CN113792603A - 基于人工智能的牲畜身体识别系统及使用方法 - Google Patents
基于人工智能的牲畜身体识别系统及使用方法 Download PDFInfo
- Publication number
- CN113792603A CN113792603A CN202110934663.0A CN202110934663A CN113792603A CN 113792603 A CN113792603 A CN 113792603A CN 202110934663 A CN202110934663 A CN 202110934663A CN 113792603 A CN113792603 A CN 113792603A
- Authority
- CN
- China
- Prior art keywords
- livestock
- image
- namely
- database
- rgb
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开的属于牲畜识别技术领域，具体为基于人工智能的牲畜身体识别系统及使用方法，包括图像采集模块、模型特征提取、比对与建库模块，所述图像采集模块连接有模型特征提取、比对与建库模块，所述图像采集模块包括拍照程序和相关设备，所述图像采集模块获取的图片为RGB图，本发明通过人工智能技术来对牲畜身体进行识别，无接触、简单易用，提高了牲畜识别的效率、识别的准确性、识别的有效性，本发明与牲畜无接触，即拍摄一张RGB图或几张RGB图就可以建立牲畜的唯一电子身份ID，其次无接触，即不需要电子耳标等物体，不仅避免人与牲畜的接触，也避免了可能的交叉感染问题，而且不需要挪动牲畜来进行测量。
Description
技术领域
本发明涉及牲畜识别技术领域，具体为基于人工智能的牲畜身体识别系统及使用方法。
背景技术
随着中国经济的快速发展，农业被越来越重视，养殖行业是农业中的重要组成部分，但我们国家的养殖水平相对发达国家还有待提高，如何将科学技术应用于养殖行业为养殖赋能以便实现弯道超车，成为我们这代人的使命，国家为了促进养殖业的发展推行了政策型养殖险，鼓励养殖户在保险公司进行投保，国家予以补贴。为了保障国家资金准确无误的支持养殖业，保险公司要实现精准投保、精准理赔，确保投保了牲畜死亡后都能获得理赔，同时也理赔了牲畜不能再理赔。在实际的业务中，由于牲畜长的都差不多，人很难区分哪些死亡的牲畜是已经投保了，哪些是没用投保；同时也难以区分哪些牲畜已经理赔过，这些难以区分容易给保险公司造成经济损失。
传统的对牲畜的识别方法：一、严格规范投保、理赔流程，根据人的经验来进行识别；二、采用电子耳标。
采用电子耳标对牲畜进行识别，这种方法具有以下缺点：一是给牲畜戴上电子耳标，给有的牲畜戴电子耳标可能还存在一定的人身风险，需要多人操作，不仅费力、费时、效率低下而且还存在一定风险；二是也存在一定卫生风险，有的电子耳标需注射到皮肤下面，而屠宰时不一定能取出，从而流向交易市场；三是存在一定的道德风险，对戴电子耳标做手脚，有的一头牲畜可能存在多个电子耳标等各种现象，从而造成投保数量不准确，从而要求更多保险费用，造成国家资金被套取。
专业人员进行识别这种方法，具有以下缺点：一是不准确，依靠经验判断，可信度比较低；二是特别投保数量比较多时，这种方法就更加不准确了。
从而上述方式都无法做到快速、有效、低成本的对相关牲畜进行识别，无法降低相关的运营成本。
发明内容
本发明的目的在于提供基于人工智能的牲畜身体识别系统及使用方法，以解决上述背景技术中提出的传统的方式大多无法做到快速、有效、低成本的对相关牲畜进行识别，无法降低相关的运营成本的问题。
为实现上述目的，本发明提供如下技术方案：基于人工智能的牲畜身体识别系统，包括图像采集模块、模型特征提取、比对与建库模块，所述图像采集模块连接有模型特征提取、比对与建库模块；
所述图像采集模块包括拍照程序和相关设备，所述图像采集模块获取的图片为RGB图，所述图像采集模块连接有判断模型，所述判断模型用于判断RGB图是否存在牲畜即目标物；
所述模型特征提取、比对与建库模块包括深度学习模型、比对模块和建库模块；
所述深度学习模型用于提取牲畜的特征；
所述建库模块用于建立数据库，所述数据库中存储有不同牲畜的特征；
所述比对模块用于判断特征是否为空。
基于人工智能的牲畜身体识别系统的使用方法，包括以下步骤：
S1：在相关设备上开发拍照程序获取RGB图；
S2：利用步骤S1中开发的拍照程序，对牲畜即目标物进行拍照，主要从目标的侧面即牲畜身体侧面进行拍照，拍照获取目标的RGB图；
S3：根据步骤S2中获取的RGB图，送入判断模型，判断RGB图是否存在牲畜即目标物，如果存在目标物则进入下一步，如果不存在则返回重拍；
S4：将获取目标物的RGB图送入模型特征提取、比对与建库模块进行判断。
优选的，所述模型特征提取、比对与建库模块包括以下判断步骤：
T1：获取图像采集模块的数据，即获取RGB图；
T2：将RGB图送入到深度学习模型，提取牲畜的特征，将特征记为F；
T3：根据一定条件从数据库选取不同牲畜的特征，记为GF；
T4：通过比对模块判断特征GF是否为空，即按条件是否选取到牲畜；
T5：如果步骤T4中的GF为空，则特征F直接存入数据库，并生成唯一电子身份ID，ID唯一；
