CN114119648A - 一种用于固定通道的猪只计数方法 - Google Patents
一种用于固定通道的猪只计数方法 Download PDFInfo
- Publication number
- CN114119648A CN114119648A CN202111340483.6A CN202111340483A CN114119648A CN 114119648 A CN114119648 A CN 114119648A CN 202111340483 A CN202111340483 A CN 202111340483A CN 114119648 A CN114119648 A CN 114119648A
- Authority
- CN
- China
- Prior art keywords
- pig
- pigs
- track
- counting
- prediction model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
Abstract
本发明涉及畜牧养殖技术领域,公开了一种用于固定通道的猪只计数方法,包括以下步骤:S1、初始化猪只轨迹库及轨迹预测模型;S2、目标跟踪:构建对应的轨迹预测模型,进行目标跟踪;S3、猪只轨迹预测:使用轨迹预测模型,预测猪只未来一段时间内的运动轨迹;S4、轨迹预测模型更新:将相邻两帧中距离误差小于阈值的猪只划分为同一猪只;对轨迹预测模型参数进行更新;S5、构建计数线及猪只数量统计:建立计数线;根据猪只移动轨迹跨越计数线的方向和次数对猪只数量进行统计,计算出猪只总数。本发明可以实现快速、高精度、低成本的猪只数量统计,计数方法具有较强的兼容性和鲁棒性,受环境、背景信息等因素的影响较低,适应各种复杂的应用场景。
Description
技术领域
本发明涉及畜牧养殖技术领域,具体是一种用于固定通道的猪只计数方法。
背景技术
传统的畜牧养殖业中通常使用人工对猪只数量进行统计,需要耗费大量的人力,且存在计数误差,这也导致养殖成本难以降低;而随着人工智领域相关技术的迅猛发展,智慧养殖的概念也逐渐进入人们的视野;其中借助人工智能的方法实现猪只数量统计可以大大提升养殖场在采购、转移、出售猪只时的效率;猪只计数通常借助目标识别算法将猪只从复杂环境中识别出来,通过目标追踪或目标特征识别的方法可以避免对同一目标多次统计。
目前市面上已有多种猪只计数方法,例如:专利网公开了一种便于计数生猪的猪舍(公开号:CN213029430U),该专利在猪舍出口处安装红外发射和接收装置,猪只在通过出口时会遮挡红外发射装置发出的信号,接收装置接收不到信号时自动计数;公开了计数装置、学***台及方法(公开号:CN111242903A),该专利需要借助特定设备和目标识别算法对猪只进行识别;公开了一种养殖场生猪计数方法(公开号:CN110246174A),该专利借助悬挂于猪舍上方的摄像头将猪只从背景中区分出来并进行计数,该方法虽然有较好的效果但是对相机安装位置有较严格的要求。
发明内容
本发明的目的在于提供一种用于固定通道的猪只计数方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种用于固定通道的猪只计数方法,包括以下步骤:
S1、初始化猪只轨迹库及轨迹预测模型:在计数前,初始化存储猪只轨迹库和轨迹预测模型,并建立新的猪只对应的轨迹预测模型;
S2、目标跟踪:通过在固定同道中安装的摄像头拍摄猪只的每帧图像,并使用目标识别方法,从获取的图像中提取猪只所在位置,并为其构建对应的轨迹预测模型,进行目标跟踪;
S3、猪只轨迹预测:使用猪只对应的轨迹预测模型,预测猪只未来一段时间内的运动轨迹;
S4、轨迹预测模型更新:通过判断预测猪只的轨迹与新一帧图像中猪只所在的位置,将相邻两帧中距离误差小于阈值的猪只划分为同一猪只;当新一帧中无法匹配与轨迹库中现有猪只轨迹匹配的猪只时,将其新加到归集库中,此外,根据猪只在新一帧图像中对应的位置和图像序列获取时的时间序列,对轨迹预测模型参数进行更新;
S5、构建计数线及猪只数量统计:根据所有猪只的移动轨迹预测固定通道的分布,并使用曲线拟合方法拟合出固定通道的分布,在固定通道中部沿垂直切线的方向建立计数线;根据猪只移动轨迹跨越计数线的方向和次数对猪只数量进行统计,计算出猪只总数,具体计数为:当猪只正向跨越计数线,即猪只移动轨迹从起始位置所在计数线一侧跨越到计数线另一侧时,猪只总数量加1;当猪只移动轨迹反向跨越计数线时,猪只总数量减1。
作为本发明进一步的方案:所述S2步骤中的目标识别方法可以采用深度学习、机器学习或图像处理算法。
作为本发明再进一步的方案:所述S1步骤中的轨迹预测模型可以采用一阶线性轨迹预测模型、二阶线性轨迹预测模型、高阶线性轨迹预测模型或非线性轨迹预测模型。
