CN114877979A - 一种基于人工智能的动物体重测量系统 - Google Patents
一种基于人工智能的动物体重测量系统 Download PDFInfo
- Publication number
- CN114877979A CN114877979A CN202210292977.XA CN202210292977A CN114877979A CN 114877979 A CN114877979 A CN 114877979A CN 202210292977 A CN202210292977 A CN 202210292977A CN 114877979 A CN114877979 A CN 114877979A
- Authority
- CN
- China
- Prior art keywords
- unit
- module
- sign
- weight
- weight measuring
- 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
- 241001465754 Metazoa Species 0.000 title claims abstract description 20
- 230000037396 body weight Effects 0.000 title claims abstract description 20
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 15
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 230000004927 fusion Effects 0.000 claims abstract description 16
- 239000003381 stabilizer Substances 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 238000005303 weighing Methods 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 2
- 238000003975 animal breeding Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
- G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于人工智能的动物体重测量系统,包括体征输入模块、体长输入单元、胸围输入单元、腰围输入单元、腿间距输入单元、躯干面积输入单元、体征调节模块、体征调节器、体征稳定器、体征合集单元、测重模块、基回归器、SVM测重单元、DNN测重单元、XGboost测重单元、GBDTetc测重单元、异构模型融合单元、结果输出器、测重输出单元和自动核算模块,本发明相较于现有的动物体重测量系统,通过各类体征的输入来进行测量体重,避免了无法直接测重的缺陷;本发明通过多项算法测量体重,并进行结果融合的方式,使其测量的结果更加的精准;本发明通过对比预估体重与测重结果的方式,避免了出现较大误差且无法察觉的问题。
Description
技术领域
本发明涉及人工智能技术领域,具体为一种基于人工智能的动物体重测量系统。
背景技术
我国作为动物养殖大户,对养殖的动物投保成为了该行业中常见的操作,而在理赔时,动物的体重是赔付的一个重要指标,在实际操作中由于存在很多死掉的动物有无法上秤的情况,所以会采用工作人员进行估算,得到一个粗略的结果进行赔付,当估算出现较大误差时也无从判断,这种方式不仅无法保障赔付精度,还不利于保险公司的风险防控。
发明内容
本发明的目的在于提供一种基于人工智能的动物体重测量系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于人工智能的动物体重测量系统,包括体征输入模块、体征调节模块、测重模块和自动核算模块,所述体征输入模块的一侧数据连接有体征调节模块,体征调节模块的一侧数据连接有测重模块,测重模块的一侧数据连接有自动核算模块。
优选的,所述体征输入模块包括体长输入单元、胸围输入单元、腰围输入单元、腿间距输入单元和躯干面积输入单元。
优选的,所述体征调节模块包括体征调节器,体征调节器的一侧数据连接有体征稳定器,体征稳定器的一侧数据连接有体征合集单元,且体征合集单元与测重模块建立数据连接。
优选的,所述测重模块包括基回归器,基回归器的一侧数据连接有异构模型融合单元,异构模型融合单元的一侧数据连接有结果输出器,且结果输出器与自动核算模块建立数据连接。
优选的,所述基回归器包括SVM测重单元、DNN测重单元、XGboost测重单元和GBDTetc测重单元,结果输出器包括测重输出单元和信心指数输出单元。
优选的,所述自动核算模块包括体重预测库,体重预测库的一侧数据连接有偏差比对单元,偏差比对单元的一侧数据连接有审核处理单元。
优选的,所述异构模型融合单元含有Adaboost、GBRT、Bagging、RandomForest和Stacking等集成学习算法。
与现有技术相比,本发明的有益效果是:本发明相较于现有的动物体重测量系统,通过各类体征的输入来进行测量体重,避免了无法直接测重的缺陷;本发明通过多项算法测量体重,并进行结果融合的方式,使其测量的结果更加的精准;本发明通过对比预估体重与测重结果的方式,避免了出现较大误差且无法察觉的问题。
附图说明
图1为本发明的模块框架结构示意图;
图2为本发明的系统流程图;
图中:1、体征输入模块;11、体长输入单元;12、胸围输入单元;13、腰围输入单元;14、腿间距输入单元;15、躯干面积输入单元;2、体征调节模块;21、体征调节器;22、体征稳定器;23、体征合集单元;3、测重模块;31、基回归器;311、SVM测重单元;312、DNN测重单元;313、XGboost测重单元;314、GBDTetc测重单元;32、异构模型融合单元;33、结果输出器;331、测重输出单元;332、信心指数输出单元;4、自动核算模块;41、体重预测库;42、偏差比对单元;43、审核处理单元。
