-
公开(公告)号：CN112613688B
公开(公告)日：2022-03-29
申请号：CN202110033003.5
申请日：2021-01-11
Applicant: 东北农业大学
Abstract: 本发明公开了一种基于PSO‑BP神经网络的TMR日粮瘤胃发酵甲烷产量的预测方法，属于甲烷产量的预测领域。构建PSO‑BP神经网络，对输入样本的数据进行归一化处理；建立数据集；根据所述数据集对BP神经网络进行初始化，得到权值和阈值；种群经过初始化后，得到粒子群适应度值；确定个体极值和群体极值；更新粒子速度位置，判断迭代数是否达到初始化设置的结束条件，若达到结束条件，获得最优权值阈值，计算更新权值阈值，判断迭代数是否达到初始化设置的结束条件，若满足则开始仿真，得到预测结果；本发明用以解决目前已有的瘤胃发酵产甲烷预测系统出现了许多数据预处理不理想，导致预测误差较大的问题。
-
公开(公告)号：CN116090651A
公开(公告)日：2023-05-09
申请号：CN202310122616.5
申请日：2023-02-16
Applicant: 东北农业大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/10 , G06F18/214 , G06F17/18 , G06N3/0442
Abstract: 本发明公开一种奶牛产奶量数据处理及预测方法，包括：获取泌乳奶牛的牛奶量信息，对牛奶量信息进行预处理，得到预处理牛奶量信息；将预处理牛奶量信息划分为训练集和验证集；构建牛奶量预测模型，将训练集输入至牛奶量预测模型进行训练；将验证集输入至训练完成的牛奶量预测模型，将待预测牛奶产量输入至通过验证的牛奶量预测模型，完成预测。小波变换解决了生物噪声的问题，使用小波去噪的预测模型优于未去噪的预测模型。有效避免了较大误差，提高了预测精度。除了对数据进行去噪外，还可以调整神经网络结构以增加对噪声的容忍度，从而提高模型的性能。
-
公开(公告)号：CN115762666A
公开(公告)日：2023-03-07
申请号：CN202211462098.3
申请日：2022-11-17
Applicant: 东北农业大学
Abstract: 本发明公开基于集成学习的牛瘤胃发酵预测方法及系统，包括：S1，基于第一层基础学习器输出第一预测结果，将第一预测结果作为输入特征输入至第二层元学习器；S2，利用第二层元学习器，整合和收敛第一预测结果，输出第二预测结果，第二预测结果为牛瘤胃发酵的预测结果。本发明具有更强的模型预测精度和泛化能力，预测精度明显高于单独的机器学习方法，能较准确地模拟不同的TMR日粮在奶牛瘤胃中的发酵过程，以及瘤胃发酵类型的转变情况。本发明可以有效提高对牛瘤胃中甲烷、乙酸和丙酸指标的预测精度，可以实现对瘤胃发酵产物的量化研究，对日粮饲料结构的优化，提高饲养效益具有指导意义。
-
公开(公告)号：CN109886350A
公开(公告)日：2019-06-14
申请号：CN201910155242.0
申请日：2019-02-25
Applicant: 东北农业大学
Abstract: 本发明提供一种基于核极限学习机奶牛日粮消化能预测方法，属于畜禽日粮营养价值评价领域，该方法包括以下步骤：(1)实测奶牛日粮养分摄入量与消化能数据，产生奶牛日粮消化能预测样本，并分为训练样本集和测试样本集；(2)对于建立的训练样本集，构造极限学习机网络输出，并以矩阵形式表示；(3)选取高斯核函数求解，确定核函数的参数集，得到基于KELM预测模型的输出函数；(4)将测试样本和KELM模型预测结果进行对比，计算预测消化能与真实值的平均绝对误差、平均绝对百分比误差以及均方根误差，评价该预测方法的有效性。本发明提供的预测方法属于非参数机器学习模型，仅通过对训练样本的学习即可进行有效预测，且可获得较高的预测精度。
-
公开(公告)号：CN116912767B
公开(公告)日：2023-12-22
申请号：CN202310802462.4
申请日：2023-07-03
Applicant: 东北农业大学
IPC: G06V20/52 , A01K67/02 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/25 , G06V10/30 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于机器视觉与点云数据的奶牛个体采食量监测方法，属于畜类精细养殖体系领域，包括：获取原始点云数据并进行滤波操作，得到饲料堆点云数据；引入注意力机制，并结合具有层级结构的点云特征提取网络构建特征提取器；基于孪生思想，结合特征提取器构建奶牛采食量自动监测模型；通过饲料堆点云数据对奶牛采食量自动监测模型进行训练，得到目标监测模型；通过目标监测模型分别获取进食前后饲料堆图像的第一特征向量和第二特征向量，并计算第一特征向量和第二特征向量的差异特征向量，根据差异特征向量得到采食量。本申请提供的奶牛个体采食量监测方法，适用于牧场采(56)对比文件Weizheng Shen ET AL.Automatic bodycondition scoring for dairy cows based onefficient net and convex hull features ofpoint clouds 《. 2022 Elsevier》.2022,第1-14页.Weizheng Shen ET AL.Automaticestimation of dairy cow body conditionscore based on attention-guided 3D pointcloud feature extraction 《. 2023Elsevier》.2023,第1-9页.
