【技术实现步骤摘要】
本申请涉及牦牛称重，尤其涉及一种基于gan-bpnn的牦牛动态称重方法和装置。
技术介绍
1、在肉牛养殖业中，牦牛称重是实施精准营养调控、提高生产效率和经济效益的关键。传统的牦牛称重方法通常采用人工操作，存在效率低下、误差较大等问题，难以满足大规模养殖的需求。此外，人工称重需要耗费大量时间和人力，增加了养殖成本。
2、针对传统纯人工称重的缺点，目前已设计了一种用于牧场地牛体重采集的装置，采用半自动化形式，通过将牦牛赶入称重通道并固定位置，获取相关静态数据；具体地，将牛赶入到所述称重通道内时，牛完全站立于称重平台的承载板上，承载板受力带动传力杆下压称重传感器采集牛的体重数据；与此同时，通过两个夹紧板相对运动将牛夹持限制牛的活动范围，达到对牛快速定位称重的效果。此外，现有技术中还研究了几种牦牛称重计算的方法：(1)将动态称重作为一个基于最小二乘法的参数估计和预测问题来处理，采用了基于householder变换的自适应最小二乘法，在提高称重速度的同时，也保证了系统的测量准确性。(2)通过对奶牛的运动方式(行走-停顿，平稳行走，剧烈运动)的分析，利用传感器数据判断奶牛状态，在平稳行走时进行数据采集，实现了奶牛的动态体重测量。(3)利用lstm神经网络对牦牛体重进行预测。(4)采用emd经验模态分解算法，能够较好的完成肉牛体重测量。
3、以上研究虽然取得了一定成果，但是对于高原体型大、野性强的牦牛来说，现有装置和方法存在适用性不足的问题。具体由于牦牛作为高原特有的动物，其体型较大，行为野性较强，上述装置称重时需要对
技术实现思路
1、本申请的多个方面提供一种基于gan-bpnn的牦牛动态称重方法和装置，在不限制牦牛行动的前提下测量牦牛的体重，提高测量的准确性。
2、为实现上述技术效果，本申请的一方面提供一种基于gan-bpnn的牦牛动态称重方法，包括：
3、牦牛通过称重台时，检测牦牛在称重台上的位置；
4、当检测到牦牛在称重台中部时，采集牦牛的压力数据；
5、将所述压力数据输入gan-bpnn模型，得到牦牛的体重信息。
6、根据本专利技术的优选实施方式，所述牦牛通过称重台时，检测牦牛在称重台上的位置进一步包括：
7、分别在称重台的首端、中部及末端设置红外传感器，通过所述红外传感器检测牦牛的位置；
8、通过无线射频传感器获取牦牛耳标信息，确定对应的牦牛身份信息。
9、根据本专利技术的优选实施方式，所述当检测到牦牛在称重台中部时，采集牦牛的压力数据进一步包括：
10、当设置在重台的首端和末端设置红外传感器未触发，且设置在称重台中部的红外传感器触发时，启动设置在称重台底部的压力传感器采集牦牛的压力数据。
11、根据本专利技术的优选实施方式，所述将所述压力数据输入gan-bpnn模型，得到牦牛的体重信息进一步包括：
12、根据历史牦牛体重数据，训练生成gan对抗网络模型；
13、向训练好的gan对抗网络模型输入随机噪声，生成fake_data模拟数据；
14、利用所述fake_data模拟数据训练bpnn神经网络模型，得到gan-bpnn模型；
15、将待检测牦牛的压力数据输入gan-bpnn模型，得到牦牛的体重信息。
16、根据本专利技术的优选实施方式，所述根据历史牦牛体重数据，训练生成gan对抗网络模型进一步包括：
17、将历史牦牛的压力数据和实际体重数据输入待训练的gan对抗网络模型，设置生成器和判别器；
18、选用bcewithlogitsloss()作为损失函数；
19、根据损失函数对生成器和判别器进行交替优化，最后达到纳什平衡，生成gan对抗网络模型。
20、根据本专利技术的优选实施方式，所述利用所述fake_data模拟数据训练bpnn神经网络模型，得到gan-bpnn模型进一步包括：
21、将所述fake_data模拟数据作为训练数据，历史牦牛压力数据和实际体重数据作为测试集输入待训练的bpnn神经网络模型；
22、选用均方梯度下降函数作为损失函数；
23、根据模型输出的牦牛体重数据与实际体重数据误差调整模型参数，生成gan-bpnn模型。