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。
请参阅图1-2,本发明提供的一种实施例:一种基于人工智能的动物体重测量系统,包括体征输入模块1、体征调节模块2、测重模块3和自动核算模块4,体征输入模块1的一侧数据连接有体征调节模块2,体征调节模块2的一侧数据连接有测重模块3,测重模块3的一侧数据连接有自动核算模块4;体征输入模块1包括体长输入单元11、胸围输入单元12、腰围输入单元13、腿间距输入单元14和躯干面积输入单元15,体长输入单元11、胸围输入单元12、腰围输入单元13、腿间距输入单元14和躯干面积输入单元15用于输入不同的体征信息;体征调节模块2包括体征调节器21,体征调节器21的一侧数据连接有体征稳定器22,体征稳定器22的一侧数据连接有体征合集单元23,且体征合集单元23与测重模块3建立数据连接,体征调节器21、体征稳定器22用于基于不同场景、个体对体征进行调校,体征合集单元23用于贮存下一环节的输入数据;测重模块3包括基回归器31,基回归器31的一侧数据连接有异构模型融合单元32,异构模型融合单元32的一侧数据连接有结果输出器33,且结果输出器33与自动核算模块4建立数据连接,基回归器31用于测量体重,异构模型融合单元32根据不通测量结果进行整合强化,结果输出器33用于输出测量结果;基回归器31包括SVM测重单元311、DNN测重单元312、XGboost测重单元313和GBDTetc测重单元314,结果输出器33包括测重输出单元331和信心指数输出单元332,SVM测重单元311、DNN测重单元312、XGboost测重单元313和GBDTetc测重单元314可以根据不同算法模型进行测重,测重输出单元331用于输出重量结果,信心指数输出单元332用于输出置信度;自动核算模块4包括体重预测库41,体重预测库41的一侧数据连接有偏差比对单元42,偏差比对单元42的一侧数据连接有审核处理单元43,体重预测库41贮存有预估结果,偏差比对单元42用于对比测量结果和预估结果,审核处理单元43根据上一步的对比结果来判断是否需要转为人工复核;异构模型融合单元32含有Adaboost、GBRT、Bagging、RandomForest和Stacking等集成学习算法。
工作原理:首先由体征输入模块1输入目标猪只的各类体征,具体分为体长输入单元11、胸围输入单元12、腰围输入单元13、腿间距输入单元14和躯干面积输入单元15,体征信息进入体征调节模块2,由体征调节器21体征稳定器22根据不同的环境个体进行体征信息的调校,调校完成的信息进入体征合集单元23中作为下一环节的输入数据,测重模块3进行重量测量,首先体征信息进入基回归器31中,由四种不同的测重单元进行测重,再将不同结果输入异构模型融合单元32进行结果融合,最后由结果输出器33输出测量结果,测量结果进入自动核算模块4,由偏差比对单元42将该结果与体重预测库41进行比对,将比对结果交付至审核处理单元43,若是其偏离度在指定区间范围内则认为是合理误差,系统自动进行理算,若偏离度超出指定范围,则跳转至人工复核环节,由后勤人员来判断测量结果的合理性,其中,SVM测重单元311、DNN测重单元312、XGboost测重单元313和GBDTetc测重单元314为构成基回归器31的四种不同的测重单元,测重输出单元331和信心指数输出单元332分别输出测重结果和结果的置信度。
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。
Claims (7)
1.一种基于人工智能的动物体重测量系统,包括体征输入模块(1)、体征调节模块(2)、测重模块(3)和自动核算模块(4),其特征在于:所述体征输入模块(1)的一侧数据连接有体征调节模块(2),体征调节模块(2)的一侧数据连接有测重模块(3),测重模块(3)的一侧数据连接有自动核算模块(4)。
2.根据权利要求1所述的一种基于人工智能的动物体重测量系统,其特征在于:所述体征输入模块(1)包括体长输入单元(11)、胸围输入单元(12)、腰围输入单元(13)、腿间距输入单元(14)和躯干面积输入单元(15)。
3.根据权利要求1所述的一种基于人工智能的动物体重测量系统,其特征在于:所述体征调节模块(2)包括体征调节器(21),体征调节器(21)的一侧数据连接有体征稳定器(22),体征稳定器(22)的一侧数据连接有体征合集单元(23),且体征合集单元(23)与测重模块(3)建立数据连接。
4.根据权利要求1所述的一种基于人工智能的动物体重测量系统,其特征在于:所述测重模块(3)包括基回归器(31),基回归器(31)的一侧数据连接有异构模型融合单元(32),异构模型融合单元(32)的一侧数据连接有结果输出器(33),且结果输出器(33)与自动核算模块(4)建立数据连接。
5.根据权利要求4所述的一种基于人工智能的动物体重测量系统,其特征在于:所述基回归器(31)包括SVM测重单元(311)、DNN测重单元(312)、XGboost测重单元(313)和GBDTetc测重单元(314),结果输出器(33)包括测重输出单元(331)和信心指数输出单元(332)。
6.根据权利要求1所述的一种基于人工智能的动物体重测量系统,其特征在于:所述自动核算模块(4)包括体重预测库(41),体重预测库(41)的一侧数据连接有偏差比对单元(42),偏差比对单元(42)的一侧数据连接有审核处理单元(43)。
7.根据权利要求4所述的一种基于人工智能的动物体重测量系统,其特征在于:所述异构模型融合单元(32)含有Adaboost、GBRT、Bagging、RandomForest和Stacking等集成学习算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210292977.XA CN114877979A (zh) | 2022-03-23 | 2022-03-23 | 一种基于人工智能的动物体重测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210292977.XA CN114877979A (zh) | 2022-03-23 | 2022-03-23 | 一种基于人工智能的动物体重测量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114877979A true CN114877979A (zh) | 2022-08-09 |
