买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国农业大学申请的专利一种基于深度学习的羊只生命特征识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119380371B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411407070.9，技术领域涉及：G06V40/10；该发明授权一种基于深度学习的羊只生命特征识别方法是由张梦杰;洪丹;赵启南;罗海玲;张小栓;胡金有;朱烟飞设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本一种基于深度学习的羊只生命特征识别方法在说明书摘要公布了：本发明提供了一种基于深度学习的羊只生命特征识别方法，该方法包括：确定研究的羊只生命特征，制作羊只生命特征数据集，构建羊只生命特征识别模型，基于羊只生命特征数据集对羊只生命特征识别模型进行训练，基于羊只生命特征数据集对训练后的羊只生命特征识别模型进行性能评估，输出羊只生命特征识别结果。本发明能够实现羊只生命特征识别，且参数量和计算量小于其他广泛使用的目标检测网络模型，综合精度高于其他目标检测网络模型，可广泛应用于人工智能与畜牧业的交叉领域。

本发明授权一种基于深度学习的羊只生命特征识别方法在权利要求书中公布了：1.一种基于深度学习的羊只生命特征识别方法，其特征在于，包括： 确定研究的羊只生命特征：基于专家问询、文献查阅与现场观察确定研究的羊只生命特征，包括反刍、应激、萎靡、正常、卧息及睡眠； 制作羊只生命特征数据集：搭建视觉系统采集羊只生命特征图像，并进行数据集标注与划分，然后对训练集中数据较少的生命特征进行数据增强，最终得到羊只生命特征数据集； 构建基于深度学习的羊只生命特征识别模型，包括图像特征提取模块、多尺度特征融合模块与生命特征输出模块，所述图像特征提取模块用于从羊只生命特征图像中提取多尺度的特征表示，所述多尺度特征融合模块用于将提取的多尺度的特征表示进行融合与增强，所述生命特征输出模块识别融合后的特征信息，输出识别结果； 基于羊只生命特征数据集对羊只生命特征识别模型进行训练得到权重； 基于羊只生命特征数据集的测试集对训练后的羊只生命特征识别模型进行性能评估，输出羊只生命特征识别结果； 所述羊只生命特征识别模型的多尺度特征融合模块包括轻量级特征提升模块、特征拼接模块、特征增强模块及特征整合模块，具体为： 所述轻量级特征提升模块由预测模块与重组模块构成，预测模块通过卷积层对输入的特征图进行降维，再通过另一个卷积层预测特征图每个位置需要的权重参数，重组模块利用预测出的权重和原始特征图生成上采样后的特征图，所述轻量级特征提升模块的关键公式为： 式中，i和j是输出特征图y的坐标，Kup是权重大小，S为放大因子，p，q为遍历的区域，m为遍历的每个元素，为位置i，j处第m个元素的权重，该权重由预测模块预测得出，xi+p·S,j+q·S为输入特征图x中对应位置的元素，所述轻量级特征提升模块的放大因子设置为2，输出的特征图尺寸为输入特征图尺寸的两倍； 所述特征拼接模块用于将不同尺度的特征图结合起来，保证羊只生命特征识别模型能够充分利用不同尺度的信息； 所述特征增强模块首先对输入的特征图进行局部增强操作，局部增强公式为： 式中，Lb,c,i,j是局部增强后的特征图在第b个批次，第c个通道，空间位置i,j的值，Xb,c,i,j是输入特征图在批次b、通道c和空间位置i,j的值，k是局部增强窗口大小，定义了每个局部区域的尺寸，m和n是局部窗口内像素位置的索引， 其次，采用全局增强操作，将整个特征图转换为一个单一的值，有利于捕获全局特征，全局增强公式为： 式中，Gb,c表示增强后的特征图在批次b、通道c的值，H和W分别为输入特征图的高度和宽度； 然后，将局部特征和全局特征分别通过一维卷积进行特征转换与重构，对于局部增强后的特征，通过逐元素乘法将局部特征与输入特征图结合，突出局部特征；对于全局增强后的特征，通过加法将全局增强特征与局部增强特征结合，融合全局上下文信息； 最后，将经过局部和全局增强处理的特征图进行反增强操作，恢复原始空间维度； 所述特征整合模块的权重矩阵大小为3，滑动距离为2，能够减少特征图的空间维度，同时增加特征图的通道数，抽取更高级的抽象特征；特征整合模块在特征拼接模块之后，可以进一步整合来自不同层的特征图，融合特征信息； 所述生命特征输出模块由三个检测头组成，每个检测头均包含两个分支，分别通过2个3*3的卷积与1个1*1的二维卷积计算边界框损失与分类损失，所述生命特征输出模块使用优化函数改善模型训练过程，其中，优化函数为： 式中， 式中，λ和μ是权重系数，是模型预测区域与真实标签区域的交集与并集的比值，和分别是真实框中心点坐标，和分别是预测框中心点坐标，dw和dh分别是真实框与预测框中心点的宽度差和高度差，wp是预测框的宽度，ht是真实框的高度，maxxt,xp即真实框与预测框x坐标的最大值，maxyt,yp即真实框与预测框y坐标的最大值，θ的值在模型训练过程中确定，pt是模型将生命特征类别预测为正类别的概率，γ为调整正负类别的平衡系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国农业大学，其通讯地址为：100193 北京市海淀区圆明园西路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。