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！

申请/专利权人：华南农业大学

摘要：本发明公开了一种多维平养种鹅产蛋性能测定方法及系统，涉及平养种鹅产蛋性能测定领域。该方法包括以下步骤：采集种鹅的身份数字数据、重量数字数据、运动数字数据和视觉数据；基于种鹅的身份数字数据、重量数字数据、运动数字数据和视觉数据，获取种鹅产蛋综合检测结果；根据种鹅产蛋综合检测结果，确定种鹅产蛋性能测定信息，并对种鹅产蛋性能测定信息进行可视化。本发明能融合包括种鹅重量、身份、运动、视觉和时间的多维信息，实现平养种鹅产蛋性能的测定，解决现有平养种鹅产蛋测定方法中存在的科学性不足、适应性不足和准确性低的问题。

主权项：1.一种多维平养种鹅产蛋性能测定方法，其特征在于，包括以下步骤：S1、采集种鹅的身份数字数据、重量数字数据、运动数字数据和视觉数据；S2、基于步骤S1中种鹅的身份数字数据、重量数字数据、运动数字数据和视觉数据，分别获取基于运动数据的种鹅个体产蛋预测概率、基于重量信息的种鹅个体产蛋预测概率以及融合身份数据和视觉数据的种鹅个体产蛋预测概率，并基于时间戳对其进行加权平均以获取种鹅产蛋综合检测结果；步骤S2包括以下步骤：S21、对步骤S1中种鹅的身份数字数据进行解码并添加时间戳，获取种鹅的活动区身份时序数据和种鹅的产蛋区身份时序数据，并根据种鹅的活动区身份时序数据和种鹅的产蛋区身份时序数据确定种鹅的进出产蛋区状态数据；S22、对步骤S1中种鹅的运动数字数据进行解码并添加时间戳，获取种鹅的三轴加速度时序数据，根据种鹅的三轴加速度时序数据和步骤S21中种鹅的进出产蛋区状态数据确定种鹅的三轴加速度状态时序序列数据，并根据种鹅的三轴加速度状态时序序列数据获取基于运动数据的种鹅个体产蛋预测概率；S23、对步骤S1中种鹅的重量数字数据进行解码并添加时间戳，获取种鹅的重量时序数据，根据种鹅的重量时序数据和步骤S21中种鹅的进出产蛋区状态数据确定种鹅的重量状态时序序列数据，并根据种鹅的重量状态时序序列数据和步骤S22中种鹅的三轴加速度状态时序序列数据，获取基于重量信息的种鹅个体产蛋预测概率；根据种鹅的重量状态时序序列数据和步骤S22中种鹅的三轴加速度状态时序序列数据，获取基于重量信息的种鹅个体产蛋预测概率，包括以下步骤：A1、对种鹅的重量状态时序序列数据和步骤S22中种鹅的三轴加速度状态时序序列数据进行匹配，并利用匹配后的种鹅的重量状态时序序列数据和三轴加速度状态时序序列数据，获取种鹅的步态识别结果；步骤A1包括以下步骤：A11、对种鹅的重量状态时序序列数据和步骤S22中种鹅的三轴加速度状态时序序列数据进行时间戳匹配；A12、采用斜度阈值法对步骤A11中匹配时间戳后的种鹅的重量状态时序序列数据和种鹅的三轴加速度状态时序序列数据进行分割处理，获取隔离单一步态周期后的种鹅重量数据和种鹅运动数据；A13、基于非平稳波动性的特征提取方法对步骤A12中隔离单一步态周期后的种鹅重量数据和种鹅运动数据进行特征提取，获取种鹅步态特征向量；A14、将步骤A13中的步态特征向量与时间进行融合，以构建种鹅全面步态特征向量；A15、构建并训练种鹅步态识别模型，利用训练后的种鹅步态识别模型和步骤A14中的种鹅全面步态特征向量获取种鹅的步态识别结果；A2、根据步骤A1中种鹅的步态识别结果，获取基于重量信息的种鹅个体产蛋预测概率；步骤A2包括以下步骤：A21、构建并训练以种鹅进出产蛋区的重量差为输入，并以种鹅个体产蛋预测概率为输出的基于重量信息的种鹅个体产蛋预测模型；A22、判断步骤A1中种鹅的步态识别结果是否为平稳步态；若是则采用Z-Score方法获取种鹅的优化重量数据，否则采用KR方法获取种鹅的优化重量数据；采用KR方法获取种鹅的优化重量数据，具体为：将种鹅的重量状态时序序列数据和对应的时间戳分别划分为每5个读数为一个切片，初始偏移为1，获取关于重量的斜率；确定关于重量的斜率的绝对值小于或等于0.1时，种鹅的重量状态时序序列数据首次达到稳定，计算首次达到稳定时切片内种鹅的重量状态时序序列数据的平均值和最小均方根误差；以1为单位增加偏移，计算增加偏移后切片内种鹅的重量状态时序序列数据的平均值和均方根误差，判断增加偏移后切片内种鹅的重量状态时序序列数据的均方根误差是否小于最小均方根误差，且增加偏移后切片内种鹅的重量状态时序序列数据的平均值是否大于或等于种鹅的重量最大值，若是则将最小均方根误差替换为增加偏移后切片内种鹅的重量状态时序序列数据的均方根误差，并将种鹅的重量最大值替换为增加偏移后切片内种鹅的重量状态时序序列数据的平均值，以获取种鹅的优化重量数据；A23、根据步骤A22中种鹅的优化重量数据，获取种鹅进出产蛋区的优化重量差，并利用种鹅进出产蛋区的优化重量差和步骤A21中基于重量信息的种鹅个体产蛋预测模型，获取基于重量信息的种鹅个体产蛋预测概率；S24、基于步骤S1中种鹅的身份数字数据，对步骤S1中种鹅的视觉数据进行种鹅身份信息匹配和产蛋检测，获取融合身份数据和视觉数据的种鹅个体产蛋预测概率；步骤S24包括以下步骤：S241、基于步骤S1中种鹅的身份数字数据，对步骤S1中种鹅的视觉数据进行种鹅身份信息匹配，以构建种鹅视觉检测数据集；S242、基于改进的YOLOv8-CS网络分别构建种鹅网络检测模型和种蛋网络检测模型，训练种鹅网络检测模型和种蛋网络检测模型，并利用训练后的种鹅网络检测模型和种蛋网络检测模型以及步骤S241中的种鹅视觉检测数据集，获取融合身份数据和视觉数据的种鹅个体产蛋预测概率；S25、基于时间戳对步骤S22中基于重量信息的种鹅个体产蛋预测概率、步骤S23中基于运动数据的种鹅个体产蛋预测概率和步骤S24中融合身份数据和视觉数据的种鹅个体产蛋预测概率进行加权平均，获取种鹅产蛋综合检测结果；S3、根据步骤S2中的种鹅产蛋综合检测结果，确定种鹅产蛋性能测定信息，并对种鹅产蛋性能测定信息进行可视化。

全文数据：

权利要求：

百度查询： 华南农业大学 一种多维平养种鹅产蛋性能测定方法及系统