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！

龙图腾网获悉东北农业大学申请的专利一种多模态数据特征层融合的母猪体重预估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：CN119399749B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202411244218.1，技术领域涉及：G06V20/64；该发明授权一种多模态数据特征层融合的母猪体重预估方法是由周红;谢秋菊;李斌;王莉薇;包军;刘洪贵;刘文洋;郑萍;于海明;张继成;王晓晨;郭玉环设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本一种多模态数据特征层融合的母猪体重预估方法在说明书摘要公布了：本发明的一种多模态数据特征层融合的母猪体重预估方法涉及一种检测方法，通过母猪点云采集装置获取母猪不同角度的点云，以品种、胎次和繁殖阶段等母猪时序数据和重建后的母猪实时三维点云为输入，建立在特征层融合的双分支网络，同时从一维数据与三维点云中自动提取深层特征，将时序数据特征与实时数据特征进行融合，完成母猪当前的体重估计和整个繁殖阶段的体重曲线预估。通过该方法，使得体重预估的准确率提升，本方法的最终输出为当前繁殖阶段的体重实时值和全繁殖阶段的体重预测值，实时体重值有利于获取母猪现阶段的身体健康状况和饲喂策略的调整，以使母猪达到最佳的健康状态和保持最佳的生产性能，同时维持最小的饲料成本。

