CN110751178A - 一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置 - Google Patents

一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置 Download PDF

Info

Publication number
CN110751178A
CN110751178A CN201910877457.3A CN201910877457A CN110751178A CN 110751178 A CN110751178 A CN 110751178A CN 201910877457 A CN201910877457 A CN 201910877457A CN 110751178 A CN110751178 A CN 110751178A
Authority
CN
China
Prior art keywords
egg
shaped
characteristic parameters
lxt
characteristic
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
Application number
CN201910877457.3A
Other languages
English (en)
Inventor
王茗祎
吴淋昌
曾亚光
韩定安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN201910877457.3A priority Critical patent/CN110751178A/zh
Publication of CN110751178A publication Critical patent/CN110751178A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置，方法包括：拍摄鸡蛋的轮廓图像；从轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt，其中，将长轴Lx和短轴Ly的交点定义为蛋形中心点，鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt；计算蛋形的特征参数，特征参数包括：蛋形特征度EI、细长度FL和重心偏移量CD，其中，EI＝Lx/Ly、FL＝S/Ly和CD＝Lxt/Lx；将特征参数制成特征向量并输入事先已经训练好的人工智能模型中，得到鸡蛋胚胎的性别鉴定结果。装置包括：拍摄头、处理模块、特征参数计算模块和鉴定模块。利用这种非侵入式的方法和装置，相对于现有技术来讲更加友好，不会影响到鸡蛋的孵化。本发明主要用于鸡蛋生产之中。

