Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜安徽大学程灿获国家专利权

恭喜安徽大学程灿获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜安徽大学申请的专利基于注意力机制与轻量级卷积神经网络的奶牛体况评分方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114997725B

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210759970.4,技术领域涉及:G06Q10/0639;该发明授权基于注意力机制与轻量级卷积神经网络的奶牛体况评分方法是由程灿;黄小平;郭尹;冯涛;郭阳阳;黄林生;梁栋设计研发完成,并于2022-06-30向国家知识产权局提交的专利申请。

基于注意力机制与轻量级卷积神经网络的奶牛体况评分方法在说明书摘要公布了:本发明涉及一种基于注意力机制与轻量级卷积神经网络的奶牛体况评分方法,包括:利用2D可见光摄像机拍摄奶牛尾部图片,得到奶牛体况数据集;构建卷积神经网络模型,并使用奶牛体况数据集进行预训练,得到训练好的卷积神经网络模型;获取待检测的奶牛图片并进行预处理,得到预处理图像;所述预处理包括标准化操作和数据增强;将预处理图像输入训练好的卷积神经网络模型,得到奶牛体况评分结果。本发明以深度学习技术,去除了人工评分主观性强等问题;本发明增加了高效通道注意力机制,加强了网络对奶牛体况的提取能力;同时引入Dropout操作,增强网络的泛化能力。

本发明授权基于注意力机制与轻量级卷积神经网络的奶牛体况评分方法在权利要求书中公布了:1.一种基于注意力机制与轻量级卷积神经网络的奶牛体况评分方法,其特征在于:该方法包括下列顺序的步骤:1利用2D可见光摄像机拍摄奶牛尾部图片,得到奶牛体况数据集;2构建卷积神经网络模型,并使用奶牛体况数据集进行预训练,得到训练好的卷积神经网络模型;3获取待检测的奶牛图片并进行预处理,得到预处理图像;所述预处理包括标准化操作和数据增强;4将预处理图像输入训练好的卷积神经网络模型,得到奶牛体况评分结果;在步骤2中,所述卷积神经网络模型从输入到输出依次包括六层,分别是:第一层为第一卷积层,包含卷积核24个,卷积核大小3×3,步长为2;第二层为最大池化层,包含池化核24个,池化核为3×3,步长为2;第三层为深层特征提取层,包含3个注意力单元;第四层为第二卷积层,包含卷积核1024个,卷积核大小1×1,步长为2;第五层为全局池化层,包含池化核1个,池化核大小7×7;第六层为全连接层,包含1000个神经元;在深层特征提取层中,所述注意力单元包含1个第一基础单元和3个第二基础单元;所述第一基础单元包括第一分支、第二分支、第一拼接层和第一通道融合层;所述第二基础单元包括第三分支、第四分支、第二拼接层和第二通道融合层;所述第一分支与第三分支的结构相同,第一拼接层与第二拼接层的结构相同,第一通道融合层与第二通道融合层的结构相同;所述第一分支分为五层:第一层为第三卷积层,卷积核大小1×1,步长为2;第二层为第一深度卷积层,卷积核大小3×3,步长为1;第三层为第一ECA模块;第四层为第四卷积层,卷积核大小1×1,步长为2;第五层为第一Dropout层;所述第二分支分为两层:第一层为第二深度卷积层,卷积核大小3×3,步长为2;第二层为第五卷积层,卷积核大小1×1,步长为1;所述第三分支分为五层:第一层为第六卷积层,卷积核大小1×1,步长为2;第二层为第三深度卷积层,卷积核大小3×3,步长为1;第三层为第二ECA模块;第四层为第七卷积层,卷积核大小1×1,步长为2;第五层为第二Dropout层;所述第一基础单元将由最大池化层或第二基础单元得到的特征图在通道数的维度上划分为两个分支:第一分支和第二分支;其中,第一分支依次进行卷积和深度卷积、卷积操作,再将结果输入第一ECA模块,第一ECA模块将生成的通道权重与基础特征图当中的逐个元素相乘,生成细化特征图,将细化特征图输入第一Dropout层,第一Dropout层将细化特征图当中的元素以20%的概率随机赋值为0;第二分支依次进行卷积和深度卷积;第一拼接层将第一分支得到的结果和第二分支得到的结果在通道数的维度上进行拼接,第一通道融合层再对第一拼接层的结果进行通道数维度上的重新排列;所述第二基础单元将由第一基础单元得到的特征图在通道数的维度上划分为两个分支:第三分支和第四分支;第三分支依次进行卷积和深度卷积、卷积操作,再将结果输入第二ECA模块,第二ECA模块将生成的通道权重与基础特征图当中的逐个元素相乘,生成细化特征图,将细化特征图输入第二Dropout层,第二Dropout层将细化特征图当中的元素以20%的概率随机赋值为0;第二拼接层将第三分支得到的结果和第四分支得到的结果在通道数的维度上进行拼接,第二通道融合层再对第二拼接层的结果进行通道数维度上的重新排列。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人安徽大学,其通讯地址为:230601 安徽省合肥市经济技术开发区九龙路111号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。