-
公开(公告)号:CN117044677B
公开(公告)日:2024-05-24
申请号:CN202311116484.1
申请日:2023-08-31
申请人: 青岛兴牧畜牧科技发展有限公司 , 青岛中沃兴牧食品科技有限公司
摘要: 一种基于公猪抗病性状的选育方法,涉及动物遗传育种与繁殖领域,其特征在于:S101:构建待测种猪群,选择待测猪种;S102:组建待测仔猪群;S103:指标测定,对待测仔猪群进行血氧浓度和免疫指标测定;S104:评估抗病性状;S105:对种公猪进行选育,通过步骤S104中综合抗病性状指数,选取综合抗病性状指数大的种公猪留种或冷冻该种公猪的精液,用于抗病力强的生猪生产。其有益效果为可以通过其后代综合抗病指数的大小,评估其遗传给后代抗病力的强弱,将选育出的种公猪用于生猪生产实践中可以提高后代的抗病能力。
-
公开(公告)号:CN117934962A
公开(公告)日:2024-04-26
申请号:CN202410167110.0
申请日:2024-02-06
申请人: 青岛兴牧畜牧科技发展有限公司
IPC分类号: G06V10/764 , G06T7/90 , G06T7/00 , G06T5/80 , G06T7/10 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/12
摘要: 一种基于参照色卡图像校正的猪肉质量分类方法,其特征在于,采用参照色卡对图像进行校正,所述参照色卡为劳尔色卡,其步骤如下:S102:图像分割,对所获取的猪肉样品图片进行处理,从中分离出只包含劳尔色卡的图像;S103,预训练校正模型,将步骤S102中获取的劳尔色卡图像进行训练;S104:图像校正处理;S105,AlexNet模型训练,采用AlexNet模型对图像进行训练,获得训练好的分类模型;S106,将训练好的分类模型应用于猪肉质量分类。其有益效果为通过预训练VGG16模型,获取与图像对应的图像的颜色变换矩阵,从而实现对猪肉样品图像的高度真实还原,提高猪肉样品图像的质量。
-
公开(公告)号:CN117218677A
公开(公告)日:2023-12-12
申请号:CN202310793853.4
申请日:2023-06-29
申请人: 青岛兴牧畜牧科技发展有限公司
发明人: 刘年丰
IPC分类号: G06V40/10 , G06V10/40 , G06V10/774 , G06V10/82 , G06V20/40
摘要: 本发明公开了一种猪只行为识别模型及其构建方法,属于图像处理技术领域,能够解决猪只行为识别标记数据不足及不同养殖场的环境和条件存在差异的问题。所述方法包括:S1、获取基于时间关系网络的人类行为识别模型作为源模型;S2、将源模型迁移到猪只行为识别的目标网络中,并利用源模型的参数对目标网络的参数进行初始化;S3、利用猪只行为训练数据对目标网络进行训练,得到猪只行为识别模型。本发明用于猪只行为识别。
-
公开(公告)号:CN116883791A
公开(公告)日:2023-10-13
申请号:CN202310899696.5
申请日:2023-07-21
申请人: 青岛兴牧畜牧科技发展有限公司
IPC分类号: G06V10/774 , G06V20/52 , G06V40/10 , G06V10/26
摘要: 本发明公开了一种猪舍监控模型训练方法及猪舍监控模型,包括:获取猪舍监控数据,包括标记数据和未标记数据;将标记数据和未标记数据分别输入半监督语义分割模型,得到监督损失和交叉伪监督损失;确定标记数据的原型特征和未标记数据的映射特征,并计算交叉熵损失;根据监督损失、交叉伪监督损失和交叉熵损失确定模型的训练参数,基于训练参数训练模型。本发明通过少量的标记数据,即可实现高精度的图像分割,提升半监督学习的效果,减少了对标记数据的依赖,减少人工标记的工作量,节约了时间及人力资源;本发明通过跨样本注意力模块和全局相关一致性损失模块,使得模型更好的捕捉图像中的特征和上下文信息,提高图像分割的准确性和泛化能力。
-
公开(公告)号:CN117636334B
公开(公告)日:2024-07-26
申请号:CN202311750187.2
申请日:2023-12-19
申请人: 青岛兴牧畜牧科技发展有限公司
IPC分类号: G06V20/68 , G06V10/141 , G06V10/764 , G06V10/30 , G06V10/14 , G06V10/82
摘要: 一种基于图像处理的猪肉品质分类方法,涉及猪肉品质分类领域,其步骤如下:S101,获取猪肉样品图片,通过图像采集器,获得标准一致的图片,并将对猪肉样品进行检测,根据检测结果猪肉样品品质进行标记,分成好、差两类;S102,对图像进行预处理;S103,AlexNet模型训练,采用AlexNet模型对图像进行训练,获得训练好的分类模型;S104,将训练好的分类模型应用于猪肉品质分类。其有益效果为采用AlexNet模型对猪肉样品图像进行训练形成的模型可以快速的对猪肉品质进行分类。
-
公开(公告)号:CN117934962B
公开(公告)日:2024-07-02