T6：如果步骤T4中的GF不为空，则跟特征F进行比对，即计算采集的牲畜身体侧面特征与数据库中已有的牲畜身体侧面特征之间的相似度；
T7：判断相似度是否大于一定的阈值，如果小于阈值，说明数据库不存在此牲畜，则跳到步骤T5，将特征存在数据库，否则进入步骤T8；
T8：若相似度大于一定阈值，说明数据库存在此牲畜，特征F将抛弃，不存入数据库。
优选的，所述步骤T2中提取牲畜的特征包括牲畜身体侧面的颜色特征、纹理特征和轮廓特征。
优选的，所述步骤T3中的一定条件为按照地域、时间、保险公司、养殖企业条件中的任意一个或多个。
与现有技术相比，本发明的有益效果是：
1)本发明通过人工智能技术来对牲畜身体进行识别，无接触、简单易用，提高了牲畜识别的效率、识别的准确性、识别的有效性，本发明与牲畜无接触，即拍摄一张RGB图或几张RGB图就可以建立牲畜的唯一电子身份ID，其次无接触，即不需要电子耳标等物体，不仅避免人与牲畜的接触，也避免了可能的交叉感染问题，而且不需要挪动牲畜来进行测量；
2)本发明适应了牲畜识别的未来需求，可持续对日益增长的牲畜数量进行快速准确地识别。
附图说明
图1为本发明逻辑框图；
图2为本发明图像采集模块逻辑框图；
图3为本发明模型特征提取、比对与建库模块逻辑框图；
图4为本发明对保险公司的应用图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”、“顶/底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“套设/接”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例：
请参阅图1-4，本发明提供一种技术方案：基于人工智能的牲畜身体识别系统，包括图像采集模块、模型特征提取、比对与建库模块，所述图像采集模块连接有模型特征提取、比对与建库模块；
所述图像采集模块包括拍照程序和相关设备，所述图像采集模块获取的图片为RGB图，所述图像采集模块连接有判断模型，所述判断模型用于判断RGB图是否存在牲畜即目标物；
所述模型特征提取、比对与建库模块包括深度学习模型、比对模块和建库模块；
所述深度学习模型用于提取牲畜的特征；
所述建库模块用于建立数据库，所述数据库中存储有不同牲畜的特征；
所述比对模块用于判断特征是否为空。
基于人工智能的牲畜身体识别系统的使用方法，包括以下步骤：
S1：在相关设备上开发拍照程序获取RGB图；
S2：利用步骤S1中开发的拍照程序，对牲畜即目标物进行拍照，主要从目标的侧面即牲畜身体侧面进行拍照，拍照获取目标的RGB图；
S3：根据步骤S2中获取的RGB图，送入判断模型，判断RGB图是否存在牲畜即目标物，如果存在目标物则进入下一步，如果不存在则返回重拍；
S4：将获取目标物的RGB图送入模型特征提取、比对与建库模块进行判断。
所述模型特征提取、比对与建库模块包括以下判断步骤：
T1：获取图像采集模块的数据，即获取RGB图；
T2：将RGB图送入到深度学习模型，提取牲畜的特征，将特征记为F；
T3：根据一定条件从数据库选取不同牲畜的特征，记为GF；
T4：通过比对模块判断特征GF是否为空，即按条件是否选取到牲畜；
T5：如果步骤T4中的GF为空，则特征F直接存入数据库，并生成唯一电子身份ID，ID唯一；
T6：如果步骤T4中的GF不为空，则跟特征F进行比对，即计算采集的牲畜身体侧面特征与数据库中已有的牲畜身体侧面特征之间的相似度；
T7：判断相似度是否大于一定的阈值，如果小于阈值，说明数据库不存在此牲畜，则跳到步骤T5，将特征存在数据库，否则进入步骤T8；
T8：若相似度大于一定阈值，说明数据库存在此牲畜，特征F将抛弃，不存入数据库。
所述步骤T2中提取牲畜的特征包括牲畜身体侧面的颜色特征、纹理特征和轮廓特征。
所述步骤T3中的一定条件为按照地域、时间、保险公司、养殖企业条件中的任意一个或多个。
本发明应用在保险公司时，如图4所示，首先，养殖场与保险公司签订投保协议，然后通过本发明对养殖场的牲畜进行识别，保险公司获取识别结果，保险公司通过本发明进行核对，判断牲畜是否已经投保，若此牲畜未投保，则保险公司拒绝理赔，对已投保的牲畜判断是否已经理赔过，若没有理赔过，则保险公司理赔，若已经理赔过，则拒绝理赔。
工作原理：本发明通过人工智能技术来对牲畜身体进行识别，无接触、简单易用，提高了牲畜识别的效率、识别的准确性、识别的有效性，本发明与牲畜无接触，即拍摄一张RGB图或几张RGB图就可以建立牲畜的唯一电子身份ID，其次无接触，即不需要电子耳标等物体，不仅避免人与牲畜的接触，也避免了可能的交叉感染问题，而且不需要挪动牲畜来进行测量，本发明适应了牲畜识别的未来需求，可持续对日益增长的牲畜数量进行快速准确地识别。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.基于人工智能的牲畜身体识别系统，包括图像采集模块、模型特征提取、比对与建库模块，其特征在于：所述图像采集模块连接有模型特征提取、比对与建库模块；
所述图像采集模块包括拍照程序和相关设备，所述图像采集模块获取的图片为RGB图，所述图像采集模块连接有判断模型，所述判断模型用于判断RGB图是否存在牲畜即目标物；
所述模型特征提取、比对与建库模块包括深度学习模型、比对模块和建库模块；
