(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221076940 5.6 (22)申请日 2022.06.30 (71)申请人 重庆工商大 学 地址 400060 重庆市南岸区学府大道19号 申请人 重庆南向泰斯环保技 术研究院有限 公司 (72)发明人 李永松　张俊鹏　周月明　张冰　 齐高相　申渝　 (74)专利代理 机构 重庆强大凯创专利代理事务 所(普通合伙) 50217 专利代理师 赵玉乾 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/82(2022.01)G06V 10/774(2022.01) G06N 3/04(2006.01) (54)发明名称 基于计算机视觉识别的养殖对象轨迹异常 检测与分析的方法及系统 (57)摘要 本发明涉及养殖技术领域， 具体涉及一种基 于计算机视觉识别的养殖对象轨迹异常检测与 分析的方法及系统， 其中方法包括： S1： 接收养殖 对象活动空间中的摄像装置采集的视频图像， 训 练深度学习模 型， 根据视频图像捕捉养殖对象 的 轨迹信息； S2： 训练机器学习模型， 根据轨迹信息 识别养殖对象的异常轨迹， 生成识别结果， 并通 过深度学习模型根据识别结果判断养殖对象的 异常状态； S3： 预设治理预备方案， 根据异常状态 筛选相应的治理预备方案对养殖对象的活动空 间进行干 预。 本发明能够解决现有技术因缺少养 殖经验不能在养殖对象出现异常状态时做到及 时干预的问题。 权利要求书2页 说明书6页 附图3页 CN 115116006 A 2022.09.27 CN 115116006 A 1.基于计算机 视觉识别的养殖对象轨 迹异常检测与分析的方法， 其特 征在于： 包括： S1： 接收养殖对象活动空间中的摄像装置采集的视频图像， 训练深度 学习模型， 根据视 频图像捕捉养殖对象的轨 迹信息； S2： 训练机器学习模型， 根据轨迹信息识别养殖对象的异常轨迹， 生成识别结果， 并通 过深度学习模型根据识别结果判断养殖对象的异常状态； S3： 预设治理预备方案， 根据异常状态筛选相应的治理预备方案对养殖对象的活动空 间进行干预。 2.根据权利要求1所述的基于计算机视觉识别的养殖对象轨迹异常检测与分析的方 法， 其特征在于： 所述异常状态包括缺氧状态， 所述缺氧状态识别具体为： 训练改进的VGG16 模型， 识别养殖对 象异常轨迹中表征出缺氧状态的异常轨迹出现的频率， 并根据预设的缺 氧状态频率阈值对识别的缺氧状态异常轨迹频率进行判断， 从而判断出养殖对象的缺氧状 态。 3.根据权利要求2所述的基于计算机视觉识别的养殖对象轨迹异常检测与分析的方 法， 其特征在于： 所述改进的VGG16模 型具体为： 将全局平均池化层取代VGG16模 型的前两层 全连接层， 保持VGG16模 型最后一层全 连接层和Softmax函数不变， 所述VGG16模型的最后一 层全连接层神经节点数为10 00个。 4.根据权利要求2所述的基于计算机视觉识别的养殖对象轨迹异常检测与分析的方 法， 其特征在于： 所述异常状态还包括患病状态， 所述患病状态的识别过程具体为： 通过分 类算法， 将养殖对象异常轨迹中的轨迹 混乱行为进 行分类， 计算轨迹 混乱行为的出现频率， 并根据预设的患病状态混乱行为频率阈值对轨迹混乱行为的出现频率进 行判断， 从而判断 出养殖对象的患病状态。 5.根据权利要求4所述的基于计算机视觉识别的养殖对象轨迹异常检测与分析的方 法， 其特征在于： 所述S3包括： S3‑1： 预设增氧治理预备方案， 当判断出养殖对象出现缺氧状态时， 筛选增氧治理预备 方案对养殖对象生活 空间进行干预； S3‑2： 预设喷洒药物治理预备方案， 当判断出养殖对象出现患病状态时， 筛选喷洒药物 治理预备方案对养殖对象生活 空间进行干预。 6.基于计算机 视觉识别的养殖对象轨 迹异常检测与分析的系统， 其特 征在于： 包括： 数据采集模块： 用于采集养殖对象活动空间的视频图像； 数据处理模块： 用于接收采集的视频图像， 通过机器学习模型识别轨迹信息中的异常 轨迹， 生成识别结果， 并通过深度学习模型根据识别结果判断养殖对象的异常状态； 数据库模块： 存 储有预设的治理预 备方案； 调节模块： 用于根据异常状态筛选相应的治理预备方案对养殖对象的活动空间进行干 预。 7.根据权利要求6所述的基于计算机视觉识别的养殖对象轨迹异常检测与分析的系 统， 其特征在于： 所述异常状态包括缺氧状态， 所述缺氧状态识别具体为： 训练改进的VGG16 模型， 识别养殖对 象异常轨迹中表征出缺氧状态的异常轨迹出现的频率， 并根据预设的缺 氧状态频率阈值对识别的缺氧状态异常轨迹频率进行判断， 从而判断出养殖对象的缺氧状 态。权　利　要　求　书 1/2 页 2 CN 115116006 A 28.根据权利要求7所述的基于计算机视觉识别的养殖对象轨迹异常检测与分析的系 统， 其特征在于： 所述改进的VGG16模 型具体为： 将全局平均池化层取代VGG16模 型的前两层 全连接层， 保持VGG16模 型最后一层全 连接层和Softmax函数不变， 所述VGG16模型的最后一 层全连接层神经节点数为10 00个。 9.根据权利要求7所述的基于计算机视觉识别的养殖对象轨迹异常检测与分析的系 统， 其特征在于： 所述异常状态还包括患病状态， 所述患病状态的识别过程具体为： 通过分 类算法， 将养殖对象异常轨迹中的轨迹 混乱行为进 行分类， 计算轨迹 混乱行为的出现频率， 并根据预设的患病状态混乱行为频率阈值对轨迹混乱行为的出现频率进 行判断， 从而判断 出养殖对象的患病状态。 10.根据权利要求9所述的基于计算机视觉识别的养殖对象轨迹异常检测与分析的系 统， 其特征在于： 所述调节模块包括第一调节单元和第二调节单元， 所述预设的治理预备方 案包括增氧治理预备方案和喷洒药物治理预备方案， 所述第一调节单元用于在判断出养殖 对象出现缺氧状态时筛选增氧治理预备方案对养殖对象生活空间进行干预； 所述第二调节 单元用于在判断出养殖对象出现患病状态时， 筛选喷洒药物治理预备方案对养殖对象生活 空间进行干预。权　利　要　求　书 2/2 页 3 CN 115116006 A 3