申请号:CN202410167110.0
申请日:2024-02-06
申请人: 青岛兴牧畜牧科技发展有限公司
IPC分类号: G06V10/764 , G06T7/90 , G06T7/00 , G06T5/80 , G06T7/10 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/12
摘要: 一种基于参照色卡图像校正的猪肉质量分类方法,其特征在于,采用参照色卡对图像进行校正,所述参照色卡为劳尔色卡,其步骤如下:S102:图像分割,对所获取的猪肉样品图片进行处理,从中分离出只包含劳尔色卡的图像;S103,预训练校正模型,将步骤S102中获取的劳尔色卡图像进行训练;S104:图像校正处理;S105,AlexNet模型训练,采用AlexNet模型对图像进行训练,获得训练好的分类模型;S106,将训练好的分类模型应用于猪肉质量分类。其有益效果为通过预训练VGG16模型,获取与图像对应的图像的颜色变换矩阵,从而实现对猪肉样品图像的高度真实还原,提高猪肉样品图像的质量。
-
公开(公告)号:CN116439149B
公开(公告)日:2024-06-07
申请号:CN202310657487.X
申请日:2022-08-22
申请人: 青岛兴牧畜牧科技发展有限公司
发明人: 翟丽维
摘要: 一种具备饲料预消化功能的自动饲喂装置,主要包括料斗(1),用于储存饲料;食槽(2),用于盛放和直接饲喂动物;预消化装置(3),用于将饲料和水、以及饲料添加剂进行混合;和机架(4),用于固定安装料斗(1)和预消化装置(3),其特征在于:所述料斗(1)位于自动饲喂装置的上部,所述料斗(1)下端安装有预消化装置(3),所述预消化装置(3)上还分别安装有用于盛放和添加饲料添加剂的添加剂斗(5)和进水管(6),用于向预消化装置(3)内添加水分;所述预消化装置(3)主要包括预消化器盖(3‑1)和预消化器下体(3‑2),所述预消化器盖(3‑1)与预消化器下体(3‑2)之间设有用于加强密封的预消化器密封圈(3‑4)。本发明的有益效果有既方便饲料的预混合消化,也方便对预消化装置(3)进行清洗。
-
公开(公告)号:CN115152653B
公开(公告)日:2023-06-23
申请号:CN202211009193.8
申请日:2022-08-22
申请人: 青岛兴牧畜牧科技发展有限公司
发明人: 翟丽维
摘要: 一种自动饲喂装置,主要包括料斗(1),用于储存饲料;食槽(2),用于盛放和直接饲喂动物;预消化装置(3),用于将饲料和水、以及饲料添加剂进行混合;和机架(4),用于固定安装料斗(1)和预消化装置(3),其特征在于:所述料斗(1)位于自动饲喂装置的上部,所述料斗(1)下端安装有预消化装置(3),所述预消化装置(3)上还分别安装有用于盛放和添加饲料添加剂的添加剂斗(5)和进水管(6),用于向预消化装置(3)内添加水分;所述预消化装置(3)主要包括预消化器盖(3‑1)和预消化器下体(3‑2),所述预消化器盖(3‑1)与预消化器下体(3‑2)之间设有用于加强密封的预消化器密封圈(3‑4)。本发明的有益效果有既方便饲料的预混合消化,也方便对预消化装置(3)进行清洗。
-
公开(公告)号:CN115579066B
公开(公告)日:2023-04-18
申请号:CN202211577145.9
申请日:2022-12-09
申请人: 青岛兴牧畜牧科技发展有限公司
IPC分类号: G16B40/00 , G16B30/10 , G06N3/0499 , G06N3/08
摘要: 本发明涉及生物信息学领域,具体为一种基于机器学习寻找影响猪脂肪沉积的候选基因的方法,主要包括以下步骤:步骤一:收集猪肌肉样本,通过FOSS机测定肌内脂肪含量,作为样本标签,根据肌内脂肪含量大小分为高低组转化为二分类处理问题;步骤二:提取样本RNA,进行mRNA建库得到测序数据;步骤三:对步骤二中的测序数据进行质控和比对处理,并标准化得到样本基因表达TPM值;步骤四:利用数据集通过交叉验证的方式进行神经网络机器学习训练;步骤五:对特征基因进行重要性排序从而确定候选基因。有益效果为,通过模型预测准确性的变化筛选影响肌内脂肪含量的重要候选基因。
-
公开(公告)号:CN115579066A
公开(公告)日:2023-01-06
申请号:CN202211577145.9
申请日:2022-12-09
申请人: 青岛兴牧畜牧科技发展有限公司
摘要: 本发明涉及生物信息学领域,具体为一种基于机器学习寻找影响猪脂肪沉积的候选基因的方法,主要包括以下步骤:步骤一:收集猪肌肉样本,通过FOSS机测定肌内脂肪含量,作为样本标签,根据肌内脂肪含量大小分为高低组转化为二分类处理问题;步骤二:提取样本RNA,进行mRNA建库得到测序数据;步骤三:对步骤二中的测序数据进行质控和比对处理,并标准化得到样本基因表达TPM值;步骤四:利用数据集通过交叉验证的方式进行神经网络机器学习训练;步骤五:对特征基因进行重要性排序从而确定候选基因。有益效果为,通过模型预测准确性的变化筛选影响肌内脂肪含量的重要候选基因。
-
-
-
-
-
-
-
-
-