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！

龙图腾网获悉华南农业大学申请的专利基于多特征深度融合学习的鸡群均重估计方法及系统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：CN119721331B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202411707795.X，技术领域涉及：G06Q10/04；该发明授权基于多特征深度融合学习的鸡群均重估计方法及系统是由高月芳;叶双福;王佳旭;黄玲;邝颖杰设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于多特征深度融合学习的鸡群均重估计方法及系统在说明书摘要公布了：本发明公开了一种基于多特征深度融合学习的鸡群均重估计方法及系统，包括：通过智能采集设备采集鸡群均重，并将鸡群均重数据与鸡群相关信息经数据处理程序处理后存入服务器的数据库；基于历史鸡群均重数据及鸡群相关先验知识创建鸡群均重估计模型，预测鸡群体重；将预测通过数据可视化模块，做预测数据展示，将数据信息转化为易于分析的图形、图表形式，从而更清晰地洞察数据的趋势和规律。本发明有效提升畜禽体重预测的准确性，为企业鸡群售卖计划和养殖计划制定提供技术支持。

本发明授权基于多特征深度融合学习的鸡群均重估计方法及系统在权利要求书中公布了：1.一种基于多特征深度融合学习的鸡群均重估计方法，其特征在于，包括以下步骤： 采集待测鸡群均重数据与鸡群相关信息，对采集的数据进行预处理，并将预处理后的数据存入服务器数据库； 基于数据库中历史均重数据及鸡群相关信息构建鸡群均重估计模型，在所述鸡群均重估算模型中进行低阶特征学习及高阶特征学习； 将所述鸡群相关信息作为先验知识，利用高阶特征学习拟合出的参数与所述先验知识构建生长曲线函数，通过所述生长曲线函数输出鸡群均重预测值； 将输出的鸡群均重预测值返回服务器，在服务器中对鸡群均重预测值进行可视化展示； 所述鸡群均重估计模型包括低阶特征学习模块、高阶特征学习模块和预测模块； 将数据库中的历史均重数据导入鸡群均重估计模型，在所述低阶特征学习模块中，利用由全连接层构成的嵌入层进行特征嵌入，对所述全连接层进行Dropout处理，防止过拟合； 利用全连接层对历史均重数据进行特征降维，将原始高维稀疏向量映射为低维稠密向量，得到鸡群生长信息特征的嵌入向量，其中设为第个历史均重数据对应特征向量的嵌入向量，表示为第个历史均重数据对应的特征向量，，表示特征向量总数； 将嵌入层得到低维稠密向量导入低阶特征学习模块中的二阶交叉层作为输入向量，对所述输入向量进行两两交叉乘积运算，然后将运算结果进行相加，获取低维交叉稠密向量； 在所述鸡群均重估计模型中，将低阶特征学习模块学习到的低维交叉稠密向量输入到高阶特征学习模块，所述高阶特征学习模块包括MLP神经网络和SoftPlus函数； 利用所述MLP神经网络对所述低维交叉稠密向量进行学习，捕捉特征向量之间高阶复杂的内在关联关系，拟合生长曲线预测函数参数，获取MLP神经网络的输出的关键生长参数，并使用SoftPlus函数做进一步参数拟合； 所述MLP神经网络的维度设置为，使用随机梯度下降对MLP神经网络的网络参数进行更新优化，模型公式表示为： ， ， ， ， ， ， 其中，表示第层隐藏层，，和分别表示第层的权重、偏置向量和激活函数，表示低维交叉稠密向量，表示鸡群的生长速度，表示关键生长参数，表示鸡群生长率，表示偏移量 所述鸡群均重估计模型的预测模块基于高阶特征学习模块拟合出的关键生长参数结合原始天龄特征构建生长曲线函数，使用所述生长曲线函数以预测鸡群均重，输出鸡群均重预测值； 所述生长曲线函数表示为： 其中，表示鸡群的生长速度，表示鸡群生长率，表示偏移量，表示原始天龄特征。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483号华南农业大学数学与信息学院；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。