買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉東北農業大學申請的專利一種數據層融合的母豬體況綜合評分方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119540991B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411594511.0，技術領域涉及：G06V40/10；該發明授權一種數據層融合的母豬體況綜合評分方法是由周紅;謝秋菊;劉培杰;李斌;李海源;劉洪貴;包軍;鄭萍;于海明;張繼成;王文峰設計研發完成，并于2024-11-09向國家知識產權局提交的專利申請。

本一種數據層融合的母豬體況綜合評分方法在說明書摘要公布了：本發明的一種數據層融合的母豬體況綜合評分方法屬于一種檢測方法，包括如下步驟：S1：圖像采集與數據獲?。籗2：RGB圖像與深度圖像融合為點云；S3：原始點云與融合后點云融合；S4：融合后點云與一維數據融合；S5：母豬體況評分模型的建立和訓練；S6：母豬體況評分。本發明將一維數據、二維圖像、三維圖像通過數據融合方法，完成數據層的融合，提出了CIW方法，這種方法旨在提高模型對少數類長尾部分的關注度，同時保持對多數類的識別能力，RGB圖像包含豬體的顏色、輪廓、紋理特征；深度相機采集的為單個激光點視角的豬體特征；激光雷達采集了多個分布式激光點的視角的豬體特征；三類不同的圖像特征，互相補充，同時兼顧不同的品種、胎次和生產階段，使得評分方法具有廣泛的適用性。

本發明授權一種數據層融合的母豬體況綜合評分方法在權利要求書中公布了：1.一種數據層融合的母豬體況綜合評分方法，其特征包括如下步驟： S1：圖像采集與數據獲取 數據采集階段需要獲取的圖像和數據包括： 1在母豬右側、左側和臀部后方分別通過RGB相機、深度相機、激光雷達獲取其同一位置的二維RGB圖像、三維深度圖像和三維點云，實現圖像的采集；其中，RGB相機和深度相機設置相同的分辨率； 2獲取母豬品種、胎次、繁殖階段一維數據； S2：RGB圖像與深度圖像融合為點云 1RGB圖像配準 a.將深度圖轉換為灰度圖 深度相機架設在離地面m米高處，因此深度圖像中深度值的范圍為[0,m]，將深度圖像進行處理，完成深度值到灰度值的映射，生成帶有深度信息的灰度圖像，灰度圖像的灰度值范圍為[0,255]共256個值，深度值映射原理如公式1所示，其中，graypix為轉換后的灰度圖的灰度值，dpix為原深度圖像中的深度值，pix為每個像素的下標； b.使用灰度圖配準RGB圖 通過特征點識別和匹配算法進行RGB圖與S21a步驟所得灰度圖中豬體區域特征點的匹配，換算出配準系數[cx,cy]，將RGB圖進行轉換，使得RGB圖中的豬體和深度圖重合，得到配準后的RGB圖像；其中，RGB圖轉換的原理如公式2所示，其中x0,y0為RGB圖像配準前的坐標，xr,yr為配準后的坐標，cx為橫坐標的配準系數，cy為縱坐標的配準系數； 2深度圖像轉換為點云 獲取深度相機的內參，焦距fx和fy，將數據從圖像坐標系轉換到世界坐標系，得到轉換后的點云，計算公式如公式3所示： 其中，x，y，z為點云坐標，D為深度值，fx和fy為相機焦距，x′和y′為深度圖像坐標，轉換后點云包含背景和豬體； 3配準后的RGB圖像與轉換后的點云融合 S22中轉換后的點云數據維度為n×3，其中n為每個點云點的個數，3為每個點的坐標x,y,z的數據維度；S21中配準后的RGB圖像的數據維度為xr×yr×3，其中xr和yr為配準后的RGB圖像的尺寸，3為每個像素點的RGB值，表示為r,g,b； 通過連接操作將配準后的RGB圖像與轉換后的點云融合，記作符號⊕，融合操作定義為x,y,z⊕r,g,b，表示將點云的坐標點x,y,z與RGB值r,g,b進行連接，融合后的數據，仍以點云的形式呈現，點云的維度為n×6，其中n為融合后點云點的個數，6為每個點的數據維度，融合后每個點的數據表示為x,y,z,r,g,b； S3：原始點云與融合后點云融合 