-
Patent Agency Ranking
公开(公告)号：CN116912767A
公开(公告)日：2023-10-20
申请号：CN202310802462.4
申请日：2023-07-03
Applicant: 东北农业大学
IPC: G06V20/52 , A01K67/02 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/25 , G06V10/30 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于机器视觉与点云数据的奶牛个体采食量监测方法，属于畜类精细养殖体系领域，包括：获取原始点云数据并进行滤波操作，得到饲料堆点云数据；引入注意力机制，并结合具有层级结构的点云特征提取网络构建特征提取器；基于孪生思想，结合特征提取器构建奶牛采食量自动监测模型；通过饲料堆点云数据对奶牛采食量自动监测模型进行训练，得到目标监测模型；通过目标监测模型分别获取进食前后饲料堆图像的第一特征向量和第二特征向量，并计算第一特征向量和第二特征向量的差异特征向量，根据差异特征向量得到采食量。本申请提供的奶牛个体采食量监测方法，适用于牧场采食通道饲喂场景，为机器视觉手段监测奶牛采食量提供新思路。
-
公开(公告)号：CN113040062A
公开(公告)日：2021-06-29
申请号：CN202110381791.7
申请日：2021-04-09
Applicant: 东北农业大学
Abstract: 本发明公开了一种基于LoRa无线广域网技术的畜舍环境远程监控系统及方法，其关键在于，所述的监控系统包括采集终端设备、控制终端设备、LoRa网关以及阿里云服务器四部分；所述的采集终端设备包括数据采集模块、LoRa通信模块以及电源模块；所述的控制终端设备包括控制模块、LoRa通信模块以及电源模块；所述的LoRa网关包括主控板模块、LoRa通信模块、网络通信模块、触摸屏以及电源模块；所述的阿里云服务器包括Mysql数据库、可视化云平台；该系统将LoRa技术与GPRS技术相结合实现了对畜舍内多环境因子的实时采集、无线传输、数据存储以及控制设备的远程调控，可为畜舍环境监测与控制领域提供数据支持和参考。
-
公开(公告)号：CN112257792A
公开(公告)日：2021-01-22
申请号：CN202011157959.8
申请日：2020-10-26
Applicant: 东北农业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于SVM的实时视频目标动态分类方法，所述方法包括如下步骤：步骤一、选定三个基础类别模型，并通过训练数据的训练得到三个对应的SVM分类器；步骤二、对于第j个待分类视频目标，得到Curvej；步骤三、将Curvej作为输入，分别通过三个SVM分类器，从而得到三个归属度结果；步骤四、将归属度结果组合成三元组Dj，并规范化到区间[0,1]；步骤五、将三元组Dj＝(d1,d2,d3)进行加权计算；步骤六、根据加权结果确定类别归属编号，并保存有关信息。本发明的方法用多元群表示目标类别，并参照颜色表示系统实现分类，解决了类别不确定情况下的多类别分类问题。
-
公开(公告)号：CN106971394B
公开(公告)日：2019-11-12
申请号：CN201710235725.2
申请日：2017-04-12
Applicant: 东北农业大学
IPC: G06T7/10
Abstract: 本发明应用于农产品无损检测领域，属于计算机视觉、计算机图形学和数字图像处理等交叉领域，公开了一种快速分离粘连玉米种子的图像分割方法。首先采用最大类间方差法(OSTU)对目标图像二值化处理，并计算重心坐标；然后利用数学公式建立通过重心坐标的若干条轴线及每条轴线上的n条垂直线，并依据垂直线经过目标图像区域的像素之和，构建长度为n的集合并转化成相应的二维曲线；最后将所有二维曲线中的凹点存储到一个向量中，并根据数学公式搜索最小值和候选分割线。根据本发明实施例的方法，结合了轮廓跟踪和凹点搜索的优势，且经过实验表明，其具有实现简单、准确率较高和分割效果理想等优势，为后续的种子质量分级奠定良好的基础。
-
公开(公告)号：CN106971394A
公开(公告)日：2017-07-21
申请号：CN201710235725.2
申请日：2017-04-12
Applicant: 东北农业大学
IPC: G06T7/10
Abstract: 本发明应用于农产品无损检测领域，属于计算机视觉、计算机图形学和数字图像处理等交叉领域，公开了一种快速分离粘连玉米种子的图像分割方法。首先采用最大类间方差法(OSTU)对目标图像二值化处理，并计算重心坐标；然后利用数学公式建立通过重心坐标的若干条轴线及每条轴线上的n条垂直线，并依据垂直线经过目标图像区域的像素之和，构建长度为n的集合并转化成相应的二维曲线；最后将所有二维曲线中的凹点存储到一个向量中，并根据数学公式搜索最小值和候选分割线。根据本发明实施例的方法，结合了轮廓跟踪和凹点搜索的优势，且经过实验表明，其具有实现简单、准确率较高和分割效果理想等优势，为后续的种子质量分级奠定良好的基础。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
