【技术实现步骤摘要】
本申请属于人工智能，具体涉及一种养殖场牲畜数据采集方法、装置、设备及存储介质。
技术介绍
1、养殖场牲畜数据采集是指通过不同手段和方法，将养殖过程中产生的与牲畜相关的数据进行搜集和记录的过程。这一过程是养殖业现代化的重要组成部分，对于提高养殖效益、推动养殖技术进步具有重要意义。
2、以牛脸图像采集为例，通过采集牛脸图像，可以建立每头牛的唯一生物特征数字身份库，为养殖管理、疾病防控、保险理赔、活体贷款等多个领域提供有力支持。此外，牛脸图像采集还有助于提高养殖效率，降低人工成本，推动养殖业向现代化、智能化方向发展。
3、当前牛脸图像采集依赖于人工拍摄，这种方式需要养殖人员手动操作相机或手机，对每头牛进行逐一拍摄。然而，这种人工拍摄的方法效率低下，且容易受到人为因素的影响，同时牛的身体运动也会导致图像模糊或变形，导致采集到的牛脸图像效果不佳。
技术实现思路
1、本申请实施例的目的在于提出一种养殖场牲畜数据采集方法、装置、计算机设备及存储介质，以解决现有采用人工拍摄的牛脸图像采集方案存在的效率低下，且容易受到人为因素和牛身体运动的因素影响，导致采集到的牛脸图像效果不佳的技术问题。
2、为了解决上述技术问题，本申请实施例提供一种养殖场牲畜数据采集方法，采用了如下所述的技术方案：
3、一种养殖场牲畜数据采集方法，方法应用于无人机数据采集平台，无人机数据采集平台配置有若干人无人机，方法包括：
4、获取第一无人机针对养殖场中的牲畜进行拍摄
5、在第一视频帧序列中，根据预设的目标检测算法识别牲畜在每一个视频帧中的位置信息；
6、基于牲畜在每一个视频帧中的位置信息，确定牲畜移动路径，并在第一视频帧序列中标记牲畜移动路径；
7、使用携带有路径标记的第一视频帧序列训练预设的初始预测模型，得到移动路径预测模型；
8、接收数据采集指令，指示第一无人机拍摄针对养殖场中的牲畜进行拍摄，得到当前牲畜位置图；
9、将当前牲畜位置图输入到移动路径预测模型，得到牲畜的预测移动路径；
10、指示第二无人机依据预测移动路径对牲畜进行拍摄，得到第二视频帧序列。
11、进一步地，在第一视频帧序列中，根据预设的目标检测算法识别牲畜在每一个视频帧中的位置信息的步骤之前，还包括：
12、获取历史视频帧序列，其中，历史视频帧序列为携带目标位置标签的视频帧序列；
13、将历史视频帧序列导入预设的初始目标检测模型，其中，初始目标检测模型基于目标检测算法搭建而成；
14、获取初始目标检测模型输出的初始检测结果，其中，初始检测结果为初始目标检测模型预测的目标在每一个历史视频帧的位置坐标；
15、将初始检测结果和目标位置标签进行比对，获取位置预测误差；
16、基于位置预测误差使用反向传播算法对初始目标检测模型进行迭代，直至模型拟合，得到目标检测模型。
17、进一步地，在第一视频帧序列中，根据预设的目标检测算法识别牲畜在每一个视频帧中的位置信息的步骤，具体包括：
18、使用目标检测模型对第一视频帧序列中每一个视频帧中的牲畜位置进行识别；
19、获取目标检测模型输出的牲畜在每一个视频帧中的位置信息。
20、进一步地，基于牲畜在每一个视频帧中的位置信息，确定牲畜移动路径，并在第一视频帧序列中标记牲畜移动路径的步骤，具体包括：
21、基于牲畜在每一个视频帧中的位置信息，为每一个视频帧分配一个目标追踪器；
22、从第一视频帧序列的第一个视频帧开始，直至第一视频帧序列的最后一个视频帧，依次启动各个目标追踪器，以对第一视频帧序列中牲畜进行目标追踪；
23、当最后一个视频帧的目标追踪器完成追踪时，生成牲畜移动路径；
24、在第一视频帧序列中标记牲畜移动路径。
25、进一步地，初始预测模型基于长短时记忆网络架构搭建而成，使用携带有路径标记的第一视频帧序列训练预设的初始预测模型，得到移动路径预测模型的步骤，具体包括：
26、对第一视频帧序列进行特征提取，得到视频帧序列特征；
27、基于视频帧序列特征，通过长短时记忆网络捕捉视频帧之间的时间依赖关系和空间关系；
28、基于视频帧之间的时间依赖关系和空间关系，预测牲畜在第一视频帧序中的移动路径，得到牲畜的历史预测移动路径；
29、将路径标记和历史预测移动路径进行比对，获取路径预测误差；
30、基于路径预测误差使用反向传播算法对初始预测模型进行迭代，直至模型拟合，得到移动路径预测模型。
31、进一步地，在指示第二无人机依据预测移动路径对牲畜进行拍摄，得到第二视频帧序列的步骤，具体包括：
32、获取第二无人机在依据预测移动路径对牲畜进行拍摄过程中输出的拍摄图像，得到初始拍摄图像；
33、对初始拍摄图像进行图像质量评价，得到图像质量参数；
34、根据图像质量参数对初始拍摄图像进行筛选，得到筛选图像；