Description

一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置
技术领域
本发明涉及生物技术领域，特别涉及一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置。
背景技术
在家禽的养殖行业例如鸡中，养殖的主要目的是食用和生产鸡蛋。在食用鸡的饲养方面，由于雌鸡和雄鸡的成长周期不同，对其分开进行养殖能节约饲养成本。另外，生产鸡蛋需要的是雌鸡，因此养殖场会有大量的日龄雄鸡被杀死。这不仅降低了养殖经济效益，还存在道德伦理问题。
为解决上述问题，现有的技术以用于鉴定鸡早期胚胎性别的PCR扩增引物的方法[CN102181521A]为例。该方法需要从鸡蛋胚胎明区抽取胚盘细胞，然后通过PCR技术扩增用于雌性特异性鉴定的染色体片段和核糖体基因片段，再通过琼脂糖凝胶电泳检测PCR扩增产物，根据带型判断性别。另外，以一种基于尿囊液中雌激素含量对鸡蛋胚胎性别进行鉴定的方法[CN105191831C]为例。该方法通过测量鸡蛋胚胎内的尿囊液中雌二醇E2含量和雌激素硫酸盐E1含量来鉴别鸡蛋胚胎的性别。
上述两种方法均属于侵入式，即都需要先破坏蛋壳然后从胚胎中提取相应的物质进行检测。这种做法都不利于鸡蛋胚胎的后续发育，从而会影响鸡蛋的孵化率。
发明内容
本发明的目的是提供一种非侵入式的鸡蛋胚胎性别鉴定的方法及装置。
本发明解决其技术问题的解决方案是：一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法，包括：
步骤1、拍摄鸡蛋的轮廓图像；
步骤2、从所述轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt，其中，将所述长轴Lx和短轴Ly的交点定义为蛋形中心点，鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt；
步骤3、计算蛋形的特征参数，所述特征参数包括：蛋形特征度EI、细长度FL和重心偏移量CD，其中，EI＝Lx/Ly、FL＝S/Ly和CD＝Lxt/Lx；
步骤4、将所述特征参数制成特征向量并输入事先已经训练好的人工智能模型中，得到鸡蛋胚胎的性别鉴定结果。
进一步，在所述步骤2中，长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt的获取方法包括：
步骤21、对所述轮廓图像进行二值化处理，得到二值化图像；
步骤22、对所述二值化图像进行边缘提取操作，得到边缘图像；
步骤23、从边缘图像中得到长轴Lx和短轴Ly；
步骤24、对边缘图像进行填充，得到填充图像；
步骤25、从填充图像中得到蛋形面积S；
步骤26、根据长轴Lx和短轴Ly得到小头端距离Lxt。
进一步，所述人工智能模型是通过支持向量机模型，利用监督学习方式对样本数据进行二元化分类，通过大数据训练而成。
一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置，包括：
拍摄头，用于拍摄鸡蛋的轮廓图像；
处理模块，用于从所述轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt，其中，将所述长轴Lx和短轴Ly的交点定义为蛋形中心点，鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt；
特征参数计算模块，用于计算蛋形的特征参数，所述特征参数包括：蛋形特征度EI、细长度FL和重心偏移量CD，其中，EI＝Lx/Ly、FL＝S/Ly和CD＝Lxt/Lx；
鉴定模块，用于将特征参数计算模块得到的特征参数制成特征向量并输入事先已经训练好的人工智能模型中，得到鸡蛋胚胎的性别鉴定结果。
进一步，本基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置还包括推送模块，所述推送模块用于将鉴定模块得到的结果推送给用户。
本发明的有益效果是：通过拍摄鸡蛋的轮廓图像，利用鸡蛋的轮廓图像得到特征参数，利用所述特征参数和人工智能模型从而对鸡蛋胚胎性别进行鉴定。利用这种非侵入式的鸡蛋胚胎性别鉴定方法和执行该方法的装置，相对于现有技术来讲更加友好，不会影响到鸡蛋的孵化。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。
图1是基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法的步骤流程图；
图2是长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt的获取方法的步骤流程示意图；
图3是基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置的模块连接示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，文中所提到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
实施例1，参考图1，一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法，包括：
步骤1、拍摄鸡蛋的轮廓图像；
步骤2、从所述轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt，其中，将所述长轴Lx和短轴Ly的交点定义为蛋形中心点，鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt；
步骤3、计算蛋形的特征参数，所述特征参数包括：蛋形特征度EI、细长度FL和重心偏移量CD，其中，EI＝Lx/Ly、FL＝S/Ly和CD＝Lxt/Lx；
步骤4、将所述特征参数制成特征向量并输入事先已经训练好的人工智能模型中，得到鸡蛋胚胎的性别鉴定结果。
参考图2，在所述步骤2中，长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt的获取方法包括：
步骤21、对所述轮廓图像进行二值化处理，得到二值化图像；
步骤22、对所述二值化图像进行边缘提取操作，得到边缘图像；
步骤23、从边缘图像中得到长轴Lx和短轴Ly；
步骤24、对边缘图像进行填充，得到填充图像；
步骤25、从填充图像中得到蛋形面积S；
步骤26、根据长轴Lx和短轴Ly得到小头端距离Lxt。
具体的，可以通过图像采集装置，比如说相机，拍摄鸡蛋的轮廓图。对所述轮廓图像进行处理，处理过程包括：将轮廓图像进行二值化处理，将轮廓图像中的噪点去除，得到二值化图像，通过边缘提取算法对二值化图像进行边缘提取操作，得到边缘图像。
对边缘图像进行填充操作，其中通过获取填充量即可得到蛋形面积S。通过小头端距离Lxt的定义，即可根据长轴Lx和短轴Ly得到小头端距离Lxt。需要说明的是，鸡蛋小头端在拍摄鸡蛋的轮廓图像已经预先确定，具体是通过将待拍摄鸡蛋的小头端朝向设定的方向，这样一来，在拍摄得到的轮廓图像中，在特定的方向上，鸡蛋的一端即可认为是小头端。通过公式EI＝Lx/Ly、FL＝S/Ly和CD＝Lxt/Lx，得到特征参数：蛋形特征度EI、细长度FL和重心偏移量CD，将上述特征参数制成特征向量，并将特征向量输入到人工智能模型，通过人工智能模型得到鸡蛋胚胎的性别鉴定结果。其中，所述人工智能模型，是通过支持向量机模型，利用监督学习方式对样本数据进行二元化分类，通过大数据训练而成。通过实验，上述方法对于鸡蛋胚胎性别鉴定的正确率为80.21％。
本公开的实施例提供的一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置，如图3所示为本公开的一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置结构图，该实施例的一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置包括：摄像头、处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法实施例中的步骤。所述处理器由处理模块、特征参数计算模块和鉴定模块构成。
其中，拍摄头，用于拍摄鸡蛋的轮廓图像并将所述轮廓图像传递给处理模块；
处理模块，用于从所述轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt，其中，将所述长轴Lx和短轴Ly的交点定义为蛋形中心点，鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt；
特征参数计算模块，用于计算蛋形的特征参数，所述特征参数包括：蛋形特征度EI、细长度FL和重心偏移量CD，其中，EI＝Lx/Ly、FL＝S/Ly和CD＝Lxt/Lx；
鉴定模块，用于将特征参数计算模块得到的特征参数制成特征向量并输入事先已经训练好的人工智能模型中，得到鸡蛋胚胎的性别鉴定结果。
本实施例的装置还包括推送模块，用于将鉴定模块得到的结果推送给用户。
所述一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置的示例，并不构成对一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置运行系统的控制中心，利用各种接口和线路连接整个一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (5)

