【技术实现步骤摘要】
本申请涉及图像识别以及畜牧养殖，特别是涉及一种奶牛肢蹄表现异常识别模型的确定方法、应用方法及产品。
技术介绍
1、在规模化养殖场景下，奶牛肢蹄病是一个常见且严重影响奶牛健康和生产性能的问题。准确识别奶牛肢蹄病以及判断其严重程度对于及时治疗和预防疾病的传播至关重要。
2、在传统的奶牛养殖中，养殖人员主要依赖经验通过人工观察来判断奶牛是否患有肢蹄病以及病情的严重程度。这种方法具有很大的局限。首先，人工观察的准确性受到养殖人员经验和专业知识的限制。不同人员对于奶牛肢蹄病的症状和严重程度的判断标准可能存在差异，容易出现误判的情况。例如，对于一些早期的蹄部病变，如轻微的蹄底角质软化或关节的微小异常，经验不足的养殖人员可能难以察觉。其次，人工观察的效率低下。在大规模养殖场景下，奶牛数量众多，人工观察法费时费力，效率较低，难以识别出奶牛步态的轻微异常。而且，这种检查通常是定期进行的，难以实现实时监测，可能会错过疾病发生和发展的关键时期。
3、随着技术的发展，一些养殖场开始采用传感器来监测奶牛的行为和生理参数，以辅助判断奶牛的健康状况。例如，使用加速度传感器来监测奶牛的活动量，通过分析活动量的变化来推测奶牛是否存在健康问题。然而，这种方法也存在不足之处。传感器通常只能获取有限的信息，无法全面了解奶牛肢蹄的实际状况。例如，加速度传感器只能反映奶牛的运动情况，但对于蹄部的具体病变，如蹄底溃疡、蹄叶炎等疾病的诊断缺乏直接的依据。而且，传感器数据的解读往往需要专业的知识和复杂的算法，对于普通养殖人员来说，使用和理解起来存在一定的
技术实现思路
1、本申请的目的是提供一种奶牛肢蹄表现异常识别模型的确定方法、应用方法及产品，利用先进的图像处理和机器学习算法模型对图像数据进行分析，直接调用原始图片就能够实现对奶牛肢蹄病的自动全面的准确识别。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种奶牛肢蹄表现异常识别模型的确定方法，所述奶牛肢蹄表现异常识别模型的确定方法包括：
4、获取奶牛行走图像、牛蹄部的可见-红外光图像和整合数据；所述整合数据包括：环境温湿度数据和奶牛行走的地面状况数据；
5、将所述奶牛行走图像输入关键部位行走表现判识模型，得到关键部位图像；所述关键部位图像为包括所述奶牛的一个关键部位的图像；所述关键部位包括：背部、头部和腿部；
6、利用所述关键部位行走表现判识模型，根据所述关键部位图像，识别关键部位的关节点位置；
7、根据所述关节点位置计算所述奶牛的姿态特征值和步态参数值；
8、以所述姿态特征值、所述步态参数值、所述牛蹄部的可见-红外光图像和所述整合数据为输入，以奶牛蹄部损伤程度为输出，训练机器学习算法模型，得到奶牛肢蹄表现异常识别模型。
9、第二方面，本申请提供了一种奶牛肢蹄表现异常识别模型的应用方法，所述奶牛肢蹄表现异常识别模型的应用方法包括：
10、获取待识别奶牛行走图像、待识别牛蹄部的可见-红外光图像和待识别整合数据；
11、将所述待识别奶牛行走图像输入关键部位行走表现判识模型，得到待识别关键部位图像；
12、利用所述关键部位行走表现判识模型，根据所述待识别关键部位图像，识别关键部位的待识别关节点位置；
13、根据所述待识别关节点位置计算待识别奶牛的姿态特征值和步态参数值；
14、将所述待识别奶牛的姿态特征值、所述步态参数值、所述待识别牛蹄部的可见-红外光图像和所述待识别整合数据输入奶牛肢蹄表现异常识别模型，得到所述待识别奶牛的蹄部损伤程度；所述奶牛肢蹄表现异常识别模型由上述任一项所述的奶牛肢蹄表现异常识别模型的确定方法训练得到。
15、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述任一项所述的奶牛肢蹄表现异常识别模型的确定方法或奶牛肢蹄表现异常识别模型的应用方法。
16、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的奶牛肢蹄表现异常识别模型的确定方法或奶牛肢蹄表现异常识别模型的应用方法。
17、第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项所述的奶牛肢蹄表现异常识别模型的确定方法或奶牛肢蹄表现异常识别模型的应用方法。
