-
公开(公告)号：CN119338979A
公开(公告)日：2025-01-21
申请号：CN202411225093.8
申请日：2024-09-03
Applicant: 华南农业大学
Abstract: 本发明提供一种基于非全覆盖视角猪体三维点云重构方法、系统及存储介质，本发明利用深度学习网络对原始获取的包含猪体的非全覆盖的少量视角点云进行重构，利用PigSVFNet网络实现点云和深度图特征提取，然后利用PigSDG网络完成对非全覆盖猪体视角的三维点云重构；本发明仅使用非全覆盖的少量摄像头进行数据采集并重构猪体点云，不仅简化了设备配置要求，还能在较小的空间内获得更好、更精准的测量结果；本发明重构得到的猪体三维精细点云可以广泛用于猪体点云分割、体尺测量、体积估算、估重、分群、选种等方面，有着广泛的应用场景和实用价值。
-
公开(公告)号：CN117281061A
公开(公告)日：2023-12-26
申请号：CN202311072245.0
申请日：2023-08-23
Applicant: 华南农业大学
IPC: A01K29/00 , G06F18/241 , G06N3/04
Abstract: 本发明公开了一种牲畜体重测量方法、装置、系统及计算机设备，包括：获取所述牲畜通过地磅时所记录的动态体重数据；根据所述动态体重数据，获得所述牲畜的体重变化曲线图；将所述体重变化曲线图输入预设的分类网络模型，获得所述牲畜的行为类型；所述行为类型为正常通过、快速通过、缓慢通过、跛脚通过、不配合通过和非牲畜行为中的一种；对所述动态体重数据采取与所述行为类型对应的预测策略，获取所述动态体重数据的体重回归方程，并根据所述体重回归方程，预测所述牲畜的体重。本发明能够根据不同的行为类型对动态体重数据采取不同的预测策略进行体重预测，实现动态称重，有效的减少了体重预测误差，提高了预测精度。
-
公开(公告)号：CN117094925A
公开(公告)日：2023-11-21
申请号：CN202310740692.2
申请日：2023-06-20
Applicant: 华南农业大学
IPC: G06T5/50 , G06T5/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084 , G06V10/75 , G06V10/26 , G06V10/42 , G06V10/52 , G06T5/20 , G06T17/00
Abstract: 本发明公开了一种基于点代理增强和逐层上采样的猪体点云补全方法，其特征在于：所述方法包括以下步骤：采集待补全的局部点云，利用建立好的点云补全网络模型将输入待补全的局部点云逐步恢复成高分辨率、细粒度和均匀的完整点云，完成点云补全任务；所述的点云补全网络模型包括基于采样抽象和局部自注意力的特征提取模块、局部点云点代理生成模块、初始骨架点代理生成模块、邻域感知点代理增强Transformer模块、基于局部自注意力的逐层上采样模块。
-
公开(公告)号：CN114550069B
公开(公告)日：2022-10-21
申请号：CN202210199936.6
申请日：2022-03-01
Applicant: 华南农业大学
IPC: G06V20/40 , G06V10/26 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的仔猪乳头计数方法，所述的方法包括步骤如下：S1：对仔猪腹部进行视频获取；S2：对获取的视频进行逐帧筛选，过滤模糊图像，保留清晰图像；S3：使用目标分割网络对猪体进行目标分割提取；S4：将分割后目标提取图像输入计数网络进行仔猪乳头计数；S5：依据多帧图像多数计数结果实现仔猪乳头最终计数。本发明具有高效、准确自动计数仔猪乳头的优点，不需要采用人力计数，有效的降低劳动力和提高计数效率。
-
公开(公告)号：CN119992648A
公开(公告)日：2025-05-13
申请号：CN202510024118.6
申请日：2025-01-07
Applicant: 华南农业大学
IPC: G06V40/20 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/082 , G06V20/52
Abstract: 本发明提供一种基于改进YOLOv8模型的母猪分娩行为智能监测方法，包括：获取母猪分娩行为数据集并进行预处理，并划分训练集和测试集；选用YOLOv8模型作为基础模型并进行改进，在YOLOv8模型中Head部分的三个检测头前分别添加DLKA模块，并引入Adaptive Threshold Focal Loss作为分类损失，构建母猪分娩行为监测模型；利用训练集训练改进后的模型；利用测试集测试并评估训练好的模型；本发明能够有效提高母猪分娩行为监测的精度；本发明能够精准捕捉母猪分娩时的姿态变化，以及准确识别和记录仔猪的出生情况，有效推动养猪业向智能化和精细化方向迈进，为我国畜牧业高质量发展提供有力支撑。