1.一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法，其特征在于，包括：
步骤1、拍摄鸡蛋的轮廓图像；
步骤2、从所述轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt，其中，将所述长轴Lx和短轴Ly的交点定义为蛋形中心点，鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt；
步骤3、计算蛋形的特征参数，所述特征参数包括：蛋形特征度EI、细长度FL和重心偏移量CD，其中，EI＝Lx/Ly、FL＝S/Ly和CD＝Lxt/Lx；
步骤4、将所述特征参数制成特征向量并输入事先已经训练好的人工智能模型中，得到鸡蛋胚胎的性别鉴定结果。
2.根据权利要求1所述的一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法，其特征在于，在所述步骤2中，长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt的获取方法包括：
步骤21、对所述轮廓图像进行二值化处理，得到二值化图像；
步骤22、对所述二值化图像进行边缘提取操作，得到边缘图像；
步骤23、从边缘图像中得到长轴Lx和短轴Ly；
步骤24、对边缘图像进行填充，得到填充图像；
步骤25、从填充图像中得到蛋形面积S；
步骤26、根据长轴Lx和短轴Ly得到小头端距离Lxt。
3.根据权利要求1所述的一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法，其特征在于，所述人工智能模型是通过支持向量机模型，利用监督学习方式对样本数据进行二元化分类，通过大数据训练而成。
4.一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置，其特征在于，包括：
拍摄头，用于拍摄鸡蛋的轮廓图像；
处理模块，用于从所述轮廓图像中获取长轴Lx、短轴Ly、蛋形面积S和小头端距离Lxt，其中，将所述长轴Lx和短轴Ly的交点定义为蛋形中心点，鸡蛋小头端到蛋形中心点的距离定义为小头端距离Lxt；
特征参数计算模块，用于计算蛋形的特征参数，所述特征参数包括：蛋形特征度EI、细长度FL和重心偏移量CD，其中，EI＝Lx/Ly、FL＝S/Ly和CD＝Lxt/Lx；
鉴定模块，用于将特征参数计算模块得到的特征参数制成特征向量并输入事先已经训练好的人工智能模型中，得到鸡蛋胚胎的性别鉴定结果。
5.根据权利要求4所述的一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的装置，其特征在于，还包括推送模块，所述推送模块用于将鉴定模块得到的结果推送给用户。
CN201910877457.3A 2019-09-17 2019-09-17 一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置 Pending CN110751178A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910877457.3A CN110751178A (zh) 2019-09-17 2019-09-17 一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910877457.3A CN110751178A (zh) 2019-09-17 2019-09-17 一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置