作为本发明再进一步的方案:所述S1步骤中通过轨迹初始化可以清空轨迹库中历史轨迹,避免影响猪只计数的精确度,通过轨迹预测模型初始化可以对猪只建立具有相同默认参数的同种轨迹预测模型,从而预测猪只未来一段时间内的移动轨迹。
作为本发明再进一步的方案:所述S5步骤中在预测固定通道的分布后,可以采用B样条、贝塞尔曲线或多项式拟合方法拟合出精度较高的通道分布曲线。
作为本发明再进一步的方案:所述S5步骤中预测固定通道的分布L的公式如下:
其中k对应获取图像时的时间序列,pi为第i头猪只的移动轨迹。
与现有技术相比,本发明的有益效果:
本发明通过固定安装的摄像头获取包含猪只的图像信息,在计数前初始化猪只轨迹库及猪只对应的轨迹预测模型,使用目标识别方法对获取图像中的猪只进行识别并建立对应的跟踪目标;通过对未来时间段内猪只运动估计的预测,将连续帧中满足轨迹误差的猪只划定为同一猪只,并对新出现的猪只建立对应模型;最后根据猪只的移动轨迹预估通道的分布曲线,并建立计数线,通过判定猪只移动轨迹是否经过计数线对猪只总数进行统计,从而将猪只从复杂环境中识别出来,可以实现快速、高精度、低成本的猪只数量统计,计数方法具有较强的兼容性和鲁棒性,受环境、背景信息等因素的影响较低,可以适应各种复杂的应用场景。
附图说明
图1为一种用于固定通道的猪只计数方法的流程示意图。
具体实施方式
请参阅图1,本发明实施例中,一种用于固定通道的猪只计数方法,包括以下步骤:
S1、初始化猪只轨迹库及轨迹预测模型:在计数前,初始化存储猪只轨迹库和轨迹预测模型,并建立新的猪只对应的轨迹预测模型;
S2、目标跟踪:通过在固定同道中安装的摄像头拍摄猪只的每帧图像,并使用目标识别方法,从获取的图像中提取猪只所在位置,并为其构建对应的轨迹预测模型,进行目标跟踪;
S3、猪只轨迹预测:使用猪只对应的轨迹预测模型,预测猪只未来一段时间内的运动轨迹,设置预测时间为Δt,带入轨迹预测模型中,即可获得猪只未来一段时间Δt,所在图像中的位置;
S4、轨迹预测模型更新:通过判断预测猪只的轨迹与新一帧图像中猪只所在的位置,对于最新获取的图像In及其之前m帧图像{In-1,In-2,...,In-m}图像中识别出的猪只位置,将相邻两帧中猪只误差小于阈值d1的猪只划分为同一只猪只,并根据猪只在图像{In,In-1,...,In-m}中对应的位置和图像序列获取时的时间序列{tn,tn-1,...,tn-m},对轨迹预测模型参数进行更新;
S5、构建计数线及猪只数量统计:根据所有猪只的移动轨迹预测固定通道的分布,并使用曲线拟合方法拟合出固定通道的分布,在固定通道中部沿垂直切线的方向建立计数线;根据猪只移动轨迹跨越计数线的方向和次数对猪只数量进行统计,计算出猪只总数,具体计数为:当猪只正向跨越计数线,即猪只移动轨迹从起始位置所在计数线一侧跨越到计数线另一侧时,猪只总数量加1;当猪只移动轨迹反向跨越计数线时,猪只总数量减1。
优选的,S2步骤中的目标识别方法可以采用深度学习、机器学习或图像处理算法。
优选的,S1步骤中的轨迹预测模型可以采用一阶线性轨迹预测模型、二阶线性轨迹预测模型、高阶线性轨迹预测模型或非线性轨迹预测模型。
优选的,S1步骤中的初始化通过轨迹初始化可以清空轨迹库中历史轨迹,避免影响猪只计数的精确度,通过轨迹预测模型初始化可以对猪只建立具有相同默认参数的同种轨迹预测模型,从而预测猪只未来一段时间内的移动轨迹。
优选的,S5步骤中在预测固定通道的分布后,可以采用B样条、贝塞尔曲线或多项式拟合方法拟合出精度较高的通道分布曲线。
优选的,S5步骤中预测固定通道的分布L的公式如下:
其中k对应获取图像时的时间序列,pi为第i头猪只的移动轨迹。
以上所述的,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种用于固定通道的猪只计数方法,其特征在于,包括以下步骤:
S1、初始化猪只轨迹库及轨迹预测模型:在计数前,初始化存储猪只轨迹库和轨迹预测模型,并建立新的猪只对应的轨迹预测模型;
S2、目标跟踪:通过在固定同道中安装的摄像头拍摄猪只的每帧图像,并使用目标识别方法,从获取的图像中提取猪只所在位置,并为其构建对应的轨迹预测模型,进行目标跟踪;
S3、猪只轨迹预测:使用猪只对应的轨迹预测模型,预测猪只未来一段时间内的运动轨迹;
S4、轨迹预测模型更新:通过判断预测猪只的轨迹与新一帧图像中猪只所在的位置,将相邻两帧中距离误差小于阈值的猪只划分为同一猪只;当新一帧中无法匹配与轨迹库中现有猪只轨迹匹配的猪只时,将其新加到归集库中,此外,根据猪只在新一帧图像中对应的位置和图像序列获取时的时间序列,对轨迹预测模型参数进行更新;
