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！

龙图腾网获悉东南大学申请的专利一种基于SAM2-C2F模型的群养生猪日常行为识别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：CN119904913B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510070348.6，技术领域涉及：G06V40/20；该发明授权一种基于SAM2-C2F模型的群养生猪日常行为识别方法是由孙立博;沈国栋;秦文虎设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于SAM2-C2F模型的群养生猪日常行为识别方法在说明书摘要公布了：本发明公开了一种基于SAM2‑C2F模型的群养生猪多种类日常行为识别方法，能够有效解决在猪舍环境下由于环境恶劣导致的猪只多种类行为识别精确率低的问题。所述方法包括：S1、使用在线摄像设备获取猪栏中不同时间段的猪只行为数据视频；S2、利用视频处理和抽帧技术提取并整理猪只行为数据并基于数据增强技术扩充图像数量；S3、使用LabelImg软件标注猪只七种日常行为，构建猪只多种类日常行为识别数据集；S4、设计SAM2‑C2F模型，进而搭建基于SAM2‑C2F模型的猪只多种类日常行为识别模型；S5、使用自建数据集训练SAM2‑C2F模型；S6、运用训练好的猪只日常行为识别模型实现对群养生猪多种类日常行为的识别。与现有技术相比，本发明首次将SAM2主干网络以迁移学习的形式引入到群养生猪日常行为识别领域，充分利用大模型的特征提取能力，在猪只日常行为识别的精确度显示出显著优势，具有广泛的应用前景。

本发明授权一种基于SAM2-C2F模型的群养生猪日常行为识别方法在权利要求书中公布了：1.一种基于SAM2-C2F模型的群养生猪日常行为识别方法，其特征在于，针对猪只多种类日常行为，构建识别模型，对群养生猪实现日常行为的自动识别，包括以下步骤： 步骤S1、使用在线摄像设备，获取猪栏中不同时间段的猪只行为数据视频； 步骤S2、利用视频抽帧技术获取并整理猪只行为数据图片并基于数据增强扩充猪只行为数据图片； 步骤S3、使用LabelImg软件标注猪只七种日常行为，构建猪只多种类日常行为识别数据集； 步骤S4、基于SAM2主干网络，在冻结SAM2主干网络的预训练权重参数的基础上，自主设计对称适配器模块和通道调整模块，融合C2F特征融合模块和动态检测头，构建基于SAM2-C2F模型的猪只日常行为识别模型； 所述步骤S4中基于SAM2-C2F模型的群养生猪日常行为识别模型包括依此连接的输入端、对称适配器模块、冻结的SAM2主干网络、通道调整模块、C2F特征融合模块和动态检测头；其中，所述对称适配器模块是在冻结的SAM2主干网络的顶端和低端分别加入适配器；适配器是由一层下采样全连接层、一层激活函数层、一层上采样全连接层和一层激活函数层组合而成；其中，适配器专注于学习群养生猪日常行为识别这个特定任务的细微差别，并能有助于模型对冻结的SAM2主干网络中不同层次的特征图进行针对性的优化；所述通道调整模块用于调整SAM2主干网络后三层编码器输出的特征图的通道数，由通道注意力机制和通道调整卷积层组成；通道调整模块能动态地为每个通道分配权重，突出对猪只行为识别更重要的特征，抑制不相关的特征；并能减少不必要的计算，便于之后的特征融合，从而优化模型的计算资源使用；所述C2F特征融合模块采用了FPN特征金字塔网络和PAN路径聚合网络，用于整合来自不同尺度的特征信息，以提高模型的表征能力和任务性能；其中，不同尺度的特征图通常包含不同层次的信息，低层特征图捕捉更多的局部细节和边缘信息，而高层特征图则包含更广泛的上下文信息；C2F特征融合模块通过融合这些不同尺度的特征，使模型同时受益于局部细节和全局上下文，从而提高对复杂场景的理解能力，进而提高SAM2-C2F模型对群养生猪日常行为识别的准确率；所述动态检测头包括偏移和掩码计算、动态卷积、尺度注意力模块和任务注意力模块；偏移和掩码通过一个卷积层计算，用于计算动态卷积所需的偏移量和掩码；动态卷积用于处理不同尺度的特征图；尺度注意力模块用于分配不同尺度特征的重要性；任务注意力模块用于调整特征图以更好地适应任务需求； 步骤S5、训练基于SAM2-C2F模型的猪只日常行为识别模型； 步骤S6、运用训练好的猪只日常行为识别模型，实现对群养生猪日常行为的识别。

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南大学，其通讯地址为：214125 江苏省无锡市滨湖区状元道5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。