Publications (1)

Publication Number Publication Date
CN110751178A true CN110751178A (zh) 2020-02-04

Family

ID=69276578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910877457.3A Pending CN110751178A (zh) 2019-09-17 2019-09-17 一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置

Country Status (1)

Country Link
CN (1) CN110751178A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1449655A (zh) * 2002-03-27 2003-10-22 株式会社堀内 用于确定受精的鸡蛋的性别的方法和装置
CN101916366A (zh) * 2010-08-09 2010-12-15 黑龙江八一农垦大学 上孵前无精蛋识别方法及装置
CN104316473A (zh) * 2014-10-28 2015-01-28 南京农业大学 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法
US20160239953A1 (en) * 2015-02-17 2016-08-18 MatrixSpec Solutions Inc. Systems, devices, and methods for detecting fertility and gender of unhatched eggs
CN109431484A (zh) * 2018-12-10 2019-03-08 佛山科学技术学院 一种基于心率测量的鸡蛋胚胎性别鉴定的装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1449655A (zh) * 2002-03-27 2003-10-22 株式会社堀内 用于确定受精的鸡蛋的性别的方法和装置
CN101916366A (zh) * 2010-08-09 2010-12-15 黑龙江八一农垦大学 上孵前无精蛋识别方法及装置
CN104316473A (zh) * 2014-10-28 2015-01-28 南京农业大学 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法
US20160239953A1 (en) * 2015-02-17 2016-08-18 MatrixSpec Solutions Inc. Systems, devices, and methods for detecting fertility and gender of unhatched eggs
CN109431484A (zh) * 2018-12-10 2019-03-08 佛山科学技术学院 一种基于心率测量的鸡蛋胚胎性别鉴定的装置及方法

Similar Documents

Publication Publication Date Title
Chung et al. Automatic detection of cow’s oestrus in audio surveillance system
CN108229351B (zh) 一种动物养殖方法、动物养殖装置及电子设备
WO2021104007A1 (zh) 一种动物状态监测方法、装置、电子设备及存储介质
CN107992903A (zh) 牲畜身份识别方法、装置、存储介质和电子设备
Dohmen et al. Image-based body mass prediction of heifers using deep neural networks
WO2020078114A1 (zh) 动物分娩的识别方法、装置和设备
Zhu et al. The identification of white fertile eggs prior to incubation based on machine vision and least square support vector machine
CN112288786A (zh) 电子装置及非暂态计算机可读存储介质
Bello et al. Deep learning-based architectures for recognition of cow using cow nose image pattern
Nasirahmadi et al. Pecking activity detection in group-housed turkeys using acoustic data and a deep learning technique
Zhang et al. Biometric facial identification using attention module optimized YOLOv4 for sheep
CN111339850A (zh) 一种基于支撑时相的奶牛跛行检测方法与系统
CN111325217A (zh) 数据处理方法、装置、系统和介质
CN116295022A (zh) 一种基于深度学习多参数融合的猪只体尺测量方法
Fu et al. Lightweight individual cow identification based on Ghost combined with attention mechanism
Kayadan et al. High accuracy gender determination using the egg shape index
Bi et al. A new artificial intelligent approach to buoy detection for mussel farming
CN110751178A (zh) 一种基于蛋形特征参数的鸡蛋胚胎性别鉴定的方法及装置
CN117351404A (zh) 一种奶牛分娩应激程度判识方法及系统
CN106172082A (zh) 用于分析肉禽生长性能自动测量系统扰动数据的方法
CN114419432B (zh) 一种鱼群摄食强度评估方法及装置
Ran et al. Detection of surfacing white shrimp under hypoxia based on improved lightweight YOLOv5 model
CN113449712B (zh) 一种基于改进Alexnet网络的羊脸识别方法
CN116912887B (zh) 一种肉鸡育种管理方法及系统
CN111523446A (zh) 图像识别方法及装置、存储介质

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