S5、构建计数线及猪只数量统计:根据所有猪只的移动轨迹预测固定通道的分布,并使用曲线拟合方法拟合出固定通道的分布,在固定通道中部沿垂直切线的方向建立计数线;根据猪只移动轨迹跨越计数线的方向和次数对猪只数量进行统计,计算出猪只总数,具体计数为:当猪只正向跨越计数线,即猪只移动轨迹从起始位置所在计数线一侧跨越到计数线另一侧时,猪只总数量加1;当猪只移动轨迹反向跨越计数线时,猪只总数量减1。
2.根据权利要求1所述的一种用于固定通道的猪只计数方法,其特征在于,所述S2步骤中的目标识别方法可以采用深度学习、机器学习或图像处理算法。
3.根据权利要求1所述的一种用于固定通道的猪只计数方法,其特征在于,所述S1步骤中的轨迹预测模型可以采用一阶线性轨迹预测模型、二阶线性轨迹预测模型、高阶线性轨迹预测模型或非线性轨迹预测模型。
4.根据权利要求1所述的一种用于固定通道的猪只计数方法,其特征在于,所述S1步骤中通过轨迹初始化可以清空轨迹库中历史轨迹,避免影响猪只计数的精确度,通过轨迹预测模型初始化可以对猪只建立具有相同默认参数的同种轨迹预测模型,从而预测猪只未来一段时间内的移动轨迹。
5.根据权利要求1所述的一种用于固定通道的猪只计数方法,其特征在于,所述S5步骤中在预测固定通道的分布后,可以采用B样条、贝塞尔曲线或多项式拟合方法拟合出精度较高的通道分布曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111340483.6A CN114119648A (zh) | 2021-11-12 | 2021-11-12 | 一种用于固定通道的猪只计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111340483.6A CN114119648A (zh) | 2021-11-12 | 2021-11-12 | 一种用于固定通道的猪只计数方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114119648A true CN114119648A (zh) | 2022-03-01 |
Family
ID=80379264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111340483.6A Pending CN114119648A (zh) | 2021-11-12 | 2021-11-12 | 一种用于固定通道的猪只计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114119648A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116453061A (zh) * | 2023-06-08 | 2023-07-18 | 厦门农芯数字科技有限公司 | 一种基于图像识别的远程卖猪监管方法、装置以及设备 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021949A (zh) * | 2007-03-23 | 2007-08-22 | 中山大学 | 一种用于煤矿的矿工出入自动监测的方法 |
CN101847265A (zh) * | 2010-04-20 | 2010-09-29 | 上海理工大学 | 一种在公交客流统计***中使用的运动目标提取及多目标分割方法 |
CN103530874A (zh) * | 2013-10-09 | 2014-01-22 | 上海大学 | 基于Kinect的人流计数方法 |
CN103559481A (zh) * | 2013-11-05 | 2014-02-05 | 无锡慧眼电子科技有限公司 | 一种复杂环境下的人数统计方法 |
CN106845620A (zh) * | 2016-12-19 | 2017-06-13 | 江苏慧眼数据科技股份有限公司 | 一种基于队列状态分析的客流计数方法 |
CN107610464A (zh) * | 2017-08-11 | 2018-01-19 | 河海大学 | 一种基于高斯混合时间序列模型的轨迹预测方法 |
CN109389016A (zh) * | 2017-08-10 | 2019-02-26 | 株式会社日立制作所 | 一种人头计数的方法及*** |
CN110135314A (zh) * | 2019-05-07 | 2019-08-16 | 电子科技大学 | 一种基于深度轨迹预测的多目标跟踪方法 |
CN110889347A (zh) * | 2019-11-15 | 2020-03-17 | 山东大学 | 基于时空计数特征的密度交通流计数方法及*** |
