一种基于边缘计算的猪只异常状态监测方法及系统

    公开(公告)号:CN117423342A

    公开(公告)日:2024-01-19

    申请号:CN202311415297.3

    申请日:2023-10-27

    Abstract: 本发明公开了一种基于边缘计算的猪只异常状态监测方法及系统,涉及语音信号处理技术领域,包括:数据采集与处理模块、边缘计算网关、云服务器和客户端,数据采集与处理模块包括麦克风阵列、数字信号处理模块、功率放大模块、电源模块和通信模块;通过麦克风阵列获取、存储猪舍内采集的音频数据,音频数据经过数据处理模块处理后,通过通信模块传输至边缘计算网关,边缘计算网关对猪舍内的异常声音进行识别与定位,将结果发送至云服务器,云服务器对数据进行存储并建立生猪异常状态预警模型,将预警信息发送至手机或电脑客户端。本发明实现了对猪舍内猪只异常的准确监测、定位以及预警。

    一种基于知识驱动的奶牛疾病文本分类方法

    公开(公告)号:CN115563286B

    公开(公告)日:2023-12-01

    申请号:CN202211404120.9

    申请日:2022-11-10

    Abstract: 本发明公开了一种基于知识驱动的奶牛疾病文本分类方法,包括以下步骤:获取奶牛病情描述文本的疾病特征,并将所述疾病特征转化为词向量;基于卷积神经网络和长短期记忆网络,构建疾病文本分类模型;将所述词向量输入到所述疾病文本分类模型中进行处理,获得奶牛疾病文本的最终疾病特征;基于所述最终疾病特征对奶牛疾病文本进行分类。本发明捕捉了奶牛疾病文本的隐性特征和显性特征,为奶牛疾病文本分类提供了更多的鉴别性特征。(56)对比文件Xiaomeng Li 等.Self-SupervisedFeature Learning via Expoiting Multi-Modal Data for Retinal DiseaseDiagnosis.IEEE Transactions on MedicalImaging.2020,第39卷(第12期),4023-4033.董丽丽 等.融合知识图谱与深度学习的疾病诊断方法研究.计算机科学与探索.2019,第14卷(第05期),815-824.

    基于改进DS证据理论多分类器融合的猪咳嗽声识别方法

    公开(公告)号:CN115457966B

    公开(公告)日:2023-05-12

    申请号:CN202211128776.2

    申请日:2022-09-16

    Abstract: 本申请公开了基于改进DS证据理论多分类器融合的猪咳嗽声识别方法,步骤包括:收集猪舍内生猪的声音片段,获得语料库;基于语料库,得到训练集和测试集,提取训练集和测试集中的多个声学特征;将训练集中的多个声学特征输入至若干基分类器中,输出得到若干基分类器性能评价指标;根据基分类器性能评价指标,筛选基分类器,得到优选基分类器;利用训练集训练优选基分类器,完成目标训练模型;将测试集输入目标训练模型,并采用改进的DS证据理论对优选基分类器的输出结果进行融合,完成猪咳嗽声音识别。本申请采用距离融合对DS融合进行改进,解决DS融合方法靠近决策边界部分数据分类不可靠的问题,可显著提高生猪咳嗽声音识别精度。

    基于注意力引导点云特征学习的奶牛体况自动评分方法

    公开(公告)号:CN114677322B

    公开(公告)日:2023-04-07

    申请号:CN202111649615.3

    申请日:2021-12-30

    Abstract: 本发明涉及奶牛体况自动评分方法技术领域,具体为基于注意力引导点云特征学习的奶牛体况自动评分方法,在数据采集过程中,从两个牧场随机选取奶牛进行背部数据的采集,采集背部深度图像,利用采集到的深度图像中所包含的深度信息,即深度帧数据,结合相机内置参数,生成奶牛背部点云。该基于注意力引导点云特征学习的奶牛体况自动评分方法,将奶牛背部后躯区域作为感兴趣区域进行提取,进行归一化、降采样与特征放大处理,最后,利用注意力引导的点云特征提取网络进行感兴趣区域的特征提取,并完成奶牛的体况评分,本发明能够更好的提取作为奶牛体况评分感兴趣区域的三维特征,并提升奶牛体况评分的精度。

    一种基于DS证据理论融合特征的生猪咳嗽声音识别方法

    公开(公告)号:CN114330454A

    公开(公告)日:2022-04-12

    申请号:CN202210004800.5

    申请日:2022-01-05

    Abstract: 本发明公开了一种基于DS证据理论融合特征的生猪咳嗽声音识别方法,包括:提取语料库中生猪咳嗽声音和非咳嗽声音的线性预测倒谱系数和对数梅尔谱图,将特征图像分成训练集和测试集,分别将训练集中的线性预测倒谱系数和对数梅尔谱图输入两路并行的卷积神经网络提取深度特征,将提取的深度特征送入全连接层和softmax分类器进行二分类,将分类后的结果送入DS证据理论特征融合层,将融合后的结果输入分类器再次进行二分类,实现对生猪咳嗽声音的识别。本发明利用两路卷积神经网络对不同的图像特征提取深度特征,利用DS证据理论对深度特征进行融合,相比于常规的声音识别方法,该方法可有效提升咳嗽声音的识别精度。

    基于声学特征和视觉特征融合的生猪咳嗽声音识别方法

    公开(公告)号:CN114330453A

    公开(公告)日:2022-04-12

    申请号:CN202210004775.0

    申请日:2022-01-05

    Abstract: 本发明公开了一种基于声学特征和视觉特征融合的生猪咳嗽声音识别方法,包括:对语料库中生猪的咳嗽声和非咳嗽声的声音片段进行声学特征提取,并将生猪的咳嗽声和非咳嗽声的声音片段分别转换为频谱图进行视觉特征提取;从特征选择和特征处理两个方面对提取出来的特征进行降维处理并进行融合,将融合的特征输入机器学习的分类模型中,实现对生猪咳嗽声音的识别。本发明分别从声音信号中直接提取声学特征和由声音信号转化的时频图提取视觉特征,将两种不同维度下的特征进行融合,相比于常规的声音识别方法,该方法可有效提升咳嗽声音和整体识别精度。

    一种基于PSO-BP神经网络的TMR日粮瘤胃发酵甲烷产量的预测方法

    公开(公告)号:CN112613688B

    公开(公告)日:2022-03-29

    申请号:CN202110033003.5

    申请日:2021-01-11

    Abstract: 本发明公开了一种基于PSO‑BP神经网络的TMR日粮瘤胃发酵甲烷产量的预测方法,属于甲烷产量的预测领域。构建PSO‑BP神经网络,对输入样本的数据进行归一化处理;建立数据集;根据所述数据集对BP神经网络进行初始化,得到权值和阈值;种群经过初始化后,得到粒子群适应度值;确定个体极值和群体极值;更新粒子速度位置,判断迭代数是否达到初始化设置的结束条件,若达到结束条件,获得最优权值阈值,计算更新权值阈值,判断迭代数是否达到初始化设置的结束条件,若满足则开始仿真,得到预测结果;本发明用以解决目前已有的瘤胃发酵产甲烷预测系统出现了许多数据预处理不理想,导致预测误差较大的问题。

Patent Agency Ranking