[发明专利]基于深度学习的猪神经性疾病智能测报方法

权利要求书

1.一种基于深度学习的猪神经性疾病智能测报方法，其特征在于：步骤如下：

(1)采集实验所需要的视频样本，包括猪正常行走和跛脚的视频；在目标视频图像中提取一系列的单帧图像，并提取完整的目标轮廓；

(2)通过绘制轮廓中心-边缘点距离曲线，提取猪体轮廓关键点，通过将关键轮廓点与轮廓中心点相连接构建出三角形骨架模型；

(3)依据已经构建好的三角形骨架模型，提取步态角度信息，采用封装式特征选择方法，实现特征选择和步态参数的同步优化；

(4)利用开源框架caffe下的RPN网络结构设计测试平台，将特征优化过后的步态信息分作训练模型和测试模型，交叉验证得到最终检测平台。

2.根据权利要求1所述的基于深度学习的猪神经性疾病智能测报方法，其特征在于：所述的步骤1中的实现方法为：对目标视频图像提取一系列的单帧图像，对目标图像进行灰度化，高斯滤波，得到二维高斯模板，采用边缘差分算子Sobel计算水平和垂直方向的差分Gx和Gy，得到梯度模和方向，通过Canny边缘检测算法，取得目标轮廓。

3.根据权利要求1所述的基于深度学习的猪神经性疾病智能测报方法，其特征在于：所述的步骤2中目标的轮廓中心的点(x_c,y_c)为：

其中N_b为边缘点总数，(x_i,y_i)为某一边缘点；绘制中心-边缘点距离曲线为：在猪体轮廓上任取一个边缘点(x_i,y_i)作为起始点，并计算边缘点(x_i,y_i)与中心(x_c,y_c)的距离，即中心-边缘点距离；通过设置低通滤波器的上限截止频率的设定可以从中心-边缘点距离曲线得到鼻子A、尾根B以及能被检测到的前肢C后肢D，从而得到三角形骨架模型。

4.根据权利要求1所述的基于深度学习的猪神经性疾病智能测报方法，其特征在于：所述的步骤3中步态角度信息获取具体过程为：正常行走和跛脚行走的∠AOB，以采集的角度统计信息为训练数据集合。

5.根据权利要求1所述的基于深度学习的猪神经性疾病智能测报方法，其特征在于：所述的步骤4中特征优化过后的步态信息85％作为数据源，输入该测试平台用于训练模型；剩下的15％步态信息作为测试模型，共循环5次。