-
Patent Agency Ranking
公开(公告)号：CN119379810A
公开(公告)日：2025-01-28
申请号：CN202411469960.2
申请日：2024-10-21
Applicant: 华南农业大学
IPC: G06T7/80 , G06T5/60 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于双目光学图像的水下三维全景重构方法和系统，能够有效应对海底复杂环境下光学图像退化的问题，通过深度学习算法对图像进行恢复与增强，提高了水下图像重构质量；同时通过优化立体视觉匹配算法，能够生成高精度的水下点云数据；另外，还通过环境自适应的点云校正，修正了光学失真带来的偏差，进一步提高了水下全景重构的精度；本发明能够有效提升水下三维重构的精度和效率，解决传统方法中的图像质量低和光学失真问题，适用于海洋生物调查、水下考古、海洋牧场管理等领域，并为水下环境的研究和利用提供可靠的数据支持。
-
公开(公告)号：CN117197199A
公开(公告)日：2023-12-08
申请号：CN202311107794.7
申请日：2023-08-30
Applicant: 华南农业大学
IPC: G06T7/33 , G06N3/0464 , G06V10/40
Abstract: 本发明公开了一种基于重叠区域预测的猪体点云配准方法，步骤如下：获取并预处理原始猪体点云；构建猪体点云配准网络；将预处理后的原始猪体点云输入到猪体点云配准网络中，预测重叠区域的概率和提取点的特征；基于预测重叠区域和点的特征建立点对关系，计算位置变换关系完成配准。本发明使用神经网络估计猪体点云重叠部分和提取点特征，基于输出的数据计算位置变换关系，获得完整表面光滑的猪体点云，提高猪体多视角点云配准的速度和精度。
-
公开(公告)号：CN117058054A
公开(公告)日：2023-11-14
申请号：CN202310887186.6
申请日：2023-07-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种牲畜点云连续多帧间配准融合方法，属于牲畜点云配准融合技术领域，包括如下：获取三帧不同位置下的牲畜点云；分别对三帧的牲畜点云进行分割处理，分割出三维头部点云、三维臀部点云；基于点云k邻近点搜索方法提取每一帧的三维头部点云、三维臀部点云的关键点；使用关键点对三帧的三维头部点云、三维臀部点云进行非刚性配准，得到完整的三维头部点云、三维臀部点云；对配准完成后的三维头部点云、三维臀部点云进行拼接还原，去冗余操作；对去冗余操作后的三维头部点云、三维臀部点云进行密度一致性处理。本发明可有效解决因深度相机传统采集视角中存在三维头部点云以及三维臀部点云缺失、以及配准后存在冗余和密度突增的问题。
-
公开(公告)号：CN117037024A
公开(公告)日：2023-11-10
申请号：CN202310780777.3
申请日：2023-06-28
Applicant: 华南农业大学
IPC: G06V20/40 , G06V10/80 , G06N3/0464 , G06N3/08 , G06T3/40 , G06Q10/0639
Abstract: 本发明公开了一种基于改进3D卷积神经网络的猪步态评分方法和系统，涉及计算机图像处理的技术领域；包括获取猪只行走状态下的实时视频流；对所述实时视频流进行逐帧检测，获得猪只在视频帧中的目标检测结果；根据所述目标检测结果对所述视频帧进行过滤处理，获得有效视频帧；对所述有效视频帧进行裁切处理后，逐帧拼接为步态视频；将所述步态视频输入构建的基于改进3D卷积神经网络的评分模型中，获得对应猪只的步态评分结果。本发明实现了对猪步态的自动评分，大大提高了评分的效率和准确度，为猪养殖和健康管理提供更加科学和有效的支持。
-
公开(公告)号：CN117036773A
公开(公告)日：2023-11-10
申请号：CN202310779204.9
申请日：2023-06-28
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/246 , G06V20/40 , G06T3/40
Abstract: 本发明公开了一种基于深度学习的猪只跛行检测方法和系统，涉及计算机视觉的技术领域，包括获取区域内猪只的行走视频；在所述行走视频中，提取猪只各关键部位的特征点；根据所述猪只各关键部位的特征点计算各关键部位的特征信息；将各关键部位的特征信息输入跛行程度检测模型进行分类，计算猪只跛行程度得分，获得猪只跛行程度。本发明解决了传统采用人工观察判断方法存在劳动力工作量大、劳动强度高、效率低、主观性强、容易产生误差的问题，能够高效、准确的检测出猪只跛行的严重程度。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.028 seconds)