所述深度学习模型用于提取牲畜的特征；
所述建库模块用于建立数据库，所述数据库中存储有不同牲畜的特征；
所述比对模块用于判断特征是否为空。
2.如权利要求1所述的基于人工智能的牲畜身体识别系统的使用方法，其特征在于：包括以下步骤：
S1：在相关设备上开发拍照程序获取RGB图；
S2：利用步骤S1中开发的拍照程序，对牲畜即目标物进行拍照，主要从目标的侧面即牲畜身体侧面进行拍照，拍照获取目标的RGB图；
S3：根据步骤S2中获取的RGB图，送入判断模型，判断RGB图是否存在牲畜即目标物，如果存在目标物则进入下一步，如果不存在则返回重拍；
S4：将获取目标物的RGB图送入模型特征提取、比对与建库模块进行判断。
3.根据权利要求2所述的基于人工智能的牲畜身体识别系统的使用方法，其特征在于：所述模型特征提取、比对与建库模块包括以下判断步骤：
T1：获取图像采集模块的数据，即获取RGB图；
T2：将RGB图送入到深度学习模型，提取牲畜的特征，将特征记为F；
T3：根据一定条件从数据库选取不同牲畜的特征，记为GF；
T4：通过比对模块判断特征GF是否为空，即按条件是否选取到牲畜；
T5：如果步骤T4中的GF为空，则特征F直接存入数据库，并生成唯一电子身份ID，ID唯一；
T6：如果步骤T4中的GF不为空，则跟特征F进行比对，即计算采集的牲畜身体侧面特征与数据库中已有的牲畜身体侧面特征之间的相似度；
T7：判断相似度是否大于一定的阈值，如果小于阈值，说明数据库不存在此牲畜，则跳到步骤T5，将特征存在数据库，否则进入步骤T8；
T8：若相似度大于一定阈值，说明数据库存在此牲畜，特征F将抛弃，不存入数据库。
4.根据权利要求3所述的基于人工智能的牲畜身体识别系统的使用方法，其特征在于：所述步骤T2中提取牲畜的特征包括牲畜身体侧面的颜色特征、纹理特征和轮廓特征。
5.根据权利要求3所述的基于人工智能的牲畜身体识别系统的使用方法，其特征在于：所述步骤T3中的一定条件为按照地域、时间、保险公司、养殖企业条件中的任意一个或多个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110934663.0A CN113792603A (zh) | 2021-08-16 | 2021-08-16 | 基于人工智能的牲畜身体识别系统及使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110934663.0A CN113792603A (zh) | 2021-08-16 | 2021-08-16 | 基于人工智能的牲畜身体识别系统及使用方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113792603A true CN113792603A (zh) | 2021-12-14 |
Family
ID=79181729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110934663.0A Pending CN113792603A (zh) | 2021-08-16 | 2021-08-16 | 基于人工智能的牲畜身体识别系统及使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113792603A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115641458A (zh) * | 2022-10-14 | 2023-01-24 | 吉林鑫兰软件科技有限公司 | 用于待统计目标养殖的ai识别系统及银行风控应用 |
| CN116205748A (zh) * | 2023-05-06 | 2023-06-02 | 吉林省中农阳光数据有限公司 | 一种基于智能物联网的养殖保险精准定损方法及装置 |
| CN117894041A (zh) * | 2024-03-14 | 2024-04-16 | 陕西微牧云信息科技有限公司 | 一种基于物联网的屠宰场智能管理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541432A (zh) * | 2020-12-11 | 2021-03-23 | 上海品览数据科技有限公司 | 一种基于深度学习的视频牲畜身份认证系统及方法 |
| CN113052197A (zh) * | 2019-12-28 | 2021-06-29 | 中移(成都)信息通信科技有限公司 | 身份识别的方法、装置、设备和介质 |
| CN113077485A (zh) * | 2021-04-28 | 2021-07-06 | 北京神州慧达信息技术有限公司 | 基于人工智能的无参考物的测量方法 |
-
2021
- 2021-08-16 CN CN202110934663.0A patent/CN113792603A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113052197A (zh) * | 2019-12-28 | 2021-06-29 | 中移(成都)信息通信科技有限公司 | 身份识别的方法、装置、设备和介质 |