35、基于筛选图像构建第二视频帧序列。
36、进一步地，对初始拍摄图像进行图像质量评价，得到图像质量参数的步骤，具体包括：
37、获取初始拍摄图像的图像参数，其中，图像参数包括分辨率、对比度、色彩饱和度和噪声水平；
38、计算各个图像参数的质量评价权重；
39、基于质量评价权重对各个图像参数进行加权求和，得到综合评价指数；
40、将综合评价指数作为初始拍摄图像的图像质量参数。
41、为了解决上述技术问题，本申请实施例还提供一种养殖场牲畜数据采集装置，采用了如下所述的技术方案：
42、一种养殖场牲畜数据采集装置，装置运行于无人机数据采集平台，无人机数据采集平台配置有若干人无人机，装置包括：
43、第一拍摄模块，用于获取第一无人机针对养殖场中的牲畜进行拍摄的第一视频帧序列；
44、目标检测模块，用于在第一视频帧序列中，根据预设的目标检测算法识别牲畜在每一个视频帧中的位置信息；
45、路径标记模块，用于基于牲畜在每一个视频帧中的位置信息，确定牲畜移动路径，并在第一视频帧序列中标记牲畜移动路径；
46、模型训练模块，用于使用携带有路径标记的第一视频帧序列训练预设的初始预测模型，得到移动路径预测模型；
47、第二拍摄模块，用于接收数据采集指令，指示第一无人机拍摄针对养殖场中的牲畜进行拍摄，得到当前牲畜位置图；
48、路径预测模块，用于将当前牲畜位置图输入到移动路径预测模型，得到牲畜的预测移动路径；
49、第三拍摄模块，用于指示第二无人机依据预测移动路径对牲畜进行拍摄，得到第二视频帧序列。
50、为了解决上述技术问题，本申请实施例还提供一种计算机设备，本文档来自技高网...
【技术保护点】
1.一种养殖场牲畜数据采集方法，其特征在于，所述方法应用于无人机数据采集平台，所述无人机数据采集平台配置有若干人无人机，所述方法包括：
2.如权利要求1所述的养殖场牲畜数据采集方法，其特征在于，所述在所述第一视频帧序列中，根据预设的目标检测算法识别所述牲畜在每一个视频帧中的位置信息的步骤之前，还包括：
3.如权利要求2所述的养殖场牲畜数据采集方法，其特征在于，所述在所述第一视频帧序列中，根据预设的目标检测算法识别所述牲畜在每一个视频帧中的位置信息的步骤，具体包括：
4.如权利要求1所述的养殖场牲畜数据采集方法，其特征在于，所述基于所述牲畜在每一个视频帧中的位置信息，确定牲畜移动路径，并在所述第一视频帧序列中标记所述牲畜移动路径的步骤，具体包括：
5.如权利要求1所述的养殖场牲畜数据采集方法，其特征在于，所述初始预测模型基于长短时记忆网络架构搭建而成，使用携带有路径标记的所述第一视频帧序列训练预设的初始预测模型，得到移动路径预测模型的步骤，具体包括：
6.如权利要求1所述的养殖场牲畜数据采集方法，其特征在于，在所述指示第二
7.如权利要求6所述的养殖场牲畜数据采集方法，其特征在于，所述对所述初始拍摄图像进行图像质量评价，得到图像质量参数的步骤，具体包括：
8.一种养殖场牲畜数据采集装置，其特征在于，所述装置运行于无人机数据采集平台，所述无人机数据采集平台配置有若干人无人机，所述装置包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的养殖场牲畜数据采集方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的养殖场牲畜数据采集方法的步骤。
...【技术特征摘要】
1.一种养殖场牲畜数据采集方法，其特征在于，所述方法应用于无人机数据采集平台，所述无人机数据采集平台配置有若干人无人机，所述方法包括：
2.如权利要求1所述的养殖场牲畜数据采集方法，其特征在于，所述在所述第一视频帧序列中，根据预设的目标检测算法识别所述牲畜在每一个视频帧中的位置信息的步骤之前，还包括：
3.如权利要求2所述的养殖场牲畜数据采集方法，其特征在于，所述在所述第一视频帧序列中，根据预设的目标检测算法识别所述牲畜在每一个视频帧中的位置信息的步骤，具体包括：
4.如权利要求1所述的养殖场牲畜数据采集方法，其特征在于，所述基于所述牲畜在每一个视频帧中的位置信息，确定牲畜移动路径，并在所述第一视频帧序列中标记所述牲畜移动路径的步骤，具体包括：
5.如权利要求1所述的养殖场牲畜数据采集方法，其特征在于，所述初始预测模型基于长短时记忆网络架构搭建而成，使用携带有路径标记的所述第一视频帧序列训练预设的初始预测模型，得到移动路径预...
【专利技术属性】
技术研发人员：唐静，
申请(专利权)人：中国平安财产保险股份有限公司，
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。