[发明专利]牲畜智能选种方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202110040789.3 申请日: 2021-01-13
公开(公告)号: CN112906734A 公开(公告)日: 2021-06-04
发明(设计)人: 杨卫涛 申请(专利权)人: 新希望六和股份有限公司;山东新希望六和集团有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/00;G06K17/00;G06Q50/02
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 樊倩
地址: 621000 四川*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 牲畜 智能 选种 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种牲畜智能选种方法,其特征在于,所述方法包括:

通过摄像装置获取包含有多个表型特征的牲畜图像;

将所述牲畜图像输入预先构建的牲畜种级识别模型,以使所述牲畜种级识别模型根据所述多个表型特征识别出所述牲畜图像中的牲畜所属的品种级别;

根据所述品种级别确定所述牲畜的所属栏位编号。

2.根据权利要求1所述的方法,其特征在于,所述将所述牲畜图像输入预先构建的牲畜种级识别模型,以使所述预先构建的牲畜种级识别模型根据所述多个表型特征识别出所述牲畜所属的品种级别,包括:

将所述牲畜图像输入预先构建的牲畜种级识别模型,以使所述预先构建的牲畜种级识别模型识别出各个所述表型特征的类别;

根据各个所述表型特征的类别和与所述表型特征的类别对应的预设打分规则计算并输出各个所述表型特征对应的分数;

根据各个所述表型特征的预设权重和各个所述表型特征对应的分数计算得到所述牲畜的加权分值;

根据所述牲畜的加权分值确定所述牲畜所属的品种级别。

3.根据权利要求1所述的方法,其特征在于,所述表型特征包括动态表型特征,所述通过摄像装置获取包含有多个表型特征的牲畜图像,包括:

通过设置于行走姿态采集通道中的多个摄像装置采集预设时间的包含所述动态表型特征的所述牲畜图像。

4.根据权利要求3所述的方法,其特征在于,所述行走姿态采集通道的入口处安装有射频识别码阅读器;所述通过摄像装置获取包含有多个表型特征的牲畜图像之前,还包括:

在所述牲畜移动进入所述行走姿态采集通道的入口处时,通过所述射频识别码阅读器获取所述牲畜的射频识别码;

所述将所述牲畜图像输入预先构建的牲畜种级识别模型,以使所述牲畜种级识别模型根据所述多个表型特征识别出所述牲畜图像中的牲畜所属的品种级别的步骤之后,还包括:

将所述牲畜的射频识别码和所述牲畜所属的品种级别存储于牲畜信息数据库中。

5.根据权利要求1所述的方法,其特征在于,所述表型特征包括静态表型特征,所述通过摄像装置获取包含有多个表型特征的牲畜图像,还包括:

通过设置于限位栏中的多个摄像装置采集包含所述静态表型特征的所述牲畜图像。

6.根据权利要求5所述的方法,其特征在于,所述限位栏出口处设置有多个闸门;所述根据所述品种级别确定所述牲畜的所属栏位编号之后,还包括:

根据所述牲畜的所属栏位编号打开与所属栏位编号对应的所述闸门。

7.根据权利要求1至6任一项所述的方法,其特征在于,所述表型特征包括动态表型特征和静态表型特征中的至少一种;其中,

所述动态表型特征包括所述牲畜的行走姿态特征;

所述静态表型特征包括所述牲畜的肢蹄特征、腹线特征、背线特征、肚脐特征、体重、乳头特征以及外阴特征中的至少一种。

8.一种牲畜智能选种装置,其特征在于,所述装置包括:

图像获取模块,用于通过摄像装置获取包含多个表型特征的牲畜图像;

品种级别识别模块,用于将所述牲畜图像输入预先构建的牲畜种级识别模型,以使所述牲畜种级识别模型根据所述多个表型特征识别出所述牲畜图像汇总的牲畜所属的品种级别;

栏位编号确定模块,用于根据所述品种级别确定所述牲畜的所属栏位编号。

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于新希望六和股份有限公司;山东新希望六和集团有限公司,未经新希望六和股份有限公司;山东新希望六和集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110040789.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top