24、根据本专利技术的优选实施方式，所述方法还包括：
25、定期更新模型训练样本，并利用更新后的训练样本更新gan-bpnn模型参数。
26、本申请的另一方面，提供一种基于gan-bpnn的牦牛动态称重装置，包括：
27、位置检测模块：用于牦牛通过称重台时，检测牦牛在称重台上的位置；
28、数据采集模块：用于当检测到牦牛在称重台中部时，采集牦牛的压力数据；
29、体重测量模块：用于将所述压力数据输入gan-bpnn模型，得到牦牛的体重信息。
30、根据本专利技术的优选实施方式，所述装置还包括称重台，所述称重台为倒梯形结构，两侧面设置有红外传感器，与位置检测模块连接，称重台底部设置有压力传感器，与数据采集模块连接。
31、本申请的另一方面，提供一种基于gan-bpnn的牦牛动态称重设备，所述设备包括：
32、至少一个处理器；以及
33、与所述至少一个处理器通信连接的存储器；其中，
34、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。
35、本申请的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现上述的方法。
36、本申请实施例提供的方案中，通过采用物联网同人工智能相结合的方式，利用红外传感器确定牦牛位置，并利用gan-bpnn模型精确计算牦牛体重，减少了因牦牛动态行走所带来的误差，避免了牦牛称重需要固定的问题，减少了牦牛的应激反应，使测量结果更准确，同时全自动化采集，减少了人力成本的同时，提高了牦牛体重采集的效率。
本文档来自技高网...【技术保护点】
1.一种基于GAN-BPNN的牦牛动态称重方法，其特征在于，包括：
2.根据权利要求1所述的基于GAN-BPNN的牦牛动态称重方法，其特征在于，所述牦牛通过称重台时，检测牦牛在称重台上的位置进一步包括：
3.根据权利要求2所述的基于GAN-BPNN的牦牛动态称重方法，其特征在于，所述当检测到牦牛在称重台中部时，采集牦牛的压力数据进一步包括：
4.根据权利要求1所述的基于GAN-BPNN的牦牛动态称重方法，其特征在于，所述将所述压力数据输入GAN-BPNN模型，得到牦牛的体重信息进一步包括：
5.根据权利要求4所述的基于GAN-BPNN的牦牛动态称重方法，其特征在于，所述根据历史牦牛体重数据，训练生成GAN对抗网络模型进一步包括：
6.根据权利要求4所述的基于GAN-BPNN的牦牛动态称重方法，其特征在于，所述利用所述Fake_data模拟数据训练BPNN神经网络模型，得到GAN-BPNN模型进一步包括：
7.根据权利要求1所述的基于GAN-BPNN的牦牛动态称重方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的基于GAN-BPNN的牦牛动态称重装置，其特征在于，所述装置还包括称重台，所述称重台为倒梯形结构，两侧面设置有红外传感器，与位置检测模块连接，称重台底部设置有压力传感器，与数据采集模块连接。
10.一种基于GAN-BPNN的牦牛动态称重设备，所述设备包括：
...【技术特征摘要】
1.一种基于gan-bpnn的牦牛动态称重方法，其特征在于，包括：
2.根据权利要求1所述的基于gan-bpnn的牦牛动态称重方法，其特征在于，所述牦牛通过称重台时，检测牦牛在称重台上的位置进一步包括：
3.根据权利要求2所述的基于gan-bpnn的牦牛动态称重方法，其特征在于，所述当检测到牦牛在称重台中部时，采集牦牛的压力数据进一步包括：
4.根据权利要求1所述的基于gan-bpnn的牦牛动态称重方法，其特征在于，所述将所述压力数据输入gan-bpnn模型，得到牦牛的体重信息进一步包括：
5.根据权利要求4所述的基于gan-bpnn的牦牛动态称重方法，其特征在于，所述根据历史牦牛体重数据，训练生成gan对抗网络模型进一步包括：...
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。