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！

龙图腾网获悉华南农业大学;温氏食品集团股份有限公司申请的专利基于深度学习的猪场老鼠检测方法、系统、设备及介质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：CN118823824B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202410773697.X，技术领域涉及：G06V40/10；该发明授权基于深度学习的猪场老鼠检测方法、系统、设备及介质是由梁云;姜伟鹏;蒋荣金;吴梓豪;邝颖杰;郑润;邓惠敏;伍明煜;梁炎斌;刘桂平;叶炜程;侯刚设计研发完成，并于2024-06-17向国家知识产权局提交的专利申请。

本基于深度学习的猪场老鼠检测方法、系统、设备及介质在说明书摘要公布了：本发明公开了一种基于深度学习的猪场老鼠检测方法、系统、设备及介质，方法包括：对待检测区域的视频进行抽帧处理；对图像帧集合进行图像预处理；将预处理后的当前帧输入老鼠检测模型中，学习老鼠的外观；所述老鼠检测模型使用改进的RT‑DETR检测模型得到；将帧差法得到的二值化图像中值为255的像素作为运动像素，保留相应的检测结果；记录老鼠检测结果，利用每帧检测后记录的老鼠数量进行加权求和得到老鼠出现时长，以计算待检测区域的老鼠活跃指标。本发明通过添加帧差先验分支，将帧差法得到的二值化图加入RT‑DETR算法的解码部分，并在保留检测结果时设置双阈值，让模型在检测中更聚焦于运动区域，从而提高对体积小、运动快的老鼠的检测成功率。

本发明授权基于深度学习的猪场老鼠检测方法、系统、设备及介质在权利要求书中公布了：1.基于深度学习的猪场老鼠检测方法，其特征在于，包括下述步骤： 对待检测区域的视频进行抽帧处理，得到图像帧集合； 对图像帧集合进行图像预处理； 将预处理后的当前帧输入老鼠检测模型中，学习老鼠的外观；所述老鼠检测模型使用改进的RT-DETR检测模型得到；所述改进的RT-DETR检测模型在特征连接前加入帧差先验分支；所述的帧差先验分支使用帧差法对当前帧和上一帧、下一帧进行前后帧计算，得到二值化图像，并对二值化图像进行卷积和归一化操作，然后与其余特征连接进行下一步计算； 所述将预处理后的当前帧输入老鼠检测模型中，学习老鼠的外观，具体为： 将当前帧传入帧差先验分支，先将当前帧转换为灰度图，具体公式如下： grey＝299*r+587*g+114*b÷1000 其中，grey是图像的灰度值，r、g、b代表图像中每个像素的R、G、B三个通道的值； 使用帧间差分法将当前帧的灰度图与上一帧、下一帧的灰度图进行差分计算，并通过设定的阈值T对灰度差的绝对值进行二值化处理，得到二值化图像Rk，计算后灰度值为255的点为前景点，灰度值为0的点为背景点，具体公式如下： Dkx,y＝|fk+1x,y-fkx,y|∪|fkx,y-fk-1x,y| 其中，记视频序列中第k-1帧、第k帧和第k+1帧图像分别为fk-1、fk和fk+1，三帧对应图像的像素点x,y的灰度值记为fk-1x,y和fkx,y和fk+1，对其进行差分计算得到第k帧的差分图像Dkx,y，再对其进行二值化处理，得到二值化图像Rk； 通过形态学的腐蚀操作，以6×6的卷积核对二值化图像Rk进行腐蚀，从而对图像进行降噪，得到图像Rk′，再以25×25的卷积核对图像Rk′进行膨胀，从而对图像中的物体轮廓进行填充，得到图像Rk″，表示当前帧中运动物体的区域； 将图像Rk″进行批量归一化后，具体公式如下： 其中，μ和σ分别表示当前批次中所有样本的均值和标准差，∈是一个小常数，避免分母为零；N为当前批次的图片数量，每张图片大小都为H1×W，计算得到图像Rk″批量归一化后的结果 随后，将通过通道卷积以获得通道维度的适应性，具体公式如下： 其中，C表示输入通道数，wk表示第k个通道所对应的可学习权重，表示图像Rk″批量归一化后的结果，计算得到特征图Fij； 设定低阈值L和高阈值H，将帧差法得到的二值化图像中值为255的像素作为运动像素，保留置信度高于高阈值H的检测结果，对于置信度介于高阈值H和低阈值L之间的检测结果，只保留边界框内存在5个或以上运动像素的检测结果； 记录老鼠检测结果，当完成对整个待检测区域的视频的检测，利用每帧检测后记录的老鼠数量进行加权求和得到老鼠出现时长，以计算待检测区域的老鼠活跃指标。

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;温氏食品集团股份有限公司，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”。

以上内容由龙图腾AI智能生成。