龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：安徽大学
申请日：2024-04-11
公开（公告）日：2024-06-14
公开（公告）号：CN118196837A
主分类号：G06V40/10
分类号：G06V40/10;G06V20/40;G06V10/25;G06V10/44;G06V10/80;G06V10/74;G06V10/82;G06V10/774;G06N3/0464;G06N3/045;G06Q50/02;G06N3/048
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种基于改进YOLOv7模型的奶牛体况评分方法，具体涉及奶牛畜牧业生产领域，包括摄像机录制牧场环境下奶牛尾部视频，得到原始奶牛尾部视频流；对视频流进行分帧，提取出带有牛尾部的图像数据；对图像数据使用labelimg软件进行标注，得到原始数据集；对标注的数据集中进行mosica增强，随机翻转，平移，加入高斯噪声，椒盐噪声进行模糊化处理，得到最终训练数据集；在YOLOv7模型的特征提取网络backbone的第42层加入双向路由注意力机制；在YOLOv7模型的CIOU中融合归一化高斯距离损失；具体为采集牧场奶牛尾部体况的图像数据，得到YOLOv7模型训练所需的数据集；对原始数据集进行加入高斯噪声，椒盐噪声，模糊化处理，获得多样化的数据集。
主权项：1.一种基于改进YOLOv7模型的奶牛体况评分方法，其特征在于；该方法包括以下步骤：1使用摄像机录制牧场环境下奶牛尾部视频，得到原始奶牛尾部视频流；2对视频流进行分帧，提取出带有牛尾部的图像数据；3对图像数据使用labelimg软件进行标注，得到原始数据集；4对标注的数据集中进行mosica增强，随机翻转，平移，加入高斯噪声，椒盐噪声进行模糊化处理，得到最终训练数据集；5在YOLOv7模型的特征提取网络backbone的第42层加入双向路由注意力机制；6在YOLOv7模型的CIOU中融合归一化高斯距离损失；7将YOLOv7模型的部分卷积替换为可学习的分布移位卷积；8将训练数据集输入改进后YOLOv7模型的特征提取网络中，对数据集中奶牛尾部特征进行提取，学习，得到学习后的权重文件；9将摄像机实时拍摄的视频流和步骤8得到的权重文件传入改进后YOLOv7模型的预测文件中，得到实时的奶牛体况评分数据。
全文数据：
权利要求：
百度查询： 安徽大学 一种基于改进YOLOv7模型的奶牛体况评分方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号