本发明授权一种多模态数据特征层融合的母猪体重预估方法在权利要求书中公布了：1.一种多模态数据特征层融合的母猪体重预估方法，是通过下列步骤实现的： S1：数据采集 1三维点云采集：使用点云采集装置，每日定时对舍内M只母猪进行拍摄，获得每头母猪身体两侧方向的两个点云，每个点云能够包含母猪对称的半侧身体，包含从头到尾的图像； 2一维的时序数据获取：从数据库中获取母猪品种、胎次、繁殖阶段和空怀期体重数据； S2：数据预处理 1猪体点云分割：将步骤S1中拍摄到的包含背景和猪体的点云进行分割，分割出猪体的点云，去掉背景点云，输出猪体三维点云； 2猪体点云重建：使用PACNet点云自动配准算法，将S2步骤1中分割后的猪体不同方向的两个点云进行配准，完成猪体三维点云重建，重建后的点云包含猪体侧面和背面的整体三维轮廓； S3：体重预估模型的建立：以S1步骤2包含母猪品种、胎次、繁殖阶段和空怀期初始体重的一维时序数据和S2步骤2重建后的猪体三维点云为输入，通过体重预估模型，进行当前繁殖阶段的母猪体重的估计和整个繁殖周期的母猪体重预测； 体重预估模型包含三部分：输入模块、双分支特征提取模块和输出模块；其中，输入模块完成输入数据的准备及点云的对齐，双分支特征提取模块用于学习输入数据的特征，输出模块将特征转换为体重预估值； 一输入模块 输入数据包含：一维的时序数据和重建后的猪体三维点云； 1一维的时序数据 该数据为S1步骤2中获取的数据，包含母猪品种、胎次、繁殖阶段和空怀期初始体重；输入时序长度是固定的，初始输入数据包含W0，输入向量P＝p1,p2,p3； W0表示空怀期初始体重； p1表示品种； p2表示胎次； p3表示繁殖阶段，繁殖阶段包含空怀期0、配种期0、妊娠期1-114、分娩期115、泌乳期116-145，共形成146个特征模块； 2重建后的猪体三维点云 该数据为步骤S22重建后的猪体三维点云，每一个点云的数据包含n个点，每个点的坐标为世界坐标，表示为x,y,z，因此输入点云的维度为n×3； 二双分支特征提取模块 双分支特征提取模块包含两个分支，分别是一维时序数据特征提取分支和三维点云特征提取分支，并行提取品种、胎次和繁殖阶段母猪时序特征和母猪三维点云实时特征，分别输出1×1024的特征，将两部分特征进行连接，作为该模块的最终特征； 1一维时序数据特征提取分支 该分支用于提取品种、胎次、繁殖阶段和空怀期初始体重的特征，分支结构由146个相同结构的特征提取模块组成，分别对应146个繁殖阶段，网络结构沿着时序反复迭代相同的模块，实现对时序数据的学习；其中每个模块通过卷积操作完成特征提取，具体包含卷积层、激活函数、池化层，每个模块都能完成当前繁殖阶段的母猪体重预估； 第t模块t∈[1,2,...,146]用于提取第t个繁殖阶段的特征，输入包含两部分内容，一部分为当前繁殖阶段的数据Ptp1,p2,p3，另一部分输入为上一个繁殖阶段的输出体重特征值ht-1，模块的输出特征ht的特征提取过程如公式1所示； ht＝fWin*Pt+Wt*ht-1+b1 其中，ht表示第t模块的输出体重值，ht-1表示第t-1模块的输出体重值，f表示特征提取函数，Win为t模块内部的网络权重，Wt为t-1模块和t模块之间的网络权重，Pt为t模块的输入，b为网络偏置； 第t模块的最终输出为当前繁殖阶段的预估体重值ht与空怀期初始体重W0加权计算的体重值，同时引入残差结构，将空怀期初始体重W0作为本阶段预估结果的影响因子，繁殖阶段t的输出Ot计算如公式2所示； Ot＝ht1-Wt+W0*Wt2 其中，ht为t阶段残差计算之前模块直接输出的体重估计结果，W0为空怀期的初始体重值，Wt为可训练的加权参数； 在分支的最末端加入一个全连接层，输出端设计为1024个神经元，最终该时序分支输出1×1024的体重预估特征； 2三维点云特征提取分支 首先，根据猪体不同部分的贡献程度划分采样的几何区域，实现基于学习的自适应采样，具体包括以下步骤： a、将猪体点云划分为四个区域，划分的区域，胸部区域C、臀部区域H、脊柱区域S和其他区域O； b、获取不同区域的特征贡献值c：在体重预估模型训练过程中，在模型的最后一层，获取四个区域中所有点的特征值；采用平均值法，计算每个区域内点的特征值的均值，作为该区域的贡献值，计算如公式3所示： 其中c为每个区域的贡献值，fij为第i个点的第j个特征值，n为该区域内点的个数，d为每个点的特征维度； c、贡献值归一化，计算如公式4所示： d、计算不同区域的采样密度d，原始采样密度为D，与贡献值相乘获得四个不同区域的采样密度，计算如公式5所示： di＝wi×D,i＝1,2,3,45 然后，以采样后的点云为输入，从实时的三维重建后的猪体点云中提取体重特征，分支采用图的形式来处理点云数据，将点云中的点视为图的顶点，并通过提取顶点间的关系来定义边，在此分支中，边卷积作为主要特征提取模块，负责提取并生成描述点与相邻点关系的边缘特征，特征提取的具体过程如公式6所定义： 其中，fi表示输入点云中任意点pi及其特征邻域点pk之间的边缘特征，Pi为输入点云中点的集合，Pk为点pi在输入n个点中的k最近邻点的集合，h为特征提取函数，max表示最大池化操作，输入点云中的所有点都是点pi邻域点，Pk中的任意点定义为pj＝xj,yj,zj，特征为fj，Pk对应的k个最近邻点距离dk根据猪体点云特征空间的欧几里得距离来计算，如公式7所示： 经过每个边卷积模块处理后，顶点pi会重新生成特征，并在特征空间上寻找新的k近邻点，从而重新构建特征图，特征提取通过多层感知机实现，经过三次边卷积模块处理后，将不同层次提取到的特征进行连接，特征维度为n×320，随后，再经过多层感知机操作，获得1×1024的体重预估特征； 一维时序分支输出为1×1024，三维实时分支输出同样为1×1024，将两个分支征进行连接，生成的1×2048全局特征，并将其传递到输出模块； 三输出模块 该模型的输出包含两部分，分别是当前的体重估计值和整个繁殖周期的体重预测，分别用输出模块一和输出模块二表示； 输出模块一主要由全连接层构成，该模块接收来自双分支模块输出的1*2048特征，并通过全连接层进行特征降维，最终输出体重预估值；输出模块包含三个全连接层，其输出维度分别为{512,256,1}，且每层线性层后都接有归一化操作BatchNorm、Dropout及非线性函数ReLu； 输出模块二为一维时序数据特征提取分支在每个时序模块上的输出构成的序列{O0,O1,...,O146}，分别表示不同繁阶段的体重预估值，最终获得个体的全繁殖阶段的体重预估序列； S4：体重预估模型的训练 采集1000头不同品种和胎次母猪在全繁殖阶段的体重数据和对应的点云，一共包含1000个长度为146的体重序列，共146000个体重值以及对应的点云，记录1000组的母猪品种、胎次数据；将所有数据按照8：1：1的比例划分为训练集、验证集和测试集；对点云分割模型和体重预估模型进行训练确定所有的网络参数，最终获得最优模型； S5：体重预估 在模型使用阶段，获取母猪的品种、胎次、当前的繁殖阶段和空怀期初始体重数据，实时采集母猪点云，采集后的点云输入点云分割模型，分割之后输入点云配准模型，获取猪体三维重建后的点云，将母猪的品种、胎次、繁殖阶段数据、空怀期初始体重和猪体三维重建点云输入体重预估模块，最终输出当前体重估计值和全生产阶段的体重预测序列。

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东北农业大学，其通讯地址为：150038 黑龙江省哈尔滨市香坊区长江路600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”。