CN111239727A (zh) * | 2020-02-26 | 2020-06-05 | 深圳雷研技术有限公司 | 一种乘客计数方法及通信设备 |
CN111523472A (zh) * | 2020-04-23 | 2020-08-11 | 杭州海康威视***技术有限公司 | 基于机器视觉的活动目标计数方法和设备 |
CN111652912A (zh) * | 2020-06-10 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和***、数据处理设备及智能拍摄设备 |
CN112380960A (zh) * | 2020-11-11 | 2021-02-19 | 广东电力信息科技有限公司 | 一种人群计数方法、装置、设备和存储介质 |
CN112541440A (zh) * | 2020-12-16 | 2021-03-23 | 中电海康集团有限公司 | 一种基于视频行人识别的地铁人流网络融合方法及人流预测方法 |
CN113011367A (zh) * | 2021-03-31 | 2021-06-22 | 广州大学 | 一种基于目标轨迹的异常行为分析方法 |
CN113257003A (zh) * | 2021-05-12 | 2021-08-13 | 上海天壤智能科技有限公司 | 交通道路车道级车流计数***及其方法、设备、介质 |
CN113344972A (zh) * | 2021-05-25 | 2021-09-03 | 浙江工业大学 | 一种基于集约化养殖的鱼类轨迹预测方法 |
CN113516070A (zh) * | 2021-07-08 | 2021-10-19 | 深圳喜为智慧科技有限公司 | 一种猪只点数方法 |
-
2021
- 2021-11-12 CN CN202111340483.6A patent/CN114119648A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021949A (zh) * | 2007-03-23 | 2007-08-22 | 中山大学 | 一种用于煤矿的矿工出入自动监测的方法 |
CN101847265A (zh) * | 2010-04-20 | 2010-09-29 | 上海理工大学 | 一种在公交客流统计***中使用的运动目标提取及多目标分割方法 |
CN103530874A (zh) * | 2013-10-09 | 2014-01-22 | 上海大学 | 基于Kinect的人流计数方法 |
CN103559481A (zh) * | 2013-11-05 | 2014-02-05 | 无锡慧眼电子科技有限公司 | 一种复杂环境下的人数统计方法 |
CN106845620A (zh) * | 2016-12-19 | 2017-06-13 | 江苏慧眼数据科技股份有限公司 | 一种基于队列状态分析的客流计数方法 |
CN109389016A (zh) * | 2017-08-10 | 2019-02-26 | 株式会社日立制作所 | 一种人头计数的方法及*** |
CN107610464A (zh) * | 2017-08-11 | 2018-01-19 | 河海大学 | 一种基于高斯混合时间序列模型的轨迹预测方法 |
CN110135314A (zh) * | 2019-05-07 | 2019-08-16 | 电子科技大学 | 一种基于深度轨迹预测的多目标跟踪方法 |
CN110889347A (zh) * | 2019-11-15 | 2020-03-17 | 山东大学 | 基于时空计数特征的密度交通流计数方法及*** |
CN111239727A (zh) * | 2020-02-26 | 2020-06-05 | 深圳雷研技术有限公司 | 一种乘客计数方法及通信设备 |
CN111523472A (zh) * | 2020-04-23 | 2020-08-11 | 杭州海康威视***技术有限公司 | 基于机器视觉的活动目标计数方法和设备 |
CN111652912A (zh) * | 2020-06-10 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和***、数据处理设备及智能拍摄设备 |
CN112380960A (zh) * | 2020-11-11 | 2021-02-19 | 广东电力信息科技有限公司 | 一种人群计数方法、装置、设备和存储介质 |
CN112541440A (zh) * | 2020-12-16 | 2021-03-23 | 中电海康集团有限公司 | 一种基于视频行人识别的地铁人流网络融合方法及人流预测方法 |