經過S2獲得的融合點云與S1步驟1中通過激光雷達采集到的原始豬體點云進行融合，兩部分點云分別包含豬體和背景，首先進行豬體點云的分割，分割后的豬體分別包含豬的左側點云、右側點云和后臀部點云，之后將分割后的所有點云進行融合，具體步驟如下： 1豬體點云分割 點云包含豬體和背景兩個部分，采用具有柔性卷積核的KPFCNN方法進行豬體點云分割，去掉背景點云，分割出豬體部分的點云，采用最近鄰法進行點的上采樣，采用對應層特征傳播，特征提取的核心操作是核點卷積，任意點o的特征為其所有鄰域點特征分別經過核心點卷積后求和，計算如式4所示： 其中，or為點o在鄰域空間No內的點，fr為鄰域點or的特征，gdeform為核點卷積運算函數，本模型中使用柔性卷積核，Δo為核點的偏移量；模型能夠根據點云中的局部結構，生成對應的偏移向量去改變核點的空間位置，從而生成適應于局部點云結構的柔性卷積核，最終使模型能夠從不同形態的豬體點云中提取特征； 2點云融合 分割后的點云包含六個部分，表示為i，分別是S1步驟1中激光雷達采集的豬體兩側點云、豬體后臀部點云，以及S2步驟3中RGB與深度圖像融合而來的豬體兩側點云、豬體后臀部點云，點云維度為ni×6，i＝1,2,3,4,5,6；其中ni為每個點云中點的個數，將六個類型的點云直接進行數據的連接，融合后的點云維度為 S4：融合后點云與一維數據融合 S3步驟融合后的點云維度一維數據的維度1×3，首先將一維數據進行重復性擴展，維度變為將維度為的融合點云與維度為的擴展數據，進行對應點特征的連接操作，最終融合的數據的維度為 S5：母豬體況評分模型的建立和訓練 通過S2步驟、S3步驟、S4步驟數據融合操作，將一維、二維、三維數據進行融合，最終完成了多模態體況評估數據的數據層融合，融合后的數據維度為將其作為輸入建立體況評分模型完成母豬體況評分；母豬體況評分采用5級評分標準，基于類別影響度加權的體況評分方法： 此處的類別數為5分別對應母豬的5個評分等級，CIW具體步驟如下： 1類別樣本數量統計 統計每個類別j的樣本數量，得到第j個類別的樣本數nj，j＝1,2,3,4,5； 2預測不確定性評估 使用RepSurf模型對每個類別的樣本進行預測，對于單個樣本，其預測的熵H計算如公式5所示： 其中pj為第j個類別的預測概率；為了計算每個類別j的平均預測不確定性uj，需要對屬于該類別的所有樣本的熵進行平均，計算如公式6所示；其中，第j個類別的樣本數mj，每個樣本k的熵為Hk： 3類別影響度計算 結合類別樣本數量和預測不確定性，計算第j個類別的影響度Ij，計算如公式7所示： 4歸一化權重 將所有類別的影響度I進行歸一化處理，得到第j個類別的最終權重wj，計算如公式8所示： 5應用權重 在模型訓練過程中，使用計算得到的類別權重wj來調整損失函數； 基于CIW方法和RepSurf基本架構構建體況評分模型，包括CIW權重計算模塊、輸入模塊、特征提取模塊和輸出模塊，其中CIW模塊完成不同類別的權重計算，輸入模塊完成融合數據的空間對齊和初始化，特征提取模塊從融合數據中提取與體況評分相關的特征，輸出模塊完成體況評分的預測，在輸出模塊中，損失值的計算采用CIW模塊所生成的不同分類的加權損失； S6：母豬體況評分 在模型使用階段，采集母豬兩個側面和后臀部的RGB圖、深度圖和點云，獲取母豬的品種、胎次和生產階段數據，使用CIW-RepSurf模型生成母豬的體況評分，最終滿足多品種多胎次不同生產階段的母豬體況評分。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人東北農業大學，其通訊地址為：150036 黑龍江省哈爾濱市香坊區長江路600號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。