对训练雏鸡性别鉴定网络模型进行迁移学习：修改resnet-18网络结构中线性层即将最后一层全连接层替换成一个级联的全连接层结构，依次包括一个输入维度为512、输出维度为256的全连接层，一个relu激活函数以及一个输入维度为256、输出维度为2的全连接层；模型的两个输出分别为输入图像为雄性雏的p1和输入图像为雌性雏的概率p2，采用交叉熵损失函数作为模型训练的损失函数，在雏...
【专利技术属性】
技术研发人员：罗钧，黄振南，邱英杰，庄小云，
申请(专利权)人：广东华侨中学，
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。