CN113011367A (zh) * | 2021-03-31 | 2021-06-22 | 广州大学 | 一种基于目标轨迹的异常行为分析方法 |
CN113257003A (zh) * | 2021-05-12 | 2021-08-13 | 上海天壤智能科技有限公司 | 交通道路车道级车流计数***及其方法、设备、介质 |
CN113344972A (zh) * | 2021-05-25 | 2021-09-03 | 浙江工业大学 | 一种基于集约化养殖的鱼类轨迹预测方法 |
CN113516070A (zh) * | 2021-07-08 | 2021-10-19 | 深圳喜为智慧科技有限公司 | 一种猪只点数方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116453061A (zh) * | 2023-06-08 | 2023-07-18 | 厦门农芯数字科技有限公司 | 一种基于图像识别的远程卖猪监管方法、装置以及设备 |
CN116453061B (zh) * | 2023-06-08 | 2023-10-03 | 厦门农芯数字科技有限公司 | 一种基于图像识别的远程卖猪监管方法、装置以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657575B (zh) | 室外施工人员智能视频跟踪算法 | |
CN103971386A (zh) | 一种动态背景场景下的前景检测方法 | |
CN105261034A (zh) | 一种高速公路上车流量的统计方法及装置 | |
CN102567380A (zh) | 在视频图像中检索车辆信息的方法 | |
CN113052873B (zh) | 一种在线自监督学习场景适应的单目标跟踪方法 | |
CN110991222B (zh) | 一种物体状态监测、母猪发情监测方法、装置及*** | |
CN114049477A (zh) | 一种过鱼鱼道***、鱼类数量和种类的动态识别跟踪方法 | |
CN103049765A (zh) | 一种基于鱼眼相机的判断人群密度和人数的方法 | |
CN114119648A (zh) | 一种用于固定通道的猪只计数方法 | |
CN111382686A (zh) | 一种基于半监督生成对抗网络的车道线检测方法 | |
Zheng et al. | YOLO-BYTE: An efficient multi-object tracking algorithm for automatic monitoring of dairy cows | |
CN109389016B (zh) | 一种人头计数的方法及*** | |
CN115861383B (zh) | 一种拥挤空间下多信息融合的行人轨迹预测装置及方法 | |
Noe et al. | Automatic detection and tracking of mounting behavior in cattle using a deep learning-based instance segmentation model | |
CN111260496B (zh) | 一种畜禽舍环境实时监测方法及*** | |
CN104809742A (zh) | 一种复杂场景下的物品安全检测方法 | |
CN115410150A (zh) | 传送带跑偏的检测方法、检测装置和处理器 | |
CN109766743A (zh) | 一种智能仿生警察*** | |
CN114120441A (zh) | 猪只转群盘点方法、装置、电子设备及存储介质 | |
CN111028266A (zh) | 畜禽盘点方法、装置、电子设备和存储介质 | |
CN114332096A (zh) | 基于深度学习的猪场猪只实例分割方法 | |
CN114399711A (zh) | 物流分拣形式识别方法、装置及存储介质 | |
CN115393751A (zh) | 数据处理方法、存储介质及电子设备 | |
CN116959117A (zh) | 针对垃圾投放行为分析和违规行为多角度抓拍的监测*** | |
Zhang et al. | A dairy goat tracking method via lightweight fusion and Kullback Leibler divergence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220301 |
|
RJ01 | Rejection of invention patent application after publication |