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！

龙图腾网恭喜华南农业大学申请的专利一种猪只异常行为检测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：CN115359511B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210934696.X，技术领域涉及：G06V40/10；该发明授权一种猪只异常行为检测方法是由杨秋妹;陈淼彬;肖德琴;刘啸虎;康俊琪;黄一桂;周家鑫;刘克坚设计研发完成，并于2022-08-04向国家知识产权局提交的专利申请。

本一种猪只异常行为检测方法在说明书摘要公布了：本发明提供一种猪只异常行为检测方法，包括以下步骤：S1：从实时采集的猪只生活视频中逐帧提取图像；S2：采用改进的Yolov5n模型对提取的各帧图像进行目标检测和裁剪，得到每帧图像中各猪只的目标截图；S3：通过双流卷积自编码器提取特征向量；S4：采用K‑means和分类算法对特征向量进行聚类和分类；S5：通过分类器获取当前帧所有目标的分类分数，并将所有分类分数组合形成异常预测图；S6：对异常预测图进行高斯滤波时序平滑，得到的最高分类分数记为当前帧图像的异常分数；S7：判断当前帧图像的异常分数是否为正数；若是，则不存在异常行为，反之，存在。本发明提供的猪只异常行为检测方法解决了目前的异常检测方法不能实现通用的猪只异常行为检测的问题。

本发明授权一种猪只异常行为检测方法在权利要求书中公布了：1.一种猪只异常行为检测方法，其特征在于，包括以下步骤：S1：实时采集猪只生活视频，从猪只生活视频中逐帧提取图像；S2：采用改进的Yolov5n网络模型对提取的各帧图像进行目标检测和裁剪，分别得到每帧图像中各猪只的目标截图；所述改进的Yolov5n网络模型为：在现有的Yolov5n网络模型的主干特征提取网络的第4层、第6层和第8层后加入通道注意力模块，并将所述通道注意力模块与颈部网络的第18层、第22层和第26层的上采样层进行拼接，以及在主干特征提取网络的第11层后加入C3层和通道注意力模块；S3：构建一个端到端可训练的且以对象为中心的双流卷积自动编码器网络，用于提取目标截图中各猪只的外观特征向量和运动特征向量，并进行特征融合形成对应帧的特征向量；所述双流卷积自动编码器网络包括外观子网络和动作子网络，两个子网络均包括基于注意力的卷积LSTM模块和内存记忆模块；其中，所述注意力模块的计算公式为： 其中，表示时刻的上下文向量，表示总时间长度，表示t时刻邻域的注意力权重，表示第时刻的隐藏单元输出，表示注意力权重，表示t时刻邻域的输出分数，表示t时刻k邻域的输出分数，表示时刻的隐状态；所述内存记忆模块包括M个内存项，，用于记录猪只正常行为数据的各种原型特征模式；对于每一个查询映射，通过对具有相应权重的内存项进行加权平均来读取内存项，并获得特征： 其中，表示内存项的权重，表示第个内存项；内存项的更新公式为： 其中，表示更新操作，表示L2范数，表示匹配概率值的重构，表示内存记忆模块的查询索引集；所述的双流卷积自动编码器网络仅采用猪只正常行为的图像进行训练；S4：采用K-means聚类算法对融合特征向量进行聚类，并将结果输入到二元分类器中训练，得到训练好的分类器；S5：在每帧图像中，通过分类器获取当前帧图像中所有目标截图的分类分数，并将所有分类分数组合形成当前帧图像的异常预测图；S6：对当前帧图像的异常预测图进行高斯滤波时序平滑，得到的最高分类分数记为当前帧图像的异常分数；S7：判断当前帧图像的异常分数是否为正数；若是，则当前帧图像中的猪只不存在异常行为；若否，则当前帧图像中的猪只存在异常行为。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483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”。