【技術實現步驟摘要】
本申請涉及牦牛稱重，尤其涉及一種基于gan-bpnn的牦牛動態稱重方法和裝置。
技術介紹
1、在肉牛養殖業中，牦牛稱重是實施精準營養調控、提高生產效率和經濟效益的關鍵。傳統的牦牛稱重方法通常采用人工操作，存在效率低下、誤差較大等問題，難以滿足大規模養殖的需求。此外，人工稱重需要耗費大量時間和人力，增加了養殖成本。
2、針對傳統純人工稱重的缺點，目前已設計了一種用于牧場地牛體重采集的裝置，采用半自動化形式，通過將牦牛趕入稱重通道并固定位置，獲取相關靜態數據；具體地，將牛趕入到所述稱重通道內時，牛完全站立于稱重平臺的承載板上，承載板受力帶動傳力桿下壓稱重傳感器采集牛的體重數據；與此同時，通過兩個夾緊板相對運動將牛夾持限制牛的活動范圍，達到對牛快速定位稱重的效果。此外，現有技術中還研究了幾種牦牛稱重計算的方法：(1)將動態稱重作為一個基于最小二乘法的參數估計和預測問題來處理，采用了基于householder變換的自適應最小二乘法，在提高稱重速度的同時，也保證了系統的測量準確性。(2)通過對奶牛的運動方式(行走-停頓，平穩行走，劇烈運動)的分析，利用傳感器數據判斷奶牛狀態，在平穩行走時進行數據采集，實現了奶牛的動態體重測量。(3)利用lstm神經網絡對牦牛體重進行預測。(4)采用emd經驗模態分解算法，能夠較好的完成肉牛體重測量。
3、以上研究雖然取得了一定成果，但是對于高原體型大、野性強的牦牛來說，現有裝置和方法存在適用性不足的問題。具體由于牦牛作為高原特有的動物，其體型較大，行為野性較強，上述裝置稱重時需要對
技術實現思路
1、本申請的多個方面提供一種基于gan-bpnn的牦牛動態稱重方法和裝置，在不限制牦牛行動的前提下測量牦牛的體重，提高測量的準確性。
2、為實現上述技術效果，本申請的一方面提供一種基于gan-bpnn的牦牛動態稱重方法，包括：
3、牦牛通過稱重臺時，檢測牦牛在稱重臺上的位置；
4、當檢測到牦牛在稱重臺中部時，采集牦牛的壓力數據；
5、將所述壓力數據輸入gan-bpnn模型，得到牦牛的體重信息。
6、根據本專利技術的優選實施方式，所述牦牛通過稱重臺時，檢測牦牛在稱重臺上的位置進一步包括：
7、分別在稱重臺的首端、中部及末端設置紅外傳感器，通過所述紅外傳感器檢測牦牛的位置；
8、通過無線射頻傳感器獲取牦牛耳標信息，確定對應的牦牛身份信息。
9、根據本專利技術的優選實施方式，所述當檢測到牦牛在稱重臺中部時，采集牦牛的壓力數據進一步包括：
10、當設置在重臺的首端和末端設置紅外傳感器未觸發，且設置在稱重臺中部的紅外傳感器觸發時，啟動設置在稱重臺底部的壓力傳感器采集牦牛的壓力數據。
11、根據本專利技術的優選實施方式，所述將所述壓力數據輸入gan-bpnn模型，得到牦牛的體重信息進一步包括：
12、根據歷史牦牛體重數據，訓練生成gan對抗網絡模型；
13、向訓練好的gan對抗網絡模型輸入隨機噪聲，生成fake_data模擬數據；
14、利用所述fake_data模擬數據訓練bpnn神經網絡模型，得到gan-bpnn模型；
15、將待檢測牦牛的壓力數據輸入gan-bpnn模型，得到牦牛的體重信息。
16、根據本專利技術的優選實施方式，所述根據歷史牦牛體重數據，訓練生成gan對抗網絡模型進一步包括：
17、將歷史牦牛的壓力數據和實際體重數據輸入待訓練的gan對抗網絡模型，設置生成器和判別器；
18、選用bcewithlogitsloss()作為損失函數；
19、根據損失函數對生成器和判別器進行交替優化，最后達到納什平衡，生成gan對抗網絡模型。
20、根據本專利技術的優選實施方式，所述利用所述fake_data模擬數據訓練bpnn神經網絡模型，得到gan-bpnn模型進一步包括：
21、將所述fake_data模擬數據作為訓練數據，歷史牦牛壓力數據和實際體重數據作為測試集輸入待訓練的bpnn神經網絡模型；
22、選用均方梯度下降函數作為損失函數；
23、根據模型輸出的牦牛體重數據與實際體重數據誤差調整模型參數，生成gan-bpnn模型。