18、根据本申请提供的具体实施例，本申请公开了以下技术效果：
19、本申请提供了一种奶牛肢蹄表现异常识别模型的确定方法、应用方法及产品，方法包括：获取奶牛行走图像、牛蹄部的可见-红外光图像和整合数据；所述整合数据包括：环境温湿度数据和奶牛行走的地面状况数据；所述奶牛行走的地面状况数据包括：地面的平整度、硬度和摩擦力；将所述奶牛行走图像输入关键部位行走表现判识模型，得到关键部位图像；所述关键部位图像为包括所述奶牛的一个关键部位的图像；所述关键部位包括：背部、头部和腿部；利用所述关键部位行走表现判识模型，根据所述关键部位图像，识别关键部位的关节点位置；根据所述关节点位置计算所述奶牛的姿态特征值和步态参数值；以所述姿态特征值、所述步态参数值、所述牛蹄部的可见-红外光图像和所述整合数据为输入，以奶牛蹄部损伤程度为输出，训练机器学习算法模型，得到奶牛肢蹄表现异常识别模型。通过融合深度学习模型对奶牛行走关键部位识别和可见-红外光技术对奶牛蹄部损失程度判识，可以实现对奶牛肢蹄病的高精度预测识别，通过对奶牛肢体、背部、头部的行为表现进行综合分析和预测。本申请利用先进的图像处理和机器学习算法模型对这些数据进行分析，不用依赖人工对后期视频的处理，利用该系统直接调用原始图片就能够实现对奶牛肢蹄病的自动识别和严重程度的准确判识，并且，本申请考虑到了奶牛行走的地面的平整度、硬度和摩擦力，全面掌握了可能影响奶牛肢蹄病的各种情况，有效提高了奶牛肢蹄病识别的准确度。
本文档来自技高网...【技术保护点】
1.一种奶牛肢蹄表现异常识别模型的确定方法，其特征在于，所述奶牛肢蹄表现异常识别模型的确定方法包括：
2.根据权利要求1所述的奶牛肢蹄表现异常识别模型的确定方法，其特征在于，所述姿态特征值包括：腿部姿态特征值、背部姿态特征值和头部姿态特征值；所述步态参数值包括奶牛的步长、步频和行走速度；根据所述关节点位置计算所述奶牛的姿态特征值和步态参数值，具体包括：
3.根据权利要求1所述的奶牛肢蹄表现异常识别模型的确定方法，其特征在于，
4.根据权利要求1所述的奶牛肢蹄表现异常识别模型的确定方法，其特征在于，所述获取奶牛行走图像、牛蹄部的可见-红外光图像和整合数据；所述整合数据包括：环境温湿度数据和奶牛行走的地面状况数据，具体包括：
5.根据权利要求1所述的奶牛肢蹄表现异常识别模型的确定方法，其特征在于，所述奶牛蹄部损伤程度包括：无损伤、轻度损伤、中度损伤和重度损伤。
6.一种奶牛肢蹄表现异常识别模型的应用方法，其特征在于，所述奶牛肢蹄表现异常识别模型的应用方法包括：
7.一种计算机设备，包括：存储器、处理器以及存储在存
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的奶牛肢蹄表现异常识别模型的确定方法或权利要求6所述的奶牛肢蹄表现异常识别模型的应用方法。
9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的奶牛肢蹄表现异常识别模型的确定方法或权利要求6所述的奶牛肢蹄表现异常识别模型的应用方法。
...【技术特征摘要】
1.一种奶牛肢蹄表现异常识别模型的确定方法，其特征在于，所述奶牛肢蹄表现异常识别模型的确定方法包括：
2.根据权利要求1所述的奶牛肢蹄表现异常识别模型的确定方法，其特征在于，所述姿态特征值包括：腿部姿态特征值、背部姿态特征值和头部姿态特征值；所述步态参数值包括奶牛的步长、步频和行走速度；根据所述关节点位置计算所述奶牛的姿态特征值和步态参数值，具体包括：
3.根据权利要求1所述的奶牛肢蹄表现异常识别模型的确定方法，其特征在于，
4.根据权利要求1所述的奶牛肢蹄表现异常识别模型的确定方法，其特征在于，所述获取奶牛行走图像、牛蹄部的可见-红外光图像和整合数据；所述整合数据包括：环境温湿度数据和奶牛行走的地面状况数据，具体包括：
5.根据权利要求1所述的奶牛肢蹄表现异常识别模型的确定方法，其特征在于，所述奶牛蹄部损伤程度包括：无损伤、轻度损伤、中度损伤和重度损伤。...
【专利技术属性】
技术研发人员：安晓萍，齐景伟，王步钰，王园，王典，李珈毅，刘娜，安禹宁，
申请(专利权)人：内蒙古农业大学，
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。