Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 温氏食品集团股份有限公司;深圳喜为智慧科技有限公司梁炎斌获国家专利权

温氏食品集团股份有限公司;深圳喜为智慧科技有限公司梁炎斌获国家专利权

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!

龙图腾网获悉温氏食品集团股份有限公司;深圳喜为智慧科技有限公司申请的专利一种基于环境与视觉特征融合的圈养动物体重预测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:CN121502694B

龙图腾网通过国家知识产权局官网在2026-05-12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:202610033216.0,技术领域涉及:G06F18/25;该发明授权一种基于环境与视觉特征融合的圈养动物体重预测方法是由梁炎斌;邝颖杰;黄靖义;陈琰设计研发完成,并于2026-01-12向国家知识产权局提交的专利申请。

一种基于环境与视觉特征融合的圈养动物体重预测方法在说明书摘要公布了:本发明涉及智能养殖技术领域,尤其涉及一种基于环境与视觉特征融合的圈养动物体重预测方法。该方法包括以下步骤:同步采集环境参数、图像数据及体重标签,并构建三元组数据集;对三元组数据集进行预处理,并基于时间戳和预设空间坐标构建环境参数‑单帧图像‑对应圈养动物单只体重的映射关系,并生成多模态训练数据;将多模态训练数据中的环境参数输入至预先训练好的CNN‑Transformer混合架构中的环境‑图像特征融合模块,与图像特征进行维度匹配,得到融合特征训练模型。本发明通过构建环境与视觉特征深度耦合、结合时间空间映射、多任务约束及跨场景自适应机制,实现了圈养动物体重预测的高精度、稳定性和泛化能力。

本发明授权一种基于环境与视觉特征融合的圈养动物体重预测方法在权利要求书中公布了:1.一种基于环境与视觉特征融合的圈养动物体重预测方法,其特征在于,包括以下步骤: 步骤S1:同步采集环境参数、图像数据及体重标签,并构建三元组数据集; 步骤S2:对三元组数据集进行预处理,并基于时间戳和预设空间坐标构建环境参数-单帧图像-对应圈养动物单只体重的映射关系,并生成多模态训练数据; 步骤S3:将多模态训练数据中的环境参数输入至预先训练好的CNN-Transformer混合架构中的环境-图像特征融合模块,与图像特征进行维度匹配,得到融合特征训练模型; 步骤S4:设计多任务损失函数,对融合特征训练模型进行预训练,并根据不同场景调整参数,得到体重预测模型;其中,步骤S4包括: 构建多任务损失函数,通过监督预训练初步模型后,进行场景差异自适应训练,得到分场景适配模型; 对分场景适配模型引入联邦学习机制,基于跨场景参与方索引建立多养殖场分布式训练节点,得到联邦训练初始布局; 对跨场景参与方索引中各参与方上传的模型梯度执行梯度压缩-稀疏化操作,设定梯度稀疏率为95%,并执行量化压缩,得到稀疏梯度集合; 基于稀疏梯度集合对分场景适配模型执行全局参数聚合,生成跨场景泛化模型; 对跨场景泛化模型在统一验证集上进行泛化误差评估,得到泛化误差量化表; 对泛化误差量化表进行指标比对,当泛化误差降低百分比大于或等于25%时,触发模型在线更新流程,对跨场景泛化模型执行参数调整,得到体重预测模型; 其中,构建多任务损失函数,通过监督预训练初步模型后,进行场景差异自适应训练包括: 对融合特征训练模型构建由体重回归损失、体型参数回归损失与环境一致性损失组成的多任务损失函数,得到多任务损失集合; 基于多任务损失集合,对融合特征训练模型执行监督预训练,得到初步体重预测模型; 基于不同养殖场的环境数据分组,对初步体重预测模型执行场景差异自适应训练,得到分场景适配模型; 步骤S5:验证体重预测模型的环境适配性,并进行误差分析,生成误差优化数据;基于误差优化数据更新体重预测模型参数,得到体重预测优化模型;其中,步骤S5中验证体重预测模型的环境适配性,并进行误差分析包括: 在不同环境条件下对体重预测模型执行端侧推理测试,构建基于多环境指标的适配性评估矩阵,得到环境适配性验证数据; 对环境适配性验证数据执行场景差异分析,识别体重预测模型在跨场景推理中的误差偏移,构建高误差环境组与低误差环境组,得到场景误差差异表; 基于映射三元数据集对场景误差差异表的对应样本进行标签一致性核验,剔除风险样本,得到可信误差样本集合; 对可信误差样本集合执行误差来源分类,得到误差分解矩阵,误差来源类型包括视觉误差、环境权重误差与体型参数回归误差; 基于误差分解矩阵对环境参数嵌入矩阵及FiLM条件调制的参数进行误差反向映射,构建环境调制反向图谱,得到环境调制修正系数; 基于环境调制修正系数对文本通道权重与视觉通道权重执行再校准,并在低光照区域自动增加文本通道权重,得到环境调制再校准参数; 对环境调制再校准参数与误差分解矩阵执行特征重构,形成误差优化张量,得到误差优化数据。

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温氏食品集团股份有限公司;深圳喜为智慧科技有限公司,其通讯地址为:527300 广东省云浮市新兴县新城镇东堤北路9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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。