Family
ID=82667921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210292977.XA Pending CN114877979A (zh) | 2022-03-23 | 2022-03-23 | 一种基于人工智能的动物体重测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114877979A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002286421A (ja) * | 2001-03-28 | 2002-10-03 | Hideo Minagawa | 動物の体重測定装置 |
CN107180438A (zh) * | 2017-04-26 | 2017-09-19 | 清华大学 | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 |
CN110956198A (zh) * | 2019-10-31 | 2020-04-03 | 东北大学 | 一种单目摄像机视觉测重方法 |
CN113920453A (zh) * | 2021-10-13 | 2022-01-11 | 华南农业大学 | 一种基于深度学习的猪只体尺体重估测方法 |
CN113947734A (zh) * | 2021-09-03 | 2022-01-18 | 北京市农林科学院智能装备技术研究中心 | 一种猪只体征信息采集方法及系统 |
-
2022
- 2022-03-23 CN CN202210292977.XA patent/CN114877979A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002286421A (ja) * | 2001-03-28 | 2002-10-03 | Hideo Minagawa | 動物の体重測定装置 |
CN107180438A (zh) * | 2017-04-26 | 2017-09-19 | 清华大学 | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 |
CN110956198A (zh) * | 2019-10-31 | 2020-04-03 | 东北大学 | 一种单目摄像机视觉测重方法 |
CN113947734A (zh) * | 2021-09-03 | 2022-01-18 | 北京市农林科学院智能装备技术研究中心 | 一种猪只体征信息采集方法及系统 |
CN113920453A (zh) * | 2021-10-13 | 2022-01-11 | 华南农业大学 | 一种基于深度学习的猪只体尺体重估测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105159216B (zh) | 鸡舍环境氨气浓度智能监测系统 | |
CN105320123B (zh) | 一种基于在线监测数据的测控设备健康状态评价系统和方法 | |
CN105042339B (zh) | 一种基于无量纲的成品油管道泄漏量估计系统及方法 | |
CN102183621A (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
CN108020752A (zh) | 一种基于多源贯通相关性的配线线损诊断方法及系统 | |
CN104200032B (zh) | 广义负荷建模中基于时段性的横向时间轴聚类方法 | |
CN107025503A (zh) | 基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法 | |
CN109840805A (zh) | 一种基于正态分布模型的采购价格控制方法及系统 | |
CN104732276A (zh) | 一种计量生产设施故障在线诊断方法 | |
CN107679715A (zh) | 一种基于spc的电能表综合误差过程能力评价方法及评价系统 | |
CN103200232B (zh) | 皮带秤远程支持系统及远程支持方法 | |
CN103440283A (zh) | 一种测点数据的补缺系统及补缺方法 | |
CN104881003A (zh) | 一种计量生产设施效能评估方法 | |
CN110458725A (zh) | 一种基于xgBoost模型和Hadoop架构的窃电识别分析方法及终端 | |
RU2762983C1 (ru) | Способ и система мониторинга качества внутреннего воздуха и управления вентиляцией для поезда | |
CN109829561A (zh) | 基于平滑处理与网络模型机器学习的事故预测方法 | |
CN111998918B (zh) | 一种误差校正方法、误差校正装置及流量传感系统 | |
CN113204229B (zh) | 一种火力发电机组控制系统智能自检系统 | |
CN106952190A (zh) | 虚假房源录入行为识别与预警系统 | |
CN104578411B (zh) | 一种pmu数据接入agc后的多源数据安全校验与故障闭锁方法 | |
CN106934208A (zh) | 一种大坝异常监测数据自动识别方法 | |
CN113505946A (zh) | 一种生产成本管控方法、系统、存储介质及设备 | |
CN110298741A (zh) | 一种财务欺诈风险识别系统 | |
CN109840721A (zh) | 一种大数据下基于数据在线管理的成本模型系统 | |
CN108335233A (zh) | 一种基于大数据技术的智能电网量测数据处理系统 |
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 |