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！

龙图腾网获悉浙江农林大学申请的专利一种基于特征点检测的生猪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：CN119693996B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411374698.3，技术领域涉及：G06V40/20；该发明授权一种基于特征点检测的生猪行为识别方法是由徐爱俊;倪彭飞;周素茵;冯海林设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种基于特征点检测的生猪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特征点检测的生猪行为识别方法，包括以下步骤，构建生猪特征点检测数据集和生猪行为识别数据集；建立生猪特征点检测模型YOLO‑ASF‑P2；结合所述特征点时序信息构建生猪行为识别模型CNN‑Bi‑GRU；所述生猪行为识别模型CNN‑Bi‑GRU高效识别生猪的坐、站和躺三种行为。本发明的有益效果：一是生猪特征点检测模型YOLO‑ASF‑P2的检测精度为92.5％、召回率为90％、平均精度AP50‑95为68.2％、浮点运算次数为39.2GFLOPs、模型参数量为18.4M；二是生猪行为识别模型CNN‑Bi‑GRU针对生猪的坐、站、躺三种行为的平均识别精度为96％，提出的生猪特征点检测模型精度较高、轻量化，能够有效应对生猪姿态多变对特征点准确检测的挑战。

本发明授权一种基于特征点检测的生猪行为识别方法在权利要求书中公布了：1.一种基于特征点检测的生猪行为识别方法，其特征在于：包括以下步骤， 构建生猪特征点检测数据集和生猪行为识别数据集； 修改原始YOLOv8-Pose模型的Neck部分，结合原始模型Backbone部分的P2层提供的小目标的细节特征信息，引入ASF架构，所述ASF架构中融合尺度特征融合模块、三重特征编码模块和通道和位置注意力机制模块，并优化目标框损失函数，建立生猪特征点检测模型YOLO-ASF-P2； 利用建立的所述生猪特征点检测模型YOLO-ASF-P2提取生猪关键部位的特征点时序信息； 结合所述特征点时序信息构建生猪行为识别模型CNN-Bi-GRU； 所述生猪行为识别模型CNN-Bi-GRU通过双向门控循环单元和注意力机制灵活捕捉生猪特征点信息并进行加权处理，有效结合生猪特征点的时序特征，高效识别生猪的坐、站和躺三种行为； 其中，所述生猪行为识别模型CNN-Bi-GRU基于门控循环单元构建，Bi-GRU单元由两个独立的GRU组成，分别按照时间序列正向和反向处理数据，其包括以下步骤，首先使用卷积层提取时序特征点数据的局部特征；再应用Bi-GRU单元进行时间序列建模，并对Bi-GRU单元的输出应用注意力机制生成加权输出；最后通过全连接层输出生猪行为类别； 所述Bi-GRU单元中的ht为输出状态，其实现如下式， 式中，和分别为t时刻前向隐藏层与后向隐藏层的状态，和分别为前向隐藏层和后向隐藏层状态的权重，bt为偏置项； 所述生猪行为识别模型CNN-Bi-GRU包括以下步骤，在信息的前向传播过程中，所述生猪行为识别模型CNN-Bi-GRU中的注意力机制模块针对每个时间步的重要性进行加权，捕捉序列中的关键信息；对输入进行线性变换，应用Softmax激活函数计算注意力权重；最后将输入和权重逐元素相乘，返回加权后的结果，具体实现如下， a＝W·x+b aprobs＝Softmaxa Output＝x⊙aprobs 式中，x表示Bi-GRU单元的输出，a表示对输入应用线性变换后的结果，aprobs表示所得注意力权重，⊙表示逐元素相乘，W表示线性变化的权重，b表示线性变化的偏置项。

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浙江农林大学，其通讯地址为：311300 浙江省杭州市临安区武肃街666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。