| CN112541432A (zh) * | 2020-12-11 | 2021-03-23 | 上海品览数据科技有限公司 | 一种基于深度学习的视频牲畜身份认证系统及方法 |
| CN113077485A (zh) * | 2021-04-28 | 2021-07-06 | 北京神州慧达信息技术有限公司 | 基于人工智能的无参考物的测量方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115641458A (zh) * | 2022-10-14 | 2023-01-24 | 吉林鑫兰软件科技有限公司 | 用于待统计目标养殖的ai识别系统及银行风控应用 |
| CN116205748A (zh) * | 2023-05-06 | 2023-06-02 | 吉林省中农阳光数据有限公司 | 一种基于智能物联网的养殖保险精准定损方法及装置 |
| CN117894041A (zh) * | 2024-03-14 | 2024-04-16 | 陕西微牧云信息科技有限公司 | 一种基于物联网的屠宰场智能管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113792603A (zh) | 基于人工智能的牲畜身体识别系统及使用方法 | |
| CN108416403B (zh) | 商品与标签的自动关联方法、系统、设备及存储介质 | |
| Awad | From classical methods to animal biometrics: A review on cattle identification and tracking | |
| Zhu et al. | Recognition and drinking behaviour analysis of individual pigs based on machine vision | |
| US11450130B2 (en) | Animal identification based on unique nose patterns | |
| US20240087368A1 (en) | Companion animal life management system and method therefor | |
| Korhonen et al. | Detection of the need for seedling stand tending using high-resolution remote sensing data | |
| CN114758249B (zh) | 基于野外夜间环境的目标物监测方法、装置、设备及介质 | |
| KR101732815B1 (ko) | 개체 특징점 추출 방법 및 장치, 이를 이용하는 개체 인식 시스템 | |
| CN112163517A (zh) | 一种基于深度学习的水下成像鱼网破损识别方法及系统 | |
| CN111597872A (zh) | 一种基于深度学习的卫生监督执法非法行医人脸识别方法 | |
| Kumar et al. | Animal Biometrics | |
| CN113762089A (zh) | 基于人工智能的牲畜左脸识别系统及使用方法 | |
| CN116563040A (zh) | 基于牲畜识别的农险查勘方法、装置、设备及存储介质 | |
| CN113780207A (zh) | 一种羊脸识别的系统及方法 | |
| CN113420709A (zh) | 牛脸特征提取模型训练方法、系统及牛的保险方法、系统 | |
| CN117036947A (zh) | 基于图像识别的农险出险预警方法、装置、设备及介质 | |
| US20240104952A1 (en) | Systems and methods for nose-based pet identification | |
| CN111079617A (zh) | 家禽识别方法、装置、可读存储介质及电子设备 | |
| US7593856B2 (en) | Brand recognition system | |
| Jayakumar et al. | Biometric Muzzle Pattern Recognition for Cattle Identification using Deep Learning | |
| Patel et al. | Biometric-based Unique Identification for Bovine Animals—Comparative Study of Various Machine and Deep Learning Computer Vision Methods | |
| Kumar et al. | Animal biometrics: Concepts and recent application | |
| CN115546830A (zh) | 一种丢失犬只寻找方法、装置及设备 | |
| CN113344097B (zh) | 基于多模型的图像处理方法和装置 |
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 |