24、根據本專利技術的優選實施方式，所述方法還包括：
25、定期更新模型訓練樣本，并利用更新后的訓練樣本更新gan-bpnn模型參數。
26、本申請的另一方面，提供一種基于gan-bpnn的牦牛動態稱重裝置，包括：
27、位置檢測模塊：用于牦牛通過稱重臺時，檢測牦牛在稱重臺上的位置；
28、數據采集模塊：用于當檢測到牦牛在稱重臺中部時，采集牦牛的壓力數據；
29、體重測量模塊：用于將所述壓力數據輸入gan-bpnn模型，得到牦牛的體重信息。
30、根據本專利技術的優選實施方式，所述裝置還包括稱重臺，所述稱重臺為倒梯形結構，兩側面設置有紅外傳感器，與位置檢測模塊連接，稱重臺底部設置有壓力傳感器，與數據采集模塊連接。
31、本申請的另一方面，提供一種基于gan-bpnn的牦牛動態稱重設備，所述設備包括：
32、至少一個處理器；以及
33、與所述至少一個處理器通信連接的存儲器；其中，
34、所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如上所述的方法。
35、本申請的另一方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序指令，所述計算機程序指令可被處理器執行以實現上述的方法。
36、本申請實施例提供的方案中，通過采用物聯網同人工智能相結合的方式，利用紅外傳感器確定牦牛位置，并利用gan-bpnn模型精確計算牦牛體重，減少了因牦牛動態行走所帶來的誤差，避免了牦牛稱重需要固定的問題，減少了牦牛的應激反應，使測量結果更準確，同時全自動化采集，減少了人力成本的同時，提高了牦牛體重采集的效率。
本文檔來自技高網...【技術保護點】
1.一種基于GAN-BPNN的牦牛動態稱重方法，其特征在于，包括：
2.根據權利要求1所述的基于GAN-BPNN的牦牛動態稱重方法，其特征在于，所述牦牛通過稱重臺時，檢測牦牛在稱重臺上的位置進一步包括：
3.根據權利要求2所述的基于GAN-BPNN的牦牛動態稱重方法，其特征在于，所述當檢測到牦牛在稱重臺中部時，采集牦牛的壓力數據進一步包括：
4.根據權利要求1所述的基于GAN-BPNN的牦牛動態稱重方法，其特征在于，所述將所述壓力數據輸入GAN-BPNN模型，得到牦牛的體重信息進一步包括：
5.根據權利要求4所述的基于GAN-BPNN的牦牛動態稱重方法，其特征在于，所述根據歷史牦牛體重數據，訓練生成GAN對抗網絡模型進一步包括：
6.根據權利要求4所述的基于GAN-BPNN的牦牛動態稱重方法，其特征在于，所述利用所述Fake_data模擬數據訓練BPNN神經網絡模型，得到GAN-BPNN模型進一步包括：
7.根據權利要求1所述的基于GAN-BPNN的牦牛動態稱重方法，其特征在于，所述方法還包括：
9.根據權利要求8所述的基于GAN-BPNN的牦牛動態稱重裝置，其特征在于，所述裝置還包括稱重臺，所述稱重臺為倒梯形結構，兩側面設置有紅外傳感器，與位置檢測模塊連接，稱重臺底部設置有壓力傳感器，與數據采集模塊連接。
10.一種基于GAN-BPNN的牦牛動態稱重設備，所述設備包括：
...【技術特征摘要】
1.一種基于gan-bpnn的牦牛動態稱重方法，其特征在于，包括：
2.根據權利要求1所述的基于gan-bpnn的牦牛動態稱重方法，其特征在于，所述牦牛通過稱重臺時，檢測牦牛在稱重臺上的位置進一步包括：
3.根據權利要求2所述的基于gan-bpnn的牦牛動態稱重方法，其特征在于，所述當檢測到牦牛在稱重臺中部時，采集牦牛的壓力數據進一步包括：
4.根據權利要求1所述的基于gan-bpnn的牦牛動態稱重方法，其特征在于，所述將所述壓力數據輸入gan-bpnn模型，得到牦牛的體重信息進一步包括：
5.根據權利要求4所述的基于gan-bpnn的牦牛動態稱重方法，其特征在于，所述根據歷史牦牛體重數據，訓練生成gan對抗網絡模型進一步包括：...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。