(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211030099.0 (22)申请日 2022.08.26 (71)申请人 福州木鸡郎智能科技有限公司 地址 350001 福建省福州市 鼓楼区南 街街 道杨桥路11号中闽大厦B座16层16 09 (72)发明人 曹鑫　余立扬　廖新炜　 (74)专利代理 机构 广州京诺知识产权代理有限 公司 44407 专利代理师 轩青涛 (51)Int.Cl. G06V 20/60(2022.01) G06V 10/34(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种笼内绝产鸡的非接触式自动识别方法 和系统 (57)摘要 本发明涉及一种笼内绝产鸡的非接触式自 动识别方法， 包括如下步骤： 通过摄像头采集笼 内鸡只的原始图像； 对所述原始图像进行图像预 处理， 处理完成后获得输入图像； 将所述输入 图 像输入训练好的目标检测模型， 该目标检测模型 识别鸡头和鸡冠输出标记有鸡头和鸡冠边框位 置的识别图像； 分析所述识别图像， 对所述鸡冠 和鸡头进行一一绑定； 计算每个鸡头对应的鸡冠 特征值， 然后根据鸡冠特征值判断鸡冠是否萎 缩， 若是， 则识别出绝产鸡， 若否， 则未识别到绝 产鸡。 本发 明实现对蛋鸡舍内的绝产鸡的非接触 式检测并告警， 大大提高了绝产鸡的检测效率和 识别准确度。 权利要求书2页 说明书6页 附图7页 CN 115457526 A 2022.12.09 CN 115457526 A 1.一种笼内绝产 鸡的非接触式自动识别方法， 其特 征在于， 包括如下步骤： 通过摄像头采集笼内鸡只的原 始图像； 对所述原 始图像进行图像预处 理， 处理完成后获得输入图像； 将所述输入图像输入训练好的目标检测模型， 该目标检测模型识别鸡头和鸡冠， 输出 标记有鸡头和鸡冠边框位置的识别图像； 分析所述识别图像， 对所述鸡冠和鸡头进行一 一绑定； 计算每个鸡头对应的鸡 冠特征值， 然后根据鸡 冠特征值判断鸡 冠是否萎缩， 若是， 则识 别出绝产 鸡， 若否， 则未识别到绝产 鸡。 2.根据权利要求1所述的一种笼内绝产鸡的非接触式自动识别方法， 其特征在于： 所述 鸡冠特征值为鸡冠大小与鸡头大小的比值， 该比值若小于预设的特征阈值， 则识别出绝产 鸡。 3.根据权利要求1所述的一种笼内绝产鸡的非接触式自动识别方法， 其特征在于： 所述 鸡冠特征值为多维数据， 包括鸡冠大小与鸡头大小的比值和以下任意项的组合： 鸡头大小、 鸡冠大小、 鸡冠长宽比、 鸡头长宽比； 对所述多维数据采用标准差标准化后， 输入训练好的 深度学习网络， 所述深度学习网络分析 数据， 判断鸡冠 是否萎缩， 若是， 则识别出绝产 鸡。 4.根据权利要求1所述的一种笼内绝产鸡的非接触式自动识别方法， 其特征在于： 所述 鸡冠和鸡头进行一 一绑定的步骤为： 判断同一鸡头位置下， 与其相交的鸡冠位置是否大于一个， 若否， 则绑定该鸡头和鸡 冠， 若是， 逐一计算每个鸡冠与该鸡头的相交值， 再计算相交值与该鸡冠面积的比值， 若比 值小于预设相交阈值， 则判定该鸡冠与鸡头无绑定 关系， 若比值大于预设的相交阈值， 则取 最高比值的鸡冠与该鸡头绑定 。 5.根据权利要求1所述的一种笼内绝产鸡的非接触式自动识别方法， 其特征在于： 所述 图像预处理包括修复低光照， 还原真实色彩， 具体步骤如下： 首先， 将原始图像转换为自适 应均衡化图像， 以减少图像色差， 再采用灰度世界算法优化图像白平衡， 提高图像中过暗部 分的亮度。 6.根据权利要求1所述的一种笼内绝产鸡的非接触式自动识别方法， 其特征在于： 还通 过预设周期内的日均产蛋率识别绝产 鸡， 具体执 行如下步骤： 将所述输入图像输入所述目标检测模型， 识别出鸡头和鸡蛋， 获得该笼鸡只数量和当 天的鸡蛋数量， 计算日产蛋率； 根据日产蛋率计算预设周期内该 笼鸡只日均产蛋率 k1； 获取该笼鸡只所在鸡舍在预设周期内的全鸡舍日均产蛋率 k2； 若k1＜k2且|k1 ‑k2|＞K， 则判定该 笼内存在绝产 鸡， 其中， K为预设的绝产 鸡识别阈值。 7.根据权利要求1所述的一种笼内绝产鸡的非接触式自动识别方法， 其特征在于： 所述 通过摄像头采集笼内鸡只的原始图像， 其中， 所述摄像头包括可见光摄像头和红外摄像头， 所述可见光摄像头获取鸡笼顶部的彩色图像， 所述彩色图像包含鸡头和鸡冠， 所述红外摄 像头获取鸡笼底部的黑白图像， 所述原 始图像包括所述 黑白图像和彩色图像。 8.根据权利要求1所述的一种笼内绝产鸡的非接触式自动识别方法， 其特征在于： 所述 目标检测模型为改进的nanodet目标检测模型， 其由EfficientNetLitel骨干网络、 FPN扩张 编码器和nan ohead头部组成。权　利　要　求　书 1/2 页 2 CN 115457526 A 29.一种笼内绝产鸡的非接触式自动识别系统， 其特征在于： 包括用于采集笼内鸡只原 始图像的摄像头、 处理器与存储器， 所述存储器中存储有能够被处理器运行的计算机程序， 当处理器运行该计算机程序时， 控制摄像头采集原始图像， 实现如权利要求1至8任意一项 所述的方法步骤。 10.一种计算机可读存储介质， 其特征在于： 该计算机可读存储介质中存储有能够被处 理器运行的计算机程序， 当处理器运行该计算机程序时， 控制摄像头采集原始图像， 实现如 权利要求1至8任意 一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115457526 A 3